Académique Documents
Professionnel Documents
Culture Documents
ESQUEMA GENERAL
Definición general
Clasificación
Diseño factorial A x B, completamente
al azar
Representación de los efectos
factoriales
Modelo estructural, análisis y
componentes de variación
DISEÑO FACTORIAL
Concepto
Cantidad de niveles
Tipo de control
Clasificación del diseño factorial por
criterio
A) Según la cantidad de niveles o valores por
factor, el diseño factorial se clasifica en:
Cantidad constante
Cantidad de valores
Cantidad variable
La notación del diseño es más sencilla cuando
la cantidad de niveles por factor es igual (es
decir, constante). Así, el diseño factorial de dos
factores a dos niveles se representa por 2², el
de tres factores por 23, etc. En términos
generales, los diseños 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 actúan a más de dos
niveles (es decir, cuando la cantidad de valores
por factor es variable), el diseño 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 diseño sea balanceado
(proporcionado) o no balanceado (no
proporcionado); es decir, diseños con igual
cantidad de sujetos por casilla y diseños con
desigual cantidad de sujetos por casilla.
B) El segundo criterio hace hincapié en la
cantidad de combinaciones de tratamiento
realizadas o ejecutadas. Con base a este criterio,
el diseño factorial se clasifican en:
Cantidad de
combinaciones
de tratamiento
Diseño factorial
completamente al azar
Diseño factorial de bloques
aleatorizados
Diseño factorial de Cuadrado
Grado de control Latino
Diseño factorial jerárquico o
anidado
Diseño factorial de medidas
repetidas
Según el control de los factores extraños y la
reducción de la variancia del error, el diseño
factorial puede ser, en primer lugar,
completamente al azar; es decir, aquel formato
donde sólo se aplica el azar como técnica de
control y donde los grupos se forman
mediante la asignación aleatoria de los
sujetos. ..//..
En segundo lugar, el diseño factorial de
bloques aleatorizados permite el control de una
variable extraña. Según esa estrategia, cada
bloque es un réplica completa del experimento,
y los grupos intra bloque (dentro de cada
bloque) se forman al azar. ..//..
Siguiendo con el criterio de bloques, el diseño
factorial de Cuadrado Latino o de doble
sistema de bloques controla dos fuentes de
variación extrañas, aunque sólo se realiza una
parte del total de combinaciones. ..//..
El diseño factorial jerárquico o anidado
requiere la manipulación experimental de la
variable y, al mismo tiempo, la anidación (o
inclusión) de una variable dentro de las
combinaciones de tratamientos de los factores.
..//..
Por último, el diseño factorial de medidas
repetidas incorpora la técnica intra-sujeto; es
decir, el sujeto actúa de control propio y recibe
todas las combinaciones de tratamiento
generados por la estructura factorial.
Criterios Diseño
1. Efectos simples
2. Efectos principales
3. Efectos secundarios
Efectos factoriales simples
A1B1 A1B2
A2B1 A2B2
Formato del diseño factorial
completamente al azar
V.E. Z1 Z2 Z3 Z4
V.I. A1B1 A1B2 A2B1 A2B2
S1 S1 S1 S1
SCentre-grupos SCB
SCtotal SCAB
SCintra-grupos SCS/AB
CUADRO RESUMEN DEL AVAR PRIMERA ETAPA:
DISEÑO FACTORIAL 2X2
F.V. SC g.l. CM F p
F0.95(3/28) = 2.95
Inferencia del primer análisis
B1 B2 TOTALES
A1 52 27 79
A2 70 60 130
TOTALES 122 87 209
CUADRO RESUMEN DEL AVAR SEGUNDA ETAPA:
DISEÑO FACTORIAL 2X2
F.V. SC g.l CM F p
A1
A2
B1 B2
Interacción positiva
A1
A2
B1 B2
Interacción negativa
A1
A2
B1 B2
Interacción inversa
A2
A1
B1 B2
Representación gráfica de la interacción
B1 B1
B1
B2 B2
B2
A1 A2 A1 A2 A1 A2
B2
B1 Interacción inversa
A1 A2
MEDIAS DE GRUPOS DE TRATAMIENTO
B1 B2
A1 6.5 3.38
A2 8.75 7.5
GRÁFICO INTERACCIÓN
10
Promedio ensayos correctos
9 8,75
8
7,5
7
6,5
6
A1 (Incentivo bajo)
5
A2 (Incentivo alto)
4
3 3,38
2
1
0
B1 (Tarea simple) B2 (Tarea compleja)
Caso paramétrico. Ejemplo 2
………………………………………….
………………………………………….
Definición general
Clasificación
Diseño de medidas repetidas simple. Modelo
estructural y componentes de variación
Diseño de medidas repetidas de Cuadrado Latino.
