Diseo experimental

El diseo experimental es una tcnica estadstica que ciones de tratamiento, y se le denominara diseo facto-
permite identicar y cuanticar las causas de un efecto rial de 22.
dentro de un estudio experimental. En un diseo experi-
Si el nmero de combinaciones en un diseo factorial
mental se manipulan deliberadamente una o ms varia- completo es demasiado alto para su procesamiento, pue-
bles, vinculadas a las causas, para medir el efecto que tie-
de optarse por un diseo factorial fraccional, en el que se
nen en otra variable de inters. El diseo experimental omitan algunas de las combinaciones posibles.
prescribe una serie de pautas relativas qu variables hay
que manipular, de qu manera, cuntas veces hay que re-
petir el experimento y en qu orden para poder establecer
con un grado de conanza predenido la necesidad de una 3 Historia
presunta relacin de causa-efecto.
El diseo experimental encuentra aplicaciones en la Los diseos factoriales fueron utilizados en el siglo XIX
industria, la agricultura, la mercadotecnia, la medicina, la por Jhon Bennet Lawes y Henry J. Gilbert de la Estacin
ecologa, las ciencias de la conducta, etc. constituyendo experimental de Rothamsted.[1] Ronald Fisher discuti
una fase esencial en el desarrollo de un estudio experi- en 1926 que los diseos complejos, como diseos fac-
mental. toriales, eran ms ecientes que estudiando un factor a
la vez.[2] Fisher escribi: ningn aforismo se repite
tan frecuentemente respecto de las pruebas de cam-
po, que aquel de que a la Naturaleza debemos hacerle
1 Perspectiva histrica pocas preguntas, o, idealmente, hacrselas de a una.
Quien escribe es un convencido de que este punto de
Ronald Fisher es considerado el padre del diseo experi- vista est totalmente equivocado. Un diseo factorial
mental en sus estudios de agronoma en el primer tercio permite el efecto de varios factores e incluso interaccio-
del siglo XX. A la lista de los pioneros de su uso hay que nes entre ellas que se determinarn con el mismo nmero
aadir los de Frank Yates, W.G. Cochran y G.E.P. Box. de ensayos que son necesario determinar de los efectos
Muchas de las aplicaciones originarias del diseo expe- por s mismo con el mismo grado de exactitud.
rimental estuvieron relacionadas con la agricultura y la Yates realiz importantes contribuciones signicativas
biologa, disciplinas de las que procede parte de la termi-
hechas, particularmente en el anlisis de diseos, por
nologa propia de dicha tcnica. Anlisis de Yates. El trmino factorial no se pudo haber
Las aplicaciones a la industria textil comenzaron en la d- utilizado en la impresin antes de 1935, cuando Fisher la
cada de 1930 en Inglaterra y se popularizaron y extendie- utiliz en su libro El diseo de experimentos. [1]
ron a las industrias qumica y manufacturera de Europa
y EE. UU. tras la II Guerra Mundial. Es de notar su uso
actual en la industria de la electrnica y los semiconduc- 4 Notacin
tores.
Para ahorrar el espacio, los puntos en un experimento fac-
torial de dos niveles se abrevian a menudo con las cadenas
2 Que es Diseo factorial? de ms y signos de menos. Las secuencias tienen tantos
smbolos como factores, y sus valores dictan el nivel de
En estadstica, un experimento factorial completo es un cada factor: para el primer (o bajo) llano, y + para el
experimento cuyo diseo consta de dos o ms factores, segundo (o alto) llano. Los puntos en este experimento se
cada uno de los cuales con distintos valores o niveles, pueden representar como , + , +, y + +.
cuyas unidades experimentales cubren todas las posibles Los puntos factoriales se pueden tambin abreviar cerca
combinaciones de esos niveles en todo los factores. Es- (1), a, b, y el ab, donde la presencia de una letra indica que
te tipo de experimentos permiten el estudio del efecto de el factor especicado est en su alto (o en segundo lugar)
cada factor sobre la variable respuesta, as como el efecto nivel y la ausencia de una letra indica que el factor especi-
de las interacciones entre factores sobre dicha variable. cado est en su (o primero) nivel bajo (por ejemplo, a
Por ejemplo, con dos factores y dos niveles en cada factor, indica que el factor A est en su alto ajuste, mientras que
un experimento factorial tendra en total cuatro combina- el resto de los factores estn en su ajuste del punto bajo

