• No se han encontrado resultados

modulo diseño experimental

N/A
N/A
Protected

Academic year: 2020

Share "modulo diseño experimental"

Copied!
121
0
0

Texto completo

(1)
(2)

COMITÉ DIRECTIVO

Jaime Alberto Leal Afanador Rector

Roberto Salazar Ramos Vicerrector Académico

HERNAN MAURICIO PULIDO

Decano Facultad de Ciencias Básicas e Ingeniería

Celia del Carmen López

Secretaria Académica Facultad de Ciencias Básicas e Ingeniería

Primera Edición Copy Rigth

Universidad Nacional Abierta y a Distancia ISBN

2005

(3)

PROGRAMA DE INGENIERÍA DE

ALIMENTOS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

BOGOTÁ 2005

(4)

CONTENIDO

Algo de historia del diseño experimental

OBJETIVOS DEL MODULO

¿ES IMPORTANTE EL DISEÑO EXPERIMENTAL EN LAS CIENCIAS APLICADAS? ¿COMO SE EVALUARA EL CURSO DE DISEÑO EXPERIMENTAL?

UNIDAD PRIMERA:Fundamentos del diseño experimental

Algunas citas de interés Para no olvidar

Cuando se inicia el diseño experimental?

CAPITULO PRIMERO:La investigación y el diseño experimental Preguntas de repaso y evaluación.

1.1. Introducción al diseño de experimentos 1.1.1. Propósitos de la investigación. 1.2.El proyecto de investigación. 1.3. Anteproyecto de investigación. 1.4. Investigación científica.

1.5. Investigación aplicada. 1.6. Diseño de investigación. 1.7. El método científico. 1.8. Métodos de investigación. 1.9. Estilo de trabajo investigativo 1.9.1. Método Inductivo

1.9.2. Método Deductivo

1.9.3. Método Hipotético- deductivo. 1.10. Niveles de investigación

1.11. Etapas de un trabajo de investigación 1.12. Fundamentos de la experimentación. 1.13. Que es la observación

1.14. ¿Que es analizar?

CAPITULO DOS: Definiciones básicas en el diseño de experimentos 2.1. Diseño de experimentos en la investigación.

2.2. Necesidad de diseñar experimentos. 2.3. Objetivos de un diseño de experimentos. 2.4. El diseño de experimentos en la industria. 2.5. Diseño experimental

2.6. Utilidad del Diseño Estadístico de Experimentos. 2.7. Experimento

2.8. Experimento aleatorio 2.9. Unidad experimental

2.11. Repetitividad (precisión) de un experimento 2.12. Reproducibilidad de un experimento

CAPITULO TRES: Repaso a conceptos estadísticos 3.1. Variable.

3.2. Variable independiente. 3.3. Variable dependiente.

(5)

3.5. Variable de respuesta. 3.6. Factores

3.7. Nivel.

3.8. Niveles de variables 3.9. Tratamiento.

3.10.Testigo 3.11. Replica 3.12. Aleatorización.

Tabla 1. Ejemplo de unidades experimentales a aleatorizar 3.13. Actividades a desarrollar

3.14. Respuesta a las preguntas

CAPITULO CUARTO: Definiciones y herramientas estadísticas aplicadas a los

diseños experimentales. 4.1. Población y muestra. 4.2. Población

4.2.1. Tipos de poblaciones 4.3. Individuos o elementos

4.5.Tipos de muestreo

4.5.1. Muestreo aleatorio simple 4.5.1. Muestreo estratificado 4.6.Datos obtenidos

4.7. Elección de la muestra. 4.8. Parámetro

4.12. Estimación puntual y por intervalo. 4.13. La media aritmética.

4.14. Cálculo de la media a partir de datos no agrupados. 4.15. Cálculo de la media de datos agrupados.

4.16. Varianza de una población.

4.17. Desviación estándar de una población 4.18. Significancia estadística p.

4.8. Tamaño de la muestra

4.9. Ejemplo de determinación de número de muestras.

4.9. Recomendaciones para la elección y tamaño de muestra. 4.19. Hipótesis

4.20. Planteamiento de una hipótesis estadística 4.21. Formulación y prueba de hipótesis

4.22. Estadístico de prueba. 4.23. Análisis de datos. 4.24. Ppruebas de hipótesis.

4.25. Pruebas de hipótesis Z para una media poblacional (

σ

conocida)

4.26. Ejemplo y procedimiento a desarrollar para una prueba de hipótesis propiamente dicha.

4.27. Prueba de t.

4.28. Suposiciones de la prueba de t con una muestra. 4.29. Prueba de z para la diferencia entre dos medias. 4.30. Prueba de t para la diferencia entre dos medias 4.31. Grados de libertad.

4.32. Análisis de la varianza.

(6)

4.35. Error experimental 4.36. Errores tipo I y tipo II.

4.37. Las modalidades más recomendadas para disminuir el error 4.38. Modelo estadístico.

4.39. Análisis de Covarianza. 4.40. Recomendaciones

4.41. Software estadísticos para la solución de problemas. 4.42. Ejercicio desarrollado

4.43. Ejercicios y actividades

UNIDAD SEGUNDA: Diseños experimentales aplicados a la ingeniería de alimentos

CAPITULO QUINTO: Clasificación y selección de los diseños experimentales. 5.1. Características de los diseños experimentales.

5.2. Aspectos influyentes en la selección de un diseño experimental. 5.3. Clasificación de los diseños experimentales acorde con su utilización. 5.4. Experimentos con un solo factor (análisis de varianza)

5.4. 1. Experimentos de una variable 5.5. Diseñó de experimentos sin bloquear.

5.6. Procedimiento estadístico para la comprobación de hipótesis en un diseño al azar.

5.7. Modelo estadístico para un diseño al azar.

5.8. Ejemplo de un diseño de experimentos sin bloquear

CAPITULO SEIS: Diseño en bloques 6.1. Diseño de bloques completos al azar. 6.1.1. Características.

6.1.2. Fuentes de variabilidad. 6.1.3. Ventajas

6.1.4. Aleatorizacion.

6.2. Procedimiento estadístico para la comprobación de hipótesis en un diseño de bloques completos al azar.

6.3. Arreglo de los datos en un diseño de DBCA. 6.4. Modelo estadístico para un DBCA

6.5. Hipótesis a probar

6.6. ANOVA para un diseño en bloques completos al azar (DBCA)

6.7. Comparación de medias de tratamiento en el diseño de bloques completos al azar (BCA)

6.8. Ejemplo de bloques completos al azar (BCA) 6.9. Ejercicio para realizar como actividad de grupo: 6.10. Ejercicio propuesto

CAPITULO SIETE: Diseño en cuadro latino 7.1. Diseño en cuadro latino

7.2. Formación y tabulación de los datos experimentales en un cuadrado latino.

7.3. Arreglo de los datos en un diseño de Cuadro latino.

7.4. Procedimiento estadístico para la comprobación de hipótesis en un diseño de bloques en cuadro latino.

7.5. Análisis del diseño de Cuadro latino 1.19.2 Hipótesis a probar

(7)

7.8. Ejercicio propuestos

CAPITULO OCHO: Diseño en cuadro grecolatino 8.1. Diseño en cuadro greco latino.

8.2. Formación y tabulación de los datos experimentales en un cuadrado greco latino.

8.3. Procedimiento estadístico para la comprobación de hipótesis en un diseño de bloques en cuadro greco latino.

8.5. Hipótesis a probar para el diseño greco latino 8.6. ANAVA para el diseño grecolatino.

8.7. Ejemplo para el diseño grecolatino.

CAPITULO NUEVE: Diseños factoriales 9.1. Diseños factoriales

9.2. Ventajas de los Experimentos Factoriales 9.3. Desventajas de los diseños factoriales 9.4. Arreglo factorial

9.5. Modelo estadístico para un diseño factorial 9.6. Hipótesis a probar

9.7. ANOVA para el diseño factorial (a x b) o de dos factores 9.8. Ejemplo de un diseño factorial

9.9. Experimentos factoriales de dos vías 9.10. Factor en el diseño de dos vías. 9.11. Tratamiento en el diseño de dos vías. 9.12. Interacción en el diseño de dos vías.

