Professional Documents
Culture Documents
4
Aplicativo
Predictivo
Explicativo
Explicativo o
Relacional
Descriptivo Experimental
Exploratorio
04 Explicativo
Causalidad
El control estadístico es multivariado a fin de descartar
asociaciones aleatorias, casuales o espurias entre la
variable independiente y dependiente.
4 Explicativo
Mejorar
Aplicativo
Predecir
Predictivo
Explicativo Causalidad
Relacional Bivariado
Descriptivo Univariado
Exploratorio
Niveles de Investigación
4 Explicativo
Según la
INTERVENCIÓN
del investigador
Aplicativo
Estudios con
Predictivo intervención
Explicativo
Exploratorio
Niveles de Investigación
4 Explicativo
Según la
INTERVENCIÓN
del investigador
Aplicativo
Predictivo Experimentales
Explicativo
Relacional Observacionales
Descriptivo
Exploratorio
Muestreo en el Nivel Explicativo
Calibrar
...
Predecir
Comprobar
Estudios con intervención Muestreo no probabilístico
(Experimentales) Demostrar (según criterio: discrecional o de juicio)
Identificar
Estudio según la intervención del investigador
Es en el Nivel Explicativo donde encontramos estudios tanto Experimentales
como Estudios Observacionales, según la intervención del investigador.
Aplicativo
Explicativo
Estudio Experimental
Relacional
Descriptivo
Estudio Observacional
• Industria • Medicina
• Agricultura • Ecología
• Mercadotecnia • Educación
• Ciencias sociales • Ciencias del comportamiento
Niveles de Investigación
4 Explicativo
Manipulación
Aplicativo
Intervención a
Predictivo propósito del
Diseños estudio
Experimentales Explicativo
Relacional Control
Control interno
Descriptivo y/o control
externo
Exploratorio
Diseños experimentales
Pertenecen al Nivel Explicativo. Los diseños experimentales se caracterizan por:
Población
Antes Antes
Si Manipulación No
Después Después
Diferencia Diferencia
Población
Antes
Si Manipulación
Después
Diferencia
Control interno o
autocontrol
Variables del diseño experimental
Variable Categórica
• Con tratamiento
• Sin tratamiento
Factor Fijo Variable aleatoria
Fijas Numéricas
Categóricas Aleatorias
Aleatorias Categóricas
Variable Aleatoria: Cuando los valores que vamos a encontrar en el desarrollo del estudio no son
conocidos antes de su ejecución.
Variable fija: Cuando los valores finales son conocidas antes de la ejecución del estudio.
Variables del diseño experimental
Bloque
Factor Fijo Variable aleatoria
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Unidad Experimental
Bloque
Factor Fijo Variable aleatoria
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Los dos grupos (Estudio y Control) corresponden a las categorías (Con tratamiento y Sin tratamiento)
de las Variable independientes, la cual se plantea como causa, se trata de un factor manipulado, en
diseños experimentales Factor: Significa Variable categórica y Fijo: Significa que la distribución de la
variable se conoce antes de recolectar los datos.
Tratamiento: La variable tratamiento puede ser única y se la denomina unifactorial (existe una variable
manipulada), pero también puede ser múltiple y se la denomina Multifactorial (existe varias variables
manipuladas).
Definiciones
Tratamientos
Viene a ser el conjunto de condiciones experimentales que el investigador
impone a las unidades experimentales.
Bloque
Factor Fijo Variable aleatoria
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Covariable
Variable aleatoria
(Factor aleatorio)
incontrolable
Variables del diseño experimental
Bloque
Factor Fijo Variable aleatoria
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Bloque
Bloques (Factor fijo): Son variables independientes categóricas en donde existen
características de las unidades de estudio que, no siendo manipuladas, que no se
pueden cambiar, ni modificar (Ej. Edad y sexo), el investigador no modifica estas dos
condiciones, pero pueden influir sobre la variable respuesta, se las utiliza como bloques
y se los distribuye desde antes de ejecutar el estudio (Es un control fijo).
