RELATORÍA: EXPERIMENTOS COMPARATIVOS SIMPLES

ANDRÉS MAURICIO ATEHORTÚA BENJUMEA

PROFESOR: Alexander Correa Espinal

MONITORA: Faviana Gutiérrez Rôa
ASIGNATURA: Diseño de Experimentos Avanzados - 3008475

UNIVERSIDAD NACIONAL DE COLOMBIA

SEDE MEDELLIN
FACULTAD DE MINAS
2011
TABLA DE CONTENIDO

RESUMEN 3
ABSTRACT 3
INTRODUCCIÓN 4
1. CONCEPTOS BÁSICOS 5
1.1 DEFINICIONES 5
1.2 DESCRIPCIÓN GRÁFICA DE LA VARIABILIDAD 6
2. INFERENCIAS ACERCA DE LAS DIFERENCIAS EN LAS MEDIAS, DISEÑOS
ALEATORIZADOS 6
2.1 PRUEBA DE HIPÓTESIS 7
2.1.1 EXPRESIONES Y ESTADÍSTICOS PARA LAS PRUEBAS DE HIPÓTESIS 8
2.2 VERIFICACIÓN DE LOS SUPUESTOS EN LA PRUEBA T 10
3. INFERENCIAS ACERCA DE LAS DIFERENCIAS EN LAS MEDIAS, DISEÑOS DE
COMPARACIÓN POR PARES 10
4. INFERENCIAS ACERCA DE LAS VARIANZAS DE DISTRIBUCIONES NORMALES 11
5. EJEMPLO APLICADO 11
CONCLUSIONES 14
RECOMENDACIONES 15
REFERENCIAS 16

LISTA DE GRÁFICOS Y TABLAS

Gráfico 2.1 Curvas características de operación para pruebas t bilaterales con α=0.05___8
Tabla 2.1 Tests de Medias con Varianzas conocidas______________________________9
Tabla 3.1 Tests de Varianzas de distribuciones normales_________________________11
Gráfico 5.1 Diagrama de caja de Gasto de C2F6_________________________________13
 RESUMEN

Este documento estudia los conceptos básicos y las herramientas necesarias para
diseñar y analizar experimentos de comparación simple, que se caracterizan por
tener un solo Factor de estudio con dos niveles o tratamientos. Para esto se parte
de los conceptos claves dentro del Diseño de Experimentos, para luego pasar al
desarrollo y análisis de pruebas de hipótesis (en muestras dependientes o
independientes), tanto para comparación de medias como para comparación de
varianzas. Por último se ilustrará con un ejemplo práctico algunos de los
conceptos expuestos con ayuda del paquete estadístico MINITAB 15.

PALABRAS CLAVE: Diseño de experimentos, experimentos de comparación

simple, Minitab, pruebas de hipótesis, niveles o tratamientos, significancia.

ABSTRACT

This paper reviews the basic concepts and tools needed to design and analyze
simple comparative experiments, which are characterized by a single factor of
study with two levels or treatments. The paper begin with the key concepts in the
design of experiments, and then move to the development and the analysis of
hypothesis tests (dependent or independent samples), both for comparison of
means and for comparison of variances. Finally, a practical example will illustrate
some of the concepts presented using the statistical package MINITAB 15.

KEY WORDS: Design of experiments, simple comparative experiments, Minitab,

hypothesis testing, levels or treatments, significance.
 INTRODUCCIÓN

En la vida cotidiana se pueden encontrar un sin número de situaciones en las que

se pretende mejorar una medida, o acercarse a una especificación, mediante
algún proceso industrial, o de cualquier tipo, que se encuentra influenciado por el
efecto de variables o factores, sean estos controlables o no.

Bajo esta condición, tanto el diseño como la mejora de un proceso suponen el

análisis estadístico de estas variables, de cara a optimizar el desarrollo del
proceso y su resultado, y es en esta vía que éste documento pretende dar una
revisión acerca del cómo desarrollar un análisis de esta índole.

Específicamente aquí se trataran problemas en el que la cuestión a determinar

depende de un solo factor, o que por lo menos solo uno es el objeto a estudiar, el
cual puede ser operado bajo dos niveles o tratamientos, donde el objetivo es
determinar si existe alguna diferencia entre las medias y/o varianzas de los dos
niveles.
 EXPERIMENTOS COMPARATIVOS SIMPLES

1. CONCEPTOS BÁSICOS

1.1 Definiciones

A continuación se enunciarán algunos conceptos importantes dentro del diseño

experimental que permitirán más adelante comprender todo el desarrollo y análisis
de un experimento comparativo simple (González, 2006) .

Experimento: Cambio deliberado en las condiciones de operación de un proceso,

con el fin de medir el efecto sobre una o varias propiedades del producto.