1
2 7 FISHER

ca, dependiendo de su propsito previsto y recursos dis-

ponibles. Proporcionar los efectos de las tres variables
independientes en la variable dependiente y las interac-
ciones posibles(en caso de haber ms de 3 se habla de un
hiperespacio).

c 6 Anlisis de Yates
d
La tcnica fundamental consiste en repartir el total en
componentes mediante sumas de cuadrados. Esta tcnica
tuvo efectos secundarios en el modelo. Por ejemplo, de-
mostramos el modelo para un ANOVA simplicado con
un tipo de tratamiento en diversos niveles.
b
a SCTotal = SCError + SCTratamientos

Los los grados de libertad se pueden repartir de manera

diagrama de cubo para 3 dimensiones usando variables A, B y
similar y especican distribuciones que describen las
C.
sumas asociadas de cuadrados.

(o primero)). (1) se utiliza indicar que todos los factores glTotal = glError + glTratamientos
estn en sus (o primero) valores ms bajos.
Para poder nalmente obtener un modelo estadstico que
nos indique el valor de respuesta al modicar los factores. 7 Fisher
Clculo del efecto
Contraste = (suma de niveles+)-(suma de niveles-) Efecto
Contraste /replica*2^k
b= efecto/2 bo= suma total/numero total
Modelo estadstico: Y= bo+ b1X1 + b2X2......

5 Ejemplo Real
El experimento factorial ms simple contiene dos niveles
para cada uno de dos factores. Suponga los deseos de un
ingeniero para estudiar la energa 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 consistira en cuatro elementos
experimentales: viaje en automvil A en 2000 RPM, viaje
en automvil B en 2000 RPM, viaje en automvil A en
3000 RPM, y viaje en automvil B en 3000 RPM. Cada
combinacin de un solo nivel seleccionado de cada factor
est presente una vez.
Este experimento es un ejemplo de 22 (o 2x2) experi-
mento factorial, nombrado as porque considera dos ni-
veles (la base) para cada uno de dos factores (la energa o Ronald Fisher
el exponente), o #lniveles#factores, produciendo 22pun-
tos factoriales =4. Los diseos pueden implicar muchas
variables independientes. Como otro ejemplo, los efectos 7.1 Principios de Fisher
de tres variables entradas se pueden evaluar en ocho con-
diciones experimentales demostradas como las esquinas El bilogo y estadstico ingls Ronald Fisher propuso una
de un cubo. Esto se puede conducir con o sin la rpli- metodologa por el diseo de experimentos en sus libros
7.2 Prueba F de Fisher 3

The Arrangement of Field Experiments (1926) y The De- los resultados del experimento original usando la da-
sign of Experiments (1935). Mucho de su obra pionera tra- ta original, y el resumen debe decir que el estudio es
t de las aplicaciones agrcolas de sus mtodos de estads- una rplica que intente seguir en los pasos del origi-
tica. Por ejemplo, describi como probar la hiptesis de la nal en lo ms estricto posible.[3]
catadora de t. estos mtodos se han adaptado en las cien-
cias sociales y fsicas y se usan todava en la ingeniera
agrcola y que se dieren del diseo y anlisis de experi- 7.2 Prueba F de Fisher
mentos de computacin.
Se utiliza para las comparaciones de los componentes de
Comparacin En algunos campos de estudio no es po- la desviacin total. Por ejemplo, en una forma, o el solo-
sible tener medidas independientes que conectan a factor ANOVA, la signicacin estadstica es probada pa-
una norma de metrologa trazable. Comparaciones ra comparando la estadstica de la prueba de F
entre tratamientos se valen mucho ms y normal-
mente se las preeran. A menudo se compara con
un control cientco o tratamiento tradicional que variance of the group means
F =
acta como un punto de referencia. mean of the within-group variances

