DISEO COMPLETO AL

AZAR
DISEO EXPERIMENAL

Contenido
LABORATORIO N 01............................................................................................ 1
INTRODUCCION:............................................................................................... 1
MARCO TEORICO:...................................................................................... 2

I.
1.

El diseo:.............................................................................................. 2

2.

Unidad experimental:................................................................................ 2

3.

Tipos de Variables:................................................................................... 2

4.

Diseo experimental:................................................................................ 2

5.

Anlisis de diseos experimentales bsicos:....................................................3

6.

Diseo completamente al azar (DCA):............................................................4

7.

Aleatorizacin:........................................................................................ 4

8.

Propsito del ANOVA:............................................................................... 4

DESARROLLO TEMATICO:................................................................................... 5
1.

SOLUCION DEL CASO CON EXCEL...............................................................5

2.

SOLUCIN DEL CASO CON STATGRAPHICS....................................................7

II.

APLICACIN A LA INGENIERIA COMERCIAL.....................................................11

III.

STATGRAPHICS:....................................................................................... 11

LABORATORIO N 01
DISEO EXPERIMENTAL
DISEO COMPLETO AL AZAR (DCA)
INTRODUCCION:
El diseo completamente al azar es una prueba basada en el anlisis de varianza, en donde
la varianza total se descompone en la varianza de los tratamientos y la varianza del error.
El objetivo es determinar si existe un diferencia significativa entre los tratamientos, para lo
cual se compara si la varianza del tratamiento contra la varianza del error y se determina
si la primera es lo suficientemente alta segn la distribucin F.
Se definen los t tratamientos que se van a aplicar a las n unidades experimentales, de tal
forma que a r unidades experimentales les va a corresponder un tipo de tratamiento.
Las unidades experimentales se sortean para la asignacin a cada tratamiento. Se define la
variable a medir.
I.
MARCO TEORICO:
1. El diseo:
Se define como el proceso previo de configuracin mental, "pre-figuracin", en la
bsqueda de una solucin en cualquier campo. Utilizado habitualmente en el contexto de
la industria, ingeniera, arquitectura, comunicacin y otras disciplinas creativas.
2. Unidad experimental:
Es la unidad ms pequea de la cual se obtiene una medida o caracterstica. Por ejemplo
a un investigador le puede interesar: las familias, las personas, las empresas de un cierto
tipo, etc.
3. Tipos de Variables:
a. Se denomina VARIABLE CATEGORICA o CUALITATIVA a aquellas cuyos valores
o caractersticas son categoras o clases excluyentes.
Ejemplo: sexo, estado civil, nivel socioeconmico, color del pelo, color de los
ojos, etc.
b. Se denomina VARIABLE CUANTITATIVA o NUMERICA a aquellas cuyas
medidas posibles se pueden expresar por nmeros, las que se han obtenido por
medicin o recuento.
Por ejemplo: temperatura corporal, edades, nmero de pacientes hospitalizados,
nmero de accidentes, tiempo de espera para ser atendido en un servicio, etc.

Recordemos que el profesor empez dictando el caso de la empresa DMODA. Pero

podran considerar los siguientes puntos que avanzo en clase.
4. Diseo experimental:
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. El diseo experimental prescribe una serie
de pautas relativas qu variables hay que manipular, de qu manera, cuntas veces hay
que repetir el experimento y en qu orden para poder establecer con un grado de
confianza predefinido la necesidad de una presunta relacin de causa-efecto.
El diseo experimental encuentra aplicaciones en la industria, la agricultura, la
mercadotecnia, la medicina, la ecologa, las ciencias de la conducta, etc. constituyendo
una fase esencial en el desarrollo de un estudio experimental.
5. Anlisis de diseos experimentales bsicos:
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 agropecuaria 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 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 aditivita de los errores, la homogeneidad de varianza de las poblaciones de
tratamientos y la independencia y distribucin normal de los errores.

