Diseño Experimental Domina Tu Investigación en Ecuador

1. Tipo de diseño — Don Carlos está comparando un grupo que recibe tratamiento (fertilizante) con un grupo que no lo recibe. Esto corresponde a un diseño con grupo control.
2. Variables del experimento — La variable independiente es el tipo de fertilizante aplicado (orgánico vs sin fertilizante). La variable dependiente es el peso promedio de racimos de banano por planta, medido en kilogramos.
   $$VI=\text{tipo de fertilizante}VD=\text{peso promedio de racimos (kg/planta)}$$

→ Tipo de diseño: con grupo control. Variable independiente: tipo de fertilizante. Variable dependiente: peso promedio de racimos por planta.

1. Tipo de diseño — El entrenador asigna corredores a diferentes condiciones de altitud de manera intencional. Esto corresponde a un diseño de grupos no equivalentes, un tipo de diseño cuasi-experimental.
2. Variable confundidora — La variable confundidora principal es la diferencia en condiciones climáticas y de entrenamiento entre Quito y Santo Domingo. Por ejemplo, la humedad relativa en Santo Domingo suele ser mayor, lo que podría afectar el rendimiento independientemente de la altitud.
   $$Variableconfundidora=\text{condiciones climáticas}$$

→ Tipo de diseño: cuasi-experimental con grupos no equivalentes. Variable confundidora principal: condiciones climáticas entre Quito y Santo Domingo.

1. Cálculo de promedios — Para el filtro de arena: (25 + 30 + 28) / 3 = 83 / 3 ≈ 27.67 UFC/100 ml. Para el método tradicional: (180 + 200 + 195) / 3 = 575 / 3 ≈ 191.67 UFC/100 ml.
   $${\bar{x}}_{filtro}=\frac{25+30+28}{3}=27.67\text{ UFC/100 ml}{\bar{x}}_{tradicional}=\frac{180+200+195}{3}=191.67\text{ UFC/100 ml}$$
2. Cálculo de reducción — La reducción en veces se calcula dividiendo el valor tradicional entre el valor del filtro: 191.67 / 27.67 ≈ 6.93, es decir, aproximadamente 7 veces menos contaminación con el filtro de arena.
   $$Reducci\acute{o}n=\frac{191.67}{27.67}\approx 6.93\approx 7\text{ veces}$$

$$7$$

→ Promedio filtro de arena: 27.67 UFC/100 ml. Promedio tradicional: 191.67 UFC/100 ml. Reducción: aproximadamente 7 veces menos contaminación con filtro de arena.

1. Combinaciones de tratamientos — Cada factor tiene 2 niveles (orgánico/químico, normal/alta, alta/baja). Para 3 factores, el número de combinaciones es 2 × 2 × 2 = 8 tratamientos diferentes.
   $$N_{combinaciones}=2^3=8$$
2. Parcelas totales con réplicas — Con 2 réplicas por combinación, el número total de parcelas experimentales es 8 × 2 = 16.
   $$N_{total}=8\times 2=16$$

$$16$$

→ Número de combinaciones de tratamientos: 8. Número total de parcelas con réplicas: 16.

1. Error metodológico — El investigador cometió un error de selección: no controló el nivel socioeconómico de los estudiantes, que es una variable confundidora. Esto invalida la comparación porque el rendimiento académico está fuertemente influenciado por factores socioeconómicos.
   $$Error=\text{sesgo por nivel socioeconómico no controlado}$$
2. Solución propuesta — Para mejorar el diseño, el investigador debería emparejar los estudiantes por nivel socioeconómico (por ejemplo, seleccionando estudiantes de familias con ingresos similares) o usar un diseño de bloques donde el nivel socioeconómico sea un bloque. Otra opción es realizar un análisis de covarianza (ANCOVA) para ajustar por esta variable.
   $$Soluci\acute{o}n=\text{emparejamiento por nivel socioeconómico o ANCOVA}$$

→ Error metodológico: sesgo por no controlar el nivel socioeconómico. Solución propuesta: emparejar estudiantes por nivel socioeconómico o usar ANCOVA.

1. Número de bloques — Se necesitan 3 bloques, uno para cada ubicación de muestreo (urbana, industrial, rural), ya que estas zonas tienen niveles de contaminación distintos.
   $$N_{bloques}=3$$
2. Asignación de tratamientos — Dentro de cada bloque (por ejemplo, en la zona urbana), se asignan aleatoriamente las unidades experimentales a los dos tratamientos (cloración y ozono). Esto se repite para cada bloque. La aleatorización garantiza que las diferencias observadas se deban al tratamiento y no a otros factores.
   $$Asignaci\acute{o}n=\text{aleatorización dentro de cada bloque}$$

→ Número de bloques: 3 (urbana, industrial, rural). Asignación: aleatorización de tratamientos dentro de cada bloque.

1. Amenaza a la validez interna — La diferencia en experiencia previa en negocios entre los grupos es una amenaza a la validez interna conocida como 'sesgo de selección'. Esto significa que los grupos no son comparables desde el inicio, por lo que cualquier diferencia en ingresos podría deberse a esta variable y no al programa de capacitación.
   $$Amenaza=\text{sesgo de selección por experiencia previa}$$
2. Solución para mejorar validez — Para mejorar la validez, el investigador debería emparejar a los jóvenes por nivel de experiencia previa antes de asignarlos a los grupos experimental y control. Otra opción es usar aleatorización para asignar a los participantes a los grupos, lo que equilibraría las variables conocidas y desconocidas entre ambos grupos.
   $$Soluci\acute{o}n=\text{emparejamiento por experiencia o aleatorización}$$

→ Amenaza: sesgo de selección por experiencia previa no controlada. Solución: emparejar jóvenes por experiencia o usar aleatorización en la asignación de grupos.

1. Tipo de diseño — El profesor está asignando aleatoriamente colegios a los grupos de tratamiento (talleres) y control (sin talleres). Esto corresponde a un diseño experimental aleatorizado, el gold standard para evaluar causalidad.
2. Variables que afectan validez — Variables que podrían afectar la validez incluyen: motivación intrínseca de los estudiantes, calidad de la enseñanza previa en matemáticas, recursos tecnológicos del colegio, y eventos externos como huelgas o cambios en el temario de Ser Bachiller.
   $$Variables=\{motivaci\acute{o}n,calidaddocente,recursos,eventosexternos\}$$

→ Tipo de diseño: experimental aleatorizado. Variables que afectan validez: motivación de estudiantes, calidad docente previa, recursos del colegio, eventos externos como huelgas.

1. Combinaciones en diseño CCD — Para 2 factores con 2 niveles cada uno, el diseño factorial 2^2 tiene 4 combinaciones. Añadiendo 4 puntos axiales y 1 punto central (opcional pero común), se obtienen 4 + 4 + 1 = 9 combinaciones. Sin embargo, en un CCD estándar para 2 factores, se suelen usar 9 puntos en total (4 factorial, 4 axiales, 1 central).
   $$N_{combinaciones}=4\text{ (factorial)}+4\text{ (axiales)}+1\text{ (central)}=9$$
2. Observaciones totales — Con 2 repeticiones por combinación (2 días), el número total de observaciones es 9 × 2 = 18.
   $$N_{total}=9\times 2=18$$

$$18$$

→ Número de combinaciones en CCD: 9. Número total de observaciones: 18.