Por:

Juan Francisco Guzmán Riverón 2013-0057

Clase de :
Principio e ingienería de finca

Fecha:
Octubre 24 de 2017
 Resumen

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 Experimental (DE) se presenta como una herramienta efectiva para entender y
optimizar los procesos y productos en la industria. La metodología estadística por 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.
 Introducción

En ingeniería, la experimentación desempeña un papel importante en el diseño de nuevos productos, el

desarrollo de procesos de manufactura y el mejoramiento de procesos.

El diseño experimental es una técnica estadística que permite decidir cuál de estas dos conjeturas es la
verdadera disminuyendo la probabilidad de cometer un error.

El Diseño Experimental es una técnica estadística sistemática cuyo objetivo es realizar una serie de
pruebas en las que se inducen cambios deliberados para averiguar si determinados factores influyen en
la variable de interés o de estudio y si existe influencia de algún factor en el proceso o producto,
cuantificarla.
Diseño experimental
Este término se utiliza para planear un experimento de manera que se pueda obtener la información
pertinente a un determinado problema que se investiga y así tomar decisiones correctas.

El diseño adecuado del experimento es una etapa fundamental de la experimentación, que permite el
suministro correcto de datos a posteriori, los que a su vez conducirán a un análisis objetivo y con
deducciones válidas del problema.

Proposito de un diseño experimental

El propósito de un diseño experimental es proporcionar métodos que permitan obtener la mayor
cantidad de información válida acerca de una investigación, teniendo en cuenta el factor costo y el uso
adecuado del material disponible mediante métodos que permitan disminuir el error experimentalión
agrícola o biológica y en el desarrollo de una investigación en particular.

son de interés las siguientes aspectos: Especificar los problemas, con el fin de probar hipótesis o
encontrar respuestas. Es necesario considerar que los experimentos sean:

a. Experimentos simples, cuando se estudia un solo factor de variación; por ejemplo, probar cinco
variedades de sorgo, estudiar cinco dosis de nitrógeno en trigo, etc.

b. Experimentos factoriales, cuando se estudian simultáneamente dos o más factores que influyen en la
producción; por ejemplo, estudiar tres variedades, cada una sembrada a tres densidades de siembra, o
bien tratamientos de fósforo, nitrógeno y potasio, cada uno a cuatro dosis por unidad de superficie.

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 diseño
seleccionado. Ejemplos: Dósis de fertilizante, ración alimenticia, profundidad de sembrado,
distanciamiento entre plantas, variedades de un cultivo.

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

Unidad experimental
La 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 experimental por lo general esta
conformada por un animal (cuye, cerdo, pato, etc.), en los experimentos foresta la unidad experimental
en la mayoría de los casos esta conformado por un árbol y en la mayor parte de las pruebas de campo
agrícolas, la unidad experimental es una parcela de tierra en lugar de una planta individual; es en este
último caso que con frecuencia se presenta lo que se llama efecto de borde.

Efecto de Borde
En los experimentos agrícolas, muchas veces existen diferencias en el crecimiento y la producción de
las plantas que están situadas en los perímetros de la parcela en relación con aquellas plantas situadas
en la parte central; esta diferencia es llamado efecto de borde y puede causar sobre-estimación o sub-
estimación de las respuestas de los tratamientos, llegando con esto a comparaciones sesgadas.

El efecto de bordes puede ser causado por:

- Vecindad de las parcelas ó áreas no cultivadas, que hace que las plantas en los perímetros tengan
menor competencia de luz y nutrientes.

- Competencia entre tratamientos, que depende de la naturaleza de los tratamientos vecinos. Para
controlar el efecto de borde se acostumbra a evaluar solamente las plantas centrales para los fines
experimentales. Estas plantas centrales constituyen lo que se llama PARCELA NETA
EXPERIMENTAL..

¿Qué es la confiabilidad?
En el caso de medir la masa corporal de un grupo de sujetos, en un estudio en el cual la variable
dependiente es la masa corporal, se espera que al pesar un sujeto en la primera vez, dicho valor sea
igual al ser pesado dos, tres o mas veces, en idénticas circunstancias. Si en una primera medición, el
valor es de 65 kg y en una segunda medición el valor es de 66 kg, se puede decidir que esa medición no
es confiable.

