TEMA VI

ESQUEMA GENERAL

Consideraciones generales
Diseo de bloques de grupos al azar. Modelo
estructural y componentes de variacin
Diseo de Cuadrado Latino. Modelo estructural y
componentes de variacin
Diseo jerrquico al azar. Modelo estructural y
componentes de variacin

DISEOS EXPERIMENTALES MULTIGRUPO

OPTIMIZADOS
 Concepto

El principal objetivo de la experimentacin es el

control de las fuentes de variacin extraas. La
neutralizacin o control de las variables extraas
incide directamente en la reduccin de la variacin
del error. Es decir, las unidades varan con
respecto a cualquier variable a excepcin de la
controlada. Siendo esto as, el margen de variacin
es menor que con la presencia de la variable
extraa (o variable no controlada). ..//..
Desde la lgica de la experimentacin, una tcnica
ideal consiste en eliminar los factores extraos.
Ese ideal es imposible de conseguir,
particularmente en contextos de investigacin
social como conductual. Por esta razn, se han
desarrollado unos procedimientos que, asociados a
la propia estructura del diseo, permiten controlar
una o ms variables extraas y neutralizar su
accin sobre la variable dependiente.
Diseo de bloques de grupos al
azar
 Tcnica de bloques

Mediante la tcnica de bloques se pretende

conseguir una mayor homogeneidad entre
los sujetos o unidades experimentales intra
bloque y una reduccin del tamao del error
experimental. La formacin de bloques
homogneos se realiza partir de los valores
de una variable de carcter psicolgico,
biolgico o social, altamente relacionada
con la variable dependiente. ..//..
Al mismo tiempo, la presencia del azar
queda garantizada ya que, dentro de los
bloques, las unidades son asignadas
aleatoriamente a las distintas condiciones
experimentales. Cada condicin representa
un nivel o tratamiento de la variable
independiente.
Diseo de bloques de grupos al azar

Con la tcnica de bloques se consigue una

mayor homogeneidad entre los sujetos o
unidades experimentales intra bloque y una
reduccin del tamao del error experimental.
La formacin de bloques homogneos se
realiza partir de los valores de una variable de
carcter psicolgico, biolgico o social,
altamente relacionada con la variable
dependiente. ..//..
Al mismo tiempo, la presencia del azar
queda garantizada ya que dentro de los
bloques las unidades son asignadas
aleatoriamente a las distintas condiciones
experimentales. Cada condicin representa
un nivel o tratamiento de la variable
independiente.
Clasificacin
 Diseo de un solo sujeto por
casilla
Diseo de bloques de grupos
completamente al azar

Diseo de dos o ms sujetos

por casilla
Formato del diseo de bloques de
grupos al azar
Bloques Tratamientos

1 A1 A2 ..... Aa

2 A1 A2 ..... Aa

...................................................................

b A1 A2 ..... Aa
Caso 1. Un solo sujeto por tratamiento y bloque (casilla):

Bloques Tratamientos
A1 A2 Aj Aa

B1 S1 S2 Sj Sa

B2 S1 S2 Sj Sa
..
..

Bk S1 S2 Sj Sa
Caso 2. Ms de un sujeto por tratamiento y bloque (casilla):

Bloques Tratamientos
A1 A2 Aj Aa

B1 n1 n2 nj na

B2 n1 n2 nj na
..
..

Bk n1 n2 nj na
Ventajas de la tcnica de bloques
Segn Baxter (1940), son notorias las ventajas del
diseo de bloques en investigacin psicolgica al
neutralizarse una potencial fuente de variacin extraa
que, en caso contrario, incrementara la variacin del
error. En psicologa, la mayora de las fuentes de
variacin extraas, directamente asociadas a la
heterogeneidad de los datos, se derivan de las
diferencias interindividuales. En consecuencia, son
variables de sujeto que no slo distorsionan la accin
de los tratamientos sino que tambin incrementan las
diferencias entre las unidades. ..//..
Mediante la tcnica de bloques se consigue
un material experimental mucho ms
homogneo, se reduce la magnitud del error
experimental y se incrementa el grado de
precisin del experimento.
 Modelos ANOVA del diseo

Modelo aditivo: un sujeto por casilla

Yijk = + j + k + ijk (1)

Modelo no aditivos: dos o ms sujetos por

casilla

Yijk = + j + k + ()jk + ijk (2)

