1 · El problema experimental
¿Por qué diseñar un experimento?
Experimentar no consiste simplemente en “probar y ajustar”. La cuestión central es cómo generar evidencia que permita atribuir los cambios observados a causas identificables.
En muchos procesos científicos, tecnológicos e industriales las pruebas comienzan de manera informal: se cambia una condición, se observa qué ocurre y se decide el siguiente paso con base en la experiencia o la intuición. Este procedimiento puede ser útil para explorar un problema, pero tiene una limitación fundamental: si las condiciones no se controlan y registran con cuidado, resulta difícil saber qué produjo realmente el cambio observado.
La dificultad aparece porque todo proceso presenta variabilidad. Dos productos elaborados bajo condiciones nominalmente iguales pueden no ser idénticos; un instrumento no produce exactamente la misma lectura en cada medición; la materia prima cambia entre lotes y las condiciones ambientales fluctúan. Por tanto, una diferencia entre dos resultados no implica automáticamente que el tratamiento aplicado sea la causa.
El diseño estadístico de experimentos proporciona una estructura para planear qué condiciones se compararán, cómo se asignarán a las unidades experimentales, cuántas observaciones independientes se obtendrán y cómo se utilizarán los datos para responder la pregunta inicial. Se trata de una metodología activa: en lugar de limitarse a observar un proceso, el experimentador modifica deliberadamente algunas condiciones para aprender sobre la relación entre causas y respuestas.
Idea central. Diseñar un experimento implica decidir qué variables modificar, cómo modificarlas y cuándo observar la respuesta. El análisis estadístico posterior sólo puede aprovechar la información que el diseño haya hecho posible obtener.
2 · Experimentación y aprendizaje
El experimento dentro del método científico
La experimentación no es un evento aislado. Forma parte de un proceso iterativo en el que una pregunta conduce a una hipótesis, la hipótesis produce consecuencias observables y esas consecuencias se contrastan con datos. Los resultados pueden apoyar provisionalmente la explicación inicial, obligar a modificarla o sugerir nuevas preguntas.
Este ciclo hipotético-deductivo puede reconocerse incluso en una situación cotidiana. Supongamos que se desea obtener una textura adecuada al cocinar arroz. Una primera hipótesis podría ser que 15 minutos de cocción producen el resultado deseado. Si al aplicar esa condición el arroz resulta demasiado blando, la observación aporta información para modificar la hipótesis, por ejemplo ensayando 13 minutos en una nueva prueba.
Sin embargo, existe una diferencia importante entre aprender informalmente por experiencia y realizar un experimento estadísticamente diseñado. En el segundo caso, las condiciones, mediciones y fuentes de variabilidad se organizan para que las comparaciones tengan una interpretación clara y para que sea posible cuantificar la incertidumbre.
En muchos problemas conviene convertir ese aprendizaje en una estrategia de experimentación secuencial. Un primer estudio puede ayudar a identificar qué factores merecen atención; otro, diseñado a partir de lo aprendido, puede estimar sus efectos con mayor precisión; y un experimento posterior puede explorar condiciones de operación prometedoras. Cada etapa debe tener una pregunta y un diseño propios: no se trata simplemente de ajustar valores hasta obtener una respuesta agradable, sino de aprovechar la evidencia acumulada para planear comparaciones cada vez más informativas.
Una sola observación rara vez basta. Si el arroz mejora al cambiar de 15 a 13 minutos, el cambio podría deberse al tiempo de cocción, pero también a la cantidad de agua, al tipo de arroz, a la intensidad real de calentamiento o a otras condiciones. El diseño experimental comienza precisamente al preguntarnos cómo separar esas explicaciones.
3 · Lenguaje básico
Los elementos de un experimento
Aprender diseño de experimentos implica aprender a leer un experimento. Ante cualquier problema deberíamos poder reconocer qué se está modificando, qué se observa, sobre qué se aplica cada condición y qué comparaciones pretende hacer el investigador. El vocabulario que sigue permitirá expresar esas decisiones con precisión.
