Professional Documents
Culture Documents
Grupo: 30156_3
R/:
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.
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.
3. Explique de forma corta cuales fueron los aportes de los investigadores Fisher y
Box en el desarrollo del área del diseño de experimentos.
R/
En su carrera Fisher desarrolló el análisis de la varianza para analizar los
inmensos datos de sus cultivos desde 1840, y donde en los próximos años
estableció su reputación como bioestadístico. También fue uno de los
mayores fundadores de la genética de poblaciones. Entre otras cosas,
resumió el principio de Fisher, propuso el denominado modelo de selección
sexual runaway y la hipótesis del hijo sexy, e ideó la ecuación de Fisher,
el valor reproductivo y la desigualdad de Fisher .
Box: Desarrolla una técnica utilizada para estudiar las preferencias de
los consumidores en estudios de mercado. Uno de los aspectos más
importantes relacionados con el desarrollo de dicha técnica, se centra en
fijar el conjunto de elección que deben evaluar los entrevistados. De
forma tradicional, se utilizan diseños factoriales para estimar los valores
parciales de los factores. Sin embargo, si el investigador, además, está
interesado en estimar las interacciones entre dos o más factores, estos
diseños requieren un número tan elevado de alternativas que se hace
difícil su evaluación, provocando que los entrevistados no utilicen
criterios compensatorios. La utilización de diseños Box-Behnken
agrupados en bloques permite reducir el esfuerzo cognitivo de los
entrevistados y, a la vez, ajustar un modelo de segundo grado. Este
trabajo ilustra, mediante un experimento, el uso y las ventajas de utilizar
diseños Box-Behnken en estudios de mercado. Los resultados obtenidos
muestran el mayor rendimiento de estos modelos en comparación con
los diseños factoriales habituales.
4. En un proceso de investigación, a que le llamamos experimento y unidad
experimental?
R/
8.Enumere cada una de las etapas (incluidas subetapas) del diseño de experimentos.
R/
Las etapas para el diseño de un experimento son:
1. PLANEACIÓN Y REALIZACIÓN
La planeación está compuesta por las actividades encaminadas a entender el problema el
diseño y la realización de las pruebas adecuadas. Un planeamiento claro del problema
contribuye a un mejor conocimiento del fenómeno y por lo tanto a la solución final del
problema.
Elegir las variables de respuesta que será medida en cada punto del diseño y verificar
que se mide de manera confiable
Es muy importante elegir las variables que se cree que pueden tener influencia en el
proceso y en la respuesta, ya que de estas dependen los resultados.
El experimentador debe ser consciente de la influencia potencial que podría tener
cada variable en la respuesta, por tanto se debe garantizar que las mediciones sean
confiables, asegurándose de que los instrumentos o métodos de medición son capaces
de repetir o reproducir una medición, que tiene la precisión y exactitud necesarias.
Realizar el experimento
En este paso se realiza lo expuesto en la planeación y organización del trabajo
experimental al pie de la letra, y en caso de alguna anomalía se debe determinar a la
persona responsable con la cual debe reportarse cualquier suceso anormal.
2. ANÁLISIS
En este paso se deberá usar métodos estadísticos para analizar los datos con el fin de que los
resultados y las conclusiones sean objetivos y no de carácter apreciativo. Se debe determinar
el modelo de análisis de varianza o la técnica estadística que mejor describa el
comportamiento de los datos, lo cual no solo permite al investigador tener un adecuado
manejo de los datos, sino que al mismo tiempo puede servir para predecir futuros
comportamientos del fenómeno.
3. INTERPRETACIÓN
Con el respaldo del análisis estadístico formal, se debe analizar a detalle todo el proceso de
experimentación para observar los nuevos aprendizajes que se lograron durante todo el
proceso y observar si existe una mejor manera de llevarlo a cabo ya que por lo general todo
experimento es iterativo.
R/
Al planificar un experimento hay tres 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”.
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 2.1.
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 de una
máquina (en un día)”, 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.
¿Qué consideraciones se deben tener en cuenta al utilizar estas dos estrategias? ¿Qué
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”.
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.