Académique Documents
Professionnel Documents
Culture Documents
Bloqueo: Un bloque es una porcin de material experimental que sea ms homogneo que el
total del material. Considerar bloques permite detectar si las diferencias significativas que se
observan en las respuestas se deben al bloque y no a los factores principales. Con el bloqueo
se logra mayor precisin del experimento al eliminar variabilidad no explicada que provocara
error aleatorio. Ejemplos de bloques: lotes de materia prima; operario, turno; etc.
CLASIFICACION DE LOS DISEOS EXPERIMENTALES:
Para elegir adecuadamente un diseo deben tenerse en cuenta:
1- El objetivo
2- El Nmero de factores a controlar
3- El Nmero de niveles de cada factor
4- Los efectos que interesa investigar
5- El costo del experimento, tiempo y precisin deseada
De acuerdo al objetivo:
1- D. para comparar 2 o mas tratamientos
2- D. para estudiar varios factores sobre
una o mas respuestas
3- Diseos para la optimizacin de
procesos
4- Diseos Robustos
5- Diseo de Mezclas
D. completamente al azar
D. en bloques completos al azar
D. en cuadrados latinos y grecolatinos
D. factoriales 2
D. factoriales 3
D. factoriales fraccionarios 2
k
k
k-p
D. de 1 Orden
D. de 2 Orden
er
do
D. 2 y 2
D. de Plake H-Burman
D. Simplex
k k-p
D. Central Compuesto
D. Box-Behnken
D. 3 y 3
k k-p
D. ortogonales
D. con arreglo interno y externo
D. de Lattice-Simplex
D. Simplex con centro de D. axial
D. con restricciones
POBLACIN, MUESTRA, PARMETROS ESTADSTICOS
Poblacin finita: Es aquella en la que se pueden medir todos los individuos para tener un
conocimiento exacto de sus caractersticas.
Parmetros: Caractersticas que mediante su valor numrico describen a un conjunto de
elementos o individuos.
Poblacin Infinita: Es aquella en la que la poblacin es grande y es imposible medir todos los
individuos.
Diseo Experimental
Prof. : Maria rosa Chillemi
6
Muestra Representativa: Es una parte de la poblacin, seleccionada adecuadamente, que
conserva los aspectos claves de la poblacin.
Inferencia Estadstica: Son las afirmaciones vlidas acerca de la poblacin o proceso con base
en la informacin contenida en la muestra.
A
leatoriamente
Inferencia X S
Estadsticos
(conocidos) Parmetros (siempre desconocidos)
?
?
Poblacin`
(Ej. Toda la produccin del mes)
Muestra
(representativa de la produccin del mes)
Distribuciones de Probabilidad
Mean,Std. dev.
0,1
Normal Distribution
d
e
n
s
i
t
y
-5 -3 -1 1 3 5
0
0,1
0,2
0,3
0,4
(a) (b)
Distribucin de la media de la muestra de una poblacin normal con varianza conocida (a) y
desconocida (b)
Numerator d.f,Denominator d.f.
