Diseño Experimental

IMPORTANCIA DEL DISEÑO EXPERIMENTAL
YAJAIRA NAILETH CASTILLA MARTÍNEZ

DEYNER ALBERTO LECHUGA FUENTES
KEREN MELISSA MARÍN RODRIGUEZ
JOENNYS KATTIANA MARTÍNEZ MONTERO
DANIELA MARTÍNEZ QUIROZ
JENIFER PAOLA MENDOZA ISEDA
YANELIS CAROLINA MENDOZA MARENCO
ISMAREN SHARETH MOLINA DÍAZ
LAURA VALENTINA RINCÓN VELASQUEZ
KAREN ROCÍO ROBLES MORENO
KRISTIAN JOSÉ TELLEZ
LUISA FERNANDA VANEGAS AMARIS
UNIVERSIDAD POPULAR DEL CESAR

PROGRAMA DE SALUD
PENSAMIENTO CRÍTICO CIENTÍFICO
GRUPO: 02
VALLEDUPAR, CESAR
2019
IMPORTANCIA DEL DISEÑO EXPERIMENTAL
YAJAIRA NAILETH CASTILLA MARTÍNEZ

DEYNER ALBERTO LECHUGA FUENTES
KEREN MELISSA MARÍN RODRIGUEZ
JOENNYS KATTIANA MARTÍNEZ MONTERO
DANIELA MARTÍNEZ QUIROZ
JENIFER PAOLA MENDOZA ISEDA
YANELIS CAROLINA MENDOZA MARENCO
ISMAREN MOLINA
LAURA VALENTINA RINCÓN VELASQUEZ
KAREN ROCÍO ROBLES MORENO
KRISTIAN JOSÉ TELLEZ
LUISA FERNANDA VANEGAS AMARIS
PROFESORA: ALEJANDRA QUINTERO
UNIVERSIDAD POPULAR DEL CESAR

PROGRAMA DE SALUD
PENSAMIENTO CRÍTICO CIENTÍFICO
GRUPO: 02
VALLEDUPAR, CESAR
2019
DEFINICIÓN
El diseño experimental es una técnica estadística que permite identificar y

cuantificar las causas de un efecto dentro de un estudio experimental. En un diseño
experimental se manipulan deliberadamente una o más variables, vinculadas a las
causas, para medir el efecto que tienen en otra variable de interés. El diseño
experimental prescribe una serie de pautas relativas qué variables hay que
manipular, de qué manera, cuántas veces hay que repetir el experimento y en qué
orden para poder establecer con un grado de confianza predefinido la necesidad de
una presunta relación de causa-efecto. También El Diseño Experimental puede ser
considerado como parte del proceso científico y una de las formas en que
aprendemos acerca de la forma en que funcionan los sistemas o procesos Por lo
general, esto aprendizaje se da a través de una serie de actividades en las cuales
hacemos conjeturas sobre un proceso, realizamos experimentos para generar datos
a partir del proceso, y entonces usamos la formación del experimento para
establecer nuevas suposiciones, que llevan a realizar nuevos experimentos, Así
sucesivamente comportándose cíclicamente
El diseño experimental encuentra aplicaciones en la industria, la agricultura, la

