Factores: Variables controlables que el investigador manipula para ver cómo afectan al resultado.
Ejemplo: temperatura, presión, tiempo de cocción, concentración de un químico.

Niveles: Son los valores específicos que puede tomar cada factor.
Ejemplo: factor temperatura con dos niveles (80 °C y 100 °C).

Tratamientos: Combinaciones específicas de niveles de factores.
Ejemplo: (80 °C, 10 min) y (100 °C, 15 min).

Variable de respuesta: El resultado medido, que depende de los factores.
Ejemplo: dureza del material, rendimiento de un motor, sabor de un producto.

Unidades experimentales: Entidades sobre las cuales se realiza el experimento.
Ejemplo: piezas de metal, plantas, lotes de alimento.

Identificar factores importantes que influyen en la variable de respuesta.

Determinar el efecto de los factores y sus interacciones (cuando dos o más factores combinados producen un efecto diferente al esperado).

Optimizar procesos encontrando las condiciones que maximizan o minimizan la respuesta.

Ahorrar recursos, porque se requieren menos pruebas que en un ensayo tradicional sin estructura.

Aleatorización: Asignar los tratamientos de manera aleatoria a las unidades experimentales. Esto ayuda a evitar sesgos y efectos externos no controlados.

Replicación: Repetir un tratamiento varias veces para reducir la variabilidad experimental y obtener estimaciones más confiables.

Bloques: Agrupar unidades experimentales similares para reducir la variabilidad.
Ejemplo: si se prueban fertilizantes en distintos terrenos, cada terreno puede ser un bloque.

Interacción: Situación en la que el efecto de un factor depende del nivel de otro.
Ejemplo: la efectividad de un fertilizante puede depender de la cantidad de agua aplicada.

Modelo estadístico: Representación matemática que relaciona los factores con la variable de respuesta.

Diseño completamente al azar (DCA): Tratamientos asignados de forma aleatoria sin restricciones.

Diseño en bloques al azar (DBA): Se utilizan bloques para controlar la variabilidad.

Diseño factorial: Evalúa simultáneamente dos o más factores y sus interacciones. Puede ser:

• Factorial completa: Se prueban todas las combinaciones posibles.

• Factorial fraccionada: Se prueban solo algunas combinaciones, reduciendo recursos.

Diseños de superficie de respuesta (RSM): Buscan optimizar el valor de la variable de interés.