Download - TEMA VI
![Page 1: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/1.jpg)
TEMA VI
![Page 2: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/2.jpg)
Definición general
Clasificación
Caso paramétrico: análisis estadísticos aplicables
Formato del diseño multigrupo completamente al azar, modelo estructural y componentes de variación
DISEÑOS EXPERIMENTALES MULTIGRUPO
ESQUEMA GENERAL
![Page 3: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/3.jpg)
Concepto
Los diseños multigrupo, de uso frecuente en ciencia psicológica y social, son estructuras de una sola variable independiente a tres o más valores o niveles. Al seleccionar más de dos valores de la variable independiente o causal, es posible extraer la relación funcional entre la variable independiente y dependiente del experimento. Por dicha razón, estas estructuras se conocen por experimentos funcionales o paramétricos (Plutchik, 1968)
![Page 4: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/4.jpg)
Clasificación
![Page 5: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/5.jpg)
Aleatorización Diseño multigrupo (de tres o más grupos completamente al azar
Constancia Diseño de Bloques de grupos al azar
Diseño de Cuadrado Latino
Diseño Jerárquico
El sujeto como control propio
Diseño de medidas repetidas con tres o más tratamientos (Sujetos x Tratamientos)
Técnica de control Diseño
![Page 6: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/6.jpg)
Diseño multigrupo al azar
![Page 7: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/7.jpg)
Diseño multigrupo al azar
El diseño multigrupo totalmente al azar requiere la asignación aleatoria de los sujetos de la muestra a los distintos grupos, sin restricción alguna. Se trata de una extensión del diseño de dos grupos, ya que en esta situación se eligen de la variable de tratamiento más de dos valores o condiciones.
![Page 8: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/8.jpg)
Formato del diseño de multigrupo al azar
![Page 9: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/9.jpg)
Muestra experimental
Asignación aleatoria
Tratamientos
.…………
A1 A2 … Aj … Aa
Sujetos
Sujetos
Sujetos
![Page 10: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/10.jpg)
Análisis aplicables
![Page 11: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/11.jpg)
Prueba de significación general
Si la V. Independiente es categórica
Si la V. Independiente es cuantitativa
ANOVA unidireccional
Comparaciones múltiples
Análisis de tendencias
![Page 12: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/12.jpg)
Caso paramétrico. Ejemplo 1
Supóngase que se pretende probar si la cantidad de repasos es una variable decisiva en la retención (memoria de recuerdo), para un conjunto de palabras monosílabas de igual valor asociativo. De la variable independiente o variable repaso se seleccionan los siguientes valores: presentación de la lista sin repaso (condición A1), dos presentaciones de la lista, siendo la segunda presentación un repaso (condición A2), tres presentaciones y dos repasos (condición A3) y, por último, cuatro presentaciones y tres repasos (condición A4) ..//..
![Page 13: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/13.jpg)
Se instruye a los sujetos que lean en voz alta cada uno de los ítems presentados, a un ítem por segundo. Al terminar las lecturas, los sujetos realizan una prueba de memoria de recuerdo consistente en restituir o recuperar de la memoria la mayor cantidad de ítems. La medida de la variable dependiente es la cantidad de respuestas o ítems correctamente recordados. Asumiendo que cada ítem tiene la misma dificultad de recuerdo, se considera que la escala de medida es de intervalo.
![Page 14: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/14.jpg)
Modelo de prueba estadística
Paso 1. La hipótesis de nulidad asume que las medias de los grupos experimentales proceden de una misma población y, por consiguiente, son idénticas:
H0: μ1 = μ2 = μ3 = μ4
Paso 2. La hipótesis experimental asume que la
cantidad media de palabras recordadas variará positivamente en función de la cantidad de repasos. En términos estadísticos:
H1: μ1 < μ2 < μ3 < μ4
![Page 15: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/15.jpg)
Paso 3. Se aplica una prueba de significación general o prueba ómnibus, cuyo estadístico es la F de Snedecor. El nivel de significación de α = 0.05.
