TEMA VI

ESQUEMA GENERAL Consideraciones generales

Diseo de bloques de grupos al azar. Modelo estructural y componentes de variacin Diseo de Cuadrado Latino. Modelo estructural y componentes de variacin Diseo jerrquico al azar. Modelo estructural y componentes de variacin
DISEOS EXPERIMENTALES MULTIGRUPO OPTIMIZADOS

Concepto
El principal objetivo de la experimentacin es el control de las fuentes de variacin extraas. La neutralizacin o control de las variables extraas incide directamente en la reduccin de la variacin del error. Es decir, las unidades varan con respecto a cualquier variable a excepcin de la controlada. Siendo esto as, el margen de variacin es menor que con la presencia de la variable extraa (o variable no controlada). ..//..

Desde la lgica de la experimentacin, una tcnica ideal consiste en eliminar los factores extraos. Ese ideal es imposible de conseguir, particularmente en contextos de investigacin social como conductual. Por esta razn, se han desarrollado unos procedimientos que, asociados a la propia estructura del diseo, permiten controlar una o ms variables extraas y neutralizar su accin sobre la variable dependiente.

Diseo de bloques de grupos al azar

Tcnica de bloques
Mediante la tcnica de bloques se pretende conseguir una mayor homogeneidad entre los sujetos o unidades experimentales intra bloque y una reduccin del tamao del error experimental. La formacin de bloques homogneos se realiza partir de los valores de una variable de carcter psicolgico, biolgico o social, altamente relacionada con la variable dependiente. ..//..

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 condicin representa un nivel o tratamiento de la variable independiente.

Diseo de bloques de grupos al azar

Con la tcnica de bloques se consigue una mayor homogeneidad entre los sujetos o unidades experimentales intra bloque y una reduccin del tamao del error experimental. La formacin de bloques homogneos se realiza partir de los valores de una variable de carcter psicolgico, biolgico o social, altamente relacionada con la variable dependiente. ..//..

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 condicin representa un nivel o tratamiento de la variable independiente.

Clasificacin

Diseo de un solo sujeto por casilla Diseo de bloques de grupos completamente al azar Diseo de dos o ms sujetos por casilla

Formato del diseo de bloques de grupos al azar

Bloques Tratamientos

A1

A2

.....

Aa

A1

A2

.....

Aa

...................................................................

A1

A2

.....

Aa

Caso 1. Un solo sujeto por tratamiento y bloque (casilla): Bloques

A1

Tratamientos
A2 S2 Aj Aa

B1

S1

Sj

Sa

B2

S1

S2

Sj

Sa

.. ..

Bk

S1

S2

Sj

Sa

Caso 2. Ms de un sujeto por tratamiento y bloque (casilla): Bloques

A1

Tratamientos
A2 n2 Aj Aa

B1

n1

nj

na

B2

n1

n2

nj

na

.. ..

Bk

n1

n2

nj

na

Ventajas de la tcnica de bloques

Segn Baxter (1940), son notorias las ventajas del diseo de bloques en investigacin psicolgica al neutralizarse una potencial fuente de variacin extraa que, en caso contrario, incrementara la variacin del error. En psicologa, la mayora de las fuentes de variacin extraas, directamente asociadas a la heterogeneidad de los datos, se derivan de las diferencias interindividuales. En consecuencia, son variables de sujeto que no slo distorsionan la accin de los tratamientos sino que tambin incrementan las diferencias entre las unidades. ..//..

Mediante la tcnica de bloques se consigue un material experimental mucho ms homogneo, se reduce la magnitud del error experimental y se incrementa el grado de precisin del experimento.

Modelos ANOVA del diseo

Modelo aditivo: un sujeto por casilla Yijk = + j + k + ijk (1) Modelo no aditivos: dos o ms sujetos por casilla Yijk = + j + k + ()jk + ijk (2)

MODELO ESTRUCTURAL DEL AVAR: DISEO DE BLOQUES

Yijk j k ijk Yijk j k ( )jk ijk

n>1

n=1

Sobre los modelos

El modelo aditivo asume que la interaccin de tratamientos por bloques es nula y, en consecuencia, que el dato es explicado por la combinacin lineal de los componentes de ecuacin anterior. Cuando no se cumple el supuesto de aditividad, el efecto cruzado o componente de no aditividad (interaccin de las condiciones experimentales con los bloques) se convierte en una fuente de variacin extra, es decir, el efecto de la combinacin de tratamientos por bloques ha de aadirse a los efectos ya presentes en el modelo. ..//..

