M. Diseñoexperimental

Diseo experimental
Campo Elas Riao Luna

1

Diseo experimental
2

PROGRAMA DE NGENERA DE PROGRAMA DE NGENERA DE PROGRAMA DE NGENERA DE PROGRAMA DE NGENERA DE
ALMENTOS ALMENTOS ALMENTOS ALMENTOS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

BOGOT 2005

Ing. Qumico. MSc.

Diseo experimental
3
INDICE DE CONTENIDO DEL CAPITULO PRIMERO DE LA UNIDAD UNO

CONTENIDO

Diagrama 1. Red semntica para el diseo experimental en ingeniera de
alimentos.
Objetivos del modulo
Es importante el diseo experimental en las ciencias aplicadas?............
Como se evaluara el curso de diseo experimental? ............ .................
UNIDAD PRIMERA: Fundamentos del diseo experimental....................
Algunas citas de inters................................................................................
Para no olvidar..............................................................................................
Cuando se inicia el diseo experimental? ...............................................
Foto 1 de Sir Ronal Fischer..............................................................................
Capitulo primero de la unidad uno. Conceptos y principios bsicos.......
Preguntas de repaso y evaluacin. ...............................................................
Cuadro 1. contenidos del capitulo primero de la unidad primera.........
1. Introduccin.................................................................................................
1.1.El proyecto de investigacin....................................................................
1.1.1. Anteproyecto de investigacin............................................................
1.2. Investigacin cientfica............................................................................
1.2.1.Investigacin aplicada........................................................................
1.3. Que es un diseo de investigacin.......................................................
1.4. Repaso al mtodo cientfico..................................................................
1.5. Mtodos de investigacin......................................................................
1.5.1. Estilo de trabajo investigativo...........................................................
1.5.2. Mtodo Inductivo.................................................................................
1.5.3. Mtodo Deductivo................................................................................
1.5.4. Hipottico- deductivo...........................................................................
1.5.5 Niveles de investigacin.......................................................................
1.6. Que es la observacin............................................................................
1.7. Que es analizar.......................................................................................
1.8. Que es un Diseo de campo.................................................................
1.9. Diseo experimental..............................................................................
1.10. Experimento..........................................................................................
1.10.1. Experimento aleatorio. ......................................................................
1.10.2. Importancia del diseo experimental en la investigacin. ............
1.11. Definiciones importantes en el diseo experimental. .......................
1.11.1. Datos. .................................................................................................
1.11.2. Unidades experimentales.................................................................
1 .11.3. Poblacin y muestra.........................................................................
1.11.3.1. Seleccin del material experimental. .............................................
1.11.3.2. Condiciones que debe reunir una muestra...................................
1.11.4. Nivel. ...................................................................................................
1.11.5. Tratamiento. ............................................................................................

Diseo experimental
4
1.11.6. Testigo. ....................................................................................................
1.11.7. Variable de respuesta..............................................................................
1.12. Replica. ......................................................................................... .............
1.13. Asignacin de unidades experimentales.................................................
Tabla 1. de permutaciones al azar de :9............................................................
1.14. Nmero de rplicas......................................................................................
1.15. Estabilidad...................................................................................................
1.16. Repetibilidad (precisin) de un experimento............................................
1.17. Reproducibilidad de un experimento.........................................................
1.18. Hiptesis. ......................................................................................... ............
1.19. Formulacin y prueba de hiptesis............................................................
1.20. Ejercicios.......................................................................................................
Tabla 2. Actividades a desarrollar en el capitulo primero de la primera
unidad......................................................................................................................
1.21. Respuesta a las preguntas.........................................................................

INDICE DE CONTENIDO PARA EL CAPITULO SEGUNDO DE LA UNIDAD UNO
CONTENIDO

UNIDAD PRIMERA: Fundamentos del diseo experimental.

Foto 1 de Gallilleo Galilei
Objetivo del capitulo
Como se evaluara el capitulo del curso de diseo experimental?

CAPITULO SEGUNDO DE LA PRIMERA UNIDAD

Conceptos estadsticos bsicos para el anlisis de resultados
experimentales
Preguntas de repaso y evaluacin. ..............................................................
2.1. Introduccin...............................................................................................
2.2. Etapas de un trabajo de investigacin....................................................
2.3. Disear un experimento. .........................................................................
2.3.1. Fundamentos de la experimentacin. ................................................
2.4. Error experimental...................................................................................
2.5. Factores....................................................................................................
2.5.1. Variable..................................................................................................
2.5.1.1. Variable independiente. ....................................................................
2.5.1.2. Variable dependiente. .......................................................................
2.5.1.2.1. Ejemplo de variables independiente y dependiente....................
2.5.1.3. Variable interviniente. ........................................................................
2.5.1.4. Variable numrica. .............................................................................
2.5.1.5. Variable categrica. ...........................................................................
2.5.1.5.1. Variable Nominal..............................................................................
2.5.1.5.2. Variable Ordinal. ..............................................................................

Diseo experimental
5
2.5.2. Escalas de medicin..............................................................................
2.5.2.1. Escala nominal....................................................................................
2.5.2.2. Escala ordinal. ...................................................................................
2.5.2.3. Escala de intervalo. ..........................................................................
2.5.2.4. Escala de razn. ................................................................................
2.6. Correlacin...............................................................................................
2.7 Carcter.....................................................................................................
2.8. El experimento. .......................................................................................
2.9. Unidad experimental. ..............................................................................
2.10. Tratamiento. ...........................................................................................
2.10.1. Tratamiento testigo.............................................................................
2.11. Poblacin.................................................................................................
2.11.1. Individuos o elementos.......................................................................
2.11.2. Muestra.................................................................................................
2.12. Parmetro................................................................................................
Cuadro 2. Smbolos para los parmetros y estadsticos.............................
2.12.1. Estadstico...........................................................................................
2.12.2. Ejemplo de una poblacin. ................................................................
2.13. Niveles de variables................................................................................
2.14. Eleccin de la muestra...........................................................................
2.14.1. Tamao de la muestra.........................................................................
Tabla 13. Tamao de muestra para una poblacin.......................................
2.14.1.1. Ejemplo de determinacin de numero de muestras......................
2.14.2. Recomendaciones para la eleccin y tamao de muestra..............
2.15. Muestreo y distribucin muestral..........................................................
2.15.1. Tipos de muestreo. .............................................................................
2.16. Sesgo.......................................................................................................
2.17. Grados de libertad. ..................................................................................................................
2.18. Datos sin procesar. ................................................................................
2.19. Organizacin de los datos obtenidos. ..................................................
2.19.1. Ejemplo de organizacin de datos en Excell.....................................
Figura 4. Forma bsica de organizar datos...................................................
2.20. Ordenamiento de datos utilizando su arreglo y distribucin de
frecuencias. ......................................................................................................
Figura 5. Ejemplo de organizacin y presentacin de datos utilizando su
arreglo y distribucin de frecuencias. ...........................................................
2.21. Anlisis de datos. ...................................................................................
2.21.1. La mediana............................................................................................
2.21.2. La moda.................................................................................................
2.21.3. Tendencia central.................................................................................
2.21.4. Dispersin. ...........................................................................................
2.21.5. Sesgo en curvas y graficas.................................................................
2.21.6. Curtosis.................................................................................................
2.21.7. La media aritmtica. ...........................................................................
2.21.7.1. Clculo de la media a partir de datos no agrupados....................
2.21.7.2. Clculo de la media de datos agrupados......................................
2.21.8. La mediana. ........................................................................................
Diseo experimental
6
2.21.9. Clculo de la mediana a partir de datos no agrupados...................
2.21.9.1. Clculo de la mediana a partir de datos agrupados......................
2.21.10. La moda..............................................................................................
2.21.11. La dispersin......................................................................................
2.21.12. Medidas de dispersin.......................................................................
2.21.13. Distribucin de frecuencias..............................................................
2.21.14. Caractersticas de las distribuciones de frecuencias relativas.....
2.21.15. Importancia de la representacin grfica de las distribuciones de
frecuencias. ...............................................................................................
2.21.16. Histogramas.......................................................................................
2.21.16.1. Ventajas de los histogramas. ........................................................
2.21.17. Polgonos de frecuencias.................................................................
2.21.17.1. Ventajas de los polgonos de frecuencias....................................
2.21.18. Ojivas. ................................................................................................
2.22. Varianza de una poblacin. ...................................................................
2.23. Desviacin estndar de una poblacin.................................................
2.24. Anlisis de regresin..............................................................................
2.24.1.Regresin lineal simple. .................................................................
2.25. Coeficientes de correlacin. .................................................................
Tabla 15. Grado de asociacin de los coeficientes de correlacin para un
conjunto de datos.......................................................................................
2.26. Otros modelos de regresin lineal simple. ..........................................
Tabla 16. Modelos de regresin lineal simple..............................................
2.27. Pruebas de hiptesis. ..................................................................................
2.27.1. Pruebas de hiptesis Z para una media poblacional (
conocida)
2.27.2. Ejemplo y procedimiento a desarrollar para una prueba de
hiptesis propiamente dicha. .........................................................................
2.28. Prueba de t...............................................................................................
2.28.1. Suposiciones de la prueba de t con una muestra.............................
2.29. Prueba de z para la diferencia entre dos medias.................................
2.30. Prueba de t para la diferencia entre dos medias..................................
2.31. Errores tipo I y tipo II...............................................................................
2.32. Anlisis de la varianza. ..........................................................................
2.32.1. Bases del anlisis de la varianza...................................................................
Tabla 17. Ejemplo de un anlisis de varianza.........................................................
2.33. Interaccin de los factores....................................................................
2.34. Transformacin de datos..........................................................................
Tabla 18. Transformaciones usadas para datos...........................................
2.35. Regresin lineal mltiple........................................................................
2.36. Correlacin mltiple................................................................................
2.37. Anlisis de Covarianza..........................................................................
2.37.1. Objetivos del anlisis de covarianza.................................................
2.38. Software estadsticos para la solucin de problemas.......................
Figura 6. Portada del programa Statgraphics...............................................
Figura 7. Hoja de clculo de excell................................................................
2.39. Ejercicios desarrollado..........................................................................
Tabla 19. Produccin de canastillas de uchuva en seis veredas...............
Diseo experimental
7
Tabla 20. Resumen estadstico de los datos totales recolectados de la
produccin de uchuvas en cinco municipios de Cundinamarca................
Tabla 21. Resumen estadstico de los datos recolectados por mes de la
Figura 8. Grafico de la produccin anual de uchuvas..................................
Figura 9. Grafico de cajas y bigotes de la produccin mensual de
uchuvas...............................................................................................................
Figura 10. Grafico de medias e intervalos para la produccin de uchuvas
por finca..............................................................................................................
Tabla 22. Anlisis de varianza (ANAVA) par el ejemplo de las fincas
productoras de uchuva.....................................................................................
2.40. Recomendaciones....................................................................................
2.40.1. Modalidades recomendadas para disminuir el error..........................
2.41.Ejercicios propuestos................................................................................
2.42. Actividades a desarrollar.........................................................................
Tabla 23. Actividades a desarrollar en el periodo acadmico......................

Diseo experimental
8
UNIDAD PRIMERA

FUNDAMENTOS DEL DISEO EXPERIMENTAL.

Definir
Planear
Traba]o de
campo-
Laboratorio
Datos
Diseo experimental
9

Algo de historia del diseo experimental

El Diseo de Experimentos tuvo su inicio terico a partir de 1935 por Sir Ronald A.
Fisher, quin sent la base de la teora del Diseo Experimental y que a la fecha se
encuentra bastante desarrollada y ampliada. Actualmente las aplicaciones son
mltiples, especialmente en la investigacin de las ciencias naturales, ingeniera,
laboratorios y casi todas las ramas de las ciencias sociales. La experimentacin
proporciona los datos experimentales, en contraste con los datos de la observacin; los
datos de la observacin se representan como su nombre indica por observaciones de
las unidades elementales de una poblacin o de una muestra, y no deben ser
cambiados ni modificados por ningn intento de parte de un investigador en el curso de
la observacin.

DISEO EXPERIMENTAL PARA INGENIERA DE ALIMENTOS

Aplicar correctamente la terminologa y conceptos
utilizados en los procesos investigativos
Tiene como fn
Diseo experimental
10

Diagrama 1.

Diseo experimental
11

OBJETIVOS DEL MODULO

Suministrar los elementos esenciales para que el alumno que se encuentra cursando
los semestres octavo, noveno y dcimo del ciclo de ingeniera conozca el proceso que
requiere la elaboracin de un trabajo de investigacin respaldado por un estudio
estadstico, aplicado a una recogida y toma de datos experimentales productos de una
metodologa debidamente planificada, con interpretacin de resultados hasta su
posterior anlisis y conclusiones.
Acompaar al alumno para que sea capaz de planificar y elaborar, por s mismo,
estudios con aplicacin de la estadstica, relacionados con los obtenidos por medio de
la bsqueda de documentacin en bibliotecas, en los laboratorio, en centros
especializados en diversos estudios, en analizar tendencias poblacionales, etc., y el
uso y manejo de algn paquete de software estadstico adecuado.

Diseo experimental
12
ES IMPORTANTE EL DISEO EXPERIMENTAL EN LAS CIENCIAS
APLICADAS?

Pregunta que ha sido respondida por diferentes autores de la siguiente forma:

"El diseo es fundamental en el experimento. La idea expresada en la hiptesis
tiene que ser convertida en experimentable a travs del diseo.

Para Plutchik, "los diseos experimentales se consideran como formas de
disponer las condiciones de un experimento de tal manera que se logren las
respuestas a las preguntas del caso".

Por eso, Kirk asegura que un diseo consiste en el papel conforme al cual se le
asignan o distribuyen los sujetos a las diferente condiciones experimentales.

Al preparar el diseo, el experimentador establece con qu variable actuar,
cules son las variables dependientes que espera relacionar con la VI, seala
cmo anular la influencia negativa de las Variables Experimentales. Asimismo,
establece, con cuntos sujetos se realizar el experimento y decide la manera
de su seleccin." L. Gildomero Arista, Metodologa de la investigacin (p. 169)

Diseo experimental
13

COMO SE EVALUARA EL CURSO DE DISEO EXPERIMENTAL?

-A travs de pruebas escritas de contenido terico-prctico, en las que se valorar la
claridad conceptual, la capacidad de relacionar conceptos, la justificacin adecuada de
los procedimientos estadsticos utilizados, la coherencia en el desarrollo de resolucin
de problemas y ejercicios prcticos y la correccin y adecuacin de la interpretacin de
los resultados obtenidos.
- Mediante la realizacin de trabajos y ejercicios prcticos.

Diseo experimental
14

Algunas citas de inters

"Experimentar dice Robert Plutchik significa "ensayar" o "poner a prueba"
(Fundamentos de la investigacin, 1975). Lo que se pone a prueba, en este caso, es
una hiptesis, una probable solucin o respuesta transitoria de un problema
planteado en la ciencia...
Escuchemos al respecto, la palabra de Claude Bernard, un clsico del mtodo
experimental" se da el nombre de observador dice- a aqul que aplica los
procedimientos de investigacin simples o complejos, para hacer que los
fenmenos que nos hace variar y que, por consiguiente, recoge tales como se
los ofrece la Naturaleza.
Se da el nombre de experimentador, al que emplea los procedimientos de
investigacin, simples o complejos, para hacer que los fenmenos naturales
varen o se modifiquen con un fin cualquiera, y as hacerlos aparecer en
circunstancias o condiciones en que no los presente la Naturaleza. En este
sentido, la observacin es la investigacin de un fenmeno natural, y la
experiencia es la investigacin de un fenmeno modificado por el que investiga"
(Introduccin al estudio de la medicina experimental, 1960).

Diseo experimental
15

Para no olvidar

Los mtodos experimentales son ampliamente usados en la investigacin bsica y
aplicada pero con propsitos muy diferentes.

La meta primaria en la investigacin cientfica normalmente es mostrar la importancia
estadstica de un efecto que un factor particular ejerce en la variable dependiente de
inters

En la industria, la meta primaria es extraer la cantidad mxima de informacin imparcial
con respecto a los factores que afectan un proceso, la produccin y la calidad del
producto terminado.

El propsito de un diseo experimental es proporcionar mtodos que permitan obtener
la mayor cantidad de informacin vlida acerca de una investigacin, teniendo en
cuenta el factor costo y el uso adecuado del material disponible mediante mtodos que
permitan disminuir el error experimental.

Cuando se inicia el diseo experimental?
Diseo experimental
16

El Diseo de Experimentos tuvo su inicio terico a partir de 1935 por Sir Ronald Aymer
Fisher, matemtico ingles nacido en Londres el 17 de febrero de 1890 y fallecido en
Adelaida, Australia, el 29 de julio de 1962.
Desde 1919 y hasta 1933, trabajo para la Rothamsted
Experimental Station, cerca de Harpenden, Inglaterra en
la aplicacin de un exhaustivo anlisis estadstico a los
datos de investigaciones agrcolas que el personal haba
recolectado.

Ejercicio que le permiti desarrollar y consolidar los
principios bsicos del diseo y anlisis experimental que
hasta la fecha son prcticas necesarias para llegar a
resultados de investigacin vlidos.

Estudiando y analizando estadsticamente experimentos
relativos a los cultivos de trigo, desarroll el anlisis de
varianza y unific sus ideas bsicas sobre los principios
del diseo de experimentos.

Foto 1. Sir Ronald Aymer Fisher (
http://psi.usal.es/moodle/user/view.php?id=4&course=1)
Su primera obra el artculo "The Arrangement of Field
Experiments" lo publico en, 1926; en ese importante artculo describi tres
componentes fundamentales de los
experimentos en el rea de pruebas agrcolas: control local de las condiciones de
campo para reducir el error experimental, replicacin como un medio para estimar la
varianza del error experimental y la aleatorizacion para obtener una estimacin valida
de esa varianza.

Fue quin sent la base de la teora del Diseo Experimental y que a la fecha se
encuentra bastante desarrollada y ampliada.

Actualmente las aplicaciones son mltiples, especialmente en la investigacin de las
ciencias naturales, ingeniera, laboratorios y casi todas las ramas de las ciencias
sociales.(20)

La experimentacin proporciona los datos experimentales, en contraste con los datos
de la observacin; los datos de la observacin se representan como su nombre indica
por observaciones de las unidades elementales de una poblacin o de una muestra, y
no deben ser cambiados ni modificados por ningn intento de parte de un investigador
en el curso de la observacin. (30).

Ningn otro investigador ha tenido tanto impacto en los principios estadsticos del
diseo de experimentos en su tiempo como Ronald A. Fisher.

Diseo experimental
17

CAPITULO PRIMERO DE LA UNIDAD UNO
Conceptos y principios bsicos.

Preguntas de repaso y evaluacin.

Qu es investigacin?
Qu es investigacin cientfica?
Qu es un diseo de investigacin? Qu es un experimento?
Qu tipo de estudio son las investigaciones experimentales?
En experimentacin que significa repetitividad?

Diseo experimental
18
INDICE DE CONTENIDO DEL CAPITULO PRIMERO DE LA UNIDAD UNO

CONTENIDO

Diagrama 1. Red semntica para el diseo experimental en ingeniera de
alimentos.
Objetivos del modulo
Es importante el diseo experimental en las ciencias aplicadas?............
Como se evaluara el curso de diseo experimental? ............ .................
UNIDAD PRIMERA: Fundamentos del diseo experimental....................
Algunas citas de inters................................................................................
Para no olvidar..............................................................................................
Cuando se inicia el diseo experimental? ...............................................
Foto 1 de Sir Ronal Fischer..............................................................................
Capitulo primero de la unidad uno. Conceptos y principios bsicos.......
Preguntas de repaso y evaluacin. ...............................................................
Cuadro 1. contenidos del capitulo primero de la unidad primera.........
1. Introduccin.................................................................................................
1.1.El proyecto de investigacin....................................................................
1.1.1. Anteproyecto de investigacin............................................................
1.2. Investigacin cientfica............................................................................
1.2.1.Investigacin aplicada........................................................................
1.3. Que es un diseo de investigacin.......................................................
1.4. Repaso al mtodo cientfico..................................................................
1.5. Mtodos de investigacin......................................................................
1.5.1. Estilo de trabajo investigativo...........................................................
1.5.2. Mtodo Inductivo.................................................................................
1.5.3. Mtodo Deductivo................................................................................
1.5.4. Hipottico- deductivo...........................................................................
1.5.5 Niveles de investigacin.......................................................................
1.6. Que es la observacin............................................................................
1.7. Que es analizar.......................................................................................
1.8. Que es un Diseo de campo.................................................................
1.9. Diseo experimental..............................................................................
1.10. Experimento..........................................................................................
1.10.1. Experimento aleatorio. ......................................................................
1.10.2. Importancia del diseo experimental en la investigacin. ............
1.11. Definiciones importantes en el diseo experimental. .......................
1.11.1. Datos. .................................................................................................
1.11.2. Unidades experimentales.................................................................
1 .11.3. Poblacin y muestra.........................................................................
1.11.3.1. Seleccin del material experimental. .............................................
1.11.3.2. Condiciones que debe reunir una muestra...................................
1.11.4. Nivel. ...................................................................................................
1.11.5. Tratamiento. ............................................................................................

Diseo experimental
19
1.11.6. Testigo. ....................................................................................................
1.11.7. Variable de respuesta..............................................................................
1.12. Replica. ......................................................................................... .............
1.13. Asignacin de unidades experimentales.................................................
Tabla 1. de permutaciones al azar de :9............................................................
1.14. Nmero de rplicas......................................................................................
1.15. Estabilidad...................................................................................................
1.16. Repetibilidad (precisin) de un experimento............................................
1.17. Reproducibilidad de un experimento.........................................................
1.18. Hiptesis. ......................................................................................... ............
1.19. Formulacin y prueba de hiptesis............................................................
1.20. Ejercicios.......................................................................................................
Tabla 2. Actividades a desarrollar en el capitulo primero de la primera
unidad......................................................................................................................
1.21. Respuesta a las preguntas.........................................................................

Diseo experimental
20
Cuadro 1. contenidos del capitulo primero de la unidad primera

Objetivos del
modulo

Es importante el diseo
experimental en las
ciencias aplicadas?

Como se evaluara
el curso de diseo
experimental?

Unidad primera:
Fundamentos del
diseo experimental.

Algunas citas de inters

Para no olvidar

Cuando se inicia el
diseo experimental?

Capitulo primero de
la unidad uno.

Conceptos y
principios bsicos.


1. Introduccin.

1.1. El proyecto de
investigacin
1.1.1. Anteproyecto
de investigacin

1.2. Investigacin
cientfica

1.2.1.Investigacin aplicada:

1.3. Que es un
diseo de
investigacin

1.4. Repaso al mtodo
cientfico.

1.5. Mtodos de
investigacin
1.5.1. Estilo de
trabajo investigativo

1.5.2. Mtodo Inductivo

1.5.3. Mtodo
Deductivo
1.5.4. Hipottico-
deductivo
1.5.5 Niveles de
investigacin

1.6. Que es la
observacin

1.7. Que es analizar
1.8. Que es un
Diseo de campo

1.9. Diseo
experimental
1.10. Experimento 1.10.1. Experimento
aleatorio

1.10.2. Importancia del diseo
experimental en la investigacin

1.11. Definiciones
importantes en el
diseo
experimental.

1.11.1. Datos

1.11.2. Unidades
experimentales

1 .11.3. Poblacin y
muestra.

1.11.3.1. Seleccin del material
experimental. cochran

1.11.3.2.
Condiciones que
debe reunir una
muestra

1.11.4. Nivel.

1.11.5. Tratamiento

1.11.6.Testigo

1.11.7. Variable de respuesta.

1.12. Replica

1. 13. Asignacin de
unidades
experimentales

1.14. Nmero de
rplicas

1.15. Estabilidad

1.16. Repetibilidad (precisin) de un
experimento

1.17.
Reproducibilidad
de un
experimento

1.18. Hiptesis

1.19. Formulacin y
prueba de hiptesis

1.20. Ejercicios

Respuesta a las preguntas

Diseo experimental
21
Introduccin al capitulo

Para el aprovechamiento optimo de los recursos asignados y disponibles, el ingeniero
investigador debe disear el experimento acorde con los principios estadisticos que
permitan obtener conclusiones validas sobre el problema en estudio.

De lo anterior podemos intuir que la investigacin debe tener dos propsitos
fundamentales resumidos de las siguiente manera:
Producir conocimientos y teoras, entonces se habla de una investigacin bsica o
pura.
Resolver problemas prcticos, mediante la aplicacin del conocimiento, entonces se
habla de la investigacin aplicada o emprica. Este debe ser el campo de
investigacin para la facultad de ciencias bsicas e ingeniera, por lo tanto la poltica
ser fortalecer y desarrollar la investigacin aplicada.

Para lo cual despus de esta breve introduccin pasaremos a suministrar algunos
conceptos bsicos (definiciones y relaciones matematicas) que son claves para el
diseo de experimentos acompaados de ejercicios resueltos y otros que
propondremos en el desarrollo de la unidad de modo que sea posible practicar
utilizando estos conceptos.

1.1. El proyecto de investigacin

Es un documento que elabora el investigador para especificar las caractersticas de la
indagacin que va a realizar, generalmente va antecedido de un anteproyecto.

1.1.1. Anteproyecto de investigacin

Es un documento similar pero menos preciso que se elabora al comenzar la
investigacin, apenas se hayan definido sus caractersticas principales.
En un anteproyecto deben exponerse las caractersticas del problema, su justificacin,
los objetivos de la investigacin y (si las hubiere) las hiptesis a verificar. En un
proyecto es preciso completar mucho ms la informacin, profundizando y definiendo
mejor lo tratado en el anteproyecto y agregndole lo relativo al diseo de la
investigacin, as como un marco terico que haga comprensible el sentido de lo que
se proyecta. (28).

1.2. Investigacin cientfica

Este tipo de investigacin esta basada en la aplicacin del mtodo cientfico para la
obtencin de un nuevo saber que en la mayora de los casos pretende mover las
fronteras de la ciencia.

1.2.1. Investigacin aplicada: Este tipo de investigacin esta basada en la aplicacin
de las metodologas propias del desarrollo de cada una de las ingenieras.

