INTRODUCCIN A LOS

DISEOS
EXPERIMENTALES
Mg. Myrna Manco Caycho

1
ENTRENAMIENTO PARA
EMPLEADOS NUEVOS
El director de entrenamiento de una compaa
est tratando de evaluar tres diferentes mtodos
de entrenamiento para empleados nuevos.

Met 1: Asignar un empleado nuevo con un

trabajador experimentado.
Met 2: Ubicar a todos los empleados nuevos en
un saln de entrenamiento separado de la fbrica.
Met 3: Utilizar pelculas de entrenamiento y
materiales de aprendizaje programado.

2
 Los tres mtodos sern
igualmente efectivos?
O alguno de ellos ser ms
efectivo que otro?

3
Planificar un diseo experimental
Selecciona al azar a 15 empleados nuevos

Mtodo 1

REGISTRA PRODUCCIN
DIARIA DESPUS DEL
ENTRENAMIENTO
Mtodo 2

Mtodo 3
4
 Diseo y experimento

DISEO: Plan ( estrategia) para obtener la

informacin requerida en la investigacin.

EXPERIMENTO: Situacin de control con

manipulacin intencional de una o ms variables
independientes (causas) para analizar los efectos
sobre una o ms variables dependientes.

5
 Un experimento diseado es
Una prueba o serie de pruebas en las cuales se inducen
cambios deliberados en las variables de entrada de un
proceso o sistema, de manera que sea posible observar e
identificar las causas de los cambios en la respuesta de salida.
Factores controlables X1 X2 ... Xp

Entradas Salidas Y
PROCESO

Z1 Z2 ... Zp Factores incontrolables

6
 Objetivo de los Diseos
Experimentales
Estudiar si utilizar un determinado tratamiento
produce una mejora en el proceso (influye) o no.

Sir Ronald A. Fisher, matemtico ingls

nacido en Londres el 17 de Febrero de 1890 y
fallecido en Adelaida, Australia, el 29 de Julio de
1962.

Libro recomendado: Diseos

Experimentales (Captulo 1) de Douglas
Montgomery

7
Ejemplos
Se desea estudiar la influencia de la marca de la
mquina sobre el rendimiento (unidades producidas por
da)

Se quiere estudiar la influencia del tipo de pila (seca,

alcalina, alcalina de manganeso) sobre la duracin de
ciertos equipos.

Una compaa telefnica est interesada en conocer la

influencia de la zona de la ciudad desde la que se hace la
llamada sobre la duracin de una llamada telefnica.

8
 Conceptos generales
Variable independiente que afecta los
Factor resultados del experimento: controlables
o no controlables

Factor en estudio
En un experimento se puede evaluar
uno o ms factores
Susceptible a la manipulacin.
Los niveles de un factor son
Sus valores son controlados los tipos o grados especficos
Sus efectos son evaluados en los del factor que se tendrn en
resultados del experimento cuenta en la realizacin del
(variable dependiente) experimento.
9
 Conceptos generales

TRATAMIENTOS
Es un conjunto de procedimientos
cuyo efecto sobre la respuesta nos
interesa estudiar, cuyo efecto se mide
y se compara con otros tratamientos
Un tratamiento corresponde a los
niveles de un factor o a la combinacin
de los niveles de dos o ms factores.

Variable respuesta Es la variable en la cual se evaluarn los

efectos de los tratamientos.

Unidad Experimental Es la unidad (sujeto u objeto) sobre el

cual se le aplica un tratamiento.

10
 Ejemplos de Factores cualitativos

Niveles de conocimiento (bsico, intermedio, avanzado,

Proveedor (diferentes proveedores de una materia prima),
Tipo de pintura (barniz, esmalte, laca)
trabajador (los trabajadores encargados de hacer una tarea),
tipo de procesador (Atom, Celeron, Pentium)
el sexo (hombre y mujer),
un mtodo de enseanza (un nmero determinado de mtodos de
enseanza cuyos resultados se quieren comparar).