mercadotecnia, la medicina, la ecología, las ciencias de la conducta, etc.
constituyendo una fase esencial en el desarrollo de un estudio experimental.
RESEÑA HISTÓRICA
Sir Ronald Fisher fue el innovador del uso de los Métodos Estadísticos de
Experimentos, ya que utilizó por primera vez el Análisis de Variancia como
herramienta primaria para el análisis estadístico en el Diseño Experimental. A pesar
de que fue el pionero, muchos han contribuido de manera significativa, entre ellos
pueden encontrarse F. Yates, G.E.P. Box, R.C Bose, O. Kempthorne y W.G
Cochran.
Muchas de las primeras aplicaciones de los métodos sobre este rubro se dieron en
las áreas de Agricultura y Ciencias Biológicas. Sin embargo, las primeras
aplicaciones industriales se hicieron en 1930 aproximadamente, en el área Textil.
Después de la Segunda Guerra Mundial, los métodos del Diseño Experimental se
introdujeron en la industria Química y de Transformación de Estados Unidos y
Europa. En años recientes ha habido un renovado interés en virtud de que varias
industrias descubrieron que sus competidores han estado usando por mucho tiempo
Experimentos Diseñados, lo que ha sido un factor importante en su éxito
TERMINOLOGÍA COMÚN UTILIZADA EN LA TEORÍA DE LOS MODELOS DE
DISEÑO DE EXPERIMENTOS
 Unidad experimental: son los objetos, individuos, intervalos de espacio o
tiempo sobre los que se experimenta.
 Variable de interés o respuesta: es la variable que se desea estudiar y

controlar su variabilidad.
 Factor: son las variables independientes que pueden influir en la variabilidad

de la variable de interés.
 Factor tratamiento: es un factor del que interesa conocer su influencia en

la respuesta.
 Factor bloque: es un factor en el que no se está interesado en conocer su

influencia en la respuesta, pero se supone que ésta existe y se quiere
controlar para disminuir la variabilidad residual.
 Niveles: cada uno de los resultados de un factor. Según sean elegidos por
el experimentador o elegidos al azar de una amplia población se denominan
factores de efectos fijos o factores de efectos aleatorios.
 Tratamiento: es una combinación específica de los niveles de los factores

en estudio. Son, por tanto, las condiciones experimentales que se desean
comparar en el experimento. En un diseño con un único factor son los
distintos niveles del factor y en un diseño con varios factores son las distintas
combinaciones de niveles de los factores.
 Observación experimental: es cada medición de la variable respuesta.
 Tamaño del Experimento: es el número total de observaciones recogidas

en el diseño.
 Interacción de factores: existe interacción entre dos factores FI y FJ si el

efecto de algún nivel de FI cambia al cambiar de nivel en FJ . Esta definición
puede hacerse de forma simétrica y se puede generalizar a interacciones de
orden tres o superior.
 Ortogonalidad de factores: dos factores FI y FJ con I y J niveles,

respectivamente, son ortogonales si en cada nivel i de FI el número de
observaciones de los J niveles de FJ están en las mismas proporciones. Esta
propiedad permite separar los efectos simples de los factores en estudio.
 Diseño equilibrado o balanceado: es el diseño en el que todos los
tratamientos son asignados a un número igual de unidades experimentales.
PRINCIPIOS BÁSICOS EN EL DISEÑO DE EXPERIMENTOS

