Diseño y Análisis de

Experimentos

“La vara y la corrección dan sabiduría;

Mas el muchacho consentido avergonzará a su
madre.” Proverbios 29:15
 Experimentos Unifactoriales

Análisis de varianza (ANOVA)

Las relaciones de causa y efecto son difíciles de
establecer en estudios observacionales, pero
fáciles de establecer en estudios experimentales.

Aleatorización es el procedimiento por el cual se

asignan al azar los tratamientos a las unidades
experimentales. Antes del trabajo de Sir R. A.
Fisher, los tratamientos se asignaban de manera
sistemática o subjetiva.
Diseño Experimental Completamente
Aleatorizado
Nivel Observaciones Totales Promedios
1 y11 y12 . y1n y1.
...
2 y21 y22 . y2n y2.
...
. . . ... . . .
. . . ... . . .
. . . ... . . .
a ya1 ya2 ... yan ya.
Objetivo
• Determinar hipótesis apropiadas respecto a las
medias
• Específicamente, nos interesará saber si algún
tratamiento o nivel tiene influencia en la
respuesta
Suposiciones para el análisis de varianza
Los supuestos del ANOVA son exactamente los
mismos que los de la prueba t para comparar dos
grupos.

1. Normalidad de los residuos.

2. Varianza constante.
3. Independencia de los errores.
Análisis de varianza y el diseño
completamente aleatorizado
A continuación, se muestra el uso del análisis de
varianza para probar la igualdad de k medias
poblacionales en un diseño completamente
aleatorizado.
La forma general de esta prueba de hipótesis es:
Modelo de los datos

• Modelo de medias

• Modelo de efectos
Las ecuaciones anteriores se conocen también
como Análisis de Varianza de un Solo Factor.

El análisis de varianza es una técnica estadística

para analizar mediciones dependientes de varias
clases de efectos que operan simultáneamente
para decidir qué clases de efectos son importantes
y para estimarlos.
Análisis del Modelo de Efectos Fijos
Descomposición de la suma total de
cuadrados
Descomposición de la suma total de
cuadrados

SST = SSTratamientos + SSE

Errores medio cuadrados
Criterio de rechazo de Ho:
Análisis de Varianza
Fuente Grados Suma de Media
de variación de libertad Cuadrado Cuadrados Fo
Tratamiento a-1 SSTrat MSTrat
Error N-a SSE MSE
Total N-1
Procedimiento general para
experimentos unifactoriales
1. Identificar el parámetro de interés
2. Establecer una hipótesis (hipótesis nula)
3. Especificar una hipótesis alternativa
4. Seleccionar un nivel de significancia
5. Llevar a cabo el experimento
6. Llevar a cabo el ANOVA
7. Probar supuestos para la variable de respuesta
8. Concluir (rechazar o aceptar hipótesis nula)
Ejercicio 1
Se desea determinar el efecto del cemento Portland en la
resistencia a la tensión. Cuatro técnicas de mezclado pueden ser
utilizadas. Se han recolectado los siguientes datos:
Técnica de Resistencia a la tensión (lb/pg2)
mezclado
1 3129 3000 2865 2890

2 3200 3300 2975 3150

3 2800 2900 2985 3050

4 2600 2700 2600 2765

¿Cómo hacer para probar qué técnica da más resistencia?

• Calcule un intervalo de confianza del 95% para la media del
tratamiento 4
• Calcule un intervalo de confianza del 95% para la diferencia
de medias 4 y 1
Solución
 Análisis de Varianza para las
técnicas de mezclado

Analysis of Variance for resisten

Source DF SS MS F P
tecnica 3 489740 163247 12.73 0.000
Error 12 153908 12826
Total 15 643648
 Dotplots of resisten by tecnica
(group means are indicated by lines)

3300

3200

3100
resistencia

3000

2900

2800

2700

2600

tecnica
1

4
 Boxplots of resisten by tecnica
(means are indicated by solid circles)

3300

3200

3100
resistencia

3000

2900

2800

2700

2600

tecnica
1

4
 Normal Probability Plot of the Residuals
(response is resisten)

1
Normal Score

-1

-2
-200 -100 0 100 200

Residual
 Residuals Versus
Residuals thethe
Versus Order of Values
Fitted the Data
(response
(responseisis resisten)
resisten)

200
200

100
100
Residual
Residual

00

-100
-100

-200
-200
2650 2 4
2750 6 2850 8 10
2950 12 3050 14 16
3150
Observation Order
Fitted Value