Historia Para cualquier fenómeno donde existe la incertidumbre el procedimiento apropiado para investigarlo es experimentar con él, de manera que puedan identificarse las características del interés. Una de las tendencias más notables en la década pasada fue el uso de experimentos cuidadosamente diseñados y científicamente controlados. Según Ronald Fisher máximo exponente del diseño experimental en su obra titulada “Statistical methods for research workers”, afirma que la historia de la teoría estadística empleada en el diseño de experimentos se remonta al célebre ensayo de Thomas Bayes publicado en 1763 y conocido como el primer intento de utilizar la teoría de la probabilidad como instrumento de razonamiento inductivo, para deducir de lo particular a lo general o de la muestra a la población. Posteriormente el Sir Ronald A Fisher (1890-1962), influenciado por Pearson y Student (W.S. Gosset), hizo importantes y numerosas a la estadística, con investigaciones hacia el interior de distribuciones de datos estadísticos con el coeficiente de correlación; concibió la idea de diseño de experimentos con un método para obtener información más completa y más precisa en la realización de un experimento.
Durante los años de 1930 la influencia de su trabajo estadístico se difundió a través del mundo de habla inglesa y frecuentemente más allá, así que después de la segunda guerra mundial con la formación de la Sociedad Internacional Biométrica en 1947, un nuevo campo de la investigación científica fue reconocido. Como resultado de la introducción de métodos competentes y la purificación del
razonamiento inductivo por los cales Fisher había sido primeramente el responsable, fue el innovador del uso de los métodos estadísticos en el diseño de experimentos; desarrollo y uso por primera vez el análisis de varianza como herramienta primaria para el análisis estadístico en el diseño experimental. Los desarrollos posteriores en diseños de experimentos fueron encabezados por George E. P. Box, quien trabajó como estadístico durante ocho años en la industria química en Inglaterra y desarrolló la metodología de superficie de respuestas, la cual incluye nuevas familias de diseños y una estrategia para la experimentación secuencial. Es posible afirmar que entre 1950 y 1980, el diseño de experimentos se convirtió en una herramienta de aplicación frecuente, pero sólo en las áreas de investigación y desarrollo.
En los años 1980 se dio un gran impulso al conocimiento y la aplicación del diseño de experimentos debido al éxito en calidad de la industria japonesa. El movimiento por la calidad, encabezado por los garúes Deming e Ishikawa, promovió el uso de la estadística en calidad, donde el diseño de experimentos demostró su utilidad tanto para resolver problemas de fondo como para diseñar mejor los productos y los procesos. Como respuestas al movimiento por la calidad y la mejora de procesos, las industrias empezaron a entrenar a sus ingenieros en la aplicación del diseño de experimentos. Esto continúa en la actualidad; incluso, en los últimos veinte años, las universidades han incorporado el diseño de experimentos como materia obligatoria u operativa en la mayoría de las ingenierías. Fuente: http://www.buenastareas.com/ensayos/Historia-Del-Dise%C3%B1o-DeExperimentos/1755845.html
Características Se entiende por diseño 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 métodos estadísticos que deriven conclusiones válidas y objetivas. Podemos decir que la filosofía del diseño experimental es la obtención de información con una alta fidelidad sobre el mensaje de la naturaleza a un costo mínimo.
Los diseños experimentales deben tener algunas características como: Simplicidad (La selección de los tratamientos y la disposición experimental deberá hacerse de la forma más simple posible), Grado de precisión (El experimento deberá tener la capacidad de medir diferencias entre tratamientos con los grados de precisión que desee el investigador, para cumplir con este propósito se deberá partir de un diseño y un número de repeticiones adecuados), Ausencia de error sistemático (Se debe planear un experimento con el propósito de asegurar que las unidades experimentales que reciban un tratamiento no difieran sistemáticamente de aquellas que reciben otro tratamiento, procurando de esta manera obtener una estimación insesgada del efecto de tratamientos), Rango de validez de las conclusiones (Este deberá 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), Cálculo del grado de incertidumbre (En todo experimento existe algún grado de incertidumbre en cuanto a la validación de las conclusiones. El experimento deberá ser concebido de modo que sea posible calcular la probabilidad de obtener los resultados observados debidos únicamente al azar). El diseño de experimentos es la aplicación del método científico para generar conocimiento acerca de un sistema o proceso, por medio de pruebas planeadas adecuadamente. Esta metodología se ha ido consolidando como un conjunto de técnicas estadísticas y de ingeniera, que permiten entender mejor situaciones complejas de relación causa-efecto. Así mismo, consiste en determinar cuáles pruebas se deben realizar y de qué manera, para obtener datos que, al ser analizados estadísticamente, proporcionen evidencias objetivas que permitan responder las interrogantes planeadas, y de esa manera clarificar los aspectos inciertos de un proceso, resolver un problema o lograr mejoras. Los diseños de experimentos ayudan a:
Comparar a dos o más materiales con el fin de elegir al que mejor cumple los requerimientos. Comparar varios instrumentos de medición para verificar si trabajan con la misma precisión y exactitud.
Determinar los factores (las x vitales) de un proceso que tienen impacto sobre una o más características del producto final Reducir el tiempo de ciclo del proceso. Apoyar el diseño o rediseño de nuevos productos y procesos. Ayuda a conocer y caracterizar nuevos materiales.
