4. Diseo experimental para un factor.

Competencias especfica:

Investiga el comportamiento
de una variable independiente
(factor) en el desarrollo de una
variable de respuesta, para
mejorar la calidad de un
proceso.
Diseo experimental para un factor.

Introduccin, conceptualizacin, importancia y

alcances del diseo experimental en el mbito
empresarial.
5. Diseo experimental con bloques al azar y diseos
factoriales.
4.2 Clasificacin de los diseos experimentales.
4.3 Nomenclatura y simbologa en el diseo
experimental.
4.4 Identificacin de los efectos de los diseos
experimentales.
Definicin

Diseo de experimentos: consiste

en planear un conjunto de pruebas
experimentales, de tal manera que
los datos generados puedan
analizarse estadsticamente para
obtener conclusiones vlidas y
objetivas acerca del sistema o
proceso.
Ejemplo:

Medir los efectos relativos en la

produccin de los empleados de tres
programas de capacitacin.

1) Autodidactas.
2) Impartido en lnea.
3) Enseado por un supervisor.
Definicin

Factores
estudiados Variable de
Factores de Experimento respuesta
bloque

Niveles
Factores adicionales
Tratamientos
que sirven para
estudiar de forma ms
adecuada y eficaz el
factor de inters
Definiciones bsicas en el diseo de experimentos

Unidades experimentales: son los objetos

que reciben el tratamiento.

Factor: variable cuyo impacto en tales

unidades experimentales se desea medir.

Niveles: los diferentes valores que se

asignan a cada factor estudiado.

Tratamientos: combinacin de niveles de

todos los factores.
 Familia de diseos para comparar dos o ms
tratamientos.
Diseo Factores Tcnica Modelo estadstico
de estadstica
bloque
Completamente 0 ANOVA con 1
al azar criterio de
clasificacin Yi i i
Bloques 1 ANOVA con
completos al
azar
2 criterios de
clasificacin Yij i j ij
Diseo en 2 ANOVA con 3
cuadro latino criterios de
clasificacin Yijk i j k ijk
Diseo en 3 ANOVA con 4
cuadro criterios de
grecolatino
Y i j k l ijkl
clasificacin ijkl
Familia de diseos para comparar dos o ms
tratamientos.
 Familia de diseos para comparar dos o ms
tratamientos.
Ejemplo:

Un equipo de mejora investiga el efecto de cuatro mtodos de

ensamble A, B, C y D, sobre el tiempo de ensamble en minutos.

Diseo
completamente
al azar
 Familia de diseos para comparar dos o ms
tratamientos.
Ejemplo:

Los experimentadores se dan cuenta que hay cuatro operadores y

consideran que esto puede afectar de manera significativa los
tiempos de ensamble. Mtodo de ensamble
A B C D
Diseo en
Operador 1 6 7 10 10
bloques
completos al 2 9 10 16 13
azar 3 7 11 11 11
4 8 8 14 9
 Familia de diseos para comparar dos o ms
tratamientos.
Ejemplo:

Adems de los operadores se considera que el orden en que se

realiza el ensamble puede ser otra fuente de variabilidad.

Operador
1 2 3 4
Diseo en Orden 1 C=10 D=14 A=7 B=8
cuadro latino del 2 B=7 C=18 D=11 A=8
ensamble
3 A=5 B=10 C=11 D=9
4 D=10 A=10 B=12 C=14
 Familia de diseos para comparar dos o ms
tratamientos.
Ejemplo:
Un cuarto factor de bloque a controlar puede ser el lugar en el que
se desarrolla el trabajo.

Operador
Diseo en 1 2 3 4
cuadro
Orden del 1 C=7 B=10 D=14 A=8
grecolatino
ensamble 2 B=8 C=11 A=10 D=15
3 A=9 D=12 B=7 C=15
4 D=9 A=8 C=18 B=16
 Diseo completamente al azar y ANOVA

Slo considera dos fuentes de variabilidad: los

tratamientos y el error aleatorio. Las corridas
experimentales se realizan en orden completamente
aleatorio, no existe ninguna restriccin a la aleatorizacin.

La hiptesis fundamental a probar se plantea como:

H0 : A B C D
HA : i j
 Diseo completamente al azar y ANOVA
Notacin de puntos:
ni
Yi Yij Suma de las observaciones del tratamiento.
j 1
ni

Y
j 1
ij

Y ij Media de las observaciones del i-simo tratamiento.

ni
k ni
Y Yij Suma total de las N=n1 n2 ... nk .
i 1 j 1

Y
Y Media global o promedio de todas las observaciones.
N
 Diseo completamente al azar y ANOVA

a) Suma total de cuadrados: medida de la

variabilidad total presente en las observaciones.
k ni 2
Y
SCT Yij 2

i 1 j 1 N

b) Suma de cuadrados de tratamientos: medida

de la variabilidad presente entre los tratamientos.

ni 2 2
k
Yi Y
SCTR

i 1 j 1 ni N
 Diseo completamente al azar y ANOVA

c) Suma de cuadrados del error: medida de la

variabilidad dentro de los tratamientos.
En sta se resume el
ANOVA de un
SCE SCT -SCTR experimento que sirve
para probar la hiptesis
de inters.
Tabla de ANOVA para el DCA.
FV SC GL CM
Tratamientos SC k-1

Error N-k

Total N-1
 Diseo completamente al azar y ANOVA

As para un nivel de significancia , se rechaza Ho

si:

F0 F ,k 1, N k
k Nmero de tratamientos
ni Nmero de observaciones del tratamiento i
N Total de observaciones
 Diseo completamente al azar y ANOVA.

