INTRODUCCIÓN A LA

INVESTIGACIÓN

M. Sc. Eder Vicuña Galindo

Está basado en el Método Científico, que sigue
estos pasos principales:
 Formular correctamente el problema
 Proponer una tentativa de explicación
 Elegir los instrumentos metodológicos
 Someter a prueba dichos instrumentos
 Obtener los datos
 Analizar e interpretar los datos recopilados
 Evaluar la validez del estudio
» Categorías Oposicionales
 General  Particular
 Fundamental  Especialización
 Inductivo  Deductivo
 Cualitativo  Cuantitativo
 Conceptual  Experimental
 Análisis  Síntesis
 Integrar  Descomponer



Relación entre las variables de la investigación
 Definir la variable dependiente: la respuesta, el
indicador, etc.
 Definir las variables independientes:
˃ Controlables: factores
˃ No controlables: bloques

𝒀=𝑓 𝑿 +𝜖
Factores que influyen poco de carácter aleatorio
Operacionalización de variables
 Es un conjunto de operaciones secuenciales para
la conversión de una VARIABLE en DATO.
 Es el proceso de transformación de una variable
conceptual o nominativa (que define al sujeto sin
establecer su composición); en una definición
analítica, que identifique los aspectos esenciales
del objeto, a fin de poder medirlos (definición
operacional).
Operacionalización de variables
 Es el proceso de señalar como se tomarán las
medidas empíricas.
 Explicar como se MIDEN.
 Establecimiento de significados para los términos
del estudio y la estipulación de operaciones o
situaciones observables.
Diseño de la investigación
El primer paso del diseño corresponde a la elección
del tipo de estudio que se realizará. Estos se
clasifican en: exploratorios, descriptivos,
correlacionales y explicativos.
 Exploratorios
 Descriptivos
 Correlacionales
 Explicativos
Diseño de la investigación:
 Básicos: Desarrollar o ampliar el
conocimiento…con un fin.
 Aplicativos: Implementar los conocimientos en
aspectos prácticos o útiles…Aplicarlos.
 Transferencia tecnológica
 Innovación
 Problema Objetivo Hipótesis Metodología

General

Específicos

Comentarios
PROBLEMA OBJETIVO HIPÓTESIS METODOLOGÍA

Establecer un
 Recolección de
programa de gestión
Elevado datos
y de implementación Implementándose
índice de  Análisis de
de técnicas y las técnicas y
fuera de tono varianza
procedimientos políticas de
que generan (ANOVA)
experimentales, calidad adecuadas
reprocesos,  Plackett Burman
seguidas del se reducirá
que a su vez usando Minitab.
aseguramiento, significativamente
disminuye la  Lecturas
adecuados para el problema de
calidad del estequiométricos
resolver los fuera de tonos.
tejido. en Data color.
problemas de fuera
de tono.
 Variables independientes:
 Puntos de aire
 Metraje de hilado
 Resistencia de microfibra
 Elongación de microfibra
Materiales: Métodos:
Objetivo:
Microfibra pes Diseño experimental
Realizar un estudio del
Máquina SSM tipo factorial
comportamiento de la fibra en las
Probador mecánico de Muestreo aleatorio
máquinas de preparado para
fricción de hilos realizar modificaciones en los Recolección de datos
Máquinas para medir parámetros y obtener un producto en línea de producción
la resistencia de hilado adecuado para el teñido. Control estadístico de
Tabla de apariencia procesos (SPC)

Variables dependientes:
 Coeficiente de fricción de
hilado
 Desfibrilación
 Roturas en tejido
 Determinar las principales Determinar los
causas de variación y sus factores más
interacciones en la influyentes en el
respuesta proceso

