TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA

MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

1. Defina la importancia y aplicacin del diseo de experimentos

En el campo de la industria es una prctica comn hacer experimentos o pruebas con la
intencin de que al mover o hacer algunos cambios en los materiales, mtodos o
condiciones de operacin de un proceso se puedan detectar, resolver o minimizar los
problemas de calidad.
Sin embargo, es comn que estas pruebas o experimentos se hagan sobre la marcha, a
prueba y error, apelando a la experiencia y a la intuicin; en lugar de seguir un plan
experimental adecuado que garantice una buena respuesta a los interrogantes
planteados. Lo mismo puede suceder con el anlisis de los datos experimentales.
En su esencia, el diseo de experimentos consiste en determinar cules pruebas y como es
que se deben realizar, para obtener datos que al analizarlos estadsticamente se obtengan
conclusiones y decisiones que deriven en mejoras del desempeo del proceso.
Cuando se quiere mejorar un proceso existen dos maneras bsicas de obtener la
informacin necesaria para ello: Una es observar o monitorear va herramientas
estadsticas, hasta obtener seales tiles que permitan mejorarlo; esta es una estrategia
pasiva. La otra manera es experimentar, es decir, hacer cambios estratgicos y
deliberados al proceso para provocar dichas seales tiles.
Experimentar es mejor que sentarse a esperar a que el proceso nos indique por s solo
como mejorarlo.
El diseo de experimentos (DOE) es un conjunto de tcnicas activas, en el sentido de que
no esperan que el proceso mande seales tiles, si no que este se manipula para
inducirlo a proporcionar esa informacin que se requiere.
El diseo de experimentos tambin es fundamental en la investigacin cientfica, cuyo
objetivo es ampliar el conocimiento que sobre la naturaleza y la humanidad se tiene. En
este caso quizs no se tenga en mente un problema concreto en un proceso de
produccin, pero al igual que en la industria, tambin se plantea una hiptesis que es
necesario validar mediante algn tipo de evidencia objetiva.

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA
MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

2. Describa y explique los tipos de variabilidad

Uno de los principales objetivos de los modelos estadsticos y, en particular, de los
modelos de diseo de experimentos, es controlar la variabilidad de un proceso aleatorio
que puede tener diferente origen. De hecho, los resultados de cualquier experimento
estn sometidos a tres tipos de variabilidad cuyas caractersticas son las siguientes:
Variabilidad sistemtica y planificada: Esta variabilidad viene originada por la posible
dispersin de los resultados debida a diferencias sistemticas entre las distintas
condiciones experimentales impuestas en el diseo por expreso deseo del
experimentador. Es el tipo de variabilidad que se intenta identificar con el diseo
estadstico.
Cuando este tipo de variabilidad est presente y tiene un tamao importante, se espera
que las respuestas tiendan a agruparse formando grupos (clusters).
Es deseable que exista esta variabilidad y que sea identificada y cuantificada por el
modelo.
Variabilidad tpica de la naturaleza del problema y del experimento: Es la variabilidad
debida al ruido aleatorio. Este trmino incluye, entre otros, a la componente de
variabilidad no planificada denominada error de medida. Es una variabilidad impredecible
e inevitable.
Esta variabilidad es la causante de que si en un laboratorio se toman medidas repetidas de
un mismo objeto ocurra que, en muchos casos, la segunda medida no sea igual a la
primera y, ms an, no se puede predecir sin error el valor de la tercera. Sin embargo,
bajo el aparente caos, existe un patrn regular de comportamiento en esas medidas:
todas ellas tendern a fluctuar en torno a un valor central y siguiendo un modelo de
probabilidad que ser importante estimar.
Esta variabilidad es inevitable pero, si el experimento ha sido bien planificado, es posible
estimar (medir) su valor, lo que es de gran importancia para obtener conclusiones y poder
hacer predicciones. Es una variabilidad que va a estar siempre presente pero que es
tolerable.