En ausencia de interaccin, se aplica el modelo aditivo sin problema alguno. Ahora bien, cuando los sujetos de un determinado bloque responden a los tratamientos de forma diferente a como responden los sujetos de otro bloque, cabe la posibilidad de una interaccin de bloques por tratamientos. ..//..

Puesto que, de otra parte, el modelo de la ecuacin1 no refleja ese efecto combinado, y puesto que la variabilidad de este componente no es absorbida ni por la Suma de Cuadrados de tratamientos, ni por la Suma de Cuadrados de bloques, el efecto combinado pasa a engrosar el trmino de error. En ese caso, el trmino de error no slo contiene la variabilidad debida al muestreo, sino tambin la variabilidad debida al efecto de la interaccin. Y dado que con interaccin se incrementa o sesga positivamente el trmino de error, cabe esperar que el valor F sea negativamente sesgado. De esta forma, se incrementa la dificultad de detectar el efecto de los tratamientos.

Diseos de bloques aleatorizados (n=1)

Ejemplo prctico
Un investigador pretende estudiar la efectividad de tres mtodos distintos en la enseanza de las matemticas: mtodo tradicional (A1), mtodo de programacin (A2), y mtodo audio-visual (A3), para un determinado nivel escolar. Desde la perspectiva experimental, el problema podra resolverse formando tres grupos al azar de sujetos, uno para cada mtodo. Al finalizar el estudio, se pide a los sujetos del experimento que resuelvan un total de 10 problemas de clculo matemtico. La resolucin de esos problemas de matemticas es una medida de ejecucin que evala la efectividad de los mtodos de enseanza. ..//..

Ahora bien, como ocurre con la mayora de investigaciones del mbito educativo, se considera que el nivel intelectual de los escolares es una probable variable extraa capaz de contaminar los resultados del experimento. Para controlar esa variable, mediante la estructura de diseo, se elige un diseo de bloques de grupos al azar.

Procedimiento
El experimento se resuelve de la siguiente forma: en primer lugar, se forman 10 bloques con base a los valores de la variable Cociente Intelectual (CI). Cada bloque representa un determinado cociente intelectual, lo cual requiere la seleccin previa de los sujetos. As, para cada valor de CI se eligen tres sujetos o unidades del bloque. De esta forma, la variacin de los sujetos intra-bloque es menor que la de todos los sujetos de la muestra.

En segundo lugar, las unidades de los bloques se asignan al azar a los tratamientos de modo que, dentro del bloque, cada sujeto recibe un tratamiento distinto. Segn este procedimiento, slo se dispone de un sujeto por casilla o combinacin de bloque por tratamiento. As, cada bloque constituye una rplica entera del experimento.

Ilustracin de la tcnica de bloques

Variables Bloques I CI 94 A1 Tratamientos A2 A3 II CI 96 A1 A2 A3 III CI 98 A1 A2 A3 IV CI 100 A1 A2 A3 ..... X ..... CI 112 A1 A2 A3

Modelo de prueba estadstica

Paso 1. Se asume, por hiptesis de nulidad, que las medias de los grupos experimentales proceden de una misma poblacin y que, por consiguiente, son iguales: H0: 1 = 2 = 3 Paso 2. En la hiptesis alternativa se especifica que, por lo menos, hay una diferencia entre las medias de los tres tratamientos. En trminos estadsticos, se tiene: H1: por lo menos una desigualdad

Paso 3. Se elige, como prueba estadstica, el Anlisis de la Variancia (ANOVA), asumiendo el modelo aditivo y un nivel de significacin de = 0.05.
Paso 4. Realizado el experimento, se obtiene la matriz de datos del diseo. A partir de estos datos, se calculan las variancias para estimar el valor emprico de F, asumiendo el modelo de aditividad.

