Capítulo I

ASPECTOS CONCEPTUALES

Docente: Ing. Alcides RAMOS CALCINA

 Introducción
• Los modelos de diseños experimentales son modelos
estadísticos clásicos cuyo objetivo es averiguar si unos
determinados factores influyen en una variable de interés y, si
existe influencia de algún factor, cuantificar dicha influencia.

• Unos ejemplos donde habría que utilizar estos modelos son los
siguientes:

 En el rendimiento de un determinado tipo de máquina

(unidades producidas por día): se desea estudiar la
influencia del trabajador que la maneja y la marca de la
máquina.

 Se quiere estudiar la influencia de un tipo de pila eléctrica y

de la marca, en la duración de las pilas.

Ing. Alcides Ramos Calcina

1. Planificación de un Experimento

• 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.

• Como ejemplo de un experimento, suponga que un ingeniero tiene

interés de estudiar el efecto de dos tipos de agregado en la
resistencia del concreto a compresión: canto rodado y piedra
chancada.

Ing. Alcides Ramos Calcina

1. Planificación de un Experimento

• El objetivo del experimento es determinar cuál de las dos tipos de

agregado produce mayor resistencia del concreto a la tracción.

• Para determinar cuál de los tipos de agregado es la mejor, se usará

la resistencia promedio de las muestras (briquetas).

Ing. Alcides Ramos Calcina

1. Planificación de un Experimento

• Al examinar este sencillo experimento salen a relucir varias

preguntas:

 ¿Estos dos tipos de agregados son los únicos medios en la

resistencia del concreto a al compresión?
 ¿Hay en este experimento otros factores que podría afectar la
resistencia del concreto y que debería investigarse o
controlarse?
 ¿Cuántas muestras debería realizarse?
 ¿Cómo deberán asignarse las muestras para cada ensayo?
 ¿Qué método de análisis de datos deberá usarse?
 ¿Qué diferencia en la resistencia promedio del concreto a la
compresión se consideraría importante?

Ing. Alcides Ramos Calcina

2. Conceptos Básicos

• Diseño experimental.

Es el procedimiento de planeación y
conducción de experimentos, así como la
definición del análisis estadístico para
evaluar los resultados, con el objetivo de
tener conclusiones válidas y objetivas.

• 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.

Ing. Alcides Ramos Calcina

2. Conceptos Básicos

• Factor.

Es aquella variable o características de materiales de interés

cuyo posible efecto sobre la variable de respuesta se quiere
estudiar. Los factores pueden ser:
- Factores controlables
- Factores no controlables

• Niveles o tratamientos.

Los diferentes valores que se asignan a cada factor estudiado

en un diseño experimental se llaman niveles o modalidades.

Tratamiento testigo. Es la selección de un grupo de unidades

experimentales al que no se le aplica tratamiento especial con el fin de
comparar los resultados con los otros tratamientos.
Ing. Alcides Ramos Calcina
2. Conceptos Básicos

• Unidad experimental (UE).

La unidad experimental es la pieza(s) o muestra(s) que se

utiliza para generar un valor que sea representativo del
resultado del experimento o prueba.

• Variable de respuesta.

Es la medición de la respuesta de los tratamientos conocida

como variable dependiente.

• Repetición.

Las repeticiones serán el número de veces que un tratamiento

se aplica al mismo número de unidades experimentales.

Ing. Alcides Ramos Calcina

2. Conceptos Básicos

• Bloque.

Es un conjunto de unidades experimentales de los más

homogéneo posible que reciben el mismo tratamiento.

• Error Experimental.

El error experimental es la variación de resultados debido a

factores externos al experimento.

Ing. Alcides Ramos Calcina

Ejemplo 1:

Se desea comparar dos marcas de

distanciómetros A (Leica) y B (Bosch) en la
medición expresada en metros de ciertas
distancias con apreciación en milímetros. Se
toma una muestra de 15 mediciones
proporcionadas por los distanciómetros que
siguen una distribución normal y las mediciones
son independientes y están exentas de cualquier
tipo de errores salvo el aleatorio. El objetivo del
estudio es ver cuál de los dos distanciómetros es
más preciso en sus mediciones.

A continuación, se expone una breve descripción

de los principales elementos para el diseño
experimental.

Ing. Alcides Ramos Calcina

Ejemplo 1:

• Formulación del problema: ¿Cómo influyen las marcas de

distanciómetros en las mediciones?

• Factor: Marca del distanciómetros

• Tratamiento:
 A (Leica)
 B (Bosch)

• Unidad experimental:
Distancias a ser medidas.

Ing. Alcides Ramos Calcina

3. Principios del Diseño Experimental

A) Repetición.

