La teoría de diseños óptimos se encarga de proponer metodologías para la determinación de los puntos donde se debe realizar experimentación con el fin de obtener mejores estimadores de los parámetros de un modelo, o realizar estimación de funciones de interés ya sea lineales o no lineales en los parámetros. Los diseños D-óptimos buscan los puntos de muestreo donde se maximiza el volumen del elipsoide de confianza conjunto asociado a los parámetros. Se conoce que estos diseños arrojan tantos puntos de muestreo como parámetros tiene el modelo bajo estudio. Una parte de esta investigación, consiste en proponer metodologías para hallar diseños seudo-óptimos de tal forma que se pueda aumentar el número de puntos de soporte del diseño, y así poder realizar pruebas de falta de ajuste acerca del modelo bajo estudio. Otra pregunta a resolver en esta investigación consiste en atacar el problema de hallar diseños cuando se tienen múltiples objetivos, se dará una metodología estadística que permita determinar la forma de como elegir la constante de ponderación asociada a la combinación convexa de dos criterios de optimalidad, cada criterio esta relacionado con cada uno de los objetivos que se busca, por ejemplo estimación de los parámetros del modelo y también estimación de funciones no lineales de los parámetros.