DISEO DE LA INVESTIGACION

Se refiere a la forma de relacionar y controlar las variables de investigacin con

respecto a los objetivos, es decir, establecer el orden y la secuencia de tratamientos
de las variables, las veces que se deben repetir y la forma de aleatorizarlos.
1. Experimento
Es la manipulacin deliberada de una o ms variables independientes (supuestas
causas), para analizar las consecuencias de esa manipulacin sobre una o ms
variables dependientes (supuestos efectos), dentro de una situacin de control para el
investigador. Un experimento es tambin importante porque, adems, de analizar el
efecto de la variable independiente sobre la variable independiente, busca tambin
explicar por qu la afectan
1.1.
Requisito de un experimento puro
1.1.1. Manipulacin intencional de una o ms variables independientes. La variable
independiente es considerada como supuesta causa (antecedente), y el efecto
provocado por dicha causa llamado variable independiente (consecuente)
CAUSA
(Variable independiente)

EFECTO
(Variable dependiente)

Antecedente

Consecuente

1.1.2. La variable dependiente no se manipula, sino que se mide para observar el efecto de
la manipulacin de la variable independiente sobre ella. Este requisito se esquematiza
por:
Medicin del efecto sobre la variable dependiente
Manipulacin de la variable independiente
X1
X2
Y
X3
.
.
.

Xn
a) Grado de manipulacin de la variable independiente
La manipulacin o variacin de una variable independiente puede llevarse a cabo en dos o ms grados:
a.1) Presencia-Ausencia. Consiste el exponer al fenmeno a dos situaciones, una a la presencia de la
variable independiente y otro sin la presencia de la variable independiente.
a.2) Ms de dos grados. Consiste en exponer al fenmeno a varios valores de la variable independiente.
Este criterio se puede representar mediante el siguiente esquema:

X1
X2

X3

(Valor
(Valor intermedio)
mnimo)
(Valor alto)

Manipular la variable independiente en varios niveles o valores tiene la ventaja de que

no solo se puede determinar si la presencia de la variable independiente tiene un
efecto, sino tambin se puede determinar si distintos niveles de la variable
independiente tienen diferentes efectos.
1.1.3. El experimento debe tener una validez interna. El investigador no manipula una
variable solo para comprobar lo que ocurre con la otra, sino que, al efectuar un
experimento es necesario hacer una observacin controlada. Lograr n control en un
experimento es controlar la influencia de otras variables extraas (que no son de
nuestro inters), sobre las variables dependientes, para que as se pueda saber
realmente si las variables independientes tienen efecto o no sobre las variables
dependientes. Responde a la pregunta: La variable independiente produce un efecto
significativo en la variable dependiente? Se puede esquematizar as:

XA
XB

Variables extraas
controladas

XC
X
(Variable independiente
manipulada)

(Vemos sus efectos

en ausencia de
stas)

Y
(Variable dependiente
medida)

Es decir, se purifica la relacin de X (independiente) con Y (dependiente), de otras

posibles fuentes que afectan a Y y X que contaminan el experimento. Se asla las
relaciones que interesan
La validez interna se logra cuando:
El experimento deber estar sujeto a comparacin. Es necesario que un
experimento sea ejecutado por lo menos una a condiciones normales y el otro bajo
la influencia de la variable independiente manipulada con fines de comparacin.
Esto se realiza con el objetivo de comprobar que si nada ms tiene uno de los
experimentos, no se puede saber si influyen las fuentes de invalidacin internas o
no. Ejemplo. Dada la hiptesis: La temperatura de ebullicin del agua disminuye
cuando se adiciona cloruro de sodio. Para comprobar esta hiptesis es necesario
primero medir la temperatura de ebullicin del agua pura como referencia y luego
medir la temperatura de ebullicin de la solucin cuando se le adiciona la sal. Con
esto se comprobar que solo la variable independiente es la que influye en el efecto
de adicin de sal.
Al iniciarse el experimento, el fenmeno debe ser el mismo para la comparacin.
Ejemplo: La misma masa, mismo volumen, misma concentracin, etc.
Durante el experimento los fenmenos deben mantenerse similares en los aspectos
que rodean el tratamiento excepto en la manipulacin de la variable independiente.
Entre mayor sea la equivalencia durante el desarrollo de ste, entonces ser mayor
el control y la posibilidad de que se encuentre o no los efectos y la seguridad de
que verdaderamente los hubo o no.
1.1.4. El experimento debe tener validez externa. En experimento adems de lograr
confianza en sus resultados, es decir, la valides interna, debe tener tambin
valides externa, que tiene que ver con qu tan generalizables son los