Viene a ser la reproducción o réplica del

experimento básico (asignación de un
tratamiento a una unidad experimental).

Las principales razones por las cuales

es deseable la repetición son:

i) Proporciona una estimación del

error experimental, siendo tal
estimación confiable a medida que
aumenta el número de
repeticiones.
ii) Permite estimaciones más precisas
del tratamiento en estudio.

Ing. Alcides Ramos Calcina

3. Principios del Diseño Experimental

B) Aleatorización.

Consiste en la asignación al azar de los tratamientos en estudio

a las unidades experimentales con el propósito de asegurar que
un determinado tratamiento no presente sesgo. Por otro lado, la
aleatorización hace válidos los procesos de inferencia y las
pruebas estadísticas.

Ing. Alcides Ramos Calcina

3. Principios del Diseño Experimental

C) Control local.

Consiste en tomar medidas (número de muestras, bloques,

factores, etc) dentro del diseño experimental para hacerlo más
eficiente, de tal manera que pueda permitir la reducción del error
experimental y así hacerla más sensible a cualquier prueba de
significación.

Ing. Alcides Ramos Calcina

4. Etapas en el Diseño de Experimentos

i) Planeación y realización.

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) Determinar cuáles factores deben estudiarse o investigarse,
de acuerdo a la supuesta influencia que tienen sobre la
respuesta.
5) Planear y organizar el trabajo experimenta.
6) Realizar el experimento.

Ing. Alcides Ramos Calcina

4. Etapas en el Diseño de Experimentos

ii) Análisis.

• En esta etapa no se debe perder de vista que los resultados

experimentales son observaciones muestrales, no poblacionales.

• Por ello, se debe recurrir a métodos estadísticos inferenciales

para ver si las diferencias o efectos muestrales (experimentales)
son lo suficientemente grandes para que garanticen diferencias
poblacionales (o a nivel proceso).

• La técnica estadística central en el análisis de los experimentos

es el llamado análisis de varianza (ANVA).

Ing. Alcides Ramos Calcina

4. Etapas en el Diseño de Experimentos

iii) Interpretación.

• Aquí, con el respaldo del análisis estadístico formal, se debe

analizar con detalle lo que ha pasado en el experimento, desde
contrastar las conjeturas iniciales con los resultados del
experimento, hasta observar los nuevos aprendizajes que sobre
el proceso se lograron, verificar supuestos y elegir el tratamiento
ganador, siempre con apoyo de las pruebas estadísticas.

Ing. Alcides Ramos Calcina

4. Etapas en el Diseño de Experimentos

iv) Control y conclusiones finales.

• Para concluir el estudio experimental se recomienda decidir qué

medidas implementar para generalizar el resultado del estudio y
para garantizar que las mejoras se mantengan.

• Además, es preciso organizar una presentación para difundir los

logros.

Ing. Alcides Ramos Calcina

5. Supuestos del Modelo Estadístico

a) Aditividad: Los factores o componentes del modelo estadístico son

aditivos, es decir la variable respuesta es la suma de los efectos del
modelo estadístico.

b) Linealidad: La relación existente entre los factores o componentes

del modelo estadístico es del tipo lineal.

c) Normalidad: Los valores resultado del experimento provienen de

una distribución de probabilidad “Normal” con media µ y variancia
σ2.

d) Independencia: Los resultados observados de un experimento son

independientes entre sí.

e) Variancias Homogéneas (Homocedasticidad): Las diversas

poblaciones generadas por la aplicación de dos o más tratamientos
tienen variancias homogéneas (variancia común).
Ing. Alcides Ramos Calcina
6. Tipos de Modelo Estadístico

a) Modelo I (Efectos Fijos)

Se presenta cuando los tratamientos y demás factores que

intervienen en un experimento son fijados por el investigador; es
decir, no se efectúa una elección aleatoria.

b) Modelo II (Efectos aleatorios)

Se presenta cuando los tratamientos y demás factores que

intervienen en un experimento son elegidos al azar de una
población.

c) Modelo III (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.

Ing. Alcides Ramos Calcina

6. Tipos de Modelo Estadístico

De acuerdo al tipo de estructura de tratamiento pueden ser:

a) Una vía (one way)

b) Dos vías (two way)
c) Arreglo factorial
d) Arreglo factorial fraccionado

Ing. Alcides Ramos Calcina

 Conceptos de Estadística Inferencial

Contraste de hipótesis
• Un contraste de hipótesis es un proceso estadístico mediante el cual se
investiga si una propiedad que se supone que cumple una población es
compatible con lo observado en una muestra de dicha población.

