DISEO DE

EXPERIMENTOS

DEFINICION
El diseo de experimentos puede pensarse
como el pegante que mantiene toda la
estructura de un proyecto de investigacion
unida.

POR QUE DOE?

POR QUE DOE?

Provee una estructura o plan de ataque

Usa herramientas de anlisis estadstico
Es ms eficiente
Obliga a la organizacin de la experimentacin

EFICIENCIA
Se obtiene TODA la
informacin
Requerida con el
MINIMO uso de
recursos

CARACTERISTICAS DE UN
EXPERIMENTO

Conocimiento previo
Objetivos claros
Existe una variable de respuesta

CARACTERISTICAS DE LA
VARIABLE DE RESPUESTA

Cuantitativa
Precisa y repetitiva
Tiene algn significado

DOE TPICO

EJEMPLO

EJEMPLO

EJEMPLO

EJEMPLOS

UN FACTOR A LA VEZ

DESVENTAJAS UN FACTOR A LA
VEZ

OBJETVOS DEL ANALISIS

EXPERIMENTAL

Desarrollar un modelo para describir los

datos obtenidos
Estimar

intervalos de confianza para los

parmetros del modelo
Estimar la contribucin de cada factor en el
resultado obtenido
Chequear si alternativas para un factor son
diferentes en su impacto

TERMINOLOGIA

CONCEPTOS BASICOS

HIPOTESIS
Explicacin propuesta para un fenmeno

HIPOTESIS NULA

No hay relacin entre los fenmenos

No hay relacin en la forma establecida en la
hiptesis alterna.

HIPOTESIS ALTERNA
Hay relacin entre los fenmenos observados
Dos lados (direccin desconocida)
Un lado (mayor o menor que un valor).

P-VALUE
P-value es el nivel ms pequeo de
significancia que llevara a rechazar la
hiptesis nula.
http
://www.nature.com/news/scientific-method-stat
istical-errors1.14700

CONCEPTOS BASICOS

Variable de respuesta: Resultado de un

experimento

Factor: Variable que afecta la variable

respuesta (primarios y secundarios)

Nivel: Los valores que un factor puede

asumir

Rplica: repeticin de uno o varios

experimentos

CONCEPTOS BASICOS

Diseo experimental: Especificacin del

nmero de experimentos (factores, niveles y
rplicas)
Interaccin entre factores

ANALISIS DE
RESIDUALES

ANALISIS DE RESIDUALES
Busca encontrar cules son las desviaciones de
los supuestos bsicos y la adecuacin del
modelo

SUPUESTOS BASICOS

La relacin entre la variable respuesta y los

factores es la propuesta por el modelo
Los errores estn distribuidos normalmente
Hay valores anormales en la distribucin de
errores
La varianza es constante (homocedasticidad)
Hay independencia de los errores

LOS RESIDUALES SE
DISTRIBUYEN NORMALMENTE

Plot de normalidad
Histograma de residuales

ANALISIS DE RESIDUALES

HISTOGRAMA DE RESIDUALES

DATOS ANORMALES:
RESIDUALES VS INDICE DE OBSERVACON

VARIANZA CONSTANTE:
RESIDUALES VS VALORES PREDICHOS

EJEMPLOS DE DIVERSOS USOS

DOE

Obtener modelos
Escoger entre diferentes alternativas
Seleccin de factores clave
Encontrar un ptimo
Reducir la variabilidad
Hacer los procesos robustos
Buscar mltiples objetivos

SUPERFICIE DE RESPUESTA

MODELOS DE REGRESIN

PASOS EN UN DOE

Definicin de objetivos
Seleccin de las variables y niveles
Seleccin del diseo experimental
Ejecucin del diseo
Chequear que los datos sean consistentes con
las suposiciones del experimento
Analizar e interpretar resultados
Usar/presentar los resultadospuede resultar
en nuevos DOEs

SUPUESTOS EN EL DOE

Son los sistemas de medicion capaces de

obtener todas las respuestas que se desean?
Es su respuesta estable?
Son sus respuestas aproximables a traves de
modelos polinomiales simples?
Los residuales tienen un buen
comportamiento?

REDUCCION DE LA VARIABILIDAD

TIPOS DE DOE

Signal
enhancing
factorial

Noise
reducers
Covarianc
e

Blocking

EXPERIMENTOS
COMPARATIVOS
SIMPLES
Capitulo 2 Montgomery

EL CONCEPTO DE VARIABILIDAD

Para entender en qu consiste el concepto

de variabilidad hay que tener bien claro que
no todos los productos que salen de un
proceso son iguales y que siempre es de
esperarse cierta variacin entre ellos.

EL CONCEPTO DE VARIABILIDAD

La
La variacin
variacin inherente
inherente aa todo
todo proceso
proceso de
de produccin
produccin
es
es lo
lo que
que se
se ha
ha llamado
llamado variabilidad,
variabilidad, yy la
la misma
misma podr
podr
ser
ser reducida
reducida aa un
un mnimo,
mnimo, pero
pero nunca
nunca eliminada.
eliminada. Es
Es por
por
esto
esto que
que es
es necesario
necesario valerse
valerse de
de ciertas
ciertas herramientas
herramientas
de
de anlisis
anlisis para
para poder
poder entender
entender yy controlar
controlar la
la
variabilidad.
variabilidad.