Tipos de Diseños Experimentales: Pre experimentales: Estudio de caso con una sola medición, Diseño pretestpostest de un solo grupo, Comparaciones con un grupo estático. Experimentales: Diseño de grupo de control pretest-postest, Diseño de cuatro grupos de Solomon, Diseño de grupo postest, Diseños factoriales. Cuasiexperimentales: Experimento de series cronológicas, Diseño de muestras, cronológicas equivalentes, Diseño de materiales equivalentes, Diseño de grupo de control no equivalente, Diseños compensados. (Aleatorizados, con tratamiento, independientes), Diseños de muestra separada pretest-postest, Diseños de muestra separada pretest-postest, con grupo control, Diseño de series cronológicas múltiples, Diseño de ciclo institucional recuente, Análisis de discontinuidad en la regresión.
Fuentes: http://www.virtual.unal.edu.co/cursos/ciencias/2000352/html/un1/cont_102-02.html http://noemagico.blogia.com/2006/092201-la-investigacion-experimental.php
Etapas o Fases Un aspecto fundamental del diseño de experimentos es decidir cuales pruebas o tratamientos se van a realizar y cuantas repeticiones de cada uno se requieren, de manera que se obtenga la máxima información al mínimo costo posible.
1.Delimitar y definir el objeto de la investigación o problema Consiste en determinar claramente los objetivos del experimento y las preguntas que haya que responder. Después se señalan las variables independientes, las dependientes, los parámetros constantes y la precisión necesaria en la medición de las variables. Se toma en cuenta la bibliografía existente, la región en que interesan los resultados, el equipo disponible y su precisión, y el tiempo y dinero disponibles. 2.Plantear una hipótesis de trabajo Para hacerlo, la certeza de que tipo de trabajo se va a realizar: si se trata de verificar una hipótesis, una ley o un modelo, no hace falta plantear una hipótesis de trabajo; si el trabajo es complemento o extensión de otro, es posible que se pueda usar la hipótesis del trabajo original o hacer alguna pequeña modificación; si el problema por investigar es nuevo, entonces si es necesario plantear una hipótesis de trabajo. Toda investigación comienza con una suposición, un presentimiento o idea de cómo puede ocurrir el fenómeno. Estas ideas deben ser suficientemente claras para adelantar un resultado tentativo de cómo puede ocurrir dicho fenómeno: este resultado tentativo es la hipótesis. 3.Elaborar el diseño experimental Ya conocida la naturaleza del problema (si es de investigación, ampliación o confirmación), la precisión deseada, el equipo adecuado y planteada la hipótesis de trabajo, se debe analizar si la respuesta a nuestro problema va a ser la interpretación de una gráfica, un valor o una relación empírica; esto nos señalará el procedimiento experimental, es decir cómo medir, en qué orden, y qué precauciones tomar al hacerlo. Una vez determinadas estas etapas se procede a diseñar el experimento mediante los siguientes pasos: Determinar todos y cada uno de los componentes del equipo, acoplar los componentes, realizar un experimento de prueba e interpretar tentativamente los resultados y comprobar la precisión, modificando, si es necesario, el procedimiento y/o equipo utilizado.
4.Realizar el experimento Una vez realizado el experimento de prueba y la interpretación tentativa de resultados, realizar el experimento final casi se reduce a llenar columnas, preparadas de antemano, con lecturas de las mediciones, a detectar cualquier anomalía que se presente durante el desarrollo del experimento y a trazar las gráficas pertinentes o calcular el o los valores que darán respuestas al problema. 5.Analizar los resultados El análisis o interpretación de resultados, ya sean valores, gráficas, tabulaciones, etc., debe contestar lo más claramente posible las preguntas planteadas por el problema. En términos generales, el análisis comprende los siguientes aspectos: 1) si el experimento busca confirmar una hipótesis, ley o modelo, los resultados deben poner de manifiesto si hay acuerdo o no entre la teoría (la hipótesis, ley o modelo) y y los resultados del experimento. Puede suceder que el acuerdo sea parcial; de ser así también se debe presentar en qué partes lo hay, y en cuáles no; 2) Si es un experimento que discrimine entre dos modelos, los resultados deben permitir hacer la discriminación en forma tajante y proporcionar los motivos para aceptar uno y rechazar otro; 3) Silo que se busca es una relación empírica, ésta debe encontrarse al menos en forma gráfica; lo ideal es encontrar una expresión analítica para la gráfica, es decir encontrar la ecuación. A esta ecuación se le llama empírica porque se obtuvo a través de un experimento y como expresión analítica de una gráfica. Se debe tomar en cuenta que en una gráfica cada punto experimental tiene un margen de error y que en caso de duda —cuando la curva no esté bien determinada—, debe hacerse un mejor ajuste por medio de mínimos cuadrados. Se debe hacer notar que la curva más simple de analizar es la recta y que si no la obtuvimos al graficar nuestros puntos, debemos intentar obtenerla, ya sea cambiando variables o graficando en papel semilogarítmico o log-log. 6.Obtener conclusiones Ya logrados los resultados del experimento el investigador debe aplicar su criterio científico para aceptar o rechazar una hipótesis o una ley; también es posible que haga alguna conjetura acerca de un modelo, o proponga la creación de otro nuevo, lo que conducirá a un nuevo problema. Generalmente se aplican los siguientes criterios: 1)Rechaza una hipótesis, ley o m odelo, cuando comprueba experimentalmente que no se cumple. Basta que exista un solo fenómeno que no pueda explicar para desecharla; 2) Acepta como cierta pero no como absolutamente cierta una hipótesis, ley, teoría o modelo, mientras no se tenga la prueba de falla en la explicación de algún fenómeno; 3)Puede suceder que la hipótesis o modelo concuerden sólo parcialmente con el
experimento, entonces es necesario especular acerca de las posibles razones de la diferencia entre la teoría y el experimento, y tratar de hacer nuevas hipótesis o modificaciones a la ya existente, lo que conduce a un nuevo problema. En las conclusiones se responden con claridad las preguntas planteadas en el experimento, comprobar si es o no válida nuestra hipótesis de trabajo o el modelo propuesto. En las conclusiones se responden con claridad las preguntas planteadas en el experimento, comprobar si hay preguntas sin respuestas, establecer por qué lo amerita, conjeturar acerca de las hipótesis o modelo que describa el fenómeno estudiado. 7.Elaborar un informe por escrito Sus partes serán: 1) La definición del problema; 2) El procedimiento experimental; 3) Resultados; 4) Conclusiones. La elaboración del escrito bajo las convenciones de uninforme de investigación.
