TEMA VII

ESQUEMA GENERAL
Definicin general
Clasificacin
Diseo factorial A x B, completamente
al azar
Representacin de los efectos
factoriales
Modelo estructural, anlisis y
componentes de variacin
DISEO FACTORIAL

Concepto
El diseo factorial, como estructura de
investigacin, es la combinacin de dos o ms
diseos simples (o unifactoriales); es decir, el
diseo factorial requiere la manipulacin
simultnea de dos o ms variables
independientes (llamados factores), en un
mismo experimento.
..//..

En funcin de la cantidad de factores o

variables de tratamiento, los formatos
factoriales se denominan, tambin, diseos de
tratamientos x tratamientos, tratamientos x
tratamientos x tratamientos, etc, y se
simbolizan por AxB, AxBxC, etc.

Criterios de clasificacin

Cantidad de niveles

Criterios

Cantidad de combinaciones
Tipo de control

Clasificacin del diseo factorial por

criterio
A) Segn la cantidad de niveles o valores por
factor, el diseo factorial se clasifica en:

Cantidad constante
Cantidad de valores
Cantidad variable

La notacin del diseo es ms sencilla cuando

la cantidad de niveles por factor es igual (es
decir, constante). As, el diseo factorial de dos
factores a dos niveles se representa por 2, el
de tres factores por 23, etc. En trminos
generales, los diseos a dos niveles y con k
factores se representan por 2k; a tres niveles,
por 3k; a cuatro niveles por 4k, etc.
..//..

Cuando los factores actan a ms de dos

niveles (es decir, cuando la cantidad de valores
por factor es variable), el diseo se representa
por 2 x 3, 2 x 3 x 4, etc. A su vez, cabe
considerar la posibilidad de que, tanto en un
caso como en otro, el diseo sea balanceado
(proporcionado) o no balanceado (no
proporcionado); es decir, diseos con igual
cantidad de sujetos por casilla y diseos con
desigual cantidad de sujetos por casilla.

B) El segundo criterio hace hincapi en la

cantidad de combinaciones de tratamiento
realizadas o ejecutadas. Con base a este criterio,
el diseo factorial se clasifican en:
Diseo factorial completo
Cantidad de
combinaciones
de tratamiento
Diseo factorial incompleto
y fraccionado

Si el diseo factorial es completo, se realizan

todas las posibles combinaciones entre los
valores de las variables. As, cada combinacin
de tratamientos determina un grupo
experimental (grupo de tratamiento o casilla).
Por ejemplo, el diseo factorial completo 2x2
determina cuatro grupos de tratamiento; un
diseo 3x3 nueve grupos, etc.
..//..

Asumiendo que slo se ejecute una parte del

total de las combinaciones, el diseo factorial
es incompleto o fraccionado, segn el
procedimiento seguido.

C) En funcin del control de variables extraas.

Grado de control

Diseo factorial
completamente al azar
Diseo factorial de bloques
aleatorizados
Diseo factorial de Cuadrado
Latino
Diseo factorial jerrquico o
anidado
Diseo factorial de medidas
repetidas

Segn el control de los factores extraos y la

reduccin de la variancia del error, el diseo
factorial puede ser, en primer lugar,
completamente al azar; es decir, aquel
formato donde slo se aplica el azar como
tcnica de control y donde los grupos se
forman mediante la asignacin aleatoria de los
sujetos.
..//..

En segundo lugar, el diseo factorial de bloques

aleatorizados permite el control de una variable
extraa. Segn esa estrategia, cada bloque es un
rplica completa del experimento, y los grupos
intra bloque (dentro de cada bloque) se forman
al azar.
..//..

Siguiendo con el criterio de bloques, el diseo

factorial de Cuadrado Latino o de doble
sistema de bloques controla dos fuentes de
variacin extraas, aunque slo se realiza una
parte del total de combinaciones.
..//..

