RONALD LUIGI PILLIGUA 1

UNIVERSIDAD LAICA “ELOY ALFARO” DE MANABÍ

FACULTAD DE CIENCIAS AGROPECUARIAS

INGENIERIA AGROINDUSTRIAL

DISEÑO EXPERIMENTAL
TEMAS: 1. IMPORTANCIA DE LA ESTADÍSTICA Y DISEÑO
EXPERIMENTALES, 2. POBLACIÓN: SIMBOLOGÍA UTILIZADA,
3. MUESTREO, 4. PRUEBAS EXPERIMENTALES Y SIMBOLOGÍA
UTILIZADA

AUTOR:
RONALD LUIGI PILLIGUA PILLIGUA

CATEDRÁTICO:
Ing. Hebert Vera Delgado

Nivel de estudio: V Semestre

PERIÓDO ACADÉMICO
2017 – 2018 (1)

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 2

1. IMPORTANCIA DE LA ESTADÍSTICA Y DISEÑO EXPERIMENTALES

Definición. _

El diseño estadístico de experimentos es una metodología que permite plantear estrategias para
seleccionar, controlar, analizar e interpretar diferentes condiciones de un proceso de manera
objetiva y sistemática. El diseño de experimentos permite mejorar un proceso y la calidad de sus
productos.

El diseño experimental verdadero es considerado como el método más preciso de la investigación

experimental, en el que se trata de comprobar o refutar una hipótesis en forma matemática junto
con el análisis estadístico.

¿Por qué planificar la experimentación?

La experimentación juega un papel fundamental en todos los campos de la investigación y el

desarrollo. El objetivo de la experimentación es obtener información de calidad. Información que
permita comprender mejor un sistema (un procedimiento analítico, por ejemplo) y tomar
decisiones sobre como optimizarlo y mejorar su calidad, comprobar hipótesis científicas.
Obviamente la experimentación se debe planificar (diseñar)cuidadosamente para que proporcione
la información buscada. Dicha planificación debe considerar dos aspectos importantes
relacionados con toda experimentación:

A. La experimentación es normalmente cara. La capacidad de experimentar está limitada por el

costo en tiempo y recursos (personal, material logístico, proceso, productos de partida, etc.…).
Por tanto, una realización óptima de la experimentación deberá contemplar el menor número
de experimentos que permita obtener la información buscada. (Prado Mercado, 2000)
B. El resultado observado de un experimento tiene incertidumbre; la Estadística, disciplina que
proporciona las herramientas para trabajar en ambientes de incertidumbre, coadyuva en el
diseño de los experimentos y en la evaluación de los resultados experimentales.

El análisis de los resultados experimentales permitirá obtener conclusiones sobre el sistema en

estudio y decidir actuaciones futuras. Tanto por la importancia de las decisiones que se pueden
tomar, como por el costo elevado de la experimentación, no parece adecuado dejar la elección de
los experimentos y la evaluación de los resultados a la mera intuición del experimentador. Parece

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 3

más razonable utilizar una metodología matemática y estadística que indique como planificar
(diseñar, organizar) la secuencia de experimentos de una forma óptima, de modo que se minimice
tanto el costo de la experimentación como la influencia del error experimental sobre la información
buscada. Dicha planificación y análisis es el principal objetivo del Diseño Experimental.

¿Qué es el Diseño Experimental?

Se podría definir el Diseño Experimental, como una metodología basada en herramientas

matemáticas y estadísticas cuyo objetivo es ayudar al experimentador a:

a. Seleccionar la estrategia experimental óptima que permita obtener la información buscada con
el mínimo costo.
b. Evaluar los resultados experimentales obtenidos, garantizando la máxima fiabilidad en las
conclusiones que se obtengan.

¿En qué situaciones se aplica el Diseño Experimental?

Las situaciones en las que se puede aplicar el Diseño Experimental son muy numerosas. De forma
general, se aplica a sistemas, en los cuales se observan una o más variables experimentales
dependientes o respuestas (y) cuyo valor depende de los valores de una o más variables
independientes (x) controlables llamadas factores. Las respuestas además pueden estar influidas
por otras variables que no son controladas por el experimentador. La relación entre x e y no tiene
porqué ser conocida. (Flores, 2004)

Los escenarios que rodean a las industrias hoy, en día en un mundo globalizado donde los adelantos
tecnológicos y científicos están en constante evolución, hacen que el nivel de calidad de los
productos y servicios sea cada vez mayor.

