Diseños experimentales

ING. SEGUNDO SHAGÑAY. MsC

1
 Descripción del concepto

El diseño experimental es una estructura de

investigación donde al menos se manipula
una variable y las unidades son asignadas
aleatoriamente a los distintos niveles o
categorías de la variable o variables
manipuladas.

2
 Modelo de variación y constancia

a) Variación sistemática de la variable

independiente

b) Control y neutralización de las

variables extrañas

3
 Variables del diseño
experimental
Tipo Acción

V. Independiente Manipulación

V. Dependiente Medición

V. Extraña Control
4
 Papel de las variables en el
contexto experimental
Variable Papel

V. Independiente Causa

V. Dependiente Efecto

V. Extraña Confusión
5
Manipulación de la variable
independiente

Manipulación experimental de una variable

independiente se refiere, en una situación
simple, a la aplicación de un valor dado de
una variable a un grupo de individuos y un
valor diferente de la misma variable a un
segundo grupo de individuos.

6
 Variable dependiente

La variable dependiente es conocida,

también, por variable de medida, de
respuesta o de resultado.

Es aquel aspecto de comportamiento sobre

el que esperamos observar el efecto de la
variación sistemática de la variable
independiente.
7
 Control experimental

El control consiste en eliminar o bien

neutralizar cualquier fuente de variación
extraña capaz de confundir la acción de la
variable de tratamiento

8
 Planificación del diseño
experimental

1. Formulación de la hipótesis.
2. Selección de la variable independiente y
dependiente adecuada.
3. Control de las variables extrañas.
4. Manipulación de la/s variable/s
independiente/s y registro de la variable
dependiente o de medida.
5. Análisis estadístico de los datos.
6. Inferencia de la relación entre la variable
independiente y la dependiente.
9
Objetivos específicos del
Diseño experimental

10
 OBJETIVOS CONSECUCIÓN

Maximizar la variancia Mediante la adecuada elección de

sistemática primaria los valores de la variable
independiente

Control de las fuentes de Mediante la selección de un

variación secundarias diseño adecuado

Minimizar la variancia Aumentando la precisión en la

del error medida de los registros y
selección de sujetos homogéneos

11
Diseño experimental y
control

12
La condición básica de cualquier
experimento es la presencia de un grupo de
contraste denominado grupo de no
tratamiento o de control. Esto no quiere
decir que el diseño experimental de dos
grupos sólo se caracteriza por la ausencia o
presencia de tratamiento.

13
 Técnicas de control

Experimental o directo: Estadístico o indirecto:

Diseño Ajuste

Técnicas de control asociadas al diseño

Técnica de control Diseño
Aleatorización Diseños de grupos
completamente al azar

Constancia Diseños de dos grupos

apareados y de bloques

El sujeto como control Diseños intra-sujetos o de

propio medidas repetidas
14
 CANTIDAD DE
ESTRATEGIA DE VARIABLES
COMPARACIÓN INDEPENDIENTES

Simple
Diseños entre-grupos
Factorial

Diseños Diseños intra-sujetos o Simple

experimentales de medidas repetidas
Factorial

Diseños mixtos

15
 Diseño experimental y
causalidad

La característica básica del diseño experimental

se reduce a la siguiente cuestión: ¿Cómo
conseguir la equivalencia inicial de los grupos
expuestos a los distintos niveles o condiciones
de la variable independiente? ..//..

16
 DISEÑO EXPERIMENTAL

 PRINCIPIOS BÁSICOS AL  PLANIFICAR UN EXPERIMENTO.

 Existen tres principios que se deben tener en cuenta al planificar un
experimento:
 El principio de aleatorización.        Aleatorizar: Todos aquellos factores no
controlados por el experimentador en el diseño experimental y que pueden
influir en los resultados serán asignados al azar a las unidades experimentales. 
 El bloqueo.    Bloquear, es dividir o particionar las unidades experimentales
en grupos llamados bloques de modo que las observaciones realizadas en cada
bloque se realicen bajo condiciones experimentales lo más parecidas posibles.
 A diferencia de lo que ocurre con los factores de tratamiento, el experimentador
no está interesado en investigar las posibles diferencias de la respuesta entre los
niveles de los factores de bloque.
 La factorización del diseño.            Diseño Factorial: Es la estrategia
experimental que consiste en cruzar los niveles de todos los factores tratamiento
en todas las combinaciones posibles.

