Escuela Nacional de Estadística e Informática

ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA

ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA

Lima – Perú
2013
Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

DISEÑO DE EXPERIMENTOS

INTRODUCCIÓN

Una vez que el problema de investigación ha sido formulado en una forma suficientemente clara
para especificar los tipos de información necesitada, el investigador debe decidir el diseño de
investigación que se adecue más al mismo. El diseño de investigación “… es el programa que
guía al investigador en el proceso de recoger, analizar e interpretar observaciones” (Nachmias y
Nachmias, 1992).
Los diseños de investigación serán distintos según los objetivos de la misma. Haciendo una
síntesis, podemos decir que “cada estudio que tiene sus propios objetivos pero es posible
clasificar los objetivos de investigación en los siguientes grandes grupos:

1. Avance en el conocimiento de un fenómeno o alcanzar nuevos aspectos del mismo, con

frecuencia con el propósito de formular un problema de investigación con mayor
precisión o para poder explicitar otra hipótesis.
2. Descripción, con mayor precisión, de las características de un determinado individuo,
situación o grupo (con o sin especificar las hipótesis iniciales acerca de la naturaleza de
tales características).
3. Determinación de la frecuencia con la que algo ocurre o con la que algo se halla
asociado relacionado con otro factor (generalmente, pero no siempre, con una hipótesis
inicial específica)
4. Comprobación de una hipótesis causal entre variables.

Los estudios que se encuadran en el primer grupo se llaman exploratorios. En estos estudios
“…el énfasis mayor recae en el descubrimiento de ideas y aspectos profundos…” Muchos
estudios exploratorios tienen como objeto la formulación de un problema para posibilitar una
investigación más precisa o el desarrollo de una hipótesis. Un estudio exploratorio puede tener,
sin embargo, otras funciones: aumentar la familiaridad del investigador con el fenómeno que
desea investigar por medio de un estudio… mejor estructurado…, aclarar conceptos, establecer
preferencias para posteriores investigaciones…” Así el mayor énfasis está puesto en el
descubrimiento de aspectos profundos del objeto del estudio. Consecuentemente, estos estudios
requieren diseños de investigación lo suficientemente flexibles como para permitir la
consideración de numerosos aspectos distintos de un fenómeno.

Numero de Pagina: 2 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

Los estudios a los que se refieren los puntos dos y tres los agrupamos bajo el epígrafe de
estudios descriptivos. Los hemos considerado conjuntamente porque, desde el punto de vista de
los procedimientos de investigación, comparten determinadas características importantes. “Las
demandas de una investigación presupone mucho conocimiento anterior del problema que va a
ser investigado. El investigador debe estar capacitado para definir claramente qué desea someter
a medida y debe elegir los métodos adecuados para su medida. Además, debe ser capaza de
determinar a quién debe incluirse. En la elección de las pruebas para un estudio de estas
características, lo que se necesita no es tanto una gran flexibilidad como una clara formulación
de qué y quiénes van a ser medidos y las técnicas para medidas válidas y de confianza. Por este
motivo, los procedimientos a ser utilizados en los estudios descriptivos deben ser
cuidadosamente planificados tomando todas las medidas para evitar los errores de sesgo.

Los estudios del cuarto grupo (estudios de comprobación de hipótesis causales) suelen
denominarse estudios explicativos. Estos requieren procedimientos que no solamente
disminuyan los riesgos de errores de sesgo y aumenten el grado de la confianza, sino que
permitan inferir acerca de la causalidad. Podemos decir que describir es responder a la pregunta
del cómo es algo, en tanto que explicar es responder a la pregunta por qué algo es o se presenta
de determinada manera. En tal sentido, los procedimientos más frecuentes para lograr dicha
condición adquieren la forma de trabajo experimental. No obstante, es necesario aclarar que
existen estudios referidos a la comprobación de hipótesis de relaciones causales que no
constituyen diseños experimentales.

En tanto que describir implica señalar aspectos reconocibles o signos característicos de las
cosas, “al describir nos mantenemos en el mismo nivel proposicional de lo que estamos
describiendo, no hay un cambio de plano.

En este curso, nos referiremos a los estudios explicativos, específicamente a los estudios
experimentales, en tanto estos constituyen un modelo lógico de inferencia causal.

IMPORTANCIA DE LOS ESTUDIOS EXPERIMENTALES

La investigación científica consiste en la búsqueda permanente de la verdad por métodos

objetivos, adecuados y precisos. Existen dos tipos principales de investigación: los estudios
observacionales y los experimentales. En los observacionales no se cambia la naturaleza de las
muestras, únicamente se observa para obtener conclusiones sobre de ellas y sobre la población
total. En los experimentos se miden y comparan los efectos de fuentes de variación y

Numero de Pagina: 3 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

generalmente se cambia el estado de las muestras y se observa el efecto de los tratamientos. Es

decir, la experimentación es un método científico de investigación que consiste en hacer
operaciones y prácticas destinadas a comprobar o descubrir fenómenos o principios básicos.
Se puede considerar la experimentación como un arte y una ciencia.
Arte por la habilidad necesaria para ingeniar, planear y aplicar un conjunto de técnicas para
eliminar causas extrañas y realizar experimentos de campo y de laboratorio.
Ciencia, por la aplicación del método científico y un conjunto de conocimientos científicos para
el desarrollo de tecnologías que permitan obtener nuevas y mejores procesos o productos.
Las etapas sucesivas en todo trabajo de investigación se pueden resumir en las siguientes:

1. Especificación del problema.

2. Revisión de literatura.
3. Material y métodos (planeamiento o diseño de experimentos)
4. Ejecución y desarrollo de las operaciones de campo o en el laboratorio.
5. Recolección de datos.
6. Procesamiento y análisis de la información.
7. Interpretación de los resultados.
8. Discusión de los resultados.
9. Conclusiones.

UTILIDAD DE LOS DISEÑOS EXPERIMENTALES

El diseño experimental es usualmente asociado con la investigación en las ciencias biológicas y

físicas, sin embargo, estos diseños son útiles también en las ciencias sociales y psicología. Las
causas por las cuales son útiles son dos:
1. El diseño experimental nos ayuda a comprender la lógica de todos los diseños de
investigación. Es un modelo contra el cual nosotros podemos analizar otros modelos.
Así, cuando nosotros comprendemos la estructura y la lógica del diseño experimental
podemos comprender las limitaciones de otros diseños, así como sus ventajas.
2. La significancia del experimento estriba en que permite al investigador hacer
inferencias causales y observar, con relativamente pocas dificultades, si la variable
independiente causa o no cambios en la variable dependiente.

Numero de Pagina: 4 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

El experimento es poco usado en las ciencias sociales, en primer lugar, porque es una estructura
rígida que a menudo no puede ser adaptado a la investigación social. Así, los científicos sociales
frecuentemente usan diseños que son más débiles para realizar inferencias causales pero que
resultan más apropiados para el tipo de problemas que tienen que analizar, tales como por
ejemplo, los diseños denominados cuasiexperimentales.

No obstante, los experimentos ciertamente son usados algunas veces. Incluso en algunos
campos de las ciencias sociales, como ocurre en la psicología social, los diseños
predominantemente utilizados son los experimentales.

El establecimiento de que, en un experimento, una variable independiente produce una variación

específica (que solo puede ser atribuida a la variable independiente) en la variable dependiente
depende fundamentalmente de la manera cómo esté diseñado el experimento. Los
procedimientos estadísticos permiten confirmar o validar el procedimiento empleado, pero una
cosa debe ser clara: el hecho de aplicar procedimientos estadísticos no permite afirmar que el
experimento está bien diseñado, al punto de que se puede afirmar que las variaciones producidas
en los sujetos experimentales sólo y exclusivamente pueden ser atribuidos a la variable
independiente.

La relación causa efecto sólo puede ser atribuido mediante la aplicación de un pensamiento
lógico junto a un diseño bien aplicado. Las siguientes pautas están asociadas a diseños idóneos:
a) La adecuada selección de un marco teórico.
b) La selección apropiada de las unidades de observación.
c) El uso de procedimientos estadísticos correctos.
d) El control de la variable independiente.
e) La adecuada medición de la variable dependiente.
f) El control de variables asociadas

DISEÑO EXPERIMENTAL

Hace más de seis décadas que Sir Ronald A., Fisher, sentó las bases de lo que se ha llegado a
conocer como “Diseño de experimentos”. Desde entonces esta teoría ha sido desarrollada y
ampliada considerablemente.

La experimentación proporciona lo que se conoce por datos experimentales, en contraste con las
informaciones que se toman en la ciencia no experimental, que, como ya lo dijimos, se conoce
como datos observacionales. A menudo se hace difícil asignar causa y efecto por el estudio de

Numero de Pagina: 5 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

los datos de observación. Si el interés es establecer relaciones causales, se debe trabajar con
datos experimentales, donde se han controlado o modificado ciertos factores, si es que ejercen
algún efecto sobre los datos. En otras palabras, los datos experimentales son el resultado de
experimentos diseñados lógicamente, que ofrecen pruebas a favor o en contra de las teorías de
causa y efecto.

Tradicionalmente el diseño experimental ha sido concebido como una estructura lógica unitaria
que, según Fisher (1935), implica dos consideraciones básicas que no son sino dos aspectos de
una misma realidad. Así, pues, concretamente, para Fisher el diseño experimental supone una
determinada organización de los diversos aspectos que constituyen el experimento y, a su vez,
un determinado procedimiento estadístico que nos permite interpretar los resultados obtenidos.
Si no se tienen en cuenta estas dos vertientes de una misma realidad lógica, podemos correr el
peligro de llevar a cabo experimentos cuya finalidad inicial fuera la de acumular datos, para
recurrir inmediatamente después al estadístico a fin de conseguir algo, (Reuchlin, 1953).

Es, pues, el diseño experimental un plan o estructura unitaria formada por una serie de
prescripciones operativas referentes a la selección de los grupos experimentales, a la aplicación
de los respectivos tratamientos, a la utilización de determinadas pruebas estadísticas, etc. En
suma, el diseño constituye la mejor estrategia a seguir por el investigador para la adecuada
solución del problema que tiene planteado. Desde este punto de vista podríamos considerar el
diseño como un auténtico esquema de acción que implica, por parte del experimentador, todo un
laborioso proceso de toma de decisiones. Es decir, el científico, para hacerse con la información
pertinente a su hipótesis, deberá plantearse y resolver una serie de cuestiones referentes a:

1. La identificación de aquellos factores que de una manera u otra van a intervenir en su

experimento.
2. La selección del tipo de medidas que va a utilizar para el registro de sus observaciones.
3. La correcta disposición y organización de los datos para su análisis, así como la
adecuada utilización de las correspondientes pruebas de significación estadística.
4. La posibilidad de extender los resultados a un determinado universo o población.

Si bien cada uno de estos pasos implica una toma de decisión por parte del investigador, hemos
de tener en cuenta que toda organización de un plan experimental se halla supeditada a uno de
sus objetivos básicos. Este objetivo consiste, según Matalon (1969), en “evidenciar la acción de
los factores experimentales, así como eliminar la influencia de 1os factores extraños”. Sólo en
base a este criterio podremos disponer de un argumento a favor de las posibles relaciones que
esperamos encontrar entre las diversas variables experimentales.

Numero de Pagina: 6 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

Y puesto que, en última instancia, el diseño se define por su objetivo básico, hemos de concluir
que toda estrategia dependerá de la propia naturaleza del problema experimental. Con ello
queremos dar a entender que si bien existe en metodología experimental una serie de modelos
de diseño o “diseños experimentales estandarizados”, el concepto de diseño tiene, un significado
mucho más amplio. Sin duda alguna, hemos de convenir que cada “experimento particular
requiere la aplicación de un diseño propio”. No obstante, puesto que la metodología científica
ha elaborado, a lo largo de estos últimos años, una serie de “modelos de diseño básico” cuya
eficacia ha sido demostrada por una gran cantidad de trabajos experimentales, nos vamos a
referir, en el presente curso, a estos modelos como pautas fundamentales para la presentación de
los diseños experimentales.

Por último, cabe señalar que si bien todo diseño debe constituir un “adecuado esquema de
acción”, también deberemos considerarlo como una buena técnica de control del “error
experimental”. Desde esta perspectiva, sin tener en cuenta una serie de consideraciones relativas
al costo y al esfuerzo, encontremos entre los diversos diseños analizados importantes diferencias
en cuanto a la reducción del error experimental. De ahí, que la mayor o menor precisión que
podamos conseguir en la valoración de nuestros resultados depende, en definitiva, de la correcta
elección del diseño.

DEFINICIONES

A continuación presentamos algunas definiciones que van a ser de gran utilidda en el desarrollo
del curso:

 EXPERIMENTO

Es un estudio en el que el investigador tiene un alto grado de control sobre las fuentes
de variación importantes.

 FACTORES O TRATAMIENTOS

Los fenómenos que potencialmente causan variación, y que son controlados por el
experimentador, se denominan factores o tratamientos.

Numero de Pagina: 7 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

 NIVELES DEL FACTOR

Son los valores que toma un factor. En general toman valores que se miden en escala
categórica, aunque a veces suelen ser medidos en escalas numéricas.

 COMBINACIÓN DE TRATAMIENTOS

Cada una de las combinaciones de niveles de todos los factores involucrados en el

experimento.

 EFECTO PRINCIPAL

Un efecto principal es la variación en la variable respuesta, atribuida al cambio en un

factor determinado, a través de sus distintos niveles.

 INTERACCIÓN

El efecto producido por la acción de un factor, influido por la presencia de otro. Es un

efecto combinado de dos o más factores. Si no existe un efecto de interacción, se dice
que los efectos de los factores son aditivos.

 ERROR EXPERIMENTAL

La parte de la variabilidad que no está explicada por los factores involucrados en el

experimento, causas aleatorias.

 TRATAMIENTO CONTROL

Es el tratamiento de comparación adicional que no debe faltar en un experimento. La

elección del tratamiento control es de gran importancia en cualquier investigación, este
se constituye como referencial del experimento y sirve para la comparación de los
tratamientos en prueba.

 UNIDAD EXPERIMENTAL

La unidad experimental, es el animal, objeto o espacio al cual se aplica el tratamiento y

donde se mide y analiza la variable que se investiga.

Numero de Pagina: 8 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

 SENSIBILIDAD

Es la capacidad que tiene el diseño experimental de detectar pequeñas diferencias entre

los tratamientos, por pequeñas que éstas sean.

 ORTOGONALIDAD

Es la independencia entre tratamientos o efecto de tratamientos.

 VARIABLE RESPUESTA

Es la medición de la respuesta de los tratamientos conocida como variable dependiente.

 AGRUPAMIENTO

Por agrupamiento, se debe entender la colocación de un conjunto de unidades

experimentales en grupos, de modo que los diferentes grupos puedan sujetarse a
distintos tratamientos. Estos grupos, por supuesto, pueden constar de diferente número
de unidades experimentales.

 BLOQUE

Por bloqueo, se entiende la distribución de las unidades experimentales en bloques, de

tal manera que las unidades dentro de un bloque sean relativamente homogéneas, de
esta manera, la mayor parte de la variación predecible entre las unidades quedó
confundida con el efecto de los bloques.

 BALANCEO

Balanceo es la obtención de las unidades experimentales, el agrupamiento, y la

asignación de los tratamientos a las unidades experimentales de manera que resulte una
configuración balanceada. Esto es, se deben tomar en cuenta todos los aspectos que
ayudan a eliminar cualquier fuente de variación que altere los resultados de tal forma
que haya un balance entre ellos.

 ANIDAMIENTO

Llamado también jerarquización, es una estrategia para reducir el error experimental

que consiste en colocar dentro de un tratamiento o combinación de tratamientos las

Numero de Pagina: 9 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

unidades experimentales a las cuales interesa medir el efecto de tratamiento. De la

definición se desprende que estas unidades experimentales no aparecerán en aquela
combinación de tratamiento cuyo efecto no se desea medir.

 VARIABLE INDEPENDIENTE

Es el conjunto de factores cuyo efecto sobre la variable dependiente se desea medir.

PRINCIPIOS BÁSICOS DEL DISEÑO EXPERIMENTAL

Los principios básicos del diseño experimental son: repetición, aleatorización y control local.

 REPETICIÓN

Viene a ser la reproducción o réplica del experimento básico (asignación de un

tratamiento a una unidad experimental). Las principales razones por los cuales ess
deseable la repetición son:
1. Proporciona una estimación del error experimental, siendo tal estimación confiable
a medida que aumenta el número de repeticiones.
2. Permite estimaciones más precisas del tratamiento en estudio.
 ALEATORIZACIÓN

Consiste en la asignación al azar de los tratamientos en estudio a las unidades

experimentales con el propósito de asegurar que un determinado tratamiento no presente
sesgo. Por otro lado la aleatorización hace válidos los procesos de inferencia y las
pruebas estadísticas.
 CONTROL LOCAL

Consiste en tomar medidas dentro del diseño experimental para hacerlo más eficiente,
de tal forma que pueda permitir la reducción del error experimental y así hacerla más
sensible a cualquier prueba de significación. Se refiere al balance, bloqueo y
agrupamiento de las unidades experimentales que se emplean en el diseño estadístico
adoptado.

Numero de Pagina: 10 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

FASES DEL DISEÑO EXPERIMENTAL

Un experimento consta de las siguientes fases:
1. Enunciado del problema.
2. Formulación de las hipótesis.
3. Selección de los factores y sus niveles.
4. Selección de la variable respuesta.
5. Selección del diseño experimental.
6. Análisis de datos.
7. Conclusiones y recomendaciones.

EL DISEÑO EXPERIMENTAL CLÁSICO Y SUS POSIBLES ALTERNATIVAS

El diseño simple de experimentación, o como algunos prefieren llamarlo, “Diseño clásico de

una sola variable”, es aquel que hemos heredado de la ciencia física y, en el que s6lo se puede
variar un solo factor a la vez, manteniéndose constantes el resto de los factores. Este principio
de experimentación, válido para las ciencias físico-naturales, es aplicable a situaciones de
constancias simples, de regularidades causa-efecto, a situaciones de un total control de
condiciones, etc. Sin embargo, estas situaciones, de máximo control y rigor, no suelen darse en
las ciencias de la conducta y mucho menos en psicología. Concretamente en esta ciencia, la
mayoría de las variables se hallan directamente relacionadas con el resto, y el hecho de variar
una de ellas implica, automáticamente, la variación de las restantes.

Por esta razón el principio de experimentación clásico tal como lo hemos definido antes plantea,
evidentemente, serias dificultades cuando se intenta aplicarlo a la psicología. Podríamos señalar
que son dos las dificultades más importantes que implica la aplicación de este esquema clásico a
nuestra ciencia, y que han sido analizadas por una serie de autores con el fin de conseguir
alguna solución.
Vamos, a continuación, a exponer los dos problemas que resultan de la aplicación del modelo de
experimentación clásico a la psicología.

En primer lugar, este modelo exige que conozcamos, con el fin de evitarlas, las posibles
concomitancias existentes entre los diversos factores que intervienen en el fenómeno que
observamos. Como ya hemos señalado anteriormente, en las ciencias de la conducta, la
variación de un factor repercute en la variación de otros muchos. De esa forma, si solo
contásemos con el esquema de experimentación clásico, podríamos llegar a conclusiones un
tanto ambiguas e imprecisas en relación al efecto de las variables estudiadas. Este problema ha

Numero de Pagina: 11 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

sido tratado por algunos autores (Fischer, 1935; Solomon, 1949), quienes han propuesto unos
planes adecuados para el análisis de las posibles interacciones entre factores. En todo caso,
siempre es aconsejable que en psicología se tengan en cuenta estas posibles interrelaciones entre
las variables a fin de evitarlas, al menos artificialmente, con una adecuada técnica de control.

De otra parte, la consideración del diseño clásico de experimentación y su aplicación en

psicología nos plantea un segundo problema, aunque éste haya preocupado menos a los
interesados por el método. Me refiero a las posibles interacciones que pueden surgir, en un
experimento concreto, entre los tratamientos y los fenómenos observados. Este problema no
afecta en modo alguno a la propia validez interna del experimento,' sino mas bien al nivel de
generalización de los resultados. Cualquier conclusión que obtengamos de un experimento
deberá interpretarse, exclusivamente, en función de las modalidades estimulativas tal como han
sido aplicadas en este caso concreto. Esto nos lleva, lógicamente, a pensar en la artificialidad de
los planes experimentales, y que, consecuentemente, los sujetos reaccionen mas bien a dicha
artificialidad que a las propias condiciones reales. En este caso es arriesgado, por no decir
incorrecto, extender las conclusiones más allá de la propia situación experimental

Vamos a poner un ejemplo. Supongamos que estamos interesados en estudiar el efecto del
“incentivo” sobre “el rendimiento”, en un tipo de tareas relativamente fáciles. En este caso,
puede ocurrir que los sujetos que ejecuten una tarea para la obtención de una recompensa muy
alta reaccionen más bien a la rareza de esta situación (en condiciones de vida normal esto no
suele ocurrir) que al propio valor del incentivo. Esto nos plantea, sin duda, una problemática
bastante difícil de resolver y que tan sólo, hasta el momento, Brunswik (1947) y Hammond
(1954) han puesto de manifiesto, pero cuya solución definitiva está aún lejos de ser alcanzada.

Frente a las desventajas y limitaciones que ofrece el diseño clásico han reaccionado,
decisivamente, dos grandes teóricos, Fisher (1935) y Brunswilr (1947). Ambos han puesto de
relieve la incapacidad de los esquemas clásicos para áreas tan complejas e interaccionadas, y a
su vez, han propuesto posibles vías de solución. Para Fisher (1935), los experimentos de la
física clásica, de variación de un solo factor, servirían para familiarizar al estudiante con
situaciones elementales para el conocimiento del funcionamiento de leyes simples en campos
donde la incidencia de los factores restantes quedase totalmente limitada. Sin embargo, estas
situaciones suelen ocurrir raras veces en investigaciones de tipo biológico, en las que se
desconoce, de antemano, hasta qué punto la variación de un factor afectará la variabilidad de
otros que mantienen una estricta relación con el fenómeno estudiado.

Numero de Pagina: 12 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

Tanto Fisher como Brunswik muestran su desacuerdo con el diseño experimental clásico, y
ambos preconizan su revisión. Sin embargo, la solución adoptada por estos dos autores no es, en
modo alguno, coincidente.
Concretamente, Fisher (1935) propuso la técnica del “análisis de la varianza”, como una posible
solución al problema. Hemos de tener en cuenta que Fisher se mueve dentro del área de
investigación agrícola, y por tanto, dicho procedimiento parece ser, en principio, viable. Por su
parte, Brunswik y su escuela, interesados más bien por la temática perceptiva, recusan la
solución propuesta por Fisher. Para Brunswik la utilización de un diseño de acuerdo con la
técnica de Fisher, no convierte el diseño en un “plan menos sistemático que el diseño clásico”.
Por tanto, en opinión de Brunswik, lo que Fisher ha hecho es desarrollar un diseño mucho más
complejo que el clásico, ya que se tienen en cuenta la acción simultánea de varios factores, pero
no ha tocado el fondo de la cuestión. Según Brunswik lo único que ha hecho Fisher ha sido
sustituir una condición por varias, y por tanto, el problema no ha quedado resuelto. Por dicha
razón Brunswik (1947) apunta hacia una revisión más radical de la metodología experimental.

Para Brunswik las condiciones experimentales deberían representar una muestra aleatoria del
univers0 de condiciones al que posteriormente se van a generalizar los resultados. De esa forma
se evita la artificialidad de la experimentación mediante una correcta selección de las variables.
El empleo por parte de Brunswik del término “plan representativo” (como opuesto al de “plan
sistemático”, que atribuye a Fisher) no significa otra cosa que la trasposición del principio
estadístic0 del muestro de los sujetos, al muestreo de las situaciones y condiciones
experimentales. Por tanto, lo que en definitiva propugna Brunswik es que se aplique el
muestreo, tal como viene haciéndose con los sujetos, a las diversas situaciones estimulativas.
“Es evidente –añade Brunswik- que la significación estadística de un resultado debe ser
estudiada en estas dos direcciones”. Con este enunciado se establece que los resultados deben
ser analizados, no solo en relación a la población de sujetos, sino también, en relación a las
situaciones estimulativas (e.d. en relación a su generalidad ecológica). Con ello Brunswik quiere
dar a entender que el investigador no sólo debe estar interesado por la cantidad de variables que
intervienen en un experimento, sino también “por las modalidades de su variación y
covariación”. Esta seria, en síntesis, una de las críticas más fuertes hechas por Brunswik a
Fisher, quien únicamente se hallaría interesado por el número de variables que intervienen en un
experimento.

De otro lado, es evidente que si no se parte de la independencia de los factores experimentales,

no se pueden aplicar las técnicas de análisis elaboradas por Fisher. En cambio, en el caso de los
“diseños representativos” propugnados por Brunswik se trataría más bien de calcular las

Numero de Pagina: 13 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

correlaciones existentes entre los factores entre sí, y entre éstos y los datos experimentales.
Estamos, pues, ante un problema de validez externa, de representatividad, que no solo afecta
a los sujetos experimentales, sino también, a las mismas condiciones. Estas deberán reflejar, por
consiguiente en el experimento, una situación real y no la artificialidad que solemos encontrar
en los trabajos experimentales.

A pesar de los poderosos argumentos esgrimidos por Brunswik, como bien señala Matalon
(1969), éstos no han encontrado el suficiente eco en el campo de la experimentación
psicológica. Ello puede atribuirse, quizá, a que no todos los experimentalistas se hallan
igualmente interesados por la realidad inmediata, puesto que su Único interés estriba en el
estudio de las leyes generales y no de los casos concretos. Yo por mi parte, añadiría, que entraña
una gran dificultad el llevar a cabo el programa de selección de condiciones, sobre todo para
áreas psicológicas diferentes de las que Brunswik ha trabajado.

Un último argumento, que quizá justifique en parte la poca afición que muestran los
experimentalistas por el uso de los planes representativos, queda materializado en la frase de
Matalon al afirmar que “el poder y la elegancia de las técnicas del análisis de la variancia, la
ingeniosidad que puede desplegarse para construir un plan bien adaptado a un problema, ejerce
una atracción mas poderosa que las técnicas de correlación”.

Estas pueden ser, quizá, las principales razones que nos justifiquen el por qué la línea iniciada
por Brunswik en el campo de la percepción no hayan tenido la aceptación que se podía esperar.

EJERCICIOS
En cada uno de los siguientes enunciados identifique:
a. El objetivo del investigador.
b. La variable respuesta.
c. El factor y los niveles del factor.
d. La unidad experimental
e. El número de repeticiones.

Numero de Pagina: 14 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

1. Una compañía algodonera, interesada en maximizar el rendimiento de la semilla de

algodón, desea comprobar si dicho rendimiento depende del tipo de fertilizante utilizado
para tratar la planta. A su disposición tiene 5 tipos de fertilizantes. Para comparar su
eficacia fumiga, con cada uno de los fertilizantes, un cierto número de parcelas de
terreno de la misma calidad y de igual superficie. Al recoger la cosecha se mide el
rendimiento de la semilla,

2. Una profesora de estadística imparte clase en 4 grupos de alumnos, en los que explica la
misma materia pero siguiendo distintos métodos de enseñanza. Desea averiguar si el
método de enseñanza utilizado influye en las calificaciones de los alumnos. Al final se
registra las calificaciones medias obtenidas por los alumnos.

3. Un ingeniero de desarrollo de productos está interesado en maximizar la resistencia a la

tensión de una nueva fibra sintética que se empleará en la manufactura de tela para
camisas de hombre. El ingeniero sabe por experiencia que la resistencia está influida
por el porcentaje de algodón presente en la fibra. Además, sospecha que el contenido de
algodón debe estar aproximadamente entre un 10 y 40% para que la tela resultante tenga
otras características de calidad que se desean (como la capacidad de recibir un
tratamiento de planchado permanente). El ingeniero decide probar muestras a cinco
niveles de porcentaje de algodón: 15, 20, 25, 30 y 35%. Asimismo, decide ensayar
cinco muestras a cada nivel de contenido de algodón. Las 25 observaciones deben
asignarse al azar.

4. Una fábrica de maquinillas de afeitar utiliza una gran cantidad de máquinas en la

producción. Se desea que las máquinas sean homogéneas para producir objetos de la
misma calidad. Para investigar si existen variaciones significativas entre las máquinas,
se seleccionan 4 al azar y se mide el porcentaje de un cierto componente de la hoja. El
experimento se realiza con orden aleatorio.

5. Supongamos que queremos determinar si diferentes lotes de neumáticos presentan

pérdidas de superficie de rodadura distinta después de 20.000 km. El gerente de una
compañía de coches desea considerar cuatro lotes disponibles y decidir cuál presenta la
menor pérdida de superficie de rodadura después de 20.000 km. Los lotes considerados

Numero de Pagina: 15 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

son A, B, C y D. Aunque las condiciones de conducción pueden simularse en el

laboratorio, quiere probar los cuatro lotes bajo verdaderas condiciones de conducción.
La variable a medir es la máxima diferencia en “profundidad del dibujo” sobre un
neumático desde que se montó en el coche hasta después de haberlo utilizado durante
20.000 km. (medida en mils 0.001 inch.). El único factor de interés es el lote. Como
los lotes se prueban sobre coches y necesitamos alguna medida del error, usaremos más
de una rueda por lote. Será más práctico escoger 4 ruedas de cada lote (es decir, 16
neumáticos en total), y podríamos entonces tomar también cuatro coches.

EJEMPLO DE ALEATORIZACIÓN

Supongamos que tenemos cuatro dietas diferentes que queremos comparar. Las dietas están
etiquetadas como A, B, C y D. Estamos interesados en estudiar si las dietas afectan la tasa de
coagulación en conejos. La tasa de coagulación es el tiempo en segundos que tarda una cortada
en dejar de sangrar. Tenemos 16 conejos para el experimento, por lo que usaremos cuatro en
cada dieta. Los conejos están en una jaula grande hasta que se inicie el experimento, momento
en que se transferirán a otras jaulas. ¿Cómo asignamos los conejos a los cuatro grupos de
tratamientos?

MÉTODO 1
Supongamos que los conejos se atrapan "al azar". Atrapamos cuatro conejos y los asignamos a
la dieta A. Atrapamos otros cuatro y los asignamos a la dieta B y así sucesivamente. Dado que
los conejos fueron "atrapados al azar", esto producirá un diseño completamente al azar.

No es necesariamente cierto.
Los primeros cuatro conejos atrapados pueden ser los más lentos y débiles, aquellos menos
capaces de escapar. Esto puede sesgar los resultados. Si los resultados del experimento dan
desventaja a la dieta A, no habrá forma de determinar si los resultados son a consecuencia de la
dieta A o del hecho de haber asignado los conejos más débiles a esa dieta por nuestro "proceso
de aleatorización".

MÉTODO 2
Atrape a todos los conejos y etiquételos del 1 al 16. Seleccione cuatro números aleatorios (sin
reemplazo) del 1 al 16 y ponga los conejos con esa etiqueta en una jaula que recibirá la dieta A.

