Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Métodos Estadísticos para La Investigación I PDF
Métodos Estadísticos para La Investigación I PDF
Capítulo II
Principios de Diseño Experimental
Proponer que la pobreza del diseño pueda ser corregida por sutiles técnicas de análisis es
contrario al buen pensamiento científico.
- Stuart Pocock
1. Introducción
En términos bastante generales se podría decir que un trabajo experimental debería seguir más
o menos las siguientes etapas:
- Definición del problema u objetivo de estudio
- Revisión de literatura
- Planeamiento y diseño del experimento
- Conducción del experimento
- Recolección de los datos obtenidos
- Análisis de los datos
- Interpretación y evaluación de los resultados
Todas estas etapas son importantes y del cuidado que el investigador le dé a cada una de ellas
dependerá la calidad de los resultados del experimento. Si bien estas etapas muestran un orden
cronológico, es claro que las mismas no son independientes por lo que el descuido por parte
del investigador en alguna de ellas traerá consecuencias negativas y a menudo irreparables en
el experimento. Así, una vez definido el problema, el investigador deberá diseñar el
experimento más eficiente que le permita obtener los datos necesarios para lograr
estimaciones insesgadas de los efectos que desea evaluar.
Por último es conveniente mencionar que quizás la etapa más importante corresponda al
planeamiento y diseño del experimento. Recuerde que (citando a Pocock) las técnicas de
análisis, por más sofisticadas que estas sean, difícilmente podrán corregir la pobreza de un
diseño.
2. Conceptos Generales
2.1. Factor
Un factor es una variable independiente que afecta los resultados del experimento. Un factor
en estudio es aquel cuyos valores son controlados y cuyo efecto será evaluado en los
resultados del experimento. A los distintos valores que son estudiados se les llama niveles del
factor. En un experimento se puede evaluar un solo factor o más de uno. Es importante
mencionar sin embargo que la dificultad en la conducción y análisis de los resultados de un
experimento aumentará considerablemente conforme más factores sean incorporados.
Ejemplos:
- Factor: Distanciamiento en un cultivo.
Niveles: 0.4, 0.6 y 0.8 m de distancia entre plantas.
- Factor: Niveles de nitrógeno.
Niveles: 10, 20, 30 y 40 kg por parcela.
- Factor: Dosis de vitamina B12 en la alimentación de cerdos.
Niveles: 5, 10 y 15 µg/lb de ración.
- Factor: Fármacos utilizados para inducir la relajación muscular.
Niveles: Innovar, Droperidol, Fentanyl.
2.2. Tratamiento
Ejemplos:
- Distanciamiento de siembra de 0.4 m entre plantas con la aplicación de 10 kg de
nitrógeno por parcela.
- 5 µg/lb de ración.
- Fármaco Innovar.
2.3. Testigo
Ejemplos:
- No se aplica nitrógeno.
Ejemplos:
- Una parcela.
- Un cerdo.
- Un paciente.
Ejemplos:
- Rendimiento de un cultivo en kg por parcela.
- Ganancia de peso en kg por cerdo.
- Tiempo hasta lograr la relajación muscular.
3. Diseño Experimental
El diseño experimental involucra determinar la forma en la que los niveles de los factores o
tratamientos serán asignados a las unidades experimentales, la elección del tamaño muestral y
la disposición de las unidades experimentales. El diseño experimental determina el modelo
estadístico que se usará para poner a prueba la hipótesis del investigador.
La utilización de un diseño experimental adecuado permitirá obtener información válida para
responder a las preguntas planteadas como objetivo de la investigación así como minimizar el
error experimental.
4. Fuentes de Variación
Una fuente de variación está constituida por cualquier factor (variable independiente que
afecta los resultados del experimento) o conjunto de factores controlados o no por el
investigador. Se distinguen tres tipos:
- Aquellas cuyo efecto sobre la respuesta es de particular interés para el experimentador
(factores tratamiento).
- Aquellas que no son de interés directo pero que se contemplan en el diseño para reducir la
variabilidad no planificada (por ejemplo, como se verá más adelante, los bloques).
- Aquellas que no son contempladas en el diseño (error experimental).
Por ejemplo, en un experimento en el que se desean evaluar distintos niveles de abono
nitrogenado en sorgo, los niveles de nitrógeno y la disposición de los surcos en el terreno
generarán variabilidad en el rendimiento. El interés del investigador está en evaluar el efecto
de los niveles de nitrógeno y no el efecto de la ubicación de los surcos, sin embargo ambos
factores deben ser controlados; el primero es un factor tratamiento.
5. Error Experimental
Se debe realizar todo el esfuerzo posible por disminuir el error experimental ya que de esta
manera se aumentará el poder de la prueba (probabilidad de detectar diferencias existentes
entre los efectos de los tratamientos). Para lograr disminuir el error experimental se debe tener
en cuenta lo siguiente:
- Seleccionar minuciosamente el material experimental a usar. Esto permitirá reducir los
efectos debidos a la variabilidad inherente.
- Refinar la técnica experimental. Esto permitirá reducir los efectos debidos a la
variabilidad correspondiente a las condiciones del experimento.
- Utilizar el diseño experimental apropiado.
- Aumentar tanto como sea posible el número de repeticiones en el experimento.
- Utilizar observaciones concomitantes cuando sea necesario.
6.1. Repetición
6.2. Aleatorización
7. Modelo Estadístico
Es una representación matemática de las relaciones existentes entre los diversos factores o
componentes considerados en un diseño experimental. Por ejemplo:
Yij = µ + τ i + eij
Dependiendo de la forma en la que son elegidos los niveles de los factores en estudio, los
modelos pueden ser de tres tipos:
Modelo I (Efectos Fijos): Se presenta cuando los niveles son fijados por el experimentador.
En este caso las conclusiones del experimento solamente son válidas para los niveles
evaluados. Por ejemplo, si se desea estudiar el efecto de dietas con diferente nivel energético
en la ganancia de peso en terneros de ganado vacuno, este factor seria fijo.
Modelo II (Efectos Aleatorios): Se presenta cuando los niveles son escogidos aleatoriamente
desde una población. En este caso las conclusiones del experimento serán válidas para la
población de niveles del factor. Por ejemplo, si además de estudiar el efecto de las dietas, se
desea evaluar el efecto de la condición genética del padrillo en la ganancia de peso de los
terneros, este factor sería aleatorio.
Modelo III (Efectos Mixtos): Se presenta cuando se tiene una combinación de los dos modelos
anteriores, es decir, cuando se tienen algunos factores con efectos fijos y algunos factores con
efectos aleatorios.
8. Análisis de Variancia
Es una técnica estadística que permite descomponer la variabilidad total de los resultados de
un experimento en sus distintas fuentes (factores tratamiento, bloques, interacciones entre
factores, covariables, error experimental), con la finalidad de compararlas e identificar su
importancia relativa en la explicación de la variabilidad total.