Power 2do Parcial - Merged

Diseños de sujeto único
La Psicología, como toda ciencia, es una disciplina que busca establecer amplias
generalizaciones o leyes que apliquen a una gran cantidad de individuos. En consecuencia, la
investigación psicológica a menudo se caracteriza por estudios que implican grandes números de
sujetos y buscan determinar el “promedio”, o desempeño típico, de un grupo cuya conducta se
observa luego de la aplicación de un tratamiento experimental o más. La decisión acerca de la
efectividad de una variable independiente se toma cuando otras variables relevantes potenciales han
sido controladas, entre o dentro de los grupos de sujetos. A lo largo de la cursada hemos enfatizado
la metodología de grupo.
Una premisa de este tipo de metodología es que las puntuaciones del grupo evaluado pueden
resumirse mediante medidas de tendencia central (por ej. la media), que informan sobre el
rendimiento “promedio” o “típico” del grupo, y de variabilidad (por ej. desviaciones estándar), que
reflejan el nivel de dispersión o distribución de las puntuaciones de ese grupo. Una consecuencia de
este proceder es que el rendimiento promedio o típico puede no representar el valor obtenido por un
sujeto cualquiera dentro de ese grupo. Es decir, el hecho de que un grupo haya obtenido, por
ejemplo, una puntuación media de 17 en una prueba de memoria consistente en recordar una serie
de palabras de una lista, no implica necesariamente que todos los sujetos del grupo (ni siquiera una
mayoría) hayan obtenido esa puntuación específica. Más bien, el investigador espera ser capaz de
predecir cómo las personas recuerdan “en general”.
En este nuevo tema de la cursada se introduce una metodología alternativa: los “diseños de
sujeto único”, cuya característica distintiva es el énfasis en el estudio del cambio conductual de un
único sujeto o, a lo sumo, de unos pocos.
Los diseños de sujeto único han sido derivados de procedimientos generados desde el
análisis experimental de la conducta de B. F. Skinner. Las técnicas derivadas de estudios de
laboratorio demostraron ser útiles para manejar muchas conductas en numerosas situaciones
aplicadas como, por ejemplo, la escuela, el hogar, hospitales, etc., y esta aplicación dio lugar al
“análisis aplicado de la conducta”, el cual se vale de una serie de diseños experimentales de
investigación.
Así como los resultados de un experimento grupal pueden llevar a recomendaciones de

cómo deberían aplicarse los tratamientos en general para modificar una conducta, desde un punto de
vista clínico, es más importante evaluar cuál es el efecto específico que produce un tratamiento en
una conducta de importancia social para un sujeto en particular. Por otro lado, los diseños de un
solo sujeto o N pequeño presentan una ventaja adicional con respecto a los diseños grupales: la
reducción de la confusión que generan las diferencias individuales de los sujetos, que normalmente
deben ser controladas mediante técnicas de control metodológico y/o estadístico. En este tipo de
diseños de sujeto único, la fluctuación de la conducta de cada sujeto es evaluada y monitoreada de
manera continua.
Sin embargo, hay que tener en cuenta que en los diseños de sujeto único al hacerse la
investigación con un solo sujeto o con un número reducido de ellos, la capacidad de generalización
de los resultados se ve sumamente limitada por lo cual no pueden derivar afirmaciones generales, en
comparación con los diseños con grupos de sujetos que si pueden hacerlo, en función de su mayor
capacidad de generalización. El diseño de sujeto único permite hacer estudios intensivos y
controlados sobre un sujeto y determinar con detalle cómo responde ese individuo en particular a
las intervenciones implementadas, pero presenta problemas de generalización respecto a los sujetos.
En principio podría generalizarse el resultado a individuos con idénticas características si se
repitiera la investigación con varios sujetos similares; pero no se podrían extender dichos resultados
a otros sujetos con características diferentes. Salvo que se replicaran dichas intervenciones en una
cantidad grande de sujetos con diferentes características, en cuyo caso sí podrían generalizarse los
resultados más allá de las características específicas de un sujeto. Pero en este último caso las
replicaciones que se hicieran tendrían que ser similares en cuanto al tratamiento implementado (VI),
con lo cual terminaríamos aproximando a la lógica de los diseños de grupos. Y al tener que ser estas
replicaciones más estructuradas se podría llegar a perder una de las principales ventajas de los
diseños de sujeto único que es justamente el trabajo intensivo sobre un sujeto en particular,
adaptando las intervenciones que se hacen a las características del mismo.
De todas maneras, los diseños de sujeto único requieren del diseño de una situación
sumamente estructurada, con controles rigurosos, para poder establecer y analizar la influencia que
ejercen los programas e intervenciones sobre la conducta en situaciones aplicadas. Para ello, se
contrastan condiciones aplicadas a un individuo o a unos pocos, cuya conducta es continuamente
monitoreada mientras la VI es manipulada de manera sistemática. La primera etapa de un diseño de
un solo sujeto es un estadio de observación llamado “fase de línea de base”, durante la cual se lleva
un registro de la conducta (variable dependiente) del individuo antes de aplicar cualquier
intervención. Una medida típica es la frecuencia de la conducta por alguna unidad de tiempo, que
puede ser un día, una hora u otro intervalo de registro. Por ejemplo, se puede registrar la cantidad de
tics que presenta un niño en 8 intervalos de 5 minutos, a las 4 de la tarde, durante dos semanas; la
cantidad de veces que un niño excesivamente tímido establece contacto ocular a lo largo de una
entrevista de 10 minutos, el número de dolores de cabeza reportados cada semana por una persona
depresiva que sufre migrañas, el número de pausas verbales por minuto que realiza una persona con
tartamudeo.
Este registro de la línea de base provee información acerca de cómo es la conducta antes de
que se aplique el tratamiento. Este registro siempre va a mostrar fluctuaciones de la conducta, ya
que la misma suele verse modificada en diferentes momentos por muchas variables. Por ejemplo, la
cantidad de tics que muestra el niño puede depender de si un día está más ansioso que otro.
Una vez que la conducta muestra que es relativamente estable, o sea, que exhibe poca
fluctuación entre los intervalos de registro, se introduce una intervención (tratamiento/valor de la
VI: presencia).
DISEÑOS DE REVERSIÓN o ABAB
Buscan confirmar el efecto de un tratamiento al demostrar que la conducta cambia

sistemáticamente al alternar condiciones de tratamiento y no tratamiento. Una fase de línea de base
inicial (“A”) es seguida por una fase de tratamiento (“B”), seguida por una fase de retorno a la línea
de base (“A”) y luego por otra fase de tratamiento (“B”), dando lugar así a la sigla ABAB.
Es importante establecer que durante los períodos de tratamiento (B), la conducta se sigue
midiendo de manera idéntica a como se mide durante la fase de línea de base, pero mientras está
siendo intervenida. En la tercera fase se sigue midiendo la conducta, pero retirando la intervención.
Como el tratamiento es removido durante esta segunda fase A, el cambio conductual que se había
producido suele ser revertido, y por esta razón el diseño recibe el nombre de Diseño de Reversión
(se busca revertir el efecto positivo del tratamiento).
De este modo, el analista conductual o investigador que usa este diseño observa si: a) la
conducta-meta (la conducta que quiere modificarse) cambia inmediatamente luego de la
introducción de una variable de tratamiento (primera B), b) si la conducta se revierte cuando el
tratamiento es retirado (segunda A), y c) si la conducta vuelve a mejorar cuando se reintroduce el
tratamiento (segunda B). Cuando las variaciones en la conducta siguen a la introducción y retiro del
tratamiento de esta manera, existiría evidencia de que es el tratamiento el que causó el cambio en la
conducta, demostrándose entre el tratamiento y el cambio en la conducta-meta una relación
funcional.
Un ejemplo de diseño de reversión en análisis aplicado de la conducta puede ser el siguiente:

caso de un niño diagnosticado con trastorno del espectro autista (TEA) que presenta conductas de
balanceo constantes como conducta auto-estimulante. Debido a que durante los períodos en que el
niño está comprometido en esta conducta suele tener aún menos interacción con los miembros de su
familia, una meta de la terapia es evaluar qué tratamiento es eficaz para reducir esta conducta
específica en este niño en particular. Supóngase que una intervención considerada efectiva es el
reforzamiento de toda otra conducta que no sea el balanceo del cuerpo. De este modo, cuando se
aplique la intervención, cualquiera de esas otras conductas va a ser reforzada (incluso conductas
comúnmente no deseables, mientras sea diferente al balanceo del cuerpo) para luego gradualmente
ir siendo más selectivos al elegir qué conductas alternativas recibirán reforzamiento.
El diseño de reversión en este caso consistiría entonces en:

A- Establecimiento de la línea de base: registrar la frecuencia de la conducta de balanceo
dos veces por día, en intervalos de 20 minutos, durante 15 días.
B- Aplicación del tratamiento. Cada vez que el niño realiza cualquier conducta alternativa al
balanceo, recibe un reforzador contingente a dicha conducta. Simultáneamente, se continúa
registrando la conducta de balanceo dos veces por día en intervalos de 20 minutos durante 15 días.
A- Retiro del tratamiento. En esta fase, sin importar el tipo de conducta mostrado por el
niño, no se presentan reforzadores, mientras se continúan obteniendo registros de la VD idénticos a
las dos fases anteriores.
B- Por último, se vuelve a aplicar la intervención de reforzar conductas alternativas,
mientras se registra la VD.
Figura 1. Frecuencia de conductas de balanceo a lo largo de diseño ABAB
Como se muestra en la figura 1, puede observarse claramente la relación funcional entre la

intervención “reforzamiento de conductas alternativas” y la conducta de balanceos corporales del
niño. Eso es porque durante la primera fase de línea de base (A), las mediciones de la conducta
fluctuaban siempre en valores altos, mientras que cuando se aplica el tratamiento (B), la conducta
de balanceos disminuye radicalmente, así como vuelve a aumentar a los valores de la primera línea
de base con la reversión o sondeo (segunda A). Por último, en la última fase B, donde se
reintroduce el tratamiento, la conducta-meta vuelve a mostrar una disminución.
En casos específicos, puede evaluarse la aplicación de variantes del diseño de reversión,
como, por ejemplo, cuando las fases A se reducen al máximo para evitar retirar el tratamiento
durante mucho tiempo, o cuando la intervención a aplicarse también se aplica durante las fases A,
pero de manera no contingente a la conducta-meta.
Ventajas y desventajas de los diseños de reversión
La mayor y más evidente ventaja de estos diseños es que permiten demostrar una relación
funcional entre una VI (intervención) y la VD, teniendo así un alcance explicativo al permitir
determinar las condiciones específicas bajo las cuales se produce el cambio conductual.
Otra ventaja es que, como el diseño implica fases alternantes de tratamiento y no

tratamiento, tiene una importante función dentro de las terapias ayudando al paciente a transitar de
programas continuos de tratamiento a programas intermitentes, llegando así al retiro definitivo de
la intervención y que la conducta permanezca modificada. Esto es una meta muy importante, ya que
es deseable que los pacientes no tengan que depender por tiempo indefinido del apuntalamiento
otorgado por las terapias de modificación de la conducta.
Sin embargo, existen unas cuantas desventajas de este tipo de diseños:

