“Ciencia y Tecnología al Servicio del País”

22-I

Ingenieria Ambiental

Curso: Diseño Experimental

Docente: Ruth Aubert

Ciclo Académico: 7
2. Conceptos básicos de estadística
El diseño estadístico de experimentos es
el proceso de “planear” el experimento de
tal manera que se puedan analizar por
métodos estadísticos los datos
recolectados y que resulten en
conclusiones objetivas y válidas.
 Experimento puede definirse como una prueba o
serie de pruebas en las que se hacen cambios
deliberados en las variables de entrada de un
proceso o sistema para observar e identificar las
razones de los cambios que pudieran observarse en
la respuesta de salida

Modelo general de un proceso o sistema

Conceptos básicos de estadística
• El diseño experimental busca a través de una serie de
herramientas estadísticas, metodizar los ensayos de prueba y
error para encontrar la mejor combinación de variables
independientes que optimice una variable de respuesta en
unas circunstancias determinadas.
• El análisis experimental se basa en la comprensión de la
variación que presenta los datos de salida de un problema.
• La estadística inferencial generó un número enorme de
“herramientas” de los métodos estadísticos que se diseñan para
contribuir al proceso de realizar juicios científicos frente a la
incertidumbre y a la variación.
• La variación siempre está presente en todos los procesos de
la naturaleza y en los procesos humanos, la planeación de un
experimento permite identificar las fuentes de que la
producen, clasificarlas y tomar decisiones con respecto a
ellas.
EJEMPLO,
• En una panadería se desea saber si las harinas de sus cuatro
proveedores producen la misma viscosidad en la masa. Para ello, produce
durante un día 16 masas, 4 de cada tipo de harina, y mide su viscosidad.
Los resultados obtenidos son:

• Variable respuesta: viscosidad

• Factor: Proveedor
• Tratamientos: 4
• Modelo unifactorial de efectos alatorizados (la variable respuesta puede
depender de la influencia de un único factor, de forma que el
resto de las causas de variación se engloban en el error
experimental.)
EJEMPLO,
A un ingeniero podría interesarle un instrumento específico que se utilice
para medir el monóxido de azufre en estudios sobre la contaminación
atmosférica.
Si el ingeniero dudara respecto de la eficacia del instrumento, tendría que
tomar en cuenta dos fuentes de variación.
La primera es la variación en los valores del monóxido de azufre que se
encuentran en el mismo lugar el mismo día.
La segunda es la variación entre los valores observados y la cantidad real
de monóxido de azufre que haya en el aire en ese momento.
Si cualquiera de estas dos fuentes de variación es excesivamente grande
(según algún estándar determinado por el ingeniero), quizá se necesite
remplazar el instrumento.
Conceptos básicos de estadística
• En la estadística usan leyes fundamentales de probabilidad e inferencia
estadística para sacar conclusiones respecto de los sistemas científicos.

• La información se colecta en forma de muestras o conjuntos de

observaciones.

• Las muestras se reúnen a partir de poblaciones, que son conjuntos de todos

los individuos o elementos individuales de un tipo específico.

• A veces una población representa un sistema científico.

• Ejemplo, un fabricante de tarjetas para computadora podría desear eliminar

defectos. Un proceso de muestreo implicaría recolectar información de 50
tarjetas de computadora tomadas aleatoriamente durante el proceso.
Población - Muestra, Parámetros y Estadísticos
• Colección o totalidad de posibles individuos,
Población o
especímenes, objetos o medidas de interés sobre los
Universo
que se hace un estudio. Pueden ser finitas o
infinitas
Población finita: Aquella en la
que se pueden medir todos los
individuos para tener Población infinita: Aquella
conocimiento exacto de sus en la que la población es
características. grande y es imposible e
incosteable medir a todos los
individuos.

Muestra representativa: Parte de una población,

seleccionada adecuadamente, que conserva los
aspectos clave de la población
9
Población y muestra, parámetros y estadísticos
Población: Conjunto de elementos sobre los que se observa un carácter
común. Se representa con la letra N.
También se considera como un conj de medidas. Si la característica
observada ha sido medida = variable continua, si tan solo se hace el
recuento se denomina atributo o puede ser una variable discreta
Muestra: Conjunto de unidades de una población. Cuanto más
significativa sea, mejor será la muestra. Se representa con la letra n.
Unidad de Muestreo: Está formada por uno o más elementos de la
población. El total de unidades de muestreo constituyen la población.
Estas unidades son disjuntas entre sí y cada elemento de la población
pertenece a una unidad de muestreo.
Parámetro: Es un resumen numérico de alguna variable observada de la
población. Los parámetros normales que se estudian son:
 - La media poblacional: 
 - Total poblacional: X
 - Proporción: P
Población y muestra, parámetros y estadísticos
 Muestra representativa, Es una parte de una población,
seleccionada adecuadamente, que conserva los aspectos
clave de la población.

 Inferencia estadística, Son afirmaciones estadísticas

acerca de la población o proceso basadas en la información
contenida en la muestra.

 Estadísticos, cantidad que se obtiene a partir de los datos

de una muestra y que ayuda a resumir ls característica de
la misma

 Distribución de probabilidad de X, Relaciona el

conjunto de valores de X con la probabilidad asociada con
cada uno de estos valores
Contraste de Hipótesis: Consiste en determinar si es aceptable,
partiendo de datos muestrales, que la característica o el parámetro
poblacional estudiado tome un determinado valor o esté dentro de
unos determinados valores.

Nivel de Confianza: Indica la proporción de veces que

acertaríamos al afirmar que el parámetro θ está dentro del intervalo
al seleccionar muchas muestras.

A las características numéricas de una población, como la media

y la desviación estándar, se les llama PARÁMETROS.

