UNIVERSIDAD TÉCNICA DEL NORTE

FACULTAD DE INGENIERÍA EN
CIENCIAS APLICADAS
INGENIERÍA EN ELECTRICIDAD

PROBABILIDAD Y ESTADÍSTICA

Tema: Metodología de Diseño Experimental

Informe:

Fecha de realización
del informe 2023 07 18
año mes día

Observaciones:

Fecha de entrega del

informe: 2023 07 20
año mes día

Observaciones:

Periodo: X Abril – Agosto

Octubre – Febrero
Tema: Metodología de Diseño Experimental
Objetivo General
 Obtener el conocimiento de la metodología de diseño experimental con
definiciones, fundamentos, y metodologías y cómo se planea el
experimento.
Objetivos Específicos
 Obtener el conocimiento de diseño experimental y sus tipos.
 Saber los fundamentos de diseño experimental.
 Cuál es la metodología.
Definición de Diseño Experimental
El diseño experimental es una técnica estadística. Esta consiste en manipular
intencionalmente la variable independiente de un modelo para observar y medir
sus efectos en la variable dependiente.
El diseño experimental es un método cuantitativo que busca determinar el
impacto de modificar una variable sobre otra en un proceso o estudio
estadístico. Utiliza matemáticas para medir los cambios en la variable
dependiente, que es explicada por las variables independientes. La
manipulación se basa en fundamentos teóricos para llegar a conclusiones. Es
importante considerar factores externos que puedan afectar el experimento,
analizando si alguna variable adicional modificada deliberadamente pudo influir
en la variable dependiente. (Westreicher, 2021)
Tipos de diseños experimentales
 Diseño preexperimental: En este tipo de diseño, se analiza y observa
una variable o fenómeno sin manipular deliberadamente una variable
independiente. Por ejemplo, un entrenador de fútbol aplica un nuevo
método de entrenamiento a sus alumnos y luego evalúa su rendimiento
después de tres meses para ver si ha habido cambios.

 Diseño experimental verdadero: En este caso, se tienen dos grupos

de control. Uno de los grupos tiene la variable independiente
manipulada, mientras que el otro grupo no. Se compara el efecto entre
ambos grupos. La distribución de los grupos de control se realiza de
manera aleatoria, como en las pruebas para el desarrollo de vacunas,
donde algunos voluntarios reciben la vacuna mientras que otros reciben
un placebo.

 Diseño experimental cuasiexperimental: Es similar al diseño

experimental verdadero, pero en este caso, el grupo de control no se
selecciona al azar. En cambio, se escogen grupos ya formados, como
 dos aulas distintas en una institución educativa, para comparar el efecto
de la variable independiente.
En resumen, los diseños experimentales varían en la manipulación de la
variable independiente y la forma en que se seleccionan los grupos de control.
Fundamentos del Diseño Experimental
El hombre ha tenido un interés constante en mejorar sus condiciones de vida y
ha estudiado fenómenos naturales para comprender su entorno. Para ello, ha
desarrollado ciencias y utilizando métodos de análisis, destacando el Método
Científico, que implica lógica y objetividad en la observación de fenómenos
conocidos, formulando hipótesis y realizando experimentos para hacer
predicciones.
Cuando las condiciones no pueden mantenerse constantes en experimentos
grandes, se recurre al Método Estadístico, que observa los fenómenos tal como
ocurren, registrando las variaciones de los factores involucrados para analizar
su influencia.
En la investigación actual, los científicos combinan el método experimental con
el estadístico para crear el Diseño Experimental, una secuencia planificada de
pasos para asegurar la adecuación de los datos y permitir un análisis objetivo.
El problema experimental se compone de dos partes interconectadas: el
Diseño Experimental y el Análisis estadístico de los datos. (Rojas Cárdenas,
2000)
Algunos conceptos del Diseño Experimental se ilustran en la siguiente figura y
se definen a continuación:

Variables dependientes (Yi): Son las características de interés que se

estudian y analizan en el experimento.
Unidades de muestreo: Son los elementos en los que se observa la variable
dependiente.
Tratamiento: Conjunto de condiciones experimentales aplicadas a las
unidades de muestreo, cuyos efectos se medirán y compararán
Unidades experimentales: Elementos de la población a los que se les aplican
los tratamientos y proporcionan respuestas para el estudio.
Variables independientes (X): Aspectos de las unidades experimentales que
pueden afectar el resultado de la variable de interés, controlados por el
investigador.
Variables incontrolables (Z): Aspectos que no están sujetos a estudio o
control debido a su falta de relevancia o dificultad para mantenerlos constantes
en el experimento (por ejemplo, temperatura, luz, precipitación, etc.).

