Vous êtes sur la page 1sur 8

Diseo experimental

El diseo experimental es una tcnica estadstica que


permite identicar y cuanticar las causas de un efecto
dentro de un estudio experimental. En un diseo experimental se manipulan deliberadamente una o ms variables, vinculadas a las causas, para medir el efecto que tienen en otra variable de inters. El diseo experimental
prescribe una serie de pautas relativas qu variables hay
que manipular, de qu manera, cuntas veces hay que repetir el experimento y en qu orden para poder establecer
con un grado de conanza predenido la necesidad de una
presunta relacin de causa-efecto.

ciones de tratamiento, y se le denominara diseo factorial de 22.

El diseo experimental encuentra aplicaciones en la


industria, la agricultura, la mercadotecnia, la medicina, la
ecologa, las ciencias de la conducta, etc. constituyendo
una fase esencial en el desarrollo de un estudio experimental.

Los diseos factoriales fueron utilizados en el siglo XIX


por Jhon Bennet Lawes y Henry J. Gilbert de la Estacin
experimental de Rothamsted.[1] Ronald Fisher discuti
en 1926 que los diseos complejos, como diseos factoriales, eran ms ecientes que estudiando un factor a
la vez.[2] Fisher escribi: ningn aforismo se repite
tan frecuentemente respecto de las pruebas de campo, que aquel de que a la Naturaleza debemos hacerle
pocas preguntas, o, idealmente, hacrselas de a una.
Quien escribe es un convencido de que este punto de
vista est totalmente equivocado. Un diseo factorial
permite el efecto de varios factores e incluso interacciones entre ellas que se determinarn con el mismo nmero
de ensayos que son necesario determinar de los efectos
por s mismo con el mismo grado de exactitud.

Si el nmero de combinaciones en un diseo factorial


completo es demasiado alto para su procesamiento, puede optarse por un diseo factorial fraccional, en el que se
omitan algunas de las combinaciones posibles.

3 Historia

Perspectiva histrica

Ronald Fisher es considerado el padre del diseo experimental en sus estudios de agronoma en el primer tercio
del siglo XX. A la lista de los pioneros de su uso hay que
aadir los de Frank Yates, W.G. Cochran y G.E.P. Box.
Muchas de las aplicaciones originarias del diseo experimental estuvieron relacionadas con la agricultura y la Yates realiz importantes contribuciones signicativas
biologa, disciplinas de las que procede parte de la termihechas, particularmente en el anlisis de diseos, por
nologa propia de dicha tcnica.
Anlisis de Yates. El trmino factorial no se pudo haber
Las aplicaciones a la industria textil comenzaron en la d- utilizado en la impresin antes de 1935, cuando Fisher la
cada de 1930 en Inglaterra y se popularizaron y extendie- utiliz en su libro El diseo de experimentos. [1]
ron a las industrias qumica y manufacturera de Europa
y EE. UU. tras la II Guerra Mundial. Es de notar su uso
actual en la industria de la electrnica y los semiconduc- 4 Notacin
tores.
Para ahorrar el espacio, los puntos en un experimento factorial de dos niveles se abrevian a menudo con las cadenas
2 Que es Diseo factorial?
de ms y signos de menos. Las secuencias tienen tantos
smbolos como factores, y sus valores dictan el nivel de
En estadstica, un experimento factorial completo es un cada factor: para el primer (o bajo) llano, y + para el
experimento cuyo diseo consta de dos o ms factores, segundo (o alto) llano. Los puntos en este experimento se
cada uno de los cuales con distintos valores o niveles, pueden representar como , + , +, y + +.
cuyas unidades experimentales cubren todas las posibles Los puntos factoriales se pueden tambin abreviar cerca
combinaciones de esos niveles en todo los factores. Es- (1), a, b, y el ab, donde la presencia de una letra indica que
te tipo de experimentos permiten el estudio del efecto de el factor especicado est en su alto (o en segundo lugar)
cada factor sobre la variable respuesta, as como el efecto nivel y la ausencia de una letra indica que el factor especide las interacciones entre factores sobre dicha variable.
cado est en su (o primero) nivel bajo (por ejemplo, a
Por ejemplo, con dos factores y dos niveles en cada factor, indica que el factor A est en su alto ajuste, mientras que
un experimento factorial tendra en total cuatro combina- el resto de los factores estn en su ajuste del punto bajo
1

7 FISHER
ca, dependiendo de su propsito previsto y recursos disponibles. Proporcionar los efectos de las tres variables
independientes en la variable dependiente y las interacciones posibles(en caso de haber ms de 3 se habla de un
hiperespacio).

c
d

b
a
diagrama de cubo para 3 dimensiones usando variables A, B y
C.

