est2-de2

Vista previa del material en texto

En el análisis de datos, es deseable proporcionar 
ambos análisis gráficos y estadísticos. Además, 
gráficos de datos permiten que el modelo 
propuesto pueda ser comprobado y ayudar en la 
identificación de alguna observación inusual. El 
análisis estadístico cuantifica las respuestas 
relativas de los factores, aclarando así las 
conclusiones que puedan inducir a error de los 
datos. 
El propósito de un experimento puede variar 
desde el exploratorio (descubrimiento de nuevas 
fuentes importantes de variabilidad) al 
confirmatorio (lo que confirma que las fuentes 
previamente descubiertas de la variabilidad son 
lo suficientemente importante como para 
justificar un estudio más), y la filosofía del 
análisis depende del propósito del experimento. 
En las primeras etapas de la experimentación el 
análisis puede ser exploratorio, y uno podría 
trazar y analizar los datos de cualquier manera 
que ayude a la identificación de las fuentes 
importantes de variación. En etapas posteriores 
de la experimentación, el análisis es por lo 
general de naturaleza confirmatoria. Un modelo 
matemático que de respuesta es postulado y las 
hipótesis se ponen a prueba y se calculan los 
intervalos de confianza. 
Usaremos Modelos Lineales para modelar 
nuestra respuesta y el método de Mínimos 
Cuadrados para obtener la estimación de los 
parámetros en el modelo. 
La planificación de un experimento es una tarea 
recomendable, aunque se lleva un consumo 
considerable de tiempo. Por lo que muchos 
comienzan a recopilar datos sin que el diseño 
experimental haya tenido la suficiente atención. 
El resultado es que raramente estos datos que 
no se han recogido en forma adecuada y en 
cantidad suficiente permitan un buen análisis 
con la precisión requerida. A continuación se da 
una guía paso a paso para el proceso de 
planificación experimental. 
A continuación se da una lista de control que 
resume un número muy grande de decisiones que 
necesitan hacerse en cada etapa del proceso de 
planificación de un experimento. 
Los pasos no son independientes, por lo que 
algunas veces deberá regresarse a una etapa 
anterior para revisar la decisión tomada. 
a) Definir los objetivos del experimento. 
b) Identificar todas las fuentes de variación, incluyendo: 
 (i) Factores de tratamiento y sus niveles. 
 (ii) Unidades experimentales. 
 (iii) Factores de bloqueo, factores de ruido, y 
 covariables. 
c) Elegir una regla para asignar las unidades 
 experimentales a los tratamientos. 
d) Especificar las mediciones a realizarse, el 
 procedimiento experimental y anticipar las 
 dificultades. 
e) Correr un experimento piloto. 
f) Especificar el modelo. 
g) Esbozar el análisis. 
h) Calcular el número de observaciones que será 
 necesario realizar. 
i) Revisar las decisiones anteriores. Revisar si es 
necesario. 
Un diseño experimental es una regla que determina la 
asignación de unidades experimentales a los 
tratamientos. 
Y aunque los diseños de experimentos varían mucho 
unos de otros, hay algunos diseños experimentales 
que son usados frecuentemente. 
 
Se refiere uno así a los diseños en los cuales el 
experimentador asigna las unidades experimentales 
a los tratamientos completamente al azar, sujetos 
solamente al número de observaciones que sean 
tomadas en cada tratamiento. 
Este tipo de diseño es utilizado para los experimentos 
que no involucran factores de bloqueo. 
 
La mecánica del procedimiento de aleatorización se 
ilustran más adelante. Las propiedades estadísticas 
del diseño están completamente determinados por la 
especificación de r1, r2,. . . , rk, donde ri denota el 
número de observaciones sobre el tratamiento i, i = 
1,. . . , k. 
El modelo es de la forma: 
Respuesta = constante + efecto de tratamiento + error 
 
Un diseño de bloques es un diseño en el que el 
experimentador particiona a las unidades 
experimentales en bloques, determina la asignación 
de los tratamientos a los bloques, y asigna las 
unidades experimentales dentro de cada bloque con 
los tratamientos completamente al azar. 
En el análisis de un diseño de bloques, los bloques 
son tratados como los niveles de un solo factor de 
bloqueo a pesar de que puede estar definido por una 
combinación de los niveles de más de un factor de 
molestia. 
El modelo es de la forma: 
Respuesta = constante + efecto de bloque + efecto de 
tratamiento + error 
 