 MODELO ESTRUCTURAL DEL AVAR:
DISEO DE BLOQUES

n=1
Yijk j k ijk
n>1
Yijk j k ( )jk ijk
 Sobre los modelos
El modelo aditivo asume que la interaccin de
tratamientos por bloques es nula y, en consecuencia,
que el dato es explicado por la combinacin lineal de
los componentes de ecuacin anterior. Cuando no se
cumple el supuesto de aditividad, el efecto cruzado o
componente de no aditividad (interaccin de las
condiciones experimentales con los bloques) se
convierte en una fuente de variacin extra, es decir, el
efecto de la combinacin de tratamientos por bloques
ha de aadirse a los efectos ya presentes en el
modelo. ..//..
En ausencia de interaccin, se aplica el
modelo aditivo sin problema alguno. Ahora
bien, cuando los sujetos de un determinado
bloque responden a los tratamientos de
forma diferente a como responden los
sujetos de otro bloque, cabe la posibilidad
de una interaccin de bloques por
tratamientos. ..//..
Puesto que, de otra parte, el modelo de la ecuacin-
1 no refleja ese efecto combinado, y puesto que la
variabilidad de este componente no es absorbida ni
por la Suma de Cuadrados de tratamientos, ni por la
Suma de Cuadrados de bloques, el efecto
combinado pasa a engrosar el trmino de error. En
ese caso, el trmino de error no slo contiene la
variabilidad debida al muestreo, sino tambin la
variabilidad debida al efecto de la interaccin. Y
dado que con interaccin se incrementa o sesga
positivamente el trmino de error, cabe esperar que
el valor F sea negativamente sesgado. De esta
forma, se incrementa la dificultad de detectar el
efecto de los tratamientos.
Diseos de bloques aleatorizados
(n=1)
 Ejemplo prctico

Un investigador pretende estudiar la efectividad de tres

mtodos distintos en la enseanza de las matemticas:
mtodo tradicional (A1), mtodo de programacin (A2),
y mtodo audio-visual (A3), para un determinado nivel
escolar. Desde la perspectiva experimental, el problema
podra resolverse formando tres grupos al azar de
sujetos, uno para cada mtodo. Al finalizar el estudio,
se pide a los sujetos del experimento que resuelvan un
total de 10 problemas de clculo matemtico. La
resolucin de esos problemas de matemticas es una
medida de ejecucin que evala la efectividad de los
mtodos de enseanza. ..//..
Ahora bien, como ocurre con la mayora de
investigaciones del mbito educativo, se
considera que el nivel intelectual de los
escolares es una probable variable extraa
capaz de contaminar los resultados del
experimento. Para controlar esa variable,
mediante la estructura de diseo, se elige un
diseo de bloques de grupos al azar.
 Procedimiento

El experimento se resuelve de la siguiente forma:

en primer lugar, se forman 10 bloques con base a
los valores de la variable Cociente Intelectual (CI).
Cada bloque representa un determinado cociente
intelectual, lo cual requiere la seleccin previa de
los sujetos. As, para cada valor de CI se eligen
tres sujetos o unidades del bloque. De esta forma,
la variacin de los sujetos intra-bloque es menor
que la de todos los sujetos de la muestra.
En segundo lugar, las unidades de los
bloques se asignan al azar a los tratamientos
de modo que, dentro del bloque, cada sujeto
recibe un tratamiento distinto. Segn este
procedimiento, slo se dispone de un sujeto
por casilla o combinacin de bloque por
tratamiento. As, cada bloque constituye una
rplica entera del experimento.
Ilustracin de la tcnica de bloques

Variables

Bloques I II III IV X
CI 94 CI 96 CI 98 CI 100 ..... CI 112

A1 A1 A1 A1 A1

Tratamien- A2 A2 A2 A2 ..... A2
tos
A3 A3 A3 A3 A3
 Modelo de prueba estadstica
Paso 1. Se asume, por hiptesis de nulidad, que las
medias de los grupos experimentales proceden de una
misma poblacin y que, por consiguiente, son iguales:
H0: 1 = 2 = 3
Paso 2. En la hiptesis alternativa se especifica que,
por lo menos, hay una diferencia entre las medias de
los tres tratamientos. En trminos estadsticos, se
tiene:
H1: por lo menos una desigualdad
Paso 3. Se elige, como prueba estadstica, el
Anlisis de la Variancia (ANOVA),
asumiendo el modelo aditivo y un nivel de
significacin de = 0.05.