(o primero)). (1) se utiliza indicar que todos los factores


estn en sus (o primero) valores ms bajos.
Para poder nalmente obtener un modelo estadstico que
nos indique el valor de respuesta al modicar los factores.
Clculo del efecto

6 Anlisis de Yates
La tcnica fundamental consiste en repartir el total en
componentes mediante sumas de cuadrados. Esta tcnica
tuvo efectos secundarios en el modelo. Por ejemplo, demostramos el modelo para un ANOVA simplicado con
un tipo de tratamiento en diversos niveles.
SCTotal = SCError + SCTratamientos
Los los grados de libertad se pueden repartir de manera
similar y especican distribuciones que describen las
sumas asociadas de cuadrados.
glTotal = glError + glTratamientos

7 Fisher

Contraste = (suma de niveles+)-(suma de niveles-) Efecto


Contraste /replica*2^k
b= efecto/2 bo= suma total/numero total
Modelo estadstico: Y= bo+ b1X1 + b2X2......

Ejemplo Real

El experimento factorial ms simple contiene dos niveles


para cada uno de dos factores. Suponga los deseos de un
ingeniero para estudiar la energa total usada por cada uno
de dos diversos motores, A y B, funcionando en cada uno
de dos diversas 2000 o 3000 RPM de las velocidades.
El experimento factorial consistira en cuatro elementos
experimentales: viaje en automvil A en 2000 RPM, viaje
en automvil B en 2000 RPM, viaje en automvil A en
3000 RPM, y viaje en automvil B en 3000 RPM. Cada
combinacin de un solo nivel seleccionado de cada factor
est presente una vez.
Este experimento es un ejemplo de 22 (o 2x2) experimento factorial, nombrado as porque considera dos niveles (la base) para cada uno de dos factores (la energa o
el exponente), o #lniveles#factores, produciendo 22puntos factoriales =4. Los diseos pueden implicar muchas
variables independientes. Como otro ejemplo, los efectos
de tres variables entradas se pueden evaluar en ocho condiciones experimentales demostradas como las esquinas
de un cubo. Esto se puede conducir con o sin la rpli-

Ronald Fisher

7.1 Principios de Fisher


El bilogo y estadstico ingls Ronald Fisher propuso una
metodologa por el diseo de experimentos en sus libros

