Glosario de diseño experimental

Un glosario de términos utilizados en la investigación experimental .

Campos de interés

Glosario

Alias: cuando la estimación de un efecto también incluye la influencia de uno o más efectos adicionales (normalmente interacciones de orden superior), se dice que los efectos están aliasados (véase confusión). Por ejemplo, si la estimación del efecto D en un experimento de cuatro factores estima en realidad ( D + ABC ), entonces el efecto principal D está aliasado con la interacción de 3 vías ABC . Nota: esto no causa ninguna dificultad cuando la interacción de orden superior es inexistente o insignificante.
Análisis de varianza (ANOVA): proceso matemático para separar la variabilidad de un grupo de observaciones en causas asignables y establecer diversas pruebas de significancia.
Diseño equilibrado: un diseño experimental en el que todas las celdas (es decir, combinaciones de tratamientos) tienen el mismo número de observaciones.
Bloqueo : Programa para realizar combinaciones de tratamientos en un estudio experimental de modo que cualquier efecto sobre los resultados experimentales debido a un cambio conocido en las materias primas, los operadores, las máquinas, etc., se concentre en los niveles de la variable de bloqueo. Nota: el motivo del bloqueo es aislar un efecto sistemático y evitar que oculte los efectos principales. El bloqueo se logra restringiendo la aleatorización.
Puntos centrales: puntos en el valor central de todos los rangos de factores.
Niveles de factores de codificación: Transformación de la escala de medición de un factor de modo que el valor alto se convierta en +1 y el valor bajo en -1 (ver escala). Después de codificar todos los factores en un experimento factorial completo de 2 niveles, la matriz de diseño tiene todas las columnas ortogonales. La codificación es una transformación lineal simple de la escala de medición original. Si el valor "alto" es X _h y el valor "bajo" es X _L (en la escala original), entonces la transformación de escala toma cualquier valor X original y lo convierte en ( X − a )/ b , donde a = ( X _h + X _L )/2 y b = ( X _h − X _L )/2. Para volver a la escala de medición original, simplemente tome el valor codificado y multiplíquelo por b y agregue a o, X = b × (valor codificado) + a . A modo de ejemplo, si el factor es la temperatura y el valor alto es 65 °C y el valor bajo es 55 °C, entonces a = (65 + 55)/2 = 60 y b = (65 − 55)/2 = 5. El punto central (donde el valor codificado es 0) tiene una temperatura de 5(0) + 60 = 60 °C.
Diseño comparativo: Un diseño que permite la estimación (normalmente sin sesgo de media) de la diferencia en los efectos de los factores, especialmente en el caso de la diferencia en los efectos del tratamiento. La estimación de las diferencias entre los efectos del tratamiento se puede realizar con mayor fiabilidad que la estimación de los efectos absolutos del tratamiento.
Confusión : Un diseño con confusión es aquel en el que algunos efectos del tratamiento (principales o interacciones) se estiman mediante la misma combinación lineal de las observaciones experimentales como algunos efectos de bloqueo. En este caso, se dice que el efecto del tratamiento y el efecto de bloqueo están confundidos. La confusión también se utiliza como un término general para indicar que el valor de una estimación del efecto principal proviene tanto del efecto principal en sí como de la contaminación o sesgo de interacciones de orden superior. Nota: Los diseños con confusión surgen naturalmente cuando los diseños factoriales completos deben ejecutarse en bloques y el tamaño del bloque es menor que el número de diferentes combinaciones de tratamientos. También ocurren siempre que se elige un diseño factorial fraccional en lugar de un diseño factorial completo.
Grupo de control : un conjunto de unidades experimentales a las que se aplican tratamientos incidentales pero no tratamientos principales. Por ejemplo, al aplicar un herbicida como un tratamiento, las parcelas que reciben ese tratamiento pueden ser atropelladas por una máquina que aplica el herbicida, pero los tratamientos que no reciben el herbicida normalmente no lo serían. El tráfico de la máquina es un tratamiento incidental. Si hubiera una preocupación de que el tráfico de la máquina pudiera tener un efecto sobre la variable que se está midiendo (por ejemplo, la muerte de plantas de fresa), entonces un tratamiento de control recibiría el tráfico de la máquina pero no el herbicida. Los grupos de control son una forma de eliminar la posibilidad de que los tratamientos incidentales sean la causa de los efectos medidos. Los tratamientos incidentales son controlados. Comparar grupos de tratamiento . Un tratamiento que es solo la ausencia de la manipulación que se está estudiando es simplemente uno de los tratamientos y no un control, aunque ahora es común referirse a un tratamiento no manipulado como un control.