Fuente: http://noemagico.blogia.com/2006/092201-la-investigacion-experimental.php
Ventajas y Limitaciones Ventajas Se elimina el efecto de las variables perturbadoras o extrañas, mediante el efecto de la aleatorización. El control y manipulación de las variables predictorias clarifican la dirección y naturaleza de la causa. Se requiere una estrecha colaboración entre los estadísticos y el investigador o científicos con las consiguientes ventajas en el análisis e interpretación de las etapas del programa. Se enfatiza respecto a las alternativas anticipadas y respecto a la preplaneación sistemática, permitiendo aun la ejecución por etapas y la producción única de datos útiles para el análisis en combinaciones posteriores.
Debe enfocarse la atención a las interrelaciones y a la estimación y cuantificación de fuentes de variabilidad en los resultados. El número de pruebas requerido puede determinarse con certeza y a menudo puede reducirse. La comparación de los efectos de los cambios es más precisa debido a la agrupación de resultados. La exactitud de las conclusiones se conoce con una precisión matemáticamente definida. Limitaciones Tales diseños y sus análisis, usualmente están acompañados de enunciados basados en el lenguaje técnico del estadístico. Sería significativos a la generalidad de la gente, además, el estadístico no debería subestimar el valor de presentarnos los resultados en forma gráfica. De hecho, siempre debería considerar a la representación gráfica como un paso preliminar de un procedimiento más analítico. Muchos diseños estadísticos, especialmente cuando fueron formulados por primera vez, se han criticado como demasiado caros, complicados y que requieren mucho tiempo. Tales críticas, cuando son válidas, deben aceptarse de buena fe y debe hacerse un intento honesto para mejorar la situación, siempre que no sea en detrimento de la solución del problema. Fuente: Quiroga, Mac, Víctor; Manual Práctico Para El Análisis De Experimentos De Campo, Editorial Instituto Interamericano De Ciencias Agrícolas. http://simulacionunilibre.blogspot.com/p/diseno-experimental-definicionventajas.html
Técnicas de recolección de datos
Para la recolección de datos en una investigación experimental se procede básicamente por observación, por encuestas o entrevistas a los sujetos de estudio y por experimentación. Encuesta: Constituye el término medio entre la observación y la experimentación. En ella se pueden registrar situaciones que pueden ser
observadas y en ausencia de poder recrear un experimento se cuestiona a la persona participante sobre ello. Por ello, se dice que la encuesta es un método descriptivo con el que se pueden detectar ideas, necesidades, preferencias, hábitos de uso, etc. La encuesta la define el Profesor García Fernando como “una investigación realizada sobre una muestra de sujetos representativa de un colectivo más amplio, utilizando procedimientos estandarizados de interrogación con el fin de obtener mediciones cuantitativas de una gran variedad de características objetivas y subjetivas de la población”. Aplicar una encuesta a una muestra representativa de la población es con el ánimo de obtener resultados que luego puedan ser trasladados al conjunto de la población.
Entre las características fundamentales de una encuesta se destacan: 1.- La encuesta es una observación no directa de los hechos por medio de lo que manifiestan los interesados. 2.- Es un método preparado para la investigación. 3.- Permite una aplicación masiva que mediante un sistema de muestreo pueda extenderse a una nación entera. 4.- Hace posible que la investigación social llegue a los aspectos subjetivos de los miembros de la sociedad. Las encuestas surgen en Estados Unidos en las investigaciones de mercado y en los sondeos
de opinión ante las elecciones a la Casa Blanca. Hasta nuestros oídos llegan nombres como Gallup o Crossley. En España es el CIS (Centro de Investigaciones Sociológicas) dependiente de la Presidencia del Gobierno el organismo encargado de realizar dichos sondeos de Opinión y todo tipo de investigaciones sociológicas. Prácticamente todo fenómeno social puede ser estudiado a través de las encuestas. Cuatro razones avalan esta afirmación: 1. Las encuestas son una de las escasas técnicas de que se dispone para el estudio de las actitudes, valores, creencias y motivos. Hay estudios experimentales en que no se conocen inicialmente las variables que intervienen y mediante la encuesta, bien por cuestionarios o por entrevista hacen posible determinar las variables de estudio. 2. Las técnicas de encuesta se adaptan a todo tipo de información y a cualquier población. 3. Las encuestas permiten recuperar información sobre sucesos acontecidos a los entrevistados. 4. Las encuestas permiten estandarizar los datos para un análisis posterior, obteniendo gran cantidad de datos a un precio bajo y en un corto periodo de tiempo. Fuente: Facultad de Ingeniería - Universidad Rafael Landívar Boletín Electrónico No. 03 URL_03_BAS01.doc 5 de 21 Las encuestas se pueden realizar sobre el total o una parte de la población. Exceptuando los estudios que realiza el Instituto Nacional de Estadística INE en los Censos y que abarcan a toda la población, diversos son los motivos que aconsejan tomar muestras. „ Cuando la población es muy grande. „ Por motivos económicos. „ Por falta de personal adecuado. „ Por motivo de calidad de los resultados. „ Por mayor rapidez en recoger los datos y presentar los resultados.