Unidad experimental: Objetos u individuos básicos sobre los cuales se obtiene

una medición o datos representativos:
- Una pieza: En el estudio de la resistencia a la tracción de cierta componente
- Un lote o grupo de piezas: En el estudio de la proporción de defectuosos en una
operación

Variable respuesta: Característica, variable de salida o propiedad medida en

cada unidad, cuyos cambios se desean estudiar.

Factores controlables: Variables del proceso que se pueden fijar en un valor o

nivel de operación, ya que existe el mecanismo para cambiar su nivel. También se
les llama variables de entrada, condiciones de proceso, o variables de diseño. Ej.
Temperatura, velocidad, presión, concentración, tiempo de aplicación, etc.

Factores no controlables o de ruido: Variables que no se pueden controlar

durante la operación normal del proceso. Ej. Variables ambientales, usos de un
producto por los usuarios, etc.

Factores estudiados: Variables cuyos efectos sobre la respuesta se investigan

en el experimento: Pueden ser controlables o no controlables (posibles de
controlar durante el experimento). Se requiere probarlos en al menos dos niveles
(este es el caso de estudio de este documento). Los factores en principio pueden
afectar la media o la variabilidad de la variable respuesta.

Niveles: Valores asignados a cada factor de estudio.

Error aleatorio: Variabilidad observada que no se puede explicar por los factores
estudiados, es debido a “causas comunes o aleatorias”, que generan la
“variabilidad inherente del proceso”. Incluye efectos pequeños de factores no
estudiados, variabilidad de las mediciones hechas bajo mismas condiciones, y el
error experimental.
Error experimental: Componente del error aleatorio que representa los errores
del experimentador en la planeación y ejecución del experimento. Si el factor o
factores estudiados son influyentes sobre la variable respuesta, se espera que la
variabilidad observada en ésta durante la experimentación, sea explicada
significativamente por tales factores y en menor medida por el error aleatorio, y
que éste último sea realmente aleatorio.

1.2 Descripción gráfica de la variabilidad

Como ayuda inicial, es muy común utilizar métodos gráficos para analizar los
datos de un experimento ya que permiten tener una noción y una intuición del
comportamiento de éstos. A continuación se describirán algunos de los métodos a
los que se recurre en los experimentos comparativos simples.

Diagrama de puntos: Representa un conjunto de datos (alrededor de hasta unas

20 observaciones). El diagrama de puntos le permite al experimentador ver de
inmediato la localización o tendencia central de las observaciones y su dispersión.
(Montgomery)

Diagrama de caja: En este se muestra el mínimo, el máximo, los cuartiles inferior

y superior, y la mediana en una caja rectangular alineada horizontal o
verticalmente. La caja se extiende del cuartil inferior al cuartil superior y se traza
una línea por la mediana que atraviesa la caja. Se trazan dos líneas (o bigotes)
que se extienden desde los extremos de la caja hasta los valores mínimo y
máximo (Montgomery & Runger). Estos diagramas permiten observar si se puede
intuir si hay diferencia o no entre las medias de los tratamientos, a la vez que dan
un avistamiento del grado de simetría de los datos y si existe una variabilidad o
dispersión similar.

Histograma: Cuando se tienen muchos datos, puede ser imposible distinguir

estos en un diagrama de puntos por lo cual se recurre a un histograma, en el que
se podrá observar la tendencia central, la dispersión y la forma general de la
distribución de datos.

2. INFERENCIAS ACERCA DE LAS DIFERENCIAS EN LAS MEDIAS, DISEÑOS

ALEATORIZADOS

Cuando se quiere evaluar la diferencia en una variable respuesta entre dos

condiciones diferentes de un factor controlable dentro de un proceso (conocidas
como niveles del factor), se puede caer en el error de comparar las medias
obtenidas de las muestras y concluir con base en estas estimaciones.

La diferencia entre las medias puede sugerir que la variable respuesta entre las
dos muestras difiere en una cantidad no trivial. Sin embargo, no existe evidencia
de que la magnitud de esta diferencia sea suficiente como para afirmar que en
realidad la variable respuesta tiene una magnitud distinta con un nivel y con el
otro. Quizás esta diferencia observada en los promedios sea el resultado de
fluctuaciones del muestreo y los dos niveles sean idénticos en realidad.
Posiblemente otras dos muestras produzcan el resultado contrario, donde el nivel
que antes aparecía por debajo en relación a la variable respuesta con respecto al
otro nivel, ahora sea superior.

Con el objetivo de evitar caer en la situación anterior, se recurre a una técnica de

la inferencia estadística conocida como prueba de hipótesis, la cual permite que la
comparación entre dos niveles o tratamientos sea objetiva, con el conocimiento de
los riesgos asociados si se llega a una conclusión equivocada.

