TEMA

III
 ESQUEMA
GENERAL

Definición

Clasificación
Efectos estimables en un diseño factorial
Diseño factorial A x B completamente al azar
Representación de la interacción

DISEÑO FACTORIAL
 Definición

El diseño factorial es una estructura

investigación en de la que se manipulan
simultáneamente dos más
o
independientes o de tratamiento. variables
En función de la cantidad de factores o variables de
tratamiento, los formatos factoriales se denominan,
también, diseños de tratamientos x tratamientos,
tratamientos x tratamientos x tratamientos, etc, y se
simbolizan por AxB, AxBxC, etc.
 Ventajas del diseño factorial
• Además de permitir el análisis de los efectos
principales también posibilitan examinar los efectos de
interacción.
• Al introducir varias variables independientes como
factores en el diseño, los efectos asociados a tales
factores se sustraen del término de error. En
consecuencia, se reduce la varianza de error y se
incrementa la potencia de la prueba estadística.
• Ahorro de tiempo y de sujetos.
• Por último, cabe señalar que, dada la complejidad de la
conducta humana, es lógico suponer que la mayoría de
los comportamientos no se hallan determinados por la
acción de una sola variable, sino que responden a los
efectos de un conjunto de factores.
 Clasificación

Cantidad de valores por

factor
Criterios Cantidad de combinaciones
de tratamientos

Grado de control
Criterios Diseño

Cantidad de Cantidad fija o variable: 2x2; 2x3; 2x3x4, etc.

valores por factor

Cantidad de Diseño factorial completo

combinaciones de Diseño factorial incompleto y fraccionado
tratamientos

Diseño factorial completamente al azar

Grado de control Diseño factorial de medidas repetidas
 Efectos factoriales estimables

1. Efectos principales
2. Efectos secundarios
 Efectos factoriales principales

Los efectos factoriales principales son el

impacto global de cada factor considerado de
forma independiente.
 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.
Diseño factorial al azar 2x2
 Estructura del diseño

V.E Z1 Z2 Z3 Z4
. A1B1 A1B2 A2B1 A2B2
V.I.
S1 S1 S1 S1

s
Sn1 Sn2 Sn3 Sn4
e
l
e
c Asignación al azar
c M
i
P ó
n
 Ejemplo

Se pretende estudiar la eficacia de dos métodos de

enseñanza (presencial y a distancia) sobre el aprendizaje
de dos materias (matemáticas e historia). Se forman
aleatoriamente cuatro grupos y cada uno seguirá uno de
los cuatro cursos resultantes de combinar las dos
variables independientes. La variable dependiente de
esta investigación será la puntuación obtenida por cada
estudiante en un examen que realizarán al finalizar el
curso.
 Matriz de datos
DISEÑO FACTORIAL 2X2
A1B1 A1B2 A2B1 A2B2
10 4 7 8
9 3 9 6
4 4 10 9
8 5 8 9
8 2 10 8
4 3 9 7
3 4 10 7
6 2 7 6
Totales: 52 27 70 60 209
6.5 3.375 8.75 7.5 6.53
Medias:
 Modelo de prueba de hipótesis

Paso 1. Según la estructura del diseño son

estimables tres efectos. Por esa razón, se plantean
tres hipótesis de nulidad relativas a la variable A,
variable B e interacción:
H 0 : α1 = α 2 = 0
H 0: ß 1 = ß 2 =
0
H0: (αß)11 =
(αß)12 = (αß)21
= (αß) = 0
Paso 2. Las hipótesis alternativas
se representan, al nivel estadístico, por
H 1: α 1  α2, o no todas las α son
cero H1: ß1  ß2, o no todas las ß son
cero
H1: (αß)11  (αß)12  (αß)21  (αß)22, o no
todas las αß son cero.
Paso 3. El estadístico de la prueba es la F de
Snedecor, con un α de 0.05, para las tres
hipótesis de nulidad. El tamaño de la muestra
experimental es N = 32 y el de las submuestras
n = 8.

