DISEÑOS DE INVESTIGACIÓN

TEMA 1. DEFINICIÓN DE OBJETIVOS DE INVESTIGACIÓN

1. OBJETIVOS GENERALES DE LA ASIGNATURA
- Aprendizaje de habilidades de diseño y análisis de datos en investiación
comportamental
- Motvar acttudes de investiación en la práctca proaesional
- Aprender a hacer un uso crítco de la inaormación cientíca

2. EL MÉTODO CIENTÍFICO
- El método cientíco arente a otras aormas de aceptación de ideas como autoridad, o
razón (Pierce) : - basado en observaciones empíricas objetvas y replicables que
permitan acuerdo intersubjetvo
- deíniciones operacionales de términos y procedimientos
- APRENDIZAJE CASUAL Y CIENTÍFICO

- ETAPAS de investiación

3. EL PROBLEMA
- Preiunta sin respuesta sobre la naturaleza del comportamiento
- Planteamiento claro, que admita soluciones precisas empíricamente contrastables
- Proceso creatvo motor de la actvidad cientíca
- FUENTES de problemas: - Vacío en el conocimiento
- Resultados contradictorios
- Explicación de un aenómeno atpico
- NIVELES DE ANÁLISIS:
- Cuatro preiuntas sobre el comportamiento (Timberien, 1963):

- Utilidad: - Investiación básica: - curiosidad

- elaboración de modelos teóricos
- no busca resultados práctcos a corto plazo
- Investiación aplicada: - solución de un problema humano planteado
- resultados a corto plazo

4. LA HIPÓTESIS
- Solución tentatva al problema
- Empíricamente contrastable
- Implicación lóiica entre variables  si p entonces q
- Parsimonia sencillez, simplicidad en las hipótesis

- GENERACIÓN DE HIPÓTESIS:
- Sentdo común y observaciones accidentales
- Teorías: - sistemas de proposiciones enlazados lóiicamente entre sí mediante unos
principios
- las teorías como iuías
- permiten hacer predicciones, en luiar de postdicciones o explicaciones a
posteriori
- Ej. Investiación criminolóiica (Arnau, 1979)
- Preparación, incubación, ideación, evaluación (Wallas, 129)
- Búsquedas biblioiráícas

- CRITERIOS para la aormulación operatva de hipótesis:

- Identícación de la población de reaerencia
- Deíniciones empíricas de términos y procedimientos
- Fundamentación psicolóiica de las predicciones
- Predicciones especíícas
- Controlar variables extrañas
- Gereralidad

- FORMULACIÓN de hipótesis: FALSACIONISMO:

- Mediante la inducción podemos apoyar, pero no probar deínitvamente una
hipótesis. Ej. si es cisne, entonces es blanco
- Sin embario, podemos aalsarla, si el antecedente se produce con la neiación del
consecuente (Popper, 1959). Ej. aparece un cisne neiro
- Control de calidad de la hipótesis: intentar aalsarla, someténdola a situaciones de
 riesio

- FORMULACIÓN de hipótesis MÚLTIPLES EN COMPETENCIA:

- Experimento como criterio decisorio entre ideas (Francis Bacon, 1214-1292)
- Evaluación simultánea de más de una hipótesis
- Ejemplo en el estudio del aprendizaje animal. Ej. Coinitvismo vs. conductsmo
(Tolman, 1932)  ratas que condicionaron a iirar a la derecha en el laberinto,
cuando salían del luiar opuesto se esperaba por conductsmo que iiraran a la
derecha, pero iiraban a la izquierda porque habían elaborado un mapa coinitvo

TEMA 2. DECISIONES A TOMAR PARA LA RECOGIDA DE

DATOS

5. PLANIFICACIÓN DE LA INVESTIGACIÓN

6. ESPECIFICACIÓN DE UN DISEÑO
- Un diseño de investiación resulta de la toma de decisiones determinantes de una
estrateiia de recoiida de datos: - el muestreo
- la medida
- el tratamiento
- el contexto

7. MUESTREO
- Unidad de observación: la entdad sica de donde se obtenen las medidas: personas,
aamilias, empresas, hospitales, escuelas, parejas
- Población: un conjunto bien deínido de unidades de observación
- Muestra: un subconjunto de la población

- MUESTREO PROBABILÍSTICO I  MUESTREO ALEATORIO SIMPLE

- Cada persona en la población tene la misma probabilidad de ser incluída en la
muestra
- Se obtene mediante: - un censo que identíca todas las unidades de observación
- una selección mediante un procedimiento ienerador de
nºs aleatorios, como una tabla, o un alioritmo inaormátco

- MUESTREO PROBABILÍSTICO II  MUESTREO ALEATORIO ESTRATIFICADO

 - Dividir la población en dos o más niveles de una variable de clasiícación como
iénero, raza, o reliiión
- Realizar un muestreo aleatorio simple para cada nivel o estrato
- Los estratos son de interés para el investiador, con ínes de ieneralización o control

- MUESTREO PROBABILÍSTICO III  MUESTREO MULTINIVEL POR ETAPAS

- Las unidades de observación que componen la población se reúnen en unidades de
muestreo de mayor tamaño y orianizadas jerárquicamente: ej. escuelas, municipios y
provincias
- Se realiza un muestreo aleatorio simple sucesivo de las unidades muestrales en cada
uno de los niveles y comenzando por el superior
- Este procedimiento se puede utlizar cuando es di cil, y costoso el obtener un censo
de la población

- MUESTREO NO PROBABILÍSTICO
- MUESTREO POR CONVENIENCIA: La selección del irupo de personas o unidades de
observación no se realiza de aorma aleatoria sino
por motvos práctcos
- MUESTREO POR CUOTAS: Muestro estratícado, pero la selección de unidades dentro
de cada estrato no es aleatoria

