c





  

Los experimentos son parte natural en el proceso de la toma de decisiones en la ingeniería

y las ciencias. Supóngase, por ejemplo, que un ingeniero civil investiga los efectos de
diferentes métodos de curado sobre la resistencia a la compresión media del concreto. El
experimento consistiría en formar varios ejemplares de prueba de concreto utilizando
cada uno de los métodos de curado propuestos para después probar la resistencia a la
compresión de cada ejemplar de prueba. Los datos de este experimento podrían usarse a
fin de determinar qué método de curado deberá usarse para conseguir la resistencia a la
compresión media máxima.

Si sólo hay dos métodos de curado que sean de interés, este experimento podría
diseñarse y analizarse aplicando los métodos para hipótesis estadísticas con dos muestras.
Es decir, el experimentador tiene un solo factor de interés (el método de curado) y sólo
hay dos niveles del factor.

En muchos experimentos con un solo factor, es necesario considerar más de dos niveles
del factor. Por ejemplo, quizás el ingeniero civil quiera investigar cinco métodos de curado
diferentes. Se puede usar el análisis de varianza para comparar medias cuando hay más de
dos niveles de un solo factor.

c


Las técnicas de diseño experimental basadas en la estadística son particularmente útiles

en el campo de la ingeniería para mejorar el desempeño de un proceso de manufactura.
Tienen también diversas aplicaciones en el desarrollo de nuevos procesos. La mayoría de
los procesos pueden describirse en términos de varias variables controlables, como la
temperatura, la presión y la rapidez de alimentación. Mediante el uso de experimentos
diseñados, los ingenieros pueden determinar el subconjunto de las variables del proceso
que ejerce la mayor influencia sobre el desempeño del proceso. Los resultados de un
experimento como éste pueden llevar a

1.Ê El mejoramiento del rendimiento del proceso.

2.Ê La reducción de la variabilidad del proceso y a una concordancia más próxima con
los requerimientos nominales o proyectados.
3.Ê La reducción del tiempo de diseño y desarrollo.
4.Ê La reducción en el costo de la operación
Los métodos del diseño experimental también son útiles en las actividades de diseño de
ingeniería, donde se desarrollan nuevos productos y se mejoran los existentes. Algunas
aplicaciones típicas de los experimentos diseñados estadísticamente en el diseño de
ingeniería incluyen

1.Ê Evaluación y comparación de configuraciones de diseño básico

2.Ê Evaluación de diferentes materiales
3.Ê Selección de parámetros de diseño para que el producto tenga un buen
funcionamiento en una amplia variedad de condiciones de campo (o para que el
diseño sea robusto).
4.Ê Determinación de parámetros de diseño clave de un producto, que inciden en el
desempeño del mismo.

c
c

Los principios básicos del diseño experimental son: repetición, aleatorización, y control
local.

  Viene a ser la reproducción o réplica del experimento básico (asignación de un
tratamiento a una unidad experimental). Las principales razones por las cuales es deseable
la repetición son:

Primero por que proporciona una estimación del error experimental, siendo tal estimación
confiable a medida que aumenta el número de repeticiones, y segundo permite
estimaciones más precisas del tratamiento en estudio.

 : Consiste en la asignación al azar de los tratamientos en estudio a las
unidades experimentales con el propósito de asegurar que un determinado tratamiento
no presente sesgo. Por otro lado la aleatorización hace válidos los procesos de inferencia y
las pruebas estadísticas.

  

  Consiste en tomar medidas dentro del
diseño experimental para hacerlo más eficiente, de tal manera que pueda permitir la
reducción del error experimental y así hacerla más sensible a cualquier prueba de
significación.
Todo experimento incluye una secuencia de actividades:

1.Ê Conjetura: la hipótesis original que motiva el experimento

2.Ê Experimento: la prueba realizada para investigar la conjetura.
3.Ê Análisis: el análisis estadístico de los datos del experimento.
4.Ê Conclusión: qué se ha aprendido acerca de la conjetura original del experimento.
Con frecuencia el experimento llevará a una revisión de la conjetura, y a un nuevo
experimento y así sucesivamente.

c 

 !" 

