80%(20)80% fanden dieses Dokument nützlich (20 Abstimmungen)
10K Ansichten4 Seiten
El documento describe los pasos para realizar un diseño experimental correctamente, incluyendo definir objetivos, identificar fuentes de variación, elegir una regla de asignación, especificar medidas y procedimientos, y analizar los datos. Explica que la aleatorización es importante para garantizar la validez de las estimaciones de error y eliminar sesgos. También presenta la prueba de Duncan para comparar rangos múltiples de medias entre tratamientos.
El documento describe los pasos para realizar un diseño experimental correctamente, incluyendo definir objetivos, identificar fuentes de variación, elegir una regla de asignación, especificar medidas y procedimientos, y analizar los datos. Explica que la aleatorización es importante para garantizar la validez de las estimaciones de error y eliminar sesgos. También presenta la prueba de Duncan para comparar rangos múltiples de medias entre tratamientos.
El documento describe los pasos para realizar un diseño experimental correctamente, incluyendo definir objetivos, identificar fuentes de variación, elegir una regla de asignación, especificar medidas y procedimientos, y analizar los datos. Explica que la aleatorización es importante para garantizar la validez de las estimaciones de error y eliminar sesgos. También presenta la prueba de Duncan para comparar rangos múltiples de medias entre tratamientos.
IDENTIFICACIN DE LOS EFECTOS DE LOS DISEOS EXPERIMENTALES
La experimentacin forma parte natural de la mayora de las investigaciones
cientficas e industriales, en muchas de las cuales, los resultados del proceso de inters se ven afectados por la presencia de distintos factores, cuya influencia puede estar oculta por la variabilidad de los resultados mustrales. Es fundamental conocer los factores que influyen realmente y estimar esta influencia. Para conseguir esto es necesario experimentar, variar las condiciones que afectan a las unidades experimentales y observar la variable respuesta. Del anlisis y estudio de la informacin recogida se obtienen las conclusiones. La forma tradicional que se utilizaba en la experimentacin, para el estudio de estos problemas, se basaba en estudiar los factores uno a uno, esto es, variar los niveles de un factor permaneciendo fijos los dems. Esta metodologa presenta grandes inconvenientes: * Es necesario un gran nmero de pruebas. * Las conclusiones obtenidas en el estudio de cada factor tiene un campo de validez muy restringido. * No es posible estudiar la existencia de interaccin entre los factores. * Es inviable, en muchos casos, por problemas de tiempo o costo. Las tcnicas de diseo de experimentos se basan en estudiar simultneamente los efectos de todos los factores de inters, son ms eficaces y proporcionan mejores resultados con un menor coste. A continuacin se enumeran las etapas que deben seguirse para una correcta planificacin de un diseo experimental, etapas que deben ser ejecutadas de forma secuencial. Tambin se introducen algunos conceptos bsicos en el estudio de los modelos de diseo de experimentos. Las etapas a seguir en el desarrollo de un problema de diseo de experimentos son las siguientes:
Definir los objetivos del experimento.
Identificar todas las posibles fuentes de variacin, incluyendo: factores tratamiento y sus niveles, unidades experimentales, factores nuisance (molestos): factores bloque, factores ruido y covariables. Elegir una regla de asignacin de las unidades experimentales a las condiciones de estudio (tratamientos). Especificar las medidas con que se trabajar (la respuesta), el procedimiento experimental y anticiparse a las posibles dificultades. Ejecutar un experimento piloto. Especificar el modelo. Esquematizar los pasos del anlisis. Determinar el tamao muestral. Revisar las decisiones anteriores. Modificarlas si se considera necesario. IMPORTANCIA DE LA ALEATORIZACIN La aleatorizacin consiste en que tanto la asignacin del material experimental como el orden en que se realizan las pruebas individuales o ensayos se determinan aleatoriamente y la importancia de esta consiste en: 1. Garantizar la validez de la estimacin del error experimental. 2. Garantizar la independencia de los errores o que las observaciones sean variables aleatorias independientes. Esto es necesario para obtener pruebas de significancia vlidas y estimados de intervalos. 3. Eliminar el sesgo de tal manera que no se desfavorezca o discrimine a los tratamientos y permite cancelar los efectos de factores extraos que pudieran estar presentes.