Principales Problemas en la Recolección de Datos - Con el método de encuesta se presentan dificultades como: difícil contactar a las personas, ya que se tienen cuotas establecidas de acuerdo a las características proporcionales de la población a investigar. El grado de dificultad se da cuando no se encuentra la persona, hasta la negación, falta de cooperación o trabajo inconcluso del entrevistado. - Con los experimentos el grado de dificultad consiste en la creación de las condiciones similares o iguales al medio ambiente en que se desarrolla el grupo experimental, el investigador debe abstenerse de influir en estas condiciones aplicando un tratamiento uniforme a cada elemento evaluado con una conducta objetiva. - La observación presenta la desventaja de no ser un método veloz por lo que la obtención de datos con lleva cierta cantidad de tiempo, ya que se debe contemplar el objeto de estudio en todas las fases para poder obtener la información de acuerdo al estímulo ocasionado.
Análisis de los resultados
Si bien el análisis e interpretación de los resultados es la última etapa del proceso de investigación, todas Ias anteriores, comprendidas en el diseño, concurren hacia la realización de esta importante operación. Como dice Encinas (1993), los datos en sí mismos tienen limitada importancia, es necesario "hacerlos hablar", en ello consiste, en esencia, el análisis e interpretación de los datos.
"El propósito del análisis es resumir las observaciones llevadas a cabo de forma tal que proporcionen respuesta a la interrogantes de la investigación. La interpretación, más que una operación distinta, es un aspecto especial del análisis su objetivo es "buscar un significado más amplio a las respuestas mediante su trabazón con otros conocimientos disponibles” (Selltiz, 1970) que permitan la definición y clarificación de los conceptos y las relaciones entre éstos y los hechos materia de la investigación. La relación entre análisis e interpretación y la forma específica que toman, tanto separada como conjuntamente, varían de un estudio a otro", dependiendo de los distintos esquemas o niveles de investigación y, fundamentalmente, del diseño propuesto. Los datos, a partir de los cuales el investigador inicia el análisis, son diferentes según el nivel de elaboración realizado, el cual depende de la naturaleza del problema de investigación y, consecuentemente, del tipo de investigación; también de las técnicas y procedimientos seguidos en la elaboración. De acuerdo a estas consideraciones, los datos que se utilizan en el análisis pueden ser: datos cuantificados, datos no cuantificados y datos no estructurados. Análisis de los datos cuantificados. Algunos tipos de estudios, por su naturaleza, aportan datos elaborados, es decir, cuantificados. El tratamiento estadístico de los datos permite un análisis adecuado que puede tener diversos alcances, los cuales dependen de los objetivos de la investigación y de las hipótesis formuladas. Según Selltiz (1970), al análisis puede estar orientado a: *Determinar lo que es típico en el grupo estudiado. (Se utiliza algunas de las medidas de tendencia central, según el caso). *Indicar si existen variaciones entre los sujetos del grupo, señalando de qué tipo y magnitud son. (Se utiliza alguna de las medidas de variabilidad; cada una proporciona datos sobre un aspecto diferente). *Mostrar la forma cómo están distribuidos los individuos con respecto a la variable que se mide. (Se utiliza el desarrollo de una curva de distribución). *Mostrar la relación existente entre dos o más variables. (Se aplica el coeficiente de variabilidad).
*Describir las diferencias existentes comparando dos grupos de individuos. Dr. Antonio Alva Santos - aalva1959@yahoo.es Análisis de los datos no cuantificados. No todos los aspectos del material recogido pueden ser categorizados y, consecuentemente, cuantificados, debido, en algunos casos, a la falta de precisión en la definición de las categorías, lo que dificulta el análisis de los resultados. Por este motivo, se recomienda considerar que cada categoría propuesta comprenda un amplio margen de criterios para las respuestas. De todos modos, los datos sin elaborar, "pueden ser utilizados en el análisis e interpretación sin tener en cuenta si han sido o no cuantificados en todos los aspectos", pues cumplen una función importante: ayudan a entender el significado de las categorías, aclaran la naturaleza de las relaciones entre las variables determinadas estadísticamente y permiten orientar al investigador a formular nuevas hipótesis para futuras investigaciones. Análisis de los datos no estructurados. El material no estructurado es el que proviene, por ejemplo, de observaciones o entrevistas no estructuradas, en las cuales se recoge mucho material, a veces valioso, pero sin ninguna pauta que permita alguna forma de organización y menos de clasificación. En algunos casos, los estudios de nivel exploratorio, que no se inician con hipótesis, cubren aspectos diversos, los cuales conducen al acopio de datos en cantidad excesiva y no estructurado. El problema que plantea este tipo de datos es doble: primero porque se necesita determinar qué aspectos del material requieren ser categorizados, y segundo, saber qué principios de clasificación pueden utilizarse. Selltiz (1970) propone, como soluciones al problema expuesto, elaborar, en primer término, hipótesis de trabajo que permitan establecer principios de clasificación y, en segundo lugar, utilizar algunos procedimientos que puedan ayudar en el análisis, tales como: estudiar el material correspondiente a un grupo que contrasta con el que se está investigando, con el objeto de obtener elementos que sugieran ideas sobre las diferencias significativas entre ambos grupos, respecto de la característica que se analiza. Otro procedimiento consiste en formar grupos con lo casos motivo de estudio sobre características comunes; después se analizan para ver si aquellos que tienen características semejantes han pasado por experiencias parecidas.
