Experimento

Un experimento es un procedimiento llevado a cabo para apoyar, refutar, o

validar una hipótesis. Los experimentos proporcionan idea sobre causa-y-efecto
por la demostración del resultado, que ocurre cuándo un factor particular es
manipulado. Los experimentos varían mucho en objetivo y escala, pero se
apoyan en la repetición de procedimientos y análisis lógico y estadístico de los
resultados. Allí también existen estudios experimentales naturales.

Un niño puede realizar experimentos básicos para comprender el efecto de la

gravedad, mientras que los equipos de científicos pueden tomar años de
investigación sistemática para avanzar en su comprensión de un fenómeno. Los
experimentos y otros tipos de actividades prácticas son muy importantes para el
aprendizaje de los alumnos en el aula de ciencias. Los experimentos pueden elevar los puntajes de las
evaluaciones y ayudar a un estudiante a involucrarse más e interesarse en el material que está aprendiendo,
especialmente cuando se usa con frecuencia.1 ​ Los experimentos pueden variar desde comparación
personal e informal natural (por ejemplo, probar una variedad de chocolates para encontrar uno favorito),
hasta aquellos que son altamente controlados (por ejemplo, pruebas que requieren aparatos complejos que
sean supervisados por muchos científicos que esperan descubrir información sobre partículas subatómicas).
Los usos de los experimentos varían considerablemente entre las ciencias naturales y humanas.

Aquellos experimentos que típicamente incluyen controles, diseñados para reducir los efectos de variables
distintas de la variable independiente única. Esto aumenta la fiabilidad de los resultados, a menudo a través
de una comparación entre las mediciones de control y las otras mediciones. Los controles científicos son
parte del método científico . Es ideal que, todas las variables en un experimento estén controladas (tomadas
en cuenta por las mediciones de control) y ninguna está fuera de control. En tal experimento, si todos los
controles funcionan como se espera, es posible concluir que el experimento funciona según lo previsto, y
que los resultados se deben al efecto de la variable probada.

Visión general
En el método científico, un experimento es un procedimiento empírico que arbitra modelos o hipótesis en
competencia.2 3​ ​Los investigadores también usan los experimentos para evaluar teorías existentes o nuevas
hipótesis para apoyarlas o refutarlas.4 ​

Un experimento, generalmente evalúa una hipótesis, que es una expectativa sobre cómo funciona un
proceso o fenómeno en particular. Sin embargo, un experimento también puede tener como objetivo el
responder a una pregunta de "qué si", sin una expectativa específica sobre lo que revela el experimento, o
para confirmar resultados previos. Si en el experimento se llevan a cabo los cuidados necesarios, los
resultados generalmente respaldan o refutan la hipótesis. Según algunas filosofías de la ciencia, un
experimento nunca puede "probar" una hipótesis, solo puede añadir apoyo. Por otro lado, un experimento
que proporciona un contraejemplo puede refutar una teoría o hipótesis, pero una teoría siempre puede
salvarse mediante modificaciones ad hoc apropiadas a expensas de la simplicidad. Un experimento también
debe controlar los posibles factores de confusión, cualquier factor que estropee la precisión o la repetición
del experimento o la capacidad de interpretar los resultados. La confusión se elimina comúnmente mediante
controles científicos y/o, en experimentos aleatorios, mediante una asignación aleatoria .
En ingeniería y ciencias físicas, los experimentos son un componente primario del método científico. Se
utilizan para probar teorías e hipótesis sobre cómo funcionan los procesos físicos bajo condiciones
particulares (por ejemplo, si un proceso de ingeniería en forma particular puede producir un compuesto
químico deseado). Típicamente, los experimentos en estos campos se enfocan en la replicación de
procedimientos idénticos con la esperanza de producir resultados idénticos en cada réplica. La asignación
aleatoria es poco común.