Diseo experimental
22
1.3. Que es un diseo de investigacin

Realizar el diseo de una investigacin significa llevar a la prctica los postulados
generales del mtodo cientfico, planificando una serie de actividades sucesivas y
organizadas donde se encuentran las pruebas que se han de efectuar y las tcnicas
que se van a utilizar para recolectar y analizar los datos.

1.4. Repaso al mtodo cientfico.

El mtodo cientfico es el procedimiento o conjunto de procedimientos que se utilizan
para obtener conocimientos cientficos, el modelo de trabajo o pauta general que
orienta la investigacin.
Tanto la investigacin cientfica, bsica como la aplicada, implica un proceso que
comprende varias etapas fundamentales a saber:

Seleccin, planteamiento y anlisis del problema que se va a investigar.
Delimitacin del tema.
Formulacin del marco terico (conceptos antecedentes referentes
bibliogrficos).
Presentacin de la hiptesis explicativa.
Diseo metodolgico.
Recoleccin de datos.
Procesamiento, anlisis e interpretacin de los datos.
Confrontacin con la hiptesis.
Presentacin del informe final de la investigacin.

El estudio del mtodo - o de los mtodos, si se quiere dar al concepto un alcance ms
general - se denomina metodologa, y abarca la justificacin y la discusin de su lgica
interior, el anlisis de los diversos procedimientos concretos que se emplean en las
investigaciones y la discusin acerca de sus caractersticas, cualidades y debilidades

1.5. Mtodos de investigacin.

La palabra mtodo se deriva del griego META: a lo largo y ADOS: Camino

El mtodo es la manera de proceder en cualquier dominio, ordenando la actividad a
un fin lgico, es un mtodo.

El diseo de un mtodo especfico, una serie de actividades sucesivas y organizadas,
que deben adaptarse a las particularidades de cada investigacin y que nos indican las
pruebas a efectuar y las tcnicas a utilizar para recolectar y analizar los datos.

El mtodo cientfico se fundamenta en observar algunos fenmenos caractersticos
para descubrir las leyes que los rigen.

Diseo experimental
23
La observacin y generalizacin son los elementos ms importantes del mtodo
cientfico.

Para dar estructura y fundamentacin a la construccin del cimiento terico de toda
ciencia, la investigacin recurre a los mtodos, por pertenecer a los principios bsicos
de nuestra manera de pensar e investigar, y son comunes a todas las ciencias y que
sin modificar su forma o naturaleza son aplicables a diferentes materias:

1.5.1. Estilo de trabajo investigativo
Los estilos de trabajo son mtodos peculiares de cada disciplina (por ejemplo: "el
mtodo antropolgico") y las formas particulares de investigacin que se utilizan para
resolver problemas especficos de indagacin, como cuando se habla del "mtodo
cualitativo", el "mtodo experimental" o el "mtodo estadstico".
No existe un nico mtodo de la ciencia, ya que no investigan del mismo modo el
astrnomo y el economista, el historiador y el qumico, el antroplogo y el bioqumico,
el sicologo y el ingeniero. La experiencia histrica muestra, adems, que los
procedimientos de la ciencia cambian, porque son distintos los problemas que se van
planteando y los instrumentos de ayuda estan en continua evolucion.

1.5.2. Mtodo Inductivo

Variante del mtodo cientfico en la que el investigador parte de la informacin recogida
mediante sucesivas observaciones para, mediante la generalizacin, establecer una ley
del mbito lo ms universal posible. (Ortiz, Uribe. Diccionario de investigacin. Noriega editores)

1.5.3. Mtodo Deductivo
Otro elemento del proceder cientfico es el uso sistemtico de la inferencia, o
razonamiento deductivo.
Inferir significa sacar consecuencias de un principio o supuesto. La inferencia opera
durante la investigacin y, por lo general, de la siguiente manera: una vez formulada
una hiptesis se deducen de ella posibles consecuencias prcticas, que luego son
sometidas, a su vez, a verificacin.(28).

1.5.4. Hipottico- deductivo.

Procedimiento que consiste en desarrollar una teora empezando por formular sus
puntos de partida o hiptesis bsicas y deduciendo luego sus consecuencias con la
ayuda de las subyacentes teoras formales. (Ortiz)

1.5.5 Niveles de investigacin

Existen diferentes niveles de investigacin, segn el grado de profundizacin, del rigor
y exactitud y del mtodo empleado, a saber:

Diseo experimental
24
Nivel descriptivo: Responde a las preguntas qu es esto?, cmo se comporta?
Describe, las propiedades o caractersticas del objeto en estudio.
Nivel clasificatorio: existe una sistematizacin de los datos obtenidos de acuerdo a
un criterio previamente definido.
Nivel aplicativo: Se busca la causa de un fenmeno o problema, teniendo en
cuenta el contexto prctico y terico.

1.6. Que es la observacin

Se utiliza para recolectar los datos necesarios para un estudio. La observacin es un
mtodo clsico de investigacin cientfica; adems, es la manera bsica por medio de
la cual obtenemos informacin acerca del mundo que nos rodea.
Principios bsicos para realizar una observacin:
Debe tener un propsito especfico.
Debe ser planeada cuidadosa y sistemticamente.
Debe llevarse, por escrito, un control cuidadoso de la misma.
Debe especificarse su duracin y frecuencia.
Debe seguir los principios bsicos de confiabilidad y validez.
Entre las ventajas de la observacin, tenemos que determinada conducta se describe
en el momento exacto en que est ocurriendo.

1.7. Que es analizar

Significa categorizar, ordenar, manipular y resumir los datos de una investigacin para
contestar las preguntas planteadas en ella.
Es la operacin intelectual que considera por separado las partes de un todo.

1.8. Que es un Diseo de campo

Es aquel diseo que le permiten al investigador cerciorarse de las verdaderas
condiciones en que se han conseguido los datos, haciendo posible su revisin o
modificacin en el caso de que surjan dudas con respecto a su calidad. No obstante,
presentan la limitacin de su reducido alcance: son muchos los datos que no se
pueden alcanzar por esta va, ya sea por restricciones espaciales o temporales, por
carencia de recursos, etc.
Los diseos de campo ms frecuentes son el experimental, post facto, encuesta,
panel y estudio de casos.
1.9. Diseo experimental
Un experimento consiste en someter al objeto de estudio a la influencia de ciertas
variables, en condiciones controladas y conocidas por el investigador, para observar los
resultados que cada variable produce en el objeto.
La variable a cuya influencia se somete el objeto en estudio recibe el nombre de
estmulo.
Diseo experimental
25
Por lo tanto un diseo experimental es planear un trabajo de modo que rena la
informacin aplicable al problema en investigacin.

Tambin es el procedimiento que se sigue para asignar los tratamientos a las unidades
experimentales. (24).

El propsito de un diseo experimental es proporcionar mtodos que permitan obtener
la mayor cantidad de informacin vlida acerca de una investigacin, teniendo en
cuenta el factor costo y el uso adecuado del material disponible mediante mtodos que
permitan disminuir el error experimental.

1.10. Experimento

Conjunto de reglas usadas para obtener una muestra de la poblacin y al concluir el
ensayo obtener informacin acerca de la poblacin.

1.10.1. Experimento aleatorio

Actividad que tiene como resultado o que produce un evento. Prueba donde existen
dos o ms resultados posibles, y no se pude anticipar cul de ellos va a ocurrir.

1.10.2. Importancia del diseo experimental en la investigacin

En la industria en general los ingenieros de procesos, los diseadotes y formuladotes
de productos alimentarios llevan a cabo experimentos para desarrollar nuevas
presentaciones, procesos y mejorar los ya existentes. Experimentos que se realizan
para saber cmo una serie de factores y variables afecta a otra.

En la industria se le da gran importancia a obtener informacin til tan rpida y
econmicamente como sea posible informacin que se obtiene a travs de un diseo
experimental.

En el diseo de experimentos, se utilizan principios estadsticos para disear
experimentos que produzcan la informacin correcta en el menor tiempo posible y al
menor costo. Su empleo lleva al rpido y eficiente desarrollo de nuevos y mejores
productos y procesos

1.11. Definiciones importantes en el diseo experimental.

1.11.1. Datos
Un dato es cada uno de los elementos de informacin que se recoge durante el
desarrollo de una investigacin y en base a los cuales, convenientemente sintetizados,
podrn extraerse conclusiones en relacin con el problema inicial planteado.

1.11.2. Unidades experimentales

Diseo experimental
26
Es el material experimental al que se le aplica un tratamiento de manera uniforme.

Es la variable que el experimentador manipula y es la unidad de anlisis, se
caracteriza por unos atributos que la diferencia unas de otras parcial o totalmente;
pueden someterse a ordenacin de acuerdo con algn criterio.

1 .11.3. Poblacin y muestra.

Poblacin o universo es cualquier conjunto de unidades o elementos como personas,
fincas, producto agrcola, producto terminado, etc., claramente definidos para el que se
calculan las estimaciones o se busca la informacin.

En todo diseo experimental deben estar definidas las unidades, su contenido y
extensin.

Cuando es imposible obtener datos de todo el universo es conveniente extraer una
muestra, subconjunto del universo, que sea representativa.

En todo proyecto se debe especificar el tamao y tipo de muestreo a utilizar:

1.11.3.1. Seleccin del material experimental. (8)

El muestreo, o seleccin de las unidades experimentales que van a componer la
muestra a analizar, debe disearse de modo que esta muestra sea representativa del
fenmeno o la poblacin estudiada, de manera que los resultados obtenidos se puedan
extrapolar a situaciones diferentes de las que se van a medir.
Los principales problemas que comprometen dicha representatividad son la falta de
independencia de las muestras y el efecto de factores no controlados que puedan estar
afectando los resultados.
La eleccin de las unidades es de importancia; por ejemplo en la planeacin de
experimentos de campo, se han hecho numerosos estudios de la variabilidad entre los
rendimientos de materias primas provenientes de cultivos en parcelas de diferentes
tamaos formas y de compaas o marcas, bajo tratamiento uniforme.
Si los resultados del experimento van a ser aplicados a material no seleccionado, estos
tipos de especializacin tienen desventajas potenciales.
Las respuestas obtenidas para tratamientos sobre material experimental altamente
seleccionado, pueden no ser las mismas que se obtienen de material no seleccionado.
Es importante definir el criterio de uniformidad el cual se refiere al tratamiento; al
material experimental y la tcnica.
La cantidad de muestra debe ser la suficiente para permitir al experimentador realizar
medidas auxiliares.

Diseo experimental
27
1.11.3.2. Condiciones que debe reunir una muestra

El criterio para obtener la mxima exactitud para un gasto dado en tiempo y trabajo
son los siguientes:
Homogeneidad: debe ser extrada de la misma poblacin.
Independencia: las observaciones no deben estar mutuamente condicionadas entre
s.
Representatividad: la muestra debe ser el mejor reflejo posible del conjunto del cual
proviene.

1.11.4. Nivel.

Un valor especfico, ya sea cualitativo o cuantitativo, de la variable experimental
seleccionada para el experimento.

1.11.5. Tratamiento.

Los tratamientos vienen a constituir los diferentes procedimientos, procesos, factores o
materiales y cuyos efectos van a ser medidos y comparados.

El tratamiento establece un conjunto de condiciones experimentales que deben
imponerse a una unidad experimental dentro de los confines del diseo seleccionado.

En un experimento de una variable, cada tratamiento es un nivel de la variable
experimental.

Ejemplos:

Dosis de acidificante, de protena, proporcin de estabilizante, procedencia de las
productos provenientes del agro, variedades de un cultivo determinado.

1.11.6.Testigo

El testigo es el tratamiento de comparacin adicional, que no debe faltar en un
experimento; por ejemplo, si se usan cinco tratamientos con acidulante, el testigo
puede ser aquel tratamiento que no incluye acidulante. La eleccin del tratamiento
testigo es de gran importancia en cualquier investigacin, este se constituye como
referencial del experimento y sirve para la comparacin de los tratamientos en prueba.

1.11.7. Variable de respuesta.

Es una variable que el experimentador mide despus de llevar a cabo los tratamientos
para ver cmo es afectada por la variable experimental.

1.12. Replica
Diseo experimental
28

A cada repeticin de un tratamiento se le llama rplica.

Una repeticin completa de un tratamiento es una rplica.

La rplica produce los siguientes efectos:

1. Por lo general, el promedio de varias rplicas de un tratamiento se acerca ms que
cualquier prueba sola al "verdadero" efecto de ese tratamiento.

2. Observando la variacin entre rplicas del mismo tratamiento, es posible estimar la
magnitud del error experimental. Esto permite determinar si las diferencias observadas
entre tratamientos en una variable de respuesta, realmente son causadas por los
tratamientos o slo se deben a las variables de interferencia.

3. Si se asigna de manera aleatoria material experimental a las diferentes rplicas, es
posible reducir los sesgos que podran producir resultados engaosos.

1.13. Asignacin de unidades experimentales.(8)

El mejor mtodo para garantizar la independencia de las muestras en lo que respecta a
factores no controlados es seleccionar las unidades que vamos a medir al azar de entre
todas las posibles.

Prcticamente, en todos los diseos experimentales, la aleatorizacin consiste en
arreglar un conjunto de objetos, ya sean tratamientos, bloques, hileras o columnas, en
un orden al azar.

TABLA 1. Permutaciones al azar, pemutaciones de: 9

55671 43373 87463 97494 92288 27935 83194
41282 71129 95782 89366 17724 48573 37456
93329 88845 24616 36778 74471 73286 61222
79743 55292 16535 78519 51913 65149 29878
16965 69436 43929 51823 83332 89612 45769
64436 24681 79341 62642 29859 92428 96981
87817 12568 31298 44187 65167 54351 14317
32194 36757 68877 25951 38546 36794 52545
28558 97914 52154 13235 46695 11867 78633

1.14. Nmero de rplicas

La rplica no significa hacer mediciones repetidas en un tratamiento. Por lo general se
acostumbran cinco.
Diseo experimental
29

Ver ecuaciones de la tabla 2.1 del capitulo siguiente.

1.15. Estabilidad

Es la cantidad de variacin en exactitud sobre cierta determinacin. Sin evaluar la
estabilidad no es posible asegurar evaluaciones confiables sobre las dems
propiedades estadsticas.

1.16. Repetibilidad (precisin) de un experimento

Es la variacin en las mediciones hechas por un solo operador en la misma unidad y
con el mismo instrumento o equipo de medicin.

Se define como la variacin alrededor de la media.

Esta variacin debe ser pequea con respecto a las especificaciones y o la variacin
del proceso.

1.17. Reproducibilidad de un experimento

Variacin entre las medias de las mediciones hechas por varios analistas con las
mismas unidades experimentales y con el mismo instrumento de medicin.

1.18. Hiptesis

Etimolgicamente es la suposicin de una verdad que debe ser verificada o rechazada.

Es una explicacin que al comienzo de una investigacin se le da a un hecho, es una
conjetura a la realidad.

Y sirve para orientar al investigador en el encuentro de una verdad.(Ver modulo de trabajo de
grado ciclo tecnolgico y ciclo profesional del mismo compilador)

1.19. Formulacin y prueba de hiptesis

Una hiptesis es una afirmacin acerca de algo.

En estadstica, puede ser una suposicin acerca del valor de un parmetro
desconocido.

La prueba es el medio de verificacin para saber si algo es verdadero o falso y hasta
que grado podemos decir que sea verdadero o falso.

Pasos en la prueba de hiptesis:

Diseo experimental
30
Definir la hiptesis nula: suponer una hiptesis acerca de una poblacin.
Formular una hiptesis alternativa: es una contra-hiptesis.
Definir un criterio de decisin para rechazar o no la hiptesis nula.
Inspeccionar los datos de la muestra.
Calcular una estadstica de muestra.
Utilizar la estadstica de muestra para evaluar la hiptesis.

Recomendacin se debe hablar de "no rechazar" una hiptesis en lugar de "aceptar",
ya que las pruebas no son concluyentes.

1.20. Actividades a desarrollar

Diseo experimental
31
Tabla 2. Actividades a desarrollar en el capitulo primero de la primera unidad
La evaluacin de las actividades propuestas se har acorde con los criterios
establecidos en la gua de actividades en la seccin 7. SISTEMA DE EVALUACION. Ver tabla 2.

*** Por ejemplo, podra hacerse un experimento para averiguar cmo los distintos tipos de azcares afectan la textura o cmo las
temperaturas del procesamiento afectan el contenido de humedad de un producto. La informacin obtenida hace posible manipular
una o varias variables a fin de controlar otras.

Actividades

Trabajo a
realizar
Actividades Fecha de
entrega
Fase de aprendizaje

Actividades N1

Ensayo
Dadas varias definiciones de
investigacin en los
numerales anteriores y las
investigadas se debe hacer
que los/as alumnos/as
elaboren su propia definicin.

Acorde con la
programacin la
convenida con el
tutor

Actividades N2

Ensayo

Cada alumno debe elaborar
un ejemplo de investigacin
de campo, de laboratorio y
de laboratorio y campo.
Acorde con la
programacin la
convenida con el
tutor

Reconocimiento

Actividades N3

Taller N 1.
Numeral
Cada alumno debe elaborar
un ejemplo de investigacin
que utilice el mtodo
histrico, otro el mtodo
descriptivo y otro el mtodo
experimental
Acorde con la
programacin la
convenida con el
tutor

Actividades N4

Taller
Cada alumno debe en una
serie de propuestas de
investigacin identificar quin
es la poblacin, la muestra e
identificar de qu tipo son las
variables que se incluyen.
Acorde con la
programacin la
convenida con el
tutor

Profundizacin

Actividades N5

2.24. Ejemplo
interactivo y
procedimental
numeral 2.
Para un trabajo de grado
desarrollado en el ciclo
profesional realice una
investigacin estadstica
sobre las caractersticas de
las materias primas
utilizadas.

Actividades N6

Ejercicio
practico de
estudio,
reflexin y
anlisis.
Numeral 2.37
Y acorde con la tabla de
permutaciones como
realizara la estabilizacin de
un producto desarrollado en
el PEDT? ***

Transferencia
Diseo experimental
32
1.21. Respuesta a las preguntas

Qu es investigacin? Segn Enrique Biermann, la investigacin obedece a
diferentes conceptos, entre los cuales se resumen los siguientes:

Es el proceso por el cual el hombre, partiendo de preguntas de diverso orden e
importancia, busca obtener respuestas, para obtener diferentes objetivos

Es un proceso de conocimiento y aprendizaje terico - prctico, que se desarrolla en
diferentes fases, mediante el empleo de diferentes instrumentos o herramientas

En sntesis se puede decir que: investigar es buscar respuestas a diferentes incgnitas
que se plantean ante cualquier suceso o problema pero, que en la medida que
encontramos respuestas se presentan otras incgnitas, que nos obliga a seguir
indagando.

Entonces, qu es investigacin cientfica?

La investigacin cientfica se puede definir, como un tipo de investigacin sistemtica,
controlada, emprica y crtica, de proposiciones hipotticas, sobre las presumidas
relaciones entre fenmenos naturales. Sistemtica y controlada implica, que tiene un
mtodo y que los hechos no se dejan a la causalidad; emprica que se basa en
fenmenos observables de la realidad y crtica que los hechos se plantean de manera
objetiva, dejando a un lado las preferencias personales o juicios de valor.

Diseo experimental
33

CAPITULO SEGUNDO DE LA UNIDAD UNO

HERRAMIENTAS Y TECNICAS APLICADAS AL DISEO
EXPERIMENTAL

INDICE DE CONTENIDO PARA EL CAPITULO SEGUNDO DE LA UNIDAD UNO
CONTENIDO
Diseo experimental
34


Como se evaluara el capitulo del curso de diseo experimental?

CAPITULO SEGUNDO DE LA PRIMERA UNIDAD

Conceptos estadsticos bsicos para el anlisis de resultados
experimentales
Preguntas de repaso y evaluacin. ..............................................................
2.1. Introduccin...............................................................................................
2.2. Etapas de un trabajo de investigacin....................................................
2.3. Disear un experimento. .........................................................................
2.3.1. Fundamentos de la experimentacin. ................................................
2.4. Error experimental...................................................................................
2.5. Factores....................................................................................................
2.5.1. Variable..................................................................................................
2.5.1.1. Variable independiente. ....................................................................
2.5.1.2. Variable dependiente. .......................................................................
2.5.1.2.1. Ejemplo de variables independiente y dependiente....................
2.5.1.3. Variable interviniente. ........................................................................
2.5.1.4. Variable numrica. .............................................................................
2.5.1.5. Variable categrica. ...........................................................................
2.5.1.5.1. Variable Nominal..............................................................................
2.5.1.5.2. Variable Ordinal. ..............................................................................
2.5.2. Escalas de medicin..............................................................................
2.5.2.1. Escala nominal....................................................................................
2.5.2.2. Escala ordinal. ...................................................................................
2.5.2.3. Escala de intervalo. ..........................................................................
2.5.2.4. Escala de razn. ................................................................................
2.6. Correlacin...............................................................................................
2.7 Carcter.....................................................................................................
2.8. El experimento. .......................................................................................
2.9. Unidad experimental. ..............................................................................
2.10. Tratamiento. ...........................................................................................
2.10.1. Tratamiento testigo.............................................................................
2.11. Poblacin.................................................................................................
2.11.1. Individuos o elementos.......................................................................
2.11.2. Muestra.................................................................................................
2.12. Parmetro................................................................................................
Cuadro 2. Smbolos para los parmetros y estadsticos.............................
2.12.1. Estadstico...........................................................................................
2.12.2. Ejemplo de una poblacin. ................................................................
2.13. Niveles de variables................................................................................
2.14. Eleccin de la muestra...........................................................................

Diseo experimental
35
2.14.1. Tamao de la muestra.........................................................................
Tabla 13. Tamao de muestra para una poblacin.......................................
2.14.1.1. Ejemplo de determinacin de numero de muestras......................
2.14.2. Recomendaciones para la eleccin y tamao de muestra..............
2.15. Muestreo y distribucin muestral..........................................................
2.15.1. Tipos de muestreo. .............................................................................
2.16. Sesgo.......................................................................................................
2.17. Grados de libertad. ..................................................................................................................
2.18. Datos sin procesar. ................................................................................
2.19. Organizacin de los datos obtenidos. ..................................................
2.19.1. Ejemplo de organizacin de datos en Excell.....................................
Figura 4. Forma bsica de organizar datos...................................................
2.20. Ordenamiento de datos utilizando su arreglo y distribucin de
frecuencias. ......................................................................................................
Figura 5. Ejemplo de organizacin y presentacin de datos utilizando su
arreglo y distribucin de frecuencias. ...........................................................
2.21. Anlisis de datos. ...................................................................................
2.21.1. La mediana............................................................................................
2.21.2. La moda.................................................................................................
2.21.3. Tendencia central.................................................................................
2.21.4. Dispersin. ...........................................................................................
2.21.5. Sesgo en curvas y graficas.................................................................
2.21.6. Curtosis.................................................................................................
2.21.7. La media aritmtica. ...........................................................................
2.21.7.1. Clculo de la media a partir de datos no agrupados....................
2.21.7.2. Clculo de la media de datos agrupados......................................
2.21.8. La mediana. ........................................................................................
2.21.9. Clculo de la mediana a partir de datos no agrupados...................
2.21.9.1. Clculo de la mediana a partir de datos agrupados......................
2.21.10. La moda..............................................................................................
2.21.11. La dispersin......................................................................................
2.21.12. Medidas de dispersin.......................................................................
2.21.13. Distribucin de frecuencias..............................................................
2.21.14. Caractersticas de las distribuciones de frecuencias relativas.....
frecuencias. ...............................................................................................
2.21.16. Histogramas.......................................................................................
2.21.16.1. Ventajas de los histogramas. ........................................................
2.21.17. Polgonos de frecuencias.................................................................
2.21.17.1. Ventajas de los polgonos de frecuencias....................................
2.21.18. Ojivas. ................................................................................................
2.22. Varianza de una poblacin. ...................................................................
2.23. Desviacin estndar de una poblacin.................................................
2.24. Anlisis de regresin..............................................................................
2.24.1.Regresin lineal simple. .................................................................
2.25. Coeficientes de correlacin. .................................................................
Diseo experimental
36
2.26. Otros modelos de regresin lineal simple. ..........................................
Tabla 16. Modelos de regresin lineal simple..............................................
2.27. Pruebas de hiptesis. ..................................................................................
conocida)
2.27.2. Ejemplo y procedimiento a desarrollar para una prueba de
hiptesis propiamente dicha. .........................................................................
2.28. Prueba de t...............................................................................................
2.28.1. Suposiciones de la prueba de t con una muestra.............................
2.29. Prueba de z para la diferencia entre dos medias.................................
2.30. Prueba de t para la diferencia entre dos medias..................................
2.31. Errores tipo I y tipo II...............................................................................
2.32. Anlisis de la varianza. ..........................................................................
2.32.1. Bases del anlisis de la varianza...................................................................
Tabla 17. Ejemplo de un anlisis de varianza.........................................................
2.33. Interaccin de los factores....................................................................
2.34. Transformacin de datos..........................................................................
Tabla 18. Transformaciones usadas para datos...........................................
2.35. Regresin lineal mltiple........................................................................
2.36. Correlacin mltiple................................................................................
2.37. Anlisis de Covarianza..........................................................................
2.37.1. Objetivos del anlisis de covarianza.................................................
2.38. Software estadsticos para la solucin de problemas.......................
Figura 6. Portada del programa Statgraphics...............................................
Figura 7. Hoja de clculo de excell................................................................
2.39. Ejercicios desarrollado..........................................................................
Tabla 19. Produccin de canastillas de uchuva en seis veredas...............
Tabla 20. Resumen estadstico de los datos totales recolectados de la
Figura 8. Grafico de la produccin anual de uchuvas..................................
Figura 9. Grafico de cajas y bigotes de la produccin mensual de
uchuvas...............................................................................................................
Figura 10. Grafico de medias e intervalos para la produccin de uchuvas
por finca..............................................................................................................
Tabla 22. Anlisis de varianza (ANAVA) par el ejemplo de las fincas
productoras de uchuva.....................................................................................
2.40. Recomendaciones....................................................................................
2.40.1. Modalidades recomendadas para disminuir el error..........................
2.41.Ejercicios propuestos................................................................................
2.42. Actividades a desarrollar.........................................................................
Tabla 23. Actividades a desarrollar en el periodo acadmico......................

