DESARROLLO EXPERIMENTAL

ESTRATEGIA EXPERIMENTAL
PLANIFICACION EXPERIMENTAL
DISEÑO EXPERIMENTAL
El proceso de investigación experimental tiene las siguientes grandes fases 1. Los
fundamentos ; donde se evalúa y consigna, la definición del problema, los objetivos,
hipótesis, justificación, alcances, antecedentes y el marco teórico que fundamenta la
investigación.
2.La experimentación; dónde se plantea la estrategia experimental, la identificación
y análisis de variables, el protocolo experimental, los métodos para medir las
variables, el diseño experimental, las especificaciones de reactivos químicos,
materiales, equipos e instrumentos y la toma y registro de datos.
3. Análisis de resultados en los cuales se considera, tratamiento estadístico de los
datos experimentales, identificación y cuantificación de errores experimentales,
tabulación y gráficas de los resultados, interrelación entre las variables , análisis de
resultados , modelos matemáticos que se desprendan de la relación entre las
variables, discusión de resultados comparando los resultados con la de otros
investigadores y/o teorías.
4. Informe final de la investigación, presentación de artículos, e informe final del
trabajo de investigación.
• NOTA : Es de obligatoriedad, desarrollar el
trabajo de investigación dentro de los marcos
de Seguridad y consideraciones ambientales; a
efecto de identificar y eliminar los riesgos y
minimizar el impacto ambiental.
 OBJETIVOS DEL TRABAJO EXPERIMENTAL

Un experimento: es un estudio que involucra la

manipulación intencional de una acción para analizar
sus posibles efectos. Es un estudio de investigación
en el que se manipula deliberadamente una o más
variables independientes ( supuestas causas ), para
analizar las consecuencias de esa manipulación
sobre una o mas variables dependientes ( supuestos
efectos), dentro de una situación de control para el
investigador.
Un experimento tiene como propósito evaluar o examinar los efectos
que se manifiestan en la variable dependiente cuando se introduce la
variable independiente, es decir, se trata de probar una relación causal.
Montgomery (1993) define literalmente el experimento como “... una
prueba o ensayo,”
Un experimento se lleva a cabo para analizar si una o más variables
independientes afectan a una o más variables dependientes y por qué
lo hacen. En un auténtico experimento, la variable independiente resulta
de interés para el investigador por ser la variable que se hipotetiza, que
será una de las causas que producen el efecto supuesto. Para obtener
respuesta de esta relación causal supuesta, el investigador manipula la
variable independiente y observa si la dependiente varía o no. Manipular
es hacer variar o dar distintos valores a la variable independiente.
La variable dependiente se mide, la variable
dependiente no se manipula, sino que se mide
para ver el efecto de que la manipulación de la
variable independiente tienes de ella.
GRADOS DE MANIPULACIÓN DE LA VARIABLE INDEPENDIENTE

La manipulación o variación de una variable independiente puede

realizarse en dos o más grados. El nivel mínimo de manipulación es dos:
presencia-ausencia de la variable independiente. Cada nivel o grado de
manipulación implica un grupo en el experimento.

 Presencia-ausencia
• Implica un grupo en presencia de la variable independiente y otro no.
Luego los dos grupos son comparados para ver si el grupo que fue
expuesto a la variable independiente difiere del grupo que no fue
expuesto. Al primer grupo se le conoce como "grupo experimental" y al
segundo se le denomina "grupo de control".
• A la presencia de la variable independiente en el experimento se le
llama "tratamiento experimental" o "estímulo experimental".
 Más de dos grados
• Se puede hacer variar o manipular la variable independiente en cantidades
,grados o niveles
• Manipular la variable independiente en varios niveles tiene la ventaja de que
no sólo se puede determinar si la presencia de la variable independiente o
tratamiento experimental tiene un efecto, sino también si distintos niveles de
la variable independiente se producen diferentes efectos. Es decir, si la
magnitud del efecto (Y) depende de la intensidad del estímulo (X1, X2, X3,
etcétera).
• Debe haber al menos dos niveles de variación y ambos tendrán que diferir
entre sí. Cuantos más niveles mayor información, pero el experimento se va
complicando: cada nivel adicional implica un grupo más.
 EQUIVALENCIA DURANTE EL EXPERIMENTO