El diseño de bloque más simple es el diseño de 
bloques completos, en los que se observa cada 
tratamiento el mismo número de veces en cada 
bloque. 
Los diseños de bloques completos son fáciles de 
analizar. 
Un diseño de bloques completos cuyos bloques 
contienen una sola observación en cada tratamiento 
se llama un diseño de bloques completos al azar o, 
simplemente, un diseño de bloques al azar. 
Cuando el tamaño del bloque es menor que el 
número de tratamientos, no es posible observar cada 
tratamiento en cada bloque, así, este diseño de 
bloques se denomina un diseño de bloque 
incompleto. La precisión con la que los efectos del 
tratamiento se pueden comparar y los métodos de 
análisis que son aplicables dependen de la elección 
del diseño. 
Cuando un experimento consiste en dos fuentes 
principales de variación y cada uno ha sido designado 
como factor de bloqueo, se dice que están cruzados o 
anidados estos factores de bloqueo. La diferencia 
entre estos se ilustra en la siguiente figura: 
Planes esquemáticos de experimentos con dos factores de 
bloqueo 
 
 
 
 
 
 
 
 
 
Cada unidad experimental ocurre en alguna combinación de 
niveles de dos factores de bloqueo, y un * denota unidades 
experimentales que son asignadas a tratamientos de bloqueo. 
Factores de bloqueo cruzado. Un diseño que implica dos 
factores de bloqueo cruzado a veces se llama un diseño de 
"fila-columna". Esto se debe a la representación pictórica del 
diseño, en la que los niveles de un factor de bloqueo están 
representados por filas y los niveles de la segunda están 
representadas por las columnas. Una intersección de una fila y 
una columna se denomina una "célula". Las unidades 
experimentales en la misma célula debe ser similar. El modelo 
es de la forma 
Respuesta = constante + efecto de bloque de filas + efecto de 
bloque de columnas + efecto de tratamiento + error 
 
