Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 1 1 1
0 0 0 0
1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 7 8 9 1011 1 2 3 4 5 6 7 8 9 10 11 12
2 2
µ = 3,5 σ = 2,9 µ = 3,5 σ = 2,9 µ = 3,5 σ 2 = 2,9 µ = 9,5 σ 2 = 2,9
2
2
€ € µ = 3,5 σ 2 =€2,9 1
€
µ = 6,5 σ 2 = 11,9
0 0
1 2 3 4 5 6 1 2 3 4 5 6 7 8 9 10 11
€
Si tenemos dos poblaciones con varianzas iguales y las juntamos
€
1 5 6 13 1 12 2 10
2 3 7 16 2 11 4 7
. . . . . . . .
. . . .
One-way anova . . . .
. . . . . . . .
nj 8 9 14 nj 14 5 12
µ 5 7 15 µ 11 4 10
E3 … … … 4
1.2: Modelos de ANOVA
(b) Tipo de aleatorización
5
1.2: Modelos de ANOVA
(c) Tipo de muestreo sobre los niveles del factor
6
2. ANOVA de un factor de medidas independientes,
efectos fijos (EF)
ANOVA de un factor de efectos fijos, completamente aleatorizado
(A-EF-CA)
2.1. Modelo
Yi = β0 X i0 +β1 X i1 + β2 X i2 + ...+ βk X ik +ε i
€ € € €
8
2. AN0VA 1 factor, medidas independientes, EF
Modelo de la puntuación
ANOVA de un factor de medidas independientes efectos fijos
Yij = µ + α j + εij
Efectos debidos a Efectos debidos a
Efectos propios del
factores comunes factores no tenidos en
nivel j del factor
en todos los sujetos: cuenta (errores de
Media €
Total α j = µj − µ medida, variables
extrañas, factores
K nj propios del sujeto…)
Media de la población ε ij = Yij − µ j
∑ ∑Y ij sometida al tratamiento j
j =1 i=1
µ= nj
N€
∑Y ij
i=1
µj =
n j€ 10
2. AN0VA 1 factor, medidas independientes, EF
Ejemplo: 3 técnicas de entrenamiento para desarrollar habilidades manuales
Las 3 técnicas son igual de Las 3 técnicas no son igual de Las 3 técnicas no son igual de
eficaces y están controlados el eficaces y están controlados eficaces y no están controlados
resto de factores el resto de factores el resto de factores
T1 T2 T3 T1 T2 T3 T1 T2 T3
1 3 3 3 1 3 5 4 1 3 5 3
2 3 3 3 2 3 5 4 2 0 4 4
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
nj 3 3 3 nj 3 5 4 nj 4 6 2
€ € €
2. AN0VA 1 factor, medidas independientes, EF
2.2. Contraste de Hipótesis
1. HIPÓTESIS:
H 0 : µ1 = µ2 = ... = µk = µ
H 0 : α1 = α 2 = ... = α k = 0
Efecto del nivel 1 del factor Efecto del nivel k del factor
2. α
€ €
12
€
2. AN0VA 1 factor, medidas independientes (EF)
2.2. Contraste de Hipótesis (cont.)
3. SUPUESTOS:
3.1 Independencia: k m.a.s: cada observación es aleatoriamente seleccionada de
su población y/o aleatoriamente asignada a cada uno de los k tratamientos del
factor
Y1: v.a. Y de los sujetos sometidos al 1er nivel del factor
Y11,Y21,...,Yn1 1 → m.a.s
Y2: v.a. Y de los sujetos sometidos al 2o nivel del factor
Y12 ,Y22 ,...,Yn 2 → m.a.s …
2
€ Yk: v.a. Y de los sujetos sometidos al nivel k del factor
Y1k ,Y2k ,...,Yn k k → m.a.s
€ Yij → independientes
→ ε ij (Yij − Y j ) → independientes : cov(ε ij ,ε i′j ) = 0; E(ε ij ) = 0
€ 3.2 Normalidad
€ • La variable Y sigue una distribución Normal en las k poblaciones
€ • Los errores se distribuyen normalmente 13
2. AN0VA 1 factor, medidas independientes (EF)
2.2. Contraste de Hipótesis (cont.)
3. SUPUESTOS: Y1 →N( µ1, σ12 )
Yij → independientes y N(µ j , σ 2 ) Y2 → N(µ2 , σ 22 )
...
€ 2 Yk →N( µk , σ k2 )
εij → independientes entre sí y N(0, σ )
€ Comprobación: pruebas de bondad € de ajuste a la distribución Normal
χ2 €
€ Kolmogorov-Smirnov
3.3. Igualdad de varianzas (homocedasticidad)
€
σ12 = σ 22 = ... = σ k2
Comprobación:
Prueba de Levene
Test de BARTLET 14
€
2. AN0VA 1 factor, medidas independientes (EF)
4. ESTADÍSTICO DE CONTRASTE
Valor Efectos debidos Efectos debidos a
observado = a factores + Efectos debidos a factores + factores no
en la VD constantes tenidos en cuenta (VVII) controlados
Yij = µ +α j +ε ij
K nj
∑ ∑Y ij α j = µj − µ ε ij = Yij − µ j
j =1 i=1
µ=
€ N€ €
€
K nj
∑€∑ Y ij €
€ Y=
j=1 i=1 Yj − Y ε ij = Yij − Y j
N
15
2. AN0VA 1 factor, medidas independientes, EF
4. ESTADÍSTICO DE CONTRASTE
Yij = µ + α j + ε ij
€ TOTAL INTERGRUPOS
(FACTOR)
INTRAGRUPOS
(ERROR) 16
2. AN0VA 1 factor, medidas independientes, EF
Sumas de cuadrados
k nj k k nj
∑∑ (Yij − Y ) 2 = ∑ n j (Y j − Y ) 2 + ∑ ∑ (Yij − Y j ) 2
j =1 i=1 j =1 j =1 i=1
Grados de libertad
€
N-1 K-1 N-K
Medias cuadráticas
SC SCINTER SCINTRA
MCTOTAL = TOTAL MCINTER = MCINTRA =
N −1 K −1 N −K
Estadístico de contraste
MCINTER
F= ⇒1−α F k −1, n −k
€ MC€INTRA € 17
2. AN0VA 1 factor, medidas independientes, EF
18
2. AN0VA 1 factor, medidas independientes, EF
Fuentes de variación: Fórmulas de cálculo
k n j 2
k nj k nj n
∑ ∑Yij
k j
= (n −1)S 2 = nS˜ 2
n j 2 k n j 2
∑Yij ∑ ∑Yij
€ k k € k
i=1 j=1 i=1
SCINTER = ∑ n j (Y j − Y ) =∑ n jY − nY 2 =
2 2
j ∑ n − n
€ j =1 j =1 j=1 j
n j 2
k nj k nj
∑Yij
k nj k
€ 2
SCINTRA = ∑∑ 2
(Yij − Y j ) = ∑∑ Yij − n jY j = ∑ ∑Yij2 − ∑ i=1 =
2
α
F≥1−α Fk −1, n −k
- Mantenemos H0 si el valor obtenido en la muestra para el E.C. cae en la región
€
de aceptación
- Rechazamos H0 si el valor obtenido en la muestra para el E.C. cae en la región
crítica, conclusión: €
→ No todas las medias son iguales pero no sabemos qué medias
difieren entre sí
→ Si hay manipulación por parte del investigador: las diferencias
encontradas en la VD son debidas al efecto de la VI
→ Si no hay manipulación sólo podemos afirmar que las diferencias
encontradas en la VD están asociadas a los distintos niveles de la VI
20
2. AN0VA 1 factor, medidas independientes, EF. Ejemplo
• En muchos trabajos de aprendizaje parece haber quedado demostrado
que la actuación de los sujetos es tanto mejor cuanto mayor
recompensa reciben. En uno de estos trabajos se formaron
aleatoriamente 3 grupos de niños que recibían cochecitos de juguete si
realizaban bien una tarea. Los niños fueron reforzadas con diferentes
cantidades de coches (1, 3 y 5). ¿Podemos afirmar con un α=0,05
que la cantidad de recompensa afecta a la velocidad de aprendizaje?
