TEMA VII

Definicin general
Clasificacin
Diseo factorial A x B, completamente
al azar
Representacin de los efectos
factoriales
Modelo estructural, anlisis y
componentes de variacin
DISEO FACTORIAL
ESQUEMA GENERAL
Concepto
El diseo factorial, como estructura de
investigacin, es la combinacin de dos o ms
diseos simples (o unifactoriales); es decir, el
diseo factorial requiere la manipulacin
simultnea de dos o ms variables
independientes (llamados factores), en un
mismo experimento. ..//..
En funcin de la cantidad de factores o
variables de tratamiento, los formatos
factoriales se denominan, tambin, diseos de
tratamientos x tratamientos, tratamientos x
tratamientos x tratamientos, etc, y se
simbolizan por AxB, AxBxC, etc.
Criterios de clasificacin

Cantidad de niveles

Criterios Cantidad de combinaciones

Tipo de control
Clasificacin del diseo factorial por
criterio
A) Segn la cantidad de niveles o valores por
factor, el diseo factorial se clasifica en:


Cantidad constante

Cantidad de valores

Cantidad variable


La notacin del diseo es ms sencilla cuando
la cantidad de niveles por factor es igual (es
decir, constante). As, el diseo factorial de
dos factores a dos niveles se representa por 2,
el de tres factores por 2
3
, etc. En trminos
generales, los diseos a dos niveles y con k
factores se representan por 2
k
; a tres niveles,
por 3
k
; a cuatro niveles por 4
k
, etc. ..//..
Cuando los factores actan a ms de dos
niveles (es decir, cuando la cantidad de valores
por factor es variable), el diseo se representa
por 2 x 3, 2 x 3 x 4, etc. A su vez, cabe
considerar la posibilidad de que, tanto en un
caso como en otro, el diseo sea balanceado
(proporcionado) o no balanceado (no
proporcionado); es decir, diseos con igual
cantidad de sujetos por casilla y diseos con
desigual cantidad de sujetos por casilla.
B) El segundo criterio hace hincapi en la
cantidad de combinaciones de tratamiento
realizadas o ejecutadas. Con base a este criterio,
el diseo factorial se clasifican en:

Diseo factorial completo

Cantidad de
combinaciones
de tratamiento

Diseo factorial incompleto
y fraccionado
Si el diseo factorial es completo, se realizan
todas las posibles combinaciones entre los
valores de las variables. As, cada
combinacin de tratamientos determina un
grupo experimental (grupo de tratamiento o
casilla). Por ejemplo, el diseo factorial
completo 2x2 determina cuatro grupos de
tratamiento; un diseo 3x3 nueve grupos, etc.
..//..
Asumiendo que slo se ejecute una parte del
total de las combinaciones, el diseo factorial
es incompleto o fraccionado, segn el
procedimiento seguido.
C) En funcin del control de variables extraas.

Diseo factorial
completamente al azar
Diseo factorial de bloques
aleatorizados
Diseo factorial de Cuadrado
Grado de control Latino
Diseo factorial jerrquico o
anidado
Diseo factorial de medidas
repetidas


Segn el control de los factores extraos y la
reduccin de la variancia del error, el diseo
factorial puede ser, en primer lugar,
completamente al azar; es decir, aquel
formato donde slo se aplica el azar como
tcnica de control y donde los grupos se
forman mediante la asignacin aleatoria de los
sujetos. ..//..
En segundo lugar, el diseo factorial de
bloques aleatorizados permite el control de una
variable extraa. Segn esa estrategia, cada
bloque es un rplica completa del experimento,
y los grupos intra bloque (dentro de cada
bloque) se forman al azar. ..//..
Siguiendo con el criterio de bloques, el diseo
factorial de Cuadrado Latino o de doble
sistema de bloques controla dos fuentes de
variacin extraas, aunque slo se realiza una
parte del total de combinaciones. ..//..
El diseo factorial jerrquico o anidado
requiere la manipulacin experimental de la
variable y, al mismo tiempo, la anidacin (o
inclusin) de una variable dentro de las
combinaciones de tratamientos de los factores.
..//..
Por ltimo, el diseo factorial de medidas
repetidas incorpora la tcnica intra-sujeto; es
decir, el sujeto acta de control propio y recibe
todas las combinaciones de tratamiento
generados por la estructura factorial.
Criterios Diseo
Cantidad de
valores por factor
Igual cantidad de valores: 2
k
, 3
k
, etc.
Cantidad variable: 2x3; 2x3x4, etc.

Cantidad de
combinaciones de
tratamientos
Diseo factorial completo
Diseo factorial incompleto y fraccionado

Grado de control
Diseo factorial completamente al azar
Diseo factorial de bloques
Diseo factorial de Cuadrado Latino
Diseo factorial jerrquico
Diseo factorial de medidas repetidas
Efectos factoriales estimables

1. Efectos simples
2. Efectos principales
3. Efectos secundarios
Efectos factoriales simples

Es posible definir el efecto factorial simple
como el efecto puntual de una variable
independiente o factor para cada valor de la
otra.
Efectos factoriales principales

Los efectos factoriales principales, a
diferencia de los simples, son el impacto
global de cada factor considerado de forma
independiente, es decir, el efecto global de un
factor se deriva del promedio de los dos
efectos simples.
Efectos factoriales secundarios

