Anda di halaman 1dari 8

Dise no de Experimentos

Principios del Dise no de Experimentos 9 de febrero de 2004

Indice
1. Principios del Dise no de Experimentos 1.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . 1.2. Algunas deniciones . . . . . . . . . . . . . . . . . 1.3. Estructura de un dise no . . . . . . . . . . . . . . . 1.4. Recomendaciones para planicar un experimento . 1.5. Aleatorizaci on . . . . . . . . . . . . . . . . . . . . . 1.6. Replicaci on . . . . . . . . . . . . . . . . . . . . . . 1.7. Medidas repetidas en la misma u.e. o submuestreo 1.8. Cuantas r eplicas? . . . . . . . . . . . . . . . . . . 1.9. Asunciones en el An alisis . . . . . . . . . . . . . . 1.10. Tipos de dise nos de experimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 1 2 3 4 4 5 6 7 8

1.
1.1.

Principios del Dise no de Experimentos


Introducci on

En los temas anteriores se ha abordado el an alisis estad stico de algunos dise nos experimentales. Sin embargo, no se ha hecho referencia alguna a las propiedades de estos dise nos. En este apartado se va a desarrollar los principios que rigen los dise nos de experimentos, se estudiar an algunos de los dise nos m as habituales y cuando es adecuado su utilizaci on.

1.2.

Algunas deniciones

E xperimento. Prueba o ensayo destinados a obtener nuevos hechos o, conrmar o denegar los resultados de anteriores experimentos Un experimento se planica para dar respuesta a una varias preguntas D ise no estad stico de experimentos. Planicaci on del experimento de forma que obtengamos la m axima cantidad de informaci on a partir de los recursos disponibles. Obtener datos apropiados, que puedan ser analizados mediante m etodos estad sticos, con objeto de producir conclusiones v alidas y objetivas U nidad experimental (u.e.). La m as peque na divisi on del material experimental tal que dos de estas unidades pueden recibir cualquiera de los distintos tratamientos utilizados en el experimento

2 Ejemplo: Ensayo de variedades Se siembran distintas parcelas con cada una de las variedades ensayadas. Para determinar el rendimiento se selecciona dentro de cada parcela dos areas que son cosechadas y pesadas. Estas areas no son la u.e, dado que las dos areas de una parcela siempre recibir an el mismo tratamiento. La unidad experimental en este ensayo es la parcela. De cada unidad experimental tenemos dos observaciones (s ubmuestreo) o un u nico valor si utilizamos el valor medio de las dos areas La variabilidad en el rendimiento de parcelas que han sido sembradas (seleccionadas al azar) con la misma variedad es la variabilidad experimental Es importante denir bien la unidad experimental pues es la que determina la variabilidad experimental T ratamiento. Es el procedimiento cuyo efecto se desea medir y comparar con el efecto de otros tratamientos. Variedades Fertilizantes Dietas Diferentes m etodos de procesar una sustancia F actor. Conjunto de tratamientos relacionados por tener una caracter stica en com un. A cada uno de los tratamientos se les denomina niveles del factor Dieta en un experimento que incluye diferentes dietas Riego si ensayamos distintas frecuencia de riego

1.3.

Estructura de un dise no

De forma general, el dise no de un experimento consiste en denir dos estructuras: La estructura de tratamientos. Conjunto de tratamientos, combinaciones de tratamientos o poblaciones que el experimentador ha seleccionado para estudiar y/o comparar La estructura del dise no. Determina las u.e que se van a utilizar, describe el patr on de variaci on entre u.e. y como van a ser asignados los tratamientos a cada una de las u.e. Ambas estructuras han de seleccionarse independientemente de forma que con ellas se consigan, de la forma m as sencilla, los objetivos de la experimentaci on.

Dept. Estad stica

M.A. Ib an ez

1.4.

Recomendaciones para planicar un experimento

Como recomendaci on, un procedimiento a seguir para obtener un experimento adecuado son: - Comprensi on y planteamiento del problema. Planteamiento claro y aceptable que permita reconocer el problema y si este requiere una experimentaci on. Conocimiento del tema (consultas bibliogr acas, a expertos) Desarrollar las ideas sobre el objetivo del experimento - Elecci on de los factores y niveles. Los factores y niveles espec cos a los cuales se har a el experimento Los tratamientos son una muestra de una poblaci on de tratamientos o han sido espec camente seleccionados Los tratamientos son cualitativos (variedades) Los tratamientos son cuantitativos (dosis de abonado). Cuantos niveles y cuales se seleccionan. Depender a si esperamos una respuesta lineal, cuadr atica, etc. Los tratamientos son niveles de un solo factor o son combinaciones de los niveles de varios factores Todos los tratamientos y sus niveles tienen la misma importancia? - Selecci on de la variable respuesta. Que la variable o variables observadas proporcionen informaci on sobre lo que se desea estudiar. - Elecci on del dise no experimental. Es posible estudiar antes de realizar el experimento si el dise no que se va a utilizar permite comparar de forma insesgada los tratamientos y valorar la precisi on de estas estimas. - Realizaci on del experimento. Que la experimentaci on se realice de acuerdo a lo planicado Planicar la toma de datos creando de antemano cuadros que recojan como han de tomarse los datos de acuerdo al dise no. - An alisis de datos. Realizar el an alisis conforme al dise no. Con arreglo a como se han obtenido los datos Los m etodos estad sticos, junto con el conocimiento del tema y el sentido com un conducir an a conclusiones razonables - Los experimentos son iterativos. En general no es recomendable dise nar experimentos demasiados extensos en las primeras etapas de un estudio. Requieren demasiado conocimiento sobre el material experimental, factores que pueden afectar de forma importante al estudio, etc.