Supongamos que se cumplen los supuestos requeridos por el modelo
21
2. AN0VA 1 factor, medidas independientes, EF. Ejemplo
1. HIPÓTESIS:
H 0 : µ1 = µ2 = µ3 = µ H 0 : α1 = α 2 = α 3 = 0
La cantidad de
recompensa no afecta a la
velocidad de aprendizaje
H1 : No todas las µ j son iguales
La cantidad de
recompensa afecta a la
2. α velocidad de aprendizaje
€ 3. SUPUESTOS:
3 m.a.s de tres poblaciones normales con igual varianza
Y1 → N (µ1, σ 12 ) Y2 → N (µ 2 , σ 22 ) Y3 → N (µ 3 , σ 32 )
σ 12 = σ 22 = σ 32
22
€ € €
2. AN0VA 1 factor, medidas independientes, EF. Ejemplo
4. E.C.
R1 R2 R3 R12 R22 R32
(1 coche) (3 coches) (5 coches)
12 6 8 144 36 64
8 2 3 64 4 9
10 4 2 100 16 4
7 0 49 0
11 1 121 1
Σ 48 13 13 478 57 77
k nj 2
Yij
k nj ∑∑
(48 +13 +13) 2
j=1 i=1 (478 + 57 + 77) − =
SCTOTAL = ∑∑ Yij2 −
N
=
13
j=1 i=1
23
= 612 − 421,3 = 190,77
€ €
2. AN0VA 1 factor, medidas independientes, EF. Ejemplo
4. E.C.
R1 R2 R3 R12 R22 R32
(1 coche) (3 coches) (5 coches)
12 6 8 144 36 64
8 2 3 64 4 9
10 4 2 100 16 4
7 0 49 0
11 1 121 1
Σ 48 13 13 478 57 77
n j 2
n
∑Yij
k j k 48 2 132 132
i=1
SCINTRA = ∑ ∑Yij2 − ∑ = (478 + 57 + 77) − + + =
nj 5 5 3
j=1 i=1 j=1
24
= 612 − 550,93 = 61,07
€
2. AN0VA 1 factor, medidas independientes, EF. Ejemplo
SC INTER = SCTOTAL − SC INTRA
= 190,77 − 61,07 = 129,7
Tabla del ANOVA
MCINTER
F= ⇒1−α Fk −1, n −k ⇒ 0,95 F2,10 = 4,10
MCINTRA 25
2. AN0VA 1 factor, medidas independientes, EF. Ejemplo
4. E.C.
MCINTER
F= ⇒1−α Fk −1, n −k ⇒ 0,95 F2,10 = 4,10
MCINTRA
Rechazamos la H0
€ F≥1−α F2,10
0,05
Recompensa Recompensa 27
2. AN0VA 1 factor, medidas independientes, EF
2 SCINTER SCINTRA
η = =1−
SCTOTAL SCTOTAL
Interpretación:
→ Si hay manipulación experimental: porcentaje de la variabilidad de
la VD que se debe al factor
€ → Si no hay manipulación experimental: porcentaje de la variabilidad
de la VD asociada al factor
SCINTER − (k −1)MCINTRA
2
ω =
SCTOTAL + MCINTRA
28
2. AN0VA 1 factor, medidas independientes, EF
Ejemplo
Tamaño del efecto
“A posteriori”: Scheffé
Yi − Y j
≥ (k −1)1−α Fk −1, n −k
1 1
MCINTRA +
ni n j
Si se cumple, la diferencia entre las medias de i y de j
es estadísticamente significativa a un
nivel de significación α
€
31
€
2. AN0VA 1 factor, medidas independientes, EF
Comparaciones múltiples. Ejemplo
Comparaciones múltiples
Yi − Y j
≥ (k −1)F1−α , k −1, n −k
1 1
MCINTRA +
ni n j
48 13 13
(3 −1) 0,95 F2,10 = (2)4,10 = 2,86 Y1 = = 9,6 Y2 = = 2,6 Y3 = = 4,3
5 5 3
€
9,6 − 2,6
Y1 − Y2 = 4,48 > 2,86
1 1
€ 6,107 + € € €
5 5
9,6 − 4,3
Y1 − Y3 → = 2,94 > 2,86
1 1
€ 6,107 + Recompensa
5 3 Encontramos diferencias estadísticamente
significativas en la velocidad de aprendizaje entre
2,6 − 4,3
Y2 − Y3 = 0,94 < 2,86 recompensar con 1 coche frente a 3 coches y entre
1 1 recompensar con 1 coche frente a 5 coches, pero no
€ 6,107 +
5 3 entre recompensar con 3 frente a 5 coches 32
2. AN0VA 1 factor, medidas independientes, EF
2.5. Robustez de F frente al incumplimiento de los supuestos
Supuesto de Normalidad La distribución
Si las distribuciones son simétricas muestral no
Si las distribuciones son asimétricas pero en la sufre mucha
misma dirección y σ12 = σ 22 = ... = σ k2 alteración
Supuesto de Homocedasticidad
€ muestrales son iguales y La distribución
Si los tamaños
muestral no sufre
se cumple el supuesto de normalidad
mucha alteración
La distribución
Si los tamaños muestrales son muestral no sigue
distintos exactamente el
modelo propuesto 33
Tema 4. ANOVA de dos factores de
medidas independientes, efectos
fijos
1. Modelo
2. Contraste de Hipótesis
3. Tamaño del efecto
4. Comparaciones múltiples
5. Interpretación del efecto de interacción
6. Robustez de F frente al incumplimiento de los supuestos
ANOVA de dos factores de medidas independientes,
efectos fijos
ANOVA de dos factor de efectos fijos, completamente
aleatorizado (A-EF-CA)
2.1. Modelo
2
ANOVA de dos factores de medidas independientes,
efectos fijos
2.1. Modelo (cont.)
ANOVA de dos factores (A y B) de medidas independientes efectos fijos
Puntuación del
sujeto i sometido Y = µ•• + " r• + #• s + $ rs + % irs
irs Efectos
al nivel r del factor
A y al nivel s del debidos a
factor B factores no
Efectos debidos a Efectos Efectos Efectos de la
tenidos en
factores comunes propios del propios del interacción
cuenta
en todos los nivel r del nivel s del del nivel r del
! sujetos factor A factor B factor A y el 3
s del factor B
ANOVA de dos factores de medidas independientes,
efectos fijos
2.1. Modelo (cont.)
Valor Efectos debidos Efectos debidos a
Efectos debidos a factores
observado = a factores + tenidos en cuenta (VVII) + factores no
en la VD constantes controlados
!