Un experimento es una intervención deliberada sobre un sistema o proceso: se modifican una o más condiciones y se observa qué ocurre con una respuesta. La palabra deliberada es importante. Si únicamente registramos lo que sucede sin intervenir, estamos ante un estudio observacional, no ante un experimento en el sentido que utilizaremos en este curso.
Recordar · experimento
Experimento: modificación deliberada de las condiciones de un sistema o proceso para estudiar cómo cambia una o más respuestas. En un experimento diseñado, esa intervención se organiza de forma que las comparaciones tengan una interpretación estadística clara.
Para saber si la intervención produjo un cambio necesitamos observar alguna característica del sistema. A esa característica la llamaremos variable de respuesta o, de manera abreviada, respuesta. Puede ser una medición física —dureza, rendimiento, temperatura, concentración—, una proporción, un conteo o cualquier variable que represente el resultado de interés.
Recordar · variable de respuesta
Variable de respuesta: característica que se observa o mide para evaluar el resultado del experimento. Siempre que existan unidades físicas, conviene declararlas desde el planteamiento.
Las características del proceso que pueden influir en esa respuesta reciben el nombre de factores. Cuando un factor se incorpora deliberadamente al experimento para estudiar su efecto, debemos decidir qué valores o condiciones de ese factor se utilizarán; cada uno de ellos es un nivel. Una condición experimental concreta definida por los niveles elegidos recibe el nombre de tratamiento. Si se estudia un único factor, cada nivel suele corresponder a un tratamiento; con varios factores, los tratamientos son combinaciones de niveles.
Recordar · factor, nivel y tratamiento
Factor: variable o característica que puede influir en la respuesta. Nivel: valor o condición específica de un factor. Tratamiento: condición experimental que se aplica a una unidad experimental y que queda definida por uno o más niveles de los factores estudiados.
Falta todavía una pregunta decisiva: ¿a qué se aplica el tratamiento? La unidad experimental es la unidad más pequeña a la que un tratamiento puede asignarse de manera independiente. Esta definición determinará después qué cuenta como una réplica auténtica y qué mediciones son solamente observaciones repetidas dentro de la misma unidad.
Concepto clave · unidad experimental
Unidad experimental: unidad mínima que puede recibir un tratamiento independientemente de las demás. No debe identificarse automáticamente con el objeto que se mide. Si varias observaciones reciben juntas el mismo tratamiento porque pertenecen a una sola corrida, lote o parcela, pueden ser unidades de observación dentro de una única unidad experimental.
Factores controlables, de ruido y estudiados
No todos los factores desempeñan el mismo papel. Algunos pueden fijarse durante la ejecución; otros varían de manera difícil o costosa de controlar. Además, sólo una parte de ellos se selecciona deliberadamente como objeto del estudio.
- Factores controlables: pueden mantenerse o fijarse en condiciones determinadas durante el experimento.
- Factores de ruido o no controlables: introducen variabilidad y no pueden mantenerse completamente constantes, o no se desea controlarlos porque interesa que el experimento sea representativo de condiciones reales.
- Factores estudiados: se modifican deliberadamente para estimar su efecto sobre la respuesta.
¿Por qué un mismo factor puede cambiar de papel?
La clasificación depende del objetivo del experimento. Una temperatura puede mantenerse fija y actuar como condición de control en un estudio, pero convertirse en factor estudiado en otro. “Factor controlable” no significa “factor sin importancia”; significa que el experimentador puede decidir su condición durante la ejecución.
La distinción entre factores estudiados y condiciones que se mantienen fijas depende de la pregunta experimental. Una vez elegidos los niveles de los factores estudiados, se enumeran los tratamientos que se compararán. Con dos factores de dos niveles cada uno, por ejemplo, se forman cuatro combinaciones; el número de tratamientos no determina por sí mismo el número de réplicas.
