Análisis y Diseño

de
Experimentos
UNIDAD #
1
Clase #2

Un
Un experimento
experimento es es un
un estudio
estudio de de
investigación
investigación en en donde
donde el
el investigador
investigador
establece
establece relaciones
relaciones causa-efecto,
causa-efecto,
manipulando
manipulando intencionalmente
intencionalmente lala variable
variable
oo variables
variables independientes.
independientes.

Todo experimento
Todo experimento comienza
comienza con
con el
el
planteamiento de
planteamiento de un
un problema
problema acerca
acerca
de cuya
de cuya solución
solución no
no tenemos
tenemos certeza.
certeza.
 Análisis y Diseño de Experimentos (DOE o DAE)
Es una prueba o serie de pruebas en las cuales se inducen cambios deliberados en las
variables de entrada de un proceso o sistema, de manera que sea posible observar e identificar
las causas de los cambios en la respuesta de salida.
 Importancia y Propósito del diseño Experimental
Info
r
prod mación
e n tal en siste uctos
ma
que
p
fu ndam rrollo. (un y proce ermita
n papel y el desa r anal
opti í ti
proc
e s
sos,
c
desa
rr
j ue ga u gación ob t ene c o
miz o) y to o indus mpren ollar nu
ión investi n es a rl o m t d e
n t a c
rime os de la eriment ad. a ci ó y m ar dec rial, un er mejo vos
x pe hipó ejorar isione proce r un
La e los camp e la exp de calid tesis su ss di
s d
todo objetivo formació
n cien calida obre co miento
tífic d m
El in as, e , comp o
t c. roba
r
Fisher(1996) define el
diseño como “la
estructura lógica del
experimento”. Dicha
estructura, que está en
función del problema, la
hipótesis y las condiciones
en las cuales trabaje el
investigador, puede
representarse
gráficamente.
 Objetivos del Diseño
Experimental

El objetivo general de cualquier

diseño experimental es
proporcionar una cantidad
máxima de información
pertinente al problema baja
investigación.
 • Entender la importancia de los diseños
experimentales en la investigación.

OBJETIVO • Establecer diferencia entre tipos y

clases de diseños.
• Criterio para seleccionar el diseño

S
 ¿En qué situaciones se aplica el Diseño
Estadístico de Experimentos?
Las situaciones en las que se puede aplicar el DEE son muy
numerosas. De forma general, se aplica a sistemas como el
mostrado en la ilustración, en los cuales se observan una o más
variables experimentales dependientes o respuestas (y) cuyo
valor depende de los valores de una o más variables
independientes (x) controlables llamadas factores. Las
respuestas además pueden estar influidas por otras variables que
no son controladas por el experimentador. La relación entre x e
y no tiene porqué ser conocida
Ejemplos de sistemas experimentales son:
- Una reacción química, cuyo rendimiento (y) puede ser función, entre otros, del tiempo de reacción
(x1), la temperatura de la reacción (x2) y el tipo de catalizador (x3) utilizado. Otras variables que
pueden influir son, por ejemplo, la pureza de los reactivos, la limpieza del material, la velocidad de
agitación,....

- Una separación cromatográfica, donde el tiempo de la separación depende del pH y el porcentaje

de modificador orgánico de la fase móvil.

- Un alimento, producido por mezcla en distintas proporciones (x) de sus ingredientes, lo cual da
lugar a diferentes olores y sabores (y)
Estos son sólo algunos ejemplos del amplio campo de aplicación del DEE, que abarca, en la
industria, desde el laboratorio hasta proceso de producción. Al facilitar el desarrollo más
rápido de productos, y a más bajo coste, el DEE juega un papel fundamental desde el punto de
vista industrial y proporciona una ventaja competitiva importante para la empresa que lo usa.
Aunque el DEE se puede aplicar cuando se estudia un solo factor (como por ejemplo en la
elección de los patrones más adecuados para construir una recta de calibrado), sin duda sus
ventajas se aprecian mejor cuando se debe estudiar más de un factor.
 ¿Qué es el Diseño Experimental?

Investigar implica indagar, profundizar e intentar

comprender la realidad, por lo que toda
investigación, por más simple que sea, requiere una
planeación o estrategia previa que oriente, es decir,
que vaya guiando en la búsqueda de respuestas a las
múltiples preguntas que se han planteado. A esta
forma de planificación o estrategia se le denomina
diseño.
Clase #3
La experimentación se debe planificar (diseñar) cuidadosamente para que proporcione la información buscada.

Dicha planificación debe considerar dos aspectos importantes relacionados con toda experimentación:

1. La experimentación es normalmente cara. La capacidad de experimentar está limitada por el coste en tiempo y en
recursos (personal, productos de partida, etc...). Por tanto, una organización óptima de la experimentación deberá
contemplar el menor número de experimentos que permita obtener la información buscada.