Modelo estructural y componentes de variación
Diseño de medidas repetidas factorial. Modelo
estructural y componentes de variación
Simple (SxA)
Diseños
de medidas
repetidas
Factorial (SxAxB,
SxAxBxC, etc.)
Clasificación del diseño en función
de los grupos
De un grupo o muestra
(SxA)
Diseños
de medidas
repetidas
Multimuestra (S(A)xB)
Diseño de medidas repetidas simple
de un grupo
Concepto
El diseño simple de medidas repetidas es
prototípico en esa clase de experimentos, al
incorporar la estrategia de comparación intra-
sujeto. Lindquist (1953) se refiere a estas
estructuras como diseños de Tratamientos x
Sujetos, ya que los sujetos se cruzan o combinan
con los tratamientos. Así mismo, es un diseño
simple o unifactorial porque sólo se evalúa la
acción de una variable independiente o de
tratamientos. ..//..
La principal ventaja del diseño, dada su
especial disposición, es la posibilidad de
extraer del error una de sus fuentes de
variación más importante: la variación
atribuida a las diferencias individuales.
Estructura del diseño
Tratamientos Medias
A1 A2 A3 … Aj
S1 Y11 Y12 Y13 … Y1j Y1.
S2 Y21 Y22 Y23 … Y2j Y2.
Sujetos
. ……………………………… .
. ……………………………… .
. ……………………………… .
Sn Yn1 Yn2 Yn3 … Ynj Yn.
H0: μ1 = μ2 = μ3
Paso 2. Según la hipótesis experimental o
hipótesis de efectividad se asume que, uno o
más tratamientos o efectos es significativo
(distinto de cero). En términos estadísticos se
afirma que:
H1: μ1 μ2, o μ1 μ3, o μ2 μ3
H1: por lo menos una desigualdad
Paso 3. Se asume un modelo ANOVA de
aditividad. El estadístico de la prueba es la F
normal, a un nivel de significación de α = 0.05.
El tamaño de la muestra experimental es N = n
= 3.
TRATAMIENTOS
N. Sujeto A1 A2 A3 TOTALES
Yij i j ij
Descripción y supuestos
a) ηi NID(0,ση²)
b) εij NID(0,σε²)
c) Σ = ση²11' + σε²I
CUADRO RESUMEN DEL ANOVA: DISEÑO MEDIDAS
REPETIDAS
F.V. SC g.l CM F p
F0.95(2/4) = 6.94
Modelo de prueba de hipótesis
12 12 13
21 22 23
31 32 3
2
H0: S = Σ
Decisión estadística
A(H0)--------> p>0.05
Alternativas de análisis del diseño de medidas
repetidas
F normal
ANOVA F conservadora
F ajustada
Diseño de
medidas
repetidas
MANOVA
Fórmulas para el cálculo de los grados de
libertad de las F's.
Grados de F normal F F ajustada
libertad de F conservadora
Epsilón de:
= 0.72
Valores teóricos de las F's de las distintas
pruebas, a un nivel de significación de 0.05.
Normal 2 4 6.94
Ajustada 1 3 10.13
Conservadora 1 2 18.51
Caso paramétrico. Ejemplo 2
Estimaciones
Medida: MEASURE_1
Intervalo de confianza al
95%.
Límite
Periodo Media Error típ. Límite inferior superior
Mozart 58.723 1.769 55.131 62.315
Relajación 56.252 1.302 53.607 58.896
Silencio 52.853 2.009 48.775 56.931
Prueba de esfericidad
b
Prueba de esfericida d de Ma uchly
Medida: MEASURE_1
a
Epsilon
Chi-cuadrado Greenhous
Efecto intra-sujetos W de Mauchly aprox. gl Significación e-Geisser Huynh-Feldt Límite-inferior
Música .964 1.230 2 .541 .966 1.000 .500
Contrasta la hipótesis 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 significación promediadas. Las pruebas corregidas
se muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Diseño: Intercept
Diseño intra sujetos: Música
ANOVARM
Medida: MEASURE_1
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
Música Esfericidad asumida 625.440 2 312.720 3.547 .034
Greenhouse-Geisser 625.440 1.931 323.834 3.547 .036
Huynh-Feldt 625.440 2.000 312.720 3.547 .034
Límite-inferior 625.440 1.000 625.440 3.547 .068
Error(Música) Esfericidad asumida 6172.125 70 88.173
Greenhouse-Geisser 6172.125 67.598 91.307
Huynh-Feldt 6172.125 70.000 88.173
Límite-inferior 6172.125 35.000 176.346
Formatos del diseño de medidas repetidas: Diseño de
medidas repetidas de cuadrado latino, S x A
Orden
O1 O2 O3 O4
S1 A B C D
S2 B C D A
Sujetos
S3 C D A B
D A B C
S4
Formatos del diseño de medidas repetidas: Diseño 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..
S2 Y211 ..Y22k Y221 .. Y22k … Y2j1 ..Y2jk Y2..