resultados de un experimento a situaciones no experimentales y a otros sujetos

o poblaciones. Responde a la pregunta: Es posible aplicar los resultados
obtenidos a una realidad con entornos similares?
La fuente ms comn de invalidez externa de un experimento es la
imposibilidad de replicar los tratamientos, que impiden su generalizacin.
2. Clasificacin de los diseos
2.1.
Por el nmero de variables independientes
2.1.1. Diseos descriptivos
a) Descriptivo simple
Busca recoger informacin sobre el objeto de investigacin. Sirve para estudios de
diagnstico descriptivo, caracterizacin, perfiles, etc.
Diagrama:
M
O
Muestra a quien se
realiza el estudio

Observacin de la
muestra para recoger
informacin relevante

No podemos suponer las influencias de algunas variables. Nos limitamos a recoger

informacin de la situacin actual.
b) Descriptivo comparativo
Recoge informacin actualizada de varias muestras sobre un mismo objeto de
investigacin y lo caracteriza sobre la base de una comparacin. Sirve para estudios
de diagnstico descriptivo comparativo, caracterizaciones a base de varios factores
Diagrama:
M1
O1

M2
O2
O1 = O2 = O3 = On
M3
O3

Mn
On
Dnde:
M1; M2; M3; Mn: cada una de las muestras del estudio
O1; O2; O3; On: observacin de las muestras para recoger informacin relevante
Comparacin entre cada una de las muestras, pudiendo ser semejantes (), iguales
(=) o diferentes ().
c) Correlacional
Se identifica variables que se desea relacionar y se aplica la tcnica de anlisis de
correlacin. Se busca el grado de relacin existente entre dos o ms variables de un
objeto de investigacin.
Diagrama:

Ox
r
Oy
r
Oz

Dnde:
M: muestra del estudio
Ox; Oy; Oz: observacin de las variables de estudio
r: posible relacin entre las variables de estudio
d) Causal comparativo

Consiste en recolectar informacin de dos o ms muestras para observar el

comportamiento de una variable, tratando de controlar estadsticamente otras
variables que podra afectar la variable dependiente.
Diagrama:
M1
O1xyz
M2

O2xyz

Dnde:
M1; M2: muestras de estudio
O1; O2: observacin o mediciones de las muestras, mientras xyz representan las
variables controladas estadsticamente.
e) Longitudinal
Se toma una muestra del objeto de investigacin, la misma que es evaluada en
distintos momentos en el tiempo por periodos bastante largos.
Diagrama:
T1
T2
T3
T4
M
O1
O2
O3
O4
Dnde:
M: muestra del estudio
T1; T2; T3; T4: momentos tiempo en que se hacen las observaciones
O1; O2; O3; O4: observacin o mediciones en funcin del tiempo
La ventaja del diseo longitudinal es que proporciona informacin bastante confiable
de los cambios observados en la variable estudiada.
La desventaja est en que el estudio lleva mucho tiempo para extraer las
conclusiones.
2.1.2. Diseos de expos-facto (los hechos y variables ya ocurrieron)
Son investigaciones donde se examina los efectos que tiene una variable que ha
ocurrido o actuado de manera normal u ordinaria. La variable independiente no se
manipula, sino se observa y determina los efectos que ha tenido sobre la variable
dependiente.
Qu efecto tuvo el funcionamiento en condiciones de carga mxima de una mquina
sobre la vida til de sus elementos?
a) Diseos correlacionales
Consiste en recolectar dos o ms conjuntos de un objeto de investigacin con la
intencin de determinar la relacin entre estos datos.
Diagrama:
O1

O2

Dnde:
O1; O2: observacin o mediciones del conjunto de datos 1 y 2.
b) Diseo de grupo de criterio
Se utiliza cuando se quiere conocer la causa de un fenmeno. Generalmente se
realiza la contrastacin con otro objeto de investigacin similar donde se produjo un
fenmeno diferente. Si se desea determinar las causas del mal funcionamiento de una
(mquina), debemos contrastar otra (mquina) similar pero que tiene un buen
funcionamiento.
Diagrama:
O1