2. El resultado observado de un experimento (y) tiene incertidumbre:

Y= h + e
donde h es el resultado “verdadero” (desconocido) del experimento y e es una contribución aleatoria, que varía cada vez que se
repite el experimento.

Por ello, la Estadística, disciplina que proporciona las herramientas para trabajar en ambientes de incertidumbre, juega un
papel fundamental en el diseño de los experimentos y en la evaluación de los resultados experimentales.
El análisis de los resultados experimentales permitirá obtener
conclusiones sobre el sistema en estudio y decidir
actuaciones futuras.

Tanto por la importancia de las decisiones que se pueden

tomar, como por el coste elevado de la experimentación no
parece adecuado dejar la elección de los experimentos y la
evaluación de los resultados a la mera intuición del
experimentador.

Se debe utilizar una metodología matemática y estadística

que indique como planificar (diseñar, organizar) la secuencia
de experimentos de una forma óptima, de modo que se
minimice tanto el coste de la experimentación como la
influencia del error experimental sobre la información
buscada. Dicha planificación y análisis es el principal
objetivo del Diseño Estadístico de Experimentos.
 ¿Qué es el Diseño Estadístico de
Experimentos?
Se podría definir el Diseño Estadístico de Experimentos (DEE), también denominado diseño
experimental, como una metodología basada en útiles matemáticos y estadísticos cuyo objetivo
es ayudar al experimentador a:

1. Seleccionar la estrategia experimental óptima que permita obtener la información buscada

con el mínimo coste.
2. Evaluar los resultados experimentales obtenidos, garantizando la máxima fiabilidad en las
conclusiones que se obtengan.
 TAREA
Realizar 2 ejemplos de DEE, y explicar mínimo 8 líneas cada uno.
Diseños Pre-experimental
La invención consciente del investigador sobre las
Experimentales variables es mínima, y esto se da fundamentalmente
debido a la inexistencia de grupos de control.

Tipos de Diseños Puro o Verdadero

La variable independiente es medible y manipulable; la
Campbell y Stanley, (1966)identifican tres variable dependiente es medible; existe grupo(s) de
categorías de diseños experimentales: control; y, es posible la vigilancia de la situación
experimental.

Cuasi-experimento
Se acercan mucho a los experimentos
verdaderos.
 La línea de
investigación
• Según la línea de investigación
que se esté utilizando, existen
dos tipos de diseño: diseños
estadísticos y diseños no
estadísticos.

Grado control Número de variables

• En ella, se atiende a la capacidad
Clases independientes
de los distintos diseños para de • De acuerdo con el número de
controlar las variables variables independientes que
experimentales. Diseño intervienen se habla de diseños uni-
variables y diseños multi-variables.

La técnica de control
• Este criterio de clasificación se
fija en la técnica de control
específica que se utiliza en los
distintos diseños.
 Clase #4

b. Control de las variables independientes

Este criterio es de gran interés en la investigación aplicada pues se persigue generalizar los
resultados a poblaciones lo más extensas posible.

a. Poner a prueba las hipótesis

Para poder poner a prueba o validar las hipótesis de
investigación, el investigador debe: c. Generalización
Preguntarse acerca de la idoneidad de los distintos tipos de Se refiere al control tanto de las
diseño y de si estos son válidos para responder a las variables experimentales que se miden
preguntas de investigación. CRITERIOS o manipulan como al de las variables
PARA extrañas.
SELECCIONA
R EL DISEÑO
 Procedimiento
general para la
experimentación
Registrar al detalle todos los hechos
pertinentes al experimento
Es un procedimiento muy aconsejado, puesto
que permite al investigador, el seguimiento
permanece del comportamiento de las variables
dependientes, extrañas e intervinientes,
básicamente logrando con esto un mayor
control experimental.
Aplicar las pre-pruebas, los tratamientos
experimentales y las post- pruebas
correspondientes
Exige del investigador ser minucioso en la
determinación de las condiciones
temporoespaciales del experimento.
Definir la forma de manipulación de la o las
Diseñar el o, los instrumentos
variables independientes
Significa como ya hemos dicho establecer si estas
de medición de la o las
variables dependientes
serán manejadas cuantitativamente o
La medición puede efectuarse
cualitativamente
con instrumentos tales como la
observación científica, la
encuesta, la entrevista, escalas
de actitudes y opiniones, test,
Seleccionar las unidades de análisis que entre otros.
conformarán los grupos
Este proceso radica en utilizar medios aleatorios para
destinar las unidades de análisis a los diferentes
grupos que intervienen en el estudio a fin de
garantizar la equivalencia de los mismos.
Escoger diseña experimental adecuado
para el estudio.
El investigador debe analizar los diferentes
diseños existentes a fin de elegir cuál de
ellos ofrece una mayor garantía en cuanto a
la objetividad de los resultados a obtener.
 TIPOS DE VARIABLES
• Edad.
• Sexo.
• Peso.
• Altura.
• Ocupación.
• Estatus socioeconómico.
• Nivel de ansiedad.

