Professional Documents
Culture Documents
DISEO DE
EXPERIMENTOS
MARISOL GORDILLO S.
Ph.D en Ingeniera
INTRODUCCION
INTRODUCCION AL
AL DISEO
DISEO Y
Y ANALISIS
ANALISIS DE
DE EXPERIMENTOS
EXPERIMENTOS
ESTUDIOS
Experiment
os
Observacin
Jack Kiefer
A. Bradford Hill
1950s
(1950s)
Asignaciones
aleatorizada
s
Teora de
diseos
ptimos
Psicologa, Educacin,
Mercadeo, y otras
disciplinas tambin
fueron testigo de
aplicaciones de
experimentos diseados
Donald Campbell y
Julian Stanley
Cuasi-experimentos
Nuevas
ideas
Ingeniero japons
Genichi Taguchi
Diseo robusto
GEOESTADISTICA
Bases cientficas
Estadstica matemtica y las bases tcnicas
Ejemplo
Si suponemos que la cantidad de
hemicelulosa (hongos xilofagos) medida en
240 muestras de madera procedente de
tocones de Pinus silvestris es afectada por
la edad, orientacin, altura y profundidad
Planeacin incorrecta
Estrategia de factor por factor :
Otro planteamiento:
Variar muchos factores a la
vez
DEFINICIONES BASICAS
Cuantitativ
BLOQUE
os
Factor
Cualitativos
Cuantitativos:
edad-altura - profundidad
Cualitativo:
estaciones (inv-prim-verotoo)
Efectos fijos
Efectos
aleatorios
Efectos Mixtos
Niveles
Tratamien
tos
tratamien
to testigo
Tratamientos no
son parte de la
No homognea estructura de la
u.e.
Homognea
Variable respuesta
Se
Se desea
desea investigar
investigar el
el efecto
efecto del
del pH
pH en
en el
el crecimiento
crecimiento de
de cierto
cierto
microorganismo
microorganismo en
en un
un medio
medio especifico
especifico .. Para
Para ello
ello se
se realiza
realiza un
un
experimento,
experimento, teniendo
teniendo como
como punto
punto de
de partida
partida la
la misma
misma cantidad
cantidad
de
de microorganismos
microorganismos ,, se
se realiz
realiz 4
4 repeticiones.
repeticiones. Existe
Existe suficiente
suficiente
evidencia
evidencia para
para firmar
firmar que
que los
los niveles
niveles de
de pH
pH utilizados
utilizados presenta
presenta
crecimiento
crecimiento distintos?
distintos?
Se
Se desea
desea investigar
investigar la
la influencia
influencia de
de la
la temperatura
temperatura y
y el
el tiempo
tiempo
sobre
sobre el
el rendimiento
rendimiento de
de un
un proceso
proceso qumico.
qumico.
EL DISEO DE
EXPERIMENTOS
OTRAS VARIABLES
Variable sustituta
Covariable
Material experimental
Variables Explicatorias
Observaciones para verificar la aplicacin
de los tratamiento
Observaciones para determinar las
condiciones externas del
experimentos
Error experimental
Ejemplo 1:
Ensayo
El porcentajehongos
de humedad relativa (HR)
Ejemplo 2
EJERCICIO 3
2.6
1.9
3.1
2.8
2.2
2.0
2.7
Carga 4
3.3
3.6
3.0
3.5
3.2
3.9
3.4
Carga 6
3.1
2.0
2.5
3.1
2.3
3.0
2.2
Carga 8
2.5
2.3
2.8
1.8
2.7
2.6
2.0
RESUMEN
En un estudio experimental el
investigador
Pasivamente observa variables de
pronostico potenciales y la variable de
respuesta.
Slo puede establecer la asociacin entre las
variables de pronostico y la variable de
respuesta.
Manipula variables de pronostico
potenciales para estudiar sus efectos sobre
la variable de respuesta.
Establecer la relacin efecto de causa.
PLANES DE EXPERIMENTACIN
MODELOS DE RANGO INCOMPLETO
DISEO COMPLETAMENTE
ALEATORIZADO (D.C.A)
UN SOLO FACTOR DE CLASIFICACION
D.C.A
caractersticas
N - P
- k
azar
Numero
aleatorio
s
Condiciones ambientales
un solo factor con k
tratamientos
Varios factores
El numero de u.e. =
numero de tratamientos * numero de
repeticiones
Las ventajas de este tipo de diseo son :
Total flexibilidad en cuanto al nmero de
tratamientos y al nmero de unidades
experimentales .
Anlisis sencillos.
Ninguna dificultad por perdida de datos
EJEMPLO
Factor : DENSIDAD
LARVAL
Niveles : 3, 5,
: TRATAMIENTOS
u.e.
(larvas de
Drosophila
permisilis)
V.R.
