La teoria clasica de los disenos experimentales optimos supone que los errores del modelo son independientes y tienen una distribucion normal con varianza constante. Sin embargo, el supuesto de homogeneidad de varianza no siempre se satisface. Por ejemplo, cuando la variabilidad de la respuesta es una funcion de la media, es probable que un modelo heterocedastico sea mas adecuado que uno homogeneo. Para solucionar este problema hay dos metodos: el primero consiste en incorporar una funcion que modele la varianza del error en el modelo; el segundo consiste en aplicar alguna de las transformaciones de Box-Cox en el modelo de regresion no lineal (Carroll & Ruppert 1988, Capitulo 4). En ambos casos es posible hallar el diseno optimo, pero el problema se vuelve mas complejo porque es necesario encontrar una expresion de la matriz de informacion de Fisher del modelo. En este articulo se presentan las dos metodologias mencionadas para el criterio D-optimalidad y se muestra un resultado que es util para encontrar disenos D-optimos para modelos heterocedasticos cuando la varianza de la respuesta es una funcion de la media. Luego, se aplican ambos metodos en un ejemplo donde el modelo es no lineal y la varianza no constante. Finalmente se encuentra el diseno D-optimo con cada metodologia, se calculan las eficiencias y se evalua la bondad del ajuste de los disenos obtenidos a traves de simulaciones.