Diseño de Experimentos

Dra. Katia García Alfaro

Maestría en Estadística - UNSAAC

27 - 05 - 2017

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 1 / 29

Introducción

El Diseño de Experimentos tuvo su inicio teórico a partir de 1935 por

Sir Ronald A. Fisher, quién sentó la base de la teoría del Diseño
Experimental y que a la fecha se encuentra bastante desarrollada y
ampliada.
Actualmente las aplicaciones son múltiples, especialmente en la
investigación de las ciencias naturales, ingeniería, laboratorios y casi
todas las ramas de las ciencias sociales.
El propósito de un diseño experimental es proporcionar la máxima
información del problema por lo tanto implica la metodología
estadística y los recursos económicos.
Un diseño de experimentos es la distribución de los tratamientos en
las unidades experimentales o viceversa, teniendo en cuenta
restricciones al azar, con fines específicos que tiendan a disminuir el
error experimental.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 2 / 29

Diseño Experimental

También se dice que es la secuencia completa de pasos diseñados de

antemano para asegurar que se obtendrán datos apropiados que
permitan un análisis objetivo y por tanto llegar a conclusiones válidas.
Se efectúa esta distribución con el propósito de obtener la información
que sea pertinente al problema bajo investigación de modo que una
vez hecho el análisis de resultados se llegue a conclusiones válidas.
El diseño estadístico de experimentos es precisamente la forma más
eficaz de hacer pruebas.
El diseño de experimentos consiste en determinar cuáles pruebas se
deben realizar y de qué manera, para obtener datos que, al ser
analizados estadísticamente, proporcionen evidencias objetivas que
permitan responder las interrogantes planteadas, y de esa manera
clarificar los aspectos inciertos de un proceso, resolver un problema o
lograr mejoras.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 3 / 29

Objetivos del Experimento

Determinar las variables con mayor influencia en la respuesta.

Determinar el mejor valor de las variables que influyen en la
respuesta, de modo que:
La respuesta se aproxime al valor deseado
La variabilidad de la respuesta sea pequeña
Se minimicen los efectos de las variables incontroladas.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 4 / 29

Finalidad del Diseño Experimental

Obtener mejoras en el rendimiento del proceso

Comparar varios instrumentos de medición para verificar si
trabajan con la misma precisión y exactitud.
Menor variabilidad y mayor ajuste a los requerimientos del
proceso.
Determinar los factores de un proceso que tienen impacto sobre
una o más características del producto final.
Menor tiempo de desarrollo
Menores costos globales del proceso.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 5 / 29

Definiciones básicas en el diseño de experimentos

1. Experimento
Un experimento es un cambio en las condiciones de operación de un
sistema o proceso, que se hace con el objetivo de medir el efecto del
cambio sobre una o varias propiedades del producto o resultado.
Asimismo, el experimento permite aumentar el conocimiento acerca
del sistema. Por ejemplo, en un proceso químico se pueden probar
diferentes temperaturas y presiones, y medir el cambio observado en
el rendimiento (yield, ppm, defectivo) del proceso. Al analizar los
efectos (datos) se obtiene conocimiento acerca del proceso químico,
lo cual permite mejorar su desempeño.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 6 / 29

Definiciones básicas
2. Unidad Experimental
Es la unidad a la cual se le aplica un solo tratamiento (que puede ser
una combinación de muchos factores) en una reproducción del
experimento básico. Es el material donde se evalúa la variable
respuesta y al que se le aplican los distintos niveles de los factores.
Ejemplos de unidades experimentales:
en informática: ordenadores, páginas web, buscadores de
internet,
en agricultura: parcelas de tierra,
en medicina: individuos humanos o animales,
en industria: lotes de material, trabajadores, máquinas, etc.
Cuando un experimento se ejecuta sobre un período de tiempo y las
observaciones se recogen secuencialmente en instantes de tiempo,
entonces los propios instantes de tiempo son unidades
experimentales.
(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 7 / 29
Definiciones básicas

3. Error Experimental
Describe el fracaso de llegar a resultados idénticos con dos unidades
experimentales tratadas idénticamente Las principales fuentes del
error experimental son:
1 Errores de experimentación
2 Errores de observación
3 Errores de medición
4 La variación del material experimental, esto es, entre unidades
experimentales.
5 Los efectos combinados de todos los factores extraños que
pudieran influir las características en estudio, pero respecto a los
cuales no se ha llamado atención en la investigación corriente.
6 Falta de homogeneidad en la técnica experimental.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 8 / 29

