DISEÑO EXPERIMENTAL

El diseño experimental es una técnica estadística que permite identificar y

cuantificar las causas de un efecto dentro de un estudio experimental. En un
diseño experimental se manipulan deliberadamente una o más variables,
vinculadas a las causas, para medir el efecto que tienen en otra variable de
interés. El diseño experimental prescribe una serie de pautas relativas qué
variables hay que manipular, de qué manera, cuántas veces hay que repetir el
experimento y en qué orden para poder establecer con un confianza predefinido
la necesidad de una presunta relación de causa-efecto.
El diseño experimental encuentra aplicaciones en la industria, la agricultura,
la mercadotecnia, la medicina, la ecología, las ciencias de la conducta, etc.
constituyendo una fase esencial en el desarrollo de un estudio experimental.

¿QUÉ ES DISEÑO FACTORIAL?

En estadística, un experimento factorial completo es un experimento cuyo diseño
consta de dos o más factores, cada uno de los cuales con distintos valores o
niveles, cuyas unidades experimentales cubren todas las posibles
combinaciones de esos niveles en todo los factores. Este tipo de experimentos
permiten el estudio del efecto de cada factor sobre la variable respuesta, así
como el efecto de las interacciones entre factores sobre dicha variable.
Por ejemplo, con dos factores y dos niveles en cada factor, un experimento
factorial tendría en total cuatro combinaciones de tratamiento, y se le
denominaría diseño factorial de 2×2.
Si el número de combinaciones en un diseño factorial completo es demasiado
alto para su procesamiento, puede optarse por un diseño factorial fraccional, en
el que se omitan algunas de las combinaciones posibles.
 NOTACIÓN
Para ahorrar el espacio, los puntos en un experimento factorial de dos niveles se
abrevian a menudo con las cadenas de más y signos de menos. Las secuencias
tienen tantos símbolos como factores, y sus valores dictan el nivel de cada factor:
− para el primer (o bajo) llano, y + para el segundo (o alto) llano. Los puntos en
este experimento se pueden representar como − −, + −, − +, y + +.
Los puntos factoriales se pueden también abreviar cerca (1), a, b, y el ab, donde
la presencia de una letra indica que el factor especificado está en su alto (o en
segundo lugar) nivel y la ausencia de una letra indica que el factor especificado
está en su (o primero) nivel bajo (por ejemplo, “a” indica que el factor A está en
su alto ajuste, mientras que el resto de los factores están en su ajuste del punto
bajo (o primero)). (1) se utiliza indicar que todos los factores están en sus (o
primero) valores más bajos.
Para poder finalmente obtener un modelo estadístico que nos indique el valor de
respuesta al modificar los factores.
Cálculo del efecto
Contraste = (suma de niveles+)-(suma de niveles-) Efecto Contraste /replica*2^k
b= efecto/2 bo= suma total/número total
Modelo estadístico: Y= bo+ b1X1 + b2X2......

EJEMPLO
El experimento factorial más simple contiene dos niveles para cada uno de dos
factores. Suponga los deseos de un ingeniero para estudiar la energía total
usada por cada uno de dos diversos motores, A y B, funcionando en cada uno
de dos diversas 2000 o 3000 RPM de las velocidades. El experimento factorial
consistiría en cuatro elementos experimentales: viaje en automóvil A en 2000
RPM, viaje en automóvil B en 2000 RPM, viaje en automóvil A en 3000 RPM, y
viaje en automóvil B en 3000 RPM. Cada combinación de un solo nivel
seleccionado de cada factor está presente una vez.
Este experimento es un ejemplo de 22 (o 2x2) experimento factorial, nombrado
así porque considera dos niveles (la base) para cada uno de dos factores (la
energía o el exponente), o #niveles #factores, produciendo 22puntos factoriales
=4. Los diseños pueden implicar muchas variables independientes. Como otro
ejemplo, los efectos de tres variables entradas se pueden evaluar en ocho
condiciones experimentales demostradas como las esquinas de un cubo. Esto
se puede conducir con o sin la réplica, dependiendo de su propósito previsto y
recursos disponibles. Proporcionará los efectos de las tres variables
independientes en la variable dependiente y las interacciones posibles (en caso
de haber más de 3 se habla de un hiperespacio).
 ANÁLISIS DE YATES

La técnica fundamental consiste en repartir el total en componentes

mediante sumas de cuadrados. Esta técnica tuvo efectos secundarios en el
modelo. Por ejemplo, demostramos el modelo para un ANOVA simplificado con
un tipo de tratamiento en diversos niveles.
𝑆𝐶𝑇𝑂𝑇𝐴𝐿 = 𝑆𝐶𝐸𝑅𝑅𝑂𝑅 + 𝑆𝐶𝑇𝑅𝐴𝑇𝐴𝑀𝐼𝐸𝑁𝑇𝑂𝑆
Los los grados de libertad se pueden repartir de manera similar y
especifican distribuciones χ² que describen las sumas asociadas de cuadrados.
𝑔𝑙𝑡𝑜𝑡𝑎𝑙 = 𝑔𝑙𝑒𝑟𝑟𝑜𝑟 + 𝑔𝑙𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