DISEO DE BLOQUES (n=1)

N. Bloque TRATAMIENTOS A1 A2 A3 TOTAL POR BLOQUE

1 2 3 4 5 6 7 8 9 10
TOTALES
MEDIAS

6 7 4 5 7 3 5 8 7 6 58 5.8

7 6 8 9 5 4 6 8 7 5 65 6.5

8 7 9 7 8 10 7 9 10 7 82 8.2

21 20 21 21 20 17 18 25 24 18 205 6.83

Modelo anova aditivo

Yijk = + j + k + ijk
se presupone que cada dato u observacin (Yijk) es una combinacin aditiva de la media total del experimento (), el efecto de un determinado tratamiento (j), el efecto de un bloque especfico (k) y el componente de error (ijk).

Clculo de las Sumas de Cuadrados

En funcin del modelo estructural de anlisis, se divide la Suma de Cuadrados total en los siguientes componentes aditivos: Suma de Cuadrados de tratamientos, Suma de Cuadrados de bloques y Suma de Cuadrados del error. SCtotal = SCtrat. + SCbloq. + SCerror

SCtotal = [(6) + (7) + ... + (7)] [(205)/30] = 88.16 SCtrat. = [(58)/10 + (65)/10 + (82)/10] [(205)/30] = 30.47 SCbloq. = [(21)/3 + (20)/3 + ... + (18)/3] [(205)/30] = 19.50 SCerror = SCtotal - SCtrat. - SCbloq. = 88.16 - 30.47 - 19.5 = 38.19

CUADRO RESUMEN DEL AVAR: DISEO DE BLOQUES (n=1)

F.V.
Trat (A) Bloques (B) Error (AxB) Total (T)

SC

g.l

CM

F
7.18 1.02

p
<0.05 >0.05

30.47 (a-1)=2 15.23 19.50 (b-1)=9 2.16 38.19 (a-1)(b-1)=18 2.12 88.16 ab-1=29

F0.95(2/18) = 3.55; F0.95(9/18) = 2.46

Modelo de prueba estadstica

Paso 5. Dado que el valor observado de F es menor que el terico, a un nivel de significacin de 0.05, se infiere que hay una diferencia significativa entre los tratamientos. Por otra parte, es posible probar la hiptesis sobre los bloques. ..//..

La hiptesis a probar, H0: 1 = 2 = ... = 10, tiene como trmino de contraste la variancia del error. Del anlisis se concluye la no diferencia, estadsticamente hablando, entre los bloques y se acepta, en consecuencia, la hiptesis de nulidad.

Diseos de bloques aleatorizados (n>1)

Ejemplo prctico
A partir del experimento descrito, a raz del diseo de bloques de un slo sujeto por casilla, considrese que hay tres sujetos por casilla. As, se tiene un total de nueve sujetos por bloque y tres sujetos por tratamiento intrabloque.

Modelo de prueba estadstica

Paso 1. Se definen tres hiptesis de nulidad para los efectos de tratamientos, bloques e interaccin. En trminos de efectos, esas hiptesis de nulidad son: H0: 1 = 2 = 3 = 0 H0: 1 = 2 = ... = 10 = 0 H0: a11 = a12 = ... = a310 = 0

Paso 2. La primera hiptesis alternativa coincide con la hiptesis experimental o hiptesis de efecto de tratamientos, la segunda se refiere al efecto de la variable de bloques y, por ltimo, la tercera recoge el efecto de la interaccin entre tratamientos y bloques. Las tres hiptesis alternativas toman la misma expresin. H1: por lo menos una desigualdad

Paso 3. La prueba estadstica se basa en el Anlisis de la Variancia (F de Snedecor), asumiendo el modelo estructural o de efectos propuesto y un nivel de significacin de = 0.05. Paso 4. Realizado el experimento, se obtiene la matriz de datos del diseo. Con estos datos, se estiman las variancias para calcular el valor emprico de F.