Por un cuadrado latino se entenderá lo siguiente: Si se 
ignoran los títulos de las columnas, el diseño parece un diseño 
de bloques al azar. Del mismo modo, si se ignoran los 
encabezados de fila, el diseño con columnas como bloques 
parece un diseño de bloques completos al azar. 
Ejemplo. 
Los factores de bloqueo anidados (o jerárquicos). Dos factores 
de bloqueo se dice que están anidados cuando las 
observaciones tomadas en dos diferentes niveles de un factor 
de bloqueo son de forma automática en dos diferentes niveles 
del segundo factor de bloqueo. 
Ejemplo. 
En un diseño de bloques ordinario, las unidades 
experimentales pueden ser pensadas como siendo anidadas 
dentro de los bloques. Las unidades experimentales se anidan 
dentro de sub-bloques, sub-bloques están anidados dentro de 
los bloques. Los sub-bloques se pueden asignar al azar a los 
niveles de un factor de tratamiento adicional. Cuando se hace 
esto, el diseño es a menudo conocido como “un diseño de 
parcelas divididas”. 
Un diseño de parcela dividida es un diseño con al menos un 
factor de bloqueo, donde las unidades experimentales dentro 
de cada bloque se asignan a los niveles de los factores de 
tratamiento, como de costumbre, y, además, los bloques se 
asignan al azar a los niveles de un factor de tratamiento 
adicional. Este tipo de diseño se usa cuando los niveles de uno 
(o más) factores de tratamiento son fáciles de cambiar, 
mientras que la alteración de los niveles de otros factores de 
tratamiento son costosos, o que consumen tiempo 
Diseños de parcelas divididas se producen con cierto uso en los 
experimentos médicos y psicológicos. Por ejemplo 
supongamosque varios sujetos se asignan al azar a los niveles 
de un fármaco. En cada intervalo de tiempo se le pidió a cada 
sujeto realizar una de una serie de tareas, y se mide alguna 
variable de respuesta. Los sujetos pueden ser considerados 
como bloques, y los intervalos de tiempo para cada sujeto 
pueden ser considerados como unidades experimentales 
dentro de los bloques. Los bloques y las unidades 
experimentales son asignados a los niveles de los factores del 
tratamiento, los sujetos a las drogas y los intervalos de tiempo 
a las tareas. 
1. Comparar la tasa de crecimiento de las semillas de frijol bajo 
diferentes programas de riego y de iluminación. 
2. ¿El punto de ebullición del agua difiere con diferentes 
concentraciones de sal? 
3. Comparación de los puntos fuertes de las diferentes marcas 
de toalla de papel. 
4. Hacer velas de diferentes colores, ¿se queman a diferentes 
velocidades? 
5. ¿Las diferentes marcas de palomitas dan diferentes 
proporciones de granos sin reventar? ¿Qué pasa con los 
métodos de cocción? 
6. Comparar los efectos de diferentes lugares de un observador 
sobre la velocidad a la que los sujetos localizar las apariciones 
de la letra "e" en un texto escrito. 
7. Comparar las proporciones de palabras recordadas de las 
listas de palabras relacionadas o no relacionadas, y en diversas 
condiciones como el silencio y la distracción. 
8. Comparación de los efectos de diferentes colores de papel 
de examen en el rendimiento de los estudiantes en un 
examen. 
La lista de los experimentos enlistados en la diapositiva 
anterior, se pueden ejecutar como proyectos de clase. 
1. Seleccionar un experimento sencillo de su interés, pero 
preferiblemente no en la lista. Complete los pasos (a) - (d) de la 
lista de control con la intención de que realmente ejecuta el 
experimento cuando la lista esté completa. 
2. Para los experimentos 1 y 7, realice los pasos (a) y (b) de la 
lista de verificación. Puede haber más de un factor del 
tratamiento. Dar definiciones precisas de sus niveles. 
3. Para el experimento 2, realice los pasos (a) - (d) de la lista de 
verificación. 
4. Para el experimento 3, realice los pasos (a) - (d) de la lista de 
verificación. 
5. Para el experimento 4, listar las fuentes de variación. Decidir 
qué fuentes pueden ser controladas limitando el alcance del 
experimento o especificando el procedimiento experimental 
exacto a seguir. De las restantes fuentes de variación, decidir 
cuáles son de menor importancia y cuáles las principales. ¿Hay 
algún factor de bloqueo en este experimento? 
6. Para el experimento 6, especificar qué medidas deben 
realizarse, la forma en que se deben hacer, y enumerar las 
dificultades que se podrían esperar. 
7. Para el experimento 8, anote todas las posibles fuentes de 
variación. En su opinión, este experimento debe ser ejecutado 
como un diseño completamente al azar, un diseño de bloques, 
o un diseño con más de un factor de bloqueo? Justifica tu 
respuesta. 
8. Leer críticamente a través de las listas de comprobación en 
la Sección 2.5. Sugeriría usted algún cambio? ¿Le han hecho 
algo diferente? Si tuviera que criticar a estos experimentos, los 
cuales le abordar puntos? 
9. La siguiente descripción fue dada por Clifford Pugh en el 
1953 el volumen de Estadística Aplicada. "El uso generalizado 
de detergentes para lavar la vajilla doméstica hace que sea 
conveniente para los fabricantes llevar a cabo pruebas para 
evaluar el rendimiento de sus productos. . . . Desde la 
formación de espuma es considerado como el principal criterio 
de rendimiento, la medida adoptada es el número de platos 
que se lavaron antes de que la espuma se reduzca a una capa 
superficial delgada. 
Los cinco factores principales que pueden afectar el número de 
platos lavados por un producto dado son (i) la concentración 
de detergente, (ii) la temperatura del agua, (iii) la dureza del 
agua, (iv) el tipo de “fondo "en los platos, y (v) el método de 
lavado usado por el operador. . . . La dificultad de normalizar el 
fondo se supera mediante el uso de los platos de un comedor 
de empresa (cafetería) para el examen y la adopción de una 
técnica de bloques completos al azar en el que los platos de 
cualquier supuesto forman un bloque. . . . Una limitación 
práctica es el número de platos disponibles en un bloque. Esto 
permite que sólo cuatro. . . pruebas puedan ser completadas 
(en un bloque) ". 
Elaborar las etapas (a) - (d) de una lista de control para un 
experimento del tipo anterior y dar un ejemplo de un diseño 
que se ajuste a los requisitos de su lista de comprobación.