Aleatorizacin Randomizacin es el proceso de asignar MSTR

F =
individuos al azar a grupos o a grupos distintos en MSE
un experimento. La asignacin aleatoria a grupos (o donde:
condiciones adentro de un grupo) distingue a rigo-
rosos verdaderos experimentos de un estudio obser-
vacional o cuasi-experimental.[1] Existe un cuerpo 1. Nmero de tratamientos: MSTR = SSTR
I1 , I
extensivo de teora matemtica que explora las con-
secuencias de asignar las unidades de tratamiento 2. Total de casos: MSE = nSSE
T I
, nT'
por medio de algn mtodo aleatorio como las tablas
de nmeros aleatorios, o el uso de aparatos aleato-
a F-distribucin con el del I-1, secundario< del > n<
rios como naipes o dados. Asignar unidades de tra-
T> /sub grados de libertad. Usar la F-distribucin es un
tamiento aleatoriamente tiende a mitigar los factor
candidato natural porque la estadstica de la prueba es el
de confusin, los cuales hacen que los efectos que no
cociente de dos sumas malas de los cuadrados que tienen
son por tratamientos parecer como s fuesen resulta-
a distribucin del chi-cuadrado.
dos del tratamiento. Los riesgos que se asocian con
una asignacin aleatoria (como tener un desbalance
serio en una caracterstica clave entre un grupo en
tratamiento y un grupo de control) se calculan y as 8 Referencias
se las dirigen a un nivel ms bajo y aceptable por
el hecho de usar bastantes unidades de experimen- 1.-Frank Yates and Kenneth Mather (1963). Ronald
tacin. Se pueden generalizar los resultados de un Aylmer Fisher. Biographical Memoirs of Fellows of the
experimento de las unidades de experimentacin a Royal Society of London 9: 91120. http://digital.library.
una poblacin estadstica de unidades pero solo si las adelaide.edu.au/coll/special//fisher/fisherbiog.pdf.
unidades de experimentacin son un muestreo de la
poblacin ms grande; el error probable de tal extra- 2.-Ronald Fisher (1926). The Arrangement of Field
polacin dependse del tamao de la muestra, entre Experiments. Journal of the Ministry of Agricultu-
otras cosas. re of Great Britain 33: 503513. http://digital.library.
adelaide.edu.au/coll/special//fisher/48.pdf.
Rplica estadstica Normalmente se sujetan medidas a
la variacin y la incertidumbre de medidas signica
que se las repiten y con experimentos enteros se los 9 Vase tambin
replican para ayudar a identicar los fuentes de la
variacin, por poder estimar los efectos verdaderos * Estadstica bayesiana
de tratamientos, por fortalecer su abilidad y su vali-
dez, y por agregar al conocimiento del tpico.[2] Sin Intervalo de conanza
embargo, necesita el cumplimiento de ciertas condi-
ciones antes que la rplica se comience: la cuestin Incertidumbre
de investigacin original se ha publicado en una re-
vista de revisin por pares o citado ampliamente, el Modelo estadstico
investigador es independiente del experimento ori-
ginal, el investigador debe primero intentar replicar Propagacin de errores
4 11 APLICACIONES

10 Diseo factorial 2k 10.2 Diseo 2k para k = 3 factores

Es un diseo de 3 factores, cada uno a 2 niveles y cons-

Cuando en un experimento hay varios factores de inters, ta de 8 combinaciones. Geomtricamente el diseo es un
utilizamos el diseo experimental factorial. cubo, cuyas esquinas son las 8 combinaciones. Este dise-
En el experimento factorial, se analizaran todas las posi- o permite estimar los 3 efectos principales (A, B, y C),
bles combinaciones de los niveles de los factores en cada las tres interacciones de dos factores (AB, AC, BC) y la
rplica del experimento, para estudiar el efecto conjunto interaccin de los tres factores (ABC).
de estos sobre una respuesta. La estimacin de cualquier efecto principal o interaccin
Un experimento 2k proporciona el menor nmero de en- en un diseo 2k se determina al multiplicar las combina-
sayos con los cuales se pueden estudiar k factores en un ciones de tratamientos de la 1. columna de la tabla por
diseo factorial completo. los signos del correspondiente efecto principal o colum-
na de interaccin, sumando los resultados para obtener
Existen varios casos especiales del diseo factorial, pe-
un contraste, y dividiendo el contraste por la mitad del n
ro el ms importante de todos ocurre cuando se tienen k
2 total de rplicas.
factores, cada uno de ellos a dos niveles (2 es el factorial
ms pequeo). A = [a+ab+ac+abc-(1)-b-c-bc]/4n B = [b+ab+bc+abc-
(1)-a-c-ac]/4n C = [c+ac+bc+abc-(1)-a-b-ab]/4n AB =
Debido a que slo hay dos niveles para cada factor, asu-
[abc-bc+ab-b-ac+c-a+(1)]/4n AC = [(1)-a+b-ab-c+ac-
mimos que la respuesta es aproximadamente lineal en el
bc+abc]/n BC = [(1)+a-b-ab-c-ac+bc+abc]/4n ABC =
rango de los niveles elegidos de los factores.
[abc-bc-ac+c-ab+b+a-(1)]/4n SIGNOS ALGEBRAI-
El efecto de un factor se dene como el cambio en la res- COS PARA CALCULAR LOS EFECTOS DEL DI-
puesta que produce un cambio en el nivel del factor. SEO 23 TABLA DE ANOVA DISEO 23
Eliminaremos la interaccin triple ABC, por lo que ten-
dremos un grado de libertad ms para el error.