DISEO DE BLOQUES (n>1)

N. Bloque A1 TRATAMIENTOS A2 A3
TOTAL POR BLOQUE

1 2 3 4 5 6 7 8 9 10
TOTALES

6,5,3 (14) 7,5,4 (16) 3,5,4 (12) 6,5,5 (16) 7,5,8 (20) 5,3,4 (12) 6,4,5 (15) 7,6,9 (22) 6,8,7 (21) 7,6,7 (20) 168

6,7,5 (18) 5,6,5 (16) 7,6,7 (20) 8,7,9 (24) 5,4,7 (16) 5,6,4 (15) 7,6,5 (18) 8,7,9 (24) 6,9,6 (21) 5,6,4 (15) 187

7,6,9 (22) 7,4,6 (17) 9,10,7 (26) 7,8,6 (21) 9,10,7 (26) 10,9,8 (27) 8,6,5 (19) 9,10,7 (26) 8,10,9 (27) 6,8,7 (21) 232

54 49 58 61 62 54 52 72 69 56 587

Modelo anova no aditivo

Yijk = + j + k + ()jk + ijk
donde Yijk es cualquier dato u observacin del experimento, la media total del experimento, j el efecto de un determinado nivel de tratamiento, k el efecto de un determinado bloque, ()jk el efecto cruzado o efecto de la casilla, y ijk el error experimental. Por lo general, este modelo es de efectos fijos tanto para la variable de tratamiento como para la variable de bloques.

Clculo de las Sumas de Cuadrados

SCtotal = SCtrat. + SCbloq. + SCtrat.xbloq. + SCerror
SCtotal = [(6) + (7) + ... + (7)] [(587)/90] = 276.46 SCtrat. = [(168)/30 + (187)/30 + (232)/30] [(587)/90] = 72.03 ..//..

SCbloq. = [(54)/9 + (49)/9 + ... + (56)/9] [(587)/30] = 54.46

SCtrat.xbloq. = SCgrupos - SCtrat. - SCbloq. = [(14)/3 + (16)/3 + ... + (21)/3] [(587)/90] 72.03 54.46 = 61.97 SCerror = SCtotal SCtrat. SCbloq. SCtrat.xbloq. = 88.00

CUADRO RESUMEN DEL AVAR: DISEO DE BLOQUES (n>1)

F.V.
Trat (A) Bloques (B) Inter (AxB) Error (S/AxB)
Total (T)

SC

g.l

CM

F
24.50 4.11 2.34

p
<0.05 <0.05 <0.05

72.03 (a-1)=2 36.01 54.46 (b-1)=9 6.05 61.97 (a-1)(b-1)=18 3.44 88 ab(n-1)=60 1.47
276.46 abn-1=89

F0.95(2/60) = 4; F0.95(9/60) = 2.04; F0.95(18/60) = 1.786

Modelo de prueba estadstica

Paso 5. Dado que los valores observados de F son ms grandes que los tericos, al nivel de significacin de 0.05, se infiere la no-aceptacin de las tres hiptesis nulas y que, por tanto, son significativos los efectos asociados a las distintas fuentes de variacin.

Fin diseos de bloques

Diseo de Cuadrado Latino

Diseo de Cuadrado Latino

El diseo de Cuadrado Latino es un plan experimental donde cada tratamiento slo aparece una vez en cada fila y en cada columna. Asimismo, el Cuadrado Latino siempre requiere, por definicin, tres dimensiones de variacin a d niveles cada una. Los Cuadrados Latinos se representan tradicionalmente por tablas d x d, con letras en las casillas para simbolizar los niveles de la variable de tratamiento.

Segn Dowley y Wearden (1991), los diseos de Cuadrado Latino son formatos econmicos porque no requieren todas las combinaciones posibles entre las tres dimensiones de variacin. As, a ttulo de ejemplo, el formato de Cuadrado Latino 3 x 3 se representa en la tabla siguiente.

Formato del diseo de Cuadrado Latino

V. de bloque C A V. de bloque B B C B C A C A B

Cuadrado Latino y bloques

Las filas (variable B) y las columnas (variable C) son los valores de las variables de bloques o extraas, y las casillas los niveles de la variable de tratamiento (variable A). Si el experimento se resolviera con un diseo de doble bloqueo; es decir, con tres dimensiones a tres niveles, se tendra un total de 3x3x3 = 27 casillas. Con el formato de Cuadrado Latino, slo se realiza un 1/d parte del total; es decir, 1/3(27) = 9 casillas. Se tiene, por lo tanto, un formato ms econmico para probar el efecto de las distintas dimensiones o variables.