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA
MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

Variabilidad sistemtica y no planificada: Esta variabilidad produce una variacin

sistemtica en los resultados y es debida a causas desconocidas y no planificadas. En otras
palabras, los resultados estn siendo sesgados sistemticamente por causas desconocidas.
La presencia de esta variabilidad supone la principal causa de conclusiones errneas y
estudios incorrectos al ajustar un modelo estadstico.
Existen dos estrategias bsicas para tratar de evitar la presencia de este tipo de
variabilidad: la aleatorizacin y la tcnica de bloques.
Este tipo de variabilidad debe de intentar evitarse y su presencia lleva a conclusiones
errneas.

3. Planifique un experimento.
Tema
Hojas blancas como herramienta de aprendizaje.
Justificacin
Desde hace muchos aos se tiene la costumbre del uso de cuadernos con hojas rayadas o
cuadriculadas para la escritura correcta, sin importar la comprensin y retencin de lo que
se escribe. Por esa razn se pretende realizar un experimento en una muestra poblacional
de 100 personas, para comprobar si el uso del papel de estas caractersticas afecta.
Metodologa
PRETEST-POSTEST CONTROL GROUP DESIGN
Grupo experimental

R---------------- O -------------- X ----------------O

Grupo de control

R---------------- O ----------------------------------O

R: Asignacin aleatoria de los sujetos

O: Observacin
X: Tratamiento

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA
MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

Sujetos: Estudiantes del Instituto Tecnolgico de Ensenada.

Variable independiente: Artculo breve Economa en Mxico.
Variable dependiente: Nivel de retencin de los conocimientos relacionados con la
lectura del artculo.
1 Grupo experimental y 1 Grupo de control
Instrumento de medicin de conducta de entrada: Aleatoria.
Instrumento de medicin de conducta de salida: Lectura y escritura de un artculo
para medir el nivel de retencin.

Hiptesis
Escribir en hojas blancas facilita la retencin de la informacin escrita.
Ms del 50% de las personas comprende mejor una lectura escrita en papel
blanco.
Descripcin del Experimento
1. Se elaboraran 2 artculos con el tema mencionado, el artculo 1 escrito en hojas
blancas y el artculo 2 escrito en hojas rayadas.
2. Se pedir a la mitad de la poblacin lea el artculo 1 y al resto de la poblacin lea el
artculo 2, despus debern escribir todo lo que recuerden del artculo en hojas de
las mismas caractersticas del artculo.
3. Se pedir transcriban nuevamente su redaccin, sin ver la anterior.
Anlisis de Resultados
Se registrara toda la informacin recabada, se clasificar, se analizaran resultados, se
graficarn los parmetros necesarios y se tomaran decisiones respecto a la aceptacin o
rechazo de las hiptesis establecidas.

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA
MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

4. Describa los principios bsicos del diseo de experimentos

Al planificar un experimento hay tres tres principios bsicos que se deben tener siempre
en cuenta:
El principio de aleatorizacin.
El bloqueo.
La factorizacin del diseo.
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.
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
muestral.
Valida muchos de los procedimientos estadsticos ms comunes.
Bloquear: Se deben dividir o particionar 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.
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.

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA
MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

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.
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.

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA
MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

5. Describa y de ejemplos de algunos diseos experimentales clsicos

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 utilizados son los siguientes:
Diseo completamente aleatorizado
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
es el nmero de observaciones en el i-simo tratamiento,
, entonces, los
valores
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:

Diseo en bloques o con un factor bloque

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.
El modelo matemtico de este diseo es:

El diseo en bloques ms simple es el denominado diseo en bloques completos, en el

que cada tratamiento se observa el mismo nmero de veces en cada bloque.