En medicina y las ciencias sociales, la prevalencia de la investigación experimental varía ampliamente entre
las disciplinas. Sin embargo, cuando se usan, los experimentos suelen seguir la forma del ensayo clínico,
donde las unidades experimentales (generalmente seres humanos individuales) se asignan aleatoriamente a
un tratamiento o control de condición, donde se evalúan uno o más resultados.5 ​ En contraste con las
normas de las ciencias físicas, el enfoque generalmente está en el efecto promedio del tratamiento (la
diferencia en los resultados entre los grupos de tratamiento y control) u otra prueba estadística producida
por el experimento.6 ​ Por lo general, un solo estudio no implica replicaciones del experimento, pero se
pueden agregar estudios separados mediante una revisión sistemática y un metanálisis .

Existen varias diferencias en la práctica experimental en cada una de las ramas de la ciencia . Por ejemplo,
la investigación agrícola con frecuencia utiliza experimentos aleatorios (por ejemplo, para evaluar la
efectividad comparativa de diferentes fertilizantes), mientras que la economía experimental confrecuencia
implica pruebas experimentales de comportamientos humanos teorizados sin depender de la asignación
aleatoria de individuos a condiciones de tratamiento y control.

Historia
Uno de los primeros enfoques metódicos de los experimentos en el sentido moderno es visible en los
trabajos del matemático y erudito árabe Alhacén . El condujo sus experimentos en el campo de la óptica,
retomando los problemas ópticos y matemáticos en los trabajos de Ptolomeo, controlando sus experimentos
debido a factores como la autocrítica, la confianza en los resultados visibles de los experimentos, así como
una crítica en términos de resultados anteriores. El cuenta como uno de los primeros académicos que utiliza
un método inductivo-experimental para lograr resultados.7 ​ En su libro "Óptica" describe el enfoque
fundamentalmente nuevo del conocimiento y la investigación en un sentido experimental:

We should, that is, recommence the inquiry into its principles and premisses, beginning our
investigation with an inspection of the things that exist and a survey of the conditions of
visible objects. We should distinguish the properties of particulars, and gather by induction
what pertains to the eye when vision takes place and what is found in the manner of sensation
to be uniform, unchanging, manifest and not subject to doubt. After which we should ascend
in our inquiry and reasonings, gradually and orderly, criticizing premisses and exercising
caution in regard to conclusions—our aim in all that we make subject to inspection and review
being to employ justice, not to follow prejudice, and to take care in all that we judge and
criticize that we seek the truth and not to be swayed by opinion. We may in this way
eventually come to the truth that gratifies the heart and gradually and carefully reach the end
at which certainty appears; while through criticism and caution we may seize the truth that
dispels disagreement and resolves doubtful matters. For all that, we are not free from that
human turbidity which is in the nature of man; but we must do our best with what we possess
of human power. From God we derive support in all things.8 ​

De acuerdo a su explicación, es necesaria una ejecución de prueba estrictamente controlada con

sensibilidad para la subjetividad y susceptibilidad de los resultados debido a la naturaleza del hombre.
Además, es necesaria una visión crítica en los resultados y aquellos resultados de los estudiosos anteriores:
 It is thus the duty of the man who studies the writings of scientists, if learning the truth is his
goal, to make himself an enemy of all that he reads, and, applying his mind to the core and
margins of its content, attack it from every side. He should also suspect himself as he
performs his critical examination of it, so that he may avoid falling into either prejudice or
leniency.9 ​

Por tanto, una comparación de los resultados de estudiosos anteriores con los resultados experimentales es
necesaria para un experimento objetivo; los resultados visibles son más importantes. Al final, esto puede
significar que un investigador experimental debe encontrar el coraje suficiente para descartar opiniones o
resultados tradicionales, especialmente si estos resultados no son experimentales, sino que resultan de una
derivación lógica/mental. En este proceso de consideración crítica, el hombre mismo no debe olvidar que
tiende a opiniones subjetivas, a través de "prejuicios" y "clemencia", y por lo tanto tiene que ser crítico
sobre su propia forma de construir hipótesis.

