TEMA 5 (1 Parte)

LA INVESTIGACIÓN EXPERIMENTAL
Ana Isabel Manzanal
TEMA 5: DISEÑOS DE UN FACTOR COMPLETAMENTE ALEATORIZADO

(1 PARTE)
OBJETIVOS
• SUPUESTOS PARA APLICAR UN ANOVA DE UN FACTOR COMPLETAMENTE
ALEATORIZADO.
• CONOCER LAS PRUEBAS PARA DIAGNOSTICAR EL CUMPLIMIENTO DE LOS SUPUESTOS Y
CRITERIOS PARA DECIDIR ALTERNATIVAS ADECUADAS EN CASO DE INCUMPLIMIENTO.
• SABER APLICAR LAS DISTINTAS MEDIDAS DE CÁLCULO DE TAMAÑO DEL EFECTO,
POTENCIA Y TAMAÑO MUESTRAL EN ESTOS CASOS.
• SABER REALIZAR E INTERPRETAR UN ANOVA APLICADO
• DISTINGUIR ENTRE UN ANOVA DE UN FACTOR DE EFECTOS FIJOS Y UN ANOVA DE UN
FACTOR DE EFECTOS ALEATORIOS
DISEÑO EXPERIMENTAL . AI Manzanal

2
3
CONCEPTO Análisis de varianza (ANOVA)
Generalización de la Prueba T para dos muestras independientes al caso de diseños
con más de dos muestras.
VI: A la variable categórica (nominal u ordinal) que define los grupos que deseamos comparar
la llamamos independiente o factor
VD: A la variable cuantitativa (de intervalo o razón) en la que deseamos comparar los grupos
la llamamos dependiente.
ü Averiguar cuál de tres programas distintos de incentivos aumenta de forma más eficaz el rendimiento de un determinado
colectivo. Podemos seleccionar tres muestras aleatorias de ese colectivo y aplicar a cada una de ellas uno de los tres
programas. Después, podemos medir el rendimiento de cada grupo y averiguar si existen o no diferencias entre ellos.
ü una VI categórica (el tipo de programa de incentivos) cuyos niveles deseamos comparar entre sí, y una VD cuantitativa (la
medida del rendimiento), en la cual queremos comparar los tres programas.
ü El ANOVA de un factor permite obtener información sobre el resultado de esa comparación. Es decir, permite concluir si
los sujetos sometidos a distintos programas difieren en el rendimiento.

VENTAJAS DE LA ANOVA
El ANOVA de un factor es el modelo más simple: una única VI nominal u ordinal, con
3 o más niveles , explica una VD dependiente.
Otra alternativa que aparentemente es más lógica e intuitiva consiste en comparar

en todas las posibles combinaciones de dos en dos, las medias de todos los
subgrupos formados. Esto trae parejo, fundamentalmente, dos tipos de problemas:
a) Se incrementa el riesgo de dar un resultados falso positivo, al realizar más de un

análisis sobre un mismo conjunto de datos.
b) Es difícil interpretar la verdadera influencia de la variable que actúa como factor
de clasificación porque genera diferentes niveles de significación
ANOVA elimina estos inconvenientes. Se analiza la influencia de cada variable independiente ,

generándose un único nivel de significación.

RECORDANDO CONCEPTOS FUNDAMENTALES (tema 2)
MODELO DE ANÁLISIS DE VARIANZA (ANOVA)

ü ANOVA es una de las técnicas más utilizadas en los análisis de los datos de los diseños
experimentales. Se utiliza cuando queremos contrastar la igualdad de medias de más de
dos poblaciones para detectar posibles diferencias significativas entre ellas en cuanto a una
variable o característica.
El problema general que vamos a estudiar sería: disponemos de n elementos que se diferencian en
un factor por ejemplo alumnos de 4 clases distintas ( factor clase). En cada elemento observamos
una características continua (X) que varía aleatoriamente de un individuo a otro, por ejemplo notas
de estadística de los alumnos (a esta característica se le llama variable respuesta).
Nuestro objetivo será conocer si existe una relación o no entre la variable respuesta y el factor:
¿Habrá diferencias en las notas de los distintos grupos de estadística?

