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.

DISEO COMPLETAMENTE ALEATORIZADO

En el Diseo de Experimentos al Completo Azar, el experimentador asigna las

unidades experimentales a los tratamientos al azar, con la nica restriccin del
nmero de observaciones que se tomarn en cada tratamiento. Es el ms
sencillo y se origina por la asignacin aleatoria de tratamientos a un conjunto
de unidades experimentales.
Para aleatorizar una tabla de nmeros aleatorios resulta conveniente para
elegir las unidades experimentales que recibir cada tratamiento. Si cada
tratamiento ha de repetirse cuatro veces, los primeros cuatro nmeros
aleatorios obtenidos se asignarn al tratamiento A, los siguientes cuatro
nmeros aleatorios al tratamiento B, y as sucesivamente.
El diseo al completo azar se utiliza cuando las condiciones del sitio o lugar
experimental son totalmente homogneas

Sea ni el nmero de observaciones en el i-simo tratamiento, i = 1,...,I.

Entonces, los valoresn1, n2, nI, 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 es de la
forma: Respuesta = Constante + Efecto tratamiento + Error.
El diseo al completo azar tiene varias ventajas y desventajas entre estas se
pueden menciona las siguientes:
Ventajas:
a) Su sencillez (estadstico fcil). Aun cuando los datos de algunos
tratamientos se hayan perdido, o rechacen por alguna causa el mtodo
de anlisis sigue siendo sencillo. La prdida relativa de informacin
debida a los datos faltantes, es de menos importancia que en cualquier
otro sistema.
b) La flexibilidad. Puede utilizarse cualquier nmero de tratamientos y
repeticiones y pueden variar a voluntad del investigador el nmero de
repeticiones de un tratamiento a otro, pero no es recomendable sino
existe una buena razn. Todo el material experimental disponible puede
usarse, lo cual es una ventaja en experimentos preliminares pequeos
donde el material experimental de que se dispone es escaso.

c) El nmero de grados de libertad es mximo en comparacin con otros

modelos, el modelo estadstico sigue siendo fcil aun cuando se pierdan
unidades experimentales.
d) Aun cuando los datos de algn tratamiento se hayan perdido, o
rechacen por alguna causa el mtodo de anlisis sigue siendo sencillo.
Desventajas:

a) La principal estriba en su grado de precisin, algn otro diseo suele ser capaz
de estimar el error stndar por unidad experimental (error experimental) con un
mayor grado de precisin
b) No siempre puede garantizarse condiciones de homogeneidad. No se asegura,
ninguna forma para aseverar que las unidades reciben un tratamiento similar a
aquellas que reciben otro tratamiento, toda la variacin que existe entre las
unidades pasa a formar parte del error experimental.
Desventajas:

a) La principal estriba en su grado de precisin, algn otro diseo suele ser capaz
de estimar el error stndar por unidad experimental (error experimental) con un
mayor grado de precisin.
b) No siempre puede garantizarse condiciones de homogeneidad. No se asegura,
ninguna forma para aseverar que las unidades reciben un tratamiento similar a
aquellas que reciben otro tratamiento, toda la variacin que existe entre las
unidades pasa a formar parte del error experimental.

Por qu aleatorizar?
Para transformar la variabilidad sistemtica no planificada en variabilidad no
planificada o ruido aleatorio; en otros trminos: prevenir contra la introduccin
de sesgos en el experimento. La aleatorizacin evita la dependencia entre
observaciones y valida muchos de los procedimientos estadsticos ms
comunes.

Cundo puede ser apropiada la aleatorizacin?

La aleatorizacin puede ser apropiada si:

a) El material experimental es homogneo.

b) Donde es probable que una parte apreciable de las unidades se destruyan o no
respondan
c) En experimentos pequeos en donde la mayor precisin de otros diseos no
compensa la prdida de grados de libertad del error.
PROCEDIMIENTO DE ANLISIS

Procedimiento
a.

Determinar el nmero de unidades experimentales (n) y numerarlas. Es

posible obtener n al multiplicar el nmero de tratamientos por el nmero de
repeticiones n = (t * r).

b.

Asignar el nmero de unidades experimentales a cada tratamiento

utilizando una tabla de nmeros aleatorios o bien cualquier otra herramienta
que sirva para el mismo propsito. Por ejemplo, si cada tratamiento ha de
repetirse cuatro veces, los primeros cuatro nmeros aleatorios obtenidos se
asignarn al tratamiento A, los siguientes cuatro nmeros aleatorios al
tratamiento B, y as sucesivamente.

c.

Una vez hecha la distribucin anterior (liberal b) se numeran las

unidades experimentales y se localizan los tratamientos de acuerdo al nmero
que les corresponde y se obtiene as las distribuciones de campo.

Modelo Estadstico

Yij = + i + ij
En donde:
Yij Variable respuesta de la ij-esima unidad experimental
Efecto de la media general
i Efecto del i-esimo tratamiento
ij Efecto del error experimental asociado a la i-esima unidad experimental

Anlisis de Varianza

Hiptesis Nula Ho: i = 0 (Los i tratamientos tienen el mismo efecto sobre la

variable en estudio)

Hiptesis Alterna Ha: i 0 (No todos los tratamientos tienen el mismo efecto
sobre la variable en estudio, al menos uno produce un resultado distinto)

Tabla de Datos

Repeticiones

Yi.

Tratamientos
1

Y11

Y12

Y12

. . .

Y1r

Y1 .

Y21

Y22

Y23

. . .

Y2r

Y2 .

Y31

Y32

Y33

. . .

Y3r

Y3 .

. . .

. . .

. . .

Yt1

Yt2

Yt3

. . .

Ytr

Y ..

Supuestos
Los supuestos que validan el anlisis varianza son:

a.
b.
c.

Los errores son independientes

Los errores estn normalmente distribuidos con media cero y varianza
constante
Existe homogeneidad de varianza entre los tratamientos.

Fuentes de variacin y grados de libertad.

Para el anlisis de varianza se construye una tabla de anlisis de varianza y se

completan los datos. Existen slo dos fuentes de variacin en el diseo
completamente aleatorio: entre unidades experimentales dentro de un
tratamiento, la cual denominamos error experimental y aquella entre medias de
tratamiento.

Tabla de Anlisis de Varianza

Fuentes
de
Variacin

Grados
de
Libertad

Tratamientos

t-1

Error
Total

Suma de
Cuadrados

[(Y2../r
(tr)]

Cuadrados
Medios

Y2..)/ Sctrat/gltotal

Fc Calculada

Ft
Requerida

Scmedios/Cmerro
r

t ( r 1) Sctotal - SCtrat Scerror/glerror

t r -1

[ (Yij- Y2..)/
(tr) ]

Los grados de libertad son uno menos que el nmero de observaciones para
cada fuente de variacin.

Regla de Decisin

Rechazar la hiptesis Ho. Si Fc > Ft (Gltrat, Gl error, )

Aceptar la Hiptesis Ha. Si Fc < Ft (Gltrat, Gl error, )

Ft = Valor tabular.

Coeficiente de Variacin

Se puede considerar como medida relativa de la variacin que no es posible

controlar en el experimento (error experimental), por costumbre se utiliza como
que se control adecuadamente el error cuanto el coeficiente de variacin es
menor de 20.

El coeficiente de variacin se calcula por medio de la frmula siguiente:

CV = ( Raiz(CM) / Y.. ) *100

Y.. = Y.. / tr