Diseño Completo Aleatorizado

Jorge Mario Martinez

12/8/2018

Ejemplos de Motivación
A continuación se presentan tratamientos, usados en el marco de investigaciones reales, generados por hipótesis
de investigación:
1. Se estudió la cinética de bebida de las abejas productoras de miel a diferentes temperaturas ambientales,
para responder a la hipótesis de que la energía requerida al reunir comida para la colonia era independiente
de la temperatura.
2. En ingeniería de tránsito, se evaluaron varios métodos para medir los retrasos del tránsito en intersec-
ciones con diferentes tipos de configuraciones en los semáforos, en respuesta a la hipótesis de que el
método para medir retrasos dependía del tipo de configuración usada en la señalización.
3. El desarrollo de la adaptación social en niños pequeños se midió según su relación con: 1) educación
de los padres, 2) ingresos de los padres, 3) estructura familiar y 4) edad del niño, para analizar una
compleja hipótesis de investigación de que ciertas características demográficas familiares afectan de
manera favorable el desarrollo de un niño.

Principios Basicos
Los tres principios básicos del diseño experimental son: repetición, aleatorización y control local (bloqueo)
1. Se entiende por repetición la replicación del experimento básico
• Permite estimar el error experimental, el cual se convierte en la unidad básica de medición para
determinar si las diferencias son estadísticamente diferentes
2. La aletorización permite que los tratamientos que se asignan a las unidades experimentales de tal
manera de cada unidad tenga igual oportunidad de recibir cualquier tratamiento.
Los métodos estadísticos requieren que las observaciones (o los errores) sean variables y que se distribuyan
independiente y alaetoriamente. Mediante una apropiada aleatorización, se procura la eliminación promedio
de los efectos de los factores extraños que se presentan.
3. El control local o bloqueo es una técnica usada para aumentar la presión del experimento. El bloqueo
involucra la realización de comparaciones entre las condiciones de interés dentro de cada bloque.

Pautas para diseñar experimentos

Para usar el enfoque estadístico en el análisis de diseño de experimento, necesario que cada persona involucrada
tenga una idea clara antes de realizarlo, que se va a estudiar, como recolectar la información y como mínimo
un entendimiento cualitativo de los datos que quieren realizar.
1. Planteamiento del problema: El experimento se va a realizar porque hay algo que no se conoce y se
quiere conocer.
2. Escogencia de los factores y niveles: El experimentador debe seleccionarlos factores que se han de variar
en el experimento y los niveles específicos que se probarán en el mismo.

1
 3. Selección de la variable de respuesta: Al seleccionar la variable respuesta, el experimentador deberá
estar seguro de que tal variable realmente proporciona información útil respecto al proceso bajo estudio.
4. Selección del diseño experimental: La selección del diseño involucra la consideración del tamaño de
la muestra (número de repeticiones), la selección de un determinado orden de la realización de los
ensayos experimentales y la determinación de si es necesario o no el bloqueo u otras restricciones en la
aleatorización.

Pautas para diseñar experimentos

5. Ejecución del experimento: Es importante monitorear el proceso cuidadosamente para asegurarse de
que todo se haga de acuerdo con el plan. Los errores durante el proceso experimental con frecuencia
pueden alterar la validez experimental
6. Análisis de datos Para analizar los datos de deben usar los métodos estadísticos de tal manera que los
resultados y las conclusiones sena objetivos. Existe una gran cantidad de paquetes computacionales
hechos para facilitar el análisis de datos y métodos sencillos de graficación que son de vital importancia
en la interpretación de los resultados.
7. Conclusiones y recomendaciones: Una vez que los datos han sido analizados, el experimentador debe
sacar las conclusiones prácticas respecto a los resultados y realizar recomendaciones sobre las acciones que
se deben desarrollar. En este paso los gráficos son de gran utilidad, particularmente en la presentación
de los resultados.

Conceptos Basicos
• Que es un diseño de experimental ?
Se entiende por diseño experimental, el proceso de planeación de un experimento, tal que se tomen datos
apropiados con la mayor realidad posible, los cuales deben ser analizados mediante métodos estadísticos que
deriven conclusiones válidas y objetivas.
• Objetivos de un diseño experimental
Entre los muchos objetivos se encuentran:
1. Proporcionar la máxima cantidad de información pertinente al problema bajo investigación.
2. El diseño, plan o programa debe ser tan simple como sea posible.
3. La investigación debe efectuarse lo más eficientemente posible; ahorrar tiempo, dinero, personal y
material experimental. “Proporcionar la máxima cantidad de información al mínimo costo”
• Necesidad
La mayor parte de la investigación científica se realiza por medio de experimentos, y para que un experimento
tenga validez, tiene que ser realizado mediante un método objetivo, y hasta ahora, la estadística es la única
herramienta que cumple esa característica para la realización y el análisis de experimentos.