También, pueden formarse grupos sobre la base de aquellos que han tenido experiencias similares, y ver en qué medida, son semejantes respecto de las características comunes que presentan. Fuente: Dr. Antonio Alva Santos - aalva1959@yahoo.es
Interpretación de los resultados. El objetivo de la interpretación es buscar un significado más amplio a las respuestas mediante su trabazón con otros conocimientos disponibles. Ambos propósitos, por supuesto, presiden la totalidad del proceso de investigación, todas las fases precedentes han sido tomadas y ordenadas para hacer posible la realización de estos dos últimos momentos. Este aspecto del proceso se realiza confrontando los resultados del análisis de los datos con las hipótesis formuladas y relacionando dichos resultados con la teoría y los procedimientos de la investigación. Cuando el plan de la investigación ha sido cuidadosamente elaborado y las hipótesis formuladas en términos adecuados para una observación confiable, los resultados obtenidos son interpretados fácilmente. De todos modos, la interpretación debe limitarse al sistema de variables considerado para cada hipótesis, pues sólo éstas cuentan con el fundamento teórico para la interpretación.
Interpretación de resultados positivos respecto a las hipótesis formuladas. Cuando los resultados obtenidos permiten la verificación de las hipótesis, se debe cuidar que la interpretación no exceda a la información que aportan los datos. Además, es importante considerar las exigencias de validez interna y las limitaciones que se han presentado durante el proceso de investigación. Es necesario señalar los factores que no fueron controlados y que pudieron afectar los resultados. También, es conveniente relacionar los resultados obtenidos, con los logrados en otros estudios sobre el mismo problema de investigación. Debe manejarse con prudencia los valores obtenidos con el análisis estadístico, pues no siempre la significación estadística de los resultados garantiza que éstos sean realmente importantes (Ary, 1982).
Interpretación de los resultados negativos respecto a las \hipótesis formuladas. Cuando los resultados no confirman las hipótesis, el investigador, debe, sin embargo, aceptarlos como tales, puesto que en esa condición tendrán su propio significado y valor. Cabe recordar que: Los datos recogidos para una investigación tienen poco significado si no se les ordena o clasifica siguiendo algún sistema. Además, es la única forma de poder realizar el análisis e interpretación de los datos en forma adecuada y con economía de tiempo y esfuerzo. La tabulación, como técnica, consiste en ordenar y situar los datos en tablas. En cambio, si se ordenan los puntajes en una distribución de frecuencias se puede examinar la configuración general y determinar las formas de distribución de los puntajes y su significado. En la tabulación de los datos un concepto básico es el de frecuencia, es decir el número de casos que poseen una característica determinada. La distribución de frecuencias se realiza estableciendo un determinado número de intervalos de clase en los cuales se marcan las puntuaciones. (En estadística existen principios para determinar el número de intervalos y la amplitud de éstos.) Después que se han anotado todas las puntuaciones se cuentan las marcas para hallar la frecuencia o número de casos que corresponde a cada intervalo. La suma de todas las frecuencias es igual al número de casos estudiados. Cuando el plan de investigación considera la utilización de métodos estadísticos, es posible elaborar los esquemas tentativos de las tablas antes de la recogida de los datos; el objetivo es conocer, anticipadamente, los tipos de datos que se necesitarán para elaborar las tablas y comprobar si los instrumentos a utilizar aportarán los datos que se requiera. En este caso, se debe conceder atención al tamaño de los intervalos, los cuales deben guardar relación con los instrumentos a utilizarse en la recogida de datos. Fuente: http://cmapspublic2.ihmc.us/servlet/SBReadResourceServlet?rid=1177276899217 _1477413697_5143
Campo de aplicación del diseño El diseño de experimentos tiene una gran variedad de aplicaciones y puede ser aplicado a un gran número de industrias, la optimización de recursos, la identificación de causas de variabilidad son algunos de los objetivos del diseño de experimentos aplicados en nivel industrial. necesito experimentos de un solo factor. A continuación se muestran algunos ejemplos de aplicaciones existentes según el tipo de industria. Industrias pesadas o de base: Química pesada Estudio de la composición para la elaboración de productos: Estudio de los valores más apropiados para la elaboración de compuestos químicos que requieran diversos componentes. Análisis del efecto de las condiciones del entorno en la elaboración del producto como la temperatura ambiente, humedad relativa etc.2 Industrias de bienes de equipo: Maquinaria Medida de la variabilidad de los instrumentos de medida: Es posible aplicar el diseño de experimentos como herramienta para determinar y mejorar los índices de capacidad de un proceso concreto apoyándose en estudios de reproducibilidad y repetitividad. Diseño de motores eléctricos: Estudio de las características constructivas del motor y su influencia en variables importantes como la pérdida de flujo y la constante de velocidad. Diseño de electrodos: Estudio de los esfuerzos en los electrodos en función de la fuerza de aplicación y el tamaño del electrodo. Diseño de elementos de sujeción: Análisis de la influencia de los parámetros geométricos en la resistencia de los remaches.