1) No se pueden aplicar para modificar conductas que una vez establecidas sean de por si
irreversibles.
2) El establecimiento y medición de la conducta durante los períodos de línea de base llevan
tiempo, y durante el mismo no se generan las condiciones para un cambio conductual.
3) Puede suceder que los profesionales teman que la conducta modificada tal vez no se
recobre después del regreso a la línea de base. Sin embargo, no se cuenta con evidencias de que esto
sea un fenómeno ni remotamente frecuente. Toda conducta, una vez modificada, suele poder volver
a modificarse luego de la reversión y reintroducción del tratamiento.
4) A veces, los padres u otros manejadores de contingencias no desean aplicar la reversión
del cambo conductual y se rehúsan a retirar el tratamiento una vez que observaron un cambio
positivo.
5) En ocasiones, los resultados de este tipo de diseños son difíciles de interpretar. Por
ejemplo, cuando al retirar el tratamiento el cambio conductual no se revierte. Así, se complica
adjudicar una relación funcional entre la VI y la VD. La relación funcional entre las variables se
determina no tanto cuando cambia la conducta al introducir la VI. Más bien, dicha relación queda
demostrada cuando, luego de producirse el cambio conductual ante la aplicación del tratamiento, el
mismo es revertido al retirarse la intervención. Esto es así porque el cambio conductual producido
al pasar de A a B puede haber sido producto de la casualidad, a la presencia de un evento
temporalmente coincidente con la aplicación del tratamiento. Sólo cuando este cambio se deshace al
retirar la intervención, es que queda probado que el mismo se había debido a la presencia o ausencia
del tratamiento. Sin embargo, supongamos que, en vez de obtener los resultados mostrados en la
figura 1, se obtienen los mostrados en la figura 2.
Figura 2. Frecuencia de conductas de balanceo a lo largo de un diseño ABAB
En este caso, se puede observar cómo la conducta de balanceo, una vez modificada durante
el primer período B, no retorna a sus niveles de línea de base durante la segunda fase A
(reversión/sondeo). De esta manera, se hace difícil la adjudicación del cambio conductual al
tratamiento, por dos cuestiones.
1. El cambio producido en la transición AB puede haber coincidido con otra variable
que actúa como variable contaminadora. Por ejemplo, el aumento de atención
recibida por el sujeto por la sola razón de que su conducta está siendo intervenida.
2. La conducta-meta pudo haber tenido características que hacen que no pueda
generarse una reversión como, por ejemplo, cuando se trata de un aprendizaje que,
una vez producido, no puede deshacerse. En este caso, el cambio conductual es
irreversible por más que se retire el tratamiento. Y como dijimos anteriormente, los
diseños de reversión no se pueden aplicar a conductas que una vez conseguida la
modificación de las mismas, sean irreversibles.
Cuando se tienen casos como las dos situaciones recién mencionadas, el diseño de reversión
no sería el más apropiado, y deberían buscarse alternativas de otros diseños de sujeto único.
Otra desventaja de los diseños de reversión es que hay casos en los cuales no se pueden
aplicar porque no se puede hacer la reversión (aunque la conducta sea reversible) por los siguientes
motivos:
1. Problemas éticos: en ocasiones, no se considera ético retirar un tratamiento que se
está mostrando exitoso, sólo con fines de control experimental. Esto tiene mucho que
ver con las características de la conducta-meta. Si la misma involucrase una acción
que es perjudicial para el sujeto o para quienes le rodean, no sería viable optar por un
diseño de reversión, ya que implicaría volver a desmejorar una conducta peligrosa o
que le hace daño psíquico al paciente, sólo para constatar si había sido la
intervención la causante de la mejoría.
2. Problemas prácticos: muchas veces, a pesar de que se expliquen los objetivos

terapéuticos a los padres o a los manejadores de contingencias (quienes tienen que
hacer el registro de las conductas y la aplicación de las intervenciones
contingentemente), una vez observada una mejoría en la conducta, se niegan a
aplicar la reversión.
Por estas razones, si bien los diseños de reversión son sumamente eficaces a la hora de
explicar la relación funcional entre el tratamiento y la conducta, poseyendo una alta validez interna,
no siempre son la primera opción de los investigadores clínicos, quienes prefieren usar otros
diseños de sujeto único, pero con características diferentes.
RESUMEN DE MUESTREO
El resumen se basa en el siguiente texto:

Clark-Carter, D. (2002) Investigación Cuantitativa en Psicología. México: Oxford University
Press. Cap. 11.
En el proceso de llevar a cabo una investigación, efectuar la selección de la muestra, es una tarea
indispensable, la cual requiere prestarle adecuada atención.
Es importante señalar que finalmente la intención que se persigue mediante este proceso de
selección, es poder hacer inferencias hacia la población, a partir de lo detectado en la muestra.
Para hacer efectivo esto último, es necesario una serie de pasos que nos brinden la posibilidad de
generalizar los resultados.
Resulta importante considerar previamente conceptos que están implicados en el presente tema de
cómo se conforma la muestra.
Población: La podemos definir como un conjunto de individuos o de objetos (unidades de análisis)

que poseen una o varias características comunes. Ej. Total de pacientes con enfermedad renal
crónica en tratamiento de hemodiálisis en CABA.
Muestra: Es un subconjunto de la población y se espera que sea representativa de la misma. La

muestra se toma con el fin de estudiar las propiedades del conjunto del cual es obtenida. Ej. Una
muestra (obtenida a través de una técnica de muestreo en particular) de pacientes con enfermedad
renal crónica en tratamiento de hemodiálisis en CABA.
En la práctica, estudiar todos y cada uno de los elementos que conforman la población, la mayoría
de las veces no resulta posible hacerlo, por esto se recurre al análisis de los elementos de una
muestra con el fin de hacer inferencias respecto al total de la población.
Unidad de análisis: es cada uno de los elementos que constituyen la población estudiada. Puede
estar constituida por individuos u objetos, pero consideremos en esta oportunidad que por lo general
en Psicología la unidad de análisis última son personas.
Estadísticos y Parámetros
Los estadísticos de resumen son aquellos que se obtienen a partir de la medición de una muestra.
Por ejemplo media aritmética de la muestra.
En cambio, si midiéramos a toda la población, esto se denomina parámetro, por ejemplo la media
poblacional. Efectuar esto (medir todos los componentes de la población), en general, implica una
imposibilidad práctica, entonces se trata de aproximar al valor del parámetro por medio del
estadístico obtenido a partir de la muestra.
Si bien Estadístico y Parámetro pueden coincidir exactamente, esto es altamente improbable. Pero a
partir del estadístico podemos obtener un rango de valores dentro del cual con cierto nivel de
confianza debiera ubicarse el valor correspondiente al parámetro. Este rango se llama intervalo de
confianza. La mitad del intervalo de confianza constituye el margen de error de la estimación que se
hace del parámetro a partir del estadístico.
Resumiendo: Cada estadístico tiene un equivalente que describe a la población de la cual proviene
la muestra que se lo denomina parámetro.
Muestra representativa: Definimos a una muestra como representativa, cuando la medida que
arroja un estadístico, es lo más cercana posible al parámetro correspondiente. De manera que en
una muestra representativa, se encuentran presentes las distintas características de la población.
Finalmente, los objetivos del estudio ayudarán a definir la población y a partir de allí la muestra,
para lo cual se elegirán dos métodos generales de muestreo: aleatorio (o probabilístico) y no
aleatorio (o no probabilístico). Su elección también estará condicionada por la pretensión de
exactitud, el tiempo y dinero disponible.
MUESTREO ALEATORIO (PROBABILÍSTICO)
Estos son los que garantizan en mayor medida que la muestra sea representativa.
Se utiliza el azar para la elección de los sujetos.
En una muestra aleatoria cada elemento de la población tiene una probabilidad igual, o
cuantificable, de ser seleccionado.
Hay varios tipos de muestreos aleatorios o probabilísticos.
● Muestreo aleatorio simple.
El mismo consiste en llevar a cabo una serie de pasos

a) Se delimita la población
b) Se decide el tamaño de la muestra.
c) Se asigna un código (por lo general un número si ya no lo tiene) a cada elemento de la
población (unidad de análisis).
d) Finalmente se escoge mediante alguna técnica de selección aleatoria (programa
computadora que genere números al azar - tabla de números aleatorios).
Ejemplo: Pacientes con enfermedad renal crónica que requieren tratamiento de

hemodiálisis en CABA que asisten al Centro de hemodiálisis Fresenius Medical Care.
Se procederá a considerar todos los pacientes activos que efectúan dicho tratamiento en
la mencionada entidad: este conjunto se constituye como la población.
En función del tamaño de la población se considerará el tamaño de la muestra que
resultará más adecuado.
Asignación de código: A cada paciente le corresponde un número de historia clínica, el
cual se tomará como su código.
Finalmente se utilizará alguno de los procedimientos citados para escoger a los pacientes
aleatoriamente.
● Muestreo aleatorio sistemático
a) Este requiere que se decida un tamaño de muestra y efectuar el cociente entre la

población y la muestra.
Continuamos con el ejemplo hipotético anterior
Población: 2500 pacientes con enfermedad renal crónica en tratamiento de hemodiálisis de
CABA que asisten a Fresenius Medical Care.
Muestra: 100 pacientes.
Entonces 2500 / 100 = 25
b) Al azar se elige un número de inicio entre la población. Ej. número 70
La primera persona de la muestra es la 70, la siguiente será (70+25=95) la número 95, la
siguiente (95+25=120) la número 120 y así sucesivamente hasta completar el total de la
muestra, en este caso 100 pacientes.
En este ejemplo, la persona 98 para la muestra será la 2495 de la población, si a ésta le
sumamos 25, obtendremos 2520, un número superior al tamaño de la población.
Entonces, debemos restarle a la cifra obtenida (2520), el total de la población (2500),
entonces 2520-2500= 20, y elegiremos a la persona número 20. La siguiente será
(20+25=45) la 45 , y así completaremos la cantidad estipulada de la muestra : 100
individuos.
● Muestreo Estratificado
Requiere en este caso la división de la población en subgrupos o estratos mutuamente

excluyentes.
Presenta como ventaja que se garantizará que la muestra contenga representantes suficientes
de cada estrato.
En el ejemplo anterior podríamos dividir a la muestra por género. Una vez que se han
elegido los estratos puede aplicarse el muestreo aleatorio simple o el muestreo aleatorio
sistemático, garantizando que la muestra esté constituida por el porcentaje de sujetos
establecido para cada estrato. En este ejemplo el porcentaje de mujeres y hombres
previamente establecido.
Hay dos maneras de conducir el muestreo estratificado:

- Proporcionado : Refleja las proporciones de la población
Ejemplo: 2500 pacientes renales de CABA que asisten a Centros de hemodiálisis FMC.
1500 hombres
1000 mujeres
Entonces la muestra presentará un 60% de hombres y un 40% de mujeres.
- Desproporcionado: No refleja las proporciones de la población. En este caso no se

puede extrapolar directamente a la misma, se requiere de un análisis más complejo.
Ejemplo:
En este caso la muestra podría presentar un 50% de hombres y un 50% de mujeres.
● Muestreo de Conglomerados
Requiere un muestreo inicial con base en una unidad mayor que el elemento de la población.
En algunas oportunidades, los elementos de la población, pueden estar muy dispersos
geográficamente, entonces este tipo de recurso, permite que la muestra se aglomere en un
número limitado de lugares.
Puede hacerse de dos maneras:
- En una sola etapa: antes de llegar a la unidad de análisis, hay una sola etapa previa en
la que se toma una unidad mayor.
Continuando con el ejemplo de pacientes en diálisis, si requiriera llevar a cabo la investigación con
todos los pacientes de hemodiálisis del país, entonces, sería conveniente implementar este tipo de
muestreo, tomando como base del mismo una unidad inicial mayor que cada elemento de la
población (paciente de hemodiálisis). Se escogerían aleatoriamente un número determinado de
servicios de hemodiálisis del país, supongamos que dicha empresa cuenta con 123 centros, de tal
modo que se simplificaría el trabajo, puesto que en vez de extraer los pacientes de cada centro, solo
se trabajaría con los provenientes de los centros escogidos aleatoriamente.
- En varias etapas: antes de llegar a la unidad de análisis, se pasa por más de una etapa
previa, se toman en forma sucesiva varias unidades mayores que los elementos de la
población.
Ejemplo
Primera etapa: Considerando todas las provincias del país (que tienen Centros de
hemodiálisis) se seleccionan aleatoriamente un número de ellas.
Segunda etapa: De las provincias seleccionadas, se seleccionan aleatoriamente alguna/s
ciudades entre aquellas que tengan centros de hemodiálisis.
Tercera etapa: de los centros de hemodiálisis seleccionados se procederá a elegir al azar
pacientes de cada uno de ellos.
MUESTREO NO ALEATORIO (NO PROBABILÍSTICO)

En este caso, NO todo elemento de la población tiene la misma probabilidad de ser parte
de la muestra, y por lo tanto puede suceder que algún sector carezca sistemáticamente de
representación adecuada.
A diferencia del muestreo probabilístico, tiende a generar muestras menos precisas y
representativas. Pese a ello, la mayor parte de las investigaciones en nuestra disciplina,
son no probabilísticas.
● Muestreo accidental/de oportunidad/de conveniencia

Se seleccionan las personas que uno encuentra por casualidad. Ej. Se les pide participar de
la muestra a pacientes de hemodiálisis que se encuentran efectuando el tratamiento en el
horario en el que los investigadores asisten al lugar, siendo que hay distintos turnos a lo
largo del día.
● Muestreo por cuotas
Es un muestreo de oportunidad, pero con cuotas establecidas para el Nº de personas que

habrán de incluirse en las submuestras determinadas a partir de alguna/s variable/s. Es el
equivalente en los muestreos no aleatorios, al muestreo estratificado de los muestreos
aleatorios. Y la cuota es el equivalente al estrato.
El investigador establece “cuotas” para cada uno de los valores de la variable que interese
que esté representada en la muestra. Al recolectar los datos cuando se ha cubierto una cuota
se continúa únicamente con sujetos que apliquen para la otra cuota.
Ejemplo: establecer cuotas para la variable sexo en la población de pacientes de
hemodiálisis. Cuando se hubiera cubierto por ej. la cuota para mujeres, se tomarían
únicamente hombres.
Si las cuotas se establecen en varias dimensiones (tomando más de una variable), se lo
denomina muestreo dimensional. Siguiendo el ejemplo anterior considerar no solo el sexo
sino agregar otra dimensión por ejemplo turno de asistencia al tratamiento.
● Muestreo propositivo
Se aplica cuando desea estudiarse una muestra definida claramente, y que cumpla con
ciertas características en función de las necesidades de la investigación.
Ejemplo: Identificar pacientes en diálisis, que presentan distintas comorbilidades asociadas a
la insuficiencia renal crónica, por ejemplo diabetes, hipertensión, lupus…etc. para explorar
respuestas diferenciales a la terapéutica dialítica.
● Muestreo bola de nieve
Se usan contactos iniciales para identificar a otras posibles personas que podrían integrar la
muestra.
Ejemplo: Los investigadores se contactan con algunos pacientes en diálisis que su vez los
ponen en contacto con otros pacientes en diálisis y estos pueden ponerlos a su vez con otros.
Hasta aquí el resumen se baso en el siguiente texto:

Clark-Carter, D. (2002) Investigación Cuantitativa en Psicología. México: Oxford University
Press. Cap. 11.
Lo que sigue a continuación se basa en el siguiente artículo: Argibay, J.C. (2009). Muestra
en investigación cuantitativa. Subjetividad y Procesos Cognitivos, 13(1), 13-29.
Si bien los muestreos aleatorios nos dan mayor seguridad de la representatividad de la muestra, los
muestreos no aleatorios si están bien realizados pueden también ser representativos, pero es menor
la seguridad que podemos tener de ello. Esto depende de cómo se haga el muestreo no aleatorio, de
la forma de llevarlo a cabo, de manera que vamos a tener muestreos no aleatorios que podrían llegar
a tener una buena representatividad y otros que serían claramente sesgados (no representativos).
Además, si bien lo deseable es que un muestreo sea aleatorio, en casi todas (por no decir todas), las
investigaciones explicativas (experimento, cuasiexperimento y preexperimento), y en gran parte de
las investigaciones correlacionales, las muestras que se toman no son aleatorias. Esto ocurre por una
dificultad práctica de poder implementar muestreos aleatorios en el contexto de dichas
investigaciones, por lo cual se recurre a muestras no aleatorias. A pesar de ello, la validez externa
en cuanto a la posibilidad de generalizar los resultados a la población, puede no verse mayormente
afectada, y esto permite generalizar los resultados. Esto es así por motivos que no vamos a exponer
aquí, porque excede los propósitos de esta clase.
En el caso de las investigaciones descriptivas, como el único propósito que tienen es describir, es
importante tener cierta seguridad de que la muestra sea representativa, ya que si no fuera
representativa, se perdería el principal objetivo de estas investigaciones que es generalizar a la
población de referencia la descripción que se está realizando.
Metodología de la Investigación I
Diseño Factorial
Juan Carlos Argibay
Ejemplo
Neuroticismo x Extraversión (3 x 2) – VD = Emociones negativas
Vamos a tomar para ejemplificar un diseño 3 x 2. Donde los factores son dos de las variables de
personalidad de la teoría de la personalidad de Eysenck: Neuroticismo y Extraversion. Para
Neuroticismo vamos a tomar tres valores: Bajo, Medio y Alto y para Extraversión dos valores:
Introvertidos y Extrovertidos. Y la variable dependiente es la frecuencia de emociones negativas.
Este diseño factorial es un método cuasiexperimental porque los factores tienen manipulación de
selección. Los factores son de medidas independientes, además al ser variables de personalidad es la
única opción posible. Los tratamientos son 6 (3 x 2 = 6) y los grupos son 6, ya que al ser medidas
independientes la cantidad de grupos es igual a la cantidad de tratamientos.
La siguiente es la tabla con las medias de la variable dependiente correspondientes a cada

tratamiento:
NEUROTICISMO x EXTRAVERSION
Medias marginales estimadas
Neuroticismo (N) Neuroticismo Neuroticismo
Bajo – a1 (N) Medio – a2 (N) Alto – a3
Introvertidos (I) – b1 140 174 214
Extrovertidos ( E) – b2 147 175 199
Para obtener los valores de los efectos principales:
Para obtener los valores correspondientes a los efectos principales
Neuroticismo (N) Neuroticismo Neuroticismo Efecto principal de
Bajo – a1 (N) Medio – a2 (N) Alto – a3 la Extraversión
Introvertidos (I) – b1 140 174 214 140 + 174 + 214 / 3
=
176.00
Extrovertidos ( E) – b2 147 175 199 147 + 175 + 199 / 3
=
173.67
Efecto principal del 140 + 147 / 2 = 174 + 175 / 2 = 214 + 199 / 2 =
Neuroticismo 143.5 174.5 206.5
 Efecto principal de A: sumamos ambos valores para Neuroticismo Bajo y lo dividimos por
dos y lo mismo hacemos para Neuroticismo Medio y Neuroticismo Alto. Lo que nos da
Neuroticismo Bajo = 143.5; Neuroticismo Medio = 174.5 y Neuroticismo Alto = 206.5. Se
puede observar que se hay un incremento de los valores desde Neuroticismo Bajo hasta
Neuroticismo Alto, de manera que a mayores valores de Neuroticismo se da una mayor
frecuencia de emociones negativas.
 Efecto principal de B: sumamos los tres valores de los Introvertidos y los tres de los
Extrovertidos. Lo que nos da: Introvertidos = 176 y Extrovertidos = 173.67. Si bien en los
Introvertidos observamos una mayor presencia de emociones negativas, la diferencia no
alcanza para ser estadísticamente significativa.
Efecto de interacción
Primero vamos a construir los gráficos de interacción. Por lo general según cuál sea el factor que
elegimos para poner en el eje horizontal, el gráfico va a ser diferente. En algunos casos según como
sea la interacción los gráficos pueden ser iguales o muy similares, según como sea la interacción.
Pero cuando el número de niveles de los factores (como es en este caso), es desigual, los gráficos
siempre son diferentes.
Para construir ambos gráficos vamos a usar la tabla:
Neuroticismo (N) Neuroticismo Neuroticismo
Bajo – a1 (N) Medio – a2 (N) Alto – a3
Introvertidos (I) – b1 140 174 214
Extrovertidos ( E) – b2 147 175 199
220
200
180
160
Extraversión
140
Introvertidos
120 Extrovertidos
Bajo Medio Alto
Neuroticismo
220
200
180
160
Neuroticismo
Bajo
140
Medio
120 Alto
Introvertidos Extrovertidos
Extraversión
A continuación vamos a analizar como la interacción modifica el efecto de cada uno de los factores.
Para ello vamos a utilizar la tabla, los gráficos y los efectos simples que los presentamos en la
siguiente tabla:
Efectos simples p
A bajo el nivel b1 < .01
(efecto del Neuroticismo tomando únicamente Introvertidos)

(efecto del Neuroticismo tomando únicamente Extrovertidos)
B bajo el nivel a1 < .01

(efecto de la Extraversión tomando únicamente sujetos con bajo Neuroticismo)
B bajo el nivel a2 .84

(efecto de la Extraversión tomando únicamente sujetos con niveles medios de Neuroticismo)

(efecto de la Extraversión tomando únicamente sujetos con alto Neuroticismo)
Para analizar la interacción hay que seguir la siguiente secuencia de pasos:
1° Observar si el factor deja de tener efecto bajo algún nivel del otro factor. Para ello hay que
tener en cuenta si todos los efectos simples son significativos o si alguno no lo es.
2° Observar cual es la dirección del efecto. Si la dirección del efecto es igual o diferente en
cada efecto simple.
3° Observar el tamaño del efecto. Si el tamaño del efecto es igual o es diferente en cada efecto
simple.
¿Como la interacción modifica el efecto del Neuroticismo?

Para resolver el primer paso tenemos que mirar la significación de los efectos simples. En este
caso si nos fijamos en la tabla de los efectos simples los dos efectos simples del Neuroticismo son
significativos.
Entonces pasamos al segundo paso. El cambio en la dirección del efecto lo podemos ver en el
gráfico y/o en la tabla. En el gráfico tenemos que mirar las líneas de los efectos simples. Si van
todas en la misma dirección o en direcciones contrarias (si ambas son ascendentes o ambas son
descendentes o si una/s son ascendentes y otra/s son descendentes). En este caso las líneas de ambos
efectos simples son ascendentes, no cambia la dirección del efecto.
En la tabla tenemos que mirar si la comparación de las secuencias de medias que representan cada
efecto simple, mantienen el mismo ordenamiento. Por ej. en el par 140 y 147, ambos valores son los
más bajos en cada secuencia de medias, 174 y 175 ocupan un lugar medio y 214 y 199 son los más
altos en cada secuencia. Conclusión, se puede observar que la dirección del efecto no cambia. En
ambos efectos simples los valores más elevados de la variable dependiente los observamos en los
sujetos con alto Neuroticismo, de manera que a mayor Neuroticismo, mayor frecuencia de
emociones negativas. Cabe aclarar que en este caso, el factor tiene tres niveles, lo que hace algo
más complicado el análisis, pero en general vamos a ver diseños 2 x 2, y en ese caso el análisis de la
tabla es más sencillo.
Pasamos al tercer paso. En este caso hay que mirar si hay cambios en el tamaño del efecto. Ya que
en los dos pasos anteriores no se encontraron cambios producidos por la interacción, y ya que hay
interacción, algo tiene que verse modificado y lo único que queda es el tamaño del efecto. Entonces
lo que se ve modificado por la interacción en el efecto del Neuroticismo, es el tamaño del
efecto.
Pero de todos modos, como veríamos los cambios en el tamaño del efecto. Podríamos calcularlos
con precisión para cada efecto simple mediante cálculos estadísticos, que no los vamos a ver porque
exceden los propósitos de esta clase. Entonces podemos verlos aunque con menor exactitud en el
gráfico y/o en la tabla. En el gráfico lo observamos en la pendiente que presentan las líneas de los
efectos simples. Si las líneas difieren claramente en la inclinación que presentan (si son relaciones
lineales) hay una variación en el tamaño del efecto. En este caso, el efecto simple del Neuroticismo,
cuando los sujetos son Introvertidos tiene mayor inclinación que cuando son Extrovertidos.
Lo podemos ver en la tabla, cuando son relaciones lineales, haciendo la resta entre los valores de los
extremos de los efectos simples. En este caso sería 214 – 140 = 74 y 199 – 147 = 52. Vemos que
los resultados de las restas difieren claramente entre sí, siendo el valor más elevado el que
corresponde al efecto simple del Neuroticismo para los Introvertidos. El problema en estos casos,
que no se hacen los cálculos estadísticos para establecer el tamaño del efecto, es decidir si las
diferencias encontradas son lo suficientemente grandes para atribuirlas a un patrón sistemático, o si
las atribuimos a variaciones puramente aleatorias. En este caso no tenemos ese problema, porque
como todos los efectos simples fueron significativos y la dirección del efecto es la misma, siendo
que algo tiene que variar, lo único que queda es el tamaño del efecto.
Entonces podemos decir que la interacción modifica el efecto del Neuroticismo de la siguiente
manera:
Bajo las dos condiciones de Extraversión se manifiesta el efecto del Neuroticismo sobre la
frecuencia de emociones negativas y en el mismo sentido (a mayor Neuroticismo mayor
frecuencia de emociones negativas). La diferencia que determina la interacción se manifiesta
en el tamaño del efecto del Neuroticismo, siendo este más elevado en los sujetos Introvertidos.
¿Como la interacción modifica el efecto de la Extraversión?