RECORDANDO CONCEPTOS FUNDAMENTALES (tema 2)
DESCOMPOSICIÓN DE LA VARIABILIDAD
EL ANÁLISIS DE LA VARIABILIDAD es un procedimiento creado por Fisher en 1925 para
descomponer la variabilidad de un experimento en componentes independientes que puedan
asignarse a causas distintas.
(Valor observado) =∑ (efectos atribuibles) + ∑ (efectos no atribuibles o residuales)
El valor observado se refiere al que se obtiene en la variable cuantitativa dependiente.

Los efectos atribuibles son parámetros o variables aleatorias que son el resultado de cambios en los
factores o variables independientes y, por tanto, atribuibles a ellos. Aquellos efectos no atribuibles a
ningún factor controlado se denominan efectos residuales o variables aleatorias residuales.

RECORDANDO TEMA 2
LÓGICA DEL ANÁLISIS DE VARIANZA
. MEDIA CUADRÁTICA INTRAGRUPOS O MEDIA CUADRÁTICA DE ERROR O RESIDUAL (MCE)

basado en la variabilidad que se da dentro de los grupos.
MEDIA CUADRÁTICA INTERGRUPOS (MCI)

basado en la variabilidad entre los distintos grupo

RECORDANDO TEMA 2
LÓGICA DEL ANÁLISIS DE VARIANZA
La distribución muestral del cociente entre las dos medias cuadráticas fue establecida por Fisher y
denominada como distribución F por Snedecor
. El estadístico F refleja el grado de parecido entre las medias poblacionales.
Si las medias poblacionales son iguales, las medias muestrales de los diferentes grupos serán
parecidas, existiendo entre ellas únicamente diferencias atribuibles al azar. En consecuencia, el
cociente F estará próximo a 1.
Si las medias muestrales son distintas, el numerador será mayor que el denominador y el
estadístico F será superior a 1. A mayor diferencia existente entre las medias muestrales, mayor
será el numerador respecto al denominador y, en consecuencia, el valor de F.

CLASIFICACIÓN DE LOS MODELOS DE ANALISIS DE VARIANZA
La tipificación de diseños acorde a:
el número de factores
el tipo de asignación de las unidades de análisis
niveles de los factores

RECORDANDO
CLASIFICACIÓN DE LOS MODELOS DE ANALISIS DE VARIANZA
1) NÚMERO DE FACTORES
El término factor es sinónimo de VI:, la variable categórica u ordinales que define las
condiciones y por tanto los grupos.
1VI ………..ANOVA DE UN FACTOR o UNIFACTORIAL

Analiza y compara el comportamiento de una variable continua en distintos niveles
(poblaciones, grupos o tratamientos) de un factor (variable explicativa).
2 VI………….ANOVA DE DOS FACTORES

Analiza y compara el comportamiento de una variable continua en distintos niveles de
varios factores y las posibles interacciones entre ellos.
SI TIENE MÁS DE DOS FACTORES……… MODELOS FACTORIALES

RECORDANDO
CARACTERÍSTICAS DEL DISEÑO
TIPO DE ALEATORIZACIÓN
FORMA DE ASIGNACION DE LOS SUJETOS A LOS NIVELES DE LOS FACTORES
- Completamente aleatorizado ( medidas independientes) :

cada sujeto se asigna al azar a cada nivel del factor
- Aleatorizado por bloques ( medidas relacionadas)

. asignación aleatoria de los sujetos de cada bloque a los deferentes niveles del factor
. el mismo sujeto pasa por los diferentes niveles del factor (medidas repetidas)

RECORDANDO
TIPO DE ASIGNACION DE LAS UNIDADES DE ANÁLISIS A LAS CONDICIONES DEL ESTUDIO

Las unidades son habitualmente sujetos. La forma más común de asignación a las condiciones de estudio es el
azar. Hay dos estrategias de asignación aleatoria : grupos aleatorios y bloques aleatorios.

RECORDANDO
TIPO DE MUESTREO SOBRE LOS NIVELES DEL FACTOR
SELECCIÓN DE LOS NIVELES
- Elección de los niveles que estamos interesados en estudiar

Factor de efectos fijos o sistemáticos: las inferencias se limitaran a esos niveles
- Selección aleatoria entre el conjunto de posibles niveles

. Factor de efectos aleatorios: las inferencias se pueden generalizar a cualquiera de los
posibles niveles.