El efecto secundario o de interaccin se
define por la relacin entre los factores o
variables independientes, es decir, el efecto
cruzado.
Diseo factorial al azar 2x2
Estructura del diseo
Combinacin de tratamientos por
grupo o casilla

Diseo factorial 2x2

A
1
B
1
A
1
B
2



A
2
B
1
A
2
B
2



Formato del diseo factorial
completamente al azar

















s
e
l
e
c
c M
i
P
n
Asignacin al azar
S
1
S
1
S
1
S
1

S
n1
S
n2
S
n3
S
n4
V.E. Z
1
Z
2
Z
3
Z
4
V.I. A
1
B
1
A
1
B
2
A
2
B
1
A
2
B
2


Caso paramtrico. Ejemplo 1
Se pretende probar, en una situacin de
aprendizaje discriminante animal, si la magnitud
del incentivo (variable incentivo) acta segn el
aprendizaje sea simple o complejo (variable
dificultad de aprendizaje o variable tarea). En esta
hiptesis se afirma que a mayor incentivo, ms
acusada es la diferencia entre las dos tareas (simple
o compleja). ..//..
Para ello, se registra la cantidad de
discriminaciones correctas (variable
dependiente) en funcin de un criterio general
de aprendizaje, que asume como suficientes 15
ensayos. Se toma, como medida de la variable
dependiente o de respuesta, la cantidad de
respuestas correctas, para un mximo de 15,
bajo el supuesto de que cada discriminacin
correcta tiene la misma dificultad de
aprendizaje. ..//..
Para probar la hiptesis propuesta se asignan
32 sujetos, de una muestra experimental, a las
combinaciones de tratamientos o casillas (ocho
sujetos por casilla), de forma totalmente
aleatoria.

Modelo de prueba de hiptesis
Paso 1. Segn la estructura del diseo son
estimables tres efectos. Por esa razn, se plantean
tres hiptesis de nulidad relativas a la variable A,
variable B e interaccin:
H
0
:
1
=
2
= 0
H
0
:
1
=
2
= 0
H
0
: ()
11
= ()
12
= ()
21
= ()
22
= 0

Paso 2. Por hiptesis experimental, se espera
que los efectos principales y el de la
interaccin sean significativos. Estas hiptesis
se representan, al nivel estadstico, por
H
1
:
1
=
2
, o no todas las son cero
H
1
:
1
=
2
, o no todas las son cero
H
1
: ()
11
= ()
12
= ()
21
= ()
22
, o no
todas las son cero.
Paso 3. El estadstico de la prueba es la F de
Snedecor, con un de 0.05, para las tres
hiptesis de nulidad. El tamao de la muestra
experimental es N = 32 y el de las submuestras
n = 8.

Paso 4. Clculo del valor emprico de las
razones F. Para ello, se toma, de nuevo, la
matriz de datos del experimento.
60
7.5
70
8.75
27
3.375
52
6.5
8
6
9
9
8
7
7
6
7
9
10
8
10
9
10
7
4
3
4
5
2
3
4
2
10
9
4
8
8
4
3
6
A
2
B
2
A
2
B
1
A
1
B
2
A
1
B
1

DISEO FACTORIAL 2X2
Totales:
Medias:
209
6.53
ANOVA factorial
MODELO ESTRUCTURAL DEL AVAR:
DISEO FACTORIAL 2X2
ijk jk k j ijk
Y + ) ( + + + =
Especificacin del modelo

Y
ijk
= la puntuacin del i sujeto bajo la combinacin
del j valor del factor A y el k valor del factor B.
= la media comn a todos los datos del
experimento.

j
= el efecto o impacto de j nivel de la variable de
tratamiento A.

k
= efecto del k valor de la variable de tratamiento B.
()
jk
= efecto de la interaccin entre el i valor de
A y el k valor de B.

ij
= error experimental o efecto aleatorio de
muestreo.
Descomposicin polietpica de las
Sumas de cuadrados
SC
A

SC
entre-grupos
SC
B

SC
total
SC
AB



SC
intra-grupos
SC
S/AB
CUADRO RESUMEN DEL AVAR PRIMERA ETAPA:
DISEO FACTORIAL 2X2
F
0.95
(3/28) = 2.95


abn-1=31
203.97 Total (T)
<0.05 15.28 42.19
2.76
ab-1=3
ab(n-1)=28
126.59
77.38
Entre G
Intra G (E)
p F CM g.l. SC F.V.
Inferencia del primer anlisis
Del primer anlisis se concluye que los grupos
de tratamiento o experimentales difieren
significativamente entre s; la probabilidad de
que un valor F de 15.28 ocurra al azar es
menor que el riesgo asumido ( = 0.05). ..//..
En consecuencia, se procede a determinar las
causas de esa significacin. Ntese que este
anlisis no obedece a ningn propsito de
investigacin, ya que slo sirve para detectar
si, en trminos globales, hay o no diferencia
entre los grupos. De hecho, es como si se
hubiera aplicado un modelo uni-factorial de la
variancia.
Clculo de las Sumas de Cuadrados:
segunda etapa
SC
entre-grupos
= SC
factor A
+ SC
factor B
+
SC
interaccin AxB

El clculo de estas Sumas de Cuadrados
requiere la previa construccin de la tabla
de los totales por columnas.