2.1 Prueba de Hipótesis

La prueba de hipótesis es una inferencia acerca de los parámetros de una

distribución de probabilidad o de los parámetros de un modelo. La hipótesis refleja
una suposición acerca de la situación del problema. La prueba de hipótesis se
puede enunciar como sigue:

El enunciado H0 es llamado la hipótesis nula y H1 es llamada la hipótesis

alternativa. Durante la prueba de hipótesis se pueden cometer dos tipos de
errores. Si la hipótesis nula es rechazada cuando es verdadera entonces ocurre
un error tipo I y si la hipótesis nula no es rechazada cuando es falsa ocurre un
error tipo II. El procedimiento general para probar las hipótesis es especificar el
valor de la probabilidad para que ocurra el error tipo I (α), llamado nivel de
significancia, y luego diseñar el procedimiento de prueba para que la probabilidad
del error tipo II (β) sea pequeña.

Para realizar un adecuado tratamiento estadístico de las observaciones es

importante seleccionar el tamaño de muestra apropiado. La selección del tamaño
de la muestra y la probabilidad del error tipo II (β) están cercanamente
relacionadas. Para esto el tamaño de la muestra se selecciona con la ayuda de las
curvas de operación características, las cuales se basan en la suposición que las
medias de las muestras son iguales, donde en el eje x se tiene el parámetro d, en
el eje y se tiene el valor β, y al cruzar estas coordenadas se obtiene el parámetro
n* con lo cual se puede obtener el valor de n con las siguientes ecuaciones:

(2.1)

(2.2)
 Gráfico 2.1 Curvas características de operación para pruebas t bilaterales con α=0.05

Fuente: (Montgomery, 2005)

En muchas ocasiones es útil proveer un intervalo en el cual el parámetro o los

parámetros que se estudian son esperados. Estos intervalos son llamados
intervalos de confianza. En muchos experimentos es conocido que las medias de
las muestras difieren, entonces la prueba de hipótesis con es de
poco interés y los experimentadores usualmente están más interesados en la
diferencias de medias.

2.1.1 Expresiones y estadísticos para las pruebas de hipótesis

Al realizar una prueba de hipótesis es necesario calcular un estadístico de prueba,

el cual se comparará con un porcentual de la distribución estadística de la cual se
supone que proviene dicho estadístico con el fin de conformar un criterio para
rechazar o aceptar la hipótesis nula.

Para la comparación de medias en los experimentos de comparación simple, las

expresiones de los estadísticos dependen del conocimiento de la variabilidad, así,
si se conoce la variabilidad, se utiliza un estadístico de una distribución normal, en
caso contrario se calcula un estadístico de una distribución t. Además, si aparte de
ser la variabilidad desconocida, se considera que la variabilidad de las dos
poblaciones no es la misma, la expresión para el estadístico debe ser modificada.

A continuación se presenta un resumen de éstas expresiones:

 Tabla 2.1 Tests de Medias con Varianzas conocidas

Fuente: (Montgomery, 2005)

Tabla 2.2 Tests de Medias con Varianzas desconocidas

Fuente: (Montgomery, 2005)

Donde:

(2.3)

(2.4)

(2.5)

Aclaración: En algunas de las anteriores expresiones aparece el término

, en este caso, lo que se quiere probar es si la media de una muestra difiere
o no de un valor predeterminado.

2.2 Verificación de los supuestos en la prueba t

Para utilizar el procedimiento de la prueba t se establecen los supuestos de que

ambas muestras se toman de poblaciones independientes que pueden describirse
con una distribución normal, que las varianzas de ambas poblaciones son iguales,
y que las observaciones son variables aleatorias independientes (Montgomery,
2005). Si dentro de la planeación de un experimento se puede garantizar una
aleatorización de las corridas, incluyendo la selección al azar de diferentes
unidades y materiales experimentales, el supuesto de independencia por lo
general se satisfará. Mientras que los supuestos de igualdad de varianzas y de
normalidad se pueden verificar fácilmente utilizando una gráfica de probabilidad
normal, en la cual si los puntos se pueden ajustar a una línea recta, se puede decir
que los datos provienen de una distribución normal. Además si las rectas de las
dos muestras tienen una pendiente muy similar, la varianza se asume como
constante.

3. INFERENCIAS ACERCA DE LAS DIFERENCIAS EN LAS MEDIAS, DISEÑOS

DE COMPARACIÓN POR PARES

En muchas ocasiones el interés se centra en determinar si existe o no una

diferencia entre las magnitudes de las medidas, bajo uno u otro nivel, de una
variable respuesta en un mismo material experimental (A estos experimentos se
les conoce como diseño de comparación por pares).