Encontrar las
Obtener un
modelo
DOE condiciones
experimentales
matemático que con las que se
permita hacer consigue un valor
predicciones de extremo en la
las respuestas variable de interés
o respuesta
otros
1. Definir los objetivos del experimento.
2. Identificar todas las posibles fuentes de variación.
3. Elegir una regla de asignación de las unidades
experimentales a las condiciones de estudio
(tratamiento): tipo de diseño experimental.
4. Especificar las mediciones que se realizarán
metodológicamente.
5. Ejecutar un experimento piloto.
6. Determinar el tamaño muestral; número de
tratamientos.
7. Especificar el modelo.
8. Esquematizar los pasos del análisis estadístico.
1. Definir los objetivos del experimento.
 De selección, tamizado y screening en inglés, de los
factores más influyentes en el proceso.
 Establecer la influencia de los factores significativos y
de sus interacciones en la respuesta del proceso.
 Desarrollar mejoras al proceso.
 Optimizar el proceso.
 Crear un modelo predictivo del fenómeno y validarlo
después.
 Construir un modelo matemático del proceso para
establecer inferencias como el de correlación e
influencia.
2. Identificar todas las posibles fuentes de variación.
 De factores principales: que son las variables que se
interesa estudiarlos y que además se controlan.
 Factores denominados de bloques; no es de interés pero
que influyen en el proceso: proveedor de materia prima,
turnos de trabajo, etc.
 Ruido (nuisance): variaciones asociadas a factores no
controlables y de poca influencia en el proceso -o así
debería ser.
 Se debe buscar que las variaciones de los factores bajo
estudio se fijen más que dejarlos variar aleatoriamente.
3. Elegir una regla de asignación de las unidades
experimentales a las condiciones de estudio
(tratamiento): tipo de diseño experimental.
 Si es factorial completo, la regla de asignación se hace
combinando todas los niveles de las variables, técnica
que se llama FACTORIZACIÓN.
 Si ha de ser fraccionado, se hacen siguiendo un
procedimiento basado en la construcción del ALIAS.
4. Especificar las mediciones que se realizarán
metodológicamente.
 La variable dependiente o efecto, denominado
RESPUESTA, puede ser más de uno, dependiendo ello
del objetivo de la investigación.
 Es necesario que los tratamientos se lleven a cabo
siguiendo una ALEATORIZACIÓN, por ello es
importante la forma de muestrear y que la medición se
efectúe de manera confiable.
 A las mediciones cuantitativas se le debería acompañar
con evaluaciones cualitativas usando instrumentación
química o equipos del tipo audiovisual.
5. Ejecutar un experimento piloto.
 Desarrollar destreza para el manejo del equipo
experimental.
 Efectuar corridas experimentales que comprueben los
planteamientos teóricos.
 Que permitan obtener nueva información no
considerada en la teoría.
 Trabajar en condiciones experimentales no presentadas
en la literatura para determinar los NIVELES de los
factores.
6. Determinar el tamaño muestral; número de
tratamientos.
 El número de tratamientos es determinado por:
 Número de FACTORES: variables principales.
 Número de NIVELES; los diferentes valores de los factores que
se estudiarán en el experimento.
 Número de REPETICIONES; necesarios para calcular la
influencia de las fuentes de error aleatorio en el proceso.
 También por el tipo del Diseño Experimental
 Si fuese del tipo Factorial Completo se obtiene multiplicando
los factores-por su niveles- y por sus repeticiones.
 Si fuese del tipo Compuesto Centrado, dependerá de la
ponderación que se le dé a los puntos centrales.
7. Especificar el modelo.
 Está supeditado a los objetivos de la investigación
 Si se busca estudiar la correlación de los factores con la
respuesta, uno del tipo lineal sería suficiente.