Materiales de construcción Estudios de corrosión: Estudios de la influencia del tiempo en la corrosión de aceros de construcción y metales en general. Aplicaciones en el mecanizado: estudio de la variabilidad en los procesos de mecanizado, ayuda a la reducción de piezas defectuosas y aumento de la capacidad de producción.7 Producción de vehículos industriales Estudio de procesos de soldadura: estudio de un proceso de soldadura, para determinar las variables que influyen en la resistencia de la soldadura. 8 Industria aeronáutica Optimización del proceso de anodizado y pintado: optimizar los procesos de anodizado y pintado para conseguir una buena protección anticorrosion. 9 Industrias ligeras o de uso y consumo Farmacia y química ligera Informática y telecomunicaciones Estudio del rendimiento de una red informática: Realizando simulaciones es posible cuantificar el rendimiento y las variables críticas que hacen que la transferencia de datos en la red sea económicamente rentable. Mejora del rendimiento de un procesador: Se usa para determinar el impacto que tienen variables importantes como la temperatura y las horas de uso en el rendimiento del procesador. Reducción del tiempo del CPU: El estudio se basa en la aplicación del diseño de experimentos para determinar la mejor combinación de factores que reduzcan el tiempo de CPU. Optimización de materiales en semiconductores: Estudio de las propiedades eléctricas del arsienuro de galio dopado con silano. Diseño de filtros pasivos: se utiliza el diseño de experimentos para determinar los valores de las tolerancias de los componentes para optimizar los circuitos.
Biotecnología Operaciones en un sistema de fangos activos: optimizar y entender las reacciones que se dan en el tratamiento secundario de una EDAR, por ejemplo, los fangos activos. Fuente: http://es.wikipedia.org/wiki/Dise%C3%B1o_experimental#Aplicaciones
Estudios bajo la modalidad “Diseños Experimentales” Estudio 1 Estudio experimental sobre la influencia inmunomoduladora de la pentoxifilina en la translocación bacteriana producida por la nutrición parenteral sin lípidos Link: http://www.nutricionhospitalaria.com/pdf/3329.pdf
Análisis: El objetivo fue investigar si una sustancia inmunomoduladora como es la pentoxifilina podía disminuir o inhibir la translocación bacteriana (TB) o evitar el desenlace final del fallo multiorgánico. Muestra y Método Para valorar la influencia de la pentoxifilina en la translocación bacteriana se diseñó un estudio experimental con 80 ratas albina macho raza Wistar, entre 250 y 300 g de peso, que corresponde a una edad de tres meses. Se dividió en cuatro grupos de 20 ratas y se les administró una nutrición parenteral isocalórica e isonitrogenada pero con suplementos de pentoxifilina a distintas dosis. El estudio se realizó en un periodo de 7 días, el día previo a la intervención
se preparó la nutrición parenteral que se administrará en perfusión continua a partir del día de la intervención. Diariamente se tomó la medida de ingestas y excretas para realizar el cálculo del balance nitrogenado para controlar que no se produzca un catabolismo exagerado en los animales. El día 7 se realizó una anestesia intraperitoneal, se pesa al animal y tras realizarle una laparotomía estéril extraemos la cadena ganglionar mesentérica, un fragmento de hígado, un fragmento de intestino y sangre por punción directa de la cava inferior. En último lugar, para evitar contaminaciones, se extrajo material fecaloideo del ciego para el estudio microbiológico. Se realizó el procesamiento de muestras para el estudio microbiológico cuantitativo y cualitativo y el estudio histológico de la mucosa ileal. Análisis microbiológico cuantitativo: Las muestras obtenidas (ganglio linfático, hígado, sangre e intestino) se homogenizaron con el hemogeneizador de tejidos Ultra-Trurrax T-25 Jauke & Kunkel Ikalertechnick de 5 velocidades. Análisis microbiológico cualitativo: El aislamiento de cepas se realizó por la siembra de las diferentes colonias que crecieron en el millipore® en placas agar chocolate isovitalex, para conseguir suficiente masa para poder realizar la identificación. Se preparó un inóculo de las cepas que han crecido y se realiza una lectura automática con el auto-scan DADE para identificar los microorganismos. Análisis histológico: Para el estudio de los parámetros mucosos se utilizó el íleon terminal que se abre longitudinalmente, se coloca de forma extendida sobre un corcho y se guarda en frascos con formol. Los fragmentos se someten a un proceso de inclusión de la pieza y se realizan cortes de 2 a 5 mieras que se montan en portaobjetos y se tiñen con la técnica estándar de hematoxilina-eosina. Resultados Se intervinieron un total de 94 ratas Wistar para completar los 4 grupos de 20 ratas. La mortalidad fue de un 9,4% (10 ratas) y 4 ratas (3,76%) fueron excluidas de la experiencia por salida del catéter o trombosis del mismo. Todos los animales presentaron una ganancia de peso y un balance nitrogenado positivo, pero sin diferencias significativas entre los grupos. Conclusiones El modelo de una nutrición parenteral sin lípidos es útil como modelo de translocación bacteriana (TB). La adición de pentoxifilina a la nutrición parenteral hace que se disminuya la TB. No podemos precisar a qué dosis de pentoxifilina se obtiene una menor TB, aunque sin valores estadísticamente significativos, se observa que con la dosis de 100 mg/kg de pentoxifilina es con la que menos TB se produce. También se observa que al añadir pentoxifilina se disminuyen los valores de TNF en suero, coincidiendo con los animales que tienen menos TB. La
