MATERIALES Y MÉTODOS

Tesis de Grado – 2019

Eduardo Hildt
Diego Broz

Foto: Jorge Moura - Forest Products Laboratory – Madison

https://cutt.ly/DetaOiQ
 or
ri
nt e Diseño teórico
a
se de la investigación
c la
la
En
●
Comprende:
– Definición del Problema
– Elaboración de Hipótesis
– Definición de los Objetivos

2
Estructura de la presentación

1 – Aspectos generales
2 – Muestreo o Diseño experimental
3 – Descripción de los ensayos
4 – Análisis estadístico
5 – Evaluación de ejemplos

3
Aspectos generales

Diseño experimental
¿Cómo se hizo?
¿Dónde se hizo?
¿Cuándo se hizo?
¿Con qué se hizo?
Técnicas de investigación ¿Cómo se midió?
¿Cómo se analizó?

Repetitividad
Análisis estadístico

4
Detalle y extensión

Explicación Extensión
detallada limitada
que permita solamente a
repetir el los aspectos
experimento relevantes

5
Estructura general

- Generalidades
- Ubicación del sitio de estudio
- Estructura del estudio
- Esquema de muestreo / Diseño experimental
- Procedimientos de muestreo
- Número de muestras
- Técnicas y análisis aplicados
- Análisis estadístico

6
Sitio de estudio

- Ubicación
- Dirección o Latitud y Longitud de los sitios relevados
- Momento en que se realizó el estudio
- Características (Ej: Industria)
- Tipo de proceso
- Tipo de materia prima empleada
- Tipos de productos generados
- Organización de la planta
- Capacidad de producción

7
2. Estructura del estudio

Estudios descriptivos Estudios experimentales

Permiten estudiar Cuando exista la posibilidad de
situaciones sin intervenir en observar un fenómeno al
ellas. mismo tiempo que se controlan
Emplean el Muestreo los factores que lo afectan.

Costo reducido Diseños experimentales

Mayor rapidez Completamente aleatorizado
Mayor alcance Bloques completos al azar
Mayor precisión Factorial
Probabilístico Combinaciones
No probabilístico

8
Teoría de muestreo

Muestra

Estimadores

Universo o población

Parámetros

9
Principios del muestreo

- Aleatoriedad
- Representatividad
- Tamaño de la muestra
- Tipos de muestreo:
Aleatorio simple
Sistemático con inicio aleatorio
Estratificado
Por conglomerados

10
11 Aleatorio simple / Estratificado
12 Por conglomerados
Tamaño de la muestra

n = tamaño necesario de la muestra.

Z = margen de confiabilidad o número de unidades de desviación
estándar en la distribución normal que producirá un nivel deseado de
confianza.
S = desviación estándar de la población conocida o estimada a partir
de anteriores estudios o de una prueba piloto.
E = error o diferencia máxima entre la media muestral y la media de
la población que se está dispuesto a aceptar con un nivel de
confianza que se ha definido.
Rabolini, N.M.C. 2009. Técnicas de muestreo y determinación del tamaño de la
13 muestra en investigación cuantitativa.
Revista Argentina de Humanidades y Ciencias Sociales. V 7(2)
Principios del muestreo

- Unidades de observación
Unidades sobre las que se realizan las
mediciones.
- Error de muestreo
Diferencia entre la estimación lograda con las
muestras y el valor real del parámetro para
toda la población.
- Error no muestral
Otros errores que pueden ocurrir durante la
investigación (evitables con planificación y
capacitación).