8. LA MEDIDA
- Medir es asiinar números a las unidades de observación para representar sus atributos
o propiedades
- Deíne explícita y operatvamente las variables:
- contexto sico y social
- estmulos, instrumentos y materiales
- procedimientos de administración
- cuantícación de la respuesta:
- Latencia: tempo entre un evento especííco y el comienzo del
comportamiento
- Frecuencia: el nº de veces que ocurre una respuesta por unidad de
tempo
- Duración: el tempo de permanencia de un patrón conductual antes
de que cese
- Intensidad: la amplitud de un patrón de una conducta cuantícable
- TIPOS DE MEDIDA
- Observación conductual: - Exploratoria: cuando la conducta se conoce menos
- Sistemátca: laboratorio por ej., contextos, tareas y
estmulos controlados
- Autoinformes: - Entrevistas: exploratoria y estructurada
- Cuestonarios
- Tests tpiícados
- Registros psicobiológicos: - Sistema nervioso central: EEG, FMRI, etc.
- Sistema nervioso sensoriomotor: respiración, etc.
- Sistema nervioso autónomo: tasa cardíaca, etc.
- Neuroquímicas y hormonales: cortsol, etc.
- Seiún el nº de medidas registradas en cada unidad de observación:
 - Respuesta única
- Respuesta múltple: - Sincrónicas: se miden todas las respuestas a la vez
- Diacrónicas: se mide una respuesta varias veces en el
Tiempo
- Seiún el momento de registro: - Retrospectvas: se tomaron las medidas en el
pasado, ej. ver antiuos archivos
- Prospectvas: nosotros ieneramos las medidas o,
por ej. se toman en varios momentos
las medidas (terapia)
- Seiún la proximidad del evaluador: - Presenciales: el evaluador está tomando en
persona las medidas
- Distales: no están en persona, ej. poner una
cámara a un del n y ver los datos en
vídeo

- INDICES DE CALIDAD DE LAS MEDIDAS

- Validez: incluir resultados psicométricos que apoyen el uso de un test para los
objetvos del trabajo
- Fiabilidad: incluir resultados psicométricos que apoyen la repetbilidad de los
resultados a otras ocasiones, ítems o jueces

- LA VARIABLE INDEPENDIENTE
- Extensión de la conducta ordinaria de interacción y jueio con el medio sico y social
- El investiador la manipula para averiiuar sus eaectos sobre una medida o V.D.
- Se denomina también variable de tratamiento o intervención
- ¿Qué pasará si haio esto?
- V.I. es un constructo, requiere íabilidad y validez

- LA VARIABLE DEPENDIENTE
- Está bajo control del experimentador
- Este asiina o aplica sus distntos niveles a la unidad experimental
- Unidad experimental: - la entdad sica más pequeña que recibe el tratamiento,
siempre cada 1 de ellas pueda recibir un tratamiento distnto
- puede ser un irupo o un individuo
- Unidad de observación: diaerente a unidad experimental porque puede ser un
individuo del irupo (ud. experimental) o el irupo entero
también (la media)

- ALGUNOS TIPOS DE MANIPULACIONES

- Estmulación sica: temperatura, ruído, etc.
- Social: conducta de ayuda, tener público, etc.
- Procedimientos: instrucciones, tareas (recordar lista de tareas, escribir números que
recuerdes, etc. es manipular procesos coinitvos)
- Estados internos: aármaco, ciruiía, estmulación intracraneal, etc.

- PROPIEDADES PSICOMÉTRICAS
- Fiabilidad: tpiícación de procedimientos en las distntas ocasiones de aplicación del
tratamiento
- Validez de constructo: - aplicación del tratamiento consistente con la teoría
- controles de manipulación
 - evitar sesios metodolóiicos: - eaecto placebo
-expectatvas del experimentador

- LA ESTRUCTURA DEL TRATAMIENTO

- La descripción del nº y niveles de las variables independientes que se asiinarán a las
unidades experimentales
- Unifactorial: - un tpo de tratamiento (o aactor) con varios niveles
- ej. 4 dosis de un aármaco 10 mi --- 20 mi --- 30 mi --- 40 mi
- Factoriales: - combinaciones de 2 TIPOS de tratamiento
- cada casilla deíne una condición experimental o tratamiento

- combinaciones de 3 TIPOS de tratamiento

- EL CONTEXTO
- Ambiente sico: - luiar
- tempo
- iluminación, ruido, temperatura, humedad
- Ambiente social: - eaectos del experimentador: - demoiráícas: sexo, edad, raza
-conductuales: personalidad, experiencia
- Relaciones entre irupos: - comunicación entre sujetos (diausión de tratamientos)
- desmoralización o rivalidad compensatoria del irupo sin
Tratamiento
- Estudios de laboratorio y estudios de campo

TEMA 3. EL DISEÑO CONCEPTO Y CLASIFICACIÓN

- Un diseño de investiación resulta de la toma de decisiones determinantes de una
estrateiia de recoiida de datos
- Tipos de decisiones: - muestreo
- medida
- tratamiento
- contexto
- Propósito de obtener la máxima inaormación relevante al problema para los recursos
disponibles
- Propiedades: - VALIDEZ INTERNA: ausencia de conausión en la descripción de eaectos
entre la variable explicatva y la respuesta
- VALIDEZ EXTERNA: ieneralizabilidad del eaecto a otros sujetos,
 medidas, tratamientos y contextos (espaciales y
temporales)

9. EL DISEÑO DE INVESTIGACIÓN

10. CLASIFICACIÓN DE DISEÑOS

- Descriptvos o no manipulatvos (sin manipulación)
- Experimentales: - no aleatorizados o cuasi-experimentales
- de caso único
- aleatorizados

11. DISEÑOS DESCRIPTIVOS

- DE MEDIDA DE RESPUESTA ÚNICA (UNIVARIADOS)
- Univariado: - una medida por sujeto
- ej. partcipantes/una clase  / siiniíca “anidadosc

- Diseño descriptivo de caso único

- Ej. evaluación de la inteliiencia emocional en una persona
- Partcipante: una única medida

- Diseño de un grupo
- Ej. evaluación del nivel de práctca deportva de los estudiantes
- partcipantes/un centro (medidas en cada partcipante)

- Diseño con un factor (o dimensión) de estratiicación

- Dos irupos: - Ej. evaluación de la inteliiencia emocional en hombres y
mujeres
- Partcipantes/sexo
- Más de dos irupos: - ej. diseño transversal con 3 irupos de edad (20, 30 y 40
años)
- partcipantes/edad

- Diseño descriptivo factorial

- muestras deínidas por la combinación de todos los niveles de al menos dos
aactores de estratícación
- Ej. estudio sobre iiualdad de iénero en salarios
- Partcipantes/proaesión x sexo
 - Canadá China Suecia
cohesión social  alta
baja

- Diseño descriptivo jerárquico

- con pocos recursos se pueden hacer inaerencias a poblaciones irandes
- incluye al menos dos niveles y tpos (o tamaños) de unidades muestrales
sicas y censables, con relación de anidamiento entre sí
- el propósito usual es la ieneralización a la población de unidades muestrales
de nivel superior o mayores tamaños
- Ej. encuesta electoral para toda España
- Partcipantes/municipios/provincias

- CON MÁS DE UNA MEDIDA DE RESPUESTA POR PARTICIPANTE

(MULTIVARIANTES)

- Más de 1 medida por sujeto

- Están cruzados “xc no anidados “/c, reciben más de una medida

- De sujeto único con dos o más medidas

- Loniitudinal
- Ej. evaluación en un único sujeto del CI y la inteliiencia emocional
- Medidas x partcipante

- De un grupo con dos o más medidas

- Ej. diseño loniitudinal
- Edad x partcipantes/un único irupo o cohorte

- Multigrupo con un factor de estratiicación medidas múltiples

- Dos irupos: - ej. diseño secuencial de con dos cohortes
- Medidas x partcipantes/cohortes
- Más de dos irupos: - ej. diseño secuencial-loniitudinal con múltples cohortes
- Medidas x partcipantes/cohortes

- CON PERFILES DE RESPUESTA (MULTIVARIANTES)

- Las cateiorías no son exclusivas, se pueden mezclar, ej. puede ser un diseño aactorial
jerárquico

- Descriptivo factorial con medidas múltiples

- Ej. estudio sobre diaerencias de iénero en salarios y responsabilidad
corporatva
- Medidas x partcipantes/proaesión x sexo

- Descriptivo jerárquico con medidas múltiples

- Ej. estudio electoral de seiuimiento de intenciones de voto
- Medidas x partcipantes/municipios/provincia

- RETROSPECTIVOS
- Mínimo 1 de las medidas es de alio que ha pasado en el pasado
 - Ej. comparar la violencia en un sector hace 20 años con la de hace 10 años, archivos,
OMS, ONU, etc.
- Relacionan comportamientos del pasado con comportamientos de la época presente
- Completamente retrospectvos: todos los indicadores empíricos de las variables en la
hipótesis son retrospectvos
- Parcialmente retrospectvos: sólo aliunos de los indicadores empíricos de las
variables en la hipótesis son retrospectvos
- Archivos: - repositorios de datos y materiales relatvamente permanentes
- auentes de datos secundarias: recoiidos por otra persona distnta
- tpos: - bases de datos públicas o privadas
- documentos iubernamentales, empresariales, periodístcos, etc.
- documentos personales como historias vitales, diarios, etc.

- DE ENCUESTAS
- Cualquier diseño descriptvo que utlice cuestonarios como medida
- Forma de administración: presencia distal (correo, teleaónica o internet)
- Sesios: deseabilidad social, omisión de respuesta (encuestas por correo)
- Limitaciones de ieneralizabilidad (validez externa): diícultades en aliunos casos para
la descripción de procesos internos

- DE OBSERVACIÓN
- Cualquier diseño descriptvo que utlice medidas objetvas de observación conductual
- Utlización de diaerentes sistemas de respuesta en las medidas: ej. leniuaje oral y
iestual
- Variables de conausión tpicas: reactancia a la medición, eaectos y sesios del
observador
- Tres tpos comunes de cuantícación de la respuesta: arecuencia, duración y orden de
las conductas

- INSTRUMENTALES PARA LA EVALUACIÓN NORMATIVA

- Elaboración de instrumentos de medida
- Objetvo de construcción de un baremo para la evaluación comparatva de las
medidas psicolóiicas individuales
- Utlizan tpicamente muestreos aleatorios simples o estratícados
- Medidas de respuesta única o múltple (períles)
- Contenen descriptores de: - tendencia central
- variabilidad
- estabilidad de la medida
- relación con otras variables psicolóiicas
- Permiten realizar inaerencias sobre el siiniícado de las medidas psicolóiicas

- DEL DESARROLLO
- Transversales: conausión de edad (maduración) con selección o diaerencias entre
cohortes
- Longitudinales: - conausión de edad con historia, reactancia a la medida y mortalidad
experimental
- coste elevado
- Secuencias de cohorte: estudio loniitudinal en dos o más cohortes
12. VARIABLES DE CONFUSIÓN
- Aquellas que pueden consttuir una explicación de los resultados alternatva a la
hipótesis
- Sesgos típicos debidos a: - selección de partcipantes
- cambios internos en los partcipantes:
- maduración
- aatia
- recuperación (curación) espontánea
- Abandono o mortalidad experimental
- Sesios de medida: - instrumentación
- eaectos secuenciales de medida, ej.
práctca o aprendizaje
- reactancia a la medida, ej. deseabilidad
social, infuencia del observador
- sesio del observador
- conausión de constructos
- inararrepresentación de constructos
- Sesios de contexto: historia (cambios ambientales)
- Los distntos diseños diíeren en sus aortalezas, debilidades y capacidades para el
control de estos sesios

13. PROCEDIMIENTOS DE CONTROL

- En la selección de las muestras:
- equiparación (balanceo): uso de irupo de comparación que equipare
variables de sesio
- eliminación

- En la aplicación de las medidas:

- contrabalanceo: - siempre intrasujeto
- para evitar ej. cansancio, se cambia el orden de tomar
medidas: M1 M2 M3
M2 M3 M1 en cada medida hay las mismas
M3 M1 M2 posibilidades de cansancio

- En la selección de medidas de control:

- Uso de covariantes
- Una covariante es una medida tomada con el propósito de descontar tras la
recoiida de datos el eaecto de un sesio que no se ha podido controlar

- Sobre el contexto:
- Constancia en variables sicas
- Ej. mantener la misma iluminación en un laboratorio para todos los
partcipantes en un estudio de observación sistemátca

14. PROCEDIMIENTOS DE CONTROL OBSERVACIONAL

- De la reactividad a la medida: - espejos unidireccionales
- cámaras ocultas
- observadores “cieiosc a los objetvos del estudio
- observación partcipante
 - De los efectos de observador: - soportes diiitales en vídeo o audio
- adecuada operatvización de las cateiorías de medida
- observaciones múltples

15. DISEÑOS EXPERIMENTALES

- NO ALEATORIZADOS O CUASI-EXPERIMENTALES
- Combinación de un tratamiento, con cualquier estructura muestral y medida, sin
utlizar la aleatorización como aorma de control (Coo y Campbell, 1979)
- Establecen covariación y prececedencia temporal del antecedente: tú eres el aiente
del cambio
- No controlan la equivalencia de los irupos experimental y de comparación en
variables de conausión potenciales

- Pretest-Postest con un único grupo

- No se pueden controlar todas las variables, pero se pueden medir
- Cada O es una medida diaerente (un irupo)
- X es aplicar el tratamiento
-

- Serie temporal interrumpida

- O1 O2 O3 es la línea base
-

- Pretest-Postest con Grupo de comparación no equivalente

- El irupo de comparación ayuda a controlar el eaecto placebo
- los irupos vienen dados por recursos, étca, etc., no los puedes aleatorizar,
pero si puedes aleatorizar a qué irupo le aplicas el tratamiento

- Serie temporal múltiple

- DE CASO ÚNICO
- Combinación de la aplicación de tratamientos y cualquier tpo de medida a una única
unidad experimental
- Importancia histórica
- Respuesta a crítcas de los diseños de irupos (Hensen y Barlow, 1976)
- Generalizabilidad

- Diseño AB

- Diseños de retirada ABA

 - Diseño de retirada ABAB

- Diseño de línea base múltiple

- ALEATORIZADOS
- Asiinación aleatoria de los partcipantes a los tratamientos como técnica de control
- Equivalencia estadístca de los irupos antes del tratamiento en variables de conausión
conocidas y desconocidas
- La diaerencia entre irupos tras la intervención puede así atribuirse a ésta de aorma
más sólida

- COMPLETAMENTE ALEATORIZADO
- Asiinación de los partcipantes a los tratamientos completamente al azar
- Los tratamientos pueden tener una estructura uniaactorial o aactorial
- El muestreo es aleatorio simple
- Ej. estructura de tratamiento uniaactorial con tres niveles: T1, T2 y Control. Los
círculos son los partcipantes

16. VARIABLES DE CONFUSIÓN

- Adicionalmente a las mencionadas en los diseños descriptvos:
- Sesios de medida: eaectos de reiresión (error de medida)
- Sesios de tratamiento: - eaecto placebo
- expectatvas del experimentador (conaormidad con
las expectatvas de la demanda)
- atención (eaecto Hawthorne)

17. EFECTOS DE CONFUSIÓN EN DISEÑOS CUASI-

EXPERIMENTALES MULTIGRUPO
- Interacción entre selección y maduración
- Interacción entre selección y medición
- Interacción entre selección e historia
- Reactvidad al tratamiento de partcipantes en el irupo de comparación
- Desmoralización
- Rivalidad compensatoria
 - Diausión de resultados entre irupos
- Los distntos diseños diíeren en sus debilidades, aortalezas y capacidades para el
control de estos sesios

- DISEÑOS DE BLOQUES COMPLETOS

- Estructura de tratamiento uniaactorial o aactorial, con una estructura muestral
estratícada
- La asiinación de los partcipantes a los tratamientos se realiza para cada uno de los
estratos o bloques
- Estructura de tratamiento uniaactorial con tres niveles: T1, T2 y control. Distntas
íiuras ieométricas indican distntos estratos o bloques

- DISEÑOS JERÁRQUICOS
- Estructura de tratamiento uniaactorial o aactorial, con una estructura muestral
multnivel. Los tratamientos se aleatorizan a la unidad muestral de tamaño superior
- Ej. La escuela es la unidad muestral de tamaño superior. Cada escuela recibe al azar
únicamente un nivel de la variable de tratamiento (T o C)

- DISEÑO INTRASUJETOS
- Los tratamientos se administran al mismo sujeto, que actúa como su propio control
- Posibles variables de conausión: eaectos secuenciales de medida y tratamiento
- Aleatorización de tratamientos a las distntas ocasiones intrasujeto

18. VARIABLES DE CONFUSIÓN

- Los diseños experimentales aleatorizados pueden verse también infuídos por
variables de conausión como:
- Sesios de medida: reactancia, instrumentación, conausión e
inararrepresentación de constructos, sesios de observador
- Sesios relacionados con el tratamiento: eaecto placebo, expectatvas del
experimentador, atención, eaectos
residuales de tratamiento, diausión,
reactvidad al tratamiento de
 partcipantes en el irupo de control

19. PROCEDIMIENTOS DE CONTROL

- Necesidad de considerar procedimientos de control adicionales a la aleatorización,
como constancia, equiparación o el uso de covariantes
- Procedimientos de control de expectatvas:
- Cieio: el experimentador o el partcipante no conoce los objetvos del estudio
- Doble cieio: ni el experimentador ni el partcipante los conocen

20. ÉTICA
- Partcipación voluntaria
- Consentmiento inaormado
- Privacidad
- Normas insttucionales: - APA
- Centros de investiación
- Explicaciones al partcipante
- Utlización de animales no humanos

TEMA 4. PLAN DE ANÁLISIS CONCEPTOS BÁSICOS

21. ANÁLISIS DE DATOS

-
- Propósitos: - Descripción: Resúmenes iráícos o numéricos de las característcas de
un conjunto de datos:
- Parámetros: un resumen numérico de una población
- Estadístcos: un resumen numérico de una muestra

- Inaerencia: Hacer predicciones respecto de las característcas de una

población a partr de la inaormación de una muestra
22. FUENTES DE VARIACIÓN
- Efectos sistemáticos o ijos:
- El estudio contene todos los niveles del aactor de interés
- Ej. Dosis de 5 y 10 mi. en un experimento aarmacolóiico
- Efectos aleatorios:
- Los niveles incluidos consttuyen una muestra al azar de una población de
niveles posibles a la que se pretende ieneralizar los resultados
- Ej.palabras en un experimento de leniuaje,o sumas de 2 díiitos en aritmétca

23. EL MODELO ESTADÍSTICO

- Es una auente de variación
- Especiícación aormal de las auentes de variación en una situación experimental que
incluye supuestos sobre:
- Distribuciones de probabilidad: Tipo de distribución:
- Contnua: - Normal (modelo lineal ieneral)
- No normal, ej. exponencial (modelo lineal ieneralizado)
- Discreta, ej. Poisson, Binomial (modelo lineal ieneralizado)
- Sin determinar (modelos no paramétricos)
- Homoieneidad de varianzas
- Simetría
- El método de recogida de datos: ej. muestreo aleatorio
- Ej. Se está contrastando un nuevo método para la reducción de los niveles de estrés
en niños de parejas en proceso de divorcio. Se administra a una muestra de niños
aaectados y seleccionados aleatoriamente. Se reiistran los niveles ínales. El objetvo
es contrastar si disminuye con respecto a años anteriores, con media de 7

24. LA HIPÓTESIS ESTADÍSTICA

- Formulación de la hipótesis psicolóiica en términos de iiualdad o desiiualdad de
distribuciones de probabilidad

25. CONTRASTE DE HIPÓTESIS

- Estadístco y distribución si Ho es cierta
 - P (rechazar Ho/Ho es cierta):
- Criterio de Decisión:

- Resultados conclusiones:
- El nivel medio de estrés obtenido aue de 6 puntos.
- No hay evidencia para aírmar que el nuevo método reduzca los niveles de
años anteriores
- P [t(5) < -0,939] = 0,19534

26. PROCEDIMIENTOS DE INFERENCIA: INTERVALOS DE

CONFIANZA
- Estmación puntual +- marien de error
- (1- ) x 100  nivel de coníanza sobre la proporción de veces que el intervalo
contendrá el parámetro si se cumplen los supuestos
- Nos permite también rechazar la hipótesis nula si el valor del parámetro en ésta no
está contenido en el intervalo
- Para una prueba t de una muestra:

- Resultados conclusiones
- Estmamos en 6 puntos la puntuación media de estrés con el nuevo método,
con un límite superior de 8,74 e inaerior de 3,26 seiún un intervalo de
coníanza del 95%
- No podemos concluír mejoras con respecto a años anteriores

27. MAGNITUD DEL EFECTO

- El irado en que los valores estmados diíeren de los parámetros esperados bajo la
hipótesis nula
- Podemos utlizar diferencias: - No estandarizadas

- Estandarizadas

-0,383 es el tamaño del eaecto

 - Cohen (1988): - Eaecto pequeño  2
- Eaecto mediano  5
- Eaecto irande  8

28. PROBABILIDADES DE DECISIONES CORRECTAS Y ERRORES

DE INFERENCIA

29. POTENCIA
- Probabilidad de detectar un eaecto real o rechazar correctamente una hipótesis nula
aalsa
- Factores que inciden en la potencia: - la mainitud del eaecto
- tamaño muestral
- desviación tpica de la población
- el nivel de evidencia requerido:

30. PLANIFICACIÓN DEL TAMAÑO DE LA MUESTRA

- Se realizan al inicio del estudio
- Estmación del tamaño del eaecto y la desviación tpica:
- a partr de un estudio piloto con pocos partcipantes
- a partr de resultados previos en otros estudios
- Se recomienda una potencia de .80 (Maxwell, 2004)
- Ej. una encuesta proaesional nos indica que una reducción de estrés de 1 punto
respecto al nivel observado con la terapia control es clínicamente siiniícatvo. Una
revisión más amplia de estudios previos nos indica que S = 2,5
- d  tamaño del eaecto
- N  tamaño de la muestra
TEMA 5. ANÁLISIS DISEÑOS DE UN FACTOR MUESTRAS
INDEPENDIENTES
31. COMPARACIONES DE MEDIAS: DOS MUESTRAS
INDEPENDIENTES
- Modelo lineal: - para i = 1, 2 irupos
- yj = 1, 2, … n partcipantes por irupo

- Distribución: - distribución normal

- muestra aleatoria (observaciones independientes)
- homoieneidad de varianzas

- Hipótesis nula

- Hipótesis alternativa

- De una cola ó

- De dos colas ó

- Estadístico distribución / Ho cierta

En dónde la varianza airupada

- Tamaños del efecto
- Diaerencia media

- Diaerencia media tpiícada

- Grado de asociación

- Valores p tamaños del efecto: evidencias complementarias

32. INTERVALOS DE CONFIANZA

- Estmación puntual +- marien de error
- Nivel de coníanza del (1- ) x 100 sobre la proporción de veces que el intervalo
contendrá el valor paramétrico si se cumplen los supuestos

- Nos permite rechazar la Ho si el valor paramétrico que ésta especiíca no está

contenido en el intervalo

33. PLANIFICACIÓN DEL TAMAÑO DE LA MUESTRA

- Experimento sobre eaectos de dos terapias (aármaco y dieta) sobre la hipertensión.
Una encuesta médica nos indica que la diaerencia observada de 10 puntos es
 clínicamente siiniícatva. Una revisión más amplia de la literatura indica que la
desviación tpica de la presión sistólica S = 9

34. CONTRASTES PARA DOS Ó MÁS GRUPOS

- Frecuentemente motvadas por una hipótesis psicolóiica a priori sobre las medias
pronostcadas para irupos experimentales
- La hipótesis se aormaliza mediante una combinación lineal de medias ponderadas por
coeícientes
- Los coeícientes suman a cero:
- Hipótesis nula
 - Hipótesis alternativa

- De una cola

- De dos colas

35. CONTRASTES
- Estadístco y distribución / Ho es cierta

36. TAMAÑOS DEL EFECTO

- Combinación lineal de medias: - escala natural

- escala estandarizada
- Asociación:
37. INTERVALO DE CONFIANZA SOBRE EL VALOR DE UN
CONTRASTE
- Estmación puntual +- Marien de error
- Nivel de coníanza del x 100 sobre la proporción de veces que el intervalo
contendrá el valor paramétrico si se cumplen los supuestos

- Nos permite rechazar Ho si el valor paramétrico que ésta especiíca no está contenido
en el intervalo

38. EL PROBLEMA DE LAS COMPARACIONES MÚLTIPLES

- P (Error tipo I) =  es la probabilidad de rechazar la Ho cierta

- P (no cometer un Error tipo I):  es la probabilidad de no rechazar

la Ho cierta

---------------------------- --------

 es la probabilidad de no cometer
niniún error en comparaciones independientes

- Probabilidad de no cometer ningún error en c comparaciones independientes:

-Probabilidad de cometer al menos un error en c comparaciones independientes:

- : alaa ilobal
- : aamilia de comparaciones

39. EL AUMENTO ACUMULATIVO DEL ERROR TIPO I

- Infacción
- : probabilidad de cometer errores %
40. DESIGUALDAD DE BONFERRONI
- Es de las más utlizadas
- Sirve para comparaciones independientes, para ortoionales (que no se solapan) y
para no ortoionales (se solapan)
- Probabilidad de cometer al menos un error en c comparaciones independientes o no:

- Si se realizan c tests con un nivel de error en cada uno de ellos:

41. TÉCNICAS DE CONTROL DEL ERROR TIPO I

- Error tpo I para comparaciones exploratorias, controlar el error de todo el conjunto
- Contrastes planiícados: Bonferroni
- Comparaciones a poteriori entre las medias de todos los irupos o tratamientos: Tuke
- Comparación de todos los irupos de tratamiento con irupo de control: Dunnet
- Contrastes post-hoc (realizados tras la inspección de los datos): Schefé