Para estas pruebas se utiliza el siguiente estadístico:

(3.1)
Donde:
 , : Diferencia pareada j (3.2)

(3.3)

4. INFERENCIAS ACERCA DE LAS VARIANZAS DE DISTRIBUCIONES

NORMALES

En muchos experimentos lo que interesa es conocer el grado de variabilidad, ya

sea comparando la varianza de una población con una varianza referencia , o
comparándola con la varianza de otra población. En este caso las pruebas son las
siguientes:

Tabla 3.1 Tests de Varianzas de distribuciones normales

Fuente: (Montgomery, 2005)

5. EJEMPLO APLICADO

Para ilustrar algunos de los conceptos expuestos se resolverá el ejercicio 2-12 del
Texto guía:

En un artículo de Solid State Technology, “Diseño ortogonal para optimización de

procesos y su aplicación en el grabado químico con plasma” de G.Z. Yin y D. W.
Jillie (mayo de 1987), se describe un experimento para determinar el efecto del
gasto de C2F6 sobre la uniformidad de corrosión selectiva (quimiograbado) en una
tableta de silicio utilizada en la manufactura de circuitos integrados. Los datos para
dos gastos son como sigue:

a) ¿La velocidad del flujo de C 2F6 afecta la uniformidad del grabado promedio?
Utilizar α=0.05

Después de ingresar los datos en Minitab se obtienen las siguientes salidas para
el análisis de la prueba de hipótesis

Fuente GL SC MC F P
Factor 1 1,141 1,141 1,82 0,207
Error 10 6,262 0,626
Total 11 7,402

S = 0,7913 R-cuad. = 15,41% R-cuad.(ajustado) = 6,95%

ICs de 95% individuales para la media

basados en Desv.Est. agrupada
Nivel N Media Desv.Est. -------+---------+---------+---------+--
125 6 3,3167 0,7600 (-----------*-----------)
200 6 3,9333 0,8214 (-----------*-----------)
-------+---------+---------+---------+--
3,00 3,60 4,20 4,80

Ya que el valor P es mayor a α=0.05 no se puede rechazar la hipótesis nula y se

concluye que estadísticamente las medias no difieren.

b) ¿Cuál es el valor P para la prueba del inciso a? El valor es P= 0,207

c) ¿La velocidad del flujo de C2F6 afecta la variabilidad de una oblea a otra en la
uniformidad del grabado? Utilizar α=0.05

Utilizando los tests de la Tabla 3.1:

Se concluye que la velocidad del flujo de C2F6 no afecta la variabilidad de una

oblea a otra en la uniformidad del grabado ya que F o es menor a F0.05,5,5
d) Trazar diagramas de caja que ayuden a interpretar los datos de este
experimento

Gráfico 5.1 Diagrama de caja de Gasto de C2F6

Fuente: Autoría propia a partir de MINITAB 15

La gráfica de caja muestra que existe una probabilidad significativa que las medias
sean iguales ya que existe solapamiento entre las cajas lo que ya se afirmo en el
inciso a, además se puede ver cierta diferencia en la variabilidad, pero del punto
anterior ya se sabe que esta diferencia no es estadísticamente significativa.

CONCLUSIONES
Mediante experimentos comparativos simples se pueden responder un gran
número de cuestiones de investigación con una metodología científica, y por lo
tanto objetiva, que lleva a conclusiones muy validas y aceptables (siempre y
cuando el diseño se haya realizado de manera adecuada)

En muchos casos, escoger el estadístico de prueba apropiado, es un paso

subjetivo, ya que bajo las manos de un experto se pueden considerar varianzas
homogéneas o no homogéneas.

Validar el supuesto de normalidad también puede ser un paso subjetivo, ya que no

siempre es fácil determinar si los datos se ajustan o no a una línea recta en un
gráfico de probabilidad normal.

RECOMENDACIONES
A la hora de diseñar un experimento es muy importante que previamente se
conozca muy a fondo el proceso que se va a investigar, además de contar con
asesoría de expertos en el tema, para así tener en cuenta todas las
consideraciones y variables que sean pertinentes.

Los resultados estadísticos no pueden superponerse al conocimiento técnico del

problema, ya que así se llegue a conclusiones estadísticamente significativas, la
realidad puede no ser significativa o poco practica.

Es muy importante capacitar a los encargados de la toma de datos en los

experimentos, ya que en caso contrario éstas personas pueden ser una gran
fuente de variabilidad, lo que enmascaría los resultados.

REFERENCIAS
Box, G. Hunter, J. Hunter, W. G. (2005). Statistics for Experimenters. Second
edition. John Wiley & Sons. United States of America.

González, N. (2006). Análisis de varianza un factor efectos fijos. Universidad

Nacional de Colombia

Montgomery, D.C (2005). Design and Analysis of Experiments. 5th edition. John
Wiley & Sons, Inc

Montgomery, D.C. & Runger G.C. Probabilidad y estadística aplicadas para

ingenieros. 2ª. edición, Limusa-Wiley, Mexíco.