J V BARRAZA A

Diseo de investigaciones
Principios estadsticos del diseo de experimentos

Sir Ronald A Fisher se le atribuye el haber consolidado los principios
bsicos de un diseo de experimento. Este ingls fue contratado para
realizar exhaustivo anlisis estadstico a datos de una investigacin
agrcola.
En 1926 public un artculo The Arrangement of Field Experiments.
Aqu describi tres importantes componentes fundamentales de los
experimentos:
1. Control local de las condiciones de campo para reducir el error
experimental


Principios de diseo de investigacin
2. Replicacin como un medio para estimar la varianza del error
experimental.
3. Aleatorizacin para obtener una estimacin vlida de esa varianza.

PLANEACIN DE LA INVESTIGACIN
Al iniciar un estudio el investigador debe tener en cuenta los siguientes
aspectos:
Objetivos especficos del experimento
Identificacin de los factores que influyen, cules varan.
Caractersticas a medir
Procedimientos particulares para realizar las pruebas o medir las
caractersticas.
Planeacin de la investigacin
Nmero de repeticiones del experimento bsico a realizar.
Recursos y materiales disponibles

EXPERIMENTOS, TRATAMIENTOS Y UNIDADES EXPERIMENTALES

Experimento comparativo: es el tipo de experimento que utilizan los
investigadores en cualquier campo de la ciencia, donde implica que se
establece ms de un conjunto de circunstancias en el experimento y
que se comparan entre si las respuestas de las diferentes circunstancias.
Tratamientos: son el conjuntos de circunstancias creados para el
experimento, en respuesta a la hiptesis de investigacin.


Principios de diseo de investigacin
La unidad experimental: es la entidad fsica o el sujeto expuesto al
tratamiento independientemente de otras unidades. La unidad
experimental una vez expuesta al tratamiento, constituye una sola
rplica del tratamiento.
El error experimental: describe la variacin entre las unidades
experimentales tratadas de manera idntica e independiente.
Los distintos orgenes del error experimental son:
Variacin natural entre unidades experimentales
La variabilidad en la medicin de la respuesta
La imposibilidad de reproducir las condiciones del tratamiento con
exactitud de una unidad a otra.
La interaccin de los tratamientos con las unidades experimentales
Cualquier otro factor externo que influya en las caractersticas
medidas.

Qu es el diseo experimental?
Optimizacin de un proceso
En un experimento de caracterizacin normalmente interesa
determinar cules variables del proceso influyen en la respuesta. Un
siguiente paso lgico es optimizar, es decir, determinar en que regin
los procesos importantes conducen a la mejor respuesta posible.
Por ejemplo si la respuesta es rendimiento, buscaramos una regin en
la que ste fuera mximo.
Si la respuesta fuera variabilidad en lo que respecta a la dimensin
crtica de un producto, interesara buscar una regin de variabilidad
mnima.
Experimentos de Comparacin Simple
Se est interesado en determinar si dos frmulas de un producto
producen resultados equivalentes.
Un ingeniero quiere comparar la resistencia de una frmula modificada
a la que se han agregado emulsiones de polmeros de ltex durante el
mezclado contra la resistencia de la argamasa hecha con la frmula no
modificada.