Francis Bacon (1561–1626), un filósofo Inglés y científico activo en el siglo xvii, se convirtió en un
defensor influyente de la ciencia experimental en el Renacimiento Inglés. No estuvo de acuerdo con el
método de responder preguntas científicas por deducción—similar a Ibn al-Haytham—y lo describe como
sigue: "Having first determined the question according to his will, man then resorts to experience, and
bending her to conformity with his placets, leads her about like a captive in a procession."10 ​Bacon quería
un método que se basara en observaciones repetibles o experimentos. Notablemente, primero ordenó el
método científico tal como lo entendemos hoy.

There remains simple experience; which, if taken as it comes, is called accident, if sought for,
experiment. The true method of experience first lights the candle [hypothesis], and then by
means of the candle shows the way [arranges and delimits the experiment]; commencing as it
does with experience duly ordered and digested, not bungling or erratic, and from it deducing
axioms [theories], and from established axioms again new experiments.11:​101

En los siglos siguientes, las personas que aplicaron el método científico en diferentes áreas hicieron
importantes avances y descubrimientos. Por ejemplo, Galileo Galilei (1564–1642) midió con precisión el
tiempo y experimentó para hacer mediciones y conclusiones precisas sobre la velocidad de una caída del
cuerpo. Antoine Lavoisier (1743-1794), un químico francés, uso experimentos para describir nuevas áreas,
como la combustión y la bioquímica, y para desarrollar la teoría de la conservación de la masa (materia).12 ​
Louis Pasteur (1822-1895) utilizó el método científico para refutar la teoría predominante de la generación
espontánea y para desarrollar la teoría de los gérmenes de la enfermedad .13 ​ Debido a la importancia de
controlar las variables potencialmente confusas, se prefiere el uso de experimentos de laboratorio bien
diseñados cuando sea posible.

A principios del siglo xx se produjo un progreso considerable en el diseño y análisis de experimentos, con
contribuciones de estadísticos como Ronald Fisher (1890–1962), Jerzy Neyman (1894–1981), Oscar
Kempthorne (1919–2000), Gertrude Mary Cox (1900-1978) y William Gemmell Cochran (1909-1980),
entre otros.

Tipos de experimento
Los experimentos pueden clasificarse según una serie de dimensiones, dependiendo de las normas y
estándares profesionales en diferentes campos de estudio. En algunas disciplinas (por ejemplo, psicología o
ciencias políticas ), un "experimento verdadero" es un método de investigación social en el que existen dos
tipos de variables . El experimentador manipula la variable independiente y se mide la variable dependiente
. La característica significante de un verdadero experimento es que asigna aleatoriamente a los sujetos para
neutralizar el sesgo del experimentador y asegura, durante un gran número de iteraciones del experimento,
que controla todos los factores de confusión .14 ​

Experimentos controlados

Un experimento controlado a menudo compara los resultados

obtenidos de muestras experimentales con muestras de control, que
son prácticamente idénticas a la muestra experimental, excepto por
el aspecto cuyo efecto se está probando (la variable independiente
). Un buen ejemplo sería un ensayo de drogas. La muestra o grupo
que recibe el medicamento sería el grupo experimental ( grupo de
tratamiento ); y el que recibe el placebo o el tratamiento regular
sería el control . En muchos experimentos de laboratorio, es una
buena práctica tener varias muestras replicadas para la prueba que Experimento en laboratorio de
se realiza y tener tanto un control positivo como un control fotónica biomédica, en el que se
negativo . Los resultados de las muestras replicadas a menudo se intenta controlar las variables al
pueden promediar, o si una de las réplicas es obviamente máximo.
inconsistente con los resultados de las otras muestras, se puede
descartar como resultado de un error experimental (algún paso del
procedimiento de prueba puede haber sido erróneamente omitido para esa muestra). Muy a menudo, las
pruebas se realizan por duplicado o por triplicado. Un control positivo es un procedimiento similar a la
prueba experimental real, pero se sabe por experiencia previa que da un resultado positivo. Se sabe que un
control negativo da un resultado negativo. El control positivo confirma que las condiciones básicas del
experimento fueron capaces de producir un resultado positivo, incluso si ninguna de las muestras
experimentales reales produce un resultado positivo. El control negativo demuestra el resultado de la línea
de base obtenido cuando una prueba no produce un resultado positivo medible. Muy a menudo, el valor del
control negativo se trata como un valor de "fondo" para restar de los resultados de la muestra de prueba.
Algunas veces el control positivo toma el cuadrante de una curva estándar .

