Quintero Nilza C.I. :9.382.

775

INTRODUCCION

RESUMEN DE CONTENIDOS
INTRODUCCION..
2
CAPITULO I -Investigacin.3
CAPITULO II- Tipos de Investigacin ...4
2.1.-Segn la Dimensin Cronolgica....4
2.2.- -Segn el objeto de Estudio....5
2.3.-Segn el uso que se pretenda dar al conocimiento..6
2.4. Segn el lugar y los recursos donde se obtiene la
informacin...6
2.5.-Segn el papel que ejerce el investigador sobre los
factores7
2.6.- Segn el tiempo que ejerce el investigador sobre los
factores...7
2.7.-Segn el lugar donde se desarrolla la Investigacin.8
CAPITULO III-Experimentos..... 8
CAPITULO IV- Tipos de Experimentos..9
4.1. Experimentos Exploratorios....9
4.2. Experimentos Confirmatorios....10
CAPITULO V-Diseos de Experimentos.. 10
CAPITULO VI-Relacin de la Estadstica y el Mtodo
Cientfico...13
CAPITULO VII- Tratamientos...14
7.1 Repeticin...14
7.2. Pseudorepeticin....15
7.3. Confundimiento..15
7.4. Control testigo15

7.5. Aleatorizacin16
CAPITULO VIII-Factores...16
8.1.-Tipos de Factores. 17
8.1.1. Factores de naturaleza

Cuantitativa......17

8.1.2.-Factores de naturaleza Cualitativa...18

CAPITULO IX-Error Experimental... 18
9.1.-Error de Tratamiento....18
9.2.-Error de medicin18
9.3.-Error de Muestreo18
CAPITULO IX-Unidad Experimental.18
10.1.-Unidad de Muestreo Observacional...19
CAPITULO XI.-Principios Bsicos de Diseos de Experimento.19
11.1.-Aleatorizar..20
11.2.-Bloquear.20
11.3.-La factorizacin del diseo21
CAPITULO XII .-Sistema de Variables.22
12.1.-Segn su naturaleza las variables pueden ser...23
12.1.1.-Cuantitativas23
12.1.2.-Cualitativas..23
12.1.3.-Conceptual..23
12.1.4.-Operacional.23
12.2.- Tipos de Variables..23
12.2.1.-Independiente..23
12.2.2.-Dependiente..23
12.2.3.-Interviniente.23
12.2.4.-Moderadora23
12.2.5.-Continuas24
12.2.6.-Discretas..24
12.2.7.-Variables de Control..24
CAPITULO XIII.-Diseos de Clsicos Experimentales.24
13.1.-Diseo Completamente Aleatorizado (D.C.A.).25
13.1.1.-Aleatorizacin...26
13.1.2.-Modelo estadstico asociado al diseo26

13.2.-Diseo en Bloque o con un Factor (D.B.A.)...28

13.2.1.-Modelo Estadstico.....28
13.2.2.-Tabla de Anlisis de Varianza...29
13.2.3.-Supuestos del modelo.30
13.2.4.-Validacin de los supuestos del Modelo..31
13.2.5.-Homogeneidad de varianza.32
13.2.6.-La Aditividad del Modelo34
13.3.-Diseo Cuadrado Latino (D.C.L.). 38
13.3.1.-Definicin39
13.3.2.-Tipos de Diseo Cuadrado Latino.. .40
13.3.3.-Algunas Extensiones del Diseo Cuadrado Latino41
CONCLUSIONES..50
BIBLIOGRAFIA.51

INTRODUCCION
Histricamente, la palabra estadstica quiere decir: "conocimiento numrico sobre
el estado". Su origen es Italia de los aos 1500, pero sin embargo es en Alemania
donde se ensea por primera vez en la universidad (1660, Herman Conrig ). La
estadstica puede entenderse, entonces, como Estadstica Descriptiva, que tiene su
origen en la recoleccin y clasificacin de datos para describir numricamente una
sociedad y su poblacin.
Sin embargo desde el punto de vista cientfico, puede decirse que la estadstica es
el estudio de los fenmenos aleatorios (productos del azar o inciertos). Aqu se
han desarrollado mtodos para resolver problemas prcticos y tericos dentro de
la poltica, la economa, las ciencias sociales y de comportamiento, las ciencias
naturales, etc. En este sentido la estadstica tiene su origen en la Teora de las
Probabilidades.
El Diseo Estadstico de Experimentos desde su introduccin por Ronald A.
Fisher en la mitad del siglo XX en Inglaterra, se ha utilizado para conseguir un
aprendizaje acelerado. La clave de los aportes de Fisher, radica en que este
investigador se dio cuenta de que las fallas en la forma de hacer experimentos
obstaculizaba el anlisis de los resultados

experimentales. Fisher tambin

proporciono mtodos para disear experimentos destinados a investigar la

influencia simultnea de varios factores.
En los trabajos consecutivos a estos, el Diseo de Experimentos se convirti en
una herramienta de aplicacin frecuente, pero solo en las reas de investigacin y
desarrollo.
Es por eso que en este trabajo desarrollaremos algunos aspectos bsicos del
Diseo de Experimentos, que nos ser servirn para el desarrollo de nuestra
formacin como especialistas.

1.- INVESTIGACION:
Una investigacin es un proceso sistemtico, organizado y objetivo, cuyo
propsito es responder a una pregunta o hiptesis y as aumentar el conocimiento
y la informacin sobre algo desconocido.
As mismo, la investigacin es una actividad sistemtica dirigida a
Obtener, mediante observacin, la experimentacin, nuevas informaciones y
Conocimientos que necesitan para ampliar los diversos campos de la ciencia y la
Tecnologa.
La investigacin se puede definir tambin como la accin y el efecto de realizar
Actividades intelectuales y experimentales de modo sistemtico con el propsito
de aumentar los conocimientos sobre una determinada materia y teniendo como
fin ampliar el conocimiento cientfico, sin perseguir, en principio, ninguna
aplicacin prctica.
Son diversos los conceptos y autores que se presentan a lo largo de la enseanza,
tales como:
-

J.W. Best , en la obra COMO INVESTIGAR EN EDUCACION, donde el

autor relaciona la investigacin y el mtodo cientfico ,all nos dice:

Consideramos la investigacin como el proceso ms formal, sistemtico e

intensivo de llevar a cabo el mtodo cientfico del anlisis. Comprende una
especie de resea formal de los procedimientos y en un informe de los
resultados o conclusiones .Mientras que es posible emplear el espritu
cientfico sin investigacin, sera posible emprender una investigacin a fondo
sin emplear espritu y mtodo cientfico.
- Websters International Dictionary , define la investigacin en una forma
Ms descriptiva y operativa:
Es una indagacin o examen cuidadoso o crtico en la bsqueda de hechos o
principios, una diligente pesquisa para averiguar algo.
- Arias Galicia , nos presenta la siguiente definicin :
(.) la investigacin puede ser definida como una serie de mtodos para
resolver problemas cuyas soluciones necesitan ser obtenidas a travs de una
serie de operaciones lgicos, tomando como punto de partida datos objetivos.

2.-TIPOS DE INVESTIGACIN.
La investigacin puede ser clasificada con base a los siguientes criterios: por el
propsito o las finalidades perseguidas la investigacin es bsica o aplicada; segn
la clase de medios utilizados para obtener los datos, es documental, de campo o
experimental; atendiendo al nivel de conocimientos que se adquieren podr ser
exploratoria, descriptiva o explicativa; dependiendo del campo de conocimientos
en que se realiza, es cientfica o filosfica; conforme al tipo de razonamiento
empleado, es espontnea, racional o emprico-racional; acorde con el mtodo
utilizado, es analtica, sinttica, deductiva, inductiva, histrica, comparativa, etc.;
y conforme al nmero de investigadores que la realizan, es individual o colectiva.
2.1.-SEGN LA DIMENSION CRONOLOGICA:
2.1.1.-Investigacin Histrica:
La investigacin histrica trata de la experiencia pasada, describe lo que era y
representa una bsqueda crtica de la verdad que sustenta los acontecimientos
pasados. El investigador depende de fuentes primarias y secundarias las cuales
proveen la informacin y a las cules el investigador deber examinar
cuidadosamente con el fin de determinar su confiabilidad pormedio de una crtica
interna y externa. En el primer caso verifica la autenticidad de un documento o
vestigio y en el segundo, determina el significado y la validez de los datos que
contiene el documento que se considera autntico.
2.1.2.-Investigacin Descriptiva:
La investigacin descriptiva, segn se mencion, trabaja sobre realidades de
hecho y su caracterstica fundamental es la de presentar una interpretacin
correcta. Esta puede incluir los siguientes tipos de estudios: Encuestas, Casos,