RECORDANDO
3) LA FORMA DE ESTABLECER LOS NIVELES DE LOS FACTORES

CLASIFICACIÓN DE DIFERENTES TIPOS DE ANOVA
TEMA 6
TEMA 5
TEMA 7
TEMA 8

PASOS PARA RESOLVER CON ANOVA
1. Comprobar los tres supuestos básicos
Las muestras deben ser de tipo aleatorio independientes
Las muestras deben ser obtenidas a partir de poblaciones normales
Las muestras deben tener varianzas iguales
2. ANOVA: comparar la variabilidad entre los medias con la variabilidad dentro de cada grupo
H 0 : LAS MEDIAS SON iguales en todos los grupos

H1: las respuestas media son distintas en al menos dos grupos.
3.Cuando se rechaza H0 con el test ANOVA se busca qué grupos son distintos entre si realizando
comparaciones múltiples ( Pruebas Post Hoc) dos a dos.

SUPUESTOS
ü Para que funcione correctamente es necesario que se cumplan
los supuestos de independencia , normalidad y
homocedasticidad..
ü Cuando se cumplen los 3 supuestos puede garantizarse que el

estadístico de contraste F es muy robusto, podemos
determinar su probabilidad correctamente y decidir si es
razonable confirmar o rechazar Ho.
ü Cuando no se cumple algunos de los supuestos :
Contraste Liberal : Informa de un resultado significativo

cuando en realidad no lo es, es decir, se comete Error tipo I
Contraste Conservador: La probabilidad asociada a F es

mayor de la que debería ser, con lo que se confirma una Ho,
es decir, se comete un Error tipo II.

SUPUESTO DE INDEPENDENCIA
Se refiere a que las observaciones que se recogen de la VD sean independientes entre
si. Esa independencia debe producirse tanto entre los valores de un mismo grupo como
entre los valores de los grupos distintos.
ü Por tanto, debe haber independencia entre los sujetos dentro de cada grupo
y entre los grupos
ü La independencia se logra con la aleatorización, con la asignación aleatoria ,

es decir, seleccionando los sujetos de forma aleatoria y asignando las
condiciones a las unidades experimentales, también de forma aleatoria.
ü Se comprueba con la prueba de rachas ( tema 3)

SUPUESTO DE NORMALIDAD
Se refiere a que la variable analizada se distribuye normalmente en los grupos
ü Se comprueba con la gráficos y con uso de pruebas de Kolmogorov-

Smirnov y Shapiro-Wilks.
ü El estadístico F es robusto al incumplimiento de este supuesto pero siempre que

las poblaciones no normales sean simétricas o se distribuyan de forma parecida.
ü Si hay sospechas de desvío de normalidad es recomendable trabajar con

muestras moderadamente grandes
ü Cuando coinciden tamaños pequeños y falta de normalidad es mejor trabajar

con la opción no paramétrica , la prueba de Kruskal-Wallis ( tema 3)

SUPUESTO DE HOMOSCEDASTICIDAD
El supuesto de homogeneidad o igualdad de varianzas de varianzas considera que las
varianza es constante ( no varía) en los diferentes niveles de un factor, es decir , entre
diferentes grupos. Establece que la VD muestra varianzas similares en los diferentes grupos
que conforma la VI. Su incumplimiento se denomina heterocedasticidad.
ü Se comprueba habitualmente con la prueba de Levene ( tema 3)
ü Evitar trabajar con varianzas y tamaños de grupos muy distintos, afecta

directamente al comportamiento del estadístico F, dejando de ser robusto
ü Cuando no se cumple la homocedasticidad,lo más habitual es trabajar con

la opción no paramétrica , la prueba de Kruskal-Wallis ( tema 3),
ü pero SPSS ofrece también las alternativas de F propuestas por Welch, y

Brown and Forsythe.