El diseo factorial jerrquico o anidado requiere la

manipulacin experimental de la variable y, al
mismo tiempo, la anidacin (o inclusin) de una
variable dentro de las combinaciones de
tratamientos de los factores.
..//..

Por ltimo, el diseo factorial de medidas

repetidas incorpora la tcnica intra-sujeto; es
decir, el sujeto acta de control propio y recibe
todas las combinaciones de tratamiento
generados por la estructura factorial.

Criterios

Diseo

Cantidad de
Igual cantidad de valores: 2k, 3k, etc.
valores por factor Cantidad variable: 2x3; 2x3x4, etc.
Cantidad de
Diseo factorial completo
combinaciones de Diseo factorial incompleto y fraccionado
tratamientos
Grado de control

Diseo factorial completamente al azar

Diseo factorial de bloques
Diseo factorial de Cuadrado Latino
Diseo factorial jerrquico
Diseo factorial de medidas repetidas

Efectos factoriales estimables

1. Efectos simples
2. Efectos principales
3. Efectos secundarios

Efectos factoriales simples

Es posible definir el efecto factorial simple

como el efecto puntual de una variable
independiente o factor para cada valor de la
otra.

Efectos factoriales principales

Los efectos factoriales principales, a
diferencia de los simples, son el impacto
global de cada factor considerado de forma
independiente, es decir, el efecto global de un
factor se deriva del promedio de los dos
efectos simples.

Efectos factoriales secundarios

El efecto secundario o de interaccin se

define por la relacin entre los factores o
variables independientes, es decir, el efecto
cruzado.

Diseo factorial al azar 2x2

Estructura del diseo

Combinacin de tratamientos por

grupo o casilla
Diseo factorial 2x2
A1B1

A1B2

A2B1

A2B2

Formato del diseo factorial

completamente al azar
V.E.
V.I.

Z1
A1B1

Z2
A1B2

Z3
A2B1

S1

S1

S1

Sn1

Sn2

Sn3

e
l

Asignacin al azar

e
c
c

M
i

Z4
A2B2
S1

Sn4

Caso paramtrico. Ejemplo 1

Se pretende probar, en una situacin de aprendizaje
discriminante animal, si la magnitud del incentivo
(variable incentivo) acta segn el aprendizaje sea
simple o complejo (variable dificultad de aprendizaje
o variable tarea). En esta hiptesis se afirma que a
mayor incentivo, ms acusada es la diferencia entre
las dos tareas (simple o compleja).
..//..

Para ello, se registra la cantidad de

discriminaciones
correctas
(variable
dependiente) en funcin de un criterio general
de aprendizaje, que asume como suficientes 15
ensayos. Se toma, como medida de la variable
dependiente o de respuesta, la cantidad de
respuestas correctas, para un mximo de 15,
bajo el supuesto de que cada discriminacin
correcta tiene la misma dificultad de
aprendizaje.
..//..

Para probar la hiptesis propuesta se asignan

32 sujetos, de una muestra experimental, a las
combinaciones de tratamientos o casillas (ocho
sujetos por casilla), de forma totalmente
aleatoria.

Modelo de prueba de hiptesis

Paso 1. Segn la estructura del diseo son
estimables tres efectos. Por esa razn, se plantean
tres hiptesis de nulidad relativas a la variable A,
variable B e interaccin:
H0: 1 = 2 = 0
H0: 1 = 2 = 0
H0: ()11 = ()12 = ()21 = ()22 = 0

Paso 2. Por hiptesis experimental, se espera

que los efectos principales y el de la
interaccin sean significativos. Estas hiptesis
se representan, al nivel estadstico, por
H1: 1 2, o no todas las son cero
H1: 1 2, o no todas las son cero
H1: ()11 ()12 ()21 ()22, o no
todas las son cero.

Paso 3. El estadstico de la prueba es la F de

Snedecor, con un de 0.05, para las tres
hiptesis de nulidad. El tamao de la muestra
experimental es N = 32 y el de las submuestras
n = 8.
Paso 4. Clculo del valor emprico de las
razones F. Para ello, se toma, de nuevo, la
matriz de datos del experimento.