17
 DISEÑO COMPLETAMENTE AL AZAR

DISEÑO  EXPERIMENTAL

Este término se utiliza para planear un experimento de manera que se pueda

obtener la información pertinente a un determinado problema que se investiga y
así tomar decisiones correctas.

Las técnicas de Diseño de Experimentos se basan en estudiar simultáneamente

los efectos de todos los factores de interés, son más eficaces y proporcionan
mejores resultados con un menor coste.

El diseño adecuado del experimento es una etapa fundamental de la

experimentación, que permite el suministro correcto de datos a posteriori, los
que a su vez conducirán a un análisis objetivo y con deducciones válidas del
problema.
18
 DISEÑO COMPLETAMENTE AL AZAR

 PROPÓSITO DE UN DISEÑO EXPERIMENTAL

  
 Es proporcionar métodos que permitan obtener la mayor cantidad de
información válida acerca de una investigación, teniendo en cuenta el factor
costo y el uso adecuado del material disponible mediante métodos que
permitan disminuir el error experimental.
  

19
 DISEÑO COMPLETAMENTE AL AZAR

  
 TRATAMIENTO
 El tratamiento establece un conjunto de condiciones experimentales que deben
imponerse a una unidad experimental dentro de los confines del diseño
seleccionado.
 TESTIGO
 El testigo es el tratamiento de comparación adicional, que no debe faltar en un
experimento; por ejemplo, si se usan cinco tratamientos con fertilizante, el
testigo puede ser aquel tratamiento que no incluye fertilizante.
 UNIDAD EXPERIMENTAL 
 La unidad experimental, es el objeto o espacio al cual se aplica el tratamiento
y donde se mide y analiza la variable que se investiga. En los experimentos
pecuarios la unidad experimental por lo general esta conformada por un
animal (cuyo, cerdo, pato, etc.),
  

20
 DISEÑO COMPLETAMENTE
AL AZAR
 REPETICIÓN
  
 Viene a ser la reproducción o réplica del experimento básico (asignación de un
tratamiento a una unidad experimental). Las principales razones por las cuales
es deseable la repetición son:
 Primero por que proporciona una estimación del error experimental, siendo
tal estimación confiable a medida que aumenta el número de repeticiones, y
segundo permite estimaciones más precisas del tratamiento en estudio.

21
 DISEÑO COMPLETAMENTE AL AZAR

 VARIABLE RESPUESTA O VARIABLE DE INTERÉS

 Es el dato que se recoge del experimento, el cual es de interés para el
investigador y que sirve para evaluar los tratamientos, por lo que es importante
precisar de antemano cuál será esta variable y en qué unidades se medirá.
  
  FUENTE DE VARIACIÓN
 Una fuente de variación es cualquier “cosa” que pueda generar variabilidad en
la respuesta.
 Directa
 Indirecta

22
 DISEÑO COMPLETAMENTE AL AZAR

Fuente Tipo

Las condiciones de interés (Factores Planificada y sistemática

tratamiento)

Otras condiciones controladas. Planificada y sistemática

(Factores “nuisance”)

Condiciones no controladas. (error de No planificada, pero ¿sistemática?

medida, material experimental, ... )

23
 DISEÑO COMPLETAMENTE AL AZAR

 Principio: En el Diseño de Experimentos al

Completo Azar, el experimentador asigna las
unidades experimentales a los tratamientos al azar,
con la única restricción del número de
observaciones que se tomarán en cada tratamiento.
Es el más sencillo y se origina por la asignación
aleatoria de tratamientos a un conjunto de
unidades experimentales.

24
Paso 1 Formulación de la Hipótesis de nulidad

Paso 2 Formulación de la Hipótesis alternativa

Estadístico de la prueba y nivel de

Paso 3
significación

Cálculo del valor empírico del

Paso 4
estadístico de la prueba.

