Diseño Experimental

1. INTRODUCCION

En los métodos tradicionales solo se varia un factor cada vez esto no es lomejor pues implica más experimentos de los necesarios y se obtieneinformación parcial pues no muestran la interacción entre los factores; lasinteracciones en un experimento son corrientes y son los efectos másimportantes para comprender el comportamiento de muchos sistemas.Los diseños experimentales permiten variar simultáneamente varios factorespero evitándose que se vaya en la misma dirección. Y se complementan de talmodo que la información buscada se obtiene combinando las respuestas detodos ellos.

La metodología de Superficie de Respuesta es un conjunto de técnicas utilizadas en el estudio de larelación entre una o más respuestas y un conjunto de factores o variables independientes y donde elobjetivo es optimizar ésta(s) respuesta(s). Dicha metodología se realiza mediante una experimentaciónsecuencial, esto es, la aproximación a la región de interés se realiza de forma iterativa utilizando diseñoscada vez más complejos que dependen de la información que se obtiene en cada etapa. En la actualidadhay varios paquetes estadísticos para analizar superficies de respuesta, algunos de estos específicamentediseñados para ello.

Sin embargo, existen versiones estudiantiles de paquetes estadísticos que permiten unanálisis muy completo de esta metodología, entre ellos el que en esta ocasión se presenta que es JMP IN 4versión estudiantil, con el cual se analizará un problema de aplicación y se explicará cómo efectuar esteanálisis.

2. OBJETIVOS

2.1 OBGETIVO GENERAL

Adquirir conocimientos nuevos acerca de los temas que estaremos manejando en este trabajo los cuales son: Diseños factoriales, Diseños factoriales 2k y Superficies de respuesta.

2.2 OBJETIVOS ESPECIFICOS

- Debemos de realizar ejercicios de cada tema que hemos establecido en este trabajo.

- Adquirir conocimientos nuevos y asimilarlos para poder resolverlos de la mejor manera posible.

- Tener un consenso acerca de lo que estamos realizando, esto para tener una buena comunicación con nuestro compañeros.

3. RESULTADOS ESPERADOS

El estudiante debe desarrollar individualmente los tres (3) ejercicios numéricospropuestos-Aprendizaje Basado en Problemas-ABP, desarrollando paso a paso la secuencia que se sigue para dar solución a cada uno de los ejercicios teniendo en cuenta que:

1- El trabajo desarrollado por el estudiante acompañado de las evidencias consultadas será subido en una carpeta al foro del grupo acorde con el cronograma.

2- El grupo dará una calificación al trabajo numérico e investigativo desarrollado y adelantado por cada uno de los compañeros del grupo.

3- Igualmente el grupo deberá proponer- el enunciado de un ejercicio propio sobreuna de las temáticas tratadas en este trabajo individual finalizadocolaborativamente. Por lo tanto seleccionaran una temática equivalente a launidad 2 del módulo.

DISEÑOS FACTORIALES

1. Comparamos dos muestras aleatorias de 10 hombres y de 10 mujeres de edades comprendidas entre los 18 a 22 años en un ítem que mide su autoestima (escala de 0 a 10 puntos).

a) ¿Podemos afirmar que ambas muestras difieren significativamente en autoestima?

b) ¿Podemos afirmar que la autoestima de los hombres es significativamente mayor que la de las mujeres?

c) Resuelve la pregunta a) por medio de la prueba no paramétrica adecuada

HOMBRES: 8, 7, 6, 8, 7, 5, 6, 4, 9, 9

MUJERES: 8, 6, 5, 6, 5, 4, 4, 4, 6, 4

Respuestas:

a) Se trata de comparar las medias de hombres y de mujeres (6.9 y 5.2, respectivamente) con una prueba t para muestras independientes (contraste bilateral o de dos colas): el SPSS nos da t(18)=2.53, p=0.021, luego la respuesta es sí.

b) Igual que en a) sólo cambia aquí que el hecho de que el contraste es ahora unilateral (una cola). En este caso sólo hay que dividir la p que nos da el programa por 2. Luego quedaría así: t(18)=2.53, p=0.0105, siendo la respuesta también que sí.

c) Debemos aplicar la prueba de Mann-Whitney que nos da z =2,23, p= 0.0254, luego los resultados no cambian.

Test independiente

Variables Numero Mean Sd Se of mean

SEXO 1 10 6.9000 1,663 ,526

SEXO 2 10 5.2000 1,317 ,416

Mean Diferencia = 1,7000

Varianza: F= ,576 P= ,458

DISEÑOS FACTORIALES 2K

El más importante de los casos especiales de los diseños factoriales es el que tiene k factores cada uno a dos niveles. Estos niveles pueden ser cuantitativos, valores de temperatura o presión, o pueden ser cualitativos, tales como 2 máquinas o dos operadores, o tal vez pueda ser la presencia o ausencia de un

...