Al planificar un experimento hay tres principios básicos que se deben tener siempre
en cuenta:
 El principio de aleatorización.
 El bloqueo.
 La factorización del diseño.
Los dos primeros (aleatorizar y bloquear) son estrategias eficientes para asignar los
tratamientos a las unidades experimentales sin preocuparse de qué tratamientos
considerar. Por el contrario, la factorización del diseño define una estrategia
eficiente para elegir los tratamientos sin considerar en absoluto como asignarlos
después a las unidades experimentales.
Aleatorizar: “Aleatorizar todos los factores no controlados por el experimentador en
el diseño experimental y que pueden influir en los resultados serán asignados al
azar a las unidades experimentales”.
o Ventajas de aleatorizar los factores no controlados:
 Transforma la variabilidad sistemática no planificada en variabilidad
no planificada o ruido aleatorio. Dicho de otra forma, aleatorizar
previene contra la introducción de sesgos en el experimento.
 Evita la dependencia entre observaciones al aleatorizar los instantes
de recogida muestral.
 Valida muchos de los procedimientos estadísticos más comunes.
Bloquear: “Se deben dividir o particionar las unidades experimentales en grupos
llamados bloques de modo que las observaciones realizadas en cada bloque se
realicen bajo condiciones experimentales lo más parecidas posibles”. A diferencia
de lo que ocurre con los factores tratamiento, el experimentador no está interesado
en investigar las posibles diferencias de la respuesta entre los niveles de los factores
bloque. Bloquear es una buena estrategia siempre y cuando sea posible dividir las
unidades experimentales en grupos de unidades similares. La ventaja de bloquear
un factor que se supone que tienen una clara influencia en la respuesta pero en el
que no se está interesado, es la siguiente: Convierte la variabilidad sistemática no
planificada en variabilidad sistemática planificada.
Con el siguiente ejemplo se trata de indicar la diferencia entre las estrategias de
aleatorizar y de bloquear en un experimento.
Ejemplo. Se desea investigar las posibles diferencias en la producción de dos
máquinas, cada una de las cuales debe ser manejada por un operario. En el
planteamiento de este problema la variable respuesta es la producción diaria de una
máquina, el factor tratamiento en el que se está interesado es el tipo de máquina
que tiene dos niveles y un factor nuisance es el operario que maneja la máquina.
En el diseño del experimento para realizar el estudio se pueden utilizar dos
estrategias para controlar el factor operario que maneja la máquina.
 Aleatorizar: se seleccionan al azar dos grupos de operarios y se asigna al
azar cada grupo de operarios a cada una de las dos máquinas. Finalmente
se evalúa la producción de las mismas.
 Bloquear: se introduce el factor bloque operario. Se elige un único grupo de
operarios y todos ellos utilizan las dos máquinas. Hay que tener en cuenta
en qué circunstancias se utilizan estas dos estrategias, y cuál estrategia es
mejor.
La factorización del diseño. “Un diseño factorial es una estrategia experimental
que consiste en cruzar los niveles de todos los factores tratamiento en todas las
combinaciones posibles”.
o Ventajas de utilizar los diseños factoriales:
— Permiten detectar la existencia de efectos interacción entre los diferentes
factores tratamiento.
— Es una estrategia más eficiente que la estrategia clásica de examinar la
influencia de un factor manteniendo constantes el resto de los factores.
Ventajas y Desventajas de los experimentos diseñados estadísticamente.
 Ventajas
1. Se requiere una estrecha colaboración entre los estadísticos y el investigador
o científicos con las consiguientes ventajas en el análisis e interpretación de
las etapas del programa.
2. Se enfatiza respecto a las alternativas anticipadas y respecto a la pre-
planeación sistemática, permitiendo aun la ejecución por etapas y
la producción única de datos útiles para el análisis en combinaciones
posteriores.
3. Debe enfocarse la atención a las interrelaciones y a la estimación y
cuantificación de fuentes de variabilidad en los resultados.
4. El número de pruebas requerido puede determinarse con certeza y a menudo
puede reducirse.
5. La comparación de los efectos de los cambios es más precisa debido a la
agrupación de resultados.
6. La exactitud de las conclusiones se conoce con una precisión
matemáticamente definida.
 Desventajas de los experimentos diseñados estadísticamente.

1. Tales diseño y sus análisis, usualmente están acompañados de enunciados
basados en el lenguaje técnico del estadístico. Sería significativos a la
generalidad de la gente, además, el estadístico no debería subestimar
el valor de presentarnos los resultados en forma gráfica. De hecho, siempre
debería considerar a la representación gráfica como un paso preliminar de
un procedimiento más analítico.
2. Muchos diseños estadísticos, especialmente cuando fueron formulados por
primera vez, se han criticado como demasiado caros, complicados y que
requieren mucho tiempo. Tales críticas, cuando son válidas, deben aceptarse
de buena fe y debe hacerse un intento honesto para mejorar la situación,
siempre que no sea en detrimento de la solución del problema.
DIRECTRICES PARA EL DISEÑO DE EXPERIMENTOS

