Unidad experimental: Es la muestra de unidades que es necesario producir en una condición

para obtener una medición o dato representativo. Unidad a la cual se le aplica un solo
tratamiento (que puede ser una combinación de muchos factores) en una reproducción del
experimento.

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.

Unidad Experimental

Es la mínima porción del material experimental sobre el cual un tratamiento

puede ser realizado. La unidad experimental (UE) puede ser una parcela de
terreno, una maceta, un animal, el conjunto de alumnos de un curso, etc.

Unidad Observacional

Es la porción de la unidad experimental que se mide u observa. En muchos estudios, la

unidad experimental coincide con la unidad observacional, pero en otros, una unidad
experimental puede representar un conjunto de unidades observacionales.

Factor, variable controlada por el experimentador.

¿Qué son los factores y los niveles de factor?

Utilice factores durante un experimento para determinar su efecto sobre la variable de

respuesta. Los factores solo pueden asumir un número limitado de valores posibles,
conocidos como niveles de los factores. Los factores pueden ser una variable categórica
o estar basados en una variable continua, pero solo use unos pocos valores controlados
en el experimento.

Ejemplo de niveles de factor

Por ejemplo, usted estudia los factores que podrían afectar la resistencia del plástico durante
el proceso de manufactura. Decide incluir Aditivo y Temperatura en su experimento. El aditivo
es una variable categórica. Solo puede ser tipo A o tipo B. En cambio, la temperatura es una
variable continua, pero aquí es un factor porque en el experimento solo se prueban tres
valores de configuración de temperatura de 100C, 150C y 200C.

Factor Aditivo Temperatura

Nivel A Bajo (100C)

Nivel B Medio (150C)

Nivel Alto (200C)

Factores cuantitativos

Son factores que se pueden medir en términos numéricos, como es el tiempo, o los
diversos costos fijos o de operación.

Requieren de habilidad en el manejo de técnicas o métodos cuantitativos (Investigación

de operaciones), como pueden ser la programación lineal, teoría de líneas de espera y
modelos de inventarios.

Este tipo de factores ayudan a ser más objetivos y racionales en la toma de decisiones,
pero no constituyen el 100% del criterio
para acepar o desechar una alternativa.

Factores cualitativos

Son difíciles de medir numéricamente, por ejemplo, la calidad de las relaciones de

trabajo, el riesgo del cambio tecnológico o el clima político internacional.

Los factores no cuantitativos son útiles, no sólo para los problemas que se refieren a los
objetivos, si no también para los problemas que tratan con los medios de alcanzar los
objetivos.

La evaluación de factores cualitativos y el enfoque a tomar decisiones alejado de los

números, es considerada la forma natural de
tomar una decisión, tomando como bases: la intuición, los hechos, las experiencias y las
opiniones de expertos.

2.4.5 Selección de una Submuestra

A veces se quiere realizar un estudio estadístico pero no con todas las unidades que
constituyen la muestra, sino con sólo unas determinadas, las que verifican cierta
condición, o un tanto por ciento aleatorio del total.

Es una técnica que sirve para clasificar y ordenar todas las ideas reunidas por medio de
la lluvia de ideas, la escritura libre, la estrella o el cubo. Con este método agruparás tus
ideas por comparación y por contraste. La comparación mostrará la semejanza entre
dos ideas, objetos, personas o animales; el contraste, sus similitudes o diferencias con
otros semejantes.

3. LA PRECISIÓN

Es una exigencia fundamental que todos los investigadores al dar a conocer

públicamente sus investigaciones lo hagan con exactitud, sea a través de
periodistas o directamente. Es conveniente ofrecer los detalles precisos de los
métodos, procedimientos, análisis y herramientas estadísticas. A fin de cuentas
es un proceso similar al de la revisión por pares en la salvaguarda de la
literatura científica formal.
La necesidad de la precisión, sin embargo, también se extiende a la
presentación de conclusiones y las implicaciones derivadas de las
conclusiones, es en las que los periodistas por lo general están más
interesados. Es por ello que los científicos deben estar preparados para
destacar los aspectos más interesantes con un criterio periodístico de su
trabajo, es crucial que la importancia del trabajo no sea exagerada. Si, por
ejemplo, son posibles varias interpretaciones de los datos, éstos deberían
explicarse detalladamente. Los investigadores deben intentar destacar su
participación específica en el contexto del modelo desarrollado en el
descubrimiento alcanzado. Asimismo deben evitar la especulación basada en
opiniones o creencias que no están relacionadas con el estudio. Los
colaboradores deben ser identificados y sus nombres correctamente
consignados.
No obstante, en temas que no son de índole científica, pero involucran el
interés y destino de la investigación científica, no deben ahorrarse.

ADICIONAL.

Entendemos por experimento al cambio en las condiciones de operación de un sistema

o proceso, que se hace con el objetivo de medir el efecto del cambio en una o varias
variables del producto. Ello nos permite aumentar el conocimiento acerca del sistema o
del proceso. Asimismo, entendemos por “diseño de un experimento” la planificación
de un conjunto de pruebas experimentales, de forma que los datos generados puedan
analizarse estadísticamente para obtener conclusiones válidas y objetivas acerca del
problema establecido.