El tamaño de la muestra experimental y las submuestras de tratamiento son:
N = 20 y n = 5.
F0.95(3/16) = 3.24
Paso 4. Tras la ejecución del experimento, se calcula el valor empírico de F, a partir de la matriz de datos.
![Page 16: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/16.jpg)
Matriz de datos del diseño
![Page 17: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/17.jpg)
41
8.2
33
6.6
25
5
12
2.4
9
7
8
9
8
6
7
8
7
5
4
3
5
7
6
2
1
3
4
2
A4A3A2A1
TRATAMIENTOS
DISEÑO MULTIGRUPO
Totales:Medias:
111
5.5
![Page 18: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/18.jpg)
ANOVA unidireccional
![Page 19: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/19.jpg)
Modelo estructural del ANOVA: Diseño multigrupo
ijjijY
![Page 20: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/20.jpg)
Especificación de modelo del ANOVA
Yij = la puntuación del i sujeto bajo la j condición experimental o tratamiento.
μ = la media global de los datos del experimento.
αj = μj - μ, es el efecto o impacto del j nivel de la variable de tratamiento A.
εij = Yij - μj, es el error experimental asociado al i sujeto bajo el j tratamiento.
Para que el modelo sea válido, se especifican las siguientes condiciones:
Σαj = 0 y εij NID(0, σ²)
![Page 21: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/21.jpg)
Cuadro resumen del ANOVA: Diseño multigrupo
F0.95(3/16) = 3.24
an-1=19 114.95Total (T)
<0.0521.0830.58
1.45
(a-1)=3
a(n-1)=16
91.75
23.20
Trat (A)
Error (S/A)
pFCMg.lSCF.V.
![Page 22: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/22.jpg)
Modelo de prueba estadística
Paso 5. Dado que el valor observado de F es mayor que el valor teórico al 5% y en función de los grados de libertad correspondientes, se rechaza la hipótesis de nulidad y se acepta la hipótesis alternativa o hipótesis experimental a este nivel de significación.
![Page 23: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/23.jpg)
Supuesto de homogeneidad
Igualdad de las variancias de los grupos:
H0: σ1² = σ2² = ... = σj²
![Page 24: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/24.jpg)
Prueba de la homogeneidad
Hartley: cuando n por grupo es constante
mayor de las variancias s²mayor
Fmax = ----------------------------------- = -------------
menor de las variancias s²menor
![Page 25: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/25.jpg)
Prueba del supuesto de homogeneidad de las variancias
60.20)4/4(
42.37.0
5.2
95.0
max
max
F
F
70
31
52
31
24
23
22
21
.s
.s
.s
.s
j/(n-1)
2
2
menor
mayormax s
sF
![Page 26: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/26.jpg)
Resultado de la prueba
Entrando en la tabla de Fmax, con los parámetros correspondientes y a un nivel de significación de 0.05, el valor teórico de Fmax 0.95(4/4) es 20.60. Dado que el valor observado del estadístico es más pequeño que el de las tablas, se acepta la hipótesis de nulidad o supuesto de homogeneidad de las variancias.
![Page 27: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/27.jpg)
Comparaciones múltiples
![Page 28: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/28.jpg)
Contrastes de medias
Las comparaciones o contrastes se efectúan, por lo general, entre las medias de los grupos de tratamiento. Genéricamente, una comparación entre k medias es la combinación lineal o suma ponderada de medias. Antes de examinar los distintos procedimientos de comparaciones múltiples, proponemos una clasificación práctica para su descripción.
![Page 29: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/29.jpg)
Comparaciones múltiples
A priori o planificadas
No ortogonales
Ortogonales
A posteriori o no planificadas
Fisher
Duncan
Tukey
Scheffé
Dunnet
Newman-Keuls
![Page 30: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/30.jpg)
Contrastes a priori o planificados
Las comparaciones a priori o planificadas se formulan de acuerdo con los intereses previos o teóricos del investigador, y se plantean antes de obtener los resultados del experimento. Según su naturaleza, las comparaciones planificadas son no ortogonales y ortogonales.