X
O2
Dnde:
X: variable independiente no manipulada
O1; O2: observacin o mediciones del conjunto de datos 1 y 2
2.1.3. Diseos experimentales
Cuando en una investigacin se necesita manipular variables, es necesario realizar un
diseo experimental.
Los diseos experimentales en una investigacin, sirve para organizar la obtencin de
datos a partir de la reproduccin de las propiedades del objeto de investigacin en un
modelo o en un prototipo.
El modelo se construye segn el principio de la modelacin fsica cuando ste tiene la
misma naturaleza fsica del objeto de investigacin prototipo.
El modelo se construye segn el principio de modelacin matemtica si la naturaleza
de ste es distinta a la del objeto de investigacin. Pero su funcionamiento se describe
en forma similar.
En este tipo de diseos se utilizan signos y smbolos que hacen ms simple y
compresible el diseo:
X: Tratamiento experimental, cuando hay varios experimentos X1; X2.
O: observacin o medicin; cuando hay varias observaciones O1; O2
A: indica que se ha seleccionado el grupo mediante aleatorizacin
Ap.: indica que se ha seleccionado el grupo mediante apareamiento
GE : indica grupo experimental
GC: indica grupo de control
Aleatorizacin
Es la asignacin aleatoria de los objetos a los grupos de experimento. Utiliza la tabla
de nmeros aleatorios. Esta tabla incluye nmeros del 0 al 9 y su secuencia es
totalmente al azar.
La asignacin al azar produce control ya que las variables que requieren ser
controladas (variables extraas y fuentes de invalidacin interna) son distribuidas de la
misma manera en los grupos de experimento. La falta de aleatorizacin introduce
posibles problemas de validez interna y externa de los experimentos.
Apareamiento o aparejamiento
Consiste en igualar a los grupos en relacin con alguna variable especfica que se
piensa influir en forma decisiva en la variable dependiente.
Elegir la variable de acuerdo con algn criterio lgico.
Obtener una medicin de la variable elegida para emparejar a los grupos.
Ordenar a los objetos en la variable sobre la cual se va a efectuar el aparejamiento.
Formar parejas de objetos segn la variable de aparejamiento, en orden
descendente, procurando que tengan la misma puntuacin en la variable.
Segn el grado que se tenga de las variables se puede dividir en:
a) Diseos Pre-experimentales
Son diseos en las que el control de los factores que influyen contra la validez interna
y externa es mnimo. Pero ilustran la forma en que las variables extraas pueden influir
en la validez interna. Nos muestra lo que se debe hacer. Este tipo de diseo es el ms
dbil y poco recomendable en ingeniera.
b) Diseos Cuasi-experimentales

Los diseos cuasi-experimentales son semejantes a los experimentos verdaderos

con la diferencia que los grupos no son equivalentes porque no hubo aleatorizacin ni
emparejamiento. Por lo dems son iguales, la interpretacin es similar, las
comparaciones son las mismas y los anlisis estadsticos son iguales. Por lo mismo
que pueden existir tantas clases de diseos cuasi-experimentales como los
experimentales. Veremos a continuacin solo algunos de estos diseos:
b.1) Diseo con grupo de control no aleatorizado y pos prueba
Se requiere de dos grupos con las mismas caractersticas.
Los elementos no se asignan aleatoriamente.
A cualquiera de los grupos se le somete al tratamiento experimental (variables
independientes). A este grupo se le llama grupo experimental, al otro, grupo de
control.
Se vuelve a medir la variable dependiente (pos prueba)
Se esquematiza de la siguiente manera:
Grupo
Experimental (GE)
De control (GC)

Tratamiento
X
--

Post-prueba
O1
O2

El investigador aplica el tratamiento al GE, posteriormente evala a los dos grupos en

la variable dependiente. Como no existe grupos equivalentes las diferencias de las
post-pruebas puede ser atribuido a la variable independiente y a otras variables
extraas y se corre el riesgo de no poder identificarlo.
b.2) Diseo con grupo de control no aleatorizado y Pre-prueba y Post-prueba
Se requiere de dos grupos con las mismas caractersticas.
Los elementos no se asignan aleatoriamente.
Antes de realizar el experimento se efecta una pre-prueba, es decir, se mide la
cualidad que se desea observar en el experimento (variable dependiente)
A cualquiera de los grupos se le somete al tratamiento experimental (variables
independientes). A este grupo se le llama grupo experimental, al otro, grupo de
control.
Se vuelve a medir la variable dependiente (pos prueba)
Se representa esquemticamente como:
Grupo
Experimental (GE)
De control (GC)