Propiedades bsicas
Con respecto al diseo de Cuadrado Latino, hay que tener en cuenta dos aspectos bsicos: a) en primer lugar, como se ha indicado, cada nivel o valor de la variable de tratamiento (variable A), debe aparecer una y slo una vez en cada fila y columna; b) en segundo lugar, la colocacin de las letras dentro de las casillas puede tomar varias formas asumiendo, como es obvio, la condicin anterior. ..//..

Cada disposicin de Cuadrado Latino, 3x3, 4x4, 5x5, etc, tiene una o ms formas estndar o prototpicas. Segn la forma estndar del Cuadrado Latino, las letras de la primera fila y la primera columna siguen el orden natural (el Cuadrado Latino 3x3 representado en la tabla es estndar). El Cuadrado Latino 3x3 tiene una forma estndar, pero a medida el orden del cuadrado es mayor se tiene ms de un formato estndar. A partir de las formas estndar, mediante intercambio de filas y columnas, se obtienen las formas derivadas. ..//..

As, el formato cuadrado 3x3 tiene una forma estndar, y (3!)(2!) - 1 = 11 formas derivadas. El total de Cuadrados Latinos de orden 3x3 son 12 (una estndar y 11 derivadas). El formato cuadrado 4x4 tiene cuatro formas estndar, cada una de las cuales genera (4!)(3!) - 1 = 143 forma derivadas. El total de disposiciones cuadradas 4x4 es de 4(144) = 576 Cuadrados Latinos. A medida que se aumenta el tamao de la dimensin, se dispara la cantidad de posibles formatos. Las principales formas estndar de los Cuadrados Latinos se encuentran en tablas publicadas Fisher y Yates (1953), y Cochran y Cox (1957).

Cuadrado Latino 3 x 3 Formato estndar o prototpico

A
B C

B
C A

C
A C

Formatos derivados del estndar: (3!)(2!) = 11 Total de formatos 3 x 3, incluyendo la prototpica: 11 + 1 = 12

Cuadrado Latino 4 x 4
Formatos estndares o prototpicos (1) (2) A B C D A B C D A B C D A B D A C B C D A B C A D B C D A B C D C B A D

(3) B C A D D A C B

D C B A

A B C D

(4) B C A D D B C A

D C A B

Formatos derivados de cada uno de los estndares: (1): (4!)(3!) 1 = 143 (2): (4!)(3!) 1 = 143 (3): (4!)(3!) 1 = 143 (4): (4!)(3!) 1 = 143 Total de formatos 4 x 4, incluyendo los prototpicos: 4 x 144= 576

Ejemplo prctico
Supngase, por ejemplo, que un investigador estudia el efecto de la longitud de lista sobre la memoria de recuerdo, con la tcnica de pares asociados; es decir, con listas de palabras asociadas al nmero uno o dos. Estas listas varan en longitud, de modo que la primera lista tiene cuatro palabras (condicin A1), la segunda seis palabras (condicin A2), y la tercera ocho palabras (condicin A3). Se trata de contabilizar la cantidad lecturas requeridas por el sujeto para conseguir asociar correctamente los dgitos a las palabras correspondientes. ..//..

Segn este procedimiento, cada sujeto realiza una lectura de la lista de pares asociados o lista de recuerdo y a continuacin recibe la misma lista o lista de prueba sin dgitos. La tarea del sujeto consiste en asociar el dgito uno o el dos a las palabras de la lista. Se prosiguen las lecturas y las pruebas hasta que el sujeto logra asociar correctamente todos los dgitos.

Experimento en Cuadrado Latino

Dadas las especiales caractersticas del experimento, el investigador considera oportuno controlar dos potenciales variables extraas, para extraer su efecto del error experimental. Estas variables son nivel de ansiedad del sujeto (variable B), y fatiga fsica o momento del da en que ejecuta el experimento (variable C). Se pretende, mediante la aplicacin del diseo de Cuadrado Latino, controlar esas dos fuentes extraas por su implicacin en la variable de respuesta. Asimismo, debido a la dificultad de encontrar sujetos con caractersticas ansigenas similares, se ha desestimado resolver el problema mediante la tcnica de doble bloqueo completo. ..//..

