ANALISIS Y DISEO DE

EXPERIMENTOS

1
Introduccin al DDE
Un experimento es una prueba o serie de
pruebas
Los experimentos se utilizan ampliamente en
el mundo de la ingeniera
-Proceso de caracterizacin y optimizacin
Evaluacin de las propiedades de los materiales
Diseo y desarrollo de productos
Determinacion de tolerancia y componentes de
sistemas

DOX 6E Montgomery 2
 Los experimentos
Reducir el tiempo
en Ingenieria
de diseo / desarrollo de
nuevos productos y procesos.
Mejorar el rendimiento de los
procesos existentes
Mejorar la confiabilidad y el
rendimiento de los productos
Lograr procesos y productos
robustos
Evaluacin de materiales, las
alternativas de diseo, el
establecimiento de tolerancias
o ajustes de los
componentes y del sistema, etc

DOX 6E Montgomery 3
Cuatro eras o etapas en la historia
del DDE
Origen en la agricultura, 1918 1940
R. A. Fisher & y colaboradores
Profundo impacto en la ciencia agrcola
Diseos Factoriales, ANOVA
La primera era industrial, 1951 - finales de 1970
Box & Wilson, superficies de respuesta
Aplicaciones en la quimica & procesos industriales
La segunda era industrial, finales 1970s 1990
Iniciativas de mejora de la calidad en muchas empresas
Taguchi y parmetros de diseo robusto y robustez del
proceso
La era moderna inicios 1990

DOX 6E Montgomery 4
 Definiciones bsicas
Variable Respuesta: es la variable en estudio, aquella cuyos
cambios se desean estudiar. Es la variable dependiente.
Factor: es la variable independiente. Es la variable que
manipula el investigador, para estudiar sus efectos sobre la
variable dependiente.
Nivel Del Factor: es cada una de las categoras, valores o formas
especficas del factor.
Factor Cualitativo: sus niveles se clasifican por atributos cualitativos.
Factor Cuantitativo: sus niveles son cantidad numrica en una escala.

Factores observacionales: El investigador registra los datos pero no

interfiere en el proceso que observa.
Factores experimentales: El investigador intenta controlar
completamente la situacin experimental.
 Definiciones bsicas
Experimento Unifactorial: es aquel en el se estudia un solo
factor.
Experimento Multifactorial: es aquel en el que se estudia
simultneamente ms de un factor.
Tratamientos: Conjunto de condiciones experimentales que
sern impuestas a una unidad experimental en un diseo elegido.
En experimentos unifactoriales, un tratamiento corresponde a un
nivel de factor.
En experimentos multifactoriales, un tratamiento corresponde a
la combinacin de niveles de factores.
Unidad Experimental: es la parte ms pequea de material
experimental expuesta al tratamiento, independientemente de
otras unidades.
 Definiciones bsicas
Error Experimental: Describe la variacin entre las unidades experimentales
tratadas de forma idntica e independiente. Orgenes del error experimental:
-Variacin natural entre unidades experimentales
-Variabilidad en la medicin de la respuesta
-Imposibilidad de reproducir idnticas condiciones del tratamiento de una
unidad a otra
-Interaccin de tratamientos con unidad experimental
-Cualquier factor externo
Tratamiento Control: Un control al que no se le aplica tratamiento revelar las
condiciones en que se realiza el experimento.
Mediciones: Son los valores de la variable dependiente, obtenidos de las
unidades experimentales luego de la aplicacin de tratamientos
Principios Basicos del DDE
Aleatorizacion (Randomization)
Ejecucin de los ensayos en un experimento en orden aleatorio
Idea de equilibrar los efectos de las variables no controladas.

Replicacin (Replication)
Tamao de la muestra ( mejora la precisin de la estimacin del efecto,
la estimacin de error o ruido de fondo)
como un medio para estimar la variancia del error experimental
Replicacion versus medias repetidas? (see page 13, Montgomery)

Bloqueo (Blocking)
Hacer frenta a factores no controlables
Dividir o particionar las unidades experimentales en grupos llamados
bloques de modo que las observaciones realizadas en cada bloque se
realicen bajo condiciones experimentales lo ms parecidas posibles.

