Estable formas para el diseño experimental

1. PRINCIPIOS
BÁSICOS DEL
DISEÑO DE
EXPERIMENTOS
ING. ANDRÉS BALLESTERO
TORRES, MGT.

2. PRESENTACIÓN DEL CURSO
◼ https://jamboard.google.com/d/1FyLEpKzPd3Y0Pox4DBiq1I6Lx_GccexIfSBtUsN5cxI/edit?usp=shar
ing

3. PROCESO GENERAL DE LA INVESTIGACIÓN

4. EL ENFOQUE CUANTITATIVO
• La realidad puede ser observada de manera objetiva y sin intervención del investigador /
observador.
• Basada en el empirismo.
• La realidad puede ser intervenida y manipulada.
• Los efectos se pueden cuantificar.
• La comprobación de hipótesis recurre a la Estadística.
• Busca la generalización de sus conclusiones.
• Su campo de acción natural son las Ciencias físico-naturales.

5. EL ENFOQUE CUALITATIVO
◼ Su campo de aplicación mayoritario son las Ciencias
Sociales.
◼ La complejidad de ciertos fenómenos dificulta su reducción
a un simple número. Se fundamenta más en palabras.
◼ La relación entre el sujeto investigador y el “objeto” de
investigación se presentan con una mutua interacción.
◼ La investigación cualitativa busca el control de las
interacciones entre las distintas fases del proceso.
◼ No permite la generalización y depende de la capacidad /
honestidad del observador.

6. METODOLOGÍA
GENERAL
DE LA
INVESTIGACIÓN
CUANTITATIVA

7. TIPOS DE DISEÑOS EXPERIMENTALES
◼ Diseño experimental estricto.
◼ Diseño de grupo de control equivalente.
◼ Diseño de grupo de control pre test-post test.
◼ Diseños factoriales
◼ Diseño cuasi experimental.
◼ Diseño de grupo de control no equivalente
◼ Diseño pre experimental.
◼ Diseño pre test-post test de un solo grupo.
◼ Diseños ex post facto(no experimentales)
+
-
Grado
de
manipulación
de
la
VI
(*) Clasificación propuesta en Asencio, E. N., García, E. J., Redondo, S. R., y Thoilliez, B. (2017). Fundamentos de la investigación y la innovación
educativa. Unir Editorial.
(*)

8. EL EXPERIMENTO COMO BASE DE LOS DISEÑOS
CUANTITATIVOS
◼ Método de referencia en Ciencias Físicas – Naturales: Experimentos
◼ Implica manipular intencionalmente las Variables Independientes (X) para analizar las
consecuencias que tiene esta manipulación sobre la Variable Dependiente (Y).
VI (X)
• Causa
• Se manipula
VD (Y)
• Efecto
• Se mide
Influye, Incide, Mejora, Reduce,
Incrementa, produce

9. TÉCNICAS
ESTADÍSTICAS
BÁSICAS
SEGÚN EL
DISEÑO
Conforme avance el grado de control sobre el diseño,
las técnicas estadísticas también aumentan su
complejidad.
- Diseños ex post facto: (Estudios descriptivos o
correlacionales)
- Estadísticas descriptivas, métodos gráficos,
tablas de contingencia, correlaciones
- Diseños pre experimentales:
- Contrastes de medias o proporciones pareadas
- Diseños cuasi experimentales
- Contrastes para medias independientes,
Regresiones, Análisis de Varianza
- Diseños experimentales
- Diseños con una o dos fuente de variación,
Diseños factoriales, Diseños con bloques, etc.