La aleatorizacin hace vlida la prueba, hacindola apropiada para analizar
los datos como si la suposicin de errores independientes fuera cierta. Obsrvese que no hemos dicho que la aleatorizacin garantiza independencia, sino slo que la aleatorizacin nos permite proceder como si la independencia fuera un hecho. La razn de esta distincin debe ser clara: los errores asociados con unidades experimentales que son adyacentes en espacio o tiempo, tendern a correlacionarse, y todo lo que hace la aleatorizacin es asegurarnos que el efecto de esta correlacin, sobre cualquier comparacin entre los tratamientos, se har tan pequea como sea posible. An quedar algo de correlacin, pero ninguna cantidad de aleatorizacin puede eliminarla totalmente. Es decir, en cualquier experimento, la independencia de errores completa y verdadera es slo ideal y nunca puede lograrse. Sin embargo, por todos conceptos, debe buscarse tal independencia y la aleatorizacin es la mejor tcnica empleada para lograr el fin deseado. Algunas veces se introduce el concepto de aleatorizacin como un instrumento para eliminar tendencias. Para ilustrar el razonamiento en que se basa este procedimiento A y B debe ser parcial a favor de B, si existe un efecto de aprendizaje. Sin embargo, si cada vez que tubo que investigarse un nuevo compuesto, el analista hubo de decidir al azar cul procedimiento usar primero, la tendencia pudo haber sido reducida, tal vez eliminada. Pero, podra haberse logrado algo ms. Si estuviesen actuando otras tendencias, tambin se podran haber eliminado sus efectos (o al menos reducido) por medio de aleatorizacin. Es decir asignando tratamientos al azar a las unidades experimentales, estamos tratando de certificar que los tratamientos no sern favorecidos continuamente o perjudicados por fuentes extraas de variacin, sobre las que no tenga control el experimentador o sobre los cuales decida no ejercer control. En otras palabras, la aleatorizacin es como un seguro; siempre es una buena idea y algunas veces es an mejor de lo que esperamos. Por qu los estadsticos insisten en la aleatorizacin? Es porque el estadstico desea hacer ciertas deducciones de los datos observados y desea obtener una medida de confiabilidad de esas deducciones. Si no se emplea la aleatorizacin, la citada medida de confiabilidad puede ser tendenciosa. Adems, cualquier deduccin no podra ser sostenida PRUEBA DE DUNCAN Es un procedimiento utilizado para realizar la comparacin de rangos mltiples de medias. Este procedimiento se basa en la nocin general de un rango studentizado (recordar distribucin t-student). El rango de cualquier subconjunto de p medias muestrales debe exceder cierto valor antes de que se encuentre que
cualquiera de la p medias es diferentes. Este valor se llama rango de menor
significancia para las p medias y se denota con Rp donde dnde: 1. rp son los rangos studentizado de menor significancia y depende del nivel de significancia y den nmero de grados de libertad. 2. s2 es el cuadrado medio del error y se toma de la tabla de anlisis de varianza 3. n es el nmero de elementos para un tratamiento especifico. 4. p representa el tamao del conjunto de medias. 5. y Rp puede entenderse como la diferencia mnima que debe existir entre la media mas grande y la ms pequea de un conjunto de tamao p. Los pasos que debemos seguir para aplicar la prueba de Duncan son: 1. Calcular el valor de cada una de las medias correspondientes a cada tratamiento y ordenarlas de mayor a menor, ya ordenadas las renumeraremos de 1 a p. Note que inicialmente p es igual al nmero de tratamientos k. 2. Determinar de una tabla los valores rp para un valor de significancia a. 3. Calcular los Rp de acuerdo con la expresin anterior y tomar de la tabla de anlisis de varianza el valor s2 = SSE/(k*(n-1)) 4. Probar por rangos que vayan de la media 1 a la p 5. Si la hiptesis se cumple, es decir si Rp < mi+p mi, terminamos 6. Hacemos rangos ms pequeos p = p-1 y regresamos al paso 4 mientras p > 1.