9.13. Pasos para llegar al ANOVA en un diseño experimental.

CAPITULO DIEZ: Diseños factoriales 2k

10.1. Codificación de las variables 10.2. El diseño factorial completo 2k 10.3. Efecto de un factor en un diseño 22 10.4. Análisis de residuos

10.5. ANOVA para un diseño factorial 22

10.6. Ejemplo de un diseño experimental factorial 22 10.7. Factores y dominio experimental

CAPITULO ONCE: Diseños factoriales de tres factores

11.1. Diseño factorial de tres factores con dos niveles cada uno. Tabla 38. Combinación de los tratamientos para un diseño 23 11.2. Efecto de un factor en un diseño 23

11.3. Análisis de varianza para un diseño factorial 23 11.4. Coeficientes de determinación

11.5. Ejemplo de un diseño factorial 23 11.6. Presentación de resultados.

11.7. Metodología de la superficie de respuesta. Varios autores. 11.8. Región experimental

11.9. Región de operabilidad 11.10. Polinomio ortogonal.

CAPITULO DOCE: Análisis de regresión 12.1. Análisis de regresión.

12.2. Regresión lineal simple. 12.3. Coeficientes de correlación.

(8)

12.6. Correlación múltiple. 12.7. Transformación de datos. 12.8. Correlación múltiple. 12.9. Análisis de Covarianza.

12.10. Los objetivos del análisis de covarianza son:

12.11. Software estadístico para la solución de problemas.

CAPITULO TRECE: Otros diseños

13.1. Diseños no experimentales. Varios autores 13.2. Recomendaciones

13.3. Ejercicios propuestos

13.4. Actividades a realizar para el capitulo primero de la unidad segunda

APENDICE

REFERENCIAS YBIBLIOGRAFIA

(9)

INDICE DETABLAS Y FIGURAS

Figura 1. Red semántica para el diseño experimental en ingeniería de alimentos.

Figura.2. sir Ronald Fisher.

Cuadro 1. Contenidos del capitulo primero de la unidad primera Tabla 1. Ejemplo de unidades experimentales a aleatorizar

Tabla 2. Actividades a desarrollar para los capítulos uno a tres de la primera unidad

Figura 3. Ejemplo de una unidad experimental u observacional. Tabla 4. Ejemplo de un análisis de varianza

Figura 4. ANOVA toma de decisión.

Figura 5. Portada del programa Statgraphics. Figura 6. Hoja de cálculo de excell *.

Tabla 5. Producción de canastillas de uchuva en seis veredas

Figura 7.Varianza entre las diferentes fincas productoras de uchuvas.

Tabla 6. Resumen estadístico de los datos totales recolectados de la producción de uchuvas en cinco municipios de Cundinamarca.

Tabla 7. Resumen estadístico de los datos recolectados por mes de la producción de uchuvas en cinco municipios de Cundinamarca.

Figura 8. Grafico de la producción anual de uchuvas.

Figura 9. Grafico de cajas y bigotes de la producción mensual de uchuvas. Figura 10. Grafico de medias e intervalos para la producción de uchuvas por finca.

Tabla 8. Análisis de varianza (ANAVA) par el ejemplo de las fincas productoras de uchuva.

UNIDAD SEGUNDA: Diseños experimentales aplicados a la ingeniería de alimentos

Tabla 9. Procedimiento estadístico para la comprobación de hipótesis

Tabla 10. Análisis de varianza para los tratamientos con un solo factor, en un diseño totalmente aleatorizado o completamente al azar.

Tabla 11. Recopilación y presentación de los resultados de los tratamientos, en un diseño totalmente aleatorizado o completamente al azar.

Figura 12. Diagrama de flujo para la producción de rosquillas a partir de una masa estandarizada.

Tabla 12. De aleatorización para el ejemplo de las rosquillas

Tabla 13. Datos obtenidos en la determinación de la dureza para el ejemplo de las rosquillas.

Tabla 14. Análisis de varianza para evaluar el efecto de los aditivos en la elaboración de rosquillas.

Tabla 15. Análisis de homogeneidad y contraste de las rosquillas.

Tabla 16. Recopilación y presentación de los resultados de los tratamientos, en un diseño de bloques completos al azar.

Tabla 17. Arreglo de los datos en un diseño de bloques completos al azar. Tabla 18. ANOVA para un diseño en bloques completos al azar

Tabla 19. Datos obtenidos en la determinación del contenido de sólidos para el ejemplo de concentración del jugo de tomate.

(10)

Tabla 21. ANAVA para los datos obtenidos en la determinación del contenido de sólidos para el ejemplo de concentración del jugo de tomate.

Tabla 22. Recopilación y presentación de los resultados de los tratamientos, en cuadro latino.

Tabla 23. Arreglo de los resultados de los tratamientos, en cuadro latino. Tabla 24. ANOVA para el diseño de cuadro latino*

Tabla 25. Datos recolectados por los tecnólogos Tabla 26. Calculo de los tratamientos (3eros o letras)

Tabla 27. ANOVA para el diseño de cuadro latino del ejemplo perdida de peso Tabla 28. Arreglo de los resultados de los tratamientos, en cuadro Greco-Latino.

Tabla 29. ANOVA para el diseño de cuadro greco latino*

Tabla 30. ANOVA para el ejemplo de diseño de cuadro greco latino* Tabla 30. ANOVA para el ejemplo de cuadro greco latino*

Figura 11.Un experimento factorial Figura 12.Un experimento factorial

Tabla 31. ANOVA para el diseño factorial a x b

Tabla 32. Resultados del ensayo NOVA para el diseño factorial a x b Tabla 33. ANOVA para el ejemplo de diseño factorial a x b

Tabla 34. Signos algebraicos para calcular los efectos en un diseño 22 Tabla 35. ANOVA para un diseño factorial 22

Tabla 36. Respuestas para el ejemplo de diseño factorial 22 Tabla 37. Matriz para el ejemplo de diseño factorial 22

Tabla 38. Análisis de varianza para el ejemplo de diseño factorial 22 Tabla 38. Combinación de los tratamientos para un diseño 23

Tabla 39. Signos algebraicos para calcular los efectos en un diseño 23 Tabla 40. Calculo del Análisis de varianza para un diseño factorial 23 Tabla 41. Datos de la viscosidad de la bebida desarrollada.

Tabla 42. Promedio y factores calculados para el ejemplo de la viscosidad Figura 13. Pasos para calcular el ANOVA en un diseño 2k

Tabla 43. Análisis de la varianza para la viscosidad de bebida desarrollada. Tabla 44. Coeficientes de regresión de la ecuación de los datos de viscosidad de la bebida desarrollada en el ejemplo anterior.

Tabla 45. Valores para el r2 , el error estándar para el ejemplo de la viscosidad de la bebida desarrollada.

Tabla 46. Resultados estimados para los datos de viscosidad con la ecuación de regresión encontrada para el ejemplo anterior.

Figura 16. Efectos medios para el ejemplo de la viscosidad. Figura 17. Interacciones para el ejemplo de la viscosidad. Figura 18. Interacciones para el ejemplo de la viscosidad.

Tabla 48. Ecuaciones para el estimativo de una regresión lineal simple

Tabla 49. Grado de asociación de los coeficientes de correlación para un conjunto de datos. (varios autores)

Tabla 50. Modelos de regresión lineal simple Tabla 51. Transformaciones usadas para datos

(11)
(12)

UNIDAD PRIMERA: Fundamentos del diseño experimental

Definir

Planear

Trabajo de campo-Laboratorio

(13)

Algo de historia del diseño experimental

(14)

DISEÑO EXPERIMENTAL PARA INGENIERÍA DE ALIMENTOS

Figura 1. Red semántica para el diseño experimental en ingeniería de alimentos.