6. Diseo completamente al azar (DCA):

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 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.
7. 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
8. Propsito del ANOVA:
El objetivo del ANOVA es identificar variables independientes importantes en un estudio
estadstico y determinar como interactan y afectan la respuesta; stas variables
independientes que pueden controlarse en un experimento se denominan factores o
vas. Existe el anlisis de varianza de un factor o de una va y tambin de dos factores o
de dos vas. El modelo probabilstico que usaremos por ser el ms adecuado, como
veremos, es la distribucin de probabilidad F cuyas tablas aparecen en el anexo 3 del
blog. Para usar las tablas F necesitamos como dato el clculo de los llamados Grados
de Libertad, cuya frmula aprenderemos en su momento.

DESARROLLO TEMATICO:
CASO:
La gerencia de empresa DMODA desea renovar sus mquinas para confeccionar pantalones
y otras prendas para ese propsito reciben ofertas de 4 empresas o marcas diferentes de
mquinas para confeccin.
La gerencia se ha puesto como objetivo que la maquina sea la ms veloz para su uso en una
confeccin especfica (pantalones).La gerencia elaboro un diseo experimental DCA (Diseo
completo al azar) exponiendo 4 filas de mquinas cada fila con una mquina de diferente
marca y observo la velocidad con que se confeccionaba cada prenda en minutos. Todas las
filas tienen la misma cantidad de operarios (6) los cuales han sido escogidos lo ms
homogneo posible.
Es posible concluir que alguna de las maquinas tiene mayor velocidad para la
confeccin de una pantaln?

1. SOLUCION DEL CASO CON EXCEL

1.1.

Elaboracin de la tabla de DCA

Como primer paso tenemos que elaborar esta tabla en Excel.
R
E
P
E
T

T1
X11
X12
.
.
.

TRATAMIENTO
T2
T3
X21

X22

.
.
.
.
.
.

T4
XK1
XK2
.
.
.
TOTALES

I
C
I
O
N
Totales Ti
ni= r
Media X i

X1n1
T1.
n1= r
X 1.

X2n2
T2.
n2= r
X 2.

XKnK
Tk.
nk= r
X K.

T..
ni= r
X..

Luego de haber elaborado la tabla, hacer clic derecho sobre la hoja 1 y seleccionar
la opcin Mover o copiar, y dar clic en crear una copia. Luego realizar los
siguientes cambios:
A la primera hoja, hacer clic derecho en la opcin Cambiar nombre y
colocar DCA.
Con la segunda hoja realizar lo mismo pero cambiando el nombre por D
MODA.

1.2.

Ingreso de los datos

Primeramente para la introduccin de los datos, se tiene que realizar los
cambios pertinentes a la segunda hoja como borrar los contenidos de las
celdas en donde deberan estar los datos. Los datos son los siguientes:

REPETICION

T1
55
46
45
73
50
63

T1
55
46
45
73
50
63

T2
60
58
68
58
63
52

T3
64
62
51
57
65
68

TRATAMIENTO
T2
T3
60
64
58
62
68
51
58
57
63
65
52
68

T4
42
45
52
44
42
56

T4
42
45
52
44
42
56

TOTALES

Totales Ti
ni= r
MEDIA
1.3.

Procedimiento del caso

En esta parte se tiene que especificar qu pasos hemos realizado para hallar los

REPETICION

resultados de la las sumas, el conteo, la media (promedio).

Totales Ti
ni= r
MEDIA

T1
55
46
45
73
50
63
332
6
55,33

TRATAMIENTO
T2
T3
60
64
58
62
68
51
58
57
63
65
52
68
359
367
6
6
59,83
61,17

T4
42
45
52
44
42
56
281
6
46,83

TOTALES

1339
24
55,79

Esta es la tabla que deberamos tener en Excel luego de haber insertado los respectivos
formatos para hallar las sumas, promedios que ya estn elaborados en la hoja de Excel,
por si alguna duda sobre como hallar las sumas, los promedios y el conteo solo tienen
que dar doble clic en las celdas del Excel de los resultados (la seccin verde) para saber
qu valores se estn seleccionando.
2. SOLUCIN DEL CASO CON STATGRAPHICS
2.1.