No confundir · unidad experimental, unidad de observación y réplica
La unidad experimental recibe el tratamiento independientemente; la unidad de observación es aquello sobre lo que se registra una medición. Una réplica requiere otra unidad experimental independiente sometida al tratamiento. Varias mediciones dentro de la misma unidad pueden aportar información, pero no crean nuevas réplicas.
4 · El proceso como sistema
Entradas, respuesta y variabilidad
Una forma útil de representar un experimento consiste en imaginar el proceso como un sistema que transforma entradas en salidas. El experimentador selecciona algunos factores, fija niveles y observa cómo cambia una respuesta, mientras otras fuentes de variación actúan simultáneamente.
¿Qué entendemos por error experimental?
En diseño de experimentos, la palabra error no significa necesariamente una equivocación. Se refiere a la parte de la variación observada que no queda explicada por los efectos incluidos en el modelo experimental. Esa variación puede incorporar diferencias entre unidades, fluctuaciones del proceso y componentes de medición.
Recordar · error experimental
En este curso, error experimental designa la variación de la respuesta que no puede atribuirse a los efectos considerados en el modelo. No significa necesariamente que alguien haya cometido una equivocación. Por eso conviene distinguirlo de un error de registro, de calibración o de procedimiento.
Conviene distinguir este concepto de fuentes específicas que pueden afectar los datos:
- Sesgo o error sistemático de medición: por ejemplo, una balanza mal calibrada que añade aproximadamente 5 g a todas las lecturas.
- Variación aleatoria: pequeñas diferencias impredecibles entre corridas, materiales o condiciones del entorno.
- Resolución y redondeo: pérdida de información al registrar una medición con menos cifras de las que proporciona el instrumento.
Diseñar es gestionar variabilidad. Parte de la variación puede evitarse, otra puede medirse y modelarse, otra puede controlarse mediante bloques y otra permanecerá como variación residual. El objetivo no es “eliminar todo error”, sino organizar el experimento para que el efecto de interés pueda distinguirse de esa variabilidad.
5 · De la pregunta a la decisión
Cómo se construye un experimento
El diseño experimental comienza antes de la toma de datos y continúa después del análisis. Estas decisiones se articulan mediante una secuencia de planeación, ejecución, análisis, interpretación y decisión. En la práctica estas etapas se retroalimentan: un resultado puede revelar una limitación, motivar una nueva pregunta y conducir a un experimento posterior.
Delimitar el problema, formular un objetivo medible, definir respuestas, factores y unidades experimentales.
Elegir tratamientos, réplicas, aleatorización, bloques y una forma consistente de medir la respuesta.
Explorar los datos y aplicar métodos estadísticos coherentes con la estructura del diseño.
Traducir los resultados al contexto científico, técnico, operativo o económico y valorar qué acción está respaldada.
El análisis puede incluir herramientas gráficas, análisis de varianza, modelos estadísticos, regresión y métodos de optimización. Estas técnicas aparecerán progresivamente a lo largo del curso. Lo importante en este punto es comprender que ninguna técnica puede recuperar información que el experimento no generó.
La interpretación también conduce a una decisión sobre el propio proceso experimental: mantener una condición, modificar un procedimiento, establecer una acción de seguimiento o proponer un nuevo estudio. Si cambian las materias primas, los equipos o el entorno, puede ser necesario comprobar si las conclusiones siguen siendo aplicables. Por eso el cierre de un experimento no equivale necesariamente al cierre de la investigación.
Interpretar no es solamente obtener un valor \(p\)
Una diferencia puede ser estadísticamente detectable y al mismo tiempo ser irrelevante para el proceso. Por ello, la interpretación debe considerar la magnitud del efecto, la incertidumbre, la variabilidad, el conocimiento físico o tecnológico del sistema y las consecuencias prácticas de una decisión.