Durante el experimento los grupos deben mantenerse similares en los aspectos

concernientes al tratamiento experimental excepto en la manipulación de la variable
independiente:
• Mismas instrucciones (salvo variaciones parte de esa manipulación)
• Las personas que administran el experimento deben seguir las mismas instrucciones .
• Lugares con características semejantes (iguales condiciones del laboratorio e
instrumental, clima, ventilación, sonido ambiental, etc.),
• Misma duración del experimento, mismo momento y en fin todo lo que sea parte
del experimento.
Cuanto mayor sea la equivalencia durante su desarrollo, mayor control y posibilidad de
que, si observamos o no efectos, estemos seguros de que verdaderamente los hubo o
no.
Cuando trabajamos simultáneamente con varios grupos, es difícil que las personas que
dan las instrucciones y vigilan el desarrollo de los grupos sean las mismas.
 PLANIFICACIÓN DE UN EXPERIMENTO

La experimentación forma parte natural de la mayoría de las

investigaciones científicas e industriales, en muchas de las
cuales, los resultados del proceso de interés se ven afectados
por la presencia de distintos factores, cuya influencia puede
estar oculta por la variabilidad de los resultados muestrales. Es
fundamental conocer los factores que influyen realmente y
estimar esta influencia. Para conseguir esto es necesario
experimentar, variar las condiciones que afectan a las unidades
experimentales y observar la variable respuesta. Del análisis y
estudio de la información recogida se obtienen las conclusiones.
 IMPORTANCIA DE PLANIFICAR LA EXPERIMENTACIÓN

La experimentación juega un papel fundamental en

virtualmente todos los campos de la investigación y el
desarrollo.
El objetivo de la experimentación es obtener
información de calidad. Información que permita
desarrollar nuevos productos y procesos, comprender
mejor un sistema (un proceso industrial, un
procedimiento analítico,...) y tomar decisiones sobre
como optimizarlo y mejorar su calidad, comprobar
hipótesis científicas, etc.
Obviamente 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. Parece más razonable 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.
 DISEÑO EXPERIMENTAL

Se podría definir el Diseño Estadístico de Experimentos

(DEE), también denominado diseño experimental, como
una metodología basada en técnicas matemáticas y
estadísticas cuyo objetivo es ayudar al investigador , 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.
¿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 siguiente figura , 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)
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), o cuando se estudia la
viscosidad del yogur en función del pH ; sin duda sus ventajas se
aprecian mejor cuando se debe estudiar más de un factor; así en el
caso de la viscosidad del yogurt también influirá los sólidos totales,
el desarrollo de ácido láctico
¿Qué objetivos se pretende lograr al estudiar sistemas como los descritos?

La experimentación en sistemas como el descrito en la Figura suele procurar uno de los

siguientes objetivos:
•Obtener un conocimiento inicial sobre un nuevo sistema en estudio. ¿En qué valores de
los factores se puede centrar la investigación?.
•Determinar la influencia de los factores sobre las respuestas observadas. De entre todos
los factores que afectan al proceso, ¿cuales influyen más?, ¿cómo interaccionan entre
ellos?.
•Optimizar respuestas. ¿Qué valores de los factores proporcionan las respuestas de
mayor calidad?.
•Determinar la robustez del sistema. ¿Como afectan a la respuesta variaciones no
controladas en el valor de los factores?.
 EL MÉTODO TRADICIONAL DE
EXPERIMENTACIÓN
La forma tradicional que se utilizaba en la experimentación, para
el estudio de estos problemas, se basaba en estudiar los factores
uno a uno, es decir, variar los niveles de un factor
permaneciendo fijos los demás. Esta metodología presenta
grandes inconvenientes:
• 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
• No proporciona la posición del óptimo . El investigador percibe que se ha
llegado al óptimo porque cambiando un factor cada vez la respuesta no
mejora, pero se puede encontrar lejos del óptimo real. Aunque se puede
reiniciar la experimentación partiendo del “óptimo” encontrado, esta
solución es extremadamente ineficiente cuando se deben estudiar
muchos factores a muchos valores distintos, puesto que el método VUFCV
requeriría demasiados experimentos y demasiado tiempo.