Definiciones básicas

El error experimental puede reducirse normalmente adoptando una o

más de las técnicas siguientes:

a) Usando material experimental más homogéneos o por la

estratificación cuidadosa del material disponible.
b) Utilizando información proporcionada por variables aleatorias
relacionadas.
c) Refinando la técnica experimental y teniendo más cuidado al
dirigir el experimento.
d) Usando un diseño experimental apropiado más eficiente.
e) Aumentando el número de repeticiones en el experimento o
aumentando simultáneamente el número de repeticiones y el
número de tratamientos.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 9 / 29

Definiciones básicas

4. Variable respuesta
Los datos que se recogen en un experimento son medidas de una
variable denominada variable respuesta o variable de interés. Es
importante precisar de antemano cuál es la variable respuesta y en
qué unidades se mide. Naturalmente, la respuesta está condicionada
por los objetivos del experimento.
Por ejemplo, si se desea detectar una diferencia de 0,05 gramos en la
respuesta de dos tratamientos no es apropiado tomar medidas con
una precisión próxima al gramo.
El objetivo de muchos estudios experimentales es encontrar la forma
de mejorar la variable respuesta. Por lo general, estas variables se
denotan con la letra y.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 10 / 29

Definiciones básicas

5. Factor
En el lenguaje de diseño experimental, una variable independiente se
conoce como un factor y el conjunto de valores que tiene la variable
independiente o factor en el experimento se conoce como nivel o
niveles.
Los factores son las variables que se investigan en el experimento,
respecto de cómo influyen o afectan a la variable respuesta.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 11 / 29

Definiciones básicas

Por la forma como son incluidos en el experimento los factores pueden

ser:
Factores controlables. Son variables de proceso y/o características
de los materiales y los métodos experimentales que se
pueden fijar en un nivel dado. A los factores controlables
también se les llama variables de entrada, condiciones de
proceso, variables de diseño, o simplemente factores.
Factores no controlables Son variables que no se pueden controlar
durante el experimento o la operación normal del
proceso. Algunos factores que suelen ser no controlables
son las variables ambientales (luz, humedad,
temperatura, partículas, ruido, etc.), la calidad del
material que se recibe del proveedor, etc.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 12 / 29

Definiciones básicas

Por los valores que toman los niveles de los factores pueden ser:

Factores cuantitativos. Un factor cuantitativo tiene niveles asociados

con puntos ordenados en alguna escala de medición,
como temperatura, tamaños de memoria de ordenadores.
etc.
Factores cualitativos. Los niveles de un factor cualitativo
representan distintas categorías o clasificaciones, como
tipo de suelo, que no se pueden acomodar conforme
alguna magnitud, método de enseñanza, genero, etc.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 13 / 29

Definiciones básicas

6. Tratamiento
Los tratamientos son el conjunto de circunstancias creados para el
experimento, en respuesta a la hipótesis de investigación y son el
centro de la misma.
Constituyen los niveles de los factores o combinaciones de los niveles
de dos o más factores, es el conjunto particular de condiciones
experimentales que deben imponerse a una unidad experimental
dentro de los confines del diseño seleccionado.
Entre los ejemplos de tratamientos se encuentran dietas de animales,
producción de variedades de cultivos, temperaturas, tipos de suelo y
cantidades de nutrientes. En un estudio comparativo se usan dos o
más tratamientos y se comparan sus efectos en el sujeto de estudio.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 14 / 29

Definiciones básicas

7. Matriz de diseño
Es el arreglo formado por los tratamientos que serán corridos,
incluyendo las repeticiones.
Un aspecto fundamental del diseño de experimentos es decidir cuáles
pruebas o tratamientos se van a realizar y cuántas repeticiones de
cada uno se requieren, de manera que se obtenga la máxima
información al mínimo costo posible.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 15 / 29

Principios Básicos de los Diseños Experimentales

Los principios básicos de los diseños experimentales son:

1 Reproducción.
2 Aleatorización.
3 Control Local.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 16 / 29

Principios Básicos de los Diseños Experimentales
1. Reproducción
Por reproducción se debe entender la repetición del experimento
básico. La reproducción es importante por las siguientes razones:
1 Proporciona una estimación del error experimental que actúa
como una unidad básica de medida para indicar el significado de
las diferencias observadas o para determinar la amplitud de un
intervalo de confianza.
2 Como bajo ciertas suposiciones, el error experimental puede ser
estimado en la ausencia de reproducción, es claro establecer
también que la reproducción proporciona algunas veces una
estimación más aproximada del error experimental.
3 Nos capacita para obtener una estimación más precisa del efecto
medio de cualquier factor por que Sx̄2 = S 2 /n, donde S 2
representa el error experimental verdadero y n el número de
reproducciones.
(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 17 / 29
Principios Básicos de los Diseños Experimentales
2. Aleatorización
El propósito de la aleatorización es asegurar que un tratamiento no
esté continuamente afectado, en las repeticiones sucesivas, por
sesgos motivados por fuentes extrañas de variación conocida o
desconocida.
La aleatorización hace válidos los procesos de información y pruebas
estadísticas.
La aleatorización hace válida la prueba haciéndola apropiada para
analizar los datos como si la suposición de errores independientes
fuera cierta.
La razón de esta distinción debe ser clara: los errores asociados con
unidades experimentales que son adyacentes en espacio o tiempo,
tenderán a correlacionarse y todo lo que hace la aleatorización es
asegurar que el efecto de esta correlación, sobre cualquier
comparación entre los tratamientos se hace tan pequeña como sea
posible.
(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 18 / 29
Principios Básicos de los Diseños Experimentales

3. Control Local
Es sinónimo de diseño experimental, se refiere a la cantidad de
balanceo, bloqueo y agrupamiento de las unidades experimentales
que se emplean en el diseño estadístico adoptado.
El control local describe las acciones que emplea un investigador para
reducir o controlar el error experimental, incrementar la exactitud de
las observaciones y establecer la base de la inferencia de un estudio.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 19 / 29

Principios Básicos de los Diseños Experimentales

3. Control Local
Agrupamiento.- Es la colección de un conjunto de unidades
experimentales homogéneas en grupos, de modo que los
diferentes grupos pueden sujetarse a distintos
tratamientos. Estos grupos, pueden constar de diferente
número de unidades experimentales.
Bloqueo.- Es la distribución de las unidades experimentales en
bloques, de tal manera que las unidades dentro de un
bloque sean relativamente homogéneas, de esta manera,
la mayor parte de la variación predecible entre las
unidades queda confundida con el efecto de los bloques.
Balanceo.- Es la obtención de las unidades experimentales, el
agrupamiento, el bloqueo y la asignación de los
tratamientos a las unidades experimentales de tal modo
que resulte una configuración balanceada.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 20 / 29

Etapas en el diseño de experimentos

Para que un estudio experimental sea exitoso es necesario realizar,

por etapas, diferentes actividades. En este sentido, la etapa más
importante y a la que se le debe dedicar mayor tiempo es la
planeación.
La Planeación, son actividades encaminadas a entender, delimitar el
problema u objeto de estudio y seleccionar variables de respuesta y
factores. Concluye con la especificación de los tratamientos a realizar
y con la organización del trabajo experimental.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 21 / 29

Etapas en el diseño de experimentos

1 Entender y delimitar el problema u objeto de estudio.

2 Elegir la(s) variable(s) de respuesta que será medida en cada
punto del diseño y verificar que se mide de manera confiable.
3 Determinar cuáles factores deben estudiarse o investigarse, de
acuerdo a la supuesta influencia que tienen sobre la respuesta.
4 Seleccionar los niveles de cada factor, así como el diseño
experimental adecuado a los factores que se tienen y al objetivo
del experimento.
5 Planear y organizar el trabajo experimental.
6 Realizar el experimento.
7 Análisis de datos. Ordenamiento de la información experimental.
8 Conclusiones y recomendaciones.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 22 / 29

