El Diseño de Experimentos es la estrategia que debe seguirse para obtener información o datos pertinentes sobre cambios implementados en las condiciones de operación de un sistema. Por ejemplo, nos podemos preguntar qué método de preparación de semillas hace que las variedades de frijol germinen más rápidamente. El diseño experimental nos ayuda a comparar esos métodos, identificados como tratamientos, mediante la definición de la unidad experimental, la identificación de la variable de respuesta y los factores que la afectan y deban controlarse. Es claro que la aleatoriedad de los tratamientos sobre las unidades experimentales impacta los resultados del experimento por lo que es importante fijar el número de repeticiones para obtener una cantidad adecuada de observaciones a analizar.
La claridad del diseño experimental y su correcta aplicación es muy importante ya que en la mayoría de los experimentos se plantean hipótesis. La verificación de estas últimas se realiza generalmente con técnicas de Estadística Inferencial, particularmente con la técnica de Análisis de Varianza (ANOVA, por sus siglas en inglés). Por su parte, la validez de los resultados ocurre cuando se ha cumplido con ciertos criterios o principios básicos en el diseño experimental para la recogida de datos como son: la Aleatorización del material experimental y de las corridas experimentales, la Replicación de las observaciones para los diferentes tratamientos y, el Bloqueo o el hecho de anular el efecto que pudieran tener otros factores en el experimento.
Por consiguiente, el diseño de experimentos requiere de conocimientos fundamentales, tanto de la Estadística Descriptiva como de la Estadística Inferencial. Dada la complejidad de muchos experimentos, es necesario saber utilizar software como Excel, SPSS, Minitab o algún otro de análisis estadístico, pues éstos ayudan a analizar eficazmente experimentos que involucran un gran número de variables o factores. Aunado a lo anterior, se debe considerar una adecuada organización para todo el proceso. Por ejemplo, tener un calendario de recolección de datos, así como un formato adecuado que permita identificar el origen de cada uno de los datos y proceder a su registro.
Existe una gran variedad de diseños experimentales, pero sólo hablaremos de su clasificación general. Así, un Diseño Experimental de un Factor es aquel donde sólo hay un factor de interés mientras que los Diseños Experimentales por Bloques consideran un factor de interés, pero también controlan otros factores para disminuir la variabilidad de los datos recolectados y que esto se refleje en la validación estadística. Los Diseños Experimentales Factoriales analizan el efecto de dos o más factores, así como el efecto de la interacción entre ellos. Estos últimos son muy comunes en la industria durante la generación de nuevos productos y en la implementación de procesos de mejora; en ambos casos, invariablemente hay más de un factor involucrado.
Además del sector industrial, los diseños experimentales pueden utilizarse en casi cualquier área del conocimiento. Sin embargo, considero que tienen una mayor aplicación en ingenierías, ciencias biológicas, ciencias médicas y ciencias ambientales. Particularmente, me gustaría compartir mi participación en el diseño de experimentos y el análisis de datos recolectados en investigaciones en las que he colaborado con el Centro de Investigación en Plantas Nativas (CIPNA) de la UPAEP. De estas colaboraciones, han surgido artículos de investigación donde se analiza la propagación vegetativa de plantas ornamentales por medio de diferentes técnicas para la generación de brotes florales.