MATRIZ DE DATOS ACUMULADOS
209 87 122 TOTALES
130 60 70 A
2

79 27 52 A
1

TOTALES B
2
B
1

CUADRO RESUMEN DEL AVAR SEGUNDA ETAPA:
DISEO FACTORIAL 2X2
<0.05
<0.05
>0.05
29.94
13.87
2.55
81.28
38.28
7.03
(a-1)=1
(b-1)=1
(a-1)(b-1)=1
81.28
38.28
7.03
Factor A
Factor B
Inter AxB
F
0.95
(3/28) = 2.95; F
0.95
(1/28) = 4.20
abn-1=31 203.97 Total (T)
<0.05
15.28 42.19
2.76
ab-1=3
ab(n-1)=28
126.59
77.37
Entre-g
Intra-g
p F CM g.l SC F.V.
Inferencia del segundo anlisis
Paso 5. De los resultados del anlisis se infiere
la no-aceptacin de las hiptesis de nulidad
para los efectos principales de A y B, con
riesgo de error del 5 por ciento. En cambio, se
acepta la hiptesis de nulidad para la
interaccin. En suma, slo se deriva la
significacin de los efectos principales.
No interaccin (nula)
A
1


A
2




B1 B2
Interaccin positiva
A
1




A
2


B1 B2
Interaccin negativa



A
1

A
2


B1 B2
Interaccin inversa

A
2



A
1


B1 B2
Representacin grfica de la interaccin
A
1
A
2
B
1
B
2
Interaccin nula
A
1
A
2
B
2
B
1
Interaccin positiva
A
1
A
2
B
2
B
1
Interaccin negativa
A
1
A
2
B
1
B
2
Interaccin inversa
MEDIAS DE GRUPOS DE TRATAMIENTO
7.5 8.75 A
2

3.38 6.5 A
1

B
2
B
1

GRFICO INTERACCIN
7,5
3,38
6,5
8,75
0
1
2
3
4
5
6
7
8
9
10
B1 (Tarea simple) B2 (Tarea compleja)
P
r
o
m
e
d
i
o

e
n
s
a
y
o
s

c
o
r
r
e
c
t
o
s
A1 (Incentivo bajo)
A2 (Incentivo alto)
Caso paramtrico. Ejemplo 2
Se ha puesto de manifiesto que cuando las
personas se sienten molestas ante la presencia de
estmulos ambientales adversos incrementan su
comportamiento agresivo. Berkowitz y Frodi
(1979) realizaron un experimento para estudiar si
el comportamiento agresivo depende no slo de
la presencia de estmulos ambientales adversos
sino tambin del atractivo fsico de la persona
que supuestamente va a recibir la agresin.
Procedimiento
Se seleccion una muestra de 56 mujeres y se
formaron 4 grupos al azar. En el laboratorio, se
inform a los sujetos que iban a participar en
un estudio sobre la dinmica paterno-filial.
As, en un primer momento, slo la mitad de
las participantes interactuaron con un cmplice
del experimentador (que ejerca el rol de
padre), entrenado para provocarles irritacin.
En un segundo momento, a todas se les pas
un vdeo en que una nia (que ejerca el rol
filial) realizaba una tarea.
Sigue
En esta segunda parte, para la mitad de las
participantes el vdeo mostraba una nia con
un aspecto fsico atractivo y para la otra mitad
la nia tena un aspecto fsico poco atractivo.
Durante la presentacin del vdeo las
participantes deban corregir los errores que la
nia cometa en la tarea mediante un estmulo
auditivo que poda variar de 1 a 10 en una
escala de intensidad.
Resultados del anlisis
Estadsticos descriptivos
Variable dependiente: Castigo
3.8985 1.30023 14
5.6585 1.27211 14
4.7785 1.54797 28
3.5199 .76323 14
4.6254 .73157 14
4.0726 .92467 28
3.7092 1.06379 28
5.1419 1.14610 28
4.4256 1.31258 56
Atractivo
atractivo
no atractivo
Total
atractivo
no atractivo
Total
atractivo
no atractivo
Total
Irritacion
s
no
Total
Media Desv. tp. N
Prueba de homogeneidad
Contraste de Levene sobre la igualdad de las var ianzas error
a
Variable dependiente: Castigo
2.309 3 52 .087
F gl1 gl2 Signif icacin
Contrasta la hiptesis nula de que la varianza error de la
variable dependiente es igual a lo largo de todos los grupos.
Diseo: Intercept+Irritacion+Atractivo+Irritacion *
Atractivo
a.
ANOVA
Pruebas de los efectos inter-sujetos
Variable dependiente: Castigo
37.213
a
3 12.404 11.209 .000
1096.794 1 1096.794 991.096 .000
6.976 1 6.976 6.303 .015
28.738 1 28.738 25.969 .000
1.499 1 1.499 1.355 .250
57.546 52 1.107
1191.552 56
94.758 55
Fuente
Modelo corregido
Interseccin
Irritacion
Atractivo
Irritacion * Atractivo
Error
Total
Total corregida
Suma de
cuadrados
tipo III gl
Media
cuadrtica F Signif icacin
R cuadrado = .393 (R cuadrado corregida = .358)
a.
Ventajas del diseo factorial
Se ha descrito, a lo largo de ese tema, los
conceptos bsicos del diseo factorial o
estructura donde se manipulan, dentro de una
misma situacin experimental, dos o ms
variables independientes (o factores). En aras a
una mejor exposicin del modelo se ha
descrito, bsicamente, el diseo bifactorial a
dos niveles, dentro del contexto de grupos
completamente al azar. ..//..
La disposicin bifactorial aporta informacin
no slo de cada factor (efectos principales),
sino de su accin combinada (efecto de
interaccin o efecto secundario). De esta
forma, con la misma cantidad de sujetos
requerida para experimentos de una sola
variable independiente o factor, el investigador
puede estudiar simultneamente la accin de
dos o ms variables manipuladas. ..//..
Ello supone un enorme ahorro de tiempo y
esfuerzo. Si se tiene en cuenta la posibilidad de
analizar la accin conjunto o cruzada de las
variables, se concluye que el diseo factorial
es una de las mejores herramientas de trabajo
del mbito psicolgico, puesto que la conducta
es funcin de muchos factores que actan
simultneamente sobre el individuo.
..//..
Diseos factoriales 2 x 2 de bloques
Bloque 1
Bloque 2
Bloque k
.
.
A
1
B
1
A
2
B
1
A
1
B
2
A
2
B
2
S
11
S
12
S
14
S
13
S
21
S
22
S
24
S
23
S
k1
S
k2
S
k4
S
k3
TEMA VIII
Definicin general
Clasificacin
Diseo de medidas repetidas simple. Modelo
estructural y componentes de variacin
Diseo de medidas repetidas de Cuadrado Latino.
Modelo estructural y componentes de variacin
Diseo de medidas repetidas factorial. Modelo
estructural y componentes de variacin
DISEOS DE MEDIDAS REPETIDAS
ESQUEMA GENERAL
Diseo de medidas repetidas
El diseo de medidas repetidas es una extensin
del diseo de bloques, en que el sujeto sustituye
al bloque y acta de control propio. Con este
formato, los sujetos de la muestra reciben todos
los tratamientos y repiten medidas o registros de
respuesta; asimismo, la comparacin de los
tratamientos es intra-sujeto. ..//..
De este modo, el uso del procedimiento de
medidas repetidas proporciona un control ms
efectivo de las fuentes de variacin extraas
asociadas, por lo general, a las caractersticas
individuales; es decir, se consigue una
reduccin de la variancia del error.
..//..
Esto es as porque, al actuar el sujeto de
bloque, la variabilidad debida a las diferencias
individuales es eliminada del error. De este
modo, el diseo de medidas repetidas una
estructura ms potente que los diseos
completamente aleatorizados.
Efectos de orden
Los efectos de orden (order effects) se derivan
de la propia estructura del diseo de medidas
repetidas, y deben ser neutralizados para que
confundan los efectos de los tratamientos.
Tipos de efectos de orden

