Universidad Nacional de Trujillo

Escuela de Postgrado
Doctorado en Ciencias e Ingeniera

Curso:
Mtodos Estadsticos para la
Investigacin Cientfica y los Diseos
ExperimentalesI
Dr. Luis Alberto Rubio Jcobo

UNIDAD 2 : Introduccin al Diseo de

Experimentos
1.1. La Estadstica y la Investigacin Cientfica.
1.2. Diseo Experimental. Historia
1.3. Aplicaciones del Diseo experimental
1.4. Definiciones bsicas en Diseo de Experimentos
1.5. Etapas del diseo de Experimentos
1.6. Principios bsicos
1.7. Clasificacin de los Diseos Experimentales.
Referencia Bibliogrfica:
Diseo y Anlisis de Experimentos . Douglas Montgomery. 2 edicin.
Anlisis y Diseo de Experimentos. Humberto Gutirrez Pulido. 2 Edicin. Ao 2008
Bioestadstica. Daniel. .

UNIDAD 2 : Diseo Completamente al

Azar (DCA)
1.7. Diseo DCA balanceado y no balanceado. Aplicacin.
1.8. Modelo a efectos fijos. Aplicacin
1.9 Modelo a efectos aleatorios. Aplicacin
1.10. Verificacin del modelo.
Normalidad.
Grfico de los residuales con el tiempo.
Grfico de los residuales contra los valores ajustados
Grfico de residuales contra otras variables.
1.11 Mtodos no paramtricos. La Pruebas Kruskall Wallis.

1.1. La Estadstica y la
Experimentacin
NIVELES
DE LA
INVESTIGACIN

DESCRIPTIVA

CORRELACIONAL

Identifica - Describe
hechos, concepto,
variables.
Mide conceptos
Define variables

Identifica Describe
Correlaciona variables,
hechos previa medicin,
Explica y cuantifica
relaciones entre variables

EXPLICATIVA
Determina la relacin
causal entre variables .
Determina las causas de
los fenmenos
Control de variables
EXPERIMENTAL

EXPLORATORIA
Identifica hechos, conceptos,
variables
Indaga desde una
perspectiva innovadora
Prepara el terreno para
nuevos estudios

INVESTIGACIN CONCLUYENTE

X1
X2
X3

X1
X2
XK

Y1
Y2
YK

correlaci
n

relacin
causal

X1
X2
XK

>

>

Y1
Y2
YK

1.2. Diseo Experimental

Los investigadores realizan experimentos

en todos los campos del saber, por lo
general, para descubrir algo acerca de un
proceso o sistema.
Un experimento es una PRUEBA o
ENSAYO. Un Experimento diseado es una
prueba o serie de pruebas en las cuales
se inducen cambios deliberados en la
variable de entrada de un proceso o
sistema, de manera que sea posible
observar o identificar las causas de los
cambios e la respuesta de salida

Este proceso es una combinacin de maquinas, mtodos, personas y otros recursos

que transforma alguna entrada en una salida que tiene una o mas respuestas
observables.
Algunas X1, X2, , Xp son controlables, mientras que otras son incontrolables Z1, Z2, , Zq

1.2. Diseo Experimental-Historia

El Diseo Estadstico de Experimentos (DEE) fue

introducido por Ronald A. Fisher en la primera
mitad del siglo XX en Inglaterra a travs de su
libro The Design of Experiments (1935), el cual
influy de manera decisiva en la investigacin
agrcola.

Posteriormente los Diseos de Experimentos fue

encabezado por George E. P. Box.
Quien
desarrollo la metodologa de Superficie de
respuesta (1951).
Luego en la dcada de 1980, se dio gran impulso
al conocimiento y aplicacin del Diseo de
Experimentos debido al xito en calidad en la
industria
japonesa.
Los
Gures
Deming,
Ishikawa, Taguchi, entre otros.

1.3. Aplicaciones del Diseo Estadstico

de Experimentos
1.
2.
3.

