Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
Descripción del concepto
2
Modelo de variación y constancia
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
6
Variable dependiente
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
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
Simple
Diseños entre-grupos
Factorial
Diseños mixtos
15
Diseño experimental y
causalidad
16
DISEÑO EXPERIMENTAL
17
DISEÑO COMPLETAMENTE AL AZAR
DISEÑO 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
22
DISEÑO COMPLETAMENTE AL AZAR
Fuente Tipo
23
DISEÑO COMPLETAMENTE AL AZAR
24
Paso 1 Formulación de la Hipótesis de nulidad
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
31
Clasificación
32
Técnica de control Diseño
33
Diseño multigrupo al azar
34
Concepto
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
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
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
53
Criterios de clasificación
54
Efectos factoriales estimables
1. Efectos simples
2. Efectos principales
3. Efectos secundarios
55
Efectos factoriales simples
56
Efectos factoriales principales
57
Efectos factoriales secundarios
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
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
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
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
77
Estructura del diseño
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
83
Formato del diseño de medidas repetidas
factorial (S x A x B)
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