10,10
F (variance ratio) Distribution
d
e
n
s
i
t
y
0 1 2 3 4 5
0
0,2
0,4
0,6
0,8
2
2
) 1 (
o
=
n s
u (c)
2
1
2
2
2
2
2
1
o
o
s
s
F = (d)
Distribucin de la varianza de la muestra (c) y del cociente de varianzas de (d)
n
s
X
t
=
n
X
z
o
=
Deg. of freedom
10
Chi-Square Distribution
d
e
n
s
i
t
y
0 10 20 30 40
0
0,02
0,04
0,06
0,08
0,1
Deg. of freedom
10
Student's t Distribution
d
e
n
s
i
t
y
-6 -4 -2 0 2 4 6
0
0,1
0,2
0,3
0,4
Diseo Experimental
Prof. : Maria rosa Chillemi
7
RESUMEN DE FORMULAS PARA INTERVALOS DE CONFIANZA
Intervalos de confianza a nivel 1-o :
- Para la media de una poblacin normal ( o
2
conocida)
:
(
+
n
z X
n
z X
o o
o o
2 2
,
- Para la media de una poblacin normal ( o
2
desconocida)
:
(
+
n
S
t X
n
S
t X
n n 1
2
1
2
,
o o
- Para la proporcin en una poblacin Bernoulli
P:
(
n
P P
z P
n
P P
z P
) 1 (
,
) 1 (
2 2
o o
- Para la varianza de una poblacin normal ( y o
2
desconocidas)
o
2
:
(
(
2
1 2 / 1
2
2
1 2 /
2
) 1 (
,
) 1 (
n n
S n S n
_ _
o o
- Para la diferencia de medias de poblaciones independientes (varianzas conocidas)
:
2 1
(
(
+ + +
m n
z Y X
m n
z Y X
y
x
y
x
2
2
2
2
2
2
,
o
o
o
o
o o
- Para la diferencia de medias de poblaciones independientes (varianzas desconocidas pero iguales)
:
2 1
(
(
+
+
+
+ +
+
+
+ +
m n m n
S m S n
t Y X
m n m n
S m S n
t Y X
y x
m n
y x
m n
1 1
2
) 1 ( ) 1 (
,
1 1
2
) 1 ( ) 1 (
2 2
2
2
2 2
2
2
o o
- Para la diferencia de medias con muestras relacionadas. n=m, D
i
=X
i
-Y
i
y S
d
su desviacin tpica
:
2 1
(
(
+
n
S
t Y X
n
S
t Y X
d
n
d
n
2
1
2
2
1
2
,
o o
- Para la diferencia de proporciones.
P
x
-P
y
:
(
(
(
+ + +
m
)
y
P - (1
y
P
n
)
x
P - (1
x
P
2
z
y
P
x
P ,
m
)
y
P - (1
y
P
n
)
x
P - (1
x
P
2
z
y
P
x
P
o o
- Para el cociente entre varianzas de dos poblaciones normales
:
2
2
y
x
o
o
(
(
(
) 1 ( ), 1 (
2
2
) 1 ( ), 1 (
2
2
2
1
2
1
,
1
m n
y
x
m n
y
x
F F
S
S
S
S
o o
Diseo Experimental
Prof. : Maria rosa Chillemi
8
RESUMEN DE FORMULAS PARA PROCEDIMIENTOS DE PRUEBAS DE HIPOTESIS
Hiptesis
Estadstico Regin de rechazo
H
0
: =
0
H
1
: <
0 Prueba
unilateral
n
x
z
0
o
= ~ N(0;1)
n
z x
o
o
<
o
H
0
: =
0
H
1
: >
0
Prueba
unilateral
n
x
z
0
o
= ~ N(0;1)
n
z x
o
o
+ >
o
H
0
: =
0
H
1
: =
0
Prueba
bilateral
n
x
z
0
o
= ~ N(0;1)
n
z x
o
o
>
2
o
H
0
: P=P
0
H
1
: P<P
0 Prueba
unilateral
n
Q P
P p
z
0 0
0
= ~ N(0;1)
n
Q P
z P p
o
0 0
o
<
H
0
: P=P
0
H
1
: P>P
0 Prueba
unilateral
n
Q P
P p
z
0 0
0
= ~ N(0;1)
n
Q P
z P p
o
0 0
o
+ >
H
0
: P=P
0
H
1
: P=P
0
Prueba
bilateral
n
Q P
P p
z
0 0
0
= ~ N(0;1)
n
Q P
z P p
0 0
0
2
o >
H
0
: =
0
H
1
: <
0
2
o desconocido
Prueba unilateral
n s
x
t
0
= ~ t
(n-1)
n
s
t x
o 0
<
H
0
: =