10.1 Diseo 2k para k = 2 factores

Este diseo, es el ms sencillo de la serie. Consideramos

10.3 Diseo 2k con una rplica
dos factores: A y B, cada uno a 2 niveles.
Si aumentamos el nmero de factores en un experimen-
Normalmente consideramos estos niveles como los ni- to factorial, tambin aumenta el nmero de efectos que
veles alto y bajo del factor ojtet El diseo 22 puede ser pueden ser estimados.
representado geomtricamente como un cuadrado con 4
ensayos. As un experimento 24 tiene 4 efectos principales, 6 in-
teracciones dobles, 4 triples, y 1 cudruple.
Para cualquier diseo 2k con n replicas, la estimacin
del efecto y de los cuadrados se estiman de la siguiente La mayora de las veces las interacciones de orden supe-
forma:[4] rior a dos son despreciables.

Efecto = Contraste/n2K-1 SS = [Contraste]2 /n2k En experimentos factoriales 2k , con un k=3,4,5 o superior

es comn efectuar una sola replica, despreciar las inter-
Los efectos de inters en el diseo 22 , son los efectos prin- acciones de orden superior a dos, y de estos modo po-
cipales de A y B y la interaccin AB. der utilizar los grados de libertad de dichas interacciones
Estimaremos cada uno de los efectos de la siguiente for- para la estimacin del error.Esta forma de actuar puede
ma: conducirnos a decisiones errneas si realmente alguna de
estas interacciones que son de orden superior a dos son
A = [a+ab-b-(1)]/2n B = [b+ab-a-(1)]/2n AB = [ab+(1)-
signicativas.
a-b]/2n
Las cantidades entre corchetes en las ecuaciones anterio-
res se llaman contrastes. Podemos utilizar los contrastes
para calcular las sumas de cuadrados para A, B y la inter- 11 Aplicaciones
accin AB.
SSA = [a+ab-b-(1)]2 /4n SSB = [b+ab-a-(1)]2 /4n SSABEl diseo de experimentos tiene una gran variedad de
= [ab+(1)-a-b]2 /4n SIGNOS ALGEBRAICOS PARA aplicaciones y puede ser aplicado a un gran nmero de
CALCULAR LOS EFECTOS DEL DISEO 22 TA- industrias, la optimizacin de recursos, la identicacin
BLA DE ANOVA DISEO 22 de causas de variabilidad son algunos de los objetivos del
La SSE (Suma de cuadrados del Error) la obtendremos diseo de experimentos aplicados en nivel industrial. ne-
por diferencia, respecto a la SST cesito experimentos de un solo factor.
12.3 Industrias ligeras o de uso y consumo
12 Aplicaciones segn la clasica-
cin de la industria
A continuacin se muestran algunos ejemplos de aplica-
ciones existentes segn el tipo de industria.
12.1 Industrias pesadas o de base
Qumica pesada
Estudio de la composicin para la elabora-
cin de productos: Estudio de los valores ms
apropiados para la elaboracin de compuestos
qumicos que requieran diversos componentes.
Anlisis del efecto de las condiciones del en-
torno en la elaboracin del producto como la
temperatura ambiente, humedad relativa etc.[5]
12.2 Industrias de bienes de equipo
Maquinaria
Medida de la variabilidad de los instrumen-
tos de medida: Es posible aplicar el diseo de
experimentos como herramienta para determi-
nar y mejorar los ndices de capacidad de un
proceso concreto apoyndose en estudios de
reproducibilidad y repetitividad.[6]
Diseo de motores elctricos: Estudio de las
caractersticas constructivas del motor y su in-
uencia en variables importantes como la pr-
dida de ujo y la constante de velocidad.[7]
Diseo de electrodos: Estudio de los esfuer-
zos en los electrodos en funcin de la fuerza de
aplicacin y el tamao del electrodo.[8]
Diseo de elementos de sujecin: Anlisis de
la inuencia de los parametros geomtricos en
la resistencia de los remaches.[9]
Materiales de construccin
Estudios de corrosin: Estudios de la inuen-
cia del tiempo en la corrosin de aceros de
construccin y metales en general.
Aplicaciones en el mecanizado: estudio de
la variabilidad en los procesos de mecanizado,
ayuda a la reduccin de piezas defectuosas y
aumento de la capacidad de produccin.[10]
Produccin de vehculos industriales
5
Estudio de procesos de soldadura: estudio
de un proceso de soldadura, para determinar
las variables que inuyen en la resistencia de la
soldadura.[11]
Industria aeronutica
Optimizacin del proceso de anodizado y
pintado: optimizar los procesos de anodizado
y pintado para conseguir una buena proteccin
anticorrosion.[12]
12.3 Industrias ligeras o de uso y consumo
Farmacia y qumica ligera
Informtica y telecomunicaciones
Estudio del rendimiento de una red infor-
mtica: Realizando simulaciones es posible
cuanticar el rendimiento y las variables crti-
cas que hacen que la transferencia de datos en
la red sea econmicamente rentable.[13]
Mejora del rendimiento de un procesador:
Se usa para determinar el impacto que tienen
variables importantes como la temperatura y
las horas de uso en el rendimiento del proce-
sador.
Reduccin del tiempo del CPU: El estudio se
basa en la aplicacin del diseo de experimen-
tos para determinar la mejor combinacin de
factores que reduzcan el tiempo de CPU.
Optimizacin de materiales en semiconduc-
tores: Estudio de las propiedades elctricas del
arsienuro de galio dopado con silano.[14]
Diseo de ltros pasivos: se utiliza el dise-
o de experimentos para determinar los valo-
res de las tolerancias de los componentes para
optimizar los circuitos.[15]
Biotecnologa
Operaciones en un sistema de fangos acti-
vos: optimizar y entender las reacciones que
se dan en el tratamiento secundario de una
EDAR, por ejemplo, los fangos activos.[16]
13 Pasos para el diseo de un expe-
rimento
Observacin
6 15 EJEMPLO NUMRICO