EL CONCEPTO DE VARIABILIDAD

La mejor herramienta disponible es la estadstica

que segn Douglas Montgomery, en su libro
"Introduccin to Statistical Quality Control", la
define como: "Estadstica es el arte de tomar
decisiones sobre la poblacin de un proceso basado
en el anlisis de la informacin contenida en una
muestra extrada de dicha poblacin".

DISTRIBUCIONES PROBABILISTICAS
para y discreta:
0 p(yj) 1
P(y = yj) = p(yj)

para todo yj
para todo yj

para y continua:
0 f(y)
P(a y b) =

f
(
y
)
dy

f(y)dy1

REPRESENTACION GRAFICA DE DISTRIBUCIONES DE

PROBABILIDAD

P (YJ)

Variable discreta

P(y = yj)= p(yj)

yJ
Distribucin de probabilidad de y

REPRESENTACION GRAFICA DE DISTRIBUCIONES DE

PROBABILIDAD

Variable continua

P(a y b)

y
Funcin de Densidad de Probabilidad

ALGUNOS CONCEPTOS DE ESTADISTICA

DESCRIPTIVA

Esta es la estadstica que sirve para dar luz sobre

las caractersticas mas relevantes de una variable
aleatoria en funcin de informaciones extradas de
una

muestra

parmetros

de

la

misma.

estadsticos

para

Los

principales

una

variable

aleatoria y, podemos dividirlos en los siguientes:

ALGUNOS CONCEPTOS DE ESTADISTICA

DESCRIPTIVA
Media
aritm
Media tica
na
Moda
Media
Geom
trica

Medidas de Tendencia Central

y
j 1

Varianza muestral
n
Desviacin Estndar
Rango
j
j 1
2
Curtosis

Sesgo
n 1

( y y)

Medidas de Dispersin

EJEMPLOS

Proveedor A vs. Proveedor B?

Cual aditivo entre dos opciones es mas
efectivo?
El uso del catalizador `x mejora los
rendimientos sobre un catalizador
tradicionalmente usado?

COMPARACION ENTRE DOS

NIVELES DE UN SOLO FACTOR

STUDENTS T PROBABILITY
DENSITY FUNCTION

PUNTOS
PUNTOSPORCENTUALES
PORCENTUALESDE
DELA
LADISTRIBUCIN
DISTRIBUCINt t
G.L.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

0.25
1.000
0.816
0.765
0.741
0.727
0.727
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683

Nivel de Significacin
0.10
0.05
3.071
6.314
1.886
2.920
1.638
2.353
1.533
2.132
1.476
2.015
1.440
1.943
1.415
1.895
1.397
1.860
1.383
1.833
1.372
1.812
1.363
1.796
1.356
1.782
1.350
1.771
1.345
1.761
1.341
1.753
1.337
1.746
1.333
1.740
1.330
1.734
1.328
1.729
1.325
1.725
1.323
1.721
1.321
1.717
1.319
1.714
1.318
1.711
1.316
1.708
1.315
1.706
1.314
1.703
1.313
1.701

0.025
12.71
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048

VARIANZA CONOCIDA Y COMPARA

CON UN MEDIO POBLACIONAL

VARIANZA CONOCIDA Y COMPARACION

ENTRE DOS MUESTRAS

VARIANZA DESCONOCIDA

Tirene el promedio poblacional

VARIANZA DESCONOCIDA
PERO IGUALES

VARIANZA DESCONOCIDA
PERO DIFERENTES

TIPO DE CONCRETO

PROBLEMA DE DOS TIPOS

CONCRETOS

Datos

HIPTESIS

REGION CRITICA

CALCULO DE SP

CALCULO DEL ESTADISTICO T

POTENCIA DE UNA PRUEBA

ESTADISTICA

POTENCIA DE UNA PRUEBA

TAMAO DE MUESTRA

EJEMPLO TAMAO DE MUESTRA

INTERVALO DE CONFIANZA

INTERVALO DE CONFIANZA

EJEMPLO
=19 and =1.22

PROBLEMA EJEMPLO
Tiempo de tratamiento a pacientes con infarto
Tiempos de respuesta (min)
26

24

12

17

24

16

16

22

14

15

14

19

21

18

14

20

29

20

17

21

y 16.28
H 0 : 19

s 6.83
H1 : 19

CUMULATIVE DISTRIBUTION
FUNCTION AND INVERSE CDF

PROBLEMA EJEMPLO
Tiempo de tratamiento a pacientes con infarto

H 0 : 19

H1 : 19

Cul es la probabilidad de observar un

promedio de 19 o menos en una muestra de
25 pacientes?
P-value = 0.0117

PROBLEMA EJEMPLO:
CONCLUSION
Hay una reduccin en el tiempo con la
estrategia.
Es significativa desde el punto de vista
mdico??

COMPARACIONES
PAREADAS
Capitulo 2 Montgomery

DUREZA PUNTA

COMPARACION PAREADA
MINITAB

HIPTESIS ESTADSTICAS

Diferencia de medidas en comparaciones

pareadas: d= 1 - 2

COMPARACIONES PAREADAS

DATOS CEMENTO

DATOS CEMENTO

COMPARACIONES PAREADAS
EJEMPLO CEMENTO

COMPARACIONES PAREADAS
EJEMPLO CEMENTO

Comparacin pareada

Comparacn simple

VENTAJAS DEL DISEO PAREADO

El numero de grados de libertad se reduce a la

mitad
Menos variabilidad estimada
Intervalos de confianza mas pequeos