" rs = µrs # µr• # µ•s + µ••
!
!
4
!
ANOVA de dos factores de medidas independientes,
efectos fijos
Ejemplo: estudiar el efecto del sexo del alumno y Técnica
3 técnicas de entrenamiento sobre la habilidad
manual T1 T2 T3
3 3 3
Yirs = µ•• + " r• + #• s + $ rs + % irs 4 4 4
5 1 4
" r• = µr• # µ•• "•s = µ•s # µ•• Varón . . . 4
. . .
Y211 = 4 +(4 " 4) +(3 " 4) +
! . 5 . 3 . 4
+(5 ! 4 ! 3+ 4) +(4 " 5) = Sexo
2 8 2
= 4 + 0 + (!1) + 2 + (!1) = 4 1 5 4
! ! 0 9 6
! . . . 4
"irs = Yirs # µrs Mujer . . .
" rs = µrs # µr• # µ•s + µ•• . 1 . 7 . 4
! 3 5 4 4
5
ANOVA de dos factores de medidas independientes,
efectos fijos
Media del nivel r
Factor B
del factor A y
1 2 … s … c nivel s del factor B
Y111 Y112 Y11s Y11c
Y211 Y212 … Y21s … Y21c µ1•
1 … … … …
µ11 µ12 µ1s µ1c
Y121 Y122 Y12s Y12c
Factor Y221 Y222 … Y22s … Y22c µ 2•
2 …
µ 21 … … …
! µ 2c
A µ 22 µ 2s
. . ... ! ... ... ... ... ... Media
!.. !.. !
Y1r1 Y1r2 Y1rs Y1rc del
Y2r1 Y2r2 … Y2rs … Y2rc
! µ µ r• nivel r
r … µ r1 … µr 2 … µ rs …
rc del
!. !
.. .
! ... ...
! ... ... ...
.. . .. factor
Y1f1 Y1f2 Y1fs Y1fc A
Y2f1 Y2f2 … Y2fs … Y2fc
µf•
!
!f …
!µ f 1 …
µ f!
2
…
µ fs! …
µ fc
µ•1 µ•2 µ• c µ•• Media
Media del nivel … µ• s …
total
s del factor B 6
ANOVA de dos factores de medidas independientes,
efectos fijos
2.Contraste de Hipótesis
1. H 01 : µ1• = µ 2• = = µ f • = µ••
H 01 : α1• = α 2• = = α f • = 0
Efecto del nivel 1 del factor A Efecto del nivel f del factor A
H11 : µ r• " µ r'• para algún valor de r y r'(r " r')
H 02 : µ•1 = µ•2 = = µ•c = µ••
H 02 : β •1 = β •2 = = β •c = 0
Efecto del
!
! nivel 1 del factor B Efecto del nivel c del factor B
H12 : µ• s " µ• s' para algún valor de s y s'(s " s')
H 03 : " rs = 0 Efecto del nivel r del factor A y del nivel
s del factor B
H13 : " rs # 0 para algún valor de r y s
! !
Las tres hipótesis son independientes, pero si se rechaza la hipótesis nula
de la interacción es la que tiene el mayor peso en la explicación 7
!2. "
!
ANOVA de dos factores de medidas independientes,
efectos fijos
2. Contraste de Hipótesis (cont.)
3. SUPUESTOS:
3.1 Independencia: f*c m.a.s: cada observación es aleatoriamente seleccionada de
su población y/o aleatoriamente asignada a cada uno de los f*c tratamientos del
factor
Y11: v.a. Y de los sujetos sometidos al 1er nivel del factor A y al 1er nivel del factor B
Y111,Y211,...,Yn11 11 " m.a.s
Yrs: v.a. Y de los sujetos sometidos al nivel r del factor A y al nivel s del factor B
Y1rs ,Y2rs ,...,Yn rs rs " m.a.s …
! Y : v.a. Y de los sujetos sometidos al nivel f del factor A y al nivel c del factor B
fc
Y1 fc ,Y2 fc ,...,Yn fc fc " m.a.s
!
Yirs " independientes
" # irs (Yirs $ Yrs ) " independientes : cov(# irs,# i %rs ) = 0;E(# irs ) = 0
! 3.2 Normalidad
• La variable Y sigue una distribución Normal en las f*c poblaciones
• Los errores se distribuyen normalmente 8
ANOVA de dos factores de medidas independientes,
efectos fijos
2.2. Contraste de Hipótesis (cont.)
3. SUPUESTOS: 2
2
Y11 " N(µ11, # 11 )
Yirs " independientes y N(µ rs, # )
...
Yrs " N(µ rs, # rs2 )
! $ 2)
" irs # independientes entre sí y N(0,
Comprobación: pruebas de bondad de ajuste a la distribución Normal
"2 !
Kolmogorov-Smirnov
3.3. Igualdad de varianzas (homocedasticidad)
!
σ 112 = = σ rs2 = = σ 2fc
Comprobación:
Prueba de Levene
9
ANOVA de dos factores de medidas independientes,
efectos fijos
4. E.C.
Valor Efectos debidos Efectos debidos a
Efectos debidos a factores
observado = a factores + tenidos en cuenta (VVII) + factores no
en la VD constantes controlados
Y•• !
Yr• " Y•• Y•s " Y•• eirs = Yirs " Yrs
! " rs = µrs #!
µr• # µ•s + µ••
10
! ! Yrs " Yr• " Y•s + Y••
ANOVA de dos factores de medidas independientes,
efectos fijos
4. ESTADÍSTICO DE CONTRASTE
Yirs = µ•• + " r• + #• s + $ rs + % irs
Yirs = Y••+(Yr• " Y•• ) +(Y• s " Y•• ) +(Yrs " Yr• " Y• s + Y•• )+(Yirs " Yrs )
Fuentes de variación
!
(Y " Y ) = (Yr• " Y•• ) +(Y• s " Y•• ) +(Yrs " Yr• " Y• s + Y•• ) +(Yirs " Yrs )
irs ••
! ! !
Desviación Desviación de Desviación de Desviación de la Desviación de
de cada la media de la media de media de cada casilla cada
puntuación cada grupo cada respecto de la media puntuación
! ! ! grupo ! respecto de la
respecto de respecto de la respecto de la total eliminando el
la media media total media total efecto de los factores media de su
total grupo
TOTAL INTERGRUPOS INTERGRUPOS INTERGRUPOS INTRAGRUPOS
(FACTOR A) (FACTOR B) (INTERACCIÓN AB) (ERROR)
11
ANOVA de dos factores de medidas independientes,
efectos fijos
Sumas de cuadrados
f c n rs f c f c f c n rs
2 2
## #(Yirs " Y•• ) =c # nr (Yr• " Y•• ) + f # ns (Y•s " Y•• ) + ## nrs (Yrs " Yr " Ys + Y•• ) + ## #(Yirs " Yrs )2
2 2
r=1 s=1 i=1 r=1 s=1 r=1 s=1 r=1 s=1 i=1
Grados de libertad
N-1 f-1 c-1 (c-1)(f-1) N-fc
Medias cuadráticas
SCTOTAL SCA SCB
MCTOTAL = MCFactorA = MCFactorB =
N "1 f "1 c "1
SCAB SCERROR
MCAB = MCERROR =
( f " 1)(c " 1) N " fc 12
! !