7.2

Prueba F de Fisher

The Arrangement of Field Experiments (1926) y The Delos resultados del experimento original usando la dasign of Experiments (1935). Mucho de su obra pionera trata original, y el resumen debe decir que el estudio es
t de las aplicaciones agrcolas de sus mtodos de estadsuna rplica que intente seguir en los pasos del origitica. Por ejemplo, describi como probar la hiptesis de la
nal en lo ms estricto posible.[3]
catadora de t. estos mtodos se han adaptado en las ciencias sociales y fsicas y se usan todava en la ingeniera
agrcola y que se dieren del diseo y anlisis de experi- 7.2 Prueba F de Fisher
mentos de computacin.
Se utiliza para las comparaciones de los componentes de
Comparacin En algunos campos de estudio no es po- la desviacin total. Por ejemplo, en una forma, o el solosible tener medidas independientes que conectan a factor ANOVA, la signicacin estadstica es probada pauna norma de metrologa trazable. Comparaciones ra comparando la estadstica de la prueba de F
entre tratamientos se valen mucho ms y normalmente se las preeran. A menudo se compara con
variance of the group means
un control cientco o tratamiento tradicional que
F =
acta como un punto de referencia.
mean of the within-group variances
Aleatorizacin Randomizacin es el proceso de asignar
individuos al azar a grupos o a grupos distintos en
un experimento. La asignacin aleatoria a grupos (o
condiciones adentro de un grupo) distingue a rigorosos verdaderos experimentos de un estudio observacional o cuasi-experimental.[1] Existe un cuerpo
extensivo de teora matemtica que explora las consecuencias de asignar las unidades de tratamiento
por medio de algn mtodo aleatorio como las tablas
de nmeros aleatorios, o el uso de aparatos aleatorios como naipes o dados. Asignar unidades de tratamiento aleatoriamente tiende a mitigar los factor
de confusin, los cuales hacen que los efectos que no
son por tratamientos parecer como s fuesen resultados del tratamiento. Los riesgos que se asocian con
una asignacin aleatoria (como tener un desbalance
serio en una caracterstica clave entre un grupo en
tratamiento y un grupo de control) se calculan y as
se las dirigen a un nivel ms bajo y aceptable por
el hecho de usar bastantes unidades de experimentacin. Se pueden generalizar los resultados de un
experimento de las unidades de experimentacin a
una poblacin estadstica de unidades pero solo si las
unidades de experimentacin son un muestreo de la
poblacin ms grande; el error probable de tal extrapolacin dependse del tamao de la muestra, entre
otras cosas.
Rplica estadstica Normalmente se sujetan medidas a
la variacin y la incertidumbre de medidas signica
que se las repiten y con experimentos enteros se los
replican para ayudar a identicar los fuentes de la
variacin, por poder estimar los efectos verdaderos
de tratamientos, por fortalecer su abilidad y su validez, y por agregar al conocimiento del tpico.[2] Sin
embargo, necesita el cumplimiento de ciertas condiciones antes que la rplica se comience: la cuestin
de investigacin original se ha publicado en una revista de revisin por pares o citado ampliamente, el
investigador es independiente del experimento original, el investigador debe primero intentar replicar

F =

MSTR
MSE

donde:
1. Nmero de tratamientos: MSTR = SSTR
I1 , I
2. Total de casos: MSE = nSSE
, nT'
T I
a F-distribucin con el del I-1, secundario< del > n<
T> /sub grados de libertad. Usar la F-distribucin es un
candidato natural porque la estadstica de la prueba es el
cociente de dos sumas malas de los cuadrados que tienen
a distribucin del chi-cuadrado.

8 Referencias
1.-Frank Yates and Kenneth Mather (1963). Ronald
Aylmer Fisher. Biographical Memoirs of Fellows of the
Royal Society of London 9: 91120. http://digital.library.
adelaide.edu.au/coll/special//fisher/fisherbiog.pdf.
2.-Ronald Fisher (1926). The Arrangement of Field
Experiments. Journal of the Ministry of Agriculture of Great Britain 33: 503513. http://digital.library.
adelaide.edu.au/coll/special//fisher/48.pdf.

9 Vase tambin
* Estadstica bayesiana
Intervalo de conanza
Incertidumbre
Modelo estadstico
Propagacin de errores

10

11 APLICACIONES

Diseo factorial 2k

10.2 Diseo 2k para k = 3 factores

Es un diseo de 3 factores, cada uno a 2 niveles y consCuando en un experimento hay varios factores de inters, ta de 8 combinaciones. Geomtricamente el diseo es un
utilizamos el diseo experimental factorial.
cubo, cuyas esquinas son las 8 combinaciones. Este diseEn el experimento factorial, se analizaran todas las posi- o permite estimar los 3 efectos principales (A, B, y C),
bles combinaciones de los niveles de los factores en cada las tres interacciones de dos factores (AB, AC, BC) y la
rplica del experimento, para estudiar el efecto conjunto interaccin de los tres factores (ABC).
de estos sobre una respuesta.
La estimacin de cualquier efecto principal o interaccin
Un experimento 2k proporciona el menor nmero de en- en un diseo 2k se determina al multiplicar las combinasayos con los cuales se pueden estudiar k factores en un ciones de tratamientos de la 1. columna de la tabla por
los signos del correspondiente efecto principal o columdiseo factorial completo.
na de interaccin, sumando los resultados para obtener
Existen varios casos especiales del diseo factorial, peun contraste, y dividiendo el contraste por la mitad del n
ro el ms importante de todos ocurre cuando se tienen k
total de rplicas.
2
factores, cada uno de ellos a dos niveles (2 es el factorial
A = [a+ab+ac+abc-(1)-b-c-bc]/4n B = [b+ab+bc+abcms pequeo).
(1)-a-c-ac]/4n C = [c+ac+bc+abc-(1)-a-b-ab]/4n AB =
Debido a que slo hay dos niveles para cada factor, asu[abc-bc+ab-b-ac+c-a+(1)]/4n AC = [(1)-a+b-ab-c+acmimos que la respuesta es aproximadamente lineal en el
bc+abc]/n BC = [(1)+a-b-ab-c-ac+bc+abc]/4n ABC =
rango de los niveles elegidos de los factores.
[abc-bc-ac+c-ab+b+a-(1)]/4n SIGNOS ALGEBRAIEl efecto de un factor se dene como el cambio en la res- COS PARA CALCULAR LOS EFECTOS DEL DIpuesta que produce un cambio en el nivel del factor.
SEO 23 TABLA DE ANOVA DISEO 23
Eliminaremos la interaccin triple ABC, por lo que tendremos un grado de libertad ms para el error.