![Page 31: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/31.jpg)
Contrastes no ortogonales
Suma algebraica de las medias de los tratamientos ponderadas por unos coeficientes que cumplen la condición de linealidad:
Σaj = 0 _ _ _ _
c = a1Y.1 + a2Y.2 + ... + ajY.j = ΣajY.j
![Page 32: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/32.jpg)
Cinco hipótesis de nulidad para los contrastes no ortogonales
1. H0 = μ2 - μ1 = 0
Dos lecturas de la lista (condición A2) no difiere de una sola lectura (condición A1)
2. H0 = μ3 - μ1 = 0
Se asume la igualdad entre la condición tres (A3) y uno (A1) ..//..
![Page 33: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/33.jpg)
3. H0 = μ4 - μ1 = 0
Se asume la igualdad entre cuatro lecturas (condición A4) y una sola lectura (condición A1) ..//..
![Page 34: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/34.jpg)
4. H0 = μ3 - 1/2(μ1 + μ2) = 0
Se establece la igualdad entre tres lecturas y el promedio entre una y dos lecturas.
5. H0 = μ4 - 1/3(μ1 + μ2 + μ3) = 0
Se define la igualdad entre cuatro lecturas y el promedio de las restantes.
![Page 35: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/35.jpg)
Reformulación de las hipótesis nulas en combinaciones lineales
1. (-1)μ1 + (1)μ2 + (0)μ3 + (0)μ4 = 0
2. (-1)μ1 + (0)μ2 + (1)μ3 + (0)μ4 = 0
3. (-1)μ1 + (0)μ2 + (0)μ3 + (1)μ4 = 0
4. (-1/2)μ1 + (-1/2)μ2 + (1)μ3 + (0)μ4 = 0
5. (-1/3)μ1 + (-1/3)μ2 + (-1/3)μ3 + (1)μ4 = 0
![Page 36: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/36.jpg)
Comparaciones múltiples a priori: no ortogonales
1.331-1/3-1/3-1/3c5
1.501-1/2-1/2c4
2100-1c3
2010-1c2
2001-1c1
a4a3a2a1Contraste
Coeficientes
Σa²j
![Page 37: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/37.jpg)
Prueba de las hipótesis de nulidad
Paso 1. Cálculo del valor empírico del contraste.
c1 = (-1)2.4 + (1)5.0 + (0)6.6 + (0)8.2 = 2.6
c2 = (-1)2.4 + (0)5.0 + (1)6.6 + (0)8.2 = 4.2
c3 = (-1)2.4 + (0)5.0 + (0)6.6 + (1)8.2 = 5.8
c4 = (-1/2)2.4 + (-1/2)5.0 + (1)6.6 + (0)8.2 = 2.9
c5 = (-1/3)2.4 + (-1/3)5.0 + (-1/3)6.6 + (1)8.2 = 3.53
![Page 38: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/38.jpg)
Paso 2. Cálculo del error estándar del contraste.
a²1 a²2 a²j
σc sc = s²e (------ + ------ + ... + ------)
n n n
CMe
= -----------Σa²j
n
..//..
![Page 39: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/39.jpg)
donde s²e = CMe es la variancia del error o Cuadrado Medio del error del Análisis de la Variancia. Así, se obtienen los errores estándar de los distintos contrastes que se muestran en la siguiente pantalla. ..//..
![Page 40: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/40.jpg)
(1.45)2
sc1 = -------------- = 0.76 5 (1.45)2
sc2 = -------------- = 0.76 5 (1.45)2
sc3 = --------------- = 0.76 5 (1.45)1.5
sc4 = --------------- = 0.66 5 (1.45)1.33
sc5 = ---------------- = 0.62 5
![Page 41: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/41.jpg)
Paso 3. A continuación, se prueba la significación del contraste mediante el estadístico t o F. Cuando se utiliza este segundo estadístico, es necesario calcular las Sumas de Cuadrados de los contrastes, aplicando la siguiente expresión:
c²
SCc = ---------
Σ(a²j/n)
..//..