DISEO FACTORIAL 2X2

Totales:
Medias:

A1B1

A1B2

A2B1

A2B2

10
9
4
8
8
4
3
6

4
3
4
5
2
3
4
2

7
9
10
8
10
9
10
7

8
6
9
9
8
7
7
6

52
6.5

27
3.375

70
8.75

60
7.5

209
6.53

ANOVA factorial

MODELO ESTRUCTURAL DEL AVAR:

DISEO FACTORIAL 2X2

Yijk = + j + k + ( ) jk + ijk

Especificacin del modelo

Yijk = la puntuacin del i sujeto bajo la combinacin
del j valor del factor A y el k valor del factor B.
= la media comn a todos los datos del
experimento.
j = el efecto o impacto de j nivel de la variable de
tratamiento A.
k = efecto del k valor de la variable de tratamiento B.
()jk = efecto de la interaccin entre el i valor de
A y el k valor de B.
ij = error experimental o efecto aleatorio de
muestreo.

Descomposicin polietpica de las

Sumas de cuadrados
SCA
SCentre-grupos
SCtotal

SCB
SCAB

SCintra-grupos

SCS/AB

CUADRO RESUMEN DEL AVAR PRIMERA ETAPA:

DISEO FACTORIAL 2X2
F.V.

SC

g.l.

CM

Entre G
Intra G (E)

126.59
77.38

ab-1=3
ab(n-1)=28

42.19
2.76

15.28

<0.05

Total (T)

203.97

abn-1=31

F0.95(3/28) = 2.95

Inferencia del primer anlisis

Del primer anlisis se concluye que los grupos

de tratamiento o experimentales difieren
significativamente entre s; la probabilidad de
que un valor F de 15.28 ocurra al azar es
menor que el riesgo asumido ( = 0.05). ..//..

En consecuencia, se procede a determinar las

causas de esa significacin. Ntese que este
anlisis no obedece a ningn propsito de
investigacin, ya que slo sirve para detectar
si, en trminos globales, hay o no diferencia
entre los grupos. De hecho, es como si se
hubiera aplicado un modelo uni-factorial de la
variancia.

Clculo de las Sumas de Cuadrados:

segunda etapa
SCentre-grupos = SCfactor A + SCfactor B +
SCinteraccin AxB
El clculo de estas Sumas de Cuadrados
requiere la previa construccin de la tabla
de los totales por columnas.

MATRIZ DE DATOS ACUMULADOS

B1

B2

TOTALES

A1

52

27

79

A2

70

60

130

TOTALES

122

87

209

CUADRO RESUMEN DEL AVAR SEGUNDA ETAPA:

DISEO FACTORIAL 2X2

F.V.

SC

g.l

CM

Factor A
Factor B
Inter AxB

81.28
38.28
7.03

(a-1)=1
(b-1)=1
(a-1)(b-1)=1

81.28
38.28
7.03

29.94
13.87
2.55

<0.05
<0.05
>0.05

Entre-g
Intra-g

126.59
77.37

ab-1=3
ab(n-1)=28

42.19
2.76

15.28

<0.05

Total (T)

203.97

abn-1=31

F0.95(3/28) = 2.95; F0.95(1/28) = 4.20

Inferencia del segundo anlisis

Paso 5. De los resultados del anlisis se infiere
la no-aceptacin de las hiptesis de nulidad
para los efectos principales de A y B, con
riesgo de error del 5 por ciento. En cambio, se
acepta la hiptesis de nulidad para la
interaccin. En suma, slo se deriva la
significacin de los efectos principales.