i 1 2 3 4 5 6 7 8 9 10
y1j
16.85 16.4 17.21 16.35 16.52 17.04 16.96 17.15 16.59 16.57
y2j
17.5 17.63 18.25 18 17.86 17.75 18.22 17.9 17.96 18.15
Ejemplo 1
Mortero no modificado
j y1j y2j Y1-mediaY1 Y2-mediaY2 (Y1-mediaY1)2 (Y2-mediaY2)2
1 16,85 17,5 0,086 -0,422 0,007396 0,178084
2 16,4 17,63 -0,364 -0,292 0,132496 0,085264
3 17,21 18,25 0,446 0,328 0,198916 0,107584
4 16,35 18 -0,414 0,078 0,171396 0,006084
5 16,52 17,86 -0,244 -0,062 0,059536 0,003844
6 17,04 17,75 0,276 -0,172 0,076176 0,029584
7 16,96 18,22 0,196 0,298 0,038416 0,088804
8 17,15 17,9 0,386 -0,022 0,148996 0,000484
9 16,59 17,96 -0,174 0,038 0,030276 0,001444
10 16,57 18,15 -0,194 0,228 0,037636 0,051984
Media Yj 16,764 17,922
Var(yj) 0,100137778 0,061462222
Suma de cuadrados/n-1 0,100137778 0,06146222
Datos de resistencia adhesiva a la
tensin para el experimento con cemento
Mortero modificado
Ejemplo 1
Se concluye que:
El promedio de la tensin en la mezcla en el mortero no modificado es un poco mayor por lo que si existe difrencia en el nivel
medio de la resistencia aunque la variancias muestrales sean similares.

DIAGRAMA DE CAJA PARA EL EXPERIMENTO RESISTENCIA ADHESIVA A LA TENSIN DEL CEMENTO
Distribucin de probabilidad
DISTRIBUCIN DE PROBABILIDAD
La estructura probabilstica de una variable aleatoria se describe por su
distribucin de probabilidad. Las propiedades de estas distribuciones se
resumen cuantitativamente como sigue:
Si X es una v. a. discreta,

xi 2 3 4 5 6 7 8 9 10 11 12
P(xi) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Distribucin discreta

1/6
5/36
1/9
1/12
1/18
1/36
2 3 4 5 6 7 8 9 10 11 12

Tamao de la muestra
SELECCIN DEL TAMAO MUESTRAL
En el diseo de un experimento uno de los aspectos ms importantes es la
seleccin del tamao apropiado de la muestra.
La seleccin del tamao de la muestra y la probabilidad del error tipo II, estn
estrechamente relacionados, recuerda:
/ que Ho es falsa)=
Supngase que se prueban las hiptesis:
Ho:

Adems de suponer que efectivamente las medias no son iguales, hgase que
sta diferencia es igual a

, entonces como
Ho:

el asunto est en decidir errneamente no rechazar Ho.
La P( error de tipo II), depende de la verdadera diferencia que hay entre las dos
medias

.

Curva caracterstica de operacin
El error constituye una funcin del tamao de la muestra.
Generalmente en un valor dado para , el error disminuye a medida que el
tamao de la muestra se incrementa.
La grfica de contra en el caso de un valor particular del tamao de la
muestra se conoce como Curva Caracterstica de Operacin (CO).
Estas curvas se muestran en la siguiente diapositiva y la frmula que se utiliza
para determina el tamao muestral es: n* = 2n-1. Por ejemplo:
Si

=
05
05
. 95%
de las veces cuando

5 5.
Si observas la curva para d=1, n* 5

5
Luego despejando n, se tiene que 2n= 16 o sea que n= 8


EXPERIMENTOS CON UN SOLO FACTOR
EXPERIMENTOS CON UN SOLO FACTOR: ANOVA
En algunos diseos de experimentos el inters puede centrarse en
comparar ms de dos tratamientos. Por ej., comparar 3 o ms
mquinas, comparar el producto de varios proveedores, cuatro dietas
alimenticias, etc.
Entonces estadsticamente la hiptesis fundamental a probar es
comparar los k tratamientos
Ho:

+

Ejemplo
Un ingeniero est interesado en maximizar la resistencia a la tensin de una
nueva fibra sinttica que se emplear en la manufactura de una tela para
camisas. El sospecha que elevar el contenido de algodn aumenta la resistencia.
Decide probar muestras a cinco niveles de % de algodn: 15, 20, 25, 30 y 35.
Igualmente decide ensayar cinco piezas de tela a cada nivel de porcentaje de
algodn.