Diseo experimental
37


El experimento, la experimentacin, lo experimental, constituyen la base irreductible del

mtodo cientfico, al menos desde Galileo, y cumplen, en las Ciencias Naturales, una
doble funcin.
Por un lado, son las herramientas que permiten la construccin de hiptesis
explicativas y la ampliacin del campo del conocimiento y, por el otro, son tambin las
herramientas idneas que permiten verificar de manera objetiva la validez cientfica de
las hiptesis: el experimento lugar donde la teora se confronta con al emprica
permite validar o refutar las conjeturas, otorgndoles valor de verdad cientfica, o
negndosela. (Varios autores)

( http://psi.usal.es/moodle/user/view.php?id=4&course=1)

Diseo experimental
38

OBJETIVO DEL CAPITULO

Se pretende suministrar la aplicabilidad de los principios de la estadstica y el diseo
experimental al anlisis de datos para efectuar estudios cientficos comparativos.

Diseo experimental
39

COMO SE EVALUARA EL CAPITULO DEL CURSO DE DISEO EXPERIMENTAL?

-A travs de pruebas escritas de contenido terico-prctico, en las que se valorar la
claridad conceptual, la capacidad de relacionar conceptos, la justificacin adecuada de
los procedimientos estadsticos utilizados, la coherencia en el desarrollo de resolucin
de problemas y ejercicios prcticos y la correccin y adecuacin de la interpretacin de
los resultados obtenidos.
- Mediante la realizacin de trabajos y ejercicios prcticos.

Diseo experimental
40

Conceptos estadsticos bsicos para el anlisis de
resultados experimentales.

Diseo experimental
41


Defina: hiptesis, interaccin, regresin mltiple, desviacin estndar.

Para el trabajo de grado realizado en el ciclo tecnolgico determine el nmero de
muestra a utilizar y comprelo con lo realizado.

Para el mismo trabajo que tipo de muestreo se utilizo.

Defina estadstica sumaria

2.1. Introduccin.

Diseo experimental
42
La ciencia es un conjunto de conocimientos comprobados y sistematizados, obtenidos
mediante el concurso de mtodos lgicos, rigurosamente aplicados. Estos
conocimientos, despus de estar sujetos a la crtica y a la comprobacin, se presentan
organizados y distribuidos en las diversas ramas del saber.

Uno de los logros ms admirables de Galileo fue la introduccin de la matemtica en la
prctica de la investigacin cientfica.

En su forma general, la estructura del mtodo de Galileo puede ser expuesta como
sigue:

Partiendo de los datos de las investigaciones y del experimento burdo, se crea el
modelo ideal del experimento, que se realiza ms tarde, y que de ese modo
queda precisado.

Mediante la repeticin del experimento se obtiene el promedio de las magnitudes
medidas, teniendo en cuenta las correcciones y los diversos factores
perturbadores.

Las magnitudes as obtenidas, son el punto de partida para formular la hiptesis
matemtica, de la que se deducen las consecuencias mediante razonamientos
lgicos.

Esas consecuencias se comprueban despus en el experimento y sirven de
confirmacin indirecta para la hiptesis adoptada.

2.2. Etapas de un trabajo de investigacin

Las etapas de todo trabajo de investigacin se pueden resumir de la siguiente manera:

a) Enunciado del problema.
b) Objetivos generales y especficos.
c) Formulacin de hiptesis.
d) Seleccin del procedimiento y diseo experimentales.
e) Realizacin del experimento.
f) Aplicacin de los mtodos estadsticos a los resultados.
g) Interpretacin de resultados
h) Anlisis econmico y su utilidad prctica para la comunidad.

2.3. Disear un experimento.

Significa planear un trabajo de modo que rena la informacin aplicable al problema en
investigacin.

2.3.1. Fundamentos de la experimentacin.

Diseo experimental
43
La experimentacin tiene como finalidad:

a) El estudio de la variacin de una poblacin de seres vivos.
b) La comparacin entre poblaciones y muestras para juzgar su semejanza.
e) La interpretacin de resultados de experimentos biolgicos, agropecuarios y de
ingeniera, en donde se comparan poblaciones o muestras sometidas a diferentes
estudios o pertenecientes a diferentes variedades o razas.
d) La determinacin de la relacin entre dos o ms variedades (correlacin y
regresin).
e) La aplicacin de mtodos para reducir las fuentes de error en la correlacin de
datos.
f) Y en poblaciones segregadas la separacin de la variacin atribuible a la seleccin
de los genes debido al medio, en estudios de herencia cuantitativa.

2.4. Error experimental

En todo proceso experimental se presentan dos clases de variaciones: la variacin
inherente al material experimental, al que se aplican los tratamientos y la que proviene
de la falta de uniformidad en la realizacin fsica del experimento o variaciones
externas a la experimentacin (como las ambientales, etc) que tienden a enmascarar el
efecto de los tratamientos

Para expresar estas variaciones ajenas a los tratamientos los estadsticos aplican el
trmino error experimental; trmino que no quiere decir equivocacin, sino que incluye
todo tipo de variacin externa ajena al material experimental.

Este error experimental es la medida de variacin que existe entre las observaciones
de unidades experimentales en el mismo tratamiento, es decir, la variacin no
proveniente de los tratamientos.

Para los fines de clculo en las ecuaciones se expresa con la letra

2.5. Factores

Son variables de proceso en una investigacin, que se pueden medir en una escala
continua. Por ejemplo presin, temperatura, peso, concentracin.

2.5.1. Variable.

Se pueden definir como todo aquello que vamos a medir, controlar y estudiar en una
investigacin o estudio.
Son cosas que se manipulan, miden y controlan en el transcurso de una investigacin
difieren entre si en muchos aspectos siendo el ms importante el papel que
desempean en una investigacin y en el tipo de medicin que se aplica.
Diseo experimental
44
Tambin se puede definir como variable a todo aquello que puede asumir diferentes
valores, desde el punto de vista cuantitativo o cualitativo.
Por lo tanto, es importante, antes de iniciar una investigacin, que sepamos cules son
las variables que vamos a medir y la manera en que lo haremos. Es decir, las variables
deben ser susceptibles de medicin.
Por ejemplo el tiempo es considerado siempre una variable, el dimetro que define el
tamao de un producto agrcola, una temperatura de proceso, una sustancia a
adicionar en una formulacin, el tipo de soporte a utilizar para inmovilizar una enzima;
etc.
Cubillos, Munca, Jos Miguel. Estadistica 1 Mdulo Autoformativo. Escuela Superior de Administracin Pblica Programa de
Administracin Pblica Territorial.2002.
2.5.1.1. Variable independiente.

Una variable independiente es aquella que, dentro de la relacin establecida, no
depende de ninguna otra, aunque pudiera estar dependiente si estudiramos otro
problema.

Son las condiciones manipuladas por el investigador a fin de producir ciertos efectos.

Es el valor de verdad que se le da a una hiptesis en relacin con la causa,

2.5.1.2. Variable dependiente. (29 y otros)
La variable independiente es aquella propiedad de un fenmeno a la que se le va a
evaluar su capacidad para influir, incidir o afectar a otras variables.
Es el factor que el investigador observa o mide para determinar el efecto de la variable
independiente.
La variable dependiente es la variable respuesta o variable salida.

2.5.1.2.1. Ejemplo de variables independiente y dependiente
Por ejemplo, si el ingeniero investigador sostiene la hiptesis de que si administra una
determinada levadura a un amasijo, el grado de dureza del producto final se
incrementar. En este caso, la variable independiente estar representada por la
cantidad de levadura manipulada por el experimentador, y la variable dependiente ser
el grado de dureza de los productos obtenidos.

2.5.1.3. Variable interviniente.
Una variable es interviniente cuando resulta un factor que interviene entre dos variables
modificando o alterando con su propio contenido las relaciones que existen entre esos
dos elementos.

Por ejemplo: Variable A: pasto (alimentacin) que se le suministra a una hato lechero
de la misma raza (variable independiente). Variable B: contenido de slidos grasos en
Diseo experimental
45
la leche (variable dependiente). Variable C: condiciones climatologicas y de la finca
(variable interviniente que influye a A).

Cubillos, Munca, Jos Miguel. Estadistica 1 Mdulo Autoformativo. Escuela Superior de Administracin Pblica Programa de
Administracin Pblica Territorial.2002.
2.5.1.4. Variable numrica. (29)

Variable que tiene un carcter cuantitativo, son reconocidas tambin como escalas
intervalares o numricas.

Las variables de tipo cuantitativo pueden a su vez ser clasificadas como continuas o
discretas.

Si entre dos valores determinados existen infinitas posibilidades de valores,
hablaremos de una variable de tipo continuo.

Ejemplos de este tipo de variables son: el peso, la dureza de un producto, la presin de
extraccin o el nivel de un conservante carnico.

2.5.1.5. Variable categrica. (29) ESAP-ESTADIST

Tienen la caracterstica de que todos los miembros de una categora se consideran
iguales en lo que se refiere a esa variable.

Por ejemplo: las frutas, las hortalizas, enzimas obtenidas por procesos bioindustriales.

Estas variables se subdividen en nominales y ordinales.

2.5.1.5.1. Variable Nominal. Los valores que pueden asumir sirven para clasificarlas
pero no para ordenarlas.

Ejemplo: La glucoamilasa, pectinaza, un ecotopo o region especifica. En caso de
usarse nmeros, slo se adoptan como nombres o identificaciones.

2.5.1.5.2. Variable Ordinal. Los valores que puede asumir la variable son categoras
que conllevan un juicio de valor que exige comparar a los diferentes elementos de la
muestra con respecto a esta variable con el objeto de establecer un orden.

Es decir que los datos se organizan a travs de las relaciones de igualdad, mayor o
menor.

Variable que tiene un carcter cualitativo.

2.5.2. Escalas de medicin www.educarchile.cl/eduteca/estadistica/esc_medic.htm

Diseo experimental
46
Se entiende por medicin al proceso de asignar el valor a una variable de un elemento
en observacin.

Este proceso utiliza diversas escalas: nominal, ordinal, de intervalo y de razn.

La eleccin de la(s) escala (s) de medicin a utilizar depende, en primer lugar, del tipo
de variable en estudio, y, adems, del manejo estadstico a la que se someter la
informacin. En trminos prcticos, existe una correspondencia directa entre el
concepto de variable y escala de medicin.

2.5.2.1. Escala nominal

Slo permite asignar un nombre al elemento medido. Esto la convierte en la menos
informativa de las escalas de medicin.

Ejemplos de variables con este tipo de escala: son gnero, la raza, el color, la ciudad,
etc.

2.5.2.2. Escala ordinal.

Adems de las propiedades de la escala nominal, permite establecer un orden entre los
elementos medidos.

Ejemplos de variables con escala ordinal: Preferencia por determinados productos de
consumo, etapa de desarrollo de un ser vivo, clasificacin de vinos o un alimento por
una comisin especializada, estado de madurez de una fruta al momento de comprarla,
grados de concentracin, respuesta a un tratamiento, intensidad de consumo de
conbustible, das de la semana, meses del ao, escalas de dureza.

2.5.2.3. Escala de intervalo.

Adems de todas las propiedades de la escala ordinal, hace que tenga sentido calcular
diferencias entre las mediciones.

Los siguientes son ejemplos de variables con esta escala: Temperatura de un tejido
muscular, de una fruta, sobrepeso de un producto empacado respecto de un patrn de
comparacin, nivel de un liquido en un proceso medido con un visor de nivel.

2.5.2.4. Escala de razn.

Permite, adems de lo de las otras escalas, comparar mediciones mediante un
cuociente.

Diseo experimental
47
Algunos ejemplos de variables con la escala de razn son los siguientes: Altura de
personas, cantidad de litros de agua consumida por una torre de enfriamiento en un
da, velocidad de una banda transportadora, nmero de latas envasadas en un turno.

La escala de intervalo tiene un cero que se establece por convencin y puede tener
variaciones. Es arbitrario. Por otra parte, la escala de razn tiene un cero real, fijo, no
sujeto a variaciones; es propio de la medicin hecha.

2.6. Correlacin

Es la relacin que existe entre dos o ms variables pareadas, o entre dos o ms series
de datos.

Su grado de relacin es medido y representado por el coeficiente de correlacin
comnmente designado por (r
2
). Ver ejercicio de la normalizacin al final del capitulo.

2.7 Carcter

De un experimento se refiere a las propiedades o rasgos que se miden en cada unidad
de observacin (experimental).

Por ejemplo una investigacin de carcter practico en el caso de ser conducida en el
laboratorio en la planta piloto.

O de carcter eminentemente terico si de realizar una monografa o estado de arte se
trata para el caso de ingeniera de alimentos.

2.8. El experimento. es.wikipedia.org/wiki

Un experimento es un procedimiento mediante el cual se trata de comprobar (confirmar
o verificar) una o varias hiptesis relacionadas con un determinado fenmeno,
mediante la observacin y medicin de las variables que influyen en el mismo.

Es un cambio en las condiciones de operacin de un sistema o proceso para obtener
una muestra de la poblacin y al concluir el ensayo obtener informacin acerca de la
poblacin o del producto obtenido.

Por ejemplo variar las condiciones de operacin (temperatura, presin, velocidad de
agitacin de un proceso).

O la utilizacin de diferentes proporciones de materias primas y aditivos para mejorar la
condicin de un producto de consumo masivo.

La experimentacin constituye uno de los pasos del mtodo cientfico.

2.9. Unidad experimental.

Diseo experimental
48
Unidad experimental es el material (objeto del experimento)al que se aplica un
tratamiento de manera uniforme.

Tambin es la unidad de observacin, es la entidad (p.ej el alimento) sobre la que se
mide una o varias caractersticas de inters.

Por ejemplo: Puede ser un producto a mejorar, un conjunto de materias primas (frutas,
hortalizas, tejidos musculares), un lote de un producto, un tubo de ensayo, etctera.

Un producto de panadera, una variedad de productos del agro (maiz, harina de trigo),
frutas de una regin, tejidos musculares, un sustrato para ensayos biotecnolgicos.

2.10. Tratamiento.

Los tratamientos vienen a constituir los diferentes procedimientos, procesos, factores o
materiales y cuyos efectos van a ser medidos y comparados.

Viene siendo una de las formas que en cantidad o calidad, el factor a estudiar toma
durante el experimento, establece un conjunto de condiciones experimentales que
deben imponerse a una unidad experimental dentro de los confines del diseo
seleccionado.

Ejemplo:

La Dosis suministrada (%) de una sustancia para mejorar las condiciones de un
alimento; el sustrato aplicado (difrentes %
s
de nutrientes) en un proceso
biotecnolgico; la velocidad de enfriamiento (refrigeracin); las variedades de un
producto agrcola (naranja tangelo, valencia, mangoss, etc); la composicin de una
atmsfera de almacenamiento (% de los gases), etc.

En un experimento se puede considerar una combinacin de varios factores simples
por ejemplo la composicin, la temperatura, la presin, el tiempo, etc.

2.10.1. Tratamiento testigo

Puede ser una unidad experimental que sirve como patrn de comparacin y al cual no
se le realiza ningn tratamiento. El es el tratamiento de comparacin adicional, que no
debe faltar en un experimento.

La eleccin del tratamiento testigo es de gran importancia en cualquier investigacin,
este se constituye como referencial del experimento y sirve para la comparacin de los
tratamientos en prueba.

Por ejemplo, si se quiere probar en una mermelada el grado de gelificacin al agregar
una nueva pectina, el rendimiento de extraccin de un jugo de naranja al utilizar una
nueva tcnica de extraccin; se planear el ensayo de tal manera que se incluya una
Diseo experimental
49
mermelada con una pectina tradicional ampliamente conocida y en la extraccin se
incluir la tcnica tradicional que se venia utlizando.

2.11. Poblacin

Es el conjunto formado por todas las unidades objeto de un estudio estadstico.

Tambin lo podemos definir como el conjunto de individuos o elementos que cumplen
ciertas propiedades comunes.

O como la coleccin de todos los elementos que se estn estudiando y sobre los
cuales intentamos llegar a unas conclusiones.
En relacin al tamao de la poblacin, sta puede ser:
Finita, como es el caso del nmero de personas que integran una facultad o un
panel de degustacin. Tambin todos los productos obtenidos en un da de
proceso(tres turnos).
Infinita, si por ejemplo estudiamos el mecanismo aleatorio que describe la
secuencia de caras y sellos obtenida en el lanzamiento repetido de una moneda
al aire.
2.11.1. Individuos o elementos

Personas u objetos que contienen cierta informacin que se desea estudiar.

Por ejemplo todos los embutidos provenientes de un turno laboral al que se le han
modificado algunas etapas de elaboracin.

2.11.2. Muestra
Subconjunto representativo de una poblacin.

El embutido(s) tomado(s) de una produccin para anlisis sensorial y fisicoqumico.
2.12. Parmetro

Este es un termino empleado por los estadsticos para describir las caractersticas de
las poblaciones y las muestras, se denominan as las mediciones de tendencia central
y variacin, como la media y la desviacin estndar, de las caractersticas fijas e
invariables de las poblaciones. Es decir es una funcin definida sobre los valores
numricos de caractersticas medibles de una poblacin.

Diseo experimental
50

Cuadro 2. Smbolos para los parmetros y estadsticos

CARACTERISTICA SIMBOLO DEL
PARAMETRO
SIMBOLO ESTADISTICO
Media
Desviacin estandar

Varianza

Correlacin
Proporcin

x

SD
S
2

r
p

2.12.1. Estadstico
Es una funcin definida sobre los valores numricos(observaciones) de una muestra.
Puede ser la media, la varianza, etc.
2.12.2. Ejemplo de una poblacin.

Consideremos que se va a realizar una degustacin sensorial de un nuevo alimento en
la poblacin formada por todos los estudiantes de la Fac. de Ciencias Bsic. e
Ingenieria (alimentos+sistemas+bsicas+regencia de farmacia) o poblacin finita. El
promedio de aceptabilidad por el producto es el parmetro
.

El conjunto formado por los alumnos del programa de ingeniera de alimentos es una
muestra de dicha poblacin y la aceptabilidad media de esta muestra por el producto
es
x
, el cual es un estadstico.

2.13. Niveles de variables

Son los diferentes valores(manipulados acorde con lo deseado) que se asignan a cada
factor estudiado(variable independiente) en un diseo experimental.
Diseo experimental
51

La variacin(manipulacin) de una variable independiente puede realizarse en dos o
ms grados(factores). El nivel mnimo de manipulacin es dos: presencia ausencia de
la variable independiente.

El grupo con ausencia de manipulacin se denomina de control y el grupo con la
presencia de la variable independiente es el grupo experimental.

En otros experimentos la variable independiente se puede manipular en ms de dos
grados; por ejemplo cuando se utilizan tres niveles y se representan asi:

X
1
= concentracin permisible de un preservante ( para pures, emulsiones carnicas,
salsas, etc)

X
2
= concentracin intermedia del mismo preservante

X
3
= ausencia de preservante o los purs, emulsiones carnicas, salsas, etc, en su
estado natural.

Una combinacin de todos los factores se llama tratamiento.

2.14. Eleccin de la muestra. (Varios autores)

Para que una muestra resulte representativa de toda la poblacin, debe ser lo
suficientemente grande como para reflejar la variacin dentro de la misma.

Por ejemplo, para evaluar el rendimiento en jugo por hectrea de una produccin de
naranjas tangelo sembrada en una superficie de 30 hectreas, se podra medir el
rendimiento de una hectrea y multiplicarlo por el nmero de hectreas del sitio de
donde provienen.

Sin embargo, el rendimiento entre rboles difiere considerablemente; sin duda se
obtendr una estimacin ms exacta midiendo el rendimiento en jugo, por ejemplo, de
10 hectareas y obteniendo un resultado, ms verosmil y ms cercano al que se
obtendra con la medicin de todas las plantas.

2.14.1. Tamao de la muestra

Una amplia variedad de frmulas se emplean para calcular cul es el tamao requerido
de una muestra mientras que diversos programas de cmputo hacen los clculos de
tamaos de las muestras para un gran nmero de diseos de estudios y de mtodos
estadsticos. Lerman (1996) hizo una descripcin avanzada acerca de la lgica para
calcular el tamao de una muestra para investigacin en ingeniera.

En cualquier diseo experimental se debe decidir el numero de replicas que se
realizara por cada tratamiento (ver capitulo segundo, nmero de rplicas). Este numero de replicas
determina el tamao de la muestra.
Diseo experimental
52

Por ejemplo si se espera que se hallen pequeas diferencias en la respuesta final el
nmero de muestra debe ser el mayor posible para detectar diferencias significativas. Y
al contrario si las diferencias son grandes.

Y por el contrario si son varios tratamientos se deben reducir las replicas.

Tambin es muy importante considerar el costo, el material disponible y la
disponibilidad de los equipos a utilizar.

Para determinar el tamao de la muestra se deben considerar la confiabilidad, la
probabilidad y el error maestral y emplear las siguientes formulas:

Tabla 13. Tamao de muestra para una poblacin. (Varios autores)

Formula Condicin Poblacin Ejercicio

n = Z
0
2
PQ /
E
2

Ecuacin 1

Con una desviacin estndar
obteniendo una confiabilidad del
68%.

Infinita
El estudiante
debe realizar una
aplicacin al
trabajo que viene
elaborando. *

n = 4 PQ / E
2
Ecuacin 2

Con dos desviaciones estndar
95%

Infinita
El estudiante
debe realizar una
aplicacin a el
trabajo que viene
elaborando

n = 9 PQ / E
2
Ecuacin 3

Con tres desviaciones estndar
99.7%

Infinita
El estudiante
debe realizar una
aplicacin a el
trabajo que viene
elaborando
LSD = n t
(a/2, N-K)
(
2CME /n)
1/2

ECUACIN 3

Sobre esta
formula se debe
elaborar un
ensayo
Formula Poblacin
Ejercicio
n = Z
0
2
PQN / E
2
(N-1)+Z
2
PQ
Ecuacin 4
Finita
El estudiante debe realizar
una aplicacin a el trabajo
que viene elaborando

n = Tamao de la muestra.
Z
0
=valor critico correspondiente a un rea de (1-
)/2 desde el centro de una distribucin

normal.
P = Probabilidad de que ocurra el fenmeno a estudiar
Q = Probabilidad de que el fenmeno a estudiar no ocurra, en este caso el complemento de P.
N = Tamao de la poblacin
Diseo experimental
53
E
2
= Error muestral

2.14.1.1. Ejemplo de determinacin de numero de muestras.

a) Poblacin infinita
Se establece una muestra de 700 mermeladas y una probabilidad de que algunas
presenten histeresis (lloronas) en un 30%, con una confiabilidad del 95%, encontrar el
error muestral.

Aplicando la formula n = Z
0
2
PQ / E
2
Z
0
= (1-
)/2 = (1-5)/2= 2

E = [ 4 (30)(70) / 700]
1/2
= 3,46

b) Calcular el tamao de la muestra para el mismo producto (memelada) con una
confiabilidad del 96% , un error del 1.5%, y una probabilidad de que el fenmeno acurra
estimada en el 60%.

n = Z
0
2
PQ / E
2

n = 9 (60)(40)/ 2.25 = 864 frascos

c) para muestra finita

Para una normalizacin de frutas se tienen 500 fincas productoras para caracterizar su
produccin, y se desea tener una confiabilidad del 95%, no cometer un error superior al
5 y con una probabilidad esperada con del 60%, determine la muestra.

n = Z
0
2
PQN / E
2
(N-1)+Z
2
PQ

n = 4 (60)(40)500 / 25

(500-1)+4 (60)(40) = 453

2.14.2. Recomendaciones para la eleccin y tamao de muestra. (8 y varios autores)

Los investigadores deben conocer qu tan grande se necesita la muestra antes de
comenzar una investigacin, porque de otra manera no podrn determinar la
significancia cuando se presente o se requiera.

Para calcular el tamao de la muestra a utilizar en una investigacin que requiere una
media se debe responder a las siguientes cuatro preguntas:

1. Qu grado de significancia (grado
o valor de p) requiere en relacin con la

hiptesis de nulidad?
2. Cul es el grado de la potencia (igual a 1 o valor de r
2
) que desea?
3. Qu tan grande debe ser la diferencia ente la media y el valor estndar o norma
para que la diferencia tenga importancia desde la ingeniera de alimentos?
4. Cul es una estimacin suficiente de la desviacin estndar en la poblacin?
Diseo experimental
54

2.15. Muestreo y distribucin muestral
Cuando seleccionamos algunos elementos con la intencin de averiguar algo sobre
una poblacin determinada, nos referimos a este grupo de elementos como muestra.
Cuando no es posible medir cada uno de los individuos de una poblacin, se toma una
muestra representativa de la misma.
La muestra descansa en el principio de que las partes representan al todo y, por tal,
refleja las caractersticas que definen la poblacin de la que fue extrada, lo cual nos
indica que es representativa. Por lo tanto, la validez de la generalizacin depende de la
validez y tamao de la muestra.

2.15.1. Tipos de muestreo. (8 y varios autores)

Muestreo aleatorio simple: la forma ms comn de obtener una muestra es la
seleccin al azar es decir, cada uno de los individuos de una poblacin tiene la
misma posibilidad de ser elegido. Si no se cumple este requisito, se dice que la
muestra es viciada. Para tener la seguridad de que la muestra aleatoria no es
viciada, debe emplearse para su constitucin una tabla de nmeros aleatorios.
Muestreo estratificado: una muestra es estratificada cuando los elementos de
la muestra son proporcionales a su presencia en la poblacin. La presencia de
un elemento en un estrato excluye su presencia en otro. Para este tipo de
muestreo, se divide a la poblacin en varios grupos o estratos con el fin de dar
representatividad a los distintos factores que integran el universo de estudio.
Para la seleccin de los elementos o unidades representantes, se utiliza el
mtodo de muestreo aleatorio.
Muestreo por cuotas: se divide a la poblacin en estratos o categoras, y se
asigna una cuota para las diferentes categoras y, a juicio del investigador, se
selecciona las unidades de muestreo. La muestra debe ser proporcional a la
poblacin, y en ella debern tenerse en cuenta las diferentes categoras. El
muestreo por cuotas se presta a distorsiones, al quedar a criterio del
investigador la seleccin de las categoras.
Muestreo intencionado: tambin recibe el nombre de sesgado. El investigador
selecciona los elementos que a su juicio son representativos, lo que exige un
conocimiento previo de la poblacin que se investiga.
Muestreo mixto: se combinan diversos tipos de muestreo. Por ejemplo: se
puede seleccionar las unidades de la muestra en forma aleatoria y despus
aplicar el muestreo por cuotas.
Muestreo tipo: la muestra tipo (master simple) es una aplicacin combinada y
especial de los tipos de muestra existentes. Consiste en seleccionar una
muestra "para ser usada" al disponer de tiempo, la muestra se establece
empleando procedimientos sofisticados; y una vez establecida, constituir el
Diseo experimental
55
mdulo general del cual se extraer la muestra definitiva conforme a la
necesidad especfica de cada investigacin. (29).