También es frecuente que la mejor estrategia sea experimentar de manera secuencial: realizar un estudio informativo, aprender de él y utilizar ese conocimiento para diseñar la siguiente etapa, en lugar de intentar resolver todo con un único experimento grande y definitivo.
6 · Principios fundamentales
Replicación, aleatorización y bloqueo
Tres principios estructuran gran parte del diseño experimental clásico. Cada uno resuelve un problema diferente y, juntos, permiten separar efectos de interés de fuentes de variación que podrían confundir la comparación.
Antes de seguir · ¿qué es una réplica?
Una réplica es una repetición independiente de un tratamiento sobre una nueva unidad experimental. Su independencia es esencial: repetir una medición sobre la misma unidad no equivale a replicar el tratamiento.
Aplicar un tratamiento a varias unidades experimentales independientes. Permite estimar la variabilidad experimental y mejora la precisión con la que se estiman los efectos.
Usar un mecanismo aleatorio para asignar tratamientos o determinar el orden de ejecución. Reduce el riesgo de que tendencias no controladas queden sistemáticamente asociadas con un tratamiento.
Agrupar unidades semejantes respecto de una fuente conocida de variabilidad y realizar las comparaciones dentro de esos grupos. Así se evita que esa variación oculte el efecto de interés.
Los tres principios operan sobre las unidades experimentales y deben decidirse a partir de la estructura real del proceso. Replicar no equivale a medir repetidamente; aleatorizar no significa ignorar las restricciones prácticas; bloquear no elimina la variabilidad, sino que organiza comparaciones frente a una fuente reconocible. El ejemplo opcional siguiente reúne estas decisiones en un mismo planteamiento.
Elige un contexto experimentalEjemplo continuo de grenetina y dos contextos alternativos, de lectura opcional
El caso de la grenetina reúne, de forma progresiva, los conceptos presentados en este capítulo: pregunta, respuesta, factores, tratamientos, unidad experimental, variabilidad y principios de diseño. Las otras dos aplicaciones permiten contrastar el razonamiento en distintos procesos.
Un experimento que se construye paso a paso: firmeza de una gelatina
La pregunta. Se desea estudiar cómo influyen la cantidad de grenetina y el tiempo de refrigeración en la firmeza de una gelatina. No se supone de antemano que una condición produzca una firmeza mayor; ésa es precisamente la cuestión que deberá resolverse mediante datos.
1. Del problema a las variables
La respuesta será la firmeza de la gelatina, registrada mediante un procedimiento instrumental definido de antemano. Deberán declararse el instrumento, la escala y sus unidades antes de obtener datos. Los factores estudiados serán la cantidad de grenetina por preparación y el tiempo de refrigeración. Para hacer comparables las preparaciones, se mantendrán constantes el volumen total, la composición restante de la mezcla, los recipientes y el protocolo de preparación; la temperatura real de refrigeración deberá controlarse o registrarse.
2. De los niveles a los tratamientos
Se proponen dos niveles para cada factor: 8 y 12 g de grenetina por una cantidad fija de mezcla, y 2 y 4 h de refrigeración. Las cuatro combinaciones constituyen los tratamientos. Esta tabla es un plan experimental, no una tabla de resultados observados.
| Tratamiento | Grenetina | Refrigeración | Respuesta por medir |
|---|---|---|---|
| 1 | 8 g | 2 h | Firmeza |
| 2 | 8 g | 4 h | Firmeza |
| 3 | 12 g | 2 h | Firmeza |
| 4 | 12 g | 4 h | Firmeza |
De los tratamientos a la matriz de diseño. Una matriz de diseño organiza las condiciones que se estudiarán. Cada fila corresponde aquí a una combinación de niveles; las columnas identifican los factores y dejan un lugar para anotar la respuesta. Por tratarse de dos factores con dos niveles cada uno, hay cuatro combinaciones distintas, un arreglo \(2^2\).