Exploratorios, Causales, De Desarrollo, Predictivos, De Conjuntos, De

Correlacin.
2.1.3.-Investigacin Experimental:
La investigacin experimental consiste en la manipulacin de una (o ms) variable
experimental no comprobada, en condiciones rigurosamente controladas, con el
fin de describir de qu modo o por qu causa se produce una situacin o
acontecimiento particular. El experimento provocado por el investigador, le
permite introducir determinadas variables de estudio manipuladas por l, para
controlar el aumento o disminucin de esas variables y su efecto en las conductas
observadas.
2.2.-SEGUN EL OBJETO DE ESTUDIO:
2.2.1.-Investigacin bsica: Tambin recibe el nombre de investigacin pura,
terica o dogmtica. Se caracteriza porque parte de un marco terico y permanece
en l; la finalidad radica en formular nuevas teoras o modificar las existentes, en
incrementar los conocimientos cientficos o filosficos, pero sin contrastarlos con
ningn aspecto prctico.
2.2.2.-Investigacin aplicada: Este tipo de investigacin tambin recibe el
nombre de prctica o emprica. Se caracteriza porque busca la aplicacin o
utilizacin de los conocimientos que se adquieren. La investigacin aplicada se
encuentra estrechamente vinculada con la investigacin bsica, pues depende de
los resultados y avances de esta ltima; esto queda aclarado si nos percatamos de
que toda investigacin aplicada requiere de un marco terico. Sin embargo, en una
investigacin emprica, lo que le interesa al investigador, primordialmente, son las
consecuencias

prcticas.

Si una investigacin involucra problemas tanto tericos como prcticos, recibe el

nombre de mixta. En realidad, un gran nmero de investigaciones participa de la
naturaleza de las investigaciones bsicas y de las aplicadas.

2.3.-SEGUN EL USO QUE SE PRETENDA DAR AL CONOCIMIENTO:

2.3.1.-Investigacin documental: Este tipo de investigacin es la que se realiza,
como su nombre lo indica, apoyndose en fuentes de carcter documental, esto es,
en documentos de cualquier especie. Como subtipos de esta investigacin
encontramos la investigacin bibliogrfica, la hemerogrfica y la archivstica; la
primera se basa en la consulta de libros, la segunda en artculos o ensayos de
revistas y peridicos, y la tercera en documentos que se encuentran en los
archivos, como cartas, oficios, circulares, expedientes, etctera.
2.3.2.-Investigacin de campo: Este tipo de investigacin se apoya en
informaciones que provienen entre otras, de entrevistas, cuestionarios, encuestas y
observaciones. Como es compatible desarrollar este tipo de investigacin junto a
la investigacin de carcter documental, se recomienda que primero se consulten
las fuentes de la de carcter documental, a fin de evitar una duplicidad de trabajos.
Investigacin experimental. Recibe este nombre la investigacin que obtiene su
informacin de la actividad intencional realizada por el investigador y que se
encuentra dirigida a modificar la realidad con el propsito de crear el fenmeno
mismo que se indaga, y as poder observarlo.
2.4. SEGUN EL LUGAR Y LOS RECURSOS DONDE SE OBTIENE LA
INFORMACION:
2.4.1.-Investigacin exploratoria: Recibe este nombre la investigacin que se
realiza con el propsito de destacar los aspectos fundamentales de una
problemtica determinada y encontrar los procedimientos adecuados para elaborar
una investigacin posterior. Es til desarrollar este tipo de investigacin porque, al
contar con sus resultados, se simplifica abrir lneas de investigacin y proceder a
su consecuente comprobacin.

2.4.2.-Investigacin descriptiva: Mediante este tipo de investigacin, que utiliza

el mtodo de anlisis, se logra caracterizar un objeto de estudio o una situacin
concreta, sealar sus caractersticas y propiedades. Combinada con ciertos
criterios de clasificacin sirve para ordenar, agrupar o sistematizar los objetos
involucrados en el trabajo indagatorio. Al igual que la investigacin que hemos
descrito anteriormente, puede servir de base para investigaciones que requieran un
mayor nivel de profundidad.
2.4.3.-Investigacin explicativa: Mediante este tipo de investigacin, que
requiere la combinacin de los mtodos analtico y sinttico, en conjugacin con
el deductivo y el inductivo, se trata de responder o dar cuenta de los porqus del
objeto que se investiga.
2.5.-SEGN EL PAPEL QUE EJERCE EL INVESTIGADOR SOBRE LOS
FACTORES:
2.5.1.-Investigacin Experimental:
En este tipo de estudio el investigador no solo identifica las caractersticas que se
estudian sino que las controla, las altera o manipula con el fin de observar los
resultados al tiempo que procura evitar que otros factores intervengan en la
observacin.
2.5.2.-Investigacin No Experimental:
Es cuando el investigador se limita a observar los acontecimientos sin intervenir
en los mismos.
2.6.-SEGN EL TIEMPO QUE EJERCE EL INVESTIGADOR SOBRE
LOS FACTORES:
2.6.1.-Investigacin Vertical o Transversal:
Cuando la investigacin apunta a un momento y tiempo definido. Ejemplo: sera
un estudio de grado de desarrollo intelectual segn las teoras de Piaget, entre
nios gemelos que tienen 9 aos de edad.
2.6.2.-Investigacin Horizontal o Longitudinal:
Es cuando la Investigacin se extiende a travs del tiempo dando seguimiento a un
fenmeno. Ejemplo: la investigacin puede consistir en el seguimiento durante 35

10

aos del desempeo intelectual de nios gemelos para identificar el impacto de

factores hereditarios y de factores ambientales.

2.7.-SEGN EL LUGAR DONDE SE DESAROLLA LA INVESTIGACION:

2.7.1.-Investigacin de Campo:
Cuando las condiciones son las naturales en el de los acontecimientos tenemos
una investigacin de campo, como los son las observaciones en un barrio, las
encuestas a los empleados de las empresas, el registro de datos relacionados con
las mareas, la lluvia y la temperatura en condiciones naturales.
2.7.2.-Investigacin de Laboratorio:
En cambio si se crea un ambiente artificial, para realizar la investigacin, sea un
aula laboratorio, un centro de simulacin de eventos, etc. estamos ante una
investigacin de laboratorio.

3.-EXPERIMENTOS:
Un experimento es un procedimiento mediante el cual se trata de comprobar
(confirmar o verificar) una o varias hiptesis relacionadas con un determinado
fenmeno, mediante la manipulacin.
El Experimento es uno de los mtodos bsicos en la investigacin emprica debido
a la importancia que posee la demostracin de las relaciones causales.
Segn Sampier, el experimento cientfico es aquel en que se involucra la
manipulacin intencional de una accin para analizar sus posibles efectos, o sea,
es un estudio de investigacin en que se manipula deliberadamente una o ms
variables independientes (supuesta causa) para analizar las consecuencias de esa
manipulacin sobre una o ms variables dependientes (que es el supuesto efecto)
dentro de una situacin de control para el investigador.
Es un cambio en las condiciones de operacin de un sistema o proceso, que se
hace con el objetivo de medir el efecto del cambio sobre una o varias propiedades
del producto o resultado.

11

UNIDAD EXPERIMENTAL:
Pieza o muestra que se utiliza para generar un valor que sea representativo del
resultado de la prueba.

4.-TIPOS DE EXPERIMENTOS
4.1.-EXPERIMENTOS EXPLORATORIOS:
Segn Hinkelman. K. & Kempthorne. O. (1994), son aquellos en el cual el
investigador est interesado en encontrar los factores que tienen influencia sobre
las ejecuciones de cierto proceso. Por ejemplo, uno puede estar interesado en si el
grado de concentracin de un compuesto qumico, el tiempo de coccin, la
temperatura de horneado, el grado de refrescante, y la cantidad de presin tiene un
efecto ya sea individual y/o conjunto sobre la ruptura de un tipo de plato de
cermica. El procedimiento obvio aqu, es variar los niveles de esos factores y
comparar la ejecucin de las diferentes combinaciones de niveles. Para ejecutar el
experimento muchas decisiones deben tomarse tales como: la seleccin de los
factores y sus niveles, posiblemente seleccionando un subconjunto de todas las
posibles combinaciones; la distribucin experimental que generalmente es
determinada por las condiciones fsicas y las consideraciones; la escogencia de la
medida de la respuesta; y la seleccin del anlisis estadstico ms adecuado para
extraer conclusiones de los objetivos propuestos.
La investigacin experimental es esencialmente de tipo secuencial, un
experimento antecede a otro ganndose cierto conocimiento en el proceso y
proponindose nuevos interrogantes que pueden mejorar los resultados del
proceso experimental. Despus de un experimento de tipo exploratorio,
generalmente sigue un experimento confirmatorio,
4.2.-EXPERIMENTOS CONFIRMATORIOS:

12

Segn Hinkelman. K. & Kempthorne. O.(1994), son aquellos en el cual se trata de

comparar el "mejor" procedimiento encontrado en el experimento exploratorio
con un procedimiento establecido o un producto y "establecer" que el
procedimiento o producto nuevo es mejor que el antiguo. En el experimento
confirmatorio, se puede querer encontrar el mejor para establecer procesos de
control, por ejemplo, sus propiedades estadsticas. Tambin se conoce que las
condiciones pueden cambiar y es importante, establecer la media de respuesta y la
variabilidad asociada con el proceso.
5.-DISEOS DE EXPERIMENTOS:
Se entiende por diseo experimental, el proceso de planeamiento de un
experimento, tal que se tomen datos apropiados con la mayor realidad posible, los
cuales deben ser analizados mediante mtodos estadsticos que deriven
conclusiones vlidas y objetivas. Podemos decir que la filosofa del diseo
experimental es la obtencin de informacin con una alta fidelidad sobre el
mensaje de la naturaleza a un costo mnimo.
Los diseos experimentales deben tener algunas caractersticas como:
1. Simplicidad. La seleccin de los tratamientos y la disposicin
experimental deber hacerse de la forma ms simple posible.
2. Grado de precisin. El experimento deber tener la capacidad de medir
diferencias entre tratamientos con los grados de precisin que desee el
investigador. Para cumplir con este propsito se deber partir de un diseo
y un nmero de repeticiones adecuados.
3. Ausencia de error sistemtico. Se debe planear un experimento con el
propsito de asegurar que las unidades experimentales que reciban un
tratamiento no difieran sistemticamente de aquellas que reciben otro
tratamiento, procurando de esta manera obtener una estimacin insesgada
del efecto de tratamientos.

13

4. Rango de validez de las conclusiones. Este deber ser tan amplio como
sea posible. Los experimentos que contribuyen a aumentar el rango de
validez del experimento son los experimentos replicados y los
experimentos con estructuras factoriales.
5. Clculo del grado de incertidumbre. En todo experimento existe algn
grado de incertidumbre en cuanto a la validacin de las conclusiones. El
experimento deber ser concebido de modo que sea posible calcular La
probabilidad de obtener los resultados observados debido nicamente al
azar.
Un diseo de experimentos debe contemplar las siguientes etapas:

* Enunciado o planteamiento del problema.

*Formulacin de hiptesis.
*Proposicin de la tcnica experimental y el diseo.
*Examen de sucesos posibles y referencias en que se basan las razones
para la indagacin que asegure que el experimento proporcionar la
informacin requerida y en la extensin adecuada.
*Consideracin de los posibles resultados desde el punto de vista de
los procedimientos estadsticos que se aplicarn y para asegurar que se
satisfagan las condiciones necesarias para que sean vlidos estos
procedimientos.
*Ejecucin del experimento.
*Aplicacin de las tcnicas estadsticas a los resultados experimentales.

14

*Extraccin de conclusiones con medidas de la confiabilidad de las

estimaciones generadas. Deber darse cuidadosa consideracin a la validez
de las conclusiones para la poblacin de objetos o eventos a la cual se van
a aplicar.
*Valoracin de la investigacin completa y contrastacin con otras
investigaciones del mismo problema o similares.

Ventajas de los experimentos diseados estadsticamente.

1.

Se requiere una estrecha colaboracin entre los estadsticos y el

investigador o cientficos con las consiguientes ventajas en el anlisis
e interpretacin de las etapas del programa.

2.

Se enfatiza respecto a las alternativas anticipadas y respecto a la preplaneacin sistemtica, permitiendo aun la ejecucin por etapas y
la produccin nica de datos tiles para el anlisis en combinaciones
posteriores.

3.

Debe enfocarse la atencin a las interrelaciones y a la estimacin y

cuantificacin de fuentes de variabilidad en los resultados.

4.

El nmero de pruebas requerido puede determinarse con certeza y a

menudo puede reducirse.

5.

La comparacin de los efectos de los cambios es ms precisa debido a la

agrupacin de resultados.

6.

La exactitud de las conclusiones se conoce con una precisin

matemticamente definida.

15

Desventajas de los experimentos diseados estadsticamente.

1.

Tales diseos y sus anlisis, usualmente estn acompaados de enunciados

basados en el leguaje tcnico del estadstico. Sera significativos a la
generalidad de la gente, adems, el estadstico no debera subestimar
el valor de presentarnos los resultados en forma grfica. De hecho, siempre
debera considerar a la representacin grfica como un paso preliminar de
un procedimiento ms analtico.

2.

Muchos diseos estadsticos, especialmente cuando fueron formulados por

primera vez, se han criticado como demasiado caros, complicados y que
requieren mucho tiempo. Tales crticas, cuando son vlidas, deben aceptarse de
buena fe y debe hacerse un intento honesto para mejorar la situacin, siempre
que no sea en detrimento de la solucin del problema.

6.-RELACION

DE LA ESTADISTICA

Y EL METODO

CIENTIFICO.
Podemos definir Estadstica como la ciencia de los datos. La palabra ciencia viene
del latn scientia que significa conocimiento. El mtodo cientfico es un
conjunto de principios y procedimientos para la bsqueda sistemtica del
conocimiento.
La Estadstica se enmarca dentro del mtodo que utilizan las Matemticas en su
desarrollo como Ciencia, este es, el mtodo cientfico.
El mtodo cientfico representa una estrategia ordenada y sistemtica de
actuacin en la realizacin de un estudio o investigacin.
Los pasos que se pueden diferenciar en la aplicacin del mtodo cientfico, son los
siguientes:

Planteamiento de un Problema o Cuestin

Formulacin de una Hiptesis
Eleccin de un diseo de investigacin
(Diseo maestral, diseo de recogida de datos)

16

Definicin operativa de las variables de la Hiptesis

Recogida de datos
Procesamiento de los Datos
Anlisis estadstico de los datos
Interpretacin de los Resultados

La Estadstica como eslabn en el proceder del mtodo cientfico, nos va a

permitir satisfacer el objetivo de resumir y transmitir de un modo comprensible la
informacin procedente de datos empricos (estadstica descriptiva as como,
cuando sea oportuno, generalizar a partir de la informacin recogida de un
conjunto reducido de sujetos a una poblacin ms amplia a la que stos
representan (Estadstica Inferencial).
El mtodo cientfico es un procedimiento iterativo de aprendizaje. No podemos
tener certeza de la veracidad de las teoras que probemos usando el mtodo
cientfico, eso es inherente a la ciencia.
La ciencia est, por lo tanto, todo el tiempo revisando sus teoras. La Estadstica
no es un conjunto de diferentes tcnicas aisladas unas de otras, sino que la
Estadstica, en conjunto con el mtodo cientfico, nos entrega un procedimiento
analtico para tomar decisiones.

7.-TRATAMIENTOS:
Se denomina tratamientos al conjunto de poblaciones estudiadas y/o acciones
realizadas sobre las unidades experimentales. Si el experimento es unifactorial, los
tratamientos son los distintos niveles del factor. Si el experimento es
multifactorial (ms de un factor) los tratamientos surgen de la combinacin de los
niveles de los factores intervinientes. Por ejemplo, si se prueba el factor
temperaturas con tres niveles, (100, 110 y 120 )C, los tratamientos son las tres
temperaturas. Si en esta experiencia adems se evala el factor tipo de horno con
tres niveles, elctrico (E), a gas (G) y a lea (L), se tendr un total de 9
tratamientos que surgen de la combinacin de los niveles de los dos factores,
temperatura y tipo de horno. Los tratamientos entonces sern: E-100, E-110, E120, G-100, G-110, G-120, L-100, L-110 y L-120.