Optimización
El método tradicional de experimentación, el que quizás surge de
forma más intuitiva para estudiar el sistema de la Figura , consiste en
variar-un-factor-cada-vez (VUFCV): a partir de unas condiciones
iniciales, se realizan experimentos en los cuales todos los factores se
mantienen constantes excepto el que se está estudiando. De este
modo, la variación de la respuesta se puede atribuir a la variación del
factor, y, por tanto, revela el efecto de ese factor. El procedimiento se
repite para los otros factores. El razonamiento que soporta esta forma
de actuar es que si se variaran dos o más factores entre dos
experimentos consecutivos, no sería posible conocer si el cambio en la
respuesta ha sido debido al cambio de un factor, al de otro, o al de
todos a la vez.
Los inconvenientes del método tradicional provienen de variar un
factor cada vez.
La solución, por lo tanto, debe consistir en variar más de un factor
simultáneamente al realizar un nuevo experimento. Ello permitiría
mejorar la eficiencia del investigador, y obtener información sobre las
interacciones. La dificultad estriba en diseñar una experimentación
reducida, donde estos cambios simultáneos se complementen entre
sí y permitan obtener la información buscada al combinar los
resultados de todos los experimentos.
El DEE proporciona el marco matemático para cambiar todos los
factores simultáneamente, y obtener la información buscada con un
número reducido de experimentos, es decir, con la máxima eficiencia.
El DEE conduce a una planificación con menos experimentos que el
método VUFCV para obtener un conocimiento equivalente.
Las técnicas de diseño de experimentos se basan en estudiar
simultáneamente los efectos de todos los factores de interés,
son más eficaces y proporcionan mejores resultados con un
menor coste.
A continuación se enumeran las etapas que deben seguirse
para una correcta planificación de un diseño experimental,
etapas que deben ser ejecutadas de forma secuencial.
También se introducen algunos conceptos básicos en el
estudio de los modelos de diseño de experimentos.
Las etapas a seguir en el desarrollo de un problema de diseño
de experimentos son las siguientes:
 Comprender el problema y definir claramente los objetivos del experimento.
 Identificar todas las posibles fuentes de variación, en el factor objetivo, incluyendo:
— factores tratamiento y sus niveles,
— unidades experimentales,
— factores nuisance (molestos): factores bloque, factores ruido y covariables.

 Establecer la estrategia experimental que podría incluir los siguientes tópicos :

• Elegir una regla de asignación de las unidades experimentales a las condiciones de estudio (tratamientos).
• Especificar las medidas con que se trabajará (la respuesta), el procedimiento experimental y anticiparse a
las posibles dificultades.
• Ejecutar un experimento piloto.
• Especificar el modelo.
• Esquematizar los pasos del análisis.
• Determinar el tamaño muestral.
 Revisar las decisiones anteriores. Modificarlas si se considera necesario.
Los pasos del listado anterior no son independientes y en un determinado momento puede ser necesario
volver atrás y modificar decisiones tomadas en algún paso previo.
En una forma resumida se presentan las etapas de la siguiente manera

1. Comprender el problema y definir claramente el objetivo.

2. Identificar los factores que potencialmente podrían influir en la
función objetivo, y los valores que éstos pueden tomar. Entre estos
valores se buscará la información necesaria.
3. Establecer una estrategia experimental, llamada plan de
experimentación.
4. Efectuar los experimentos con los valores de los factores decididos
en el punto 3 para obtener los valores de las respuestas estudiadas.
5. Responder las preguntas planteadas, sea directamente, sea
utilizando un modelo matemático. Si es necesario, volver a la etapa 1.
Consideraciones al plantear el problema
• ¿Qué se conoce y qué no se conoce?
• ¿Hay zonas de la región experimental donde ya se conoce el resultado?
• ¿Existen datos sobre la repetibilidad de la experimentación?
• ¿Qué complejidad se espera en la relación entre los factores y la respuesta?
• ¿podría ser no lineal?
• ¿Se cree que pueden existir interacciones?
• ¿Cuál es coste permitido de la experimentación?
• ¿Con cuánta rapidez es necesario proporcionar los resultados?
• ¿Qué se necesita investigar /conocer?
• ¿Cuál es el objetivo (propósito) de la experimentación?. ¿Qué información
• deseada debe proporcionar el experimento?
 DEFINIR LOS OBJETIVOS DEL EXPERIMENTO.

• Se debe hacer una lista completa de las preguntas concretas a las

que debe dar respuesta el experimento. Es importante indicar
solamente cuestiones fundamentales ya que tratar de abordar
problemas colaterales pueden complicar innecesariamente el
experimento.

• Una vez elaborada la lista de objetivos, puede ser útil

esquematizar el tipo de conclusiones que se espera obtener en el
posterior análisis de datos.

• Normalmente la lista de objetivos es refinada a medida que se

van ejecutando las etapas del diseño de experimentos.
 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: son aquellas fuentes cuyo efecto sobre la

respuesta es de particular interés para el investigador o
experimentador.
• Factores “nuisance”: son aquellas fuentes que no son de interés
directo pero que se contemplan en el diseño para reducir la
variabilidad no planificada.
A continuación se precisan más estos importantes conceptos.
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),

Ejemplos de factores cuantitativos son los siguientes:

• Concentración de azúcar , en una solución de deshidratación osmótica
• Aditivo químico (distintas cantidades del aditivo en una formulación)
• La temperatura (conjuntos de temperaturas seleccionadas en unos
rangos de interés), para un experimento en particular.
 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.
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 un proceso de extracción de ácido carmínico, la cochinilla.
• En un proceso de adsorción de metales por carbón activado, el carbón
activado
• 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.
• Si se investiga el carbón activado de eucalipto como
unidad experimental , las conclusiones del experimento
no son extrapolables para todas las fuentes de carbón
activado.
 ESPECIFICAR LAS MEDIDAS QUE SE REALIZARÁN
(LA “RESPUESTA”)
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 . 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.
 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.
 