ANOVA de dos factores de medidas independientes,
efectos fijos
Sumas de cuadrados (fórmulas de cálculo para n igual en todas las casillas)
$ f c n '2
& Yirs )
f c n f c n & )# ##
2 2 % r=1s=1 i=1 ( 2
SCTOTAL= # ##
(Yirs " Y•• ) = # ##
Yirs "
nfc
= nfcSTotal
r=1 s=1 i=1 r=1 s=1 i=1
f $ c n '2 $ f c n '2
& Yirs )
f
&
& # ## Yirs )
) & # ## )
2 r=1% s=1 i=1 ( % r=1s=1 i=1 (
#
SC A = nc (Yr " Y•• ) =
nc
"
nfc
r=1
c $ f n '2 $ f c n '2
& Yirs ) & Yirs )
c & # ## ) & # ## )
2 s=1% r=1i=1 ( % r=1s=1 i=1 (
#
SCB = nf (Ys " Y•• ) =
nf
"
nfc
s=1
$n
f c '2 f $ c n '2 c $ f n '2 $ f c n '2
& Yirs ) & Yirs )
f c
& Y )
## #
& irs )
&
& # ## Yirs )
)
# ##
& ) &# ## )
2 r=1 s=1% i=1 ( r=1% s=1 i=1 ( s=1% r=1i=1 ( % r=1s=1 i=1 (
SC AB= n ## (Yrs " Yr " Ys + Y•• ) =
n
"
nc
"
nf
+
nfc
r=1 s=1
$n f '2
c
& Y )
f c n f c n & ## #
irs ) f c f c
2 2 r=1 s=1% i=1 ( 2 2
SCERROR= # ##
(Yirs " Yrs ) = # ##
Yirs " = ##
nSrs = (n " 1) S˜ rs
##
n
r=1 s=1 i=1 r=1 s=1 i=1 r=1 s=1 r=1 s=1
13
ANOVA de dos factores de medidas independientes,
efectos fijos
MCA
F01 = "1#$ F f #1, N # fc
MCERROR
MCB
F02 = "1#$ Fc#1, N # fc
MCERROR
MCAB
F03 = "1#$ F( f #1)(c #1), N # fc
MCERROR 14
ANOVA de dos factores de medidas independientes,
efectos fijos
SCB MCB
MCB = F02 = P(F02 <1"# F c "1, N " fc )
Factor B SCB c-1 c "1 MC!ERROR
! !
Interacción SCAB MCAB P(F < F
MC = F03 = 03 1"# ( f "1)(c "1), N " fc )
AB SCAB (f-1)(c-1) AB
( f "1)(c "1) !
MCERROR
! !
SCERROR
MCERROR =
Error SCERROR N-fc N " fc !
! !
Total SCTOTAL N-1
!
15
ANOVA de dos factores de medidas independientes,
efectos fijos
5. REGIÓN CRÍTICA Y CRITERIO DE DECISIÓN
"
F"1#$ F f #1, N # fc
- Mantenemos H01 si el valor obtenido en la muestra para el E.C. F01 cae en la
región de aceptación !
- Rechazamos H01 si el valor obtenido en la muestra para el E.C. F01 cae en la
región crítica, conclusión:
!
→ No todas las medias son iguales pero no sabemos qué medias
difieren entre sí
→ Si hay manipulación por parte del investigador: las diferencias
encontradas en la VD son debidas al efecto del factor A
→ Si no hay manipulación sólo podemos afirmar que las diferencias
encontradas en la VD están asociadas a los distintos niveles del 16
factor A
ANOVA de dos factores de medidas independientes,
efectos fijos
5. REGIÓN CRÍTICA Y CRITERIO DE DECISIÓN
"
F"1#$ Fc #1, N # fc
- Mantenemos H02 si el valor obtenido en la muestra para el E.C. F02 cae en la
región de aceptación !
- Rechazamos H02 si el valor obtenido en la muestra para el E.C. F02 cae en la
región crítica, conclusión:
!
→ No todas las medias son iguales pero no sabemos qué medias
difieren entre sí
→ Si hay manipulación por parte del investigador: las diferencias
encontradas en la VD son debidas al efecto del factor B
→ Si no hay manipulación sólo podemos afirmar que las diferencias
encontradas en la VD están asociadas a los distintos niveles del 17
factor B
ANOVA de dos factores de medidas independientes,
efectos fijos
5. REGIÓN CRÍTICA Y CRITERIO DE DECISIÓN
"
F"1#$ F(c #1)( f #1), N # fc
- Mantenemos H03 si el valor obtenido en la muestra para el E.C. F03 cae en la
región de aceptación !
- Rechazamos H03 si el valor obtenido en la muestra para el E.C. F03 cae en la
región crítica, conclusión:
!
→ No todas las medias son iguales pero no sabemos qué medias difieren
entre sí
→ Si hay manipulación por parte del investigador: las diferencias
encontradas en la VD son debidas al efecto de interacción del factor A y
B
→ Si no hay manipulación sólo podemos afirmar que las diferencias 18
encontradas en la VD están asociadas a la interacción del factor A y B
ANOVA de dos factores de medidas independientes,
efectos fijos
3. 1.Tamaño del efecto del factor A
Eta cuadrado 2 SCA
" =
A
SCTOTAL
Interpretación:
→ Si hay manipulación experimental: porcentaje de la variabilidad de la VD que se debe al
factor A
→ Si no hay manipulación experimental: porcentaje de la variabilidad de la VD asociada al
factor A
!
Eta cuadrado *2 SCA
" =A
parcial SCA + SCERROR
Interpretación:
→ Si hay manipulación experimental: porcentaje de la variabilidad de la VD que se debe al
factor A, una vez que se elimina lo que se debe al factor B y a la interacción
→ Si no hay manipulación experimental: porcentaje de la variabilidad de la VD asociada al
factor A, una vez que se elimina lo que está asociado al factor B y a la interacción
! 19
ANOVA de dos factores de medidas independientes,
efectos fijos
3.2. Tamaño del efecto del factor B
SC
Eta cuadrado "B2 = B
SCTOTAL
Interpretación:
→ Si hay manipulación experimental: porcentaje de la variabilidad de la VD que se debe al
factor B
→ Si no hay manipulación experimental: porcentaje de la variabilidad de la VD asociada al
factor B
!
Eta cuadrado *2 SCB
" =B
parcial SCB + SCERROR
Interpretación:
→ Si hay manipulación experimental: porcentaje de la variabilidad de la VD que se debe al
factor B, una vez que se elimina lo que se debe al factor A y a la interacción
→ Si no hay manipulación experimental: porcentaje de la variabilidad de la VD asociada al
factor, una vez que se elimina lo que está asociado al factor A y a la interacción 20
!
ANOVA de dos factores de medidas independientes,
efectos fijos
3.3. Tamaño del efecto de la interacción
Eta cuadrado 2 SCAB
" AB =
Interpretación: SCTOTAL
→ Si hay manipulación experimental: porcentaje de la variabilidad de la VD que se debe a
la interacción de los factores A y B
→ Si no hay manipulación experimental: porcentaje de la variabilidad de la VD asociada a
la interacción de los factores A y B
!
Eta cuadrado *2 SCAB
" AB =
parcial SCAB + SCERROR
Interpretación:
→ Si hay manipulación experimental: porcentaje de la variabilidad de la VD que se debe a
la interacción de los factores A y B, una vez que se elimina lo que se debe al factor A y B
→ Si no hay manipulación experimental: porcentaje de la variabilidad de la VD asociada a
la interacción de los factores A y B, una vez que se elimina lo que está asociado al factor A
yB !
21
ANOVA de dos factores de medidas independientes,
efectos fijos
4.1. Comparaciones múltiples del factor A
Comparaciones múltiples “a posteriori” Scheffé
Yr " Yr #
* ( f " 1)1"+ F f "1, N " fc
$1 1'
MCERROR & + )
% n r n r# (
Ys " Ys#
* (c " 1)1"+ Fc"1,N " fc
$ 1 1 '
MCERROR & + )
% n s n s# (
B1
…
Bs
…
Yrs
Y11 Bc Media del nivel r del factor
A y el nivel s del factor B
Media del nivel 1 del factor
A y el nivel 1 del factor B A1 …… Ar …… Af
!
! existe interacción
- Si no la líneas son paralelas
- Si existe interacción la líneas no son paralelas (se cruzan o convergen)
25
ANOVA de dos factores de medidas independientes,
efectos fijos
5. Interpretación de la interacción: sin efecto de
interacción
VD: Habilidad manual
varón
mujer
Por término medio la T1 y T3 tienen
menor efecto sobre la habilidad manual
Medias M V
que la T2 y por término medio los
2 4 3
T1
varones tiene mayor habilidad manual
T2 4 6 5
que las mujeres.
T3 2 4 3
2,6 4,6 3,6
T1 T2 T3
Efecto de la técnica y del sexo del alumno
VD: Habilidad manual
varón
mujer
Por término medio la T1 tienen menor
Medias M V
efecto sobre la habilidad manual que la
T1 4 4 4
T2 y ésta que la T3 y por término medio
T2 6 6 6 los varones tiene la misma habilidad
T3 8 8 8 manual que las mujeres.
6 6 6
T1 T2 T3 26
Efecto de la técnica y no del sexo del alumno
ANOVA de dos factores de medidas independientes,
efectos fijos
5. Interpretación de la interacción: sin efecto de
interacción (cont.)
VD: Habilidad manual
varón
mujer
Por término medio todas las técnicas
Medias M V tienen el mismo efecto sobre la
T1 6 6 6 habilidad manual y por término medio
6 6 6
T2
los varones tiene la misma habilidad
T3 6 6 6
manual que las mujeres.
6 6 6
T1 T2 T3
Ningún efecto
VD: Habilidad manual
varón
mujer
Por término medio todas las técnicas
Medias M V tienen el mismo efecto sobre la
T1 5 3 4 habilidad manual y por término medio
5 3 4
T2
los varones tiene menor habilidad
T3 5 3 4
manual que las mujeres.
5 3 4
T1 T2 T3 27
Efecto del sexo del alumno y no de la técnica
ANOVA de dos factores de medidas independientes,
efectos fijos
5. Interpretación de la interacción: con efecto de interacción, los niveles de
un factor funcionan de forma distinta al combinarse con los distintos niveles
del otro factor
VD: Habilidad manual
varón
mujer Por término medio todas las técnicas tienen
Medias M V
el mismo efecto sobre la habilidad manual y
T1 8 4 6
por término medio los varones tiene la
T2 6 6 6
misma habilidad manual que las mujeres.
T3 4 8 6
Pero la T1 funciona mejor para las mujeres
6 6 6
que para los varones, mientras que la que la
T1 T2 T3 T3 genera el resultado contrario.
Sin efecto de la técnica ni del sexo del alumno
varón
mujer
misma habilidad manual que las mujeres. Por
Medias M V
término medio la T1 y T2 tienen mayor efecto
7 4 5,5
T1
sobre la habilidad manual que la T3. Pero la
5 6 5,5
T2
T1 funciona mejor para las mujeres que para
3 5 4
T3
los varones, mientras que la que la T2 y T3
5 5 5
T1 T2 T3
generan el resultado contrario.
28
Con efecto de la técnica y no del sexo del alumno
ANOVA de dos factores de medidas independientes,
efectos fijos
5. Interpretación de la interacción: con efecto de interacción, los niveles de
un factor funcionan de forma distinta al combinarse con los distintos niveles
del otro factor (cont.)
Por término medio los varones tienen mayor
VD: Habilidad manual
varón
mujer
habilidad manual que las mujeres. Por
Medias M V
término medio la T1 tienen mayor efecto
T1 5 13 9
sobre la habilidad manual que la T2 y ambas
T2 5 10 7,5
que la T3. Pero las diferencias entre varones y
T3 5 7 6 mujeres (a favor de los primeros) son
T1 T2 T3
5 10 7,5
mayores para la T1 que para la T2 y ambas
Con efecto de la técnica y del sexo del alumno que para la T3.
Por término medio las mujeres tienen mayor
VD: Habilidad manual
varón
mujer
habilidad manual que los varones. Por
término medio la T1 tiene menor efecto sobre
Medias M V
la habilidad manual que la T2 y ambas que la
T1 3 4 3,5
T3. Pero la T1 funciona mejor para los
T2 6 5 5,5
varones que para las mujeres, mientras que la
T3 9 6 7,5
6 5 5,5
que la T2 y la T3 generan el resultado
T1 T2 T3 contrario.
Con efecto de la técnica y del sexo del alumno
29
ANOVA de dos factores de medidas independientes,
efectos fijos
5. Interpretación de la interacción: con efecto de interacción, los niveles de
un factor funcionan de forma distinta al combinarse con los distintos niveles
del otro factor (cont.)
varón
mujer
término medio todas las técnicas tienen el
Medias M V
mismo efecto sobre la habilidad manual. Pero
T1 6 4 5
la T2 funciona peor para las mujeres que para
T2 4 6 5
los varones, mientras que la T1 y la T3 generan
T3 7 3 5
5,6 4,3 5
el resultado contrario.
T1 T2 T3
Con efecto del sexo del alumno y no de la técnica
30
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
• En un experimento de memoria se quiere estudiar el efecto sobre la
memoria de la persona en la que está escrito un texto (tercera o
primera) y del tipo de contenido (neutro o emocional). Para ello
redactan cuatro relatos equivalentes combinando ambos factores que
leen cuatro grupos de 12 sujetos asignados de forma aleatoria a cada
condición. Posteriormente se les pasa una prueba de recuerdo sobre
los contenidos del relato. ¿Podemos afirmar con α=0,05 que el tipo
de contenido y la persona en la que está escrito un relato afecta al
recuerdo? Supongamos que se cumplen los supuestos requeridos por
el modelo.