Decisión estadística de aceptar o rechazar

Paso 5
la hipótesis de nulidad.
Rechazo de H0 Si p  0,05
25
 Formato del diseño de dos
grupos completamente al azar

26
 A1 A2
(Grupo experimental) (Grupo control)
S S
U U
J J
E E
T T
O O
S S
Muestra
experimental Asignación al azar

27
Formato del diseño de dos
grupos emparejados

28
 A1 A2
(Grupo experimental) (Grupo control)
S S
U U
J J
E E
T T
O O
S S
Muestra S 1, S 2
experimental S 3, S 4 Asignación al azar
S 5, S 6
…

29
Diseños multigrupo

30
 Concepto

Los diseños multigrupo, de uso frecuente en

ciencia psicológica y social, son estructuras
de una sola variable independiente a tres o
más valores o niveles. Al seleccionar más
de dos valores de la variable independiente
o causal, es posible extraer la relación
funcional entre la variable independiente y
dependiente del experimento.

31
Clasificación

32
Técnica de control Diseño

Aleatorización Diseño multigrupo (de tres o más grupos

completamente al azar)

Constancia Diseño de bloques de grupos al azar

El sujeto como Diseño de medidas repetidas con tres o

control propio más tratamientos (Sujetos x
Tratamientos)

33
Diseño multigrupo al azar

34
 Concepto

El diseño multigrupo completamente al

azar requiere la asignación aleatoria de los
sujetos de la muestra a los distintos grupos,
sin restricción alguna. Se trata de una
extensión del diseño de dos grupos, ya que
en esta situación se eligen de la variable de
tratamiento más de dos valores o
condiciones.

35
Formato del diseño de
multigrupo al azar

36
 Tratamientos
A1 A2 … Aj … Aa
S S S
u u u
j j j
e e .………… e
t t t
o o o
s s s

Asignación aleatoria
Muestra
experimental

37
 DISEÑO COMPLETAMENTE AL AZAR
 Ventajas:
  
 a)    Su sencillez (estadístico fácil). Aun cuando el dato de algunos tratamiento
se hayan perdido, o rechacen por alguna causa el método de análisis sigue
siendo sencillo. La pérdida relativa de información debida a los datos
faltantes, es de menos importancia que en cualquier otro sistema.
 b)    La flexibilidad. Puede utilizarse cualquier número de tratamientos y
repeticiones y pueden variar a voluntad del investigador el numero de
repeticiones de un tratamiento a otro, pero no es recomendable sino existe una
buena razón. Todo el material experimental disponible puede usarse, lo cual es
una ventaja en experimentos preliminares pequeños donde el material
experimental de que se dispone es escaso.
 c)   El número de grados de libertad es máximo en comparación con otros
modelos, el modelo estadístico sigue siendo fácil aún cuando se pierdan
unidades experimentales .
 d)                 Aún cuando el dato de algún tratamiento se hayan perdido, o
rechacen por alguna causa el método de análisis sigue siendo sencillo
 DISEÑO COMPLETAMENTE AL AZAR

 Desventajas:
  
 a)     La principal estriba en su grado de precisión,  algún otro diseño
suele ser capaz de estimar el error stándar por unidad experimental
(error experimental) con un mayor grado de precisión
 b)   No siempre puede garantizarse condiciones de homogeneidad. No
se asegura, ninguna forma para aseverar que las unidades reciben un
tratamiento similar a aquellas que reciben otro tratamiento, toda la
variación que existe entre las unidades pasa a formar parte del error
experimental.

39
 DISEÑO COMPLETAMENTE AL AZAR

 Procedimiento
  
 a.  Determinar el número de unidades experimentales (n) y numerarlas. Es
posible obtener “n” al multiplicar el número de tratamientos por el número de
repeticiones n = ( t * r).
 b.   Asignar el número de unidades experimentales a cada tratamiento
utilizando una tabla de números aleatorios o bien cualquier otra herramienta
que sirva para el mismo propósito.
 c.   Una vez hecha la distribución anterior (liberal b) se numeran las unidades
experimentales y se localizan los tratamientos de acuerdo al número que les
corresponde y se obtiene así las distribución de campo.