10. DISEÑOS EXPERIMENTALES VS. OBSERVACIONALES
Rango
observad
o
Los estudios basados en observación
pueden estar expuestos a riesgos:
- Inconsistencias en los datos
- Limitaciones en el rango de
observación
- Confusión de efectos
- Correlaciones con variables ocultas

11. 1. DISEÑOS EXPERIMENTALES: DEFINICIONES
◼ La metodología del Diseño de Experimentos estudia
cómo variar deliberadamente las condiciones habituales
de un proceso empírico para aumentar la probabilidad de
detectar cambios significativos en la respuesta y obtener
así un conocimiento más profundo sobre el
comportamiento del proceso (modelo)
Esta foto de Autor desconocido está bajo
licencia CC BY-NC

12. OBJETIVOS DEL DISEÑO EXPERIMENTAL
⮚ Determinar las principales causas de
variación en la respuesta,
⮚ Encontrar las condiciones
experimentales que permiten alcanzar
un valor extremo en la respuesta,
⮚ Comparar las respuestas en diferentes
niveles de observación de variables
controladas,
⮚ Obtener un modelo matemático que
permita predecir respuestas futuras.
Esta foto de Autor desconocido está bajo licencia CC BY-SA

13. ALGUNA TERMINOLOGÍA BÁSICA:
FACTORES DE TRATAMIENTOS: Variable cuyo posible efecto desea ser investigado.
Ejemplos: Droga, aditivo químico, temperatura, método de enseñanza, etc.
NIVELES DEL FACTOR TRATAMIENTO: Tipos o grados específicos del factor que se utilizarán en el experimento.
Ejemplos: Distintas cantidades de droga, diferentes tipos de aditivos, grados de temperatura seleccionados, etc.
UNIDADES MUESTRALES: Son el material donde evaluar la variable respuesta y al cual se aplicarán los distintos
niveles de los factores tratamiento.
Ejemplos: en agricultura, parcelas de tierra; en medicina, individuos humanos u animales; en industria, lotes de
material, trabajadores, máquinas, etc.
Esta foto de Autor desconocido está bajo licencia CC BY-SA-NC

14. ALGUNA TERMINOLOGÍA BÁSICA:
DISEÑO EQUILIBRADO O BALANCEADO: Todos los tratamientos son asignados a un número igual de
unidades experimentales.
TAMAÑO DEL EXPERIMENTO: Número total de observaciones recogidas en el experimento.
REPLICAR UN EXPERIMENTO: Repetir la ejecución del experimento reproduciendo el procedimiento
experimental.
MODELO DE EFECTOS FIJOS: Los niveles de todos los factores han sido seleccionados por el
experimentador.
MODELO DE EFECTOS ALEATORIOS: Los niveles de todos los factores son una muestra de todos los
niveles posibles.

15. 2. TIPOS DE VARIABILIDAD
• Dispersión debido a las diferencias sistemáticas entre las
distintas condiciones experimentales (es premeditada)
• Es la que se trata de identificar y cuantificar mediante el
experimento
Sistemática y
Planificada
“DESEABLE”
• Impredecible e inevitable (ruido aleatorio)
• Incluye variabilidad por errores de medida (p.e. medidas
repetidas)
• Es posible estimar su valor
Típica del problema y
del experimento
“TOLERABLE”
• Sesgo debido a causas desconocidas (leva a conclusiones
incorrectas)
• Puede evitarse mediante ALEATORIZACION y/o BLOQUEO
Sistemática y no
planificada
“AMENAZA”

16. 3. ETAPAS DE PLANIFICACIÓN DE UN EXPERIMENTO
1. Definir
objetivos
2. Identificar
fuentes de
variación
3. Elegir Reglas
de asignación
6. Especificar
el modelo
5. Pilotaje
4.
Especificación
de medidas y
procedimiento
7.
Esquematizar
análisis
8. Tamaño
muestral
9.
Retroalimentar

17. ETAPAS DE PLANIFICACIÓN DE UN EXPERIMENTO: 1 - 2
1. DEFINIR OBJETIVOS DEL EXPERIMENTO
• Sólo cuestiones concretas y esenciales.
• Muy Útil: finalizada la lista de objetivos esquematizar las conclusiones
que se espera alcanzar con posterioridad al análisis de los datos.
• Probablemente la lista de objetivos deba ser refinada al desarrollar el
listado de acciones
◼ 2. IDENTIFICAR LAS POSIBLES FUENTES DE VARIACION EN LA
RESPUESTA
• Factores tratamiento
• Unidades experimentales
• Factores “nuisance”: bloques, covariables, etc.
Esta foto de Autor desconocido está bajo licencia CC BY-SA-NC

