Diseño metodológico

 Tipos de investigación:

La investigación que presentamos es:

 Investigación Aplicada: Basado en los propósitos de los hallazgos tecnológicos de la

investigación, el propósito de este proyecto es realizar un pan de molde a base de
harina de trigo, harina de chía y harina de cascara de maracuyá. Este producto obtenido
al ser elaborado con el agregado de harina de chía y de cascara de maracuyá nos brinda
un mayor aporte nutricional a comparación de otros productos que se encuentran en el
mercado.

 Investigación Sincrónica: la investigación a hacer se produce en un periodo corto

aproximado de dos a tres meses.

 Investigación Explicativa: Explica y describe el fenómeno del proceso como la

proporción de las harinas a usar y la proporción de los demás ingredientes del
producto.

 Investigación Cuantitativa: La investigación se llevará a cabo en una planta piloto

de procesos alimentarios, en la cual se podrá cuantificar y controlar las variables de
estudio.

 Investigación Experimental: Se seleccionarán siguiendo un modelo en el que las

variables independientes del estudio serán manipuladas para provocar cambios
esperados en la variable dependiente.

 Nivel de investigación:

 Investigación Científica Experimental: Proceso sistemático en el que el investigador

manipula una o más variables, donde controla y mide cualquier cambio en otras
variables.

consiste en hacer un cambio en el valor de una variable (variable independiente) y

observar su efecto en otra variable (variable dependiente); esto se lleva a cabo en
condiciones rigurosamente controladas, con el fin de describir de qué modo o por qué
causa se produce una situación o acontecimiento particular.
Los métodos experimentales son los adecuados para poner a prueba hipótesis de
relaciones causales. En el siguiente cuadro podemos ver de manera sintetizada las
diferencias entre la metodología experimental y la metodología no experimental:

Metodología Experimental Metodología No Experimental

Se manipulan los efectos Los efectos ya están producidos

Se modifica la variable independiente y No se modifica solo se selecciona y

observamos los cambios en la variable observan.
dependiente.

Orientación hacia el futuro. Orientación hacia el pasado

 Características de una Investigación Experimental: Nos permite la

manipulación de dos variables produciendo un efecto sobre la variable
dependiente, es decir, estudia hasta qué punto una causa puede ser atribuida a un
efecto.

o Relación entre Variables: El nivel experimental requiere de una

manipulación rigurosa de las variables o factores experimentales y de la
medición cuidadosa de la variable dependiente.

o Manipulación directa de una variable independiente: La variable

independiente se manipula en forma de diferentes valores o condiciones
que el experimentador asigna. Dicha asignación por parte del investigador
es importante que ocurra, pues de lo contrario, no puede considerarse un
experimento real.

o Medición de cada variable dependiente: Deben poder asignarse valores

numéricos a las variables dependientes y en lo posible deben ser valores
numéricos aleatorios. Si las respuestas fueran valores cualitativos, estos
deben convertir sea valores cuantitativos utilizando una escala idónea y
debidamente validada.
 o Diseño que permita un control máximo de variables extrañas: De esta
manera nos aseguramos que este tipo de variables no influyen en la
variable dependiente, o si influyen, lo hacen de un modo homogéneo en
todos los grupos.

o Utilización de Estadística Inferencial: Todas las decisiones que se

adopten con los datos registrados tienen que ser en términos de
probabilidad, solo así estaremos en condiciones de poder realizar
inferencias o generalización es a partir de las muestras que se extraigan.

o Control de VIP´S: Se deben tener en cuenta la relación de Variables

Intervinientes Potenciales, VIP para mitigar las posibles influencias en la
variable dependiente. Cuando no es posible, se cuidará que su influencia
de manera homogénea en todos los grupos de la muestra.

 Fases de una investigación Experimental:

 Delimitar el Objetivo: determinar con claridad el logro o meta a alcanzar

con el experimento, la bibliografía, los posibles resultados, el equipo
disponible y su precisión, el tiempo y dinero disponibles.