A) Efecto de perodo (period effect)


B) Efecto residual (carry-over effect)


Efecto de perodo
Los efectos de perodo ocurren cuando,
independientemente del tratamiento aplicado,
el sujeto responde al perodo o posicin que,
en la secuencia, ocupa el tratamiento (perodo
de administracin). Cabe, por lo tanto, la
posibilidad de que el sujeto responda mejor al
perodo que al tratamiento en s mismo.
Cuando esto ocurre, el efecto de perodo
confunde la accin del tratamiento.
Efecto residual
El efecto residual, conocido por error
progresivo, se caracteriza por la persistencia de
la accin de un tratamiento ms all del
perodo o tiempo de aplicacin. Representa
tanto la progresiva acumulacin tanto de los
efectos facilitadores de la respuesta (efecto de
la prctica, aprendizaje, etc.) como de los
efectos obstaculizadores (como la fatiga
mental, cansancio fsico, etc.). ..//..
Cuando, como es frecuente en esos casos, se
produce una persistencia del efecto del
tratamiento anterior sobre el tratamiento
siguiente, se corre el riesgo de que los efectos
queden contaminados.

Clasificacin del diseo en funcin
de los factores

Simple (SxA)

Diseos
de medidas
repetidas
Factorial (SxAxB,
SxAxBxC, etc.)
Clasificacin del diseo en funcin
de los grupos

De un grupo o muestra
(SxA)
Diseos
de medidas
repetidas
Multimuestra (S(A)xB)
Diseo de medidas repetidas simple
de un grupo
Concepto
El diseo simple de medidas repetidas es
prototpico en esa clase de experimentos, al
incorporar la estrategia de comparacin intra-
sujeto. Lindquist (1953) se refiere a estas
estructuras como diseos de Tratamientos x
Sujetos, ya que los sujetos se cruzan o combinan
con los tratamientos. As mismo, es un diseo
simple o unifactorial porque slo se evala la
accin de una variable independiente o de
tratamientos. ..//..
La principal ventaja del diseo, dada su
especial disposicin, es la posibilidad de
extraer del error una de sus fuentes de
variacin ms importante: la variacin
atribuida a las diferencias individuales.