10.1

Diseo 2k para k = 2 factores

Este diseo, es el ms sencillo de la serie. Consideramos


dos factores: A y B, cada uno a 2 niveles.

10.3 Diseo 2k con una rplica

Si aumentamos el nmero de factores en un experimenNormalmente consideramos estos niveles como los ni- to factorial, tambin aumenta el nmero de efectos que
veles alto y bajo del factor ojtet El diseo 22 puede ser pueden ser estimados.
representado geomtricamente como un cuadrado con 4
As un experimento 24 tiene 4 efectos principales, 6 inensayos.
teracciones dobles, 4 triples, y 1 cudruple.
Para cualquier diseo 2k con n replicas, la estimacin
del efecto y de los cuadrados se estiman de la siguiente La mayora de las veces las interacciones de orden superior a dos son despreciables.
forma:[4]
En experimentos factoriales 2k , con un k=3,4,5 o superior
es comn efectuar una sola replica, despreciar las interLos efectos de inters en el diseo 22 , son los efectos prin- acciones de orden superior a dos, y de estos modo pocipales de A y B y la interaccin AB.
der utilizar los grados de libertad de dichas interacciones
Estimaremos cada uno de los efectos de la siguiente for- para la estimacin del error.Esta forma de actuar puede
conducirnos a decisiones errneas si realmente alguna de
ma:
estas interacciones que son de orden superior a dos son
A = [a+ab-b-(1)]/2n B = [b+ab-a-(1)]/2n AB = [ab+(1)signicativas.
a-b]/2n
Efecto = Contraste/n2K-1 SS = [Contraste]2 /n2k

Las cantidades entre corchetes en las ecuaciones anteriores se llaman contrastes. Podemos utilizar los contrastes
para calcular las sumas de cuadrados para A, B y la interaccin AB.
SSA = [a+ab-b-(1)]2 /4n SSB = [b+ab-a-(1)]2 /4n SSAB
= [ab+(1)-a-b]2 /4n SIGNOS ALGEBRAICOS PARA
CALCULAR LOS EFECTOS DEL DISEO 22 TABLA DE ANOVA DISEO 22

11 Aplicaciones

El diseo de experimentos tiene una gran variedad de


aplicaciones y puede ser aplicado a un gran nmero de
industrias, la optimizacin de recursos, la identicacin
de causas de variabilidad son algunos de los objetivos del
La SSE (Suma de cuadrados del Error) la obtendremos diseo de experimentos aplicados en nivel industrial. necesito experimentos de un solo factor.
por diferencia, respecto a la SST

12.3

Industrias ligeras o de uso y consumo

12

Aplicaciones segn la clasicacin de la industria

A continuacin se muestran algunos ejemplos de aplicaciones existentes segn el tipo de industria.