Paso 4. Cálculo del valor empírico de las

razones F. Para ello, se toma la matriz de datos
del experimento.
 Modelo estructural del ANOVA:
Diseño factorial AxB

y     j  k  ( )
Y ijk  ijk
jk
 Especificación del modelo

Yijk
= la puntuación del i sujeto bajo la combinación
delj valor del factor A y el k valor del factor B.
µ = la media común a todos los
datos del experimento.
αj = el efecto o impacto del j nivel de la
variable de tratamiento A.
ßk = efecto del k valor de la variable de tratamiento
(αß)
B. jk = efecto de la interacción entre el j valor de
A y el k valor de B.
= error experimental o efecto aleatorio
εijk
de muestreo.
Descomposición polietápica de las
Sumas de cuadrados
SCA

SCB
SCentre-grupos

SCAB
SCtotal

SCintra-grupos SCS/AB
 Cuadro resumen del ANOVA

F.V. g.l CM F p
SC
Factor A 81.28 (a-1)=1 81.28 29.94 <0.05
Factor B 38.28 (b-1)=1 38.28 13.87 <0.05
Inter AxB 7.03 (a-1)(b-1)=1 7.03 2.55 >0.05
Entre-g 126.59 ab-1=3 42.19 15.28 <0.05
Intra-g 77.37 ab(n-1)=28 2.76
Total (T) 203.97 abn-1=31
F0.95(3/28) = 2.95; F0.95(1/28) = 4.20
 Inferencia del análisis

Paso 5. De los resultados del análisis se infiere

la no-aceptación de las hipótesis de nulidad
para los efectos principales de A y B, con
riesgo de error del 5 por ciento. En cambio,
se
acepta la hipótesis de para la
interacción. En suma, sólo se deriva la
nulidad
significación de los efectos
principales.
Representación gráfica de la interacción para
los datos del ejemplo 1
ENSEÑANZA ENSEÑANZA
Medias
A
DISTANCIA PRESENCIAL
MATEMÁTICAS 6,5 3,4 4,9

HISTORIA 8,8 7,5 8,1

Medias 7,6 5,4 6,5

10
9
8
7
6
5
MAT Interacción nula
HIST
4
3
2
Efectos principales
1
0
para las dos variables
DISTANCIA PRESENCIAL
 Representación gráfica de la interacción:
otros ejemplos
ENSEÑANZA ENSEÑANZA
Medias
A
DISTANCIA PRESENCIAL
MATEMÁTICAS 6,2 6,6 6,4

HISTORIA 3,6 3,4 3,5

Medias 4,9 5,0 5,0

10
9
8
7
6
5
MAT Interacción nula
HIST
4
3
2
Efecto principal para
1
0
la variable
DISTANCIA PRESENCIAL Asignatura
 Representación gráfica de la interacción:
otros ejemplos
ENSEÑANZA ENSEÑANZA
Medias
A
DISTANCIA PRESENCIAL
MATEMÁTICAS 6,7 6,9 6,8

HISTORIA 2,1 7,1 4,6

Medias 4,4 7,0 5,7

10
9
8
7
6
5
MAT Interacción Asignatura
HIST
4
3
x Método de enseñanza
2
1
0
DISTANCIA PRESENCIAL
 Representación gráfica de la interacción:
otros ejemplos
ENSEÑANZA ENSEÑANZA
Medias
A
DISTANCIA PRESENCIAL
MATEMÁTICAS 6,2 3,4 4,8

HISTORIA 3,6 6,6 5,1

Medias 4,9 5,0 5,0

10
9
8
7
6
5
MAT Interacción Asignatura
HIST
4
3
x Método de enseñanza
2
1
0
DISTANCIA PRESENCIAL
 Formato del diseño factorial de medidas repetidas:
SxAxB
Tratamientos
A1 A2 … Aj
B1 … Bk B1 … Bk … B1 … Bk Medias
S1 Y121 ..Y12k … Y1..
Y111 .. Y11k Y1j1 ..Y1jk
S2 Y221 .. Y22k … Y2..
Sujetos

Y211 .. Y22k Y2j1 .. Y2jk

. …………………………………………… .
. …………………………………………… .
. …………………………………………… .

Sn … Yn..
Yn11 .. Yn1k Yn21 ..Yn2k Ynj1 ..Ynjk

Medias … Y…
Y.11 .. Y.12 Y.21 .. Y.2k Y.j1 .. Y.jk