Para resolver el primer paso tenemos que mirar la significación de los efectos simples. En este
caso si nos fijamos en la tabla de los efectos simples, de los tres efectos simples de la Extraversión,
dos son estadísticamente significativos y uno no. Cuando los sujetos tienen niveles medios de
Neuroticismo, no hay efecto de la Extraversión.
Si hubiera solo dos efectos simples dejaríamos el análisis acá, ya que para que cambie la dirección
del efecto o el tamaño del efecto, es algo comparativo. Entonces si queda un solo efecto simple no
habría contra que comparar (cabe aclarar que en una investigación se pueden seguir haciendo
análisis más sutiles, que exceden los propósitos de esta clase).
En este caso podemos seguir analizando porque quedan dos efectos simples estadísticamente
significativos.
Entonces pasamos al segundo paso, cambios en la dirección del efecto. En el gráfico vemos que
la línea del efecto simple de la Extraversión para los sujetos con bajo Neuroticismo es ascendente y
para los sujetos con alto Neuroticismo es descendente. En el primer caso son los Extrovertidos los
que tienen mayor frecuencia de emociones negativas (la relación es directa) y en el segundo caso
son los Introvertidos (la relación es inversa). Cambia la dirección del efecto.
En la tabla como son dos niveles solos lo podemos ver de la siguiente forma: hacemos la resta entre
las dos medias de cada efecto simple (la media del segundo nivel del factor menos la media del
primer nivel). Para el efecto simple de la Extraversión bajo el nivel a1 sería 147 – 140 = + 7 y bajo
el nivel a3 sería 199 – 214 = – 15. Vemos que el signo de la diferencia es diferente, en un caso es +
y en el otro –. Esto indica que cambia la dirección del efecto.
Pasamos al tercer paso, ver si cambia el tamaño del efecto. Vemos en el gráfico que la línea del
efecto simple de la Extraversión bajo el nivel alto Neuroticismo tiene más inclinación que la del
efecto simple bajo el nivel bajo Neuroticismo. Pero en este caso como ya hubo otros cambios
producidos por la interacción, para suponer que cambia el tamaño del efecto, tiene que haber una
diferencia importante, que si hiciéramos cálculos estadísticos podríamos establecerla con mayor
precisión. En ausencia de dichos cálculos, podemos comparar la diferencia mayor entre las medias
con la diferencia menor (sin tener en cuenta el signo de las diferencias), y establecer en cuanto una
cantidad es mayor que la otra. En este caso sería 15 / 7 = 2.14. La diferencia entre ambos efectos
simples es grande, ya que un efecto simple más que duplica al otro. Entonces consideramos que
también cambia el tamaño del efecto. De manera que cuando los sujetos tienen alto Neuroticismo,
el efecto de la Extraversión es mayor.
Entonces podemos decir que la interacción modifica el efecto de la Extraversión de la

siguiente manera:
Se puede observar que la Extraversión no tiene efecto en los sujetos con Neuroticismo medio,
solamente tiene efecto en los sujetos con bajo y alto Neuroticismo. En los sujetos con bajo
Neuroticismo se invierte la dirección del efecto de la Extraversión respecto de los sujetos con
alto Neuroticismo. En los sujetos con bajo Neuroticismo los Extrovertidos tienen mayor
frecuencia de emociones negativas, mientras que en los sujetos con alto Neuroticismo son los
Introvertidos los que tienen mayor frecuencia de emociones negativas. También el tamaño del
efecto de la Extraversión es mayor en los sujetos con alto Neuroticismo que en los sujetos con
bajo Neuroticismo.
Posibles formas de interacción en un diseño 2 x 2

En un diseño factorial 2 x 2, que es el más sencillo de todos, la interacción puede darse únicamente
de cuatro formas diferentes:
 El factor deja de tener efecto bajo algún nivel del otro factor.
 Cambia la dirección del efecto
 Cambia el tamaño del efecto
 Cambian la dirección del efecto y el tamaño del efecto
Ejemplo 1.
El factor deja de tener efecto bajo algún nivel del otro factor.
AxB
Medias marginales estimadas de la variable dependiente
a1 a2
b1 100 20
b2 43 50
En esta tabla los números corresponden a la media de la variable dependiente para cada tratamiento
Resultados
P
Efecto principal de A < .01
Efecto principal de B .01
Efecto de interacción AxB < .01
Efectos simples P
A bajo el nivel b2 .34
Como modifica la interacción el efecto del factor A:
 El factor A no tiene efecto bajo el nivel b2.
Entonces, hay efecto simple del factor A únicamente bajo el nivel b1 y en este caso los valores
mayores de la dependiente se observan en el nivel a1. No hay efecto simple significativo de A
bajo el nivel b2.
En este caso como quedó un solo efecto simple significativo no se analizó la dirección del
efecto, ni el tamaño del efecto, porque en términos generales se lo hace en forma comparativa,
y aquí no hay contra que comparar (porque quedo un solo efecto simple significativo). Se
podrían seguir haciendo análisis más complejos pero exceden los propósitos de esta clase.
Ejemplo 2. Cambia la dirección del efecto (en el factor B).
Ejemplo 3. Cambia el tamaño del efecto (en el factor A).
AxB
a1 a2
b1 100 20
b2 80 40
Resultados
p
Efecto principal de B 1.00
Efectos simples p
Como modifica la interacción el efecto del factor B:
 Ambos efectos simples son significativos. El factor B siempre tiene efecto más
allá de que nivel de A se tome.
 La línea del efecto simple del factor B bajo el nivel a1 es descendente y bajo el
nivel a2 es ascendente. La diferencia entre b2 y b1 bajo el nivel a1 es de signo
negativo (80 – 100 = – 20) y bajo el nivel a2 es de signo positivo (40 – 20 =
+20). Cambia la dirección del efecto.
 Las líneas de los efectos simples tienen la misma inclinación. La diferencia entre
las medias de los efectos simples, independientemente del signo de la diferencia,
da el mismo resultado (20 en ambos casos). El tamaño del efecto no cambia.
Entonces, ambos efectos simples de B son significativos. El factor B siempre tiene
efecto, más allá de que nivel de A se tome. Eso no se ve modificado por la
interacción. Entonces analizamos si la dirección del efecto se ve modificada. La
dirección del efecto de B es diferente para cada efecto simple, bajo el nivel a1 los
valores mayores de la dependiente se observan en el nivel b1 y bajo el nivel a2 en el
valor b2. Si el factor fuera ordinal o cuantitativo, se podría decir que bajo el nivel
a1 la relación es negativa (inversa) y bajo el nivel a2 es positiva (directa). El
tamaño del efecto no varía. De modo que lo que modifica la interacción es la
dirección del efecto.
Ejemplo 3
Cambia el tamaño del efecto
 Ambos efectos simples son significativos. El factor A siempre tiene efecto más allá de que
nivel de B se tome.
 Las líneas de los efectos simples son descendentes en ambos casos. La diferencia entre a2 y
a2 bajo el nivel b1 es de signo negativo (20 – 100 = – 80) y bajo el nivel b2 también es de
signo negativo (40 – 80 = – 40). NO cambia la dirección del efecto.
 Teniendo en cuenta que no hubo cambios por la interacción en los dos pasos anteriores,
tiene que haber cambios en el tamaño del efecto. Esto se confirma observando que las
líneas de los efectos simples tienen distinta inclinación. Bajo el nivel b1la línea del efecto
simple presenta mayor inclinación. Y las diferencias entre las medias de los efectos simples,
independientemente del signo de la diferencia, dan resultados diferentes, donde una cantidad
duplica a la otra. Bajo el nivel b1= 80 y bajo el nivel b2 = 40 (80 / 40 = 2.
Entonces, ambos efectos simples son significativos. El factor A siempre tiene efecto más allá de
que nivel de B se tome. Y la dirección del efecto es siempre la misma, en ambos efectos simples
los valores mayores de la dependiente se observan en el nivel a1. Si el factor fuera ordinal o
cuantitativo, se podría decir que en ambos efectos simples la relación es inversa. La
interacción no modifica ninguna de las dos cosas (el factor siempre tiene efecto y en la misma
dirección)
Lo que se ve modificado por la interacción es el tamaño del efecto, ya que el efecto del factor A
sobre la dependiente es mayor cuando los sujetos tienen el valor b1.
Ejemplo 4
Cambia la dirección del efecto y también el tamaño del efecto
AxB
a1 a2
b1 100 20
b2 40 80
Resultados
p
Efecto principal de B 1.00
Efectos simples p
 Ambos efectos simples son significativos. El factor A siempre tiene efecto más allá de que
nivel de B se tome.
 La línea del efecto simple del factor A bajo el nivel b1 es descendente y bajo el nivel b2 es
ascendente. La diferencia entre a2 y a1 bajo el nivel b1 es de signo negativo (20 – 100= –80)
y bajo el nivel b2 es de signo positivo (80 – 40 = + 40). Cambia la dirección del efecto.
 Las líneas de los efectos simples tienen distinta inclinación. Bajo el nivel b1la línea del
efecto simple presenta mayor inclinación. Y las diferencias entre las medias de los efectos
simples, independientemente del signo de la diferencia, dan resultados diferentes, donde una
cantidad duplica a la otra. Bajo el nivel b1= 80 y bajo el nivel b2 = 40 (80 / 40 = 2). Cambia
el tamaño del efecto.
Entonces, ambos efectos simples son significativos. El factor A siempre tiene efecto más allá de
que nivel de B se tome. La dirección del efecto de A es diferente para cada efecto simple, bajo
el nivel b1 los valores mayores de la dependiente se observan en el nivel a1 y bajo el nivel b2
en el valor a2. Si el factor fuera ordinal o cuantitativo, se podría decir que bajo el nivel b1 la
relación es inversa y bajo el nivel b2 es directa. De manera que la interacción modifica la
dirección del efecto. Pero también se ve modificado el tamaño del efecto, ya que el efecto del
factor A sobre la dependiente es mayor cuando los sujetos tienen el valor b1.
Licenciatura en Psicología
Nivel: grado
Diseños de Sujeto Único

Diseños experimentales de grupo vs. Diseños de sujeto único
Los diseños experimentales vistos hasta el

momento implican determinar cómo la/s
variable/s independiente/s (o tratamientos)
modifican de manera sistemática la conducta
de un conjunto de sujetos con el fin de
establecer generalizaciones o leyes que
apliquen a una gran cantidad de individuos.
Sin embargo, no permiten determinar el
comportamiento de un sujeto en particular.
Por el contrario, los diseños de sujeto único

permiten establecer cómo un tratamiento en
particular modifica la conducta de un único
sujeto o de un número pequeño de sujetos.
Ventajas de los diseños de sujeto único
•Permiten generar principios de conducta

aplicables a determinados individuos en
particular
•Reducen la confusión que generan las

diferencias individuales entre los sujetos
DISEÑOS DE LÍNEA DE BASE MÚLTIPLE
DISEÑO DE REVERSIÓN o ABAB
En este tipo de diseño se mide la conducta-meta durante un período de

tiempo (línea de base) (Fase A), luego de lo cual se introduce el
tratamiento (Fase B); posteriormente se retira el tratamiento (Fase A
nuevamente) para finalmente re-introducirlo (Fase B nuevamente). De
esta forma se puede establecer si hay una relación funcional entre
LA APLICACIÓN DEL TRATAMIENTO Y LA MODIFICACIÓN DE LA
CONDUCTA-META
DISEÑOS DE LÍNEA DE BASE MÚLTIPLE
Ventajas y desventajas de los diseños de reversión

1) Ventajas
A)Se puede establecer una relación funcional entre el tratamiento y la modificación de la
conducta-meta.
B)Como el diseño implica fases alternantes de tratamiento y no tratamiento, tiene una importante
función dentro de las terapias ayudando al paciente a transitar de programas continuos de
tratamiento a programas intermitentes, llegando así al retiro definitivo de la intervención y que la
conducta permanezca modificada.
2) Desventajas (se mencionan las más importantes)
A)El establecimiento y medición de la conducta durante los períodos de línea de base llevan
tiempo, y durante el mismo no se generan las condiciones para un cambio conductual.
B)Otra desventaja es que este tipo de diseños no pueden aplicarse cuando la reversión no
puede realizarse. Esto puede ocurrir porque la conducta a modificar sea de por si irreversible, o
también podría darse que la reversión no puede ser aplicada por motivos:
Éticos: retirar (en la segunda fase A) un tratamiento que ha sido efectivo.

Prácticos: una vez que se ha aplicado el tratamiento y éste ha sido efectivo, los padres pueden
negarse a retirar el tratamiento en la segunda fase A.
 Metodología de la Investigación I
 Lic. En Psicología
 Nivel: grado
MUESTREO
MUESTREO
En investigación cuantitativa
Investigación
Se trabaja con MUESTRAS DE SUJETOS
Se seleccionan de la población general que

forma parte del estudio de la investigación
MUESTREO
Deben ser representativasde la poblaciónpara
garantizarla validezexterna (generalizaciónde los
Muestras resultados)
Tiene que ver con cómo seleccionamos los sujetos que van a
formar parte de la muestra : TÉCNICAS DE MUESTREO
MUESTREOS PROBABILÍSTICOS MUESTREOS NO PROBABILÍSTICOS

(ALEATORIOS) (NO ALEATORIOS)
“en las muestras aleatorias cada

elemento de la población tiene una
probabilidad igual, o una probabilidad
cuantificable, de ser seleccionado”,
MUESTREO
MUESTREO ALEATORIO
 Garantizan de mejor manera que la muestra sea representativa.
• Se utiliza algún procedimiento al azar para elegir a los sujetos de la

Muestreo aleatorio simple población que van a formar parte de la muestra.
Muestreo Sistemático • A partir de un primer caso elegido al azar, los restantes se eligen de un
listado con intervalos sistemáticos.
• Se utiliza cuando la población tiene una distribución geográfica muy

amplia. En ese caso en lugar de comenzar eligiendo al azar a los
Muestreo de Conglomerados individuos, se eligen al azar grupos más amplios que se llaman
conglomerados, y después se seleccionan al azar, de cada
conglomerado, los individuos que van a conformar la muestra.
Muestreo Estratificado • Se divide a la población en sub grupos o estratos mutuamente excluyentes.

-Proporcionado Una vez elegidos los estratos puede aplicarse el muestro simple o el
sistemático a cada estrato. Puede ser proporcionado o desproporcionado
-Desproporcionado de la población de la cual obtengo la muestra.
MUESTREO
MUESTREO ALEATORIO
 Es importante considerar a los sujetos seleccionados que deciden no

participar de la muestra
 Para eso es importante al identificar la muestra inicial, considerar más

sujetos de los requeridos, así si alguien decide no participar, puedo pasar
al próximo sujeto de la muestra potencial
 Es importante, en aquellos casos en que se pueda, identificar y

registrar que características tienen los sujetos que no quieren
participar, por ejemplo: sexo, edad, etc. Esto permitiría, analizar si en
esas características tales sujetos se diferencian o no del conjunto de
los integrantes de la muestra. Y analizar cómo se pudo haber visto
afectada la representatividad de la misma.
MUESTREO NO ALEATORIO
MUESTREO  Si están bien realizados pueden también ser representativos, pero
es menor la seguridad que podemos tener de ello, ya que son más
proclives a generar muestras sesgadas (no representativas).
Muestreo accidental / de
oportunidad / de conveniencia • Muestreo de personas que se encuentran por casualidad.
• Es un muestreo accidental pero con cuotas establecidas por el

Muestreo por cuota investigador. Por ejemplo, tal vez los investigadores deseen un
número igual de hombres y mujeres. Una vez que obtengan su
cuota para un género, se acercarán solo a miembros del otro
género, hasta que tengan los individuos suficientes.
Muestreo propositivo • Cuando se desea estudiar una muestra definida claramente con
participantes con características particulares.
Muestreo bola de nieve • Se utilizan contactos iniciales para identificar otros posibles
participantes de la muestra
MUESTREO
Ideal Realidad
Metodológico práctica
Hasta acá hemos venido hablando de lo que sería ideal desde un punto de vista
metodológico. Pero la realidad práctica de una investigación a veces va por otros
caminos. Analizaremos entonces cuánto de lo que refiere a una muestra aleatoria se
cumpleen los distintos métodosde investigación cuantitativos.
MUESTREO
Investigación cuantitativa
Métodos
Descriptivo
Correlacional Explicativo
 Es importante que la técnica

de muestreo empleada sea
aleatoria, para que nos dé
una mayor seguridad de que En el método correlacional muchas de las
la muestra sea representativa. muestras utilizadas son no aleatorias y en
los métodos explicativos casi siempre son
no aleatorias.
 Ya que si el único propósito de la
investigación es describir y la
Pero esto no afecta necesariamente la
muestra estuviera sesgada se
validez externa de estas investigaciones.
informaría mal lo único que la
investigación pretende transmitir.
MUESTREO
TAMAÑO DE LA MUESTRA Y SIGNIFICACIÓN ESTADÍSTICA
Al analizar los resultados de una investigación tomamos

decisiones sobre si corroboramos o no, la o las hipótesis
planteadas en la investigación
“Dos estudios conducidos de la misma manera en todos los aspectos, excepto el

tamaño de la muestra, pueden llevar a conclusiones diferentes. El que tiene la
mayor muestra puede alcanzar un resultado estadísticamente significativo,
mientras que el otro no... De acuerdo con esto, cuanto más pequeño sea el
tamaño de la muestra, tanto más probable resultará que cometamos un error tipo
II (rechazando la hipótesis de investigación cuando en realidad es correcta)”
(Clark-Carter, 2002)
De manera que el hecho de que podamos corroborar nuestras

hipótesis, además de que sean correctas, depende bastante
del tamaño de muestra que empleemos
MUESTREO
Bibliografía (Aclaramos que estos textos NO forman parte de

la bibliografía obligatoria):
• Clark-Carter, D. (2002) Investigación Cuantitativa en Psicología.
México: Oxford University Press.
• Argibay, J. C. (2009). Muestra en investigación cuantitativa.
Subjetividad y Procesos Cognitivos, 13 (1), pág. 13-29
 Metodología de la Investigación I
 Lic. en Psicología
 Nivel grado
 Diseño Factorial
 Silvia Lassi
 Juan Carlos Argibay
Diseño Factorial - Definición
Todos los diseños que hemos visto hasta ahora, fueron diseños
univariados en cuanto a la cantidad de variables independientes, o
sea, que eran diseños con una sola variable independiente.
Pero hay también diseños multivariados, con más de una variable
independiente. Estos son los diseños factoriales que tienen por lo
general dos o tres variables independientes (pueden ser más). Pero
es importante tener en cuenta que lo que se hace en un diseño
factorial es analizar los efectos combinados que producen las
variables independientes al actuar en forma conjunta.
Diseño factorial: son aquellas investigaciones que tienen dos o más

variables independientes y en las cuales se analiza el efecto
combinado que producen estas variables.
A la variable independiente también se la llama factor y a la

variable dependiente variable criterio.
A los factores se los representa mediante las primeras letras
mayúsculas del alfabeto. De manera que un diseño factorial:
Ax B xC
Es un diseño factorial con tres variables independientes, ya que
cada letra representa una variable independiente. También se
lo podría representar de la siguiente manera:
2x3x2
En este caso sería también un diseño factorial con tres factores,
ya que cada número representa una variable independiente. El
valor del número, lo que nos indica es la cantidad de niveles
que toma esa variable independiente. En este caso
tendríamos un factor con dos niveles, otro con tres y el último
con dos.
Los factores pueden tener tanto manipulación

intencional como manipulación de selección.
Cuando todos los factores son de manipulación
intencional el diseño factorial puede ser un
experimento (si se cumplen con otros
requisitos para que una investigación sea un
experimento).
Cuando todos o algunos de los factores son de
manipulación de selección es un
cuasiexperimento
Los factores pueden ser de medidas

independientes o de medidas repetidas.
En función de esto vamos a tener:
•Diseños factoriales con medidas
independientes en todos los factores
• Diseños factoriales con medidas repetidas en
todos los factores
• Diseños factoriales con medidas repetidas en
algunos factores. En estos diseños tenemos
tanto factores con medidas independientes
como factores con medidas repetidas
Matriz factorial
correspondiente a un diseño factorial 2 x 2 (A x B)
En estos casos los tratamientos no son solo el nivel de una variable
independiente, sino que son el resultado de la combinación de los
niveles de los distintos factores. Por ejemplo en este caso un
tratamiento sería a1b1, que sería la aplicación conjunta del nivel 1
del factor A y del nivel 1 del factorB
a1 a2
b1 a1b1 a2b1
b2 a1b2 a2b2
La cantidad de tratamientos depende de la combinación de los niveles

de los factores. Por ej. en un diseño 2 x 3 x 2 la cantidad de
tratamientos es de 12 (se obtiene multiplicando los niveles de los
factores) y en un diseño 2 x 2 son 4 tratamientos.
Pero la cantidad de grupos va a depender del tipo de medidas
(independientes o repetidas), que tenga el diseño factorial:
* Si son todas medidas independientes la cantidad de grupos es igual
a la cantidad de tratamientos. Por ej. en un diseño 2x3x2 con
medidas independientes sería 12 tratamientos y 12 grupos.
• Si son todas medidas repetidas, la cantidad de grupos es siempre
uno. Si el ejemplo anterior (2x3x2) fuera de medidas repetidas,
seguirían siendo 12 tratamientos, pero un solo grupo.
• Si hubiera tanto medidas repetidas como medidas independientes,
la cantidad de grupos estaría dada por los factores de medidas
independientes. Por ej. en un diseño factorial 2x3x2 con medidas
repetidas en C, habría 12 tratamientos y 6 grupos (que estarían
dados por los factores A y B)
Ventajas de los diseños factoriales respecto a los diseños

univariados:
1) Nos brindan mayor información, ya que no solo analizan los efectos

aislados de cada variable independiente, sino que también brindan
información sobre el efecto que producen las mismas al
combinarse.
2) Es más sencillo controlar variables contaminadoras, porque es más
fácil el control en una sola investigación que en varias.
3) Dan una mejor capacidad de generalización a situaciones naturales
(validez externa ecológica), ya que en la realidad las variables
suelen interactuar con otras y no solamente presentar efectos
aislados
4) Se requiere menor tiempo y menor cantidad de sujetos que si se
hicieran varias investigaciones con cada variable independiente por
separado.
Fuentes de variación en un diseño A x B (dos factores):

Efectos de A
Efectos principales
Efectos de B
Efectos de A xB Efectos de interacción
Efectos del error
En un diseño A x B x C (tres factores):
Efectos deA
Efectos principales
Efectos de B
Efectos de C
Efectos de A x B
Efectos de A x C
Efectos de interacción
Efectos de B x C
Efectos de A x B xC
Efectos del error
Efectos que se analizan en un diseño factorial:

Efectos que producen los factores aisladamente:
• Efectos principales: son los efectos que tiene cada una de las
variables independientes (factores) por separado, tomados de forma
aislada
Efectos que son producidos por la combinación de los factores:

• Efectos de interacción: hay interacción cuando el efecto de cada
factor varia (se ve modificado) en función de los valores que tome
del otro u otros factores. De manera que la “interacción sería una
medida de la no adicionabilidad de los efectos individuales de los
factores”.
• Efectos simples: son los efectos que tiene cada uno de los factores
bajo cada nivel (valor) del otro factor, o bajo cada combinación de
niveles de los otros factores (para diseños factoriales con más de
dos factores)
Se analizan tantos efectos de interacción como combinaciones de los

factores, ya que el efecto de interacción da cuenta del efecto global
que tiene cada combinación de factores.
En un diseño A x B se analiza un solo efecto de interacción. En cambio

en un diseño A x B x C tenemos 4 posibles efectos de interacción.
Los efectos de interacción pueden ser estadísticamente
significativos o no. De manera que de los posibles efectos de
interacción que se analizan, podemos encontrar que hay efecto de
interacción en algunos casos y en otros no. En el diseño A x B x C
que tiene 4 posibles efectos de interacción, pueden ser todos
estadísticamente significativos o no serlo ninguno de ellos, o
alguno/s si y otro/s no.
Efectos simples
Los efectos simples se utilizan para interpretar la

interacción. Y los efectos simples se dan dentro de
cada efecto de interacción.
Vamos a tener efectos simples para cada factor. De

manera que en un diseño A x B. Vamos a tener varios
efectos simples para A y varios efectos simples para B.
Para cada factor vamos a tener tantos efectos simples
como niveles tenga el otro factor. Por ejemplo para un
diseño 2 x 4 tendríamos 6 efectos simple. Cuatro de
estos efectos simples corresponderían al factor A (ya
que el factor B tiene cuatro niveles), y los otros dos al
factor B, porque el factor A tiene solo dos niveles.
EJEMPLO
La inteligencia y la dificultad en la tarea impactan sobre el rendimiento.
o
La dificultad en la tarea modula el impacto de la inteligencia sobre el
rendimiento.
VI(factores) VD
Inteligencia Rendimiento
Dificultad en
la tarea
EJEMPLO
a1: Baja
A:Inteligencia
a 2:Alta
Vi o factores
b 1: Fácil
B: Dificultad en
la tarea
b 2: Difícil
Rendimiento
VD (resultados de
0 a 10)
Diseño factorial A x B
Primera variable Segunda variable
Diseño factorial 2 x 2
2 niveles en primer variable 2 niveles en segunda variable
En el ejemplo hay 2 factores (A y B) y ambos tienen 2 valores o niveles

cada uno
¿Cuántas combinaciones entre dichas variables pueden darse? O

lo que es lo mismo ¿CUÁNTOS TRATAMIENTOS?
2X2= 4 (solo multiplicamos los valores o niveles de todas las
variables)
¿y si cambio la cantidad de valores de Dificultad en la tarea a 3,

agregando una dificultad media?
2x3= 6
¿Y si agrego una tercer variable como Motivación con 2 valores,
elevada y baja?
AxBxC
2x3x2= 12
En una tabla de doble entrada
Inteligencia Baja (a1) Inteligencia alta (a2)
Tarea fácil (b1) a1b1 (inteligencia a 2b1 (inteligencia

baja y tarea fácil) alta y tarea fácil)
Tarea difícil (b2) a 1 b2 (inteligencia a2 b2 (inteligencia

baja y tarea difícil) alta y tarea difícil)
Y si hay más variables (ej. C: Motivación -baja y elevada-) ya

necesitamos duplicar la tabla y agregar a cada una un valor de C
Inteligencia A Inteligencia A
Inteligencia Inteligenciaalta InteligenciaBaja Inteligenciaalta
Baja (a1) (a2) (a1) (a2)
a 2b1c2
a1b1 c1 a1b1c2
a 2b1c1 (inteligencia
(inteligencia (inteligencia baja +
Tarea fácil (inteligenciaalta alta+ tarea
baja + tarea Tarea fácil (b1) tarea fácil+
(b1) + tarea fácil+ fácil+
fácil + motivación
motivación baja) motivación
motivación baja) elevada)
Dificultad en la Dificultad en la elevada)
Tarea B Tarea B
a 1 b2 c1 a 1 b2 c2 a2 b2 c2
a2 b2c1
(inteligencia (inteligencia baja (inteligencia
Tarea difícil baja + tarea (inteligenciaalta
+ tarea difícil+ Tarea difícil(b2) +tarea difícil+ alta+tareadifícil
(b2) difícil+ motivación + motivación
motivación baja)
moticación baja) elevada) elevada)
Motivación C (c1: baja y c2: elevada)

¿ El factor A (inteligencia) puede tener ambos tipos de

manipulación?
NO, solamente manipulación natural (es atributo de los sujetos)
Por lo que debe ser de MEDIDAS INDEPENDIENTES (intergrupo)
¿ Y el factor B (Dificultad en la tarea)?