Un ejemplo que se usa a menudo en los laboratorios de enseñanza es un ensayo controlado de proteínas .
Los estudiantes pueden recibir una muestra de líquido que contiene una cantidad desconocida (para el
estudiante) de proteína. Es su trabajo realizar correctamente un experimento controlado en el que
determinan la concentración de proteína en la muestra de fluido (generalmente llamada "muestra
desconocida"). El laboratorio de enseñanza estaría equipado con una solución estándar de proteína con una
concentración de proteína conocida. Los estudiantes pueden hacer varias muestras de control positivo que
contienen varias diluciones del estándar de proteína. Las muestras de control negativo contendrían todos los
reactivos para el análisis de proteínas pero no proteínas. En este ejemplo, todas las muestras se realizan por
duplicado. El ensayo es un ensayo colorimétrico en el que un espectrofotómetro puede medir la cantidad de
proteína en las muestras mediante la detección de un complejo coloreado formado por la interacción de las
moléculas de proteína y las moléculas de un tinte agregado. En la ilustración, los resultados de las muestras
de prueba diluidas se pueden comparar con los resultados de la curva estándar (la línea azul en la
ilustración) para estimar la cantidad de proteína en la muestra desconocida.

Se pueden realizar experimentos controlados cuando es difícil controlar exactamente todas las condiciones
en un experimento. En este caso, el experimento comienza creando dos o más grupos de muestra que son
probabilísticamente equivalentes, lo que significa que las mediciones de los rasgos deberían ser similares
entre los grupos y que los grupos deberían responder de la misma manera si se les da el mismo tratamiento.
Esta equivalencia se determina mediante métodos estadísticos que tienen en cuenta la cantidad de variación
entre individuos y el número de individuos en cada grupo. En campos como la microbiología y la química,
donde hay muy poca variación entre los individuos y el tamaño del grupo es fácilmente de millones, estos
métodos estadísticos a menudo se omiten y simplemente se supone que dividir una solución en partes
iguales produce grupos de muestra idénticos.

Una vez que se han formado grupos equivalentes, el experimentador trata de tratarlos de manera idéntica,
excepto por la única variable que desea aislar. La experimentación en humanos requiere salvaguardas
especiales contra variables externas como el efecto placebo . Tales experimentos son generalmente ciego
doble, lo que significa que ni el voluntario ni el investigador saben qué individuos están en el grupo de
control o en el grupo experimental hasta que se hayan recopilado todos los datos. Esto asegura que
cualquier efecto sobre el voluntario se deba al tratamiento en sí mismo y no sea una respuesta al
conocimiento de que está siendo tratado.

En experimentos en humanos, los investigadores pueden dar a un sujeto (persona) una estimulación a la
que responde el sujeto. El objetivo del experimento es medir la respuesta al estímulo mediante un método
de prueba .

En el diseño de experimentos, se aplican dos o más

"tratamientos" para estimar la diferencia entre las
respuestas medias para los tratamientos. Por ejemplo,
un experimento para hornear pan podría estimar la
diferencia en las respuestas asociadas con variables
cuantitativas, como la relación de agua a harina, y con
variables cualitativas, como las cepas de levadura. La
experimentación es el paso en el método científico que
ayuda a las personas a decidir entre dos o más
explicaciones o hipótesis en competencia. Estas
hipótesis sugieren razones para explicar un fenómeno
o predecir los resultados de una acción. Un ejemplo
podría ser la hipótesis de que "si suelto esta pelota, se
caerá al suelo": esta sugerencia puede probarse
llevando a cabo el experimento de soltar la pelota y
observando los resultados. Formalmente, una hipótesis Mapa original de John Snow que muestra los
se compara con su hipótesis opuesta o nula ("si libero grupos de casos de cólera en la epidemia de
esta bola, no caerá al suelo"). La hipótesis nula es que Londres de 1854
no hay explicación o poder predictivo del fenómeno a
través del razonamiento que se está investigando. Una
vez que se definen las hipótesis, se puede realizar un experimento y analizar los resultados para confirmar,
refutar o definir la precisión de las hipótesis.