• Es un procedimiento que permite elegir una hipótesis de trabajo de

entre dos posibles y antagónicas.

Hipótesis Estadística
v

Todo contraste de hipótesis se basa en la formulación de dos hipótesis

exhaustivas y mutuamente exclusivas:

Hipótesis nula (H0)

Hipótesis alternativa (H1 )

Ing. Alcides Ramos Calcina

 Conceptos Básicos
• La hipótesis H0 es la que se desea contrastar.

• Consiste generalmente en una afirmación concreta sobre la forma

de una distribución de probabilidad o sobre el valor de alguno de
los parámetros de esa distribución. .

• El nombre de "nula" significa “sin valor, efecto o consecuencia”, lo

cual sugiere que H0 debe identificarse con la hipótesis de no
cambio (a partir de la opinión actual); no diferencia, no mejora, etc.

• H0 representa la hipótesis que mantendremos a no ser que los

datos indiquen su falsedad, y puede entenderse, por tanto, en el
sentido de “neutra”.

• La hipótesis H0 nunca se considera probada, aunque puede ser

rechazada por los datos.

Ing. Alcides Ramos Calcina

 Conceptos Básicos
• La hipótesis H1

• La hipótesis, que especifica aquellos valores del parámetro que

queremos apoyar con los datos de la muestra, se denomina
Hipótesis Alterna y es representado por H1.

¿Qué asignamos como H0 y H1?

• La hipótesis H0 asigna un valor específico al parámetro en

cuestión y por lo tanto “el igual” siempre forma parte de H0.

H0: 1 = 2
• El interés del investigador se centra, en la H1.


H1: 1  2
Ing. Alcides Ramos Calcina

 Conceptos Básicos

Error tipo I y Error tipo II

• Antes de definir los riesgos, veamos cuáles son los dos errores posibles
que podríamos cometer al tomar la decisión de rechazar o no rechazar
H0:
 Rechazar H0 cuando en realidad era verdadera. (Error tipo I).
 No rechazar H0 cuando en realidad era falsa. (Error tipo II).

Verdadero
H0 H1
Decisión
Error Tipo II:
H0 No hay error Aceptar H0 cuando en
realidad es falsa.
Error Tipo I:
H1 Rechazar H0 cuando en No hay error
realidad es verdadero.

Ing. Alcides Ramos Calcina

 Conceptos Básicos

Nivel de significancia ()

• Para ser muy cuidadosos en no cometer el Error Tipo I, debemos
especificar la probabilidad de rechazar H0, denotada por . A ésta se le
llama nivel de significancia.

α = P[cometer error tipo I] = P[rechazar H0/H0 es verdadero]

= P[aceptar H1/H1 es falsa]

• Usando un valor preasignado de  se construye una región de

rechazo o región crítica en la curva normal estándar o en la curva t
que indica si debemos rechazar H0.

Observación: Para mantener la probabilidad de cometer el error tipo I

baja, debemos escoger un valor pequeño de .

Ing. Alcides Ramos Calcina

 Conceptos Básicos

Tipo de Prueba
Cuando la hipótesis nula toma la forma:

H0: q = q0
la hipótesis alterna Ha o H1 puede ser de los siguientes tipos:

• Para H1: q > q0, la región de rechazo está dada por:

1–α

(cola derecha, z ó t)

Ing. Alcides Ramos Calcina

 Conceptos Básicos
• Para H1: q < q0, la región de rechazo está dada por:

(cola izquierda, z ó t)

1–α

• Para H1: q  q0, la región de rechazo está dada por:

(2-colas, z ó t)

1–α

Ing. Alcides Ramos Calcina

 Conceptos Básicos

Procedimiento para una Prueba de Hipótesis

i) Planteamiento de Hipótesis

Se formular la hipótesis nula y la alternativa.

q  q 0
H0: q= q0 H1: 
q  q 0
q  q
 0

ii) Nivel de Significancia (α)

Seleccionar el nivel de significancia α (0 < α < 1, generalmente

puede tomar valores de 0.10, 0.05 y 0.01)

iii) Estadístico de Prueba

Se elige el estadístico de prueba apropiado, entre las características

existentes en la población y muestra que puede ser tc, Zc, Fc, etc.
Luego, calcular el valor de la estadística de prueba
Ing. Alcides Ramos Calcina
 Conceptos Básicos
iv) Regla de decisión

En esta se define las regiones de aceptación y de rechazo,

dependiendo del valor tabular que puede ser tt, Zt, Ft.

v) Decisión
Finalmente se decide la aceptación o rechazo de H0 para un nivel de
significancia α.
Ing. Alcides Ramos Calcina