No interaccin (nula)
A1
A2

B1

B2

Interaccin positiva
A1

A2
B1

B2

Interaccin negativa

A1
A2
B1

B2

Interaccin inversa
A2

A1
B1

B2

Representacin grfica de la interaccin

Interaccin nula

Interaccin positiva

Interaccin negativa

B1

B1

B1
B2

B2
B2
A1

A2

A1

A2

A1

A2

B2

B1
A1

A2

Interaccin inversa

MEDIAS DE GRUPOS DE TRATAMIENTO

A1
A2

B1
6.5
8.75

B2
3.38
7.5

GRFICO INTERACCIN

Caso paramtrico. Ejemplo 2

Se ha puesto de manifiesto que cuando las
personas se sienten molestas ante la presencia de
estmulos ambientales adversos incrementan su
comportamiento agresivo. Berkowitz y Frodi
(1979) realizaron un experimento para estudiar si
el comportamiento agresivo depende no slo de
la presencia de estmulos ambientales adversos
sino tambin del atractivo fsico de la persona
que supuestamente va a recibir la agresin.

Procedimiento
Se seleccion una muestra de 56 mujeres y se
formaron 4 grupos al azar. En el laboratorio, se
inform a los sujetos que iban a participar en un
estudio sobre la dinmica paterno-filial. As, en
un primer momento, slo la mitad de las
participantes interactuaron con un cmplice del
experimentador (que ejerca el rol de padre),
entrenado para provocarles irritacin. En un
segundo momento, a todas se les pas un vdeo
en que una nia (que ejerca el rol filial)
realizaba una tarea.

Sigue
En esta segunda parte, para la mitad de las
participantes el vdeo mostraba una nia con
un aspecto fsico atractivo y para la otra mitad
la nia tena un aspecto fsico poco atractivo.
Durante la presentacin del vdeo las
participantes deban corregir los errores que la
nia cometa en la tarea mediante un estmulo
auditivo que poda variar de 1 a 10 en una
escala de intensidad.

Resultados del anlisis

Estadsticos descriptivos
Variable dependiente: Castigo
Irritacion
s

no

Total

Atractivo
atractivo
no atractivo
Total
atractivo
no atractivo
Total
atractivo
no atractivo
Total

Media
3.8985
5.6585
4.7785
3.5199
4.6254
4.0726
3.7092
5.1419
4.4256

Desv. tp.
1.30023
1.27211
1.54797
.76323
.73157
.92467
1.06379
1.14610
1.31258

N
14
14
28
14
14
28
28
28
56

Prueba de homogeneidad
a
Contraste de Levene sobre la igualdad de las varianzas error

Variable dependiente: Castigo

F
2.309

gl1

gl2
3

52

Significacin
.087

Contrasta la hiptesis nula de que la varianza error de la

variable dependiente es igual a lo largo de todos los grupos.
a. Diseo: Intercept+Irritacion+Atractivo+Irritacion *
Atractivo

ANOVA
Pruebas de los efectos inter-sujetos
Variable dependiente: Castigo

Fuente
Modelo corregido
Interseccin
Irritacion
Atractivo
Irritacion * Atractivo
Error
Total
Total corregida

Suma de
cuadrados
tipo III
37.213a
1096.794
6.976
28.738
1.499
57.546
1191.552
94.758

gl
3
1
1
1
1
52
56
55

Media
cuadrtica
12.404
1096.794
6.976
28.738
1.499
1.107

a. R cuadrado = .393 (R cuadrado corregida = .358)

F
11.209
991.096
6.303
25.969
1.355

Significacin
.000
.000
.015
.000
.250

Ventajas del diseo factorial

Se ha descrito, a lo largo de ese tema, los
conceptos bsicos del diseo factorial o
estructura donde se manipulan, dentro de una
misma situacin experimental, dos o ms
variables independientes (o factores). En aras a
una mejor exposicin del modelo se ha
descrito, bsicamente, el diseo bifactorial a
dos niveles, dentro del contexto de grupos
completamente al azar.
..//..