40
 DISEÑO COMPLETAMENTE AL AZAR

 Modelo Estadístico
  
 Yij =   µ  +  t i   + εij  
  
 En donde:
  Yij            Variable respuesta de la ij-esima unidad experimental
 µ                Efecto de la media general
 t i               Efecto del i-esimo tratamiento
 εij              Efecto del error experimental asociado a la i-esima unidad
experimental
            

41
 DISEÑO COMPLETAMENTE AL AZAR

 Análisis de Varianza
  
 Hipótesis Nula Ho:          ti = 0 (Los i tratamientos tienen
el mismo efecto sobre la variable en estudio)
  
 Hipótesis Alterna Ha:     ti ¹0 (No todos los tratamientos
tienen el mismo efecto sobre la variable en estudio, al
menos uno produce un resultado distinto)

42
DISEÑO COMPLETAMENTE AL AZAR

Repeticiones Yi.
Tratamientos
1 2 3 4 r
1 Y11 Y12 Y12 ... Y1r Y1 .
2 Y21 Y22 Y23 ... Y2r Y2 .
3 Y31 Y32 Y33 ... Y3r Y3 .
. . . . ... . .
. . . . ... . .
. . . . ... . .
r Yt1 Yt2 Yt3 ... Ytr Y ..
Diseño de bloques de grupos
al azar

44
 Concepto

El principal objetivo de la experimentación es el

control de las fuentes de variación extrañas. La
neutralización o control de las variables extrañas
incide directamente en la reducción de la variación
del error. Es decir, las unidades varían con
respecto a cualquier variable a excepción de la
controlada. Siendo esto así, el margen de variación
es menor que con la presencia de la variable
extraña (o variable no controlada). ..//..

45
Desde la lógica de la experimentación, una técnica
ideal consiste en eliminar los factores extraños.
Ese ideal es imposible de conseguir, tanto en
contextos de investigación social como
conductual. Por esta razón, se han desarrollado
unos procedimientos que, asociados a la propia
estructura del diseño, permiten controlar una o
más variables extrañas y neutralizar su acción
sobre la variable dependiente.

46
 Técnica de bloques

Mediante la técnica de bloques se pretende

conseguir una mayor homogeneidad entre
los sujetos o unidades experimentales intra
bloque y una reducción del tamaño del error
experimental. La formación de bloques
homogéneos se realiza a partir de los valores
de una variable de carácter psicológico,
biológico o social, altamente relacionada
con la variable dependiente. ..//..
47
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 condición representa
un nivel o tratamiento de la variable
independiente.

48
 Formato del diseño de bloques

Bloques Tratamientos
A1 A2 ··· Aj ··· Aa

B1 n1 n2 ··· nj ··· na

B2 n1 n2 ··· nj ··· na

………………………………………..
…………………………….………….

Bk n1 n2 ··· nj ··· na

49
 Ventajas de la técnica de
bloques
Son notorias las ventajas del diseño de bloques en
investigación psicológica al neutralizarse una
potencial fuente de variación extraña que, en caso
contrario, incrementaría la variación del error. En
psicología, la mayoría de las fuentes de variación
extrañas, directamente asociadas a la heterogeneidad
de los datos, se derivan de las diferencias
interindividuales. En consecuencia, son variables de
sujeto que no sólo distorsionan la acción de los
tratamientos sino que también incrementan las
diferencias entre las unidades. ..//..
50
Mediante la técnica de bloques se consigue
un material experimental mucho más
homogéneo, se reduce la magnitud del error
experimental y se incrementa el grado de
precisión del experimento.

51
Diseño factorial

52
 Concepto

El diseño factorial, como estructura de

investigación, es la combinación de dos o más
diseños simples (o unifactoriales); es decir, el
diseño factorial requiere la manipulación
simultánea de dos o más variables independientes
(llamados factores), en un mismo experimento.
..//..

53
 Criterios de clasificación

Cantidad de 2x2, 2x2x2, 2x3, 2x3x4, etc.

niveles por factor
Diseño factorial completamente al azar
Grado de control Diseño factorial de bloques

54
Efectos factoriales estimables

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

55
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.

56
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.