El formato de Cuadrado Latino requiere la seleccin de tres niveles de variable B, ansiedad baja (B1), ansiedad media (B2) y ansiedad alta (B3), y tres niveles de la variable fatiga fsica, maana (C1), tarde (C2) y noche (C3). Puesto que se trata de un diseo con un sujeto por casilla y con formato cuadrado 3x3, hay un total de d = 9 sujetos (siendo d la cantidad de valores por dimensin).

Modelo de prueba estadstica

Paso 1. Se especifican las hiptesis de nulidad. La hiptesis principal recoge el efecto de los tratamientos, y las hiptesis secundarias los efectos de filas y columnas. Hiptesis principal H0: 1 = 2 = 3 = 0 Hiptesis secundarias H0: 1 = 2 = 3 = 0 H0: 1 = 2 = 3 = 0

Paso 2. La primera hiptesis alternativa est asociada a la hiptesis experimental o hiptesis sobre los tratamientos, y las dos hiptesis alternativas estn asociadas a los efectos de filas y columnas, respectivamente. Estas tres hiptesis alternativas tienen la misma expresin. H1: por lo menos una desigualdad

Paso 3. La prueba estadstica se basa en el Anlisis de la Variancia (F de Snedecor), asumiendo el modelo aditivo y un nivel de significacin de 0.05. Paso 4. Terminado el experimento, se obtiene la correspondiente matriz de datos. De estos datos, se estiman las variancias para el clculo del valor emprico de F.

Matriz de datos del diseo de Cuadrado Latino 3 x 3

C1 B1 B2 B3 Totales: (A1) 6 (A3) 17 (A2) 15 38 C2 (A2) 10 (A1) 6 (A3) 18 34 C3 (A3) 15 (A2) 12 (A1) 7 34 Totales 31 35 40 106

Modelo anova
El modelo aditivo del diseo Cuadrado Latino es:

Yijk = + i + j + k + ijk
donde Yijk es cualquier dato de la matriz, constante o media global del experimento, i el efecto del i tratamiento, j el efecto de la j fila, k el efecto de la k columna, y ijk el error experimental o de muestreo. Se asume que el error tiene una distribucin independiente y normal con media cero y variancia constante (s). La aplicacin correcta del modelo requiere, tambin, asumir la no presencia de interacciones entre i y j, i y k, y entre j y k; es decir, se asume que ()ij = 0, ()ik = 0, y ()jk = 0.

Clculo de las Sumas de Cuadrados

Segn el modelo estructural propuesto, la Suma de Cuadrados total se divide en: Suma de Cuadrados de tratamientos, Suma de Cuadrados de filas, Suma de Cuadrados de columnas, y Suma de Cuadrados del error. SCtotal = SCtrat. + SCfilas + SCcolum. + SCerror SCtotal = (6) + (17) + ... + (7) - (106)/9 = 179.56 ..//..

El clculo de las Sumas de Cuadrados de tratamientos (Variable A) requiere, como paso previo, la agrupacin de los distintos valores de la matriz por cada tratamiento. Tratamiento A1 = 6 + 6 + 7 = 19 Tratamiento A2 = 10 + 12 + 15 = 37 Tratamiento A3 = 15 + 17 + 18 = 50 ..//..

De esos totales se deriva la variacin de los tratamiento. SCtrat. = [(19)/3 + (37)/3 + (50)/3] (106)/9 = 161.55 SCfilas = [(31)/3 + (35)/3 + (40)/3] (106)/9 = 13.55 SCcolum. = [(38)/3 + (34)/3 + (34)/3] (106)/9 = 3.55 SCerror = SCtotal - SCtrat. - SCfilas - SCcolum. = 0.91

