República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación

Universitaria
Universidad Centroccidental “Lisandro Alvarado”
Decanato Experimental de Humanidades y Artes
Programa de Licenciatura en Psicología

ANALISIS DE
VARIANZA

Integrante:
Génesis toro
C.I. 25.016.667

Prof. Pedro Morales

Sección:

Barquisimeto; 14 de abril de 2016

 Introducción

En el siguiente trabajo daremos a conocer el análisis de varianza en la

estadística. En este sentido los procedimientos estadísticos que se deben realizar
para la ejecución de cualquier experimento y sobre todo en el ámbito psicológico.

La estadística y sus técnicas son de uso cotidiano iniciando desde las

observaciones muéstrales o históricas, y luego creando modelos que se
extienden a representar o predecir algún fenómeno con un poco de incertidumbre
en un grado medible, está presente desde siglos atrás, desde la aparición de las
primeas civilizaciones, su uso ha sido de gran importancia la misma ha sido
empleada para resolver situaciones que se presentan diariamente por definirla de
alguna manera, desde otra perspectiva la estadística serviría de gran apoyo en el
avance de estudios eh investigaciones y poco a poco fue sumando gran relevancia
ya que gracias a ella de maneras muy sencillas se podrían resolver situaciones
muy tediosas. (Berenzon y Levine, 2003).

Berenzon y Levine (2003) afirma que la estadística que conocemos

proviene además del gran avance que ha tenido los trabajos matemáticos de
aquellos creadores de las probabilidades, que fueron lo que le dio impulso a la
estadística para ser una ciencia formal.

Se puede mencionar que hay ciertos tipos como lo son la descriptiva que se
encarga de, describir, recolectar, datos de manera gráfica y numérica. Por otro
lado la inferencial se basa en hacer predicciones, conclusiones trabajando sobre
muestras.

La estadística abarca un largo campo no solo en lo mencionado anterior

mente pues ella también está presente en muchos de los ámbitos laborales,
empresariales mundo de oficinas y como base a todo eso en mundo universitario.

Además es un auxiliar principal de muchas de las ciencias que poseen

base matemática que tienen relación con la interpretación, recolección, de
muestras datos variables etc. Bien sea para la resolución de problemas presentes,
o los contrastes que se presenten en algunas situaciones.

Hay que tener que tener en cuenta que estadística es de gran importancia
para la psicología ya llegar a obtener y resumir antecedentes útiles de
observaciones que se hace en algunas oportunidades por el psicólogo y este debe
basar sus decisiones con algunos datos arrojados, con algunos métodos
estadísticos, la aplicación de la estadística le aporta mayor claridad y valides a la
psicología en cuanto a sus investigaciones, y avances, técnicas y precisión en
cuanto al dar diagnósticos regidos por test que se hallan aplicado al paciente, o
comunidad, experimental, por todos estos motivos mencionados la psicología y la
estadística van de la mano, en cada uno de sus avances al momento de precisión.

Está en oportunidad se tomaran en cuenta y se desarrollaran algunos

conceptos precisos de la estadista como lo son: que es una investigación y su
clasificación, que es un experimento con su clasificación, el objetivo de la
investigación la psicología, Variable (dependientes, independientes, moderadas,
mediadoras, controlable, incontrolables), además estarán presente también la
definición de tratamientos, factores, errores, de igual manera se desarrollaran las
sumas de cuadrados, los grados de libertad, cuadrados de medidas, el estadístico
f, Algunos métodos de comparación como lo son: (MDS, TUKEY, DUCAN) .

En base a todo lo expuesto anteriormente, surge el interés para actualizar

algúnos conocimientos, en cuanto a conceptos o modelos estadísticos empleados
de alguna manera en la psicología y la vida cotidiana.
1.- INVESTIGACIÓN.

Etimológicamente investigar proviene del latín in (en) y vestigare (hallar,

inquirir, indagar, seguir vestigios) lo que se puede traducir en descubrir algún
hecho, seguirle la huella a algo, explorar para conocer.

