Documentos de Académico
Documentos de Profesional
Documentos de Cultura
experimentales de
dos grupos al azar
Objetivos D. 2G A
1
continua
Esquema general D. 2G A
VD
• Selección de un modelo
• Evaluación del modelo
• Interpretación del modelo
D V
• Potencia estadística
• Tamaño del efecto
• Tamaño muestral
• Ventajas e inconvenientes
• Conclusiones Resumen
Metodología experimental en las ciencias del comportamiento. U. de Málaga © M.R.S. 2003
• Diseño experimental:
Variable independiente: orden de presentación de los
adjetivos que describían a la persona en cuestión
Grupo A1: 1º) adjetivos + 2º) adjetivos -
Grupo A2: 1º) adjetivos - 2º) adjetivos +
Variable dependiente: impresión subjetiva de esa persona
(informe escrito)
2
Caracterización D. 2G A
Clasificación D. 2G A
A1 A2
3
Control de variables extrañas D. 2G A
aleatorización
Universo o
población
Muestra
experimental
Tratamientos
experimentales
Un ejemplo ilustrativo D. 2G A
4
Matriz de datos + codificación de efectos D. 2G A
61 0 -1
26 1 1
32 1 1
22 1 1
38 1 1 nº de variables ficticias = categorías -1
80 0 -1
17 1 1
d=c-1
10 1 1
47 1 1
15 1 1 codificación respecto a...
50 0 -1
25 1 1
50 1 1 categoría de referencia promedio de las categorías
30 1 1
78 0 -1
10
35
1
0
1
-1
A1 → 0 A1 → -1
31 1 1 A2 → 1 A2 → 1
4 1 1
6 1 1
categoría de referencia
7 1 1
17 1 1
37 0 -1
45 0 -1
50 0 -1
67 0 -1
70 1 1 Metodología experimental en las ciencias del comportamiento. U. de Málaga © M.R.S. 2003
5
Análisis descriptivo D. 2G A
> mean(estrés)
[1] 35.55556
> sd(estrés)
[1] 22.36641
> tapply(estrés,experiencia,mean) media aritmética
sin exp con exp
55.88889 25.38889
> tapply(estrés,experiencia,sd) desviación típica
sin exp con exp
16.58647 17.53027
> tapply(estrés,experiencia,length) N
sin exp con exp
9 18
> tapply(estrés,experiencia,summary)
$"sin exp"
Min. 1st Qu. Median Mean 3rd Qu. Max.
35.00 45.00 50.00 55.89 67.00 80.00
$"con exp"
Min. 1st Qu. Median Mean 3rd Qu. Max.
4.00 11.25 23.50 25.39 31.75 70.00
Representación gráfica D. 2G A
sin con
boxplot(estrés[experiencia==0], estrés[experiencia==1],
main="Diagrama de cajas",xlab="experiencia previa",
ylab="nivel de estrés", col="orange")
6
modelo estructural matemático D. 2G A
Yij = µ + α j + ε ij
Yij = i-ésima observación registrada correspondiente al j-ésimo nivel del factor A
µ = efecto combinado de todos los factores constantes del experimento
αj = efecto principal del tratamiento j del factor A
equivalentes
εijk = error experimental o término de perturbación
m. de regresión con variable categórica
Yij = β o + β1 X j + ε ij
Metodología experimental en las ciencias del comportamiento. U. de Málaga © M.R.S. 2003
Especificación de modelos D. 2G A
Comandos de R
7
Estimación de parámetros D. 2G A
Coefficients:
(Intercept) experiencia
55.89 -30.50 Yij = 55.89 - 30.50Xj
Degrees of Freedom: 26 Total (i.e. Null); 25 Residual
Null Deviance: 13010
Residual Deviance: 7425 AIC: 234.3
Coefficients:
(Intercept) experiencia
40.64 -15.25 Yij = 40.64 - 15.25Xj
Degrees of Freedom: 26 Total (i.e. Null); 25 Residual
Null Deviance: 13010
Residual Deviance: 7425 AIC: 234.3
Metodología experimental en las ciencias del comportamiento. U. de Málaga © M.R.S. 2003
Selección de un modelo D. 2G A
DMA ≤ DMN
( DMN − DMA ) /( pMA − pMN ) reducción del error por parámetro adicional
F=
DMA /( n − pMA ) reducción potencial del error
por parámetro adicional
refleja el error que en promedio reduce cada variable del
