Documente Academic
Documente Profesional
Documente Cultură
Muestras relacionadas
6.1- Introduccin....
6.2- Objetivos..
11
13
15
16
1|Pgina
6.1.- Introduccin
En este captulo aprenderemos a analizar los resultados obtenidos en un diseo
experimental en donde se ha manipulado una nica variable independiente (es decir, un nico
factor en la terminologa ya estudiada en el Captulo 5) con ms de dos niveles pero de forma
intra-sujeto. Esto significa que todos los participantes (o unidades de observacin) han pasado
por todos los niveles del factor. A este tipo de diseos tambin se les conoce como diseos de
medidas repetidas en el sentido de que a cada sujeto se le repite la medicin de la variable
dependiente en diversas condiciones, tantas como niveles tenga el factor manipulado.
Tambin se les conoce como diseos de medidas dependientes debido a que las puntuaciones
de un mismo sujeto muestran dependencia estadstica entre ellas. Esta particularidad tendr
consecuencias importantes para el anlisis debido a que las observaciones realizadas sobre
cada unidad de observacin se encuentran relacionadas.
6.2.- Objetivos
Al finalizar este captulo, el alumno podr ser capaz de:
2|Pgina
Es posible que el alumno haya observado por s mismo que, en algunos casos, un factor
(es decir, una variable independiente) puede manipularse de manera distinta a la creacin de
grupos distintos, que es la forma en que se ha presentado hasta el momento la manipulacin
de una variable independiente y que se estudi en el captulo previo. En ciertos casos, en vez
de formar un grupo distinto de unidades de observacin (usualmente los participantes en un
experimento pero que tambin pueden ser empresas comerciales, departamentos, terapias,
etc.) y someter a cada uno de los sujetos de estos grupos a un nico nivel del factor, se puede
pensar en someter a cada unidad de observacin a todos los niveles del factor. En este caso
diremos que el factor se ha manipulado intra-sujetos y lo representaremos introduciendo el
nombre o smbolo del factor entre parntesis.
Ejemplo 6.1.- Durante todo este captulo trabajaremos con un fenmeno extrado de la
Psicologa de la Atencin utilizado para evaluar defectos atencionales. Nos referimos al efecto
Stroop. El efecto Stroop se define en funcin de la diferencia de los tiempos de reaccin
medios existente entre tres condiciones experimentales consistentes en presentar palabras
de color (v.g., verde) escritas en tintas de diferentes colores (v.g., tinta roja, verde o azul). La
tarea del sujeto es nombrar lo ms rpidamente la tinta en que se encuentran escritas las
palabras, no la palabra escrita. En estos experimentos, lo ms usual es que existan tres
condiciones (niveles del factor): congruente, incongruente y neutral. En la condicin
congruente se presentan palabras de color escritas en el mismo color que representan (v.g.,
verde, rojo, azul). En la condicin incongruente, las palabras y el color no coinciden (v.g.,
verde, rojo, azul). El hecho de que el sujeto tenga que decir en voz alta y rpida rojo cuando
se le presenta la palabra verde provoca un incremento del tiempo de reaccin medio as
como un incremento en el nmero de errores de esta condicin en relacin a la condicin
neutral. En la condicin neutral, se suelen presentar estmulos semnticamente neutros (v.g.,
xxxxx, xxxxx, xxxxx), aunque hay otras posibilidades. La tarea del sujeto sigue siendo nombrar
el color de la tinta. La investigacin sigue tratando hoy en da de identificar el mecanismo que
produce este efecto (vase el artculo de Melara y Algom, Driven by information: A Tectonic
Theory of Stroop Effects de 2003, para ver un modelo formal que trata de explicar los efectos
experimentales observados utilizando este paradigma).
Participante 1
Participante 2
Participante 3
Participante 4
Participante 5
Participante 6
Tabla 6.1
Niveles del Factor A (Condicin de Stroop)
Condicin
Condicin
Condicin
congruente
incongruente
neutral
a1
a2
a3
0,545
0,832
0,620
0,630
0,736
0,635
0,610
0,663
0,680
0,680
0,715
0,660
0,590
0,880
0,700
0,600
0,790
0,670
Resulta til considerar la Tabla 6.1 como el total entrecruzamiento de dos factores: el
factor A que estamos manipulando (condicin de Stroop) y los sujetos (Factor S),
asemejndose en este sentido al diseo de dos factores que se ver en el Tema 7. En el diseo
inter-sujetos este entrecruzamiento no exista debido a que cada sujeto slo participaba en un
nivel de A.