La investigación según Best (1.987) puede ser considerada como un

proceso formal, sistemático e intensivo para llevar a cabo un método científico,
este se dirige al descubrimiento de conocimientos organizados. Analiza las
proporciones hipotéticas con el fin de establecer relaciones causa-efecto, las
cuales deben ser probadas frente a la realidad objetiva y este propósito puede ser
considerado como la formulación de teoría o aplicación de teoría, conduciendo a la
predicción y por ultimo al control de hechos que son el resultado de acciones o
causas específicas, citado por (Grajales, 2000)

Otro autor como Kerlinger (1993), la define como un proceso crítico,

controlado y empírico de fenómenos naturales que se guía por la teoría y la
hipótesis acerca de las supuestas relaciones entre dichos fenómenos.

2.- TIPOS DE INVESTIGACIÓN SEGÚN BEST

El tipo de investigación se refiere a la clase de estudio que se va a realizar.

Orienta sobre la finalidad general del estudio y sobre la manera de recoger las
informaciones o datos necesarios.

La precisión, la profundidad, así como también el éxito de los resultados de la

investigación dependen de la elección adecuada del diseño de investigación. He
aquí un esquema donde se resumen los diferentes tipos de investigación.

Cada tipo de diseño posee características particulares por lo que cada uno es
diferente a cualquier otro y no es lo mismo seleccionar un tipo de diseño que otro.
La eficacia de cada uno de ellos depende de si se ajusta realmente a la
investigación que se esté realizando. Los diseños experimentales son propios de
la investigación cuantitativa, mientras los no experimentales se aplican en ambos
enfoques (cualitativo o cuantitativo). De este modo existen dos Diseño de
investigaciones principales, los experimentales o del laboratorio y los no
experimentales que se basan en la temporalización de la investigación.

La investigación se clasifica en:

1..- Experimental

2.- No experimental

3.- Documental

Diseño tipos

1.- Experimental:

a) Pre-experimental (transversal, longitudinal.

b) Cuasi-experimental

c) Experimental pura

2.- No experimental. Cualitativa.

a) Descriptivo de campo (correlacional) utilizan Métodos: fenomenológico,

etnográfico, hermenéutico, interaccionismo simbólico.

Pura o Básica: La cual que plantea teoría.

Aplicada: Que confronta la teoría con la realidad. Esta a su vez de divide en

histórica la cual busca reconstruir el pasado de la manera más objetiva y exacta
posible, descriptiva se interesa en describir de modo sistemático las
características de una población, situación o área de interés, experimental que
consiste en determinar, con la mayor confiabilidad posible, relaciones de causa-
efecto, para lo cual uno o más grupos, llamados experimentales, se exponen a los
estímulos experimentales y los comportamientos resultantes se comparan con los
comportamientos de un grupo llamado control y cuasi-experimental a través de la
cual se puede aproximar a los resultados de una investigación experimental en
situaciones en las que no es posible el control y manipulación absoluto de las
variables.

En muchas investigaciones se llevan a cabo experimentos, principalmente

del tipo cuantitativa, ahora este es definido como la observación objetiva de los
fenómenos los cuales se realizan bajo estricto control y se hacen variar uno o más
factores, mientras otros permanecen constantes (Campbell y Stanley ,1963) Este
viene de una palabra en latín que significa “poner a prueba” y es muy acertada, ya
que es el mecanismo utilizado para comprobar, verificar, o corregir las hipótesis
que se crean en la investigación.

Otra definición en cuanto a un experimento la aporta Díaz y Vallejo (1987),

el cual expone que son métodos que sirven para comprobar empíricamente una
hipótesis, lo cual llevara al rechazo o aceptación de la misma, donde estarán
presentes variables dependientes e independientes.

INVESTIGACIÓN EXPERIMENTAL.

El objetivo se centra en controlar el fenómeno a estudiar, emplea el

razonamiento hipotético-deductivo. Emplea muestras representativas, diseño
experimental como estrategia de control y metodología cuantitativa para analizar
los datos. Predice lo que ocurrirá si se produce alguna modificación en la
condición actual de un hecho, para logra esto aplica el razonamiento hipotético-
deductivo y la metodología suele ser cuantitativa. Los experimentos pueden
realizarse en el laboratorio o pueden ser de campo.