Mejorar el rendimiento de un proceso de

manufactura
Se utiliza extensamente en el desarrollo de
nuevos productos y nuevos procesos.
Tambin se utiliza en las actividades de
diseo tcnico (diseo de ingeniera) en el
cual se desarrollan nuevos productos. Y se
mejoran otros ya existentes.

El uso de diseos de experimentos, puede dar por resultados productos

con mayor confiabilidad y mejor funcionamiento en el campo, menores
costos y menor tiempo de diseo y desarrollo del producto

1.4. Definiciones bsicas en el Diseo de

Experimentos:
Diseo de Experimentos:
Es la aplicacin del mtodo cientfico para
generar conocimiento acerca de un sistema o
proceso, por medio de pruebas planeadas
adecuadamente. Esta metodologa se ha ido
consolidando como un conjunto de tcnicas
estadsticas y de ingeniera, que permiten
entender mejores situaciones complejas de
relacin causa- efecto.
Experimento:
Es un cambio en las condiciones de operacin de
un sistema o proceso, que se hace con el objetivo
de medir el efecto del cambio en una o varias
propiedades del producto o resultado.

1.4. Definiciones bsicas en el Diseo de

Experimentos:
Unidad experimental:

Es la entidad fsica o el sujeto

expuesto
al
tratamiento
independientemente
de
otras
unidades

Es el animal, persona o cosa a quien

se le aplica el tratamiento.

Es la pieza o muestra que se utiliza

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

En cada diseo es importante definir

la unidad experimental ya que esta
puede ser una pieza o muestra de
una sustancia o un conjunto de
piezas producida, dependiendo del
proceso que se estudia.

1.4. Definiciones bsicas en el Diseo de

Experimentos:
En todo proceso intervienen distintos tipos de
variables o factores. En los DEE se definen los
siguientes:
VARIABLE RESPUESTA : Es la variable de salida
de un proceso. Es la variable dependiente. A
travs de esta se conoce el efecto o los
resultados
al
aplicar
una
prueba
experimental. En estudios experimental el
objetivo siempre es mejorar la variable
respuesta.
FACTOR: Son las variables de entrada. Son las
variables independientes. Es la variable que
manipula el investigador, para estudiar sus
efectos sobre la variable dependiente
Factores Controlables: Son los que se pueden
fijar en un nivel dado.
Factores no controlables o de ruido: No se

VARIABLES Y FACTORES
Factores de diseo (fciles de
controlar) Tiempo, presin, velocidad,
temperatura, contenido de humedad.

Materia prima

Caractersticas
de calidad:
Dureza, color,
costo, textura, etc.

Factores de ruido: (difciles de

controlar)
Parmetros
de
calidad
del
proveedor
Qumica del plstico
Variables ambientales

1.4. Definiciones bsicas en el Diseo de

Experimentos:
Niveles y Tratamiento:
NIVELES: :
Son los diferentes valores que se
asigna a cada factor estudiado. Por
ejemplo: El Factor Temperatura tiene
como niveles 15, 18 y 20.
TRATAMIENTO:
Cada uno de los niveles puede ser un
tratamiento as como una combinacin
de niveles.

Error aleatorio y error

experimental
ERROR ALEATORIO:

Es la variabilidad observada que no se puede

explicar por los factores estudiado; resulta del
pequeo efecto de los factores no estudiados y
del error experimental.
ERROR EXPERIMENTAL:
Componente del error aleatorio que refleja los
errores del experimentador en la planeacin y
ejecucin del experimento

TALLER 01:

Abrir
el
libro
virtual
de
Diseos
Experimentales. Douglas Montgomery.
Dar lectura Ejemplo 1-1 y Ejemplo 1-2. Pagina
24 y 25.
Identificar las definiciones anteriores.

Abrir el libro Bioestadstica. Daniels.

Dar lectura Ejemplo 8.1.1. Pgina 296.
Identificar las definiciones anteriores.