2.16. Sesgo.

Es la caracterizacin del grado de asimetra de una distribucin alrededor de la media.

El sesgo en un estudio es un error que genera una conclusin incorrecta. Los sesgos
pueden deberse a la forma incorrecta de elegir la unidad experimental, de obtener y
analizar los datos o por la manera de obtener las conclusiones.

2.17. Grados de libertad.
Es el nmero de observaciones tomadas en exceso para estimar un parmetro. (Lipson y
Sheth 1973).

O el numero de variables menos el numero de relaciones lineales ( restriccin).

2.18. Datos sin procesar.

La informacin obtenida, antes de ser organizada y analizada, se conoce como datos
sin procesar puesto que an no han sido tratados mediante ningn mtodo estadstico.

La cantidad de datos ms grande y los detalles ms minuciosos pueden no contener la
informacin ms til para la toma de decisiones administrativa. Una parte importante de
la planeacin de sistemas de informacin administrativa consiste en resumir y
presentar los datos de modo que se pueda obtener la informacin crtica de manera
rpida y sencilla.

2.19. Organizacin de los datos obtenidos.

Existen muchas formas de organizar los datos.

Podemos slo colectarlos y mantenerlos en orden; o si las observaciones estn hechas
con nmeros, entonces podemos hacer una lista de los puntos de datos de menor a
mayor segn su valor numrico.

El objetivo de organizar los datos es permitirnos ver rpidamente algunas de las
caractersticas de los datos que hemos recogido: el alcance (los valores mayor y
menor), patrones evidentes, alrededor de qu valores tienden a agruparse los datos,
qu valores aparecen con mayor frecuencia, etc.

La forma de organizarlos y de presentarlos es en tablas para lo cual se deben seguir
las siguientes indicaciones:

L. Gildomero Arista, en su libro de Metodologa de la investigacin define una tabla de
datos como:
Diseo experimental
56

"Una tabla es la ordenacin de los datos recogidos en la investigacin, distribuidos en
filas y columnas identificadas por el contenido o el objeto al cual se refieren.

Las tablas tratan de agrupar datos parecidos, evitando duplicidades y evitando el
desorden. As ser ms fcil el manejo.

Cada dato se refiere a algo concreto de la observacin o el experimento. Esto no
podemos olvidarlo. Simplemente, sepamos manejarlo.

2.19.1. Ejemplo de organizacin de datos en una tabla en Excell

Una forma bsica de organizar los datos es presentada en la figura 4.

Esta se compone de lneas y columnas y los elementos esenciales en esta son:

* Ttulo, en el que se destaca el objeto de la tabla. Respondemos aqu a que, cuando y
donde; si es necesario se agregan notas con explicaciones.

* Columna principal en que se anotan las categoras.

* Encabezado de las columnas en el que se explica el objeto de cada una.

* Cuerpo, es decir la parte que contiene la informacin.

* Notas al pie con el objeto de aclarar ciertas operaciones y relaciones que se
utilizan en la tabla; tambin se debe indicar en ella la fuente de informacin.

* Notas de pie de pagina. A veces, el investigador tiene necesidad de aclarar,
precisar o dar indicaciones respecto de algn ttulo o dato consignado en la tabla.

*Indicacin de fuente. Cuando el investigador utiliza datos que son colocados en la
tabla, pero que no han sido directamente logrados por l, como si se tratara de una
citacin e datos, al pie de la tabla coloca la palabra "fuente", sealando enseguida:
el lugar, libro, revista o institucin de la cual han sido tomados los datos.

Ejemplo: se desea determinar la influencia que sobre la calidad organoleptica(dureza)
de unas galletas tiene la harina proveniente de tres fuentes diferentes y horneada por
por tres procesos diferentes. Para lo cual se construyen los bloques, la tabla de
respuestas y tratamiento de datos del ejemplo siguiente:
Diseo experimental
57

Figura 4. Forma bsica de organizar datos.

2.20. Ordenamiento de datos utilizando su arreglo y distribucin de frecuencias.

Esta ordenacin de datos es una de las formas ms sencillas de presentarlos, los
forma en orden ascendente o descendente.

Ordenar los datos tiene las siguientes ventajas:

Podemos notar rpidamente los valores mayor y menor de los datos.
Podemos dividir fcilmente los datos en secciones.
Podemos ver si algunos de los valores aparecen ms de una vez en ese
ordenamiento.
Podemos observar la distancia entre valores sucesivos de datos.

En ocasiones, un ordenamiento de datos no resulta til. Debido a que da una lista de
todos los valores, es una forma incmoda de mostrar grandes cantidades de datos.

Ver tabla de actividades.

Diseo experimental
58

EJEMPLO DE FRECUENCIA DE DATOS

Variable F. Absolutas F. Relativas F. Acumuladas
x
i
n
i
f
i
N
i

1 1 0,083 1
2 3 0,250 4
3 5 0,416 9
4 3 0,250 12
12 1

Figura 5. Ejemplo de organizacin y presentacin de datos utilizando su arreglo y
distribucin de frecuencias.

2.21. Anlisis de datos. (2, 3, 7 y varios autores)

El anlisis depende del nivel de medicin de las variables, de la manera como se hayan
formulado las hiptesis, el inters del investigador en el problema que este
investigando.

Podemos usar una serie de nmeros conocidos como estadstica sumaria para
describir las caractersticas del conjunto de datos. Dos de estas caractersticas son de
particular importancia para los responsables de tomar decisiones: la de tendencia
central y la de dispersin, entre los cuales tenemos la mediana, la moda, medidas de
tendencia central, desviacin media, la dispersin, sesgo en curvas y graficas, curtosis,
la media aritmtica, la mediana, la moda, la dispersin, distribucin de frecuencias,
histogramas, la varianza de una poblacin, puntuaciones Z, razones y tazas, anlisis de
varianza.

2.21.1. La mediana

Diseo experimental
59
Es el valor que ocupa la posicin central de la serie ordenada en orden creciente o
decreciente.

Es decir el punto a partir del cual la mitad de los datos son menores siendo la otra
mitad mayores.

Para lo cual se deben tabular los datos obtenidos de menor a mayor, y dividir el numero
total por la mitad, siendo la mediana el valor medio para un numero impar de las
observaciones registradas.

2.21.2. La moda

Es el valor que se presenta con mayor frecuencia en una serie de datos, si no hay valor
repetido.

Es de utilidad para determinar si en unos datos estadsticos o de un experimento puro
la muestra es :

Amodal si no hay datos repetidos; un modal cuando solo se presenta una repeticin ,
bimodal cuando hay dos modas existe.

2.21.3. Tendencia central

La tendencia central se refiere al punto medio de una distribucin. Las medidas de
tendencia central se conocen como medidas de posicin.

En resumen las medidas de tendencia central son la moda, la media, la mediana y la
media geomtrica.

La media se una para datos numricos, la mediana para datos ordinales, la moda para
distribuciones bimodales y la media geomtrica para observaciones determinadas en
escala logartmica.

2.21.4. Dispersin.

Se refiere a la extensin de los datos en una distribucin, es decir, al grado en que las
observaciones se distribuyen.

2.21.5. Sesgo en curvas y graficas

Las curvas que representan los puntos de datos de un conjunto de datos pueden ser
simtricas o sesgadas.

Las curvas simtricas, tienen una forma tal que una lnea vertical que pase por el punto
ms alto de la curva dividir el rea de sta en dos partes iguales. Cada parte es una
imagen espejo de la otra. En las curvas sesgadas, los valores de su distribucin de
frecuencias estn concentrados en el extremo inferior o en el superior de la escala de
Diseo experimental
60
medicin del eje horizontal. Los valores no estn igualmente distribuidos. Las curvas
pueden estar sesgadas hacia la derecha (positivamente sesgadas) o sesgadas hacia la
izquierda (negativamente sesgadas).

2.21.6. Curtosis

Cuando medimos la curtosis de una distribucin, estamos midiendo su grado de
agudeza o apuntamiento.

2.21.7. La media aritmtica.

Es la resultante promedio de un conjunto de valores de los cuales algunos tienen ms
frecuencia representativa.

Cuando nos referimos al "promedio" de algo, estamos hablando de la media aritmtica.

Para encontrar la media aritmtica, sumamos los valores y el resultado lo dividimos
entre el nmero de observaciones.

La media de una poblacin se simboliza con (letra griega miu).

El nmero de elementos de una poblacin se denota con la letra mayscula cursiva N.

Por lo general, estadsticamente se utilizan letras del alfabeto latino para simbolizar la
informacin sobre las muestras y letras del griego para referirnos a la informacin sobre
poblaciones.

2.21.7.1. Clculo de la media a partir de datos no agrupados. (2, 3, 7)

Media de la poblacin:

= x / N Ecuacin 5
X = x / n Ecuacin 6

Para calcular esta media, sumamos todas las observaciones.

Los estadsticos se refieren a este tipo de datos como datos no agrupados.

2.21.7.2. Clculo de la media de datos agrupados.

Para calcular este estadstico se deben tener en cuenta las siguientes consideraciones:

Una distribucin de frecuencias consta de datos agrupados en clases.

Cada valor de una observacin cae dentro de alguna de las clases.

Diseo experimental
61
No sabemos el valor individual de cada observacin.

A partir de la informacin de la tabla, podemos calcular fcilmente una estimacin
del valor de la media de estos datos agrupados.

Para encontrar la media aritmtica de datos agrupados, primero calculamos el punto
medio de cada clase.

Para lograr que los puntos medios queden en cifras cerradas, redondeamos las
cantidades.

Despus, multiplicamos cada punto medio por la frecuencia de las observaciones
de dicha clase, sumamos todos los resultados y dividimos esta suma entre el nmero
total de observaciones de la muestra.

= ) / ( n fX X Ecuacin 6

f = frecuencia de observaciones de cada clase
x= punto medio de cada clase de la muestra
n = nmero de observaciones de la muestra

2.21.8. La mediana.

La mediana mide la observacin central de un conjunto de datos.

Es la observacin ms central o la que est ms en medio en el conjunto de nmeros.

La mitad de los elementos estn por encima de este punto y la otra mitad est por
debajo.

2.21.9. Clculo de la mediana a partir de datos no agrupados.

Para hallar la mediana de un conjunto de datos, primero hay que organizarlos en orden
descendente o ascendente.

Si el conjunto de datos contiene un nmero impar de elementos, el de en medio en el
arreglo es la mediana.

Si hay un nmero par de observaciones, la mediana es el promedio de los dos
elementos de en medio.

Mediana = (n + 1) / 2 Ecuacin 7

2.21.9.1. Clculo de la mediana a partir de datos agrupados. (2, 3, 7 y varios autores)

El procedimiento es el siguiente:
Diseo experimental
62

Encontrar qu observacin de la distribucin est ms al centro (Mediana = (n + 1) /
2).
Sumar las frecuencias de cada clase para encontrar la clase que contiene a ese
elemento ms central.
Determinar el nmero de elementos de la clase y la localizacin de la clase que
contiene al elemento mediano.
Determinar el ancho de cada paso para pasar de una observacin a otra en la clase
mediana, dividiendo el intervalo de cada clase entre el nmero de elementos contenido
en la clase.
Determinar el nmero de pasos que hay desde el lmite inferior de la clase mediana
hasta el elemento correspondiente a la mediana.
Calcular el valor estimado del elemento mediano multiplicando el nmero de pasos
que se necesitan para llegar a la observacin mediana por el ancho de cada paso. Al
producto sumarle el valor del lmite inferior de la clase mediana.
Si existe un nmero par de observaciones en la distribucin, tomar el promedio de
los valores obtenidos para el elemento mediano calculados en el paso nmero sexto de
este numeral.

Un mtodo ms sencillo:

m = {[(n + 1) / 2 (F + 1)] / fm} w + Lm Ecuacin 8

m = mediana de la muestra
n = nmero total de elementos de la distribucin
F = suma de todas las frecuencias de clase hasta, pero sin incluir, la clase mediana
fm = frecuencia de la clase mediana
w = ancho de intervalo de clase
Lm = lmite inferior del intervalo de clase mediano

Ver tabla de actividades final del capitulo

2.21.10. La moda.

La moda es aquel valor que ms se repite en el conjunto de datos.

Ver tabla de actividades final del capitulo

2.21.11. La dispersin.

Es una medida que proporciona informacin adicional para juzgar la confiabilidad de la
medida de tendencia central.

Si los datos se encuentran ampliamente dispersos, la posicin central es menos
representativa de los datos.

Diseo experimental
63
2.21.12. Medidas de dispersin.

La dispersin puede medirse en trminos de la diferencia entre dos valores
seleccionados del conjunto de datos.

Las medidas de distancia son: el alcance, el alcance interfractil y el alcance intercuartil.

2.21.13. Distribucin de frecuencias

Una distribucin de frecuencias es una tabla en la que los datos se organizan en
clases, es decir, en grupos de valores que describen una caracterstica de los datos.

Una distribucin de frecuencias muestra el nmero de observaciones del conjunto de
datos que caen en cada una de las clases.

2.21.14. Caractersticas de las distribuciones de frecuencias relativas.

La frecuencia de cada valor se puede expresar como una fraccin o un porcentaje del
nmero total de observaciones.
Para obtener este valor, dividimos la frecuencia de esa clase entre el nmero total de
observaciones del conjunto de datos. La respuesta se puede expresar como una
fraccin, un nmero decimal o un porcentaje.

La suma de todas las frecuencias relativas es igual a 1,00 o al 100%.

frecuencias.

Las grficas de distribuciones de frecuencias simples y de distribuciones de frecuencias
relativas son de utilidad debido a que resaltan y aclaran los patrones que no se pueden
distinguir fcilmente en las tablas.

Atraen la atencin de quien las observa hacia los patrones existentes en los datos.

2.21.16. Histogramas

Un histograma consiste en una serie de rectngulos, cuyo ancho es proporcional al
alcance de los datos que se encuentran dentro de una clase, y cuya altura es
proporcional al nmero de elementos que caen dentro de cada clase.

Un histograma que utiliza las frecuencias relativas de los puntos de datos de cada una
de las clases, en lugar de usar el nmero real de puntos, se conoce como histograma
de frecuencias relativas.

2.21.16.1. Ventajas de los histogramas.
Diseo experimental
64

Los rectngulos muestran cada clase de la distribucin por separado.

El rea de cada rectngulo, en relacin con el resto, muestra la proporcin del nmero
total de observaciones que se encuentran en esa clase.

2.21.17. Polgonos de frecuencias

Son otra forma de representar grficamente distribuciones tanto de frecuencias simples
como relativas.

Para construir un polgono de frecuencias sealamos stas en el eje vertical y los
valores de la variable que estamos midiendo en el eje horizontal.

Un polgono de frecuencias es slo una lnea que conecta los puntos medios de todas
las barras de un histograma

2.21.17.1. Ventajas de los polgonos de frecuencias.

Estos grficos tienen las siguientes ventajas:

Es ms sencillo que su correspondiente histograma.
Traza con ms claridad el perfil del patrn de datos.
Se vuelve cada vez ms liso y parecido a una curva conforme aumentamos el
nmero de clases y el nmero de observaciones.

2.21.18. Ojivas.

Una distribucin de frecuencias acumuladas nos permite ver cuntas observaciones
estn por encima de ciertos valores,

2.22. Varianza de una poblacin. (2, 3, 7 y varios autores)

Es igual a la suma de los cuadrados de las diferencias alrededor de la media de
poblacin , dividida entre el tamao de la poblacin.

N X
N
i
i
2
1
2
) ( =
=
Ecuacin 9

y X valores los entre s diferencia las de cuadrados los de Suma X
i
N
i
i
=
=
2
1
) (
N = tamao de la poblacin

2.23. Desviacin estndar de una poblacin
Diseo experimental
65

La desviacin estndar de la poblacin es:

] ) ( [
2
1
N X
N
i
i
=

=
Ecuacin 10
2.24. Anlisis de regresin.

El anlisis de regresin es til para averiguar la forma probable de la relacin entre las
variables y cuando se utiliza ste mtodo, el objetivo final generalmente consiste en
predecir o estimar el valor de una variable que corresponde a un valor determinado de
otra.

Con base a los resultados obtenidos a partir de los anlisis realizados a la muestra
representativa, extrada de una poblacin determinada, el investigador estar en
capacidad de comprender y conocer minuciosamente la naturaleza y comportamiento
de la poblacin en la que se encuentra interesado.

2.24.1. Regresin lineal simple. (2, 3, 7 y varios autores)

El anlisis de regresin es til para averiguar la forma probable de la relacin entre las
variables y cuando se utiliza ste mtodo, el objetivo final generalmente consiste en
predecir o estimar el valor de una variable que corresponde a un valor determinado de
otra.

Por otro lado, el anlisis de correlacin, se refiere a la medicin de la intensidad
existente entre las relaciones de las variables. Cuando se calculan los coeficientes de
correlacin de un conjunto de datos, el inters se centra en el grado de compatibilidad
existente entre las variables que integran el problema.

Tabla 14. Ecuaciones para el estimativo de una regresin lineal simple

bX a Y + =
Ecuacin 11
] [ ]} [ {
2 2
n X X n Y X XY b

=
Ecuacin 12
n X b Y a

=
Ecuacin 13
[ ) ][ n Y Y n X X n Y X XY r

=
2 2
[ ]} [ {

Ecuacin 14

Diseo experimental
66

Tambin es representada como

+ + = X Y
1 0
Ecuacin 15

En donde

cion er a sec int
0
= = pendiente b = =
1
aleatoria Variable error el en cambio . =

2.25. Coeficientes de correlacin.

Una correlacin es el grado de relacin entre dos o ms variables que busca
determinar en que medida una lnea u otra ecuacin describe o explica dicha relacin.

Se encuentran dentro de un rango que va desde -1 hasta 1 rango que explica el
alcance y la valoracin de dicho coeficiente y la direccin de la correlacin. Tabla 15.

conjunto de datos. (varios autores)

COEFICIENTE DE CORRELACIN INTERPRETACIN
-1.00 Correlacin negativa perfecta
- 0.95 Correlacin negativa fuerte
- 0.50 Correlacin negativa moderada
- 0.10 Correlacin negativa dbil
0.0 No existe ninguna correlacin
+ 0.10 Correlacin positiva dbil
+ 0.50 Correlacin positiva moderada
+ 0.95 Correlacin positiva fuerte
+ 1.00 Correlacin positiva perfecta

El grado de asociacin, mientras ms cerca este de la unidad, en una u otra direccin,
mayor es la correlacin.

Generalmente en la mayora de los trabajos de investigacin se busca establecer una
correlacin lineal, ya sea positiva o negativa, no se puede considerar que todas las
relaciones entre dos variables (X y Y) forman una lnea recta. (ver capitulo siguiente).

Existen muchas correlaciones de carcter curvilneo que indican que una variable
aumenta a medida que la otra se incrementa hasta que la relacin misma se invierte,
de tal manera que una variable decrece finalmente mientras que la otra sigue en
aumento, es decir, que la relacin entre X y Y que en un principio es positiva se
Diseo experimental
67
convierte en negativa, o aquella que, en un comienzo es negativa se convierte en
positiva; por ejemplo en una reaccin qumica o en una reaccin bioqumica.

2.26. Otros modelos de regresin lineal simple. (2, 3, 7 y varios autores)

Tabla 16. Modelos de regresin lineal simple

ECUACIN MODELO
bX a
e Y
+
= Exponencial Ecuacin 16
) ( 1 bX a Y + =

El reciproco

Ecuacin 17
)
b
aX Y = Multiplicativo Ecuacin 18
) ln(X b a Y + =
Logartmico Ecuacin 19
) ( X b a Y + =
Reciproco
Ecuacin 20

2.27. Pruebas de hiptesis. (2, 3, 7 y varios autores)

En general una prueba de hiptesis comienza con una teora o aseveracin relativa a
cierto parmetro de una poblacin para lo cual se definen dos hiptesis conocidas
como:

La Hiptesis nula H
o
la cual es la hiptesis que se prueba siempre.
Y la Hiptesis alternativa H
1
que se establece como el opuesto a la hiptesis
nula y representa la conclusin que se apoya si la hiptesis nula se rechaza.

En lo que se conoce como metodologa de prueba de hiptesis clsica, se recomiendan
los siguientes puntos a tener en cuenta:

La Hiptesis nula H
o
siempre se refiere a un valor especifico del parmetro de
poblacin (como ) , no al estadstico maestral ( como
X
)

A partir de este numeral se deben consultar las tablas que se encuentran e textos de
estadstica como las tablas T-Student, de distribucin F, comparacin de medias de
Duncan, etc.

conocida)

) ( n X Z = Ecuacin 21

X = Media muestral observada; = media hipottica

Diseo experimental
68
El denominador representa el error estndar.
poblacion la de Varianza =
2

2.27.2. Ejemplo y procedimiento a desarrollar para una prueba de hiptesis
propiamente dicha.

Una organizacin de consumidores esta interesada en determinar si existe diferencia
en el peso entre diferentes marcas de cajas de 500 gramos de cereales para el
desayuno, para lo cual acepta una varianza de 10 gramos.

Para el efecto el estudiante ( de ser posible) recopilara 25 datos, los almacenara en
una tabla y los analizara; se aconseja trabajar con una significanca del 5%.

Los pasos a seguir para la prueba de hiptesis son los siguientes:

1. Establezca la hiptesis nula H
o
. sta debe expresarse en trminos estadsticos.

Por ejemplo: Al probar si la cantidad promedio de llenado es 500 gramos, la hiptesis
nula asegura que ( ) es igual a 500gramos.

2. Establezca la hiptesis alternativa H
1
. Tambin debe expresarse en trminos
estadsticos.

Al probar si la cantidad promedio de llenado es de 500 gramos, la hiptesis alternativa
asegura que ( ) es inferior a 500 gramos.

3. Elija el nivel de significancia . ste se determina despus de tomar en cuenta los
riesgos especificados de cometer errores tipo I y tipo II en una situacin particular.

La compaia eligi = 0.05.

4. Elija el tamao de la muestra n. ste se determina despus de tomar en cuenta los
riesgos especificados de cometer errores tipo I y tipo II ( es decir, los niveles
seleccionados de a y y de considerar las restricciones de presuesto al realizar el
estudio.

En este caso se pesaron 25 cajas de cereal seleccionadas al azar.

5. Determine la tcnica estadstica adecuada y la estadstica de prueba
correspondiente que se usar. Dado que si se conoce por que la compaa
especific que eran 15 gramos, se eligi una prueba Z.

6. Establezca los valores crticos que dividen las regiones de rechazo y no rechazo.
Una vez especificadas las hiptesis nula y alternativa y determinados el nivel de
significancia y el tamao de la muestra, se pueden encontrar los valores crticos para la
Diseo experimental
69
distribucin estadstica adecuada, de manera que se puedan indicar las regiones de
rechazo y no rechazo.

Para el caso se utilizaran los valores + 1.96 Y - 1 .96 para definir las regiones porque
el estadstico Z se refiere a la distribucin normal estndar.

7. Recopile los datos y calcule el valor muestral del estadstico de prueba adecuado.

Realice una toma de datos (determinacin) y calcule la X media = ....... gramos,
entonces y obtenga el valor Z = + ...........

8. Determine si el estadstico de prueba est en la regin de rechazo o de no rechazo.
El valor calculado del estadstico de prueba se compara con los valores crticos de la
distribucin muestral apropiada para determinar en qu regin se encuentra.

En este caso, . Z= +...... esta en la regin de rechazo o no rechazo porque - 1.96 < Z ==
+.... < + 1 .96.

9.Tome una decisin estadstica. Si el estadstico d prueba est en la regin de no
rechazo, la hiptesis nula, Ho no se puede rechazar; si el estadstico de prueba est en
la regin de rechazo, la hiptesis nula se rechaza.

10. Exprese la decisin estadstica en trminos de una situacin particular.

De ser afirmativa la diferencia entre las cantidades, que accin correctiva propondras y
aplicaras?

2.28. Prueba de t. (12)

La prueba de t es conocida a veces como prueba de t de Student, por recibir el nombre
de la persona que la estudi primero, en 1890. Student en realidad era un matemtico
llamado William Gosset, empleado por la Cervecera Guiness, quien se vio obligado a
usar el pseudnimo de Student, debido a que por poltica de la compaa se tena
prohibido a los empleados publicar sus investigaciones.

Gosset descubri que cuando una observacin procede de una distribucin normal, las
medias se distribuyen de manera normal, slo s se conoce la verdadera desviacin
estndar de la poblacin.

La prueba de t se emplea mucho en todas las reas de la ciencia.

La distribucin de t, es similar a la distribucin de z la cual se explic en numeral
anterior y, uno de sus mayores usos, es responder a interrogantes de investigacin
sobre medias y cuando se desconoce la verdadera desviacin estndar.

) ( n S X t = Ecuacin 22
Diseo experimental
70

S, es la desviacin estndar calculada por:

] 1 ) ( [
2
1
=

=
n X X S
n
i
i
Ecuacin 23

2.28.1. Suposiciones de la prueba de t con una muestra. (2)

Para usar una prueba t con una muestra, se supone que los datos numricos se
obtienen de una manera independiente y representan una muestra aleatoria de una
poblacin que sigue una distribucin normal.

En la prctica, se ha encontrado que siempre que la muestra no es muy pequea y la
poblacin no tenga un sesgo grande, la distribucin t proporciona una aproximacin a
la distribucin muestral de la media cuando
(sigma) no se conoce.

2.29. Prueba de z para la diferencia entre dos medias. (2, 3, 7, 12 y varios autores)

( ) ( ) ( ) ( )
2
2
2 1
2
1 2 1
2 1 n n X X Z + =
Ecuacin 24
1 poblacion la de muestra la de Media X = ; 1
2
1
poblacion la de Media =
1
2
1
poblacion la de Varianza = ; n
1
= tamao de la muestra tomada de la poblacin 1
2
2
poblacion la de muestra la de Media X = ; 2
2
2
poblacion la de Media =
2
2
2
poblacion la de Varianza = ; n
2
= tamao de la muestra tomada de la poblacin 2

El estadstico de prueba sigue una distribucin normal estndar.

