1

Unidad 1: Aspectos Generales del Diseño Experimental

http://red.unal.edu.co/cursos/ciencias/2000352/html/un1/cont_110-10.html

Investigación Experimental o Diseño de muestreo y observaciones

 El Método Científico  Competencia

o ¿Qué es un diseño de investigación? o Competencia intra-unidades

experimentales
o ¿Qué es un experimento?
o Competencia entre-unidades
o ¿Qué tipo de estudio son las
experimentales
investigaciones experimentales?
o Tamaño de la Unidad Experimental
 Tipos de Experimento
 Ejecución del Experimento
o Experimentos Exploratorios
o Recolección de Datos
o Experimentos Confirmatorios
 Análisis Estadístico
o ¿Qué es una Investigación no
experimental? o Interpretación de Resultados

o ¿Qué se entiende por diseño o Generación de nuevas preguntas e

experimental? hipótesis

Pasos de una Investigación Experimental o Presentación de Resultados

 Formulación del problema Principios Básicos del Diseño

Experimental
 El Modelo material subjetivo
 La Replicación
 Formulación del problema estadístico
 La Aleatorización
 Desarrollo de un Diseño Estadístico
 El Bloqueo o Control Local
o Diseño de tratamientos
Objetivos Básicos del Diseño Experimental
o Estructura de los tratamientos
 Precisión y Exactitud
o Elección de los tratamientos
Actividades Complementarias
o Algunas diferencias entre los tipos de
modelo BIBLIOGRAFIA

o Diseño de control de error

 2

Investigación Experimental

El método científico

La investigación puede definirse en forma amplia como el estudio sistemático de un sujeto con el fin
de descubrir nuevos hechos o principios. El procedimiento para la investigación se conoce generalmente
como método científico. La aplicación de la lógica y la objetividad al entendimiento de los fenómenos,
cualesquiera sea su naturaleza, es la base de la fundamentación del método científico. Para el método
científico es esencial el estudio de lo que ya se conoce. A partir de este conocimiento, se formulan
hipótesis, las cuales se ponen a prueba partiendo por lo general de situaciones experimentales, siendo
esta la parte crucial de todo el proceso ya que cualquier pregunta donde sus respuestas no pueden
obtenerse a partir de la investigación planeada, no puede aceptarse como parte del método científico.

La estadística juega un papel importante en la fundamentación del método científico, donde de acuerdo
con Cramer (1960), la estadística tiene tres funciones fundamentales que son: la descripción, el análisis
y la predicción. En la investigación científica, es común la formulación de hipótesis las cuales para su
aprobación o rechazo, deben estar sustentadas por un conjunto de observaciones, las cuales deben
seleccionarse a través de un patrón bien definido. Este patrón se conoce como diseño experimental.

¿Qué es un diseño de investigación?

Una vez definido el tipo de estudio a realizar y establecidos las hipótesis de investigación, el
investigador debe concebir la manera práctica y concreta de responder a las preguntas de investigación;
es decir seleccionar o desarrollar un diseño de investigación. Los tipos de diseños se pueden clasificar
en: diseño experimental y diseño no experimental.

¿Qué es un experimento?

El término experimento puede verse de dos maneras:

(a) De manera general, se puede decir que consiste en ejecutar una acción y observar a las
consecuencias. Así hablaríamos de experimentar cuando mezclamos sustancias químicas y
observamos la reacción de este hecho o cuando cambiamos de forma de vestir y vemos el efecto que
provoca sobre nuestros amigos. En esta idea de experimento observamos que hay una manipulación
intensional de una acción para analizar las posibles consecuencias.

(b) De manera particular o científica, se refiere a un estudio de investigación en el que se manipulan

deliberadamente una o más variables independientes (supuestas causas) para analizar las
consecuencias que la manipulación tiene sobre una o más variables dependientes (supuestos efecto),
dentro de de condiciones controladas por el investigador.
 3

Existen varias definiciones de la palabra experimento:

Un experimento es la "observación deliberada bajo condiciones planeadas por el observador"

(Stebbling, 196, pág 302). Esta afirmación es aceptable como un inicio, pero no es adecuada totalmente,
por ello podemos decir que es una cuasi definición.

También se puede decir, que un experimento es una investigación planeada para descubrir nuevos
hechos o para confirmar o negar los resultados de investigaciones previas.

Es de observar que en todas las definiciones establecen que un requisito de un experimento es la

manipulación intencional de una o más variables independientes. La variable independiente es la que
se considera como supuesta causa en una relación entre variables.

¿Qué tipo de estudio son las investigaciones experimentales?

En Sampieri y otros (1998) se presentan clasificados los tipos de estudios en cuatro: estudios
exploratorios, descriptivos, correlacionales y explicativos. En la práctica, cualquier estudio puede
incluir elementos de más de uno de estos tipos de estudios. Los estudios explicativos analizan relaciones
entre una o varias variables independientes y una o varias dependientes y los efectos causales de las
primeras sobre las segundas, por ello las investigaciones experimentales se pueden considerar dentro
de este tipo de estudio. Para más detalles sobre los tipos de estudios el lector puede consultar a Sampieri
y otros (1998 págs. 57 -72).

Tipos de Experimento

Experimentos exploratorios

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. Por ejemplo, uno
puede estar interesado en si el grado de concentración de un compuesto químico, el tiempo de cocción,
la temperatura de horneado, el grado de refrescante, y la cantidad de presión tiene un efecto ya sea
individual y/o conjunto sobre la ruptura de un tipo de plato de cerámica. El procedimiento obvio aquí,
es variar los niveles de esos factores y comparar la ejecución de las diferentes combinaciones de niveles.
Para ejecutar el experimento muchas decisiones deben tomarse tales como: la selección de los factores
y sus niveles, posiblemente seleccionando un subconjunto de todas las posibles combinaciones; la
distribución experimental que generalmente es determinada por las condiciones físicas y las
consideraciones; la escogencia de la medida de la respuesta; y la selección del análisis estadístico más
adecuado para extraer conclusiones de los objetivos propuestos.

La investigación experimental es esencialmente de tipo secuencial, un experimento antecede a otro

ganándose cierto conocimiento en el proceso y proponiéndose nuevos interrogantes que pueden mejorar
 4

los resultados del proceso experimental. Después de un experimento de tipo exploratorio, generalmente
sigue un experimento confirmatorio,

Experimentos Confirmatorios

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

¿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. Los estudios no experimentales se
dividen en:

Estudios transeccionales, los cuales realizan observaciones en un momento único en el tiempo. Cuando
miden variables de manera individual y reportan esas mediciones son descriptivos. Cuando describen
relaciones entre variables son correlacionales y si establecen procesos de casualidad entre variables son
correlacionales/casuales.