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA
MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

El diseo en bloques completos con una nica observacin por cada tratamiento se
denomina diseo en bloques completamente aleatorizado o, simplemente, diseo en
bloques aleatorizado.
Cuando el tamao del bloque es inferior al nmero de tratamientos no es posible observar
la totalidad de tratamientos en cada bloque y se habla entonces de diseo en bloques
incompletos.
Diseos con dos o ms factores bloque
En ocasiones hay dos (o ms) fuentes de variacin lo suficientemente importantes como
para ser designadas factores de bloqueo. En tal caso, ambos factores bloque pueden ser
cruzados o anidados.
Los factores bloque estn cruzados cuando existen unidades experimentales en todas las
combinaciones posibles de los niveles de los factores bloques.
Diseo con factores bloque cruzados. Tambin denominado diseo fila-columna, se
caracteriza porque existen unidades experimentales en todas las celdas (intersecciones de
fila y columna).
El modelo matemtico de este diseo es:

Los factores bloque estn anidados si cada nivel particular de uno de los factores bloque
ocurre en un nico nivel del otro factor bloque.
Diseo con factores bloque anidados o jerarquizados: Dos factores bloque se dicen
anidados cuando observaciones pertenecientes a dos niveles distintos de un factor bloque
estn automticamente en dos niveles distintos del segundo factor bloque.

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA
MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

En la siguiente tabla puede observarse la diferencia entre ambos tipos de bloqueo.

Plan esquemtico de experimentos con dos factores bloque

Diseos con dos o ms factores

En algunas ocasiones se est interesado en estudiar la influencia de dos (o ms) factores
tratamiento, para ello se hace un diseo de filas por columnas. En este modelo es
importante estudiar la posible interaccin entre los dos factores. Si en cada casilla se tiene
una nica observacin no es posible estudiar la interaccin entre los dos factores, para
hacerlo hay que replicar el modelo, esto es, obtener k observaciones en cada casilla,
donde k es el nmero de rplicas.
El modelo matemtico de este diseo es:

Generalizar los diseos completos a ms de dos factores es relativamente sencillo desde

un punto de vista matemtico, pero en su aspecto prctico tiene el inconveniente de que
al aumentar el nmero de factores aumenta muy rpidamente el nmero de
observaciones necesario para estimar el modelo. En la prctica es muy raro utilizar
diseos completos con ms de factores.

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE ENSENADA
MATERIA: ESTADISTICA
UNIDAD 6 DISEO DE EXPERIMENTOS
FACILITADOR DRA. MARGARITA CERVANTES TRUJANO

Un camino alternativo es utilizar fracciones factoriales que son diseos en los que se
supone que muchas de las interacciones son nulas, esto permite estudiar el efecto de un
nmero elevado de factores con un nmero relativamente pequeo de pruebas. Por
ejemplo, el diseo en cuadrado latino, en el que se supone que todas las interacciones son
nulas, permite estudiar tres factores de k niveles con solo k2 observaciones. Si se utilizase
el diseo equilibrado completo se necesitan k3 observaciones.
Diseos factoriales a dos niveles
En el estudio sobre la mejora de procesos industriales (control de calidad) es usual
trabajar en problemas en los que hay muchos factores que pueden influir en la variable de
inters.
La utilizacin de experimentos completos en estos problemas tiene el gran inconveniente
de necesitar un nmero elevado de observaciones, adems puede ser una estrategia
ineficaz porque, por lo general, muchos de los factores en estudio no son influyentes y
mucha informacin recogida no es relevante. En este caso una estrategia mejor es utilizar
una tcnica secuencial donde se comienza por trabajar con unos pocos factores y segn
los resultados que se obtienen se eligen los factores a estudiar en la segunda etapa.
Los diseos factoriales 2k son diseos en los que se trabaja con k factores, todos ellos con
dos niveles (se suelen denotar + y -). Estos diseos son adecuados para tratar el tipo de
problemas descritos porque permiten trabajar con un nmero elevado de factores y son
vlidos para estrategias secuenciales.
Si k es grande, el nmero de observaciones que necesita un diseo factorial 2k es muy
grande (n= 2k). Por este motivo, las fracciones factoriales 2kp son muy utilizadas, stas son
diseos con k factores a dos niveles, que mantienen la propiedad de ortogonalidad de los
factores y donde se suponen nulas las interacciones de orden alto (se confunden con los
efectos simples) por lo que para su estudio solo se necesitan 2kp observaciones (cuanto
mayor sea p menor nmero de observaciones se necesita pero mayor confusin de
efectos se supone).