Los experimentos también pueden diseñarse para estimar los efectos indirectos en las unidades cercanas no
tratadas.

Experimentos naturales

El término "experimento" generalmente implica un experimento controlado, pero a veces los experimentos
controlados son prohibitivamente difíciles o imposibles. En este caso, los investigadores recurren a
experimentos naturales o cuasi-experimentos . 15 ​ Los experimentos naturales se basan únicamente en
observaciones de las variables del sistema en estudio, en lugar de la manipulación de una o algunas
variables como ocurre en los experimentos controlados. En la medida de lo posible, intentan recopilar datos
para el sistema de tal manera que se pueda determinar la contribución de todas las variables, y donde los
efectos de la variación en ciertas variables permanezcan aproximadamente constantes para que se puedan
discernir los efectos de otras variables. El grado en que esto es posible depende de la correlación observada
entre las variables explicativas en los datos observados. Cuando estas variables no están bien
correlacionadas, los experimentos naturales pueden acercarse al poder de los experimentos controlados. Por
lo general, sin embargo, existe cierta correlación entre estas variables, lo que reduce la confiabilidad de los
experimentos naturales en relación con lo que podría concluirse si se realizara un experimento controlado.
Además, debido a que los experimentos naturales generalmente tienen lugar en entornos no controlados, las
variables de fuentes no detectadas no se miden ni se mantienen constantes, y esto puede producir
correlaciones ilusorias en las variables en estudio.

Gran parte de la investigación en varias disciplinas científicas, incluyendo economía, ciencias políticas,
geología, paleontología, ecología, meteorología y astronomía, se basa en cuasi-experimentos. Por ejemplo,
en astronomía es claramente imposible, al probar la hipótesis "Las estrellas son nubes de hidrógeno
colapsadas", comenzar con una nube gigante de hidrógeno, y luego realizar el experimento de esperar unos
miles de millones de años para que forme una estrella. . Sin embargo, al observar varias nubes de hidrógeno
en varios estados de colapso y otras implicaciones de la hipótesis (por ejemplo, la presencia de varias
emisiones espectrales de la luz de las estrellas), podemos recopilar los datos que necesitamos para respaldar
la hipótesis. Un primer ejemplo de este tipo de experimento fue la primera verificación en el siglo xvii de
que la luz no viaja instantáneamente de un lugar a otro, sino que tiene una velocidad medible. La
observación de la aparición de las lunas de Júpiter se retrasó ligeramente cuando Júpiter estaba más lejos de
la Tierra, a diferencia de cuando Júpiter estaba más cerca de la Tierra; y este fenómeno se usó para
demostrar que la diferencia en el tiempo de aparición de las lunas era consistente con una velocidad
medible.

Experimentos de campo

Los experimentos de campo se denominan así para distinguirlos de los experimentos de laboratorio, que
imponen el control científico al probar una hipótesis en el entorno artificial y altamente controlado de un
laboratorio. A menudo utilizados en las ciencias sociales, y especialmente en los análisis económicos de las
intervenciones educativas y de salud, los experimentos de campo tienen la ventaja de que los resultados se
observan en un entorno natural y no en un entorno de laboratorio artificial. Por esta razón, los experimentos
de campo a veces se consideran de mayor validez externa que los experimentos de laboratorio. Sin
embargo, al igual que los experimentos naturales, los experimentos de campo tienen la posibilidad de
contaminación: las condiciones experimentales se pueden controlar con más precisión y certeza en el
laboratorio. Sin embargo, algunos fenómenos (por ejemplo, la participación electoral en una elección) no
pueden estudiarse fácilmente en un laboratorio.