| Tratamiento | \(A\): grenetina | \(B\): refrigeración | Respuesta: firmeza |
|---|---|---|---|
| 1 | 8 g (−1) | 2 h (−1) | \(Y_1\) |
| 2 | 12 g (+1) | 2 h (−1) | \(Y_2\) |
| 3 | 8 g (−1) | 4 h (+1) | \(Y_3\) |
| 4 | 12 g (+1) | 4 h (+1) | \(Y_4\) |
Los códigos −1 y +1 representan respectivamente el nivel bajo y el alto de cada factor; no son valores de la respuesta. Los símbolos \(Y_1,\ldots,Y_4\) representan lugares para registrar las mediciones, no resultados obtenidos. Si se realizan réplicas, habrá que registrar por separado cada preparación y su medición, así como el orden efectivo de ejecución y el bloque, cuando exista. El orden de filas de esta matriz no impone el orden de elaboración: este último debe aleatorizarse según el plan experimental.
3. ¿A qué se asigna el tratamiento?
Si cada recipiente contiene una preparación independiente, recibe una de las cuatro combinaciones y se procesa por separado, cada preparación en su recipiente puede constituir una unidad experimental. Si una sola mezcla se reparte en varios recipientes después de recibir una cantidad de grenetina común, esos recipientes no representan asignaciones independientes de la cantidad de grenetina; el diseño debe reconocer la preparación común. Del mismo modo, medir varias veces una gelatina no genera réplicas de su tratamiento.
4. Replicación: distinguir efecto y variación
Para estimar la variación entre unidades sometidas a una misma condición, cada tratamiento debe aplicarse a varias preparaciones independientes. Como ejemplo de planeación, podrían realizarse tres preparaciones por tratamiento: serían doce unidades experimentales si las doce preparaciones se elaboran y reciben sus tratamientos independientemente. Tres lecturas de firmeza en el mismo recipiente serían, en cambio, mediciones repetidas o submuestras.
5. Aleatorización: proteger las comparaciones
El orden en que se preparan y procesan las unidades y la asignación de los tratamientos deben establecerse aleatoriamente dentro de las restricciones operativas. Si las preparaciones de 8 g se realizan siempre al inicio y las de 12 g al final, una tendencia en el proceso podría confundirse con el efecto de la cantidad de grenetina. La asignación aleatoria reduce este riesgo, aunque no sustituye el control de las condiciones relevantes.
6. Bloqueo: reconocer una fuente de variabilidad
Si el experimento requiere varios días y se sospecha que cambian las condiciones ambientales o la materia prima, puede tratarse el día como bloque. Por ejemplo, en cada uno de tres días podrían elaborarse las cuatro combinaciones, en un orden aleatorizado dentro del día. Cada día proporcionaría una comparación completa; su utilidad depende de que las preparaciones de cada tratamiento sigan siendo unidades experimentales independientes y de que el procedimiento respete los tiempos y las condiciones de refrigeración.
7. De los datos a la interpretación
Una vez medidas las respuestas, se compararía la firmeza entre tratamientos, se estimaría la variabilidad entre preparaciones y se examinaría si el efecto de un factor depende del nivel del otro. Antes de afirmar que una formulación es preferible, habría que revisar la calidad de los datos, las condiciones de ejecución y la magnitud práctica de las diferencias. No se presentan resultados ni conclusiones numéricas porque el experimento todavía no se ha ejecutado.
¿Qué diseño estamos planteando?
- Estructura
- Un arreglo factorial de dos factores con dos niveles cada uno (cuatro tratamientos).
- Unidad experimental
- Preparación independiente a la que se asigna una combinación, según el protocolo de elaboración.
- Réplicas propuestas
- Tres preparaciones independientes por tratamiento, si se adopta el plan ilustrativo.
- Asignación
- Aleatoria; si se usan días como bloques, aleatoria dentro de cada día.
- Respuesta
- Firmeza, con procedimiento y unidades por establecer antes del experimento.
