UNIDAD I
Conceptos: tipos de estudio, factores y
niveles, unidad experimental
Introducción al software R: estadísticas
descriptivas, gráficos, anova paramétrico y
no paramétrico
Diseño completamente al azar
Aplicación del Diseño completamente al azar
Prueba de Tukey, Dunnett (prácticas con R)
Prueba de Bonferroni, DLS (prácticas con R)
UNIDAD II
Diseño de bloques completamente al azar
(DBCA) ventajas y desventajas
Aplicación del Diseño de bloque
completamente al azar (prácticas con R)
Diseño Cuadrado Latino, ventajas y
desventajas
Aplicación del Diseño cuadrado latino
Diseños Factoriales ventajas y desventajas
Aplicaciones de los Diseños factoriales
(prácticas con R)
UNIDAD III
Diseño con submuestreo en DCA y
DBCA ventajas y desventajas
Aplicación del submuestreso dentro
un DCA y DBCA
Diseños de medidas repetidas
Análisis de Covarianza
Forma eficaz
de hacer
pruebas
Clarificar
problemas
y/o resolver
problemas
DISEÑO
ESTADÍSTICO
DE
EXPERIMENTOS
Obtener
datos:
análisis
estadístico
Determina
cuál prueba
y de que
forma
Mejorar un proceso
requiere:
Observar o
monitorear
Herramientas
estadísticas
Experimentar
Hacer cambios
estratégicos
El “diseño de experimentos” es conjunto de técnicas
que manipulan los procesos para que proporcione
información importante
HISTORIA DE LOS DISEÑOS EXPERIMENTALES
• Ronald Fisher (1935): industria agrícola: The design of experiments:
descubrió las fallas que obstaculizan los análisis.
• George Box (1951): industria química: metodología de superficie de
respuestas.
• En 1950 – 1980: herramienta de aplicación frecuente en áreas de
investigación.
• Deming e Ishikawa (1980): diseño de experimentos.
• Genichi Taguchi: diseño robusto.
DEFINICIONES BÁSICAS
Diseño de
experimentos
• Aplicación de método científico
• Generar conocimientos de procesos.
Experimento
• Cambio de condiciones de un sistema o
proceso
• Objetivo de medir el efecto del cambio,
Unidad
Experimental
• Muestra que se utiliza para generar un
valor que sea representativo.
• Importante definir de manera cuidadosa.
Variables, factores y
niveles
Variable
A través de ella se conoce
el efecto de los resultados
Controlados: Se pueden
fijar en un nivel dado
Factores
No Controlados: Variables
o características que no
pueden controlarse
Estudiadas: Las que se
investigan en el
experimento
Niveles: Valores que se
asignan a cada factor
Niveles y Tratamientos
Tratamiento: combinación
de niveles de todos los
factores estudiados
ERROR
Error Aleatorio
Error Experimental
Variabilidad
observada que no se
puede explicar
Error aleatorio que
refleja los errores
del experimentador
en planeación y
ejecución
ETAPAS EN EL DISEÑO EXPERIMENTAL
PLANEACIÓN
Y
REALIZACIÓN
CONCLUSIÓN
ETAPAS
INTERPRETACIÓN
ANÁLISIS
PRINCIPIO BÁSICOS
Aleatorización
• Corridas experimentales aleatorias.
• Aumenta la probabilidad del supuesto de
independencia se cumpla.
Repetición
• Es correr más de una vez un tratamiento
o combinación de factores
Bloqueo
• Tomar en cuenta todos los factores que
puedan afectar la respuesta
https://quizizz.com/
https://quizizz.com/admin/quiz/608a9af56ad04d001b
f563ef
¿QUÉ ES UN ANOVA?
Indica “si existe o no existe diferencias entre medias de los
tratamientos” lo que no hace referenciar entre cuales
tratamientos difieren.
Supuestos del ANOVA
Independencia
Normalidad
Linealidad
Varianzas
homogéneas
INDEPENDENCIA
Si el comportamiento de lo
puntos es aleatorio.
El no cumplimiento indica:
diferencias en planeación y
ejecución del diseño.
No se aplico en forma
correcta la aleatorización.
Prueba a usar: DurbinWatson.
NORMALIDAD
Tenemos los gráficos de
probabilidad.
Se realiza un contraste de
hipótesis.
Las pruebas son:
• Shapiro Wilk
• Ji cuadrado – bondad de
ajuste
• Anderson – Darling.
Prueba de Shapiro – Wilks (Normalidad)
•
•
•
•
Se ordenan lo datos de mayor a menor
De la tabla se obtienen los coeficientes
Se calcula el estadístico “W”
Por último si el valor de estadístico es mayor a su valor
crítico al nivel alfa; se rechaza la normalidad de los
datos.
0 1 2 3 4 5 6
frequency
raza = Angus
60
80
100
120
140
120
140
120
140
Peso.acumulado
0 1 2 3 4 5 6
frequency
raza = Charolaise
60
80
100
Peso.acumulado
0 1 2 3 4 5 6
frequency
raza = Criollo
60
80
100
Peso.acumulado
Homogeneidad de varianzas
Supuesto que se cumple los
tratamientos
tienen
la
misma varianza.
En tal sentido el mejor
tratamiento es el que tiene
menor dispersión.
Homogeneidad
de Varianzas
Prueba de
Levene
Prueba de
Barlett
Diagrama de “Cajas y Bigotes”
• Muestra el valor de la mediana
(percentil 50) y determinada
por los percentiles 25 y 75.
• Por tanto en el interior se
encuentra el 50% de datos.
• Útil
para comparar varios
conjuntos de datos en un solo
diagrama
70
80
90
100
110
Peso.acumulado
120
130
48
16
Angus
Charolaise
raza
Criollo
0