Pre-prueba
O1
O3

Tratamiento
X
--

Post-prueba
O2
O4

El investigador aplica la variable experimental o variable independiente al GE,

posteriormente evala a los dos grupos en la variable dependiente.
c) Diseos experimentales
c.1) Diseo con grupo de control aleatorizado y post-prueba
Se requiere de dos grupos con las mismas caractersticas, uno experimental y otro
de control, donde los elementos han sido asignados aleatoriamente.
A cualquiera de los grupos se le somete al tratamiento experimental (variables
independientes). A este grupo se le llama grupo experimental, al otro, grupo de
control.

 Se vuelve a medir la variable dependiente (post-prueba)

Se esquematiza de la siguiente manera:
Grupo
Experimental (GE)
De control (GC)

Asignacin
Aleatorio (A)
Aleatorio (A)

Tratamiento
X
--

Post-prueba
O1
O2

El investigador aplica el tratamiento al GE, posteriormente evala a los dos grupos en

la variable dependiente.
La comparacin entre las pruebas de ambos grupos nos indica si hubo o no efecto de
la manipulacin.
Mediante criterio de t, se probar la hiptesis nula de que las O1 y O2 son iguales,
frente a una hiptesis alternativa expresada por:
HO: O1 = O2 vs Ha: O1 > O2
HO: Hiptesis Nula
Ha: Hiptesis Alterna
Este diseo puede extenderse para incluir ms de dos grupos experimentales y uno de
control.
Grupo
Experimental (GE1)
Experimental (GE2)
Experimental (GE3)
..
Experimental (GEk)
De control (GC)

Asignacin
Aleatorio (A)
Aleatorio (A)
Aleatorio (A)
.
Aleatorio (A)
Aleatorio (A)

Tratamiento
X1
X2
X3
.
Xk
--

Post-prueba
O1
O2
O3
..
Ok
Ok+1

Con prueba de hiptesis:

HO: O1 = O2 = O3 = O4 vs Ha: O1 O2 O3 O4
HO: Hiptesis Nula: Todas las observaciones son iguales (en su indicador)
Ha: Hiptesis Alterna: Todas las observaciones son diferentes (en su indicador)
c.2) Diseo con grupo de control aleatorizado y Pre-prueba post-prueba
Se requiere de dos grupos, uno experimental y otro control con las mismas
caractersticas.
Los elementos se asignan aleatoriamente.
Antes de realizar el experimento se efecta una pre-prueba, es decir, se mide la
cualidad que se desea observar en el experimento (variable dependiente).
A cualquiera de los grupos se les somete al tratamiento experimental (variables
independientes). A este grupo se le llama grupo experimental, al otro, grupo de
control.
Se vuelve a medir la variable (post-prueba).
Se evala la diferencia entre la pre-prueba y la post-prueba de cada grupo, si la
diferencia del grupo sometido al tratamiento es significativamente mayor que la del
grupo de control se deduce que la variable independiente est causalmente
relacionada con la variable dependiente.
Este procedimiento se esquematiza en la forma siguiente:
Grupo

Asignaci
n

Pre-prueba

Tratamiento

Post-prueba

Diferencia

Experimental (GE)
De control (GC)

Aleatorio (A)
Aleatorio (A)

O1
O3

O2
O4

O2-O1 = d1
O4-O3 = d2

El investigador aplica la variable experimental o variable independiente al GE,

posteriormente evala a los dos grupos en la variable dependiente.
Este diseo es adecuado para grupos con menos de 15 elementos, debido a que la
aleatorizacin pudo haber funcionado mal. La ventaja consiste en que se puede
analizar el puntaje de ganancia de cada grupo.
Anlisis estadstico
1. Para la comparacin entre pruebas se utiliza la prueba t para grupos
correlacionados.
2. Lo mismo para la comparacin entre las dos pre-pruebas.
3. Igual para analizar el puntaje ganancia de cada grupo (O1 vs O3 y O2 vs O4)
4. Anlisis de varianza (ANOVA) para grupos relacionados si se comparan
simultneamente O1, O2, O3, O4.
c.3) Diseo de cuatro grupos de Solomon
Este diseo es la mezcla de los dos anteriores. La suma de estos diseos origina
cuatro grupos, dos experimentales y dos de control
Grupo

Asignacin

Pre-prueba

Tratamiento

Post-prueba

Experimental (GE1)
De control (GC1)
Experimental (GE2)
De control (GC2)

Aleatorio (A)
Aleatorio(A)
Aleatorio(A)
Aleatorio (A)

O1
O2

O2
O4
O5
O6

Los efectos pueden determinarse comparando las cuatro post-pruebas.