Comceptos

metodologicos de investigación

di i li

Conocimientos de

técnicas y herramientas analíticas y estadisticas

Conocimientos de los tipos de diseño experimental de utilidad

en su disciplina

comprende Conformados por

Con el fin de

Concepción critica de la investigación en la solución de problemas propios de la disciplina.

comprende

Claridad de los procesos

Buen diseño de una investigación

Buen diseño de una investigación

Diseño apropiado de una investigación

Utilización razonable de recursos en los trabajos

de grado

Aplicar correctamente la terminología y conceptos utilizados en los procesos investigativos

Con el fin de Con el fin de

Tiene como fín

RED SEMÁNTICA PARA EL DISEÑO EXPERIMENTAL EN INGENIERÍA DE ALIM Con el fin de

Con el fin de

Con el fin de

Formando pprofesionales con

(15)

OBJETIVOS DEL MODULO

La UNAD y la Facultad de Ciencias Básicas e ingeniería a través de este modulo suministrara los elementos esenciales para que el alumno que se encuentra cursando los semestres octavo, noveno y décimo del ciclo de ingeniería conozca el proceso que requiere la elaboración de un trabajo de investigación respaldado por un estudio estadístico, aplicado a una recogida y toma de datos experimentales productos de una metodología debidamente planificada, con interpretación de resultados hasta su posterior análisis y conclusiones.

(16)

¿ES IMPORTANTE EL DISEÑO EXPERIMENTAL EN LAS CIENCIAS APLICADAS?

Pregunta que ha sido respondida por los siguientes autores:

"El diseño es fundamental en el experimento. La idea expresada en la hipótesis tiene que ser convertida en experimentable a través del diseño.

Para Plutchik, "los diseños experimentales se consideran como formas de disponer las condiciones de un experimento de tal manera que se logren las respuestas a las preguntas del caso".

Por eso, Kirk asegura que un diseño consiste en el papel conforme al cual s asignan o distribuyen los sujetos a las diferente condiciones experimentales.

(17)

¿COMO SE EVALUARA EL CURSO DE DISEÑO EXPERIMENTAL?

(18)

Algunas citas de interés

"Experimentar – dice Robert Plutchik – significa "ensayar" o "poner a prueba"

(Fundamentos de la investigación, 1975). Lo que se pone a prueba, en este caso, es una hipótesis, una probable solución o respuesta transitoria de un problema planteado en la ciencia...

Escuchemos al respecto, la palabra de Claude Bernard, un clásico del método experimental" se da el nombre de observador – dice- a aquél que aplica los procedimientos de investigación simples o complejos, para hacer que los fenómenos que nos hace variar y que, por consiguiente, recoge tales como se los ofrece la Naturaleza.

(19)

Para no olvidar

Los métodos experimentales son ampliamente usados en la investigación básica y aplicada pero con propósitos muy diferentes.

La meta primaria en la investigación científica normalmente es mostrar la importancia estadística de un efecto que un factor particular ejerce en la variable dependiente de interés

En la industria, la meta primaria es extraer la cantidad máxima de información imparcial con respecto a los factores que afectan un proceso, la producción y la calidad del producto terminado.

(20)

¿Cuando se inicia el diseño experimental?

El Diseño de Experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald Aymer Fisher, matemático ingles nacido en Londres el 17 de febrero de 1890 y fallecido en Adelaida, Australia, el 29 de julio de 1962.

Desde 1919 y hasta 1933, trabajo para la Rothamsted Experimental Station, cerca de Harpenden, Inglaterra en la aplicación de un exhaustivo análisis estadístico a los datos de investigaciones agrícolas que el personal había recolectado.

Ejercicio que le permitió desarrollar y consolidar los principios básicos del diseño y análisis experimental que hasta la fecha son prácticas necesarias para llegar a resultados de investigación válidos.

Estudiando y analizando estadísticamente experimentos relativos a los cultivos de trigo, desarrolló el análisis de varianza y unificó sus ideas básicas sobre los principios del diseño de experimentos.

Figura..2. sir Ronald Fisher.

Su primera obra el artículo "The Arrangement of Field Experiments" lo publico en, 1926; en ese importante artículo describió tres componentes fundamentales de los experimentos en el área de pruebas agrícolas: control local de las condiciones de campo para reducir el error experimental, replicación como un medio para estimar la varianza del error experimental y la aleatorizacion para obtener una estimación valida de esa varianza.

Fue quién sentó la base de la teoría del Diseño Experimental y que a la fecha se encuentra bastante desarrollada y ampliada.

Actualmente las aplicaciones son múltiples, especialmente en la investigación de las ciencias naturales, ingeniería, laboratorios y casi todas las ramas de las ciencias sociales.(20)

(21)

Preguntas de repaso y evaluación.

¿Qué se entiende por investigación? ¿Cómo se define la investigación científica?

¿Qué es un diseño de investigación? ¿Qué es un experimento? ¿Qué tipo de estudio son las investigaciones experimentales?

(22)

Capitulo 1.

La investigación y el diseño experimental

1.1. Introducción al diseño de experimentos

La experimentación juega un papel fundamental en todos los campos de la investigación y el desarrollo. El objetivo de la experimentación es obtener

información de calidad y confiable. Información que debe permitir el desarrollo de nuevos productos y procesos, comprender mejor un sistema y tomar decisiones sobre como optimizarlo además el de comprobar hipótesis científicas, etc.

Obviamente la experimentación se debe planificar (diseñar) cuidadosamente para que proporcione la información buscada. Dicha planificación debe considerar dos aspectos importantes relacionados con toda experimentación:

1.1.2. Propósitos de la investigación.

La investigación debe cumplir con dos propósitos fundamentales:

⌧ Producir conocimientos y teorías, entonces se habla de una investigación básica o pura.

⌧ Resolver problemas prácticos, mediante la aplicación del conocimiento, entonces se habla de la investigación “aplicada” o “empírica”. Este debe ser el campo de investigación para las escuelas de la UNAD, por lo tanto la política será fortalecer y desarrollar la investigación aplicada.

1.2.El proyecto de investigación.

Es un documento que elabora el investigador para especificar las características de la indagación que va a realizar, generalmente va antecedido de un anteproyecto.

En un proyecto es preciso completar mucho más la información, profundizando y definiendo mejor lo tratado en el anteproyecto y agregándole lo relativo al diseño de la investigación, así como un marco teórico que haga comprensible el sentido de lo que se proyecta. (28).

1.3. Anteproyecto de investigación.

Es un documento similar pero menos preciso que se elabora al comenzar la investigación, apenas se hayan definido sus características principales.

En un anteproyecto deben exponerse las características del problema, su justificación, los objetivos de la investigación y (si las hubiere) las hipótesis a verificar.

1.4. Investigación científica.

Este tipo de investigación esta basada en la aplicación del método científico para la obtención de un nuevo saber que en la mayoría de los casos pretende mover las fronteras de la ciencia.

1.5. Investigación aplicada.

(23)

1.6. Diseño de investigación.

Realizar el diseño de una investigación significa llevar a la práctica los postulados generales del método científico, planificando una serie de actividades sucesivas y organizadas donde se encuentran las pruebas que se han de efectuar y las técnicas que se van a utilizar para recolectar y analizar los datos.

1.7. El método científico.

El método científico es el procedimiento o conjunto de procedimientos que se utilizan para obtener conocimientos científicos, el modelo de trabajo o pauta general que orienta la investigación.

Tanto la investigación científica, básica como la aplicada, implica un proceso que comprende varias etapas fundamentales a saber:

⌧ Selección, planteamiento y análisis del problema que se va a investigar. Delimitación del tema.

⌧ Formulación del marco teórico (conceptos – antecedentes – referentes bibliográficos).

⌧ Presentación de la hipótesis explicativa. ⌧ Diseño metodológico.

⌧ Recolección de datos.

⌧ Procesamiento, análisis e interpretación de los datos. ⌧ Confrontación con la hipótesis.

⌧ Presentación del informe final de la investigación.

El estudio del método - o de los métodos, si se quiere dar al concepto un alcance más general - se denomina metodología, y abarca la justificación y la discusión de su lógica interior, el análisis de los diversos procedimientos concretos que se emplean en las investigaciones y la discusión acerca de sus características, cualidades y debilidades

1.8. Métodos de investigación.

“ La palabra método se deriva del griego META: a lo largo y ADOS: Camino “

El método es la manera de proceder en cualquier dominio, ordenando la actividad a un fin lógico, es un método.