Planteamiento del problema de investigacin
Objetivos
Hiptesis: hiptesis nula (Ho) e hiptesis alterna
Tras realizar los experimentos, obtiene 36, es decir, 4x9,
medidas de resistencia distintas. A partir de ese momen-
to, realiza un estudio cuantitativo utilizando tcnicas es-
tadsticas, como la ANOVA, que ya no forman parte pro-
piamente de la fase del diseo experimental.

Mtodo (incluye la eleccin de los sujetos para la

conformacin de la muestra; el procedimiento, es
decir, el tratamiento a los sujetos; las variables con-
15 Ejemplo numrico
sideradas: variable dependiente, variable indepen-
diente, variables extraas) Una empresa manufacturera desea saber que factores son
ms importantes en el proceso de mecanizado, para obte-
Resultados: aqu se describen cules fueron las re- ner el mejor acabado supercial en uno de sus productos.
laciones observadas entre las variables (si los valo- Para realizar el experimento se han identicado 3 para-
res de la variable independiente realmente inuye- metros que se consideran de importancia, la velocidad de
ron signicativamente sobre los de la variable de- giro de la mquina, el avance y el radio de la herramienta.
pendiente, si hubo tantas variables extraas como se Se ha decido realizar un experimento a dos niveles (alto
pensaba o si surgieron otras), para lo cual se aa- y bajo), con 3 factores.
den a dicha descripcin tanto grcas (de barras, de Los datos tomados son los siguientes.
pastel, etc.) como cuadros.
Para el anlisis del experimento se toma la siguiente no-
Conclusiones tacin

Factor A: Velocidad de giro (RPM)

A partir de aqu, ya es posible pensar en la elaboracin del
informe (publicacin del experimento y sus resultados, a Factor B: Avance (mm/rev)
travs de un artculo en una publicacin nacional o inter-
nacional, donde se incluirn, adems de las secciones ya Factor C: Radio de la herramienta ( pulgadas)
mencionadas, las referencias bibliogrcas).
Respuesta: Acabado supercial