TRANSFORMACIÓN DE LAS PUNTUACIONES
Cuando las poblaciones no son normales ni homocedásticas puede utilizarse el estadístico
F si se realiza una transformación de las puntuaciones originales, lo que posibilita
normalizar las distribuciones y homogeneizar las varianzas.
Forzar siempre a que los datos se ajusten a una forma simétrica y con varianzas más
o menos homogéneas puede tener consecuencias no controladas y de pender de
otros elementos a considerar. NO DE FORMA RUTINARIA

EL ANÁLISIS DE VARIANZA (ANOVA) DE UN FACTOR
(también ANOVA unifactorial o one-way ANOVA en inglés)
ü Se aplica para contrastar la igualdad de medias de tres o más poblaciones

independientes y con distribución normal.
ü Para realizar el contraste ANOVA, se requieren k muestras independientes de la variable de interés. Una
variable de agrupación denominada Factor y clasifica las observaciones de la variable en las distintas
muestras.
ü Supuestas k poblaciones independientes, las hipótesis tesis del contraste son siguientes:
Ho: μ1 =μ2 =....=μI Las medias poblacionales son iguales
H1: Al menos dos medias poblacionales son distintas
ü La hipótesis que se pone a prueba en el ANOVA de un factor es que las medias poblacionales (las medias
de la VD en cada nivel de la VI) son iguales. Si las medias poblacionales son iguales, eso significa que los
grupos no difieren en la VD y que, en consecuencia, la VI o factor es independiente de la VD.
ü El estadístico utilizado en ANOVA sigue una distribución n F de Fisher-Snedecor con k-1 y n-k grados de
libertad, siendo k el número de muestras y n el número total de observaciones que participan en el estudio.

Seleccionar la opción Comparar medias> ANOVA de un factor
Seleccionar una variable cuantitativa (de intervalo o razón) y trasladarla a la lista Dependientes.
Seleccionar una variable categórica (nominal u ordinal) y trasladarla al cuadro Factor.
La variable dependiente es aquella en la cual deseamos comparar los grupos. La variable factor es la variable
que define los grupos que deseamos comparar.

Al aplicar ANOVA de un factor se calcula un estadístico denominado F y su significación. El
estadístico F o F-test (se llama F en honor al estadístico Ronald Fisher) se obtiene al estimar la
variación de las medias entre los grupos de la variable independiente y dividirla por la
estimación de la variación de las medias dentro de los grupos.
Si las medias entre los grupos varían mucho y la media dentro de un grupo varía poco, es
decir, los grupos son heterogéneos entre ellos y similares internamente, el valor de F será
más alto, y por tanto, las variables estarán relacionadas. En conclusión, cuanto más
difieren las medias de la variable dependiente entre los grupos de la variable
independiente, más alto será el valor de F.
Análisis > Comparar medias > ANOVA de un factor
A la hora de presentar ANOVA en un informe, artículo de investigación o tesis, se debe presentar la tabla de las
medias y desviaciones típicas, y seguidamente el estadístico F y su significación.

OPCIONES
Las opciones del procedimiento ANOVA de un factor permiten seleccionar algunos estadísticos
descriptivos básicos, obtener la prueba de Levene y decidir qué tratamiento se desea dar a los
casos con valores perdidos.
Para modificar estas opciones:

|Pulsar el botón Opciones del cuadro de diálogo ANOVA de un factor para acceder al subcuadro de
diá́logo ANOVA de un factor

ESTADÍSTICOS
Este recuadro incluye algunos estadísticos descriptivos y la prueba de Levene para contrastar la hipótesis de
homogeneidad de varianzas:
Descriptivos.: Ofrece estadísticos descriptivos referidos tanto a cada grupo como al total muestral: número de
observaciones, media, desviación típica, error típico de la media, intervalo de confianza para la media y valores
mínimo y máximo.
El estadístico F del ANOVA de un factor se basa en el cumplimiento de dos supuestos fundamentales:

normalidad y homocedasticidad.
Normalidad significa que la variable dependiente se distribuye normalmente en las J poblaciones muestreadas
(tantas como grupos definidos por la variable independiente o factor). No obstante, si los tamaños de los grupos
son grandes, el estadístico F se comporta razonablemente bien incluso con distribuciones poblacionales
sensiblemente alejadas de la normalidad.
Homocedasticidad o igualdad de varianzas significa que las J poblaciones muestreadas poseen la misma
varianza. Con grupos de distinto tamaño, el incumplimiento de este supuesto debe ser cuidadosamente vigilado.
La opción Homogeneidad de varianzas permite contrastar este supuesto mediante la prueba de Levene.
.