La disposicin bifactorial aporta informacin

no slo de cada factor (efectos principales),
sino de su accin combinada (efecto de
interaccin o efecto secundario). De esta
forma, con la misma cantidad de sujetos
requerida para experimentos de una sola
variable independiente o factor, el investigador
puede estudiar simultneamente la accin de
dos o ms variables manipuladas.
..//..

Ello supone un enorme ahorro de tiempo y

esfuerzo. Si se tiene en cuenta la posibilidad de
analizar la accin conjunto o cruzada de las
variables, se concluye que el diseo factorial es una
de las mejores herramientas de trabajo del mbito
psicolgico, puesto que la conducta es funcin de
muchos factores que actan simultneamente sobre
el individuo.
..//..

Diseos factoriales 2 x 2 de bloques

A1B1

A2B1

A1B2

A2B2

Bloque 1

S11

S12

S13

S14

Bloque 2

S21

S22

S23

S24

.
.

Bloque k

Sk1

Sk2

Sk3

Sk4

TEMA VIII

ESQUEMA GENERAL
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

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 intrasujeto. 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.

Sujetos

Medias

S1

A1
Y11

Tratamientos
A2
A3 Aj
Y12 Y13 Y1j

S2

Y21

Y22 Y23 Y2j

Y2.

Y1.

Sn

Yn1

Medias Y.1

Yn2 Yn3 Ynj

Yn.

Y.2

Y..

Y.3

Y.j

Caso paramtrico. Ejemplo 1

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 A1), 600 cps. (condicin
A2) y 1200 cps. (condicin A3).

Modelo de prueba de hiptesis

Paso 1. Se asume, por hiptesis de nulidad, que
los efectos de los tratamientos son nulos. Es
decir,
H0 : 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:
H1: 1 2, o 1 3, o 2 3
H1: 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

A1

A2

A3

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

ANOVA de medidas repetidas

MODELO ESTRUCTURAL
MODELO ADITIVO

Yij i j ij

Descripcin y supuestos
Yij = 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

CUADRO RESUMEN DEL ANOVA: DISEO MEDIDAS

REPETIDAS

F.V.
Suj (S)
Trat (A)
SujxTrat (SxA)
Total (T)
F0.95(2/4) = 6.94

SC
3.42
9.49
3.25
16.16

g.l

CM

(n-1)=2
1.71
(a-1)=2
4.75
(n-1)(a-1)=4 0.81
an-1=8

5.86 >0.05

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)).

 = Matriz poblacional

=S

H0 :

S = Matriz muestral

12 12 13
21 22 23

2
31 32 3

s12
s 22

s13
s 23

s12
s
21

s12
s 22

s13
s 23

s31

s32

s32

s31

s32

s32

s12
s
21

S1

S2

s12
s
. . . 21
s31

s12
s 22

s13
s 23

s32

s32

Sn

Prueba de ajuste
Prueba de simetra combinada (Box, 1950)

H0: S =

Decisin estadstica
Se calcula el valor del estadstico B con
distribucin aproximada a chi-cuadrado y 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 calculado, 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
Box(1950)
o2 = 3.8
g.l.= [p2+p-4]/2 =4
20.95(4) =9.49

Circularidad
Mauchley (1940)
o2 = 0.479
g.l.=[p(p-1)/2]-1=2
20.95(2) =5.99

A(H0)--------> 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)

(a-1)

Denominador

(n-1)(a-1)

n-1

(n-1)(a-1)

Factores de ajuste

Epsiln de:
Greenhouse y Geisser (1959)
Huynh y Feldt (1970)

psilon de Greeenhouse y Geisser

(1959).

= 0.72

Valores tericos de las F's de las distintas

pruebas, a un nivel de significacin de 0.05 .
Tipo de
prueba

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

Normal

6.94

Ajustada

10.13

Conservadora

18.51

Caso paramtrico. Ejemplo 2

Rauscher, Show y Ky (1993) estudiaron si la audicin
de la sonata K488 de Mozart incrementaba el
rendimiento en tareas cognitivas. Se pidi a un total
de 36 estudiantes que ejecutaran tres tareas de
razonamiento espacial. Previo a las tareas los sujetos
escuchaban, por un periodo de diez minutos, una de
las siguientes piezas: (a) la sonata para dos pianos
K488 de Mozart, (b) msica de relajacin y (c)
silencio. Los efectos de orden se controlaron
mediante contrabalanceo entresujetos de las tres
audiciones. La variable dependiente fue la puntuacin
obtenida en la tarea de razonamiento espacial.