Estudios longitudinales, que realizan observaciones en dos o más momentos o puntos en el tiempo. Si
estudian una población son diseños de tendencia, si analizan una subpoblación o grupo específico son
estudios de análisis evolutivo de grupo y estudian los sujetos son estudios de panel.

¿Qué se entiende por diseño experimental?

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:

1. Simplicidad. La selección de los tratamientos y la disposición experimental deberá hacerse de

la forma más simple posible.
 5

2. 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.

3. 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.

4. 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.

5. 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 debido únicamente al azar.

Pasos de una Investigación Experimental

En muchos libros sobre investigación se establecen como pasos de una investigación: planteamiento
del problema, marco teórico, metodología, análisis de datos, conclusiones y recomendaciones. En este
libro se darán los pasos lógicos de la experimentación científica, según Hinkelman. K. & Kempthorne.
O.(1994) como se muestra en la figura 1. En el diagrama se pueden observar dos etapas básicas: La
primera es la estadística conformada por el desarrollo del diseño estadístico, formulación del modelo
estadístico y el análisis estadístico. La segunda es la no estadística.

Formulación del Problema

Frecuentemente una investigación se origina de una idea, existe una gran variedad de fuentes que
pueden generar ideas de investigación, entre las cuales se pueden mencionar las experiencias
individuales, materiales escritos (libros, revistas, tesis y otros) y observaciones de hechos entre otras.
La mayoria de las ideas iniciales son vagas y requieren analizarce cuidadosamente para que sean
transformadas en planteamientos más precisos y estructurados, para lo cual se requiere una revisión
bibliográfica de la idea.

Las buenas ideas deben ser novedosas y servir para la elaboración de teorías y resolución de problemas.
Una vez concebida la idea de investigación, se procede a plantear el problema. Plantear el problema es
afinar y estructurar más formalmente la idea de investigación, desarrollando tres elementos: objetivos
de investigación, preguntas de investigación y justificación de ésta. Los objetivos establecen qué
pretende la investigación, las preguntas nos dicen qué respuestas deben encontrarse mediante la
investigación y la justificación nos indica por qué debe realizarse la investigación. Los criterios
principales para evaluar el valor potencial de una investigación son: conveniencia, relevancia social,
 6

implicaciones prácticas, valor teórico y utilidad metodológica. Además debe analizarce la viabilidad de
la investigación y sus posibles consecuencias.

Situación 1

(Tomada de Bautista Mendoza Gloria R., 2000. Tesis de Maestría en Microbiología).

En una investigación se desea conocer cómo es la asociación de la especie bacteriana Pseudomonas

fluorescens con el sistema radical. Inicialmente, el interés de la investigación se centra en determinar
cómo se lleva a cabo la colonización radical a lo largo de un ciclo de cultivo. Aplicando los pasos que
se llevaron a cabo en el planeamiento y ejecución de esta investigación experimental, en la definición
del problema surgieron otros aspectos que en la idea inicial no habían sido considerados, siendo la
capacidad de esta especie bacteriana de actuar como biocontroladora de patógenos radicales de
importancia comercial, un factor que según reportes de literatura era de considerable importancia. Por
tanto, en esta primera etapa, se hizo necesario concretar aspectos como: el cultivo en el cual se realizaría
la valoración, el patógeno y las condiciones en las cuales se llevaría a cabo la medición de la actividad
biocontroladora (in vitro- en cajas de petri en medio de cultivo adecuado; in vivo-en invernadero,
utilizando Rhizoctonia solani como patógeno) y la selección de los aislamientos bacterianos a evaluar.
Es importante destacar, que el objetivo fundamental de esta etapa es delimitar el problema de
investigación, con lo cual se logra tener claridad desde un comienzo de las dimensiones del estudio y
realizar una eficiente planeación de las etapas posteriores. En la formulación de preguntas e
hipótesis se plantearon dos hipótesis básicas de investigación:

¿Los aislamientos de Pseudomonas fluorescens difieren en su comportamiento de antagonismo in vitro

e in vivo?

¿Los aislamientos de Pseudomonas fluorescens difieren en su capacidad colonizadora?

El Modelo Material Subjetivo

En esta etapa se debe realizar una lista de todos los factores (variables experimentales independientes
que puede ser cualitativas o cuantitativas) que pueden tener influencia sobre la ejecución del
experimento. Tales factores incluirán:

Factores de tratamientos, que son las variables experimentales independientes cualitativas o

cuantitativas que influyen sobre la variable respuesta, y son el principal objetivo de la investigación

Factores de clasificación que son variables experimentales independientes cualitativas que permiten
agrupar el material experimental en grupos homogéneos y que son determinados por las condiciones
bajo las cuales el experimento es ejecutado.
 7

No se puede decir enfáticamente que tener tal listado es esencial para completar la investigación, ya
que depende del diseño seleccionado y de la población con respecto a la cual se va a hacer la inferencia.

Situación 1

En el desarrollo del modelo material subjetivo se definieron posibles variables o factores:

Factores o Variables Independientes: Los aislamientos de Pseudomonas fluorescens, la presencia o

ausencia de Rhizoctonia solani, tipo de suelo, temperatura, tipo de semilla. a utilizar.

Factores o Variables Dependientes: colonización radical medida como UFC/gr raíz, radio de
crecimiento fúngico medido en centímetros, crecimiento de la planta medido en centímetros y gramos,
producción del cultivo medido como número y peso de tubérculos producidos y sintomatología,
expresada como porcentaje de tubérculos con deformación, esclerocios y escarificación en los niveles
sano, moderado y severo.

TAREA: Identifique un ejemplo de Ingeniería Metalúrgica

Formulación del Problema Estadístico

En esta etapa se selecciona la(s) variable(s) respuesta(s) o variable (s) dependiente(s). El

experimentador debe estar seguro que la respuesta que se va a medir realmente provee información útil
acerca de la investigación.

Cada respuesta medible, está representada matemáticamente en un modelo lineal. La idea general de

un modelo es expresar las observaciones generalmente denotadas por , en términos de ``efectos'' que

contribuyen a . Esos efectos se pueden clasificar en tres categorías: Efectos de Tratamiento, Efectos
de Diseño y Efectos de Error.

Los efectos de tratamientos, son un reflejo del efecto de diseño como también de los tratamientos
simples o combinaciones de factores.

Los efectos de diseño, son determinados por el diseño de control de error, en particular, efectos debidos
a las varias clases de bloqueo.

Los efectos de error, representan diferentes clases de variación aleatoria. Estos son: (1) el error
experimental y (2) el error observacional.

