TEMA VIII

Definicin general
Clasificacin
Diseo de medidas repetidas simple. Modelo
estructural y componentes de variacin
Diseo de medidas repetidas de Cuadrado
Latino. Modelo estructural y componentes de
variacin
Diseo de medidas repetidas factorial. Modelo
estructural y componentes de variacin
DISEOS DE MEDIDAS REPETIDAS
ESQUEMA GENERAL
Diseo de medidas repetidas
El diseo de medidas repetidas es una
extensin del diseo de bloques, en que el
sujeto sustituye al bloque y acta de control
propio. Con este formato, los sujetos de la
muestra reciben todos los tratamientos y
repiten medidas o registros de respuesta;
asimismo, la comparacin de los
tratamientos es intra-sujeto. ..//..
De este modo, el uso del procedimiento
de medidas repetidas proporciona un
control ms efectivo de las fuentes de
variacin extraas asociadas, por lo
general, a las caractersticas individuales;
es decir, se consigue una reduccin de la
variancia del error. ..//..

Esto es as porque, al actuar el sujeto de
bloque, la variabilidad debida a las
diferencias individuales es eliminada del
error. De este modo, el diseo de medidas
repetidas una estructura ms potente que
los diseos completamente aleatorizados.

Efectos de orden

Los efectos de orden (order effects) se
derivan de la propia estructura del diseo
de medidas repetidas, y deben ser
neutralizados para que confundan los
efectos de los tratamientos.
Tipos de efectos de orden

A) Efecto de perodo (period effect)


B) Efecto residual (carry-over effect)


Efecto de perodo
Los efectos de perodo ocurren cuando,
independientemente del tratamiento
aplicado, el sujeto responde al perodo o
posicin que, en la secuencia, ocupa el
tratamiento (perodo de administracin).
Cabe, por lo tanto, la posibilidad de que el
sujeto responda mejor al perodo que al
tratamiento en s mismo. Cuando esto
ocurre, el efecto de perodo confunde la
accin del tratamiento


Efecto residual
El efecto residual, conocido por error
progresivo, se caracteriza por la
persistencia de la accin de un
tratamiento ms all del perodo o tiempo
de aplicacin. Representa tanto la
progresiva acumulacin tanto de los
efectos facilitadores de la respuesta
(efecto de la prctica, aprendizaje, etc.)
como de los efectos obstaculizadores
(como la fatiga mental, cansancio fsico,
etc.). ..//..
Cuando, como es frecuente en esos
casos, se produce una persistencia del
efecto del tratamiento anterior sobre el
tratamiento siguiente, se corre el riesgo de
que los efectos queden contaminados.

Clasificacin del diseo en
funcin de los factores

Simple (SxA)

Diseos
de medidas
repetidas
Factorial (SxAxB,
SxAxBxC, etc.)
Clasificacin del diseo en
funcin de los grupos

De un grupo o muestra
(SxA)
Diseos
de medidas
repetidas
Multimuestra (S(A)xB)
Diseo de medidas repetidas
simple de un grupo
Concepto
El diseo simple de medidas repetidas es
prototpico en esa clase de experimentos, al
incorporar la estrategia de comparacin intra-
sujeto. Lindquist (1953) se refiere a estas
estructuras como diseos de Tratamientos x
Sujetos, ya que los sujetos se cruzan o
combinan con los tratamientos. As mismo, es
un diseo simple o unifactorial porque slo se
evala la accin de una variable
independiente o de tratamientos. ..//..
La principal ventaja del diseo, dada su
especial disposicin, es la posibilidad de
extraer del error una de sus fuentes de
variacin ms importante: la variacin
atribuida a las diferencias individuales.