Clasificación y selección de los diseños
experimentales

Existen muchos diseños experimentales para estudiar una diversidad

de problemas que ocurren en la práctica, por lo que es necesario
saber cómo elegir el más adecuado para cada situación y, por ende,
es preciso conocer cómo es que se clasifican los diseños de acuerdo
con su objetivo y su alcance.
Los cinco aspectos que más influyen en la selección de un diseño
experimental, en el sentido de que cuando cambian por lo general nos
llevan a cambiar de diseño, son:
1 El objetivo del experimento.
2 El número de factores a estudiar.
3 El número de niveles que se prueban en cada factor.
4 Los efectos que interesa investigar (relación factores-respuesta).
5 El costo del experimento, tiempo y precisión deseada.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 23 / 29

Clasificación y selección de los diseños
experimentales

De acuerdo con su objetivo, los diseños se pueden clasificar como:

1 Diseños para comparar dos o más tratamientos.

2 Diseños para estudiar el efecto de varios factores sobre la(s)
respuesta(s).
3 Diseños para determinar el punto óptimo de operación del
proceso.
4 Diseños robusto.
5 Diseños de mezclas.

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 24 / 29

Clasificación y selección de los diseños
experimentales

Dentro de cada rama se pueden clasificar de acuerdo al número de

factores, al tipo de efectos que se pretende estudiar y según las
restricciones existentes.
1. Diseños paracomparar dos o más
 Diseño completamente al azar
tratamientos Diseño de bloques completos al azar
Diseño de cuadros latino y grecolatino.


2. Diseños para estudiar elefecto de varios factores

 Diseños factoriales 2k
Diseños factoriales 3k


sobre la(s) respuesta(s)

 Diseños factoriales fraccionados 2k −p
Diseños jerarquicos


(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 25 / 29

Clasificación y selección de los diseños
experimentales

3. Diseños para la optimización de procesos (Superficie de

respuesta)
Diseños para el modelo de primer orden

 Diseños factoriales 2k y 2k −p
Diseño de Plakett-Burman
Diseño simplex

Diseños
 para el modelo de segundo orden
 Diseño de composición central2k
Diseño de Box-Behnken
Diseños factoriales 3k y 3k −p


Arreglos ortogonales (diseños factoriales)
4. Diseños robustos
Diseño con arreglos interno y externo

Diseño simplex-reticular
5. Diseños de mezclas
Diseño simplex con centroide

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 26 / 29

Modelo Aditivo Lineal

El objetivo de un diseño experimental es medir los efectos de los

tratamientos y de los errores, por lo tanto, mediante un Modelo
Estadístico llamado Modelo Aditivo Lineal se miden estos efectos, el
cual es una formulación matemática de las relaciones existentes entre
los diversos factores o componentes de una población.

Y = f (µ, τ ) + ε (1)

Donde: Y : es el rendimiento de la unidad experimental

f (µ, τ ) : es el efecto de los tratamientos, parte sistemática
ε : es el efecto del error aleatorio, parte aleatoria

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 27 / 29

Suposiciones del Modelo Estadístico

1 Aditividad.- Los factores o componentes de una población tienen

efectos aditivos.
2 Linealidad.- La relación existente entre los factores o
componentes de una población es del tipo lineal.
3 Normalidad.- Los valores observados o resultados experimentales
provienen de una distribución normal con media µ y variancia σ 2 .
4 Independencia.- Los resultados observados de un experimento
son independientes entre sí.
5 Homogeneidad de Variancias.- Las diversas poblaciones
generadas por la aplicación de dos o más tratamientos tienen
variancias homogéneas. (Variancia común)
6 Los efectos del error experimental tienen una distribución normal
e independiente con media cero y variancia σε2 .

(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 28 / 29

Tipos de Modelos Estadísticos

De acuerdo a la selección de los tratamientos o factores se tiene la

siguiente clasificación:
Modelo de Efectos Fijos: Se presenta cuando los niveles de los
factores que intervienen en un experimento son fijados
por el investigador. Las conclusiones del análisis de
variancia solamente son válidas para los factores usados
en el experimento.
Modelo de Efectos aleatorios: Se presenta cuando los niveles de
los factores que intervienen en un experimento son
elegidos al azar de una población. Las conclusiones del
análisis de variancia son válidas, tanto para los factores
usados, así como para toda la población de factores.
Modelo Mixto: Este modelo es la combinación de los dos anteriores
y se presenta cuando algunos factores son fijados y otros
son elegidos al azar.
(Maestría en Estadística - UNSAAC) 27 - 05 - 2017 29 / 29