DOX 6E Montgomery 8
 Vamos a aplicar todos los conceptos a un EJEMPLO:
Tres establecimientos nos consultan para que diseemos sus
experimentos.
Se trata de establecimientos que se dedican al cultivo de peces.
Es necesario aclarar que en experimentos de este tipo es
importante considerar, para lograr Unidades Experimentales
Uniformes, entre otros los siguientes factores:
Genticos Edad
Nutricionales Peso inicial de cultivo
Capacidad fisiolgica Enfermedades
 Continuacin del ejemplo:
Establecimiento 1 Establecimiento 2 Establecimiento 3
Bocachico (Prochilodus Bocachico de 3 Tilapia roja y tilapia
magdalenae distintas regiones plateada

Se estudian 3 dietas Se estudian 3 dietas

distintas (D1, D2, D3) distintas (D1, D2, D3)
Se estudian 3 dietas
Se pretende determinar Se pretende determinar distintas (D1, D2, D3)
con cual alimento los con cual alimento los
peces ganan mas peso peces ganan mas peso Se pretende determinar
con cual alimento los
peces ganan mas peso
 CUESTIONARIO

Se trata de un experimento uni o multifactorial?

Cules son los factores?
Cules son los tratamientos?
Cul es la variable respuesta?
Cul es la unidad experimental?
Cuntas replicaciones haramos?
Cuntos animales necesitamos?
Cmo haramos el diseo?
 Respondamos el cuestionario:
Establecimiento 1
Se trata de un experimento uni o multifactorial? Unifactorial
cules son los factores? El nico factor es la Dieta
Cules son los tratamientos? cada una de las 3 dietas
Cul es la variable respuesta? Ganancia en peso en g.
Cul es la unidad experimental? 30 peces por piletas o acuarios.
Cuntas replicaciones haramos? un mnimo de tres
Cuntos animales necesitamos?
30 peces *3 dietas* 3 replicas= 270 peces
Cmo haramos el diseo? Diseo completamente al azar DCA

D1 D3 D2 Control local: Chequeamos condiciones ambientales

y calidad el agua. Calibramos balanzas.
D2 D2 D1 Aleatorizacin: Consideramos 9 piletas con 30 peces
D1 D3 cada una
D3
 Establecimiento 2
Se trata de un experimento uni o multifactorial? Unifactorial
cules son los factores? El nico factor es la Dieta
Cules son los tratamientos? cada una de las 3 dietas
Cul es la variable respuesta? Ganancia en peso en g.
Cul es la unidad experimental 30 peces por piletas o acuarios.
Cuntas replicaciones haramos? un mnimo de tres
Cuntos animales necesitamos?
30 peces *3 dietas* 3 Bloques= 270 peces
Cmo haramos el diseo? Diseo en bloques completos al azar
DBCA

Control local: Chequeamos condiciones ambientales y

b1 D1 D3 D2 calidad el agua. Calibramos balanzas.

b2 Bloquizamos por regiones para reducir la variacin del

D2 D3 D1 error experimental.

b3 D2 D1 D3 Aleatorizacin: Consideramos 9 piletas con 30 peces

cada una.
Establecimiento 3
Se trata de un experimento uni o multifactorial? Multifactorial
Cules son los factores? Dietas(D1,D2,D3) y Especie (Roja (R) y
plateada(P))
Cules son los tratamientos? RD1, RD2, RD3, PD1, PD2, PD3
Cul es la variable respuesta? Ganancia en peso en g.
Cul es la unidad experimental? 30 peces por piletas o acuarios
Cuntas replicaciones haramos? un mnimo de tres
Cuntos animales necesitamos?
3 Replicaciones * 6 Tratamientos*30 Peces =540 peces
Cmo haramos el diseo? Diseo Factorial

Control local: Chequeamos

D3P D3P
D1R D2P D1R D2R condiciones ambientales y
calidad el agua. Calibramos
D3R D1P D3R D1P
D2R D2P balanzas.

D2R D3R D2P D3P

Aleatorizacin: Consideramos
D1P D1R
18 piletas con 30 peces cada
una.
 Planificacin, realizacin y
anlisis de un experimento
1. Reconocimiento del y estado del problema.
2. Eleccion de los factores, niveles, y rangos
3. Selection de la variable(s) respuesta
4. Eleccion del diseo
5. Llevar a cabo el experimento
6. Anlisis estadstico
7. Conclusiones y recomendaciones

DOX 6E Montgomery 15
EXPERIMENTOS CON UN SOLO
FACTOR

16
Experimentos con un solo factor
-Familia de diseos para comparar tratamientos:
(1) Diseo completamente al azar (DCA)

(2) Diseo en bloque completamente al azar (DBCA)