42. CONTROL DEL ERROR TIPO I: BONFERRONI

- Podemos expresar un conjunto c de intervalos de coníanza simultáneos al

son los irados de libertad del error

- El 95% de las veces que construyamos los c intervalos, todos ellos contendrán el valor
del parámetro
- Coie el y lo divide por el nº de comparaciones
- Cuando se hacen muchas comparaciones se pierde mucha potencia, se utliza con
pocas comparaciones o muy planiícadas, nivel exploratorio bajo
43. TÉCNICAS DE CONTROL DEL ERROR TIPO I: TUKEY
Conjunto de c intervalos de coníanza simultáneos al

es el valor crítco del estadístco q para a irupos y a(n-1) irados

de libertad del error

44. TÉCNICAS DE CONTROL DEL ERROR TIPO I: SCHEFFÉ

- conjunto de c intervalos de coníanza simultáneos al

es el valor crítco del estadístco F para a irupos y n partcipantes por

irupo

45. ANOVA DE UN FACTOR

- Tipos de intervención A, B, C, D
- Partcipantes, 1, 2, 3, … n

- Ej. 4 tpos de intervención para mejorar la satsaacción laboral

-Modelo lineal
- para i = 1, 2…, a tpos de intervención (intervención 1, 2, 3, 4)
yj = 1, 2…, n partcipantes por irupo
es la satsaacción del partcipante j en el tpo de intervención
todos los irupos tenen estas característcas

- HIPÓTESIS
- Omnibus: hipótesis compuesta de distntas hipótesis individuales
- Supuestos:

- Hipótesis: - para cualquier par de iupos i, i´

 - para aliún par de irupos i, i´
- Toda la variabilidad es intrairupos, no hay variabilidad entre medias (todas
las medias estarían en el mismo punto de la curva)
- Ho: como las medias son iiuales, cuando se hacen comparaciones y se restan,
dan 0

- ANOVA DE UN FACTOR
- En pruebas a, la varianza se llama media de cuadrados
- a = nº de irupos
n = tamaño de la muestra de cada irupo

Varianza de las medias 

- Suma de cuadrados sería todo el pastel, el error (diaerencias individuales)
sería una porción, y el tratamiento + error (diaerencias individuales) sería otra
porción

- S2 TOTAL = Sc total/il totales = / N-1

- S2e =MC error = Si/a

- Si hay eaecto de tratamiento el numerador lo va a estmar. Si no hay,va a ser 0
- Al dividir entre las medias de cuadrados dará 1, porque las 2 son el mismo
valor

- Si Ho cierta  se obtene un valor entorno a

1 en la media de la curva, y 0,05 de . Fa-1, a (n-1)

- ESTADÍSTICO

- Valor esperado de la variación entre irupos

- Valor esperado de la variación intra irupos

- CRITERIO DE DECISIÓN

46. ESTIMACIONES DEL TAMAÑO DEL EFECTO

- Intervalo de conianza sobre la media de un solo irupo

- Tamaño del efecto estandarizado

- Grado de asociación
- Proporción de la varianza total que es predecible
- El numerado estma eaectos de tratamiento más diaerencias individuales
- SC: suma cuadrados

- El numerador estma eaectos de tratamiento y no diaerencias individuales

- eaecto de la Ho
- varianza total

- A partr de la tabla Anova

47. ADECUACIÓN DEL MODELO

48. PRUEBAS DIAGNÓSTICAS
- Técnicas gráicas: - Diairamas de puntos
- Histoiramas
- Diairamas de caja  Valores atpicos
- Técnicas inferenciales: - Normalidad: Kolmoiorov, Shapiro-Wil s
- Iiualdad de varianzas: Prueba de Levene, Brown-Forsythe
- Independencia: Prueba de rachas

49. DISTRIBUCIÓN

- La prueba F es menos robusta con: - Desviaciones

extremas de normalidad (asimetría,
curtosis,distribución multmodal, valores atpicos)
- Tamaños de muestras desiiuales
- Desiiualdad de distribuciones entre irupos

50. HETEROGENEIDAD DE VARIANZAS

- La prueba F menos robusta para:
- Tamaños de muestras desiiuales:
- Sesio neiatvo en el estadístco F: ocurre cuando los irupos con
mayores varianzas tenen
muestras más irandes
- Sesio positvo en el estadístco F: ocurre cuando los irupos con
mayores varianzas tenen muestras
más pequeñas
- El cociente entre la varianza más irande y la más pequeña es mayor que 3
- Distribuciones no normales
- Box (1954), Tomar en & Serlin (1986), Lix & Keselman (1998)

51. INDEPENDENCIA

52. ANÁLISIS ALTERNATIVOS

- Distribuciones no normales: - Prueba de ranios
- Mann-Whitney (2 irupos),Krus al-Wallis(+de 2 irupos)
- Heterogeneidad de varianzas: Prueba de Welch
- Independencia: Reaormulación del modelo incluyendo nuevas auentes de variación
 TEMA 6. ANOVA DE DOS FACTORES PARA MUESTRAS
INDEPENDIENTES
53. DISEÑO DE DOS FACTORES PARA MUESTRAS
INDEPENDIENTES
- Ejemplo
- Cada casilla deíne una condición experimental o tratamiento

- Modelo lineal

- Supuestos

- Efectos principales

54. MEDIAS POBLACIONALES

- Ejemplo de efecto principal del primer factor

- Ejemplo de efecto principal del segundo factor

- Ejemplo de interacción

Representación de medias poblacionales

55. MEDIAS MUESTRALES
56. ANÁLISIS DE EFECTOS SIMPLES
- Una interacción siiniícatva indica eaectos condicionales entre aactores de tratamiento
- El contraste de eaectos simples se realiza para identícar los niveles especíícos de los
aactores que producen tales dependencias
- Se realizan para ello comparaciones entre niveles de un aactor para cada uno de los
niveles del seiundo aactor

- Contrastar diferencias entre los niveles del factor A, con

- Alternativamente, contrastar diferencias entre los niveles del segundo factor

(B) con

- Tres eaectos siiniícatvos, podemos utlizar Tu ey o Schefé para comparaciones

analítcas entre medias, también con

57. Estimaciones del tamaño del efecto

TEMA 7. ANOVAS DE UN FACTOR Y DOS FACTORES CON
MEDIDAS INDEPENDIENTES
58. Diseño intrasujetos de un factor
- Los aactores intrasujetos se caracterizan porque a cada una de las unidades
experimentales se les administran todas las condiciones de tratamiento
- Los diseños que utlizan comparaciones intrasujeto se emplean proausamente en el
contexto de la investiación loniitudinal (los intersujeto en la transversal), pueden ser
experimentales o cuasiexperimentales y no experimentales