12.1

Industrias pesadas o de base

Qumica pesada
Estudio de la composicin para la elaboracin de productos: Estudio de los valores ms
apropiados para la elaboracin de compuestos
qumicos que requieran diversos componentes.
Anlisis del efecto de las condiciones del entorno en la elaboracin del producto como la
temperatura ambiente, humedad relativa etc.[5]

12.2

Industrias de bienes de equipo

Maquinaria
Medida de la variabilidad de los instrumentos de medida: Es posible aplicar el diseo de
experimentos como herramienta para determinar y mejorar los ndices de capacidad de un
proceso concreto apoyndose en estudios de
reproducibilidad y repetitividad.[6]
Diseo de motores elctricos: Estudio de las
caractersticas constructivas del motor y su inuencia en variables importantes como la prdida de ujo y la constante de velocidad.[7]
Diseo de electrodos: Estudio de los esfuerzos en los electrodos en funcin de la fuerza de
aplicacin y el tamao del electrodo.[8]
Diseo de elementos de sujecin: Anlisis de
la inuencia de los parametros geomtricos en
la resistencia de los remaches.[9]
Materiales de construccin
Estudios de corrosin: Estudios de la inuencia del tiempo en la corrosin de aceros de
construccin y metales en general.
Aplicaciones en el mecanizado: estudio de
la variabilidad en los procesos de mecanizado,
ayuda a la reduccin de piezas defectuosas y
aumento de la capacidad de produccin.[10]
Produccin de vehculos industriales

5
Estudio de procesos de soldadura: estudio
de un proceso de soldadura, para determinar
las variables que inuyen en la resistencia de la
soldadura.[11]
Industria aeronutica
Optimizacin del proceso de anodizado y
pintado: optimizar los procesos de anodizado
y pintado para conseguir una buena proteccin
anticorrosion.[12]

12.3 Industrias ligeras o de uso y consumo


Farmacia y qumica ligera
Informtica y telecomunicaciones
Estudio del rendimiento de una red informtica: Realizando simulaciones es posible
cuanticar el rendimiento y las variables crticas que hacen que la transferencia de datos en
la red sea econmicamente rentable.[13]
Mejora del rendimiento de un procesador:
Se usa para determinar el impacto que tienen
variables importantes como la temperatura y
las horas de uso en el rendimiento del procesador.
Reduccin del tiempo del CPU: El estudio se
basa en la aplicacin del diseo de experimentos para determinar la mejor combinacin de
factores que reduzcan el tiempo de CPU.
Optimizacin de materiales en semiconductores: Estudio de las propiedades elctricas del
arsienuro de galio dopado con silano.[14]
Diseo de ltros pasivos: se utiliza el diseo de experimentos para determinar los valores de las tolerancias de los componentes para
optimizar los circuitos.[15]
Biotecnologa
Operaciones en un sistema de fangos activos: optimizar y entender las reacciones que
se dan en el tratamiento secundario de una
EDAR, por ejemplo, los fangos activos.[16]

13 Pasos para el diseo de un experimento


Observacin

15
Planteamiento del problema de investigacin
Objetivos
Hiptesis: hiptesis nula (Ho) e hiptesis alterna

EJEMPLO NUMRICO

Tras realizar los experimentos, obtiene 36, es decir, 4x9,


medidas de resistencia distintas. A partir de ese momento, realiza un estudio cuantitativo utilizando tcnicas estadsticas, como la ANOVA, que ya no forman parte propiamente de la fase del diseo experimental.

Mtodo (incluye la eleccin de los sujetos, para la


conformacin de la muestra; el procedimiento, es
15 Ejemplo numrico
decir, el tratamiento a los sujetos; las variables consideradas: variable dependiente, variable indepenUna empresa manufacturera desea saber que factores son
diente, variables extraas)
ms importantes en el proceso de mecanizado, para obte Resultados: aqu se describen cules fueron las re- ner el mejor acabado supercial en uno de sus productos.
laciones observadas entre las variables (si los valo- Para realizar el experimento se han identicado 3 parares de la variable independiente realmente inuye- metros que se consideran de importancia, la velocidad de
ron signicativamente sobre los de la variable de- giro de la mquina, el avance y el radio de la herramienta.
pendiente, si hubo tantas variables extraas como se Se ha decido realizar un experimento a dos niveles (alto
pensaba o si surgieron otras), para lo cual se aa- y bajo), con 3 factores.
den a dicha descripcin tanto grcas (de barras, de Los datos tomados son los siguientes.
pastel, etc.) como cuadros.
Para el anlisis del experimento se toma la siguiente notacin
Conclusiones
A partir de aqu, ya es posible pensar en la elaboracin del
informe (publicacin del experimento y sus resultados, a
travs de un artculo en una publicacin nacional o internacional, donde se incluirn, adems de las secciones ya
mencionadas, las referencias bibliogrcas).