Estructura del diseo
La estructura el diseo de medidas repetidas
simple es similar al formato factorial de dos
variables independientes. A diferencia del diseo
factorial, la variable de sujetos no es manipulada
ya que se trata de un pseudo-factor. La variable
de tratamientos est manipulada por del
experimentador y es considerada como un
autntico factor. ..//..
Supngase, por ejemplo, que la variable
sujetos, simbolizada por S, acta a n valores, y
que el factor A -variable de tratamiento-, a a
valores que son aplicados, de forma
secuencial, a los sujetos de la muestra. Ntese
la similitud entre este diseo y el diseo
bifactorial dado que, analticamente, la
variable de sujetos acta como si fuera un
factor. La diferencia estriba slo en la
naturaleza y objetivo de las dos variables.
..//..
La variable S representa la variabilidad entre
sujetos y no es, por lo tanto, un factor
manipulado sino de control. La variable A es
una dimensin de variacin manipulada por el
investigador. El propsito del experimento
sigue siendo el anlisis del posible impacto de
la variable de tratamiento sobre la variable de
respuesta. ..//..
Con este formato, no slo se controlan las
diferencias individuales, por el pseudo-factor
de sujetos, sino que se minimiza la variancia
del error al sustraer una de sus principales
fuentes. ..//..
As, el diseo de medidas repetidas simple es
el procedimiento ms eficaz para probar el
efecto del tratamiento. Al controlar las
diferencias interindividuales, este diseo es,
tambin, un potente procedimiento de anlisis,
porque al reducir el error se aumenta la
precisin y efectividad en probar los efectos de
la variable de tratamiento.
Formato del diseo de medidas repetidas. Diseo de
medidas repetidas simple, S x A.
Y..
Tratamientos
A
1
A
2
A
3
A
j


S
1
S
2
S
n
.

.

.
Y
11
Y
12
Y
13
Y
1j
Y
21
Y
22
Y
23
Y
2j

Y
n1
Y
n2
Y
n3
Y
nj

Medias
S
u
j
e
t
o
s

Medias
Y
1
.
Y
2
.
.

.

.
Y
n
.
Y.
1
Y.
2
Y.
3
Y.
j

Caso paramtrico. Ejemplo 1
Sea, al nivel ilustrativo, la siguiente situacin
experimental. Se pretende estudiar el efecto de
la frecuencia de tres tonos auditivos, o variable
A, de igual intensidad (65 db). Para ello, se
decide registrar los tiempos de reaccin, en
milsimas de segundos, a la presentacin de
los tonos. De la variable independiente -
frecuencia de tono-, se eligen tres valores: 300
cps. (condicin A
1
), 600 cps. (condicin A
2
) y
1200 cps. (condicin A
3
).
Modelo de prueba de hiptesis

Paso 1. Se asume, por hiptesis de nulidad,
que los efectos de los tratamientos son nulos.
Es decir,

H
0
:
1
=
2
=
3


Paso 2. Segn la hiptesis experimental o
hiptesis de efectividad se asume que, uno o
ms tratamientos o efectos es significativo
(distinto de cero). En trminos estadsticos se
afirma que:
H
1
:
1
=
2
, o
1
=
3
, o
2
=
3
H
1
: por lo menos una desigualdad

Paso 3. Se asume un modelo ANOVA de
aditividad. El estadstico de la prueba es la F
normal, a un nivel de significacin de = 0.05.
El tamao de la muestra experimental es N = n
= 3.

Paso 4. El clculo del valor emprico de F se
realiza a partir de la correspondiente matriz de
datos, una vez ejecutado el experimento.
DISEO DE MEDIDAS REPETIDAS
TRATAMIENTOS
N. Sujeto
A
1
A
2
A
3
TOTALES
1
2
3
3.8
4.4
6.9
3.6
5.0
4.5
2.5
2.3
3.0
9.90
11.70
14.40
TOTALES 15.1 13.1 7.8 36
MEDIAS 5.03 4.37 2.6 4
ANOVA de medidas repetidas
MODELO ESTRUCTURAL
MODELO ADITIVO
ij j i ij
Y
Descripcin y supuestos
Y
ij
= la puntuacin del i sujeto bajo la j
condicin experimental o tratamiento
= la media global de todos los datos del
experimento

i
=
i
= el efecto asociado al isimo
sujeto

j
=
j
= el efecto de jsimo nivel de la
variable de tratamiento A

ij
= el error experimental asociado al i
sujeto bajo el j tratamiento

Asimismo, para que el modelo sea vlido, se
asume que:

a)
i
~ NID(0,

)
b)
ij
~ NID(0,

)
c) =

11' +

I

CUADRO RESUMEN DEL ANOVA: DISEO MEDIDAS
REPETIDAS
F
0.95
(2/4) = 6.94
an-1=8 16.16 Total (T)

>0.05

5.86
1.71
4.75
0.81
(n-1)=2
(a-1)=2
(n-1)(a-1)=4
3.42
9.49
3.25
Suj (S)
Trat (A)
SujxTrat (SxA)
p F CM g.l SC F.V.
Modelo de prueba de hiptesis

Paso 5. Dado que el valor emprico de F es
menor que el terico, se acepta la hiptesis de
nulidad relativa a la variable de sujetos y a la
de tratamiento, a un nivel del riesgo del cinco
por ciento.
Supuesto de uniformidad o simetra
compuesta
Segn esta restriccin, conocida por condicin
de uniformidad o simetra compuesta, se
asume una variancia comn para las distintas
medidas repetidas y una covariancia comn
para los diferentes pares de medidas (prueba
de Box (1950)).
H
0
: E = S
E = Matriz poblacional
S = Matriz muestral
(
(
(

= E
2
3 32 31
23
2
2 21
13 12
2
1
o o o
o o o
o o o
(
(
(

2
3 32 31
23
2
2 21
13 12
2
1
s s s
s s s
s s s
(
(
(

2
3 32 31
23
2
2 21
13 12
2
1
s s s
s s s
s s s
(
(
(

2
3 32 31
23
2
2 21
13 12
2
1
s s s
s s s
s s s
. . .
S1 S2 Sn
Prueba de ajuste
Prueba de simetra combinada (Box, 1950)

H
0
: S =
Decisin estadstica

Se calcula el valor del estadstico B con
distribucin aproximada a chi-cuadrado y con [a
+ a - 4]/2 grados de libertad:

B = (1 - C)M = (1 - 075)(15.2) = 3.8

y

[3 + 3 - 4]/2 = 4 g.l.