La ventaja de este mtodo es que se puede verificar los posibles efectos de la preprueba sobre la post-prueba.
Anlisis estadstico
1. Para la comparacin entre pruebas se utiliza la prueba Ji (chi) cuadrada para
mltiples grupos (nivel de medicin nominal)
2. Anlisis de varianza en una sola direccin si se tiene el nivel de medicin por
intervalos y se compara nicamente las post-pruebas.
3. Anlisis factorial de varianza cuando se tiene un nivel de medicin por intervalos y
se comparan todas las mediciones (pre-pruebas y post-pruebas).
d) Diseos factoriales experimentales
El objetivo de un diseo factorial es estudiar el efecto de varias variables
independientes o factores sobre una o varias variables dependientes o respuestas,
cuando se tiene el mismo inters sobre todas las variables independientes o factores.
Por ejemplo, uno de los objetivos particulares ms importantes que en ocasiones tiene
un diseo factorial es determinar una combinacin de niveles de los factores en la que
el desempeo del proceso sea mejor.
Las variables independientes o factores pueden ser tipo cualitativo (mquinas, tipos de
material, operador, la presencia o ausencia de una operacin previa, un proceso, etc.),
o de tipo cuantitativo (temperatura, humedad, velocidad, presin, etc.). Para estudiar la
manera en que influye cada variable independiente o factor sobre la variable respuesta
es necesario elegir al menos dos niveles de prueba para cada uno de ellos. Con el
diseo factorial completo se corren aleatoriamente todas las posibles combinaciones
que pueden formarse con los niveles de los factores a investigar.
Ventajas de los diseos factoriales

 Permiten estudiar el efecto individual y de interaccin de las distintas variables

independientes o factores.
Son diseos que se pueden aumentar para formar diseos compuestos en caso de
que se requiera una exploracin ms completa. Por ejemplo, es til aumentar el
diseo si el comportamiento de la respuesta no es lineal en los factores controlados.
Se pueden correr fracciones de diseos factoriales, las cuales son de gran utilidad en
las primeras etapas de una investigacin que involucra a muchos factores, cuando
interesa descartar de manera econmica los que no son importantes, antes de hacer
un estudio ms detallado con los factores que s son importantes.
La interpretacin y el clculo de los efectos en los experimentos factoriales se puede
hacer con aritmtica elemental, en particular cuando cada factor se prueba en dos
niveles.
d.1) Diseo factorial 2 x 2 o 22
Es el diseo factorial ms simple. Manipula dos variables. Cada una con dos niveles.
El nmero de dgitos en el producto indica el nmero de variables independientes.
El valor numrico de cada digito indica el nmero de niveles de la variable
independiente.
En la expresin en forma de potencia 22, la base indica el nmero de niveles de cada
variable, en tanto que, la potencia indica el nmero de variables independientes.
Valor del segundo
dgito indica el
nmero de niveles

Valor del primer

dgito indica el
nmero de niveles

2
Otro dgito
Segunda variable
independiente

Un dgito
Primera variable
independiente

Interprtese que el nmero de dgitos existente en la representacin numrica del

diseo factorial indica el nmero de dgitos existentes en la representacin numrica
del diseo factorial indica el nmero de variables independientes en el fenmeno, en
tanto que, el valor numrico del dgito indica el nmero de niveles (nmero de
manipulaciones) de la variable independiente. En este caso el diseo factorial 2 x 2,
indica segn el nmero de dgitos el fenmeno tiene 2 variables independientes y por
el valor 2 de cada dgito indica que la primera variable independiente tendr dos
niveles (dos manipulaciones) y la segunda variable tendr dos niveles (dos
manipulaciones) k=22. En el diseo factorial 2 x 2 x 3, indica que el diseo tiene tres
variables independientes y que la primera variable tiene dos niveles, la segunda
variable tiene dos niveles y la tercera variable tiene tres niveles (k=22x13.
Representacin matricial.
B2
B1

A1B2
A1B1
A1

A2B2
A2B1
A2

Representacin geomtrica o espacial.

