Principios clave del diseño experimental
¿Cuáles son los tres principios básicos del diseño experimental?
- La aleatorización de las ejecuciones, o ensayos experimentales, evita que se introduzcan sesgos sistemáticos en el experimento. La aleatorización no solo consiste en ejecutar las pruebas en orden aleatorio, sino también en restablecer las condiciones después de cada ejecución.
- El bloqueo es una técnica de diseño que se utiliza para reducir o controlar la variabilidad de los factores de interferencia.
- La replicación permite al investigador obtener una estimación del error experimental.
Estos tres principios o técnicas básicas son fundamentales para el diseño experimental. La aleatorización se utiliza para reducir el sesgo, mientras que los otros dos principios proporcionan ayuda para aumentar la precisión del experimento.
Aleatorización
En cada ensayo del experimento, o ejecución experimental, se aplica un tratamiento y se registra la respuesta. Cuando se aleatoriza el experimento, los tratamientos se ejecutan en orden aleatorio. La aleatorización promedia los efectos de variables no controladas (u ocultas).
Veamos un ejemplo. Supongamos que está estudiando un proceso de limpieza de piezas de titanio, con dos factores: el tiempo de inmersión y el tipo de solución. Lleva a cabo el experimento sin aleatorización. Se tarda un día en llevar a cabo las seis pruebas. Ejecuta todos los tratamientos con tiempo de inmersión de 10 minutos por la mañana, y todos los tratamientos con tiempo de inmersión de 30 minutos por la tarde. Mientras tanto, tanto la temperatura ambiente como la humedad van aumentando a lo largo del día.
En su análisis posterior, podría llegar a la conclusión de que el tiempo de inmersión es significativo. Sin embargo, al no haber aleatorizado los tratamientos, no puede separar el efecto de tiempo de inmersión de los efectos de la temperatura y la humedad ambiente. Estos efectos se confunden o se mezclan. La asignación aleatoria de los tratamientos puede evitar esta confusión.
Disposición en bloques
Bloqueo de variables de interferencia
Puede emplear una técnica denominada bloqueo para minimizar el impacto de la variación causada por las variables de interferencia. Por ejemplo, si lleva a cabo el experimento con diferentes lotes, es posible que los lotes individuales tengan diferencias entre sí.
Puede dividir su experimento en bloques para equilibrar la posible variación entre los distintos lotes a lo largo de las series de pruebas de su experimento.
Además, si su experimento se lleva a cabo a lo largo de más de un día, las variaciones diarias no controladas pueden introducir mucha variación inexplicada en sus resultados. Si incluye el día como variable de bloqueo en su experimento, podrá tener en cuenta la variación diaria en su análisis, lo que le permitirá detectar mejor los efectos importantes.
Aleatorización restringida para factores difíciles de modificar
Hemos aprendido la importancia de la aleatorización para promediar los efectos de las variables no controladas u ocultas. Sin embargo, hay ocasiones en las que quizá no sea posible aleatorizar completamente todos los tratamientos. Es posible que haya factores que sean difíciles de modificar, o factores que solo puedan modificarse en un orden determinado.
Por ejemplo, supongamos que un factor experimental es la temperatura del horno.
Debido al tiempo que tarda el horno en alcanzar una temperatura establecida, no sería práctico cambiar la temperatura entre cada ejecución.
Cuando se dan factores difíciles de modificar como este, se suele ejecutar un experimento de parcelas divididas o de franjas, en lugar de un experimento totalmente aleatorio. Para obtener más información sobre cómo aleatorizar experimentos utilizando diseños de parcelas divididas y en franjas, consulte la Lección 3 del curso electrónico gratuito “Diseño personalizado de experimentos” de JMP.
Replicación
La replicación consiste en repetir las mismas condiciones experimentales una o más veces y realizar nuevas mediciones en esas condiciones repetidas. Puede repetir, o replicar, un solo tratamiento, un subconjunto de los tratamientos o todos los tratamientos. En un experimento completamente replicado, cada tratamiento se repite al menos una vez. La replicación le permite estimar el error experimental, que es la variación inexplicada en su experimento (es decir, la variación en su respuesta que no se explica por los cambios en los factores). Para comprobar la significación estadística, es necesario hacer una estimación del error experimental.
Por ejemplo, en el experimento de limpieza mencionado anteriormente, el experimento requiere, como mínimo absoluto, una sola ejecución para cada uno de los seis tratamientos. Supongamos que repetimos el tratamiento con los ajustes tiempo de inmersión = 10 y tipo de solución = 1. Cuando aleatorizamos el orden de las ejecuciones, esta combinación de tratamientos podría aparecer tanto en la segunda ejecución como en la séptima. Contar con replicaciones para uno o más puntos de diseño permite estimar la variación en la respuesta cuando los valores de los factores son los mismos; en otras palabras, el error experimental. La réplica de más de un punto de diseño mejorará la estimación del error.
Consideremos un experimento en el que se desea comparar la dureza de cuatro tipos distintos de brocas mediante la medición de la profundidad de las hendiduras que producen en láminas de metal. Los primeros pasos de este experimento podrían incluir las siguientes tareas:
- Seleccione todas las unidades experimentales (láminas metálicas) del mismo lote.
- Asigne aleatoriamente los tratamientos (brocas) a las unidades experimentales.
- Presione una broca contra la lámina de metal.
- Mida y registre la profundidad de la hendidura.
La replicación ocurre cuando se asignan tratamientos idénticos a más de una unidad experimental. Una interpretación incorrecta de la replicación es una medición repetida.
Supongamos que cuenta con solo cuatro unidades experimentales para este experimento, lo que permite un tamaño muestral de uno para cada uno de los cuatro tipos de brocas (el tratamiento). Si le preocupa que esto no sea suficiente, podría considerar aplicar dos tratamientos a cada lámina de metal y realizar mediciones de las hendiduras. Usted deduce que esto le proporciona un tamaño muestral de dos observaciones (o una réplica) para cada tratamiento.
¿Qué tiene de malo este enfoque?
La replicación verdadera consiste en aplicar el mismo tratamiento a más de una unidad experimental. No se pueden aplicar diferentes tratamientos (brocas) a una lámina de metal individual, ya que la lámina de metal se define como una única unidad experimental. Al usar cada lámina dos veces, se realiza una pseudorreplicación, no una replicación real. No es adecuado tratar las dos muestras como independientes, ya que las observaciones de la misma lámina de metal son interdependientes.