Investigación de campo: La investigación se centra en hacer el estudio

donde el fenómeno se da de manera natural, de este modo se busca conseguir la
situación lo más real posible. Se pueden incluir experimentos de campo y la
investigación ex post facto empleando metodología cualitativa.

Según el autor (Santa palella y feliberto Martins (2010)), define: La

Investigación de campo consiste en la recolección de datos directamente de la
realidad donde ocurren los hechos, sin manipular o controlar las variables. Estudia
los fenómenos sociales en su ambiente natural. El investigador no manipula
variables debido a que esto hace perder el ambiente de naturalidad en el cual se
manifiesta.

La investigación de campo es aquella que consiste en la recolección de

todos directamente de los sujetos investigados, o de la realidad donde ocurren los
hechos (datos primarios), sin manipular o controlar variables alguna, es decir, el
investigador obtiene la información, pero no altera las condiciones existentes.
De allí sus carates de investigación no experimental.
Claro está, en una investigación de campo también se emplea datos
secundarios, sobre todo los provenientes de fuentes bibliográficas, a partir de los
cuales se elabora el marco teórico. No obstante, son los datos primarios obtenidos
a través del diseño de campo, lo esenciales para el logro de los objetivos y la
solución del problema planteado.

La investigación de campo, al igual que la documental, se puede realizar a nivel

exploratorio, descriptivo y explicativo.

Investigación pre experimental

Según el autor (Santa palella y feliberto Martins (2010)), define: La investigación

pre experimental en este tipo de investigación, el grado de control de las variables
es mínimo y poco adecuado para el establecimiento de relaciones entre las
variables independientes y las dependientes. Es conveniente utilizarlas solo como
pruebas de experimentos que requiere mayor control.

NO EXPERIMENTAL
Según el autor (Santa palella y feliberto Martins (2010)), define: El diseño no
experimental es el que se realiza sin manipular en forma deliberada ninguna
variable. El investigador no sustituye intencionalmente las variables
independientes. Se observan los hechos tal y como se presentan e su contexto
real y en un tiempo determinado o no, para luego analizarlos.
Documental:

Su objetivo fundamental es el análisis de diferentes fenómenos de la

realidad, a través de la indagación, mediante técnicas precisas, de los documentos
que, directa o directamente, aporte la información requerida. Se ocupa del estudio
de problemas planteados a nivel teórico La información requerida se encuentra
básicamente en materiales impresos, audiovisuales y/o electrónicos. se
fundamenta en la revisión sistemática, rigurosa y profunda del material documental
de cualquier clase. Se procura el análisis de los fenómenos o el establecimiento
de la relación entre dos o más variables. Cuando opta por este tipo de estudio, el
investigador utiliza documentos, los recolecta, selecciona, analiza y presenta
resultados coherentes.

NO EXPERIMENTAL

Investigación cualitativa: Es aquella que persigue describir sucesos complejos

en su medio natural, con información preferentemente cualitativa. Se suelen
emplear en los estudios de las Ciencias Sociales

Investigación Descriptiva: Se efectúa cuando se desea describir, en todos sus

componentes principales, una realidad. También son aquellas que conservan las
variables o las relacionan. Investigación descriptiva: Describe los fenómenos
como aparecen en la actualidad. Estos pueden ser longitudinales o transversales,
cualitativos o cuantitativos. Es aquel tipo de estudio que persigue medir el grado
de relación existente entre dos o más conceptos o variables.

INVESTIGACIÓN DE LABORATORIO O EXPERIMENTAL.