Sujetos
. …………………………………………… .
. …………………………………………… .
. …………………………………………… .
Sn Yn11 .. Yn1k Yn21 ..Yn2k … Ynj1 ..Ynjk Yn..
Definición general
Clasificación
Diseño factorial mixto con una variable entre y
otra intra. Modelo estructural y componentes de
variación
Diseño split-plot
Comparación de las fuentes de variación del Diseño
mixto con el de medidas repetidas simple y el
completamente al azar
DISEÑOS FACTORIALES MIXTOS
Diseño de medidas repetidas
multigrupo
o
factorial mixto
Diseño de medidas repetidas
multigrupo
El diseño de medidas repetidas multigrupo,
conocido también por diseño factorial mixto,
incorpora dos estrategias de inferencia de
hipótesis: estrategia de comparación entre
grupos y estrategia de comparación 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 diseño mixto integra, en un
mismo estudio, dos enfoques de investigación
se aplica a aquellas situaciones donde están
presentes, por lo menos, dos variables
independientes. Así, los valores o niveles de la
primera variable independiente genera grupos
separados y su efecto se infiere por la
comparación 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
carácter de repetición, esa segunda variable
recibe el nombre de variable intra. De esto se
concluye que el diseño mixto requiere siempre
una estructura factorial. O sea, son
experimentos donde intervienen como mínimo
dos variables.
Clasificación
1 V.E. y 1 V.I. S(A)xB
2 V.E. y 1 V.I. S(AxB)xC
Diseño factorial ......................................
mixto ......................................
Diseño de N V.E. y N V.I
medidas
repetidas Una variable categórica
multigrupo y una intra S(A)xB
Diseño split-plot Dos variables categóricas
y una intra S(AxB)xC
Etc.
Formato del diseño de medidas
repetidas de dos grupos
Grupo Tratamientos
A1 A2 ........... Ak
G1
G2
(ηβ)ik/j ] + εijk
Supuestos del anova
Entre sujetos
Variable A
Sujetos intra A
Intra sujetos
Variable B
Interacción A x B
Sujetos x B intra A
Tabla de totales
Datos de la interacción AxB
B1 B2 B3 B4 Totales
F.V. SC g.l CM F p
Entre sujetos 785.5 an-1=7
Variable A 112.5 a-1=1 112.50 1 >0.05
S/A (e. entre) 673 a(n-1)=6 112.17
Intra sujetos 1086 an(b-1)=24
Variable B 865.75 b-1=3 288.58 <0.05
40.76
Inter AxB 92.75 (a-1)(b-1)=3 30.92 <0.05
4.37
SxB/A (e. Intra) 127.5 a(n-1)(b-1)=18 7.08
B1 B2 B3 B4
A1 25.25 31 30.75 37
A2 20.25 22.75 30.5 37
GRÁFICO INTERACCIÓN
40
Identificaciones correctas
38 37
36
34 31 30,75
32
30
28 25,25 30,5 A1 (Campo brillante)
26 A2 (Campo oscuro)
24
22 22,75
20
18 20,25
16
14
g)
g)
g)
g)
c/s
c/s
c/s
c/s
80
40
5
0
(4
(9
(1
(2
B1
B2
B3
B4
Ejemplo práctico 2
Jones et al. (2003) estudiaron el efecto que tiene el
consumo de alcohol sobre la valoración 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
tenían que valorar su atractivo físico en una escala
del 1 al 7 (de menor a mayor). Antes de la
presentación de los estímulos, la mitad de los
participantes ingirió una dosis de alcohol, mientras
que la otra mitad ingirió una bebida refrescante. Se
trata de un diseño 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
Medida: MEASURE_1
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
cara Esfericidad asumida 2.960 1 2.960 8.841 .005
Greenhouse-Geisser 2.960 1.000 2.960 8.841 .005
Huynh-Feldt 2.960 1.000 2.960 8.841 .005
Límite-inferior 2.960 1.000 2.960 8.841 .005
cara * consumo_alcohol Esfericidad asumida 2.150 1 2.150 6.422 .016
Greenhouse-Geisser 2.150 1.000 2.150 6.422 .016
Huynh-Feldt 2.150 1.000 2.150 6.422 .016
Límite-inferior 2.150 1.000 2.150 6.422 .016
Error(cara) Esfericidad asumida 12.724 38 .335
Greenhouse-Geisser 12.724 38.000 .335
Huynh-Feldt 12.724 38.000 .335
Límite-inferior 12.724 38.000 .335
Prueba efectos inter-sujetos
Medida: MEASURE_1
Variable transformada: Promedio
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
Intersección 1006.698 1 1006.698 3054.816 .000
consumo_alcohol 4.767 1 4.767 14.466 .001
Error 12.523 38 .330
Gráfico interacción
Fin de los diseños
experimentales clásicos