2 1
: =
o
H
0
2 1
=

2 1 1
# : H

0 #
2 1

2.30. Prueba de t para la diferencia entre dos medias

El clculo de la prueba de t para la diferencia entre dos medias se realiza con:
Diseo experimental
71

( ) ( ) ( ) ( )} 1 1 {(
2 1 2 1
2 1 n n Sp X X t + =
Ecuacin 25

) 1 ( ) 1 ( ) 1 ( ) 1 (
2 1
2
2 2
2
1 1
+ + = n n S n S n S Ecuacin 26

S
2
p
= varianza combinada
X
1,2
= medias de la muestra tomadas de las poblaciones respectivamente
S
1,2
= varianzas de la muestra tomadas de las poblaciones respectivamente

2.31. Errores tipo I y tipo II. (8)

Cuando se contrastan o se prueban las hiptesis se pueden cometer dos tipos de
errores por los siguientes motivos:

La prueba de hiptesis comienza con una suposicin, llamada hiptesis, que
hacemos con respecto a un parmetro de poblacin.

Despus recolectamos y clasificamos los datos, aplicamos la estadstica
seleccionada a las muestras y usamos esta informacin para decidir qu tan
probable es que sea correcto nuestro parmetro de poblacin acerca del cual
hicimos la hiptesis.

Debemos establecer el valor supuesto (hipotetizado) del parmetro de poblacin
antes de comenzar a tomar la muestra.

La suposicin que deseamos probar se conoce como hiptesis nula, y se
simboliza por H
0
.

Siempre que rechazamos la hiptesis, la conclusin que s aceptamos se llama
hiptesis alternativa y se simboliza por H
1
.

*** El rechazo de una hiptesis nula cuando es cierta se denomina error de tipo I, y
su probabilidad (que es tambin el nivel de significancia) se simboliza como . ***

*** El hecho de aceptar una hiptesis nula cuando es falsa se denomina error de
tipo II, y su probabilidad se simboliza como . ***

La probabilidad de cometer un tipo de error puede reducirse slo si
deseamos incrementar la probabilidad de cometer el otro tipo de error.

Diseo experimental
72
Con el propsito de obtener una (probabilidad) baja, tendremos que tolerar una
probabilidad alta; sin embargo el nivel de significancia adecuado se debe decidir
acorde con los costos y desventajas vinculadas con ambos tipos de errores.

2.32. Anlisis de la varianza. (3, 7, 8, 27 y varios autores)

El anlisis de la varianza conocido como Anova (Analysis of variance); es un mtodo
para comparar dos o ms medias.

Es una tcnica estadstica que sirve para analizar la variacin total de los resultados
experimentales de un diseo en particular, descomponindolo en fuentes de variacin
independientes atribuibles a cada uno de los efectos en que constituye el diseo
experimental.

Esta tcnica tiene como objetivo identificar la importancia de los diferentes factores
tratamientos en estudio y determinar como interactan entre s.

El ANOVA es una prueba semejante a la prueba t de Student, en cuanto a la prctica,
pero la comparacin entre grupos no es a travs de la media y su desviacin estndar,
sino a travs de la varianza de la variable numrica y, en cada grupo de la variable
categrica x.

Bsicamente el anlisis de Varianza, se utiliza para corroborar si la significacin de
diferencias entre medias de dos o mas grupos, son o no debidas al azar.

La cifra estadstica obtenida con el Anova es la razn F.

Suponiendo que se analizan 2 grupos, el Anova, analiza las variaciones entre los dos
grupos (inter-grupal) y la compara con la variacin dentro de cada grupo (intra-grupal),
para obtener mediante una suma de cuadrados el valor de F.

Si las diferencias de varianza entre cada grupo son mayores que las intra-grupales,
seguramente existen diferencias significativas entre los grupos que no son debidas al
azar.

Los grupos se definen como en la prueba t eligiendo una variable categrica. La
variable a analizar debe ser numrica y de distribucin simtrica.

Ver ejemplo de la tabla 2.5

2.32.1. Bases del anlisis de la varianza

Supnganse k muestras aleatorias independientes, de tamao n, extradas de una
nica poblacin normal. A partir de ellas existen dos maneras independientes de
estimar la varianza de la poblacin (S
2
)

Diseo experimental
73
1) Una varianza dentro de los grupos (ya que slo contribuye a ella la varianza
dentro de las muestras), o varianza de error, o cuadrados medios del error, y
habitualmente representada por CME (Mean Square Error) que se calcula como
la media de las k varianzas muestrales (cada varianza muestral es un estimador
centrado de S
2
y la media de k estimadores centrados es tambin un estimador
centrado y ms eficiente que todos ellos).

CME es un cociente: al numerador se le llama suma de cuadrados del error y se
representa por SC
E
y al denominador grados de libertad por ser los trminos
independientes de la suma de cuadrados.

2) Otra llamada varianza entre grupos (slo contribuye a ella la varianza entre las
distintas muestras), o varianza de los tratamientos, o cuadrados medios de los
tratamientos y representada por CM
TRAT
o MSB (Mean Square Between).

Se calcula a partir de la varianza de las medias muestrales y es tambin un cociente; al
numerador se le llama suma de cuadrados de los tratamientos (se le representa por
SC
TRAT
) y al denominador (k-1) grados de libertad.

CM
TRAT
y CM
E
, estiman la varianza poblacional en la hiptesis de que las k muestras
provengan de la misma poblacin.

La distribucin muestral del cociente de dos estimaciones independientes de la
varianza de una poblacin normal es una F con los grados de libertad correspondientes
al numerador y denominador respectivamente, por lo tanto se puede contrastar dicha
hiptesis usando esa distribucin.

Si en base a este contraste se rechaza la hiptesis de que CM
TRAT
y CM
E
estimen la
misma varianza, se puede rechazar la hiptesis de que las k medias provengan de una
misma poblacin.

Aceptando que las muestras provengan de poblaciones con la misma varianza, este
rechazo implica que las medias poblacionales son distintas, de modo que con un nico
contraste se contrasta la igualdad de k medias.

Existe una tercera manera de estimar la varianza de la poblacin, aunque no es
independiente de las anteriores. Si se consideran las kn (N) observaciones como una
nica muestra, su varianza muestral tambin es un estimador centrado de S
2
.

Se suele representar por CM
T
, se le denomina varianza total o cuadrados medios
totales, es tambin un cociente y al numerador se le llama suma de cuadrados total y
se representa por SC
MT
, y el denominador (kn -1) grados de libertad.

Los resultados de un analisis de varianza (anova) se suelen representar en una tabla
como la siguiente:

Diseo experimental
74
Tabla 17. Ejemplo de un anlisis de varianza

Fuente de
variacin
Grados
de
Libertad
SC
Suma de
cuadrados
CM
Cuadrados
medios
F
0

Razn
p-valor
Entre Tratamientos k-1 SC
TRAT
SC
TRAT
/(k-1) CM
TRAT
/ CM
E
P (F>F
0
)
Dentro del Error N-k SC
E
SC
E
/(N-k)

Total N-1 SC
T

SC
MT
/ (kn -1)

k= Numero de tratamientos o niveles o grupos del factor de inters
N= Numero total datos reportados
n = Numero total por grupo

CM
TRAT
= SC
TRAT
/ (k-1) Ecuacin 27

CM
E
= SC
E
/(N-k) Ecuacin 28

Con F
0
calculado como

CM
TRAT
/ CM
E
Ecuacin 29

Y Con un elegido ( generalmente 5%), con unos grados de libertad en el numerador
(k-1), con unos grados de libertad en el denominador (N-k) se encuentra el valor critico
superior de la distribucin F, en una tabla de valores crticos como la del ejemplo del
numeral 2.37.

2.33. Interaccin de los factores.
Se dice que no existe interaccin entre dos factores o tratamientos T1 y T2 cuando sus
efectos sobre la respuesta son aditivos. En otros trminos, la diferencia de las
respuestas medias tericas en dos niveles cualesquiera de un factor es constante en
todos los niveles del otro factor y viceversa.

2.34. Transformacin de datos. (3, 7, 8, 27 y varios autores)

En la prctica muchos de los procesos experimentales no siguen una distribucin
normal con varianza constante y aunque el procedimiento de anova es robusto y
admite desviaciones moderadas el realizar un anlisis estadstico con resultados que
no cumplen con los supuestos acerca del modelo estadstico, se puede llegar a una
conclusin y decisin errnea.

Para lo cual mediante una transformacin adecuada puede conseguirse que una
variable que no se distribuye normalmente pase a tener una distribucin casi normal;
por ejemplo un cambio de escala puede variar la media y la varianza de la variable as
Diseo experimental
75
como su relacin con respecto a otras variables al igual que la forma de la distribucin
de una variable cambia con la escala.

Las poblaciones con varianzas desiguales pueden convertirse en varianzas
homogneas mediante una transformacin apropiada.

Las transformaciones ms usadas se presentan en la tabla siguiente:

Tabla 18. Transformaciones usadas para datos

Transformacin apropiada Tipo de transformacin
) ( log ) ln(
10
' '
Y Y O Y Y = =
Transformacin logartmica
2 / 1 '
= Y Y
Transformacin de la raz cuadrada
1 '
= Y Y
Transformacin del reciproco

2.35. Regresin lineal mltiple.

El anlisis de regresin lineal mltiple consiste en generar modelos de regresin con
ms de una variable independiente (X1, X2, X3..); el modelo de regresin lineal
mltiple es representado por:

+ + + + + =
k k
X X X Y ........
2 2 1 1 0
Ecuacin 30

k = numero de variables (Xs)

2.36. Correlacin mltiple.

Si en la ecuacin anterior es necesaria ms de una variable independiente(X1, X
2
...) se
aplica el trmino de "correlacin mltiple".

Los clculos para este tipo de correlacin son ms dispendiosos y la interpretacin de
sus resultados ms complejo. La inclusin de variables adicionales incrementa los
datos necesarios y puede tambin adicionarse un considerable costo al estudio.

Las razones principales para cambiar el anlisis de una dos o ms variables
independientes son:

Existe una relacin lgica, y una sola variable independiente no proporciona un
coeficiente de correlacin suficientemente satisfactorio.

El coeficiente de correlacin mltiple representa la proporcin de variacin en Y que
explica el conjunto de variables explicativas seleccionadas. (3, 7, 8, 27 y varios autores)

Diseo experimental
76
2.37. Anlisis de Covarianza.

El anlisis de covarianza es un procedimiento muy importante en experimentacin,
pero lamentablemente no se usa con frecuencia.

Utiliza el anlisis de varianza y el de regresin para eliminar la variabilidad que existe
en la variable independiente X; tambin ajusta medias de tratamiento y as estima
mucho mejor el efecto de la variable independiente X sobre la variable dependiente Y.

La variable independiente X es una observacin hecha en cada unidad experimental
antes de aplicar los tratamientos, e indica hasta cierto grado la respuesta final y de la
unidad experimental.

2.37.1. Los objetivos del anlisis de covarianza son:

a) Disminuir el error experimental con el respectivo aumento en precisin del
experimento.
b) Ajustar los promedios de los tratamientos.
c) Interpretar mejor los resultados en el experimento, especialmente en lo relacionado
con la naturaleza de los efectos de los tratamientos.
d) Estimar el valor de las unidades perdidas en los experimentos.

2.38. Software estadsticos para la solucin de problemas.

De los programas adecuados para el manejo, el procesamiento y anlisis de datos
citamos los siguientes:

Excell, minitab, statgraphics, SAS, curve expert; etc. sin embargo con la utilizacin de
una calculadora tambin es posible la realizacin de la gran mayora de las
operaciones involucradas en el procesamiento de los datos.
Diseo experimental
77

Figura 6. Portada del programa Statgraphics.

Figura 7. Hoja de clculo de excell *.

* Se le asigna el nombre de hoja de clculo a un hoja que esta divida en renglones y columnas,
al cruce de ellos se le denomina celdas sobre las cuales se almacena informacin (letras o
nmeros) que podemos usar para realizar operaciones, tales como sumas, restas,
multiplicaciones, divisiones, clculos financieros, estadisticos, de ingeniera, amortizaciones,
etc.

Diseo experimental
78
2.39. Ejercicios desarrollado

Ejercicio practico de estudio, reflexin y anlisis.

En un proyecto de investigacin para la normalizacin de frutas se encontraron los
siguientes datos de la produccin de canastillas de 50 kilos de uchuva de un tamao
previamente seleccionado en 50 fincas del oriente de Cundinamarca:

a) Con los datos anteriores y aplicando las formulas matemticas suministradas
compruebe que los datos obtenidos para este ejemplo de partida en el proyecto de
normalizacin de frutas se pueden presentar como:

Tabla 19. Produccin de canastillas de uchuva en seis veredas

Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5
49 61 44 39 31
30 60 38 36 66
50 41 43 47 49
40 38 30 51 69
53 47 45 44 45
33 32 51 64 44
40 52 43 39 58
60 59 42 39 31
48 43 47 48 35
36 56 60 40 36

Diseo experimental
79
Tabla 20. Resumen estadstico de los datos totales recolectados de la produccin
de uchuvas en cinco municipios de Cundinamarca.

Caractersticas
estadsticas
encontradas para el
proyecto de
normalizacin
Enumere otras
propiedades de
inters para tener
en cuenta en este
ejercicio.
Muestras
totales(canastillas)
50
Sumatoria total
2282,0
Promedio 45,64
Varianza 99,2963
Desviacin estndar 9,96475
Valor Mnimo de
produccin de
uchuva
30,0
Valor Mximo de
produccin de
uchuva

69,0

Sesgo 1,33489
Curtosis o
apuntamiento
-0,66762

.
produccin de uchuvas en cinco municipios de Cundinamarca.

M
e
S
N
fincas
Promedio Varianza Desviacin
estndar
Skewness
estndar
Kurtosis
estndar
Sumatoria
por grupo
1
5 44,8 126,2 11,2339 0,402954 0,1668
01
224,0
2
5 46,0 254,0 15,9374 0,482584 -
1,1925
8
230,0
3
5 46,0 15,0 3,87298 -
0,392837
-
1,0041
6
230,0
4
5 45,6 227,3 15,0765 0,950036 0,3705
86
228,0
5
5 46,8 13,2 3,63318 1,62367 1,4570
1
234,0
6
5 44,8 177,7 13,3304 0,574125 -
0,3340
78
224,0
7
5 46,4 68,3 8,26438 0,693964 -86 232,0
Diseo experimental
80
8 5 46,2 163,70
,7283
12,7945 0,139123 -
1,1074
7
231,0
9 5 44,2 30,7 5,54076 -1,4506 0,9761
77
221,0
1
0
5 45,6 132,8 11,5239 0,538284 -
1,3006
228,0

S
u
m
50 45,64 99,296
3
9,96475 1,33489 -
0,6676
2
2282,0

a- Revisa las graficas siguientes y sustenta si falta alguna de inters.?

Figura 8. Grafico de la produccin anual de uchuvas.

Figura 9. Grafico de cajas y bigotes de la produccin mensual de uchuvas.
PRODUCCON ANUAL DE UCHUVA8
C
A
J
A
S

D
E

5
0

K
I
L
O
S
MES
1 2 3 4 5 6 7 8 9 10
30
40
50
60
70
GRAFCO DE CAJA8 Y BGOTE8
PRODUCCION DE UCHUVA
M
E
S
1
2
3
4
5
6
7
8
9
10
30 40 50 60 70
Diseo experimental
81

Figura 10. Grafico de medias e intervalos para la produccin de uchuvas por
finca.

b- Adems encuentre la mediana, la media, la frecuencia absoluta, el numero de
muestras mnimas.
c- Con los datos obtenidos elaboramos el cuadro de distribucin de frecuencias.
d- El tamao de la muestra tomado es correcto?
d-Que se podra concluir y decidir con los anteriores datos y que sugerencias se
tendran.?
e- Complete el siguiente cuadro de anlisis de mariaza para el ejercicio anterior con un
nivel de confianza del 95,0%.

Tabla 22. Anlisis de varianza (ANAVA) par el ejemplo de las fincas productoras
de uchuva.

Fuente de
variacin
Grados
de
Libertad.
SC
Suma de
cuadrados
CM
Cuadrados
medios
F
0

Razn
p-valor
Entre grupos
(fincas)
9 SC
TRAT
SC
TRAT
/(k-1) 0,03 1
Dentro de los
grupos
40 SC
E
SC
E
/(N-k)

Total 49 4865,52
SC
MT
/ (kn -1)

Y adems responda si este valor de F-prueba es mayor, menor o iguala a 0,05?
MEDIAS E INTERVALOS DEL 95% LSD
FINCAS
C
J
A
S

U
C
H
U
V
FINC1 FINC2 FINC3 FINC4 FINC5
39
42
45
48
51
54
Diseo experimental
82

Hay diferencia estadsticamente significativa en la produccin de uchuva de un MES a
otro?

2.40. Recomendaciones

Al plantear un estudio estadstico, definir claramente la poblacin objeto de
anlisis.

Si se trabaja con muestras, definir las condiciones que deben reunir antes de
extraerlas.

Especificar qu se va a medir, las unidades a usar y la forma de registro.

2.40.1. Las modalidades ms recomendadas para disminuir el error son:

a) Utilizar unidades experimentales muy uniformes, como materias primas
homogneas, procesos, densidad de muestras, etctera.
b) Tamao adecuado de la unidad experimental.
e) Eliminacin de la competencia entre tratamientos.
d) Distribucin adecuada de los tratamientos mediante sorteos (azar).
e) Usar el nmero adecuado de repeticiones para cada tratamiento.
f) Poner todos los tratamientos en igualdad de condiciones, de manera que si alguno es
superior a los dems, se pueda probar.

2.41.Ejercicios propuestos

Resuelva los ejercicios siguientes y socialcelos con el tutor y compaeros en los
momentos presnciales.

1- Clasifique los siguientes items en variables y constantes, en el primer caso diga de
cual tipo son:

* Color del uniforme de un ingeniero de planta * El dimetro de un producto carnico
(salchichn).
* Intensidad de la agitacin de un cutter La inflacin en el pais.
* Caudal de una bomba impulsora de lquidos
* ndice de solidificacin de un helado
* Duracin de un semestre acadmico
* Nmero de estudiantes por semestre

2- Revise un artculo de una revista con temas pertinentes con la ingeniera de
alimentos, tome de l las variables que intervienen y clasifquelas.

A partir del mismo artculo ejemplifique los conceptos de indicador y dimensin de una
variable.
Diseo experimental
83

3- Un ingeniero conduce un experimento para comparar la absorcin media de aceite
esencial en un medio poroso. Para lo cual selecciona aleatoriamente una tira cinco
posibles de un absorbente y lo divide en cinco pedazos uno de 3,5 centmetros, otro de
cinco, ocho centmetros el siguiente, diez centmetros y trece centmetros el ultimo.
Identifique la unidad experimental, los factores y los niveles de factor presentes en el
experimento.

Se podra anexar tomar otra divisin y dejarla al ambiente.? Como se le denominara?

Se podra plantear de otra forma?

4- Los ingenieros de una planta enlatadora estn tratando de comprar muestras de frjol
beneficiado para lo cual evalan las ofertas de tres proveedores mediante la
verificacin de uniformidad de el material entregado en cuanto a la pureza(sin residuos
vegetales) y los datos encontrados son los siguientes:

Proveedor 1 Proveedor 2
9
10
11
12
8
9
10
10
10
9
11
11

Calcular la media, la varianza, la desviacin estndar.
Plantear las hiptesis, y que concluira de la uniformidad de la muestra.
Si consideramos un = 0.05.

B) si se decide probar con otro proveedor que criterio aplicaras?

Proveedor 3
8
8
6
12
12
13

2.42. Actividades a desarrollar

establecidos en la gua de actividades en la seccin 7. SISTEMA DE EVALUACION. Ver tabla 23.

Diseo experimental
84

Tabla 23. Actividades a desarrollar en el periodo acadmico

Actividades

Trabajo a
realizar

Ejercicio

Fecha de
entrega

Fase de
aprendiz
aje

Actividades
N1

El estudiante debe
calcular el nmero de
muestra para el trabajo
que realizo de PEDT y
compararlo con lo
realzado.
El estudiante adems de
realizar una aplicacin del
nmero de muestras al trabajo
de PEDT que elaboro. Debe
realizar un mapa conceptual
de este capitulo. Tambin
proponer el nmero de
muestras para el PIDT que
presentara.

Actividades
N2
Sobre esta formula se
debe elaborar un
ensayo
Numeral 2.12
LSD = n t (a/2, N-K) ( 2CME
/n)
1/2
Ecuacin 3

Actividades
N3
Ensayo
Numeral 2.13
Leyes del mtodo de muestreo
con ejemplos especficos.

Reconocimie
nto

Actividades
N4

Taller N 1.
Numeral 2.17
El estudiante planteara una
hiptesis para justificar el
desarrollo de un producto y
realizara una recopilacin de
datos de utilidad para el
trabajo de grado que en el
ciclo profesional va a realizar y
los analizara acorde con los
numerales siguientes. 2.18 a 2.

Actividades
N5

Ensayo
2.18.9.1.
El estudiante debe realizar un
ensayo sobre:
Las Ventajas y desventajas
de utilizar la mediana. El
estudiante debe realizar un
ensayo sobre Clculo de la
moda de datos agrupados.
Y adems Comparacin
entre la media, la mediana y la
moda.

Profundiz
acin

Actividades
N6

2.24. Ejemplo
interactivo y
procedimental
numeral 2.
Desarrolle el ejercicio
propuesto en el ejemplo de los
pasos a desarrollar para una
prueba de hiptesis
propiamente dicha.

Actividades
N7

Ejercicio practico
de estudio,
reflexin y
anlisis. Numeral
2.37

Caractersticas estadsticas
encontradas para el proyecto
de normalizacin
Enumere otras propiedades
de inters para tener en cuenta
en este ejercicio. Los
numerales a hasta d.

Transfere
ncia
Trabajo N 1. De
conclusin del
capitulo segundo
de la primera
unidad.

"Ensayo sobre la relacin de la investigacin, la teora, la prctica y los diseos
experimentales en ingeniera de alimentos y otra disciplina."

Diseo experimental
85

UNIDAD SEGUNDA

DISEOS EXPERIMENTALES APLICADOS EN LA INGENIERA DE
ALIMENTOS.

Diseo experimental
86
INDICE DE LA UNIDAD SEGUNDA
Diseos experimentales aplicados en la ingeniera de alimentos
Capitulo primero de la segunda unidad
Diseos experimentales
Cuadro 2. Contenidos del capitulo primero de la segunda unidad
Fig. 11. Factores y variables en un proceso de fabricacin de un alimento
CAPITULO PRIMERO DE LA SEGUNDA UNIDAD.
Foto 3. foto de sir William Gosset
1.1.Tipos de experimentos.
1.2. Experimentos exploratorios
1.3. Experimentos Confirmatorios
1.4. Qu es una investigacin no experimental?
1.6. Caractersticas de los diseos experimentales. (Varios autores)
1.7. Factores de tratamientos.
1.7.1. Factores de clasificacin
1.8. Variable de interferencia.
1.9. Error experimental (2, 8)
1.10. Importancia de mantener una constante.
1.10.1. Rplica.
1.10.2. Ventajas de las replicas.
1.11. Aspectos influyentes en la seleccin de un diseo experimental.
1.12. Clasificacin de los diseos experimentales acorde con su utilizacin.
1.13. Interaccin entre dos factores
1.13.1.Factor en el diseo de dos vas.
1.13.2. Tratamiento en el diseo de dos vas.
1.13.3. Interaccin en el diseo de dos vas.
1.14. Tipos de diseo experimental.
1.14.1. Diseo de anlisis.
1.14.2. Aleatorizacin.
Tabla 24. Ejemplo de unidades experimentales a aleatorizar
1.15. Modelo estadstico.
1.16. Experimentos de una variable
1.17. Dise de experimentos sin bloquear.
1.17.1. Procedimiento estadstico para la comprobacin de hiptesis en un
diseo al azar.
Tabla 25. Procedimiento estadistico para la comprobacin de hiptesis
Tabla 26. Anlisis de varianza para los tratamientos con un solo factor, en un
diseo totalmente aleatorizado o completamente al azar.
1.17.2. Modelo estadistico para un diseo al azar.
1.17.3. Ejemplo de un diseo de experimentos sin bloquear
Figura 12. Diagrama de flujo para la produccin de rosquillas a partir de una
masa estandarizada.
Tabla 27. De aleatorizacin para el ejemplo de las rosquillas
Diseo experimental
87
Tabla 27. Datos obtenidos en la determinacin de la dureza para el ejemplo de las
rosquillas.
Tabla 28. Anlisis de varianza para evaluar el efecto de los aditivos en la
elaboracin de rosquillas.
Tabla 29. Anlisis de homogeneidad y contraste de las rosquillas.
1.18. Diseo de bloques completos al azar.
1.18.1. Arreglo de los datos en un diseo de DBCA.
Tabla 30. Arreglo de los datos en un diseo de bloques completos al azar.
1.18.2. Modelo estadstico para un DBCA
1.18.3. ANOVA para un diseo en bloques completos al azar (DBCA)
Tabla 31. ANOVA para un diseo en bloques completos al azar
1.18.4. Ejemplo de bloques completos al azar
Tabla 32. Datos obtenidos en la determinacin de la dureza para el ejemplo de
concentracin del jugo de tomate.
Tabla 33. Procesamiento de los datos obtenidos en la determinacin de la dureza
para el ejemplo de concentracin del jugo de tomate.
Tabla 34. ANAVA para los datos obtenidos en la determinacin de la dureza para
el ejemplo de concentracin del jugo de tomate.
1.19. Diseo en cuadro latino
1.19.1. Anlisis del diseo de Cuadro latino
1.19.2 Hiptesis a probar
1.19.3. Arreglo de los datos en un diseo de Cuadro latino.
Tabla 35. Arreglo de los datos en un diseo Cuadro latino.
1.19.4. ANOVA para el diseo de cuadro latino.
Tabla 36. ANOVA para el diseo de cuadro latino
1.19.5. Ejemplo para el diseo de cuadro latino.
Tabla 37.Datos recolectados por los tecnlogos
Tabla 38. Calculo de los tratamientos (3eros o letras)
Tabla 39. ANOVA para el diseo de cuadro latino del ejemplo perdida de peso
1.20. Diseo en cuadro greco latino.
1.21. Diseos factoriales.
1.21.1. Ventajas de los Experimentos Factoriales
1.21.2. Desventajas de los diseos factoriales
1.22. Arreglo factorial
Figura 13.Un experimento factorial
1.23. Modelo estadstico para un diseo factorial
1.24. Hiptesis a probar
1.25. ANOVA para el diseo factorial (a x b) o de dos factores
Tabla 40. ANOVA para el diseo factorial a x b
1.25.1. Ejemplo de un diseo factorial
Tabla 41. Resultados del ensayo NOVA para el diseo factorial a x b
Tabla 42. ANOVA para el ejemplo de diseo factorial a x b
1.26. Experimentos factoriales de dos vas
1.27. Factor en el diseo de dos vas.
Diseo experimental
88
1.28. Pasos para llegar al ANOVA en un diseo experimental.
1.29. Diseo de dos factores.
1.29.1. Codificacin de las variables
Tabla 43. Signos algebraicos para calcular los efectos en un diseo 2
2
1.29.2. El diseo factorial completo 2
k

1.29.3. Efecto de un factor en un diseo 2
2
1.29.4. Anlisis de residuos
1.29.5. ANOVA para un diseo factorial 2
2
Tabla 44. ANOVA para un diseo factorial 2
2
1.29.6. Ejemplo de un diseo experimental factorial 2
2

Tabla 45. Respuestas para el ejemplo de diseo factorial 2
2
Tabla 46. Matriz para el ejemplo de diseo factorial 2
2
Tabla 47. Anlisis de varianza para el ejemplo de diseo factorial 2
2
1.30. Diseo factorial de tres factores con dos niveles cada uno.
Tabla 48. Combinacin de los tratamientos para un diseo 2
3
3
3

1.30.2. Anlisis de varianza para un diseo factorial 2
3

Tabla 50. Calculo del Anlisis de varianza para un diseo factorial 2
3

1.30.3. Coeficientes de determinacin
1.30.4. Ejemplo de un diseo factorial 2
3

Tabla 51. Datos de la viscosidad de la bebida desarrollada.
Figura 15. Pasos para calcular el ANOVA en un diseo 2
k
Tabla 52. Promedio y factores calculados para el ejemplo de la viscosidad
Tabla 53. Anlisis de la varianza para la viscosidad de bebida desarrollada.