Metodología del diseño experimental

La fase de planificación del experimento es crucial, pero a menudo se
descuida. Se aconseja que el investigador se comunique con un estadístico
desde el inicio para evitar problemas de diseño que puedan dificultar el análisis
e interpretación de los datos.
El estadístico aporta su valor al hacer preguntas que llevan al investigador a
reconsiderar todos los aspectos del problema, incluyendo las razones para
realizar el experimento. Los planes deben adaptarse al sitio específico del
experimento para que se pueda realizar un ensayo preciso y bien diseñado. El
análisis e interpretación de los datos deben ser sencillos y las conclusiones
deben estar centradas en el problema en estudio. En resumen, la colaboración
con un estadístico es esencial para asegurar la calidad y validez de los
resultados experimentales. (Alvarez, 1984)
¿Cómo se planea el experimento?
En el diseño experimental, es posible realizar comparaciones, estimaciones y
pruebas de hipótesis sobre las poblaciones de interés con los tratamientos
seleccionados. Sin embargo, es importante obtener las réplicas necesarias
durante el experimento, ya que un número insuficiente de replicaciones puede
no detectar diferencias reales, mientras que un exceso de replicaciones podría
resultar costoso.
Además, contar con un buen estimado del error experimental es crucial para
obtener resultados confiables. Un análisis de los datos sin complicaciones es
posible si el experimento ha sido bien planificado, ya que en casos de
experimentos mal diseñados, podría surgir la imposibilidad de analizar los
datos obtenidos.
En el proceso de diseño experimental, se debe aplicar la aleatorización cuando
sea necesario para evitar sesgos y asegurar resultados válidos y
representativos. (Cochran, 1966)
Pasos para planear un experimento
A continuación, se muestra una guía de procedimiento para diseñar y analizar
un experimento:
 Comprensión y planteamiento del problema. Identificar claramente el
problema teniendo en cuenta la opinión de todas las partes implicadas,
desarrollando las ideas sobre los objetivos propuestos dentro del
experimento, teniendo en cuenta los siguientes aspectos.
a) Identificar el área del problema.
b) Delinear elproblema específico con sus limitaciones usuales.
c) Definir el propósito exacto del problema o prueba.
d) Determinar la relación del problema particular con la investigación
e) Reunir la información básica disponible.