El diseo factorial 22 se representa en forma geomtrica por los vrtices del cuadrado
de la figura siguiente. Cada vrtice representa un punto de diseo o tratamiento. El
rea limitada por este cuadrado se conoce como regin experimental y, en principio,

las conclusiones que se obtengan del experimento slo tienen validez sobre esta
regin.
A1B2

A2B2

A1B1

A2B1

Maneras de escribir los tratamientos del diseo 22

Tratamientos

Variable

Literal

Variable

Tratamiento 1
Tratamiento 2
Tratamiento 3
Tratamiento 4

A1
A2
A1
A2

B1
B1
B2
B2

bajo
alto
bajo
alto

Tratamientos
Tratamiento
1
Tratamiento
2
Tratamiento
3
Tratamiento
4

Natural

Variable

bajo
bajo
alto
alto

-1
+1
-1
+1

Tabla de registros de datos

Combinacin
Repeticiones
Variables naturales I
II
III
Bajo
bajo
Alto

bajo

bajo

alto

Alto

alto

Codificad
a
-1
-1
+1
+1

Total

d.2) Diseo factorial 23 o (2 x 2 x 2)

Con el diseo factorial 23 se estudian tres factores en dos niveles cada uno. Consta de
23 = 2 x 2 x 2 = 8 tratamientos diferentes
Los tratamientos del diseo 23 y su representacin geomtrica ahora es un cubo
regular centrado en el origen (0, 0, 0), cuyos vrtices son los ocho tratamientos.
A1B1C2
A1B2C2

A2B1C2
A2B2C2

A1B1C1
A1B2C1

A2B1C1
A2B2C1

La matriz de diseo se construye fcilmente alternando el signo menos y el signo ms

en la primera columna, dos menos y dos ms en la segundo columna, y cuatro menos
y cuatro ms en la tercera columna
Maneras de escribir los tratamientos del diseo 23
Tratamientos
Tratamiento 1

Variables literales
A1
B1
C1

Variables naturales
bajo
bajo
bajo

Variables codificadas
-1
-1
-1

Tratamiento 2
Tratamiento 3
Tratamiento 4
Tratamiento 5
Tratamiento 6
Tratamiento 7
Tratamiento 8

A2
A1
A2
A1
A2
A1
A2

Tratamientos
Tratamiento 1
Tratamiento 2
Tratamiento 3
Tratamiento 4
Tratamiento 5
Tratamiento 6
Tratamiento 7
Tratamiento 8

B1
B2
B2
B1
B1
B2
B2

C1
C1
C1
C2
C2
C2
C2

alto
bajo
alto
bajo
alto
bajo
alto

bajo
alto
alto
bajo
bajo
alto
alto

bajo
bajo
bajo
alto
alto
alto
alto

+1
-1
+1
-1
+1
-1
+1

Tabla de registros de datos

Combinacin
Repeticiones
Variables naturales
I
II
III
bajo
bajo
bajo
alto
bajo
bajo
bajo
alto
bajo
alto
alto
bajo
bajo
bajo
alto
alto
bajo
alto
bajo
alto
alto
alto
alto
alto

-1
+1
+1
-1
-1
+1
+1

-1
-1
-1
+1
+1
+1
+1

Total

d.3) Diseo factorial 32

Este diseo consiste en 32 = 9 tratamientos diferentes, que corresponden a todas las
posibles maneras en que se pueden combinar dos variables independientes en tres
niveles cada uno.
Sean A y B las variables independientes o factores, cada uno con tres niveles, a los
cuales se les suele llamar bajo, medio y alto. Los nueve tratamientos se pueden
escribir
Maneras de escribir los tratamientos del diseo 32
Tratamientos
Tratamiento 1
Tratamiento 2
Tratamiento 3
Tratamiento 4
Tratamiento 5
Tratamiento 6
Tratamiento 7
Tratamiento 8
Tratamiento 9

Variable Literal
A1
B1
A0
B1
A2
B1
A1
B0
A0
B0
A2
B0
A1
B2
A0
B2
A2
B2

Variable Natural
bajo
bajo
medio
bajo
alto
bajo
bajo
medio
medio
medio
alto
medio
bajo
alto
medio
alto
alto
alto