 ESPECIFICAR EL MODELO MATEMATICO

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:

y = f(x) = mx + b

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 estas presentaciones 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 incluidos 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 filtros del mismo tipo
que tiene en su empresa.
O se está interesado en evaluar el rendimiento de una reacción química de esterificación a una
determinada temperatura

• 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.
 TAMAÑO MUESTRAL

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.
 PROTOCOLO EXPERIMENTAL

• El desarrollo del procedimiento experimental, los

métodos de medición, los análisis fisicoquímicos,
deben ser planificados previamente y debe
disponerse de la secuencia de pasos a seguir en forma
inequívoca , secuencial y ordenada. Esta secuencia de
pasos esta registrada en el protocolo experimental.
• Es de recordar que en el caso de los análisis
fisicoquímicos debe disponerse de los metodos
estandarizados o validados según instituciones
formales
 METODOS DE EVALUACIÓN DE VARIABLES

• En la medición de las variables previamente

establecidas se debe recurrir a técnicas ,
procedimientos e instrumental; como ya se indicó
se debe recurrir a técnicas debidamente validadas
por instituciones de prestigio; por ejemplo en
alimentos AOAC, o a codex alimentario, en
materiales varios a ASTM, en aguas a American
Public Health Association, Standard Methods for
the Examination of Water and Wastewater , etc
• El uso de los equipos e instrumentos es en función a
las variables a medir; peachímetros,
espectrofotómetros, texturómetros, cromatógrafos,
viscosímetros. Debe tenerse en cuenta criterios de
sensibilidad, limites de deteccción, selectividad y
deben estar adecuadamente calibrados.
• En la planificación y reporte de la investigación
debe indicarse la marca, el modelo y algunas
especificaciones de interés
• Referente a los materiales de la investigación,
estos deben identificarse adecuadamente
durante la planificación experimental teniendo
en cuenta su calidad acorde a la
experimentación, sus propiedades físico
químicas, su fabricante y disponibilidad,
costos, procedencia y de ser el caso los
alternativos.
 REVISAR LAS DECISIONES ANTERIORES

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”.
 MATRICES EN LA EXPERIMENTACIÓN

Una matriz de investigación pretende resumir el

proceso desde el planteamiento del tema, las
preguntas iniciales y todo el diseño de
investigación; incluye la enunciación de
hipótesis alternas, que son propias de
comprobaciones estadísticas, para contrastar
evidencias y de apoyo de las hipótesis
principales
 MATRIZ DE CONSISTENCIA

Es un instrumento de varios cuadros formado

por columnas y filas y permite evaluar el grado
de coherencia y conexión lógica entre el título,
el problema, los objetivos, las hipótesis, las
variables, método, diseño de investigación la
población y la muestra de estudio.
 MATRICES EN ESTRATEGIA EXPERIMENTAL

Se consideran un conjunto de matrices planteadas a efecto de

facilitar y ordenar el trabajo experimental y se consideran :
Matrices de sistemas, de variables, variables y niveles, de
materiales, métodos experimentales ,de diseño de
experimentos, de materiales y equipos, de seguridad e impacto
ambiental, de registro de datos, de servicios, de resultados, etc..
 MATRIZ DE SISTEMAS Y PROCESOS
OBJETIVO SISTEMA PROCESOS VARIABLES
EXPERIMENTAL
Rendimiento de Extractor de aceite Extracción por Presión , temperatura,
extracción de aceite esencial, hojas de arrastre de vapor factor de
esencial de eucalipto eucalipto y vapor empaquetamiento,
tiempo
 MATRIZ DE VARIABLES

NOMBRE SIMBOLO UNIDADES TIPO VALOR VALOR

MINIMO MAXIMO
Presión P mm de Hg Independiente 567,67 760,69
Temperatura T ºC Independiente 92 100,0
Tiempo t hora Independiente 1,00 2,00
Factor de f g/l Independiente 500 750
empaquetam
iento
Rendimiento %
MATRIZ DE OPERACIONALIZACION DE
VARIABLES

Unidades formadoras
de colonias
 MATRIZ DE RELACION ENTRE VARIABLES
VARIABLES VARIABLES HIPOTESIS
DEPENDIENTES INDEPENDIENTES RELACIONES MODELOS
MATEMATICOS

Rendimiento Presión (x1) Y = bo+b1x1+b2x2+b3x3+

Temperatura, TºC (x2) Interacciones : b12x12
Tiempo,t (x3)