Error Experimental. Una característica de todo material experimental es la variación. Asociada con
la unidad experimental está el error experimental, este error es el reflejo de que las UE no son iguales.
También podemos decir que es una medida de la variación existente entre las respuestas de las UE
tratadas en forma similar. Contribuyendo al error experimental están:
 8

a) El error de tratamiento, el cual resulta de cualquier falta de uniformidad en la realización física del
experimento o en la replicación de un tratamiento. Por ejemplo, si se van a administrar 20 ppm de cierta
sustancia, administramos 19 ó 21 ppm.

b) El error de estado o variabilidad inherente al material al cual se aplican los tratamientos, el cual es
debido a los cambios aleatorios en el estado físico de una UE. Por ejemplo, en un experimento de
nutrición con ratas como material experimental, los individuos tendrán constitución genética diferente,
ésta es una variabilidad inherente al material experimental o error de estado. Las ratas se colocarán en
jaulas sujetas a diferencias de calor, luz y otros factores; esto constituye una falta de uniformidad en la
realización física del experimento o error de tratamiento.

Figura 1. Pasos lógicos de una investigación experimental

Al hacer inferencia estadística, ya sea por intervalos de confianza o pruebas de hipótesis, la magnitud
del intervalo de confianza y el poder de la prueba estadística dependen en definitiva del estimador de
la varianza del error experimental, llamado cuadrado medio del error,

Así que para obtener intervalos cortos o alto poder la prueba se debe hacer todo esfuerzo posible para
reducir el error experimental. Para lograr lo anterior debemos:

Manejar el material experimental de tal manera que se logre reducir los efectos debido a la
variabilidad inherente.
 9

Refinar la técnica experimental. Es responsabilidad del experimentador que se haga todo lo posible
para asegurar una técnica cuidadosa porque ningún tipo de análisis estadístico puede mejorar los datos
obtenidos de experimentos mal efectuados. La técnica defectuosa puede aumentar el error experimental
de dos maneras:

i) Puede introducir fluctuaciones adicionales de una naturaleza más o menos aleatoria y, posiblemente,
sujetas a las leyes del azar. Tales fluctuaciones, si son grandes, deberán revelarse por sí mismas en la
estimación del error experimental, posiblemente mediante la observación del coeficiente de
variación. Este es una medida de variación relativa y es utilizado para comparar la precisión de dos
experimentos o de dos medidas.

ii) Mediante errores no aleatorios. Éstos no están sujetos a las leyes del azar y no siempre pueden
detectarse mediante la observación de las medidas individuales. Se dispone de pruebas estadísticas para
detectarlo.

La técnica defectuosa también puede producir medidas consistentemente sesgadas, lo que no afecta el
error experimental en las diferencias entre las medias de tratamientos, pero sí a los valores de las medias
de tratamientos.

En general la variación proveniente de una técnica deficiente no es aleatoria y no está sujeta a las leyes
del azar, en la cuales se basa la inferencia estadística. Esta variación puede denominarse inexacitud, en
contraste con la falta de precisión. Desafortunadamente, la exactitud en la técnica no siempre produce
alta precisión ya que ésta también tiene que ver con la variabilidad aleatoria entre las unidades
experimentales, la cual puede ser bastante grande.

El error experimental no puede detectar sesgos; estima la precisión o la repetibilidad de las medidas,
pero no estima la exactitud.

Error Observacional. Se considera como parte del error observacional el error de medida, es decir,
el error debido a la imprecisión de la medida o procedimiento de detección (aparatos) y el error de
muestreo debido a la selección de las UE para la investigación.

Esquemáticamente el modelo lineal se puede escribir como

Situación 1

Concomitantemente con la elección del diseño estadístico se estableció el modelo estadístico teórico
para cada situación, con el cual se representó cada respuesta obtenida. Así:
 10

Pasos de una Investigación Experimental

Desarrollo de un Diseño Estadístico

La elección de un diseño estadístico o diseño experimental adecuado depende fundamentalmente de los

siguientes aspectos: el diseño de tratamiento, el diseño de control de error y el muestreo y diseño de
observaciones.

Diseño de Tratamientos

Determina los tratamientos y los niveles a ser incluidos en el estudio: Qué tratamientos deberían
seleccionarse y cuántos?. Los Tratamientos, corresponden a los niveles de un factor de tratamiento
(grado de intensidad de un factor) o a la combinación de niveles de factores (estructura factorial) y son
procedimentos, métodos, estímulos o condiciones, cuyos efectos se miden sobre la unidad Experimental
(pedazo de material experimental al cual se aplica el ensayo de un solo tratamiento).

Ejemplo

Algunos ejemplos que ilustran diferentes tipos de tratamientos aplicados son:

(a) En un experimento agronómico un tratamiento puede referirse a: una marca de fertilizante, una
cantidad de fertilizante, una combinación de los dos anteriores.

(b) En un experimento de nutrición animal un tratamiento puede ser: el género de los animales, el padre
del animal experimental, la ración particular de alimento de un animal.

(c) En estudios psicológicos un tratamiento puede referirse a: edad, género, grado de educación,

Situación 1

- Diseño de tratamientos: se definieron como factores:

Factor 1: tipo de aislamientos bacteriano

: los niveles correspondieron a cada aislamiento en particular (Pf025, Pf033, Pf060, Pf062,
Pf063, Pf096).

Factor 2: la inoculación de Rhizoctonia solani

Niveles , Los niveles fueron respectivamente presencia o ausencia (suelo inoculado- no inoculado con
el patógeno).
 11

En la selección de tratamientos es importante definir claramente cada una de ellos y entender el papel
que jugará para alcanzar los objetivos del experimento. Algunos puntos que se presentan en casos
particulares son los siguientes:

i) Algunas veces se crea confusión a causa de la falla en distinguir si la finalidad es solamente señalar
al ``ganador'' entre los diferentes tratamientos, o si además se desea encontrar algunos indicios como el
porqué los tratamientos se comportaron en la forma que lo hicieron.

ii) Se recomienda la inclusión de un tratamiento testigo o control cuando existe un desconocimiento

muy alto acerca de la efectividad de los tratamientos objeto del estudio. Este tratamiento control
corresponde a un tratamiento en el que no se tiene un interés particular pero que sirve de comparación
para revelar si los demás tratamientos son efectivos. Un testigo o control puede ser la exposición de
algunas unidades experimentales (UE) a condiciones naturales; el suministro de una sustancia que no
contiene los componentes esenciales de los tratamientos (placebo). Es recomendable que el tratamiento
control tenga más réplicas que los demás tratamientos para obtener una mejor estimación de su efecto.

Situación 2

Se hizo necesaria la inclusión de un control (no inoculado=sin bacteria ni patógeno), un testigo absoluto
de enfermedad (inoculado solo con patógeno) y un control biológico positivo correspondiente a una
cepa de Trichoderma hamatum con efectividad biocontroladora comprobada previamente. En este caso
se hizo necesaria la inclusión de tres diferentes controles por tratarse de un estudio exploratorio en el
que se desconocía la efectividad de los tratamientos en estudio.