Estructura del diseo
La estructura el diseo de medidas repetidas
simple es similar al formato factorial de dos
variables independientes. A diferencia del
diseo factorial, la variable de sujetos no es
manipulada ya que se trata de un pseudo-
factor. La variable de tratamientos est
manipulada por del experimentador y es
considerada como un autntico factor. ..//..
Supngase, por ejemplo, que la variable
sujetos, simbolizada por S, acta a n
valores, y que el factor A -variable de
tratamiento-, a a valores que son
aplicados, de forma secuencial, a los
sujetos de la muestra. Ntese la similitud
entre este diseo y el diseo bifactorial
dado que, analticamente, la variable de
sujetos acta como si fuera un factor. La
diferencia estriba slo en la naturaleza y
objetivo de las dos variables. ..//..
La variable S representa la variabilidad
entre sujetos y no es, por lo tanto, un
factor manipulado sino de control. La
variable A es una dimensin de variacin
manipulada por el investigador. El
propsito del experimento sigue siendo el
anlisis del posible impacto de la variable
de tratamiento sobre la variable de
respuesta. ..//..
Con este formato, no slo se controlan las
diferencias individuales, por el pseudo-
factor de sujetos, sino que se minimiza la
variancia del error al sustraer una de sus
principales fuentes. ..//..
As, el diseo de medidas repetidas
simple es el procedimiento ms eficaz
para probar el efecto del tratamiento. Al
controlar las diferencias interindividuales,
este diseo es, tambin, un potente
procedimiento de anlisis, porque al
reducir el error se aumenta la precisin y
efectividad en probar los efectos de la
variable de tratamiento.
Formato del diseo de medidas repetidas. Diseo
de medidas repetidas simple, S x A.
Y..
Tratamientos
A
1
A
2
A
3
A
j


S
1
S
2
S
n
.

.

.
Y
11
Y
12
Y
13
Y
1j
Y
21
Y
22
Y
23
Y
2j

Y
n1
Y
n2
Y
n3
Y
nj

Medias
S
u
j
e
t
o
s

Medias
Y
1
.
Y
2
.
.

.

.
Y
n
.
Y.
1
Y.
2
Y.
3
Y.
j

Caso paramtrico. Ejemplo
Sea, al nivel ilustrativo, la siguiente
situacin experimental. Se pretende
estudiar el efecto de la frecuencia de tres
tonos auditivos, o variable A, de igual
intensidad (65 db). Para ello, se decide
registrar los tiempos de reaccin, en
milsimas de segundos, a la presentacin
de los tonos. De la variable independiente
-frecuencia de tono-, se eligen tres
valores: 300 cps. (condicin A
1
), 600 cps.
(condicin A
2
) y 1200 cps. (condicin A
3
).
Modelo de prueba de hiptesis

Paso 1. Se asume, por hiptesis de
nulidad, que los efectos de los
tratamientos son nulos. Es decir,

H
0
:
1
=
2
=
3


Paso 2. Segn la hiptesis experimental o
hiptesis de efectividad se asume que,
uno o ms tratamientos o efectos es
significativo (distinto de cero). En
trminos estadsticos se afirma que:
H
1
:
1
=
2
, o
1
=
3
, o
2
=
3
H
1
: por lo menos una desigualdad

Paso 3. Se asume un modelo ANOVA de
aditividad. El estadstico de la prueba es la
F normal, a un nivel de significacin de
= 0.05. El tamao de la muestra
experimental es N = n = 3.

Paso 4. El clculo del valor emprico de F
se realiza a partir de la correspondiente
matriz de datos, una vez ejecutado el
experimento.
DISEO DE MEDIDAS REPETIDAS
TRATAMIENTOS
N. Sujeto
A
1
A
2
A
3
TOTALES
1
2
3
3.8
4.4
6.9
3.6
5.0
4.5
2.5
2.3
3.0
9.90
11.70
14.40
TOTALES 15.1 13.1 7.8 36
MEDIAS 5.03 4.37 2.6 4
ANOVA de medidas repetidas
MODELO ESTRUCTURAL
MODELO ADITIVO
ij j i ij
Y
Descripcin y supuestos
Y
ij
= la puntuacin del i sujeto bajo la j
condicin experimental o tratamiento
= la media global de todos los datos del
experimento

i
=
i
= el efecto asociado al isimo
sujeto

j
=
j
= el efecto de jsimo nivel de la
variable de tratamiento A

ij
= el error experimental asociado al i
sujeto bajo el j tratamiento

Asimismo, para que el modelo sea vlido,
se asume que:

a)
i
~ NID(0,

)
b)
ij
~ NID(0,

)
c) =

11' +

I

Clculo de las sumas de
cuadrados
SC
total
= SC
suj.
+ SC
trat.
+ SC
suj.xtrat.
Con los datos del ejemplo, se tiene:

SC
total
= [(3.8) + (4.4) + ... + (3)] [(36)/9] = 16.16
SC
suj.
= [(9.9)/3 + (11.7)/3 + (14.4)/3] [(36)/9] =
3.42
SC
trat.
= [(15.1)/3 + (13.1)/3 + ... + (7.8)/3] [(36)/9]
= 9.49
SC
suj.xtrat.
= SC
total
SC
suj.
SC
trat
= 16.16 3.42
9.49 = 3.25
CUADRO RESUMEN DEL ANOVA: DISEO MEDIDAS
REPETIDAS
F
0.95
(2/4) = 6.94
an-1=8 16.16 Total (T)

>0.05

5.86
1.71
4.75
0.81
(n-1)=2
(a-1)=2
(n-1)(a-1)=4
3.42
9.49
3.25
Suj (S)
Trat (A)
SujxTrat (SxA)
p F CM g.l SC F.V.
Modelo de prueba de hiptesis

Paso 5. Dado que el valor emprico de F
es menor que el terico, se acepta la
hiptesis de nulidad relativa a la variable
de sujetos y a la de tratamiento, a un nivel
del riesgo del cinco por ciento.
Supuesto de uniformidad o
simetra compuesta

Segn esta restriccin, conocida por
condicin de uniformidad o simetra
compuesta, se asume una variancia
comn para las distintas medidas
repetidas y una covariancia comn para
los diferentes pares de medidas (prueba
de Box (1950)).
H
0
: E = S
E = Matriz poblacional
S = Matriz muestral
(
(
(

= E
2
3 32 31
23
2
2 21
13 12
2
1
o o o
o o o
o o o
(
(
(

2
3 32 31
23
2
2 21
13 12
2
1
s s s
s s s
s s s
(
(
(

2
3 32 31
23
2
2 21
13 12
2
1
s s s
s s s
s s s
(
(
(

2
3 32 31
23
2
2 21
13 12
2
1
s s s
s s s
s s s
. . .
S1 S2 Sn
Prueba de ajuste
Prueba de simetra combinada (Box, 1950)

H
0
: S =
Pasos de la prueba de Box
(1950)

Paso 1. Se calculan, en primer lugar, las
variancias y covariancias de los datos
muestrales; es decir, se obtiene la matriz
S.
Clculo de las variancias


(Y
ij
)
Y
ij
---------
n
Var
Aj
= ----------------------------
n 1


Valor emprico de las variancias
81.41 (15.1)/3
Var
A1
= ------------------------- = 2.70
3 1

58.21 (13.1)/3
Var
A2
= -------------------------- = 0.50
3 1

20.54 (7.8)/3
Var
A3
= ------------------------- = 0.13
3 1
Clculo de las covariancias


(Y
ij
)(Y
ik
)
(Y
ij
Y
ik
) ----------------
n
Cov
AjAk
= -----------------------------------
n 1


Valor emprico de las covariancias
66.73 (15.1)(13.1)/3
Cov
AjAk
= -------------------------------- = 0.396
3 1
40.32 (15.1)(7.8)/3
Cov
AjAk
= --------------------------------- = 0.53
3 1
34.00 (13.1)(7.8)/3
Cov
AjAk
= --------------------------------- = -0.03
3 1
Matriz de variancia/covariancia
muestral


2.70 0.39 0.53
S = 0.39 0.50 -0.03
0.53 -0.03 0.13

Valores estimados
Paso 2. Se estima de y jk -
elementos de la matriz S
0
-, asumiendo la
igualdad de las variancias y covariancias.
Su estimacin es la media de las
variancias y covariancias muestrales.
_
s
0
= 1/3[2.70 + 0.50 + 0.13] = 1.11
_
s
00
= 1/3[0.39 + 0.53 - 0.03] = 0.29
Matriz poblacional estimada
Con estos valores se forma la matriz S
0
, que
es la mejor estimacin de :

1.11 0.29 0.29

S
0
= 0.29 1.11 0.29

0.29 0.29 1.11


Clculo del valor del estadstico
Paso 3. Asumiendo n sujetos y a niveles
de tratamiento o medidas repetidas, la
prueba de Box (1950) requiere el cmputo
del estadstico B cuya distribucin es
aproximada al chi-cuadrado.

