slide1
Download
Skip this Video
Download Presentation
TEMA IX

Loading in 2 Seconds...

play fullscreen
1 / 30

TEMA IX - PowerPoint PPT Presentation


  • 144 Views
  • Uploaded on

TEMA IX. ESQUEMA GENERAL. DISEÑOS FACTORIALES MIXTOS. Diseño de medidas repetidas multigrupo o factorial mixto. Diseño de medidas repetidas multigrupo.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' TEMA IX' - lisbet


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide2

ESQUEMA GENERAL

DISEÑOS FACTORIALES MIXTOS

dise o de medidas repetidas multigrupo
Diseño de medidas repetidas multigrupo

El diseño de medidas repetidas multigrupo, conocido también por diseño factorial mixto, incorpora dos estrategias de inferencia de hipótesis: estrategia de comparación entre grupos y estrategia de comparación intra sujetos. La estructura mixta combina, en un mismo experimento, el procedimiento de grupos independientes y el procedimiento con sujetos de control propio. ..//..

slide5
Puesto que el diseño mixto integra, en un mismo estudio, dos enfoques de investigación se aplica a aquellas situaciones donde están presentes, por lo menos, dos variables independientes. Así, los valores o niveles de la primera variable independiente genera grupos separados y su efecto se infiere por la comparación entre grupos o entre sujetos.

..//..

slide6
Esta variable independiente es conocida como variable entre. Los valores de la segunda variable se administran a todos los sujetos, en cuyo caso los sujetos repiten medidas. Dado el carácter de repetición, esa segunda variable recibe el nombre de variable intra. De esto se concluye que el diseño mixto requiere siempre una estructura factorial. O sea, son experimentos donde intervienen como mínimo dos variables.
slide8
1 V.E. y 1 V.I. S(A)xB

2 V.E. y 1 V.I. S(AxB)xC

Diseño factorial ......................................

mixto ......................................

Diseño de N V.E. y N V.I

medidas

repetidas Una variable categórica

multigrupo y una intra S(A)xB

Diseño split-plot Dos variables categóricas

y una intra S(AxB)xC

Etc.

formato del dise o de medidas repetidas de dos grupos
Formato del diseño de medidas repetidas de dos grupos

Grupo Tratamientos

A1 A2 ........... Ak

S1 Y11 Y12 ............ Y1k

G1

Sn1 YN1 YN2 ............ YNk

S1 Y11 Y12 ............ Y1k

G2

Sn2 YN1 YN2 ............ YNk

ejemplo pr ctico
Ejemplo práctico

Un experimentador pretende estudiar el efecto que sobre la memoria icónica tienen dos variables: campo pos-exposición y tiempo de presentación. De la primera variable, selecciona dos valores: campo pos-exposición brillante (A1) y campo pos-exposición oscuro (A2). De la segunda, elige cuatro valores: B1 = 45 c/sg, B2 = 90 c/sg, B3 = 180 c/sg, y B4 = 240 c/sg.

slide11
Para ejecutar este experimento, confecciona tarjetas donde aparecen letras consonantes, seleccionadas al azar, y las dispone en matrices 3 x 4. La tarea a realizar por los sujetos, va a consistir en identificar, de forma correcta, la máxima cantidad de letras. A su vez, decide que cada sujeto ejecute 40 ensayos (diez tarjetas por tiempo de presentación). La variable dependiente es la cantidad de identificaciones correctas en bloques de 10 ensayos.
modelo de prueba estad stica
Modelo de prueba estadística

Paso 1. Formulación de las hipótesis de nulidad:

H0: α1 = α2 = 0

H0: ß1 = ß2= ß3 = ß4 = 0

H0: αß11 = αß12 = αß13 = αß14 = αß21 =

αß22 = αß23 = αß24 = 0

slide13
Paso 2. A cada hipótesis de nulidad está asociada la siguiente hipótesis alternativa:

H1: por lo menos una desigualdad

slide14
Paso 3. Se asume el modelo ANOVA lineal. El estadístico de la prueba es la F normal (bajo el supuesto de homogeneidad y simetría), con un nivel de significación de α = 0.05. El tamaño de la muestra experimental es N = an = 8 y la cantidad de observaciones abn = 32.

Paso 4. Se calcula el valor empírico de F a partir de la correspondiente matriz de datos del experimento.

slide15

DISEÑO FACTORIAL MIXTO

TRATAMIENTOS

TOTALES

Nº Suj.

B1

B2

B3

B4

Suj.