MA respecto a la reducción producida por variables triviales
> anova(MN,MA)
Analysis of Deviance Table
Resid. Df Resid. Dev Df Deviance
Model 1 estrés ~ 1: 26 13006.7
Model 2 estrés ~ 1 + exp 25 7425.2 1 5581.5
Metodología experimental en las ciencias del comportamiento. U. de Málaga © M.R.S. 2003
8
Evaluación del modelo D. 2G A
interpretaciones
% de la variabilidad de Y debida a X
(explicada por la ecuación de regresión)
y0 = b0
y1- y0 = b1
y1
MA : Yˆ = b0 + b1 × exp
9
Interpretación del modelo D. 2G A
> mi.modelo
estrés exp valor ajustado residual
[1,] 61 0 55.88889 5.1111111
[2,] 26 1 25.38889 0.6111111
[3,] 32 1 25.38889 6.6111111 > mi.modelo<-rep(0,27*4)
[4,] 22 1 25.38889 -3.3888889 > dim(mi.modelo)<-c(27,4)
[5,] 38 1 25.38889 12.6111111
[6,] 80 0 55.88889 24.1111111 > mi.modelo[,1]<-estrés
[7,] 17 1 25.38889 -8.3888889
> mi.modelo[,2]<-experiencia
[8,] 10 1 25.38889 -15.3888889
[9,] 47 1 25.38889 21.6111111 > mi.modelo[,3]<-fitted.values(MA)
[10,] 15 1 25.38889 -10.3888889 > mi.modelo[,4]<-residuals(MA)
[11,] 50 0 55.88889 -5.8888889
[12,] 25 1 25.38889 -0.3888889 > colnames(mi.modelo)<-c("estrés",
[13,] 50 1 25.38889 24.6111111 "exp","valor ajustado","residual")
[14,] 30 1 25.38889 4.6111111
[15,] 78 0 55.88889 22.1111111
[16,] 10 1 25.38889 -15.3888889
[17,] 35 0 55.88889 -20.8888889
[18,] 31 1 25.38889 5.6111111 datos = modelo + error
[19,] 4 1 25.38889 -21.3888889
[20,] 6 1 25.38889 -19.3888889 estrés = ajustado + residual
[21,] 7 1 25.38889 -18.3888889
[22,] 17 1 25.38889 -8.3888889 estrés2 = 26 = 25.39 + 0.61
[23,] 37 0 55.88889 -18.8888889
[24,] 45 0 55.88889 -10.8888889
[25,] 50 0 55.88889 -5.8888889
[26,] 67 0 55.88889 11.1111111
[27,] 70 1 25.38889 44.6111111
Metodología experimental en las ciencias del comportamiento. U. de Málaga © M.R.S. 2003
bandas de predicción
10
Análisis estadístico convencional D. 2G A
Prueba no NO SÍ Prueba
paramétrica VD = cuantitativa paramétrica
NO SÍ Prueba de
VD = ordinal homoscedasticidad
NO
Grupos
variable variable homogéneos
nominal ordinal SÍ
P. “t” de Student
para m. independs.
χ2 como prueba Prueba “U”
de homogeneidad de
de respuesta Mann-Whitnney NO
¿ha actuado
v. extraña?
Interpretación SÍ
de resultados ANCOVA
11
A. estadístico convencional: t de Student D. 2G A
[1,] 61 0 23.0
[2,] 26 1 11.0
>estrés.ord<-rank(estrés) [3,] 32 1 14.0
[4,] 22 1 9.0
>lm(estrés.ord~1+experiencia) [5,] 38 1 17.0
[6,] 80 0 27.0
Call: [7,] 17 1 7.5
[8,] 10 1 4.5
lm(formula = estrés.ord ~ 1 + experiencia) [9,] 47 1 19.0
[10,] 15 1 6.0
Coefficients: [11,] 50 0 21.0
[12,] 25 1 10.0
(Intercept) experiencia [13,] 50 1 21.0
21.22 -10.83 [14,] 30 1 12.0
[15,] 78 0 26.0
[16,] 10 1 4.5
[17,] 35 0 15.0
[18,] 31 1 13.0
[19,] 4 1 1.0
[20,] 6 1 2.0
[21,] 7 1 3.0
Yˆ = b0 + b1 X = 21.22 - 10.83X [22,]
[23,]
17
37
1
0
7.5
16.0
[24,] 45 0 18.0
[25,] 50 0 21.0
[26,] 67 0 24.0
[27,] 70 1 25.0
12
Tamaño del efecto D. 2G A
efecto de la VI αj = µj −µ
J J
no existe NO SÍ
efecto del factor
σ α2 ≠ 0 efecto del factor
D. 2G A
efecto del factor
σ α2
ϕ2 =
σ α2 + σ e2
13
Ventajas e inconvenientes D. 2G A
Conclusiones D. 2G A
14
Conclusiones D. 2G A
Enfoque VD Análisis
continua • Regresión con v. categórica binaria
Modelado ordinal • Regresión con transformación ordinal
estadístico binaria • Regresión logística
frecuencia • Regresión logit
recuento • Regresión de Poisson
“Recetario” continua • Prueba t de Student para muestras independs.
estadístico ordinal • Prueba U de Mann-Whitnney
15