Please enable JavaScript.
Coggle requires JavaScript to display documents.
Diseño experimental con los mismos sujetos - Coggle Diagram
Diseño experimental con los mismos sujetos
Diseño experimental
con mismos sujetos
Ronald Fisher
Fisher: The design of experiments 1935
Diseñar experimentos, observar y medir fenómenos
Un fenómeno nunca se da de la misma manera
El diseño es la estructura lógica del experimento
Ostle y Mensing:
planificación de secuencia de pasos, para asegurar datos adecuados
Permitiendo análisis objetivo conducente a conclusiones válidas del problema
Pautas relativas para conocer variables a manipular
Manera. orden y cuántas veces repetir experimento
Establece grado de confianza predefinido
Principios básicos
Replicación
Aleatorización
Control de diseño
Dos tipos de diseño, según agrupación de observaciones
Observaciones referidas a dos grupos independientes de individuos
Cada grupo de puntuaciones corresponde a distintos sujetos
Sujetos asignados aleatoriamente a cada grupo
Serie de datos recogida en mismos sujetos
Bajo condiciones diferentes
Muestras dependientes o relacionadas
Diseño intrasujetos
Forma de estudiar el comportamiento
De un mismo grupo de personas
Bajo diferentes condiciones
Características
Sujetos pasan por diferentes niveles de tratamientos
Comparar condiciones utilizando medidas de cada sujeto en cada condición
Ventajas: estudiar el comportamiento de un mismo grupo en diferentes condiciones
Analiza comportamiento a lo largo del tiempo
Se necesitan menos recursos materiales y humanos
Útil para pocos sujetos y poco tiempo
Inconvenientes
El orden puede influir sobre observaciones de VD
No es aplicable a VI, por suceptibilidad de manipulación intersujeto
Prueba T de Student
Montgomery
Prueba paramétrica
Para experimentos comparativos simples
Cuando VI tiene 2 condiciones o tratamientos
Prueba paramétrica de comparación
De 2 muestras relacionadas
Estimar parámetros de una población
Con base a una muestra
Compara la puntuación de un mismo grupo de sujetos
-- En dos momentos diferentes
Propósito
Dos medidas sobre mismo grupo
Para detectar cambios entre una y otra
Atribuir variación a intervención o periodo de seguimiento
Compara para determinar la diferencia significativa y no al azar
Tres variantes
Muestras únicas
Muestras independientes
Muestras pareadas
Antes de aplicar
Comprobar normalidad de muestra
Mediante prueba estadística Shapiro-Wilk
Comprobar igualdad de varianza
En caso de muestras independientes
Ejemplo
Mismo alumnado de Ed. Secundaria obligatoria
Repiten una encuesta al llegar a Bachillerato
Para reconocer diferencias en el número de libros leídos en esos dos momentos
Características
Asignación aleatoria de grupos
Homocedasticidad: homogeneidad de Vz de VD de grupos
Distribución normal de VD en 2 grupos
Nivel intervalo o de razón de VD
Consideraciones para su uso
Normalmente no cuenta con dos mediciones iguales para una muestra
Nivel de medición: intervalo o posterior
Diseño relacionado
Cumplir premisas paramétricas
Pared Samples T Test
Muestras relacionadas
Compara dos muestras relacionadas
Muestra de pares de valores
Con similares unidades estadísticas
Grupo de unidades evaluadas en dos momentos diferentes
-- Ex-Post:
antes y después del tratamiento
Series dependientes
Se evalúa mismo dato más de una cez en cada sujeto
Muestra obtenida en pares de observaciones (Xi1, Xi2)
Proceso de prueba analiza diferencias entre observaciones Xi1 y Xi2
di= Xi1 - Xi2
Procedimiento T de Student
-
Contraste no paramétricos
No plantean H sobre parámetro
Analizan propiedades nominales u ordinales de datos
Contraste de distribución libre
No establecen supuestos sobre poblaciones originales
Más fácil de aplicar
Aplicable a datos jerarquizados
Útil cuando 2 series de observaciones provienen de distintas poblaciones
Única alternativa para muestra pequeña
Útil a nivel de significancia previamente especificado
Estadístico no paramétrico de Friedman
Economista Milton Friedman
Contraste no paramétrico para más de 2 muestras relacionadas
Compara 2 o más muestras relacionadas
Equivale a ANOVA: contrastes no paramétricos
Reúne datos registrados en mas de dos periodos de tiempo
Datos de grupos de 3 o más sujetos pareados
Características
Asigandos a cada sujeto o bloque suman
K = # de grupos a comparar
(K+1)/2 cada sujeto son asignados rangos de 1 a K
Rik representa rango asignado al sujeto o bloque i en tratamiento o muestra j.
Rj = suma de rangos asignados a n observaciones de muestra j
Test post - hoc
Ventajas frente a F de ANOVA
No requiere supuestos sobre poblaciones originales
Diseño formado por K (# de grupos a comparar) muestras o tratamientos
Como un muestra aleatoria de n sujetos
O bloques independientes entre sí
E independientes de tratamientos
Adecuado para datos de orden natural
Si test de Friedman es significativo, dos grupos son significativamente diferentes
Pardo y San Martín
Puntuaciones originales transformadas en rangos
Rangos se asignan independientemente a cada sujeto o bloque 1
Los mismo con bloque 2 y resto de bloques
Tamaño del efecto
Sobre parejas de resultados significativamente diferentes
Estadístico no paramétrico de Wilcoxon / Prueba de rangos con signo Wilcoxon
Contrastes no paramétrico para dos muestras relacionadas
Compara rango medio de dos muestras relacionadas
Determina diferencias entre ellas
Compara dos mediciones de rangos, medianas
Diferencia estadísticamente significativa
Cuando no se puede suponer normalidad de dichas muestras
Características
Variables medibles en escala ordinal
Supone población continúa
Si n<3' y variable no es normal
Libre de curva
No necesita distribución especifica
VD de nivel ordinal
Ejemplo
Dos muestras relacionadas con una población
Población de diferencias entre valores de una variable aleatoria bivariado
Contraste: comportamiento de puntuaciones en elementos de cada par
Signo y magnitud de diferencia
Dos medidas: Yi1 Yi2 a n sujetos
Calcular diferencias: Di = (Yi1 - Yi2)
Procedimiento para prueba de Wilcoxon
Restar puntuaciones: elemento a elemento en G1 y G2
Dejar en valor absoluto
Columna con rangos para G2>G1 y otra para G1>G2
-- En valor ordinal