El diseño de un método específico, una serie de actividades sucesivas y organizadas, que deben adaptarse a las particularidades de cada investigación y que nos indican las pruebas a efectuar y las técnicas a utilizar para recolectar y analizar los datos.

El método científico se fundamenta en observar algunos fenómenos característicos para descubrir las leyes que los rigen.

(24)

Para dar estructura y fundamentación a la construcción del cimiento teórico de toda ciencia, la investigación recurre a los métodos, por pertenecer a los principios básicos de nuestra manera de pensar e investigar, y son comunes a todas las ciencias y que sin modificar su forma o naturaleza son aplicables a diferentes materias:

1.9. Estilo de trabajo investigativo

Los estilos de trabajo son métodos peculiares de cada disciplina (por ejemplo: "el método antropológico") y las formas particulares de investigación que se utilizan para resolver problemas específicos de indagación, como cuando se habla del "método cualitativo", el "método experimental" o el "método estadístico".

No existe un único método de la ciencia, ya que no investigan del mismo modo el astrónomo, el fisico y el economista, el historiador y el químico, el antropólogo y el bioquímico, el sicologo y el ingeniero. La experiencia histórica muestra, además, que los procedimientos de la ciencia cambian, porque son distintos los problemas que se van planteando y los instrumentos de ayuda estan en continua evolucion.

1.9.1. Método Inductivo

Variante del método científico en la que el investigador parte de la información recogida mediante sucesivas observaciones para, mediante la generalización, establecer una ley del ámbito lo más universal posible. (Ortiz, Uribe. Diccionario de investigación. Noriega editores)

1.9.2. Método Deductivo

Otro elemento del proceder científico es el uso sistemático de la inferencia, o razonamiento deductivo.

Inferir significa sacar consecuencias de un principio o supuesto. La inferencia opera durante la investigación y, por lo general, de la siguiente manera: una vez formulada una hipótesis se deducen de ella posibles consecuencias prácticas, que luego son sometidas, a su vez, a verificación.(28).

1.9.3. Método Hipotético- deductivo.

Procedimiento que consiste en desarrollar una teoría empezando por formular sus puntos de partida o hipótesis básicas y deduciendo luego sus consecuencias con la ayuda de las subyacentes teorías formales. (Ortiz)

1.10. Niveles de investigación

Existen diferentes niveles de investigación, según el grado de profundización, del rigor y exactitud y del método empleado, a saber:

⌧ Nivel descriptivo: Responde a las preguntas ¿qué es esto?, ¿cómo se comporta? Describe, las propiedades o características del objeto en estudio. ⌧ Nivel clasificatorio: existe una sistematización de los datos obtenidos de acuerdo a un criterio previamente definido.

⌧ Nivel aplicativo: Se busca la causa de un fenómeno o problema, teniendo en cuenta el contexto práctico y teórico.

(25)

Las etapas de todo trabajo de investigación se pueden resumir de la siguiente manera:

a) Enunciado del problema.

b) Objetivos generales y específicos. c) Formulación de hipótesis.

d) Selección del procedimiento y diseño experimentales.

e) Realización del experimento.

f) Aplicación de los métodos estadísticos a los resultados. g) Interpretación de resultados

h) Análisis económico y su utilidad práctica para la comunidad.

1.12. Fundamentos de la experimentación.

La experimentación tiene como finalidad:

a) El estudio de la variación de una población de seres vivos.

b) La comparación entre poblaciones y muestras para juzgar su semejanza. e) La interpretación de resultados de experimentos biológicos, agropecuarios y de ingeniería, en donde se comparan poblaciones o muestras sometidas a diferentes estudios o pertenecientes a diferentes variedades o razas.

d) La determinación de la relación entre dos o más variedades (correlación y regresión).

e) La aplicación de métodos para reducir las fuentes de error en la correlación de datos.

f) Y en poblaciones segregadas la separación de la variación atribuible a la selección de los genes debido al medio, en estudios de herencia cuantitativa.

1.13. Que es la observación

Es la recolección de los datos necesarios para un estudio. La observación es un método clásico de investigación científica; además, es la manera básica por medio de la cual obtenemos información acerca del mundo que nos rodea. Se fundamenta en los siguientes principios básicos:

⌧ Debe tener un propósito específico.

⌧ Debe ser planeada cuidadosa y sistemáticamente.

⌧ Debe llevarse, por escrito, un control cuidadoso de la misma. ⌧ Debe especificarse su duración y frecuencia.

⌧ Debe seguir los principios básicos de confiabilidad y validez.

1.14. ¿Que es analizar?

Después que el investigador realiza las pruebas o ensayos propuestos toma datos de la variable dependiente seguidamente procede a categorizarlos, ordenarlos y resumirlo en una forma tal que le de respuesta a las preguntas planteadas en ella.

(26)

Capitulo 2.

Definiciones básicas en el diseño de experimentos

2.1. Diseño de experimentos en la investigación.

Diseñar un experimento significa planear un experimento de modo que reúna la información pertinente al problema bajo investigación.

El diseño de un experimento es la secuencia completa de pasos tomados de antemano para asegurar que los datos apropiados se obtendrán de modo de modo que permitan un análisis objetivo que conduzca a deducciones válidas con respecto al problema establecido.

2.2. Necesidad de diseñar experimentos.

Esta surge de la necesidad de responder a preguntas como:

¿Cómo se va a medir el efecto? ó ¿Cuáles son las características a analizar?

¿Qué factores afectan las características que se van a analizar? ¿Cuáles son los factores que se estudiaran en esta investigación? ¿Cuántas veces deberá ejecutarse el experimento?

¿Cuál será la forma de análisis?

¿A partir de que valores se considera importante el efecto?

El diseño de experimentos es una herramienta que nos ayuda a hacerlo de forma sistemática.

2.3. Objetivos de un diseño de experimentos.

Entre los muchos objetivos se encuentran:

• Proporcionar la máxima cantidad de información pertinente al problema bajo investigación.

• El diseño, plan o programa debe ser tan simple como sea posible. • La investigación debe efectuarse lo más eficientemente posible; ahorrar

tiempo, dinero, personal y material experimental. "Proporcionar la máxima cantidad de información al mínimo costo"

2.4. El diseño de experimentos en la industria.

En el caso de la ingeniería es fundamental conocer el comportamiento de un sistema, determinar las variables que tienen incidencia en un proceso, optimizar los procesos y sus productos para la reducción de los costos.

El diseño de experimentos es una herramienta que ayuda a hacerlo de forma sistemática.

En las ciencias agrarias igualmente colabora con los profesionales de la disciplina en la planeación, ejecución, análisis y conclusión de los experimentos realizados para determinar el comportamiento de una raza de semovientes a una dieta.

2.5. Diseño experimental

(27)

experimental es la obtención de información con una alta fidelidad sobre el mensaje de la naturaleza a un costo mínimo.

Es el ordenamiento de las unidades experimentales para controlar y minimizar el error experimental.

2.6. Utilidad del Diseño Estadístico de Experimentos.

El método tradicional de experimentación, el que quizás surge de forma más intuitiva y acorde con la experiencia del experimentador como por ejemplo variar-un-factor-cada-vez fijado a partir de unas condiciones iniciales y en donde se realizan experimentos en los cuales todos los factores se mantienen constantes excepto el que está estudio.

De este modo, la variación de la respuesta (Y) se puede atribuir a la variación del factor, y, por tanto, revela el efecto de ese factor. El procedimiento se repite para los otros factores. Método que presenta inconvenientes importantes cuando existe interacción entre factores.

La solución, por lo tanto, debe consistir en variar más de un factor simultáneamente al realizar un nuevo experimento soluciòn conocida como

Diseño Estadístico de Experimentos (DEE), universalmente denominado diseño

experimental, como la metodología basada en ayudas matemáticas y

estadísticas cuyo objetivo es ayudar al investigador a:

1. Seleccionar la estrategia experimental óptima que permita obtener la información buscada con el mínimo coste.

2. Evaluar los resultados experimentales obtenidos, garantizando la máxima fiabilidad en las conclusiones que se obtengan.

2.7. Experimento

Conjunto de reglas usadas para obtener una muestra de la población y al concluir el ensayo obtener información acerca de la población.