Se admite que los niveles absolutos de actuacin de los sujetos pueden diferir (algunos
sern mejores y otros peores, es decir, ms rpidos y con menos errores o ms lentos y con
ms errores) pero el patrn de respuesta ante las tres condiciones no debe diferir
significativamente entre distintos sujetos si consideramos que A no interacta con S. Esto es lo
que significa que no exista interaccin entre los factores A y S. Si distintos sujetos respondieran
de forma diferente a las condiciones experimentales, tendramos una interaccin. En el diseo
intra-sujetos se admite (o se asume) que no existe interaccin entre el factor y los sujetos.
Como ya vimos en el tema 5, el anlisis del ANOVA exige dividir los componentes de la
variabilidad total observada en la variable dependiente (
o ), en varios componentes
aditivos. En nuestro caso encontramos tres componentes que puedan aportar variabilidad a
los datos:
En primer lugar, la variabilidad del factor que estamos manipulando si efectivamente
afecta al tiempo de reaccin medio, ya que existe la posibilidad de que la variable
independiente manipulada, el factor A, no afecte a la variable dependiente Y (en nuestro
ejemplo, el TR).
En segundo lugar la variabilidad de los sujetos. Los participantes difieren en muchas
caractersticas individuales y, en consecuencia, no se comportan exactamente igual ante las
condiciones experimentales presentadas; en definitiva, tambin son una fuente de
variabilidad.
Finalmente, la variabilidad debida a la interaccin entre el factor y los sujetos. Es
decir, la posibilidad de que no todos los sujetos respondan con el mismo patrn de respuestas
ante las tres condiciones experimentales.
Por consiguiente buscamos la parte de variabilidad que aporta el factor manipulado
( ), la parte de variabilidad que aportan los sujetos o participantes ( ), y la parte de
variabilidad que aporta la interaccion entre ambos ( ( ) ), a la variabilidad total. Para realizar
el tratamiento del anlisis de datos necesitamos conocer las siguientes sumas de cuadrados:
(
La hiptesis nula ( ) que ponemos a prueba afirma que no existen diferencias entre
las medias de los diferentes tratamientos. La hiptesis alternativa ( ) afirma que, al menos
para una comparacin entre un par de tratamientos, esas diferencias son reales:
5|Pgina
En cuanto a los supuestos que deben cumplirse para poder aplicar correctamente el
ANOVA de un factor intra-sujetos son:
Las puntuaciones de la variable dependiente Y en cada nivel del factor deben ser
independientes entre s.
Las varianzas de las puntuaciones para los distintos niveles del factor deber ser iguales
entre s.
Estos supuestos son similares a los que se plantearon en el diseo de un factor intersujetos. En el diseo intra-sujetos hemos de aadir un supuesto adicional:
Las covarianzas entre todos los niveles del factor deben ser iguales entre s.
Los ltimos dos supuestos pueden representarse conjuntamente mediante una tabla
cuadrada (a x a) que est en funcin del nmero de niveles del factor. En nuestro caso:
Congruente (C)
Incongruente (I)
Neutral (N)
Congruente (C)
2
CC
Cov(C, I )
Cov(C, N )
Incongruente (I)
Cov( I , C )
II2
Cov( I , N )
Neutral (N)
Cov( N , C )
Cov( N , I )
2
NN
En esta tabla observamos que la diagonal negativa (las celdillas CC, II y NN)
representan las varianzas de cada condicin (varianzas de la condicin congruente,
6|Pgina
);
);
).
Matriz de datos
Factor A
a1
a2
aa
Suma
Sujeto 1
Sujeto 2
Sujeto 3
.
Sujeto s
Y1,1
Y1,2
Y1,3
Y1,s
Y2,1
Y22
Y2,3
Y2,s
Ya,1
Ya,2
Ya,3
Ya,s
S1
S2
S3
Ss
Suma
A1
A2
Aa
7|Pgina
Los clculos pertinentes exigen calcular primero lo que llamaremos razones bsicas,
similares a las que se presentaron en el captulo anterior, aunque ahora muestran la
particularidad del tipo de diseo. Estas razones son:
2
i
i 1
S
j 1
2
j
AS (Yij )2
i 1 j 1
[T] o el total de los elementos de la tabla elevado al cuadrado dividido por el producto
entre el del nmero de sujetos (s) por el nmero de condiciones experimentales (a).
a s
Yij
2
T i 1 j 1 T
as
N
Es importante darse cuenta que hemos calculado una razn bsica para cada uno de
los elementos que creemos estn aportando variabilidad a los datos mas la variabilidad total.