1.5. Etapas del Diseo de Experimentos:

IDENTIFICACIN Y
ENUNCIACIN DEL
PROBLEMA

ELECCIN DE LOS
FACTORES, LOS
NIVELES Y LOS
RANGOS

ELECCIN DEL DISEO

EXPERIMENTAL

REALIZACIN DEL
EXPERIMENTO

SELECCIN DE LA
VARIABLE RESPUESTA

ANLISIS ESTADSTICO
DE DATOS

CONCLUSIONES Y
RECOMENDACIONES

E TA PA S E N E L D ISE O D E E X PE R I ME N T O S SE G N D O U GL A S
MO N T GO ME RY

1.6. Principios bsicos:

Principios
Bsicos

Aleatorizacin

Repeticin

Bloqueo o Control
Local

Consiste en aplicar en
forma
aleatoria
los
tratamientos a las UE.

Cada tratamiento debe ser

aplicado a diferentes UE en
diversas ocasiones

Consiste en nulificar o tomar en

cuenta todos los factores que
puedan tomar en cuenta la
respuesta observada.

Esto quiere decir corre mas

de una vez un tratamiento.

Particiona el conjunto total de

las UE en subconjuntos que
sean lo mas
homogneas
posibles .

Este principio aumenta

la posibilidad que que el
supuesto
de
independencia se cumpla

1.7. Clasificacin de los Diseos Estadsticos

Experimentales:
Clasificacin de los Diseos experimentales
Diseos para comparar
dos o mas tratamientos

Disenos unifactoriales

Diseo Completamente al azar (DCA)

Diseo Bloque Completamente al azar
(DBCA)
Diseo Cuadrado Latino (DCL)
Diseo Cuadrado greco Latino (DCGL)

Diseos para estudiar

el efecto de varios
factores

Diseos factoriales

Diseos factoriales 2K
Diseos factoriales 3k
Diseos factoriales fraccionarios

Diseos para la
optimizacin
Diseos para modelos de
primer orden
Diseos para modelos de
segundo orden
Diseos
factoriales;
Diseo
Plakett-Burman; Diseo simplex
Diseos de Composicin Central;
Diseo Box-Behnken

Taller 02.

Instalar el Software Statgrafics Centurin.

Instalar el Software SPSS Ver 20.
Instalar el Software Minitab.
Creacin de una data para trabajar con diseos
experimentales.
Ir a libro de Bioestadstica de Daniel (Pg. 295).
Ingresar la informacin. Ejemplo 8.1.1.

Tema 1 : Diseo Completamente al Azar

(DCA)
1.1. Definicin. Modelo Estadstico.
1.2. Presentacin de datos
1.3. Hiptesis y la prueba ANVA. Tipos de efectos
1.4. Aplicacin. Manejo de Software. SPSS y Minitab
1.5. Pruebas Post Anva.
1.5. Aplicaciones. Manejo de Software. SPSS y Minitab

Referencia Bibliogrfica:
Diseo y Anlisis de Experimentos . Douglas Montgomery. 2 edicin.
Anlisis y Diseo de Experimentos. Humberto Gutirrez Pulido. 2 Edicin. Ao 2008
Bioestadstica. Daniel. .

1.1. Definicin. Caractersticas.

Modelo Estadstico
Caractersticas del DCA:
Es un diseo unifactorial
Su objetivo es determinar el
efecto de un factor sobre una
variable respuesta
Se aplica cuando el material
experimental es completamente
homogneo
En
este
diseo
todos
los
tratamientos
se
asignan
completamente al azar a las
unidades
experimentales
o
viceversa.

Tabla 1. Datos referente al experimento del

proceso de soplado de los envases PET,
consideremos el inters de
averiguar la
influencia del factor temperatura de horneado
(C) en la Presin Interna del envase PET

Obs.

T E M P E R A T U

R A

140

150

160

170

122

126

126

126

121

122

126

131

121

121

126

128

122

122

128

128

FUENTE: Tesis de Maestra 1999- UNT, L. Rubio

1.1. Definicin. Caractersticas.

Modelo Estadstico
Modelo Estadstico:

1.2. Presentacin de los datos

Matriz de datos:
Obs.