Factores cruzados: ver factores a continuación.
Diseño : Un conjunto de ejecuciones experimentales que le permiten ajustar un modelo particular y estimar los efectos deseados.
Matriz de diseño : Una descripción matricial de un experimento que es útil para construir y analizar experimentos.
Diseño de experimentos : un enfoque sistemático y riguroso para la resolución de problemas de ingeniería que aplica principios y técnicas en la etapa de recopilación de datos para garantizar la generación de conclusiones de ingeniería válidas, defendibles y sostenibles ^[1]
Punto de diseño: Una combinación única de configuraciones para las variables independientes de un experimento. Un diseño de experimentos dará como resultado un conjunto de puntos de diseño, y cada punto de diseño está diseñado para ejecutarse una o más veces, con la cantidad de iteraciones en función de la significancia estadística requerida para el experimento.
Efecto (de un factor): cómo cambia la respuesta al cambiar la configuración de un factor. El efecto de un solo factor también se denomina efecto principal. Se puede suponer que un efecto de tratamiento es el mismo para cada unidad experimental, mediante el supuesto de aditividad de la unidad de tratamiento; de manera más general, el efecto de tratamiento puede ser el efecto promedio . Otros efectos pueden ser efectos de bloque. (Para un factor A con dos niveles, escalados de modo que bajo = -1 y alto = +1, el efecto de A tiene un estimador sin sesgo de media que se evalúa restando la respuesta promedio observada cuando A es -1 de la respuesta promedio observada cuando A = +1 y dividiendo el resultado por 2; la división por 2 es necesaria porque el nivel -1 está a 2 unidades escaladas del nivel +1).
Error : variación inexplicable en un conjunto de observaciones. Véase Errores y residuos en estadística . Nota: los diseños experimentales suelen requerir la comprensión tanto del error aleatorio como del error de falta de ajuste .
Unidad experimental : entidad a la que se aplica una combinación de tratamientos específica. Por ejemplo, una unidad experimental puede ser una
- Placa de PC
- oblea de silicio
- Bandeja de componentes tratados simultáneamente
- plantas agrícolas individuales
- Parcela de tierra
- transmisiones automotrices
- Organismos vivos o partes de ellos
- etc.
Factores: entradas de proceso que un investigador manipula para provocar un cambio correspondiente en el resultado. Algunos factores no pueden ser controlados por el experimentador, pero pueden afectar las respuestas. Estos factores no controlados deben medirse y usarse en el análisis de datos, si su efecto es significativo. Nota: Las entradas pueden ser discretas o continuas.
- Factores cruzados: dos factores están cruzados si cada nivel de uno ocurre con cada nivel del otro en el experimento.
- Factores anidados : un factor "A" está anidado dentro de otro factor "B" si los niveles o valores de "A" son diferentes para cada nivel o valor de "B". Nota: los factores o efectos anidados tienen una relación jerárquica.
Efecto fijo : Un efecto asociado con una variable de entrada que tiene un número limitado de niveles o en el que sólo un número limitado de niveles son de interés para el experimentador.
Interacción : ocurre cuando el efecto de un factor en una respuesta depende del nivel de otro(s) factor(es).
Error de falta de ajuste: error que se produce cuando el análisis omite uno o más términos o factores importantes del modelo de proceso. Nota: incluir la replicación en un experimento diseñado permite separar el error experimental en sus componentes: falta de ajuste y error aleatorio (puro).
Modelo : Relación matemática que relaciona los cambios en una respuesta dada con cambios en uno o más factores.
Factores anidados: ver factores arriba.
Ortogonalidad : Dos vectores de la misma longitud son ortogonales si la suma de los productos de sus elementos correspondientes es 0. Nota: Un diseño experimental es ortogonal si los efectos de cualquier factor se equilibran (suma cero) entre los efectos de los otros factores.