SI, pueden ser ambas
Puede ser de MEDIDAS INDEPENDIENTES (intergrupo)O DE
MEDIDAS REPETIDAS (intragrupo)
Entonces, según si el diseño tiene medidas independientes o

repetidas, tendré distinta cantidad de grupos?
SI
Si todos los factores son de Igual número de grupos que

de tratamientos (en el ej son
medidas independientes
4)
Considerar solo los factores

Si un factor es de medidas con medidas independientes
Cantidad de grupos independientes y otro de (en el ej son 2 grupos- si
medidas repetidas hubiera más variables
multiplicar sus valores)
Si todos los factores son de

medidas repetidas (en este 1 grupo
ejemplo no se podría)
En el ejemplo dado, si es de medidas independientes cada grupo

presenta 1 sola combinación de valores (tantos grupos como
combinaciones o tratamientos)
N° de grupos = N° de tratamientos
Si Dificultad de la tarea fuera de medidas repetidas, cada grupo de

Inteligencia pasaría primero por la condición de tarea fácil y
luego por la condición de tarea difícil (sigue habiendo 4
tratamientos, pero solo 2 grupos)
N° de grupos = multiplicación de valores o niveles de los factores
con medidas independientes
Volvemos la tabla pero ahora la completamos con datos de

Rendimiento (que pueden ir entre 0 y 10).
Si el diseño es de medidas independientes y se partió de 200 Ss
(muestra) asignando 50 Ss a cada grupo…
Puedo obtener el promedio de cada grupo en Rendimiento
(sumando los rendimientos individuales y dividiendo por 50 en cada
grupo). Vuelco ese promedio por grupo a las casillas.
Inteligencia baja Inteligencia alta
Tarea fácil 9 8
Tarea difícil 3 7
¿Puedo saber también los promedios obtenidos en las

investigaciones con solo una VI, en este caso Inteligencia
sobre Rendimiento y Dificultad de la tarea sobre Rendimiento?
Si
Si sumo ambos valores de inteligencia baja (primera columna) y divido
por 2 (ya que tengo 2 valores) obtengo el promedio de Rendimiento
en la condición de Inteligencia baja: 9+3= 12
12/2= 6
Lo mismo con inteligencia alta: 8+7= 15
15/2= 7.5
Por lo tanto:
En inteligencia baja el promedio de rendimiento es 6 y en alta es
7.5
Si la diferencia entre ambos promedios es significativa

estadísticamente (p menor o igual a 0.05) concluiríamos que la
Inteligencia impacta en el Rendimiento en el sentido que a
mayor Inteligencia el rendimiento será mayor.
Representado en un gráfico:
Rendimiento
8
5
Rendimiento
0 Inteligencia baja Inteligencia alta

Inteligencia
Procedemos de igual forma con Dificultad en la Tarea:

Tarea Fácil: 9+8= 17; 17/2= 8.5
Tarea Difícil: 3+7= 10; 10/2= 5
Si la diferencia entre estos grupos significativa

estadísticamente podemos concluir que efectivamente la
Dificultad en la tarea impacta en el rendimiento, siendo mayor
en el caso de la tarea fácil.
Nuevamente en un gráfico:
Rendimiento
9
8.5
8
6
Rendimiento
5 5
0
Tareafácil Tareadifícil
Dificultad en la tarea
Agregamos a la tabla (por fuera), las valores promedio
Tarea fácil 9 8
8.5
Tarea difícil 3 7
5
6 7.5
¿Es lo mismo hacer varias investigaciones simples que una

factorial?
No, la investigación con Diseño factorial aporta mayor
información:
EFECTOS
PRINCIPALES
DISEÑO EFECTOS DE
FACTORIAL INTERACCIÓN
EFECTOS
SIMPLES
Efectos principales
Son los efectos de cada factor, en este caso Inteligencia (A)

sobre Rendimiento y Dificultad en la tarea (B) sobre
Rendimiento.
Rendimiento Rendimiento
8 7.5 10
8 8.5
Rendimiento
Rendimiento
6 6
6
4 5
4
2 2
0 0
Inteligencia alta Inteligencia baja Tareafácil Tareadifícil
Inteligencia Dificultad en la tarea
Se informa que hay efecto principal de cada variable o factor, solo si

la diferencia observada entre los promedios de los grupos dio
significativa.
Para saber que grupo tuvo un promedio mayor calculo/leo los
mismos, en los valores que calculamos antes y ubicamos al costado
y final de la tabla (por fuera de ésta)
En el caso que alguna no diera significativa se informa que no hay

efecto principal de esa variable o factor.
Son los efectos de la combinación entre los factores (o variables)

donde se evidencia que alguno cambia su impacto por influencia de
otro (u otros): lo intensifica o atenúa (mayor o menor tamaño del
efecto), lo anula (deja de ser significativo), lo invierte, cambia la
dirección de efecto (impacta en sentido contrario). Son efectos
diferentes a la suma de los efectos principales.
AxB ≠ A+B
Se representan en un solo gráfico (sin son 2 factores solamente)

pudiendo elegirse cualquiera de las opciones (que factor va en el
eje y cual en color de línea)- ver las siguientes presentaciones-
Chart Title
10
9
9
8
8
7
7
6
Rendimiento
4
3
3
0
Tarea fácil Tarea difícil
Inteligencia

Chart Title
10
9
9
8
8
7
7
6
Rendimiento
4
3
3
0
Inteligenciabaja Inteligenciaalta
Inteligencia
Efectos simples
Son los efectos que permiten analizar la interacción. Corresponde a

los efectos de cada factor en cada uno de los niveles del otro factor
(u otros, si fueran varios)
En el ejemplo son los efectos de Inteligencia (A) en cada nivel
de Dificultad en la tarea (B), o sea: en tarea fácil (b1) y el tarea
difícil (b2). También los Efecto de Dificultad en la Tarea (B) en
cada nivel de Inteligencia (A): baja (a1) y alta (a2)
A continuación se vuelve a mostrar el gráfico de interacción y debajo

de él, de manera diferenciada, los efectos simples de Inteligencia en
cada nivel de Dificultad en la tarea. Como se puede notar, si unimos
los dos gráficos inferiores (efectos simples) en uno sólo obtenemos
el gráfico de interacción. Significa que es la misma información y,
por lo tanto, puede leerse de manera indistinta con cualquiera de las
dos formas.
Interacción
10 9
8
8
Rendimiento
7
6
4 3
0
Inteligenciabaja Inteligenciaalta
Inteligencia

9.2 8
9 7
8.8
6
Rendimiento
8.6
Rendimiento
5
8.4
4
8.2
8 3
7.8 2
7.6 1
7.4 0
Inteligencia baja Inteligencia alta Inteligencia baja Inteligencia alta
Inteligencia Inteligencia
Efecto simple de A (Inteligencia) en b1 (Tarea fácil):

En la condición de Tarea fácil, Tarea fácil
9.5
Rendimiento
los sujetos presentan mayor 9
8.5
8
Rendimiento cuando tienen 7.5
Inteligencia
Baja Inteligencia
Efecto simple de A (inteligencia) en b2 (Tarea difícil):
En la condición de Tarea difícil, Tarea difícil
8
Rendimiento
4
2
Rendimiento cuando tienenAlta 0
Inteligencia. Inteligencia
Para efectivamente poder saber si estas diferencias son

significativas o no, siempre los resultados son analizados por un
estadístico y junto al mismo el nivel de p (significación) para cada
caso (Efectos principales, interacción y efectos simples). Si todos
fueran significativos, podría ser algo así:
efectos p
A 0.05
B 0.00
A xB 0.02
A en b1 0.04
A en b2 0.00
B en a1 0.01
B en a2 0.03
El efecto principal de la Inteligencia (donde se observaba que a

mayor inteligencia mayor Rendimiento), solo se mantiene en la
condición de tarea difícil, pero se ha invertido en la condición de
tarea fácil (donde ocurre lo contrario, a mayor inteligencia, menor
rendimiento). Tarea fácil
9.5
Rendimiento
9
8.5
8
Rendimiento
7.5
8 Inteligencia baja Inteligencia alta
7
Inteligencia
Rendimiento
6
5
4
3 Tarea difícil
2
1 8
Rendimiento
0 6
Inteligencia baja Inteligencia alta 4
2
Inteligencia
0
Inteligencia
El mismo procedimiento se va a emplear para analizar los efectos

simples de B (Dificultad en la tarea) en cada nivel de A (Inteligencia):
a1 (baja) y a2 (alta).
Efecto simple de B (Dificultad en la tarea) en a1 (Inteligencia baja):

Inteligencia baja
En la condición de Inteligencia baja, 10
Rendimiento
8
4
2
Rendimiento cuando la 0
tarea es fácil Dificultad en latarea
Efecto simple de B (Dificultad en la tarea) en a2 (Inteligencia alta)

En la condición de Inteligencia alta, Inteligencia alta
8.5
los sujetos presentan mayor
Rendimiento
Rendimiento cuando la tarea 7.5
es fácil (igual que el anterior). 6.5

Dificultad en latarea
El efecto principal de Dificultad en la tarea (frente a la tarea fácil hay

mayor rendimiento) se mantiene en ambos casos. Es más marcado
en uno que en el otro? (Hay mayor tamaño del efecto)
Inteligencia baja
10
Rendimiento
5
Chart Title
10 9 0
8 8 7
Rendimiento
4 3
0
Tarea fácil Tarea difícil Inteligencia alta
Inteligencia 8.5
Rendimiento
8
7.5
7
6.5
Cuando las pendientes (de las líneas que dibujamos para unir
puntos en el gráfico de interacción) tienen el mismo signo (ambas
se inclinan en la misma dirección), podemos dibujar el Efecto
principal en dicho gráfico
Chart Title
10 9
9 8
8 7
7
Rendimiento
6
5
4
3
3
2
1
0
Inteligencia

Preguntas frecuentes..
¿Puede haber efectos principales y no haber interacción alguna? SI
¿Puede no existir algún efecto principal y sí interacción? SI Y que
todos los efectos simples sean también significativos? SI
¿Puede haber interacción y ningún efecto simple significativo? NO
¿Para que haya interacción las líneas siempre se ven cruzadas en el
gráfico? NO (puede ser que tiendan a cruzarse)
¿Para descartar interacción las líneas deben estar paralelas si o si? No
(es muy raro efectivamente que sean paralelas en la realidad)
¿Se leen como diferentes los promedios, aunque la diferencia no sea
significativa estadísticamente? NO
 Metodología de la Investigación1
 Lic. En Psicología
 Nivel: grado
Validez y Confiabilidad
Validez y Confiabilidad
Existen diferentes formas de operacionalizar las variables de estudio
Cuestionarios-
inventarios
Entrevistas
Observaciones
Tests
Aparatos- dispositivos
Protocolos- Informes
Metodología de la Investigación 1
Las pruebas de evaluaciónen Psicología-test - pasan por estudios de validez y confiabilidad

cuando:
Se construyen
Se adaptan a otros idiomas, lugares, grupos
Se actualizan (los términos teóricos se han modificado)
Cambian, se adecúan a nuevos contextos
¿Que son los estudios de validez y confiabilidad?
Son investigaciones sobre las técnicas para determinar la capacidad que tienen de medir un
término teórico determinado y con que consistencia lo hacen.
A estas investigaciones las llamamos estudios psicométricos.
Pueden clasificarse comoinvestigación metodológica.

Una investigación puede ser en sí misma un estudio psicométrico.