Tabla 54. Coeficientes de regresin de la ecuacin de los datos de viscosidad de
la bebida desarrollada en el ejemplo anterior.
Tabla 55. Valores para el r
2
, el error estndar para el ejemplo de la viscosidad de
la bebida desarrollada.
Tabla 56. Resultados estimados para los datos de viscosidad con la ecuacin de
regresin encontrada para el ejemplo anterior.
1.31. Presentacin de resultados.
Figura 16. Efectos medios para el ejemplo de la viscosidad.
Figura 17. Interacciones para el ejemplo de la viscosidad.
1.32. Metodologa de la superficie de respuesta. Varios autores.
1.32.1. Regin experimental
1.32.2. Regin de operabilidad
1.32.3. Polinomio ortogonal.
1.33. Diseos no experimentales.
1.35. Ejercicios propuestos
1.36. Actividades a realizar para el capitulo primero de la unidad segunda
Tabla 57. Actividades a desarrollar en el semestre acadmico.
Diseo experimental
89

Fig. 11. Factores y variables en un proceso de fabricacin de un alimento

Diseo experimental
90

Como resultado de una planeacin experimental seria se obtienen datos, que el
investigador recoge no con la finalidad de archivarlos indefinidamente, si no con el
propsito de corroborar o improbar una hiptesis planteada.
Recogidos estos el investigador procede a clasificarlos, agruparlos, simplificarlos, en
cuadros o tablas. Y acorde con lo programado, los grafica y representa siguiendo
procedimientos estadsticos.
El paso siguiente es deducir, interpretar, corroborar lo que se propuso o en caso
contrario descubrir nuevas nexos o alternativas producto del anlisis, la comparacin y
la inferencia.
En la planeacin de una experimentacin se presentan dos situaciones la primera es
cmo disear un experimento correctamente y la segunda cmo analizar los resultados
obtenidos en un experimento.

Pero en general la meta es siempre permitir al experimentador evaluar de una manera
imparcial las consecuencias de cambiar atributos de un factor particular, pero sin
olvidar los factores que ha dejado fijos.

En el presente capitulo pretendemos dar las pautas para que el estudiante se
familiarice con algunas de las tecnicas empleadas para tal fin creando la inquietud para
que en el futuro profundice.

Diseo experimental
91

CAPITULO PRIMERO DE LA SEGUNDA UNIDAD.


Diseo experimental
92


Qu es una Investigacin no experimental?
Qu se entiende por diseo experimental?
Qu se entiende por factor de bloqueo?
Que puede ser un diseo 2
k
?

Diseo experimental
93

William Gosset (1876-1937)

William Gosset estudi qumica y matemticas en Oxford. Trabaj como qumico en la
cervezera Guinness de Dublin y realiz trabajos importantes en estadstica. Su
aportacin ms conocida fue el T-Test, fruto de sus trabajos en control de calidad en
Guinness. Sus artculos de estadstica los publicaba bajo el pseudnimo de Student.

Foto 3. foto de sir William Gosset. ( http://psi.usal.es/moodle/user/view.php?id=4&course=1)

Diseo experimental
94
1.1.Tipos de experimentos.

Una vez definido el tipo de estudio a realizar y establecidos las hiptesis de
investigacin, el investigador debe concebir la manera prctica y concreta de responder
a las preguntas de investigacin; es decir seleccionar o desarrollar un diseo de
investigacin. Los tipos de diseos se pueden clasificar en: diseo experimental y
diseo no experimental.

1.2. Experimentos exploratorios

Segn Hinkelman. K. & Kempthorne. O.(1994), son aquellos en el cual el investigador
est interesado en encontrar los factores que tienen influencia sobre las ejecuciones de
cierto proceso. Por ejemplo, uno puede estar interesado en si el grado de
concentracin de un compuesto qumico, el tiempo de coccin, la temperatura de
horneado, el grado de refrescante, y la cantidad de presin tiene un efecto ya sea
individual y/o conjunto sobre la ruptura de un tipo de plato de cermica. El
procedimiento obvio aqu, es variar los niveles de esos factores y comparar la ejecucin
de las diferentes combinaciones de niveles. Para ejecutar el experimento muchas
decisiones deben tomarse tales como: la seleccin de los factores y sus niveles,
posiblemente seleccionando un subconjunto de todas las posibles combinaciones; la
distribucin experimental que generalmente es determinada por las condiciones fsicas
y las consideraciones; la escogencia de la medida de la respuesta; y la seleccin del
anlisis estadstico ms adecuado para extraer conclusiones de los objetivos
propuestos.

La investigacin experimental es esencialmente de tipo secuencial, un experimento
antecede a otro ganndose cierto conocimiento en el proceso y proponindose nuevos
interrogantes que pueden mejorar los resultados del proceso experimental. Despus de
un experimento de tipo exploratorio, generalmente sigue un experimento confirmatorio.

1.3. Experimentos Confirmatorios

Segn Hinkelman. K. & Kempthorne. O.(1994), son aquellos en el cual se trata de
comparar el "mejor" procedimiento encontrado en el experimento exploratorio con un
procedimiento establecido o un producto y "establecer" que el procedimiento o producto
nuevo es mejor que el antiguo. En el experimento confirmatorio, se puede querer
encontrar el mejor para establecer procesos de control, por ejemplo, sus propiedades
estadsticas. Tambin se conoce que las condiciones pueden cambiar y es importante,
establecer la media de respuesta y la variabilidad asociada con el proceso.

1.4. Qu es una investigacin no experimental?

Es la que se realiza sin manipular deliberadamente las variables independientes, se
basa en variables que ya ocurrieron o se dieron en la realidad sin la intervencin directa
del investigador. La investigacin no experimental es conocida como investigacin ex
post-facto(los hechos y las variables ya ocurrieron) y observa variables y relaciones
entre stas en su contexto natural.
Diseo experimental
95


Se entiende por diseo experimental, el proceso de planeamiento de un experimento,
tal que se tomen datos apropiados con la mayor realidad posible, los cuales deben ser
analizados mediante mtodos estadsticos que deriven conclusiones vlidas y
objetivas. Podemos decir que la filosofa del diseo experimental es la obtencin de
informacin con una alta fidelidad sobre el mensaje de la naturaleza a un costo mnimo.
Es el ordenamiento de las unidades experimentales para controlar y minimizar el error
experimental.

1.6. Caracteristicas de los diseos experimentales. (Varios autores)

Los diseos experimentales deben tener entre otros las siguientes caracteristicas:

a. Simplicidad. La seleccin de los tratamientos y la disposicin experimental deber
hacerse de la forma ms simple posible.
b. Grado de precisin. El experimento deber tener la capacidad de medir diferencias
entre tratamientos con los grados de precisin que desee el investigador. Para cumplir
con este propsito se deber partir de un diseo y un nmero de repeticiones
adecuados.
c. Ausencia de error sistemtico. Se debe planear un experimento con el propsito
de asegurar que las unidades experimentales que reciban un tratamiento no difieran
sistemticamente de aquellas que reciben otro tratamiento, procurando de esta manera
obtener una estimacin insesgada del efecto de tratamientos.
d. Rango de validez de las conclusiones. Este deber ser tan amplio como sea
posible. Los experimentos que contribuyen a aumentar el rango de validez del
experimento son los experimentos replicados y los experimentos con estructuras
factoriales.
e. Clculo del grado de incertidumbre. En todo experimento existe algn grado de
incertidumbre en cuanto a la validacin de las conclusiones. El experimento deber ser
concebido de modo que sea posible calcular la probabilidad de obtener los resultados
observados debido nicamente al azar.

1.7. Factores de tratamientos.

Son las variables experimentales independientes cualitativas o cuantitativas que
influyen sobre la variable respuesta, y son el principal objetivo de la investigacin

1.7.1. Factores de clasificacin

Son las variables experimentales independientes cualitativas que permiten organizar el
material experimental en grupos homogneos, determinados por las condiciones bajo
las cuales el experimento es ejecutado.

1.8. Variable de interferencia.

Diseo experimental
96
Cualquier variable que no sea la experimental y tenga un efecto sobre la variable de
respuesta; tambin se le conoce como variable molesta (perturbadora).

1.9. Error experimental (2, 8)

La variacin de la variable de respuesta atribuible a las variables de interferencia y no
a los tratamientos (no confundir con equivocaciones).

1.10. Importancia de mantener una constante.

Muchas variables de interferencia potenciales pueden mantenerse constantes durante
todo el experimento. De esta manera, tienen el mismo efecto en cada tratamiento y no
afectan la comparacin entre tratamientos.

1.10.1. Rplica. (2, 8, 22,24)

A cada repeticin de un tratamiento se le llama rplica; esta repeticin debe ser
|completa.

Replicar no significa hacer mediciones repetidas en un tratamiento.

Y siempre que sea posible, cada tratamiento debe repetirse dos o ms veces.

1.10.2. Ventajas de las replicas.

El replicar genera los siguientes efectos:

1. Por lo general, el promedio de varias rplicas de un tratamiento se acerca ms
que cualquier prueba sola al "verdadero" efecto de ese tratamiento.

2. Observando la variacin entre rplicas del mismo tratamiento, es posible estimar
la magnitud del error experimental. Esto permite determinar si las diferencias
observadas entre tratamientos en una variable de respuesta, realmente son
causadas por los tratamientos o slo se deben a las variables de interferencia.

Si se asigna de manera aleatoria material experimental a las diferentes rplicas, es
posible reducir los sesgo s que podran producir resultados engaosos.

1.11. Aspectos influyentes en la seleccin de un diseo experimental. (Varios
autores)

Los cinco aspectos que ms influyen en la seleccin de un diseo experimental son:

1. El objetivo del experimento.
2. El nmero de factores a controlar.
3. El nmero de niveles que se prueban en cada factor.
4. Los efectos que interesa investigar (relacin factores-respuesta).
Diseo experimental
97
5. El costo del experimento, tiempo y precisin deseada.

Aspectos que estn concatenados pero que es importante sealarlos de manera
separada, ya que al cambiar cualquiera de ellos, cambia el diseo experimental a
utilizar.

1.12. Clasificacin de los diseos experimentales acorde con su utilizacin. (Varios
autores)

Para dar solucin al gran nmero de situaciones y problemas tericos prcticos que se
presentan en la ingeniera y en otras actividades profesionales se han propuesto un
buen numero de diseos experimentales cantidad que hacen necesario saber elegir el
ms adecuado para la situacin que se quiere resolver, de all que es conveniente
conocer su clasificacin de acuerdo a su alcance dentro del objetivo en propuesto.

En este sentido, de acuerdo con su objetivo y sin pretender ser exhaustivo, los diseos
se pueden clasificar como:

1. Diseos para comparar dos o ms tratamientos.
2. Diseos para estudiar el efecto de varios factores sobre la(s) respuesta(s ).
3. Diseos para determinar el punto ptimo de operacin de un proceso.
4. Diseos para la optimizacin de una mezcla.
5. Diseos para hacer el producto insensible a factores no controlables.

1.13. Interaccin entre dos factores

Es la relacin de dependencia entre el valor de la respuesta y los niveles de dos o mas
variables.

Se refiere a que el efecto de un factor depende del nivel en que se encuentra el otro, y
viceversa.

1.13.1.Factor en el diseo de dos vas.

Cuando se manejan en un solo experimento ms de una variable experimental, stas
se conocen como factores experimentales.


En un experimento factorial de dos vas. un tratamiento es una combinacin de niveles
de los dos factores. Si hay 11, niveles del factor 1 y n2 niveles del factor 2. entonces
habr 11, por 11, tratamientos.


Si el efecto de un factor en la variable de respuesta es diferente para distintos niveles
del otro factor, se dice que los factores presentan una interaccin. Las interacciones
Diseo experimental
98
slo se hacen visibles con experimentos factoriales, lo que da a stos una ventaja
importante sobre los experimentos de una variable.

1.14. Tipos de diseo experimental. (varios autores)

El diseo experimental esta conformado por:

1.14.1. Diseo de anlisis.

Despus de que se ha realizado un experimento, el investigador debe examinar los
datos obtenidos para determinar cmo estos contestan las preguntas inicialmente
planteadas. Esto implica la preparacin de tablas y grficas para ayudar a descifrar los
efectos que se estn estudiando.

Asimismo, significa estimar los efectos de las variables que interfieren y determinar si
stas por s solas podran haber producido los efectos observados.

Las conclusiones inferidas sern mucho ms convincentes si el anlisis de diseo se
tiene en cuenta antes de que se realice el experimento.

1.14.2. Aleatorizacin. (8)

Si el nmero de unidades no excede de 16 pueden usarse las tablas de los libros de
estadstica.

Por ejemplo supongamos que hay 3 tratamientos, 2 de los cuales tienen 4 repeticiones
y el tercero 8.

En cualquier orden conveniente, se asignan los nmeros del 1 al 16 a las unidades.

Tabla 24. Ejemplo de unidades experimentales a aleatorizar

U
1
U
2
U
3
U
4
U
5
U
6
U
7
U
8

U
9
U
10
U
11
U
12
U
13
U
14
U
15
U
16

Y acorde con las TABLA 1. del capitulo uno de la unidad uno ( Permutaciones al azar),
permutaciones de: 5 para una permutacin al azar seleccionamos; por ejemplo: la
columna ( ) que tiene el siguiente orden:

4 3 9 2 9 (para las primeras cinco columnas resaltadas

y por ejemplo para las U
12 -
U
16
9 6 9 8 1

Y comenzamos a dar estos cdigos a las unidades iniciando con la U
1
y asi hasta
finalizar con la U
16

Diseo experimental
99

1.15. Modelo estadstico. (Varios autores)

La finalidad de una serie de experimentos es determinar un modelo estadstico que
refleje la creencia respecto a la relacin entre los tratamientos y las observaciones.

Cada resultado del experimento si este se repite n veces, esta determinado por la
media general
y el efecto del tratamiento
.

La identificacin de este fenmeno y la comprobacin de las suposiciones se hacen en
el momento de proponerlo basndose en el siguiente modelo matemtico:

i ij
Y + =
modelo matematico Ecuacin 1
En donde

i= 1,., k numero de tratamientos
j=1,., r numero de repeticiones

= promedio de todas las unidades experimentales del experimento = X o Y segn

el caso.
i
= la diferencia entre el promedio (
) y el resultado cuando se tiene la combinacin

de factores determinada por el tratamiento i.

Como hay variaciones no controlables, la inexactitud de las mediciones, conforman un
factor llamado error experimental (
).

El modelo finalmente se expresa como:

ij i ij
Y + + =
modelo estadistico Ecuacin 2

1.16. Experimentos de una variable

Los experimentos de una variable se realizan para averiguar cmo una variable
experimental afecta una o ms variables de respuesta. En este tipo de experimentos,
los tratamientos son simplemente niveles seleccionados de la variable experimental.

Dependiendo de la variable experimental seleccionada, los tratamientos pueden diferir
ya sea cualitativa o cuantitativamente.

1.17. Dise de experimentos sin bloquear. (Varios autores)

Diseo experimental
100
A estos experimentos algunos autores los denominan diseo totalmente aleatorizado o
completamente al azar, es el diseo ms simple y se usa cuando las unidades
experimentales son homogneas, tienen las mismas posibilidades de recibir cualquier
tratamiento y la variacin entre ellas es muy pequea.

Como en los experimentos de laboratorio, de invernadero en experimentos en donde
las condiciones ambientales son controladas, en algunos casos este diseo necesita
solo una replica con un solo criterio de clasificacin.

Por lo tanto:

1. Es fcil de planear.
2. Es flexible en cuanto al nmero de tratamientos y repeticiones, el lmite est
dado por el nmero de unidades experimentales en general.
3. No es necesario que el nmero de tratamientos sea igual al nmero de
repeticiones.
4. No se estiman unidades o muestras perdidas.
5. El nmero de grados de libertad para el error aumenta por no tener muchas
restricciones.

Las desventajas del diseo completamente al azar son:

1. No es eficiente con material experimental heterogneo.
6. Puesto que no existen restricciones en cuanto a la aleatoriedad, el error
experimental incluye la variacin total entre unidades experimentales.

El anlisis de varianza para el diseo completamente al azar se muestra en las tablas
25 y 26.

1.17.1. Procedimiento estadstico para la comprobacin de hiptesis en un
diseo al azar.

El procedimiento a seguir es comun y debe ser acorde con lo planteado en la siguiente
tabla.

Diseo experimental
101

Tabla 25. Procedimiento estadstico para la comprobacin de hiptesis

INFORMACION RECOPILADA SOBRE
LA RESPUESTA A LOS
TRATAMIENTOS

OPERACIONES ARITMETICAS A
DESARROLLAR PARA EL CALCULO
DEL ANAVA
A B

C

OBSERVACIONES

Total por
tratamiento

Numero de datos
por tratamiento
n n n
Media por
tratamiento

Desviacin con
respecto a la media

1. = suma de cuadrados de todas las
observaciones
2. Suma de los datos
3. Numero total de mediciones
4. Media de los datos
5. Efecto del mtodo
= Y
observada
- Y
media

Y el ANAVA en la siguiente tabla

Tabla 26. Anlisis de varianza para los tratamientos con un solo factor, en un diseno
totalmente aleatorizado o completamente al azar.

Fuente de variacin
Grados de
Libertad.
SC
Suma de
cuadrados
CM
Cuadrados
medios
F
0

Razon
p-valor
Tratamientos k-1 SC
TRAT
SC
TRAT
/(k-1) CM
TRAT
/ CM
E
P (F>F
0
)
Error N-k SC
E
SC
E
/(N-k)

Total N-1 SC
T

SC
MT
/ (kn -1)

k= Numero de tratamientos o niveles o grupos del factor de interes
N= Numero total de datos reportados
n = Numero total por grupo

Diseo experimental
102
El procedimiento consiste en calcular la suma del cuadrado de los tratamientos, la
suma de los cuadrados totales y por diferencia la suma de cuadrados del error.

CM
TRAT
= SC
TRAT
/(k-1) Ecuacin 3

CM
E
= SC
E
/(N-k) Ecuacin 4

Con estos calcular el estadigrafo F
0
como

CM
TRAT
/ CM
E
Ecuacin 5

Y con un elegido ( generalmente 5%), con unos grados de libertad en el numerador
(k-1), con unos grados de libertad en el denominador (N-k) se encuentra el valor critico
superior de la distribucin F, en una tabla de valores criticos como la de los apndice
Se realiza la comparacin P (F>F
0
) para determinar las hiptesis prouestas.

Este diseo sigue un modelo estadistico. (24)

1.17.2. Modelo estadstico para un diseno al azar. (Varios autores)

generalmente es representado por la ecuacin siguiente:
ij i ij
Y + + =
Ecuacin 6

1.17.3. Ejemplo de un diseo de experimentos sin bloquear

Se quiere mejorar las propiedades de transportabilidad, manejo y presentacin de las
rosquillas elaboradas por una panificadora, para tal efecto de determinara el efecto que
sobre la dureza de estas tiene la incorporacin de tres aditivos en la misma proporcin;
los aditivos se incorporaran individualmente en la masa elaborada (amasijo).

Diseo experimental
103

Figura 12. Diagrama de flujo para la produccin de rosquillas a partir de una masa
estandarizada.

Para el estudio se empleara un diseo de experimentos sin bloquear.

Hiptesis de investigacin: La hiptesis planteada es que al menos uno de los
tres ingredientes mejorara la dureza final de las rosquillas.

Diseo del experimento: una masa bien homognea para la confeccin de las
rosquillas se dividen en seis porciones iguales y a cada dos de ellas se les
mezcla el ingrediente seleccionado.

La dureza se evala despus de seis das de almacenamiento a 10*C.

El primer paso es aleatorizar asignndole una secuencia de nmeros aleatorios a las
unidades experimentales, utilizando una de las tablas de permutacin de donde se
toma una permutacin aleatoria por ejemplo:

318594267, asignar el primer tratamiento a las dos porciones del tratamiento A , los
dos siguientes al tratamiento B y finalmente los otros dos restantes al tratamiento C

En la tabla siguiente se resume la aleatorizacin hecha.

Rosquilla
Diseno experimental totalmente aleatorizado
1 2 3 4 5 6
Ingrediente A Ingrediente B Ingrediente B
Ingrediente C
Diseo experimental
104
Tabla 27. De aleatorizacin para el ejemplo de las rosquillas

Porcion de
masa

3

1

7

5

4
8
2

6

9
Tratamiento
o aditivo

A

A

A

B

B

B

C

C

C

Datos obtenidos

Dan conocimiento a la variabilidad de las observaciones del experimento.

Tabla 28. Datos obtenidos en la determinacin de la dureza para el ejemplo de las
rosquillas.

Dureza o variable de respuesta Tratamientos
Determinacin
(U
nd
/ cmt)
Total Media Varianza

3

7

1

Aditivo A 7 9 5 21 7 2

5

8

4

Aditivo B 10 8 9 27 9 1

2

9

6

Aditivo C 10 9 12 31 10.33 1.527

Tabla 29. Anlisis de varianza para evaluar el efecto de los aditivos en la elaboracin
de rosquillas.

Fuente de
variacin
Grados
de
Libertad.
SC
Suma de
cuadrados
CM
Cuadrados
medios
F
0

Razon
p-valor
Tratamientos 2 16,8889 8,44444 ) 3,45 0,1004
Error 6 14,6667 2,44444

Total 8 31,5556
SC
MT
/ (kn -1)

La prueba de rango mltiple para las rosquillas: 95% LSD
Diseo experimental
105
Tabla 30. Anlisis de homogeneidad y contraste de las rosquillas.

Tratamiento Muestras Media Homogeneidad
del grupo
Contraste (Diferencia)
A 3 7 X A-B ( -2)
B 3 9 XX B-C (-3.33)*
C 3 10.33 X B-C (-1,33)

* Indica diferencia estadsticamente significativa

Comprobando que el tratamiento seleccionado es el que presenta mejores condiciones
para ser aplicado a la rosquilla.

1.18. Diseo de bloques completos al azar. (8)

En este diseo el material experimental es dividido en grupos de unidades
experimentales (UE) lo ms homogneas posible. Cada uno de los grupos es una sola
prueba o repeticin.

El objeto en todas las etapas del experimento es de mantener el error experimental
dentro de cada grupo tan pequeo como sea posible en la prctica.
Los conjuntos o grupos son llamados bloques.

Dentro de cada bloque las (UE) son asignadas aleatoriamente, cada tratamiento
ocurre exactamente una vez en un bloque.

En este diseo (DBCA) se consideran tres fuentes de variabilidad: el factor de
tratamientos, el factor de bloques y el error aleatorio es decir, se tienen tres posibles
responsables de la variabilidad que presenten los datos obtenidos.

Se denominan completos porque en cada bloque se prueban todos los tratamientos, es
decir, que los bloques estn completos

Las principales ventajas de bloques al azar son las siguientes:

1. Por medio de la agrupacin comnmente se obtienen resultados ms exactos
que cuando se usan diseos completamente al azar. Coch.
2. Puede incluirse cualquier numero de repeticiones.

3. El anlisis estadstico es el acostumbrado.

4. Si la varianza del error experimental es mayor para algunos tratamientos que
para otros aun puede obtenerse un error insesgado para probar cualquier
combinacin especfica de las medias de los tratamientos.

Diseo experimental
106
5. Ningn otro diseo se usa tan frecuentemente como los bloques al azar.

La aleatorizacin es realizada cuando las unidades se han agrupado y los tratamientos
han sido asignados al azar a las unidades dentro de cada grupo. Regresar al numeral
1.14.2. capitulo segundo.

El nombre de bloques completos al azar es porque en cada bloque (por ejemplo un
operador) se prueban todos los tratamientos (completo) en orden aleatorio.

1.18.1. Arreglo de los datos en un diseo de DBCA. (Varios autores)

Tabla 31. Arreglo de los datos en un diseo de bloques completos al azar.