Suponga que se tienenÊ diferentes niveles de un factor particular que quieren

compararse. En ocasiones a cada nivel del factor se le llama tratamiento, un término muy
general que puede rastrearse hasta las primeras aplicaciones de la metodología del diseño
experimental en las ciencias agrícolas. La respuesta para cada uno de los tratamientos es
una variable aleatoria. Los datos observados aparecerían como se muestra en la tabla.


Ñn dato de la tabla, por ejemplo representa la observación j-ésima hecha bajo el
tratamiento i-ésimo. Se considera inicialmente el caso en que hay un número igual de
observaciones, n, para cada tratamiento.

Las observaciones de la tabla pueden describirse con el modelo estadístico lineal

Yij = ʅ + ʏi + ɸij i = 1,2 ͙., a

j = 1,2,͙, a

donde Yij es una variable aleatoria que denota la observación ij-ésima, ʅ es un parámetro
común a todos los tratamientos llamado la media global, ʏi es un parámetro asociado con
el tratamiento i-ésimo llamado el efecto del tratamiento i-ésimo, y ɸij es un componente
del error aleatorio.
Además, puesto que se requiere que las observaciones se hagan en orden aleatorio y que
el medio ambiente ( con frecuencia llamado las unidades experimentales ) en que se
aplican los tratamientos sea tan uniforme como sea posible, a este diseño se le llama
diseño experimental completamente aleatorizado.

Los niveles a del factor del experimento podrían haberse elegido de dos maneras
diferentes. Primera, el experimentador podría haber elegido específicamente los
tratamientos a. En esta situación, quieren probarse hipótesis acerca de las medias de los
tratamientos, y las conclusiones no pueden generalizarse a tratamientos similares que no
se consideraron. Además, quizá quisieran estimarse los efectos del tratamiento. A esto se
le llama el 

# #$.

De manera alternativa, los tratamientos a podrían ser una muestra aleatoria de una
población más grande de tratamientos. En este caso, los efectos del tratamiento ʏi son
variables aleatorias, y el conocimiento acerca de los efectos particulares investigados, es
relativamente irrelevante. Más bien, se prueban hipótesis acerca de la variabilidad de las
ʏi, y se intenta estimar esta variabilidad. A éste se le llama el 

#  ,
o de los componentes de la varianza.

þ þ


 
 

r







 
Ë

 


 
  

Ë
 
  

   

  






 
 





  
Ê

 
Ê


 
A


  


 
 

 
  
 

  




  
>¢






þ




  

  

  
   

 
A





  
Ê


  











 



 
r



  

  
þ
Ê










 
 


4



  


!"




 

 

4 þ


# 

$ 









%




 
  



þ




  
  Ê

ð 
 



 


  


 &

  
 
þ


A





 


 




   
   




 

 
r



 
  
    %


 
    

 



% 

 
 

   

 
    
 
  
r


 &

  %
 




   
'  
¢
 
 $  
 







 

    &

 

 
$
 
(  


 


(
  




 Ê

ð
 

U
 
4 þ

4

 
>¢
   




U"
4

 


  
>¢

4 þ
 


'  


  
#  


  

)
4 þ*4



 
   

  

þ


 
Ê
 þ þ


 
þ
þ 

Ñ
 
  




  



Ê





 
r



  




 



  

 
Ë

   
+  $



  Ê

 

  &


  &
è$ 






è$  






 
,

$ 




  





  


 
 


  
 

(  


  

Ë
  


 
 


 
 



  
 &
 




  
> ÊÊ


& 




(  



 
 
 


Ê





  

$ 


Ê

-

U 


 
    

  
 

  (





  
 
    


  

U
Ê

r
U
4 þ

4


  
  

>¢

 


 


%  


 
  

 

 
  

U
Ê

r./0,1
)
>¢Ê

r./0r1
)
>¢ÊÊ

0





4






& 






   
ð

 Ê

r./0r1
)
r./0r1
)
>¢Ê

0
 

 
 

4 þ


& 
  


# 



$ 





 


& 

 Ê

Ê
,



 
   




 
  









 






  


   



   





r





  
  
Ê


 
 & 


 


 
 

U
4 þ

4

 
>¢

U"
4


 
>¢

4 þ
 

-   

U


  

   


'  


  
#  






 


4


4 þ
  




 
   Ê

r
 % 

  

)4 þ*4






& 

 

  


2




Ë
è
"


è
"Ë
 

  
r
 

  

U 
4 þ è

4

 
Ê