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:

NEUROTICISMO x EXTRAVERSION
Para obtener los valores correspondientes a los efectos principales
Medias marginales estimadas
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 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
 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)

A bajo el nivel b2 < .01

(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)

B bajo el nivel a3 < .01

(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 b1 < .01
A bajo el nivel b2 .34
B bajo el nivel a1 < .01
B bajo el nivel a2 < .01
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
Medias marginales estimadas de la variable dependiente
a1 a2
b1 100 20
b2 80 40
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 1.00
Efecto de interacción AxB < .01

Efectos simples p
A bajo el nivel b1 < .01
A bajo el nivel b2 < .01
B bajo el nivel a1 .01
B bajo el nivel a2 .01
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
 Como modifica la interacción el efecto del factor A:

 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
Medias marginales estimadas de la variable dependiente
a1 a2
b1 100 20
b2 40 80
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 1.00
Efecto de interacción AxB < .01
Efectos simples p
A bajo el nivel b1 < .01
A bajo el nivel b2 < .01
B bajo el nivel a1 < .01
B bajo el nivel a2 < .01

Como modifica la interacción el efecto del factor A:

 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.