Estructura de los tratamientos

El diseño de tratamientos debe basarse en los objetivos de la investigación, el material experimental y

los recursos disponibles. La escogencia del diseño de tratamientos está relacionanda con el diseño de
control de error. Frecuentemente los tratamientos son escogidos de alguna estructura, en particular de
una estructura factorial. Las estructuras factoriales se pueden distinguir entre:

Estructuras factoriales simétricas(puras) En una estructura simétrica se tienen n factores a s niveles (s

es un número entero) y se simboliza

como factorial . Los valores más usados para s son 2, 3 y 4.

Estructuras factoriales asimétricas. Las estructuras factoriales asimétricas tiene factores

a niveles, factores a niveles, factores

a niveles, donde los son enteros diferentes y y se denota

como .
 12

Situación 1

Se establecieron como tratamientos de estructura factorial , la combinación de los niveles del

factor tipo de aislamiento bacteriano e la inoculación de Rhizoctonia solani.

Una propiedad importante de cualquier experimento factorial (los tratamientos tienen estructura
factorial), es que permite no solamente el estudio de los efectos individuales de los tratamientos sino
también las interacciones entre los factores de tratamiento. Algunas veces ciertas interacciones entre
niveles de factores no existen o no pueden llevarse a cabo desde el punto de vista práctico, por lo cual
algunas veces se realizan experimentos factoriales en los cuales se considera solamente una fracción de
todas las posibles combinaciones de tratamiento. Este experimento se denomina factorial fraccionado.
A continuación, se presenta una clasificación de los experimentos factoriales dada por Hinkelmann y
Kempthorne (1994).

Tabla 1. Esructura de los diseños de tratamientos.

Tipo de
Número de factores Número de niveles Número de tratamientos
factorial
Simétrico ( o ( primo o
puro) potencia de primo)

Asimétrico (o
mixto)

Fraccional
simétrico

Fraccional
asimétrico

Elección de los tratamientos

De acuerdo a la forma como se consideren los tratamientos y de esta manera se formulan los modelos
asociados al experimento. Existen principalmente dos tipos de modelos:

Modelo Tipo I o de Efectos Fijos: En el cual los tratamientos son seleccionados por el investigador
porque son de particular interés.

Situación 1
 13

Nuestra siituación ofrece un modelo de este tipo, por cuanto los aislamientos se seleccionaron centrando
el interés en aquellos procedentes de un cultivo en especial y con el mayor porcentaje de identidad de
especie.

Modelo Tipo II o Aleatorio: En el cual los tratamientos son una muestra aleatoria de su población.

Ejemplo

(Tomado de Susan pág 352)

Los instrumentos de análisis bacteriológicos utilizados en los laboratorios de los hospitales proceden
de diversos fabricantes. Se sospecha que la calidad de estos instrumentos varía de fabricante a
fabricante. Para probar esta teoría se hace una lista de fabricantes de un instrumento concreto, se
seleccionan aleatoriamente los nombres de tres de los fabricantes que aparecen en la lista y se comparan
las muestras de los instrumentos procedentes de estos tres fabricantes. La comparación se realiza
colocando sobre la placa 2 dosis en gotas de una suspensión medida de Escherichia coli, dejando al
cultivo crecer durante veinticuatro horas y determinando después el número de colonias (en millares)
del organismo que aparece al final del periodo. El propósito no es comparar precisamente estos tres
fabricantes, se les eligió aleatoriamente y únicamente constituyen una muestra de todos los fabricantes
de instrumentos. Más bien, lo que se busca es apoyo estadístico para el supuesto general de que la
calidad del instrumental difiere entre fabricantes.

Modelo Tipo III o Mixto: Se obtiene cuando en el experimento hay factores con niveles fijos y factores
con niveles aleatorios.

Algunas diferencias entre los tipos de modelo

1. Para el modelo Tipo I, una repetición del experimento se realiza sobre el mismo conjunto de
tratamientos; en tanto que para el modelo aleatorio una repetición producirá un nuevo conjunto
de tratamientos.

2. Otra diferencia es la forma como se hace la inferencia acerca de los tratamientos; en el modelo
Tipo I se hace estrictamente sobre los parámetros asociados con los tratamientos considerados
y en el modelo Tipo II la inferencia es respecto a la población de tratamientos.

3. En el modelo I los parámetros son generalmente las medias de los tratamientos y el objetivo es
la comparación y estimación de estos parámetros; en cambio en el modelo II los parámetros de
interés son las varianzas y el objetivo primordial es estimar sus magnitudes absolutas y
relativas.

4. Las hipótesis del ANOVA para el Tipo II son de la forma:

 14

En Gill (1978), se ilustra el siguiente

Ejemplo

De un modelo tipo II. Se seleccionaron 4 toros de una misma raza aleatoriamente, luego se escogieron
terneros hijos de éstos, los cuales fueron alimentados similarmente y durante el mismo período de
tiempo. Se desea saber si la variabilidad de la ganancia en peso es atribuible a la diferencia entre los
padres o si es propia de los terneros como U.E.

En esta situación los tratamientos corresponden a los 4 toros y las unidades experimentales son los hijos
de los toros. Aquí los tratamientos (toros) son una muestra aleatoria de la población de toros de dicha
raza y el interés estadístico no sería hacer inferencia sobre el aumento promedio de los pesos, sino sobre
las varianzas del aumento de peso de peso en cada uno de los toros. Las hipótesis estadísticas serían:

En el caso anterior el factor del estudio es la influencia hereditaria de la paternidad.

Pasos de una Investigación Experimental

Diseño de control de Error

El diseño de control de error, busca un arreglo de los tratamientos en un plan experimental utilizando
una regla de asignación de los tratamientos a las unidades experimentales, de tal manera que se tengan
grupos con buenas características de homogeneidad. Ejemplos de tales diseños son: el completamente
al azar, diseño de bloques aleatorizado (completo e incompleto), diseño de cuadro latino, etc. La
selección de un diseño de control de error depende de la disponibilidad de las unidades experimentales,
la estructura de esas unidades y la precisión de la estimación deseada por el investigador. en la tabla 2
se da una lista de clases de diseño de control de error en orden de complejidad, donde la complejidad
es definida por el número de factores de bloqueo para cada clase de diseño. Los factores de bloqueo
corresponden a las diferentes fuentes de variación sistemática.