Una definición de confiabilidad sería entonces el grado en que el proceso de

medición elimina los errores. Una operacionalización será:
PO E
PO C [ E-1]
donde,
C = Confiabilidad
PO = Puntaje Obtenido
E = Error
Como se puede apreciar, obtener una medición confiable es eliminar los factores de
error en el proceso. Si se elimina el factor error, en la ecuación E-1, la confiabilidad
sería igual a 1 puesto los valores del numerador y el denominador quedan iguales.

Test- Retest
Es un instrumento se aplica en dos momentos diferentes a una misma
población y sus diferencias no deben ser significativas y su grado de correlación
debe ser alto.
El grado de correlación producto-momento de Pearson es un procedimiento
estadístico usado en este tipo de pruebas. Los valores varían entre 1 y 1. Los
valores positivos expresan una relación directamente proporcional mientras que
los valores negativos indican una relación inversamente proporcional. L

¿Por qué es importante?

El diseño de experimentos es importante como una manera formal de maximizar la información
adquirida, mientras que este recurso sea necesario. Los métodos experimentales tienen más que ofrecer
que “un cambio a la vez”, ya que permite un juicio sobre la importancia a la salida de variables de
entrada que actúan por sí solos y las variables de entrada que actúan en combinación con otras.

¿Cuándo se utiliza?
El diseño de experimentos se puede utilizar para encontrar las respuestas en situaciones tales como
“¿cuál es el principal factor que contribuye a un problema?”, “¿qué tan bien funciona el sistema cuando
se realiza en presencia de ruido?”, “¿cuál es la mejor configuración de los factores para minimizar la
variación en las salidas de producción?”.

¿Cómo se utiliza?
El orden de las tareas para la utilización de esta herramienta se inicia con la identificación de las
variables de entrada y la respuesta (salida) que se va a medir. Para cada variable de entrada, se definen
una serie de niveles que representan la clase para la que el efecto de esta variable se desea conocer. Un
plan experimental que se produce cuando el experimentador dice dónde poner cada parámetro para
cada serie de la prueba (produciendo una interacción). Escrito por M. Vizcarra el 22/12/2010.

"Según Hinkelman. K. & Kempthorne. O.(1994), son aquellos en el cual el investigador está interesado
en encontrar los factores que tienen influencia sobre las ejecuciones de cierto proceso.
El aplicar diseños experimentales en trabajos de investigación hace posible detectar numéricamente,
diferencias o semejanzas reales. Las inferencias se hacen sobre bases medibles de probabilidad"

La experimentación es una técnica utilizada para encontrar el comportamiento de una variable a partir
de diferentes combinaciones de factores o variables de entrada de un proceso, que al cambiar afectan la
respuesta.

¿Qué es una investigación 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 intervención directa del investigador. La
investigación no experimental es conocida como investigación ex post-facto (los hechos y las variables
ya ocurrieron) y observa variables y relaciones entre éstas en su contexto natural

Ventajas y desventajas de diseño experimental

Ventajas
Mayor control del factor de estudio.

La asignación aleatoria tiende a controlar los factores pronósticos.

Son los que proporcionan la mejor evidencia causa-efecto.

Desventajas
Restricciones éticas (muchas preguntas no pueden abordarse con esta metodología).

Muestras muy seleccionadas que dificultan la generalización.

Por su estandarización, las intervenciones pueden diferir de la práctica habitual y dificultar la

generalización.

Aborda relación entre una única intervención y su efecto.

Suele tener un coste elevado.

Tipos de diseños experimentales

Esperimentos con un factor

- Completo al azar
- Bloques
- Cuadrado latino

Experimentos con muchos factores

- Factoriales
- Parcelas divididas (SPLIT-PLOT)
- Bloques divididos
- Diseño de Bloques completos al azar
- Experimentos repetidos
- Experimentos con agricultores

Tipos de factores

Factores Cuantitativos
- Si sus niveles son cantidades cuantificables, ejemplo, Niveles de nitrogeno: 20, 40 y 60 kg/ha .