Un experimento es un procedimiento mediante el cual se trata de comprobar (confirmar o verificar) una o varias hipótesis relacionadas con un determinado fenómeno, mediante la observación y medición de las variables que influyen en el mismo.

Por ejemplo todas las pruebas de laboratorio y las pruebas de campo que realices para desarrollar tu trabajo de grado.

Es un cambio en las condiciones de operación de un sistema o proceso para obtener una muestra de la población y al concluir el ensayo obtener información acerca de la población o del producto obtenido.

Por ejemplo variar las condiciones de operación (temperatura, presión, velocidad de agitación de un proceso, las raciones para semovientes, dosis de agroquímicos).

(28)

La experimentación constituye uno de los pasos del método científico.

Ejemplos de sistemas experimentales son:

- Una reacción química y/o bioquímica, cuyo rendimiento (Y) puede ser función, entre otros, del tiempo de reacción (t1), la temperatura de la reacción (T2) y el

tipo de microorganismo (Mo1) utilizado. Otras variables que pueden influir son, por ejemplo, la presentación de los sustratos, la velocidad de agitación,....

2.8. Experimento aleatorio

Actividad que tiene como resultado o que produce un evento. Prueba donde existen dos o más resultados posibles, y no se pude anticipar cuál de ellos va a ocurrir.

Cuando en tus ensayos que vienes realizando no puedes controlar completamente todas las variables intervinientes en el proceso como variaciones internas de una dieta alimenticia, materia prima, temperatura del ambiente, metabolismo de los animales que intervienen en el experimento..

2.9. Unidad experimenta1

10

Es el material experimental al que se le aplica un tratamiento de manera uniforme.

Es la variable que el experimentador manipula o unidad de análisis, se caracteriza por unos atributos que la diferencia unas de otras parcial o totalmente; pueden someterse a ordenación de acuerdo con algún criterio. Unidad experimental es el material (objeto del experimento)al que se aplica un tratamiento de manera uniforme.

También es la unidad de observación, es la entidad (p.ej el alimento, la parcela,el semoviente, el catador) sobre la que se mide una o varias características de interés.

Por ejemplo: Puede ser un producto a mejorar, un conjunto de materias primas (frutas, hortalizas, tejidos musculares), un lote de un producto, un tubo de ensayo, etcétera.

Un producto de panadería, una variedad de productos del agro (maiz, harina de trigo), frutas de una región, tejidos musculares, un sustrato para ensayos biotecnológicos.

2.10. Selección del material experimental. (8)

(29)

Los principales problemas que comprometen dicha representatividad son la falta de independencia de las muestras y el efecto de factores no controlados que puedan estar afectando los resultados.

La elección de las unidades es de importancia; por ejemplo en la planeación de experimentos de campo, se han hecho numerosos estudios de la variabilidad entre los rendimientos de materias primas provenientes de cultivos en parcelas de diferentes tamaños formas y de compañías o marcas, bajo tratamiento uniforme.

Si los resultados del experimento van a ser aplicados a material no seleccionado, estos tipos de especialización tienen desventajas potenciales. Las respuestas obtenidas para tratamientos sobre material experimental altamente seleccionado, pueden no ser las mismas que se obtienen de material no seleccionado.

Es importante definir el criterio de uniformidad el cual se refiere al tratamiento; al material experimental y la técnica.

La cantidad de muestra debe ser la suficiente para permitir al experimentador realizar medidas auxiliares.

2.11.Repetitividad (precisión) de un experimento

Es la variación en las mediciones hechas por un solo operador en la misma unidad y con el mismo instrumento o equipo de medición.

Se define como la variación alrededor de la media.

Esta variación debe ser pequeña con respecto a las especificaciones y o la variación del proceso.

2.12. Reproducibilidad de un experimento

Variación entre las medias de las mediciones hechas por varios analistas con las mismas unidades experimentales y con el mismo instrumento de medición.

Capitulo 3.

Repaso a conceptos estadísticos

3.1. Variable.

Se pueden definir como todo aquello que vamos a medir, controlar y estudiar en una investigación o estudio.

Son propiedades que se manipulan, miden y controlan en el transcurso de una investigación difieren entre si en muchos aspectos siendo el más importante el papel que desempeñan en una investigación y en el tipo de medición que se aplica.

También se puede definir como variable a todo aquello que puede asumir diferentes valores, desde el punto de vista cuantitativo o cualitativo.

(30)

Por ejemplo el tiempo es considerado siempre una variable, el diámetro que define el tamaño de un producto agrícola, una temperatura de proceso, una sustancia a adicionar en una formulación o racion, el tipo de soporte a utilizar para inmovilizar una enzima, un abono; etc.

Cubillos, Munca, José Miguel. Estadistica 1 Módulo Autoformativo. Escuela Superior de Administración Pública Programa de Administración Pública Territorial.2002.

3.2. Variable independiente.

Una variable independiente es aquella que, dentro de la relación establecida, no depende de ninguna otra, aunque pudiera estar dependiente si estudiáramos otro problema.

Son las condiciones manipuladas por el investigador a fin de producir ciertos efectos.

Es el valor de verdad que se le da a una hipótesis en relación con la causa,

3.3. Variable dependiente. (29 y otros)

La variable independiente es aquella propiedad de un fenómeno a la que se le va a evaluar su capacidad para influir, incidir o afectar a otras variables.

Es el factor que el investigador observa o mide para determinar el efecto de la variable independiente.

La variable dependiente es la variable respuesta o variable salida.

3.4. Ejemplo de variables independiente y dependiente

Por ejemplo, si el ingeniero investigador va a probar la hipótesis de que al suministrar una cantidad (%)determinada levadura a un amasijo, el grado de dureza del producto final se incrementa. En este caso, la variable independiente estará representada por la cantidad de levadura manipulada por el experimentador, y la variable dependiente será el grado de dureza de los productos obtenidos.

3.5. Variable de respuesta.

Es una variable que el experimentador mide después de llevar a cabo los tratamientos para ver cómo es afectada por la variable experimental.

Por ejemplo al suministrar una ración a una cría de conejos y cuantificar después de dos meses la ganancia en peso de cada uno de ellos..

3.6. Factores

Son las variables de proceso en una investigación, que se pueden medir en una escala continua. Por ejemplo presión, temperatura, peso, concentración.

3.7. Nivel.

Un valor específico dentro de una escala ya sea cualitativo o cuantitativo que toma la variable experimental seleccionada para el estudio..

3.8. Niveles de variables

(31)

La variación (manipulación) de una variable independiente puede realizarse en dos o más grados. Los niveles pueden ser tomados de una escala de medida universal como por ejemplo dos grados Celsius,10 gramos o en %; etc.

El grupo con ausencia de manipulación se denomina de control y el grupo con la presencia de la variable independiente es el grupo experimental.

En otros experimentos la variable independiente se puede manipular en más de dos grados; por ejemplo cuando se utilizan tres niveles y se representan asi:

X1 = concentración permisible de un preservante ( para pures, emulsiones

carnicas, salsas, raciones, agroquímicos; etc)

X2 = concentración intermedia del mismo preservante.

X2 = concentración maxima del mismo preservante.

X0 = ausencia de preservante o los purés, emulsiones carnicas, salsas, etc, en

su estado natural.

Una combinación de todos los factores se llama tratamiento.

3.9. Tratamiento.

Los tratamientos vienen a constituir los diferentes procedimientos, procesos, factores o materiales y cuyos efectos van a ser medidos y comparados.

El tratamiento establece un conjunto de condiciones experimentales que deben imponerse a una unidad experimental dentro de los confines del diseño seleccionado.

En un experimento de una variable, cada tratamiento es un nivel de la variable experimental.

Ejemplo:

Dosis de acidificante, de proteína, proporción de estabilizante, procedencia de las productos provenientes del agro, variedades de un cultivo determinado.

La Dosis suministrada (%) de una sustancia para mejorar las condiciones de un alimento; el sustrato aplicado (difrentes % s de nutrientes) en un proceso

biotecnológico; la velocidad de enfriamiento (refrigeración); las variedades de un producto agrícola (naranja tangelo, valencia, mangoss, etc); la composición de una atmósfera de almacenamiento (% de los gases), etc.