18. ETAPAS DE PLANIFICACIÓN DE UN EXPERIMENTO: 3 - 4
3. DEFINIR LA REGLA DE ASIGNACION DE UNIDADES EXPERIMENTALES A
LOS TRATAMIENTO:
• Escoger el diseño experimental para especificar que unidades
experimentales se observarán bajo cada tratamiento: Diseño factorial o no,
anidamiento, asignación al azar en determinados niveles de observación, el
orden de asignación, etc.
4. ESPECIFICAR LAS MEDIDAS, EL PROCEDIMIENTO EXPERIMENTAL Y
ANTICIPAR LAS POSIBLES DIFICULTADES
• Identificar la variable respuesta y en qué unidades se medirá.
• Determinar cómo se harán las mediciones: instrumentos de medida,
disponibilidad de éstos, momento en que se tomarán, etc.
• Enumerar y anticiparse a posibles imprevistos (experimento piloto) para
detectar nuevas fuentes de variación o simplificar el procedimiento
experimental.
Esta foto de Autor desconocido está bajo licencia
CC BY-SA-NC

19. ETAPAS DE PLANIFICACIÓN DE UN EXPERIMENTO: 5 - 6
5. REALIZAR UN EXPERIMENTO PILOTO
Experimento involucrando un número reducido de observaciones.
No sirve para extraer conclusiones sino ayuda a completar y chequear la lista de acciones, p.e.:
✔ Para practicar la técnica experimental e identificar problemas insospechados.
✔ Si es suficientemente grande ayuda a seleccionar un modelo adecuado.
✔ Los errores experimentales ayudan a calcular el número de observaciones que se precisan en el experimento
principal.
6. ESPECIFICAR EL MODELO ESTADÍSTICO MATEMÁTICO
• Debe indicar explícitamente la supuesta relación entre la variable respuesta y las principales fuentes de
variación.
• El modelo elegido debe ajustarse a la realidad con la mayor precisión posible.
• El modelo más habitual es el modelo lineal (PRINCIPIO DE PARSIMONIA)

20. PARAMETRIZACIONES DEL MODELO LINEAL PARA EL ANÁLISIS DE
VARIANZA
1
2
3

21. ETAPAS DE PLANIFICACIÓN DE UN EXPERIMENTO: 7 - 9
7. ESQUEMATIZAR EL ANALISIS ESTADÍSTICO A REALIZAR
• Dependerá de: los objetivos (paso 1), el diseño (paso 3), y el modelo (paso 6)
• Debe indicar los pasos del análisis, incluyendo las estimaciones, contrastes e intervalos de confianza que se
calcularán. Debe incluir un completo ejercicio de diagnosis y crítica del grado de ajuste del modelo a la realidad.
8. DETERMINAR EL TAMAÑO MUESTRAL
• Existen fórmulas para determinarlo, pero requieren estimar (incluso sobreestimar) el tamaño de la variabilidad
no planificada
• Puede estimarse a partir del experimento piloto o estudios anteriores similares.
9. REVISAR LAS DECISIONES ANTERIORES Y MODIFICAR DE SER NECESARIO.

22. RECOMENDACIONES GENERALES
• Ningún método de análisis estadístico, por sofisticado que sea, permitirá extraer conclusiones correctas
en un diseño de experimentos mal planificado.
• El análisis estadístico no es un segundo paso independiente de la tarea de planificación. Es necesario
comprender la totalidad de objetivos que se buscan antes de comenzar con el análisis. Si esto no se hace
así, tratar que el experimento conteste a otras cuestiones a posteriori puede ser (lo será casi siempre)
imposible.
• No invertir nunca todo el presupuesto en un primer conjunto de experimentos y utilizar en su diseño toda
la información previa disponible.
• 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.