Relaciones Entre Variables

Relaciones estadísticas , Establecer una relación estadística entre variables es
verificar que cambios en una variable (la dependiente) están asociados a cambios
en la otra variable (la independiente)
MATRIZ PARA MATERIALES DE LA EXPERIMENTACIÓN

Nombre Tipo Símbolo Pureza Propiedades Observacion

es
 Para llevar a cabo la síntesis de materiales tipo hidrotalcita se utilizarán
los reactivos cuyas propiedades se muestran en la tabla siguiente
Compuesto Formula Pm Pureza Referencia
(g.mol-1) (%p/p) comercial
Carbonato sódico NaCO3
2 105,99 98
Hidróxido sódico NaOH 40,00 98
Nitrato de aluminio Al(NO3)3.9H2O 375.14 98
Nitrato de magnesio Mg(NO3)2.6H2O 256.41 98
 MATRIZ DE METODOS EXPERIMENTALES
METODO VARIABLE VARIABLE INSTRUMENTOS MATERIALES MODELOS
DEPENDIENTE INDEPENDIENTE EQUIPOS MATEMATICOS
 MATRIZ DE NIVELES DE LAS VARIABLES EN LA
EXPERIMENTACIÓN
NIVELES VARIABLE1 VARIABLE2 VARIABLE3 VARIABLE4
(presión) (Temperatura) (Tiempo) (Factor de
Mm de Hg ºC hr empaquetamient
o)
g/l
1 567,67 92 1 500
2 760,69 100 2 750
 MATRIZ DE DISEÑO DE EXPERIMENTOS

Nº DE VAR . 1 VAR. 2 VAR. 3 VAR.4 VAR.5 VAR.6

EXPERIMENTO UNIDADES UNIDADES UNIDADES UNIDADES UNIDADES UNIDADES
1
2
3
4
5
6
7
8
Diseño factorial de la experimentación

Variables codificadas      
Prueba Variable
Nº Z1 Z2 Z3 Respuesta Y
X1 X2 X3

760,69 100 2
1 1 1 1 Y1
760,69 100 1
2 1 1 -1 Y2
760,69 92 2
3 1 -1 1 Y3
760,69 92 1
4 1 -1 -1 Y4
567,67 100 2
5 -1 1 1 Y5
567,67 100 1
6 -1 1 -1 Y6

7 -1 -1 1 567,67 92 2 Y7

8 -1 -1 -1 567,67 92 1 Y8

Modelo matemático que describe el experimento

Se reporta como:
Y  bo  b1 X 1  b2 X 2  b3 X 3  Interaccio nes
 MATRIZ DE REGISTRO DE DATOS
Fecha/hora Valores de variables Valores de observaciones
independientes variables
dependientes
X1 X2 X3 X4 Var1 var2
 PLANIFICAR LA EXPERIMENTACIÓN. ELECCIÓN
DEL DISEÑO EXPERIMENTAL
Es frecuente realizar la experimentación en diversas etapas
secuencialmente. En cada etapa, las series de experimentos se agrupan en
diseños denominados matrices de experimentos.
La selección de una matriz u otra depende del objetivo de cada etapa, y de
otras características como las indicadas a continuación :
• Naturaleza del problema, información ya conocida del problema y tipo de
información que se desea obtener según el objetivo planteado.
• Número de factores e interacciones que se deben estudiar
• Complejidad de utilizar cada diseño
• Validez estadística y efectividad de cada diseño
• Facilidad de comprensión e implementación
• Restricciones operativas, de coste y tiempo
 ESQUEMATIZAR LOS PASOS DEL ANÁLISIS ESTADÍSTICO.

 El análisis estadístico a realizar depende de:

•  Los objetivos indicados en la experimentación,
•   El diseño seleccionado .
•  El modelo asociado que se especificó en el paso .
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.
 
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:
• Relación de causa y efecto
• Experimentos controlados
• Diseño completamente aleatorizado
• Diseño con factores bloque cruzados.
•  Diseño con factores bloque anidados o jerarquizados
• Diseños con dos o más factores
• diseño factorial
• Diseños factoriales a dos niveles

En la práctica, existen una serie de diseños estándar que se utilizan en la mayoría

de los casos.
 