 Si se busca mejoramiento u optimización, uno del tipo
cuadrático sería necesario.
 Si se pretende un modelo empírico que describa el proceso,
entonces se debe proponer algún modelo que se sustente en la
teoría o en evidencia empírica.
 También al número de parámetros que presente el
modelo
 Mientras más parámetros tenga el modelo más tratamientos se
requieren; por lo tanto el modelo matemático debe ajustarse al
presupuesto y logística de la experimentación.
8. Esquematizar los pasos del análisis estadístico.
 Si va usar el ANOVA, Análisis de Varianza, en inglés
ANalysis Of VAriance.
 Se requiere tratamientos con repeticiones o réplicas.
 Sino, pensar en herramientas estadísticas para
comparación de medias: Tukey, Dunnet, etc. .
 Importante: ALEATORIZACIÓN, BLOQUES
 Necesidad de aleatorizar los tratamientos.
 Establecer el Boqueo cuando se requiera.
 Elementos necesarios si se quiere que los factores
aleatorios no influyan en el proceso experimental.
9. Revisar las decisiones anteriores. Modificar si es
necesario...
 Costo
 Financiero: que se ajuste al presupuesto
 Tiempo: limitado por el muestreo, deterioro de la UE,
 Técnico: necesidad de equipo sofisticado
 Prueba piloto
 Se infiere la necesidad de considerar otros factores o
condiciones experimentales nuevas.
 Puede cambiarse la medición de la variable respuesta.
Se está estudiando la influencia de la presión y
temperatura sobre la velocidad de reacción de un
proceso para mejorarlo.
1. Mejorar el proceso
2. Factores: Presión, temperatura, concentración,
pH, tamaño del reactor, impurezas, humedad, etc.
Se ha establecido, sea por antecedentes de la literatura o de
pruebas experimentales previas que los factores más
significativos son las presión y la temperatura.
3. Diseño factorial completo
4. Factores
Mediciones de presión usando un tubo de Bourdon de
escala 1 a 5 atm, montado externamente al reactor.
Mediciones de Temperatura usando un Pt 100 de escala de
0 a 150°C, inmerso en el reactor.
Medición la conversión a partir de muestras tomadas cada
5 minutos y analizados en un HPLC
5. Llevar acabo pruebas piloto para identificar los
niveles de los factores.
6. Número de tratamientos:
2 factores
2 niveles para cada factor: Presión: 1 y 2 atm;
Temperatura: 50 y 100°C.
2 repeticiones
Total: 8 pruebas
7. Modelo
Y =  + 1XP + 2XT + 
8. Pasos
P
X bajo  X promedio -1 +1 ∑
1  2 8 4
X alto  X bajo -1 24
9 3
T
10 14
X alto  X promedio +1 52
1 2 12 16
X alto  X bajo ∑ 39 37 76
 Promedio de la conversión
Nivel bajo Nivel alto
Presión 9,75 9,25
¡No hay diferencia significativa!
Temperatura 6 13
¡Hay diferencia significativa!
Interacción 11,75 7,25
VARIANZA:
 Debido al error aleatorio
 Debido al tratamiento (los factores y sus interacciones)
Recuerden:
Se usa el F de Fisher para comparar varianzas entre los
factores y sus interacciones respecto a la varianza
debido al error:
𝜎𝑇2
𝐹= 2
𝜎𝐸
Y se le compara con un F crítico, para establecer si la
varianza del tratamiento es significativo y por ende el
factor tratamiento también lo es.
Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Modelo 3 139,000 46,3333 37,07 0,002
Lineal 2 98,500 49,2500 39,40 0,002
Presión 1 0,500 0,5000 0,40 0,561
Temperatura 1 98,000 98,0000 78,40 0,001
Interacciones de 2 términos 1 40,500 40,5000 32,40 0,005
Presión*Temperatura 1 40,500 40,5000 32,40 0,005
Error 4 5,000 1,2500
Total 7 144,000
Ecuación de regresión
Conversión = 9,500 - 0,250 Presión
+ 3,500 Temperatura+ 2,250 Presión*Temperatura

Conversión = 9,500 – 0,250XP + 3,500XT + 2,250XPX

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1,11803 96,53% 93,92% 86,11%
 Gráfica de contorno de Conversión vs. Temperatura; Presión
100
Conversión
< 5,0
5,0 – 7,5
90 7,5 – 10,0
10,0 – 12,5
12,5 – 15,0
> 15,0
Temperatura

80

70

60

50
1,0 1,2 1,4 1,6 1,8 2,0
Presión