Diseño Completamente Aleatorizado
Diseño Completamente Aleatorizado
Diseño Completamente Aleatorizado
DISEÑO COMPLETAMENTE
ALEATORIZADO
Definiciones Diseños Completamente Aleatorizados (DCA) Supuestos
Ejemplo
Un ingeniero de desarrollo tiene interés en investigar la resistencia a
la tensión de una fibra sintética nueva que se usará para hacer telas
de camisa para caballero. Por experiencia se sabe que la calidad de la
tela se ve afectada por la composición de algodón, el cual debe variar
entre el 10 % y 40 % de la mezcla. Por tanto decide probar cinco
niveles de algodón (15,20,25,30 y 35 %) y como necesita valoración
de la variabilidad decide hacer 5 replicaciones por cada nivel.
1. Factor (es) de diseño
2. Niveles del factor de diseño
3. Unidad Experimental
4. Posibles Factores Perturbadores
5. Cual seria su estrategia para eliminar un posible efecto de
factores perturbadores
6. Posibles Factores no controlables
Johann A. Ospina - Estadı́stico, MSc UPeU
Curso: Diseños Experimentales
Definiciones Diseños Completamente Aleatorizados (DCA) Supuestos
Solución
I Factor (1): Porcentaje de Algodón en la tela.
I Niveles (5): 15 % 20 % 25 % 30 % 35 %
I Unidad Experimental: Trozos de tela de igual tamaño
tomados de forma aleatoria del proceso de producción
estabilizado.
I Posibles factores perturbadores:
I Alteraciones en su calibración por su uso continuo.
I Aleatorizar el orden en que se realizan las mediciones de
resistencia a la tensión de la nueva fibra sintética.
I Se dispone de diferentes lotes de hilo y de algodón en la sección
de bodega, estos deben ser aleatoriamente asignados a cada
tratamiento, para eliminar sesgos por la variación en calidad de
los lotes.
Solución
Aleatorización:
Solución
Caracterı́sticas
I Se investiga el efecto de un factor con a niveles (o a
tratamientos) sobre una variable respuesta.
I Las unidades experimentales son homogéneas.
I Los factores perturbadores han sido satisfactoriamente
controlados en el experimento.
I Se realizó un proceso de aleatorización en la asignación de
unidades experimentales.
.. .. .. .. .. .. ..
. . . . . . .
Y·· Ȳ··
Algo de notación...
Algo de formulas
ni
X
I Yi· = Yij
j=1
Pni
j=1 Yij
I Ȳi· =
ni
t
XX ni
I Y·· = Yij
i=1 j=1
Pt Pni
i=1 j=1 Yij
I Ȳ·· =
n
t
X
I n= ni
i=1
Modelo Estadı́stico
Yij = µ + τi + εij i = 1, · · · , t j = 1, · · · , ni
Modelo Estadı́stico
Supuestos
1. Correcta especificación del modelo E (εij ) = 0.
2. Homogeneidad de Varianza (Homocedasticidad)
V (εij ) = σ 2 ∀i, j.
3. Independencia Cov (εij , εi 0 j 0 ) = 0 ∀i 6= i 0 j 6= j 0 .
4. Normalidad εij ∼ N(0, σ 2 ).
Hipótesis
Hipótesis de investigación
Parte del objetivo del estudio. Se plantea antes de realizar el
experimento.
Hipótesis Estadı́stica
Es una “traducción” de la hipótesis de investigación en términos
estadı́sticos.
Ho : τ1 = τ2 = · · · = τt = 0
Ha : τi 6= 0 para algún i = 1, 2, · · · , t.
Análisis de Varianza
Ho : τ1 = τ2 = · · · = τt = 0
Verificación de supuestos
La verificación de los supuestos puede realizarse fácilmente mediante
los residuales
Correcta especificación
Homogeneidad de Varianza
Prueba de Bartlett
Suponga que se tienen t tratamientos independientes. Se quiere probar si:
H0 : σ12 = σ22 = · · · = σt2 = σ 2 Ha : σi2 6= σj2 para algún i 6= j
El estadı́stico de prueba está dado por
q
χ20 = 2.3026
c
donde
t
X
q = (n − t) log10 Sp2 − (ni − 1) log10 Si2
i=1
y " t #
1 X
c =1+ (ni − 1)−1 − (n − t)−1
3(t − 1)
i=1
con Pt
i=1 (ni− 1)Si2
Sp2 =
n−t
Se rechaza H0 si χ20 > χ2α,t−1 .
Johann A. Ospina - Estadı́stico, MSc UPeU
Curso: Diseños Experimentales
Definiciones Diseños Completamente Aleatorizados (DCA) Supuestos
Independencia
Normalidad
Normalidad
Pruebas Formales
MUCHAS GRACIAS