Este es un experimento con un solo factor (porcentaje de algodn), con 5
niveles del factor (a=5) y cinco rplicas (n=5). Las 25 corridas debern realizarse
de manera aleatoria. Para propsitos de ilustracin suponga que inicialmente
se prueban los cinco ejemplares del 15% de algodn, despus con el 20% de
algodn, etc.






Un diagrama de caja revela que la resistencia a la tensin aumenta se
incrementa cuando el contenido de algodn aumenta hasta cerca del 30%. Pero
despus del 30% la resistencia a la tensin de la tela tiende a disminuir.
Veamos el diagrama de caja.


% algodn 1 2 3 4 5 Total Prom
15 7 7 15 11 9 49 9,8
20 12 17 12 18 18 77 15,4
25 14 18 18 19 19 88 17,6
30 19 25 22 19 23 108 21,6
35 7 10 11 15 11 54 10,8
Observaciones







Si se quiere ser ms objetivo en el anlisis de los datos, suponga
que quieren probarse las diferencias entre las resistencias a la
tensin con todos los niveles del peso porcentual del algodn. Como
hay 10pares posibles de comparaciones entre las medias:
(15, 20), (15, 25), (15,30), (15,35), (20,25), (20,30), (20,35), (25,30),
(25,35) y (30,35).
Por ejemplo si la probabilidad de aceptar correctamente la Ho:

5
, en cada prueba individual es 5
entonces la probabilidad de aceptar las 10 pruebas es 5
0

si las pruebas son independientes. Este resultado indica que el error
de tipo I, se incrementa.
El procedimiento correcto para probar la igualdad de las medias es
el Anlisis de Varianza

EL ANLISIS DE VARIANZA
EL ANLISIS DE VARIANZA
Suponga que se tienen a tratamientos o niveles diferentes de un solo
factor que quieren compararse. La respuesta observada de cada uno de
los a tratamientos es una variable aleatoria. Los datos se registraran
como aparece a continuacin:



Tratami entos
(nivel)
1
2
. . . . .
. . . . .
. . . . .
a
Datos tpicos de un experimento de un solo factor
Observaci ones Totales Promedios

..

..
MODELO PARA LOS DATOS
Un modelo para describir las observaciones de un experimento es el modelo de
las medias que est dado por:
i=1,2,, a

Una forma alternativa de escribir este modelo es definiendo:

, luego el modelo se escribe as:

( modelo de los efectos)

: es la observacin j- sima en el tratamiento i.

: tambin se le llama
media global.

: .
A este ltimo modelo se le llama Modelo de los efectos.

Al modelo de los efectos tambin se le llama Modelo del Anlisis de Varianza
Simple o de un Solo Factor.
Un requisito del experimento es que los tratamientos a cada unidad
experimental se lleve a cabo en orden aleatorio. Por lo tanto el diseo
experimental es un diseo completamente aleatorizado.
Los objetivos sern probar las hiptesis apropiadas acerca de las medias de los
tratamientos y estimarlas.
Para lograr lo anterior se supone que los errores del modelo son variables
aleatorias que siguen una distribucin normal e independiente.
Simblicamente esto se expresa como:

~ +

Esto quiere decir que

Las conclusiones obtenidas de este modelo no pueden extenderse a
tratamientos que no fueron considerados explcitamente.
Y al estimar los parmetros del modelo ,

Al Modelo de Efectos Fijos.
Anlisis del modelo con efectos fijos
Anlisis del modelo con efectos fijos

Para realizar este anlisis se utilizar la siguiente simbologa:

.=

=
i=1,2,,a


..
.

..

..

=

El inters consiste en probar la hiptesis de la igualdad de las medias
de los a tratamientos.

Ho:

H1:

+
.
En este modelo la media

: . Esto indica que

=

Porque,



Efectos fijos
La media global :

=1

, implicando que,

=


Una forma de escribir las hiptesis anteriores es:
Ho:

H1: