TEORÍA SEGUNDO PARCIAL

INTERACCIÓN : Sólo pueden estudiarse por medio de los diseños factoriales , son de gran
relevancia para la psicología porque :
- Nos ayuda a entender la conducta compleja
-Pueden usarse para explorar las causas de resultados conflictivos en experimentos previos .

DISEÑO FACTORIAL : Es aquel en el que se emplean todas las combinaciones posibles de

los valores seleccionados de cada variable independiente . (a) permite estudiar simultáneamente
dos o más variables independientes . (b) pueden evaluarse las posibles interacciones entre las
variables independientes , existe una interacción cuando el valor de la variable dependiente que
resulta de una variable independiente , está influenciado por las o la otra variable independiente .
(c) El uso de los participantes es eficiente .

TÉRMINO DE ERROR PARA UN ANÁLISIS DE VARIANZA : Es el término de error que

debe utilizarse cuando los valores de las variables independientes han sido seleccionados
explícitamente

TIPOS DE DISEÑOS FACTORIALES

Diseños factoriales con dos variables independientes

-Diseño factorial 2 X 2 : En este diseño estudiamos los efectos de dos variables independientes.
Como el diseño 2 X 2 tiene dos números ( 2 y 2 ) , podemos decir que hay dos variables
independientes ; Como los valores de ambas también son 2 , sabemos que cada variable
independiente varía de dos maneras .
Del 2 X 2 , también podemos decir cuantas condiciones experimentales existen : 2 multiplicado
por 2 es igual a 4 .

-Diseño factorial 3 X 2 : En este diseño se estudian dos variables independientes , una de las
cuales varía en tres maneras mientras que la segunda asume dos valores .

-Diseño factorial 3 X 3 : En este diseño también se estudian dos variables independientes , cada
una de las cuales toma tres valores , asignamos a los participantes nueve condiciones
experimentales .

-Diseño factorial K x L : En el diseño factorial generalizado para dos variables independientes ,

K representa a la primera variable independiente y L es la segunda variable independiente . K y
L pueden asumir cualquier valor .

Diseños factoriales con más de dos variables independientes

- Diseño factorial 2 x 2 x 2 : En este caso , el factorial más simple para estudiar tres variables
independientes cambia en dos maneras , por lo que tenemos ocho condiciones experimentales .

- Diseño factorial K x L x M : Diseño factorial con tres variables independientes , K ,L y M

pueden asumir cualquier valor positivo entero que el experimentador desee . Por ejemplo , si
cada variable independiente asume tres valores tendremos un diseño 3 x 3 x 3 .

VARIABLE DE IGUALACIÓN : Sirve como ayuda para asegurar la equivalencia de los dos
grupos . Por lo tanto es una medida objetiva cuantificada que permite dividir a los participantes
en dos grupos equivalentes .
DISEÑO ENTRE GRUPOS : Hay dos o más valores de la variable independiente y en el
experimento se administra un valor a cada grupo .

DISEÑO DE TRATAMIENTOS REPETIDOS O INTRAGRUPOS : Diseño en que dos o

más variables independientes se administran , alternadamente , a los mismos participantes .

CORRELACIÓN : relación entre variables que es importante para conducir una invertigación
no experimental y para comprender una investigación experimental

COEFICIENTE DE CORRELACIÓN : indicador del grado de relación entre dos variables

que pueden estar lineal o curvilineamente relacionados .

COEFICIENTE DE CORRELACIÓN DE ORDEN CERO : indica que las variables no están

relacionadas .

RELACIÓN POSITIVA : indica que a medida que el valor de una variable incrementa ,
también lo hace el valor de la otra (se trata de una realción directa )

RELACIÓN NEGATIVA : indica que a medida que incrementa el valor de una variable , el
valor de la otra disminuye (es una relación inversa )

DIAGRAMA DE DISPERSIÓN : representación de los datos en una gráfica que proporciona

una imagen de la relación .

RELACIÓN CAUSA – EFECTO : se demuestra sistemáticamente que una variable

independiente afecta a una variable dependiente en un experimento bien controlado en que se
controlan las influencias diferenciales de variables extrañas .