Bloque
Factor Fijo Variable aleatoria
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Variable aleatoria
Bloque
Factor Fijo Variable aleatoria
Variable aleatoria
(Factor aleatorio)
incontrolable
Control Fijo
Bloque
Variables
Independientes
Covariable
Variable aleatoria
incontrolable
Control Fijo
Variables no
Bloque
manipuladas
Variables
Covariable
manipuladas
Variable aleatoria
incontrolable
Control Fijo
Bloque
Control fijo
Covariable
Control aleatorio
Variable aleatoria
incontrolable
Control Fijo
Bloque
Control fijo
no manipulado
Factor fijo
manipulado
Control Fijo
Bloque
- Con un factor bloques
- Con varios bloques
- Unifactoriales
- Multifactoriales
4 Explicativo
… Medidas repetidas t de Student para ANOVA con un factor ANOVA con un factor
- Un grupo muestras relacionadas Intrasujetos Intrasujetos
- Intrasujetos
4 Explicativo
… Medidas repetidas t de Student para ANOVA con un factor ANOVA con un factor
- Un grupo muestras relacionadas Intrasujetos Intrasujetos
- Intrasujetos
t de Student para Muestras independientes
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
t de Student para Muestras independientes
Planteamiento: Después de comprobar, sobre una muestra de 70 pacientes, que un tratamiento para la
artrosis suponía una disminución de Hemoglobina, se sospecha, al observar que 28 de ellos tenían
úlcera, que ésta puede ser la razón de la disminución y no el tratamiento. ¿La disminución de
Hemoglobina es la misma independientemente de la existencia o no de úlcera?
1 Úlcera
Causa
Unidad
Experimental
Dismin. Hb
Efecto
1
• Si
• No
t de Student para Muestras independientes
Interpretación: No se puede aceptar que la disminución de Hemoglobina sea la misma (P-valor: 0,000),
independientemente de la existencia o no de úlcera. En concreto, la media de la disminución en el grupo
de pacientes con úlcera (Media = 1,0110) es mayor que la media de la disminución en el grupo de
pacientes sin úlcera (Media = -0,0111). Es posible entonces que la disminución global de hemoglobina al
final del tratamiento sea debida a la disminución en los pacientes con úlcera.
4 Explicativo
… Medidas repetidas t de Student para ANOVA con un factor ANOVA con un factor
- Un grupo muestras relacionadas Intrasujetos Intrasujetos
- Intrasujetos
t de Student para Muestras relacionadas
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Planteamiento: Se ha evaluado el Colesterol antes y después en un grupo de pacientes,
los cuales son sometidos a un tratamiento saludable durante 1 año ¿El tratamiento
saludable habrá podido disminuir los niveles de Colesterol?
Interpretación: Según el presente estudio, se pudo demostrar que el tratamiento saludable aplicado a
los pacientes durante un año, logra disminuir (P: 0,000) los niveles de colesterol, ya que los niveles de
colesterol antes de iniciar el tratamiento era en promedio de 222,95 mg/dl, el cual disminuyo hasta 203,00
mg/dl al terminar el tratamiento, logrando demostrar la efectividad del tratamiento saludable.
Experimento Verdadero (puro)
Población
O1 Antes Antes O3
Si Manipulación No
X
O2 Después Después O4
Diferencia Diferencia
Grupo O1 X O2
Experimental
Grupo O3 O4
control
1 2 3 4 5
t de Student
Grupo O1 X O2
Experimental
Grupo O3 O4
control
Grupo O1 X O2
Experimental
Grupo O3 O4
control
H1: Si existe diferencia significativa entre las varianzas de las dos poblaciones
H0: No existe diferencia significativa entre las varianzas de las dos poblaciones
2.- Comprobar la igualdad de varianza de
los datos
2.- Comprobar la igualdad de varianza de
los datos
Grupo O1 X O2
Experimental
Grupo O3 O4
control
H1: Existe diferencia significativa entre las medias del grupo Experimental y del grupo control
H0: No existe diferencia significativa entre las medias del grupo Experimental y del grupo control
3.- Comprobar si existe diferencias en el
ANTES
3.- Comprobar si existe diferencias en el
ANTES
Grupo O1 X O2
Experimental
Grupo O3 O4
control
H1: Existe diferencia significativa entre las medias del después del GE y del GC
H0: No existe diferencia significativa entre las medias del después del GE y del GC
4.- Comprobar si existe diferencias en el
DESPUÉS
4.- Comprobar si existe diferencias en el
DESPUÉS
Grupo O1 X O2
Experimental
Grupo O3 O4
control
Tabla N° 23.- Distribución del Grupo experimental y del Grupo control por Barras de error agrupadas
según el Colesterol total mg/dl Pre y Post complementación con Lecitina de soya”
Interpretación: Según la tabla n° 23, esta pudo evidenciar que la población de
estudio antes de iniciar la complementación, no presentaban diferencias
significativas (P: 0,451) (P>0,05) en los valores de Colesterol total mg/dl, siendo
los valores, elevados para el grupo experimental (media: 249,9) con Riesgo Alto,
como para el grupo control (Media: 237,6) con Riesgo Moderado.