 DISEÑO EXPERIMENTAL

Una prueba o serie de pruebas en las cuales se

introducen cambios deliberados en las variables
de entrada que forman el proceso, de manera
que sea posible observar e identificar las causas
de los cambios en la variable de salida
 DISEÑO EXPERIMENTAL

Es una secuencia de pasos tomados de antemano ( planeado) para

Asegurar que los datos se obtendrán adecuadamente, lo que permitirá
Un análisis objetivo conducente a conclusiones válidas del problema
Investigado.
Tiene como objetivo el arreglo de unidades experimentales y la asignación
de tratamientos

El diseño experimental es una estructura de investigación donde al

menos se manipula una variable y las unidades son asignadas
aleatoriamente a los distintos niveles o categorías de la variable o
variables manipuladas
 OBJETIVOS ESPECÍFICOS DEL DISEÑO
EXPERIMENTAL
• Maximizar la variancia sistemática primaria :
Mediante la adecuada elección de los valores de la
variable independiente
• Control de las fuentes de variación secundarias :
Mediante la selección de un diseño adecuado
• Minimizar la variancia del error
Aumentando la precisión en la medida de los
registros y selección de sujetos homogéneos
 PRINCIPIOS BÁSICOS
DEL DISEÑO DE EXPERIMENTOS

• Aleatorización: La asignación de las unidades

experimentales a los distintos tratamientos y
el orden en el que se realizan los ensayos se
determinan al azar.
• Replicación.
• Homogeneidad del material experimental.
• Control local
PRINCIPIOS BASICOS DEL DISEÑO
EXPERIMENTAL
• Unidades experimentales: (personas, elementos físicos,· · · )
• Factor: Variable controlable por el experimentador (Niveles del
factor o tratamientos)
• Variable de interés: Variable Respuesta
• Error experimental o perturbación: Variables no controlables
por el experimentador
• Tamaño del experimento: número total de observaciones.
• OBJETIVO
• Estudiar el efecto que sobre la Variable Respuesta tiene un
conjunto de otras variables que reciben el nombre de Factores
REALIZAR UN EXPERIMENTO :
Aplicar los distintos niveles, o combinaciones de
niveles cuando hay presentes más de un factor,
a distintas unidades experimentales y se observa
el valor de la variable respuesta.
 MODELO DE VARIACIÓN Y CONSTANCIA

• Variación sistemática de la variable independiente

• Control y neutralización de las variables extrañas

 VARIABLES DEL DISEÑO EXPERIMENTAL

Tipo Acción

• V. Independiente Manipulación

• V. Dependiente Medición

• V. Extraña Control
 ROL DE LAS VARIABLES EN EL CONTEXTO
EXPERIMENTAL
Variable Rol

• V. Independiente Causa

• V. Dependiente Efecto

• V. Extraña Confusión
 MANIPULACIÓN DE LA VARIABLE
INDEPENDIENTE
Manipulación experimental de una variable independiente se
refiere, en una situación simple, a la aplicación de un valor
dado de una variable a un grupo de individuos y un valor
diferente de la misma variable a un segundo grupo de
individuos.

La variable dependiente es conocida, también, por variable

de medida, de respuesta o de resultado.
Es aquel aspecto de comportamiento sobre el que
esperamos observar el efecto de la variación sistemática de la
variable independiente.
• Establecer una relación estadística entre
variables, es verificar que cambios en una
variable (la dependiente) están asociados a
cambios en la otra variable (la independiente)

Cambios en la variable independiente X y cambios en variable respuesta

o dependiente
Relación entre Variable Independiente y Dependiente o Respuesta Puede ser  
Cualitativa •  Cualitativa •  Cuantitativa •  Cuantitativa
 CONTROL EXPERIMENTAL

El control consiste en eliminar o bien neutralizar

cualquier fuente de variación extraña capaz de
confundir la acción de la variable de tratamiento
 ETAPAS DEL DISEÑO EXPERIMENTAL
1) Diseñar un experimento con una estructura lo más adecuada posible a la
situación que se desea estudiar y a los medios disponibles.
a) Planteamiento general del problema y de los objetivos que se persiguen.
b) Selección y definición de la variable respuesta.
c) Elección de los factores y niveles que han de intervenir en el experimento.
d) Determinación del conjunto de unidades experimentales incluidas en el
estudio.
e) Determinación de los procedimientos por los cuales los tratamientos se
asignan a las unidades experimentales.
2) Realizar la experimentación de acuerdo con el plan previamente establecido
en el diseño.
3) Analizar estadísticamente los resultados obtenidos y comprobar si las
hipótesis
establecidas y el modelo de diseño elegido se adecuan a la situación estudiada.
4) Realizar las modificaciones oportunas para ampliar o modificar el diseño.
5) Obtener las conclusiones apropiadas.
 PLANIFICACIÓN DEL DISEÑO EXPERIMENTAL