17

7.1.-Repeticin:
Se denomina repeticin a cada una de las realizaciones independientes de un
tratamiento.
Se denomina corrida a la realizacin de una repeticin de todos los tratamientos.
Otras veces se usa el termino replica para referirse a una repeticin de todo el
experimento.
7.2.-Pseudo-repeticion:
Se denomina Pseudo-repeticin a cada una de las realizaciones no independientes
de un tratamiento. En algunas reas se denominan submuestras.
7.3.-Confundimiento:
Se dice que hay confundimiento cuando la comparacin entre los niveles de un
factor puede representar tambin la comparacin entre los niveles de otro factor.
As ser imposible conocer cul es el factor que podra estar causando las
diferencias observadas. Por ejemplo, si se desea probar el efecto de dos dietas A y
B y se asigna la dieta A a un conjunto de varones tomados al azar y la dieta B a un
conjunto de mujeres tomadas al azar. Si al cabo de un tiempo se observa la
diferencia de peso respecto al peso inicial, no se podr determinar si las
diferencias se deben al efecto del factor dieta o al efecto del factor sexo. En tal
caso se dice que los efectos de dieta y sexo estn confundidos. El confundimiento
se podra evitar con la simple aleatorizacin de las dietas en las unidades
experimentales (individuos sin distincin de sexos) o la aleatorizacin de las
dietas dentro de cada uno de los sexos (recomendable si se espera que el sexo
tenga efecto sobre la diferencia de peso).
Cuando se realiza un ANOVA (o test T) con pseudo-repeticiones nicamente, los
efectos de los tratamientos pueden estar confundidos con variaciones en las
unidades experimentales que, al no estar repetidas, no pueden distinguirse. Por
ejemplo, si se estudia la cantidad de especies vegetales de dos reas contiguas, una
que fue hace aos arrasada por el fuego y otra que no, se pueden obtener pseudorepeticiones de los tratamientos (fuego y no fuego). Si se hace una prueba con

18

estos datos no se podr saber si las diferencias se deben al efecto del fuego o a que
las reas contiguas tenan diferencias entre s ms all del fuego.
7.4.-Control y testigo :
Usualmente se denomina control al nivel del factor tratamiento que representa
ausencia de tratamiento. Es comn ver en experimentos UE a las que no se le
aplican los tratamientos de inters. El objetivo es comparar los efectos de
tratamientos descontando variaciones debidas a la manipulacin experimental. Por
ejemplo, en un estudio involucrando varias dosis de fertilizantes el rendimiento
observado bajo los distintos tratamientos podra deberse a la dosis de fertilizante
pero tambin a las condiciones experimentales que no son en las que
habitualmente se observa el rendimiento (siembra a mano, riego con regadera,
etc.). Luego si no se incorpora un control (sin fertilizar) ser difcil discernir
cunto de lo observado se debe a la fertilizacin.
Se denomina testigo al tratamiento tradicional que se desea comparar con nuevos
tratamientos. Por ejemplo, para evaluar tres nuevas variedades de trigo en cuanto
a su rendimiento, se podra incluir la variedad tradicional como testigo, de manera
de poder comparar los rendimientos de las nuevas versus el testigo bajo las
mismas condiciones experimentales.
7.5.-Aleatorizacin:
En diseo y anlisis de experimentos hay dos etapas importantes de
aleatorizacin. La primera se relaciona con la necesidad de contar con unidades
experimentales que representen una muestra aleatoria de la poblacin de UE. La
segunda aleatorizacin es la que se realiza para asignar los distintos tratamientos
en las UE o viceversa. Esta es una condicin necesaria para que la estimacin de
los parmetros de inters no est sesgada.

8.-FACTORES:
Son todas las fuentes de variacin reconocidas a priori por el investigador (no
incluye el error experimental). Cada uno de los valores que asume un factor se
denomina nivel. Por ejemplo, la temperatura de coccin del pan es un factor y las

19

diferentes temperaturas evaluadas son los niveles. Los factores pueden ser de
inters del investigador (cuando se desea hacer inferencia sobre ellos) o
simplemente pueden ser reconocidos como una fuente de variacin que de no
contemplarse disminuye la precisin de las comparaciones de inters (factores de
bloqueo).
En cualquiera de estos casos, los efectos de los factores pueden ser de naturaleza
fija o aleatoria. Por ejemplo, las temperaturas de coccin del pan se pueden fijar
en 100, 110 y 120 grados o elegirse al azar temperaturas entre 100 y 120 grados.
Los factores de efectos fijos se utilizan cuando todos los niveles del factor que son
de inters se incluyen en el estudio. La extrapolacin de las conclusiones
estadsticas ms all de los niveles especificados hacia otros niveles no tiene
sustento estadstico. Los modelos lineales basados en variables predictoras
categricas fijas (factores fijos) se denominan modelos de efectos fijos. Cuando
en el modelo se incluyen efectos aleatorios, es decir, se incluye en el experimento
una muestra aleatoria de posibles niveles del factor, se denomina modelo de
efectos aleatorios. Las inferencias generalmente se orientan hacia todos los
posibles grupos o niveles del o los factores de efectos aleatorios. A pesar que la
distincin entre factores de efectos fijos o aleatorios no afecta el procedimiento de
ajuste del modelo de ANOVA ni el contraste de hiptesis, en el modelo a una va
de clasificacin, las hiptesis que se contrastan son fundamentalmente diferentes.
En el caso de efectos fijos se contrastan hiptesis sobre igualdad de medias de
tratamiento. En el caso de efectos aleatorios, se contrastan hiptesis sobre la
varianza de los niveles del factor. Cuando se combinan efectos fijos y aleatorios se
est en presencia de un modelo mixto.
Cuando se estudia un solo factor se dice que el experimento es unifactorial ya que
los tratamientos consisten en aplicar distintos niveles de un mismo factor. Si en
cambio un tratamiento consiste en la combinacin de niveles de 2 o ms factores,
entonces se dice que el experimento es un experimento con estructura factorial de
tratamientos.
8.1.-TIPO DE FACTORES:
Los factores estudiados pueden ser de naturaleza cuantitativa o cualitativa.

20

8.1.1.Factores de naturaleza Cuantitativa: Un ejemplo del primer caso es

cuando se estudian dosis de fertilizantes en un cultivo.
8.1.2.-Factores de naturaleza Cualitativa:Un ejemplo es el cultivar o variedad
agrcola donde sus niveles son los distintos cultivares evaluados.
9.-ERROR EXPERIMENTAL:
Este error est compuesto por los errores de tratamiento, de muestreo y de
medicin y aunque en la prctica generalmente son indistinguibles, es importante
reconocerlos para tratar de minimizarlos. En el ANOVA, el error experimental es
un estimado de 2 y por lo tanto mantener en niveles bajo los errores que lo
componen harn ms eficientes las comparaciones de inters.
9.1.-Error de Tratamiento: Es el error que se podra cometer al no poder aplicar
el mismo tratamiento de manera exactamente igual en las unidades experimentales
(UE) que le fueron asignadas.
9.2.-Error de medicin: Error relacionado a la obtencin del dato. Podra ser
introducido por parte del operario que obtiene el dato o por el instrumento de
medicin.
9.3.-Error de Muestreo: Est relacionado con la variacin de las UE que es de
esperar exista aun cuando toda otra fuente de variacin se encuentre controlada.
Su magnitud depende de la heterogeneidad de las UE.
El error de tratamiento se controla con un buen protocolo de aplicacin de los
tratamientos, el error de medicin, con la capacitacin del personal y la eleccin
de buenos aparatos de medida. El error de muestreo, se controla mediante un
proceso de aleatorizacin que contemple la estructura de las unidades
experimentales, es decir asegurarse que todos los tratamientos estn representados
en todos los grupos o bloques de unidades experimentales.

10.-UNIDAD EXPERIMENTAL :
Es la mnima porcin del material experimental sobre el cual un tratamiento puede
ser realizado. La unidad experimental (UE) puede ser una parcela de terreno, una
maceta, un animal, el conjunto de alumnos de un curso, etc. Pueden ser unidades

21

naturales como en el caso de una persona, un automvil, una planta o unidades

artificialmente delimitadas como en el caso de una parcela de terreno, una
cantidad de agua, etc.
10.1.-Unidad de Muestreo Observacional
Es la porcin de la unidad experimental que se mide u observa. En muchos
estudios, la unidad experimental coincide con la unidad observacional, pero en
otros, una unidad experimental puede representar un conjunto de unidades
observacionales. Cuando en un estudio se registran dos o ms variables, la unidad
observacional puede ser distinta para cada una de ellas. Por ejemplo, si la unidad
experimental es una parcela con plantas de trigo, se puede registrar la variable
rendimiento sobre toda la parcela y la variable nmero de espigas por planta sobre
algunas plantas de la parcela. As, las unidades de observacin son distintas para
estas variables.Es decir es aquella fraccin de la unidad experimental sobre la
cual se mide el efecto del tratamiento. Hay que aclarar que el muestreo de
observaciones no implica replicacin. Por ejemplo, si a 50 gallinas se les enjaula
juntas y se les alimenta con la misma racin, las UE son las 50 gallinas. Se
necesitan otras jaulas de 50 gallinas antes de poder medir la variacin entre
unidades tratadas en forma semejante. Esto es cierto an si una medida como el
peso del cuerpo se mide en cada gallina en forma individual.

11.-PRINCIPIOS
EXPERIMENTOS:

BASICOS

DE

DISEOS

DE

Para Tapia (2012), al planificar un experimento hay tres principios bsicos que se
deben tener siempre en cuenta:
1.- El principio de aleatorizacin.
2.-El bloqueo.
3.- La factorizacin del diseo.