Estos y otros elementos deben ser tenidos en cuenta a la hora de intentar explicar algún tipo de hipótesis
con respecto al ser humano o algún tipo de problema.

Y es que en todo lo que existe y sucede a nuestro alrededor participan innumerables tipos de variables que
pueden tener un papel más o menos relevante en los diferentes fenómenos que ocurren. Va a ser necesario
analizar y tener en cuenta qué variables influyen y cómo lo hacen si queremos obtener una explicación
generalizable.
¿Qué es una variable?
Se entiende como variable un constructo abstracto que hace referencia a una propiedad, característica o elemento
estudiado que puede o no tener un papel concreto sobre aquello que se esté analizando y que se presenta de tal
manera que puede poseer distintos valores. Dichos valores, pues, pueden variar en diferentes medidas en función
tanto de la variable como de la situación que se esté analizando o los límites que los investigadores quieran tener en
cuenta.

El concepto anterior puede parecer complejo de entender teóricamente, pero resulta mucho más comprensible si
pensamos que algunas variables pueden ser las citadas en la introducción: el peso o el sexo de una persona serían
ejemplos sencillos de variables que pueden o no afectar en diferentes condiciones (por ejemplo, en la diabetes o en
las cardiopatías).

Las variables pueden ser clasificadas de muy diferentes maneras y en base a numerosos criterios diferenciados,
tales como su nivel de operatividad, su relación con otras variables o incluso la escala en la que se miden. Es
importante tener en cuenta que un mismo elemento puede tener diversos papeles y ser clasificado como diferentes
tipos de variable en función de su papel en una determinada situación o contexto experimental.
 Tipos de variables según su operatividad

No hay que olvidar que la investigación científica siempre requiere simplificar en mayor o menor medida
elementos de aquello que se quiere estudiar. Identificar los elementos importantes para centrarse en ellos,
dejando fuera del foco todo lo demás, es un requisito indispensable, porque de otro modo no podríamos analizar
nada al no saber por qué tipo de datos empezar.

Así pues, los diferentes tipos de variables dan cuenta de la diversidad de elementos en los que podemos fijarnos
para estudiar parcelas de la realidad. Eso sí, esta diversidad hace que sea imprescindible elegir bien las variables
para poder fijarnos en aquello que nos permita llegar a conclusiones válidas acerca de nuestro objeto de estudio.
Tal y como hemos mencionado, una de las maneras más conocidas y clásicas de dividir y clasificar las diferentes
variables es en relación a su operatividad, es decir a la posibilidad de numeralizar sus valores y operar con ellos.
Teniendo este aspecto en cuenta podemos encontrar tres grandes tipos de variables.
 1. Variables cualitativas
• Variables cualitativas dicotómicas
• Variables cualitativas politómicas

VARIABLES SEGÚN
2. Variables cuasi-cuantitativas SU OPERATIVIDAD

3. Variables cuantitativas
• Variables cuantitativas discretas
• Variables cuantitativas continuas
 Clase #5
1. Variables cualitativas
Se considera como variable cualitativa toda aquella variable que permiten la expresión e identificación de una
característica concreta, pero que no permiten cuantificarlas. Este tipo de variable únicamente nos informaría
de la existencia o inexistencia de dicha característica o la presencia de alternativas. Son meramente
nominales, expresando igualdad y/o desigualdad. El sexo o la nacionalidad serían ejemplos de ello. Sin
embargo, ello no quiere decir que no puedan observarse o que no resulten elementos altamente relevantes en la
investigación.

Dentro de las variables cualitativas podemos encontrar diferentes tipos.

Variables cualitativas dicotómicas

Se trata de variables en las que solo existen o se contemplan dos opciones posibles. Estar vivo o muerto es un
ejemplo de ello: no es posible estarlo a la vez, de tal manera que la presencia de uno de los valores niega el
otro.

Variables cualitativas politómicas

Aquellas variables que admiten la existencia de múltiples valores, los cuales como en el caso anterior solo
permiten una identificación de un valor y ello excluye el resto sin por ello poder ordenarse o operarse con
dicho valor. El color es un ejemplo.
2. Variables cuasi-cuantitativas

Se trata de aquellas variables con las que no es posible realizar operaciones matemáticas, pero que resultan más
avanzadas que las meramente cualitativas. Expresan una cualidad y a la vez permiten organizarla y establecer un
orden o jerarquía, aunque no de manera exacta.

Un ejemplo de ello es el nivel de estudios, pudiendo determinar si alguien tiene más o menos de dicha cualidad.

Sin embargo, no existe una constancia en las diferencias entre una categoría y la que la precede y la que la
sigue (una persona que tiene estudios de posgrado no sabe más que una con licenciatura de la misma manera en la
que una con estudios secundarios sabe más que otra que solo tiene la primaria).
3. Variables cuantitativas

Las variables cuantitativas son todas aquellas que, este vez sí, permiten la operativización de sus valores. Es posible asignar
diferentes números a los valores de la variable, pudiendo realizar diferentes procedimientos matemáticos con ellos de tal
manera que se pueden establecer distintas relaciones entre sus valores.
En este tipo de variables podemos encontrar dos grandes grupos de gran relevancia, las variables continuas y discretas.