1. Formulación de la hipótesis.
2. Selección de la variable independiente y
dependiente adecuada.
3. Control de las variables extrañas.
4. Manipulación de las variables independientes y
registro de la variable dependiente o de medida.
5. Análisis estadístico de los datos.
6. Inferencia de la relación entre la variable
independiente y la dependiente.
 CLASIFICACIÓN Y SELECCIÓN DE
LOS DISEÑOS EXPERIMENTALES
Existen muchos diseños experimentales para estudiar la gran diversidad de problemas
o situaciones que ocurren en la práctica. Esta cantidad de diseños hace necesario saber
cómo elegir el más adecuado para una situación dada y, por ende, espreciso conocer
cómo es que se clasifican los diseños de acuerdo con su objetivo y
su alcance.
Los cinco aspectos que más influyen en la selección de un diseño experimental, en el
sentido de que cuando cambian por lo general nos llevan a cambiar de diseño, son:
• *

1. El objetivo del experimento.

2. El número de factores a estudiar.
3. El número de niveles que se prueban en cada factor.
4. Los efectos que interesa investigar (relación factores-respuesta).
5. El costo del experimento, tiempo y precisión deseada.
.
Estos cinco puntos no son independientes entre sí, pero es importante señalarlos de
manera separada, ya que al cambiar cualquiera de ellos generalmente cambia el
diseño experimental a utilizar .
Con base en algunos de estos cinco puntos es posible clasificar los diseños como lo
hacemos a continuación.
El objetivo del experimento se utiliza como un criterio general de clasificación de los
diseños experimentales, mientras que los otros cuatro puntos son útiles para
subclasificarlos.
En este sentido, de acuerdo con su objetivo y sin pretender ser exhaustivos, los diseños se
pueden clasificar como:
1. Diseños para comparar dos o más tratamientos.
2. Diseños para estudiar el efecto de varios factores sobre la(s) respuesta(s).
3. Diseños para determinar el punto óptimo de operación del proceso.
4. Diseños para la optimización de una mezcla.
5. Diseños para hacer el producto o proceso insensible a factores no controlables.

En la figura siguiente se muestra la clasificación general de los diseños experimentales de

acuerdo con su objetivo. Dentro de cada rama se pueden clasificar de acuerdo
al número de factores, al tipo de efectos que se pretende estudiar y según las restricciones
existentes. En la misma figura se listan los diseños particulares más representativos de cada
rama.

Nótese que los diseños factoriales completos y fraccionados ocupan más de un lugar en la
figura ; la razón es que estos diseños son eficaces en diversas situaciones
 DISEÑO COMPLETAMENTE ALEATORIZADO
CON UN SOLO FACTOR

Frecuentemente en la experimentación se quiere comparar más

de dos tratamientos; por ejemplo se quiere estudiar el efecto de
varios catalizadores en el rendimiento químico de un proceso, el
efecto de 3 zonas de producción de orégano respecto al
rendimiento de extracción de aceite esencial.
Los experimentos deberán ser diseñados para investigar los
posibles efectos de tratamiento .
La aleatorización garantiza la validez de la inferencia frente a
distorsiones no especificadas, hace que esas distorsiones se
difundan uniformemente entre los tratamientos.
En los experimentos con un solo factor, se deben efectuar
experimentos completamente aleatorizados y se extiende el
análisis de 2 a k niveles ( tratamientos) de un solo factor.
En este diseño experimental las unidades son agrupadas en
bloques homogéneos y los k tratamientos son aleatoriamente
asignados a cada bloque
Asúmase que se tiene bajo estudio k tratamientos. Para el i-
ésimo tratamiento, la respuesta Y es una variable aleatoria que
varía alrededor de un promedio de tratamiento desconocido
mi = 1,2,.....,k , , se asume que para cada grupo de
tratamiento, la distribución de la respuesta Y alrededor de su
promedio de grupo es normal y que las varianzas son las mismas
para todos los grupos de tratamiento. Esta última asunción
indica que la «precisión» de las observaciones es la misma para
cada grupo .
Supóngase que por ejemplo se quiere estudiar la procedencia del
orégano , de 3 lugares diferentes en cuanto al rendimiento en la
extracción de aceite esencial. Las mediciones deberán estar
distribuidas normalmente y con varianza semejante. Se quiere
determinar si son iguales o no los promedios m1 .. m 2... m k
de
los k tratamientos. Si son iguales se die que no hay diferencia
debida a los diferentes niveles de este factor. Si se determina que
son diferentes , se necesitará determinar cuan diferente son esos
promedio entre sí; así por ejemplo pueden ser diferentes porque
m1 es mayor que m2 = m 3 o tal vés porque los 3 son diferentes
entre si
Ejemplo :
En un estudio se quiere comparar el rendimiento en extracción de
aceite esencial de orégano considerando 3 lugares diferentes de
procedencia, los resultados de la medición del rendimiento de
extracción en porcentaje se anota en la tabla siguiente. Para
realizar los experimentos de la medición involucrada, el
investigador se aseguro que los rendimientos de extracción , son
totalmente representativos y no simplemente una elección de los
primeros experimentos.
Para asegurar la aleatoriedad de las mediciones de la extracción
El investigador asigno un número al azar a cada uno de las 20
muestras y según ello , se realizó los experimentos.
Tipo
(zona de Observaciones ni
producci nj Yi
S ( Yij - Y ) 2