En la actualidad uno de los factores claves para el éxito de una industria, es hacer uso de toda de
su capacidad de conocimiento y aprendizaje, así como de su experiencia. La experimentación en
las industrias es uno de los elementos que más pueden contribuir al aprendizaje y a la mejora de
los productos y procesos.

La aplicación del Diseño de Experimentos (DoE) se presenta como una herramienta efectiva para
entender y optimizar los procesos y productos en la industria. La metodología estadística por

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 4

excelencia para optimizar la experimentación se conoce como Diseño de Experimentos. Se define

simplemente como un método para aplicar sistemáticamente la estadística al proceso de
experimentación. Se puede definir como la realización de un conjunto de pruebas en las cuales se
realizan cambios voluntarios a los parámetros de control de un proceso o sistema, cuyo objetivo
es observar e identificar las razones de los cambios en la variable de estudio o respuesta y
cuantificarla.

Los experimentos en la industria moderna son más complicados, porque son muchos los factores
que son susceptibles de controlarse y que afectan a los productos y/o procesos, de aquí que son
muchas combinaciones de dichos factores que se deben probar para obtener resultados válidos y
consistentes.

En la industria, el diseño de experimentos suele aplicarse básicamente en dos áreas: el diseño y la

mejora de procesos y productos. Pero la mayoría de los problemas industriales, están
condicionadas por el tiempo y el presupuesto, lo que supone una limitación importante a la hora
de experimentar. (Flores, 2004)

2. POBLACIÓN: SIMBOLOGÍA UTILIZADA

La estadística se refiere al estudio de la colección, organización, análisis, interpretación y

presentación de datos, se encuentra relacionada con todos los aspectos que intervienen en los datos,
entre los que se incluyen la recolección de datos en términos de diseño de entrevistas y
experimentos. Un estadístico (persona que se encarga de profesar la estadística) se encuentra bien
versado en la manera de pensar necesaria para la correcta aplicación de un análisis estadístico,
estas personas adquieren la experiencia a través del trabajo, así como el correcto conocimiento de
los símbolos estadísticos.

Los símbolos matemáticos que se encargan de describir y de representar una herramienta o

proceso, reciben el nombre de símbolos estadísticos. Es de mencionar que en ocasiones la
probabilidad y la estadística generalmente tienen convenciones sobre símbolos exclusivos para
dichas disciplinas, a los que se le suman los tradicionales y convencionales símbolos matemáticos.

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 5

Generalmente al observar operaciones o procesos estadísticos podría dar la impresión de que nos
encontramos leyendo el alfabeto griego, y en realidad muchos de los símbolos estadísticos son, en
efecto griegos. Cada símbolo (letra) significa un proceso en particular y es por esto que se deben
conocer para poder efectuar un análisis de datos eficiente. (Perez, 2006)

Las letras griegas generalmente se usan para denotar parámetros desconocidos, un parámetro
estimado generalmente se denota al colocar un cursor sobre el símbolo correspondiente, lo que se
conoce como “theta sombrero”. Algunos símbolos estadísticos básicos utilizados comúnmente
son:

• La media muestral, que se refiere a la muestra media o media empírica, así como a la
covarianza de la muestra con las estadísticas que se calculan con base en una colección de
datos en una o más variables de tipo aleatorio. Se refiere a cada uno de los valores que se
observan en las variables.
• S2: Se refiere a la varianza simple.
• r: Simboliza la simple correlación de coeficientes.
• kr: Simboliza el cúmulo de las muestras.

Los símbolos utilizados con mayor frecuencia para referirse a los parámetros de población
son:

• μ: Se refiere a la población como tal.

• σ2: Simboliza la varianza de la población.
• ρ: Simboliza la correlación de la población
• κr: Simboliza los cúmulos de población.
• n: Simboliza el número de elementos en una distribución de la muestra.
• α: La letra griega alpha simboliza la intercepción o un error de tipo I.
• β: La letra griega beta simboliza vertiente o un error de tipo II.
• σ: La letra griega sigma simboliza la desviación estándar de la población.
• s: La letra s significa la desviación estándar de la muestra.
• s2: La letra s al cuadrado simboliza la varianza de la muestra.

Otros conjuntos de símbolos estadísticos usados con mayor frecuencia son:

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 6

• C: Simboliza la distribución, y también es conocida como la distribución para una variable

independiente:
• U: Se refiere a la distribución que no es lo mismo que y también es conocida como variable
dependiente.
• SC: Simboliza todos los elementos (generalmente números) en una distribución.
• N: Simboliza el número de elementos una distribución poblacional. (Perez, 2006)

3. MUESTREO

¿Qué es el Muestreo?