Variables cuantitativas discretas

Se trata del conjunto de variables cuantitativas cuyos valores no admiten valores intermedios, no siendo posible obtener
decimales en su medición (aunque luego pueden hacerse medias que sí los incluyan).

Por ejemplo, no es posible tener 2,5 hijos. Suelen referirse a variables que emplean escalas de razón.

Variables cuantitativas continuas

Hablamos de este tipo de variables cuando sus valores forman parte de un continuo en el que entre dos valores concretos
podemos encontrar diversos valores intermedios. Más frecuentemente, hablamos de variables que se miden en escala de
intervalo.
 Según su relación con otras variables
También es posible determinar diferentes tipos de variables en función de cómo se relacionan sus valores con los
propios de otras. En este sentido destacan varios tipos, siendo especialmente relevantes los dos primeros. Es
importante tener en cuenta que un mismo elemento puede ser un tipo de variable y otra en función del tipo de
relación que se esté midiendo y qué se esté modificando. Además, hay que tener en cuenta que el papel y tipo de
variable en cuestión va en función de lo que nosotros estemos analizando, independientemente del papel que ocupe
realmente la variable en la situación estudiada.

Por ejemplo, si estamos investigando el papel de la edad en el Alzheimer, la edad del sujeto será una variable
independiente mientras que la presencia o ausencia de proteína tau y placas de beta-amiloide será una variable
dependiente en nuestra investigación (independientemente del papel que tenga cada variable en la enfermedad).
 Según su relación con otras variables
1. Variables independientes
Se entienden por variables independientes a aquellas variables que en el momento de la
investigación se tienen en cuenta y que pueden o no ser posibles de modificar por parte del
experimentador. Es la variable de la cual se parte para observar los efectos que determina
cualidad, característica o situación puede tener sobre diferentes elementos. El sexo, la edad o el
nivel de ansiedad base son ejemplos de variable independiente.

2. Variables dependientes
La variable dependiente hace referencia al elemento que resulta modificado por la variación
existente en la variable independiente. En la investigación, la variable dependiente va a ser
escogida y generada a partir de la independiente. Por ejemplo, si medimos el nivel de ansiedad
según el sexo, sexo será variable independiente cuya modificación va a generar alteraciones en la
dependiente, en este caso la ansiedad.
 Según su relación con otras variables
3. Variables moderadoras
Entendemos por variables moderadoras al conjunto de variables que alteran la relación existente entre variable
dependiente e independiente. Ejemplo de ello se da si relacionamos horas de estudio con resultados académicos,
siendo variables moderadoras el estado emocional o la capacidad intelectual.

4. Variables extrañas
Esta etiqueta hace referencia a todas aquellas variables que no se han tenido en cuenta pero que tienen un efecto
sobre los resultados obtenidos.
Así pues, son todo aquel conjunto de variables no controladas y tenidas en cuenta en la situación estudiada,
aunque es posible identificarlas tras ella o incluso durante un experimento o contexto investigado. Se diferencian
de las moderadoras en el hecho de que las extrañas no son tenidas en cuenta, no siendo este el caso de las
moderadoras.
Dicho de otro modo, las variables extrañas son aquellas que pueden llevarnos a conclusiones erróneas al
interpretar los resultados de una investigación, y el impacto de su presencia depende de la calidad del diseño de
los estudios realizados para investigar algo.
Clase #6

Tipos de variables según su escala

Otra posible clasificación de variables puede realizarse en función de las escalas y medidas que se emplean. Sin
embargo, hay que tener en cuenta que más que de la variable se estaría hablando de la escala en cuestión como
elemento distintivo. También hay que tener en cuenta que en cuenta que según va ascendiendo el nivel de
operatividad de las escalas empleadas, se van incorporando nuevas posibilidades además de las propias de las
escalas anteriores. Así, una variable de razón posee también las propiedades de la nominal, la ordinal y la de
intervalo. En este sentido nos podemos encontrar con los siguientes tipos.
1. Variable nominal
Hablamos de variables nominales cuando los valores que dicha variable puede alcanzar únicamente permiten distinguir la existencia de
una cualidad concreta, sin permitir estos valores realizar una ordenación u operaciones matemáticas con ellos. Se trata de un tipo de
variable cualitativa.

2. Variable ordinal
Si bien no se puede operar con ellas, es posible establecer una ordenación entre los diferentes valores. Sin embargo,  dicho orden no
permite el establecimiento de relaciones matemáticas entre sus valores. Se trata de variables fundamentalmente cualitativas. Ejemplos
de ello son el estatus socioeconómico o el nivel de estudios.