Contraste con estudio observacional

Se utiliza un estudio observacional cuando no es práctico, poco ético, tiene un costo prohibitivo (o de otro
modo ineficiente) ajustar un sistema físico o social en un entorno de laboratorio, controlar completamente
los factores de confusión o aplicar una asignación aleatoria. También se puede usar cuando los factores de
confusión son limitados o se conocen lo suficiente como para analizar los datos a la luz de ellos (aunque
esto puede ser raro cuando se examinan los fenómenos sociales). Para que una ciencia observacional sea
válida, el experimentador debe conocer y considerar los factores de confusión . En estas situaciones, los
estudios observacionales tienen valor porque a menudo sugieren hipótesis que se pueden probar con
experimentos aleatorios o mediante la recopilación de datos nuevos.

Fundamentalmente, sin embargo, los estudios observacionales no son experimentos. Por definición, los
estudios observacionales carecen de la manipulación requerida para los experimentos baconianos . Además,
los estudios de observación (por ejemplo, en sistemas biológicos o sociales) a menudo involucran variables
que son difíciles de cuantificar o controlar. Los estudios de observación son limitados porque carecen de las
propiedades estadísticas de los experimentos aleatorios. En un
experimento aleatorizado, el método de aleatorización
especificado en el protocolo experimental guía el análisis
estadístico, que generalmente también se especifica mediante
el protocolo experimental.16 ​ Sin un modelo estadístico que
refleje una aleatorización objetiva, el análisis estadístico se
basa en un modelo subjetivo. Las inferencias de modelos
subjetivos no son confiables en teoría y práctica.17 ​De hecho,
hay varios casos en los que los estudios observacionales
cuidadosamente realizados dan resultados incorrectos El modelo de caja negra para observación
consistentemente, es decir, los resultados de los estudios (entrada y salida son observables ).
observacionales son inconsistentes y también difieren de los Cuando hay una retroalimentación con el
resultados de los experimentos. Por ejemplo, los estudios control de algún observador, como se
epidemiológicos del cáncer de colon muestran ilustra, la observación también es un
consistentemente correlaciones beneficiosas con el consumo experimento.
de brócoli, mientras que los experimentos no encuentran
ningún beneficio.18 ​

Un problema particular con los estudios observacionales que involucran sujetos humanos es la gran
dificultad para lograr comparaciones justas entre los tratamientos (o exposiciones), porque tales estudios son
propensos al sesgo de selección, y los grupos que reciben diferentes tratamientos (exposiciones) pueden
diferir mucho según sus covariables (edad, altura, peso, medicamentos, ejercicio, estado nutricional, etnia,
historial médico familiar, etc. ) En contraste, la aleatorización implica que para cada covariable, se espera
que la media para cada grupo sea la misma. Para cualquier ensayo aleatorizado, se espera alguna variación
de la media, por supuesto, pero la aleatorización garantiza que los grupos experimentales tengan valores
medios cercanos, debido al teorema del límite central y la desigualdad de Markov . Con una aleatorización
inadecuada o un tamaño de muestra bajo, la variación sistemática en las covariables entre los grupos de
tratamiento (o grupos de exposición) dificulta la separación del efecto del tratamiento (exposición) de los
efectos de las otras covariables, la mayoría de los cuales no se han medido. . Los modelos matemáticos
utilizados para analizar dichos datos deben considerar cada covariable diferente (si se mide), y los
resultados no son significativos si una covariable no se aleatoriza ni se incluye en el modelo.

Para evitar condiciones que hacen que un experimento sea mucho menos útil, los médicos que realizan
ensayos médicos, digamos para la aprobación de la Administración de Drogas y Alimentos de los Estados
Unidos, cuantifican y aleatorizan las covariables que se pueden identificar. Los investigadores intentan
reducir los sesgos de los estudios observacionales con métodos estadísticos complicados, como los métodos
de correspondencia de puntaje de propensión, que requieren grandes poblaciones de sujetos e información
extensa sobre las covariables. Los resultados también se cuantifican cuando es posible (densidad ósea, la
cantidad de alguna célula o sustancia en la sangre, fuerza física o resistencia, etc.) y no se basan en la
opinión de un sujeto o de un observador profesional. De esta manera, el diseño de un estudio observacional
puede hacer que los resultados sean más objetivos y, por lo tanto, más convincentes.