Antes Después
Grupo O1 X O2
Experimental
Grupo O3 O4
control
H1: Existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo
Experimental.
H0: No existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo
Experimental.
Comprobar si existen diferencias en el
ANTES y DESPUÉS del Grupo Experimental
t de Student para muestras relacionadas
Comprobar si existen diferencias en el
ANTES y DESPUÉS del Grupo Experimental
t de Student para muestras relacionadas
Antes Después
Grupo O1 X O2
Experimental
Grupo O3 O4
control
H1: Existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo
Control.
H0: No existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo
Control.
Comprobar si existen diferencias en el
ANTES y DESPUÉS del Grupo Control
t de Student para muestras relacionadas
Comprobar si existen diferencias en el
ANTES y DESPUÉS del Grupo Control
t de Student para muestras relacionadas
… Medidas repetidas t de Student para ANOVA con un factor ANOVA con un factor
- Un grupo muestras relacionadas Intrasujetos Intrasujetos
- Intrasujetos
Análisis de la Varianza (ANOVA)
con un Factor Intersujetos
• Cumplimiento de supuestos:
- NORMALIDAD
Se comprueba con Kolmogorov o Shapiro-Wilks.
- HOMOGENEIDAD DE VARIANZAS
La varianza de una muestra debe ser similar a la varianza de
la otra muestra.
Se comprueba con el Test de levene
- INDEPENDENCIA
Puntuaciones distintas porque vienen de personas distintas
Análisis de la Varianza (ANOVA)
con un Factor Intersujetos
- El supuesto de independencia
Alternativas:
• ANOVA de medidas repetidas
Análisis de la Varianza (ANOVA)
con un Factor Intersujetos
- El supuesto HOMOCEDASTICIDAD
Alternativas al ratio F:
• Brown-Forsythe F
• Welch F
• Pruebas Post-hoc
- Deben controlar el error tipo I cuando se realizan múltiples comparaciones.
Pruebas Post-hoc
Análisis de la Varianza (ANOVA)
con un Factor Intersujetos
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Planteamiento: Se han evaluado a las 5 marcas de gelatinas (MIKI, KRIS, GELINUTRA,
BONAIRE, AROMA) más famosas en la ciudad de Santa Cruz de la Sierra, ¿Existirá
diferencia entre el tiempo de cuajado (minutos) en las diferentes marcas de gelatina
comercializada en la ciudad de Santa Cruz de la Sierra? Nivel de significancia 5%.
Factor: Marcas de Gelatinas (V.I.):
A = MIKI
B = KRIS
C = AROMA
D = BONAIRE
E = GELINUTRA
ANOVA
Tiempo de cuajado (minutos)
Suma de Media
cuadrados gl cuadrática F Sig.
Tabla N° 3.- Distribución del tiempo de cuajado (minutos) de las cinco marcas de
gelatinas según subconjuntos homogéneos.
Marcas de gelatinas N 1 2 3 4
Aroma 6 73,00
Bonaire 6 98,00
Gelinutra 6 103,00 103,00
Kriss 6 108,00 108,00
Miki 6 115,50
Sig. (P-Valor) 1,000 ,466 ,466 ,119
Análisis de la Varianza (ANOVA)
con un Factor Intersujetos
• Tabla 2: “En cuanto a las comparaciones entre pares existe diferencias significativas
entre el tiempo de cuajado entre las marcas Miki y Aroma (P: 0,000), también entre la
marca Miki y Bonaire (P:0,000), Miki y Gelinutra (P:0,003), también se demostró
diferencias significativas al comparar el tiempo de cuajado entre la marca de gelatina
Kriss con Aromas (P: 0,000), Kriss con Bonaire (P: 0,020), como también entre la marca
Aroma y Bonaire (P: 0,000) y Aroma y Gelinutra (P: 0,000); Lo cual quiere decir que
cada vez que el consumidor compre la combinación de estas dos marcas de gelatinas,
el tiempo de cuajado va ser distinto”.