El valor terico de chi-cuadrado es

0.95
(4) = 9.49
Puesto que este valor es mayor que el valor
emprico calculado, 3.8 < 9.49, se infiere la
aceptacin de la hiptesis de nulidad y, por
tanto, que la matriz de variancia y covariancia
muestral se ajusta al patrn especfico asumido
en la poblacin.
Supuesto de esfericidad
Huynh y Feldt (1970) y Rouanet y Lepine
(1970) han mostrado que es suficiente el
cumplimento de una condicin ms dbil o
condicin de esfericidad (circularidad). Esta
condicin slo requiere que las variancias de
las diferencias entre todos los pares de
medidas repetidas sean iguales (prueba de
esfericidad de Mauchley (1940))
Supuesto de homogeneidad del
ejemplo
Uniformidad Circularidad
Box(1950) Mauchley (1940)

o
2
= 3.8
o
2
= 0.479
g.l.= [p
2
+p-4]/2 =4 g.l.=[p(p-1)/2]-1=2

2
0.95
(4) =9.49
2
0.95
(2) =5.99


A(H
0
)--------> p>0.05
Alternativas de anlisis del diseo de medidas
repetidas
F normal
ANOVA F conservadora
F ajustada
Diseo de
medidas
repetidas

MANOVA
Frmulas para el clculo de los grados de
libertad de las F's.
Grados de
libertad de F
F normal F
conservadora
F ajustada
Numerador (a-1) 1 c(a-1)
Denominador (n-1)(a-1) n-1 c(n-1)(a-1)
Factores de ajuste

Epsiln de:

Greenhouse y Geisser (1959)
Huynh y Feldt (1970)
psilon de Greeenhouse y Geisser
(1959).

c = 0.72
Valores tericos de las F's de las distintas
pruebas, a un nivel de significacin de 0.05.

Tipo de Grados de libertad Valor terico de
prueba Numerador Denominador F para = 0.05

Normal 2 4 6.94

Ajustada 1 3 10.13

Conservadora 1 2 18.51
Caso paramtrico. Ejemplo 2
Rauscher, Show y Ky (1993) estudiaron si la audicin
de la sonata K488 de Mozart incrementaba el
rendimiento en tareas cognitivas. Se pidi a un total
de 36 estudiantes que ejecutaran tres tareas de
razonamiento espacial. Previo a las tareas los sujetos
escuchaban, por un periodo de diez minutos, una de
las siguientes piezas: (a) la sonata para dos pianos
K488 de Mozart, (b) msica de relajacin y (c)
silencio. Los efectos de orden se controlaron
mediante contrabalanceo entresujetos de las tres
audiciones. La variable dependiente fue la puntuacin
obtenida en la tarea de razonamiento espacial.
Estadsticos descriptivos
Estimaciones
Medida: MEASURE_1
58.723 1.769 55.131 62.315
56.252 1.302 53.607 58.896
52.853 2.009 48.775 56.931
Periodo
Mozart
Relajacin
Silencio
Media Error tp. Lmite inf erior
Lmite
superior
Intervalo de conf ianza al
95%.
Prueba de esfericidad
Prueba de esfericidad de Mauchly
b
Medida: MEASURE_1
.964 1.230 2 .541 .966 1.000 .500
Ef ecto intra-sujetos
Msica
W de Mauchly
Chi-cuadrado
aprox. gl Signif icacin
Greenhous
e-Geisser Huynh-Feldt Lmite-inf erior
Epsilon
a
Contrasta la hiptesis nula de que la matriz de covarianza error de las variables dependientes transf ormadas es proporcional a
una matriz identidad.
Puede usarse para corregir los grados de libertad en las pruebas de signif icacin promediadas. Las pruebas corregidas
se muestran en la tabla Pruebas de los ef ectos inter-sujetos.
a.
Diseo: Intercept
Diseo intra sujetos: Msica
b.
ANOVARM
Pruebas de efectos intra-sujetos.
Medida: MEASURE_1
625.440 2 312.720 3.547 .034
625.440 1.931 323.834 3.547 .036
625.440 2.000 312.720 3.547 .034
625.440 1.000 625.440 3.547 .068
6172.125 70 88.173
6172.125 67.598 91.307
6172.125 70.000 88.173
6172.125 35.000 176.346
Esf ericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inf erior
Esf ericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inf erior
Fuente
Msica
Error(Msica)
Suma de
cuadrados
tipo III gl
Media
cuadrtica F Signif icacin
A B C D
B C D A
C D A B
D A B C
S
u
j
e
t
o
s

S
1
S
2
S
3
S
4
O
1
O
2
O
3
O
4

Orden
Formatos del diseo de medidas repetidas: Diseo de
medidas repetidas de cuadrado latino, S x A
Formatos del diseo de medidas repetidas: Diseo de
medidas repetidas factorial, S x A x B.
Y
111
Y
11k
Y
121
Y
12k
Y
1j1
Y
1jk
Y
211
Y
22k
Y
221
Y
22k
Y
2j1
Y
2jk

Y
n11
Y
n1k
Y
n21
Y
n2k
Y
nj1
Y
njk
Medias
S
1
S
2
S
n
.