0
H
1
: >
0
2
o desconocido
Prueba unilateral
n s
x
t
0
= ~ t
(n-1)
n
s
t x
o 0
+ >
H
0
: =
0
H
1
: =
0
2
o desconocido
Prueba bilateral
n s
x
t
0
= ~ t
(n-1)
n
s
t x
/ 2 o 0
>
H
0
:
2
o
=
2
0
o
H
1
:
2
o
<
2
0
o
Prueba unilateral
( )
2
2
s 1 n
u
o
= ~
2
) 1 n (
_
u <
2
o 1
_
H
0
:
2
o
=
2
0
o
H
1
:
2
o
>
2
0
o
Prueba unilateral
( )
2
2
s 1 n
u
o
= ~
2
) 1 n (
_
u >
2
o
_
H
0
:
2
o
=
2
0
o
H
1
:
2
o
=
2
0
o
Prueba bilateral
( )
2
2
s 1 n
u
o
= ~
2
) 1 n (
_
u<
2
2 o 1
_
/
u >
2
2 o
_
/
H
0
:
1
-
2
=o H
1
:
1
-
2
=o
2
2
2
1
, o o conocidos
( )
2
2
2
1
2
1
2 1
n n
x x
z
o
+
o
o
= ~ N(0;1)
2 o
)
/ obs
z z
H
0
:
1
-
2
=o H
1
:
1
-
2
=o
2
2
2
1
, o o desconocidos e iguales
( )
( ) ( ) | |( )
( ) ( )
2 1 2 1
2 1 2
2
2 1
2
1
2 1
n n 2 n n
n n 1 n s 1 n s
x x
t
+
+ +
o
=
2 n n
2 1
t ~
+
2 o
)
/ obs
t t
H
0
: 1
2
2
2
1
=
o
o
H
1
: 1
2
2
2
1
=
o
o
2
2
2
1
s
s
F = ~
( ) 1 n ; 1 n
2 1
F
F
obs
>F
o/2
(n
1
-1, n
2
-1)
F
obs
< 1/F
o/2
(n
2
-1,n
1-
1)
Diseo Experimental
Prof. : Maria rosa Chillemi
9
USO DEL SOFTWARE
Statgraphics
1 Parmetro:
Describe Numeric data one variable Anlisis Confidence Intervals o Hiptesis test
(en las opciones tabulares)
2-Parametros:
Compare Two Samples Two Sample Comparison Comparison of Means o
Comparison of Standard deviations (muestras independientes) Compare Two Samples
Paired Samples comparison Hypothesis test.
Excel:
Funciones estadsticas y la opcin Anlisis de datos (en el men herramientas). Para
activar se usa la funcin Complementos dentro del mismo men de Herramientas.
Secuencia: Herramientas Anlisis de Datos Estadstica Descriptiva Nivel de
confianza para la media.
Para comparar 2 medias de poblaciones suponiendo varianzas desconocidas pero
supuestas iguales: herramientas Anlisis de datos Prueba suponiendo varianzas
iguales.
Para muestras apareadas: Herramientas Anlisis de Datos Prueba para medias de
dos muestras apareadas.
Para probar la igualdad de las varianzas: Herramientas Anlisis de Datos Prueba F
para varianzas de dos muestras.
FAMILIA DE DISEOS PARA COMPARAR TRATAMIENTO
Los diseos experimentales para comparar tratamientos, desde cero hasta tres factores bloque
son respectivamente:
- Diseo completamente al azar
- D. con bloques completos al azar
- D. en cuadrado latino
- D. en cuadrado grecolatino
La comparacin de los tratamientos en cuanto a la respuesta media que logran, se hace
mediante la hiptesis:
H
o
:
1
=
2
= =
k
= H
1
: i j para algn i j
Que se prueba con la tcnica estadstica llamada Anlisis de Varianza (ANOVA) con 1, 2, 3, 4
criterios de clasificacin, dependiendo del nmero de factores de bloque incorporados al
diseo.