Factores Cualitativos
- Si sus niveles no tienen orden natural y corresponden a clases o categorías ejemplo, Especies
maderables.

Diseño de bloques completos

En cualquier experimento, la variabilidad que surge de un factor perturbador puede afectar a los
resultados. Cuando el factor perturbador es conocido y controlable puede utilizarse la técnica "diseño
de bloques completos", en este tipo de diseño de experimentos se consideran tres fuentes de
variabilidad:
el factor de tratamientos, el factor de bloques y el error aleatorio ,es decir, se tienen tres posibles
"culpables" de la variabilidad presente en los datos.

Este método estadístico agrupa las unidades experimentales en bloques para comparar tratamientos en
un medio más homogéneo, el cual le permite eliminar de manera sistemática el factor perturbador sobre
las comparaciones estadísticas entre los tratamientos.
El uso de bloques estratifica las unidades experimentales en grupos homogéneos, o unidades parecidas.

Diseños Factoriales

En muchos experimentos interviene el estudio de los efectos de dos o más factores. En general, los
diseños factoriales son lo más eficientes para este tipo de experimentos.
Por diseño factorial se entiende que en cada ensayo o réplica completa del experimento se investigan
todas las combinaciones posibles de los niveles de los factores. Por ejemplo si el factor A tiene a
niveles y el factor B tiene b niveles, cada réplica contiene todas las ab combinaciones de los
tratamientos. Cuando los factores están incluidos en un diseño factorial, es común decir que están
cruzados.

La necesidad de estudiar conjuntamente varios factores obedece a la posibilidad de que el efecto de un

factor cambie según los niveles de otros factores, esto es, que los factores interactúen, o exista
interacción.
También se utilizan los arreglos factoriales cuando se quiere optimizar la respuesta o variable
dependiente, esto es, se quiere encontrar la combinación de niveles de los factores que producen un
valor óptimo de la variable dependiente.

Diseño factorial 2k

Los diseños factoriales se usan ampliamente en experimentos que incluyen varios factores cuando es
necesario estudiar el efecto conjunto de los factores sobre un respuesta. Sin embargo, hay varios casos
especiales del diseño factorial general que son importantes debido a su uso generalizado ene le trabajo
de investigación y porque constituyen las bases de otros diseños de gran valor práctico.

El más importante de estos casos especiales es el de k factores, cada uno con sólo dos niveles. estos
niveles pueden ser cuantitativos, como dos valores de temperatura, presión o tiempo, o bien
cualitativos, como dos máquinas, dos operadores, los niveles alto y bajo de un factor, o quizá la
presencia o ausencia de un factor. Una réplica completa de este diseño requiere 2 x 2 x... x 2 = 2k
observaciones y se le llama diseño factorial 2k.

Diseños Anidados

En algunos experimentos con factores múltiples, los niveles de uno de los factores (por ejemplo el
factor B) son similares pero no idénticos a los diferentes niveles de otro factor (por ejemplo A) [2]. En
algunos casos el experimentador no puede combinar todos los niveles de un factor con todos los niveles
de otro, es decir, no se pueden realizar todos los posibles tratamientos que aparecen al cruzar los
factores.

Ejemplo. Supongamos que en una licenciatura de una universidad se estudia el porcentaje de aprobados
en una materia, en los grupos de mañana y de tarde. Por la mañana imparten la asignatura dos personas
y por la tarde tres. Cada persona da clase a tres grupos y se supone que estos son réplicas (no son fuente
de variación).

Superficies de Respuesta

El Método de superficies de respuesta es una colección de técnicas matemáticas y estadísticas útiles en

el modelo y el análisis de problemas en los que una respuesta de interés recibe la influencia de diversas
variables, donde el objetivo es optimizar esta respuesta y, a continuación, determinar el modelo
matemático que mejor se ajusta a los datos obtenidos.