22

Los dos primeros (aleatorizar y bloquear) son estrategias eficientes para asignar
los tratamientos a las unidades experimentales sin preocuparse de qu
tratamientos considerar. Por el contrario, la factorizacin del diseo define una
estrategia eficiente para elegir los tratamientos sin considerar en absoluto como
asignarlos despus a las unidades experimentales.
11.1.-Aleatorizar :
Aleatorizar todos los factores no controlados por el experimentador en el diseo
experimental y que pueden influir en los resultados sern asignados al azar a las
unidades experimentales.

Ventajas de aleatorizar los factores no controlados:

Transforma la variabilidad sistemtica no planificada en variabilidad no
planificada o ruido aleatorio. Dicho de otra forma, aleatorizar previene contra la
introduccin de sesgos en el experimento.
Evita la dependencia entre observaciones al aleatorizar los instantes de recogida
maestral.
Valida muchos de los procedimientos estadsticos ms comunes.
11.2.-Bloquear :
Se deben dividir o particional 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.

23

A diferencia de lo que ocurre con los factores tratamiento, el experimentador no

est interesado en investigar las posibles diferencias de la respuesta entre los
niveles de los factores bloque.
Bloquear es una buena estrategia siempre y cuando sea posible dividir las
unidades experimentales en grupos de unidades similares.
La ventaja de bloquear un factor que se supone que tienen una clara influencia en
la respuesta pero en el que no se est interesado, es la siguiente:
Convierte la variabilidad sistemtica no planificada en variabilidad sistemtica
planificada.
Con el siguiente ejemplo se trata de indicar la diferencia entre las estrategias de
aleatorizar y de bloquear en un experimento.
Ejemplo:
Se desea investigar las posibles diferencias en la produccin de dos mquinas,
cada una de las cuales debe ser manejada por un operario.
En el planteamiento de este problema la variable respuesta es la produccin de
una mquina (en un da), el factor-tratamiento en el que se est interesado es el
tipo de mquina que tiene dos niveles y un factor nuisance es el operario que
maneja la mquina. En el diseo del experimento para realizar el estudio se
pueden utilizar dos estrategias para controlar el factor operario que maneja la
mquina.
Aleatorizar: se seleccionan al azar dos grupos de operarios y se asigna al azar
cada grupo de operarios a cada una de las dos mquinas. Finalmente se evala la
produccin de las mismas.

24

Bloquear: se introduce el factor-bloque operario. Se elige un nico grupo de

operarios y todos ellos utilizan las dos mquinas.
Qu consideraciones se deben tener en cuenta al utilizar estas dos estrategias?
Qu estrategia es mejor?
11.3.-La factorizacin del diseo:
Un diseo factorial es una estrategia experimental que consiste en cruzar los
niveles de todos los factores tratamiento en todas las combinaciones posibles.
Ventajas de utilizar los diseos factoriales:
Permiten detectar la existencia de efectos interaccin entre los diferentes
factores tratamiento.
Es una estrategia ms eficiente que la estrategia clsica de examinar la influencia
de un factor manteniendo constantes el resto de los factores.

12.-SISTEMA DE VARIABLES:
Se pueden definir como todo aquello que se va a medir, controlar y estudiar en
una investigacin o estudio. La capacidad de poder medir, controlar o estudiar una
variable viene dado por el hecho de que ella vara, y esa variacin se puede
observar, medir y estudiar. Por lo tanto, es importante, antes de iniciar una
investigacin, que se sepa cules son las variables que se desean medir y la
manera en que se har.
Considerando que Variable viene definida como una caracterstica medible de una
unidad experimental.

25

Las variables deben ser susceptibles de medicin. De este modo una variable es
todo aquello que puede asumir diferentes valores.
12.1.-SEGN SU NATURALEZA LAS VARIABLES PUEDEN SER :
12.1.1.--Cuantitativas: son

aquellas

que

se

expresan

en

valores

o datos numricos.
12.1.2.-Cualitativas: son caractersticas o atributos que se expresan de forma
verbal es decir, mediante palabras. Estas pueden ser:
12.1.2.1.-. Dicotmicas: se presentan en slo dos clases o categoras. Por ejemplo:
Gnero: masculino o femenino; tipos de Instituciones: pblicas o privadas;
procedencia de un producto: nacional o importado; tipos de vehculos: automtico
o sincrnico.
12.1.2.2.- Policotmicas: se

manifiestan

en

ms

de

dos

categoras.

Ejemplo: marcas de artefactos, colores de tinta, tipos de empresas, clases sociales.

12.1.3.-Conceptual: es de ndole terica.
12.1.4.-Operacional: da las bases de medicin y la definicin de los indicadores.
12.2.- TIPOS DE VARIABLES
12.2.1.-Independiente: Es aqulla que el experimentador modifica a voluntad
para averiguar si sus modificaciones provocan o no cambios en las otras variables.
12.2.2.-Dependiente: Es la que toma valores diferentes en funcin de las
modificaciones que sufre la variable independiente. Variable controlada es la que
se mantiene constante durante todo el experimento.
12.2.3.-Interviniente: Son aquellas caractersticas o propiedades que de una
manera u otra afectan el resultado que se espera y estn vinculadas con las
variables independientes y dependientes.
12.2.4.-Moderadora: Segn Tuckman: representan un tipo especial de variable
independiente, que es secundaria, y se selecciona con la finalidad de determinar si
afecta la relacin entre la variable independiente primaria y las variables
dependientes.
12.2.5.-Continuas: Son aquellas que pueden adoptar entre dos nmeros puntos de
referencias intermedio. Las calificaciones acadmicas (10.5, 14.6, 18.7, etc.)

26

12.2.6.-Discretas: Son aquellas que no admiten posiciones intermedias entre dos

nmeros. Ej., en Barinas la divisin de territorial la constituyen 11 municipios por
no (10.5 u 11.5 municipios).
12.2.7.-Variables de Control: Segn Tuckman: La define como esos factores que
son controlados por el investigador para eliminar o neutralizar cualquier efecto
que podran tener de otra manera en el fenmeno observado.

13.-DISEOS CLASICOS EXPERIMENTALES:

La observacin y la experimentacin son la base en que se apoya el investigador
para el estudio de fenmenos de su inters, presentes en la naturaleza. Mediante la
observacin describe el fenmeno con todas las circunstancias que lo rodean, no
pudiendo atribuir sus efectos a una causa especfica. Con la ayuda de la
experimentacin estudia dichos fenmenos en forma ms controlada, aislando
aquellos factores que pudieran enmascarar el efecto que ocasiona la causa de su
inters sobre dicho fenmeno.
En el estudio experimental de un fenmeno se plantea una hiptesis, para cuya
prueba disea un procedimiento de ejecucin, que denomina diseo del
experimento. Esta hiptesis, al ser probada requiere generalizarla a un espectro
ms amplio que aquel de su experimento, asocindole una medida de probabilidad
o confiabilidad. Este es el caso de los diseos experimentales, cuya metodologa
es ampliamente usada en la investigacin para la comparacin de efectos de
diferentes factores o tratamientos.
Un diseo experimental debe adecuarse al material experimental con que se
cuenta y a la clase de preguntas que desea contestarse el investigador. Sus
resultados se resumen en un cuadro de Anlisis de Varianza y en una tabla de
comparacin de medias de tratamientos que indica las diferencias entre dichas
medidas. El anlisis de varianza proporciona la variacin de la variable de inters
en fuentes explicables por algunos factores o tratamientos y en aquella para la cual

27

el investigador no tiene control, no puede medir y no le es posible explicar o

atribuir a algn factor en particular, constituyendo el error experimental. Por
ejemplo: si se realiza un experimento en el cual se estudie el uso de los
aminocidos en raciones para pollos en crecimiento y se mide la ganancia de peso,
la variacin de dicha ganancia puede descomponerse en fuentes de variacin
conocidas, atribuibles al distinto nivel de aminocidos usando las raciones y las
fuentes de variacin desconocidas o error. Esta particin de la varianza se hace al
travs de la suma de cuadrados asociados a sus respectivos grados de libertad
(nmero de comparaciones linealmente independientes). La realizacin de un
Anlisis de la varianza presupone la aditividad de los errores, la homogeneidad de
varianza de las poblaciones de tratamientos y la independencia y distribucin
normal de los errores.
Un diseo experimental es una regla que determina la asignacin de las unidades
experimentales a los tratamientos. Aunque los experimentos difieren unos de otros
en muchos aspectos,existen diseos estndar que se utilizan con mucha
frecuencia. Algunos de los ms utilizadosson los siguientes:
13.1.-DISEOS COMPLETAMENTE ALEATORIZADO (D.C.A.)
El experimentador asigna las unidades experimentales a los tratamientos al azar.
La nica restriccin es el nmero de observaciones que se toman en cada
tratamiento. De hecho, si ni es el nmero de observaciones en el i-simo
tratamiento, i = 1,. . ., I,entonces, los valores n1, n2, . . . , nI determinan por
completo las propiedades estadsticas del diseo. Naturalmente, este tipo de
diseo se utiliza en experimentos que no incluyen factores bloque.
El modelo matemtico de este diseo tiene la forma:
Respuesta = Constante + Efecto Tratamiento + Error
Este diseo consiste en la asignacin de los tratamientos en forma completamente
aleatoria a las unidades experimentales (individuos, grupos, parcelas, jaulas,
animales, insectos, etc.). Debido a su aleatorizacin irrestricta, es conveniente que
se utilicen unidades experimentales de lo ms homogneas posibles: animales de