VD: recuerdo
VI: 1. Persona (tercera y primera)
2. Contenido con 2 niveles (neutro y emocional)
31
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
H01 : µ primera = µtercera = µ H01 : " primera = " tercera = 0
La persona en la que está escrito
no afecta al recuerdo
H02 : µemocional = µneutro = µ H02 : " emocional = " neutro = 0
El tipo de contenido no
afecta al recuerdo
H 03 : " rs = 0 No hay efecto de interacción en el
2. " recuerdo entre el contenido y la
persona en la que está escrito en el
3. SUPUESTOS: recuerdo
4 m.a.s de cuatro poblaciones normales con igual varianza
Y11 " N(µ11, # 112 ) Y12 " N(µ12 , # 122 ) Y21 " N(µ 21, # 21
2 2
) Y22 " N(µ 22 , # 22 )
" 112 = " 122 = " 21
2 2
= " 22 32
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
CONTENIDO
NEUTRO EMOCIONAL
Persona 3ª 2,5,6,7,4,6,7,8,4,6,7,10 Y11 = 6 10,13,14,16,10,13,14,17,11,13,15,15 Y12 = 13,41 Y1• = 9,7
Y•1 = 9,54 ! ! !
Y•2 = 21
$ f c n '2 ! ! !
& Yirs )
f c n & !
" "" )
2 % r=1s=1 i=1 ( !
SCTOTAL= " ""
Yirs # = (2 2 + 5 2 + 6 2 + 7 2 + 4 2 + 6 2 + 7 2 + 8 2 + 4 2 + 6 2 + 7 2 + 102 + 10 2 + 132 + 14 2 + 162 + 10 2 + 132 + 14 2 + 172 + 112 + 132 +
nfc
r=1 s=1 i=1
+15 + 15 + 9 + 12 + 14 2 + 152 + 10 2 + 132 + 14 2 + 162 + 10 2 + 132 + 14 2 + 172 + 212 + 252 + 312 + 332 + 22 2 + 262 + 32 2 + 34 2 + 22 2 + 302 + 32 2 + 352 ) #
2 2 2 2
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15 +
+9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2
# = 3711,479
2 # f 2 12 • 2 • 2
f # c n & c n &
"%"" irs ( % """ irs ((
% Y ( % Y
r=1$ s=1 i=1 ' $ r=1s=1 i=1 '
SC A = ) =
nc nfc
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15) 2 +
+(9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2
= )
12 • 2
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15 +
+9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2 33
) = 1485,188
12 • 2 • 2
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
CONTENIDO
NEUTRO EMOCIONAL
Persona 3ª 2,5,6,7,4,6,7,8,4,6,7,10 Y11 = 6 10,13,14,16,10,13,14,17,11,13,15,15 Y12 = 13,41 Y1• = 9,7
Y•1 = 9,54 ! ! !
Y•2 = 21
! ! !
! !
2 2
c # fn & # f c n &
% ( % Yirs (
" ""
%
Yirs
( % " "" (
s=1$ r=1i=1 ' $ r=1s=1 i=1 '
SCB = ) =
nf nfc
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10 + 9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17) 2 +
(10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15 + 21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2
= )
12 • 2
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15 +
+9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2
) = 1575,521
12 • 2 • 2
34
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
CONTENIDO
NEUTRO EMOCIONAL
Persona 3ª 2,5,6,7,4,6,7,8,4,6,7,10 Y11 = 6 10,13,14,16,10,13,14,17,11,13,15,15 Y12 = 13,41 Y1• = 9,7
Y•1 = 9,54 ! ! !
Y•2 = 21
! ! !
f #nc &2 f # c n &2 c # f n &2 # f c n &2
% Yirs ( % Yirs (
"" "% Y (
% irs ( !
%
" ""
%
Yirs (
(
" ""
% ( %" "" ( !
r=1 s=1$ i=1 ' r=1$ s=1 i=1 ' s=1$ r=1i=1 ' $ r=1s=1 i=1 '
SC AB = ) ) + =
n nc nf nfc
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10) 2 + (9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17) 2 +
(10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15) 2 + (21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2
= )
12
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10 + 9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17) 2 +
(10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15 + 21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2
) )
12 • 2
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15) 2 +
+(9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2
) +
12 • 2
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15 +
+9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2 35
+ = 196,021
12 • 2 • 2
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
CONTENIDO
NEUTRO EMOCIONAL
Persona 3ª 2,5,6,7,4,6,7,8,4,6,7,10 Y11 = 6 10,13,14,16,10,13,14,17,11,13,15,15 Y12 = 13,41 Y1• = 9,7
Y•1 = 9,54 ! ! !
Y•2 = 21
! ! !
$nf !c '2
& Y ) !
f c n &
"" " irs )
2 r=1 s=1% i=1 (
SCError= " ""
Yirs #
n
=
r=1 s=1 i=1
= (2 + 5 + 6 + 7 + 4 2 + 6 2 + 7 2 + 8 2 + 4 2 + 6 2 + 7 2 + 10 2 + 102 + 13 2 + 14 2 + 16 2 + 102 + 13 2 + 14 2 + 17 2 + 112 + 13 2 + 152 + 15 2 +
2 2 2 2
+92 + 12 2 + 14 2 + 152 + 10 2 + 132 + 14 2 + 162 + 10 2 + 132 + 14 2 + 172 + 212 + 252 + 312 + 332 + 22 2 + 262 + 32 2 + 34 2 + 22 2 + 302 + 32 2 + 352 ) #
(2 + 5 + 6 + 7 + 4 + 6 + 7 + 8 + 4 + 6 + 7 + 10) 2 + (9 + 12 + 14 + 15 + 10 + 13 + 14 + 16 + 10 + 13 + 14 + 17) 2 +
(10 + 13 + 14 + 16 + 10 + 13 + 14 + 17 + 11+ 13 + 15 + 15) 2 + (21+ 25 + 31+ 33 + 22 + 26 + 32 + 34 + 22 + 30 + 32 + 35) 2
# = 454,750
12
36
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
FV S.C. g.l. M.C. E.C. Nivel
crítico
1485,18 1485,18
= 1485,18 F01 = = 143,70 0, 0000...
Persona 1485,18 2-1=1 1 10,35
1575,52 1575,52
= 1575,52 F02 = = 152,44 0, 0000...
Contenido 1575,52 2-1=1 1 10,35
! !
Interacción (2-1)(2-1)= 196,02 196,02
= 196,02 F03 = = 18,96 0, 0000...
PxC 196,02 =1 1 10,35
! !
N-fc= 196,02
= 10,35
Error 454,75 =48-4=44 44
! !
N-1=48-1=
Total 3711,47 =47
!
37
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
4. E.C.
MCPERSONA
F= "1#$ Fc#1, N # fc "0,95 F1,44 = 4,06
MCERROR
Rechazamos la H0
! F"1#$ F1,44
0,05
F
0,95 1, 44 = 4,06 F01= 152,44
!