57
Efectos factoriales secundarios

El efecto secundario o de interacción se define

por la relación entre los factores o variables
independientes, es decir, el efecto cruzado.

58
Formado del diseño factorial
2 x 2 completamente al azar

59
 A1B1 A1B2 A2B1 A2B2
S S S S
U U U U
J J J J
E E E E
T T T T
O O O O
S S S S

Muestra Asignación al azar

experimental

60
 Representación gráfica de la interacción
Interacción nula Interacción positiva Interacción negativa

B1 B1
B1
B2 B2

B2
A1 A2 A1 A2 A1 A2

B2

B1 Interacción inversa
A1 A2 61
Ventajas del diseño factorial
La disposición bifactorial aporta información
no sólo de cada factor (efectos principales),
sino de su acción combinada (efecto de
interacción 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, simultáneamente, la acción de
dos o más variables manipuladas. ..//..

62
Ello supone un enorme ahorro de tiempo y
esfuerzo. Si se tiene en cuenta la posibilidad de
analizar la acción conjunto o cruzada de las
variables, se concluye que el diseño factorial es
una de las mejores herramientas de trabajo del
ámbito psicológico y social, puesto que la conducta
es función de muchos factores que actúan
simultáneamente sobre el individuo.

63
Diseño de medidas repetidas

64
 Concepto

El diseño de medidas repetidas es una extensión

del diseño de bloques, en que el sujeto sustituye
al bloque y actúa de control propio. Con este
formato, los sujetos de la muestra reciben todos
los tratamientos y repiten medidas o registros de
respuesta; asimismo, la comparación de los
tratamientos es intra-sujeto. ..//..

65
De este modo, el uso del procedimiento de
medidas repetidas proporciona un control
más efectivo de las fuentes de variación
extrañas asociadas, por lo general, a las
características individuales; es decir, se
consigue una reducción de la variancia del
error. ..//..

66
Esto es así porque, al actuar el sujeto de
bloque, la variabilidad debida a las diferencias
individuales es eliminada del error. De este
modo, el diseño de medidas repetidas es una
estructura más potente que los diseños
completamente aleatorizados.

67
 Efectos de orden

Los efectos de orden se derivan de la propia

estructura del diseño de medidas repetidas, y
deben ser neutralizados para que no confundan
los efectos de los tratamientos.

68
Tipos de efectos de orden

A) Efecto residual

B) Efecto de período

69
 Efecto residual
El efecto residual, conocido por error
progresivo, se caracteriza por la persistencia de
la acción de un tratamiento más allá del período
o tiempo de aplicación. Representa la
progresiva acumulación tanto de los efectos
facilitadores de la respuesta (efecto de la
práctica, aprendizaje, etc.) como de los efectos
obstaculizadores (como la fatiga mental,
cansancio físico, etc.)
..//..
70
 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.
Solución: ampliar los intervalos entre
tratamientos

71
 Efecto de período
Los efectos de período ocurren cuando,
independientemente del tratamiento aplicado, el
sujeto responde al período o posición que, en la
secuencia, ocupa el tratamiento (período de
administración). Cabe, por lo tanto, la posibilidad
de que el sujeto responda mejor al período que al
tratamiento en sí mismo. Cuando esto ocurre, el
efecto de período confunde la acción del
tratamiento.
Solución: contrabalanceo
72
 Clasificación del diseño en
función de los factores

Simple (SxA)
Diseños
de medidas
repetidas
Factorial (SxAxB,
SxAxBxC, etc.)

73
 Clasificación del diseño en
función de los grupos
De un grupo o muestra
(SxA)
Diseños
de medidas
repetidas
Multimuestra (S(A)xB)

74
Diseño de medidas repetidas
simple de un grupo

75
 Concepto

El diseño simple de medidas repetidas es

prototípico en esa clase de experimentos, al
incorporar la estrategia de comparación intra-
sujeto. Los sujetos se cruzan o combinan con los
tratamientos (Sujetos x Tratamientos). Así mismo,
es un diseño simple o unifactorial porque sólo se
evalúa la acción de una variable independiente o
de tratamientos. ..//..
76
La principal ventaja del diseño, dada su
especial disposición, es la posibilidad de
extraer del error una de sus fuentes de
variación más importante: la variación
atribuida a las diferencias individuales.