Paso 4. Realizado el experimento, se

obtiene la matriz de datos del diseo. A
partir de estos datos, se calculan las
variancias para estimar el valor emprico de
F, asumiendo el modelo de aditividad.
 DISEO DE BLOQUES (n=1)
TRATAMIENTOS
N. Bloque A1 A2 A3 TOTAL POR BLOQUE
1 6 7 8 21
2 7 6 7 20
3 4 8 9 21
4 5 9 7 21
5 7 5 8 20
6 3 4 10 17
7 5 6 7 18
8 8 8 9 25
9 7 7 10 24
10 6 5 7 18
TOTALES 58 65 82 205
MEDIAS 5.8 6.5 8.2 6.83
 Modelo anova aditivo

Yijk = + j + k + ijk

se presupone que cada dato u observacin (Yijk)

es una combinacin aditiva de la media total
del experimento (), el efecto de un
determinado tratamiento (j), el efecto de un
bloque especfico (k) y el componente de
error (ijk).
Clculo de las Sumas de Cuadrados

En funcin del modelo estructural de anlisis, se

divide la Suma de Cuadrados total en los
siguientes componentes aditivos: Suma de
Cuadrados de tratamientos, Suma de Cuadrados
de bloques y Suma de Cuadrados del error.

SCtotal = SCtrat. + SCbloq. + SCerror

SCtotal = [(6) + (7) + ... + (7)]
[(205)/30] = 88.16

SCtrat. = [(58)/10 + (65)/10 + (82)/10]

[(205)/30] = 30.47

SCbloq. = [(21)/3 + (20)/3 + ... + (18)/3]

[(205)/30] = 19.50

SCerror = SCtotal - SCtrat. - SCbloq. = 88.16

- 30.47 - 19.5 = 38.19
 CUADRO RESUMEN DEL AVAR: DISEO DE BLOQUES
(n=1)

F.V. SC g.l CM F p
Trat (A) 30.47 (a-1)=2 15.23 7.18 <0.05
Bloques (B) 19.50 (b-1)=9 2.16 1.02 >0.05
Error (AxB) 38.19 (a-1)(b-1)=18 2.12

Total (T) 88.16 ab-1=29

F0.95(2/18) = 3.55; F0.95(9/18) = 2.46
 Modelo de prueba estadstica

Paso 5. Dado que el valor observado de F

es menor que el terico, a un nivel de
significacin de 0.05, se infiere que hay una
diferencia significativa entre los
tratamientos. Por otra parte, es posible
probar la hiptesis sobre los bloques. ..//..
La hiptesis a probar, H0: 1 = 2 = ... = 10,
tiene como trmino de contraste la variancia
del error. Del anlisis se concluye la no
diferencia, estadsticamente hablando, entre
los bloques y se acepta, en consecuencia, la
hiptesis de nulidad.
Diseos de bloques aleatorizados
(n>1)
 Ejemplo prctico

A partir del experimento descrito, a raz del

diseo de bloques de un slo sujeto por casilla,
considrese que hay tres sujetos por casilla.
As, se tiene un total de nueve sujetos por
bloque y tres sujetos por tratamiento intra-
bloque.
 Modelo de prueba estadstica

Paso 1. Se definen tres hiptesis de nulidad

para los efectos de tratamientos, bloques e
interaccin. En trminos de efectos, esas
hiptesis de nulidad son:
H0: 1 = 2 = 3 = 0
H0: 1 = 2 = ... = 10 = 0
H0: a11 = a12 = ... = a310 = 0
 Paso 2. La primera hiptesis alternativa
coincide con la hiptesis experimental o
hiptesis de efecto de tratamientos, la
segunda se refiere al efecto de la variable de
bloques y, por ltimo, la tercera recoge el
efecto de la interaccin entre tratamientos y
bloques. Las tres hiptesis alternativas
toman la misma expresin.
H1: por lo menos una desigualdad
Paso 3. La prueba estadstica se basa en el
Anlisis de la Variancia (F de Snedecor),
asumiendo el modelo estructural o de
efectos propuesto y un nivel de
significacin de = 0.05.

