Estadstica

Administrativa IV
UNIDAD IV
DISEO EXPERIMENTAL
PARA UN FACTOR

4.1. Introduccin, conceptualizacin,

importancia y alcances del diseo experimental
en el mbito empresarial.

El Diseo de Experimentos tuvo su

inicio terico a partir de 1935 por Sir
Ronald A. Fisher, quin sent la base
de la teora del Diseo Experimental y
que a la fecha se encuentra bastante
desarrollada y ampliada.

4.1. Introduccin, conceptualizacin,

importancia y alcances del diseo experimental
en el mbito empresarial.

Actualmente las aplicaciones son

mltiples,
especialmente
en
la
investigacin
de
las
ciencias
naturales, ingeniera, laboratorios y
casi todas las ramas de las ciencias
sociales.

4.1. Introduccin, conceptualizacin,

importancia y alcances del diseo experimental
en el mbito empresarial.

CONCEPTUALIZACIN

El diseo experimental es una tcnica

estadstica
que
permite
identificar
y
cuantificar las causas de un efecto dentro de
un estudio experimental.

En un diseo experimental se manipulan

deliberadamente
una
o
ms
variables,
vinculadas a las causas, para medir el efecto
que tienen en otra variable de inters.

4.1. Introduccin, conceptualizacin,

importancia y alcances del diseo experimental
en el mbito empresarial.

IMPORTANCIA
El Diseo Experimental, como tcnica de
investigacin, toma importancia en los aos
80 en donde se le da una aplicacin
estadstica de los proyectos de Seis Sigma
buscando el famoso nmero de 3,4 defectos
por milln de unidades producidas.

4.1. Introduccin, conceptualizacin,

importancia y alcances del diseo experimental
en el mbito empresarial.

IMPORTANCIA
El diseo experimental busca entonces a
travs de una serie de herramientas
estadsticas aplicadas metodizar los ensayos
de prueba y error para encontrar la mejor
combinacin de variables independientes
que optimice una variable de respuesta en
unas circunstancias determinadas.

4.1. Introduccin, conceptualizacin,

importancia y alcances del diseo experimental
en el mbito empresarial.
ALCANCES DEL DISEO EXPERIMENTAL EN
EL MBITO EMPRESARIAL.
El diseo experimental se distingue por el
hecho de definir y controlar las variables
independientes antes de lanzarlas al
mercado, intentando distintos tipos de
estmulos a los que respondan los clientes,
antes
de
observar
cmo
ocurre
verdaderamente.

4.1. Introduccin, conceptualizacin,

importancia y alcances del diseo experimental
en el mbito empresarial.
ALCANCES DEL DISEO EXPERIMENTAL EN
EL MBITO EMPRESARIAL.
Puede establecer diferencias en su respuesta
que pueden atribuirse a los estmulos en
cuestin, como el envoltorio o el color de un
producto, y no a otros factores, como la
disponibilidad limitada del producto.

4.1. Introduccin, conceptualizacin,

importancia y alcances del diseo experimental
en el mbito empresarial.
ALCANCES DEL DISEO EXPERIMENTAL EN EL
MBITO EMPRESARIAL.
Aplicar los mtodos de diseo experimental
requiere juicio empresarial y un grado de
sofisticacin matemtica y estadstica
Hoy en da, las empresas pueden recopilar
informacin detallada de los clientes con mayor
sencillez y pueden emplear dichos datos para
crear modelos que predigan la respuesta del
consumidor con mayor rapidez y precisin.

4.1. Introduccin, conceptualizacin,

importancia y alcances del diseo experimental
en el mbito empresarial.
ALCANCES DEL DISEO EXPERIMENTAL EN EL
MBITO EMPRESARIAL.
Aplicar los mtodos de diseo experimental
requiere juicio empresarial y un grado de
sofisticacin matemtica y estadstica
Hoy en da, las empresas pueden recopilar
informacin detallada de los clientes con
mayor sencillez y pueden emplear dichos datos
para crear modelos que predigan la respuesta
del consumidor con mayor rapidez y precisin.

4.2 Clasificacin de los diseos

experimentales
Diseo Completamente Aleatorizado
Es el diseo mas simple y sencillo de
realizar en el cual los tratamientos se elijen
al azar entre las unidades experimentales o
viceversa.
Este diseo tiene amplia aplicacin cuando
las unidades experimentales son muy
homogneas.

4.2 Clasificacin de los diseos

experimentales
Diseo en Bloques Completos Aleatorizados
Al estudiar la influencia de un factor sobre una
variable cuantitativa es frecuente que Aparezcan
otras variables o factores que tambin influyen y que
deben ser controladas.
A estas variables se las denomina variables bloque, y
se caracterizan por

No son el motivo del estudio sino que aparecen de forma

natural y obligada en el mismo.
Se asume que no tienen interaccin con el factor en estudio.