pentoxifilina también provoca una disminución del daño tisular y disminuye el grado de atrofia intestinal que provoca el dar una nutrición parenteral sin lípidos. Estudio 2 Estudio experimental sobre la regeneración ósea mandibular de la rata con diferentes biomateriales Link: http://scielo.isciii.es/scielo.php?pid=S113005582008000500001&script=sci_arttext
Análisis: El objetivo consistió en hallar un sustitutivo del hueso autólogo, ya sea biológico o sintético, que permita reparar los defectos óseos sin los inconvenientes de la morbilidad del sitio donante y de las limitaciones en cuanto a la cantidad a obtener y a la morfología anatómica del mismo. Material utilizado La (Lambone®) es una lámina de hueso desmineralizado de cadáver humano. El NovaBone® es un vidrio bioactivo sintético. Esta cerámica se une al hueso por fijación bioactiva, a través de la formación de una capa de hidroxicarbonatoapatita que es equivalente, química y estructuralmente, a la fase mineral del hueso. El Colloss® es un preparado a base de extracto de matriz ósea bovina de la diáfisis, que contiene principalmente colágeno tipo I y proteínas insolubles. Muestra y Método Se utilizaron 24 ratas blancas machos de raza Wistar, de 3-4 meses de edad (adultas). Los animales fueron distribuidos en 4 grupos, según el tipo de biomaterial de relleno y membrana utilizados. En el grupo control I, el defecto se dejó vacío y sin cubrir. En el grupo II, los defectos se cubrieron, por vestibular y por lingual, con una membrana de hueso desmineralizado (Lambone®), de 5 mm de lado. En el grupo III, los defectos se rellenaron con colágeno liofilizado (Colloss ®) y fueron cubiertos con Lambone®. En el grupo IV, los defectos se rellenaron con vidrio bioactivo (NovaBone®) y fueron cubiertos con Lambone®. Los animales fueron sacrificados a las 3 y 6 semanas de la cirugía, realizándose un análisis radiológico e histológico. Análisis radiológico: Se realizó un estudio densitométrico de la reparación radiológica del defecto mandibular. El área de estudio fue definida como un área circular de 4 mm de diámetro, similar al defecto quirúrgico original.
Análisis histológico: Para el análisis de los datos histológicos en los grupos de estudio, nos basamos en 4 parámetros siguiendo la escala de puntuación numérica asignada a cada uno de ellos, según el modelo propuesto por Heiple. Resultados Grupo I (grupo control): Tanto a la 3ra como a la 6ta semana, se encontraron mínimos signos de reparación radiológica, siendo la norma hallar defectos mandibulares circulares radiotransparentes. Grupo II (membrana de Lambone®): La membrana de hueso utilizada de forma aislada, actuó como una barrera eficaz excluyendo los tejidos no osteogénicos, pero no se produjo reparación total del defecto en ningún caso. Grupo III (membrana de Lambone® y Colloss®): A las 6 semanas, la reparación radiológica de los defectos era prácticamente total en todos ellos (80-100%). Grupo IV (membrana de Lambone® y NovaBone-C/M®): No mostró formación ósea, apareciendo las partículas del biomaterial ocupando el defecto. Conclusiones La regeneración ósea fue significativamente mayor en los defectos rellenos con Colloss® y cubiertos con la membrana de Lambone® (Grupo III), comparado con los otros grupos experimentales.
Estudio 3
Estudio experimental de las variables que afectan la reacción de transesterificación del aceite crudo de palma para la producción de biodiesel. Link: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/7323/4343 Análisis: En el presente ejemplo, se planteó un estudio experimental realizado con la finalidad de mejorar la obtención de biodiesel a través de la metanólisis básica del aceite crudo de palma Colombiano. Las variables analizadas fueron la relación molar metanol/aceite (RMA) y la cantidad de catalizador utilizada (CC). Utilizando NaOH como catalizador, se realizó un diseño factorial de experimentos 32 con dos réplicas para cada fase del aceite: oleina, estearina y aceite crudo. Las condiciones óptimas para lograr la máxima conversión de la reacción se obtuvieron cuando se usó como materia prima el aceite crudo, una RMA de 12 y una CC de 0.6%. El biodiesel obtenido cumplió con la mayoría de especificaciones
técnicas estipuladas en las normas internacionales para combustibles diesel.