3. Variable de intervalo
Además de las características anteriores, las variables en escala de intervalo permiten establecer relaciones numéricas entre las
variables, si bien generalmente dichas relaciones se ven limitadas a la proporcionalidad. No existe un cero absoluto o punto cero
totalmente identificable, algo que no permite realizar transformaciones directas de los valores en otros. Miden rangos, más que valores
concretos, algo que complica su operatividad pero que ayuda a cubrir una gran cantidad de valores.

4. Variable de razón
Las variables de razón se miden en una escala tal que es posible su total operativización, pudiendo realizarse diversas transformaciones
a los resultados obtenidos y estableciendo relaciones numéricas complejas entre sí. Existe un punto de origen que supone la ausencia
total de lo medido.
 ¿Qué es una variable
extrañ a?
Es aquella que resulta ajena al
control experimental, a pesar de
que se tiene conocimiento de ella.
Este tipo de variables hacen variar
los resultados obtenidos.
No hay que olvidar

Los diferentes tipos de variables son siempre una simplificación de la realidad, una manera
de dividirla en parámetros simples y fáciles de medir aislándolos del resto de componentes
de la naturaleza o de la sociedad.

Por eso, no podemos limitarnos a
totalmente lo que está ocurriendo.
obtenidos a partir de los estudios
conclusiones erróneas y no cerrarnos
ocurre a nuestro alrededor.
creer que conocer estas variables es comprender
Adoptar una mirada crítica sobre los resultados
de variables resulta necesario para no llegar a
a explicaciones más completas y realistas de lo que
Clase #7

Tipos de variabilidad
Uno de los principales objetivos de los modelos de diseño de experimentos, es controlar la variabilidad.

Los resultados de cualquier experimento están sometidos a tres tipos de variabilidad:

 Variabilidad sistemática y planificada

 Variabilidad típica de la naturaleza del problema y del experimento

 Variabilidad sistemática y no planificada

Variancia sistemática:Un modelo o patrón establecido que muestra resultados predecibles. La
variable sistemática es parte de la filosofía de negocio de Six Sigma, tratando de resolver problemas
empresariales a través del uso extensivo de datos y análisis estadístico.

Variancia sistemática primaria: variabilidad provocada por el efecto de la variable

independiente.
Variancia sistemática secundaria: variabilidad provocada por el efecto de variables extrañas
de efectos sistemáticos.

Variancia aleatoria: es variabilidad intragrupo o intracondición provocada por el efecto de

variables extrañas de efectos aleatorios.
Variabilidad sistemática planificada .- Originada por las distintas
condiciones experimentales impuestas en el diseño por expreso deseo del
experimentador. Cuando este tipo de variabilidad está presente y tiene un tamaño
importante, se espera que las respuestas tiendan a agruparse formando grupos
(clusters). Es deseable que exista esta variabilidad y que sea identificada y
cuantificada por el modelo.
Variabilidad sistemática no planificada
Debida a causas desconocidas y no planificadas. En otras palabras, los resultados están siendo sesgados
sistemáticamente por causas desconocidas.

La presencia de esta variabilidad supone la principal causa de conclusiones erróneas y estudios

incorrectos al ajustar un modelo estadístico.

Existen dos estrategias básicas para tratar de evitar la presencia de este tipo de variabilidad: la
aleatorización y la técnica de bloques.
Clase #8

Variabilidad típica de la naturaleza y el experimento

Ruido aleatorio que contiene el error de medida. Es una variabilidad impredecible e inevitable.

Diferencia entre diferentes medidas de un mismo objeto.

Existe un patrón de comportamiento, todas las medidas tienen a fluctuar en torno a un valor
central y siguiendo un modelo probabilístico que podemos estimar. Es una variabilidad que va
a estar siempre presente pero que es tolerable.
 Contra la variabilidad
Para controlar la variabilidad existen tres
técnicas:

• Replicados
• Aleatorización
• Formación de bloques
Clase #9

Planificación de un experimento
La forma tradicional que se utilizaba en la experimentación se basaba en estudiar los
factores uno a uno. Los inconvenientes de esta metodología son:

Es necesario un gran número de pruebas. Las conclusiones obtenidas en el estudio de

cada factor tiene un campo de validez muy restringido. No es posible estudiar la
existencia de interacción entre los factores. Es inviable, en muchos casos, por
problemas de tiempo o costo. Las técnicas de diseño de experimentos estudian
simultáneamente los efectos de todos los factores de interés. Mayor eficacia y con
mejores resultados.
 Etapas de un problema de diseño de experimentos

1. Definir los objetivos del experimento.

2. Identificar todas las posibles fuentes de variación
3. Elegir las unidades experimentales en relación con las condiciones de estudio.
4. Especificar las medidas de la respuesta, el procedimiento experimental y anticiparse a las posibles
dificultades.
5. Ejecutar un experimento piloto.
6. Especificar el modelo.
7. Esquematizar los pasos del análisis.
8. Determinar el tamaño muestra.
9. Revisar las decisiones anteriores.
1.- Definir los objetivos del experimento