Paradigma : modelo creado a partir del diseño básico, la hipótesis y las condiciones particulares del experimento.
Efecto aleatorio : Efecto asociado con variables de entrada elegidas al azar de una población que tiene un número grande o infinito de valores posibles.
Error aleatorio : error que se produce debido a la variación natural del proceso. Nota: normalmente se supone que el error aleatorio tiene una distribución normal con media cero y varianza constante. Nota: el error aleatorio también se denomina error experimental.
Aleatorización : Programa para asignar material de tratamiento y para realizar combinaciones de tratamientos en un experimento diseñado de manera que las condiciones en una ejecución no dependan de las condiciones de la ejecución anterior ni predigan las condiciones en las ejecuciones posteriores. Nota: No se puede exagerar la importancia de la aleatorización. La aleatorización es necesaria para que las conclusiones extraídas del experimento sean correctas, inequívocas y defendibles.
Diseño de regresión discontinua : diseño en el que la asignación a un tratamiento está determinada al menos en parte por el valor de una covariable observada que se encuentra a ambos lados de un umbral fijo.
Replicación : realizar la misma combinación de tratamientos más de una vez. Nota: incluir la replicación permite una estimación del error aleatorio independientemente de cualquier error de falta de ajuste.
Resolución: En los diseños factoriales fraccionados , la "resolución" describe el grado en el que los efectos principales estimados están alias (o confundidos) con interacciones estimadas de orden superior (interacciones de 2 niveles, interacciones de 3 niveles, etc.). En general, la resolución de un diseño es uno más que la interacción de orden más pequeño que está alias con algún efecto principal. Si algunos efectos principales están confundidos con algunas interacciones de 2 niveles, la resolución es 3. Nota: Los diseños factoriales completos no tienen confusión y se dice que tienen una resolución "infinita". Para la mayoría de los propósitos prácticos, un diseño de resolución 5 es excelente y un diseño de resolución 4 puede ser adecuado. Los diseños de resolución 3 son útiles como diseños de cribado económicos.
Respuesta (s): El resultado de un proceso. A veces se denomina variable(s) dependiente(s).
Superficie de respuesta : experimento diseñado que modela la respuesta cuantitativa, especialmente para el objetivo a corto plazo de mejorar un proceso y el objetivo a largo plazo de encontrar valores factoriales óptimos. Tradicionalmente, las superficies de respuesta se han modelado con polinomios cuadráticos, cuya estimación requiere que cada factor tenga tres niveles.
Rotabilidad: un diseño es rotable si la varianza de la respuesta prevista en cualquier punto x depende únicamente de la distancia de x desde el punto central del diseño. Un diseño con esta propiedad puede rotarse alrededor de su punto central sin cambiar la varianza de la predicción en x. Nota: La rotabilidad es una propiedad deseable para los diseños de superficies de respuesta (es decir, diseños de modelos cuadráticos).
Niveles de factor de escala: Transformar los niveles de factor de modo que el valor alto se convierta en +1 y el valor bajo se convierta en -1.
Diseño de selección: experimento diseñado que identifica cuáles de los muchos factores tienen un efecto significativo en la respuesta. Nota: Normalmente, los diseños de selección tienen más de cinco factores.
Plan de pruebas : documento escrito que proporciona una lista específica de los procedimientos de prueba y la secuencia a seguir.
Tratamiento: Un tratamiento es una combinación específica de niveles de factores cuyo efecto se comparará con otros tratamientos.
Combinación de tratamientos: combinación de los parámetros de varios factores en un ensayo experimental determinado. También conocido como serie.
Grupo de tratamiento : ver Grupo de control
Componentes de la varianza : partición de la variación general en componentes asignables.

Véase también

Referencias

^ "4.3.1. ¿Qué es el diseño de experimentos (DOE)?". Archivado desde el original el 28 de diciembre de 2017. Consultado el 14 de diciembre de 2017 .

Enlaces externos

"Glosario de terminología del DOE", Manual electrónico de métodos estadísticos del NIST/SEMATECH , consultado el 20 de marzo de 2013

Este artículo incorpora material de dominio público del Instituto Nacional de Estándares y Tecnología.