En un experimento se puede considerar una combinación de varios factores simples por ejemplo la composición, la temperatura, la presión, el tiempo, etc.

3.10. Testigo

(32)

testigo puede ser aquel tratamiento que no incluye acidulante. La elección del tratamiento testigo es de gran importancia en cualquier investigación, este se constituye como referencial del experimentoy sirve para la comparación de los tratamientos en prueba.

El es el tratamiento de comparación adicional, que no debe faltar en un experimento.

Por ejemplo, si se quiere probar en una mermelada el grado de gelificación al agregar una nueva pectina, el rendimiento de extracción de un jugo de naranja al utilizar una nueva técnica de extracción; se planeará el ensayo de tal manera que se incluya una mermelada con una pectina tradicional ampliamente conocida y en la extracción se incluirá la técnica tradicional que se venia utilizando.

3.11. Replica

A cada repetición de un tratamiento se le llama réplica.

Una repetición completa de un tratamiento es una réplica.

La réplica produce los siguientes efectos:

1. Por lo general, el promedio de varias réplicas de un tratamiento se acerca más que cualquier prueba sola al "verdadero" efecto de ese tratamiento.

2. Observando la variación entre réplicas del mismo tratamiento, es posible estimar la magnitud del error experimental. Esto permite determinar si las diferencias observadas entre tratamientos en una variable de respuesta, realmente son causadas por los tratamientos o sólo se deben a las variables de interferencia.

3. Si se asigna de manera aleatoria material experimental a las diferentes réplicas, es posible reducir los sesgos que podrían producir resultados engañosos.

3.12. Aleatorización. (8)

Es una técnica dentro del diseño experimental la cual tiene como fin primordial asignar al material experimental un orden para realizar las corridas o ensayos individuales del experimento este orden se realiza al azar. Ayuda a sacar del promedio los efectos de factores extraños que pudieran estar presentes.

Si el número de unidades no excede de 16 pueden usarse las tablas de los libros de estadística.

Por ejemplo supongamos que hay 3 tratamientos, 2 de los cuales tienen 4 repeticiones y el tercero 8.

(33)

Y acorde con las TABLA 1. del capitulo uno de la unidad uno ( Permutaciones al azar), permutaciones de: 5 para una permutación al azar seleccionamos; por ejemplo: la columna ( ) que tiene el siguiente orden:

4 3 9 2 9 (para las primeras cinco columnas resaltadas y por ejemplo para las U12 - U16 9 6 9 8 1

Y comenzamos a dar estos códigos a las unidades iniciando con la U1 y asi

hasta finalizar con la U16

Tabla 1. Ejemplo de unidades experimentales a aleatorizar

U1 U2 U3 U4 U5 U6 U7 U8

U9 U10 U11 U12 U13 U14 U15 U16

*** Por ejemplo, podría hacerse un experimento para averiguar cómo los distintos tipos de azúcares afectan la textura o cómo las temperaturas del procesamiento afectan el contenido de humedad de un producto. La información obtenida hace posible manipular una o varias variables a fin de controlar otras.

3.14. Respuesta a las preguntas

¿Qué es investigación? Según Enrique Biermann, la investigación obedece a diferentes conceptos, entre los cuales se resumen los siguientes:

“Es el proceso por el cual el hombre, partiendo de preguntas de diverso orden e importancia, busca obtener respuestas, para obtener diferentes objetivos

“Es un proceso de conocimiento y aprendizaje teórico - práctico, que se desarrolla en diferentes fases, mediante el empleo de diferentes instrumentos o herramientas

¿Qué es investigación? Según Enrique Biermann, la investigación obedece a diferentes conceptos, entre los cuales se resumen los siguientes: “Es el proceso por el cual el hombre, partiendo de preguntas de diverso orden e importancia, busca obtener respuestas, para obtener diferentes objetivos

“Es un proceso de conocimiento y aprendizaje teórico - práctico, que se desarrolla en diferentes fases, mediante el empleo de diferentes instrumentos o herramientas

En síntesis se puede decir que: “investigar es buscar respuestas a diferentes incógnitas que se plantean ante cualquier suceso o problema” pero, que en la medida que encontramos respuestas se presentan otras incógnitas, que nos obliga a seguir indagando.

Entonces, ¿qué es investigación científica?

(34)

TABLA 2. Actividades a desarrollar en el capitulo tres

Actividades Trabajo a realizar

Actividades Fecha de entrega

Fase de aprendizaje

Reconocimiento

Actividades N°1 Trabajo para realizar por los estudiantes

Cada estudiante debe en una serie de propuestas de investigación identificar quién es la población, la muestra e identificar de qué tipo son las variables que se incluyen.

Acorde con la programación la convenida con el tutor

Actividades N°2 Para un trabajo de grado desarrollado en el ciclo profesional realice una investigación estadística sobre las características de las materias primas utilizadas.

Acorde con la programación la convenida con el

tutor Profundización Ejercicio practico de estudio, reflexión y análisis. Numeral 2.37

Y acorde con la tabla de permutaciones como realizaría la estabilización de un

producto desarrollado en el PEDT? *** O de una practica que hallas realizado en un curso tomado en la profesión que estudias.

Acorde con la programación la convenida con el tutor

Actividades N°3

Trabajo para realizar por los estudiantes

Ejercicio propuesto por el docente del curso

Acorde con la programación la convenida con el tutor

(35)

Capitulo cuarto:

Definiciones y herramientas aplicadas a los diseños experimentales

4.1. Población y muestra.

Población o universo es cualquier conjunto de unidades o elementos como personas, fincas, producto agrícola, producto terminado, etc., claramente definidos para el que se calculan las estimaciones o se busca la información.

En todo diseño experimental deben estar definidas las unidades, su contenido y extensión.

Cuando es imposible obtener datos de todo el universo es conveniente extraer una muestra, subconjunto del universo, que sea representativa.

En todo proyecto se debe especificar el tamaño y tipo de muestreo a utilizar:

4.2. Población

Se encuentran varias definiciones para una población transcribiremos algunas de ellas:

Es el conjunto formado por todas las unidades objeto de un estudio estadístico.

También lo podemos definir como el conjunto de individuos o elementos que

cumplen ciertas propiedades comunes.

O como la colección de todos los elementos que se están estudiando y sobre los cuales intentamos llegar a unas conclusiones.

4.2.1. Tipos de poblaciones

En relación al tamaño de la población, ésta puede ser:

• Finita, como es el caso del número de personas que integran una escuela, un panel de degustación, los arboles de una finca, las reses de una granja experimental: etc.. También todos los productos obtenidos en un día de proceso(tres turnos).

• Infinita, si por ejemplo estudiamos el mecanismo aleatorio que describe la secuencia de caras y sellos obtenida en el lanzamiento repetido de una moneda al aire, las reses que se puedan conseguir a nivel mundial, la producción de un metabolito por determinados microorganismos de la selva amazonica.

Consideremos que se va a realizar una degustación sensorial de un nuevo alimento en la población formada por todos los estudiantes de la escuela (alimentos+sistemas+básicas+regencia de farmacia) o población finita.

(36)

Personas u objetos que contienen cierta información que se desea estudiar.

Por ejemplo todos los embutidos provenientes de un turno laboral al que se le han modificado algunas etapas de elaboración.

4.4. Muestra

Subconjunto representativo de una población.

Puede ser el embutido(s) tomado(s) de una producción para análisis sensorial y fisicoquímico.

Un semoviente de un hato, una codorniz de una avícola.

Figura 3. Ejemplo de una unidad experimental uobservacional.

4.5. Tipos de muestreo

4.5.1. Muestreo aleatorio simple

En este tipo de muestreo cada elemento tiene la misma probalbilidad de ser elegido y todas las combinaciones son igualmente probables. La población se supone probable.

La selección se puede hacer con reemplazamiento o sin reemplazamiento; en el primer caso cada elemento puede seleccionarse mas de una vez mientras que en segundo puede seleccionarse solo una vez.