 Definir el problema de conocimiento: La elección del problema depende

los intereses del investigador, dicho problema está relacionado con la
variable dependiente. Las preguntas planteadas deben poder resolverse con
la aplicación de un proceso experimental. El enfoque metodológico vendrá
determinado por la naturaleza del problema. Es fundamental revisar la
bibliografía sobre el problema que se ha formulado.

 Formulación de hipótesis: La hipótesis es la anticipación de un resultado

posible de la investigación experimental. La hipótesis relaciona dos o más
variables, éstas deben ser planteadas en términos empíricos, es decir,
observables o medibles.

 Realización de la prueba del Experimento: una vez conocida la

naturaleza del problema, el equipo adecuado y planteada la hipótesis, se
procede a realizar un experimento de prueba o “Prueba Piloto” e interpretar
 tentativamente los resultados y comprobar la precisión, modificando, si es
necesario, el procedimiento y/o equipo utilizado.

 Realización del Experimento: Una vez realizado el experimento de

prueba y la interpretación tentativas de resultados, realizar el experimento
final se reduce a llenar tablas, preparadas de antemano, con lecturas de las
mediciones, a detectar cualquier anomalía que se presente durante el
desarrollo del experimento, a calcular el o los valores que darán respuesta
al problema y a trazar los gráficos pertinentes.

 Analizar los Resultados: El análisis o interpretación de resultados, ya

sean con valores, con gráficos, con tabulaciones, etc. deben contestar lo
más claro posible a la(s) pregunta(s) planteada(s) por el problema.

 Probar la Hipótesis: Consiste en formular las hipótesis nulas y

alternativas, seleccionar la distribución muestral, las pruebas estadísticas,
especificar el nivel de significancia, definir el área de rechazo y calcular
las pruebas estadísticas.

 Elaboración de conclusiones: Se incluyen aspectos como hasta qué punto

y con qué limitaciones queda confirmada la hipótesis experimental, el
poder de generalización de los datos obtenidos, la metodología utilizada,
coincidencias o desacuerdos con otras investigaciones, implicaciones para
la práctica y sugerencias para posteriores investigaciones.

 Diseño de Investigación:

El diseño se define como estructura u organización esquematizada que usa el

investigador para relacionar y controlar las variables de estudio, es determinado
de acuerdo a una serie de factores. Algunos factores importantes son la
viabilidad, el tiempo, el costo, la ética y los problemas de medición; es
fundamental para la validez de los resultados. Así, el diseño de la investigación
es el plan y la estructura de la investigación concebidos de manera que se puedan
obtener respuestas a preguntas de investigación. El plan es el esquema o
programa general de estudio. Incluye un esbozo de lo que el investigador hará al
escribir las hipótesis y sus implicaciones operacionales para el análisis final de
los datos.

Por ello, un diseño de investigación debe expresar la estructura de problema y el

Plan de investigación, usados para obtener evidencia empírica sobre las
relaciones del problema. Los diseños sirven como instrumento para la
investigación, en tal sentido, se convierte en un conjunto de pautas bajo las
cuales se realiza un experimento o estudio. Por tanto, el diseño, implica pasos
que debe seguir el investigador para poder encontrar las posibles soluciones al
problema. El diseño de investigación seleccionado tiene dos propósitos básicos:
proporcionar respuestas a preguntas de investigación y controlar la varianza. Así,
nuestro diseño planeado y ejecutado de manera adecuada, nos permitirá:

a) Establecer un marco de referencia para el estudio de las relaciones entre

variables acerca de observaciones y analizar las representaciones
cuantitativas de las observaciones.

b) Dirigir la ejecución de las observaciones y del análisis.

c) Cuantificar las observaciones realizadas e indicar qué variables con activas

y qué variables son atributos.

d) Manipular las variables activas o independientes.

e) Categorizar y medir las variables dependientes o de atributos.