5. y 6. R.C. y criterio de decisión
Decisión: Como 152,44 > 4,06 (valor de F1,44 que deja por debajo
0,95) rechazamos H01 y concluimos
! que la persona en la que está
escrito el texto afecta al recuerdo/ existen diferencias
estadísticamente significativas en recuerdo en función de la persona
en la que está escrito el texto 38
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
4. E.C.
MCCONTENIDO
F= "1#$ Fc#1, N # fc "0,95 F1,44 = 4,06
MCERROR
Rechazamos la H0
F"1#$ F1,44
0,05
F
0,95 1, 44 = 4,06 F02= 143,7
!
5. y 6. R.C. y criterio de decisión
Decisión: Como 143,7 > 4,06 (valor de F1,44 que deja por debajo
!
0,95) rechazamos H02 y concluimos que el tipo de contenido afecta
al recuerdo/ existen diferencias estadísticamente significativas en
recuerdo en función de que el texto tenga contenido emocional o
neutro 39
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
4. E.C.
MCPERSONAxCONTENIDO
F= "1#$ F( f #1)(c#1), N # fc "0,95 F1,44 = 18,96
MCERROR
! Rechazamos la H0
F"1#$ F1,44
0,05
F
0,95 1, 44 = 4,06 F03= 18,96
!
5. y 6. R.C. y criterio de decisión
Decisión: Como 143,7 > 4,06 (valor de F1,44 que deja por debajo
!
0,95) rechazamos H03 y concluimos que hay un efecto de interación
entre la persona en la que está escrito y el tipo de contenido sobre
el recuerdo
40
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
Emocional
Neutro
VD: Habilidad manual
La diferencia en el recuerdo
entre las condiciones con
contenido emocional y neutro
es mayor cuando el texto está
escrito en primera persona que
cuando está en tercera
Tercera Primera
Persona
41
ANOVA de dos factores de medidas independientes,
efectos fijos. Ejemplo
Tamaño del efecto
*2 SCPERSONA 1485,18
"PERSONA = = = 0,76
SCPERSONA + SCERROR 1485,18 + 454,75
Interpretación: hay un 76% de la variabilidad en el recuerdo asociada a la persona
en la que está escrito un relato, una vez que se elimina la que está asociada al tipo
de contenido y a la interacción
*2 SCCONTENIDO 1575,52
"CONTENIDO = = = 0,77
SCCONTENIDO + SCERROR 1575,52 + 454,75
1.1. Introducción
En este caso, los datos se han obtenido con un diseño intrasujetos
(medidas repetidas) y utilizado una variable independiente (un factor) con k
niveles establecidos por el investigador (efectos fijos). De esta forma todos
y cada uno de los sujetos pasan por todos y cada uno de los niveles del
factor.
VENTAJAS: Disminuye la varianza de los errores que enmascara
el efecto del factor ya que se controla la variabilidad debida a los
sujetos
INCONVENIENTES: Es necesario controlar potenciales
amenazas debidas al efecto de la práctica y al efecto de la fatiga
2
1. ANOVA de un factor de medidas repetidas, efectos
fijos
1.2. Modelo
Objetivo: someter a comprobación experimental la H0 acerca
de la igualdad de las medias poblacionales de los k
niveles del factor intrasujetos
3
1. ANOVA de un factor de medidas repetidas, efectos
fijos
1.2. Modelo (cont)
Valor Efectos debidos Efectos debidos a
Efectos debidos a factores
observado = a factores + tenidos en cuenta (VVII)
+ factores no
en la VD constantes controlados
€
1. ANOVA de un factor de medidas repetidas, efectos
fijos
Ejemplo: estudiar la capacidad de la memoria en
una muestra de alumnos donde todos ellos pasan
por las 3 condiciones de recuerdo
1 3 5 4
α• j = µ• j − µ•• π i• = µi• − µ•• 2 1 3 5
. . . . .
. . . . .
. . . . .
€ € n 4 6 5
6
1. ANOVA de un factor de medidas repetidas, efectos
fijos
Yij = µ•• + α• j + π i• + εij
… … … … … … factor
i Yi1 Yi2 … Yij … Yik
… … … … … … Media del nivel k
n Yn1 Yn2 … Ynj … Ynk
del factor calculada
… … a partir de las
puntuaciones de los
n sujetos en el
mismo
7
1. ANOVA de un factor de medidas repetidas, efectos
fijos
1.3. Contraste de Hipótesis
1. HIPÓTESIS:
H0 : µ1 = µ2 = .... = µk = µ
H0 : α 1 = α 2 = .... = α k = 0
Efecto del nivel 1 del factor Efecto del nivel k del factor
€
8
1. ANOVA de un factor de medidas repetidas, efectos
fijos
1.3. Contraste de Hipótesis (cont.)
3. SUPUESTOS:
3.1 Independencia: 1 m.a.s: cada observación es aleatoriamente seleccionada de
su población.
3.2 Normalidad
• La variable Y sigue una distribución Normal en la población
• Los errores se distribuyen normalmente en la población
• El efecto de los sujetos se distribuye normalmente en la población
9
1. ANOVA de un factor de medidas repetidas, efectos
fijos
1.3. Contraste de Hipótesis (cont.)
3. SUPUESTOS:
3.3. Igualdad de varianzas (homocedasticidad)
3.4. Aditividad
- El efecto debido a la variación de los sujetos ( ) es una v.a. que se
distribuye normalmente e independientemente de los efectos de los
tratamientos ( ) y del efecto de los errores ( )
- Esta condición de la independencia implica que los tratamientos no
interactúan con los sujetos. Por esta razón, el efecto debido a los
tratamientos, el efecto debido a la variación de los sujetos y el efecto
debido a los errores se combinan aditivamente (sumados)
Yij = µ•• + α• j + π i• + εij
10
1. ANOVA de un factor de medidas repetidas, efectos
fijos
1.3. Contraste de Hipótesis (cont.)
3. SUPUESTOS:
3.4. Aditividad (cont)
- A este supuesto también se le conoce como simetría compuesta de la matriz de
varianzas-covarianzas. Es condición suficiente pero no necesaria.
- La condición necesaria y suficiente es la esfericidad o circularidad, que implica
igualdad de las varianzas de las diferencias entre todos los posible pares de
tratamientos.