Paso 4. Realizado el experimento, se

obtiene la matriz de datos del diseo. Con
estos datos, se estiman las variancias para
calcular el valor emprico de F.
 DISEO DE BLOQUES (n>1)
TRATAMIENTOS
N. Bloque A1 A2 A3 TOTAL POR
BLOQUE
1 6,5,3 (14) 6,7,5 (18) 7,6,9 (22) 54
2 7,5,4 (16) 5,6,5 (16) 7,4,6 (17) 49
3 3,5,4 (12) 7,6,7 (20) 9,10,7 (26) 58
4 6,5,5 (16) 8,7,9 (24) 7,8,6 (21) 61
5 7,5,8 (20) 5,4,7 (16) 9,10,7 (26) 62
6 5,3,4 (12) 5,6,4 (15) 10,9,8 (27) 54
7 6,4,5 (15) 7,6,5 (18) 8,6,5 (19) 52
8 7,6,9 (22) 8,7,9 (24) 9,10,7 (26) 72
9 6,8,7 (21) 6,9,6 (21) 8,10,9 (27) 69
10 7,6,7 (20) 5,6,4 (15) 6,8,7 (21) 56
TOTALES 168 187 232 587
 Modelo anova no aditivo

Yijk = + j + k + ()jk + ijk

donde Yijk es cualquier dato u observacin del

experimento, la media total del experimento, j el
efecto de un determinado nivel de tratamiento, k el
efecto de un determinado bloque, ()jk el efecto
cruzado o efecto de la casilla, y ijk el error
experimental. Por lo general, este modelo es de
efectos fijos tanto para la variable de tratamiento
como para la variable de bloques.
 Clculo de las Sumas de Cuadrados

SCtotal = SCtrat. + SCbloq. + SCtrat.xbloq. + SCerror

SCtotal = [(6) + (7) + ... + (7)] [(587)/90] =

276.46

SCtrat. = [(168)/30 + (187)/30 + (232)/30]

[(587)/90] = 72.03 ..//..
SCbloq. = [(54)/9 + (49)/9 + ... + (56)/9]
[(587)/30] = 54.46

SCtrat.xbloq. = SCgrupos - SCtrat. - SCbloq. =

[(14)/3 + (16)/3 + ... + (21)/3]
[(587)/90] 72.03 54.46 = 61.97

SCerror = SCtotal SCtrat. SCbloq.

SCtrat.xbloq. = 88.00
 CUADRO RESUMEN DEL AVAR: DISEO DE BLOQUES
(n>1)

F.V. SC g.l CM F p
Trat (A) 72.03 (a-1)=2 36.01 24.50 <0.05
Bloques (B) 54.46 (b-1)=9 6.05 4.11 <0.05
Inter (AxB) 61.97 (a-1)(b-1)=18 3.44 2.34 <0.05
Error (S/AxB) 88 ab(n-1)=60 1.47
Total (T) 276.46 abn-1=89

F0.95(2/60) = 4; F0.95(9/60) = 2.04; F0.95(18/60) = 1.786

 Modelo de prueba estadstica

Paso 5. Dado que los valores observados de F

son ms grandes que los tericos, al nivel de
significacin de 0.05, se infiere la no-aceptacin
de las tres hiptesis nulas y que, por tanto, son
significativos los efectos asociados a las
distintas fuentes de variacin.
Fin diseos de bloques
Diseo de Cuadrado Latino
 Diseo de Cuadrado Latino
El diseo de Cuadrado Latino es un plan
experimental donde cada tratamiento slo aparece
una vez en cada fila y en cada columna.
Asimismo, el Cuadrado Latino siempre requiere,
por definicin, tres dimensiones de variacin a d
niveles cada una. Los Cuadrados Latinos se
representan tradicionalmente por tablas d x d, con
letras en las casillas para simbolizar los niveles de
la variable de tratamiento.
Segn Dowley y Wearden (1991), los
diseos de Cuadrado Latino son formatos
econmicos porque no requieren todas las
combinaciones posibles entre las tres
dimensiones de variacin. As, a ttulo de
ejemplo, el formato de Cuadrado Latino 3 x
3 se representa en la tabla siguiente.
Formato del diseo de Cuadrado
Latino