Factor A: Velocidad de giro (RPM)


Factor B: Avance (mm/rev)
Factor C: Radio de la herramienta ( pulgadas)
Respuesta: Acabado supercial

Primero es necesario denir la matriz que tome tanto los


efectos principales, como las interacciones entre ellas. segn muchos autores, se suele despreciar las interacciones
Un ingeniero quiere estudiar la resistencia de una pieza de tercer orden o superiores ya que no inuyen de manera
plstica sometida a temperaturas cambiantes. La pieza signicativa.[17] La matriz para nuestro caso, queda como
puede ser elaborada con tres tipos de plstico distintos. sigue.
De ah que se plantee las siguientes preguntas:
Con esta matriz se pasa a realizar el anlisis de la inuencia de cada componente sobre la respuesta utilizando el
Qu efecto tienen la composicin de la pieza y la anlisis de la varianza (ANOVA).
temperatura en la resistencia de la pieza?
La tabla ANOVA inicial queda como sigue:

14

Un ejemplo

Existe algn material con el que la pieza resulte Se puede apreciar en la tabla inicial que las interacciones
ms resistente que con cualquiera de los otros dos ABC, no afectan signicativamente a la respuesta, pues su
independientemente de la temperatura?
Fo es menor a Ft. As pues elminamos la interaccin ABC
(antes se haba mencionado que estos efectos son desprePara darles respuesta, el ingeniero se plantea realizar una ciables de manera directa por varios autores), y pasamos
batera de experimentos. Cada uno de ellos consiste en a recalcular la tabla ANOVA,y elminamos aquellos eletomar una pieza de un material dado, someterla a una mentos cuyas Fo sean menor a Ft. Es necesario recortemperatura prejada y aplicarle una presin hasta que dar que no es posible eliminar los efectos principales si
la pieza se quiebre. El grado de presin necesario ser la existen interacciones dobles donde estas se encuentren, es
decir no es posible eliminar A, sin antes haber eliminado
medida de resistencia de la pieza.
AC y AB.
Por jar ideas, selecciona tres temperaturas, 20 C,
20 C y 60 C. Por lo tanto, puede realizar 9, es decir, la tabla nal de la ANOVA es la siguiente.
3x3, pruebas distintas. Adems, decide repetir cada una Como se puede apreciar en la tabla, no es posible eliminar
de las 9 pruebas 4 veces cada una. Finalmente, decide el efecto principal C aun si su Fo es menor a su Ft, ya que
aleatorizar las pruebas, es decir, desordenarlas aleatoria- existen las interacciones BC y AC las cuales son signimente en el tiempo.
cativas. La tabla ANOVA nos muestra que la inuencia

7
de los efectos principales A,B,C y los interacciones dobles AC y BC tienen una importancia no despreciable en
la respuesta. Para cuanticar que tanto inuye cada elemento, pasamos a calcular su efecto y los coecientes de
la ecuacin que predecira la respuesta en funcin de los
elementos que hemos cosiderado como importantes.
El diagrama de Pareto para nuestro caso, revela el peso
que tiene cada elemento en la respuesta. Se puede apreciar
la importancia de cada elemento en orden descendente.
1. Avance: es la variable que ms inuye en el acabado
supercial, si se quiere tener una mejor respuesta es
necesario actuar sobre esta variable.
2. Velocidad de Giro y radio de la herramienta: esta interaccin doble representa tambin una variable no
menospreciable y la actuacin sobre estas dos variables lograra tener una mejor respuesta.

[3] Burman, Leonard E.; Robert W. Reed; James Alm


(2010). A call for replication studies (journal article). Public Finance Review. pp. 787-793.
doi:10.1177/1091142110385210. Consultado el 27 de
octubre de 2011.
[4] Libro Probabilidad y Estadistica Montgomery& Runger
[5] Jack E. Reece Ph.D., Honeywell. Consider the Metric:
Dealing with Mixtures and Temperature Gradients
[6] Dale Owens."Reduction of Measurements Device Variability Using Experimental Design Techniques. Kurt Manufacturing Minneapolis. Minnesota
[7] Karen Cornwell."Linear Motor Design Digital Equipment Corporation
[8] Doug Sheldon."Factorial Experiment for Botttom Electrode Stress.Ramtron Corporation
[9] Tom Gardner, James D. Riggs."The Eect of the CE Rivet
H parameter on Head Protusion

3. Velocidad de Giro: si bien parece que esta en tercer lugar, su efecto en la respuesta es casi idntica a
la interaccin doble, por lo que es actuar sobre esta
variable mejorara la respuesta.