Ética
Al colocar la distribución de la (s) variable (s) independiente (s) bajo el control del investigador, un
experimento, particularmente cuando involucra sujetos humanos, introduce posibles consideraciones éticas,
como equilibrar el beneficio y el daño, distribuyendo de manera justa las intervenciones (por ejemplo,
tratamientos para una enfermedad ), y consentimiento informado . Por ejemplo, en psicología o atención
médica, no es ético proporcionar un tratamiento deficiente a los pacientes. Por lo tanto, se supone que las
juntas de revisión ética suspenderán los ensayos clínicos y otros experimentos a menos que se cree que un
nuevo tratamiento ofrezca beneficios tan buenos como las mejores prácticas actuales.19 ​ También es
generalmente poco ético (y a menudo ilegal) realizar experimentos aleatorios sobre los efectos de
tratamientos deficientes o de calidad inferior, como los efectos de ingerir arsénico en la salud humana. Para
comprender los efectos de tales exposiciones, los científicos a veces usan estudios observacionales para
comprender los efectos de esos factores.

Aun cuando la investigación experimental no involucra directamente a seres humanos, puede presentar
preocupaciones éticas. Por ejemplo, los experimentos con bombas nucleares realizados por el Proyecto
Manhattan implicaron el uso de reacciones nucleares para dañar a los seres humanos, incluso aunque los
experimentos no involucraron directamente a ningún sujeto humano.

Método experimental en derecho

El método experimental puede ser útil para resolver problemas jurídicos.20 ​

Véase también
Experimento de caja negra
Diseño de experimentos
Evidencia empírica
Física experimental
Lista de experimentos.
Experimento a largo plazo
Desarrollo de conceptos y experimentación.
Sesgo de lealtad
Experimentum crucis
Observación