V. de bloque C

A B C

V. de bloque B B C A

C A B
 Cuadrado Latino y bloques

Las filas (variable B) y las columnas (variable C) son

los valores de las variables de bloques o extraas, y
las casillas los niveles de la variable de tratamiento
(variable A). Si el experimento se resolviera con un
diseo de doble bloqueo; es decir, con tres
dimensiones a tres niveles, se tendra un total de
3x3x3 = 27 casillas. Con el formato de Cuadrado
Latino, slo se realiza un 1/d parte del total; es decir,
1/3(27) = 9 casillas. Se tiene, por lo tanto, un formato
ms econmico para probar el efecto de las distintas
dimensiones o variables.
 Propiedades bsicas

Con respecto al diseo de Cuadrado Latino,

hay que tener en cuenta dos aspectos bsicos:
a) en primer lugar, como se ha indicado, cada
nivel o valor de la variable de tratamiento
(variable A), debe aparecer una y slo una vez
en cada fila y columna; b) en segundo lugar, la
colocacin de las letras dentro de las casillas
puede tomar varias formas asumiendo, como
es obvio, la condicin anterior. ..//..
Cada disposicin de Cuadrado Latino, 3x3, 4x4,
5x5, etc, tiene una o ms formas estndar o
prototpicas. Segn la forma estndar del
Cuadrado Latino, las letras de la primera fila y la
primera columna siguen el orden natural (el
Cuadrado Latino 3x3 representado en la tabla es
estndar). El Cuadrado Latino 3x3 tiene una forma
estndar, pero a medida el orden del cuadrado es
mayor se tiene ms de un formato estndar. A
partir de las formas estndar, mediante
intercambio de filas y columnas, se obtienen las
formas derivadas. ..//..
As, el formato cuadrado 3x3 tiene una forma
estndar, y (3!)(2!) - 1 = 11 formas derivadas. El
total de Cuadrados Latinos de orden 3x3 son 12
(una estndar y 11 derivadas). El formato
cuadrado 4x4 tiene cuatro formas estndar, cada
una de las cuales genera (4!)(3!) - 1 = 143 forma
derivadas. El total de disposiciones cuadradas 4x4
es de 4(144) = 576 Cuadrados Latinos. A medida
que se aumenta el tamao de la dimensin, se
dispara la cantidad de posibles formatos. Las
principales formas estndar de los Cuadrados
Latinos se encuentran en tablas publicadas Fisher
y Yates (1953), y Cochran y Cox (1957).
Cuadrado Latino 3 x 3