TRATAMIENTOS
1 2 3 4 J

BLOQUES
1
2
3
4

.
f
Y
ll
...
Y
12

Y
13
Y
14
..
.....

Y
1f

Y
22
Y
21

Y
23

Y
24

Y
2f

Y
31
Y
32

Y
33

Y
34

Y
3f

Y
41

Y
42

Y
43

Y
44

Y
4f

.

..
.

Y
j1

Y
j2

Y
j3

Y
j4

Y
jf

1.18.2. Modelo estadstico para un DBCA

Cualquier observacin en el DBCA, se puede representar por el modelo;

ij j i ij
Y + + + =
Ecuacin 7

j=1,., b numero de bloques
j
= efecto debido al bloque

Hiptesis a probar

H
0
:
= = = =
k
...
3 2 1
Ecuacin 8

Diseo experimental
107
Ha:
j
#
1
para algun i # j

1.18.3. ANOVA para un diseo en bloques completos al azar (DBCA) (Varios autores)

Las hiptesis dadas para este tipo de tratamiento se prueban con un analisis de
varianza con dos criterios de clasificacion, el factor de bloqueo y el factor del
tratamiento como se muestra en la tabla 31.

Tabla 32. ANOVA para un diseo en bloques completos al azar

Suma de
cuadrados

Grados de
libertad

Cuadrados
medios

Fo

p-value

Tratamientos

SC
TRAT

k-1

CM
TRAT

Fo = CM
TRAT
/
C
ME

P(F > Fo)

Bloques

SC
B

b-1

CM
B

Fo = CM
B /
C
ME

P(F > Fo)

Error

SC
E

(k -l)(b -1)

CM
E

Total

SC
T

N-1

1.18.4. Ejemplo de bloques completos al azar (BCA) (Varios autores)

Una empresa procesadora de jugos investiga el efecto de cuatro evaporadores en la
velocidad de evaporacin (concentracin) de un jugo de tomate proveniente de cuatro
localidades de la geografa nacional.

Para lo cual se elabora un jugo con los tomates provenientes de una mima localidad y
concentra cada uno de ellos en cuatro turnos en los cuatro evaporadores en orden
completamente aleatorio.
Como variable de respuesta se determina el tiempo de empleado para llegar a una
concentracin de 20 grados brix.

El resultado de las 16 pruebas se presentan el la tabla 9.

Diseo experimental
108

Tabla 33. Datos obtenidos en la determinacin del contenido de slidos para el ejemplo
de concentracin del jugo de tomate.

Tratamientos = mtodos de concentracin
1 2 3 4

BLOQUES =

Turnos

1
2
3
4

1.7
2.3
2
1.8

2.3
2.08
1.9
2

1.8
2.2
2.1
2.3

2.1
2.4
1.95
2

Para la realizacin de esta tabla se sigue el procedimiento que se ha venido siguiendo
a travs de los ultimos cinco nmerales.

Tabla 34. Procesamiento de los datos obtenidos en la determinacin del contenido de
slidos para el ejemplo de concentracin del jugo de tomate.

Mtodos de concentracin Totales por
bloque
Medias
1 2 3 4
1 1.7

2.3

1.8

2.1

7,9 1,975
2 2.3

2.08

2.2

2.4

8,88 2,245

Turnos
3 2

1.9

2.1

1.95

7,95 1,9875
4 1,8 2

2.3

2 8,1 2,025
Totales por
tratamiento
7,8 8,28 8,4 8,44
Media por
tratamiento
1,95 2,07 2,1 2,11

Y el ANAVA elaborado para este ejemplo es el siguiente:

Diseo experimental
109
Tabla 35. ANAVA para los datos obtenidos en la determinacin del contenido de
slidos para el ejemplo de concentracin del jugo de tomate.

Suma de
cuadrados

Grados de
libertad

Cuadrados
medios

Fo

p-value

Tratamientos
MET DE
CONCENTRA

0,0661688

3

0,0220563

??

0,6662

Bloques
B:OPERARIOS

0,191669

3

??

1,57

0,2641

Error

0,367006

9

0,0407785

Total

0,624844

15

?? debes completar los faltantes de la tabla 9 anterior.

Ninguno de los factores tiene efecto significativo en el tiempo de concentraciones el
nivel de confidencia del 95%.

1.19. Diseo en cuadro latino

Diseo que contempla el control de dos factores de bloque, adems del factor de
tratamientos y los tres factores tienen la misma cantidad de niveles.

Los tratamientos se representan por letras latinas y se distribuyen en forma adecuada
en un cuadro.

La eleccion del cuadro latino se realiza antes de la obtencin de los datos.

1.19.1. Anlisis del diseo de Cuadro latino(Varios autores)


ijl l j i ijl
Y + + + + =
Ecuacin 9

Diseo experimental
110
j
= efecto debido al bloque

l
= efecto debido al tratamiento

1.19.2 Hiptesis a probar

H
0
:
= = = =
k
...
3 2 1

Ha:
j
#
1
para algun i # j
Ecuaciones 9.1.

1.19.3. Arreglo de los datos en un diseo de Cuadro latino.

Para facilitar el entendimiento de este diseo se debe seguir como ejemplo el
recomendado por varios autores y presentado en la siguiente tabla:

Tabla 36. Arreglo de los datos en un diseo Cuadro latino.

BLOQUES II
1 2 3 4 J

BLOQUES I

1
2
3
4
.
.
f

A=Y
l1l

B=Y
212

C=Y
313
D=Y
414
..
.....
F=Y
f1f

B=Y
221
C=Y
322

D=Y4
23

F =Y
524

A=Y
12f

C=Y
331
D=Y
432

A =Y
533

F=Y
634

B=Y
23f

D=Y
4411

E=Y
442

B =Y
443

A=Y
544

C=Y
34f

.

..
.

F=Y
jJ1

A=Y
1j2

B=Y
2j3

C=Y
3j4

J=Y
Jjf

1.19.4. ANAVA para el diseo de cuadro latino.

El anlisis de varianza se realiza siguiendo el mtodo tradicional para comparar tres
factores y en igual numero de factores, para el efecto se deben diligenciar las casillas
contempladas en la tabla 36 y a manera de ejemplo practico en la tabla 39.

Diseo experimental
111

Tabla 37. ANOVA para el diseo de cuadro latino*

FUENTES DE
VARIABILIDAD

SUMA DE
CUADRADOS

GRADOS
DE
LIBERTAD

CUADRADOS
MEDIOS

Fo

P-value

Tratamientos

SCTRAT

k-1

CM
TRAT

F =
CMTRAT/
CME

P (F >
Fa)

Renglones

SCBl

k-1

CM
Bl

F = CM
B l

/CM
E

P(F > Fa)

Columnas

SCB2

k-1

CM
B2

F =
CMB2/CM
E

P(F > Fa)

Error

SCE

(k - 2)(k -1)

CM
E

Total

SCT

k
2
- 1

*Tomado de Gutierrez, H, et all. Analisis de experimentos. Captulo Cuatro 132

SC
T
= SC
TRAT
+ SC
Bl
+ SC
B2
+ S
CE
Ecuacin 10

y los grados de libertad correspondientes son

k
2
-1 = (k -1) + (k -1) + (k -1) + (k - 2)(k -1) Ecuacin 11

1.19.5. Ejemplo para el diseo de cuadro latino.

En una industria procesadora de alimentos se decide comprobar si es significativo la
perdida en peso determinada en gramos de un producto almacenado en cuatro
empaques diferentes A, B, C y D para lo cual se le solicita la comprobacin del mismo
a cuatro diferentes tecnlogos I, II, III y IV, utilizando para el efecto cuatro balanzas
diferentes 1, 2, 3 y 4, las determinaciones son llevadas a cabo siguiendo el modelo de
cuadro latino de la tabla siguiente:

El resultado de las 16 pruebas se presentan el la tabla 37.

Diseo experimental
112

Tabla 38. Datos recolectados por los tecnlogos

Mtodos de pesado - Balanzas
Tecnlogo 1 2 3 4
A= 503

B= 507 C=510 D=512
B=514

A=493 D=495 C=496
C=507 D=509 A=509 B=505
I

II

III

IV
D=511 C=517 B=499 A=520

Procedimiento

1- Calcule la SC
tratamientos
(suma de cuadrados) acorde con la formula
2- Calcule la SC r
englones
(suma de cuadrados) acorde con la formula dada.
3- Calcule la SC
columnas
(suma de cuadrados) acorde con la formula
4- Calcule la SC
Totales
(suma de cuadrados) acorde con la formula Ec 10.
5- Determine el error por diferencia.
6- Determine los grados de libertad correspondientes Ecuacin 11.

El estudiante que se capacita debe seleccionar la formula adecuada de las
anteriormente propuestas.

Tabla 39. Calculo de los tratamientos (3eros o letras)

Letra latina Total de tratamiento En este ejemplo
A
A=
Y
l1l

A = 2025
B
B=
Y
221

B =2025
C
C=
Y
331

C =2030
D
D =
y
i3

D =2027

Diseo experimental
113

Tabla 40. ANOVA para el diseo de cuadro latino del ejemplo perdida de peso

FUENTES DE
VARIABILIDAD

SUMA DE
CUADRADOS

GRADOS
DE
LIBERTAD

CUADRADOS
MEDIOS

Fo

P-value

Determinacin
peso- balanza

74,1875

3

24,7292

0,28

0,8355

Operario

??

3

106,229

1,22

??

Empaque

4,1875

3

??

0,02

0,9969

Error

522,375

6

87,0625

Total

919,438

15

?? debes completar los faltantes de la tabla 14 anterior.

No hay valores de P que sean menores de 0,05, y ningun factor presenta efecto
significativo estadisticamente significativo en la perdida de peso en el nivel de 95% de
confianza.

Cual seria tu conclusin y que se podria recomendar para ejercicio?

1.20. Diseo en cuadro greco latino.

Cuando se tiene un cuarto factor de bloque a controlar activamente en el diseo de
cuadro latino como por ejemplo el sitio de realizacin del experimento o la procedencia
de una sustancia para un ensayo en particular.

Este diseo se denomina cuadro greco latino (DCGL), en el cual los niveles del e nuevo
factor se denotan por las letras griegas , , , a; representndose los tratamiento con
las letras latinas A, B, C y D.

Diseo experimental
114
1.21. Diseos factoriales.

En ingenieria muchos de los experimentos se llevan a cabo para estudiar los efectos
producidos por dos o mas factores.

El desplazamiento de estos dentro de un dominio experimental es costoso ademas las
limitaciones de tiempo obligan al experimentador a ejecutar slo los experimentos
imprescindibles.

En los mtodos tradicionales solo se varia un factor cada vez esto no es lo mejor pues
implica ms experimentos de los necesarios y se obtiene informacin parcial pues no
muestran la interaccin entre los factores; las interacciones en un experimento son
corrientes y son los efectos ms importantes para comprender el comportamiento de
muchos sistemas.

Los disenos experimentales permiten varar simultneamente varios factores pero
evitandose que se vaya en la misma direccin. Y se complementan de tal modo que la
informacin buscada se obtiene combinando las respuestas de todos ellos.

1.21.1. Ventajas de los Experimentos Factoriales

Podemos resaltar entre varias las siguientes:

1. Economa en el material experimental pues se obtiene informacin sobre varios
factores sin incrementar el tamao del experimento.
2. Permiten el estudio de la interaccin, o sea determinan el grado y la forma en la
cual se modifica el efecto de un factor por los niveles de otro factor

1.21.2. Desventajas de los diseos factoriales

Una desventaja de los experimentos factoriales es que requieren un gran nmero de
tratamientos, especialmente cuando se tienen muchos factores o muchos niveles de un
mismo factor. Este hecho tiene los siguientes efectos:

1. Si se desea usar bloques completos es difcil encontrar grupos de unidades
experimentales homogneas para aplicar todos los tratamientos.

2. Se aumenta el costo del experimento al tener muchas unidades experimentales;
esto se minimiza usando factoriales fraccionados donde se prueba una sola
parte de todo el conjunto de tratamientos.

Los experimentos factoriales se pueden ejecutar bajo cualquier tipo de diseo de
control de error o un Submuestreo o con covariables.

En este modulo slo se presentaran anlisis de experimentos factoriales de dos
factores bajo un DCA y o DBCA.
Diseo experimental
115
1.22. Arreglo factorial

El conjunto de experimentos individuales o tratamientos que se forman al considerar las
posibilidades de combinacin para el diseo factorial es el mostrado en la tabla
siguiente;

FACTOR B

FACTOR A


FACTOR B
B
1
B
2

A
1

FACTOR A
A
2


1.23. Modelo estadstico para un diseo factorial


ijk ij j i ijl
Y + + + + = ) (
Ecuacin 12

i= 1,., a numero de tratamientos
k= 1,2,..n
= media general, tambin denominada

0

i
= efecto debido al i-esimo nivel del factor A, tambin denominada

1

= efecto debido al j-esimo nivel del factor B, tambin denominada

2
.

A
1
B1

Diseo experimental
116
ij
) (
= representa al efecto de interaccin en la combinacin ij, tambin denominada
2 1
.
ijk
) (
= es el error aleatorio que supone una distribucin con media cero y varianza
constante
2

Estando el modelo de regresin descrito por :

ijk o ijl
X X X X Y + + + + =
2 1 2 1 2 2 1 1
Ecuacin 13

1.24. Hiptesis a probar

H
0
: Efecto A = 0

Ha: Efecto A # 0

H
0
: Efecto B = 0

Ha: Efecto B # 0

H
0
: Efecto AB = 0

Ha: Efecto AB # 0

Si efecto A=
Si efecto B=

Las hiptesis tambin se pueden plantear de la siguiente manera:

H
0
:
a
...
2 1
= =
= 0

H
A
: 0 # para algun i

H
0
:
b
...
2 1
= =
= 0

H
B
:
0 #
j

H
0
:
0 ) ( =
ij

H
AB
:
0 # ) (
ij
para algun ij

Hiptesis que se prueban con la tcnica de anlisis de varianza (conocida).

Calculo de la suma de cuadrados del error.

Diseo experimental
117
SC
E
SC
T
= SC
A
+ SC
B
+ SC
AB
Ecuacin 14

Calculo de la suma de cuadrados del error

SC
E
= SC
T
-SC
A
-SC
B
-SC
AB
Ecuacin 15

1.25. ANOVA para el diseo factorial (a x b) o de dos factores

El anlisis de varianza se calcula de una manera similar a los primeros numerales del
presente capitulo.

Tabla 41. ANOVA para el diseo factorial a x b

Suma de
cuadrados

Grados de
libertad

Cuadrados
medios

Fo

p-value

EFECTO
A

SC
A

a-1

CM
A

Fo = CM
TRAT /

C
ME

P(F > Fo)

EFECTO
B

SC
B

b-1

CM
B

Fo = CM
B /
C
ME

P(F > Fo)

EFECTO
AB

SC
AB

(a -l)(b -1)

CM
TRAT

Error

SC
E

ab(n-1)

CM
E

Total

SC
T

abn-1

CM
TRAT

1.25.1. Ejemplo de un diseo factorial

Se corre un diseo factorial 3x2 con 2 replicas para investigar el encogimiento de un
producto despus del proceso de estandarizado.

Los factores investigados son. A: Temperatura de la bodega de almacenamiento ( tres
niveles, T1, T2 y T3) y contenido del preservante (material de curado) a dos niveles,
B1 y B2. Los datos obtenidos se muestran en la tabla siguiente:

Hiptesis de investigacin: la temperatura y los aditamentos influyen en el
tamao final del producto.
Diseo experimental
118

Diseo del experimento: una masa bien homognea para la confeccin del
producto se dividen en seis porciones iguales y a cada una de ellas se les
mezcla el porcentaje del ingrediente seleccionado.

Tabla 42. Resultados del ensayo NOVA para el diseo factorial a x b

Temperatura
T
1
T
2
T
3

B
1

3,9 4,2 4,3 3.81 3.72 3.84 4 3,8 3,4

Empaque
B
2

3,5 3,8 4,0 3.37 3.50 3,6 3,9 4,1 4,3

** Elabore el ANAVA para este proceso y socialicelo con los companeros en el grupo de curso.

Tabla 43. ANOVA para el ejemplo de diseo factorial a x b

Suma de
cuadrados

Grados de
libertad

Cuadrados
medios

Fo

p-value

EFECTO
A

EFECTO
B

EFECTO
AB

Error

Total

* Que conclusiones sacarias?

1.26. Experimentos factoriales de dos vas

En un experimento factorial de dos vas se eligen dos variables experimentales y se
seleccionan dos o ms niveles para cada una.

Para cada combinacin de niveles habr un tratamiento.

Diseo experimental
119
Aunque los experimentos factoriales comnmente son ms prolongados que los
experimentos de una sola variable, por lo general producen mucho ms informacin en
el tIempo que toman.

Cuando se analizan resultados como los de la figura ...... se debe siempre preguntar si
las diferencias que se observan obedecen a los tratamientos aplicados o a alguna otra
variable, que posiblemente se desconoce. El propsito del diseo experimental es
comprobar si hay interaccin o no entre los factores.

1.27. Factor en el diseo de dos vas.

Cuando se manejan en un solo experimento ms de una variable experimental, stas
se conocen como factores experimentales.


En un experimento factorial de dos vas un tratamiento es una combinacin de niveles
de los dos factores. Si hay 11, niveles del factor 1 y 2 niveles del factor 2 entonces
habr 11, por 11, tratamientos.


Si el efecto de un factor en la variable de respuesta es diferente para distintos niveles
del otro factor, se dice que los factores presentan una interaccin. Las interacciones
slo se hacen visibles con experimentos factoriales, lo que da a stos una ventaja
importante sobre los experimentos de una variable.

1.28. Pasos para llegar al ANOVA en un diseo experimental.

Para obtener el ANOVA por ejemplo en la tabla 42, 44 y otras para responder
preguntas especificas sobre un experimento se debe:

1) Obtener los contrastes. O comparaciones entre las medias de los tratamientos.
2)Calcular los efectos. Ver ecuaciones 16,17 y 18.
3) Las sumas de cuadrados. Ver ecuaciones 19,20,21, 22, 23 y 24.
4) Realizar la prueba de significanca (F
O
). Ver tablas de ANOVA.

1.29. Diseo de dos factores.

Es representado como 2
2

1.29.1. Codificacin de las variables

La codificacin consiste en asignar valores numricos o alfanumricos (cdigos) a cada
una de las variables con el fin de facilitar el tratamiento de los datos.

Diseo experimental
120
Los niveles de los factores para el diseo factorial se pueden codificar con los smbolos
+1 ( nivel superior) y -1 ( nivel inferior); para proporcionar un marco de trabajo uniforme
y apropiado para investigar los efectos de los factores (variables) en cualquier regin
experimental en la que los valores reales de los factores dependen de los

Diferencia X X X
i
i
Codificada
/ ) ( =
Ecuacin 33

D
iferencia
= (X
M
X
n
) Ecuacin 34

(X
M
X
n
) = diferencia entre los valores mximo y mnimo.

ex eselvalord X
i
=
= el valor en el experimento

delos valormedio X =
= el valor medio en el experimento

1.29.2. El diseo factorial completo 2
k

Para la notacin utilizada k = numero de factores.

Y 2 (bse) es el nmero de niveles seleccionados.

En este diseo se consideran solo dos factores, A y B, cada uno con dos niveles.

Se acostumbra denominar el nivel inferior de los factores como -1 o tambien A
1

Y el nivel inferior por 1 o tambien A
2
.

Es la estrategia mas adecuada para conocer simultneamente qu efecto tienen k
factores sobre una respuesta y descubrir si interaccionan entre ellos.

Las interacciones suelen ser muy corrientes y a veces son los efectos ms importantes,
por lo que conocerlas es imprescindible para comprender el comportamiento de
muchos sistemas.

ste describe los experimentos ms adecuados para conocer simultneamente qu
efecto tienen k factores sobre una respuesta y descubrir si interaccionan entre ellos.

Al no haber factores correlacionados se evitan experimentos redundantes. Adems, los
experimentos se complementan de tal modo que la informacin buscada se obtiene
combinando las respuestas de todos ellos

Diseo experimental
121
2

REPETICIONES
PRUEBA

A

B

AXB
Combinacin
de los
tratamientos
Y
1
Y
2

Y
..

Y
n

PROMEDIO

Y
1
- - + (1)

2
+ - - a

3
- + - b

4
+ + + ab

2

La influencia que tiene un factor sobre la variable de respuesta como el cambio en la
respuesta cuando un factor cambia de su nivel inferior a su nivel superior, promediado
sobre los dems factores.

a) El efecto promedio de A es definido como:

A = 1/2n{[ ab-b]+[a-(1)]}

A = 1/2n[ ab+a b -(1)] Ecuacin 16

b) El efecto promedio de B es definido como:

B = 1/2n{[ ab-a]+[b-(1)]}

B = 1/2n{[ ab + b a - (1)]} Ecuacin 17

c) El efecto de interacin de AB es definido como:

AB = 1/2n{[ ab-b]-[a-(1)]}

AB = 1/2n[ ab+(1)-a-b] Ecuacin 18

n = numero de repeticiones o replicas

d) la suma de cuadrados de los efectos se calcula a partir de los contrastes y se
definen como:

SS= [Efecto]
2
[2
k-2
]n Ecuacin 19
Diseo experimental
122

Tambin puede ser calculada

d
1
) Para el factor A este se calcula com:

2 2
2 )]} 1 ( {[ n b a ab SC
A
+ = Ecuacin 20

d2. de B

2 2
2 )]} 1 ( {[ n b a ab SC
B
+ = Ecuacin 21

d3. de AB

2 2
2 ]} ) 1 ( {[ n b a ab SC
AB
+ = Ecuacin 22

d4. Calculo de la suma de cuadrados totales

N Y Y SS
k
K
n
j
a
i
T
2
1
2
1
1 1
=

=
=
= =
Ecuacin 23

N = nmero de pruebas

d5. Calculo de la suma de cuadrados del error

SC
E
= SC
T
-SC
A
-SC
B
-SC
AB
Ecuacin 24

1.29.4. Anlisis de residuos

Es un procedimiento util para la evaluacin del ajuste de una ecuacin de regresin.
Lops residuales se calculan cuando se encuentran diferencias entre el valor real y el
valor de la variable dependiente y el valor predicho de la misma.
En otras palabras un residual es la parte de Y que no est predicha por X..
El valor medio de los residuales es cero y como la pendiente se resta en el proceso de
calculo de los residuales, la relacin entre estos y los valores de X tambien es cero.

+ + + =
2 2 1 1 0
X X Y
Ecuacin 25

1.29.5. ANOVA para un diseo factorial 2
2

Con los productos de las ecuaciones del numeral anterior debemos construir la
siguiente tabla.

Diseo experimental
123

Tabla 45. ANOVA para un diseo factorial 2
2

Suma de
cuadrados

Grados de
libertad

Cuadrados
medios

Fo

p-value

EFECTO
A

SC
A

1

CM
A

Fo = CM
A /

C
ME

P(F > Fo)

EFECTO
B

SC
B

1

CM
B

Fo = CM
B /
C
ME

P(F > Fo)

EFECTO
AB

SC
AB

1

CM
AB

Fo = CM
AB/
C
ME

P(F > Fo)

Error

SC
E

4(n-1)

CM
E

Total

SC
T

n2
2
-1

1.29.6. Ejemplo de un diseo experimental factorial 2
2

Los pasos a seguir en la resolucin de un ejercicio o situacin de ingeniera en donde
se aplique un diseo experimental son los siguientes:

1- Planteamiento del problema
Se quiere comprobar el rendimiento de una reaccin con un nuevo catalizador.

Por tanto, se pretende determinar en qu grado la temperatura y el tiempo influyen en
el rendimiento de reaccion y cmo este se puede variar para mejorarlo.

2. Factores y dominio experimental

Para lo cual acorde con la experiencia previa, la revisin bibliografa o las necesidades
de la experimentacin (criterios de rentabilidad, limitaciones experimentales), se debe
Diseo experimental
124
escoger qu factores interesa estudiar y qu valores pueden tomar (el dominio
experimental).

La Tabla 1 muestra los dos factores escogidos. Como ambos factores son continuos,
su dominio experimental se expresa con los valores mximo y mnimo que pueden
tomar.

Para lo cual se acord que el tiempo de reaccin no debera ser inferior a 8 horas para
que el proceso fuera rentable, y superior a 6 horas para asegurar un buen rendimiento;
ademas el rango de temperatura de trabajo debe ser superior a los (40C) pero sin
exceder los 80C.

La Tabla 20 tambin muestra la notacin codificada ms habitual para factores
continuos: se asigna el valor 1 al extremo inferior del dominio experimental y el valor
+1 al extremo superior 2.
Para simplificar a menudo slo se indican y +.

Es necesario definir la correspondencia entre variables reales y codificadas porque el
diseo de experimentos describe la experimentacin ptima empleando variables
codificadas (X1, X2,...) sin dimensin. De este modo las herramientas matemticas y
estadsticas son generales y se pueden aplicar a cada problema concreto.

La experimentacin ms econmica (mnimo nmero de experimentos) es aquella en la
que cada factor toma slo dos valores (niveles). Y la que proporcionar la informacin
con menor incertidumbre es aquella en la que estos valores son los extremos del
dominio experimental, 1 y +1.

Esta misma tabla 20 muestra la matriz de experimentos que se obtiene combinando los
dos niveles de los dos factores. Cada fila es un experimento y cada columna es un
factor estudiado.