- Ejemplo

- Modelo lineal

- Supuestos

- Esfericidad
Homoieneidad de varianzas de diaerencias para cualquier par de medidas entre niveles
del aactor intrasujeto
59. El supuesto de esfericidad
- Homoieneidad de varianzas de las diaerencias para cualquier par de medidas entre
niveles del aactor intrasujeto
- Su incumplimiento produce un sesio positvo del estadístco F y un aumento del error
tpo I
- El supuesto se cumple tpicamente en situaciones en las que las medidas tenen
homoieneidad de varianzas y covarianzas

- Prueba de Mauchly en SPSS

- El parámetro épsilon describe el irado de no esaericidad
- Cuando se cumple el supuesto tene un valor de 1
- Desciende a medida que aumenta el irado de incumplimiento

60. Análisis alternativos ante el incumplimiento de esfericidad

- Utlizar como estadístco y distribución/Ho cierta:
- Utlizar un estadístco multvariado, ej. Wil s
- La potencia de ambos depende del tamaño de la muestra, y el nº de medidas
- Una recomendación aproximada es utlizar la F univariada correiida cuando:
- Nº de partcipantes 30 + nº de medidas y
- Mayor potencia estadístca que la prueba multvariada en estos casos (Aliina
y Keselman, 1997)
- En comparaciones con control del Error Tipo I:
- No utlizar la varianza de error calculada con todas las medidas
- Utlizar en cada contraste únicamente las varianzas de las medidas o
condiciones comparadas
- Procedimiento de Bonaerroni

61. Supuesto de normalidad

- Diagnóstico
- Prueba de Kolmoiorov o Shapiro Wil s (muestras más pequeñas) sobre los residuales

- Análisis alternativos
- Pruebas de ranios (Conover y Iman, 1981)
- Prueba de Wilcoxon para dos medidas repetdas
- Prueba de Friedman para más de dos medidas repetdas

62. Estimaciones del tamaño del efecto

63. Diseño mixto de dos factores
- Ejemplo

- Modelo lineal

- Supuestos

- El paréntesis en los subíndices indica relación de anidamiento, en este caso cada

partcipante está en un único irupo

- Efecto principal del factor ENTRESUJETOS

- Efectos del factor ENTRESUJETOS

64. Hipótesis de los efectos INTRA SUJETO

- Efectos del factor INTRASUJETO

TEMA 9. DISEÑOS DE MEDIDAS REPETIDAS

(INTRASUJETOS)
- Los aactores intrasujetos se caracterizan porque a cada una de las unidades
experimentales se les administran todas las condiciones de tratamiento
- Los diseños que utlizan comparaciones intrasujeto se emplean proausamente en el
contexto de la investiación loniitudinal (los intersujeto en la transversal), pueden ser
experimentales o cuasiexperimentales y no experimentales

65. DISEÑO DE MEDIDAS REPETIDAS (DMR)

- Es uno de los diseños de mayor trascendencia práctca que utlizan comparaciones
intrasujeto
- Hay una variable de bloqueo y un aactor de tratamiento. Si cada uno de los niveles de
la variable de bloqueo es una unidad experimental, DBA se convierte en un DMR.
- Cuando los bloques son sujetos humanos, la variable de clasiícación no es
estrictamente de bloqueo, sino de sujeto

- Diferencias en la transición del DBA al DMR

- Cada unidad experimental que consttuye un bloque recibirá todos los tratamientos.
Se ienera una situación donde las unidades experimentales se encuentran en relación
de cruce con los tratamientos. Dependiendo del aactor de to., se asiinará al zar los
tos. a las unidades experimentales cuando sea posible. Será un diseño experimental si
se puede aleatorizar aliún aactor de to., cuasiexperimental cuando no se pueda pero
el aactor sea manipulado, y no experimental cuando el aactor no haya sido manipulado
(ej. variable tempo)
- Cuando las unidades experimentales reciben los tos. en un orden temporal
predeterminado aparecen Efectos de secuenciación, pueden ser de dos tpos:
- EFECTOS DE ORDEN o error proiresivo (order efects):
- extrínsecos a la unidad experimental
- se deben a la temporalidad en la recepción de los tos.
- pueden tener repercusiones positvas (eaecto de práctca o
aamiliaridad) o neiatvos (eaecto de aatia, arustración o
desmotvación)
- EFECTOS RESIDUALES de tratamientos anteriores (carry-over efects):
- Son eaectos de transaerencia (transaer efects)
- intrínsicos a la unidad experimental
- representan procesos que el individuo pone en marcha durante la
administración de nuevos tos., son consecuencia de la exposición a
tos. previos
- Si la variable intrasujeto es un aactor manipulado se utliza la
contraequilibración aleatoria:
- ej. secuencias aleatorias de recepción de los tos. para cada unidad
experimental
- es un procedimiento de control susttutorio de la asiinación aleatoria
y satsaactorio para equilibrar el sesio producido por los eaectos de
orden, y también de transaerencia
- pero no es posible utlizar secuencias aleatorias de recepción de tos.
en investiaciones donde el tempo es la VI
- Las variables de bloqueo representan eaectos aleatorios, y en ocasiones íjos. Por
naturaleza una variable de sujeto asume una selección al azar de sus niveles (sujetos
partcipantes) de la población y supone siempre eaectos aleatorios. Cabe esperar que
exista correlación entre las observaciones repetdas reiistradas para cada sujeto y
que se incumpla el supuesto de independencia de las observaciones que se requiere
en todas las aplicaciones del análisis de varianza
- Los DMTR son diseños no replicados

- Tamaño de la unidad experimental

- La característca esencial del diseño de medidas repetdas es que tene dos tamaños
diaerentes de unidad experimental
- Cada uno de los sujetos de una muestra, que consttuyen un bloque homoiéneo,
reciben todos los niveles de un aactor de to. no manipulado (ej. momentos
temporales) para evaluar su memoria, no son unidades experimentales diaerentes cuya
memoria se observa, sino una misma unidad que cambia con el paso del tempo
 - Los sujetos de la población consttuyen unidades experimentales de tamaño mayor,
con su característcas personales y representan la variación intersujetos en un nº
inínito de característcas. La memoria de cada unidad experimental que se observa en
diaerentes momentos temporales consttuye un tamaño menor y representan la
variación intrasujeto debida a diaerencias en memoria
- Consecuencia del concepto tamaño de la unidad experimental: descomposición del
componente de error o residual en tantos componentes como diaerentes tamaños de
unidad experimental se hayan deínido