.

.
S
u
j
e
t
o
s

Medias
Y
1
..
Y
2
..
.

.

.
Y
n
..
Y

Tratamientos
A
1
A
2
A
j

B
1
B
k

B
1
B
k

B
1
B
k

..
..
..
..
..
..
..
.. ..
Y.
11
Y.
12


Y.
21
Y.
j1
Y.
jk
Y.
2k
..
.. ..
TEMA IX
Definicin general
Clasificacin
Diseo factorial mixto con una variable entre y
otra intra. Modelo estructural y componentes de
variacin
Diseo split-plot
Comparacin de las fuentes de variacin del Diseo
mixto con el de medidas repetidas simple y el
completamente al azar
DISEOS FACTORIALES MIXTOS
ESQUEMA GENERAL
Diseo de medidas repetidas
multigrupo
o
factorial mixto
Diseo de medidas repetidas
multigrupo
El diseo de medidas repetidas multigrupo,
conocido tambin por diseo factorial mixto,
incorpora dos estrategias de inferencia de
hiptesis: estrategia de comparacin entre
grupos y estrategia de comparacin intra
sujetos. La estructura mixta combina, en un
mismo experimento, el procedimiento de
grupos independientes y el procedimiento con
sujetos de control propio. ..//..
Puesto que el diseo mixto integra, en un
mismo estudio, dos enfoques de investigacin
se aplica a aquellas situaciones donde estn
presentes, por lo menos, dos variables
independientes. As, los valores o niveles de
la primera variable independiente genera
grupos separados y su efecto se infiere por la
comparacin entre grupos o entre sujetos. ..//..
Esta variable independiente es conocida como
variable entre. Los valores de la segunda
variable se administran a todos los sujetos, en
cuyo caso los sujetos repiten medidas. Dado el
carcter de repeticin, esa segunda variable
recibe el nombre de variable intra. De esto se
concluye que el diseo mixto requiere siempre
una estructura factorial. O sea, son
experimentos donde intervienen como mnimo
dos variables.
Clasificacin
1 V.E. y 1 V.I. S(A)xB
2 V.E. y 1 V.I. S(AxB)xC
Diseo factorial ......................................
mixto ......................................
Diseo de N V.E. y N V.I
medidas
repetidas Una variable categrica
multigrupo y una intra S(A)xB
Diseo split-plot Dos variables categricas
y una intra S(AxB)xC
Etc.

Formato del diseo de medidas
repetidas de dos grupos
Grupo Tratamientos
A
1
A
2
........... A
k

S
1
Y
11
Y
12
............ Y
1k




G
1

S
n1
Y
N1
Y
N2
............ Y
Nk



S
1
Y
11
Y
12
............ Y
1k




G
2

S
n2
Y
N1
Y
N2
............ Y
Nk

Ejemplo prctico 1
Un experimentador pretende estudiar el efecto
que sobre la memoria icnica tienen dos
variables: campo pos-exposicin y tiempo de
presentacin. De la primera variable, selecciona
dos valores: campo pos-exposicin brillante (A
1
)
y campo pos-exposicin oscuro (A
2
). De la
segunda, elige cuatro valores: B
1
= 45 c/sg, B
2
=
90 c/sg, B
3
= 180 c/sg, y B
4
= 240 c/sg.
Para ejecutar este experimento, confecciona
tarjetas donde aparecen letras consonantes,
seleccionadas al azar, y las dispone en
matrices 3 x 4. La tarea a realizar por los
sujetos, va a consistir en identificar, de forma
correcta, la mxima cantidad de letras. A su
vez, decide que cada sujeto ejecute 40 ensayos
(diez tarjetas por tiempo de presentacin). La
variable dependiente es la cantidad de
identificaciones correctas en bloques de 10
ensayos.
Modelo de prueba estadstica
Paso 1. Formulacin de las hiptesis de
nulidad:
H
0
:
1
=
2
= 0
H
0
:
1
=
2
=
3
=
4
= 0
H
0
:
11
=
12
=
13
=
14
=
21
=

22
=
23
=
24
= 0

Paso 2. A cada hiptesis de nulidad est
asociada la siguiente hiptesis alternativa:

H
1
: por lo menos una desigualdad

Paso 3. Se asume el modelo ANOVA lineal. El
estadstico de la prueba es la F normal (bajo el
supuesto de homogeneidad y simetra), con un
nivel de significacin de = 0.05. El tamao
de la muestra experimental es N = an = 8 y la
cantidad de observaciones abn = 32.

Paso 4. Se calcula el valor emprico de F a
partir de la correspondiente matriz de datos del
experimento.

