Sunteți pe pagina 1din 50

TEMA IX

ESQUEMA GENERAL

Definicin general

Clasificacin
Diseo de medidas repetidas simple. Modelo
estructural y componentes de variacin
Supuesto de uniformidad o simetra compuesta.
Supuesto de esfericidad

DISEOS DE MEDIDAS REPETIDAS


Diseo de medidas repetidas

El diseo de medidas repetidas es una extensin


del diseo de bloques, en que el sujeto sustituye
al bloque y acta de control propio. Con este
formato, los sujetos de la muestra reciben todos
los tratamientos y repiten medidas o registros de
respuesta; asimismo, la comparacin de los
tratamientos es intra-sujeto. ..//..
De este modo, el uso del procedimiento de
medidas repetidas proporciona un control ms
efectivo de las fuentes de variacin extraas
asociadas, por lo general, a las caractersticas
individuales; es decir, se consigue una
reduccin de la variancia del error.
..//..
Esto es as porque, al actuar el sujeto de
bloque, la variabilidad debida a las diferencias
individuales es eliminada del error. De este
modo, el diseo de medidas repetidas
constituye una estructura ms potente que los
diseos completamente aleatorizados.
Efectos de orden

Los efectos de orden (order effects) se derivan


de la propia estructura del diseo de medidas
repetidas, y deben ser neutralizados para que no
confundan los efectos de los tratamientos.
Tipos de efectos de orden

A) Efecto de perodo (period effect)

B) Efecto residual (carry-over effect)


Efecto de perodo

Los efectos de perodo ocurren cuando,


independientemente del tratamiento aplicado,
el sujeto responde al perodo o posicin que,
en la secuencia, ocupa el tratamiento (perodo
de administracin). Cabe, por lo tanto, la
posibilidad de que el sujeto responda mejor al
perodo que al tratamiento en s mismo.
Cuando esto ocurre, el efecto de perodo
confunde la accin del tratamiento.
Efecto residual

El efecto residual, conocido por error


progresivo, se caracteriza por la persistencia de
la accin de un tratamiento ms all del
perodo o tiempo de aplicacin. Representa la
progresiva acumulacin tanto de los efectos
facilitadores de la respuesta (efecto de la
prctica, aprendizaje, etc.) como de los efectos
obstaculizadores (como la fatiga mental,
cansancio fsico, etc.) ..//..
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.
Clasificacin del diseo en funcin
de los factores

Simple (SxA)

Diseos
de medidas
repetidas
Factorial (SxAxB,
SxAxBxC, etc.)
Clasificacin del diseo en funcin
de los grupos

De un grupo o muestra
(SxA)
Diseos
de medidas
repetidas
Multimuestra (S(A)xB)
Diseo de medidas repetidas simple
de un grupo
Concepto
El diseo simple de medidas repetidas es
prototpico en esa clase de experimentos, al
incorporar la estrategia de comparacin intra-
sujeto. Lindquist (1953) se refiere a estas
estructuras como diseos de Tratamientos x
Sujetos, ya que los sujetos se cruzan o combinan
con los tratamientos. As mismo, es un diseo
simple o unifactorial porque slo se evala la
accin de una variable independiente o de
tratamiento. ..//..
La principal ventaja del diseo, dada su
especial disposicin, es la posibilidad de
extraer del error una de sus fuentes de
variacin ms importante: la variacin
atribuida a las diferencias individuales.
Estructura del diseo

La estructura del diseo de medidas repetidas


simple es similar al formato factorial de dos
variables independientes. A diferencia del diseo
factorial, la variable de sujetos no es manipulada
ya que se trata de un pseudo-factor. La variable
de tratamientos est manipulada por el
experimentador y es considerada como un
autntico factor. ..//..
Supngase, por ejemplo, que la variable
sujetos, simbolizada por S, acta 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. Ntese
la similitud entre este diseo y el diseo
bifactorial dado que, analticamente, la
variable de sujetos acta como si fuera un
factor. La diferencia estriba slo en la
naturaleza y objetivo de las dos variables.
..//..
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 dimensin de variacin manipulada por el
investigador. El propsito del experimento
sigue siendo el anlisis del posible impacto de
la variable de tratamiento sobre la variable de
respuesta. ..//..
Con este formato, no slo 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. ..//..
As, el diseo de medidas repetidas simple es
el procedimiento ms eficaz para probar el
efecto del tratamiento. Al controlar las
diferencias interindividuales, este diseo es un
potente procedimiento de anlisis porque al
reducir el error se aumenta la precisin y
efectividad en probar los efectos de la variable
de tratamiento.
Formato del diseo de medidas repetidas simple, S x A

Tratamientos Medias
A1 A2 A3 Aj
S1 Y11 Y12 Y13 Y1j Y1.
S2 Y21 Y22 Y23 Y2j Y2.
Sujetos

. .
. .
. .
Sn Yn1 Yn2 Yn3 Ynj Yn.