Estadsticos descriptivos
Estimaciones
Medida: MEASURE_1

Periodo
Mozart
Relajacin
Silencio

Media
58.723
56.252
52.853

Error tp.
1.769
1.302
2.009

Intervalo de confianza al
95%.
Lmite
Lmite inferior
superior
55.131
62.315
53.607
58.896
48.775
56.931

Prueba de esfericidad
b
Prueba de esfericidad de Mauchly

Medida: MEASURE_1
Epsilon
Efecto intra-sujetos W de Mauchly
Msica
.964

Chi-cuadrado
aprox.
1.230

gl
2

Significacin
.541

Greenhous
e-Geisser
.966

Huynh-Feldt
1.000

Lmite-inferior
.500

Contrasta la hiptesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usarse para corregir los grados de libertad en las pruebas de significacin promediadas. Las pruebas corregidas
se muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Diseo: Intercept
Diseo intra sujetos: Msica

ANOVARM
Pruebas de efectos intra-sujetos.
Medida: MEASURE_1

Fuente
Msica

Error(Msica)

Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior

Suma de
cuadrados
tipo III
625.440
625.440
625.440
625.440
6172.125
6172.125
6172.125
6172.125

gl
2
1.931
2.000
1.000
70
67.598
70.000
35.000

Media
cuadrtica
312.720
323.834
312.720
625.440
88.173
91.307
88.173
176.346

F
3.547
3.547
3.547
3.547

Significacin
.034
.036
.034
.068

Formatos del diseo de medidas repetidas: Diseo de

medidas repetidas de cuadrado latino, S x A
O1

Orden
O2 O3

O4

Sujetos

S1

S2

S3

S4

Formatos del diseo de medidas repetidas: Diseo de

medidas repetidas factorial, S x A x B.
Tratamientos
A1

A2
Aj

B1 Bk
B1 Bk
B1 Bk
Medias
S1 Y111 ..Y11k Y121 ..Y12k Y1j1 Y1jk
Y1..
..

Sujetos

S2 Y211 ..Y22k

Y221 ..Y22k

Y2j1

Y..2jk

Y2..

Sn

Yn11 .. Yn1k

Medias Y.11 .. Y.12

..
..
Yn21 Y

Y
Y
n2k
nj1
njk
Y.21 .. Y.2k

Y.j1 .. Y.jk

Yn..
Y

TEMA IX

ESQUEMA GENERAL
Definicin general
Clasificacin
Diseo factorial mixto con una variable entre y otra
intra. Modelo estructural y componentes de
variacin
Diseo split-plot
Comparacin de las fuentes de variacin del Diseo
mixto con el de medidas repetidas simple y el
completamente al azar

DISEOS FACTORIALES MIXTOS

Diseo de medidas repetidas

multigrupo
o
factorial mixto

Diseo de medidas repetidas

multigrupo
El diseo de medidas repetidas multigrupo,
conocido tambin por diseo factorial mixto,
incorpora dos estrategias de inferencia de
hiptesis: estrategia de comparacin entre
grupos y estrategia de comparacin intra
sujetos. La estructura mixta combina, en un
mismo experimento, el procedimiento de
grupos independientes y el procedimiento con
sujetos de control propio.
..//..

Puesto que el diseo mixto integra, en un

mismo estudio, dos enfoques de investigacin
se aplica a aquellas situaciones donde estn
presentes, por lo menos, dos variables
independientes. As, los valores o niveles de la
primera variable independiente genera grupos
separados y su efecto se infiere por la
comparacin entre grupos o entre sujetos. ..//..