Experimentos con un solo factor: Análisis de la Varianza (ANOVA)

El análisis de varianza sirve para verificar si hay diferencias estadísticamente significativas entre
medias cuando tenemos más de dos muestras o grupos en el mismo planteamiento. El procedimiento
para comparar estos valores está basado en la varianza global observada en los grupos de datos
numéricos a comparar. Típicamente, el análisis de varianza se utiliza para asociar una probabilidad a la
conclusión de que la media de una población o tratamiento es distinta de la media de otra población.

El objetivo del análisis de la varianza (ANOVA) se basa en la descomposición de la variabilidad total

en dos partes, una parte debida a la variabilidad entre las distintas poblaciones o tratamientos
(variabilidad entre grupos o variabilidad explicada por el diseño) y otra parte que puede considerarse
como la variabilidad intrínseca de las observaciones (variabilidad dentro de los grupos o residual)
Cuasiexperimentos
En los diseños denominados cuasiexperimentales, existe una manipulación intencionada de una o
varias variables independientes con el objeto de observar y analizar el efecto que produce sobre una
variable dependiente, pero la asignación de los grupos y de los sujetos a los grupos no se realiza al azar,
siendo esta última característica la que los diferencia de los diseños verdaderos. Los cuasiexperimentos
difieren de los experimentos verdaderos en la equivalencia inicial de los grupos.

La asignación de los grupos se hace por la situación real, es decir, son grupos intactos. En términos
reales, se puede hacer un estudio con escolares de manera que los grupos se conforman de acuerdo a la
distribución que posee la escuela, es decir, se toman tal cual están en la realidad; en el campo del
deporte, sería un estudio comparativo entre las selecciones de fútbol que posee una liga.

Diseño cuasiexperimentales
 En este tipo de diseño, el suceso que según la hipótesis, causa las
diferencias entre los grupos, ya ocurrió.
 Los grupos son intactos, es decir, ya en la realidad pertenecen a una
determinada categoría o variable.
 Tienen grupo control.

Preexperimentos
Los preexperimentos son la clase de diseños experimentales que se caracterizan por el grado mínimo de
control. Es decir, no tienen grupo control y la asignación de los grupos y de los sujetos no se hace al
azar. Por estas características, no son adecuados para el establecimiento de relaciones explicativas entre
una variable independiente y otra dependiente. Se usan en estadios exploratorios de experimentos
verdaderos y su interpretación es muy cautelosa debido a la invalidez tanto interna como externa que
presentan.
Este tipo de experimentos se ven en la práctica diaria. Un profesor que trata de validar un método de
enseñanza, toma unos sujetos intencionadamente (no al azar) y no compara sus resultados con otro
grupo control. Posteriormente defiende los resultados ante la comunidad académica. ¿Este
procedimiento cumple con los requisitos de la ciencia y de los protocolos experimentales?, ¿Puede
tener algún grado de confiabilidad este estudio?.
 Cuadrado latino
Bloques
completo al
azar

Diseño factorial
Diseño anidado
Referencia

Quiroga, Mac, Víctor; Manual Práctico Para El Análisis De Experimentos De Campo, Editorial
Instituto Interamericano De Ciencias Agrícolas

http://desref.com/conceptos-de-calidad-diseno-de-experimentos/

F Lara Porras A.M. (2001). “Diseño estadístico de experimentos, análisis de la varianza

y temas relacionados: tratamiento informático mediante SPSS”. Ed.: Proyecto Sur

Isidro, G. H. Diseño de experimentos de bloques incompletos y aplicaciones en la industria.

Monografía. Universidad Autónoma del Estado de Hidalgo. México. 2006

http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r77661.PDF

http://es.scribd.com/doc/12276230/DiseNo-de-Experimentosnotas-de-Clases

Maestro en Ciencias, Escuela Superior de Ciudad Sahagún de la Universidad Autónoma del Estado de
Hidalgo. ing_indij@yahoo.com.mx

Pablo, T. R. Metodología para el Diseño de Experimentos(Doe) en la Industria. Tesis Doctoral.

Universidad deNavarra. España. 2008.

Montgomery, D. C. Diseño y Análisis de Experimentos. 2nd ed. México, Limusa. 2008.