4.3 Nomenclatura y simbologa en el

diseo experimental
R. Asignacin al azar o aleatoria.
G. Grupo de sujetos.
X.
Tratamiento,
experimental.

estimulo

condicin

O. Una medicin de los sujetos de un grupo. Si

aparece antes del estimulo o tratamiento se
trata de una pre prueba. Si aparece despus del
estimulo se trata de una posprueba.

4.6 Supuestos estadsticos en las

pruebas experimentales
A. Aditividad

Los factores o componentes del modelo estadstico son

aditivos, es decir la variable respuesta es la suma de los
efectos del modelo estadstico.

B. Linealidad

La relacin existente entre los factores o componentes

del modelo estadstico es del tipo lineal.

C. Normalidad

Los valores resultado del experimento provienen de una

distribucin de probabilidad Normal con media m y
variancia S2.

4.6 Supuestos estadsticos en las

pruebas experimentales
D. Independencia

Los
resultados
observados
de
un
experimento son independientes entre s.

E. Variancias Homogneas

Las diversas poblaciones generadas por la

aplicacin de dos o ms tratamientos
tienen variancias homogneas (variancia
comn).

4.6 Supuestos estadsticos en las

pruebas experimentales

Tabla
ANOVA
para
Completamente Aleatorizado
Fuente de
variacin

Suma de
cuadrados

Grados de
libertad

Tratamientos

SStratamientos

a-1

Error

SSE

a(n-1)

Total

SST

an-1

Cuadrado
medio
Mstratamientos
MSE

Diseo
Fo

MStratamientos
/MSE

4.6 Supuestos estadsticos en las

pruebas experimentales

Tamaos de muestra iguales

a

y
2
SS t yij
N
i 1 j 1
Donde :

a : Cantidad de tratamientos
n : Cantidad de replicas
yij : Replica j del tratamiento i
y : Gran total
N : Total de observaciones

4.6 Supuestos estadsticos en las

pruebas experimentales

Tamaos de muestra iguales

a

SSTratamient os
i 1

yi
y

n
N

Donde :
a : Cantidad de tratamientos
yi : Sumatoria del tratamiento i
y : Gran total
N : Total de observaciones
SS E SST SSTratamient os

4.6 Supuestos estadsticos en las

pruebas experimentales

Tamaos de muestra diferentes

a

y
2
SS t yij
N
i 1 j 1
Donde :

a : Cantidad de tratamientos
n : Cantidad de replicas
yij : Replica j del tratamiento i
y : Gran total
N : Total de observaciones

4.6 Supuestos estadsticos en las

pruebas experimentales

Tamaos de muestra diferentes

2
2
a
yi
y
SSTratamient os

N
i 1 ni
Donde :
a : Cantidad de tratamientos
yi : Sumatoria del tratamiento i
y : Gran total
ni : Observaciones del tratamiento i
N : Total de observaciones

SS E SST SSTratamient os

4.6 Supuestos estadsticos en las

pruebas experimentales

Hiptesis

H 0 : 1 2 3 ... i
H1 : 1 0 para al menos una i
se rechaza H 0 si f 0 f ,a 1,a n 1
se rechaza H 0 si el valor-p

4.6 Supuestos estadsticos en las

pruebas experimentales

Prueba de Duncan

i - i DMS Existe diferencia entre medias

i - i DMS No existe diferencia entre medias
Donde :
i : Media del tratamiento i
DMS : Factor de comparacin de Duncan

DMS qd EE
donde :
qd : Valor de tabla de Duncan
EE

CM E
r

4.8 Aplicaciones industriales

Un fabricante de papel para hacer
bolsas para comestibles, se encuentra
interesado en mejorar la resistencia a
la tensin del producto.
El departamento de ingeniera del
producto piensa que la resistencia a
la tensin en una funcin de la
concentracin de madera dura en la
pulpa
y
que
el
rango
de
concentraciones de madera de inters
prctico est entre el 5% y 20%.

4.8 Aplicaciones industriales

El
equipo
de
ingenieros
responsables del estudio decide
investigar
cuatro
niveles
de
concentracin de madera dura: 5%,
10%, 15% y 20%. Deciden hacer
seis ejemplares de prueba con cada
nivel de concentracin, utilizando
una planta piloto. Las 24 muestras
se prueban, en orden aleatorio, con
una maquina de laboratorio para
probar la resistencia.