1 Comunidades
Causa
Unidad
Experimental
Peso
Efecto
1
Factor fijo: Comunidades guaraníes (V.I.): Carpeta: 24
Archivo SPSS: Peso en Comunidades 1 a 11 años
1 = Cruce
2 = Eity
3 = Itapicoe
4 = Ivamirapinta
HSD de Tukey
Subconjunto para alfa = 0.05
Comunidad N 1 2 3
Eity 58 17,845
Ivamirapinta 44 18,791 18,791
Itapicoe 30 21,613 21,613
Cruce 36 23,539
Sig. (P-valor) 0,892 0,149 0,469
Análisis de la Varianza (ANOVA)
con un Factor Intersujetos
• Tabla 2: “En cuanto a las comparaciones entre pares existe diferencias significativas
entre el Peso de los niños entre la comunidad de El Cruce y de Eity (P: 0,000), también
hay diferencia significativa en los Pesos de los niños que viven en la Comunidad de El
Cruce y de Ivamirapinta (P: 0,003), así también hay diferencia en los pesos de los niños
entre la comunidad de Eity y la comunidad de Itapicoe (P: 0,026)”.
• Tabla 3: En el estudio de comparación entre comunidades que tienen igual Peso (Kg),
se formaron tres grupos, como ser entre la comunidad de Eity e Ivamirapinta (P: 0,892),
entre la comunidad de Ivamirapinta y Itapicoe (P: 0,149) y las comunidades de Itapicoe y
Cruce (P: 0,469).
4 Explicativo
… Medidas repetidas t de Student para ANOVA con un factor ANOVA con un factor
- Un grupo muestras relacionadas Intrasujetos Intrasujetos
- Intrasujetos
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Planteamiento: Se desea evaluar la eficacia de un programa de dieta y ejercicios para bajar
de peso (Antes, a la mitad y al final). ¿El peso al final del programa de dieta y ejercicios es
menor al peso a la mitad y al peso basal? Nivel de significancia 5%.
1 Peso (A,M,F)
Causa
Unidad
Experimental
Eficacia dieta
Efecto
1
Carpeta: 32
Archivo SPSS: Peso inicial, mitad y final
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Si bien la potencia observada es el máximo nivel de confiabilidad que podemos alcanzar en nuestra prueba, y cuando
los datos cumplen el supuesto de esfericidad, se asume la primera fila de “Esfericidad asumida” cuyo valor máximo es
1,000, pero cuando no se cumple el supuesto de esfericidad, se utiliza la mayor potencia observada, pero la potencia
más utilizada por ser conservadora es la de Greenhouse-Geisser, cuyo valor es de 0,419 y su P-valor: 0,091.
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Si bien la potencia observada es el máximo nivel de confiabilidad que podemos alcanzar en nuestra prueba, y cuando
los datos cumplen el supuesto de esfericidad, se asume la primera fila de “Esfericidad asumida” cuyo valor máximo es
1,000, pero cuando no se cumple el supuesto de esfericidad, se utiliza la mayor potencia observada, siendo la potencia
más utilizada por ser conservadora la de Greenhouse-Geisser, cuyo valor es de 0,985 y su P-valor: 0,004.
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
• Se pudo comprobar como incide el efecto del tiempo sobre la perdida del peso del fruto,
el cual es importante, es decir que si no se coloca un tratamiento que haga efecto sobre
esta variable, vamos a tener perdidas, es decir que cuando llegue al lugar de destino,
vamos a tener perdida de peso en las papayas, que esta causando el tiempo (días)
sobre el fruto, va ser que perdamos dinero.
1.- Análisis de la Varianza
con un factor de Efectos fijos intersujetos
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
1 Fármacos A, B, C
Causa
Unidad
Experimental
P.A.S.
Efecto
1
Carpeta N° 34
1.- Análisis de la Varianza
con un factor de Efectos fijos intersujetos
Planteamiento: Se desea comparar los resultados de tres fármacos distintos A, B y C,
utilizados para reducir la presión arterial sistólica (P.A.S.). ¿La disminución en la PAS
será distinta independientemente cual sea el fármaco administrado?