T E M P E R A T U R A

150 160

170

140
1

122

126

126

126

121

122

126

131

121

121

126

128

122

122

128

128

1.3. Hiptesis. Anlisis de varianza

Tabla de Anlisis de Varianza:

1.3. Tipos de efectos:

1.4. Aplicacin
Aplicacin:
Ejemplo 3-1. El experimento a la resistencia a la tensin. Pag 86. Diseos
de Experimentos . Douglas Montgomery
Identificar la variable respuesta, Factor (Tipo), Niveles, unidad
experimental.

1.4. Aplicacin - Solucin

Prueba Post ANVA:

Pruebas
Post ANVA

Pruebas
Contrastes

Prueba de Sheffe

Prueba de un
Tratamiento con
un control

Pares de
Tratamientos

Prueba de
Tukey

Prueba de
Tukey-Cramer

Prueba LSD de
Fisher

Prueba de
Duncan

Prueba de
NewmanKeuls

Prueba de
Dunnett

Tarea 02:

Abrir
el
libro
virtual
de
Diseos
Experimentales. Douglas Montgomery.
Leer el problema 3-8. Pagina 135.
Dar solucin al problema

Abrir el libro Bioestadstica. Daniels.

Dar lectura al problema 8.2.5. Pgina 320
Dar solucin al problema.

1.7. Diseo balanceado y no

balanceado
Modelo
Estadstico:

1.7. Diseo balanceado y no

balanceado
Matriz de datos:

Valor faltante: Diseo No balanceado

1.7. Diseo balanceado y no

balanceado

1.7. Diseo balanceado y no

balanceado

Aplicacin:
Diseo balanceado:

Diseo no balanceado:

1.8. Modelos a efectos fijos. Anlisis

de varianza
Modelo a efectos fijos:

1.8. Modelos a efectos fijos.

Aplicacin

Tarea:

DESARROLLAR

EN

EL

1.9. Modelos a efectos aleatorios.

Anlisis de varianza
Modelo a efectos aleatorios:

1.9. Modelos a efectos aleatorios.

Aplicacin

Tarea:
DESARROLLAR
EN EL SPSS

1.10. Verificacin del modelo:

Grafico
bigote:

de

cajas

1.10. Verificacin del modelo: NormalidadVarianzas iguales

P-P Plot: Normalidad

Grfico de los residuales vrs.

Tiempo: Homoscedasticidad

1.10. Verificacin del modelo:

Normalidad

1.10. Verificacin del modelo:

Homoscedasticidad

Prueba de Bartlet.: (sensible al supuesto de

normalidad)
Prueba de Levene modificada

1.10. Verificacin del modelo:

Aplicacin
Aplicacin:

1.10. Verificacin del modelo:

Aplicacin
Aplicacin:

1.10. La prueba Kruskall-Wallis. Supuesto

de normalidad no se cumple
En situaciones en las que el supuesto de
normalidad
no
se
cumple,
el
experimentador quiz quiera usar un
procedimiento alternativo del ANVA con la
prueba F que no dependa de este
supuesto.
Kruskal y Wallis han desarrollado esta
prueba, que se usa para probar la Ho: Los
a tratamientos son idnticos contra la H1:
Algunos
tratamientos
generan
observaciones que son mayores que
otras.
Esta prueba es una alternativa NO
paramtrica del anlisis de varianza
usual.

1.10. La prueba Kruskall-Wallis. Supuesto

de normalidad no se cumple

R 2j

12
3( N 1)

N ( N 1) j 1 n j

k nmero de grupos
N nmero total de sujetos
n j nmero de sujetos en cada grupo
R j Suma de los rangos en cada grupo
k

Indica que se deben sumar los k grupos

j 1

1.10. La prueba Kruskall-Wallis.

Aplicacin

Universidad Nacional de Trujillo

Escuela de Postgrado
Doctorado en Ciencias e Ingeniera

Curso:
Mtodos Estadsticos para la
Investigacin Cientfica y los Diseos
ExperimentalesI
Dr. Luis Alberto Rubio Jcobo