Imagina, por ejemplo, un experimento para probar los efectos de una nueva técnica educativa en
niños en edad escolar. Sería imposible seleccionar toda la población en edad escolar de un país,
dividirlos en grupos y llevar a cabo la investigación.

Un grupo de investigación que realice un muestreo de la diversidad de flores en la sabana africana

no podría analizar cada flor porque llevaría muchos años.

Aquí es donde ocurre el muestreo estadístico, que tiene como idea tratar de tomar una sección
representativa de la población, realizar el experimento y hacer la extrapolación de nuevo a la
población en su conjunto.

El muestreo es por lo tanto una herramienta de la investigación científica, cuya función básica es
determinar que parte de una población debe examinarse, con la finalidad de hacer inferencias sobre
dicha población. (Cocharan, 2006)

La muestra debe lograr una representación adecuada de la población, en la que se reproduzca de

la mejor manera los rasgos esenciales de dicha población que son importantes para la
investigación. Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar las
similitudes y diferencias encontradas en la población, es decir ejemplificar las características de
ésta.

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 7

Los errores más comunes que se pueden cometer son:

1. Hacer conclusiones muy generales a partir de la observación de sólo una parte de la Población,
se denomina error de muestreo.
2. Hacer conclusiones hacia una Población mucho más grandes de la que originalmente se tomó
la muestra. Error de Inferencia.

En la estadística se usa la palabra población para referirse no sólo a personas sino a todos los
elementos que han sido escogidos para su estudio y el término muestra se usa para describir una
porción escogida de la población.

Tipos de muestreo. _

Existen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en general
pueden dividirse en dos grandes grupos: métodos de muestreo probabilísticos y métodos de
muestreo no probabilísticos.

1. Muestreo probabilístico. _

Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de

equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad
de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras
de tamaño n tienen la misma probabilidad de ser seleccionadas. Sólo estos métodos de muestreo

probabilísticos nos aseguran la representatividad de la muestra extraída y son, por tanto, los más
recomendables. Dentro de los métodos de muestreo probabilísticos encontramos los siguientes
tipos:

1.1.Muestreo aleatorio simple:

El procedimiento empleado es el siguiente:

a. Se asigna un número a cada individuo de la población

b. A través de algún medio mecánico (bolas dentro de una bolsa, tablas de números aleatorios,
números aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos sujetos
como sea necesario para completar el tamaño de muestra requerido.

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 8

Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la
población que estamos manejando es muy grande.

1.2.Muestreo aleatorio sistemático:

Este procedimiento exige, como el anterior, numerar todos los elementos de la población, pero en
lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número aleatorio i, que es
un número elegido al azar, y los elementos que integran la muestra son los que ocupa los lugares
i, i+k, i+2k, i+3k.…, i+(n-1) k, es decir se toman los individuos de k en k, siendo k el resultado de
dividir el tamaño de la población entre el tamaño de la muestra: k= N/n. El número i que
empleamos como punto de partida será un número al azar entre 1 y k.

El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la población ya
que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir
una homogeneidad que no se da en la población. Imaginemos que estamos seleccionando una
muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 últimos mujeres,
si empleamos un muestreo aleatorio sistemático con k=10 siempre seleccionaríamos o sólo
hombres o sólo mujeres, no podría haber una representación de los dos sexos.

1.3.Muestreo aleatorio estratificado:

Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y
suelen reducir el error muestral para un tamaño dado de la muestra. Consiste en considerar
categorías típicas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a alguna
característica (se puede estratificar, por ejemplo, según la profesión, el municipio de residencia, el
sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que todos
los estratos de interés estarán representados adecuadamente en la muestra.

Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo

aleatorio simple o el estratificado para elegir los elementos concretos que formarán parte de la
muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la población. (Tamaño geográfico, sexos, edades,).

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 9

1.4.Muestreo aleatorio por conglomerados:

Los métodos presentados hasta ahora están pensados para seleccionar directamente los elementos
de la población, es decir, que las unidades muéstrales son los elementos de la población.

En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la población

que forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los
departamentos universitarios, una caja de determinado producto, etc., son conglomerados
naturales.

2. Métodos de muestreo no probabilísticos

A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente costoso y

se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven para realizar
generalizaciones (estimaciones inferenciales sobre la población), pues no se tiene certeza de que
la muestra extraída sea representativa, ya que no todos los sujetos de la población tienen la misma
probabilidad de ser elegidos. En general se seleccionan a los sujetos siguiendo determinados
criterios procurando, en la medida de lo posible, que la muestra sea representativa.