23. 4. PRINCIPIOS BÁSICOS: ALEATORIZACIÓN
◼ ALEATORIZAR: Todos aquellos factores no controlados por el experimentador en su diseño
experimental y que pudiesen influir en los resultados serán asignados al azar a las unidades
experimentales.
◼ ¿Por qué aleatorizar?
◼ • Convierte la variabilidad sistemática no planificada en variabilidad no planificada o ruido aleatorio. Es
decir, previene contra la introducción de sesgos en el experimento.
◼ • Evita la dependencia entre observaciones.
◼ • Valida muchos de los procedimientos estadísticos más comunes.
ING. SERGIO CASTILLO, PHD 23

24. PRINCIPIOS BÁSICOS: BLOQUEO
◼ BLOQUEAR: Dividir o particionar las unidades experimentales en
grupos llamados bloques (o niveles de factores bloque) de modo que las
observaciones realizadas en cada bloque se realicen bajo condiciones
experimentales lo más parecidas posibles.
◼ ¿Por qué bloquear?
◼ • Convierte la variabilidad sistemática no planificada en variabilidad
sistemática planificada.
◼ • El experimentador no está interesado en investigar las posibles
diferencias de la respuesta entre los bloques.
◼ • Es una muy buena estrategia cuando las u.e. se prestan a ser divididas
en grupos de unidades “similares”.
◼ • Puede no ser posible bloquear y aleatorizar.
ING. SERGIO CASTILLO, PHD
24
Esta foto de Autor desconocido está bajo licencia CC BY-SA

25. PRINCIPIOS BÁSICOS: LA FACTORIZACIÓN DEL DISEÑO
◼ DISEÑO FACTORIAL: Estrategia experimental
que consiste en cruzar los niveles de todos los
factores tratamiento a todas las combinaciones
posibles.
Ventajas de los diseños factoriales:
◼ • Permiten detectar la existencia de efectos
interacción entre niveles de factores tratamiento
distintos.
◼ • Es una estrategia más eficiente que la estrategia
clásica de examinar la influencia de un factor
manteniendo constantes los demás.
ING. SERGIO CASTILLO, PHD 25
Esta foto de Autor desconocido está bajo licencia CC BY-NC

26. 5. DISEÑOS EXPERIMENTALES BÁSICOS
◼ DISEÑOS COMPLETAMENTE ALEATORIZADOS
⮚ Las u.e. se asignan a los tratamientos completamente al azar, con la única restricción del número de
observaciones a tomar por cada tratamiento.
⮚ Naturalmente este tipo de diseños se utilizan en experimentos no bloqueados.
⮚ El modelo matemático es de la forma:
Respuesta = Cte. + Efecto tratamiento + Error
ING. SERGIO CASTILLO, PHD 26

27. 5. DISEÑOS EXPERIMENTALES BÁSICOS
DISEÑOS EN BLOQUES O CON UN FACTOR DE BLOQUEO
⮚ Las u.e. se reagrupan en bloques, a continuación se determina la distribución de los tratamientos en cada
bloque y, por último se asignan al azar las u.e. a los tratamientos dentro de cada bloque.
⮚ El modelo matemático es de la forma:
Respuesta = Cte. + Efecto tratamiento + Efecto bloque + Error
⮚ Se habla de diseño en bloques completos cuando cada tratamiento se observa el mismo número de
veces en cada bloque. En otro caso se habla de diseños en bloques incompletos.
ING. SERGIO CASTILLO, PHD 27

28. 5. DISEÑOS EXPERIMENTALES BÁSICOS
DISEÑOS CON DOS O MÁS FACTORES DE BLOQUEO
⮚ Diseños con Factores Bloque Cruzados:
• Existen u.e. en todas las combinaciones de los niveles de los factores de bloqueo.
⮚ Diseños con Factores Bloque Anidados o Jerarquizados:
• Cada nivel particular de uno de los factores de bloqueo ocurre en un único nivel del otro
factor bloque.
ING. SERGIO CASTILLO, PHD 28

29. SOFTWARE A UTILIZAR
R y R Studio