PESOS
(mg)
u.e : homognea
Se realizaron 10
repeticiones
azar
ij
ij
i = 1, 2, 3, . . . t j = 1,2, 3, . . r
Estimar la parmetro . t
y las hiptesis experimentales tales como:
Ho: = t
yij Z i ij
i 1,2,...
j 1,2,...
Y X
rango=2
6x3
parmetro
, y no
puede ser
estimada
por T
1
T
( X X ) X y
i no son nicos y por consiguiente no pueden ser estimados
ri Z i 0
S.E.N. : XTX=XTY
+
ri Z i 0
SOLUCION
parmetros
ANOVA
ANLISIS DE VARIANZA
PARA EL MODELO COMPLETAMENTE
El mtodo empleadoALEATORIO
para comparar las medias de los
tratamientos se denomina ANALISIS DE VARIANZA
(ANOVA), mediante el cual se prueban las hiptesis
planteadas.
Inferencia
SCTrat
H1 : Zi al
Zi
Un p-valor es la probabilidad, calculada
asumir que
Ho es cierta, de que la estadstica de prueba tome valore tan
extremos o ms extremos que los calculados con la muestra
actual.
TOTALES
MEDIA
DESVIACIO
N
CV
D20
1,27
1,30
1,25
0,99
0,64
1,32
1,29
1,25
0,99
0,66
1,25
1,26
1,24
0,96
0,64
1,30
1,29
1,26
0,99
0,67
1,24
1,27
1,24
1,02
0,67
1,29
1,27
1,25
1,01
0,67
1,28
1,31
1,25
1,00
0,67
1,25
1,25
1,22
1,00
0,68
1,29
1,30
1,24
0,97
0,64
0,99
9,92
0,99
0,62
6,57
0,66
1,26
12,76
1,28
1,32
1,26
12,87 12,46
1,29
1,25
0,027
2,1
SCTRAT:
i 1
SCTRAT:
si es balanceado.
y1.
y 2.
yt.
y..2
( r r ... r ) n
i 1
1
2
t
SCERROR :
SCERROR:
y 2 i. y..2
ri
n
2
Y
Y T Y i.
ri
si
balanceado.
2
2
2
y
y
y
Y T Y ( 1. 2. ... t . )
r2
rt
i 1 r1
t
si el diseo es
desbalanceado
es
si el diseo es
desbalanceado
DISEO DE EXPERIMENTOS
VALIDACION DE LOS SUPUESTOS DEL MODELO
ij
ij
e y y
e y y
Ho: i ~ normal
Ha: i No ~ normal
-1
-2
10
-1
e ij
-2
-3
-1
0
-1
eij
e ij
eij
-2
-2
-3
-3
-4
t
Durbin watson
El estadstico de Durbin -Watson est condicionado a la orden de las
observaciones (filas)
las observaciones estn en un orden significativo, como el tiempo.
...
)
i :
mnima
1
2
a
i 1
(i ) 2 ri
i 1
2 2
2K
t
CASO : DENSIDAD
LARVAS
Diferencia mnima :
D3
D5
D6
D10
D20
1,27
1,30
1,25
0,99
0,64
1,32
1,29
1,25
0,99
0,66
1,25
1,26
1,24
0,96
0,64
1,30
1,29
1,26
0,99
0,67
1,24
1,27
1,24
1,02
0,67
1,29
1,27
1,25
1,01
0,67
1,28
1,31
1,25
1,00
0,67
1,25
1,25
1,22
1,00
0,68
1,29
1,30
1,24
0,97
1,26
1,32
1,26
0,99
MEDIA
1,09
GLOBAL
MEDIA
1,28
1,29
1,25
0,99
VARIANZA
0,00070
0,00046 0,00012 0,00033
0,64
0,62
0,66
0,00035
Poder de la prueba:
-Factor de no centralidad :
t
2
( i ) r
0.295
K i 1
* r 209.66 * r
2
2
*
0
.
0007
2
-Parmetro de no
centralidad.
2K
2K
t
5
V1=(t-1)
4
ri
8
V2=t(ri-1)
35
k
1677,3
25,9
0,01
0.99
4
10
45
2096,6
29,0
0.01
0.99
V1=(t1)
4
4
ri
8
10
V2=t(ri
-1)
35
45
k
1677,3 2096,6
25,9
29,0
0,01
0.01
0.99
0.99
D.C.A - MINITAB
Comparacione
mltiples
residuales
storage
Comparaciones
mltiples
resultados
Validacin de supuestos
Normalidad
HOMOGENEIDAD
TALLER 1. PROXIMA
CLASE
1 1 1 1 1 1 1 1 1 1 22 2 22 2 2 22 233 3 3 3 33 3
1 1 1 1 1 1 1 1 1 1
1 1
1 1 1
1
1 1 1 1
1
15 2 0 4 6 6 3 5 1 4 2 9 3 0 8 2 3 4 9 0 9 9 2 5 2 6 8 2
La estadstica, n
matemtica pue
mentir. Ellas s
estn all, para
usadas, para apo
en la bsqueda d
verdad.