14 Un ejemplo Primero es necesario denir la matriz que tome tanto los

efectos principales, como las interacciones entre ellas. se-
gn muchos autores, se suele despreciar las interacciones
Un ingeniero quiere estudiar la resistencia de una pieza de tercer orden o superiores ya que no inuyen de manera
plstica sometida a temperaturas cambiantes. La pieza signicativa.[17] La matriz para nuestro caso, queda como
puede ser elaborada con tres tipos de plstico distintos. sigue.
De ah que se plantee las siguientes preguntas:
Con esta matriz se pasa a realizar el anlisis de la inuen-
cia de cada componente sobre la respuesta utilizando el
Qu efecto tienen la composicin de la pieza y la anlisis de la varianza (ANOVA).
temperatura en la resistencia de la pieza?
La tabla ANOVA inicial queda como sigue:
Existe algn material con el que la pieza resulte Se puede apreciar en la tabla inicial que las interacciones
ms resistente que con cualquiera de los otros dos ABC, no afectan signicativamente a la respuesta, pues su
independientemente de la temperatura? Fo es menor a Ft. As pues elminamos la interaccin ABC
(antes se haba mencionado que estos efectos son despre-
Para darles respuesta, el ingeniero se plantea realizar una ciables de manera directa por varios autores), y pasamos
batera de experimentos. Cada uno de ellos consiste en a recalcular la tabla ANOVA,y elminamos aquellos ele-
tomar una pieza de un material dado, someterla a una mentos cuyas Fo sean menor a Ft. Es necesario recor-
temperatura prejada y aplicarle una presin hasta que dar que no es posible eliminar los efectos principales si
la pieza se quiebre. El grado de presin necesario ser la existen interacciones dobles donde estas se encuentren, es
medida de resistencia de la pieza. decir no es posible eliminar A, sin antes haber eliminado
AC y AB.
Por jar ideas, selecciona tres temperaturas, 20 C,
20 C y 60 C. Por lo tanto, puede realizar 9, es decir, la tabla nal de la ANOVA es la siguiente.
3x3, pruebas distintas. Adems, decide repetir cada una Como se puede apreciar en la tabla, no es posible eliminar
de las 9 pruebas 4 veces cada una. Finalmente, decide el efecto principal C aun si su Fo es menor a su Ft, ya que
aleatorizar las pruebas, es decir, desordenarlas aleatoria- existen las interacciones BC y AC las cuales son signi-
mente en el tiempo. cativas. La tabla ANOVA nos muestra que la inuencia