Sostenemos que nuestro diseño seleccionado es capaz de tener un control

efectivo de las variables independientes potenciales de tal modo que las fuentes
extrañas e indeseables de la varianza sistemática tengan una oportunidad mínima
de operar.

Asimismo, afirmamos que los resultados obtenidos podrán ser generalizados y,

por tanto, ser aplicados en otros estudios similares o servir como fuente para
emprender investigaciones.

Diseño Experimentales Factoriales:

Los experimentos factoriales son aquellos en los que se estudia simultáneamente

dos o más factores, y donde los tratamientos se forman por la combinación de
los diferentes niveles de cada uno de los factores. La posibilidad de estudiar
varios factores simultáneamente les brinda a los investigadores la oportunidad
de comprender un mayor segmento de vida del que es posible estudiar con un
diseño factorial simple. Además, la posibilidad de estudiar dos o más variables
al mismo tiempo, en vez de realizar dos o más estudios independientes, resulta
más económico en término de tiempo y esfuerzo. La influencia de una variable
sobre el efecto de otra de otra, es decir cuando el efecto de una variable depende
de las condiciones de otra variable. La oportunidad de estudiar las interacciones
incrementa las posibilidades del investigador para el estudio de sutiles e
importantes problemas.
El diseño experimental puede ser completamente al azar, bloques al azar
generalizados, cuadro latino, etc. y para cada uno de estos diseños se puede tener
arreglo factorial de los tratamientos, si estos se forman por la combinación de
niveles de varios factores.

Los experimentos factoriales se emplean en todos los campos de la

investigación, son muy útiles en investigaciones exploratorias en las que poco se
sabe acerca de muchos factores.

Ventajas de los Diseños Experimentales Factoriales:

 Permite estudiar los efectos principales, efectos de interacción de factores,

efectos simples y efectos cruzados.

 Se amplía la base de la inferencia en relación a un factor, ya que se estudia

en las diferentes condiciones representadas por los niveles de otros
factores.
 Todas las unidades experimentales intervienen en la determinación de los
efectos principales y de los efectos de interacción de los factores, por lo
que el número de repeticiones es elevado para estos casos.

 El número de grados de libertad para el error experimental es alto,

comparándolo con los grados de libertad de los experimentos simples de
los mismos factores, lo que contribuye a disminuir la variancia del error
experimental, aumentando por este motivo la precisión del experimento.

Desventajas de los Diseños Experimentales Factoriales:

 Se requiere un mayor número de unidades experimentales que los

experimentos simples y por lo tanto se tendrá un mayor costo y trabajo en
la ejecución del experimento.

 Como en los experimentos factoriales c/u de los niveles de un factor se

combinan con los niveles de los otros factores; a fin de que exista un
balance en el análisis estadístico se tendrá que algunas de las
combinaciones no tiene interés práctico pero deben incluirse para
mantener el balance.

 El análisis estadístico es más complicado que en los experimentos simples

y la interpretación de los resultados se hace más difícil a medida de que
aumenta el número de factores y niveles por factor en el experimento.
 Principios Fundamentales de los Diseños Factoriales:

 Análisis Estadístico:
Los datos obtenidos se analizaron en la Escala de Likert.

 Control:
Se usa para aumentar la precisión en el experimento, así mismo, controlar
la muestra significativa de la población.

 Aleatorización:
Las muestras serán extraídas al azar.

 Bloqueamiento:
Es una porción del material experimental tan homogéneo como sea
posible. Se han producido cuatro bloques para medir el nivel de
aceptabilidad.

 Replicación:
El producto del número de condiciones manipuladas en las dos variables
define un número de 4 muestras necesarias para el diseño.

REPRESENTACION GRÁFICA DEL DISEÑO BIFACTORIAL:

FACTOR B:

VARIABLES INDEPENDIENTES Porción de azúcar, aguaymanto y

fruto secos

FACTOR B:

NIVELES

B1 B2
FACTOR A:

Proporción A1 A1B1 A1B2

de la Harina
de Quinua y
Harina de
Trigo.
A2 A2B1 A1B2

VARIABLE DEPENDIENTE:

Nivel de aceptabilidad del turrón de

harina de quinua y trigo con miel de
aguaymanto y frutos secos.