14
Error de muestreo
Población Muestra

Muestreo

µ=5,55 x=5,75
σ=2,01 s=2,63

µ σ
Parámetros
Inferencia x s
Estimadores
15
Unidades experimentales

Mínima unidad a la que:

Se aplican los tratamientos
Sobre la que se realizan mediciones
Constituye un dato individual

Concepto de repetición

16
Ejemplo:

17
Ejemplo:

¿Qué obtenemos?
18
Ejemplo:

Ejemplo:
Evaluación de la calidad lograda por dos
herramientas en un router CNC.
Unidades experimentales:
Paneles MDF de 300 x 300 mm
Tratamientos:
A: Acero
B: Carburo de tungsteno
Repeticiones:
3 repeticiones

19
Tipos de diseños experimentales

Diseño completamente Diseño en bloques

aleatorizado completos al azar
A C A D A C B D

C D B B C D A B

B C D A B A D C

Diseño factorial Diseño multi-factorial

Factor A: Factor A => N1, N2, N3
N1 – N2 – N3
Factor B => Na, Nb
Factor B:
Factor C => Nx, Nz, Ny
Na – Nb

20
Técnicas y análisis empleados

Describir las técnicas empleadas

Mediciones, ensayos, cálculos
Si son originales deben describirse de forma detallada.
Si fueron desarrollados por otro investigador o son
ampliamente conocidos solamente debe mencionarse su uso
acompañado de una cita.
Si se encuentran regulados por una norma, debe mencionarse
esta junto con una cita.
Si se realizaron modificaciones al procedimiento, estas deben
quedar detalladas.

21
Presentación de ecuaciones

Las ecuaciones deben introducirse con el editor de ecuaciones,

precedidas por una llamada en el texto. Ejemplo:

Empleando la expresión (7) se ha calculado el número total de muestras

necesarias para el estudio….
2 2
N =(Z ∗r )/ d
2 (7)

También puede presentarse en linea con el texto si su

importancia no justifica exponer una ecuación numerada.
Empleando la expresión N=(Z ∗r )/ d se ha calculado el número total de muestras
2 2 2

necesarias para el estudio….

22
Ecuaciones

Los términos de la ecuación deben ser definidos de forma

inmediata en un párrafo:

Empleando la expresión (7) se ha calculado el número total de muestras

necesarias para el estudio….
2 2
N =(Z ∗r )/ d
2 (7)

Donde N es el tamaño muestral óptimo; Z² es el coeficiente de confiabilidad

(1-α = 95%); r² es la varianza de la muestra piloto; d² es el margen de error
permitido.

23
Análisis estadístico

Mediciones Muestra Trat. Densidad Calidad

Generación de información
1 A 0,54 5
3 A 0,45 5
Sistematización 6 A 0,37 4

4 A 0,50 5
7 B 0,75 3
Análisis estadístico
5 B 0,83 4
8 B 0,66 2

Evaluación de la hipótesis 2 B 0,93 3

24
https://www.glabstat.com/test
Modelos lineales: Principales supuestos

Normalidad
Distribución simétrica y unimodal
Media ≈ Mediana

Los modelos lineales asumen

que los residuos del modelo
siguen la distribución normal.
Pruebas:
Gráfico QQPlot
Test de Shapiro-Wilk
Shapiro-Wilk normality test
data: (datos1)
W = 0.98921, p-value = 0.4357

26
Modelos lineales: Principales supuestos

Homogeneidad de la varianza
La varianza debe ser homogénea
entre los distintos tratamientos
y a lo largo de un gráfico de
correlación.
Pruebas:
Gráfico residuos vs predichos
Test de Levene

Otros supuestos: Independencia y Linealidad

27
Software para el análisis estadístico

Debe ser citado en la metodología, indicando:

Programa
Versión
Herramientas empleadas
Publicaciones de referencia
Ej:
[“El R² Marginal y el R² Condicional fueron calculados empleando el paquete
“piecewiseSEM” para ecuaciones estructurales del software R(LEFCHECK,
2016; R CORE TEAM; 2018)”]

28
Opciones disponibles

29
Evaluación de ejemplos

Artículos o tesis ya publicadas

Temas particulares

30
Próximas clases

Presentación y discusión de resultados

Elaboración de conclusiones

Planificación de actividades mediante camino

crítico

Estructura final del proyecto

Técnicas de presentación

31