Tabla 2. Jerarquía de los diseños de control de error

Número de
factores de
bloqueo Clase de diseño Diseños específicos
 15

Diseño completamente al
azar
Diseño de bloques completo al azar
Diseño de bloques generalizado al azar
Diseño de bloques incompletos al azar
Diseño de bloques incompleto balanceado.
Diseño de bloques incompleto de tratamiento
balanceado.
Diseño de bloques al azar
Diseño de bloques incompletos parcialmente
balanceado.
Diseño de latice
Diseño de bloque
Diseño de bloque de tendencia libre

Diseños cuadrado Latino

Rectángulo Latino
Diseños tipo cuadrado
Latino Diseños cuadrado latino incompleto (cuadrado
de Youden)
Diseño Cross.over
Diseño de cuadrado latino
replicado
Diseño de cuadrado Greco-
Latino
Cuadrados Latinos
mutuamente ortogonales

Situación 1

Diseño de control de error: Para los ensayos de antagonismo in vitro y antagonismo in vivo se
planteó un Diseño Completamente al Azar; Para los ensayos de Dinámica de colonización radical y
Crecimiento de la planta se planteó un Diseño Completamente al Azar con medidas repetidas. Para el
ensayo de producción del cultivo se planteó un Diseño Completamente al Azar con estructura de
tratamientos factorial. Estos diseños se plantearon por tratarse de unidades experimentales homogéneas
y no existir factores de bloqueo.

Diseño de Muestreo y Observaciones

El tercer componente del diseño experimental es el muestreo y el diseño de observación. Este determina
a que nivel deben tomarse las observaciones y qué clase de observaciones se deben tomar; es decir, si
las unidades observacionales son las mismas unidades experimentales o si se debe realizar un
submuestreo de las unidades experimentales, también especifica si se deben tomar observaciones
univariadas o multivariadas.
 16

La unidad experimental, o parcela experimental, es el pedazo de material a la cual se le aplica el

tratamiento. La unidad experimental puede ser un animal, 10 pollos de corral, media hora, etc.

La unidad de muestreo o unidad Observacional (UO), es aquella fracción de la unidad experimental

sobre la cual se mide el efecto del tratamiento. Hay que aclarar que el muestreo de observaciones no
implica replicación. Por ejemplo, si a 50 gallinas se les enjaula juntas y se les alimenta con la misma
ración, las UE son las 50 gallinas. Se necesitan otras jaulas de 50 gallinas antes de poder medir la
variación entre unidades tratadas en forma semejante. Esto es cierto aún si una medida como el peso
del cuerpo se mide en cada gallina en forma individual.

Ejemplo 1

Cuando en un ensayo clínico veterinario, a varios perros se les aplican diferentes medicamentos, cada
perro es una UE y si, por otra parte, a cada perro se la aplica una pomada sobre los pies, entonces cada
pie es una UO.

Ejemplo 2

Cuando se aplica un tipo de alimento (tratamiento) a unos cerdos de una porqueriza, esta sería la UE;
sin embargo, las observaciones de aumento de peso se hacen a cada animal, por lo cual los animales
son las UO.

En algunos casos las UE y las UO son iguales, pero en otros no.

Situación 1

Se definió la unidad experimental para cada experimento así: Para el ensayo de Antagonismo in vitro: la
unidad experimental correspondió a una caja de petri. Para el ensayo de dinámica de colonización
radical: la unidad experimental fué el grupo de cinco plantas donde cada una (unidad observacional) se
valoró en uno de los cinco tiempos durante el ciclo de cultivo (respuesta multivariada). Para el ensayo
producción del cultivo y antagonismo in vivo: la unidad experimental correspondió a una planta, cuyos
tubérculos (unidad observacional) fueron contados, pesados y en cada uno de ellos se evaluó los
síntomas de enfermedad.

Competencia

La competencia es definida como el efecto de un individuo o conjunto de individuos sobre otro

individuo o conjunto de individuos. Hay dos clases de competencia de importancia en el diseño
experimental, estas son: competencia intra e inter unidades experimentales.

Competencia intra-unidades experimentales

Existe cuando un individuo (os) dentro de la unidad experimental afecta (n) a otros ventajosa o
desventajosamente. Entre algunos ejemplos encontramos: plantas de una parcela de campo están en
competencia por luz, agua y nutrientes. Animales dentro de un corral o jaula están en competencia por
comida y agua. Los trabajadores de un laboratorio pueden tener más resultado cuando trabajan
 17

conjuntamente que cuando trabajan solos. Algún animal en un corral es más belicoso que otros, a
menudo causando algún perjuicio físico a otros animales. La competencia puede no tener efecto sobre
la técnica experimental, siempre y cuando la suma de los efectos de competencia sea cero, lo cual
requiere que que un individuo gane lo que otro pierde.

Si la variación entre individuos o unidades muestrales dentro de la unidad experimental es utilizada en

la prueba de significancia, la varianza del error puede ser erróneamente estimada a causa de la
competencia. Para eliminar la competencia intra-unidades experimentales se requiere proporcionar más
espacio o más tiempo. Por ejemplo, en trabajos de plantas puede requerirse más espacio entre plantas;
en trabajos de laboratorio, los trabajadores pueden manipular muestras diferentes.

Supongamos que unidades muestrales o individuos por unidad experimental y que R de

las unidades experimentales es extraída al azar. La varianza de la media de las R es:

Donde representa la variación entre unidades experimentales tratadas similarmente

y representa la variación entre unidades muestrales dentro de la unidad experimental. Si la

competencia existe, varía independientemente de Unidad experimental a Unidad experimental. La

varianza debida a la competencia puede no ser estimada en experimentos muestrales ordinarios a menos
que el experimento se diseñe específicamente para medir competencia intra-unidad experimental.

Competencia entre-unidades experimentales

Se refiere a influencias desventajosas o nocivas de una unidad experimental sobre otra. Los efectos de
``borde'' o ``callejón'' (efecto sobre plantas o animales, causados por adyacencia de unas desiertas o
inhabitadas) se han incluído en la competencia entre parcelas y su influencia puede ser retirada de un
experimento utilizando material de defensa que debe descartarse. Entre algunos ejemplos que ilustran
lo anterior tenemos: algunas variedades de plantas que pueden afectar adversamente otras variedades
que crecen adyacentes a ellas, debido a que aparentemente pueden ser mejores competidoras. Plantas
sobre una parcela con tratamiento no fertilizante o con tratamiento no riego pueden extraer algo de
nutrientes o agua de las parcelas tratadas.

El proprocionar más o menos separación de las unidades experimentales es suficiente para retirar el
efecto de competencia. El experimentador puede ampliar la distancia entre filas y disminuir la distancia
entre plantas dentro de la fila. Sin embargo, defender o bordear el material experimental puede
considerarse como una alternativa relativa.

Tamaño de la Unidad Experimental

 18

El tamaño óptimo o recomendado para una unidad experimental está dado por un número de factores.
Por ejemplo, el tamaño de una parcela de campo está determinada por las facilidades disponibles para
manejar la parcela, así, si hay a disposición equipo potente para su manejo, una parcela grande puede
ser esencial, por el contrario, si no es posible obtener este tipo de equipos, el experimentador está
forzado a utilizar una parcela pequeña o a submuestrear.