Para poder analizar un experimento de manera correcta, es necesario que se tenga
una idea clara sobre el problema que se va a estudiar, el modo de la recolección de
datos y su análisis. A continuación, se presenta la metodología a emplear en el
presente estudio. Montgomery [7](1991)
a. Comprensión y planteamiento del problema. Aunque este punto pudiera

parecer obvio, en muchas ocasiones resulta complicado diseñar un
planteamiento claro y aceptable. Es necesario consultar a todas las partes
implicadas: cuerpo técnico, aseguramiento de calidad, manufactura, clientes,
etc. Un planteamiento claro del problema contribuye a tener un mejor
conocimiento del fenómeno y de la solución final del problema
b. Elección de factores y niveles. El experimentador debe elegir los factores

y los niveles específicos a los cuales variara el experimento. Tal conocimiento
suele ser una combinación de experiencia y comprensión teórica.
c. Selección de la variable de respuesta. La selección de respuesta o variable

dependiente, hecha por el investigador debe de asegurar que la medición de
esta pueda realmente proveer información sobre el proceso estudiado.
d. Elección del diseño experimental. Para elegir el diseño es necesario

considerar el tamaño muestral (número de repeticiones), seleccionar un
orden adecuado para los ensayos y determinar si hay implicado un bloqueo
u otras restricciones de aleatorización
e. Realización del experimento. Cuando se realiza el experimento, es vital

monitorear el proceso para asegurar que todo se haga conforme a lo
planeado, ya que los errores en esta fase suelen anular la validez
experimental.
f. Análisis de datos. Deben emplear métodos estadísticos para analizar los

datos, de modo que los resultados y conclusiones sean objetivos más que
apreciativos. Actualmente, existen excelentes paquetes de software para
este análisis, así como varios métodos gráficos sencillos importantes en la
interpretación de ellos, ejemplos son: MINITAB y EXCEL
Referencias
https://www.monografias.com/trabajos7/diex/diex.shtml
https://prezi.com/kxfrfk7i-sg0/importancia-de-los-disenos-experimentales/
http://www.adidex.com/importancia-del-diseno--de-experimentos.html
http://unach-gabycristiposdise.blogspot.com/p/importancia-del-diseno-experimental.html
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/IntroDE.pdf

Diseño Experimental

Cargado por

Copyright:

Formatos disponibles

Diseño Experimental

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diseño Experimental

Cargado por

Copyright:

Formatos disponibles

IMPORTANCIA DEL DISEÑO EXPERIMENTAL

YAJAIRA NAILETH CASTILLA MARTÍNEZ

UNIVERSIDAD POPULAR DEL CESAR

YAJAIRA NAILETH CASTILLA MARTÍNEZ

PROFESORA: ALEJANDRA QUINTERO

UNIVERSIDAD POPULAR DEL CESAR

El diseño experimental es una técnica estadística que permite identificar y

El diseño experimental encuentra aplicaciones en la industria, la agricultura, la

 Variable de interés o respuesta: es la variable que se desea estudiar y

 Factor: son las variables independientes que pueden influir en la variabilidad

 Factor tratamiento: es un factor del que interesa conocer su influencia en

 Factor bloque: es un factor en el que no se está interesado en conocer su

 Tratamiento: es una combinación específica de los niveles de los factores

 Observación experimental: es cada medición de la variable respuesta.

 Tamaño del Experimento: es el número total de observaciones recogidas

 Interacción de factores: existe interacción entre dos factores FI y FJ si el

 Ortogonalidad de factores: dos factores FI y FJ con I y J niveles,

PRINCIPIOS BÁSICOS EN EL DISEÑO DE EXPERIMENTOS

 Desventajas de los experimentos diseñados estadísticamente.

DIRECTRICES PARA EL DISEÑO DE EXPERIMENTOS

a. Comprensión y planteamiento del problema. Aunque este punto pudiera

b. Elección de factores y niveles. El experimentador debe elegir los factores

c. Selección de la variable de respuesta. La selección de respuesta o variable

d. Elección del diseño experimental. Para elegir el diseño es necesario

e. Realización del experimento. Cuando se realiza el experimento, es vital

f. Análisis de datos. Deben emplear métodos estadísticos para analizar los

También podría gustarte