Ejemplo exclusivamente didáctico de planeación. Las cantidades y los tiempos son condiciones propuestas, no resultados empíricos ni recomendaciones de formulación.
Dosis de coagulante y turbidez
Se pretende comparar tres dosis de un coagulante en pruebas de jarras, utilizando porciones de una misma muestra de agua homogeneizada.
- Respuesta
- Turbidez residual (NTU), medida después de un tiempo de sedimentación fijado.
- Factor y niveles
- Dosis de coagulante: tres valores a definir tras una prueba preliminar (mg/L).
- Tratamientos
- Las tres dosis seleccionadas.
- Unidad experimental
- Cada jarra con una porción de agua tratada de manera independiente.
- Réplicas
- Jarras independientes para cada dosis; repetir la lectura de una jarra no genera una nueva réplica.
- Diseño propuesto
- Completamente aleatorizado si las posiciones y el orden de operación pueden asignarse aleatoriamente.
Pregunta de diseño: Si el agua procede de distintas fechas de muestreo, ¿conviene estudiar o bloquear esa variación?
Voltaje y velocidad de un motor
Un laboratorio busca estudiar cómo cambia la velocidad de rotación de un motor de corriente continua al aplicar distintos voltajes bajo una carga mecánica fijada.
- Respuesta
- Velocidad estacionaria (rpm), obtenida mediante un protocolo de medición definido.
- Factor y niveles
- Voltaje de alimentación: tres valores seguros dentro de las especificaciones del motor (V).
- Tratamientos
- Los tres voltajes seleccionados.
- Unidad experimental
- Cada ensayo al que se asigna de forma independiente una condición de voltaje, con reinicialización y control del estado térmico.
- Réplicas
- Ensayos independientes por voltaje; lecturas sucesivas durante un mismo ensayo no son réplicas independientes.
- Diseño propuesto
- Asignación aleatoria del orden de los ensayos, controlando calentamiento, deriva y efectos de arrastre.
Pregunta de diseño: ¿Qué riesgo introduce usar siempre primero el voltaje menor y al final el mayor?
Los otros contextos son planteamientos didácticos sin resultados observados.
Ejemplo complementario · cómo se registran los datos de un experimento
Consideremos un estudio de dureza de galletas a tres tiempos de horneado (10, 12 y 14 min), realizado en dos días considerados como bloques. La tabla presenta doce observaciones de este experimento. Por ahora, nos interesa reconocer la estructura de los datos; su interpretación estadística requiere un análisis posterior.
| Orden | Tiempo (min) | Bloque (día) | Dureza (N) |
|---|---|---|---|
| 1 | 12 | Día 1 | 18.5 |
| 2 | 10 | Día 1 | 14.2 |
| 3 | 14 | Día 1 | 22.1 |
| 4 | 10 | Día 1 | 15.0 |
| 5 | 12 | Día 1 | 19.1 |
| 6 | 14 | Día 1 | 23.0 |
| 7 | 14 | Día 2 | 22.4 |
| 8 | 10 | Día 2 | 13.8 |
| 9 | 12 | Día 2 | 18.9 |
| 10 | 12 | Día 2 | 19.6 |
| 11 | 10 | Día 2 | 14.5 |
| 12 | 14 | Día 2 | 23.3 |
En cada día aparecen dos registros para cada tiempo, por lo que hay cuatro observaciones por tratamiento. El ejemplo permite distinguir tratamiento (tiempo), respuesta (dureza) y bloque (día). Para interpretar las cuatro observaciones por tratamiento como réplicas independientes, es necesario que correspondan a unidades experimentales tratadas de forma independiente; si varias galletas comparten una misma hornada, habría que revisar cuál es realmente la unidad experimental. La tabla ilustra cómo registrar el diseño, no constituye por sí sola un análisis de efectos.