Ejemplo: Un fabricante de calzado desea mejorar la calidad de las

suelas, las cuales se pueden hacer con uno de los cuatro tipos de
cuero A, B, C y D disponibles en el mercado. Para ello, prueba los
cueros con una mquina que hace pasar los zapatos por una
superficie abrasiva; la suela de los zapatos se desgasta al pasarla
por dicha superficie. Como criterio de desgaste se usa la prdida
de peso despus de un nmero fijo de ciclos. Se prueban en orden
aleatorio 24 zapatos, seis de cada tipo de cuero. Determinar si
existen diferencias entre el desgaste promedio de los diferentes
tipos de cuero.
Comparacin de cuatro tipos de cuero.

Tipos de cuero
A B C D
264 208 220 217
260 220 263 226
258 216 219 215
241 200 225 224
262 213 230 220
255 206 228 222
Diseo completamente al azar y ANOVA.
El objetivo del anlisis de varianza en el DCA es probar la
hiptesis de igualdad de las respuestas medias

1. Plantear hiptesis.

H0 : A B C D
HA : i j
2. Plantear tabla de operaciones bsicas.
Tipos de cuero Operaciones bsicas
A B C D Suma de los cuadrados de todos los
datos
264 208 220 217 6 4

226 ij
2 2 2 2
260 220 263 Y 264 208 ... 222
i 1 j 1
258 216 219 215 6 4

224 ij
241 200 225
Y 2

i 1 j 1
262 213 230 220 Suma de todas las observaciones
6 4
255 206 228 222 Y =Yij 264 208... 222
Total por tratamiento Yi i1 i1

# Observaciones por Y =
Media global
tratamiento n i
Y
Media muestral por
tratamiento
Y i Y =
N
2. Plantear tabla de operaciones bsicas.
Tipos de cuero Operaciones bsicas
A B C D Suma de los cuadrados de todos los
datos
264 208 220 217
6 4

260 220 263 226 ij

Y 2

i 1 j 1
264 2
208 2
... 222 2

Observaciones 258 216 219 215 6 4

241 200 225 224

ij 1275024
Y 2

i 1 j 1

262 213 230 220 Suma de todas las observaciones

6 4
255 206 228 222 Y =Yij 264 208 ... 222
i 1 j 1
Total por tratamiento Yi 1540 1263 1385 1324
Y =5512
# Observaciones por Media global
tratamiento n 6 6 6 6
i

Media muestral por Y 5512

Y = = 229.66

tratamiento Y i
256.66 210.5 230.83 220.66
N 24
3. Calcular suma de cuadrados.

k ni 2 2
Y (5512)
SCT Yij =1275024-2
=9101.33
i 1 j 1 N 24
ni 2 2
k
Yi Y
SCTR

i 1 j 1 ni N
15402 12632 13852 13242 (5512)2
- =7072.33
6 24

SCE SCT -SCTR =9101.33-7072.33=2029

4. Elaborar tabla de ANOVA.

FV SC GL CM
Tratamientos 7072.33 3 2357.44 23.23
Error 2029 20 101.45
Total 9101.33 23
5. Obtener valor de tablas.

F0.05,3,20 3.09

6. Verificar criterio de rechazo y concluir.

F0 F ,k 1, N k
23.23 3.09
Se rechaza Ho, existe diferencia
significativa entre el desgaste promedio
de los diferentes tipos de cuero.
Comparacin de parejas de medias de tratamientos.
Mtodo LSD (Diferencia mnima significativa)
1. Una vez que se rechaz Ho en el ANOVA, el problema es probar
la igualdad de todos los posibles pares de medias con las hiptesis:

H0 : A B vs HA : A B
H0 : A C vs HA : A C
H0 : A D vs HA : A D
H0 : B C vs HA : B C
H0 : B D vs HA : B D
H0 : C D vs HA : C D
Comparacin de parejas de medias de tratamientos.
Mtodo LSD (Diferencia mnima significativa)

2. Calcular la diferencia mnima significativa LSD)

2CME
LSD t 2,Nk
n

2(101.45)
LSD 2.086 12.13
6
Comparacin de parejas de medias de tratamientos.
Mtodo LSD (Diferencia mnima significativa)
3. Comparar las correspondientes diferencias de medias muestrales
en valor absoluto con el nmero LSD

Diferencia Diferencia Decisin

poblacional muestral en
valor absoluto

Se declaran
- significativas
- aquellas
- diferencias
que son
- mayores al
- nmero LSD
-
Comparacin de parejas de medias de tratamientos.
Mtodo LSD (Diferencia mnima significativa)
3. Comparar las correspondientes diferencias de medias muestrales
en valor absoluto con el nmero LSD

Diferencia Diferencia muestral Decisin

poblacional en valor absoluto

- 46.16 > 12.13 Significativa

- 25.83 > 12.13 Significativa

- 36 > 12.13 Significativa

- 20.33 > 12.13 Significativa

- 10.16 < 12.13 No significativa

- 10.17 < 12.13 No significativa

Comparacin de parejas de medias de tratamientos.
Mtodo LSD (Diferencia mnima significativa)

4. Elaborar grfica de medias.

CME
Yi t 2,Nk
ni
Por su atencin:

Gracias!