UNIDAD 1 : Diseo en Bloque

Completamente al Azar (DBCA)
3.1. El Diseo DBCA. Modelo Estadstico.
3.2. Presentacin de datos
3.3. Hiptesis y la prueba ANVA. Tipos de efectos
3.4. Aplicacin. Manejo de Software. SPSS y Statgraf
3.5. Pruebas Post Anva.
3.6. Aplicaciones. Manejo de Software. SPSS y Statgraf

3.1. El Diseo DBCA

En muchos problemas de experimentos, es

necesario hacer un diseo de tal manera
que la variabilidad proveniente de fuentes
conocidas pueda ser sistemticamente
controlada.

Se pretende reducir el efecto de la

variabilidad proveniente de causas propias
del experimento pero independiente del
efecto que se desea estudiar.

Para los fines del anlisis de varianza el

bloqueo introduce un efecto adicional
ficticio, cuyo objetivo es separar del error
experimental,
alguna
fuente
de
variabilidad conocida

3.1. El Diseo DBCA

El Diseo en Bloque Completo al Azar es un
plan en el cual las unidades experimentales se
asignan a grupos homogneos, llamados
bloques, y los tratamientos son, luego,
asignados al azar dentro de los bloques.
Objetivo del agrupamiento: lograr que las
unidades dentro de un bloque sean lo ms
uniformes posible con respecto a la variable
dependiente, de modo que las diferencias
observadas se deban realmente a los
tratamientos. Al controlar la variacin dentro
de los bloques reducimos la variabilidad del
error experimental.
Completo: todos los tratamientos
incluidos en cada bloque.

estn

3.1. El Diseo DBCA

Se
divide
el
material
experimental en tantos bloques
como nmeros de replicaciones
a utilizar.
Cada bloque es luego dividido
en
tantas
UE
como
tratamientos haya en estudio.
Como el DBCA especifica que
todos los tratamientos deben
aparecer una vez en cada
replicacin, la aleatorizacin se
hace separadamente en cada
bloque.
La
aleatorizacin es similar al
Anlisis de Modelos Estadsticos y su
DCA
para
cada
bloque.
aplicacin
a Estudios
Experimentales
y
Observacionales

3.1. El Diseo DBCA. Ejemplo

Para el ensamble de un artculo se considera comparar 4 mquinas diferentes. Como la operacin de las mquinas requiere
cierta destreza se anticipa que habr una diferencia entre los operarios en cuanto a la velocidad con la cual operen la
maquinaria. Se decide que se requerirn 6 operarios diferentes en un experimento de bloques aleatorizado para comparar las
mquinas. Entonces, el factor de inters es uno slo, pero se crea otro factor para controlar la variabilidad extraa y
excluirla as del error experimental.

Aleatorizacin: debemos asignar cada tratamiento: M1, M2, M3, y M4 a cada bloque.
Operario 1
Bloque 2
Bloque 3
Bloque 4
Bloque 5
84
75
76
22
5

Bloque 6
16

45

31

25

51

79

44

27

70

98

10

36

29

86

85

78

95

14

M2
M4
M3
M1

M3
M1
M2
M4

M2
M1
M4
M3

M4
M2
M1
M3

M1
M3
M2
M4

M2
M4
M3
M1

3.1. El Diseo DBCA. Ventajas y

desventajas
Ventajas

Puede proveer resultados ms precisos que un DCA del mismo tamao si los
agrupamientos son efectivos.

Sirve para cualquier N de tratamientos y replicaciones.

Los tratamientos no necesitan tener tamaos de muestras iguales.(Bloque Incompleto)

El anlisis no se complica si se debe descartar, por alguna causa, un tratamiento o algn

bloque.

Se puede introducir, deliberadamente, variabilidad en las unidades experimentales para

ampliar el rango de validez de los resultados sin sacrificar la precisin de los resultados.

Desventajas

Las observaciones faltantes dentro de un bloque requiere clculos ms complejos.