28

la misma edad, del mismo peso, similar estado fisiolgico; parcelas de igual
tamao, etc., de manera de disminuir la magnitud del error experimental,
ocasionado por la variacin intrnseca de las unidades experimentales. Este diseo
es apropiado para experimentos de laboratorio, invernadero, animales de bioterio,
aves, conejos, cerdos, etc., es decir, situaciones experimentales como de las
condiciones ambientales que rodean el experimento.
Este diseo es el ms utilizado en la experimentacin con animales, asocindole la
tcnica del anlisis de covarianza y arreglos de tratamiento de tipo factorial.
13.1.1.-Aleatorizacin
Para ejemplificar el proceso de aleatorizacin irrestricta de los tratamientos a las
unidades experimentales, considrese la prueba de cuatro tratamientos, cada uno
de ellos con cinco repeticiones. El proceso mencionado podra realizarse
formando cuatro grupos de tarjetas, representando cada uno de ellos a un
tratamiento en particular, digamos T1, repetido cinco veces, y as T2, T3 y T4.
Posteriormente mzclense las tarjetas en una urna y extraiga una tarjeta al azar,
asignando el tratamiento correspondiente a un animal, terreno, maceta, jaula o
grupo de animales en que consista cada unidad experimental. Reptase el
procedimiento sin reemplazo hasta terminar su asignacin.
13.1.2.-Modelo estadstico asociado al diseo:
i = 1,2,3,..., t
j = 1,2,3,..., n

Donde:
= Variable respuesta en la i-sima repeticin del j-simo tratamiento.
= Media general

29

= Efecto del tratamiento j.

= Error aleatorio, donde

Anlisis de Varianza para el modelo

Las hiptesis que se proponen son las siguientes:

Ho:
VS
Ha: al menos un efecto de un tratamiento es diferente de los dems.
Fuentes

de Grados

Variacin (F.V.)

de Suma

Libertad (G.L.) Cuadrados

(S.C.)

Tratamientos

Error

Total

t-1

de Cuadrados
Medios (C.M.)

F0

30

http://colposfesz.galeon.com/disenos/teoria/dca/dca.htm

13.2.-DISEO EN BLOQUE O CON UN FACTOR (D.B.A.)

Este es el ms simple y quizs el ampliamente usado de los diseos de bloques al
azar que es definido por Hinkelman(1994) as: El material experimental es
dividido en

grupos de

unidades experimentales (UE) cada uno, donde

es

el nmero de tratamientos, tales que las UE dentro de cada grupo son lo ms

homognea posible y las diferencias entre las UE sea dada por estar en diferentes
grupos. Los conjuntos son llamados bloques. Dentro de cada bloque las UE son
asignadas aleatoriamente, cada tratamiento ocurre exactamente una vez en un
bloque.
Si la variacin entre las UE dentro de los bloques es apreciablemente pequea en
comparacin con la variacin entre bloques, un diseo de bloque completo al azar
es ms potente que un diseo completo al azar.
13.2.1.-Modelo Estadstico.
Para este diseo el modelo lineal est dado por:

Donde

es la media global de los tratamientos,

es el efecto del

tratamiento el cual es constante para todas las observaciones dentro

del

tratamiento,

es

el efecto del

bloque,

es

el

trmino del error aleatorio, el cual se distribuye normal e independiente con media
0 y varianza

. Las restricciones del modelo son

31

Estimacin de parmetros
Al aplicar el mtodo de mnimos cuadrados, se obtiene como estimador de los
parmetros

13.2.2.-Tabla de Anlisis de Varianza.

La tabla de anlisis de varianza para este diseo se presenta a continuacin:
Tabla . Anlisis de varianza para un diseo de bloques completos al azar
Valor
Causa de
variacin

Grados de Suma de
libertad
cuadrados

Cuadrado
Medio

de
cuadrados
medios

Tratamientos
Bloques
Error

esperado

32

Valor
Causa de
variacin

Grados de Suma de
libertad
cuadrados

Cuadrado
Medio

esperado

de
cuadrados
medios

Total

Para contrastar las hiptesis de no efectos de tratamientos

Se puede utilizar el cociente

ya que si
que

es cierta

y as

es un estimador insesgado de

un estimador de

, lo cual quiere decir

y como adems

es tambin

entonces de tienen dos estimadores insesgados de

tanto su cociente deber ser un valor estadsticamente cercano a 1.

13.2.3.-Supuestos del modelo
El residual en un diseo de bloques completos al azar es dado por

Los supuestos del modelo son:

y por

33

El modelo es aditivo, es decir no existe interaccin entre bloques y

tratamientos.
Las variables aleatorias error

se distribuyen normal con media cero.

Las variables aleatorias error

son no correlacionadas(independientes)

Otra manera de enunciar los supuestos es:

. Los efectos de tratamientos y bloques son aditivos; las respuestas dentro de los
bloques tienen la misma tendencia con respecto a los efectos de los tratamientos.
Las observaciones en las
1 de cada una de las

celdas constituyen muestras aleatorias de tamao

poblaciones Todas las

poblaciones son normalmente

distribuidas,
Las varianzas de cada una de las

poblaciones son iguales

Si la primera condicin se tiene se dice que los efectos de bloques y tratamientos

no interactan y una prueba para la no aditividad es debida a Tukey(1949) y
Ascombe.
13.2.4.-Validacin de los supuestos del Modelo.
Antes de conocer los mtodos de validacin de supuestos es importante hacer las
siguientes observaciones:
1. La desviacin relativamente grande del supuesto de homogeneidad de varianzas
tiene muy poco efecto sobre el nivel de significancia, aunque este puede ser
mayor que el nivel dado, el poco efecto es debido a que los tratamientos son
igualmente replicados.

34

2. La no aditividad puede ser ms seria ya que puede aumentar el estimado del

error experimental (CM

resultando en posibles fallas para detectar diferencias

reales de los tratamientos.

3. Antes de probar cualquier supuesto se debe asegurar que no existan valores
outlier en los datos. Algunos trabajos han venido desarrollndose para detectar
outlier, es decir, un valor atpico, una observacin que es numricamente distante
del resto de los datos, en clasificaciones a dos vas que incluyen el DBC. Cuando
el diseo tiene residuales con varianza comn, como podra ser el caso de diseos
balanceado, la mejor prueba para detectar un solo outlier es basada en el mximo
residuo normalizado (MRN)
Stefansky (1972) describe un mtodo general para calcular valores crticos del
MRN y provee tablas para el caso de dos vas de clasificacin con una
observacin por celda. Para algunos valores de

solamente acotados para

valores crticos pueden ser obtenidos. Esas tablas son reproducidas en Martin
Tablas C- 6a y C- 6b. Las clasificaciones filas y columnas son intercambiables.
El mximo residuo normalizado es dado por:

Donde:

es el mayor residual en valor

absoluto. Si este valor excede el valor crtico de tabla, la observacin es declarada

como un outlier potencial. Estas deben ser localizadas y examinadas para buscar
causas asignables. La eliminacin arbitraria de valores extremos debe evitarse.
13.2.5.-Homogeneidad de varianza

35

La prueba grfica de igualdad de varianza es graficar los residuales contra los

valores predichos (

si existe algn patrn especial que

muestre mayor dispersin para un lado de la grfica se puede decir que no hay
homogeneidad de varianza.
Las pruebas analticas para igualdad de varianza dadas por el DCA no son
aplicables a bloques ya que no se tienen estimadores independientes de las
varianzas de los tratamientos. Existen algunos procedimientos, pero quiz el ms
simple es el desarrollado por Han (

. Esta prueba es especialmente para un

DBC y asume:
Las poblaciones muestreadas sean normalmente distribuidas.
Los errores son igualmente correlacionados dentro de los bloques, pero son
independientes entre bloques.
La prueba estadstica es:

Donde el estimado de la varianza para el tratamiento

es:

36

Donde

es el nmero de bloques y los

son los residuales en el tratamiento .

Note que la varianza no es calculada directamente de los datos, por ello la no

independencia de las varianzas. Observe que para el clculo de la varianza del
tratamiento 1 utiliza a la medias de los bloques,

, y para el

tratamiento 2 utiliza tambin a a la medias de los bloques

Los valores crticos de la prueba estadstica son basados sobre puntos de

porcentaje de la distribucin rango estudentizado

en vez de la distribucin

Fmax.
Se

rechaza

la

hiptesis

varianzas

si

porcentaje de

de

homogeneidad

de

de

Los

puntos

han sido tabulados por Harter (1960) y pueden ser obtenidos

en la tabla C-7 de Martin.