11
 Ejemplos
Factores Cuantitativos: Tamao de la familia,
tamao de memoria, la temperatura,

Unidad experimental
En informtica: Ordenadores, pginas web,
buscadores de internet,
En industria: Lotes de material, trabajadores,
mquinas,
12
 Conceptos generales Caso
entrenamiento
Alguno de los tres tipos
HIPTESIS DE de entrenamiento
INVESTIGACIN Ser ms efectivo

Factor en estudio Mtodo de entrenamiento

Tratamientos M1, M2 y M3

Variable respuesta Produccin diaria

Unidad experimental Empleado nuevo

13
 Los empleados que son entrenados por el
mtodo 1, tiene la misma produccin diaria?
ERROR EXPERIMENTAL

Variabilidad de la Variabilidad de la Variabilidad de la

produccin dentro produccin dentro produccin dentro
del grupo M1 del grupo M2 del grupo M3

Variabilidad entre los grupos

14
 Conceptos generales
Variabilidad existente entre los
Error experimental resultados de unidades
experimentales tratadas en
forma similar
Debido al mismo
material

Falta de
uniformidad

REPETICIN
PRINCIOS BSICOS
DEL DISEO
EXPERIMENTAL
ALEATORIZACIN

CONTROL LOCAL (BLOQUES)

15
 Principios bsicos del diseo de
experimentos
Correcta estimacin del
error experimental.
NMERO DE
REPETICIONES

Tiempo y espacio
como repeticiones
(interaccin con
ambiente).
Mtodo para aumentar la precisin
de los experimentos (control error)

16
 Principios bsicos del diseo de
experimentos
Asignar al azar las
unidades experimentales a
los diferentes tratamientos.
ALEATORIZACIN

Se debe aleatorizar todos los

factores no controlados por
el experimentador en el
Evita sesgos y asegura diseo experimental y que
validez estimacin EE. pueden influir en los
resultados.

17
 Principios bsicos del diseo de
experimentos
Se deben dividir o particionar
las unidades experimentales
CONTROL LOCAL
en grupos o estratos similares
llamados bloques.

Tcnicas para controlar el
EE dentro del diseo
(bloqueo).
(Control fuentes variacin
en material experimental).
Las observaciones
realizadas en cada bloque
se realizan bajo condiciones
experimentales lo ms
parecidas posible.

18
DISEO COMPLETAMENTE
AL AZAR (DCA)

Caractersticas:
Material experimental completamente
homogneo
Todos los tratamientos se asignan completamente al
azar a las unidades experimentales o viceversa

19
Modelo Lineal de un diseo
experimental
yij j ij i 1,2,. .., n ; j 1,2,..., k
j
La medida de El error experimental
la i-sima asociado a la observacin yij.
unidad exper.
sujeto al j-
simo Efecto de j-simo
tratamiento. tratamiento

La media
poblacional

Supuestos del eij~ N(0,2)

modelo
La varianzas generadas por cada poblacin de
tratamientos son iguales
20
 DISEO COMPLETAMENTE AL AZAR

Hay k poblaciones (k tratamientos) y se seleccionan k

muestras aleatorias independientes, una de cada poblacin.

HIPTESIS ESTADSTICA
Ho: j = 0 (Todos los tratamientos tienen el mismo efecto
sobre la variable en estudio)
1= 2== K
H1: j 0 (No todos los tratamientos tienen el mismo
efecto sobre la variable en estudio)
Al menos un j es diferente

21
 DISPOSICIN DE LOS DATOS EN UN DCA

Tratamientos
Muestra 1 2 j k Total
1 Y11 Y12 Y1j Y1k
2 Y21 Y22 Y2j Y2k
3 Y31 Y32 Y3j Y3k

i Yj1 Yj2 Yij Yjk

nj Y n1 1 Y n2 2 Ynj j Ynk k
Total Y.1 Y.2 Y.j Y.k T
k k nj
T Y. j yij Y.j representa el total del j-simo Grupo o
j 1 i 1 j 1 tratamiento
22
 Anlisis de Varianza
Tcnica estadstica que permite descomponer la
variabilidad total de los resultados de un experimento en
sus distintas fuentes (tratamientos, bloques, interacciones
entre factores, error experimental), con la finalidad de
compararlas e identificar su importancia relativa en la
explicacin de la variacin total.
Mide el efecto de
Variabilidad entre grupos los tratamientos

Mide la variabilidad
Variabilidad dentro de los
del error
grupos
experimental

23
Anlisis de Varianza
Fuentes de Suma de Grados de Cuadrados Fcalc (Vo)
Variacin Cuadrados Libertad Medios
Entre Tratam SCTR k-1 CMTR = SCTR/k-1
Dentro de SCE n-k CME = SCE/n-k
Tratamiento CMTR/CME

Total SCT n-1

k k nj
T Y. j yij
ni
k
T2
SCT y
k
n n j
2
j 1 i 1 j 1
ij
j 1
i 1 j 1 n

Y. 2j T 2
k
SCTR
j 1 n j n SCE SCT SCTR
24
 Estadstico: Anlisis de Varianza
Para tomar una decisin se usa el estadstico F.
Distribucin F (Fisher)
0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0.0
0
F(1-,k-1,n-k)