Resultado del anova

Cuadro resumen del ANOVA: diseo Cuadrado Latino 3x3 F.V. SC g.l. CM F p

Tratamientos(A) 161.55 (d -1) = 2 80.77 179.49 < 0.01 Filas(B) 13.55 (d -1) = 2 6.77 15.04 > 0.05 Columnas(C) 3.55 (d -1) = 2 1.77 3.93 > 0.05 Error(residual) 0.91 (d -1)(d -2) = 2 0.45 Total 179.56 d- 1 = 8

F0.95(2/2) = 19; F0.95(2/2) = 99

Modelo de prueba estadstica

Paso 5. De los resultados del anlisis se infiere que el efecto de los tratamientos es muy significativo, con probabilidad de error del uno por ciento. En cuanto a las variables extraas, tanto el efecto de filas como el de columnas no son significativos al 5% y se aceptan las hiptesis de nulidad.

Diseos jerrquico o anidado

Diseo anidado o jerrquico

El diseo anidado, conocido tambin por diseo jerrquico, es un formato de investigacin frecuentemente utilizado en mbitos educativos, sociales y clnicos aplicados. Inicialmente, recibi el nombre de diseo de grupos intra-tratamientos, dado que los grupos se anidan dentro de los distintos valores de la variable de tratamiento. As, los distintos grupos son asignados a los niveles de la variable independiente, no dndose una relacin de combinacin entre la variable de grupos y la variable de tratamiento. ..//..

En otras palabras, los valores de la variable de grupos no se repiten para los valores de la variable de tratamiento. Definida la estructura de anidacin de los grupos intra tratamientos, de cada grupo se eligen al azar los sujetos experimentales

Formato del diseo jerrquico

Representacin grfica del diseo jerrquico simple. Tratamientos A1 Grupos anidados intra-tratamientos G1(1) G2(2) G3(3) S1 Sujetos intra-grupos S2 . . Sn S1 S2 . . Sn S1 S2 . . Sn A2 G4(1) G5(2) G6(3) S1 S2 . . Sn S1 S2 . . Sn S1 S2 . . Sn

Diseo jerrquico al azar

A1

A2

A3

B1(1) B2(2) B3(3) B4(1) B5(2) B6(3) B7(1) B8(2) B9(3)

G1

G2

G3

G4

G5

G6

G7

G8

G9

Sujetos

Sujetos

Sujetos

Sujetos

Sujetos

Sujetos

Sujetos

Sujetos

Sujetos

Ventajas
Desde el punto de vista prctico, esta estructura de diseo permite estimar el efecto de los grupos; es decir, el posible efecto social o institucional que el grupo ejerce sobre el individuo. La pertenencia a un grupo determinado (aula, centro, barrio, etc.) es capaz determinar, en muchos casos, la actuacin de los individuos. De ah, la ventaja de los diseos jerrquicos ya que se introduce en el modelo ese posible efecto y, por esa razn, se controla.

Fuentes de variacin del diseo

1. La variacin de los tratamientos o niveles de la variable independiente (A). 2. La variacin de los grupos o variable anidada (B). Tngase en cuenta que la especial composicin del grupo puede afectar a la variabilidad de las unidades y los datos. 3. Por ltimo, la variacin de las diferencias individuales es una fuente residual y determina la variacin del error.

Clasificacin

De un nivel Diseo jerrquico De dos o ms niveles

Caso paramtrico. Ejemplo

Se pretende estudiar la eficacia de tres mtodos distintos de comprensin verbal, en escolares de primer nivel de enseanza bsica. A tal propsito, se eligen los tres mtodos siguientes: mtodo tradicional (A1), audio-visual (A2) y economa de fichas (A3). Para ejecutar el experimento, se obtienen muestras aleatorias de n = 6 sujetos de seis escuelas diferentes con idntico nivel escolar. ..//..

Al mismo tiempo, se pretende controlar el posible efecto institucional de la escuela sobre los individuos. Finalizada la experiencia, se aplica a los escolares una prueba de comprensin verbal de 40 tems.

Modelo de prueba estadstica

Paso 1. En trminos de efectos de la variable de tratamiento, se asume su nulidad. Es decir, asume que los tres efectos son cero: H0: 1 = 2 = 3 = 0 La hiptesis secundaria relativa al factor anidado se expresa por: H0: 1 = 2 = 3 = 4 = 5 = 6 = 0

Paso 2. La hiptesis alternativa, asociada a la hiptesis experimental, especifica que hay al menos una diferencia o desigualdad entre los tres niveles de tratamiento. H1: por lo menos una desigualdad Esta hiptesis es comn tanto para la variable de tratamientos como para la variable de grupos.