La cantidad total de material experimental disponible es un factor en la determinación del tamaño

óptimo de una unidad experimental, ya que el experimentador puede tener solamente un número fijo de
animales, plantas, semillas o un área fija de suelo a su disposición.

Ejecución del Experimento

Consiste en la aplicación de cada uno de los procesos de laboratorio o procedimientos (tratamientos) a

las unidades experimentales de acuerdo al diseño experimental seleccionado. Es recomendable preparar
un protocolo de ejecución y seguirlo cuidadosamente.

Situación 1

La ejecución del experimento se llevó a cabo teniendo en cuenta las condiciones planeadas y ejecutando
el procedimiento de aleatorización, rotulando cada matera y asignando aleatoriamente la matera al
tratamiento.

Recolección de datos

Para la recolección de los datos o toma de observaciones se deben tener en cuenta las siguientes
recomendaciones:

1. El experimentador debe liberarse de toda simpatía personal hacia determinado tratamiento que
pudiera sesgar los resultados.

2. Todas las observaciones que se tomen deben ser anotadas cuidadosamente en un registro
apropiado, no dejando nada a la memoria. Los datos deben anotarse en forma ordenada, de tal
forma que puedan ser utilizados por otro experimentador si fuese necesario en una fecha más o
menos lejana, quien debe poder entender todas las anotaciones.

3. Se recomienda que el experimentador tome las observaciones (aleatoriamente) olvidándose

cuáles son los tratamientos de las parcelas a fín de no dejarse influir por prejuicios sobre
determinados tratamientos.
 19

4. En algunos experimentos no es práctico tomar observaciones en toda la unidad experimental,

tal es el caso de determinaciones químicas. En estos casos es recomendable muestrear la unidad
experimental para obtener subunidades. Generalmente hay mas variabilidad entre las unidades
que entre las subunidades experimentales. Es por esto que no debe haber mucho interés en
muchas determinaciones químicas en cada unidad experimental, ya que las subunidades solo
sirven para estimar las UE, y el experimentar está basado en la variabilidad entre las UE y no
entre subunidades experimentales.

Situación 2

Para la recolección de información, se tuvo en cuenta la realización previa de tablas en las cuales
consignar dicha información, las cuales se caracterizaron por tener un orden lógico, lo que facilitó
posteriormente la digitación de información. La tabla 1 ejemplifica una de ellas, la cual fue utilizada
para la valoración de sintomatología en tubérculos.

Tabla 1. Valoración de sintomatología en los tubérculos

Tratamiento Réplica (Planta) Observación(tubérculo). Tipo de síntoma Nivel Peso

La codificación utilizada para el registro de la anterior información fué: Tratamiento: 1,...,13; Réplica:
1,...,7; Observación: 1,...,n; Tipo de síntoma (1): deformación, (2): esclerocios, (3): escarificación;
Nivel (1):sano, (2):moderado, (3):severo.

Pasos de una Investigación Experimental

Análisis Estadístico

Después de obtener los datos se continúa con el análisis estadístico de acuerdo al diseño experimental
seleccionado y al modelo asociado. Uno de los principales objetivos del análisis de los datos de un
diseño experimental es cuantificar y evaluar la importancia de las fuentes de variación (factores de
tratamientos y de clasificación). Esto puede ser obtenido a través del análisis de varianza (ANOVA)
asociado bajo el modelo lineal. El análisis de varianza, es una técnica estadística, que permite analizar
datos provenientes de un experimento aleatorio comparativo, fue ideado por R.A. Fisher, publicado en
1923. Es un procedimiento sistemático que particiona la variabilidad total (o total de la suma de
cuadrados)
 20

De las observaciones en partes componentes que influyen en el modelo lineal; cada una de las cuales
es asociada con una fuente de variación. Una de éstas es la variación entre las unidades experimentales
tratadas en forma semejante, la cual es una medida del error experimental que provee la base para los
estimados de intervalos y las pruebas de hipótesis significancia. Otras fuentes de variación son las de
los tratamientos, bloques etc. No es un método fijo, se adapta a cada diseño particular, pudiéndose
clasificar de diferentes maneras; según el diseño, el número de repeticiones o según la forma de
seleccionar el número de los niveles de los factores.

 Según el diseño:

a. Unifactorial. Cuando hay un solo factor de tratamientos se utiliza ANOVA de

clasificación simple o de una vía como el caso de un DCA.

b. Multifactorial. se utiliza ANOVA de dos vías (dos factores) o tres vías (tres factores),
etc, como en el caso de diseños de bloques (un factor y una variable de agrupación o
clasificación), cuadrado latino (un factor y dos variables de agrupación) y otros.

 Según el número de Repeticiones:

a. Igual número de repeticiones: se utiliza ANOVA con grupos iguales para diseños
balanceados.

b. Desigual número de repeticiones: ANOVA con grupos desiguales para diseños

desbalanceados.

 Según la forma de seleccionar los niveles de los factores:

a. Si los niveles son fijos, se utiliza el modelo I de ANOVA, llamado también modelo de efectos
fijos.

b. Si los niveles son seleccionados al azar, se utiliza el modelo II de efectos aleatorios o modelos
de componentes de varianza.

c. Si hay factores con niveles fijos y aleatorios: se utiliza el modelo III de ANOVA o mixto.

Interpretación de Resultados

Es importante tener en cuenta en este aspecto que los resultados deben ser interpretados por el
investigador, ya que algunos resultados pueden resultar significativos estadísticamente, pero carecen
de importancia para los objetivos de la investigación.

Generación de nuevas preguntas e hipótesis

Luego de realizada la investigación se deben formular nuevos interrogantes e hipótesis que servirán de
base a futuras investigaciones.
 21

Finalmente, el estudio llevó a la formulación de nuevas preguntas e hipótesis, entre algunas de estas
podemos citar: ¿Cómo influyen los medios de cultivo utilizados sobre el comportamiento de las pruebas
de antagonismo in vitro?, Qué mecanismos y/o sustancias se encuentran implicadas en la actividad
biocontroladora y de colonización de esta especie bacteriana?, ¿Cómo es su actividad biocontroladora
de otros patógenos de importancia comercial diferentes al evaluado? y muchas otras.

Presentación de Resultados

Para la presentación del resúmen de resultados se utilizaron gráficas sencillas de estadística descriptiva.
(ver tesis Bautista, 2000).

Principios Básicos del Diseño Experimental

Algunos principios básicos del diseño experimental tienen que ver con la formulación del problema
bajo investigación, la escogencia del diseño experimental, la ejecución del experimento, el análisis de
los datos y la interpretación de los resultados. Estos principios se discutirán en forma general, dejando
los detalles específicos referentes a los diseños experimentales para sesiones posteriores.

