Aleatorización, control y réplica
Los tres principios del diseño experimental: por qué el azar es lo único que controla lo desconocido y qué hace cada pieza.
1 · Los tres principios
Fisher estableció en los años 30 los tres pilares del diseño experimental, y siguen siendo los mismos:
| Principio | Qué resuelve |
|---|---|
| Aleatorización | el sesgo, incluido el de variables desconocidas |
| Réplica | permite estimar el error y da potencia |
| Control local (bloques) | reduce la variabilidad del error |
2 · Aleatorización
Asignar los sujetos a los tratamientos al azar.
Su virtud es única en toda la estadística:
Además, es lo que justifica el propio cálculo de probabilidades: los valores p y los intervalos de confianza de un experimento suponen que la asignación fue aleatoria.
Lo que no es aleatorizar:
- Asignar alternadamente —uno y uno— es sistemático, no aleatorio, y es predecible.
- Dejar que el sujeto elija su grupo.
- Dejar que el investigador asigne “para que queden parejos”.
3 · Control
El grupo control es la referencia contra la cual se mide el efecto.
| Tipo | Qué controla |
|---|---|
| Sin tratamiento | el paso del tiempo |
| Placebo | el efecto de recibir algo |
| Tratamiento estándar | agrega la comparación con lo disponible |
| Lista de espera | el paso del tiempo, con ética preservada |
Sin control no se puede separar el efecto del tratamiento del efecto del tiempo, de la regresión a la media o de la simple atención recibida.
El cegamiento completa el control: simple —el sujeto no sabe—, doble —tampoco quien evalúa—, triple —tampoco quien analiza—.
4 · Réplica
Repetir cada tratamiento en varias unidades experimentales.
No es lo mismo que medir varias veces al mismo sujeto. Eso es pseudorreplicación: mide la precisión del instrumento, no la variabilidad entre unidades, y produce errores estándar falsamente chicos.
| Concepto | Qué es |
|---|---|
| Réplica verdadera | varias unidades experimentales por tratamiento |
| Pseudorréplica | varias mediciones de la misma unidad |
| Unidad experimental | la unidad más chica a la que se asigna el tratamiento al azar |
5 · Control local: los bloques
Agrupar unidades parecidas en bloques y aleatorizar dentro de cada uno.
La variabilidad entre bloques se identifica y se saca del error, con lo que el diseño gana potencia. Ver diseño en bloques.
Es el mismo principio que hace potente a la prueba t pareada: comparar dentro de unidades homogéneas.
6 · Cuándo no se puede aleatorizar
Muchísimas preguntas importantes no admiten experimento, por razones éticas o prácticas: no se puede asignar a alguien a fumar, a ser pobre o a sufrir un terremoto.
Ahí quedan los diseños cuasiexperimentales, que buscan aproximarse:
| Diseño | Idea |
|---|---|
| Diferencias en diferencias | comparar la evolución de dos grupos antes y después |
| Regresión discontinua | comparar a los que quedaron a cada lado de un umbral |
| Variables instrumentales | usar una fuente de variación externa y azarosa |
| Emparejamiento por puntaje de propensión | construir grupos comparables en lo medido |
7 · Errores frecuentes
- Asignar sistemáticamente y llamarlo aleatorio.
- No ocultar la asignación.
- Pseudorreplicar: confundir mediciones con unidades experimentales.
- Prescindir del grupo control en un diseño antes-después.
- No documentar el procedimiento de aleatorización. En un ensayo publicable hay que decir cómo se generó la secuencia.
- Analizar solo a quienes completaron el tratamiento, rompiendo la aleatorización. Lo correcto es el análisis por intención de tratar.
- Aleatorizar y después “corregir” los desbalances que salieron por azar.
8 · En el software
# R — asignación aleatoria simple
set.seed(2026)
sujetos <- 1:60
grupo <- sample(rep(c("Tratamiento", "Control"), each = 30))
data.frame(sujetos, grupo)
# Aleatorización por bloques de 4, para equilibrar a lo largo del reclutamiento
library(blockrand)
blockrand(n = 60, num.levels = 2, block.sizes = 2)
# Dentro de estratos
library(dplyr)
d |> group_by(sexo, edad_grupo) |> mutate(grupo = sample(grupo))
Cómo citar esta entrada
APA (7.ª edición)
Montivero, J. L. (2026). Aleatorización, control y réplica. estadistica.ar. https://estadistica.ar/conceptos/aleatorizacion-y-control
BibTeX
@misc{estadistica_ar_aleatorizacion_y_control,
author = {Montivero, Jorge Luis},
title = {{Aleatorización, control y réplica}},
year = {2026},
howpublished = {\url{https://estadistica.ar/conceptos/aleatorizacion-y-control}},
note = {estadistica.ar. Consultado el \today},
urldate = {2026-09-18}
}Última actualización: 18 de septiembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.