Formato estndar o prototpico

A B C

B C A

C A C

Formatos derivados del estndar: (3!)(2!) = 11

Total de formatos 3 x 3, incluyendo la prototpica: 11 + 1 = 12
Cuadrado Latino 4 x 4
Formatos estndares o prototpicos
(1) (2) (3) (4)
A B C D A B C D A B C D A B C D
B C D A B D A C B A D C B A D C
C D A B C A D B C D A B C D B A
D A B C D C B A D C B A D C A B
Formatos derivados de cada uno de los estndares:
(1): (4!)(3!) 1 = 143
(2): (4!)(3!) 1 = 143
(3): (4!)(3!) 1 = 143
(4): (4!)(3!) 1 = 143
Total de formatos 4 x 4, incluyendo los prototpicos: 4 x 144=
576
 Ejemplo prctico
Supngase, por ejemplo, que un investigador
estudia el efecto de la longitud de lista sobre la
memoria de recuerdo, con la tcnica de pares
asociados; es decir, con listas de palabras
asociadas al nmero uno o dos. Estas listas varan
en longitud, de modo que la primera lista tiene
cuatro palabras (condicin A1), la segunda seis
palabras (condicin A2), y la tercera ocho palabras
(condicin A3). Se trata de contabilizar la cantidad
lecturas requeridas por el sujeto para conseguir
asociar correctamente los dgitos a las palabras
correspondientes. ..//..
Segn este procedimiento, cada sujeto
realiza una lectura de la lista de pares
asociados o lista de recuerdo y a
continuacin recibe la misma lista o lista de
prueba sin dgitos. La tarea del sujeto
consiste en asociar el dgito uno o el dos a
las palabras de la lista. Se prosiguen las
lecturas y las pruebas hasta que el sujeto
logra asociar correctamente todos los
dgitos.
Experimento en Cuadrado Latino
Dadas las especiales caractersticas del experimento, el
investigador considera oportuno controlar dos
potenciales variables extraas, para extraer su efecto del
error experimental. Estas variables son nivel de
ansiedad del sujeto (variable B), y fatiga fsica o
momento del da en que ejecuta el experimento
(variable C). Se pretende, mediante la aplicacin del
diseo de Cuadrado Latino, controlar esas dos fuentes
extraas por su implicacin en la variable de respuesta.
Asimismo, debido a la dificultad de encontrar sujetos
con caractersticas ansigenas similares, se ha
desestimado resolver el problema mediante la tcnica de
doble bloqueo completo. ..//..
El formato de Cuadrado Latino requiere la
seleccin de tres niveles de variable B, ansiedad
baja (B1), ansiedad media (B2) y ansiedad alta
(B3), y tres niveles de la variable fatiga fsica,
maana (C1), tarde (C2) y noche (C3). Puesto que
se trata de un diseo con un sujeto por casilla y
con formato cuadrado 3x3, hay un total de d = 9
sujetos (siendo d la cantidad de valores por
dimensin).
 Modelo de prueba estadstica
Paso 1. Se especifican las hiptesis de nulidad. La
hiptesis principal recoge el efecto de los
tratamientos, y las hiptesis secundarias los efectos
de filas y columnas.
Hiptesis principal
H0: 1 = 2 = 3 = 0
Hiptesis secundarias
H0: 1 = 2 = 3 = 0
H0: 1 = 2 = 3 = 0
Paso 2. La primera hiptesis alternativa est
asociada a la hiptesis experimental o
hiptesis sobre los tratamientos, y las dos
hiptesis alternativas estn asociadas a los
efectos de filas y columnas,
respectivamente. Estas tres hiptesis
alternativas tienen la misma expresin.
H1: por lo menos una desigualdad
Paso 3. La prueba estadstica se basa en el
Anlisis de la Variancia (F de Snedecor),
asumiendo el modelo aditivo y un nivel de
significacin de 0.05.
Paso 4. Terminado el experimento, se
obtiene la correspondiente matriz de datos.
De estos datos, se estiman las variancias
para el clculo del valor emprico de F.
Matriz de datos del diseo de
Cuadrado Latino 3 x 3
C1 C2 C3 Totales

B1 (A1) 6 (A2) 10 (A3) 15 31

B2 (A3) 17 (A1) 6 (A2) 12 35

B3 (A2) 15 (A3) 18 (A1) 7 40

Totales: 38 34 34 106
 Modelo anova

El modelo aditivo del diseo Cuadrado Latino es:

Yijk = + i + j + k + ijk
donde Yijk es cualquier dato de la matriz, constante o
media global del experimento, i el efecto del i
tratamiento, j el efecto de la j fila, k el efecto de la k
columna, y ijk el error experimental o de muestreo. Se
asume que el error tiene una distribucin independiente
y normal con media cero y variancia constante (s). La
aplicacin correcta del modelo requiere, tambin, asumir
la no presencia de interacciones entre i y j, i y k, y
entre j y k; es decir, se asume que ()ij = 0, ()ik = 0,
y ()jk = 0.
Clculo de las Sumas de Cuadrados

Segn el modelo estructural propuesto, la

Suma de Cuadrados total se divide en: Suma
de Cuadrados de tratamientos, Suma de
Cuadrados de filas, Suma de Cuadrados de
columnas, y Suma de Cuadrados del error.
SCtotal = SCtrat. + SCfilas + SCcolum. + SCerror

SCtotal = (6) + (17) + ... + (7) - (106)/9 =

179.56 ..//..
El clculo de las Sumas de Cuadrados de
tratamientos (Variable A) requiere, como
paso previo, la agrupacin de los distintos
valores de la matriz por cada tratamiento.
Tratamiento A1 = 6 + 6 + 7 = 19
Tratamiento A2 = 10 + 12 + 15 = 37
Tratamiento A3 = 15 + 17 + 18 = 50 ..//..
De esos totales se deriva la variacin de los
tratamiento.
SCtrat. = [(19)/3 + (37)/3 + (50)/3] -
(106)/9 = 161.55
SCfilas = [(31)/3 + (35)/3 + (40)/3] -
(106)/9 = 13.55
SCcolum. = [(38)/3 + (34)/3 + (34)/3] -
(106)/9 = 3.55
SCerror = SCtotal - SCtrat. - SCfilas - SCcolum. =
0.91
 Resultado del anova
Cuadro resumen del ANOVA: diseo Cuadrado Latino 3x3