Los grados de libertad para el error experimental no son tantos como en el DCA.

Se requieran ms presunciones para el modelo: no interaccin entre tratamientos y

bloques, varianza constante de bloque a bloque.

3.1. El Diseo DBCA. Ventajas y

desventajas
Si las mquinas no difieren en cuanto a la velocidad de ensamblado de la pieza, tendran igual
velocidad promedio y las curvas se superpondran exactamente.
H0 : 1= 2 = 3= 4 H0 = 1=2=3=4=0

Pero si las mquinas difieren en cuanto a la velocidad de ensamblado de la pieza, pensaramos

que las muestras provienen de poblaciones diferentes, e

H1: algn promedio es

distinto de los restantes

3.2. El modelo en el Diseo DBCA

Modelo
Estadstico:

3.2. El modelos del Diseo DBCA

Si aplicamos el Mtodo de los Mnimos Cuadrados, para estimar los parmetros
.. y..

i = i. - .. = yi. - y..

Donde b son los bloques y a los tratamientos

j = . j - .. = y. j - y..
Cada componente del modelo contribuye a la variabilidad total. La particin de la Suma de
Cuadrados Total involucrar tres fuentes de variacin.

3.3. El anlisis de varianza en el

Diseo DBCA

3.4. Aplicacin de un Diseo DBCA

3.4. Aplicacin de un Diseo DBCA

3.5. Prueba Post ANVA:

Pruebas
Post ANVA

Pruebas
Contrastes

Prueba de Sheffe

Prueba de un
Tratamiento con
un control

Pares de
Tratamientos

Prueba de
Tukey

Prueba de
Tukey-Cramer

Prueba LSD de
Fisher

Prueba de
Duncan

Prueba de
NewmanKeuls

Prueba de
Dunnett

UNIDAD 1 : Diseo Cuadrado Latino

(DCL)
4.1. El Diseo DCL. Modelo Estadstico.
4.2. Presentacin de datos
4.3. Hiptesis y la prueba ANVA.
4.4.

Aplicacin. Manejo de Software. SPSS

Statgraf

4.1. El Diseo DCL

El diseo de Cuadrado Latino es un plan experimental donde cada

tratamiento slo aparece una vez en cada fila y en cada columna.

El Cuadrado Latino siempre requiere, por

dimensiones de variacin a d niveles cada una.

Los Cuadrados Latinos se representan tradicionalmente por tablas

d x d, con letras en las casillas para simbolizar los niveles de la
variable de tratamiento.

Los diseos de Cuadrado Latino son formatos econmicos porque

no requieren todas las combinaciones posibles entre las tres
dimensiones de variacin.

definicin,

tres

4.1. El Diseo DCL

As, el formato cuadrado 3x3 tiene una
forma estndar, y (3!)(2!) - 1 = 11
formas derivadas. El total de Cuadrados
Latinos de orden 3x3 son 12 (una
estndar y 11 derivadas). El formato
cuadrado 4x4 tiene cuatro formas
estndar, cada una de las cuales genera
(4!)(3!) - 1 = 143 forma derivadas. El
total de disposiciones cuadradas 4x4 es
de 4(144) = 576 Cuadrados Latinos. A
medida que se aumenta el tamao de la
dimensin, se dispara la cantidad de
posibles
formatos.
Las
principales
formas estndar de los Cuadrados

Cuadrado Latino 3
x3
A

4.1. El Diseo DCL

Cuadrado Latino 4 x 4
A
B
C
D

(1)
B C
C D
D A
A B

D
A
B
C

A
B
C
D

(2)
B C
D A
A D
C B

D
C
B
A

A
B
C
D

(3)
B C
A D
D A
C B

D
C
B
A

A
B
C
D

(4)
B C
A D
D B
C A

D
C
A
B

4.2. El modelo en el Diseo DCL

4.3. El anlisis de varianza en el

Diseo DCL

4.3. Construccin de diseos DCL

4.3. El anlisis de varianza en el

Diseo DCL

4.4. Aplicacin de un Diseo DCL