V.A

A1

1

2

3

4

25

31

24

21

26

35

33

30

27

37

28

31

34

39

40

35

112

142

125

117

496

A2

5

6

7

8

13

16

31

21

14

19

34

22

20

30

36

33

30

38

41

38

77

103

142

114

436

TOTALES

182

213

242

295

932

modelo estructural del dise o
Modelo estructural del diseño

Yijk = μ + [αj + ηi/j] + [βk + (αβ)jk +

(ηβ)ik/j] + εijk

supuestos del anova
Supuestos del anova

Yij = la puntuación del i sujeto bajo el j valor A y

el k valor de B

μ = la media común a todos los datos del

experimento.

αj = es el efecto de j nivel de la variable A.

ηi/j = el efecto asociado al i sujeto dentro de j nivel

de A.

ßk = el efecto del k nivel de B.

(αß)jk = el efecto de la interacción de Aj y Bk.

(ηß)ik/j = el efecto de la interacción de Si y Bk, intra Aj.

εijk = el error de medida.

slide18
Dado que sólo hay un dato por casilla

–combinación de S, A y B–, no hay variabilidad intra-casilla, Así, SxB/A estima la variancia del error.

Se asume que:

a) ηi NID(0,ση²)

b) (ηß)ik/j NID(0,σηß²)

b) εijk NID(0,σε²)

descomposici n de la suma de cuadrados
Descomposición de la Suma de cuadrados

SCtotal = SCentre-sujetos + SCintra-sujetos

A su vez, cada componente se subdivide en:

SCentre-sujetos = SCA + SCS/A

y

SCintra-sujetos = SCB + SCAB + SCSxB/A

slide20

Resumen de las fuentes de variación del diseño factorial mixto

Entre sujetos

Variable A

Sujetos intra A

Intra sujetos

Variable B

Interacción A x B

Sujetos x B intra A

c lculo de la sumas de cuadrados
Cálculo de la sumas de cuadrados

SCtotal = [25² + 31² + ... + 38²] – [932²/32] =

1871.50

SCE.S. = [112²/4 + 142²/4 + ... + 114²/4] –

[932²/32] = 785.50

SCI.S. = SCtotal - SCE.S. = 1871.50 - 785.50 =

1086

suma de cuadrados entre sujetos
Suma de Cuadrados entre-sujetos

La Suma de Cuadrados entre-sujetos se divide en

SCA = [496²/16 + 436²/16] – [932²/32] =

112.50

SCS/A = SCE.S. - SCA = 785.50 - 112.50 =

673

suma de cuadrados intra sujetos a
Suma de Cuadrados intra-sujetos (a)

La Suma de cuadrados intra sujetos se divide en

SCB = [182²/8 + 213²/8 + ... + 295²/8] –

[932²/32] = 865.75

SCAxB (se requiere tabla de totales)

SCSxB/A =SCI.S. - SCB - SCAxB

tabla de totales
Tabla de totales

Datos de la interacción AxB

B1 B2 B3 B4 Totales

A1 101 124 123 148 496

A2 81 89 119 147 436

Totales 182 213 242 295 932

suma de cuadrados intra sujetos b
Suma de Cuadrados intra-sujetos (b)

SCAxB = [101²/4 + 81²/4 + ... + 147²/4] –

[938²/32] - SCA - SCB = 92.75

SCSxB/A = SCI.S. - SCB - SCAxB = 1086 –

865.75 - 92.75 = 127.50

slide26

F.V.

SC

g.l

CM

F

p

Entre sujetos

Variable A

S/A (e. entre)

Intra sujetos

Variable B

Inter AxB

SxB/A (e. Intra)

785.5

112.5

673

1086

865.75

92.75

127.5

an-1=7

a-1=1

a(n-1)=6

an(b-1)=24

b-1=3

(a-1)(b-1)=3

a(n-1)(b-1)=18

112.50

112.17

288.58

30.92

7.08

1

40.76

4.37

>0.05

<0.05

<0.05

Total

1871.5

abn-1=31

F0.95(1/6) = 5.99; F0.95(3/18) = 3.16

CUADRO RESUMEN DEL AVAR. DISEÑO FACTORIAL MIXTO

modelo de prueba estad stica1
Modelo de prueba estadística

Paso 5. De los resultados del análisis, se infiere la aceptación de la hipótesis de nulidad para la variable A y su no-aceptación para la variable B y la interacción AxB, con una probabilidad de error del 5 por ciento.

slide28

B1

B2

B3

B4

A1

25.25

31

30.75

37

A2

20.25

22.75

30.5

37

MEDIAS DE GRUPOS DE TRATAMIENTO

ad