![Page 42: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/42.jpg)
El valor de los respectivos estadísticos de la prueba se obtienen de las ecuaciones siguientes: c t = -------, y
sc CMc F = --------- CMe Puesto que cada contraste tiene un solo grado de libertad, el valor del Cuadrado Medio es la correspondiente Suma de Cuadrados. ..//..
![Page 43: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/43.jpg)
69.562.0
53.3
39.466.0
9.2
65.776.0
8.5
53.576.0
2.4
42.376.0
6.2
62.05
33.1)45.1(
66.05
5.1)45.1(
76.05
2)45.1(
76.05
2)45.1(
76.05
2)45.1(
5
4
3
2
1
Sc
Sc
Sc
Sc
Sc
cs
ct 2
jerror
c an
CMs
![Page 44: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/44.jpg)
1
1
1
1
1
g.l
3.3245.1
84.46
33.1945.1
03.28
5845.1
1.84
41.3045.1
1.44
66.1145.1
9.16
8446331
5335
032851
925
1842
855
1442
245
9162
625
2
5
2
4
2
3
2
2
2
1
..
).)((SCc
..
).)((SCc
.).)((
SCc
.).)((
SCc
.).)((
SCc
error
c
CM
CMF 2
2
j
c a
ncSC
![Page 45: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/45.jpg)
Cuadro resumen de los valores de t y F
![Page 46: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/46.jpg)
Cuadro resumen del cálculo de las Sumas de Cuadrados y de los valores de t y F
Valores t Valores F 2.6 16.9
c1 = -------- = 3.42 -------- = 11.66 0.76 1.45 4.2 44.1 c2 = -------- = 5.53 -------- = 30.41
0.76 1.45
5.8 84.1 c3 = -------- = 7.65 -------- = 58 0.76 1.45 ..//..
![Page 47: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/47.jpg)
Valores t Valores F
2.9 28.03
c4 = --------- = 4.39 --------- = 19.33 0.66 1.45 3.53 46.84
c5 = --------- = 5.69 --------- = 32.3 0.62 1.45
![Page 48: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/48.jpg)
Paso 4. Entrando en la tabla de t, con los grados de libertad asociados al término de error del ANOVA y a un nivel de significación del 5%, se tiene
t0.95 (16) = 2.12
De igual modo, entrando en la tabla de F, se tienen
F0.95(1/16) = 4.49
De esto se concluye que todos los contrastes son significativos.
![Page 49: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/49.jpg)
Contrastes ortogonales
La propiedad básica de las comparaciones ortogonales es que reflejan piezas de información independientes y que el resultado de una comparación no tiene relación alguna con el resultado de cualquier otra. Bajo el supuesto de ortogonalidad, dos comparaciones son independientes cuando la suma de los productos cruzados de los coeficientes es cero, es decir, la condición de ortogonalidad entre dos comparaciones cumple la siguiente restricción:
(Σajak = 0)
![Page 50: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/50.jpg)