Definición de objetivos: Los objetivos deben ser claros, específicos y

abordar preguntas, hipótesis o efectos que se desean probar o estimar.
Elección de factores y niveles: Se debe determinar qué factores serán
variados en el experimento, sus rangos de variación y cómo se controlarán.
También es crucial seleccionar la variable de medición y considerar el error
de medición.
Selección de variable de respuesta: La variable de respuesta debe
proporcionar información útil sobre el proceso en estudio y tener en cuenta
la detección de efectos pequeños.
Elección del diseño experimental: Se debe considerar el tamaño de la
muestra, el orden de los ensayos y las restricciones de aleatorización. Es
importante que el diseño esté alineado con los objetivos del experimento.
Realización del experimento: Es fundamental controlar el proceso para
garantizar su validez. Se recomienda desarrollar métodos, materiales y
equipo adecuados, supervisar los detalles y registrar la información de
manera cuidadosa.
Análisis de datos: Se debe emplear métodos adecuados para analizar los
datos y obtener resultados y conclusiones objetivas.
A continuación, algunos ejemplos de diseño experimental
1. La mentira circula más que la verdad. De acuerdo a un estudio
publicado por la revista Science, entre 2006 y 2017, más de tres
millones de personas compartieron en Twitter 126.000 rumores. De las
historias con mayor repercusión, la mentira llegó a entre 1.000 y 100.000
usuarios, en tanto, la verdad, en pocas ocasiones superó los 1.000
impactos. Según el estudio —elaborado en tiempos en los que las
noticias falsas divulgadas a través de las redes pueden influir en el
 bienestar social, la economía y la política—, las emociones y la novedad
que producen las falsedades podrían ser el motivo de su mayor
propagación.
2. Dormir mal puede generar problemas de pareja. Un estudio hecho en
la Universidad de California por la psicóloga Amie Gordon, aseguró que
dormir mal produce actitudes egoístas, además de una visión negativa
de la realidad. Todo esto, según el estudio, podría desencadenar
inconvenientes en las parejas. Para llegar a esta conclusión, se
recogieron datos de 60 parejas de entre 18 y 56 años, a las que se les
consultó sobre sus sentimientos hacia sus respectivas parejas y sobre
las maneras en las que resolvían sus problemas cotidianos. De acuerdo
a la investigación, quienes decían tener inconvenientes para dormir
expresaron menor aprecio y reconocimiento hacia sus pares, además de
ser más desconsiderados que aquellos sin problemas de sueño.
3. Los centennials son más maduros que los millennials. Un estudio
confeccionado por The Futures Company afirmó que los centennials
(aquellas personas nacidas después del 2000) cuentan con un mayor
grado de madurez que los millennials.
Según argumentan, esto se debe a que a los primeros les tocó vivir en
una época con mayores complicaciones sociales y económicas que sus
predecesores, lo que los hace ver las dificultades para alcanzar el éxito y
los obstáculos de la vida.
El 60 % de los millennials prefiere tener la seguridad de que nunca será
pobre antes de tener la posibilidad de ser rico”, arroja el estudio.
4. A mayor peso, menos sabrosa sabe la comida. Un estudio reciente
realizado por la Universidad Cornell, Nueva York, afirma que el
sobrepeso no solo desencadena enfermedades como la diabetes o
problemas cardiovasculares, sino también produce la reducción del
gusto. Es decir, la comida tiene menor sabor que antes de subir de peso.
Para llegar a esta conclusión, los investigadores trabajaron con ratones y
llegaron a la conclusión de que con el incremento del tejido adiposo en el
cuerpo, las papilas gustativas no se reproducen con normalidad, lo que
produce una reducción del sentido del gusto. La consecuencia de la pérdida
del gusto trae aparejado que se come una mayor cantidad para sentir el
mismo grado de satisfacción que antes. De esta forma, la ingesta de
calorías incrementa el peso.
5. Los motivos por los que a veces las personas no pueden parar de
comer. Científicos de la Universidad de Carolina del Norte, Estados
Unidos, lograron describir cómo un circuito cerebral fomenta la ingesta
de alimentos por mero placer. El profesor Thomas Kash detectó una red
específica de comunicación celular proveniente de la región del cerebro
que procesa las emociones, lo que motivaba a los ratones a seguir
ingiriendo comida sabrosa incluso cuando sus necesidades energéticas
básicas ya están satisfechas. Ese circuito cerebral, presente en
 mamíferos, sería el motivo por el que los seres humanos comen más de
lo necesario. De acuerdo al estudio, el circuito es una consecuencia de
la evolución. Hace tiempo, los alimentos ricos en calorías eran escasos
(no como en la actualidad), por lo que el cerebro humano fue diseñado
para comer tantas calorías como fueran posibles porque no se sabía
cuándo volvería a presentarse esa oportunidad. Básicamente, se trata
de un comportamiento de supervivencia. «Este circuito parece ser la
forma en que el cerebro te dice que, si algo sabe realmente bien,
entonces vale la pena el precio que pagues por obtenerlo, así que no te
detengas», argumentó el profesor Kash.
6. La actividad física mejora la salud mental. De acuerdo a un estudio
publicado por la revista The Lancet Psychiatry, del que participaron más
de 1,2 millones de estadounidenses mayores de 18 años, la actividad
física mejora en un 43,2 % su salud mental. Según observaron los
investigadores, los deportes en equipo, las actividades aeróbicas y el
ciclismo realizados durante 45 días al menos tres veces por semana son
las actividades que producen los efectos más notables.
7. A los cereales les gusta la música clásica. De acuerdo a una
investigación llevada adelante por un equipo de científicos surcoreanos,
dos genes de arroz responden de forma más activa al ser expuesto a
música clásica. Para llevar adelante el estudio, que fue publicado en la
revista británica New Scientist, las plantas de arroz fueron expuestas al
sonido de 14 obras clásicas con diferentes frecuencias y, en paralelo,
fueron analizados los niveles de actividad de los genes. De acuerdo a
los resultados, el sonido sería una alternativa a la luz como gen
regulador.
8. Escuchar música clásica y dormir con ella ayuda a memorizar. Un
estudio publicado en Neurobiology of Learning and Memory, elaborado
por científicos estadounidenses, afirmó que escuchar la misma música
clásica durante el estudio y a la hora de dormir ayuda a absorber los
contenidos. Para concretar la investigación, 50 estudiantes tomaron
clases virtuales de microeconomía mientras escuchaban música clásica.
Más tarde, durante la fase de sueño lento, fueron expuestos a esa
misma música o a ruido blanco. Los participantes que integraron el
grupo experimental activo retuvieron mayor información y superaron el
examen con mejores resultados que el resto. De acuerdo a los
científicos, la actividad de los lóbulos frontales cuando las personas
dormían explica el mejor desempeño. La falta de sueño, en cambio,
puede producir dificultades en el aprendizaje. (Editorial, 2022)
Discusión
El diseño experimental es una poderosa herramienta para la investigación
científica, ya que permite establecer relaciones causales y controlar variables
para obtener resultados más precisos y confiables. Sin embargo, su uso no
siempre es factible o apropiado en todas las situaciones de investigación.
Algunas investigaciones requieren un enfoque más naturalista y menos
controlado, especialmente cuando se estudian fenómenos complejos en
contextos del mundo real.