Paso 3. La prueba estadstica es el Anlisis de la Variancia (estadstico F), con modelo aditivo y nivel de significacin de = 0.05.
Paso 4. De la ejecucin del experimento, se obtienen la correspondiente la matriz de datos. Con estos datos se estiman las variancias y se computan los valores empricos de las F correspondientes a las hiptesis nulas planteadas.

Datos del experimento

Matriz de datos del diseo jerrquico simple Tratamientos A1 A2 A3 Grupos G1(1) G2(2) G3(1) G4(2) G5(1) G6(2) S u j e t o 1 2 3 4 5 6 6 14 20 13 10 18 10 25 11 18 16 21 101 11 16 19 24 30 29 156 31 19 27 24 27 28 129 14 25 35 20 34 40 168 18 35 37 38 29 33 190 825

Totales: 81

Modelo ANOVA del diseo

Yijk = + j + k/j + ij

Yijk = cualquier observacin o dato del experimento. = la constante o media total del experimento. j = el efecto de un determinado nivel jota de la variable de tratamiento. k/j = el efecto del k nivel del factor de grupos o factor anidado de carcter aleatorio y se asume que tiene una distribucin normal e independiente con media cero y variancia constante (s). ijk = la variable aleatoria de error que se asume es independiente y normalmente distribuida con media cero y variancia constante (s).

Descomposicin de las Sumas de Cuadrados del ANOVA

SCtotal = SCgrupos + SCintra-grupos Segn esa primera descomposicin, la variable de grupos est formada por ab grupos (siendo a la cantidad de tratamientos, y b la cantidad de grupos por tratamiento). Ntese que la variacin total se divide en dos grandes fuentes, la variacin entre grupos (B) y la variacin intra-grupos. A su vez, la variabilidad asociada a los grupos se divide en: variabilidad entre los tratamientos (A) y variabilidad de los grupos intra niveles de A. ..//..

Sumas de Cuadrados del ANOVA

SCgrupos = SCA + SCB/A
As, se consigue la estructura definitiva del diseo: SCtotal = SCA + SCB/A + SCS/B/A

Clculo de las Sumas de cuadrados

SCtotal = (6) + (14)+ ... + (33) - (825)/36 = 2877.75
SCgrupos = [(81)/6 + (101)/6 + ... + (190)/6] (825)/36 = 1437.58 SCerror = (6) + (14) + ... + (33) - [(81)/6 + (101)/6 + ... + (190)/6] = 1440.17

Clculo de las Sumas de cuadrados

SCtrat. = [(81+101)/12 + ... + (168+190)/12] - (825)/36 = 1303.17
SCgrupos/trat. = SCgrupos - SCtrat. = [(81) + (191) + ... + (190)]/6 - [(81+101)/12 + (129+156)/12 + (168+190)/12] = 134.41

Resultado del ANOVA

Diseo jerrquico simple

F.V.

SC

g.l. CM

Entre grupos 1437.58 5 Tratamientos (A) 1303.17 2 651.59 14.54 <0.05 Grupos intra (B/A) 134.41 3 44.80 0.93 >0.05 Error (S/B/A) 1440.17 30 48.01

Total

2877.75 35

F0.95(2/3) = 9.55; F0.95(3/30) = 2.92

Hiptesis de nulidad del diseo

Trminos de contraste o denominadores de las razones F de las pruebas de las hiptesis de nulidad del experimento F.V. F F0.95 Entre tratamientos CMA/CMB/A = 14.54 Entre grup. intra A CMB/A/CMS/B/A = 0.93 9.55 2.92

Modelo de prueba estadstica

Paso 5. Del resultado del anlisis de del diseo anidado o jerrquico de un solo factor, se concluye la no-aceptacin de la hiptesis de nulidad para la variable de tratamiento y s, en cambio, para la variable de grupos.

Fin del tema VI