Con reemplazamiento cuando en un estudio de almacenamiento de un comestible se toma la muestra empacada (una libra) se le realizan pruebas y se regresa la muestra al sitio de almacenamiento.

4.5.1. Muestreo estratificado

En este caso la población puede divirse en en grupos o en categorías(estratos). Por ejemplo se tiene una población integrada por 200 reses para un estudio de parasitismo, para su estudio se clasifican acorde con las razas ( 20 normando, 30 santa getrudis, 100 holstein, 50 yersey), las edades y algún otro criterio que los investigadores consideren importante

Después de divididas las muestras pasa a ser un muestreo aleatorio simple.

Unidad experimental

Bordura

Unidad

(37)

4.6.Datos obtenidos

Son los reportes que se obtienen producto de la actividad investigativa y dan conocimiento a la variabilidad de las observaciones del experimento.

Estos usualmente son los reportados como Yi.. ; etc. En todos los ejercicios

que se realizaran en el modulo.

4.7. Elección de la muestra. (Varios autores)

Para que una muestra resulte representativa de toda la población, debe ser lo suficientemente grande como para reflejar la variación dentro de la misma.

Por ejemplo, para evaluar el rendimiento en jugo por hectárea de una producción de naranjas tangelo sembrada en una superficie de 30 hectáreas, se podría medir el rendimiento de una hectárea y multiplicarlo por el número de hectáreas del sitio de donde provienen.

Sin embargo, el rendimiento entre árboles difiere considerablemente; sin duda se obtendrá una estimación más exacta midiendo el rendimiento en jugo, por ejemplo, de 10 hectáreas y obteniendo un resultado, más verosímil y más cercano al que se obtendría con la medición de todas las plantas.

4.8. Parámetro

Este es un termino empleado por los estadísticos para describir las características de las poblaciones y las muestras, se denominan así las mediciones de tendencia central y variación, como la media y la desviación estándar, de las características fijas e invariables de las poblaciones. Es decir es una función definida sobre los valores numéricos de características medibles de una población.

4.9.Estadístico

Es una función definida sobre los valores numéricos(observaciones) de una muestra.

Puede ser la media, la varianza, etc. Tabla3.

4.12. Estimación puntual y por intervalo.30

Un estimador puntual de un parámetro desconocido, es un estadístico que genera un valor numérico simple que se utiliza para hacer una estimación del valor del parámetro desconocido. Por ejemplo, tres parámetros relacionados con las características de calidad de un proceso, sobre los que frecuentemente se desea hacer inferencia, son: La media del proceso (población), la varianza a2 o desviación estándar a del proceso.

4.13. La media aritmética.

Es la resultante promedio de un conjunto de valores de los cuales algunos tienen más frecuencia representativa.

(38)

Para encontrar la media aritmética, sumamos los valores y el resultado lo dividimos entre el número de observaciones.

La media de una población se simboliza con µ (letra griega miu).

El número de elementos de una población se denota con la letra mayúscula cursiva N.

Por lo general, estadísticamente se utilizan letras del alfabeto latino para simbolizar la información sobre las muestras y letras del griego para referirnos a la información sobre poblaciones.

Tabla 3. Símbolos para los parámetros y estadísticos

CARACTERISTICA SIMBOLO DEL PARAMETRO

SIMBOLO ESTADISTICO

Media

Desviación estandar

Varianza

Correlación

Proporción

μ

σ

2

σ

ρ

π

x

SD

S

2

r

p

4.14. Cálculo de la media a partir de datos no agrupados. (2, 3, 7) Media de la población:

µ = x / N Ecuación 1 X = x / n Ecuación 2

Para calcular esta media, sumamos todas las observaciones.

Los estadísticos se refieren a este tipo de datos como datos no agrupados.

4.15. Cálculo de la media de datos agrupados.

Para calcular este estadístico se deben tener en cuenta las siguientes consideraciones:

(39)

⌧ Cada valor de una observación cae dentro de alguna de las clases.

⌧ No sabemos el valor individual de cada observación.

⌧ A partir de la información de la tabla, podemos calcular fácilmente una estimación del valor de la media de estos datos agrupados.

⌧ Para encontrar la media aritmética de datos agrupados, primero calculamos el punto medio de cada clase.

⌧ Para lograr que los puntos medios queden en cifras cerradas, redondeamos las cantidades.

⌧ Después, multiplicamos cada punto medio por la frecuencia de las

observaciones de dicha clase, sumamos todos los resultados y dividimos esta suma entre el número total de observaciones de la muestra.

= (fX /n)

X Ecuación 3

f = frecuencia de observaciones de cada clase x= punto medio de cada clase de la muestra n = número de observaciones de la muestra

4.16. Varianza de una población. (2, 3, 7 y varios autores)

Es igual a la suma de los cuadrados de las diferencias alrededor de la media de población μ, dividida entre el tamaño de la población.

X N

N

i i

2 1

2 ( μ)

σ =

=

Ecuación 4

μ μ Suma de los cuadrados de las diferencias entre los valores X y

X i

N

i

i− =

=

2

1

) (

Ecuación 5

N = tamaño de la población

4.17. Desviación estándar de una población

La desviación estándar de la población es:

[ ( )2 ]

1

N X

N

i

i μ

σ =

=

Ecuación 6

4.18. Significancia estadística p.

El valor p o de significación observado de una prueba estadística es el valor mas pequeño de

α

]

con el cual puede rechazarse H0. Es el riesgo real de

(40)

estadístico de prueba.en otras palabras el valor p mide la fuerza de la evidencia contraH0

En la experimentación, se acostumbra usar niveles de significancia del 5 y del 1 por ciento.

Si el valor p es menor que un nivel de significación α] preasignado, entoces puede rechazarse la hipótesis nula, e informar que los resultados son estadísticamente significativos en el nivel α].

Cuando la hipótesis nula es cierta, entonces se dice que la diferencia es significativa. Al informar acerca de la significación estadística muchos investigadores escriben ( p<0,05), para indicar que el valor p de la prueba era menor que 0,05, haciendo os resultados significativos en el nivel de 5%. En las revistas de que publican trabajos de investigación esto se expresa como significativos (p<0,05) y el valor del criterio de la prueba se marca con un asterisco *.

Si un valor del criterio de prueba tiene una probabilidad menor que el 1 por ciento cuando la hipótesis nula es verdadera, se dice que la diferencia es altamente significativa y el valor calculado del criterio de prueba se señala con dos asteriscos **.

4.8. Tamaño de la muestra

En un experimento tomar una muestra más pequeña de la necesaria naturalmente será menos costosa pero conducirá a resultados sin utilidad práctica puesto que el error estándar se incrementa a niveles inadmisibles.

Una amplia variedad de fórmulas se emplean para calcular cuál es el tamaño requerido de una muestra mientras que diversos programas de cómputo hacen los cálculos de tamaños de las muestras para un gran número de diseños de estudios y de métodos estadísticos. Lerman (1996) hizo una descripción avanzada acerca de la lógica para calcular el tamaño de una muestra para investigación en ingeniería.

En cualquier diseño experimental se debe decidir el numero de replicas que se realizara por cada tratamiento. Este numero de replicas determina el tamaño

de la muestra.

Por ejemplo si se espera que se hallen pequeñas diferencias en la respuesta final el número de muestra debe ser el mayor posible para detectar diferencias significativas. Y al contrario si las diferencias son grandes.

Y por el contrario si son varios tratamientos se deben reducir las replicas.

También es muy importante considerar el costo, el material disponible y la disponibilidad de los equipos a utilizar.

(41)

basadas en las propiedades de la distribución normal y el error estándar que permiten calcular los intervalos de confianza para obtener una determinada probabilidad P. Para determinar el tamaño de la muestra se deben considerar la confiabilidad, la probabilidad y el error muestral.