2.1.Muestreo por cuotas:

También denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un buen

conocimiento de los estratos de la población y/o de los individuos más "representativos" o
"adecuados" para los fines de la investigación. Mantiene, por tanto, semejanzas con el muestreo
aleatorio estratificado, pero no tiene el carácter de aleatoriedad de aquél.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos que
reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años, de sexo
femenino y residentes en Gijón. Una vez determinada la cuota se eligen los primeros que se
encuentren que cumplan esas características. Este método se utiliza mucho en las encuestas de
opinión.

2.2.Muestreo intencional o de conveniencia:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras

"representativas" mediante la inclusión en la muestra de grupos supuestamente típicos. Es muy

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 10

frecuente su utilización en sondeos preelectorales de zonas que en anteriores votaciones han

marcado tendencias de voto.

También puede ser que el investigador seleccione directa e intencionadamente los individuos de
la población. El caso más frecuente de este procedimiento el utilizar como muestra los individuos
a los que se tiene fácil acceso (los profesores de universidad emplean con mucha frecuencia a sus
propios alumnos). (Cocharan, 2006)

2.3.Bola de nieve:

Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así hasta conseguir
una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con
poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.

4. PRUEBAS EXPERIMENTALES Y SIMBOLOGÍA UTILIZADA

Tipos de diseño de investigación. _

Diseño se refiere al “plan o estrategia concebida para obtener la información que se desea”

Experimentales. _

Se realiza una acción y posteriormente observar sus consecuencias; de manera más particulares un
estudio en el que se manipulan intencionalmente una o más variables independientes (causas), para
analizar sus consecuencias en una o más variables dependientes (efectos), bajo el control del
experimentador.

Simbología de los diseños experimentales:

R: Asignación al azar o aleatoria (del inglés Randomization)

G: Grupo de sujetos (G1, grupo 1; G2, grupo 2; etcétera)

X: Tratamiento estímulo o condición experimental (presencia de algún nivel o modalidad de la

variable independiente)

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 11

O: Medición de los sujetos de un grupo (prueba, cuestionario, observación, etc.). Si aparece antes
del estímulo o tratamiento, se trata de una preprueba (previa al tratamiento). Si aparece después
del estímulo se trata de una post prueba (posterior al tratamiento

–: Ausencia del estímulo (nivel “cero” en una variable independiente). Indica que se trata de un
grupo control o testigo

Según estos criterios, se pueden presentar los siguientes tipos de experimentos:

Cuadro. 1 (Perez Aguirre , 2011)

En el primer experimento, se escoge aleatoriamente (R) un grupo al cual se le realiza una medición
previa (O1), se le aplica un tratamiento (X) y finalmente se vuelve a medir (O2). En el segundo
experimento, aunque similar al primero, varía en que solo se realiza una medición al final del
experimento. El tercero, no es seleccionado al azar. El cuarto, es una generalización de K grupos
experimentales, con selección al azar (R), sin medición previa, pero con medición al final.

¿Qué tipos de experimentos existen?

En la historia de la investigación, Campbell y Stanley 2 (1963) revolucionaron la forma en que se

planteaban y se llevaban a cabo las investigaciones. Ellos identificaron tres categorías generales
de diseños experimentales:

A. experimentos verdaderos
B. Cuasi - experimentos
C. Pre - experimentos.

En el cuadro 2 se muestran las principales diferencias entre estos tipos de experimentos. La

principal diferencia radica en el grado de control que se imponen a las variables que se están
estudiando.

BIOTECNOLOGÍA
RONALD LUIGI PILLIGUA 12

Cuadro. 2 (Perez Aguirre , 2011)

Bibliografía

Cocharan, N. y. (2006). PDF. Obtenido de PDF:

http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf

Flores, N. (2004). scribd.com. Obtenido de scribd.com:

https://es.scribd.com/doc/130780797/Disenos-Experimentales-docx

Perez Aguirre , M. (2011). wordpress.com. Obtenido de

https://luiscasasvilchis.wordpress.com/2011/09/08/metodologia-de-la-investigacion-
cientifica-tipos-de-diseno-de-investigacion/

Perez, E. (2006). simbolosmatematicos.com. Obtenido de simbolosmatematicos.com:

http://www.simbolosmatematicos.com/simbolos-estadisticos/

Prado Mercado, R. (2000). scribd.com. Obtenido de scribd.com:

https://es.scribd.com/doc/105304882/LA-IMPORTANCIA-DEL-DISENO-
EXPERIMENTAL

BIOTECNOLOGÍA