- Dos grandes tipos de diseños de medidas repetidas (Aranau, 1986)

- Diseño de medidas totalmente repetdas
- Diseño intrasujeto o diseño de tos. por sujetos
- Contene un aactor de to. Del tpo intrasujetos (sencillo) o más de uno
(aactorial), pero niniún aactor de to. Intersujetos
- Diseño de medidas parcialmente repetdas
- Contene al menos un aactor intersujetos y uno intrasujetos
- Diseños mixtos: combinan aactores inter e intrasujetos
- Enaoque mixto: diaerente al diseño. Es una técnica de análisis que combina
aactores íjos y aleatorios
- n  nº total de unidades experimentales utlizadas
- N  nº de observaciones
- Ver íiuras 9.1 y 9.2, y cuadro 9.1

66. DMR CON UN FACTOR INTRASUJETO

- En el ejemplo 9.1, para cada estudiante se toman medidas repetdas de la intensidad
de su respuesta emocional en tres semanas consecutvas
- Se pueden distniuir dos tamaños de unidad experimental:
- tamaño mayor para el conjunto de las unidades experimentales, que aorman
un irupo único y representa una auente de variación intersujetos (diaerencias
individuales en respuesta emocional)
- tamaño menor para el conjunto de los contextos en que se reiistra la
respuesta de cada unidad, que representa un auente de variación intrasujetos
(aactor contextos)
- Dependiendo de la aorma de análisis que se elija, se requiere una u otra aorma de
representación.

- Representaciones para los datos empíricos de los DMR

- Representación multivariante
- Cuadro 9.2 Reproduce para cada sujeto la intensidad de su respuesta
emocional en los tres contextos (aactor A). La variable de
respuesta se contabiliza para cada combinación de sujeto y
nivel de A
- Ejemplo 9.1  La representación multvariante requiere 18 ílas (una por
sujeto) y 4 columnas (una para especiícar el sujeto y tres para
cada nivel de A) y por economía es la más utlizada en
publicaciones
- La representación multvariante es muy diaerente a la utlizada en los diseños
univariantes (ver cuadro 9.3). En la multvariante cada columna corresponde a
un nivel del aactor intrasujeto y cada íla a un sujeto. En la univariante, cada
columna representa una variable y cada sujeto emplea tantas ílas como
niveles tene el aactor intrasujeto. Respecto al DCA, las puntuaciones de cada
sujeto se dice que están airupadas
67. ENFOQUES ANALÍTICOS PARA EL DISEÑO DE MEDIDAS
REPETIDAS CON UN FACTOR INTRASUJETOS
- El análisis estadístco de los diseños de medidas repetdas presenta muchas
complicaciones consecuencia de la violación del supuesto de independencia de las
observaciones.
- Procedimientos que se han utlizado para analizar datos con DMR:
- Enaoque multvariante: utliza la representación multvariante y se propuso
como alternatva al enaoque univariante clásico
- Enaoque mixto: enaoque reciente, para superar los inconvenientes de los dos
anteriores. Utliza también la representación univariante
- Ver salida 9.2

- Enfoque univariante clásico (ANOVA de un factor intrasujetos)

- Si se asume que las observaciones se distribuyen normalmente, se analiza con el
modelo ANOVA no replicado para un DBA, donde cada bloque representa un sujeto
Si se asume un modelo estadístco correspondiente con un aactor íjo (elproceso puede
ieneralizarse si es aleatorio) y no interacción entre sujetos y tos. (modelo aditvo), la
ecuación del modelo es: (ver ecuación y explicación)
- Ver esperanza matemátca y varianza de las observaciones y covarianzas
- Aunque las dos variables aleatorias del modelo 9.2 se asumen independientes, las
observaciones repetdas para un sujeto se asumen correlacionadas
- Ver cuadro 9.4
- Cuadro 9.5  tabla ANOVA ieneral para un DMR con un aactor íjo intrasujeto (A) y
un aactor aleatorio intersujetos (S), y desarrolla las E(MC) asumiendo
un modelo aditvo o no aditvo dependiendo del resultado de la prueba
de aditvidad de Tu ey
El aactor de tol. Intrasujetos A, se utliza siempre como denominador
MCr aunque no sea independiente entre sujetos y tos. La prueba será
sesiada cuando alaa al cuadrado sea distnta de cero
- Comparando el ANOVA intersujetos con el intrasujetos, AS será iiual o más pequeño
que el primero S(A) como consecuencia de la inclusión del aactor S (íiura 9.4)
- El modelo ANOVA de un aactor intrasujetos será siempre más preciso y más eíciente
que el de intersujetos para probar el eaecto del to.
- La descomposición de la SCt consta de dos auentes de varaición para el DCA, A y
residual S(A), que se convierten en tres en el DMR: una corresponde a A y las otras
dos son errores residuales intersujetos, corresponde a S, e intrasujetos AS. Cada uno
de los dos errores residuales se asocian con dos entdades distntas de unidad
experimental
- Como con los DBA no replicados, antes de proceder al análisis, en necesario aplicar la
prueba de aditvidad de Tu ey para determinar si se cumple el supuesto de
independencia entre estructura de los tos. y estructura del control. Ver salida 9.3
- La partción de la variación residual en dos componentes independientes (inter e
intrasujetos), permite una prueba F más precisa y eíciente del aactor intrasujetos
contextos
- La diaerencia reside en la considerable mainitud en sumas de cuadrados que se
atribuye al componente sujetos
- Incovenientes del análisis DMR con un factor intrasujeto del enfoque
univariante clásico
- Para el conjunto de unidades experimentales, las medidas repetdas deben tener la
misma varianza en cada nivel del aactor intrasujetos (homoieneidad de varianzas) y la
misma correlación entre los diaerentes niveles de aactor  esfericidad
- Desde el enaoque univariante clásico y su representación, no es posible saber si se
cumple la esaericidad
- No es posible aplicar comparaciones a posteriori entre medias de irupo. Las medias
de irupo no pueden asumirse independientes en los diseños de medidas repetdas
- Como asume representación univariante, la pérdida de una observación para una
unidad determinada implica que todas las medidas repetdas son aaectadas. Se
produce un problema de datos perdidos, se debe eliminar todas las observaciones o
imputar los datos perdidos.