TOTALES TRATAMIENTOS
932 295 242 213 182 TOTALES



436
77
103
142
114
30
38
41
38
20
30
36
33
14
19
34
22
13
16
31
21
5
6
7
8
A
2




496
112
142
125
117
34
39
40
35
27
37
28
31
26
35
33
30
25
31
24
21
1
2
3
4
A
1

V.A Suj. B
4
B
3
B
2
B
1
N Suj.
DISEO FACTORIAL MIXTO
Modelo estructural del diseo


Y
ijk
= + [
j
+
i/j
] + [
k
+ ()
jk
+

()
ik/j
] +
ijk
Supuestos del anova

Y
ij
= la puntuacin del i sujeto bajo el j valor A y
el k valor de B
= la media comn a todos los datos del
experimento.

j
= es el efecto de j nivel de la variable A.

i/j
= el efecto asociado al i sujeto dentro de j nivel
de A.

k
= el efecto del k nivel de B.
()
jk
= el efecto de la interaccin de A
j
y B
k
.
()
ik/j
= el efecto de la interaccin de S
i
y B
k
, intra A
j
.

ijk
= el error de medida.

Dado que slo hay un dato por casilla
combinacin de S, A y B, no hay
variabilidad intra-casilla, As, SxB/A estima la
variancia del error.
Se asume que:
a)
i
~ NID(0,

)
b) ()
ik/j
~ NID(0,

)
b)
ijk
~ NID(0,

)
Resumen de las fuentes de variacin del
diseo factorial mixto
Entre sujetos
Variable A
Sujetos intra A
Intra sujetos
Variable B
Interaccin A x B
Sujetos x B intra A

Tabla de totales
Datos de la interaccin AxB
B
1
B
2
B
3
B
4
Totales

A
1
101 124 123 148 496

A
2
81 89 119 147 436

Totales 182 213 242 295 932
CUADRO RESUMEN DEL AVAR. DISEO FACTORIAL MIXTO

>0.05


<0.05
<0.05

1


40.76
4.37

112.50
112.17

288.58
30.92
7.08
an-1=7
a-1=1
a(n-1)=6
an(b-1)=24
b-1=3
(a-1)(b-1)=3
a(n-1)(b-1)=18
785.5
112.5
673
1086
865.75
92.75
127.5
Entre sujetos
Variable A
S/A (e. entre)
Intra sujetos
Variable B
Inter AxB
SxB/A (e. Intra)
F
0.95
(1/6) = 5.99; F
0.95
(3/18) = 3.16
abn-1=31 1871.5 Total
p F CM g.l SC F.V.
Modelo de prueba estadstica
Paso 5. De los resultados del anlisis, se
infiere la aceptacin de la hiptesis de nulidad
para la variable A y su no-aceptacin para la
variable B y la interaccin AxB, con una
probabilidad de error del 5 por ciento.
MEDIAS DE GRUPOS DE TRATAMIENTO
22.75
31
B
2

30.5
30.75
B
3

37 20.25 A
2

37 25.25 A
1

B
4
B
1

GRFICO INTERACCIN
37 37
31
30,75
25,25
22,75
30,5
20,25
14
16
18
20
22
24
26
28
30
32
34
36
38
40
B
1

(
4
5
c
/
s
g
)
B
2

(
9
0
c
/
s
g
)
B
3
(
1
8
0
c
/
s
g
)
B
4
(
2
4
0
c
/
s
g
)
I
d
e
n
t
i
f
i
c
a
c
i
o
n
e
s

c
o
r
r
e
c
t
a
s
A1 (Campo brillante)
A2 (Campo oscuro)
Ejemplo prctico 2
Jones et al. (2003) estudiaron el efecto que tiene el
consumo de alcohol sobre la valoracin del
atractivo de personas no conocidas. En el
experimento, participaron 40 varones a los que se
les presentaron caras de hombres y de mujeres y
tenan que valorar su atractivo fsico en una escala
del 1 al 7 (de menor a mayor). Antes de la
presentacin de los estmulos, la mitad de los
participantes ingiri una dosis de alcohol, mientras
que la otra mitad ingiri una bebida refrescante. Se
trata de un diseo factorial mixto 2 x 2 con una
variable intrasujeto (el sexo de la persona cuya
cara se ha de valorar) y una variable entresujeto (el
consumo de alcohol).
Prueba efectos intra-sujetos
Pruebas de efectos intra-sujetos.
Medida: MEASURE_1
2.960 1 2.960 8.841 .005
2.960 1.000 2.960 8.841 .005
2.960 1.000 2.960 8.841 .005
2.960 1.000 2.960 8.841 .005
2.150 1 2.150 6.422 .016
2.150 1.000 2.150 6.422 .016
2.150 1.000 2.150 6.422 .016
2.150 1.000 2.150 6.422 .016
12.724 38 .335
12.724 38.000 .335
12.724 38.000 .335
12.724 38.000 .335
Esf ericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inf erior
Esf ericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inf erior
Esf ericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inf erior
Fuente
cara
cara * consumo_alcohol
Error(cara)
Suma de
cuadrados
tipo III gl
Media
cuadrtica F Signif icacin
Prueba efectos inter-sujetos
Pruebas de los efectos inter-sujetos
Medida: MEASURE_1
Variable transformada: Promedio
1006.698 1 1006.698 3054.816 .000
4.767 1 4.767 14.466 .001
12.523 38 .330
Fuente
Interseccin
consumo_alcohol
Error
Suma de
cuadrados
tipo III gl
Media
cuadrtica F Signif icacin
Grfico interaccin

Fin de los diseos
experimentales clsicos