Cuando se describieron los pasos de un experimento se enfatizó el aspecto estadístico en particular. En

la figura 1 se observa el "triángulo estadístico" formado por la selección del diseño experimental, la
formulación del modelo estadístico y el análisis de los datos. Para garantizar el análisis estadístico y
para incrementar su sensibilidad, se debe tener en cuenta tres principios básicos en cualquier
experimento: la replicación, la aleatorización y el bloqueo o control local.

La replicación

Por esta se entiende que cada tratamiento (o alguno de los tratamientos) debe ser aplicado a varias
unidades experimentales. La replicación sirve para:

1. Proveer un estimado del error experimental, tal estimación se convierte en la unidad básica para
determinar si las diferencias observadas en los datos son estadísticamente significativas

2. Incrementar la precisión por medio de la reducción de errores estándar.

3. Calcular una estimación más precisa del efecto de un factor en el experimento si se usa la media

muestral ( ) como una estimación de dicho efecto.

La Aleatorización

Consiste en que tanto la asignación del material experimental como el orden en que se realizan las
pruebas individuales o ensayos se determinan aleatoriamente y sirve para:

1. Garantizar la validez de la estimación del error experimental.

 22

2. Garantizar la independencia de los errores o que las observaciones sean variables aleatorias
independientes. Esto es necesario para obtener pruebas de significancia válidas y estimados de
intervalos.

3. Eliminar el sesgo de tal manera que no se desfavorezca o discrimine a los tratamientos y permite
cancelar los efectos de factores extraños que pudieran estar presentes.

Existen varias formas prácticas para la asignación aleatoria de los tratamientos a las unidades
experimentales; una es la numeración de los tratamientos, que luego a manera de sorteo se extraen de
una urna de fichas rotuladas con dicha numeración; el orden en que aparecen los números corresponde
al orden de asignación de los tratamientos. También existen tablas que contienen números aleatorios y
programas de computadora que los generan. El proceso de asignar aleatoriamente las unidades
experimentales y los tratamientos se puede hacer de la siguiente manera:

Marque las unidades experimentales . Luego marque unos papelitos con los

números Coloque los papelitos en una bolsa. Seleccione un papelito y márquelo

por el reverso de donde este marcado con el número , deje este papelito fuera de la bolsa.

Proceda nuevamente a seleccionar otro papelito y márquelo ahora con el número . Continúe este
proceso hasta que queden marcados todos los papelitos

como . Ahora si el papelito y por

consiguiente la unidad experimental está asociada con la marca se aplica el tratamiento a

esta unidad experimental.

También se puede hacer el anterior proceso usando la tabla de números aleatorios. Como ejemplo

suponga que . Usted puede marcar las UE con números de dos

dígitos . Luego asocie los números y con la UE 1 y ubicándose en

cualquier lugar de la tabla se empieza a recorrerla en cualquier sentido para localizar los números
anteriores

El bloqueo o control local

En el cual la idea básica es particionar el conjunto total de las UE en subconjuntos (bloques) que sean
lo más homogéneo posible, eliminando de esta forma los efectos de factores extraños que contribuyen
a la variación sistemática de las diferencias entre las unidades experimentales. Existen varias razones
para bloquear en un diseño experimental:

1. Puede incrementarse la precisión de un experimento. Las diferencias entre los bloques son
eliminadas del error experimental en el análisis de resultados reduciendo de ésta forma el error.

2. Los tratamientos son comparados bajo casi idénticas condiciones, ya que las comparaciones
son hechas dentro de bloques de unidades uniformes.
 23

Objetivos básicos de diseño experimental

El objetivo general de cualquier diseño experimental es proporcionar una cantidad máxima de

información pertinente al problema bajo investigación. Objetivos más específicos aparecen a
continuación.

1. Aumentar la precisión del experimento.

2. Proveer estimados de los efectos de tratamientos o las diferencias entre los efectos de
tratamientos.

3. Estimar la variabilidad del material experimental.

El ejemplo presentado a continuación muestra los pasos lógicos llevados a cabo durante una situación
experimental.

Precisión y exactitud

La verificación de hipótesis científicas es solamente posible por medio de procesos de experimentación,

en la cual se requiere la disponibilidad de instrumentos que midan con alta precisión. Es importante
reconocer la distinción entre precisión y exactitud

Las palabras precisión y exactitud, se consideran en ocasiones como sinónimos. Se les ha asignado
significados técnicos, particularmente en las ciencias naturales e ingeniería. Estadísticamente tienen
significados distintos. Precisión se refiere a la similitud de una medición cuando se realiza varias veces;
es decir, la capacidad de repetición de las medidas. y Exactitud se refiere a la cercanía de una medición
con el valor teórico esperado. La diferencia entre los conceptos puede ilustrarse con un experimento en

el cual algunos niños se pesan en una báscula que tiene un sesgo de . Si el peso verdadero de

un niño es , las pesadas repetidas del niño darán alrededor de . La exactitud de una
medición del peso del niño significa la cercanía con la cual la medición se aproxima al peso verdadero

de . La precisión de una medición significa la cercanía con la cual la medición se aproxima al

promedio de de una serie de grandes mediciones hechas bajo condiciones similares.

Si el sesgo es grande, una medición puede ser de alta precisión pero baja exactitud. Las repeticiones,
las mediciones adicionales y el agrupamiento hábil del material actúan sobre la precisión del
experimento. Si el método de medición permanece sesgado, estos procedimientos no afectan a ese
sesgo. Un refinamiento en la técnica si puede reducir este sesgo.

Existe métodos estadísticos que permiten abordar esta temática, pero no se hará en el curso.

Actividades Complementarias

¿Cómo se presentan los resultados de una investigación experimental?

 24

1. Presentar la tabla de ANOVA y las tablas de medias con sus errores estándar. A través de los
años se han llegado a establecer dos costumbres:

a. Si una relación excede al punto de 95 porciento pero no excede al punto de 99

porciento, la relación (o el cuadrado medio para el efecto por probar) está marcado
con un asterisco (*).

b. Si una relación F excede el punto de 99 porciento, la relación (o el cuadrado medio

para el efecto por probar) está marcado con doble asterisco (**).

Si el espacio es de importancia, únicamente se presenta un ANOVA abreviado, cuando esto se haga, se

acostumbra incluir únicamente las columnas para fuentes de variación, grados de libertad y cuadrados
medios.

Cuando se utilice la convención del asterisco se deben definir los símbolos al final de cada tabla de
ANOVA mediante el uso de las siguientes notas:

* significante a

** significante a

*** significante a

2. Describa los resultados en forma gráfica siempre que sea posible.

Lecturas complementarias

Para alumnos de posgrado en materiales

Ejemplos 12.1 y 12.2 del libro de estadística industrial de Kenett R. y Zacks Z. (2000) pags. 408-412.

