Principios basicos del diseño de experimentos

Principios basicos del diseño de experimentos

Principios básicos del diseño experimental ppt

Este artículo contiene posiblemente una investigación original. Por favor, mejórelo verificando las afirmaciones realizadas y añadiendo citas en línea. Las afirmaciones que sólo consisten en investigación original deben ser eliminadas. (Diciembre 2020) (Aprende cómo y cuándo eliminar este mensaje de la plantilla)
El diseño de experimentos (DOE, DOX o diseño experimental) es el diseño de cualquier tarea que tiene como objetivo describir y explicar la variación de la información bajo condiciones que se hipotetizan para reflejar la variación. El término se asocia generalmente a los experimentos en los que el diseño introduce condiciones que afectan directamente a la variación, pero también puede referirse al diseño de cuasi-experimentos, en los que se seleccionan para su observación condiciones naturales que influyen en la variación.
En su forma más sencilla, un experimento pretende predecir el resultado introduciendo un cambio de las condiciones previas, que está representado por una o más variables independientes, también denominadas «variables de entrada» o «variables predictoras». Por lo general, se hipotetiza que el cambio de una o más variables independientes dará lugar a un cambio en una o más variables dependientes, también denominadas «variables de salida» o «variables de respuesta.» El diseño experimental también puede identificar variables de control que deben mantenerse constantes para evitar que factores externos afecten a los resultados. El diseño experimental implica no sólo la selección de las variables independientes, dependientes y de control adecuadas, sino la planificación de la realización del experimento en condiciones estadísticamente óptimas dadas las limitaciones de los recursos disponibles. Existen múltiples enfoques para determinar el conjunto de puntos de diseño (combinaciones únicas de los ajustes de las variables independientes) que se utilizarán en el experimento.

Principio de aleatoriedad

Un diseño experimental sólido es de vital importancia a la hora de realizar cualquier experimento científico.    Las decisiones tomadas en la fase de diseño pueden influir drásticamente en los resultados de cualquier estudio.    Un diseño experimental sólido proporciona al investigador una mayor probabilidad de éxito en el experimento.    Un diseño mal planteado o implementado puede tener un efecto ruinoso en la investigación.    En este breve curso se discutirán los elementos básicos del diseño experimental, como la aleatorización, la replicación y el bloqueo, utilizando experimentos del mundo real.    Se presentarán diseños básicos y más avanzados.
Un investigador de uvas está interesado en probar el efecto de 4 pesticidas sobre la tasa de enfermedades en sus uvas.    Para su experimento tiene un total de 16 vides dispuestas en cuatro parcelas.    Cada vid tiene un tronco en el centro y dos cordones que se extienden desde el tronco.    En cada cordón crecen muchos racimos de uva.
Para administrar los plaguicidas, el agricultor asigna al azar un plaguicida (etiquetado como A, B, C y D) a cada una de las parcelas.    A continuación, pulveriza el plaguicida asignado en las cuatro vides de cada parcela, caminando de norte a sur en cada caso.

Los tres principios básicos del diseño estadístico de experimentos son

Este es un componente esencial de cualquier experimento que vaya a tener validez. Si se realiza un experimento comparativo en el que hay dos tratamientos, uno y otro de control, por ejemplo, es necesario incluir en el proceso experimental la asignación de esos tratamientos mediante algún proceso aleatorio. Un experimento incluye unidades experimentales. Hay que tener un proceso deliberado para eliminar los posibles sesgos de las conclusiones, y la asignación aleatoria es un paso fundamental.
La replicación es, en cierto modo, el corazón de toda la estadística. Para hacer este punto… ¿Recuerdas qué es el error estándar de la media? Es la raíz cuadrada de la estimación de la varianza de la media de la muestra, es decir, \(\sqrt{dfrac{s^2}{n}). La anchura del intervalo de confianza viene determinada por este estadístico. Nuestras estimaciones de la media son menos variables a medida que aumenta el tamaño de la muestra.
La replicación es la cuestión básica que subyace a todos los métodos que utilizaremos para conocer la precisión de nuestras estimaciones al final. Siempre queremos estimar o controlar la incertidumbre de nuestros resultados. Esta estimación la conseguimos mediante la replicación. Otra forma de conseguir intervalos de confianza cortos es reduciendo la propia varianza del error. Sin embargo, cuando eso no es posible, podemos reducir el error en nuestra estimación de la media aumentando n.

La aleatorización en el diseño experimental

las desviaciones estándar de la distribución de probabilidad de los errores es el mismo número en diferentes pesajes; y los errores en diferentes pesajes son independientes. Denotemos los pesos verdaderos por Consideramos dos experimentos diferentes:1. Pesar cada objeto en un platillo, con el otro platillo vacío. Sea Xi el peso medido del i-ésimo objeto, para i = 1, …, 8. 2. 2. Realice las ocho pesadas de acuerdo con el siguiente programa y deje que Yi sea la diferencia medida para i = 1, …, 8:Entonces el valor estimado del peso 1 es Estimaciones similares se pueden encontrar para los pesos de los otros artículos. Por ejemploLa cuestión del diseño de experimentos es: ¿qué experimento es mejor? La varianza de la estimación X1 de 1 es 2 si utilizamos el primer experimento. Pero si utilizamos el segundo experimento, la varianza de la estimación dada anteriormente es 2/8. Por lo tanto, el segundo experimento nos da 8 veces más precisión para la estimación de un solo elemento, y estima todos los elementos simultáneamente, con la misma precisión. Lo que se consigue con 8 pesadas en el segundo experimento requeriría 64 pesadas si los artículos se pesan por separado. Sin embargo, hay que tener en cuenta que las estimaciones de los ítems obtenidas en el segundo experimento tienen errores que están correlacionados entre sí. Muchos problemas de diseño de experimentos implican diseños combinatorios, como en este ejemplo.Control estadístico

Acerca del autor

admin

Ver todos los artículos