Regin de No R H0 Regin de R H0

Decisin: Rechazar Ho si V0 > F(1-,k-1,n-k)

25
Ejemplo de entrenamiento de
empleados nuevos

Repeticin M1 M2 M3
1 28 18 22
2 27 17 18
3 25 19 19
4 21 16 22
5 23 22 17
Totales 124 92 98 314

26
Produccin diaria segn mtodo de
entrenamiento.
27,5

25
produccin

22,5

20

17,5

Mtodo 1 Mtodo 2 Mtodo 3

METODO

27
 Ho: No hay diferencia en la produccin promedio diaria que
HIPTESIS
obtiene un empleado nuevo cuando se le entrena con
cualquiera de los tres mtodos.
H1: Hay diferencia en la produccin promedio diaria que
obtiene un empleado nuevo cuando se le entrena con alguno
de los tres mtodos.
Nivel de significacin= 0.05
ANVA
Fuentes de
variacin GL SC CM F
Mtodos 2 115.733 57.8665 9.234
Error 12 75.2 6.2667
Total 14 190.933
F(0.05;2,12)=INV.F(0.95,2,12)=3.8853 DECISIN: Rechazar Ho

Conclusin: Con un nivel de significancia del 5% se puede afirmar

que los mtodos de entrenamiento producen un efecto diferente en
la produccin diaria que obtienen un empleado nuevo.
28
 Verificacin de supuestos
1) NORMALIDAD DE LOS ERRORES
Ho: Los errores se distribuyen normalmente
H1: Los errores no se distribuyen normalmente
One-Sample Kolmogorov-Smirnov Test
Residual for
Produccion
N 15
a,b
Normal Parameters Mean .0000
Std. Deviation 2.31763
Most Extreme Absolute .162
Differences Positive .127
Negative -.162
Kol mogorov-Smirnov Z .628
Asymp. Si g. (2-tai led) .826 >0.05
a. Test distribution is Normal.
b. Cal cul ated from data.

Al NS del 5% los errores se distribuyen normalmente

29
 Verificacin de supuestos
2) HOMOGENEIDAD DE VARIANZAS

HO : 12 22 32
H1 : Al menosun i2 es diferente

Contraste de Levene sobre la igualdad de las varianzas errora

Variable dependiente:produccion

F gl1 gl2 Sig.

,270 2 12 ,768 >0.05
Contrasta la hiptesis nula de que la varianza error de la variable dependiente es igual a lo
largo de todos los grupos.

a. Diseo: Interseccin + metodos

Al nivel de significacin del 5% se verifica la

homogeneidad de varianzas.

30
 QU MTODO ES MS
EFECTIVO?
CUL DEBERA ADOPTAR EL
DIRECTOR DE
ENTRENAMIENTO
COMPARACIONES MLTIPLES

31
 DIFERENCIA MNIMA SIGNIFICATIVA
(DMS) Comparaciones mltiples

Variable dependiente:produccion

(I)metodos (J)metodos

Intervalo de confianza 95%

Diferencia de
medias (I-J) Error tp. Sig. Lmite inferior Lmite superior
DMS M1 M2 6,40* 1,583 ,002 2,95 9,85
dimension3

M3 5,20* 1,583 ,007 1,75 8,65

M2 M1 -6,40* 1,583 ,002 -9,85 -2,95

dimension2 dimension3

M3 -1,20 1,583 ,463 -4,65 2,25

M3 M1 -5,20* 1,583 ,007 -8,65 -1,75

dimension3

M2 1,20 1,583 ,463 -2,25 4,65

Basadas en las medias observadas.
El trmino de error es la media cuadrtica(Error) = 6.267.

*. La diferencia de medias es significativa al nivel 0.05.

Como sig de la comparacin de M2 con M3 es 0.463 > =0.05

Se concluye que No hay diferencias significativas entre estos dos
mtodos.
En los dems casos, se encuentran que hay diferencia significativas.

32
COMPARACIONES DE RANGO MLTIPLE DE
DUNCAN
Produccin
Mtodos Subconjunto
N 1 2
Duncana,b M2 5 18,40
dimension M3 5 19,60
1
M1 5 24,80
Sig. ,463 1,000
Se muestran las medias de los grupos de subconjuntos homogneos.
Basadas en las medias observadas.
El trmino de error es la media cuadrtica(Error) = 6.267.

a. Usa el tamao muestral de la media armnica = 5.000

b. Alfa = .05.