REPRESENTACION GRÁFICA DEL DISEÑO BIFACTORIAL

2X2:

B1: B2:

Azúcar: 65% Azúcar: 65%

NIVELES Aguaymanto:30% Aguaymanto: 33%

Frutos secos: 5% Frutos secos: 2%

(CONTROL) (EXPERIMENTAL)

A1:

Harina de quinua:
40%
A1B1 A1B2
Harina de trigo:
FACTOR A: 60%

(CONTROL)
Porción de A2:
Harina de
Quinua y
Harina de Trigo Harina de quinua:
30%

Harina de trigo:
70% A2B1 A2B2

(EXPERIMENTAL)

VARIABLE DEPENDIENTE:

Nivel de aceptabilidad del turrón de

harina de quinua y trigo con miel de
aguaymanto y frutos secos.

5.2.4.2. Efecto de los Experimentos Factoriales:

Al igual que en los diseños de un factor, se deben aplicar pruebas

estadísticas a los datos de los diseños multifactoriales para medir
los efectos de las variables independientes.

a) Efecto Principal: Es una medida del cambio en el promedio

entre los niveles de un factor, promediado sobre los diferentes
niveles del otro factor.

b) Efecto Interacción: Es una medida de cambio que expresa el

efecto adicional resultante de la influencia combinada de dos o más
factores.

c) Efecto Simple: Es una medida de cambio en los promedios de

los niveles de un factor, manteniendo constante, uno de los niveles
del otro factor.
5.2.4.2. Análisis Estadístico:

Sin diferencias, sin variaciones, no hay forma de determinar la relación

entre variables.

El estudio de conjuntos de números tal como son, es difícil de controlar.

Por lo general, es necesario reducir los conjuntos de dos formas:

- Calculando los promedios o las medidas de tendencia central.

- Calculando las medidas de variabilidad.
La medida de tendencia central usada en el presente trabajo es la media
y la medida de variabilidad utilizada en la varianza. Ambos tipos de
medidas resumen conjuntos de calificaciones o puntajes pero de manera
diferentes. Las dos son totales de calificaciones, resumen que expresan
dos facetas importantes de los conjuntos de calificaciones: su tendencia
central o promedio y su variabilidad.

5.2.4.3. Modelo Matemático:

El modelo matemático para un diseño bifactorial es el siguiente:

Yijk = μ + τi + βj + (τβ)ij + εijk

Dónde:

𝐘𝐢𝐣𝐤= Variable dependiente (nivel de aceptabilidad del turrón de harina de

quinua y trigo con miel de aguaymanto y frutos secos)

𝛍 = Promedio de la población.

𝛕𝐢 = Variable independiente (Proporción de harina de quinua y harina de

trigo)
𝛃𝐣 = Variable independiente (Proporción de azúcar, aguaymanto y frutos

secos).

(𝛕𝛃)𝐢𝐣 = Interacción de las dos variables independientes.

𝛆𝐢𝐣𝐤 = Error

5.2.5. Población:

La población del presente trabajo es la quinua (Chenopodium quinoa).

5.2.5.1. Características de la Población:

La harina de quinua contiene 13.1% de proteínas.

La harina de quinua contiene 6.1% de grasas totales.
La harina de quinua contiene 68.9% de carbohidratos.
La harina de quinua contiene 4.8% de celulosa.
La harina de quinua contiene 4.14 de fibra.

5.2.5.2. Delimitación de la Población:

La población de la miel de aguaymanto del presente estudio está

delimitada por el peso en gramos de quinua.

5.2.5.3 Ubicación Espacio Temporal:

Muestra de harina de quinua:

La muestra de quinua será extraída del centro comercial Minka de la
provincia Constitucional del Callao, provincia de Lima, región Lima.
Conformada en el mes de febrero del 2017.