Dept. Estad stica

M.A. Ib an ez

1.5.

Aleatorizaci on

- La asignaci on de los tratamientos al material experimental de forma aleatoria. Evitar sesgo en la comparaci on, al tender a cancelar el efecto de factores no controlados en la experimentaci on. Es la u nica forma de asegurar que las comparaciones entre tratamientos no est an sesgadas por asignar las mejores u.e. a uno de los tratamientos y las peores a otro de los tratamientos. Asegura que el resultado obtenido pueda considerarse como una muestra aleatoria de observaciones independientes y por tanto que los m etodos estad sticos utilizados sean los adecuados. Es la u nica forma de que, por ejemplo, la distribuci on en el muestreo del estad stico F, que aparece en el an alisis de la varianza, tenga una distribuci on F aproximada. Existe un an alisis alternativo en el que se considera que el resultado obtenido en el experimento es uno de los que podriamos haber obtenido al aplicar la aleatorizaci on al mismo conjunto de unidades experimentales. (Test de aleatorizaci on) Permite relizar inferencias v alidas sobre el efecto de los tratamientos sobre las unidades experimentales utilizadas en la experimentaci on Requieren un mayor coste computacional los test de hip otesis e intervalos de conanza son menos potentes y m as amplios, respectivamente, que los obtenidos al asumir que el experimento en una realizaci on aleatoria de una poblaci on con distribuci on conocida. Habitualmente la normal.

1.6.

Replicaci on

Debido a la variabilidad experimental, si deseamos interpretar la diferencia entre dos unidades que han recibido distintos tratamiento necesitamos tener una idea de la variaci on que esperariamos observar entre dos unidades experimentales que hubiesen recibido el mismo tratamiento. Una r eplica es la repetici on del experimento b asico (La asignaci on de una u.e. a un tratamiento). Permite obtener una estima de la variabilidad experimental. Variabilidad en la observaci on de u.e. tratadas de id entica forma. Al aumentar el n umero de r eplicas por tratamiento aumentamos la precisi on con que estimamos dicho efecto o la precisi on con la que comparamos dos tratamientos. 2 2 n

se( y1 y 2 ) = Dos formas de aumentar la precisi on: Incrementando el n umero de r eplicas.

Para reducir el error est andar a la mitad necesitamos cuadruplicar el n umero de u.e. por tratamiento. Es un procedimiento caro y puede complicar la experimentaci on al tener que manejar un elevado n umero de u.e.

Dept. Estad stica

M.A. Ib an ez

5 Mejorando el dise no Cualquier conocimiento que se tenga sobre las u.e. debe utilizarse para reducir la variabilidad experimental. Esta es uno de los principios b asicos del dise no de experimentos. Los dise nos aleatorizados en bloques agrupan las u.e. en grupos homog eneos (bloques) y los tratamientos se asignan al azar dentro de los bloques Los bloques reducen la variabilidad experimental al eliminar la variaci on entre bloques

1.7.

Medidas repetidas en la misma u.e. o submuestreo

Ejemplo . Tipo de alga es introducida en 2 tanques de agua. En un de ellos se introduce una sustancia que reduce la concentraci on de alga en el agua, el otro tanque sirve de control. Cada tanque es una u.e. No hay replicas en el experimento. Imposible diferenciar si las diferencias en la concentraci on de algas en los dos tanques es debida a que la sustancia realmente reduce la concentraci on o es consecuencia de la variabilidad experimental No se soluciona el problema si se toman distintas muestras de agua de cada tanque Las muestras dentro de cada tanque son varias medidas de una misma unidad experimental y por tanto no proporcionan una estima de la variabilidad experimental Si el agua dentro de cada tanque se agita de adecuadamente antes de obtener las muestras, no habr a casi variaci on dentro de cada tanque Analizar los datos utilizando esta variaci on como medida del error experimental conducir a a determinar errores est andar m as peque nos que los reales, detectando diferencias donde realmente no las hay La misma situaci on puede ocurrir en experimentos con varias r eplicas por tratamiento Ejemplo 2 tratamientos se asignan al azar a 6 macetas con 4 plantas cada un de ellas; 3 macetas por tratamiento. Las observaciones se realizan de forma individual sobre las plantas. La u.e. son las macetas Las plantas son una muestra dentro de la maceta - Al comparar las medias muestrales de estos dos tratamientos hay que tener en cuenta dos fuentes de variaci on: Variaci on entre plantas dentro de la misma u.e. (macetas). Dado que la media muestral de un tratamiento incluye observaciones en las plantas, la variaci on entre las plantas formar a parte del error est andar de la estima