Ejemplos:
Estudios psicométricos del Inventariode Personalidadde Eysenck
Validez y Confiabilidad de Escala de Depresiónde Beck
Adaptacióny Validación de Testde Bender para la población adulta de Colombia

También pueden comprender sólo una etapade una investigación, donde cumple la
función de crear o adaptar la/s técnica/s que se van a utilizar en la misma.
Ej: Se quiere investigar la relación entre Neuroticismo y Depresión y para ello se requiere
adaptar la escala de Beck o crear una nueva.
En el apartado objetivos específicos se redacta al final pero en el apartado resultados se

comienza por esta etapa.
¿Por qué es importante que un instrumentos sea válido y confiable?
Los instrumentos permiten MEDIR las variables estudiadas. En la investigación significa que
ofrecen la posibilidad de operacionalizar términos teóricos. Idealmente se espera que lo hagan
de manera objetiva, precisa,adecuada, consistente

En consecuencia, entre los requisitos más importantes de Los instrumentos se destacan:
VALIDEZ CONFIABILIDAD
• Que midan • Que midan de manera

efectivamente aquello consistente
que pretenden medir
(Ej. Personalidad,
Memoria,
Inteligencia…)
CONFIABILIDAD
La medición implica obtener un puntaje del instrumento (valor numérico o score) o varios.
Ese valor obtenido u observado es el resultado de la medida real del atributo o variable y una
medida de error
Valor observado= Valor verdadero± Error

CONFIABILIDAD
Congruencia • División por mitades

interna u • Covarianza de los items
homogeneidad
• Test- retest o confiabilidad de primera

Estabilidad y segunda prueba
• Aplicación de instrumentos paralelos

Equivalencia • Concordancia entre observadores
Metodología de la Investigación 1:
CONFIABILIDAD
Congruencia o consistenciainterna
Consistencia entre las distintas partes del instrumento para medir el atributo o variable (que
midan de la misma manera).
La situación ideal sería que todos los reactivos tengan la misma intensidad (cuestión no
posible)
CONFIABILIDAD: congruencia o consistencia interna
División por mitades

Administrar el Obtener una
Dividir el
instrumento a puntuación Correlacionar
instrumento
una muestra por cada los puntajes
de Ss en 2 mitades mitad
Se utiliza el Coeficiente de Spearman- Brown r¹= 2r/1+r

donde r=coeficiente de correlación de las mitades de la
prueba y r¹= confiabilidad de toda la prueba.
Problemas: múltiples divisiones por mitades/ los instrumentos cortos

tienden a ser subestimados
CONFIABILIDAD: congruencia o consistencia interna
Covarianza de los ítems

Se divide el test en tantos ítems tiene (cada ítem es una parte).
El coeficiente mas utilizadoes:
Alfa de Cronbach
(como todos fluctúa entre 0 y 1, cuanto más elevadomejor. Ej mayor .70)
Existe una fórmula de Consistencia inter-item que no está afectada por la extensión del
instrumento
CONFIABILIDAD: Estabilidad
Estabilidad
Grado en que se mantienen los mismos resultados de un instrumentos en aplicaciones
sucesivas (siempre que el atributo sea estable, que no cambie. Ej. de atributo o variable
estable en que se mantienen los mismos resultados de un instrumentos en aplicaciones
sucesivas : Memoria episódicaen adultos; ej. de atributo no estable: estado de ánimo)
Se ve afectada por diferentes aspectos del paso de tiempo, cambio de actitud de los sujetos,
sensibilización, maduración,historia…
CONFIABILIDAD: Estabilidad
Volver a administrar
Administrar el el instrumento a la Correlacionar los
instrumento a una misma muestra puntajes obtenidos
muestra de Ss (después de un en ambas instancias
tiempo)
CONFIABILIDAD: Equivalencia
Equivalencia
Consistencia entre los puntajes (correlación) de instrumentosparalelos(dos formas del test)
Consistencia entre dos evaluadores u observadores (Ej en técnicas de observación

estructurada). Se calcula el índice de concordancia = Número de concordancias/Número de
concordancias + Disonancias. Esta formula no contempla el efecto del azar en la concordancia
observada, para ajustar esto uno de los coeficientes que se pueden usar es Kappa de Cohen
(para variables cualitativas con dos observadores) .
Administrar el
instrumento a una Correlacionar los
muestra al mismo puntajes de ambos
tiempo que un casos
instrumento paralelo
Determinar el índice
Administrar la de concordancia
técnica que incluya (Ej. Kappa de
2 o más Cohen para 2
evaluadores u evaluadores u
observadores observadores)
VALIDEZ
Contenido • Evaluaciónporjuecesexpertos
Criterio • Concurrente: relacióncon un criterioactual

• Predictiva:relaciónconun criteriofuturo
• Grupos conocidos o diferenciaciónentregrupos
Constructo •
•
•
Correlaciones con otras medidasdel constructo
Análisisfactorial
Matrizmutimétodos-multirasgoso validez convergente-discriminante
VALIDEZ: de Contenido
Validez de Contenido
Determina si los ítems del instrumento están en el dominio de interés y si

representan al universo de características o aspectos que abarca el
constructo.
VALIDEZ: de Criterio
Validez de Criterio
Relaciónentre los puntajes del instrumento con otra variable vinculada o criterio
CONCURRENTE
Obtener los puntajes del instrumento
aplicado a una muestra
correlacionar
Obtener los puntajes del criterio ambos
aplicado a la misma muestra
Ej: Correlacionar los puntajes de un test de inteligencia y la evaluación docente (criterio)en un

grupo de estudiantes
VALIDEZ: de Criterio
PREDICTIVA
Obtener los
Dejar pasar el
puntajes del
instrumento tiempo
aplicado a una correspondiente Correlacionar
muestra y y luego obtener ambas
seleccionar el la medida del
criterio a medir criterio
Ej. Medir inteligencia al comienzo de la escolaridad y correlacionar dichos puntajes con las
notas al finalizar los estudios (criterio) en una muestra dealumnos
VALIDEZ: de Constructo
Validez de Constructo
Es la mas importante y difícilde comprobar.

Determina si los aspectos o indicadoresdel instrumento, son válidos, adecuadosrespecto del
constructo. Se relaciona directamente con la teoría.
Grupos conocidos o diferenciación entre grupos
Formar grupos que

difieran en el
atributo Determinar si
Aplicar el
(considerando una difieren
instrumento a
característica significativamente
ambos grupos
conocida asociada al compararlos
al mismo)
Correlación con otras medidas del constructo
Aplicar el instrumento
Correlacionar
ambos puntajes
Aplicar otro/s
instrumento/s ya
validado/s quemida/n
el mismo constructo
Análisis factorial
Cuando teóricamente el constructo o atributo plantea la división en factores, en el instrumento

se estudia si empíricamente dichos factores se observan (mediante la agrupación de ítems
correlacionados entre si). El objetivo es reducir del conjunto total de items un conjunto reducido
de variables subyacentes (factores)
Análisis factorial Extracción de factores (diferentes métodos Ej.

Componentes principales) y obtención de una
matriz de factores. Puede elegirse o no dicha
cantidad según la teoría de base del constructo
Rotación de la matriz (diferentes posibilidades

según si los factores están relacionados o no)
Análisis de las cargas factoriales (de cada ítems

respeto a cada factor) y descarte de los ítems en
conflicto (cargas altas en mas de un factor, cargas
bajas en todos los factores), incongruencia teórica
o descarte de factores (pocos ítems)
INVESTIGACIÓN CUALITATIVA
I. CONCEPTOS GENERALES
 Finalidad: Comprender las interacciones
que se dan en la realidad y de los
mecanismos que intervienen en ellas.
 Modo de acceso: Discurso
 Análisis de datos: Análisis del discurso.
Investigación Cualitativa:
Caracterizaciones en sentido amplio en contraposición a
los enfoques de investigación cuantitativa
CUALI CUANTI
Conocer pocos casos con Conocer los casos
gran profundidad. suficientes que aseguren la
representatividad de una
población de casos.
Conocer pocos casos en
profundidad, aún
sacrificando la Conocer los casos que
representatividad. sean suficientes, aún a
costa de la profundidad.
Criterios para caracterizar una
Investigación Cualitativa
u Naturaleza de los objetivos

• Énfasis exploratorio más que conclusivo.
• Énfasis comprensivo más que descriptivo.
u Estrategia de abordaje utilizada

• Mayor interactividad observador-observado.
• Posibilidad de interacción entre las personas observadas.
u Tipo de instrumentos utilizados

• Menor estructuración secuencial.
• Carácter abierto: no determinación de las opciones de respuesta.
u Modalidad de análisis
• Menor orientación al dato númerico.
• Mayor orientación a marcos interpretativos diversos. Mayor valor agregado
subjetivo.
Cinco cuestiones difíciles sobre lo que se busca al comenzar
una investigación cualitativa
1. ¿Cuál es la naturaleza del fenómeno, entidades

o realidades sociales que quiero investigar?
2. ¿Cuál es el enfoque epistemológico en el que
se apoya mi investigación?
3. ¿A qué tema se refiere y con qué precisión se
formula?
4. ¿Qué aspectos o dimensiones quiero explicar
de ese fenómeno?
5. ¿Cuál es la meta de mi investigación? ¿Para
qué la hago?
VALORES EN LA INVESTIGACIÓN CUALITATIVA
1. Reconocimiento a la importancia de la
diversidad (en tanto pluralidad de contextos y
perspectivas).
2. Reconocimiento de la importancia del
contexto y de las acciones humanas
3. Respeto al participante en tanto importancia
de la narración.
4. Cambio de la relación investigador-
participante
Los investigadores cualitativos …
Estudian:
 los discursos e interacciones en sus
escenarios naturales, intentando dar
sentido a, o interpretar los fenómenos en
términos de los significados que las
personas les dan.
El rigor en investigación
cualitativa
CRITERIOS (Guba y Lincoln,1981)
 Crediibilidad:
 Consulta con informantes/participantes
 Replicación de análisis por otro/s investigador/es
Para determinar la credibilidad de una investigación se pueden

verificar los siguientes elementos:
• Resguardo de las notas de campo que surgieron de las acciones y
de las interacciones durante la investigación.
• Uso de transcripciones textuales de las entrevistas para respaldar los
significados e interpretaciones presentadas en los resultados del
estudio.
• Consideración de los efectos de la presencia del investigador sobre
la naturaleza de los datos.
• Discusión de los comportamientos y experiencias en relación con la
experiencia de los informantes.
 Confirmabilidad (Leininger, 1994) o auditabilidad: se refiere a la
forma en la cual un investigador puede seguir la pista, o ruta, de lo
que hizo otro. Para ello, es necesario un registro y documentación
completa de las decisiones e ideas que ese investigador tuvo en
relación con el estudio. Esta estrategia permite examinar los datos
y llegar a conclusiones iguales o similares, siempre y cuando se
tengan perspectivas análogas. Son necesarias:
• Descripción de las características de los informantes y su

proceso de selección.
• Análisis de la trascripción fiel de las entrevistas a los informantes.
• Descripción de los contextos físicos, interpersonales y sociales en

el informe.
 Transferibilidad o aplicabilidad: da cuenta de la posibilidad de
ampliar los resultados del estudio a otras poblaciones. Guba y Lincoln
(1981) indican que se trata de examinar qué tanto se ajustan los
resultados a otro contexto.
 Para ello se necesita hacer una descripción densa del lugar y las
características El rigor en la investigación cualitativa: técnicas de
análisis, de las personas donde el fenómeno fue estudiado. Así el
grado de transferibilidad es función directa de la similitud entre los
contextos donde ser realiza un estudio.
 Según Castillo y Vásquez (2003), dos guías sirven para determinar el
grado de transferibilidad:
• Si los investigadores indicaron lo típico de las respuestas de los
informantes.
• Si examinaron la representatividad de los datos como un todo
CRITICAS (Morse, Barret y Mayan, 2002)
Plantean que las definiciones de confiabilidad y validez deben
retomarse en la investigación cualitativa como patrones de rigor
científico por tres razones, a saber:
 1. Validez y confiabilidad son estándares de rigor científico
independientemente de los paradigmas que orientan la
investigación.
 2. No utilizar las pautas de validez y credibilidad puede fortalecer
la noción de que un trabajo es inválido, no confiable, falto de
rigor y por tanto no científico.
 3. Los criterios de credibilidad, auditabilidad y transferibilidad
propuestos por Guba y Lincoln (1981) enfatizan el rigor científico
sólo en el informe de investigación, por lo cual se corre el riesgo
de que no se identifiquen las amenazas contra la validez y
confiabilidad del estudio planeado.
Estrategias de verificación
(Morse, Barret y Mayan, 2002)
 La creatividad, sensibilidad, flexibilidad y habilidad para responder a lo que
sucede durante la investigación.
 La congruencia entre la pregunta o supuesto, los componentes del método

usado, la información recabada, y el análisis de ésta.
 La selección de los participantes que mejor representen, o tengan

conocimiento, del fenómeno o evento que se va a investigar, para lograr la
saturación efectiva y eficiente de las categorías con información de calidad
óptima y mínimo desperdicio.
 La interacción entre la recolección y el análisis de la información es esencial.
 La saturación de la búsqueda, es decir cuando se obtiene la misma

información o similar, porque los informantes no indican algo diferente de lo
ya dicho.
 No sólo debe generar conocimientos, sino contribuir a la solución de

problemas relevantes para los seres humanos.
SÍNTESIS
 Credibilidad o valor de verdad.