5.2.6. Muestra:
5.2.6.1. Tipo de Muestra:

Para determinar el tamaño de la muestra se utilizará el método de

muestreo aleatorio simple, ya que es el más sencillo y útil cuando se trata
de muestras pequeñas que requieren ser representativas de la
población.

5.2.6.2 Calculo del Tamaño:

El tamaño de la muestra es seleccionada al azar simple es decir el

elemento de la población tendrá las mismas características para la
selección de la muestra. El tamaño de dicha muestra será el valor
necesario para obtener resultados representativos dando como
resultado un nivel de confianza aceptable para las variables estudiadas.
A la hora de determinar el tamaño que debe alcanzar una muestra hay
que tomar en cuenta varios factores:
- Parámetro a estimar: Peso (g)
- Error muestral admisible: d (g)
- Varianza de la población: σ^2 (g)

5.2.6.3. Cálculo del tamaño de la muestra mediante formula:

Según la metodología es la siguiente:

𝒕𝟐 𝒙𝛔²
𝒏=
𝒅𝟐

Dónde:

n = Tamaño de la muestra

t² = Nivel de confianza seleccionado por el investigador.

σ² = Varianza del parámetro poblacional que se desea estimar.

d^2= Estimación del parámetro

5.2.7. Población:

La población del presente trabajo es el aguaymanto (Physalis Peruviana

o Golden Berry )

5.2.7.1 Características de la Población:

El aguaymanto contiene 78.9% de humedad.

El aguaymanto 16% de carbohidratos.
El aguaymanto contiene un elevado índice de vitamina A.
El aguaymanto tiene un tamaño entre 1,26 y 2 cm de diámetro
El aguaymanto es recomendable para diabéticos.

5.2.7.2. Delimitación de la Población:

La delimitación del aguaymanto en este estudio se delimita por el peso

en gramos del aguaymanto.

5.2.7.3. Ubicación Espacio Temporal:

Muestra de aguaymanto:

La muestra de aguaymanto será extraída de 3 puestos comercializados

en el centro comercial Minka en la provincia Constitucional de Callao,
provincia de Lima, región Lima. Conformada en el mes de febrero del
2017.

5.2.8. Muestras:

5.2.8.1. Tipo de Muestras:

Para determinar el tamaño de la muestra se utilizará el método de

muestreo aleatorio simple, ya que es el más sencillo y útil cuando se trata
de muestras pequeñas que requieren ser representativas de la población
5.2.8.2. Calculo del Tamaño:

El tamaño de la muestra es seleccionada al azar simple es decir el

elemento de la población tendrá las mismas características para la
selección de la muestra.

El tamaño de dicha muestra será el valor necesario para obtener

resultados representativos dando como resultado un nivel de confianza
aceptable para las variables estudiadas.

A la hora de determinar el tamaño que debe alcanzar una muestra hay

que tomar en cuenta varios factores:

- Parámetro a estimar: Peso (g)

- Error muestral admisible: d (g)
- Varianza de la población: σ^2 (g)

5.2.8.3. Fórmula para Calcular el tamaño de la Muestra:

Según la metodología el cálculo se desarrolla de la siguiente manera:

𝒕𝟐 𝒙𝛔²
𝒏=
𝒅𝟐

Dónde:

n = Tamaño de la muestra

t² = Nivel de confianza seleccionado por el investigador.

σ² = Varianza del parámetro poblacional que se desea estimar.

d^2= Estimación del parámetro

5.2.9. Instrumentos de Recolección de Datos:

El instrumento a utilizarse en el presente trabajo de investigación es

mediante la escala Likert. Los análisis sensoriales usando la escala
Likert son instrumentos eficaces que nos permiten medir la aceptación
del producto experimental por parte de los consumidores potenciales y
proyectar su posible comercialización.

Las categorías están dentro: Excelente, bueno, aceptable, insuficiente,

deficiente.