de los efectos principales A,B,C y los interacciones do-
bles AC y BC tienen una importancia no despreciable en
la respuesta. Para cuanticar que tanto inuye cada ele-
mento, pasamos a calcular su efecto y los coecientes de
la ecuacin que predecira la respuesta en funcin de los
elementos que hemos cosiderado como importantes.
El diagrama de Pareto para nuestro caso, revela el peso
que tiene cada elemento en la respuesta. Se puede apreciar
la importancia de cada elemento en orden descendente.
1. Avance: es la variable que ms inuye en el acabado
supercial, si se quiere tener una mejor respuesta es
necesario actuar sobre esta variable.
2. Velocidad de Giro y radio de la herramienta: esta in-
teraccin doble representa tambin una variable no
menospreciable y la actuacin sobre estas dos varia-
bles lograra tener una mejor respuesta.
3. Velocidad de Giro: si bien parece que esta en ter-
cer lugar, su efecto en la respuesta es casi idntica a
la interaccin doble, por lo que es actuar sobre esta
variable mejorara la respuesta.
4. Avance y radio de la herramienta: el efecto conjunto
de estas dos variables muestra una inuencia en la
respuesta signicativa estadsticamente pero no tan
grande como las anteriores.
5. Radio de la herramienta: su efecto es casi imper-
ceptible sin embargo no es posible elimnarla por la
existencia de interacciones dobles
16 Vase tambin
Ciencia
Mtodo cientco
Metodologa
Diseo factorial
Contraste de hiptesis
Diseo de experimentos
17 Referencias
[1] Creswell, J.W. (2008). Educational research: Planning,
conducting, and evaluating quantitative and qualitative
research (3rd). Upper Saddle River, NJ: Prentice Hall.
2008, p. 300. ISBN 0-13-613550-1
[2] Dr. Hani (2009). Replication study. Consultado el 27
de octubre de 2011.
7
[3] Burman, Leonard E.; Robert W. Reed; James Alm
(2010). A call for replication studies (jour-
nal article). Public Finance Review. pp. 787-793.
doi:10.1177/1091142110385210. Consultado el 27 de
octubre de 2011.
[4] Libro Probabilidad y Estadistica Montgomery& Runger
[5] Jack E. Reece Ph.D., Honeywell. Consider the Metric:
Dealing with Mixtures and Temperature Gradients
[6] Dale Owens."Reduction of Measurements Device Varia-
bility Using Experimental Design Techniques. Kurt Ma-
nufacturing Minneapolis. Minnesota
[7] Karen Cornwell."Linear Motor Design Digital Equip-
ment Corporation
[8] Doug Sheldon."Factorial Experiment for Botttom Elec-
trode Stress.Ramtron Corporation
[9] Tom Gardner, James D. Riggs."The Eect of the CE Rivet
H parameter on Head Protusion
[10] Tom Tanis."A Designed Experiment to Reduce Circular
Runout. Ampex Recording Systems
[11] Kelly Johnson."Ball Weld Experiment. Morton Interna-
tional
[12] Tom Bingham. Optimizing the Anodizee Process and
Paint Adhesion for Sheet Metal Parts. Supplier Impro-
vement Manager. Boeing Commercial Airplanes
[13] Lt Col Mark Kiemele. Computer Network Performance
Analysis Tenure Associate Professor, United States Air
Force Academy
[14] Alan Arnholt, Steve Smith, Robert Kaliski."Design of
Eperiments Silane Doping in GaAs. Statistics Seminar
Project- University of Northern Colorado
[15] David M. Fisk."Application of DOE to an Analog Fil-
ter Design. Defense Systems & Electronics Group, Texas
Instruments Inc.
[16] Majors James Brickell and Kenneth Knox."Environmetal
Engineeing Operation of an Activated Sludge System.
Department of Civil Engineering, United States Air Force
Academy
[17] Montgomery, Douglas C. Control estadstico de la cali-
dad. 3. edicin.Mexico Editorial: Limusa-Wiley ISBN
9789681862343
8 18 ORIGEN DEL TEXTO Y LAS IMGENES, COLABORADORES Y LICENCIAS

18 Origen del texto y las imgenes, colaboradores y licencias

18.1 Texto
Diseo experimental Fuente: https://es.wikipedia.org/wiki/Dise%C3%B1o_experimental?oldid=97499801 Colaboradores: Assdl, Ri-
chardWeiss, Superzerocool, BOT-Superzerocool, Palmerabollo, CEM-bot, Alexav8, Davius, Thijs!bot, Cgb, Mansoncc, CommonsDelin-
ker, Nioger, Plux, VolkovBot, Technopat, Mr. Benq, Loveless, Marcelo, Correogsk, Furado, Javierito92, Kikobot, Nicop, Farisori, Pi-
xelBot, Furti, Juan Mayordomo, Camilo, AVBOT, David0811, Diegusjaimes, Arjuno3, Amirobot, EmmanuelRdzS, SuperBraulio13, Xq-
bot, Jkbw, Jerowiki, Dinamik-bot, GrouchoBot, ZroBot, Cornelhac1, Grillitus, Dan19dan, Kenhayx, Sanya3, AvocatoBot, Sjons~eswiki,
Acratta, Johnbot, Elvisor, Chevebot, Langtoolbot, Addbot, Hans Topo1993, Jarould, BenjaBot, Grabado, Xiao3cao3, GnniX y Annimos:
44

18.2 Imgenes
Archivo:Biologist_and_statistician_Ronald_Fisher.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/3/37/Biologist_
and_statistician_Ronald_Fisher.jpg Licencia: CC BY 2.0 Colaboradores: https://www.flickr.com/photos/internetarchivebookimages/
20150531109/ Artista original: Flikr commons
Archivo:Cube_svg_int.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/0/00/Cube_svg_int.svg Licencia: Public domain
Colaboradores: own work, made in Inkscape Artista original: Petar Marjanovic

18.3 Licencia del contenido

Creative Commons Attribution-Share Alike 3.0