Numero de Pagina: 16 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

Entonces, seleccione otros cuatro números aleatorios y ponga los conejos correspondientes en
otra jaula que recibirá la dieta B. Así sucesivamente hasta tener cuatro jaulas con cuatro conejos
en cada una.

No hay repeticiones.

El diseño es un diseño completamente al azar pero no tiene repeticiones. Hay 16 conejos, pero
los conejos en cada jaula no son independientes. Si un conejo come mucho, los otros en la jaula
tienen menos para comer. La unidad experimental es la menor unidad de material experimental
a la cual se le aplica un tratamiento en forma independiente. En este caso, las jaulas son las
unidades experimentales. Para un diseño completamente al azar con repeticiones, cada conejo
debe estar en su propia jaula.

MÉTODO 3
En una urna ponga las letras A, B, C y D en pedazos de papel separados. Atrape un conejo,
saque un pedazo de papel al azar de la urna y asigne el conejo a la dieta que indique el papel. No
reemplace el papel. Atrape el segundo conejo y seleccione al azar otro pedazo de papel de la
urna de los tres que quedan. Asigne el conejo a la dieta correspondiente. Continúe hasta que los
primeros cuatro conejos sean asignados a una de las cuatro dietas. De esta manera, todos los
conejos lentos tienen diferentes dietas. Coloque otra vez los cuatro pedazos de papel en la urna
y repita el procedimiento hasta que los 16 conejos estén asignados a una dieta.

Este no es un diseño completamente al azar.

Ya que se seleccionaron los conejos en bloques de 4, y cada uno asignado a una de las dietas, el
diseño es el de bloques al azar. El tratamiento es Dieta pero se ha bloqueado a través del grado
de "atrapabilidad".

MÉTODO 4
Atrape a todos los conejos y márquelos del 1 al 16. Ponga 16 piezas de papel en una urna, con
las letras A, B, C y D repetidas cuatro veces cada una. Ponga otros 16 pedazos de papel
numerados del 1 al 16 en otra urna. Tome un pedazo de papel de cada urna. El conejo con el
número seleccionado es asignado a la dieta seleccionada. Para hacer más fácil de recordar cuál
conejo tiene cuál dieta, las jaulas se acomodan como se muestra abajo:

Numero de Pagina: 17 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

A A A A
B B B B
C C C C
D D D D

El método 4 tiene algunas deficiencias. La asignación de los conejos a los tratamientos es un

diseño completamente al azar. Sin embargo, el arreglo de las jaulas crea un sesgo en los
resultados. Puede haber cambios climáticos y de luz que afecten de forma diferencial a los
tratamientos, de tal manera que, cualquier diferencia observada no puede ser atribuida a la dieta,
sino que podría ser resultado de la posición de la jaula. La posición de la jaula no es parte del
tratamiento, pero debe ser considerada. En un diseño completamente al azar, todos los conejos
tienen la misma probabilidad de recibir cualquier dieta y en cualquier posición de la jaula.

MÉTODO 5
Marque las jaulas del 1 al 16.

1 5 9 13
2 6 10 14
3 7 11 15
4 8 12 16
Ponga 16 pedazos de papel en una urna, numerados del 1 al 16. En otra urna ponga 16 pedazos
de papel, marcados con las letras A, B, C y D.
Atrape un conejo. Seleccione un número y una letra de cada urna. Ponga al conejo en la jaula
indicada por el número escogido y asígnelo a la dieta indicada por la letra. Repita sin reemplazo
hasta que todos los conejos hayan sido asignados a una dieta y una jaula.

Si por ejemplo, el primer número seleccionado fue 7 y la primera letra B, entonces el primer
conejo se pone en la jaula 7 y se alimenta con la dieta B.

Un ejemplo de asignación completa es el siguiente:

1C 5 A 9 B 13 D
2D 6 B 10 D 14 C
3C 7 B 11 A 15 D
4A 8 A 12 C 16 B

Numero de Pagina: 18 Total de Paginas:19

Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática

ESTADÍSTICA DESCRIPTIVA

Note que el diseño completamente al azar no toma en cuenta las diferencias en la altura de las
jaulas. Es solamente una asignación completamente al azar. En este ejemplo vemos que la
mayoría de los conejos con la dieta A están en jaulas de la parte de abajo y los de la dieta D
están en la parte superior. Un diseño completamente al azar supone que estas posiciones no
producen una diferencia sistemática en la respuesta (tiempo de coagulación). Si creemos que la
posición afecta la respuesta, deberíamos usar un diseño de bloques al azar.

Numero de Pagina: 19 Total de Paginas:19