Tres hipótesis de nulidad para los contrastes ortogonales
1. H0 = μ2 - μ1 = 0Dos lecturas de la lista (condición A2) no difiere de una sola lectura (condición A1)
3. H0 = 2μ3 – (μ1 + μ2) = 0Se establece la igualdad entre tres lecturas y el promedio entre una y dos lecturas.
5. H0 = 3μ4 - (μ1 + μ2 + μ3)= 0Se define la igualdad entre cuatro lecturas y el promedio de las restantes.
![Page 51: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/51.jpg)
Coeficientes de los contrastes ortogonales
123-1-1-1c3
60 2-1-1c2
20 0 1-1c1
a4a3a2a1Contraste
Coeficientes 2ja
![Page 52: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/52.jpg)
Supuesto de ortogonalidad entre dos contrastes
Ejemplo: entre el contraste uno y dos:
(-1)(-1) + (1)(-1) + (0)(2) + (0)(0) = 0
![Page 53: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/53.jpg)
Suma de cuadrados del contraste
nc²
SCC = --------
Σa²j
![Page 54: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/54.jpg)
Razones F
16.90
F1 = ------------ = 11.66 1.45
28.03
F2 = ------------ = 19.33 1.45 46.28
F3 = ----------- = 32.39 1.45
![Page 55: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/55.jpg)
Valor teórico de F
Entrando en la tabla de la distribución F, el valor teórico del estadístico es F0.95(1/16) = 4.49
![Page 56: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/56.jpg)
Características de los contrastes ortogonales
Una propiedad característica de las comparaciones ortogonales es la descomposición de la Suma de Cuadrados de tratamientos del ANOVA en tantos componentes ortogonales (independientes) como grados de libertad de esa fuente de variación (se dispone de un grado de libertad por componente)
Siguiendo con el ejemplo propuesto, la Suma de Cuadrados de tratamientos, SCA, tiene a - 1 grados de libertad y, como consecuencia, tres componentes ortogonales (siendo a igual a cuatro)
![Page 57: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/57.jpg)
Propiedades de los contrastes ortogonales
SCC1 1g.l. (16.9)
SCA SCC2 1g.l.(28.03)
(91.75)
SCC3 1g.l.(46.82)
![Page 58: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/58.jpg)
Desventajas de los contrastes a priori o planificados
Se corre el riesgo de cometer más errores de Tipo I al asumir como verdadera la hipótesis de nulidad; es decir, hay la posibilidad de realizar más rechazos falsos de la hipótesis de nulidad o de no efectos. En línea con esa problemática, es conveniente distinguir dos tipos de errores: Error de Tipo I por comparación (PC) y tasa de error por familia (PF). El error PC, simbolizado por α, es la probabilidad de cometer un error de Tipo I por comparación. ..//..
![Page 59: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/59.jpg)
Si α es 0.05, la probabilidad es 0.05. Por el contrario, la tasa de error PF, αPF, es la probabilidad de cometer uno o más errores de Tipo I en un conjunto de comparaciones. La relación entre estos dos errores y la probabilidad de cometer al menos un error de Tipo I es
αPF = 1 - (1 - α)c
![Page 60: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/60.jpg)
Cálculo del error PF
Así, con cinco comparaciones (c = 5), y un α de 0.05, la probabilidad de cometer un error PF es 1 - 0.955 = 0.23. De forma aproximada, esa probabilidad se calcula por (c)(α), 5(0.05) = 0.25. En el caso de las comparaciones ortogonales estudiadas, la probabilidad de rechazar una de las hipótesis de nulidad siendo verdadera es 1 - (0.95)3 = 0.14. Esta probabilidad tiende a aumentar con el número de comparaciones independientes. ..//..
![Page 61: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/61.jpg)
Así, para un conjunto de comparaciones independientes, es posible que algunas sean significativas como resultado de la propia metodología. Para evitar esas dificultades se aplican las comparaciones a posteriori, post hoc, o comparaciones simultáneas.
![Page 62: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/62.jpg)
Cantidad de contrastes planificados
La cantidad de comparaciones planificadas a partir de un número dado de tratamientos, a, es
(3a - 1)
1 + ------------- - 2a
2 ..//..
![Page 63: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/63.jpg)
Si, como en el experimento propuesto, a = 4 (cuatro tratamientos), entonces hay 1 + (34 - 1)/2 - 24 = 25 comparaciones. De las cuales, [4(4 - 1)]/2 = 6, son comparaciones entre pares y 19 son comparaciones de combinaciones de tratamientos. En la práctica, no se formulan las 25 comparaciones posibles, sino tan sólo las que tienen interés teórico. Dado que existe una probabilidad calculada de cometer un falso rechazo de la hipótesis de nulidad, en una de esas comparaciones, es posible controlar el error por conjunto o familia de comparaciones a un nivel aceptable.