Conceptos Basicos
• Unidad experimental
La unidad experimental es el elemento (planta, animal u objeto) al que se le modificarán en forma planeada
factores para revisar su respuesta.

2
Por ejemplo: Puede ser un producto a mejorar, un conjunto de materias primas (frutas, grasas, tejidos
musculares), un lote de un producto, un tubo de ensayo, etcétera.
• Tratamiento o niveles de los factores en estudio
Los tratamientos vienen a constituir los diferentes procedimientos o procesos de modificación de factores de
una unidad experimental y cuyos efectos van a ser medidos y comparados.
Entre los ejemplos de tratamientos se encuentran: La Dosis suministrada (%) de una sustancia para mejorar
las condiciones de un alimento; las variedades de un producto agrícola (naranja tangelo, valencia, mangos,
etc); la composición de una atmósfera de almacenamiento (% de los gases), etc.
• Error experimental
El error experimental es la variación de resultados debido a factores externos al experimento. Este esta
asociado a las UE, tal error corresponde a que las UE no son iguales y por tanto no pueden ser replicadas
exactamente.

Conceptos Basicos
• Testigo o control
Es la selección de un grupo de unidades experimentales al que no se le aplica tratamiento especial con el
fin de comparar los resultados con los otros tratamientos. por ejemplo, si se usan cinco tratamientos con
acidulante, el testigo puede ser aquel tratamiento que no incluye acidulante.
• Replica
Las repeticiones serán el número de veces que un tratamiento se aplica al mismo número de unidades
experimentales. Por lo general, el promedio de varias réplicas de un tratamiento se acerca más que cualquier
prueba sola al “verdadero” efecto de ese tratamiento, el número mínimo de repeticiones no debería ser menor
a cuatro.
• Bloque
Es un conjunto de unidades experimentales de los más homogéneo posible que reciben el mismo tratamiento

Conceptos Basicos
• Hipótesis
Los test de hipótesis son test de significación estadística que cuantifican hasta que punto la variabilidad
de la muestra puede ser responsable de los resultados de un estudio en particular. La Ho (hipótesis nula)
representa la afirmación de que hay diferencia entre los tratamientos y la Ha (hipótesis alternativa) afirma
que al menos dos de los tratamientos son diferentes.
• Nivel de significancia estadística (α)
La probabilidad de rechazar la hipótesis nula cuando en realidad es verdadera (error de tipo I) se le denomina
nivel de significación y es la p.
El nivel de significación es el riesgo o la probabilidad que voluntariamente asume el investigador de equivocarse
al rechazar la hipótesis nula, cuando en realidad es cierta. Este riesgo se establece normalmente en 0.05 o
0.01.
El error de tipo II consiste en aceptar la hipótesis nula cuando es falsa
• Grados de libertad.

3
Es el número de observaciones tomadas en exceso para estimar un parámetro.
Si tenemos que escoger a 10 personas de un grupo grande de modo tal que el peso promedio sea de 60 Kg,
tenemos la libertad de elegir a los diez que nosotros consideremos. Fácilmente nos podemos dar cuenta que
solo podemos elegir libremente a las primeras 9 personas, dado que para elegir al décimo este debe ser elegido
de manera tal que el promedio del grupo no sea mayor ni menor de 60 Kg.

Conceptos Basicos
Análisis de la varianza
Esta técnica tiene como objetivo identificar la importancia de los diferentes factores o tratamientos en estudio
y determinar como interactúan entre sí.
Básicamente el análisis de Varianza, se utiliza para corroborar si la significación de diferencias entre medias
de dos o mas grupos, son o no debidas al azar.
• Símbolos para los parametros y Estadísticos

Característica Parámetro Estadístico

Media: µ x̄
Desviación estándar: σ s
Varianza: σ2 s2
Correlación: ρ r

Ejercicios
1. Elija un artículo de una publicación en su campo de estudio que proporcione los resultados de un
experimento comparativo o un estudio por observación. Identifique y describa brevemente (una o dos
oraciones) lo siguiente:
1. Hipótesis de investigación
2. Tratamientos
3. Unidades experimentales (de observación)
4. Tipo de diseño de experimentos
5. Proporcione la cita del artículo
2. Se planea un experimento para comparar tres métodos de enseñanza. Cada uno se aplica en un salón
con 25 estudiantes. Se usará un instructor diferente en cada salón y en consecuencia para cada método.
1. Escriba una critica corta del experimento propuesto.
2. ¿Cómo puede mejorarse el experimento?
3. Un experimento con cuatro tratamientos y cinco réplicas de cada uno requiere 20 unidades experimentales.
¿Cuántas aleatorizaciones son posibles para este experimento?