[10] Tom Tanis."A Designed Experiment to Reduce Circular


Runout. Ampex Recording Systems

4. Avance y radio de la herramienta: el efecto conjunto


de estas dos variables muestra una inuencia en la
respuesta signicativa estadsticamente pero no tan
grande como las anteriores.

[12] Tom Bingham. Optimizing the Anodizee Process and


Paint Adhesion for Sheet Metal Parts. Supplier Improvement Manager. Boeing Commercial Airplanes

5. Radio de la herramienta: su efecto es casi imperceptible sin embargo no es posible elimnarla por la
existencia de interacciones dobles

16

Vase tambin

Ciencia
Mtodo cientco
Metodologa
Diseo factorial
Contraste de hiptesis
Diseo de experimentos

17

Referencias

[1] Creswell, J.W. (2008). Educational research: Planning,


conducting, and evaluating quantitative and qualitative
research (3rd). Upper Saddle River, NJ: Prentice Hall.
2008, p. 300. ISBN 0-13-613550-1
[2] Dr. Hani (2009). Replication study. Consultado el 27
de octubre de 2011.

[11] Kelly Johnson."Ball Weld Experiment. Morton International

[13] Lt Col Mark Kiemele. Computer Network Performance


Analysis Tenure Associate Professor, United States Air
Force Academy
[14] Alan Arnholt, Steve Smith, Robert Kaliski."Design of
Eperiments Silane Doping in GaAs. Statistics Seminar
Project- University of Northern Colorado
[15] David M. Fisk."Application of DOE to an Analog Filter Design. Defense Systems & Electronics Group, Texas
Instruments Inc.
[16] Majors James Brickell and Kenneth Knox."Environmetal
Engineeing Operation of an Activated Sludge System.
Department of Civil Engineering, United States Air Force
Academy
[17] Montgomery, Douglas C. Control estadstico de la calidad. 3. edicin.Mexico Editorial: Limusa-Wiley ISBN
9789681862343

18 ORIGEN DEL TEXTO Y LAS IMGENES, COLABORADORES Y LICENCIAS

18
18.1

Origen del texto y las imgenes, colaboradores y licencias


Texto

Diseo experimental Fuente: https://es.wikipedia.org/wiki/Dise%C3%B1o_experimental?oldid=92393816 Colaboradores: Assdl, RichardWeiss, Superzerocool, BOT-Superzerocool, CEM-bot, Alexav8, Davius, Thijs!bot, Cgb, Mansoncc, CommonsDelinker, Nioger,
Plux, VolkovBot, Technopat, Mr. Benq, Loveless, Marcelo, Correogsk, Furado, Javierito92, Kikobot, Nicop, Farisori, PixelBot, Furti,
Juan Mayordomo, Camilo, AVBOT, David0811, Diegusjaimes, Arjuno3, Amirobot, Emmanuele, SuperBraulio13, Xqbot, Jkbw, Jerowiki, Dinamik-bot, GrouchoBot, ZroBot, Cornelhac1, Grillitus, Dan19dan, Kenhayx, Sanya3, AvocatoBot, Sjons~eswiki, Acratta, Johnbot,
Elvisor, Chevebot, Langtoolbot, Addbot, Jarould, BenjaBot, Xiao3cao3, GnniX y Annimos: 42

18.2

Imgenes

Archivo:Biologist_and_statistician_Ronald_Fisher.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/3/37/Biologist_


and_statistician_Ronald_Fisher.jpg Licencia: CC BY 2.0 Colaboradores: https://www.flickr.com/photos/internetarchivebookimages/
20150531109/ Artista original: Flikr commons
Archivo:Cube_svg_int.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/0/00/Cube_svg_int.svg Licencia: Public domain
Colaboradores: own work, made in Inkscape Artista original: Petar Marjanovic

18.3

Licencia del contenido

Creative Commons Attribution-Share Alike 3.0

Vous aimerez peut-être aussi