EJEMPLO
•Número de hijos" es una variable cuantitativa (escalar) que va de 0

hasta 8 o más hijos. Esta será la variable dependiente o a explicar
•"Clase social”: variable ordinal. Es la variable independiente o factor.

Las categorías o grupos de la clase social son: clase baja, clase
trabajadora, clase media baja, clase media alta, y clase alta.

En la tercera columna se observan las medias para cada grupo de clase social. Si nos
fijamos en las medias del número de hijos en cada grupo de clase social, podemos
observar que a medida que aumenta la clase social desciende la media del número de
hijos. Las personas de clase baja (lower class) tienen de media 2,18 hijos, las de clase
trabajadora (working class) 1,88 hijos, las de clase media-baja (lower middle class) 1,78,
las de clase media alta 1,70 hijos y las de clase alta (upper class) tienen de media 1,69
hijos.

El valor de F es 137,477 y la significación es 0,000. Al ser la significación menor
de 0,05 es que las diferencias de media de hijos entre los grupos de la clase social
son significativas

El valor del estadístico de contraste no depende sólo del verdadero efecto del factor , sino
también del tamaño de las muestras y del grado de variabilidad de los datos.
Esto nos obliga a estudiar como complemento:

El tamaño del efecto
La potencia y
El tamaño de la muestra

MEDIDAS DEL TAMAÑO DEL EFECTO
MIS GRUPOS SON DIFERENTES ¿CUÁN DIFERENTES?. TAMAÑO DEL EFECTO
Los procedimientos estadísticos de tamaño del efecto tienen como finalidad fundamental la
cuantificación de la relevancia del efecto obtenido. Dicho de otra forma, se trata de establecer si
efectos estadísticamente significativos son relevantes en el campo de aplicación de la
investigación.
En este caso, el tamaño del efecto es un complemento de nuestra significación estadística en

las comparaciones de medias o medianas.

ANÁLISIS DE LA POTENCIA
Cuando mis resultados no son significativos, ¿realmente no existe un efecto o es

que el estudio no fue capaz de detectarlo?
Potencia de una prueba de hipótesis en estadística se refiere a la probabilidad de rechazar una

hipótesis nula que es falsa, o dicho de otra forma, representa la probabilidad de aceptar una hipótesis
alternativa como verdadera cuando así lo es.
Cuando los efectos son pequeños y el tamaño muestral es reducido, la potencia del contraste se
reduce . Debemos plantear nuestros experimentos de tal manera de obtener un gran poder
de contraste, y así estar seguros de que seremos capaces de evidenciar el efecto
estudiado.

DETERMINACIÓN DEL TAMAÑO MUESTRAL
¿CUANTOS DATOS SE NECESITAN?
Para tomar decisiones acertadas basadas en análisis estadísticos, tiene que estar seguro
de que puede confiar en sus resultados. Para hacer esta medición, utilizamos potencia
estadística, que es la probabilidad de que su prueba identifique una diferencia o un
efecto significativo cuando realmente exista.
LO IDEAL SERÍA RECOLECTAR SUFICIENTES DATOS COMO PARA ASEGURARSE DE TENER

LA POTENCIA SUFICIENTE PARA LLEGAR A CONCLUSIONES ACERTADAS
.

Gracias por vuestra atención
www.unir.net

TEMA 5 (1 Parte)

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

TEMA 5 (1 Parte)

Caricato da

Copyright:

Formati disponibili

LA INVESTIGACIÓN EXPERIMENTAL

Ana Isabel Manzanal

TEMA 5: DISEÑOS DE UN FACTOR COMPLETAMENTE ALEATORIZADO

• SUPUESTOS PARA APLICAR UN ANOVA DE UN FACTOR COMPLETAMENTE

• CONOCER LAS PRUEBAS PARA DIAGNOSTICAR EL CUMPLIMIENTO DE LOS SUPUESTOS Y

CRITERIOS PARA DECIDIR ALTERNATIVAS ADECUADAS EN CASO DE INCUMPLIMIENTO.