7 · Mapa del territorio
La elección también exige evaluar la viabilidad experimental: que sea realmente posible asignar y ejecutar las condiciones previstas con los equipos, materiales, personal y tiempos disponibles. Conviene considerar además la flexibilidad del diseño, es decir, si el estudio puede ampliarse o adaptarse cuando aparezca nueva información, sin comprometer la validez de las comparaciones ya planificadas. Estos criterios complementan —no reemplazan— los requisitos estadísticos.
Elegir el diseño a partir de la pregunta
No existe un diseño universal. La estructura apropiada depende del objetivo, el número de factores y niveles, los efectos que interesa estimar, las fuentes de variabilidad, la precisión deseada y las restricciones de tiempo, material, costo y operación.
Existen diferentes familias de diseños experimentales. Conviene conocer su propósito general antes de estudiarlas formalmente: este panorama funciona como un mapa para reconocer qué problemas aborda cada una.
Comparar tratamientos
Diseños completamente al azar, diseños en bloques y estructuras como cuadros latino y grecolatino. Se estudiarán principalmente en los capítulos 3 y 4.
Estudiar varios factores
Diseños factoriales generales y factoriales a dos niveles, útiles para estudiar efectos principales e interacciones. Se desarrollarán en los capítulos 5 y 6.
Reducir el número de corridas
Diseños factoriales fraccionados y otras estrategias de exploración permiten obtener información con una fracción de las combinaciones completas. Se introducirán en el capítulo 7.
Modelar y optimizar
La regresión y la metodología de superficie de respuesta conectan factores cuantitativos con una respuesta y permiten explorar regiones de operación. Se abordarán en los capítulos 8–10.
Existen también diseños robustos, dirigidos a estudiar el desempeño ante fuentes de variación, y diseños de mezclas, en los que importan las proporciones de los componentes de una formulación. Reconocer su existencia completa este panorama sin requerir por ahora su desarrollo técnico.
La selección comienza por el objetivo, no por el nombre del diseño. Primero se determina qué se desea comparar, estimar, explicar u optimizar; después se identifica qué estructura experimental permite obtener esa información de manera válida y eficiente.
8 · Ideas fundamentales
Lo que debe quedar antes de continuar
- Un experimento diseñado produce datos con una estructura deliberada; no es una colección de pruebas aisladas.
- La unidad experimental se define por la asignación independiente del tratamiento, no simplemente por aquello que se mide.
- La variabilidad forma parte del problema. Diseñar consiste, en gran medida, en decidir cómo estimarla, controlarla o incorporarla al análisis.
- Factor, nivel, tratamiento y variable de respuesta describen funciones distintas dentro del experimento.
- Replicación, aleatorización y bloqueo responden a problemas diferentes y no son intercambiables.
- La significancia estadística no sustituye la relevancia práctica ni el conocimiento del proceso.
- La elección del diseño debe seguir a la pregunta experimental y a las restricciones reales del estudio.
Cierre del capítulo
De los fundamentos a la inferencia estadística
Hasta aquí hemos estudiado los fundamentos que permiten planear un experimento con intención: formular una pregunta, identificar los factores y las respuestas, reconocer las unidades experimentales y organizar la aplicación de los tratamientos. También hemos visto por qué la replicación, la aleatorización y el control de fuentes de variabilidad son esenciales para obtener conclusiones confiables. Estas decisiones constituyen la base sobre la que se construye cualquier análisis estadístico posterior.
Sin embargo, aun un experimento cuidadosamente diseñado produce resultados sujetos a variabilidad. ¿Cómo podemos distinguir una diferencia atribuible a los tratamientos de una fluctuación compatible con el azar? ¿Qué podemos aprender de una muestra acerca del comportamiento de una población? En el capítulo 2, Distribuciones, estimadores y pruebas de hipótesis, desarrollaremos las herramientas probabilísticas y estadísticas necesarias para comenzar a responder estas preguntas.
Has concluido el contenido académico de este capítulo. Si deseas comprobar tu comprensión y consolidar los conceptos antes de continuar, puedes realizar las siguientes actividades opcionales.