![Page 64: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/64.jpg)
Corrección de Bonferroni o de Dunn
Supóngase, como hipótesis de trabajo, que se efectúan cinco comparaciones planificadas, con un α de 0.05. La tasa de error PF es, en este caso, 5(0.05) = 0.25. Para reducir este error, se escoge simplemente un valor más pequeño de α, por ejemplo 0.01. De este modo, la tasa de error PF es ahora de 5(0.01) = 0.05. Esta corrección, conocida como prueba de Bonferroni o prueba Dunn, consiste en dividir tasa de error PF deseada por la cantidad de comparaciones (0.05/5 = 0.01)
![Page 65: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/65.jpg)
Contrastes no planificados o a posteriori
El objetivo de los contrastes no planificados es obtener el máximo de información de los datos de un experimento. Los contrastes no planificados son procedimientos para efectuar comparaciones a posteriori. Estos procedimientos poseen, de otra parte, la ventaja de mantener constante la probabilidad de cometer errores de Tipo I cuando se toma la decisión estadística. ..//..
![Page 66: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/66.jpg)
Los métodos propuestos se conocen por comparaciones simultáneas.
Con comparaciones no planificadas, a posteriori o post hoc, los pruebas estadísticas citadas van encaminados a reducir el tamaño de la región crítica, y controlan el error PF mediante el ajuste del valor alfa. ..//..
![Page 67: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/67.jpg)
Con comparaciones no planificadas o post hoc, hay técnicas encaminadas a reducir el tamaño de la región crítica, que controlan el error PF mediante el ajuste del valor alfa.Entre los distintos métodos, se encuentran las pruebas de Scheffé (1959), Tukey (1953), Newman-Keuls (Newman, 1939 y Keuls, 1952), Duncan (1953), y Dunnett (1955).
![Page 68: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/68.jpg)
Análisis de tendencias
![Page 69: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/69.jpg)
Concepto
Una de las técnicas de análisis de tendencias es el método de polinomios ortogonales. En virtud de ese procedimiento, es posible dividir la variación o Suma de Cuadrados de tratamientos en una serie de componentes independientes de tendencia como, por ejemplo, lineal, cuadrado, cúbico, etc. Cada componente ortogonal aporta información particular sobre una clase de tendencia o relación entre la variable independiente y la variable dependiente. Al mismo tiempo, este procedimiento permite verificar estadísticamente la significación de cada componente de tendencia.
![Page 70: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/70.jpg)
Análisis de tendencias: Descomposición polinómica ortogonal de la Suma de Cuadrados
“Entre tratamientos” o “Entre grupos”.
Fuentes de variación Grados de libertad Sumas de cuadrados
Entre Tratamientos k-1 SCA
Lineal 1 SCLin
Cuadrático 1 SCCuad
Cúbico 1 SCCub
……….……………………………………………………………
k-1 1 SCk-1
![Page 71: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/71.jpg)
Coeficientes de los contrastes polinómicos ortogonales
Coeficientes de polinomios ortogonales, k = 4 Coeficientes
Contraste a1 a2 a3 a4 Σa²j
Lineal -3 -1 1 3 20 Cuadrático 1 -1 -1 1 4 Cúbico -1 3 -3 1 20
![Page 72: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/72.jpg)
Cálculo de las suma de cuadrados
El cálculo de la Suma de Cuadrados de cada uno de estos componentes se obtiene de la expresión,
nc²
SCC = --------
Σa²j
![Page 73: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/73.jpg)
Cuadro resumen del análisis de tendencias
Componente SC g.l. CM F p
Lineal 90.25 1 90.25 62.24 <0.05
Cuadrático 1.25 1 1.25 0.86 >0.05
Cúbico 0.25 1 0.25 0.17 >0.05
Error 23.20 16 1.45
F0.95(1/16) = 4.49
![Page 74: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/74.jpg)
Gráfico de medias
0
1
2
3
4
5
6
7
8
9
A1 A2 A3 A4
V.D.