 Confirmabilidad o neutralidad.
 Transferibilidad o aplicabilidad.
 Consistencia, confiabilidad o dependencia.
 Contribución a la solución de problemas.
II. LA RECOLECCIÓN DE DATOS

Estrategias básicas de abordaje
u Observación no sistemática
u Entrevistas en profundidad
u Grupos focales o de enfoque
motivacional
 Enfasis en la expresión
 Enfasis en la producción
u Enfoque experimental indirecto
u Estudio de casos
u Investigación-acción participativa
LA OBSERVACIÓN PARTICIPANTE
 El investigador hace una inmersión en el contexto: Se
introduce dentro del grupo de estudio y llega a formar
parte de él.
 Da descripciones de los acontecimientos, de las
personas, interacciones entre ellas,…
 La ventaja es que se tienen vivencias de primera
mano que le permiten comprender la situación o el
comportamiento del grupo.
 Relata la sensación del investigador que se plasma en
un Cuaderno de campo o en un Libro diario.
LA ENTREVISTA
 El investigador obtiene información sobre el punto de vista y la
experiencia de las personas/grupos.
 Son adecuadas si lo que se busca es la dispersión de puntos de

vistas personales más que el consenso.
 Aparecerán los puntos de vista prototípicos o representantes de

las diversas posturas que pudieran existir.
 La entrevista puede ser abierta, si sólo existe un guión previo

(temas –no preguntas específicas- a abordar acorde a los
objetivos del estudio), semiestructurada si se adapta a una
forma de preguntas sin un orden fijo, o estructurada si se utilizan
preguntas en un orden predefinido.
 No importa el número de entrevistas sino la calidad de las

mismas. El entrevistado construye su discurso personal de forma
confiada y cómoda.

EL GRUPO FOCAL (Focus group)
 Se utiliza para conocer el abanico de opiniones (rompiendo
el culto al "experto”).
 Es una discusión en grupo.
 Las personas que lo componen tienen aspectos comunes.
 El investigador fomenta que se hable espontáneamente.
 Permite conocer el abanico de opiniones, percepciones,
actitudes, creencias, etc. sobre el tema bajo estudio.
 Sobre la población se hacen subgrupos (edad, género,
instrucción, trabajo, etc.) que deben representar distintas
opiniones, creencias, etc. Otra postura sostiene que los
subgrupos deben realizarse a posteriori, en función de los
discursos y no de variables sociodemográficas.
Tipos y ejemplos de preguntas abiertas
u Simples: Qué opina Ud. de ---?. Qué cosas consideraría en el
momento de solicitar …..?
u De explicación: Por qué piensa tal cosa?. Qué ventajas le ve a …..?
Por qué estaría dispuesto a …..? Cuál es su principal expectativa
respecto a …..?
u De aclaración-contextualización: A qué aspecto se refiere cuando
dice ….? En qué sentido piensa que …..? Recuerda cuándo ocurrió?
Recuerda dónde ocurrió? Cómo fue exactamente?
u Profundización: Podría agregar algo más ? Podría explicarlo? Por
ejemplo? Cómo se imagina que sería esa situación? Por qué alguien
haría tal cosa?
u Discriminación: Quiere Ud. decir que le resulta X por A o por B? Le
parece mejor porque es lo que a Ud. más le gusta o porque cree
que es lo más conveniente? Eso lo dice porque le ocurrió a Ud.,
porque se lo contó alguien o - simplemente- porque cree que es así?
Instrumentos
u Tests de completamiento
 Frases
 Historias
 Historietas
u Tests de asociación de palabras
u Tests figurativos gráficos
u Analogías, metáforas y personificaciones
u Tareas de emparejamiento de estímulos
u Estímulos indirectos
u Juegos
u Dramatizaciones
III. EL ROL DE LA TEORÍA

Perspectiva teórica “macro”
CONSTRUCTIVISMO (supuestos)
 No hay separación sujeto-objeto.
 Papel de la cognición como constructora
(fabricante) de conocimiento.
CONSTRUCTIVISMO
 El conocimiento no se recibe pasivamente ni
por medio de los sentidos o la comunicación,
sino que es construido activamente por el
sujeto cognoscente.
 La función de la cognición es adaptativa y

sirve para organizar el mundo experiencial del
sujeto. En este sentido, el conocimiento
equivale a una función de supervivencia y no
a una descripción del mundo exterior.
La interpretación desde el constructivismo
(Denzin, 1994)
 Se apoya en una muestra determinada

intencionalmente, en una teoría que la
fundamente, un análisis inductivo de los datos y
una interpretación contextual.
 Su criterio de verdad se fundamenta en cuatro
componentes: credibilidad, transferencia,
confianza y posibilidad de confirmación.
 Los materiales son sometidos a análisis
comparativos apoyados en sistemas de
categorías y que se interpretan desde la teoría.
IV. EL ANÁLISIS DE LOS DATOS

Algunos heurísticos generales de análisis
u Atienda al caso paradigmático.
u Atienda a lo inesperado.
u Atienda a lo coherente e incoherente, a lo
convergente y lo divergente.
u Conceptualice las verbalizaciones. Utilice
conceptos existentes o nuevos. Acuñe neologismos.
Esboce un glosario abreviado sobre el tema-
problema.
u Atienda a la esfera asociativa vinculada a un
concepto. Represente la esfera asociativa en el
formato de redes semánticas.
ANÁLISIS DE CONTENIDO
 Suele utilizarse el análisis de contenido cuando el

estudio se confina a una muestra del universo total
de la comunicación y porque resulta un método útil
para detectar técnicas de propaganda, medir la
“legibilidad” del material, identificar las intenciones
y otras características del autor de la comunicación
y reflejar pautas culturales.
 Unaspecto importante es delimitar las unidades de

análisis consideradas (pueden ser de base
gramatical, ej: frases entre dos puntos; o de base
semántica, ej: frases significativas) y las unidades de
contexto (ej: párrafos).
Lectura de textos (cómo se lee)
 Identificar características o rasgos del texto.
 Identificar
las propias reacciones ante el
texto ¿qué nos irrita? ¿qué nos hace
gracia? ¿qué nos intriga?
 Identificar temas
 Buscar aspectos particulares
 Buscar patrones, recurrencias.

Lectura de textos (cómo se lee)
 No ignorar lo obvio.
 Concentrarse en lo que dice el hablante o escritor.
Prestar atención a la ironía.
 Uso del silencio. Tomar en cuenta dónde y cuándo
ocurre.
 Jugar con el texto: cómo se leería si algún aspecto
en particular se hubiese omitido.
 Estar alerta respecto de las múltiples funciones del
discurso.
 No dar nada por sentado. Tener una actitud
activamente interrogante.
 Pasar a la interpretación fundamentada.
Análisis de contenido del Qué se dice
 Asunto: en qué consiste el discurso o tema

del que se habla.
 Dirección: modo en que se trata el asunto.
 Standard: características que presenta los
actores sobre sí mismos en el relato.
 Valores: valores que se revelan a través del
acto comunicativo.
 Métodos: formas utilizadas para dar a
entender lo que se dice (ej: persuadir,
opinar, etc.).
Análisis de contenido del Qué se dice
 Rasgos: características que se presentan sobre lo

que se habla.
 Actor: nivel de la comunicación (directa al
interlocutor, indirecta a un interlocutor ausente o
imaginario, meta-comunicación lo que se dice
sobre la comunicación).
 Objetivo: metas que se propone el narrador al decir
lo que dice.
 Localización: espacio/s donde tiene lugar la
narración.
 Conflicto: problemas que se expresan en el discurso.
 Finalización: resolución del conflicto narrado.
 Tiempo: tiempos referidos en la narración.
Análisis de contenido del Cómo se dice
 Forma o tipo de comunicación: oral o escrito

 Forma de la declaración: informativa,
apelativa, expresiva
 Mecanismo: método retórico utilizado.
Interpretaciones en análisis conversacional
y de contenido
Observaciones sobre la conversación
¿Quiénes hablan?
¿Qué se está ¿Desde qué
tratando? perspectivas
hablan?
Conversación sobre el tema
¿Qué críticas
hace usted sobre ¿Qué dicen?
la conversación?
Es una organización crítica de datos. El contexto conceptual es
construido por el investigador.
ANÁLISIS CATEGORIAL
Pasos:
 Separar unidades de análisis
 Codificar
 Encontrar relaciones entre códigos
 Categorizar y describir (análisis descriptivo).
 Encontrar relaciones entre categorías.
 Encontrar los ejes del discurso (análisis
axial) en el que se podrían ubicar todos los
códigos construidos (análisis selectivo).
 Interpretar.
EJEMPLO DE INVESTIGACIÓN
CUALITATIVA (SÍNTESIS)
 - Análisis descriptivo:
 Categoría emergente de los datos con definición de la misma:
 “Distintas frases de los discursos de los participantes que representan esa categoría”
 Descripción sintética del contenido de esas frases.
 Categoría emergente de los datos con definición de la misma:
 “Distintas frases de los discursos de los participantes que representan esa categoría”
 Descripción sintética del contenido de esas frases.
 Categoría ……
 Análisis axial y selectivo:

 Ejes en torno a los cuales gira el discurso y que permiten poner las
categorías en cuatro cuadrantes (expresión gráfica).
 Explicación de la selección realizada.
EJEMPLO DE INVESTIGACIÓN CUALITATIVA (Análisis axial de Linde
Valenzuela, 2020 sobre mujeres víctimas de violencia doméstica)

Power 2do Parcial - Merged

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Power 2do Parcial - Merged

Cargado por

Copyright:

Formatos disponibles

Diseños de sujeto único

Así como los resultados de un experimento grupal pueden llevar a recomendaciones de

DISEÑOS DE REVERSIÓN o ABAB

Buscan confirmar el efecto de un tratamiento al demostrar que la conducta cambia

Un ejemplo de diseño de reversión en análisis aplicado de la conducta puede ser el siguiente:

El diseño de reversión en este caso consistiría entonces en:

Figura 1. Frecuencia de conductas de balanceo a lo largo de diseño ABAB

Como se muestra en la figura 1, puede observarse claramente la relación funcional entre la

Ventajas y desventajas de los diseños de reversión

Otra ventaja es que, como el diseño implica fases alternantes de tratamiento y no

Sin embargo, existen unas cuantas desventajas de este tipo de diseños:

Figura 2. Frecuencia de conductas de balanceo a lo largo de un diseño ABAB

2. Problemas prácticos: muchas veces, a pesar de que se expliquen los objetivos

El resumen se basa en el siguiente texto:

Población: La podemos definir como un conjunto de individuos o de objetos (unidades de análisis)

Muestra: Es un subconjunto de la población y se espera que sea representativa de la misma. La

MUESTREO ALEATORIO (PROBABILÍSTICO)

Hay varios tipos de muestreos aleatorios o probabilísticos.

● Muestreo aleatorio simple.

El mismo consiste en llevar a cabo una serie de pasos

Ejemplo: Pacientes con enfermedad renal crónica que requieren tratamiento de

● Muestreo aleatorio sistemático

a) Este requiere que se decida un tamaño de muestra y efectuar el cociente entre la

Requiere en este caso la división de la población en subgrupos o estratos mutuamente

Hay dos maneras de conducir el muestreo estratificado:

- Desproporcionado: No refleja las proporciones de la población. En este caso no se

En este caso la muestra podría presentar un 50% de hombres y un 50% de mujeres.

Puede hacerse de dos maneras:

MUESTREO NO ALEATORIO (NO PROBABILÍSTICO)

● Muestreo accidental/de oportunidad/de conveniencia

● Muestreo por cuotas

Es un muestreo de oportunidad, pero con cuotas establecidas para el Nº de personas que

● Muestreo bola de nieve

Hasta aquí el resumen se baso en el siguiente texto:

Juan Carlos Argibay

Neuroticismo x Extraversión (3 x 2) – VD = Emociones negativas

La siguiente es la tabla con las medias de la variable dependiente correspondientes a cada

Para obtener los valores de los efectos principales:

Para construir ambos gráficos vamos a usar la tabla:

A bajo el nivel b2 < .01

B bajo el nivel a1 < .01

B bajo el nivel a2 .84

B bajo el nivel a3 < .01

Para analizar la interacción hay que seguir la siguiente secuencia de pasos:

¿Como la interacción modifica el efecto del Neuroticismo?

¿Como la interacción modifica el efecto de la Extraversión?

Entonces podemos decir que la interacción modifica el efecto de la Extraversión de la

Posibles formas de interacción en un diseño 2 x 2

 El factor A no tiene efecto bajo el nivel b2.

Como modifica la interacción el efecto del factor A:

Diseños de Sujeto Único

Diseños experimentales de grupo vs. Diseños de sujeto único

Los diseños experimentales vistos hasta el

Por el contrario, los diseños de sujeto único

Ventajas de los diseños de sujeto único

•Permiten generar principios de conducta

•Reducen la confusión que generan las

DISEÑO DE REVERSIÓN o ABAB

En este tipo de diseño se mide la conducta-meta durante un período de

Ventajas y desventajas de los diseños de reversión

2) Desventajas (se mencionan las más importantes)

Éticos: retirar (en la segunda fase A) un tratamiento que ha sido efectivo.

Se trabaja con MUESTRAS DE SUJETOS