Actividades de la Semana

Para cada una de las siguientes situaciones que se presentan decida si es experimental o no y determine:

a. Las variables dependientes y independientes

b. La unidad experimental

c. La unidad observacional

d. El diseño de control de error

e. Los factores de tratamientos

f. Los tratamientos

g. La estructura de los tratamientos

 25

SITUACIÓN 1 (Ejercicio 10.4.2 Susan)

El abeto sitka es económicamente el árbol de bosque más importante en el Reino Unido. Sin embargo,
posee una regeneración natural escasa como consecuencia de la infrecuencia de buenos años. Es
necesario aumentar la producción de semillas. Se proponen cuatro tratamientos hormonales. Puesto que
árboles diferentes tienen distintas características naturales de reproducción, se controla el efecto de las
diferencias entre árboles mediante bloques. En el experimento se utilizan diez árboles. Dentro de cada
árbol se seleccionan cuatro ramas semejantes. Cada rama recibe exactamente uno de los cuatro
tratamientos, siendo aleatoriamente asignados los tratamientos a las ramas. De este modo, cada árbol
constituye un bloque completo. Lo que se mide es el número de semillas producidas por rama.

Supongamos que esta variable, si bien discreta, está de manera aproximada normalmente distribuida.

Tratamiento

A B C D
(árbol)

1 89 59 20 51

2 87 56 15 47

3 84 52 14 45

4 92 67 26 56

5 95 70 28 60

6 90 62 22 53

7 89 60 19 51

8 88 56 17 50

9 82 50 14 45

10 94 63 24 53

SITUACIÓN 2 (Ejercicio de Susan).

Se sabe que el dióxido de carbono tiene un efecto crítico en el crecimiento microbiológico. Cantidades

pequeñas de CO estimulan el crecimiento de muchos microorganismos, mientras que altas

concentraciones inhiben el crecimiento de la mayor parte de ellos. Este último efecto se utiliza
comercialmente cuando se almacenan productos alimenticios perecederos. Se realizó un estudio para
 26

investigar el efecto de CO sobre la tasa de crecimiento de Pseudomonas fragi, un corruptor de

alimentos. Se administró dióxido de carbono a cinco presiones atmósfericas diferentes. La respuesta
anotada es el cambio porcentual en la masa celular después de un tiempo de crecimiento de una hora.
Se utilizaron diez cultivos en cada nivel. Se obtuvieron los siguientes datos:

Nivel del factor

(presión en atmósferas de CO )

0.0 0.083 0.29 0.50 0.86

62.6 50.9 45.5 29.5 24.9

59.6 44.3 41.1 22.8 17.2

64.5 47.5 29.8 19.2 7.8

59.3 49.5 38.3 20.6 10.5

58.6 48.5 40.2 29.2 17.8

64.6 50.4 38.5 24.1 22.1

50.9 35.2 30.2 22.6 22.6

56.2 49.9 27.0 32.7 16.8

52.3 42.6 40.0 24.4 15.9

62.8 41.6 33.9 29.6 8.8

SITUACIÓN 3 (Ejercicio 10.5.1 Susan)

Se realiza un estudio para determinar el nivel del agua y el tipo de planta sobre la longitud global del
tallo de las plantas de guisantes. Se utilizan tres niveles de agua y dos tipos de plantas. Se dispone para
el estudio de diciocho plantas sin hojas. Se dividen aleatoriamente estas plantas en tres sugrupos, y
después se asignan los niveles de agua aleatoriamente a los grupos. Se sigue un procedimiento similar
con 18 plantas convencionales. Se obtuvieron los siguientes datos (la longitud del tallo se da en
centímetros).

Factor B Factor A (Nivel del agua)

(tipo de planta) Bajo Medio Alto

Sin hojas 69.0 96.1 121.0

 27

71.3 102.3 122.9

73.2 107.5 123.1

75.1 103.6 125.7

74.4 100.7 125.2

75.0 101.8 120.1

71.1 81.0 101.1

69.2 85.8 103.2

70.4 86.0 106.1

Convencional
73.2 87.5 109.7

71.2 88.1 109.0

70.9 87.6 106.9

SITUACIÓN 4

Box, Hunter y Hunter (1978, Pág.209) citan los siguientes resultados de cuatro tratamientos, A, B, C y
D, en la fabricación de la penicilina, en 5 formulaciones distintas.

Tratamientos

Formulaciones A B C D

1 89 88 97 94

2 84 77 92 79

3 81 87 87 85

4 87 92 89 84

5 79 81 80 88

SITUACIÓN 5. Tomado del libro control de calidad y estadística industrial de Duncan (1996)

Se tomaron tres determinaciones del punto de fusión de la hidroquina en cada uno de cuatro
termómetros y se quiere determinar si leen distintos los termómetros.
 28

Termómetros

A B C D

174.0 173.0 171.5 173.5

173.0 172.0 171.0 171.0

173.5 173.0 173.0 172.5

SITUACIÓN 6

Suponga que en la situación 5 tres analistas hacían dos determinaciones del punto de fusión de la
hidroquina con cada uno de cuatro termómetros diferentes

Termómetros

Analista A B C D

I 174.0 173.0 171.5 173.5

173.5 173.5 172.5 173.5

II 173.0 172.0 171.0 171.0

173.0 173.0 172.0 172.0

III 173.5 173.0 173.0 172.5

173.0 173.5 173.0 173.0

Bibliografia

 Little, Thomas M. y Hill, F. J. (1976). Métodos estadísticos para la investigación en la agricultura.

Editorial trillas. pags:13-20.

 Hinkelman. K. & Kempthorne. O.(1994): Design and analyisis of experiments volumen I. Jhonn
Wiley. págs:1-52.

 Steel, R. G.D. and Torrie, J. H. (1996). Bioestadística: principios y procedimientos. McGraw-Hill.

págs: 118-131.

 Ostle, Bernard (1973). Estadística aplicada. Editorial Limusa-Wiley, S. A. págs: 275-309.

 Rios, S. (1967). Métodos estadísticos. Mcgraw-Hill. págs:411-412.

 29

 Susan M. J. (1987). Estadística para biología y ciencias de la salud. McGraw-Hill-Interamericana.

págs:279-337.

 Federer, Walter. Experimental design. Theory and aplications. MacMillan company. Capítulo 3.

 Roberto Hernández Sampieri y otros (1998). Metodología de la investigación, , McGraw-Hill.

 Bautista Mendoza Gloria R.(2000). Tesis de Maestría en Microbiología: Determinación de la

asociación y antagonismo contra Rhizoctonia solani de aislamientos nativos de Pseudomonas
fluorescens en un cultivo de papa Solanum phurja en condiciones de invernadero.

 Kenett R. y Zacks Z. (2000). Estadística industrial moderna. Diseño y control de la calidad y la

confiabilidad