En un experimento es muy importante su reproducibilidad, es decir, poder repetir el

experimento. Ello nos proporciona una estimación del error experimental y permite
obtener una estimación más precisa del efecto medio de cualquier factor.

Veamos algunas definiciones importantes en el diseño de experimentos:

 Unidad experimental: Es la muestra de unidades que es necesario producir en

una condición para obtener una medición o dato representativo. Unidad a la cual
se le aplica un solo tratamiento (que puede ser una combinación de muchos
factores) en una reproducción del experimento.
 Variables de respuesta: Es la característica del producto cuyo valor interesa
mejorar mediante el diseño de experimentos.
 Factor: Una variable independiente. En la mayoría de las investigaciones se
trata con más de una variable independiente y con los cambios que ocurren en la
variable independiente, cuando varia una o mas de las variables independientes.
 Factores controlables: Son variables del proceso que se pueden fijar en un
punto o en un nivel de operación.
 Factores no controlables: Son variables que no se pueden controlar durante la
operación normal del proceso.
 Factores estudiados: Son las variables que se investigan en el experimento para
observar cómo afectan o influyen en la variable de respuesta.
 Confusión: Dos o más efectos se confunden en un experimento si es posible
separar sus efectos, cuando se lleva a cabo el subsecuente análisis estadístico.
  Error aleatorio: Es la variabilidad observada que no se puede explicar por los
factores estudiados; y resulta del pequeño efecto de los factores no estudiados y
del error experimental.
 Error experimental: Componente del error aleatorio que refleja los errores del
experimentador en la planificación y ejecución del experimento.
 Aleatorización: Consiste en hacer experimentos en orden aleatorio; este
principio aumenta la posibilidad de que el supuesto de independencia de los
errores se cumpla. Asignación al azar de tratamiento a las unidades
experimentales. Una suposición frecuente en los modelos estadísticos de diseño
de experimentos en que las observaciones o los errores en ellas están
distribuidos independientemente. La aleatorización hace válida esta suposición.
 Repetición: Es correr más de una vez un tratamiento o combinación de factores
 Bloqueo: Es nulificar o tomar en cuenta en forma adecuada todos los factores
que pueden afectar la respuesta observada. Distribución de las unidades
experimentales en bloques, de manera que las unidades dentro de un bloqueo
sean relativamente homogéneas, de esta manera, la mayor parte de la variación
predecible entre las unidades queda confundida con el efecto de los bloques.
 Tratamiento o combinación de tratamientos: Conjunto particular de
condiciones experimentales que deben imponerse a una unidad experimental
dentro de los confines del diseño seleccionado.

Supuestos

Todos las pruebas estadísticas hacen ciertos supuestos acerca de los datos o
la naturaleza de la pregunta que se quiere responder con la finalidad que los
resultados sean válidos. La mayoría de los supuestos provienen directamente
de los detalles teóricos y matemáticos de los cálculos estadísticos que se
realizan. Para validar estos supuestos, por ejemplo que los errores aleatorios
tengan distribucuion normal o varianzas homogéneas se utilizan los residuos
de los modelos (diferencia entre el valor observado y valor predicho por el
modelo).

Técnicas de muestreo

Hay numerosos métodos de muestreo probabilístico y la elección del mismo

depende de características de la población a muestrear. Entre los más usados
se encuentran el muestreo aleatorio simple, el muestreo estratificado, el
muestreo sistemático y el muestreo por conglomerados.

TALLER

Variable categórica
Las variables categóricas contienen un número finito de categorías o grupos
distintos. Los datos categóricos pueden no tener un orden lógico. Por ejemplo,
los predictores categóricos incluyen sexo, tipo de material y método de pago.
Variable discreta
 Las variables discretas son variables numéricas que tienen un número contable
de valores entre dos valores cualesquiera. Una variable discreta siempre es
numérica. Por ejemplo, el número de quejas de los clientes o el número de fallas
o defectos.
Variable continua
Las variables continuas son variables numéricas que tienen un número infinito
de valores entre dos valores cualesquiera. Una variable continua puede ser
numérica o de fecha/hora. Por ejemplo, la longitud de una pieza o la fecha y
hora en que se recibe un pago.
:) Cualitativa
:)Cuantitativa Las variables cualitativas se refieren a características o cualidades que no
pueden ser medidas con números. También llamadas NO métricas.

Existen dos tipos de variables cualitativas:

:) Variable cualitativa nominal
:)Variable cualitativa ordinal o cuasi cuantitativa Variable cualitativa Una variable cuantitativa
es aquella que se expresa mediante un número, por tanto se pueden realizra operacionea
aritméticas con ella.

Parámetro: Son las medidas o características

descriptivas inherentes a las poblaciones. Los salarios
promedio de todos los empleados de una empresa,
puede ser un ejemplo de parámetro.
Estadístico o Estadígrafo: Son las medidas
descriptivas inherentes a una muestra, las cuales
pueden usarse como estimación del parámetro.
Como ejemplo podría tomarse los salarios promedio
de una muestra de los empleados de la empresa.
Un parámetro estadístico es un número que se obtiene a partir de los datos de una
distribución estadística.

Los parámetros estadísticos sirven para sintetizar la información dada por una tabla o
por una gráfica.

Tipos de parámetros estadísticos

Hay tres tipos parámetros estadísticos:

De centralización.

De posición
De dispersión.