FAMILIA DE DISEOS PARA COMPARAR TRATAMIENTOS
Diseo Factores de
bloque
Tcnica estadstica Modelo estadstico
D. completamente al
azar
0 ANOVA con un criterio
de clasificacin
i i i
y c t + + =
D. en bloques
completos al azar
1 ANOVA con dos
criterios de clasificacin
ij j i ij
y c t + + + =
D. en cuadrado latino 2 ANOVA con tres
criterios de clasificacin
ijk k j i ijk
y c o t + + + + =
D. en cuadrado
grecolatino
3 ANOVA con cuatro
criterios de clasificacin
ijkl l k j i ijkl
y c o t + + + + + =
Notacin: Y: variable respuesta; media global; o t , , , son los efectos de tratamientos (t ) y de bloque ( o , , ).
c es el error aleatorio.
La diferencia entre estos
diseos es el nmero de
factores de bloque
Diseo Experimental
Prof. : Maria rosa Chillemi
10
Para cada diseo, se tiene por lo menos dos fuentes de variabilidad: los tratamientos o niveles
del factor de inters y el error aleatorio.
Los diseos no suponen efectos de interaccin, sin embargo es deseable que esto ocurra, de lo
contrario la variabilidad de cada interaccin activa carga el error.
Que exista interaccin se refiere a que el efecto de cada factor depende del nivel en que se
encuentra el otro.
DISEO COMPLETAMENTE AL AZAR
Es el ms simple de todos los diseos que se utilizan para comparar dos o ms tratamientos,
considera dos fuentes de variacin: tratamientos y error aleatorio.
Se llama completamente al azar porque todas las corridas experimentales se realizan en orden
aleatorio completo.
Supongamos que hay k poblaciones o tratamientos, independientes y con medias desconocidas
1
;
2
,;
K
y varianzas tambin desconocidas pero que se suponen
iguales
2
2
k
2
2
2
1
= = ... = = . Las poblaciones pueden ser k mtodos de produccin, k
tratamientos, k grupos, etc. y sus medias son medidas en trminos de variable respuesta. Los
tratamientos son distintos niveles de un factor, por ejemplo material; contenido de cierto
mineral; operario; etc). En estos ejemplos los tratamientos seran: material A;B;C; contenido:
5%;10%; 20%; Operario: Op
1
;Op
2
;Op
3
;;Op
5
. La respuesta que se mide en cada uno de los
niveles es una variable aleatoria.
La tabla de Datos se puede escribir:
FACTOR A
Niveles 1 2 3 . k
Observaciones Y
11
Y
21
Y
31
Y
k1
Y
12
Y
22
Y
32
Y
k2
Y
13
Y
23
Y
33
Y
k3
Totales Y
1.
Y
2.
Y
k
Medias
. 1
y
. 2
y
. 3
y
. a
y
j i
y observacin j-sima del nivel i.
n
y
= y y = y
i
n
1 = j
i ij i
Media total: n . k = N y
N
1
k
1 = i
n
1 = j
ij
Es recomendable usar el mismo nmero de repeticiones (ni=n) en cada tratamiento. Cuando
esto ocurre en toda i se dice que el diseo es balanceado.
En estos k diseos se recomiendan entre 10 y 30 repeticiones en cada tratamiento. Se usa
n=10 cuando las mediciones tienen poca dispersin. Cuando es costoso realizar las pruebas, se
realizan menos repeticiones, pero se detectaran solo grandes diferencias entre tratamientos.
El modelo que se plantea es: n ,..., 1 = j k ,..., 1 = i + + = y
ij i ij
donde es la media total comn a todos los niveles, llamada gran media;
i
es el efecto del
nivel i y
ij
es el error aleatorio de la observacin j en el nivel i.
El objetivo es plantear hiptesis respecto a los efectos del nivel y hacer estimaciones sobre
ello.
Suposiciones:
i j
~ ) , 0 ( NI
2
.
2
es constante para todos los niveles del factor.
Este modelo requiere que el experimento se realice en orden aleatorio de manera de
uniformar los resultados. Es decir este diseo experimental se llama completamente