Dept. Estad stica

M.A. Ib an ez

6 Variaci on entre las u.e. (macetas) que han recibido el mismo tratamiento. La varianza de la media muestral en cada maceta incluye la variabilidad experimental y la variabilidad entre plantas

Tratamiento 1
M1 M2 M3

Tratamiento 2
M1 M2 M3

X ijk

x 11.

x 12. x 1..

x 13.

x 21.

x 22. x 2..

x 23.

2 Variabilidad entre plantas dentro de macetas 2 Variabilidad experimental var( xij. ) = 2 + 2 4 var( xi. ) = 2 2 + 12 3

Puede ocurrir que la variabilidad de las plantas dentro de las macetas sea menor que la variabilidad entre plantas de distintas macetas debido a menor variaci on en la composici on del suelo en una maceta Alternativamente la competencia entre plantas dentro de una maceta puede provocar una mayor variabilidad que la variabilidad entre plantas en distintas macetas

1.8.

Cuantas r eplicas?

Es necesario que el error est andar sea los sucientemente peque nos para poder obtener conclusiones convincentes pero no excesivamente peque no. Errores est andar grandes hace que el experimento sea in util Errores est andar innecesariamente muy peque nos implica utilizar mucho material experimental - Depende de diversas consideraciones

Dept. Estad stica

M.A. Ib an ez

7 Los recursos disponibles La variabilidad del material experimental De la estructura de tratamientos De la diferencia entre tratamientos que se desea detectar Una regla sencilla que podemos seguir es utilizar el error est andar de la diferencia de dos medias muestrales se( y1 y 2 ) = 2 n

Que nos proporcionar a una idea del n umero de r eplicas necesarias para obtener una precisi on deseada - Utilizando la amplitud del intervalo de conanza de la diferencia de dos medias = 2 2 u n 1/2

Fijando la potencia desea en el test de hip otesis, con un nivel de signicaci on ?, sobre la igualdad de las dos medias para detectar una diferencia de medias entre los dos tratamientos de d unidades n= (u1/2 + u1 )2 2 d2

- En cualquier caso se requiere conocer la variabilidad de las unidades experimentales Informaci on de experimentos similares realizados con anterioridad

1.9.

Asunciones en el An alisis

En la mayor a de los dise nos se asume Los tratamientos tienen un efecto aditivo sobre las unidades experimentales. Esto permite estimar la diferencia de tratamientos mediante la diferencia de las medias de las observaciones en cada tratamiento El efecto de los tratamientos es constante El efecto de un tratamiento puede depender de alguna observaci on complementaria o puede ser distinto en diferentes grupos de u.e. La observaci on en una u.e. no est a afectada por el tratamiento aplicado a otras u. e. Que no exista interferencia entre las unidades experimentales. En muchos experimentos las u.e. son f sicamente distintas y esto se cumple autom aticamente Si el mismo individuo es utilizado como u.e. varias veces, o si las u.e. est an en contacto f sicamente puede existir interferencias entre las u.e. 4 implantes hormonales a animales que est an juntos en jaulas. La competencia entre los animales puede invalidar el an alisis. Utilizaci on de barreras naturales para separar parcelas

Dept. Estad stica

M.A. Ib an ez

8 Con estos supuestos podemos asumir que la observaci on obtenida cuando un tratamiento es asignado al azar a una u.e. es: yij = i + eij

donde: i Es una cantidad que depende del tratamiento asignado eij Es una cantidad que depende u nicamente de la u.e. La aleatorizaci on hace que los eij se comporten como realizaciones aleatorias de media 0 y varianza 2 (la variabilidad experimental) Los eij est an incorrelados Los eij son realizaciones aleatorias de una normal Estos supuestos implican que las observaciones en las u.e. sean realizaciones independientes de una normal de media i y varianza 2

1.10.

Tipos de dise nos de experimentos

- Atendiendo a la estructura de tratamientos Factorial Un solo factor Dos o mas factores. Efectos principales e interacciones Uno o m as controles Jerarquizados Los niveles de un factor est an anidados a los niveles de otro factor principal - Atendiendo a la estructura del dise nos Completamente aleatorizado Dise nos en Bloques Bloques completos Bloques incompletos. Bloques incompletos balanceados (BIB) Cuadrados Latinos Covarianza - Existen un grupo de dise nos que se caracterizan por tener dos o mas tama nos de u.e. diferentes Split-plot y derivados (parcelas divididas) Medidas repetidas

Dept. Estad stica

M.A. Ib an ez