Es decir, si recordamos la frmula:
(
) vemos que hemos
calculado una razn bsica para cada uno de los elementos de dicha frmula.
Adems, es interesante observar que la expresin matemtica de cada una de estas
razones puede derivarse fcilmente observando que el numerador viene dado por el cuadrado
de los elementos a los que hace referencia.
8|Pgina
La razn bsica [A] viene dada por el cuadrado de los sumatorios de cada condicin
experimental (Ai) y dividida por el nmero de elementos que han servido para calcular cada Ai,
es decir, el nmero de sujetos.
La razn bsica [S] viene dado por el cuadrado de los sumatorios de los sujetos (Sj)
dividida por el nmero de elementos que han servido para calcular cada Sj (el nmero de
condiciones experimentales).
La razn bsica [AS] viene dada simplemente por el cuadrado de las puntuaciones
directas y se divide por 1 ya que cada puntuacin directa slo integra un elemento.
Por ltimo, la razn bsica [T] viene dada por el c uadrado del sumatorio del total y
dividida por el nmero de elementos que han servido para su clculo. Este nmero de
elementos viene dado por el producto entre el nmero de condiciones (a) y el nmero de
participantes (s).
Una vez que disponemos de estas razones bsicas, procedemos a calcular las sumas
de cuadrados (es decir, los numeradores de cada una de las fuentes de variacin):
[ ]
[ ]
[ ]
[ ]
]
[
[ ]
[ ]
[ ]
[ ]
Fuentes
de
variacin
Sumas
de
cuadrados
Grados
de
libertad
Medias
cuadrticas
Factor ( )
Sujetos ( )
Error (
Total
)
(
9|Pgina
Por ltimo, para tomar una decisin sobre la significatividad del factor manipulado
(condicin de Stroop) debemos comparar la F obtenida (F muestral) con la F crtica que
obtenemos de las Tablas de la razn F conociendo (probabilidad de error tipo I que estamos
dispuestos a cometer) as como los grados de libertad del numerador y del denominador de la
F muestral. Si la F emprica del factor A (la que obtenemos siguiendo todos los pasos
mencionados hasta ahora) es igual o superior a la F crtica entonces rechazamos , lo cual
significa que hay, al menos, dos medias que difieren entre s en nuestros datos. En caso
contrario (la F emprica es inferior a la F crtica) significa que no podemos rechazar la hiptesis
de que, en la poblacin, las medias de los distintos niveles del factor sean idnticas. El valor de
la F crtica nos separa los valores posibles de F en dos segmentos excluyentes: a la izquierda el
que define la regin de aceptacin de
y a la derecha, la regin de rechazo de , tal y como
puede verse en la Figura 6.1 que presenta el caso genrico (vase explicacin a pie de figura).
10 | P g i n a
Figura 6.1: Distribucin de densidad de probabilidad para una F genrica. Para poder dibujar la grfica se ha
utilizado una F con 6 y 15 grados de libertad (se han asignado unos valores concretos ya que no se puede dibujar la
grfica de una Funcin de Densidad de Probabilidad, o FDP, si no se concretan sus parmetros). En estas
condiciones y con un de 0.05, la F crtica vale 2.8. Este valor viene reflejado por la lnea vertical que divide la
funcin de densidad de probabilidad en dos partes, aquellos valores de F inferiores a 2.8 y que, siendo H 0 cierta,
tienen una probabilidad de producirse superior a y, por otra parte, aquellos valores de F superiores a 2.8 y que,
siendo H0 cierta, tienen una probabilidad de producirse inferior a . En este ltimo caso, sospechamos que H0 es
falsa y la rechazamos.
y/o
y/o
11 | P g i n a
congruente
incongruente
neutral
a1
0,545
0,630
0,610
0,680
0,590
0,600
a2
0,832
0,736
0,663
0,715
0,880
0,790
a3
0,620
0,635
0,680
0,660
0,700
0,670
3,655
4,616
3,965
13,359
21,307
15,721
S1
S2
S3
S4
S5
S6
1,997
2,001
1,953
2,055
2,170
2,060
3,988
4,004
3,814
4,223
4,709
4,244
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
FV
SC
g.l.