1.- Análisis de la Varianza
con un factor de Efectos fijos intersujetos
Carpeta N° 34
2 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
2.- Análisis de la Varianza
Con dos o más factores de Efectos fijos intersujetos
Carpeta N° 35
2.- Análisis de la Varianza
Con dos o más factores de Efectos fijos intersujetos
Carpeta N° 36
2 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Se ha detectado que una dieta utilizada para reducir la PAS, siendo administrado a pacientes con
características semejantes, proporciona distintos resultados. Se sospecha que es debido, más que a los
fármacos en sí, a que las dosis aplicadas fueron distintas. El estudio fue realizado en pacientes de cuatro
médicos distintos y cada uno de ellos eligió la dosis que considero adecuada en función del PESO de los
pacientes. En consecuencia, se decidió realizar un nuevo estudio para analizar el efecto de las distintas
dosis en pacientes con distinto peso. Para ello se seleccionaron, por un lado, cuatro dosis distintos, y por
otro, dos intervalos de peso en los que todos los médicos estaban de acuerdo en que administrarían
dosis distintas.
3.- Análisis de la Varianza con dos o más factores de
Efectos aleatorios intersujetos
Ho: El comportamiento de la
variable PAS es independiente de
la dosis aplicada, independiente
del peso e independiente de la
interacción entre ambos aspectos.
El p-valor de la primera hipótesis (Sig., en la línea DOSIS), es menor que 0,05, mientras que los p-valores
(Sig., PESO y DOSIS*PESO) son mayores a 0,05. La primera Ho puede ser rechazada, las otras dos no
pueden serlo.
Conclusión.- Los distintos resultados en la disminución de la PAS dependen exclusivamente de las dosis
administradas.
4.- Análisis de la Varianza
Modelos con factores de efectos mixto
2 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
4.- Análisis de la Varianza
Modelos con factores de efectos mixto
Carpeta N° 37
4.- Análisis de la Varianza
Modelos con factores de efectos mixto
Ho: El comportamiento de la
variable PAS es independiente al
fármaco aplicado, independiente
del peso e independiente de la
interacción de los dos aspectos.
El p-valor de la tercera hipótesis (Sig., en la línea FÁRMACO*PESO), es menor que 0,05, mientras que los
p-valores de la primera y segunda (Sig., FÁRMACO y PESO) son mayores a 0,05. La tercera Ho puede ser
rechazada, las otras dos no pueden serlo.
Conclusión.- Los distintos resultados en la disminución de la PAS dependen del distinto comportamiento
que presentan los tres fármacos según el peso de los pacientes.
5.- Diseño completamente aleatorizado DCA
1 Tratamiento
Causa
Unidad
Experimental
Respuesta
Efecto
1
DCA
5.- Diseño completamente aleatorizado DCA
Tratamientos
5.- Diseño completamente aleatorizado DCA
El ANOVA de Una-Vía
Ejemplo: Carpeta N° 38
• Se registra el número de helados producidos por cada uno de los tres
turnos durante una semana. ¿Hay alguna diferencia en la producción de
cada turno?
K (Tratamientos)
H0: μ1 = μ2 = μ3
5.- Diseño completamente aleatorizado DCA
El ANOVA de Una-Vía
Pruebas post ho
Subconjuntos homogéneos
5.- Diseño completamente aleatorizado DCA
El ANOVA de Una-Vía
Pruebas post ho
Subconjuntos homogéneos
5.- Diseño completamente aleatorizado DCA
El ANOVA de Una-Vía
• Dado que el P-valor = 0,026 < 0,05 para la variación entre grupos, existe una
diferencia significativa entre las salidas o producciones o en las respuestas
(Outputs) de los tres turnos.
• Dado que el P-valor = 0,000 < 0,05 para la variación entre grupos, existe una
diferencia significativa en la elaboración de los alcohol gel antisépticos en los 5
grupos.
Carpeta N° 38
Subconjuntos homogéneos
5.- Diseño completamente aleatorizado DCA
El ANOVA de Una-Vía
Subconjuntos homogéneos
5.- Diseño completamente aleatorizado DCA
El ANOVA de Una-Vía
Bloque
Un bloque
1 Tratamiento
Causa
Unidad
Experimental
Respuesta
Efecto
1
DBCA
6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
Cuando usarla?
Porque usarla?