Tabla 46. Respuestas para el ejemplo de diseo factorial 2
2

Matriz de
experimentos

Plan de
experimentacin

Respuesta
(% rendimiento)
x1 x2 Tiempo
(h)
Temperatura
(C)
Corrida 1 Corrida 2 Corrida 2
1 -
-
6 40 49 48 49
2 + - 8 40 54 58 55
3 - + 6 60 70 72 73
4 + + 8 60 78 55 56

Diseo experimental
125

Tabla 47. Matriz para el ejemplo de diseo factorial 2
2

Repeticiones

Y
PROMEDIO

PRUEBA

A
x1

B

x2

AXB
x1 x2

Combinacin
de los
tratamientos
Y
1
Y
2

Y
3

1
- - + (1)
49 48 49
48,66666667
2
+ - - a
54 58 55
55,66666667
3
- + - b
70 72 73
71,66666667
4
+ + + ab
78 55 56
63

Pasos a seguir

a) El efecto promedio de A es definido como:

A = 1/2n[ ab+a b -(1)]

A = 1/2n[ ab+a b -(1)]
A= 7,666


B = 1/2n{[ ab + b a - (1)]}
B = 13

c) El efecto de interacin de AB es definido como:

AB = 1/2n{[ ab-b]-[a-(1)]}

AB = 1/2n[ ab+(1)-a-b] =

AB = -9


Diseo experimental
126
Tabla 48. Anlisis de varianza para el ejemplo de diseo factorial 2
2

Suma de
cuadrados

Grados de
libertad

Cuadrados
medios

Fo

p-value

EFECTO
A

176,3333333

1

176,3333333

0,032713984

P(F > Fo)

EFECTO
B

507

1

507

0,094060433

P(F > Fo)

EFECTO
AB

264,4533907

1

264,4533907

0,049062328

P(F > Fo)

Error

43121,21328

8

5390,151659

Total

SC
T

11

1.30. Diseo factorial de tres factores con dos niveles cada uno.

Un diseo factorial de 2
3
involucra a tres factores A,B,C, todos con dos niveles.sus
combinaciones se muestran en la tabla siguiente.

Tabla 49. Combinacin de los tratamientos para un diseo 2
3

CORRIDA

A

B

C

AXB

AXC

BXC

AXBXC
COMBINACIN DE
TRATAMIENTOS
1 - - -
+ + + -
(1)
2 + - -
- - + +
a
3 - + -
- + - +
b
4 + + +
+ - - -
ab
5 - - +
+ - - +
c
6 + - +
- + - -
ac
7 - + +
- - + -
bc
8 + + +
+ + + +
abc

Diseo experimental
127
3

Es la influencia que tiene un factor sobre la variable de respuesta (cambio en la
respuesta) cuando un factor cambia de su nivel inferior a su nivel superior, promediado
sobre los dems factores.

3

COMBINACIN DE LOS TRATAMIENTOS

EFECTO FACTORIAL

I

A

B

C

AXB

AXC

BXC

AXBX
C
(1)
+ - - -
+ + + -
a
+ + - -
- - + +
b
+ - + -
- + - +
ab
+ + + -
+ - - -
c
+ - - +
+ - - +
ac
+ + - +
- + - -
bc
+ - + +
- - + -
abc
+ + + +
+ + + +

a) El efecto promedio de A es definido como: a b ab c ac bc abc

A = 1/2n{[-(1)+a -b+ab-c+ac-bc+abc]} Ecuacin 26

A = 1/2n[ a+ab+abc b - bc -(1)] Ecuacin 26


B = 1/2n{[-(1)-a+b+ab-c-ac+bc+abc]}

B = 1/2n{[ ab + b+bc+abc a-c-ac - (1)]} Ecuacin 27

c) El efecto de interaccion de AB es definido como:

AB = 1/2n{[(1)-a-b+ab+c-ac-bc+abc]}

AB = 1/2n{[(1) +abc+ab+c -a-b-ac-bc]} Ecuacin 28

Diseo experimental
128

d) El efecto de interaccion de AC es definido como:

AC = 1/2n{[(1)-a+b-ab-c+ac-bc+abc]}

AC = 1/2n{[(1) +b+ac+abc a -ab-c-bc]} Ecuacin 29


e) El efecto de interaccion de ABC es definido como:

ABC = 1/2n{[(-1)+a+b-ab+c-ac-bc+abc]}

ABC = 1/2n{[ a +b+c+abc (1) -ab-ac-bc]} Ecuacin 30


f) la suma de cuadrados es definida como:

SS= [Efecto]
2
[2
k-2
]n Ecuacin 31

Tambin pueden ser calculados.

Calculo de la suma de cuadrados totales

N Y Y SS
k
K
n
j
a
i
T
2
1
2
1
1 1
=

=
=
= =
Ecuacin 31.1

g) Calculo de la suma de cuadrados del error.

SS
E
= SS
T
-SS
A
-SS
B
-SS
AB

h) Analisis de residuos

+ + + =
2 2 1 1 0
X X Y
Ecuacin 32

1.30.2. Anlisis de varianza para un diseo factorial 2
3

Diseo experimental
129
Tabla 51. Calculo del Analisis de varianza para un diseo factorial 2
3

Suma de
cuadrados

Grados de
libertad

Cuadrados
medios

Fo

p-value

EFECTO
A

SC
A

1

CM
A

Fo = CM
A /

C
ME

P(F > Fo)

EFECTO
B

SC
B

1

CM
B

Fo = CM
B /
C
ME

P(F > Fo)

EFECTO
C

SC
C

1

CM
C

Fo = CM
C /
C
ME

P(F > Fo)

EFECTO
AB

SC
AB

1

CM
AB

Fo = CM
AB/
C
ME

P(F > Fo)

EFECTO
AC

SC
AC

1

CM
AC

Fo = CM
AC /
C
ME

P(F > Fo)

EFECTO
BC

SC
BC

1

CM
BC

Fo = CM
BC /
C
ME

P(F > Fo)

EFECTO
ABC

SC
ABC

1

CM
ABC

Fo = CM
ABC /
C
ME

P(F > Fo)

Error

SC
E

2
3
(n-1)

CM
E

Total

SC
T

n2
3
-1

1.30.3. Coeficientes de determinacin

Estos coeficientes miden la proporcin o el coeficiente de variabilidad en los datos
experimentales que es explicada por el modelo considerado.

{ [ ] } 100 /
2
SCTotal SC SC R
Error Total
= Ecuacin 35

[ ] } 100 /
2
SCTotal SC R
Modelo
= Ecuacin 36

Diseo experimental
130
1.30.4. Ejemplo de un diseo factorial 2
3

En una empresa productora de bebidas achocolatadas ha tenido problemas con la
viscosidad de cierta bebida de chocolate. Se cree que tres ingredientes que se agregan
en pequeas cantidades son con los que se puede resolver este problema, por lo que
es necesario explorar la situacin; para ello se corre un experimento 2
3
con dos
rplicas. Con los resultados obtenidos:

Tabla 52. Datos de la viscosidad de la bebida desarrollada.

VISCOSIDAD
INGREDIENTE
A
INGREDIENTE
B
INGREDIENTE
C
y
1
y
2
Y
m

-1 -1 -1 13,3 13,7 13,4985184
+1 -1 -1 14,7 14,4 14,5492268
-1 +1 -1 14,6 14,5 14,5499141
+1 +1 -1 14,3 14,1 14,1996479
-1 -1 +1 16,9 17,2 17,0493402
+1 -1 +1 15,5 15,4 15,4499191
-1 +1 +1 17,0 17,1 17,0499267
+1 +1 +1 18,9 19,0
18,949934

Figura 15. Pasos para calcular el ANOVA en un diseo 2
k

Datos

Contrastes
Efectos

Suma de cuadrados

ANOVA

S
Diseo experimental
131
Tabla 53. Promedio y factores calculados para el ejemplo de la viscosidad

Promedio 15,6621 +/- 0,61255
Factor A 0,250257 +/- 1,2251
Factor B 1,0506 +/- 1,2251
Factor C 2,92545 +/- 1,2251
Factor AB 0,524613 +/- 1,2251
Factor AC -0,099964 +/- 1,2251
Factor BC 0,699696 +/- 1,2251

Tabla 54. Anlisis de la varianza para la viscosidad de bebida desarrollada.

Suma de
cuadrados
Grados de
libertad
Cuadrados
medios
F p
Factor_A 0,125257 1 0,125257 0,04 0,8717
Factor_B 2,20754 1 2,20754 0,74 0,5487
Factor_C 17,1166 1 17,1166 5,70 0,2525
AB 0,550439 1 0,550439 0,18 0,7424
AC 0,0199856 1 0,0199856 0,01 0,9482
BC 0,979149 1 0,979149 0,33 0,6696
Total error 3,00174 1 3,00174
Total (corr.) 24,0007 1

Para este caso hay cero efectos que sean de valor p menor que 0,05, lo cual nos indica
que son significativamente diferentes de cero al nivel de confidencia del 95%

Tabla 55. Coeficientes de regresion de la ecuacin de los datos de viscosidad de la
bebida desarrollada en el ejemplo anterior.

Constante = 15,6621 Factor_A = 0,125129
Factor_B = 0,525302 Factor_C = 1,46273
AB = 0,262307 AC = -0,049982
BC = 0,349848 R
2
= 87,4931

La ecuacin ajustada para el modelo es

VISCOSIDAD = 15,6621 + 0,125129*Factor_A + 0,525302*Factor_B +
1,46273*Factor_C + 0,262307*Factor_A*Factor_B - 0,049982*Factor_A*Factor_C +
0,349848*Factor_B*Factor_C. Ecuacin 37.

Diseo experimental
132

Estando los valores de las variables especificados en su forma original.

R-cuadrado (ajustado para los grados de libertad)
= 12,4516 porciento
Error estandar = 1,73255
Media absoluta del error = 0,61255

Tabla 55. Valores para el r
2
, el error estndar para el ejemplo de la viscosidad de la
bebida desarrollada.

El valor estadstico de R
2
indica que el modelo ajustado explica el 87,4931% de la
variabilidad de la viscosidad, es mas apropiado para comparar modelos con diferente
numero de variables independientes es de 12,455%

El estimativo del error estandar muestra que la desviacin estandar del error de los
residuos es de 1,73255.

La media absoluta de error (MAE) fue de 0,61255 el cual es el valor promedio de los
residuos.

Tabla 56. Resultados estimados para los datos de viscosidad con la ecuacin de
regresion encontrada para el ejemplo anterior.

Datos Valor
observado
Valor fijado
Lower 95,0% CL
for Mean
Upper 95,0% CL
1
13,4985 14,1111 -6,48132 34,7035
2
14,5492 13,9367 -6,65571 34,5291
3
14,5499 13,9374 -6,65502 34,5298
4
14,1996 14,8122 -5,78019 35,4046
5
17,0493 16,4368 -4,1556 37,0292
6
15,4499 16,0625 -4,52992 36,6549
7
17,0499 17,6625 -2,92991 38,2549
8
18,9499 18,3374 -2,255 38,9298

Diseo experimental
133
1.31. Presentacin de resultados.

La interpretacin de los resultados sugerimos realizarlos en el siguiente orden y las
siguientes recomendaciones:

1) Valor medio
2) Efectos principales
3) Efectos de interaccin de dos factores
4) No olvidar que existe interaccin cuando el efecto de un factor es diferente a
distintos niveles de otro(s) factor(es). Esto se puede comprender fcilmente si
evaluamos el efecto de cada factor por pares de experimentos.
5)Efecto de interaccin de tres factores

Por ejemplo para el ejercicio de la viscosidad se deberian presentar las siguientes
graficas.

Figura 16. Efectos medios para el ejemplo de la viscosidad.


EFECTOS MEDIOS PARA LA VISCOSIDAD
14
15
16
17
18
V
I
S
C
O
S
I
D
A
D
Factor_A
-1.0 1.0
Factor_B
-1.0 1.0
Factor_C
-1.0 1.0
INTERACCION PARA LA VISCOSIDAD
14
15
16
17
18
V
I
S
C
O
S
I
D
A
D
AB
-1.0 1.0
-
-
+
+
AC
-1.0 1.0
-
-
+
+
BC
-1.0 1.0
-
-
+
+
Diseo experimental
134
1.32. Metodologa de la superficie de respuesta. Varios autores.

Se conoce como superficie de respuesta a la estrategia experimental o al experimento
planeado para modelar y determinar como responden los niveles de un factor cuando
se comparan con los de otro.

Para el ejemplo de el ejercicio de la viscosidad la superficie de respuesta obtenida es la
siguiente


1.32.1. Regin experimental

Es el espacio delimitado por los rangos de experimentacin utilizados con cada factor.

1.32.2. Regin de operabilidad

Conjunto de puntos donde el equipo o proceso puede ser operado.

1.32.3. Polinomio ortogonal.

Son ecuaciones de regresion en las que cada una esta asociada con un exponente de
la variable independiente, por ejemplo X, X1, X2 y todas son mutuamente
independientes, es decir son ortogonales.

1.33. Diseos no experimentales. Varios autores

Es un diseo que se apoya en la observacin directa, la entrevista y la revisin de
fuentes documentales; sin que se ejerza control, se manipule alguna sobre las
variables bajo estudio, sino que se observa el desarrollo de las situaciones y acorde
con un anlisis cuidadoso se intenta extraer explicaciones de cierta validez y como no
GRAFICO DE SUPERFICIE DE RESPUESTA
Estimado para la viscosidad
Factor_A
Factor_B
V
I
S
C
O
S
I
D
A
D
-1
-0.6
-0.2
0.2
0.6
1
-1
-0.6
-0.2
0.2
0.6
1
14
14.5
15
15.5
16
16.5
17
Diseo experimental
135
hay control de las variables, se pueden presentar muchas fuentes de error que hacen
dudar de su validez.


La observacin cientfica debe seguir algunos principios bsicos:

1. Debe tener un propsito especfico.
2. Debe ser planeada cuidadosa y sistemticamente.
3. Debe llevarse, por escrito, un control cuidadoso de la misma.
4. Debe especificarse su duracin y frecuencia.
5. Debe seguir los principios bsicos de validez y confiabilidad.

1.35. Ejercicios propuestos

Resuelva los ejercicios siguientes y socialcelos con el tutor y compaeros en los
momentos presnciales.

Ejercicios para desarrollar

Y socializar en los momentos presnciales acordados con el grupo.

1- Un ingeniero presenta el siguiente diseo factorial. Conteste los siguientes incisos
sin utilizar un software computacional, es decir haga las operaciones que se le piden de
manera manual.

REPLICA
A B i ii iii Total
-
+
-
+
-
-
+
+
66
61
71
75
74
76
70
67
67
79
83
80
(1) = ?
(a) = ?
(b) = ?
(ab) = ?

a) Que nombre recibe este diseo y por que.?
b) cuales tratamientos tiene este diseo, cuantas replicas.?
c) en total son doce las corridas experimentales las que se realizaron, seale en que
orden debieron correrse y explique por que.?
d) Seale los efectos que se pueden estudiar a travs de este diseo.
e) Obtenga los contrastes para los efectos principales de A y B y para la interaccin.
f) Realice la grafica de la interaccin entre los factores A y B e interprete con detalle.
Verdaderamente el factor B tiene influencia sobre el factor A.

2- A un ingeniero de alimentos le solicitan analizar la resistencia a la ruptura (Y) de un
empaque para alimentos, para lo cal utiliza una escala numrica. Examina tres
factores, cada uno a dos niveles, X1 = material plstico, X2 = humedad , X3 = direccin
del rasguo.
Diseo experimental
136
Decide obtener tres observaciones o replicas en cada combinacin, las mismas que se
muestran en la siguiente tabla:

X
1
X
2
X
3
Resistencia a la ruptura
-
+
-
+
-
+
-
+
-
-
+
+
-
-
+
+
-
-
-
-
+
+
+
+
3,25
2,1
4,5
5,1
3,7
3,2
5
4,7
3
2,9
3,9
5,1
5,7
5,3
2,8
2,7
2,3
4,1
3,8
3,2
4,9
4,3
4
3,5

a) Realice el ANAVA para estos datos.
b) Interprete los datos significativos y que conclusin daras como ingeniero.?

1.36. Actividades a realizar para el capitulo primero de la unidad segunda

establecidos en la gua de actividades en la seccin 7. SISTEMA DE EVALUACION. Ver tabla ..

Diseo experimental
137
Tabla 57. Actividades a desarrollar en el semestre acadmico.

Actividades Trabajo a
realizar
Ejercicio Fecha de
entrega
Fase de
aprendizaje

Actividad N1

Numeral 1.12
Ensayo: El grupo se
dividir en cinco grupos
y cada uno de estos
har un ensayo sobre el
por que de la anterior n
clasificacin de los
diseos experimentales
por ejemplo :de acuerdo
con su objetivo, al
nmero de factores, al
tipo de efectos que se
pretende estudiar y
segn las restricciones
existentes.

Reconocimiento

Actividad N2

Numeral 1.17.1.
Acorde con el
procedimiento seguido
como aleatorizarias las
muestras y como
comprobaras la
hiptesis planteada en el
trabajo de grado que
vienes realizando.?

Actividad N3

En la tabla 9 de
nmeral 1.18.4.
El estudiante llenara los
espacios en blanco de
tal forma que obtenga la
respuesta suministrada.

Actividad N4

1.19.5.
Tabla 14. ANOVA
para el diseo de
cuadro latino del
ejemplo perdida de
peso.
El estudiante llenara los
espacios en blanco de
tal forma que obtenga la
respuesta suministrada.

Profundizacin

Actividad N5

1.20. diseo en
cuadro latino y greco
latino
Ensayo: Sobre la
representacin y
evaluacin del cuadrado
latino y el greco latino.

Actividad N6

1.21.4.
Elabore el ANAVA para
este proceso con los
compaeros en el grupo
conformado. Diseo
factorial.
Que conclusiones
sacaras.?

Transferencia

Trabajo N2. De
conclusin del
capitulo primero
de la segunda
unidad.
"Anteproyecto de grado en ingeniera de alimentos en donde se
demuestre la aplicacin de los principios bsicos impartidos en el
modulo." Presentado la ultima semana de junio.

Diseo experimental
138

BIBLIOGRAFIA

1. Bavaresco, Aura (1979): Las tcnicas de la investigacin. Edit. Scott, Foresman
& Co. 4 edicin. Gienview, Illinois, USA. (1 edicin: 1974).

2. Berenson , Mark; Levine, David; Krehbiel, Timothy. Estadistica para
administracin. Edit, pearson, 2a Edicion, mexico 2001, 734p

3. BickinG A. C. Some Uses of statistics en the Planning of Experiments. Industrial
Quality Control, Vol. 10 No. 4, Enero 1954.

4. Briones, Guillermo. Metodologa de la investigacin. UPN; Centro de
investigacin; Bogot; 1975.

5. Bunge, Mario (1980): Ciencia y desarrollo. Edit. Siglo Veinte. Buenos Aires,
Argentina.

6. Crdenas, Faustino (1991): Proyecto de tesis. Edit. Hepta, La Paz, Bolivia.

7. Christensen, Howard. Estadstica paso a paso. Edit Trillas. 5 edic, 1990.
Mxico. 682 p.

8. Cochran, Willian; Cox, Gertrude. Diseos experimentales. Edit, Trillas, 5
reimpresion. Mexico 2001, 661p.

9. Costamagna, Alicia, M. Mapas conceptuales como expresin de procesos de
interrelacin para evaluar la evolucin del conocimiento de alumnos
universitarios. Enseanza de la ciencia, 2001.19, (2), 309-318.

10. COX D. R. Planning of Experiments. John Wiley and Sons, Inc. New York, 1978.
700p.

11. Corts, Manuel; Snchez, William. Proyecto de investigacin y desarrollo
tecnologico. Universidad Nacional Abierta y a Distancia. Facultad de Ciencias
Bsicas e Ingeniera; Bogota; 2001; 313.Pgs.

12. Dawson, Beth; Trapp, Robert. Bioestadistica mdica. Edit, manual moderno. 3
Edicion. Mexico 2002, 435p.

13. FAOSTAT.

14. FSTA. Food science technology abstracts

15. Hernandez, Sampieri, Roberto. Metodologia de la investigacin. Edit Mac Graw
hill. Mexico, 2003, 692 p.
Diseo experimental
139

16. Hinkelmann, Klaus. Design and analysis of experiments. Vol I, edit. john wiley &
sons, inc.1994. 495p.

17. Howard, B, Cristensen. Estadistica paso a paso. Edit, Trillas, 3 edicion. Mexico
2004, 682p..

18. INSTITUTO COLOMBIANO DE NORMAS TECNICAS Y CERTIFICACIN
Compendio de Normas Tcnicas Colombianas sobre Documentacin, Tesis y
otros trabajos de grado. Santaf de Bogot: ICONTEC, 1996.

19. Kempthorne O. The Design and Analysis of Experiments. John Wiley and Sons.
New York, 1952, p.10.

20. Kuehl, O, Robert. Diseo de experimentos. Thomson learning, .2da edicin.
Mxico.

21. Mendez I. Lineamientos Generales para la planeacin de Experimentos.
Monografa No. 15, Vol. 15 IIMAS. 1980.

22. Montgomery, Douglas. Diseo y anlisis de experimentos. Grupo editorial
Iberoamrica.1991. 589p.

23. Novak, Joseph, D; Gowin, D, Bob. Aprendiendo a aprender. Edit. Martnez Roca,
D.L. 1988. - 228 p.

24. Padrn, Corral, Emilio. Diseos experimentales con aplicacin a la agricultura.
Editorial trillas, 1996.

25. Pereira, Manrrique. Coleccin de lecturas teora y praxis de la investigacin.
Tomo I y II. UNAD, 2001.

26. Ostle B. Estadstica Aplicada. Limusa-Wiley, Mxico, 1975, Cap. 10

27. Montgomery, Douglas. Diseo y analisis de exprimentos. Grupo Editorial ibero
america, 1a Edicion, mexico 1991, 589p.

28. Sabino, Carlos A. El proceso de investigacin. Ed. Lumen - Humanitas.
Argentina (1996).

29. Tamayo y Tamayo, Mario. El proceso de la investigacin cientfica. 3 ED.. ED.
Limusa S.A. Mxico (1998)

30. Valds de Len, Gustavo. Acerca de la posibilidad de experimentacin en
diseo. Mayo 2004.
Diseo experimental
140

Direcciones de las paginas Web.

www.virtual.unal.edu.co/cursos/ciencias/2000352/ -

www.fao.org/docrep/T0848S/t0848s03.htm.pci204.cindoc.csic.es/tesauros/Tes_Psic/HT
ML/PSI_D6.HTM

http://www.sas.com/software/index.html

www.educarchile.cl/eduteca/estadistica/esc_medic.htm

es.wikipedia.org/wiki

Diseo experimental
141
GLOSARIO DE TERMINOS

Anlisis de varianza: Es una tcnica estadstica que sirve para analizar la
variacin total de los resultados experimentales de un diseo en particular,
descomponindolo en fuentes de variacin independientes atribuibles a cada
uno de los efectos en que constituye el diseo experimental.

Anlisis multivariante: Cualquier tcnica estadstica diseada para medir la
influencia de varias variables independientes actuando simultneamente en
ms de una variable dependiente.

Bloque: conjunto de unidades experimentales lo ms homognea posible, en el
cual, aparecen todos los tratamientos una sola vez.

Diseo al azar: se usa cuando las unidades experimentales son homogneas, y
la variacin entre ellas es muy pequea.

Diseo de bloques: se presenta cuando se renen las unidades experimentales
a las cuales se les aplicaran los tratamientos, en bloques de cierto tamao, de
tal forma que los tratamientos se efecten dentro de cada bloque.

Diseo experimental: Plan general del procedimiento para llevar a cabo un
experimento en funcin de unos datos especficos deseados.

Diseo factorial: Diseo experimental que incorpora uno o ms
niveles de dos o ms variables independientes.

Desarrollo Experimental: Trabajo sistemtico sobre el conocimiento ya
existente, adquirido a travs de investigaciones o experiencias prcticas, que se
dirige a producir nuevos materiales, productos, sistemas o mtodos; instalar
nuevos procedimientos, sistemas o servicios; o mejorar sustancialmente los
producidos instalados.

Error experimental: medida de la variacin que existe entre las observaciones
de unidades experimentales en el mismo tratamiento.

Estadstica: Subdisciplina de las Matemticas que rene y
evala datos numricos y los trata de tal
manera que la relacin entre esos datos se
muestra claramente.

Innovacin: se entiende por innovacin tecnolgica la transformacin de una
idea en un producto nuevo o mejorado que se introduce en el mercado.

Investigacin bsica: es la investigacin original, terica o experimental,
llevada a cabo principalmente con objeto de adquirir nuevos conocimientos o
Diseo experimental
142
una mayor comprensin de los fenmenos y observaciones en estudio, sin el
propsito de ninguna aplicacin particular.

Investigacin aplicada: es tambin investigacin original llevada a cabo para
adquirir nuevos conocimientos. Sin embargo, va dirigida principalmente hacia
objetivos especficos eminentemente prcticos. Sus resultados son vlidos para
un nico o limitado nmero de productos, operaciones, mtodos o sistemas. El
conocimiento o informacin derivado de ella es, con frecuencia, patentado o
bien, guardado como secreto.

Metodologa: Trmino utilizado en sentido amplio que
generalmente se refiere a estrategias,
tcnicas o procedimientos usados en estudios
experimentales, descriptivos o aplicados.

Prototipo o modelo: Primer ejemplar construido industrialmente, de una
mquina, vehculo, aparato, etc., y destinado a experimentar en funcionamiento
sus cualidades y caractersticas, con vistas a la construccin en serie.

Proyecto de investigacin: Se entiende el proceso de indagacin sistemtica y
planificada sobre un determinado problema temtico, inscrito dentro de una lnea
de investigacin, y en el marco global de un programa investigativo, tendiente a
indagar por una de las temticas particulares denotadas en la lnea.

Repeticin: El nmero de veces que un tratamiento aparece en el experimento.

Testigo: Es el tratamiento de comparacin adicional, que no debe faltar en un
experimento.

Tratamiento: es una de las formas que en cantidad o calidad, el factor a
estudiar toma durante el experimento.

Unidad experimental: Es el objeto o espacio al cual se aplica el tratamiento y
donde se mide y analiza la variable que se investiga. En los experimentos
pecuarios la unidad

Variable independiente: es una observacin hecha en cada unidad
experimental antes de aplicar los tratamientos, e indica hasta cierto grado la
respuesta final de la unidad experimental.

M. Diseñoexperimental

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

M. Diseñoexperimental

Uploaded by

Copyright:

Available Formats

Diseo experimental

Campo Elas Riao Luna

El experimento, la experimentacin, lo experimental, constituyen la base irreductible del

)/2 desde el centro de una distribucin

o valor de p) requiere en relacin con la

y el efecto del tratamiento

= promedio de todas las unidades experimentales del experimento = X o Y segn

= la diferencia entre el promedio (

) y el resultado cuando se tiene la combinacin

= efecto debido al bloque

= efecto debido al bloque

= efecto debido al tratamiento

= media general, tambin denominada

= efecto debido al i-esimo nivel del factor A, tambin denominada

= efecto debido al j-esimo nivel del factor B, tambin denominada

You might also like