F.V. SC g.l. CM F p

Tratamientos(A) 161.55 (d -1) = 2 80.77 179.49 < 0.01

Filas(B) 13.55 (d -1) = 2 6.77 15.04 > 0.05
Columnas(C) 3.55 (d -1) = 2 1.77 3.93 > 0.05
Error(residual) 0.91 (d -1)(d -2) = 2 0.45

Total 179.56 d- 1 = 8

F0.95(2/2) = 19; F0.95(2/2) = 99

 Modelo de prueba estadstica

Paso 5. De los resultados del anlisis se

infiere que el efecto de los tratamientos es
muy significativo, con probabilidad de error
del uno por ciento. En cuanto a las variables
extraas, tanto el efecto de filas como el de
columnas no son significativos al 5% y se
aceptan las hiptesis de nulidad.
Diseos jerrquico o anidado
 Diseo anidado o jerrquico

El diseo anidado, conocido tambin por diseo

jerrquico, es un formato de investigacin
frecuentemente utilizado en mbitos educativos,
sociales y clnicos aplicados. Inicialmente, recibi el
nombre de diseo de grupos intra-tratamientos, dado
que los grupos se anidan dentro de los distintos
valores de la variable de tratamiento. As, los distintos
grupos son asignados a los niveles de la variable
independiente, no dndose una relacin de
combinacin entre la variable de grupos y la variable
de tratamiento. ..//..
En otras palabras, los valores de la variable
de grupos no se repiten para los valores de
la variable de tratamiento. Definida la
estructura de anidacin de los grupos intra
tratamientos, de cada grupo se eligen al azar
los sujetos experimentales
Formato del diseo jerrquico
Representacin grfica del diseo jerrquico simple.

Tratamientos A1 A2
Grupos anidados
intra-tratamientos G1(1) G2(2) G3(3) G4(1) G5(2) G6(3)

S1 S1 S1 S1 S1 S1

Sujetos S2 S2 S2 S2 S2 S2
intra-grupos . . . . . .
. . . . . .
Sn Sn Sn Sn Sn Sn
 Diseo jerrquico al azar

A1 A2 A3
B1(1) B2(2) B3(3) B4(1) B5(2) B6(3) B7(1) B8(2) B9(3)

G1 G2 G3 G4 G5 G6 G7 G8 G9
Sujetos

Sujetos

Sujetos

Sujetos

Sujetos

Sujetos

Sujetos
Sujetos

Sujetos
 Ventajas

Desde el punto de vista prctico, esta estructura de

diseo permite estimar el efecto de los grupos; es
decir, el posible efecto social o institucional que el
grupo ejerce sobre el individuo. La pertenencia a un
grupo determinado (aula, centro, barrio, etc.) es capaz
determinar, en muchos casos, la actuacin de los
individuos. De ah, la ventaja de los diseos
jerrquicos ya que se introduce en el modelo ese
posible efecto y, por esa razn, se controla.
Fuentes de variacin del diseo

1. La variacin de los tratamientos o niveles de la

variable independiente (A).
2. La variacin de los grupos o variable anidada
(B). Tngase en cuenta que la especial
composicin del grupo puede afectar a la
variabilidad de las unidades y los datos.
3. Por ltimo, la variacin de las diferencias
individuales es una fuente residual y determina la
variacin del error.
 Clasificacin

De un nivel

Diseo
jerrquico

De dos o ms niveles
 Caso paramtrico. Ejemplo

Se pretende estudiar la eficacia de tres mtodos

distintos de comprensin verbal, en escolares de
primer nivel de enseanza bsica. A tal propsito,
se eligen los tres mtodos siguientes: mtodo
tradicional (A1), audio-visual (A2) y economa de
fichas (A3). Para ejecutar el experimento, se
obtienen muestras aleatorias de n = 6 sujetos de
seis escuelas diferentes con idntico nivel escolar.
..//..
Al mismo tiempo, se pretende controlar el
posible efecto institucional de la escuela
sobre los individuos. Finalizada la
experiencia, se aplica a los escolares una
prueba de comprensin verbal de 40 tems.
 Modelo de prueba estadstica

Paso 1. En trminos de efectos de la variable

de tratamiento, se asume su nulidad. Es
decir, asume que los tres efectos son cero:
H0: 1 = 2 = 3 = 0
La hiptesis secundaria relativa al factor
anidado se expresa por:
H0: 1 = 2 = 3 = 4 = 5 = 6 = 0
Paso 2. La hiptesis alternativa, asociada a
la hiptesis experimental, especifica que
hay al menos una diferencia o desigualdad
entre los tres niveles de tratamiento.
H1: por lo menos una desigualdad
Esta hiptesis es comn tanto para la
variable de tratamientos como para la
variable de grupos.
Paso 3. La prueba estadstica es el Anlisis
de la Variancia (estadstico F), con modelo
aditivo y nivel de significacin de = 0.05.