• La respuesta es continua:
H0 Factor fila: Las medias de las filas son iguales
Ha Factor fila: Las medias de las filas no son iguales
Supuestos:
Temperatura
Alta Media Baja
Proveedor
Columnas H0: μ1 = μ2 = μ3
Filas H0: μ1 = μ2 = μ3
6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
Temperatura
Alta Media Baja SPSS
Proveedor
…Grupos (Univariantes)
6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
…Grupos (Univariantes)
6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
…Grupos (Univariantes)
6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
Medias marginales estimadas
6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
Pruebas post hoc
Subconjuntos homogéneos
6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
Temperaturas (Tratamientos)
H0: μ1 = μ2 = μ3 = μ4 = μ5
H0: La resistencia del producto es la misma trabajada a Temperatura alta, media o baja
Proveedores (Bloques)
H0: μ1 = μ2 = μ3 = μ4
H0: La resistencia del producto es el mismo si el material proviene del proveedor A, B, C o D
6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
• Dado que el P-valor = 0,001 < 0,05 para la variación entre proveedores, existe
una diferencia significativa donde no se logra la misma resistencia del producto
con diferentes proveedores.
• Dado que el P-valor = 0,001 < 0,05 para la variación entre temperaturas, existe
una diferencia significativa donde no se logra la misma resistencia del producto
a diferente temperatura.
Ejemplo: Carpeta N° 39
• ¿Presentan los datos pruebas que indique que hay diferencias entre las
penetraciones medias de humedad en los materiales tratados con los
cuatros compuestos químicos?
Carpeta N° 39
C D B
9,9 13,4 12,7
A B D Compuestos químicos
10,1 12,9 12,9 A B C D
Repeticiones
RI 10,1 11,4 9,9 12,1
B A C
11,4 12,2 11,4 R II 12,2 12,9 12,3 13,4
Error = 7,707
Error = 7,707
Desglosado en:
7,172 Repeticiones
0,535 Error
6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
• El análisis DBCA (dos-vías) le extrae algunos efectos al error, por tanto el error
se disminuye y el experimento tiene una mayor precisión.
• En el experimento DCA cuyo P-valor: 0,225 nos dice que las medias son
iguales para los cuatro tratamientos.
Control Fijo
Controlable
Bloque
Dos bloques
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
7.- Diseño experimental con dos bloques
23 = 8 33 = 27 43 = 64 53 = 125
7.- Diseño cuadrados
2x2
2 Bloques + 1 Factor manipulado = 3
2(1 bloque de 2 niveles)x 2 (1 bloque de 2 niveles) x 2 (Dos niveles del Factor Manipulado) = 8 (N° de Grupos)
23 = 8
N° de niveles
en cada factor 2 bloques = Tabla de 2 x 2 x 2 = 8 grupos
23 = 8 33 = 27 43 = 64 53 = 125
2 bloques = Tabla de 3x3x3(factor manipulado) = 27 grupos
23 = 8 33 = 27 43 = 64 53 = 125
2 bloques = Tabla de 4x4x4(factor manipulado) = 64 grupos
23 = 8 33 = 27 43 = 64 53 = 125
2 bloques = Tabla de 5x5x5(factor manipulado) = 125 grupos
Bloque
Dos bloques
1 Tratamiento
Causa
Unidad
Experimental
Respuesta
Efecto
1
DCL
7.- Diseño cuadrados latino DCL
Ejemplo: Carpeta N° 40
• 10 a 20 años
Factor Fijo Método de aleatorización en un croquis
• 20 a 30 años
Edad Controlable Edad en años
• 30 a 40 años
• 40 a 50 años De 10 a 20 De 20 a 30 De 30 a 40 De 40 a 50
Bloque
• Santa Cruz de la Sierra Tarija 5 6 7 8
Ciudad • Tarija Cochabamba 9 10 11 12
• Cochabamba
La Paz 13 14 15 16
• La Paz
1 Broncodilatador
• Salbutamol
Unidad
Experimental
Elevación F.C.
Incremento
1
• Fenoterol (diferencia antes-después)
• Terbutalina
• Salmeterol
7.- Diseño cuadrados latino DCL
4x4
64 4 256
grupos
x = Unidades
replicas
experimentales
43 = 64
4x4
16 1 16
grupos
x = Unidades
replica
experimentales
43-1 = 16
• 10 a 20 años
• 10 a 20 años Factor Fijo
• 20 a 30 años Ciudad Edad Broncodilatador
• 20 a 30 años Controlable Edad • 30 a 40 años
Edad • 30 a 40 años
• 40 a 50 años
• 40 a 50 años
Bloque
• Santa Cruz de la Sierra
• Santa Cruz de la Sierra
Ciudad • Tarija
Ciudad • Tarija • Cochabamba
• Cochabamba
• La Paz
• La Paz
tal
1 Efecto
Broncodilatador
Elevación F.C.
• Salbutamol
1 Unidad
Experimental
Elevación F.C.