Diseño Completo Aleatorizado - DCA

Este tipo de diseño supone que todas las unidades experimentales son homogéneas y que los tratamientos se
asignan a las unidades experimentales en forma completamente al azar. Por lo general, los tratamientos se
asignan a igual número de unidades experimentales. Sin embargo, no es necesario.
Ventajas

4
 • Se puede usar cualquier número de tratamientos y repeticiones, no es necesario que todos los tratamientos
tengan igual número de repeticiones. Sin embargo las comparaciones resultan mas precisas cuando
están han sido replicadas igual número de veces.
• El análisis es simple a pesar de que se tenga diferente número de repeticiones
• Este tipo de diseño proporciona mayor número de grados de libertad para el error, comparado con otros
diseños con estructuras mas complejas.
Desventajas
• La principal desventaja es que tiene baja precisión y eficiencia cuando las unidades experimentales son
heterogéneas, hecho que lleva a una sobrestiman de la varianza del error experimental

Diseño Completo Aleatorizado - DCA

• Características
1. Si las UE son uniformes, es el mas eficiente de los diseños
2. Útil en experimentos donde hay limitación en el número total de UE ya que proporciona el mayor
número de grados de libertad para el error.
• Aleatorización
En este diseño los tratamientos se distribuyen en las UE en forma completamente aleatorizada. Esta
distribución se puede lograr mediante el uso de cualquier método que permita sortear los tratamientos en
forma aleatoria.
• Consideraciones
Para hacer estimaciones y pruebas de hipótesis sobre los parámetros del modelo estadístico asociado al diseño
de experimento, es necesario establecer condiciones mínimas, estas son:
1. Los errores eij son independientes y tienen distribución normal con media cero y varianza constante.
2. Cada tratamiento define una población con distribución normal N (µi , σ 2 )
3. La varianza constante es igual para todos los tratamientos (varianzas homogéneas).

Diseño Completo Aleatorizado - DCA

• Modelo lineal para los datos
El modelo estadístico que describe las respuesta de n observaciones es:
•
yij = µ + τi + eij i = 1, 2, . . . , rj , j = 1, 2, . . . , t
– yij la respuesta al tratamiento j de la unidad experimental (i, j)
– µ La media general
– τi Es el efecto del i-ésimo tratamiento.
– eij ∼ N (0, σ 2 ) Es el componente aleatorio que incorpora todas las demás fuentes de variabilidad
del experimento.
• Hipótesis
El juego de hipótesis a contrastar para probar la igualdad de las medias de los t tratamientos es el siguiente:

5
 
H0

 : µ1 = µ2 = · · · = µt

Ha : µi 6= µj ∀i 6= j


Al menos dos de ellas son diferentes

Diseño Completo Aleatorizado - DCA

• Estructura para un ANAVA con un factor
La estructura que se muestra en los ejercicios propuestos, se pueden presentar alguna de las dos formas que
se exponen a continuación

• rj : Número de repeticiones del tratamiento j−ésima

• t : Número de tratamientos

Diseño Completo Aleatorizado - DCA

• Analisis de Varianza
Si se tienen r1 observaciones para el tratamiento 1, r2 observaciones para el tratamiento 2, · · · y rt observaciones
para el tratamiento t, tenemos que:
1. Total general

r X
X t
Y.. = Yij
i=1 j=1

2. Total del tratamiento j-ésimo con j = 1, 2, . . . , t

r
X
Y.j = Yij
i=1

6
 3. Número total de unidades experimentales

t
X
n = rt = rj
i=1

Diseño Completo Aleatorizado - DCA

4. Promedio por tratamientos

Y.j
Y .j =
rj
5. Promedio general

Y.. Y..
Y .. = Pt =
i=1 rj
rt
6. Factor de Corrección

Y..2
FC =
n

Diseño Completo Aleatorizado - DCA

7. Suma de cuadros del total

t X
X r
SCT = Yij2 − F C
i=1 j=1

• Suma de cuadrados de los Tratamientos

t
X Y.j2
SCttos = − FC
i=1
r.j
• Suma de Cuadrados del Error

SCE = SCT − SCtttos

Diseño Completo Aleatorizado - DCA

• Errores estándar e intervalos de confianza para medias de tratamientos
1. El estimador de la varianza:
S2
Sy2¯t =
rj
donde, a partir del analisis de varianza, S 2 = CM E

7
 2. El estimador del error estándar de la media es:
s
CM E
Sy¯t =
rj

3. Se contruye un estimado del 100(1 − α)% para el intervalo de confianza (IC), con limites superior e
inferior repestivamente, para cada media de grupo en tratamiento; donde tα/2, N −t es un estadístico
t-studet excedido con una probabilidad α/2 y (N − t) son los grados de libertad para los CM E :

ȳ ± tα/2, N −t × Sy¯t

Diseño Completo Aleatorizado - DCA

La suma de cuadrados como los grados de libertad se pueden presentar en la siguiente tabla:
• Estructura del analisis de varianza

• Si Fc > F(α, glttos , gle ) . Se rechaza la hipótesis nula H0 y se concluye que hay diferencias en al menos
una de las medias de los tratamientos
• Si el Pvalor < α. Se rechaza la hipótesis nula H0 y se concluye que hay diferencias en al menos una de
las medias de los tratamientos