Definir las preguntas concretas y objetivos. Esquematizar el tipo de respuestas que se esperan obtener
Esta lista se puede refinar según avanza el experimento

2.- Identificar todas las posibles fuentes de variación

Una fuente de variación es cualquier “cosa” que pueda generar variabilidad en la respuesta. Es

recomendable hacer una lista de todas las posibles fuentes de variación del problema, distinguiendo
aquellas que, a priori, generarán una mayor variabilidad. Se distinguen dos tipos:

- Factores tratamiento: Se denomina factor tratamiento a cualquier variable de interés para el

experimentador cuyo posible efecto sobre la respuesta se quiere estudiar. Los niveles de un factor
tratamiento son los tipos o grados específicos del factor que se tendrán en cuenta en la realización del
experimento. Los factores tratamiento pueden ser cualitativos o cuantitativos. En el tratamiento
matemático de los modelos de diseño de experimento los factores cuantitativos son tratados como
cualitativos y sus niveles son elegidos equiespaciados o se codifican.

- Factores “nuisance”: son aquellas fuentes que no son de interés directo pero que se contemplan en
el diseño para reducir la variabilidad no planificada.
Factores y sus niveles.
Se denomina factor tratamiento  a cualquier variable de interés para el experimentador cuyo posible efecto sobre la
respuesta se quiere estudiar.
Los niveles de un factor tratamiento son los tipos o grados específicos del factor que se tendrán en cuenta en la
realización del experimento.

Los factores tratamiento pueden ser cualitativos o cuantitativos.

Ejemplos de factores cualitativos y sus niveles respectivos son los siguientes:

— proveedor (diferentes proveedores de una materia prima),
— tipo de máquina (diferentes tipos o marcas de máquinas),
— trabajador (los trabajadores encargados de hacer una tarea),
— tipo de procesador (los procesadores de los que se quiere comparar su velocidad de ejecución),
— un aditivo químico (diferentes tipos de aditivos químicos),
— el sexo (hombre y mujer),
— un método de enseñanza (un número determinado de métodos de enseñanza cuyos resultados se quieren
comparar).

Ejemplos de factores cuantitativos son los siguientes:

— tamaño de memoria (diferentes tamaños de memoria de ordenadores),
— droga (distintas cantidades de la droga),
— la temperatura (conjuntos de temperaturas seleccionadas en unos rangos de interés).
Clase #10

Debe tenerse en cuenta que en el tratamiento matemático de los modelos de

diseño de experimento los factores cuantitativos son tratados como cualitativos
y sus niveles son elegidos equiespaciados o se codifican.

Por lo general, un factor no suele tener más de cuatro niveles.

Cuando en un experimento se trabaja con más de un factor,  se denomina:

Tratamiento a cada una de las combinaciones de niveles de los distintos

factores.
Observación es una medida en las condiciones determinadas por uno de los
tratamientos.
Experimento factorial es el diseño de experimentos en que existen
observaciones de todos los posibles tratamientos.
Unidades experimentales.
Son el material donde evaluar la variable respuesta y al que se le aplican los distintos niveles de los factores
tratamiento.

Ejemplos de unidades experimentales son:

— en informática, ordenadores, páginas web, buscadores de internet,
— en agricultura, parcelas de tierra,
— en medicina, individuos humanos u animales,
— en industria, lotes de material, trabajadores, máquinas.

Cuando un experimento se ejecuta sobre un período de tiempo de modo que las observaciones se recogen
secuencialmente en instantes de tiempo determinados, entonces los propios instantes de tiempo pueden considerarse
unidades experimentales.

Es muy importante que las unidades experimentales sean representativas de la población sobre la que se han fijado los
objetivos del estudio.
Por ejemplo, si se utilizan los estudiantes universitarios de un país como unidades experimentales, las conclusiones
del experimento no son extrapolables a toda la población adulta del país. La regla de asignación o diseño experimental
especifica que unidades experimentales se observarán bajo cada tratamiento. Hay diferentes posibilidades: diseño
factorial o no, anidamiento, asignación al azar en determinados niveles de observación, el orden de asignación, etc. En
la práctica, existen una serie de diseños estándar que se utilizan en la mayoría de los casos.
 Factores “nuisance”:
bloques, factores ruido y covariables.

En cualquier experimento, además de los factores tratamiento cuyo efecto sobre la

respuesta se quiere evaluar, también influyen otros factores, de escaso interés en el estudio,
pero cuya influencia sobre la respuesta puede aumentar significativamente la variabilidad
no planificada.

Con el fin de controlar esta influencia pueden incluirse en el diseño nuevos factores que,
atendiendo a su naturaleza, pueden ser de diversos tipos.
Además de los factores tratamiento, también influyen otros factores, de escaso interés en el estudio.