Ingreso de los datos:

Se debe insertar los datos del primer tratamiento en la primera columna y en la otra
columna se debe colocar el nmero del tratamiento en este caso 1, lo mismo con el
segundo tratamiento, se debe insertar por debajo del primer tratamiento y colocar
en la otra columna el nmero 2 y as sucesivamente.

2.2.

Procedimiento del caso:

Primero debemos dar clic en COMPARARANALISIS DE LA
VARIANZAANOVA SIMPLE.

En el siguiente cuadro debemos reconocer las UEVariables Dependientes

y TRAT Variable Independiente y le daos clic en ACEPTAR.

En el siguiente cuadro solo le damos clic en ACEPTAR.

De esa forma logramos obtener la Tabla ANOVA y otros resultados:

TABLA ANOVA PARA UE POR TRAT

Fuente

Suma de

Gl Cuadrado

Cuadrados
Entre grupos 754.125
Intra grupos 1097.83
Total (Corr.) 1851.96

II.

Medio
3 251.375
20 54.8917
23

Razn-F

Valor-P

4.58

0.0134

APLICACIN A LA INGENIERIA COMERCIAL

CASO:
Se realiz un experimento para probar el efecto de suministrar diferentes niveles
energticos suministrados a diferentes dietas a base de sorgo, en el consumo de
alimentacin para pollos abarca desde los 5 das de edad hasta las 8 semanas. Para ello
se utilizaron 160 pollos de 5 lneas comerciales mismas que constituyeron los bloques;
dentro de los cuales, fueron distribuidos los tratamientos; entonces cada grupo de 8
pollos constituyo una experimental, obtenindose la siguiente informacin.

Repetici

Totales

T1
4268
4500
4300
4250
4220
21538

TRATAMIENTOS
T2
T3
T4
4482
4699
4549
4500
4880
4750
4250
4500
4480
4290
4470
4420
4200
4450
4300
21722
22999
22499

Ti
ni=r
Media

5
4307.6

5
4344.4

III.

STATGRAPHICS:

ANOVA Simple - UE por TRAT

Variable dependiente: UE
Factor: TRAT

5
4599.8

5
4499.8

Totales

88758
20
4437.9

Nmero de observaciones: 20
Nmero de niveles: 4
El StatAdvisor
Este procedimiento ejecuta un anlisis de varianza de un factor para UE. Construye
varias pruebas y grficas para comparar los valores medios de UE para los 4 diferentes
niveles de TRAT. La prueba-F en la tabla ANOVA determinar si hay diferencias
significativas entre las medias. Si las hay, las Pruebas de Rangos Mltiples le dirn
cules medias son significativamente diferentes de otras. Si le preocupa la presencia de
valores atpicos, puede elegir la Prueba de Kruskal-Wallis la cual compara las medianas
en lugar de las medias. Las diferentes grficas le ayudarn a juzgar la significancia
prctica de los resultados, as como le permitirn buscar posibles violaciones de los
supuestos subyacentes en el anlisis de varianza.
Tabla ANOVA para UE por TRAT
Fuente

Suma de

Gl Cuadrado

Entre

Cuadrados
278818.

grupos
Intra

374804.

16 23425.3

grupos
Total

653622.

19

Medio
92939.3

Razn-F

Valor-P

3.97

0.0273

(Corr.)
El StatAdvisor
La tabla ANOVA descompone la varianza de UE en dos componentes: un componente
entre-grupos y un componente dentro-de-grupos. La razn-F, que en este caso es igual a
3.96748, es el cociente entre el estimado entre-grupos y el estimado dentro-de-grupos.
Puesto que el valor-P de la prueba-F es menor que 0.05, existe una diferencia
estadsticamente significativa entre la media de UE entre un nivel de TRAT y otro, con
un nivel del 95.0% de confianza. Para determinar cules medias son significativamente
diferentes de otras, seleccione Pruebas de Mltiples Rangos, de la lista de Opciones
Tabulares.

Dispersin por Cdigo de Nivel

5000

UE

4800

4600

4400

4200
1

TRAT

ANOVA Grfico para UE

TRAT

P = 0.0273

Residuos
-340

-140

60

260

460