Sunteți pe pagina 1din 37

DISEO DE EXPERIMENTOS

La experimentacin no consiste ms que en reproducir artificialmente la aparicin de fuerzas extraas en presencia de personas especialmente preparadas para interpretar y extraer conclusiones de lo que ocurra.

Conceptos

Etapas del diseo de experimentos

Diseo de experimentos

Ejemplo de diseo unifactorial

Comparacin de promedios con un control Ejemplos de otros tipos de diseo de experimentos

INTRODUCCION AL DISEO DE EXPERIMENTOS


Para que un experimento se realice en la forma

ms eficiente, es necesario planificarlo, sistemtica y objetivamente, puesto que ste se concibe como un medio para verificar o rechazar las hiptesis planteadas. La aplicacin de la metodologa estadstica constituye la nica forma objetiva de analizar un problema que involucre datos sujetos a errores experimentales. Es decir, se requiere de un enfoque estadstico de la planificacin o del diseo de los experimentos para obtener conclusiones significativas a partir de los datos.

INTRODUCCION AL DISEO DE EXPERIMENTOS


El diseo estadstico de experimentos,

es por tanto, el proceso de planear un experimento para obtener datos apropiados, que pueden ser analizados mediante mtodos estadsticos, con el objeto de producir conclusiones vlidas y objetivas.

Algunas de las aplicaciones del diseo estadstico de experimentos son: Evaluar y comparar las metodologas de medicin posibles. Evaluar materiales y procedimientos alternativos. Desarrollar productos robustos. Comparar composiciones o comportamientos en ms de de dos puntos.

Mejor rendimiento del proceso

Menor variabilidad

Mejor comparabilidad

etc.

ETAPAS DEL DISEO DE EXPERIMENTOS


1. 2. 3. 4. 5. 6.

PLANTEAMIENTO DEL PROBLEMA SELECCION DE FACTORES Y NIVELES ELECCION DE VARIABLES RESPUESTA ELECCIN DEL DISEO EXPERIMENTAL Y MODELO ESTADISTICO RECOLECCION DE INFORMACION ANALISIS DE DATOS Y VALIDACION DE LA IDONEIDAD DEL MODELO

PLANTEAMIENTO DEL PROBLEMA


Las tres herramientas ms importantes

del aspecto estadstico de la planificacin experimental son: Creacin de bloques, Aleatorizacin Replicacin

1.

2.

3.

SELECCION DE FACTORES Y NIVELES


La mayora de los experimentos implican el estudio del efecto de

una o ms variables independientes en una respuesta. Las variables independientes se denominan factores. Los factores pueden ser cualitativos o cuantitativos. Cada una de las categoras que puede tomar el factor se conoce como tratamiento o nivel. Por otra parte, el factor puede ser fijo o aleatorio. Un factor fijo es aquel cuyos niveles son fijados especficamente por el investigador, mientras que el factor aleatorio es aquel cuyos niveles son una muestra aleatoria de una poblacin mayor de niveles.

ELECCION DE VARIABLES RESPUESTA


Al seleccionar la respuesta o variable dependiente el

experimentador debe estar seguro que la respuesta que se va a medir realmente provea informacin til acerca del proceso de estudio. Con mayor frecuencia, el promedio o la desviacin estndar (o ambos) de la caracterstica u observacin ser la variable respuesta. La capacidad de medicin tambin es un factor importante.

CLASIFICACION DE LOS DISEOS DE EXPERIMENTOS


En general, existen varias formas de clasificar a los

diseos de experimentacin, por ejemplo las siguientes (JURAN y GRYNA, 1993, cap. 26):

Segn el nmero de factores experimentales a investigar (por ejemplo, planes unifactoriales y multifactoriales). Segn la estructura del plan de experimentacin (por ejemplo, planificado por bloques, factorial, anidado, o por el mtodo de superficie respuesta). Segn la clase de informacin que se pretende que el experimento proporcione (por ejemplo, estimacin de efectos, estimacin de componentes de varianza, planificacin emprica).

CLASIFICACIN DE

MODELO GENERAL, CONTRASTE DE HIPOTESIS


Es til describir a las observaciones

mediante el modelo general:


y=+
i factores

(efecto de factores) +

(efecto de bloques) +

j bloques

k interacciones

(efecto de interacciones) +

Donde: es un parmetro comn a todos los tratamientos denominado la media global. es la componente aleatoria del error para cada observacin.

CONTRASTES DE HIPOTESIS EFECTOS FIJOS


H o : i
factor

=0

H 1 : i factor 0 al menos para un i


H o : bloque = 0 j H 1 : bloque 0 al menos para un j j
int H o : ij eraccin = 0 int H 1 : ij eraccin 0 al menos para un par ij

CONTRASTES DE HIPOTESIS EFECTOS ALEATORIOS.


H o : factor = 0
i

H1 : factor 0 al menos para un i


i

H o : bloque = 0 j H 1 : bloque 0 al menos para un j j

RECOLECCION DE INFORMACION
TRATAMIENTO O NIVEL OBSERVACIONES TOTALES PROMEDIOS

1 2 . . . a

y11 y21 . . . ya1

y12 y22 . . . ya2

y1n y2n . . . yan

Y1 Y2 . . . Ya Y..

Y1 Y2 . . . Ya Y..

BLOQUES ALEATORIZADOS
En muchas circunstancias, es

indispensable planificar la recogida de datos de forma que el posible efecto del factor, que no se puede mantener constante, quede convenientemente neutralizado, una forma de hacerlo es BLOQUE 1 BLOQUE 2 BLOQUE b tomando los datos de la siguiente Y Y Y forma: Y Y Y
1 1 2 1 1 2 2 2 1 b 2 b

Y31 . . ya1

Y32 . . ya2

..