> =0.05
Con un =0.05, no hay diferencia
significativa entre M2 y M3

33
Ordenar las medias en forma ascendente:

M2 M3 M1
Medias 18.4 19.6 24.8

M2 M3 M1

No se encontr diferencia significativa entre la

produccin promedio diaria de los empleados
nuevos que fueron entrenados con los mtodos 2 y
3, pero si se encontr diferencias significativas
entre el mtodo 1 con cada uno de los otros dos
mtodos.
Se puede concluir que el mtodo 1 es ms
efectivo.
34
 Ejemplo 2
En un experimento de proceso de soplado de envases PET
(Politereftalato de etileno), consideremos el inters de
averiguar la influencia del factor temperatura de horneado (C)
en la Presin Interna del envase PET

Obser. T E M P E R A T U R A
140 150 160 170
1 122 126 126 126
2 121 122 126 131
3 121 121 126 128
4 122 122 128 128

FUENTE: (Parte de la Data de Tesis de Maestra 1999- UNT, L. Rubio)

35
IDENTIFICANDO LOS COMPONENTES DEL
PROBLEMA O EXPERIMENTO

Variable Respuesta
PRESIN INTERNA

FACTOR Tratamientos:
TEMPERATURA
NIVELES: 4 4 niveles de
CUANTITATIVOS temperatura

36
PRESION INTERNA DEL ENVASE PET SEGN TEMPERATURA

PRESION INTERNA DEL ENVASE P ET

SEGUN TEMPERATURA DE HORNEADO

130

128
Presint

126

124

122

n=4 n=4 n=4 n=4

1 2 3 4

Temper

FUENTE: Parte de Data tes is de Maestra

UNT, L. Rubio, 1999

37
 Anlisis de Varianza para probar la
hiptesis de igualdad de presin interna
media de los 4 niveles de temperatura
Formulacin de la Hiptesis:
Ho: 1 = 2 = . = 4
H1: i j para algn i j

PROCESAMIENTO SPSS: Ingresar los datos de la variable de

respuesta en una sola columna(Presint) y los niveles del factor
(Temper) van en otra columna.
Analizar/Comparar medias/ Anova de un factor/
PresintDependiente, Temper Factor/
En PostHoc Duncan, continuar/
En Opciones: Prueba de Homogeneidad de varianzas, Continuar.
38
 Tabla de Anlisis de Varianza para
probar la hiptesis de igualdad de
presin interna media de los 4 niveles de
temperatura

ANOVA
Presi nt
Suma de Media
cuadrados gl cuadrtica F Sig.
Inter-grupos 119.500 3 39.833 15.175 .000
Intra-grupos 31.500 12 2.625
Total 151.000 15

39
 PRE REQUISITO:
PRUEBA DE LEVENE DE HOMOGENEIDAD DE VARIANZAS

HO : 12 22 32 42
H1 : Al menosun i2 es diferente

Contraste de Lev ene sobre la igualdad de las v arianzas aerror

Variable dependiente: Presint
F gl1 gl2 Significacin
1.309 3 12 .317
Contrasta la hiptesis nula de que la varianza error de l a
variable dependiente es igual a lo largo de todos los grupo
a. Diseo: Interseccin+Temper

40
 TABLA DE ANALISIS DE VARIANZA PARA PROBAR LA
HIPOTESIS DE IGUALDAD DE PRESIN INTERNA MEDIA DE
LOS 4 NIVELES DE TEMPERATURA.

PROCESAMIENTO SPSS: Analizar/Modelo Lineal General/

Univariante/ PresintDependiente,Temper Factores fijos/ En
PostHoc, Factores:Temper Contrastes PostHoc Duncan,
continuar/ En Opciones: Prueba de Homogeneidad, continuar.

Pruebas de los efectos inter-suj etos

Variable dependiente: Presint
Suma de
cuadrados Media
Fuente ti po III gl cuadrtica F Significacin
Model o corregido 119.500 a 3 39.833 15.175 .000
Interseccin 249001.000 1 249001.000 94857.524 .000
Temper 119.500 3 39.833 15.175 .000
Error 31.500 12 2.625
Total 249152.000 16
Total corregida 151.000 15
a. R cuadrado = .791 (R cuadrado corregida = .739)
41
 TABLA DE ANALISIS DE VARIANZA PARA PROBAR LA
HIPOTESIS DE IGUALDAD DE PRESIN INTERNA MEDIA DE
LOS 4 NIVELES DE TEMPERATURA.