Variable Codificada
-1
-1
0
-1
+1
-1
-1
0
0
0
+1
0
-1
+1
0
+1
+1
+1

d. Otros diseos factoriales:

Diseos factoriales mixtos: Se tiene un diseo factorial mixto cuando los factores
estudiados no tienen el mismo nmero de niveles. Por ejemplo, el factorial 4 x 3 x 2
significa que se experimenta con tres variables independientes o factores, con 4, 3 y 2
niveles, respectivamente. El total de tratamientos es 24. La necesidad de utilizar un
diseo factorial mixto surge por las mismas razones de un factorial 3k.
Diseo factorial fraccionado: Diseos en los que se elige adecuadamente una parte o
fraccin de los tratamientos de un factorial completo, con la intencin de estudiar el
efecto de los factores utilizando menos corridas experimentales.
EJEMPLO DE UN DISEO FACTORIAL 22.
Problema

La calidad de un jabn de tocador se reconoce por la cantidad de

cidos grasos presentes en el jabn y ste depende de la cantidad de
piedra pmez en su composicin. Se quiere determinar la cantidad de

piedra pmez a malla 100 micras para la fabricacin de un jabn de

tocador tipo desengrasante de calidad normalizada.
Objetivo
Establecer la cantidad de piedra pmez a malla 100 micras para la
elaboracin de un jabn de tocador tipo desengrasante, con calidad
normalizada
Pregunta
Cul ser la cantidad adecuada de piedra pmez a malla 100 micras
necesaria para elaborar un jabn de tocador tipo desengrasante con
calidad normalizada?
Hiptesis
La cantidad de piedra pmez a malla 100 micras para elaborar un
jabn de tocador tipo desengrasante, de calidad normalizada, debe
encontrarse entre 10 y 20 g.
Variables
Independiente
Dependiente
Masa de piedra pmez
Calidad normalizada
Indicador
Cantidad de piedra pmez
Porcentaje de cidos grasos
Escalas de Escala de razones o proporciones Escala de razones o proporciones
medicin
Piedra pmez: 10 y 20 g
Porcentaje cidos grasos: %
Diseo de la
Diseo experimental aleatorizado
investigaci
Grupo
Asignacin
Tratamiento
Observaciones
n
GE
Aleatorio (A)
X1
O1
X2
O2
Tratamientos: 02
Niveles: 02
Repeticiones: 02
Niveles de la variable independiente
Variable
Niveles
Bajo (g)
Alto (g)
Cantidad de piedra
10
20
pmez
Plan de experimentos y Registro de resultados
Experimentos
Variable
Repeticiones
independiente
N
Pmez (g)
I
II
1
10
(% de cido (% de cido
graso)
graso)
2
20
(% de cido (% de cido
graso)
graso)
Problema
Objetivo
Pregunta
Hiptesis

Conocer las cantidades de aceite de olivo, piedra pmez y aserrn a

malla 100 micras para la elaboracin de un jabn de tocador tipo
desengrasante con calidad normalizada
Establecer las cantidades de aceite de olivo, piedra pmez y aserrn a
malla 100 micras para la elaboracin de un jabn de tocador tipo
desengrasante con calidad normalizada
Cules sern las cantidades de aceite de oliva, piedra pmez y
aserrn a malla 100 micras necesaria para elaborar un jabn de
tocador tipo desengrasante con calidad normalizada?
La calidad del jabn de tocador tipo desengrasante est influenciada
por las cantidades de aceite de olivo, piedra pmez y aserrn a malla

100 micras empleado.

Independiente
Dependiente
Volumen de aceite de oliva
Porcentaje de cidos grasos
Masa de piedra pmez
Masa de aserrn
Escalas de Escala de razones o proporciones Escala razones o proporciones
medicin
Aceite de oliva : 100 y 200 mL
Porcentaje cidos grasos : %
Piedra pmez : 10 y 20 g
Aserrn : 5 y 8 g
Diseo de la
investigaci
Diseo experimental factorial : 2 x 2 x 2
n
Tratamientos : 08
Niveles : 02 en cada variable independiente
Repeticiones : 02
Variables

Plan de experimentos
Tratamientos
N
1
2
3
4
5
6
7
8

Variables independientes naturales

Aceite
Pmez
Aserrn
100
10
5
200
10
5
100
20
5
200
20
5
100
10
8
200
10
8
100
20
8
200
20
8

Repeticiones
I

II