Medias Y.1 Y.2 Y.3 Y.j Y..


Caso paramtrico. Ejemplo 1

Sea, a nivel ilustrativo, la siguiente situacin


experimental. Se pretende estudiar el efecto de
la frecuencia de tres tonos auditivos, o variable
A, de igual intensidad (65 db). Para ello, se
decide registrar los tiempos de reaccin, en
milsimas de segundos, a la presentacin de
los tonos. De la variable independiente
-frecuencia de tono- se eligen tres valores: 300
cps. (condicin A1), 600 cps. (condicin A2) y
1200 cps. (condicin A3)
Modelo de prueba de hiptesis

Paso 1. Se asume, por hiptesis de nulidad,


que los efectos de los tratamientos son nulos.
Es decir,

H0: 1 = 2 = 3
Paso 2. Segn la hiptesis experimental o
hiptesis de efectividad se asume que, uno o
ms tratamientos o efectos es significativo
(distinto de cero). En trminos estadsticos se
afirma que:
H1: 1 2, o 1 3, o 2 3
H1: por lo menos una desigualdad
Paso 3. Se asume un modelo ANOVA de
aditividad. El estadstico de la prueba es la F
normal, a un nivel de significacin de = 0.05.
El tamao de la muestra experimental es
N=n=3.

Paso 4. El clculo del valor emprico de F se


realiza a partir de la correspondiente matriz de
datos, una vez ejecutado el experimento.
Matriz de datos del diseo
DISEO DE MEDIDAS REPETIDAS

TRATAMIENTOS

N. Sujeto A1 A2 A3 TOTALES

1 3.8 3.6 2.5 9.90


2 4.4 5.0 2.3 11.70
3 6.9 4.5 3.0 14.40
TOTALES 15.1 13.1 7.8 36

MEDIAS 5.03 4.37 2.6 4


ANOVA de medidas repetidas
Modelo estructural
Modelo aditivo

Yij i j ij
Descripcin y supuestos

Yij = la puntuacin del i sujeto bajo la j


condicin experimental o tratamiento
= la media global de todos los datos del
experimento
i = i = el efecto asociado al isimo
sujeto
j = j = el efecto de jsimo nivel de la
variable de tratamiento A
ij = el error experimental asociado al i
sujeto bajo el j tratamiento
..//..
Asimismo, para que el modelo sea vlido, se
asume que:

a) i NID(0,)
b) ij NID(0,)
c) = 11' + I
Cuadro resumen del ANOVA:
Diseo de medidas repetidas
F.V. SC g.l CM F p

Suj (S) 3.42 (n-1)=2 1.71 2.11 >0.05


Trat (A) 9.49 (a-1)=2 4.75 5.86 >0.05
SujxTrat (SxA) 3.25 (n-1)(a-1)=4 0.81

Total (T) 16.16 an-1=8

F0.95(2/4) = 6.94
Modelo de prueba de hiptesis

Paso 5. Dado que el valor emprico de F es


menor que el terico, se acepta la hiptesis de
nulidad relativa a la variable de sujetos y a la
de tratamiento, a un nivel del riesgo del cinco
por ciento.
Supuesto de uniformidad o simetra
compuesta

Segn esta restriccin, conocida por condicin


de uniformidad o simetra compuesta, se
asume una variancia comn para las distintas
medidas repetidas y una covariancia comn
para los diferentes pares de medidas (prueba
de Box, 1950)
= Matriz poblacional
H0 : =S
S = Matriz muestral

12 12 13
21 22 23

31 32 3
2

s12 s12 s13 s12 s12 s13 s12 s12 s13


s s 22 s 23 s s 22 s 23 . . . s 21 s 22 s 23
21 21
s31 s32 s32 s31 s32 s32 s31 s32 s32
S1 S2 Sn
Prueba de ajuste
Prueba de simetra combinada (Box, 1950)

H0: S =
Decisin estadstica

Se calcula el valor del estadstico B con distribucin


aproximada a chi-cuadrado y con [a + a - 4]/2 grados
de libertad:

B = (1 - C)M = (1 - 075)(15.2) = 3.8

[3 + 3 - 4]/2 = 4 g.l.
..//..
El valor terico de chi-cuadrado es
0.95 (4) = 9.49
Puesto que este valor es mayor que el valor
emprico calculado, 3.8 < 9.49, se infiere la
aceptacin de la hiptesis de nulidad y, por
tanto, que la matriz de variancia y covariancia
muestral se ajusta al patrn especfico asumido
en la poblacin.
Supuesto de esfericidad

Huynh y Feldt (1970) y Rouanet y Lepine


(1970) han mostrado que es suficiente el
cumplimento de una condicin ms dbil o
condicin de esfericidad (circularidad). Esta
condicin slo requiere que las variancias de
las diferencias entre todos los pares de
medidas repetidas sean iguales (prueba de
esfericidad de Mauchley, 1940)
Supuesto de homogeneidad del
ejemplo
Uniformidad Circularidad
Box(1950) Mauchley (1940)
o2 = 3.8 o2 = 0.479
g.l.= [p2+p-4]/2 =4 g.l.=[p(p-1)/2]-1=2
20.95(4) =9.49 20.95(2) =5.99

A(H0) p>0.05
Alternativas de anlisis del diseo de
medidas repetidas
F normal
ANOVA F conservadora
F ajustada
Diseo de
medidas
repetidas

MANOVA
Frmulas para el clculo de los grados
de libertad de las F 's
Grados de F normal F conservadora F ajustada
libertad de F

Numerador (a-1) 1 (a-1)

Denominador (n-1)(a-1) n-1 (n-1)(a-1)


Factores de ajuste

Epsiln de:

Greenhouse y Geisser (1959)


Huynh y Feldt (1970)
psilon de Greeenhouse y Geisser
(1959)

= 0.72
Valores tericos de las F 's de las distintas
pruebas, a un nivel de significacin de 0.05

Tipo de Grados de libertad Valor terico de


prueba Numerador Denominador F para = 0.05

Normal 2 4 6.94

Ajustada 1 3 10.13

Conservadora 1 2 18.51
Caso paramtrico. Ejemplo 2

Rauscher, Show y Ky (1993) estudiaron si la


audicin de la sonata K488 de Mozart
incrementaba el rendimiento en tareas
cognitivas. Se pidi a un total de 36
estudiantes que ejecutaran tres tareas de
razonamiento espacial. Previo a las tareas los
sujetos escuchaban, por un periodo de diez
minutos, una de las siguientes piezas: (a) la
sonata para dos pianos K488 de Mozart, (b)
msica de relajacin y (c) silencio. ..//..
Los efectos de orden se controlaron mediante
contrabalanceo entresujetos de las tres
audiciones. La variable dependiente fue la
puntuacin obtenida en la escala de
razonamiento espacial del Test de inteligencia
de Stanford-Binet.
Estadsticos descriptivos

Estimaciones

Medida: MEASURE_1
Intervalo de confianza al
95%.
Lmite
Periodo Media Error tp. Lmite inferior superior
Mozart 58.723 1.769 55.131 62.315
Relajacin 56.252 1.302 53.607 58.896
Silencio 52.853 2.009 48.775 56.931
Prueba de esfericidad

Prueba de esfericidad de Mauchlyb

Medida: MEASURE_1

a
Eps ilon
Chi-cuadrado Greenhous
Efecto intra-sujetos W de Mauchly aprox. gl Significacin e-Geiss er Huynh-Feldt Lmite-inferior
Ms ica .964 1.230 2 .541 .966 1.000 .500
Contras ta la hiptesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usars e para corregir los grados de libertad en las pruebas de s ignificacin promediadas . Las pruebas corregidas
s e muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Dis eo: Intercept
Dis eo intra s ujetos: Ms ica
ANOVA de medidas repetidas

Pruebas de efectos intra-sujetos.

Medida: MEASURE_1
Suma de
cuadrados Media
Fuente tipo III gl cuadrtica F Significacin
Ms ica Esfericidad as umida 625.440 2 312.720 3.547 .034
Greenhouse-Geiss er 625.440 1.931 323.834 3.547 .036
Huynh-Feldt 625.440 2.000 312.720 3.547 .034
Lmite-inferior 625.440 1.000 625.440 3.547 .068
Error(Ms ica) Esfericidad as umida 6172.125 70 88.173
Greenhouse-Geiss er 6172.125 67.598 91.307
Huynh-Feldt 6172.125 70.000 88.173
Lmite-inferior 6172.125 35.000 176.346