Comprobación:
Prueba de Mauchly
Si no se cumple el supuesto, se utiliza la aproximación multivariada o un
corrector de los grados de libertad (epsilon):
Límite inferior (el más conservador)
Greenhouse-Geisser
Huynh-Feldt
11
1. ANOVA de un factor de medidas repetidas, efectos
fijos
α• €
j = µ• j − µ•• π i• = µi• − µ••
€ €
12
1. ANOVA de un factor de medidas repetidas, efectos
fijos
Yij = µ•• + α• j + π i• + εij
Fuentes de variación
k i i k k i
∑ ∑(Yij − Y )2 = k ∑(Yi• − Y )2 + n ∑(Y• j − Y )2 + ∑ ∑(Yij − Y• j − Yi• + Y )2
j=1n=1 n=1 j=1 j=1n=1
€
Grados de libertad
Medias cuadráticas
Estadístico de contraste
14
1. ANOVA de un factor de medidas repetidas, efectos
fijos
Factor A
Intertra SCA k-1
15
1. ANOVA de un factor de medidas repetidas, efectos
fijos
5. REGIÓN CRÍTICA Y CRITERIO DE DECISIÓN
Interpretación:
→ Si hay manipulación experimental: porcentaje de la variabilidad de
la VD que se debe al factor
→ Si no hay manipulación experimental: porcentaje de la variabilidad
de la VD asociada al factor
17
1. ANOVA de un factor de medidas repetidas, efectos
fijos
La distribución muestral no
sigue exactamente el modelo
Si no son iguales ni las varianzas ni las
propuesto
covarianzas
Se debe utilizar la
aproximación mutivariada o el
corrector épsilon
19
1. ANOVA de un factor de medidas repetidas, efectos
fijos
Se reduce la VARIABILIDAD TOTAL: Al utilizar los mismos
sujetos las diferencias intersujetos afectarán por igual a todos
los tratamientos.
20
1. ANOVA de un factor de medidas repetidas, efectos
fijos. Ejemplo
A una muestra aleatoria de 3 personas se les ha sometido a una tarea
clásica de memorizar pares de palabras y se les ha pedido el recuerdo en 4
condiciones (inmediato, a la hora, al día y a la semana). Con α= 0,05,
¿podemos afirmar que existen diferencias significativas en en el recuerdo
en función del tiempo transcurrido? Suponga que se cumplen todos los
supuestos de este modelo.
R1 R2 R3 R4
1 16 8 8 12 11
2 12 11 9 10 10,5
3 12 10 10 8 10
13,33 9,66 9 10
21
1. ANOVA de un factor de medidas repetidas, efectos
fijos. Ejemplo
1. HIPÓTESIS:
H0 : µinmediato = µ1hora = µ1día = µ1semana = µ
H0 : α inmediato = α 1hora = α 1día = α 1semana = 0 La cantidad de tiempo
transcurrido no afecta a la
cantidad del recuerdo
La cantidad de tiempo
transcurrido afecta a la
cantidad de recuerdo
3. SUPUESTOS:
- Normalidad
- Independencia
- Homocedasticidad
- Esfericidad 22
1. ANOVA de un factor de medidas repetidas, efectos
fijos. Ejemplo
R1 R2 R3 R4
1 16 8 8 12 11
2 12 11 9 10 10,5
3 12 10 10 8 10
13,33 9,66 9 10
k i
SCTotal = ∑ ∑(Yij − Y )2 = (16 − 10,5)2 + (12 − 10,5)2 + (12 − 10,5)2 + ...........+ (12 − 10,5)2 +
j=1n=1
+(10 − 10,5) 2 + (8 − 10,5) 2 = 30,25 + 2,25 + 2,25 + .....+ 2,25 + 0,25 + 6,25 = 59
k
SC Intertratamientos = n ∑(Y• j − Y )2 = 3[(13,33 − 10,5)2 + (9,66 − 10,5)2 + (9 − 10,5)2 + (10 − 10,5)2 ] =
j=1
= 3[8,0089 + 0,7056 + 2,25 + 0,25] = 33,64
i
SC Intersujetos = k ∑ [ ]
(Yi• − Y ) 2 = 4 (11− 10,5) 2 + (10,5 − 10,5) 2 + (10 − 10,5) 2 = 4[0,25 + 0 + 0,25] = 2
n=1
SC Error = SCTotal − SC Intertratamientos − SC Intersujetos = 59 − 33,64 − 2 = 23,36
23
1. ANOVA de un factor de medidas repetidas, efectos
fijos. Ejemplo
SCINTERSUJETOS 2 3-1
SCT
SCERROR 23,36 (4-1)(3-1) 23,36/6 = 3,89
SCE
SCT 59 12-1
TOTAL SCT
MCINTERTRAT
F= ⇒1−α Fk−1,(n−1)(k−1) ⇒0,95 F3,6 = 4,76
MCERROR 24
1. ANOVA de un factor de medidas repetidas, efectos
fijos. Ejemplo
4. E.C.
MCINTERTRAT
F= ⇒1−α Fk−1,(n−1)(k−1) ⇒0,95 F3,6 = 4,76
MCERROR
F= 2,88
Mantenemos la H0
€
2.1. Modelo
Valor Efectos debidos Efectos debidos a
observado = a factores + Efectos debidos a factores + factores no
en la VD constantes tenidos en cuenta (VVII) controlados
… … … … … … … …
Y1r1 Y1r2 Y1rs … Y1rc
Y2r1 Y2r2 … Y2rs Y2rc
r … … … …
s
… … … … … … … …
u
j
Y1f1 Y1f2 … Y1fs … Y1fc
e
Y2f1 Y2f2 Y2fs Y2fc
f … … … …
t
o
… … s
28
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
2.Contraste de Hipótesis
Efecto del nivel 1 del factor A Efecto del nivel f del factor A
Efecto del nivel 1 del factor B Efecto del nivel c del factor B
Yf: v.a. Y de los sujetos sometidos al nivel f del factor A y y a todos los niveles del
factor B
€ Y ,Y ,...,Y → m.a.s
1f 1 2 f 1 n f fc
€ 30
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
2.2. Contraste de Hipótesis (cont.)
3. SUPUESTOS:
3.3. En el análisis INTERSUJETOS (A):
- Igualdad de varianzas (homocedasticidad): las varianzas de las
subpoblaciones del factor de medidas independientes son iguales
σ 2A = σ 2A = ... = σ 2A
1 2 f
€
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
2.2. Contraste de Hipótesis (cont.)
4. EC:
Variabilidad Variabilidad
INTERSUJETOS INTRASUJETOS
33
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
2.2. Contraste de Hipótesis (cont.)
4. EC:
Variabilidad Variabilidad
INTERSUJETOS INTRASUJETOS
34
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
Fuentes S.C. g.l. M.C. E.C. Significación (p)
de variación
Intersujetos
Inter A
(factor A) SCINTER A f-1
Intra A
(Error) SCINTRA A f(n-1)
Intrasujetos
Inter B
(factor B) SCINTER B c-1
Interacción
AB SCAB (f-1)(c-1)
Memoria (intersujetos)
1 = reconocimiento
2 = recuerdo asistido
3 = recuerdo libre
39
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
El tipo de estrategia de
memoria no afecta a la
cantidad de recuerdo
La cantidad de tiempo
transcurrido no afecta a
la cantidad de recuerdo
40
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
Analizar > Modelo lineal general >
Medidas repetidas
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
El estadístico M de Box permite contrastar la H0 de
igualdad entre las matrices de varianzas-covarianzas.
Como p > α, podemos asumir que las matrices de
varianzas-covarianzas son iguales.
Editor de Sintaxis
45
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
Comparaciones múltiples de los efectos inter-sujetos
49
2. ANOVA mixto de dos factores de efectos fijos: uno
medidas independientes y otro medidas repetidas
GRAFICOS
Diferencia
estadísticamente
significativa