• SABER APLICAR LAS DISTINTAS MEDIDAS DE CÁLCULO DE TAMAÑO DEL EFECTO,

POTENCIA Y TAMAÑO MUESTRAL EN ESTOS CASOS.

• SABER REALIZAR E INTERPRETAR UN ANOVA APLICADO

• DISTINGUIR ENTRE UN ANOVA DE UN FACTOR DE EFECTOS FIJOS Y UN ANOVA DE UN

FACTOR DE EFECTOS ALEATORIOS

DISEÑO EXPERIMENTAL . AI Manzanal

DISEÑO EXPERIMENTAL . AI Manzanal

Otra alternativa que aparentemente es más lógica e intuitiva consiste en comparar

a) Se incrementa el riesgo de dar un resultados falso positivo, al realizar más de un

ANOVA elimina estos inconvenientes. Se analiza la influencia de cada variable independiente ,

DISEÑO EXPERIMENTAL . AI Manzanal

MODELO DE ANÁLISIS DE VARIANZA (ANOVA)

DISEÑO EXPERIMENTAL . AI Manzanal

(Valor observado) =∑ (efectos atribuibles) + ∑ (efectos no atribuibles o residuales)

El valor observado se refiere al que se obtiene en la variable cuantitativa dependiente.

DISEÑO EXPERIMENTAL . AI Manzanal

LÓGICA DEL ANÁLISIS DE VARIANZA

. MEDIA CUADRÁTICA INTRAGRUPOS O MEDIA CUADRÁTICA DE ERROR O RESIDUAL (MCE)

MEDIA CUADRÁTICA INTERGRUPOS (MCI)

DISEÑO EXPERIMENTAL . AI Manzanal

LÓGICA DEL ANÁLISIS DE VARIANZA

. El estadístico F refleja el grado de parecido entre las medias poblacionales.

DISEÑO EXPERIMENTAL . AI Manzanal

La tipificación de diseños acorde a:

DISEÑO EXPERIMENTAL . AI Manzanal

CLASIFICACIÓN DE LOS MODELOS DE ANALISIS DE VARIANZA

1VI ………..ANOVA DE UN FACTOR o UNIFACTORIAL

2 VI………….ANOVA DE DOS FACTORES

SI TIENE MÁS DE DOS FACTORES……… MODELOS FACTORIALES

DISEÑO EXPERIMENTAL . AI Manzanal

CARACTERÍSTICAS DEL DISEÑO

FORMA DE ASIGNACION DE LOS SUJETOS A LOS NIVELES DE LOS FACTORES

- Completamente aleatorizado ( medidas independientes) :

- Aleatorizado por bloques ( medidas relacionadas)

DISEÑO EXPERIMENTAL . AI Manzanal

CARACTERÍSTICAS DEL DISEÑO

TIPO DE ASIGNACION DE LAS UNIDADES DE ANÁLISIS A LAS CONDICIONES DEL ESTUDIO

DISEÑO EXPERIMENTAL . AI Manzanal

CARACTERÍSTICAS DEL DISEÑO

TIPO DE MUESTREO SOBRE LOS NIVELES DEL FACTOR

SELECCIÓN DE LOS NIVELES

- Elección de los niveles que estamos interesados en estudiar

- Selección aleatoria entre el conjunto de posibles niveles

DISEÑO EXPERIMENTAL . AI Manzanal

CARACTERÍSTICAS DEL DISEÑO

3) LA FORMA DE ESTABLECER LOS NIVELES DE LOS FACTORES

DISEÑO EXPERIMENTAL . AI Manzanal

DISEÑO EXPERIMENTAL . AI Manzanal

Las muestras deben ser de tipo aleatorio independientes

Las muestras deben ser obtenidas a partir de poblaciones normales

Las muestras deben tener varianzas iguales

H 0 : LAS MEDIAS SON iguales en todos los grupos

DISEÑO EXPERIMENTAL . AI Manzanal

ü Cuando se cumplen los 3 supuestos puede garantizarse que el

ü Cuando no se cumple algunos de los supuestos :

Contraste Liberal : Informa de un resultado significativo

Contraste Conservador: La probabilidad asociada a F es