![Page 75: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/75.jpg)
Caso paramétrico. Ejemplo 2
Se pretende estudiar si el ruido ambiental afecta el rendimiento en un tarea cognitiva. Se lleva a cabo un experimento en que los sujetos tienen que verificar cálculos aritméticos simples (por ejemplo, multiplicaciones del tipo a x b = c). Para ello, una muestra de 120 individuos son asignados al azar a los grupos: el primero realiza la tarea en un sala insonorizada; el segundo realiza la tarea con un ruido de 20 dB; el tercero con un ruido de 40 dB y el último con ruido de 60 dB. Cada individuo verifica un total de 50 operaciones aritméticas. La variable dependiente es el tiempo de reacción. ..//..
![Page 76: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/76.jpg)
Estadísticos descriptivos
Descriptivos
tr
30 566.4227 51.43192 9.39014 547.2178 585.6277 421.85 650.99
30 597.9409 48.58777 8.87087 579.7980 616.0839 480.37 717.32
30 651.4794 55.99825 10.22383 630.5693 672.3895 572.16 772.80
30 806.2980 50.80912 9.27643 787.3256 825.2705 708.69 926.26
120 655.5353 105.76248 9.65475 636.4179 674.6526 421.85 926.26
0 db
20 db
40 db
60 db
Total
N MediaDesviación
típica Error típico Límite inferiorLímite
superior
Intervalo de confianza parala media al 95%
Mínimo Máximo
![Page 77: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/77.jpg)
Prueba de homogeneidad de las variancias
Prueba de homogeneidad de varianzas
tr
.364 3 116 .779
Estadísticode Levene gl1 gl2 Sig.
![Page 78: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/78.jpg)
ANOVA
ANOVA
tr
1020120.4 3 340040.120 126.841 .000
310978.126 116 2680.846
1331098.5 119
Inter-grupos
Intra-grupos
Total
Suma decuadrados gl
Mediacuadrática F Sig.
![Page 79: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/79.jpg)
Comparaciones múltiples
Coeficientes de los contrastes
1 -1 0 0
1 0 -1 0
1 0 0 -1
Contraste1
2
3
0 db 20 db 40 db 60 db
ruido
Pruebas para los contrastes
-31.5182 13.36873 -2.358 116 .020
-85.0567 13.36873 -6.362 116 .000
-239.8753 13.36873 -17.943 116 .000
-31.5182 12.91771 -2.440 57.813 .018
-85.0567 13.88170 -6.127 57.585 .000
-239.8753 13.19951 -18.173 57.991 .000
Contraste1
2
3
1
2
3
Asumiendo igualdadde varianzas
No asumiendoigualdad de varianzas
tr
Valor delcontraste Error típico t gl Sig. (bilateral)
![Page 80: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/80.jpg)
Análisis de tendencias
ANOVA
tr
1020120.4 3 340040.120 126.841 .000
896674.682 1 896674.682 334.475 .000
123445.677 2 61722.838 23.024 .000
114022.497 1 114022.497 42.532 .000
9423.180 1 9423.180 3.515 .063
9423.180 1 9423.180 3.515 .063
310978.126 116 2680.846
1331098.5 119
(Combinados)
Contraste
Desviación
Término lineal
Contraste
Desviación
Término cuadrático
ContrasteTérmino cúbico
Inter-grupos
Intra-grupos
Total
Suma decuadrados gl
Mediacuadrática F Sig.
![Page 81: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/81.jpg)
Gráfico de medias
![Page 82: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/82.jpg)
Ventajas y desventajas
El diseño multigrupo completamente al azar permite examinar, desde una perspectiva amplia, las distintas estrategias de análisis aplicables a los datos experimentales. En primer lugar, el análisis unidimensional de la variancia o indicador general de variación de las medias de los grupos. ..//..
![Page 83: TEMA VI](https://reader036.vdocumento.com/reader036/viewer/2022062806/56814efe550346895dbc8d55/html5/thumbnails/83.jpg)
En segundo lugar, las estrategias que prueban las microhipótesis de investigación; es decir, las comparaciones múltiples entre medias. Por último, para aquellas situaciones donde la variable independiente es cuantitativa y con valores equidistantes, el análisis de tendencias mediante el procedimiento de modelación polinómica ortogonal.