13.2.6.-La Aditividad del Modelo.
Este es un problema ms serio que la homogeneidad de varianzas. Cuando no
existe aditividad el estimado del error experimental es inflado resultando as un
sesgo negativo para la prueba de tratamientos. Aunque una prueba

significante

para tratamientos implicara diferencias entre las medias de los tratamientos, una
prueba

no significantiva no necesariamente implica que no hay efecto de las

medias de los tratamientos.

Para detectar la no aditividad grficamente, se debe realizar un grfico de
dispersin entre los residuales (eje Y) y los valores predichos (eje X). Una
tendencia cuadrtica en el grfico indica la presencia de no aditividad
transformable, esto es, no aditividad que puede ser removida por la aplicacin de
una transformacin. Para determinarla naturaleza de la no aditividad, considere el
modelo para el diseo de bloques completos al azar con interaccin

37

Donde

es la componente de interaccin (no aditividad). Existe aditividad

cuando se cumple que

para todo

y .

TUKEY(1949a), desarroll una prueba de un solo grado de libertad para

determinar si existe el efecto de interaccin, asumiendo un modelo de la forma

Es decir, este procedimiento supone que la forma de interaccin es

particularmente simple o sea

Donde

es una constante desconocida.

Note que cada celda contiene exactamente

observaciones que en el caso de

bloques completos es una. Si se define la interaccin de esta forma, puede usarse

el mtodo de regresin para probar la significancia de este trmino, al probar la
hiptesis

La tabla de ANOVA es dada por:

Causa de
variacin

Grados de
Libertad

Suma de
cuadrados

Tratamientos

t-1

SC

Bloques

b-1

SC

C.M

38

Causa de
variacin

Grados de
Libertad

Residual

(t-1)(b-1)

Error

(t-1)(b-1)-1

No aditividad

TOTAL

N-1

Suma de
cuadrados

C.M

SC
SC

Ascombe (1961) propuso una prueba general que puede ser usada para cualquier
modelo lineal, incluyendo modelos de regresin

Donde

es dado en la instruccin

39

Qu hacer si no se cumple el supuesto de aditividad?

Cuando no se cumple del supuesto de aditividad se pueden presentar los
siguientes problemas: si el investigador quiere comparar y hacer recomendaciones
sobre los tratamientos, la presencia de interaccin entre los bloques y los
tratamientos implica que tales comparaciones no son la misma para todos los
bloques. Por consiguiente hacer comparaciones de la manera usual; por medio de
las medias de tratamientos

, puede representar una idea equivocada. Tambien,

como lo mostr Kempthorne (1952, Seccin 8.3), con la no aditividad no es

posible obtener un ``razonable'' error estndar para la comparacin de los
tratamientos. Y finalmente, la no aditividad en una tabla a dos vas puede ser
debido a interaccin o a la no homogeneidad de varianzas.
Cmo guiarse para la construccin de bloques?
Cuando un experimento se realiza por primera vez, la intuicin basada en
el conocimiento de la materia es la nica gua para decidir si realizar o no la
construccin de bloques. Pero una vez realizado el experimento inicial, puede
efectuarse una valoracin de efectividad para la construccin de bloques de
manera que puedan disearse eficazmente estudios futuros. El criterio para crear
bloques es maximizar la variacin entre bloques pero manteniendo la
homogeneidad dentro de los bloques.En este diseo el experimentador agrupa las
unidades experimentales en bloques, a continuacin determina la distribucin de
los tratamientos en cada bloque y, por ltimo, asigna al azar las unidades
experimentales a los tratamientos dentro de cada bloque. En el anlisis estadstico
de un diseo en bloques, stos se tratan como los niveles de un nico factor de
bloqueo, aunque en realidad puedan venir definidos por la combinacin de niveles
de ms de un factor nuisance.

40

13.3.-DISEO CUADRADO LATINO (D.C.L.).

Suponga que se desea determinar el efecto diferencial entre cinco lotes de materia
prima que provienen de cinco proveedores y denotadas respectivamente por las
letras A, B, C, D y E, y que nos interesa conocer si lo cinco materiales son
diferentes en cuanto a sus efectos sobre la calidad de la produccin.
Supongamos que la operacin de manufactura consiste en el procesado de la
materia prima en ciertas mquinas y que al realizar las pruebas se deben
considerar las mquinas al igual que las materias primas. A menos que se conozca
que las mquinas difieren poco, es evidente que un diseo experimental falso sera
utilizar cada materia prima en cinco mquinas diferentes. En tal caso no se podra
conocer si la diferencia se debe a la materia prima o a la diferencia entre
mquinas. En otras palabras el efecto de mquinas resultara confundido con el
efecto de materia prima y los dos no se podran separar.
Si se disea un experimento bajo un DCA, se seleccionara una muestra aleatoria
de

mquinas y se formaran cinco grupos de mquinas y en cada grupo se

utilizara cada tipo de material. La desventaja de este diseo sera que la

variabilidad de las mquinas se mezcla contribuira al error experimental,
pudiendo as disminuir la eficiencia del diseo.
Si se detecta que las mquinas difieren una de otra, entonces se podra tratar de
aplicar un diseo de bloques al azar, aplicando en cada mquina cada una de las
materias primas de manera aleatoria.
Pero es posible que la varianza del error experimental se pueda reducir ms
mediante una agrupacin doble que utilizando una agrupacin sencilla. Un diseo
ms eficaz se podra obtener si el producto se agrupa tanto por mquinas como
por operadores. Un diseo especial de agrupamiento doble es el denominado
cuadrado latino.

41

Un cuadrado latino es un arreglo usado para remover la heterogeneidad del

material experimental en dos direcciones en estos arreglos se requiere que el
nmero de rplicas sea igual al nmero de tratamientos.
13.3.1.-Definicin.
Un cuadro latino es un arreglo de
cuadrado de filas y

smbolos en

celdas arregladas en un

columnas, tal que todo smbolo aparece una sola vez en

cada fila y en cada columna. El trmino

se conoce como el orden del cuadro

latino. En el cuadrado latino las materias primas se asignan en forma aleatoria,

sujetas a la restriccin de que cada materia prima se utiliza una vez en cada
mquina y una vez por cada operador.
13.3.2.-Tipos de Diseo Cuadrado Latino.
13.3.2.1.-Diseo Cuadrado latino.
13.3.2.2.-Rectngulo latino. El nmero de columnas es menor que el
nmero de filas y tratamientos.
13.3.2.3.-Diseo cuadrado latino incompleto (Cuadrado de Youden).
Cuando el nmero de columnas no es igual al nmero de filas. Se puede
decir que el cuadrado de Youden siempre es un cuadrado latino con al
menos una columna (o rengln o diagonal) faltante, pero no siempre es
cierto que un cuadrado latino con ms de una columna (o rengln o
diagonal) faltante es un cuadrado de Youden. En general un cuadrado de
Youden es un diseo balanceado por bloques incompletos, simtrico.
13.3.2.4.-Diseo crossover.
13.3.3.-Algunas Extensiones del Diseo Cuadrado Latino
13.3.3.1.-Diseo CL replicado: Tiene tres factores de bloqueo.
13.3.3.2.-Diseo Cuadrado grecolatino: Tiene tres factores de bloqueo.
13.3.3.4.-Cuadrados latino mutuamente ortogonales: Tiene 3 o ms
factores de bloqueo.

42

Los cuadrados latinos y sus propiedades combinatorias han sido atribuidos a Euler
(1782). Estos fueron propuestos como diseo experimental por Fisher (1925,
1926), tambin de Palluel (1978) utiliz la idea de un diseo cuadrado latino de
4x4 para un experimento agrcola. Los cuadrados latinos existen para todo
13.3.3.5.- CL reducido o CL en la forma estndar (CLE), es aquel en el cual
la primera fila y la primera columna son arregladas en orden alfabtico, por
ejemplo en el caso de
A
B
C

B
C
A

C
A
B

Para este caso el nmero de CL que pueden ser generados de un cuadrado latino
reducido por permutacin de filas y columnas es

Estos no son

necesariamente diferentes. Si todas las filas a excepcin de la primera y todas las

columnas son permutadas, se generan

diferentes cuadrados. Del CL de

orden 3 se pueden obtener 12 cuadrados.