B = (1 C)M

donde


|S|
M = (n 1) ln----------
|S
0
|



Valor del estadstico M
|S| = (2.7)(0.5)(.13) + (0.39)( 0.03)(0.53) +
(0.53)(0.39)(0.03)(0.53)(0.5)(0.03)(2.7)
(0.13)(0.39) = 0.0006
|S
0
| = (1.11) + (0.29) + (0.29) 3(1.11)(0.29) =
1.1119
Con ello,
0.0006
M = (3 1) ln------------- = 15.2
1.1119
Clculo de C
Paso 4. El clculo de C es,

a(a+1)(2a-3)
C = ------------------------------
6(n-1)(a-1)(a+a-4)

Con los datos del ejemplo, se tiene

3(4)(6-3)
C = ---------------------- = 0.75
6(2)(2)(9+3-4)
Decisin estadstica

Paso 5. Por ltimo, se computa B con
distribucin aproximada a chi-cuadrado con
[a + a - 4]/2 grados de libertad:

B = (1 - C)M = (1 - 075)(15.2) = 3.8

y

[3 + 3 - 4]/2 = 4 g.l.

El valor terico de chi-cuadrado es

0.95
(4) = 9.49
Puesto que este valor es mayor que el
valor emprico, 3.8 < 9.49, se infiere la
aceptacin de la hiptesis de nulidad y,
por tanto, que la matriz de variancia y
covariancia muestral se ajusta al patrn
especfico asumido en la poblacin.

Supuesto de esfericidad
Huynh y Feldt (1970) y Rouanet y Lepine
(1970) han mostrado que es suficiente el
cumplimento de una condicin ms dbil o
condicin de esfericidad (circularidad).
Esta condicin slo requiere que las
variancias de las diferencias entre todos
los pares de medidas repetidas sean
iguales (prueba de esfericidad de
Mauchley (1940))
Supuesto de homogeneidad del
ejemplo
Uniformidad Circularidad
Box(1950) Mauchley (1940)

o
2
= 3.8
o
2
= 0.479
g.l.= [p
2
+p-4]/2 =4 g.l.=[p(p-1)/2]-1=2

2
0.95
(4) =9.49
2
0.95
(2) =5.99


A(H
0
)--------> p>0.05
Alternativas de anlisis del diseo de
medidas repetidas
F normal
ANOVA F conservadora
F ajustada
Diseo de
medidas
repetidas

MANOVA
Frmulas para el clculo de los grados
de libertad de las F's.
Grados de
libertad de F
F normal F
conservadora
F
ajustada
Numerador (a-1) 1 c(a-1)
Denominador (n-1)(a-1) n-1 c(n-1)(a-1)
Factores de ajuste

Epsiln de:

Greenhouse y Geisser (1959)
Huynh y Feldt (1970)
psilon de Greeenhouse y
Geisser (1959).

c = 0.72
Valores tericos de las F's de las distintas
pruebas, a un nivel de significacin de 0.05.

Tipo de Grados de libertad Valor terico
de
prueba Numerador Denominador F para = 0.05

Normal 2 4 6.94

Ajustada 1 3 10.13

Conservadora 1 2 18.51
A B C D
B C D A
C D A B
D A B C
S
u
j
e
t
o
s

S
1
S
2
S
3
S
4
O
1
O
2
O
3
O
4

Orden
Formatos del diseo de medidas repetidas: Diseo
de medidas repetidas de cuadrado latino, S x A
Formatos del diseo de medidas repetidas: Diseo de
medidas repetidas factorial, S x A x B.
Y
111
Y
11k
Y
121
Y
12k
Y
1j1
Y
1jk
Y
211
Y
22k
Y
221
Y
22k
Y
2j1
Y
2jk

Y
n11
Y
n1k
Y
n21
Y
n2k
Y
nj1
Y
njk
Medias
S
1
S
2
S
n
.

.

.
S
u
j
e
t
o
s

Medias
Y
1
..
Y
2
..
.

.

.
Y
n
..
Y

Tratamientos
A
1
A
2
A
j

B
1
B
k

B
1
B
k

B
1
B
k

..
..
..
..
..
..
..
.. ..
Y.
11
Y.
12


Y.
21
Y.
j1
Y.
jk
Y.
2k
..
.. ..