MC
Factor ( )
0,080
0,04010
10,888
Sujetos ( )
0,009
0,00190
0,037
10
0,00368
0,126
17
0,00744
Error
(
)
Total
Regla de decisin. Consultamos el valor crtico en la tabla F de Fisher, que para 2 y 10 grados
de libertad y un nivel de confianza del 95% es igual a: F = 4,103. Dado que el estadstico de
contraste es superior al valor crtico (10,888 > 4,103) rechazamos la hiptesis nula. Mediante
un programa informtico podramos calcular que el nivel crtico p es igual a: p = 0,0031. Por lo
tanto el estadstico de contraste tambin supera un nivel de confianza del 99%.
Conclusin. Existen diferencias significativas en cuanto el tiempo de reaccin medio entre al
menos un par de medias para las condiciones Congruente, Incongruente y Neutral del efecto
Stroop.
13 | P g i n a
14 | P g i n a
Soluciones.
1.- C
2.- A
3.- C
4.- B
5.- B
6.- C
Operario 1
Operario 2
Operario 3
Da 1
56
79
75
Da 2
66
69
76
Da 3
79
74
90
Da 4
72
58
80
Evale la hiptesis de que los tres trabajadores fueron igualmente productivos (NC=95%).
Tipo de tela
Producto
qumico
1,3
1,6
0,5
1,2
1,1
2,2
2,4
0,4
2,0
1,8
1,8
1,7
0,6
1,5
1,3
3,9
4,4
2,0
4,1
3,4
15 | P g i n a
Suponiendo que se cumplen los supuestos necesarios, las hiptesis que planteamos son:
y/o
y/o
y/o
Calculamos las sumas para todos los niveles, para todos los sujetos y los cuadrados.
Da
1
Operario 1
56
66
79
72
273
Operario 2
79
69
74
58
280
Operario 3
75
76
90
80
321
210
211
243
210
874
44100
44521
59049
44100
16 | P g i n a
[ ]
[ ]
[ ]
[
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
SC
g.l.
MC
Factor ( )
267
89
1,33
Sujetos ( )
336,17
168,08
2,52
400,50
66,75
1003,67
11
Error
(
)
Total
El valor de la F crtica con 2 y 6 grados de libertad (ya que estamos evaluando los
sujetos, no el da) a un
vale 5,143. Debido a que la F emprica es inferior a la F
crtica (2,52 < 5,143) no podemos rechazar la hiptesis nula de que los tres operarios son
igual de eficientes.
17 | P g i n a
2.- Suponiendo que se cumplen los supuestos necesarios, las hiptesis que se plantean
son:
Comenzamos organizando los datos como los utilizamos habitualmente para realizar
los clculos, ya que nos interesa determinar el efecto del Producto Qumico utilizando el
tipo de tela como unidad de observacin, sobre la que realizan 4 evaluaciones repetidas,
una para cada producto qumico.
Producto qumico
Tipo de
tela
1,3
2,2
1,8
3,9
9,2
84,64
1,6
2,4
1,7
4,4
10,1
102,01
0,5
0,4
0,6
2,0
3,5
12,25
1,2
2,0
1,5
4,1
8,8
77,44
1,1
1,8
1,3
3,4
7,6
57,76
5,7
8,8
6,9
17,8
39,2
32,49
77,44
47,61
316,84
[ ]
[ ]
[ ]
18 | P g i n a
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
FV
SC
g.l.
Factor ( )
18,044
Sujetos ( )
6,693
0,951
12
25,688
19
Error
(
)
Total
MC
Conclusin:
El valor de la F crtica con 3 y 12 grados de libertad (ya que estamos evaluando los
productos qumicos) a un
vale 3,490. Debido a que la F emprica es superior a la F
crtica (75,89 > 3,490) debemos rechazar la hiptesis nula de que los cuatro productos
qumicos tengan el mismo efecto sobre la resistencia a la rotura de las telas sobre las que
se aplica. Hay al menos dos de ellos que difieren en el efecto que producen sobre las telas.
19 | P g i n a