FUENTE DE GRADOS DE SUMA DE CUADRADO RAZON F SIGNIF

VARIACIN LIBERAD CUADRADOS MEDIO

Temperatura 3 189,5 39.833 15.175 0.000

Error 12 31,5 2.625

experimental

15

Como el valor p o valor de significacin es = 0.000 < 0.01, rechazamos

H0 y decimos que:
Los datos nos proporcionan suficiente evidencia para concluir que
existe diferencia altamente significativa entre las presiones internas
medias del envase PET, obtenida con las diferentes temperaturas.
Ahora nos falta determinar cul es el mejor tratamiento. Para ello
utilizamos un mtodo de comparacin mltiple.
42
PRUEBA DE COMPARACIN MULTIPLE DE DUNCAN PARA
DETERMINAR EL MEJOR TRATAMIENTO: MENOR NIVEL DE
TEMPERATURA

Presint
a,b
Duncan
Subconjunto
Temper N 1 2
140 4 121.50
150 4 122.75
160 4 126.50
170 4 128.25
Significacin
.297 . 153
Se muestran las medias para los grupos en subconjuntos
homogneos.

El trmino error es la Media cuadrtica (Error) = 2.625.

a.
Usa el tamao muestral de la media armnica = 4.000
b.
Alfa = .05.
43
EJERCICIO:
1) Trabajando con todos los datos, pero considerando slo la variable presin
interna, realice el procesamiento de datos del diseo Completamente
aleatorizado e interprete sus resultados:

SOLUCION USANDO SOFTWARE SPSS:

1) Defina las variables en Vista de variables
i) Presin con 3 dgitos 0 decimales y 4 columnas
ii) Temper con 1 dgito 0 decimales ( se ingresarn cdigos
numricos para cada nivel de temperatura) , pero se debern
etiquetar, para ello, ingresar en valores:
Valor: 1 140 aadir
Valor: 2 150 aadir
Valor: 3 160 aadir
Valor: 4 170 aadir, aceptar

2) En Vista de datos, aparecen dos columnas con los nombres de las variables
que hemos ingresado; en la primera PRESIN, ingrese todos los valores de la
variable presin interna, ya sea por hilera o por columna y luego para la variable
TEMPER, ingrese los cdigos numricos que le corresponde a cada uno de los
valores ingresados. 44
3) En grficos/ interactivos/ diagrama de caja/ en eje Y, Presin
en eje X, temper/En Ttulo: PRESION INTERNA DEL ENVASE
PET SEGN TEMPERATURA DE HORNEADO, en Pie: Fuente:
Datos Tesis de Maestra en Estadstica. L.Rubio, U.N.T./
aceptar.Visualice e interprete el grfico

4) En analizar: Comparar medias / one way ANOVA

Seleccione e ingrese las variables: Presin en Variable
dependiente,Temper en Factor. En PostHoc seleccionar
Temper y Duncan, continuar/ En Opciones: Prueba de
Homogeneidad de varianzas, continuar/ aceptar
5) En analizar: Modelo Lineal General / Univariante/
PresintDependiente,Temper Factores fijos/ En
PostHoc, Factores:Temper Contrastes PostHoc
Duncan, continuar/ En Opciones: Prueba de
Homogeneidad, continuar/ aceptar

6) Visualice los resultados e Interprtelos

45
Ejemplo 3: Comparar mtodos de enseanza

Se desea comparar Mtodo A Mtodo B Mtodo C

3 mtodos de 89 78 64
enseanza A, B y 45 85 69
C, se eligen al azar
una muestra de 59 93 82
estudiantes de cada 46 81 74
mtodo y se le 64 79 79
aplica una prueba 71 98 82
final comn. Los 65 94 78
resultados son
como sigue:
Habr suficiente evidencia para
concluir que hay diferencia entre
mtodos?

46
Ejemplo 4: Comparar tiempo de mquinas
El gerente de compras de la empresa MODA desea comparar
el tiempo en minutos de 5 maquinas de diferente marca, con el
fin de adquirir la ms rpida en la confeccin. Para esto se
registr los tiempos que cada mquina utiliza para producir 5
unidades de la confeccin, en forma aleatoria.

MQUINAS
A B C D E
7 12 14 19 7
7 17 18 25 10
15 12 18 22 11
11 18 19 19 15
9 18 19 23 11
Es posible concluir que las mquinas utilizan la misma
cantidad de tiempo promedio por unidad de confeccin?
47