Esta variable independiente es conocida como

variable entre. Los valores de la segunda
variable se administran a todos los sujetos, en
cuyo caso los sujetos repiten medidas. Dado el
carcter de repeticin, esa segunda variable
recibe el nombre de variable intra. De esto se
concluye que el diseo mixto requiere siempre
una estructura factorial. O sea, son
experimentos donde intervienen como mnimo
dos variables.

Clasificacin

1 V.E. y 1 V.I. S(A)xB

2 V.E. y 1 V.I. S(AxB)xC
Diseo factorial
......................................
mixto
Diseo de
medidas
repetidas
multigrupo

......................................
N V.E. y N V.I

Una variable categrica

y una intra S(A)xB
Diseo split-plot Dos variables categricas
y una intra S(AxB)xC
Etc.

Formato del diseo de medidas

repetidas de dos grupos
Grupo

Tratamientos
A1

S1

Y11

A2

...........

Ak

Y12

............

Y1k

G1
Sn1

YN1

YN2

S1

Y11

Y12

Sn2

YN1

YN2

............

............

YNk

Y1k

G2
............

YNk

Ejemplo prctico 1
Un experimentador pretende estudiar el efecto
que sobre la memoria icnica tienen dos
variables: campo pos-exposicin y tiempo de
presentacin. De la primera variable, selecciona
dos valores: campo pos-exposicin brillante (A 1)
y campo pos-exposicin oscuro (A2). De la
segunda, elige cuatro valores: B1 = 45 c/sg, B2 =
90 c/sg, B3 = 180 c/sg, y B4 = 240 c/sg.

Para ejecutar este experimento, confecciona

tarjetas donde aparecen letras consonantes,
seleccionadas al azar, y las dispone en matrices
3 x 4. La tarea a realizar por los sujetos, va a
consistir en identificar, de forma correcta, la
mxima cantidad de letras. A su vez, decide
que cada sujeto ejecute 40 ensayos (diez
tarjetas por tiempo de presentacin). La
variable dependiente es la cantidad de
identificaciones correctas en bloques de 10
ensayos.

Modelo de prueba estadstica

Paso 1. Formulacin de las hiptesis de
nulidad:
H0: 1 = 2 = 0
H0 : 1 = 2 = 3 = 4 = 0
H0: 11 = 12 = 13 = 14 = 21 =
22 = 23 = 24 = 0

Paso 2. A cada hiptesis de nulidad est

asociada la siguiente hiptesis alternativa:
H1: por lo menos una desigualdad

Paso 3. Se asume el modelo ANOVA lineal. El

estadstico de la prueba es la F normal (bajo el
supuesto de homogeneidad y simetra), con un
nivel de significacin de = 0.05. El tamao
de la muestra experimental es N = an = 8 y la
cantidad de observaciones abn = 32.
Paso 4. Se calcula el valor emprico de F a
partir de la correspondiente matriz de datos del
experimento.

DISEO FACTORIAL MIXTO

TRATAMIENTOS
N Suj.

A1

A2

TOTALES

TOTALES

B1

B2

B3

B4

Suj.

V.A

1
2
3
4

25
31
24
21

26
35
33
30

27
37
28
31

34
39
40
35

112
142
125
117

496

5
6
7
8

13
16
31
21

14
19
34
22

20
30
36
33

30
38
41
38

77
103
142
114

436

182

213

242

295

932

Modelo estructural del diseo

Yijk = + [j + i/j] + [k + ()jk +

()ik/j ] + ijk

Supuestos del anova

Yij = la puntuacin del i sujeto bajo el j valor A y
el k valor de B
= la media comn a todos los datos del
experimento.
j = es el efecto de j nivel de la variable A.
i/j = el efecto asociado al i sujeto dentro de j nivel
de A.
k = el efecto del k nivel de B.
()jk = el efecto de la interaccin de Aj y Bk.
()ik/j = el efecto de la interaccin de S i y Bk, intra Aj.
ijk = el error de medida.