4.8 Aplicaciones industriales

La siguiente tabla muestra los datos de este
experimento

Concentra
cin de
madera
dura
5%
10%
15%
20%

Observaciones
1

7
12
14
19

8
17
18
25

15
13
19
22

11
18
17
23

9
19
16
18

10
15
18
20

Totales

Realice un anlisis de varianza para probar la

hiptesis de que diferentes concentraciones de
madera dura no afectan la resistencia del papel

60
94
102
127
383

4.8 Aplicaciones industriales

La siguiente tabla muestra los
datos de este experiemento
Realice un anlisis de varianza
para probar la hiptesis de que
diferentes concentraciones de
madera dura no afectan la
resistencia del papel

4.8 Aplicaciones industriales

yi

yij
Concentra
cin de
madera
dura
5%
10%
15%
20%

Observaciones
1

7
12
14
19

8
17
18
25

15
13
19
22

11
18
17
23

9
19
16
18

10
15
18
20

Totales
60
94
102
127
383

4.8 Aplicaciones industriales

RESUMEN
Grupos

Cuenta

Suma

0.05

60

0.1

94

0.15

102

0.2

127

Promedio

Varianza

10.00

8.00

15.67

7.87

17.00

3.20

21.17

6.97

4.8 Aplicaciones industriales

ANLISIS DE VARIANZA
Origen de las
variaciones

Suma de
cuadrados

Grados de
libertad

Promedio de
los cuadrados

Probabilidad

Valor crtico
para F

Tratamiento

382.79

127.60

19.61

0.00

3.10

Error

130.17

20

6.51

Total

512.96

23

4.8 Aplicaciones industriales

Prueba de Duncan
Tratamientos

Diferenci
a

DMS

20

21.17

10.00

11.17

3.32

20

10

21.17

15.67

5.50

3.23

20

15

21.17

17.00

4.17

3.07

15

17.00

10.00

7.00

3.10

15

10

17.00

15.67

1.33

2.95

10

15.67

10.00

5.67

2.95

4.6 Supuestos estadsticos en las

pruebas experimentales

Tabla ANOVA para Diseo en Bloques

Completos Aleatorizados
Fuente de
variacin

Suma de
cuadrados

Grados de
libertad

Cuadrado
medio

Tratamientos

SCTR

k-1

CMTR= SCTR/k-1

Bloques

SCBL

b-1

CMBL= SCBL/b-1
CME= SCE/(k-1)
(b-1)

Error

SCE

(k-1)(b-1)

Total

STC

kb-1

Fo

CMTR/CME

4.8 Aplicaciones industriales

En el Centro de Control de
Cleveland en Oberlin, Ohio, se
instalaron las tres alternativas
de estacin de trabajo. Se
seleccion a seis controladores
en forma aleatoria y se le
asign a cada sujeto uno de los
sistemas para que los operara.

4.8 Aplicaciones industriales

Despus practicar una entrevista y un
examen mdico a cada uno de los
participantes
en
el
estudio,
se
obtuvieron las mediciones del estrs de
cada controlador en cada uno de los
tres sistemas. En la siguiente tabla se
presentan estos resultados con la
etiqueta Blocks (bloques), Controller
(controlador),
System
(sistema)
y
Treatments (tratamientos).

4.8 Aplicaciones industriales

Diseo de bloques aleatorizados para la prueba de estrs en

los controladores de trfico areo
TRATAMIENTOS

BLOQUES

System A

System B

System C

Controller 1

15

15

18

Controller 2

14

14

14

Controller 3

10

11

15

Controller 4

13

12

17

Controller 5

16

13

16

Controller 6

13

13

13

4.8 Aplicaciones industriales

Anlisis de varianza de dos factores con una sola muestra por
grupo
RESUMEN

Cuenta

Suma

Promedio

Varianza

Controller 1

48

16

Controller 2

42

14

Controller 3

36

12

Controller 4

42

14

Controller 5

45

15

Controller 6

39

13

System A

81

13.5

4.3

System B

78

13

System C

93

15.5

3.5

4.8 Aplicaciones industriales

ANLISIS DE VARIANZA
Origen de las
variaciones

Suma de
cuadrados

Grados de
libertad

Promedio de los
cuadrados

Probabilidad

Valor crtico
para F

Bloques

30

6.00

3.16

0.06

3.33

Tratamientos

21

10.50

5.53

0.02

4.10

Error

19

10

1.90

Total

70

17

4.8 Aplicaciones industriales

Hiptesis

H 0 : 1 2 3 ... i
H1 : 1 0 para al menos una i
se rechaza H 0 si f 0 f ,a 1,a n 1
se rechaza H 0 si el valor-p

Diseo experimental para un

factor
Homework

Estadstica para negocios y economa

Anderson, Sweeney, Williams
CENGAGE Learning
11 edicin
Pag. 523
8-12

Pag 535
24-27