El principal propósito de la inferencia estadística es hacer

estimaciones y pruebas de hipótesis acerca de los parámetros
poblacionales usando la información que proporciona una
muestra.
Relación entre población y muestra, parámetros y
estadísticos

• Ej. un parámetro que podría ser de interés es la proporción p de productos

defectuosos, o la media µ, de alguna variable medida a los productos. Si la población es
infinita o grande se tendrá que sacar una muestra representativa de dicha población,
Inferencia estadística
• El objetivo de la inferencia estadística es hacer afirmaciones
válidas acerca de la población o proceso con base en la
información contenida en una muestra.
• tienen por objetivo caracterizar mejor a la población y por lo
general se divide en estimación y prueba de hipótesis,
• Un estadístico se define como cualquier función de los datos
muestrales que no contiene parámetros desconocidos. Ej. la
media muestral X que trata de hacer afirmaciones sobre la media,
m, que es un parámetro poblacional.
• Un aspecto clave en la interpretación y utilización de cualquier
estadístico es que se trata de una variable aleatoria, ya que su
valor depende de los elementos que son seleccionados para
integrar la muestra.
Criterios de clasificación de investigaciones
 Según el propósito son Estudio comparativo,
Descriptivos o Comparativos
• 2 o más poblaciones
 Según la evolución son
• Longitudinal
Transversales o
• Prospectivo
Longitudinales
• Experimental (el investigador aplica
 Según la fuente de tratamientos)
información son
Prospectivos o Observacional (el investigador solo observa el
Retrospectivos fenómeno) (Pseudoexperimento)
 Según el control del
investigador son
Observacionales o
Experimentales
Considerar en el Muestreo….

1. Definir claramente la población de estudio. pueden ser

personas, clínicas, fuentes de abastecimiento de agua.
2. Enfoque del estudio.
• Será a nivel nacional, regional, local
• Entre mayor sea la muestra tendrá a ser mas representativa y
menor será el error de muestreo.
• Si se desea hacer cruces de variables se recomienda no tener
menos de 50 casos en c/u de las subcategorías de la variable
principal.
2.2 Métodos de Muestreo
Muestreo NO aleatorio

• Una muestra no es aleatoria cuando los elementos son

elegidos por medio de métodos no aleatorios. Este
procedimiento esta sujeto a errores, ya que se confía al juicio
subjetivo de los seres humanos, como la selección dirigida (no
aleatoria) donde las unidades son tomadas en forma
caprichos y en la mayoría de las veces por conveniencia. Ej,
encuestas de opinión
• Muestra dirigida, formada por una parte de la población que
el investigador considera como representativas. Ej la selección
de 10 familias para opinión de seguridad ciudadana, … que
puede ser sustituido por el muestreo voluntario.
1. Muestreo Aleatorio Simple (Muestreo Simple al
Azar) Todos tienen la misma probabilidad de ser seleccionados, es un
procedimiento de muestreo probabilístico que da a cada
elemento de la población objetivo y a cada posible muestra de
un tamaño determinado, la misma probabilidad de ser
seleccionado.
Pasos :
◦ Determinar el tamaño de la muestra
◦ Numerar los individuos de 1 a n
◦ Tirar unidades al azar (probabilidad igual)

Ejemplo de muestreo aleatorio simple

Una empresa tiene 120 empleados. Se quiere extraer una
muestra de 30 de ellos.
• Enumera a los empleados del 1 al 120
• Sortea 30 números entre los 120 trabajadores
• La muestra estará formada por los 30 empleados que
salieron seleccionados de los números obtenidos.
En resumen el muestreo aleatorio simple es un sorteo,
2. Muestreo Aleatorio Sistemático

El muestreo sistemático es un tipo de muestreo

probabilístico que se basa en enlistar a toda una población,
elegir de forma aleatoria al primer individuo para la
muestra y luego, a partir de un intervalo definido por el
investigador, seleccionar al resto de los individuos que
conformarán la muestra.

Ejemplo, supongamos que necesitamos extraer una muestra

de 10 personas a partir de una población total de 100 y el
primer individuo seleccionado para la muestra es el número 3.
A partir de este, mediante un intervalo de 4 decidido por el
investigador, se seleccionarán los próximos individuos hasta
completar la muestra, de manera que serán los números 7, 11,
15, etc.
3. Muestreo Aleatorio Estratificado
Una población se divide en subgrupos, denominados
estratos, y se selecciona al azar una muestra de cada
estrato.
 Métodos de Muestreo
4. Muestreo Aleatorio por Conglomerados.
Se divide la población en varios grupos de características
parecidas entre ellos y luego se analizan completamente
algunos de los grupos, descartando los demás.
Dentro de cada conglomerado existe una variación
importante, pero los distintos conglomerados son parecidos.
Requiere una muestra más grande, pero suele simplificar la
recogida de muestras. Frecuentemente los conglomerados se
aplican a zonas geográficas
4.1 Muestreo mixto.
Cuando la población es compleja, cualquiera de los métodos descritos puede ser difícil
de aplicar, en estos casos se aplica un muestreo mixto que combina dos o más de los
anteriores sobre distintas unidades de la encuesta.
Ejemplo: se pretende determinar la prevalencia de Covit en una región del paìs: se dividen
las poblaciones en tres grupos en función de su tamaño y se realiza un muestreo
estratificado, en las provincias que forman la muestra se realiza un muestreo sistemático
para elegir los individuos que se analizarán.
Ejemplos de clase /grupo:

• Muestreo Aleatorio Simple

• Muestreo Aleatorio Sistemático

• Muestreo Aleatorio Estratificado

• Muestreo Aleatorio por Conglomerados.

GRACIAS!