(3) Diseo en cuadro latino.(DCL)

(4) Diseo en cuadro grecolatino.(DCGL)

La diferencia fundamental entre estos diseos es el nmero de

factores de bloque que incorporan o controlan

17
 Experimentos con un solo factor
Por lo general el inters del experimentador se centra en
comparar los tratamientos en cuanto:
Medias poblacionales

y en relacin a sus varianzas y su capacidad actual y

futura para cumplir con los requerimientos de calidad y
productividad

18
 Experimentos con un solo factor
Desde el punto de vista estadstico, la hiptesis
fundamental a probar cuando se comparan varios
tratamientos es:
En funcin de las medias:

En funcin de los tratamientos

19
 Experimentos con un solo factor
Las hiptesis anteriores se prueba con la tcnica estadstica
llamada anlisis de varianza (ANOVA) con uno, dos, tres o
cuatro criterios de clasificacin, dependiendo del nmero
de factores de bloques incorporados al diseo.

20
 Experimentos con un solo factor
El Modelo estadstico que se supone describe el comportamiento de la
variable observada para la familia de diseos para comparar
tratamientos con un solo factor se resume en el siguiente cuadro

Donde Y es la variable de respuesta salida, la media global, i el efecto del

i-simo tratamiento,, , , son los efectos de tres factores de bloqueo y
el error aleatorio.

21
 Diseo completamente al azar y
ANOVA
Este diseo se llama completamente al azar por que todas
las corridas experimentales se realizan en orden aleatorio
completo, ya que al no haber bloques, no existe ninguna
restriccin a la aleatorizacin, es decir, si durante el
estudio se ha-en en total N pruebas, estas se corren al
azar, de manera que los posibles efectos ambientales y
temporales se repartan equitativamente enter los
tratamientos.

22
 Diseo completamente al azar y
ANOVA
El nombre de anlisis de varianza (ANOVA) viene del hecho
de que se utilizan cocientes de varianzas para probar la
hiptesis de igualdad de medias. La idea general de esta
tcnica es separar la variacin total en las partes con la
que contribuye cada fuente de variacin en el
experimento..

23
 Diseo completamente al azar y
ANOVA
Los datos generados por un diseo completamente al azar para
comparar dichas poblaciones, se pueden escribir como en siguiente tabla.

Yij en esta tabla es la j-sima observacin que se hizo en el tratamiento i;

ni son las repeticiones observadas en el tratamiento i. recomendable
utilizar el mismo nmero de repeticiones (ni = n) en cada tratamiento, a
menos que hubiera alguna razn para no hacerlo. Cuando ni= n para toda
i se dice que el diseo es balanceado.

24
 Diseo completamente al azar y
ANOVA
Para probar las hiptesis

mediante la tcnica de ANOVA con un criterio de

clasificacin, lo primero es descomponer la variabilidad
total de los datos en sus dos componentes: la variabilidad
debida a tratamientos y la debida al error aleatorio.

Antes de comenzar con el anlisis del DCA se introduce

alguna notacin que simplifica la escritura de las
expresiones involucradas en dicho anlisis.

25
Diseo completamente al azar y
ANOVA

26
 Diseo completamente al azar y
ANOVA
Una medida de la variabilidad total presente en las observaciones de la
tabla es la suma total de cuadrados dada por

donde Y.. es la suma de los sumando y restando adentro del

parntesis la media del tratamiento i (Yi) y desarrollando el cuadrado
se tiene:

27
 Diseo completamente al azar y
ANOVA
donde el primer componente de la ecuacin es la suma de los
cuadrados de los tratamientos

y el segundo es la suma de los cuadrados del error

Toda la informacin necesaria para calcular el estadstico F0 hasta

llegar al
P- value se escribe en la llamada tabla de anlisis de varianza (ANOVA)

28
Diseo completamente al azar y
ANOVA

29
Diseo completamente al azar y
ANOVA
Ejemplo:
Un ingeniero civil esta interesado en saber si las mezclas influyen en la resistencia
del cemento. Para ello estudia la consistencia del cemento fabricado a partir de
cuatro tipos de mezclas. Los resultados del experimento se recogen en la
siguiente tabla:

1Factor de inters. 5Modelo estadstico

2Niveles del Factor: 6.Hiptesis del problema
3Variable de inters 7.Significancia de la Prueba
4Replicas por nivel
30