ón) j1
Chiguata (A) 8 0,82; 0, 86 ; 0,79; 0, 83; 0, 85; 0,84 0,48
0,84; 0, 86; 0, 87
Polobaya (B) 6 0,74; 0,74; 0,82; 0,78; 0, 75, 0,77 0,40
0,76; 0,77
Characato (C) 6 0,79; 0,79; 0,77; 0,78; 0,82; 0,79 0,14
0,79
 DISEÑO CON DOS O MAS FACTORES
DISEÑO FACTORIAL
• Los diseños factoriales son muy útiles para los científicos de campo como estudio
preliminar, ya que les permiten juzgar si existe una conexión entre las variables y reducen
la posibilidad de un error experimental y de variables de confusión.

• El diseño factorial, además de simplificar el proceso y abaratar el costo de la investigación,

permite muchos niveles de análisis. Además de resaltar las relaciones entre las variables,
permite que sean aislados y analizados por separado los efectos de la manipulación de
una sola variable.

• La mayor desventaja es la dificultad de experimentar con más de dos factores o muchos

niveles. Un diseño factorial debe ser planificado cuidadosamente, ya que un error en uno
de los niveles o en la operacionalización general pondría en peligro una gran cantidad de
trabajo.

• Dejando de lado estas pequeñas desventajas, un diseño factorial constituye uno de los
pilares de muchas disciplinas científicas, ya que ofrece excelentes resultados en el campo.
Las ventajas de los experimentos factoriales son:
1. Economía en el material experimental al obtener información sobre
varios factores sin aumentar el tamaño del experimento. Todas las u.e.se
utilizan para la evaluación de los efectos.

2. Se amplía la base de la inferencia en relación a un factor, ya que se estudia

en las diferentes condiciones representadas por los niveles de otros factores.
Se amplía
el rango de validez del experimento.

3. Permite el estudio de la interacción, esto es, estudiar el grado y forma en la

cual se modifica el efecto de un factor por los niveles de los otros factores.

Una desventaja de los experimentos factoriales es que requiere un gran

número de u.e., sobre todo cuando se prueban muchos factores o muchos
niveles de algunos factores, es decir, se tiene un número grande de
tratamientos. (factoriales fraccionales)
 DISEÑO FACTORIAL 2K

Un diseño factorial es aquel en el que se

inmvestiga todas las posibles combinaciones de
los niveles de los factores en cada ensayo
completo o réplica del experimento. Los niveles
representan los valores que pueden tomar los
factores o variables. Si consideramos por
ejemplo 2 niveles del diseño, se denomina
diseño factorial a 2 niveles o diseño factorial 2K
 En el diseño el número total de experimentos a llevarse a cabo viene
definido por la relación
N = 2K
k = número de variables ;
N = número total de experimentos
Ejemplo : Una empresa produce productos metálicos niquelados. Sus clientes
no están satisfechos con las características del niquelado, luego de analizar el
caso se identifica el problema como la incapacidad de lograr la capa de níquel
con el espesor adecuado, lo que viene de las condiciones del proceso
productivo . El espesor d la capa de níquel es la causa del problema

SELECCIÓN DE FACTORES :
Los factores o variables que afectan el proceso del niquelado entre otros son :
Temperatura de la solución, tiempo de recubrimiento, pH, concentración de P,
Concentración de níquel en la solución, voltaje, densidad de corriente. En el
análisis de variables se decide seleccionar las variables de estudio a tiempo y
temperatura del baño. Por lo tanto las otras variables se mantendrán
constantes en el proceso.
La temperatura como el tiempo de inmersión en el baño electrolítico son
variables cuantificables, independientes o manipulables; cuyos valores se
fijan a dos niveles según lo siguiente :

Factor Nivel ( -) Nivel ( + )

Temperatura ºC 16 32
Tiempo , ( S ) 4 12

Además del efecto de las variables en el espeso del niquelado se presupone

que hay una interacción entre estas 2 variable.
TRATAMIENTO DE LOS DATOS
Con 2 factores fijados a 2 niveles ( + y -) , se decide utilizar un
diseño factorial completo donde N = 22 N= 4 experimentos
Los valores de las variables se codifican con valores + 1 y -1,
como se indica en la siguiente tabla :