77
 Estructura del diseño

La estructura el diseño de medidas repetidas

simple es similar al formato factorial de dos
variables independientes. A diferencia del diseño
factorial, la variable de sujetos no es manipulada,
ya que se trata de un pseudo-factor. La variable de
tratamientos está manipulada por el
experimentador y es considerada como un
auténtico factor. ..//..

78
Supóngase, por ejemplo, que la variable sujetos,
simbolizada por S, actúa 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. Nótese la similitud entre
este diseño y el diseño bifactorial dado que,
analíticamente, la variable de sujetos actúa como
si fuera un factor. La diferencia estriba sólo en la
naturaleza y objetivo de las dos variables.
..//..

79
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 dimensión de variación manipulada por el
investigador. El propósito del experimento
sigue siendo el análisis del posible impacto de
la variable de tratamiento sobre la variable de
respuesta. ..//..

80
Con este formato, no sólo 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. ..//..

81
Así, el diseño de medidas repetidas simple es
el procedimiento más eficaz para probar el
efecto del tratamiento. Al controlar las
diferencias interindividuales, este diseño es,
también, un potente procedimiento de análisis,
porque al reducir el error se aumenta la
precisión y efectividad en probar los efectos de
la variable de tratamiento.

82
 Formato del diseño de medidas repetidas.
Diseño de medidas repetidas simple (S x A)

A1 A2 ........ Aa

Sujeto 1 Sujeto 1 ........ Sujeto 1

Sujeto 2 Sujeto 2 ........ Sujeto 2
..........................................................
Sujeto N Sujeto N ........ Sujeto N

83
Formato del diseño de medidas repetidas
factorial (S x A x B)

A1B1 A1 B 2 A2B1 A2B2

Sujeto 1 Sujeto 1 Sujeto 1 Sujeto 1

Sujeto 2 Sujeto 2 Sujeto 2 Sujeto 2
....................................................................
Sujeto N Sujeto N Sujeto N Sujeto N

84
Diseño de medidas repetidas
multigrupo o factorial mixto

85
 Concepto
El diseño de medidas repetidas multigrupo,
conocido también por diseño factorial mixto,
incorpora dos estrategias de inferencia de
hipótesis: estrategia de comparación entre
grupos y estrategia de comparación intra
sujetos. La estructura mixta combina, en un
mismo experimento, el procedimiento de grupos
independientes y el procedimiento con sujetos
de control propio.
..//..
86
Puesto que el diseño mixto integra, en un
mismo estudio, dos enfoques de investigación
se aplica a aquellas situaciones donde están
presentes, por lo menos, dos variables
independientes. Así, los valores o niveles de
la primera variable independiente genera
grupos separados y su efecto se infiere por la
comparación entre grupos o entre sujetos.
..//..

87
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
carácter de repetición, esa segunda variable
recibe el nombre de variable intra. De esto se
concluye que el diseño mixto requiere siempre
una estructura factorial. Por lo tanto, son
experimentos donde intervienen como mínimo
dos variables.

88
Clasificación

89
 1 V.E. y 1 V.I. S(A)xB
2 V.E. y 1 V.I. S(AxB)xC
Diseño factorial ......................................

mixto ......................................
Diseño de N V.E. y N V.I
medidas
repetidas Una variable categórica
multigrupo y una intra S(A)xB
Diseño split-plot Dos variables categóricas
y una intra S(AxB)xC
etc.

90
Formato del diseño de medidas
repetidas de dos grupos

91
 FACTOR INTRA

B1 B2 B3
Sujeto 1 Sujeto 1 Sujeto 1
Sujeto 2 Sujeto 2 Sujeto 2
A1
Asignación al azar ...................................................
Muestra FACTOR ENTRE
Sujeto N Sujeto N Sujeto N
experimental
Sujeto 1 Sujeto 1 Sujeto 1
Sujeto 2 Sujeto 2 Sujeto 2
A2
...................................................
Sujeto N Sujeto N Sujeto N

92
93
Fin de los Diseños experimentales

94