Estudio 4 Análisis y diseño de experimentos aplicados a estudios de simulación Link: http://www.udea.edu.co/portal/page/portal/bibliotecaSedesDependencias/unidades Academicas/FacultadMedicina/BilbiotecaDiseno/Archivos/jornadas3/ad/analisis_y_dise%C3%83%C2%B1o_de_experimentos_aplicados_a_estudios_de _simulacion.PDF
Análisis: Los estudios de simulación, aplicados en diversas áreas de la investigación, son de gran utilidad ya que a través de los mismos se nos permite observar e interpretar el comportamiento un gran número de fenómenos bajo diferentes escenarios virtuales propiciados por el investigador a través de algún software especializado para tales fines. En el área de la estadística son muy comunes los estudios de robustez, muchos de ellos utilizados para observar el comportamiento de un estimador ante diferentes situaciones hipotéticas que pudieran presentarse en la realidad. Dada la semejanza entre los estudios de simulación y los estudios experimentales, el objetivo de este trabajo fue el de proponer el uso de la metodología y del diseño y análisis de experimentos en los estudios de simulación. Se presentó como ejemplo el estudio de simulación “Robustez de un modelo de Markov de tres estados bajo distintas especificaciones distribucionales de los tiempos de transición” realizado bajo el enfoque del diseño experimental y utilizando el análisis de varianza y la regresión múltiple con el fin de probar el efecto del tamaño muestral, el máximo número de visitas y el tipo de distribución de los tiempos de transición sobre la estimación de los parámetros del modelo markoviano de tres estados.
De interés: http://www.uru.edu/fondoeditorial/libros/pdf/manualdestatistix/cap1.pdf http://www.virtual.unal.edu.co/cursos/ciencias/2000352/
Conclusiones La investigación experimental se utiliza generalmente en ciencias tales como la sociología y la psicología, la física, la química, la biología y la medicina, entre otras. Los experimentos se llevan a cabo con el objetivo de predecir fenómenos. Normalmente, un experimento es construido para poder explicar algún tipo de causalidad. La investigación experimental es importante para la sociedad ya que nos ayuda a mejorar nuestra vida diaria. Una definición muy amplia de la investigación experimental, o un cuasi experimento, es la investigación en donde el científico influye activamente en algo para observar sus consecuencias. La mayoría de los experimentos suelen ubicarse entre la definición estricta y la amplia. Generalmente, el problema de investigación es operacionalizado para definir la forma de medir el problema de investigación. Los resultados dependerán de las medidas exactas que el investigador elija y puede ser puesto en práctica de manera diferente en otro estudio para poner a prueba las conclusiones principales del estudio. Es fundamental identificar y controlar los factores no experimentales que el investigador no quiere que influyan en los efectos para llegar a una conclusión válida. Esto generalmente es llevado a cabo por variables de control, si es posible, o por variables que aleatorizan para minimizar los efectos que pueden ser rastreados de nuevo en terceras variables. Los investigadores sólo quieren medir el efecto de la(s) variable(s) independiente(s) en la realización de un experimento, para que le permita llegar a la conclusión de que ésta era la razón para el efecto. Los experimentos son más a menudo de naturaleza cuantitativa más que cualitativa, aunque a veces éstas tienen lugar. El objetivo del análisis es llegar a una conclusión, junto con otras observaciones. El investigador puede generalizar los resultados en un fenómeno más amplio, si no hay indicativos de variables de confusión que "contaminen" los resultados.
Pocos datos válidos son más útiles que una gran cantidad de información que no se puede utilizar porque no es confiable. Por consiguiente, en los estudios de diseños experimentales las evaluaciones de campo deben ser lo más sencillas posibles y estar orientadas a objetivos limitados y alcanzables. Existe siempre una gran tentación de tratar de obtener una gran cantidad de información incluyendo un número excesivo de variables o de niveles dentro de cada variable. Al planificar un programa de experimentos se ha de tener presente los recursos disponibles, teniendo en cuenta los gastos iniciales y de funcionamiento y el personal requerido para llevar a cabo los experimentos. Debe rechazarse la idea de que cualquier información es mejor que ninguna. Esto se utiliza a veces para justificar ensayos "rápidos y de poca calidad" o como una excusa para no efectuarlos de manera adecuada. Sin embargo, está totalmente reñido con la disciplina científica. El empleo de datos inexactos o poco confiables es muy probable que cause problemas, en lugar de mejorar la situación. En el trabajo experimental es importante establecer una relación entre causa y efecto. Si se mide algún cambio o diferencia, hace falta saber cuál es la causa, y no es suficiente saber que pueden existir una o más causas. En los ensayos realizados en los centros de investigaciones este problema se evita cambiando un sólo factor cada vez, o sea, se aíslan las variables con el fin de que si se mide un cambio quede claro cuál es su causa. Esto no siempre es posible o necesario en los ensayos de campo. Puede ser útil saber que un conjunto de prácticas agrícolas da mejor resultado que otro, pero es preferible saber cuáles de los componentes del conjunto son las más importantes para producir el cambio. El mensaje que se debe transmitir es que siempre hay que mantener la máxima sencillez en el diseño experimental y solicitar el asesoramiento de un experto en biometría antes de iniciar los experimentos. A menudo sucede que el experimentador se dirige al estadístico con una caja llena de archivos de datos a fin de que le ayude a analizar los resultados, y luego se siente descorazonado cuando se le dice que el diseño era erróneo y que los resultados tenían escaso valor. Los defectos más probables son, en el caso de estudios sobre cuencas hidrográficas, la precipitación en la aplicación de los tratamientos antes de efectuar una calibración adecuada, o en el caso de un trabajo con parcelas pequeñas, la falta de repeticiones suficientes o la incorporación de variables incontroladas.