Incremento
1
•Incremento
Fenoterol (diferencia antes-después)
(diferencia antes-después)
• Terbutalina
• Salmeterol
4x4
43-1 = 16
16 1 16
grupos
x = Unidades
replica
experimentales
7.- Diseño cuadrados latino DCL
Broncodilatador
Ciudad Edad Salbutamol Fenoterol Terbutalina Salmeterol
De 10 a 20 25
Santa Cruz de la De 20 a 30 9
Sierra
De 30 a 40 11
(416 msnm)
De 40 a 50 9
De 10 a 20 17
Tarija De 20 a 30 15
(1874 msnm) De 30 a 40 18
De 40 a 50 12
De 10 a 20 26
Cochabamba De 20 a 30 21
(2558 msnm) De 30 a 40 14
De 40 a 50 19
De 10 a 20 29
La Paz De 20 a 30 26
(3625 msnm) De 30 a 40 16
De 40 a 50 15
7.- Diseño cuadrados latino DCL
Broncodilatador
Ciudad Edad Salbutamol Fenoterol Terbutalina Salmeterol
De 10 a 20 25
Santa Cruz de la De 20 a 30 9
Sierra
De 30 a 40 11
(416 msnm)
De 40 a 50 9
De 10 a 20 17
Tarija De 20 a 30 15
(1874 msnm) De 30 a 40 18
De 40 a 50 12
De 10 a 20 26
Cochabamba De 20 a 30 21
(2558 msnm) De 30 a 40 14
De 40 a 50 19
De 10 a 20 29
La Paz De 20 a 30 26
(3625 msnm) De 30 a 40 16
De 40 a 50 15
7.- Diseño cuadrados latino DCL
SPSS
7.- Diseño cuadrados latino DCL
7.- Diseño cuadrados latino DCL
7.- Diseño cuadrados latino DCL
7.- Diseño cuadrados latino DCL
7.- Diseño cuadrados latino DCL
Subconjuntos homogéneos
Pruebas post hoc
Subconjuntos homogéneos
Gráficos de perfil
7.- Diseño cuadrados latino DCL
Carpeta N° 41
Factor Fijo Variable aleatoria
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
8.- Medidas repetidas con un Factor intrasujetos
Carpeta N° 41
8.- Medidas repetidas con un Factor intrasujetos
Ho: Los efectos de los tres fármacos proporcionan el mismo resultado con respecto al
comportamiento de la variable PAS
El p-valor (Sig. = 0,523 en la primera línea FÁRMACOS), es mayor que 0,05. No se puede rechazar la Ho.
2 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
9.- Medidas repetidas con un Factor intrasujeto y
intersujeto
Carpeta N° 42
9.- Medidas repetidas con un Factor intrasujeto y
intersujeto
Ho: Los efectos de los tres niveles del factor Fármacos son nulos, que los efectos de los dos
niveles del factor edad son nulos y que los seis efectos debidos a la interacción de los niveles de
ambos factores son nulos.
El p-valor de la primera hipótesis (Sig. = 0,495, en la primera línea de la tabla «Pruebas de efectos intra-
sujetos») es mayor que 0,05, dicha hipótesis no puede ser rechazada. Sin embargo el p-valor de la
segunda (Sig. = 0,000 en la línea EDAD de la tabla «Prueba de los factores inter-sujetos») como la tercera
(Sig. = 0,000, en la primera línea del bloque FÁRMACO*EDAD de la tabla «Pruebas de efectos intra-
sujetos») son menores que 0,05; en consecuencia, ambas hipótesis pueden ser rechazadas.
Conclusión.- Aunque los resultados de los tres fármacos son los mismos en términos globales, si se
distinguen por grupos de edad, dejan de serlo.
Si nos limitáramos a comparar los fármacos A y C:
9.- Medidas repetidas con un Factor intrasujeto y
intersujeto
Ho: Los efectos de los dos niveles del factor fármacos son nulos, que los efectos de los dos
niveles del factor edad son nulos y que los cuatro efectos debidos a la interacción de los niveles
de ambos factores son nulos.
Conclusión.- Aunque los resultados de los fármacos A y C son los mismos, tanto en términos globales,
como si se distinguen por grupos de edad, dejan de serlo.
4 Explicativo Control Fijo
Controlable
Bloque
Factor Fijo
manipulado Variable aleatoria
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Covariable
1
Variable aleatoria
incontrolable