Ventajas
1. Provee una mejor estimacin del error experimental
2. Mejora la precisin
3. Hace que el experimento sea ms eficiente
4. Controla dos fuentes de variacin
Este diseo exige que la variacin entre los niveles de la variable de bloqueo
deben ser mxima (significante). Estos diseos son recomendados solamente
cuando el nmero de tratamientos est entre cinco y doce inclusive. Con menos de
cinco tratamientos los grados de libertad son insuficientes para la estimacin del
error experimental. Un cuadrado latino con tres tratamientos tiene solamente dos
grados de libertad para estimar el error experimental, mientras que un diseo con
cuatro tratamientos tiene solamente seis.

43

Desventajas
Cuando el nmero de tratamientos es grande, se puede presentar un problema
potencial debido a que el requerimiento de que el nmero de filas y columnas
debe ser igual al nmero de tratamientos es m difcil de obtener. Tambin es ms
probable que el supuesto de interaccin sea violado.
Justificacin
El CL se usa para eliminar dos fuentes de variabilidad extraas
En este diseo, los renglones y las columnas representan dos restricciones a la
aleatorizacin.

Aleatorizacin
La aleatorizacin en el CL consiste en elegir un cuadrado al azar entre todos los
cuadrados latinos posibles. Fisher y Yates (1957) dan el conjunto completo de CL
desde 4x4 hasta 6x6, y muestran cuadrados hasta de tamao 12x12. Cochran y cox
(1957)) dan CL de muestra desde 3x3 hasta 12x12. Un modo de aleatorizaacin
indicado por cochran y Cox es el que sigue:
Cuadrados 3x3. Asignar letras a los tratamientos; esto no tiene que ser al azar.
Tratar un cuadrado 3x3 y aleatorizar el arreglo de las tres columnas y luego la de
las dos ltimas filas.
Cuadrados de 4x4. Aqu se tienen cuatro cuadrados, as que no se puede obtener
uno de ellos a partir de otro simplemente por reordenacin de filas y columnas
entonces seleccionamos al azar uno de los cuatro cuadrados posibles y
distribuimos al azar todas las columnas y las tres ltimas filas.

44

Cuadrado latino 5x5. y cuadrados mayores. .Ahora hay muchos cuadrados, as

que no se puede obtener uno de ellos a partir de otro reorganizar las filas y
columnas. Asignar letras o los tratamientos al azar. Aleatorizar todas las filas y
columnas al azar.
El Modelo Lineal
Sea

la observacin en la interseccin de la fila

columna

con la

Esto ubica cualquier observacin, pero no dice nada

respecto al tratamiento aplicado. Un tercer subndice puede desorientar, haciendo

pensar que se tiene

en vez de

aparece una vez en cada una de las

pero solamente

observaciones. Por ejemplo el tratamiento

filas, una vez en cada una de las

veces en total; as que

columnas,

supone un conjunto de variables

, con un nmero . Lo mismo puede decirse para los otros valores de .

Expresamos una observacin mediante:

Donde

es la observacin correspondiente a la

columna y el
la
del

tratamiento,
fila,

es la media global,

es el efecto de la

tratamiento y

fila, la

columna,

es el efecto de
es el efecto

es el error

Nota: Al usar ( ), no se trata de una clasificacin ordinaria de tres vas.

45

TABLA DE ANOVA
La tabla de ANOVA para un CL de orden

es dada por

Tabla 1. ANOVA para un cuadrado latino.

Causa de
variacin

Grados de
libertad

Suma de
cuadrados

Cuadrados
Medios

Tratamientos

CM

Filas

CM

Columnas

CM

Error Experimental

CM

Total

Supuestos del modelo

Para sacar conclusiones vlidas se deben cumplir los siguientes supuestos:

46

1. las variables aleatorias

son independientes (no correlacionadas)

2. las variables aleatorias

son normales con media

y varianza

3. Aditividad del modelo, es decir ausencia de interacciones entre filas, columnas

y tratamientos
Los estimadores de los parmetros son obtenidos minimizando la suma de

cuadrados del error

El residual est dado por

Ejemplo 1
McGhee y Gardner. Emplearon un CL de

para medir el efecto de la msica

en la fbrica, sobre la produccin de obreros en la operacin conocida como

"fijado" en la manufactura de tapetes. Cuatro programas distintos de msica (A,
B, C, D) se compararon con sin msica (E). Una sola repeticin ocup los 5 das
de trabajo de la semana, probndose diariamente un programa distinto. El CL se

47

utiliza para establecer una rotacin de programas, de semana a semana para que,
durante un perodo de

semanas cada programa apareciese una vez en cualquier

da determinado de trabajo, como se muestra a continuacin:

Semana
1
2
3
4
5

Lunes
A
B
C
D
E

Martes
B
C
A
E
D

Mircoles
C
D
E
A
B

Jueves
D
E
B
C
A

Viernes
E
A
D
B
C

Ejemplo 2
(Tomado de Montgomery)
Supongamos que un experimentador est estudiando el efecto de cinco frmulas
diferentes de la mezcla de dinamita sobre la fuerza explosiva observada. Cada
frmula se prepara usando un lote de materia prima, lo suficientemente grande
para que slo se hagan cinco mezclas. Ms an, las mezclas las preparan varios
operadores, pudiendo existir una diferencia sustancial en la habilidad y
experiencia entre ellos. Al parecer hay dos efectos extraos que se
deben ``cancelar'' en el diseo: lotes de materia prima y operadores. El diseo
apropiado en este problema consiste en probar cada frmula exactamente una vez,
utilizando cada lote de materia prima, y en que cada frmula sea preparada
exactamente una vez por cada uno de los cinco operadores. Este diseo es un
cuadro latino, donde las cinco frmulas se representan por las letras
y

y las filas corresponden a los lotes de materia prima y las columnas a los

operadores.
La respuesta observada

fue la fuerza explosiva.

El arreglo se da en la siguiente tabla.

48

Eficiencia Relativa
Se puede estimar la eficiencia relativa de un CL respecto a un experimento en BC.
Se pueden obtener dos eficiencias relativas, una cuando las filas se consideran
como bloques y otra cuando las columnas se consideran como bloques.
Estimamos el cuadrado medio del error para el BC si las filas son los nicos

bloques, as
Si las columnas son los nicos bloques, y se hace caso omiso de las filas
reemplcese

tanto

por

por
la

y
eficiencia

relativa

Donde:
Grados de libertad del error en cuadrado latino.
Grados de libertad del error en bloques.

es

dada

por

49

Grados de libertad de columnas.

Grados de libertad de filas.
Grados de libertad de los tratamientos.

50

CONCLUSIONES :
Luego de elaborar el presente trabajo podemos concluir que el

Diseo de

Experimentos consiste en planear paso a paso las operaciones para as obtener un

resultado

satisfactorio

nuestro

problema

planteado.

Para el diseo de un experimento debemos tener en cuenta los efectos y las

caractersticas de nuestro problema a resolver.
Un diseo debe

ser lo ms sencillo posible y as poder ahorrar

tiempo, inversin y personal, pero no por eso se deben olvidar considerar los
principios

bsicos

en

el

diseo.

Observamos el trabajo conjunto de los investigadores con los estadsticos que nos
llevan a obtener una mejor planeacin del experimento, aunque tiene sus
desventajas se puede notar que actuando de manera correcta se puede cambiar la
forma de ver de los inconvenientes que puede representar el alto costo que se tiene
con

los

estadsticos.

Podemos estar seguros de que si llevamos a cabo todos los elementos de la lista de
comprobacin tendremos una planeacin efectiva de nuestro experimento y as
obtener

los

resultados

esperados.

El diseo de experimentos tiene una gran variedad de aplicaciones y puede ser

aplicado a un gran nmero de industrias, la optimizacin de recursos, la
identificacin de causas de variabilidad son algunos de los objetivos del diseo de
experimentos aplicados en nivel industrial. Necesito experimentos de un solo
factor.

51

BIBLIOGRAFIA
Montgomery Douglas. Diseo y Anlisis de Experimentos. Grupo Editorial
Iberoamerica.1991.
Mead R.,Curnow N. and A.M. Statistical methods in agriculture and experimental
biology.
Editorial Chapman & Hall. 1.993.
Mc Graw Hill. Bioestadstica Principios y Procedimientos. Steel and Torrie.
2Edicin,1988.
Schefler William C. Bioestadstica. Fondo Educativo Interamericano, S.A., 1981.
Sokal Robert R. y F. Rohlf James. Biometra. Principios y mtodos estadsticos
en la investigacin. Fondo Educativo Interamericano , S.A., 1981
Klaus Hinkelmann Oscar Kempthorne . Design and Analysis of Experiments
VolumenI. John Wiley and Sons, INC 1994.
Tamayo
Mario
.El
Edicin.Limusa,2004.

Proceso

de

la

Investigacin

Cientifica.4ta

Tapia Jess Manuel.Diseo Estadstico de Experimentos. Ediciones de la

Universidad Ezequiel Zamora. Coleccin Docencia Universitaria, 2012.