Referencias
1. Stohr-Hunt, Patricia (1996). «An Analysis of Frequency of Hands-on Experience and
Science Achievement» (https://archive.org/details/sim_journal-of-research-in-science-teachi
ng_1996-01_33_1/page/101). Journal of Research in Science Teaching 33 (1): 101-109.
Bibcode:1996JRScT..33..101S (http://adsabs.harvard.edu/abs/1996JRScT..33..101S). doi:10.1002/(SICI)1098-
2736(199601)33:1<101::AID-TEA6>3.0.CO;2-Z (https://dx.doi.org/10.1002%2F%28SICI%291098-2736%2819960
1%2933%3A1%3C101%3A%3AAID-TEA6%3E3.0.CO%3B2-Z).
2. Cooperstock, Fred I. (2009). General relativistic dynamics : extending Einstein's legacy
throughout the universe (https://archive.org/details/generalrelativis00coop_983) (Online-
Ausg. edición). Singapore: World Scientific. p. 12 (https://archive.org/details/generalrelativis0
0coop_983/page/n22). ISBN 978-981-4271-16-5.
3. Griffith, W. Thomas (2001). The physics of everyday phenomena : a conceptual introduction
to physics (https://archive.org/details/physicsofeveryda00grif_0/page/3) (3rd edición).
Boston: McGraw-Hill. pp. 3–4 (https://archive.org/details/physicsofeveryda00grif_0/page/3).
ISBN 0-07-232837-1.
4. Wilczek, Frank; Devine, Betsy (2006). Fantastic realities : 49 mind journeys and a trip to
Stockholm (https://archive.org/details/fantasticrealiti00wilc_642). New Jersey: World
Scientific. pp. 61 (https://archive.org/details/fantasticrealiti00wilc_642/page/n70)–62.
ISBN 978-981-256-649-2.
 5. Holland, Paul W. (December 1986). «Statistics and Causal Inference» (https://archive.org/det
ails/sim_journal-of-the-american-statistical-association_1986-12_81_396/page/945). Journal
of the American Statistical Association 81 (396): 945-960. doi:10.2307/2289064 (https://dx.doi.org/1
0.2307%2F2289064).
6. Druckman; Greene, Arthur, eds. (2011). Cambridge handbook of experimental political
science. Cambridge: Cambridge University Press. ISBN 978-0521174558. |editor-last1= y
|editor= redundantes (ayuda)
7. El-Bizri, Nader (2005). «A Philosophical Perspective on Alhazen's Optics». Arabic Sciences
and Philosophy (Cambridge University Press) 15 (2): 189-218. doi:10.1017/S0957423905000172 (h
ttps://dx.doi.org/10.1017%2FS0957423905000172).
8. Ibn al-Haytham, Abu Ali Al-Hasan. Optics. p. 5.
9. Ibn al-Haytham, Abi Ali Al-Hasan. Dubitationes in Ptolemaeum. p. 3.
10. "Having first determined the question according to his will, man then resorts to experience,
and bending her to conformity with his placets, leads her about like a captive in a
procession." Bacon, Francis. Novum Organum, i, 63. Quoted in Durant, 2012, p. 170.
11. Durant, Will (2012). The story of philosophy : the lives and opinions of the great philosophers
of the western world (https://archive.org/details/storyofphilosophdura00dura) (2nd edición).
New York: Simon and Schuster. ISBN 978-0-671-69500-2.
12. Bell, Madison Smartt (2005). Lavoisier in the Year One: The Birth of a New Science in an
Age of Revolution (https://archive.org/details/lavoisierinyearo00madi). W.W. Norton &
Company. ISBN 978-0393051551.
13. Brock, ed. (1988). Pasteur and Modern Science (New illustrated edición). Springer. ISBN 978-
3540501015.
14. «Types of experiments» (https://web.archive.org/web/20141219220204/http://psychology.ucd
avis.edu/faculty_sites/sommerb/sommerdemo/experiment/types.htm). Department of
Psychology, University of California Davis. Archivado desde el original (http://psychology.uc
davis.edu/SommerB/sommerdemo/experiment/types.htm) el 19 de diciembre de 2014.
15. Dunning, 2012
16. Hinkelmann, Klaus and Kempthorne, Oscar (2008). Design and Analysis of Experiments,
Volume I: Introduction to Experimental Design (Second edición). Wiley. ISBN 978-0-471-72756-9.
17. Freedman, David; Pisani, Robert; Purves, Roger (2007). Statistics (4th edición). New York:
Norton. ISBN 978-0-393-92972-0.
18. Freedman, David A. (2009). Statistical models : theory and practice (Revised edición).
Cambridge: Cambridge University Press. ISBN 978-0-521-74385-3.
19. Bailey, R.A. (2008). Design of comparative experiments. Cambridge: Cambridge University
Press. ISBN 978-0521683579.
20. Zippelius, von Reinhold (1991). Die experimentierende Methode im Recht. Stuttgart: Steiner.
ISBN 978-3515059015.

Otras lecturas
Dunning, Thad (2012). Natural experiments in the social sciences : a design-based
approach. Cambridge: Cambridge University Press. ISBN 978-1107698000.
Shadish, William R.; Cook, Thomas D.; Campbell, Donald T. (2002). Experimental and
quasi-experimental designs for generalized causal inference (Nachdr. edición). Boston:
Houghton Mifflin. ISBN 0-395-61556-9. (Excerpts (https://web.archive.org/web/2008091210230
2/http://depts.washington.edu/methods/readings/Shadish.pdf))
 Jeremy, Teigen (2014). «Experimental Methods in Military and Veteran Studies». En
Soeters; Shields, eds. Routledge Handbook of Research Methods in Military Studies. New
York: Routledge. pp. 228-238.

Enlaces externos

Obtenido de «https://es.wikipedia.org/w/index.php?title=Experimento&oldid=154354623»