Y3b . . yab

ANALISIS DE LA VARIANZA
El objetivo de la investigacin ser probar hiptesis apropiadas con respecto a los efectos de los factores y hacer una estimacin de ellos (solo caso efectos fijos). Una de las estrategias de contraste de hiptesis en diseos factoriales se denomina: .
a

ANALISIS DEL MODELO DE EFECTOS FIJOS.


El procedimiento apropiado para probar la igualdad

en el nivel medio de a tratamientos es el anlisis de varianza La prueba de hiptesis consiste en evaluar el estadstico Fo que se define como la razn: Fo = [SCTRATAMIENTOS/(a-1)] /[SCE/(N-a)] Fo = MCTRATAMIENTOS /MCERROR
Si la hiptesis nula es verdadera Fo tiene una

distribucin F con a-1 y N-a grados de libertad. Criterio de decisin: Si el valor del estadstico es demasiado grande debe rechazarse Ho, es decir:

Fo > F ,a 1, N a

ANALISIS DEL MODELO DE EFECTOS FIJOS.


Suma de cuadrados Media de cuadrados
MCTRATAMIENTOS = SCTRATAMIENTOS ( N a)

SCTOTAL

Y ..2 = yij
2 i =1 j =1 a 2

N n

)
Y ..2

SCTRATAMIENTOS = ( yi. )
i =1

(a 1)

MC ERROR =

SC ERROR

SC ERROR = SCTOTAL SCTRATAMIENTOS

PROCEDIMIENTO DE PRUEBA DE HIPOTESIS.


FUENTE DE VARIACION ENTRE TRATAMIENTOS SUMA DE CUADRADOS SCTRATAM NTOS IE GRADOS DE LIBERTAD a-1 MEDIA DE CUADRADOS MCTRAT. FO

FO= MCTRAT MCERROR

ERROR (DENTRO DE TRATAMIENTOS) TOTAL

SCERROR

N-a

MCERROR

SCTOTAL

N-1

FUENTE

PRUEBA DE IDONEIDAD DEL MODELO


La validez de las estimaciones y pruebas de hiptesis con

respecto al anlisis de los datos, se apoyan en el establecimiento de varias suposiciones clave. Las suposiciones que fundamentan el anlisis de varianza son:

Que los datos estn descritos de manera adecuada por el modelo lineal, de suma de efectos
En el caso de los modelos de efectos aleatorios se hace la suposicin adicional de que los i son independientes y estn distribuidos 2 normalmente con media cero y varianza 2 y errores ( ) son independientes. Que losadems que ysean variables aleatorias

independientes y normalmente distribuidas con media cero y varianza constante ( N(0, 2)).

PRUEBA DE IDONEIDAD DEL MODELO


Las herramientas principales para el

diagnstico estn basadas en el anlisis de los residuos observados. En general, los residuos se definen como la diferencia entre la respuesta observada y valor de respuesta predicho con el modelo supuesto, es decir:

ij = y ij y ij

PRUEBA DE IDONEIDAD DEL MODELO


La suposicin de varianza homognea

se evala con una grfica de los residuos contra las medias estimadas de los tratamientos. La suposicin de independencia se evala con una grfica de los residuos contra los valores predichos. La suposicin de distribucin normal mediante una grfica de probabilidad normal de los residuos.
P r o b a b ilid a d n o r m a l p a r a lo s r e s id u o s 9 9 .9 9 9 9 5 8 0 5 0 2 0 5 1 0 .1 Porcentaje -0 .4 5 -0 .2 5 -0 .0 5 0 .1 5 R e s id u o s 0 .3 5 0 .5 5

COMPARACION DE MAS DE DOS MEDIAS (DISEO UNIFACTORIAL)


Se quiere comparar el trabajo de los cuatro analistas de

un laboratorio en el ensayo de determinacin del porcentaje de alcohol metlico en muestras de un producto qumico mediante la tcnica de cromatografa lquida de alta resolucin (HPLC). Cada uno efecta tres determinaciones. Para asegurar la distribucin aleatoria de las muestras se procedi de la siguiente forma: Los analistas se enumeraron del 1 al 4 y las muestras del producto qumico del 1 al 12, seguidamente se tomaron al azar un analista y una muestra, hasta completar la distribucin. La distribucin resultante de los anlisis se presenta a continuacin:

Los resultado

COMPARACION DE TRATAMIENTOS CON UN CONTROL.


En muchos experimentos uno de los tratamientos es un

control, y al analista le puede interesar su comparacin con las k-1 muestras. Lo anterior implica que deben efectuarse k-1 comparaciones. Una tcnica til es la de Dunett. = i H1: o i
o

Prueba de hiptesis: Ho:

i = 1, 2,., k

Estadstico:

di =

yi . y o 2( MS ERROR ) 2 n
)

Criterio de rechazo de Ho: di > d (k-1,

COMPARACION DE MEDIAS DE TRATAMIENTOS INDIVIDUALES


Cuando la hiptesis nula es rechazada, existen pruebas que permiten la comparacin de las medias de los tratamientos, entre estas estn: Grficas de dispersin Contrastes Comparacin de pares de medias: entre estos mtodos pueden mencionarse: a) Mtodo de la diferencia mnima significativa (LSD); b) Prueba de intervalos mltiples de Duncan; c) Prueba de Tukey.

OTROS EJEMPLOS.

EJEMPLOS DE