Los investigadores deben ser conscientes de las ventajas y limitaciones del

diseño experimental al decidir qué enfoque es más adecuado para su estudio.
En algunos casos, puede ser útil combinar métodos experimentales con
enfoques cualitativos o estudios observacionales para obtener una
comprensión más completa del fenómeno en cuestión.
Además, es importante destacar que la ciencia avanza mediante la
acumulación de evidencia de diferentes estudios y metodologías. La replicación
de experimentos y la realización de estudios similares en diferentes contextos
son esenciales para fortalecer la validez externa de los resultados y para
establecer conclusiones más sólidas sobre la relación entre las variables
estudiadas.
Conclusión
En conclusión, el diseño experimental es una herramienta valiosa para
establecer relaciones causales y controlar variables en la investigación
científica. Sin embargo, su uso debe ser cuidadosamente considerado en
función de los objetivos específicos de la investigación y las características del
fenómeno bajo estudio. Al combinar diferentes enfoques metodológicos, los
investigadores pueden abordar preguntas complejas desde múltiples
perspectivas, lo que enriquece el conocimiento científico en general.

Bibliografía
Alvarez, R. (1984). Algunos Métodos Estadísticos usados en el Diseño
Experimental. Bogotá: Universidad Distrital Francisco José de Caldas.
Cochran, W. (1966). Probabilidad y Estadística: Aplicaciones y Métodos. New
York: Editorial Jhon Wiley.
Editorial, E. (31 de Agosto de 2022). Enciclopedia de ejemplos. Obtenido de
Enciclopedia de ejemplos: https://www.ejemplos.co/investigacion-
experimental/
Rojas Cárdenas, L. E. (2000). Exploración del diseño experimental. Nueva
Granada: Ciencia e Ingeniería Neogranadina.
Westreicher, G. (1 de Marzo de 2021). Economipedia. Obtenido de
Economipedia: https://economipedia.com/definiciones/diseno-
experimental.html