Paso 4. De la ejecucin del experimento, se

obtienen la correspondiente la matriz de
datos. Con estos datos se estiman las
variancias y se computan los valores
empricos de las F correspondientes a las
hiptesis nulas planteadas.
 Datos del experimento
Matriz de datos del diseo jerrquico simple

Tratamientos A1 A2 A3
Grupos G1(1) G2(2) G3(1) G4(2) G5(1) G6(2)

S 1 6 10 11 31 14 18
u 2 14 25 16 19 25 35
j 3 20 11 19 27 35 37
e 4 13 18 24 24 20 38
t 5 10 16 30 27 34 29
o 6 18 21 29 28 40 33

Totales: 81 101 156 129 168 190 825

Modelo ANOVA del diseo

Yijk = + j + k/j + ij
Yijk = cualquier observacin o dato del
experimento.
= la constante o media total del experimento.
j = el efecto de un determinado nivel jota de la
variable de tratamiento.
k/j = el efecto del k nivel del factor de grupos o
factor anidado de carcter aleatorio y se asume
que tiene una distribucin normal e independiente
con media cero y variancia constante (s).
ijk = la variable aleatoria de error que se asume es
independiente y normalmente distribuida con
media cero y variancia constante (s).
 Descomposicin de las Sumas de
Cuadrados del ANOVA
SCtotal = SCgrupos + SCintra-grupos

Segn esa primera descomposicin, la variable de

grupos est formada por ab grupos (siendo a la
cantidad de tratamientos, y b la cantidad de grupos por
tratamiento). Ntese que la variacin total se divide en
dos grandes fuentes, la variacin entre grupos (B) y la
variacin intra-grupos. A su vez, la variabilidad
asociada a los grupos se divide en: variabilidad entre
los tratamientos (A) y variabilidad de los grupos intra
niveles de A. ..//..
Sumas de Cuadrados del ANOVA

SCgrupos = SCA + SCB/A

As, se consigue la estructura definitiva del

diseo:

SCtotal = SCA + SCB/A + SCS/B/A

Clculo de las Sumas de cuadrados
SCtotal = (6) + (14)+ ... + (33) - (825)/36 =
2877.75

SCgrupos = [(81)/6 + (101)/6 + ... + (190)/6]

(825)/36 = 1437.58

SCerror = (6) + (14) + ... + (33) - [(81)/6 +

(101)/6 + ... + (190)/6] = 1440.17
 Clculo de las Sumas de
cuadrados
SCtrat. = [(81+101)/12 + ... +
(168+190)/12] - (825)/36 =
1303.17

SCgrupos/trat. = SCgrupos - SCtrat. =

[(81) + (191) + ... + (190)]/6
- [(81+101)/12 + (129+156)/12
+ (168+190)/12] = 134.41
 Resultado del ANOVA
Diseo jerrquico simple

F.V. SC g.l. CM F p

Entre grupos 1437.58 5

Tratamientos (A) 1303.17 2 651.59 14.54 <0.05
Grupos intra (B/A) 134.41 3 44.80 0.93 >0.05
Error (S/B/A) 1440.17 30 48.01

Total 2877.75 35

F0.95(2/3) = 9.55; F0.95(3/30) = 2.92

 Hiptesis de nulidad del diseo

Trminos de contraste o denominadores de las

razones F de las pruebas de las hiptesis de
nulidad del experimento
F.V. F F0.95

Entre tratamientos CMA/CMB/A = 14.54 9.55

Entre grup. intra A CMB/A/CMS/B/A = 0.93 2.92
 Modelo de prueba estadstica

Paso 5. Del resultado del anlisis de del

diseo anidado o jerrquico de un solo factor,
se concluye la no-aceptacin de la hiptesis de
nulidad para la variable de tratamiento y s, en
cambio, para la variable de grupos.
Fin del tema VI