Dado que slo hay un dato por casilla

combinacin de S, A y B, no hay
variabilidad intra-casilla, As, SxB/A estima la
variancia del error.
Se asume que:
a) i NID(0,)
b) ()ik/j NID(0,)
b) ijk NID(0,)

Resumen de las fuentes de variacin del

diseo factorial mixto
Entre sujetos
Variable A
Sujetos intra A
Intra sujetos
Variable B
Interaccin A x B
Sujetos x B intra A

Tabla de totales
Datos de la interaccin AxB
B1
B2
B3 B4 Totales
A1

101

124

123

148

496

A2

81

89

119

147

436

Totales 182

213

242

295

932

CUADRO RESUMEN DEL AVAR. DISEO FACTORIAL MIXTO

F.V.

SC

g.l

Entre sujetos
Variable A
S/A (e. entre)
Intra sujetos
Variable B
Inter AxB
SxB/A (e. Intra)

785.5
112.5
673
1086
865.75
92.75
127.5

an-1=7
a-1=1
a(n-1)=6
an(b-1)=24
b-1=3
(a-1)(b-1)=3
a(n-1)(b-1)=18

Total

1871.5

abn-1=31

F0.95(1/6) = 5.99; F0.95(3/18) = 3.16

CM

112.50
112.17

>0.05

288.58

40.76
4.37

<0.05
<0.05

30.92
7.08

Modelo de prueba estadstica

Paso 5. De los resultados del anlisis, se
infiere la aceptacin de la hiptesis de nulidad
para la variable A y su no-aceptacin para la
variable B y la interaccin AxB, con una
probabilidad de error del 5 por ciento.

MEDIAS DE GRUPOS DE TRATAMIENTO

A1
A2

B1

B2

B3

B4

25.25
20.25

31
22.75

30.75
30.5

37
37

GRFICO INTERACCIN

Ejemplo prctico 2
Jones et al. (2003) estudiaron el efecto que tiene el
consumo de alcohol sobre la valoracin del atractivo
de personas no conocidas. En el experimento,
participaron 40 varones a los que se les presentaron
caras de hombres y de mujeres y tenan que valorar
su atractivo fsico en una escala del 1 al 7 (de menor
a mayor). Antes de la presentacin de los estmulos,
la mitad de los participantes ingiri una dosis de
alcohol, mientras que la otra mitad ingiri una
bebida refrescante. Se trata de un diseo factorial
mixto 2 x 2 con una variable intrasujeto (el sexo de
la persona cuya cara se ha de valorar) y una
variable entresujeto (el consumo de alcohol).

Prueba efectos intra-sujetos

Pruebas de efectos intra-sujetos.
Medida: MEASURE_1

Fuente
cara

cara * consumo_alcohol

Error(cara)

Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior

Suma de
cuadrados
tipo III
2.960
2.960
2.960
2.960
2.150
2.150
2.150
2.150
12.724
12.724
12.724
12.724

gl
1
1.000
1.000
1.000
1
1.000
1.000
1.000
38
38.000
38.000
38.000

Media
cuadrtica
2.960
2.960
2.960
2.960
2.150
2.150
2.150
2.150
.335
.335
.335
.335

F
8.841
8.841
8.841
8.841
6.422
6.422
6.422
6.422

Significacin
.005
.005
.005
.005
.016
.016
.016
.016

Prueba efectos inter-sujetos

Pruebas de los efectos inter-sujetos
Medida: MEASURE_1
Variable transformada: Promedio

Fuente
Interseccin
consumo_alcohol
Error

Suma de
cuadrados
tipo III
1006.698
4.767
12.523

gl
1
1
38

Media
cuadrtica
1006.698
4.767
.330

F
3054.816
14.466

Significacin
.000
.001

Grfico interaccin

Fin de los diseos

experimentales clsicos