Por ejemplo sea

μ

la media de una poblacion y

x

,la media muestral el ancho del intervalo esta definido como;

__

int

ervalo

X

del

Ancho

=

μ

Ecuación 7

o sea la desviación de

__

X

(media muestra/) con respecto a

μ

(media de la población).

n ZS X =( )/ −

μ Ecuación 8

Si

__

d X

Si Lμ− = S, se puede decir que __

n S Z

d= Ecuación 9

2 2

2S d

Z n

d S Z n

= =

Ecuación 10

Entre las muchas formulas propuestas por los estadísticos para calcular el tamaño de una muestra se consigue la siguiente si el investigador tiene pensado realizar el muestreo con reemplazamiento o de una población infinita el numero de muestra a considerar es:

n = Z2 S2N / d2 (N-1)+Z2 S2Ecuación 11

N = Tamaño de la población

S = Recorrido de la variable (R.V) /6 = { [Valor máximo de la Variable - valor

mínimo de laVariable ]

/

6} Ecuación 12

Donde Z = Coeficiente de confiabilidad y depende de la probabilidad deseada o valor critico correspondiente a un área de (1-

α

)/2 desde el centro de una distribución normal.

S= Desviación estándar de la muestra.

n = Tamaño de la muestra.

(42)

- Se toma una muestra piloto de la población. La varianza de esta muestra se usa como una estimación de S2.

- Si existen datos de estudios similares anteriores puede usarse como estimación uno de ,ellos.

4.9. Ejemplo de determinación de número de muestras.

a) Población infinita

En una fabrica de conservas se establece una muestra de 700 mermeladas y una probabilidad de que algunas presenten histeresis (lloronas) en un 30%, con una confiabilidad del 95%, encontrar el error muestral.

Como no se conoce la varianza supongamos que se toman al azar una serie de muestras (20 frascos) en dos turnos de proceso y se determina que tienen una desviación estándar de S2 = 10

El siguiente paso es calcular el coeficiente de confiabilidad Z asociado a la confiabilidad del 95%

Z = (1-

α

)/2 = (1-5)/2= 2

Aplicando la formula n = Z2 S2N / d2 (N-1)+Z2 S2

¿De que orden seria el tamaño de la muestra a tomar? ¿Y el error muestral si se hubieran tomado solo 10 frascos?

b) Calcular el tamaño de la muestra para el mismo producto (memelada) con una confiabilidad del 96% , un error del 1.5%, y una probabilidad de que el fenómeno acurra estimada en el 60%.

n = Z02 PQ / E2

n = 9 (60)(40)/ 2.25 = 864 frascos

4.9. Recomendaciones para la elección y tamaño de muestra. (8 y varios autores)

Los investigadores deben conocer qué tan grande se necesita la muestra antes de comenzar una investigación, porque de otra manera no podrán determinar la significancia cuando se presente o se requiera.

Para calcular el tamaño de la muestra a utilizar en una investigación que requiere una media se debe responder a las siguientes cuatro preguntas:

1. ¿Qué grado de significancia (grado

α

o valor de p) requiere en relación con la hipótesis de nulidad?

2. ¿Cuál es el grado de la potencia (igual a 1 o valor de r2 ) que desea?

(43)

4. ¿Cuál es una estimación suficiente de la desviación estándar en la población?

4.19. Hipótesis

Etimológicamente es la suposición de una verdad que debe ser verificada o rechazada.

Es una explicación que al comienzo de una investigación se le da a un hecho, es una conjetura a la realidad.

Y sirve para orientar al investigador en el encuentro de una verdad.(Ver modulo de trabajo de grado ciclo tecnológico y ciclo profesional del mismo compilador)

4.20. Planteamiento de una hipótesis estadística

Una hipótesis estadística es una afirmación sobre los valores de los parámetros de una población o proceso, que es susceptible de probarse a partir de la información contenida en una muestra representativa obtenida de una población. Por ejemplo, la afirmación "este proceso produce menos del 6% de defectuosos" se puede plantear estadísticamente, en términos de, proporción p desconocida de artículos defectuosos que genera el proceso.

Ho : p =0.06 (la proporción de defectuosos es 0.06)

HA: p < 0.06 (la proporción es menor a 0.06)

4.21. Formulación y prueba de hipótesis

Una hipótesis es una afirmación acerca de algo.

En estadística, puede ser una suposición acerca del valor de un parámetro desconocido.

La prueba es el medio de verificación para saber si algo es verdadero o falso y hasta que grado podemos decir que sea verdadero o falso.

Pasos en la prueba de hipótesis:

⌧ Definir la hipótesis nula: suponer una hipótesis acerca de una población. ⌧ Formular una hipótesis alternativa: es una contra-hipótesis.

⌧ Definir un criterio de decisión para rechazar o no la hipótesis nula. ⌧ Inspeccionar los datos de la muestra.

⌧ Calcular una estadística de muestra.

⌧ Utilizar la estadística de muestra para evaluar la hipótesis.

Recomendación se debe hablar de "no rechazar" una hipótesis en lugar de "aceptar", ya que las pruebas no son concluyentes.

4.22. Estadístico de prueba.

(44)

se acepta la hipótesis nula Ho Al conjunto de posibles valores del estadístico de prueba que llevan a rechazar Ho,se le llama región o interur de rechazo

para la prueba, y a los posibles valores donde no se rechaza Hl les llama

región o intervalo de aceptación.

Por ejemplo, para las hipótesis planteadas el estadístico de prueba está dado por 0.08 Zo = vlO.08(1- 0.08) / n'

4.23. Análisis de datos. (2, 3, 7 y varios autores)

El análisis depende del nivel de medición de las variables, de la manera como se hayan formulado las hipótesis, el interés del investigador en el problema que este investigando.

Podemos usar una serie de números conocidos como estadística sumaria para describir las características del conjunto de datos. Dos de estas características son de particular importancia para los responsables de tomar decisiones: la de tendencia central y la de dispersión, entre los cuales tenemos la mediana, la moda, medidas de tendencia central, desviación media, la dispersión, sesgo en curvas y graficas, curtosis, la media aritmética, la mediana, la moda, la dispersión, distribución de frecuencias, histogramas, la varianza de una población, puntuaciones Z, razones y tazas, análisis de varianza.

4.24. Pruebas de hipótesis. (2, 3, 7 y varios autores)

En general una prueba de hipótesis comienza con una teoría o aseveración relativa a cierto parámetro de una población para lo cual se definen dos hipótesis conocidas como:

• La Hipótesis nula Ho la cual es la hipótesis que se prueba siempre.

• Y la Hipótesis alternativa H1 que se establece como el opuesto a la hipótesis nula y representa la conclusión que se apoya si la hipótesis nula se rechaza.

En lo que se conoce como metodología de prueba de hipótesis clásica, se recomiendan los siguientes puntos a tener en cuenta:

• La Hipótesis nula Ho siempre se refiere a un valor especifico del parámetro de población (como

μ

) , no al estadístico maestral ( como

X

)

A partir de este numeral se deben consultar las tablas que se encuentran e textos de estadística como las tablas T-Student, de distribución F, comparación de medias de Duncan, etc.

4.25. Pruebas de hipótesis Z para una media poblacional (

σ

conocida)

Referencias

Documento similar

Pero antes hay que responder a una encuesta (puedes intentar saltarte este paso, a veces funciona). ¡Haz clic aquí!.. En el segundo punto, hay que seleccionar “Sección de titulaciones

Después que todos los costos y beneficios fueron calculados para las opciones de conversión, y para el manejo sostenible, pudimos comparar los beneficios netos (beneficios menos

Se usó un diseño experimental del tipo factorial completo 2 3 , permitiendo el tratamiento de tres variables independientes o factores de estudio: el tiempo (días) de

&#34;No porque las dos, que vinieron de Valencia, no merecieran ese favor, pues eran entrambas de tan grande espíritu […] La razón porque no vió Coronas para ellas, sería

Cedulario se inicia a mediados del siglo XVIL, por sus propias cédulas puede advertirse que no estaba totalmente conquistada la Nueva Gali- cia, ya que a fines del siglo xvn y en

Después de una descripción muy rápida de la optimización así como los problemas en los sistemas de fabricación, se presenta la integración de dos herramientas existentes

Diseño de investigación: Para nuestro trabajo se empleó el tipo de diseño “Experimental” pues se realizó una manipulación de la variable independiente “utilización

Porcentaje de radiación solar interceptada (RSI; 0,35 - 2,5 µm) y de radiación fotosintéticamente activa interceptada (RFAI) a lo largo del ciclo de cultivo para las