Para controlar su influencia se crean nuevos factores:

Factor bloque.- En algunos casos el factor nuisance puede ser fijado en distintos niveles, de modo que es posible
controlar su efecto a esos niveles. Entonces la forma de actuar es mantener constante el nivel del factor para un
grupo de unidades experimentales, se cambia a otro nivel para otro grupo y así sucesivamente.

Estos factores se denominan factores de bloqueo (factores-bloque) y las unidades experimentales evaluadas en un
mismo nivel del bloqueo se dice que pertenecen al mismo bloque.
Incluso cuando el factor nuisance no es medible, a veces es posible agrupar las unidades experimentales en bloques
de unidades similares: parcelas de tierra contiguas o períodos de tiempo próximos probablemente conduzcan a
unidades experimentales más parecidas que parcelas o períodos distantes.

Desde un punto de vista matemático el tratamiento que se hace de los factores-bloque es el mismo que el de los
factores-tratamiento en los que no hay interacción, pero su concepto dentro del modelo de diseño de experimentos
es diferente.
Un factor-tratamiento es un factor en el que se está interesado en conocer su influencia en la variable respuesta y un
factor-bloque es un factor en el que no se está interesado en conocer su influencia pero se incorpora al diseño del
experimento para disminuir la variabilidad residuos del modelo.
Clase #11

En resumen, las posibles fuentes de variación de un experimento son:

Covariable. Si el factor nuisance es una propiedad cuantitativa de las unidades

experimentales que puede ser medida antes de realizar el experimento (el tamaño de
un fichero informático, la presión sanguínea de un paciente en un experimento
médico o la acidez de una parcela de tierra en un experimento agrícola). El factor se
denomina covariable y juega un papel importante en el análisis estadístico.

Ruido. Si el experimentador está interesado en la variabilidad de la respuesta cuando

se modifican las condiciones experimentales, entonces los factores nuisance son
incluidos deliberadamente en el experimento y no se aisla su efecto por medio de
bloques. Se habla entonces de factores ruido.
En resumen, las posibles fuentes de variación de un experimento son:
3.- Elegir una regla de asignación de las unidades experimentales a las condiciones de
estudio (“tratamientos”).

La regla de asignación o diseño experimental especifica que unidades experimentales se

observarán bajo cada tratamiento. Hay diferentes posibilidades:
   — diseño factorial o no,
   — anidamiento,
   — asignación al azar en determinados niveles de observación,
   — el orden de asignación, etc.

En la práctica, existen una serie de diseños estándar que se utilizan en la mayoría de los
casos.
Clase #12

4.- Especificar las medidas que se realizarán (la “respuesta”), el procedimiento experimental y anticiparse a
las posibles dificultades.

Variable respuesta o variable de interés. Los datos que se recogen en un experimento son medidas de una
variable denominada variable respuesta o variable de interés.
Es importante precisar de antemano cuál es la variable respuesta y en qué unidades se mide. Naturalmente, la
respuesta está condicionada por los objetivos del experimento.

Por ejemplo, si se desea detectar una diferencia de 0'05 gramos en la respuesta de dos tratamientos no es apropiado
tomar medidas con una precisión próxima al gramo.

A menudo aparecen dificultades imprevistas en la toma de datos. Es conveniente anticiparse a estos imprevistos
pensando detenidamente en los problemas que se pueden presentar o ejecutando un pequeño experimento piloto
(etapa 5). Enumerar estos problemas permite en ocasiones descubrir nuevas fuentes de variación o simplificar el
procedimiento experimental antes de comenzar.
También se debe especificar con claridad la forma en que se realizarán las mediciones: instrumentos de medida,
tiempo en el que se harán las mediciones, etc.
5.- Ejecutar un experimento piloto.

Un experimento piloto es un experimento que utiliza un número pequeño de observaciones. El

objetivo de su ejecución es ayudar a completar y chequear la lista de acciones a realizar. Las
ventajas que proporciona la realización de un pequeño experimento piloto son las siguientes:

— permite practicar la técnica experimental elegida e identificar problemas no esperados en el

proceso de recogida de datos,
— si el experimento piloto tiene un tamaño suficientemente grande puede ayudar a seleccionar un
modelo adecuado al experimento principal,
— los errores experimentales observados en el experimento piloto pueden ayudar a calcular el
número de observaciones que se precisan en el experimento principal.
 6.- Especificar el modelo.
El modelo matemático especificado debe indicar la relación que se supone que existe entre la variable respuesta y las principales fuentes de
variación identificadas en el paso 2. Es fundamental que el modelo elegido se ajuste a la realidad con la mayor precisión posible.
El modelo más habitual es el modelo lineal:

En este modelo la respuesta viene dada por una combinación lineal de términos que representan las principales fuentes de variación planificada
más un término residual debido a las fuentes de variación no planificada. Los modelos que se estudian en este texto se ajustan a esta forma general. El
experimento piloto puede ayudar a comprobar si el modelo se ajusta razonablemente bien a la realidad.
Los modelos de diseño de experimentos, según sean los factores incluídos en el mismo, se pueden clasificar en: modelo de efectos fijos, modelo de
efectos aleatorios y modelos mixtos. A continuación se precisan estas definiciones.
Factor de efectos fijos es un factor en el que los niveles han sido seleccionados por el experimentador. Es apropiado cuando el interés se centra en
comparar el efecto sobre la respuesta de esos niveles específicos.
Ejemplo: un empresario está interesado en comparar el rendimiento de tres máquinas del mismo tipo que tiene en su empresa.
Factor de efectos aleatorios es un factor del que sólo se incluyen en el experimento una muestra aleatoria simple de todos los posibles niveles del
mismo. Evidentemente se utilizan estos factores cuando tienen un número muy grande de niveles y no es razonable o posible trabajar con todos ellos.
En este caso se está interesado en examinar la variabilidad de la respuesta debida a la población entera de niveles del factor.
Ejemplo: una cadena de hipermercados que tiene en plantilla 300 trabajadores de caja está interesada en estudiar la influencia del factor trabajador
en la variable “tiempo en el cobro a un cliente”.
Modelo de efectos fijos es un modelo en el que todos los factores son factores de efectos fijos.
Modelo de efectos aleatorios es un modelo en el que todos los factores son factores de efectos aleatorios.
Modelo mixto es un modelo en el que hay factores de efectos fijos y factores de efectos aleatorios.
7.- Esquematizar los pasos del análisis estadístico.
El análisis estadístico a realizar depende de:
   — los objetivos indicados en el paso 1,
   — el diseño seleccionado en el paso 3,
   — el modelo asociado que se especificó en el paso 5.

Se deben esquematizar los pasos del análisis a realizar que deben incluir:
   — estimaciones que hay que calcular,
   — contrastes a realizar,
   — intervalos de confianza que se calcularán
   — diagnosis y crítica del grado de ajuste del modelo a la realidad.
8.- Determinar el tamaño muestral.

Calcular el número de observaciones que se deben tomar para alcanzar los

objetivos del experimento.
Existen, dependiendo del modelo, algunas fórmulas para determinar este
tamaño. Todas ellas sin embargo requieren el conocimiento del tamaño de la
variabilidad no planificada (no sistemática y sistemática, si es el caso) y
estimarlo a priori no es fácil, siendo aconsejable sobreestimarla. Normalmente
se estima a partir del experimento piloto y en base a experiencias previas en
trabajos con diseños experimentales semejantes.
9.- Revisar las decisiones anteriores. (Modificar si es necesario).

De todas las etapas enumeradas, el proceso de recogida de datos suele ser la tarea que mayor
tiempo consume, pero es importante realizar una planificación previa, detallando los pasos
anteriores, lo que garantizará que los datos sean utilizados de la forma más eficiente posible.
Es fundamental tener en cuenta que
“Ningún método de análisis estadístico, por sofisticado que sea, permite extraer
conclusiones correctas en un diseño de experimentos mal planificado”.
Recíprocamente, debe quedar claro que el análisis estadístico es una etapa más que está
completamente integrado en el proceso de planificación.
“El análisis estadístico no es un segundo paso independiente de la tarea de planificación. Es
necesario comprender la totalidad de objetivos propuestos antes de comenzar con el análisis.
Si no se hace así, tratar que el experimento responda a otras cuestiones a posteriori puede ser
(lo será casi siempre) imposible”
Pero no sólo los objetivos están presentes al inicio del análisis sino también la técnica
experimental empleada. Una regla de oro en la experimentación y que debe utilizarse
es la siguiente:

“No invertir nunca todo el presupuesto en un primer conjunto de experimentos y

utilizar en su diseño toda la información previa disponible”.

Finalmente indicar que todas las personas que trabajan en el experimento se deben
implicar en el mismo, esto es:

“Toda persona implicada en la ejecución del experimento y en la recolección de los

datos debe ser informada con precisión de la estrategia experimental diseñada”.
Clase #13

• Historia
• Maduración
Factores que • Prueba
Validez • Instrumentación
disminuyen la validez • Regresión Estadística

Interna • Selección
• Mortalidad Experimental
interna y externa de los • Interacción de los factores
anteriores
experimentos en
Educación
Validez • El efecto reactivo producido
por una prueba inicial
Externa • Efectos de la interacción
• Efectos reactivos del
ambiente experimental
• Interferencia de tratamientos
múltiples
CO
NC Se concluye que el diseño experimental en psicología
dependerá de nuestro propósito de investigación.
LU
SI
ON
ES No existe un modelo específico a seguir, sino la
adecuación de modelos existentes según los criterios y
las decisiones que tome el investigador.

Se concluye que sin los diseños es imposible lograr

nuestros objetivos como investigador.
Clase #14

EXPOSICION
ES