Se ocupa de la orientación dirigida a los cambios y desarrollos, tanto de la

esfera de las ciencias naturales como de las sociales. El control adecuado es el
factor esencial del método utilizado. La ley de la variable única debe cumplirse en
toda situación experimental. Esta investigación se presenta mediante la
manipulación de una variable no comprobada, en condiciones rigurosamente
controladas, con el fin de escribir de qué modo y por qué causa se produce una
situación o acontecimiento particular. Este tipo de investigación presenta las
siguientes etapas:

Presencia de un problema para el cual sea realizada una revisión bibliográfica.

Identificación y definición del problema.

Definición de hipótesis y variables y la operalización de las mismas.

Diseño del plan experimental.

Prueba de confiabilidad de los datos.

Realización del experimento.

Tratamiento de datos.

INVESTIGACIÓN NO EXPERIMENTAL SEGÚN LA TEMPORALIZACIÓN

Método transversal:

Es el diseño de investigación que recolecta datos de un solo momento y en un

tiempo único. El propósito de este método es describir variables y analizar su
incidencia e interrelación en un momento dado.

Diseños transversales descriptivos: Son aquellos que tienen como objetivo

indagar la incidencia y los valores en que se manifiesta una o más variables.

Diseños transversales correlacionales: Se encargan de describir relaciones

entre dos o más variables en un momento, determinado.

Diseños transversales correlacionales/causales:

Son aquellos en los cuales las causas y efectos ya ocurrieron en la realidad

(estaban dados y manifestados) y el investigador los observa y reporta.
Método longitudinal: Es el diseño de investigación que recolecta datos a través
del tiempo en puntos o períodos especificados, para hacer inferencias respecto al
cambio sus determinantes y consecuencias.

Diseños longitudinales de tendencia o trend: Son aquellos que analizan

cambios a través del tiempo (en variables o sus relaciones), dentro de alguna
población en general.

Diseños longitudinales de evolución de grupo o cohort:

Son estudios que examinan cambios a través del tiempo en subpoblaciones

o grupos específicos. Atención a las cohortes o grupos de individuos vinculados de
alguna manera, generalmente la edad, grupos por edad.

Diseños longitudinales panel: Son similares a las dos clases de diseños

anteriormente señalados, sólo que el mismo grupo de sujetos es medido en todos
los tiempos o momentos.

3.- QUE ES UN EXPERIMENTO

Un experimento de ciencias es una prueba que se realiza para responder a una

pregunta científica El propósito del diseño de experimentos es establecer las
metodologías que aseguren las conclusiones válidas y objetivas en el desarrollo
de experimentos.

4.- COMO SE CLASIFICACIÓN DE LOS EXPERIMENTOS.

Para catalogar un estudio como experimental es necesaria que al menos

una de las variables independientes estudiadas sea manipulada explícitamente
por el investigador con el objetivo de saber sus efectos sobre la variable
dependiente. Hay diferentes tipos de experimentos en los cuales la principal
diferencia radica en el grado de control que se en función a las variables que se
están estudiando. De los tipos de experimentos se derivan los diseños
experimentales y a su vez del diseño experimental que se escoja se deriva el tipo
de experimento (Campbell y Stanley ,1963). Entonces tenemos los siguientes
experimentos:

Experimentos complejos o puros, verdaderos en el cual el individuo

manipula una o varias variables independientes para observar sus efectos sobre
una o varias variables dependientes en una situación de control. Pudiendo estos
ser, por ejemplo, factoriales, anidados, con reducción de grupos (Diges, Rubio y
Rodríguez, 1992).

Sabiendo que hay condiciones que debe reunir un experimento puro, tales
como: Manipulación intencional de una o mas variables independientes, medición
del efecto que la variable independiente tiene en la variable dependiente y buen
control o validez interna de la situación experimental.

Experimentos simples con una sola variable independiente. (Díaz y

Vallejo, 1987).

Cuasi experimentos: Son iguales que los experimentos verdaderos pero

aquí no se escogen los grupos al azar, siendo esa la diferencia más importante, se
incluyen los diseños con intervención en los que se hacen aplicaciones en
situaciones naturales en las cuáles es imposible asignar al azar a los participantes
o controlar el orden de aplicación de los niveles de la variable independiente.

Pre-experimentos: Se caracterizan por el grado mínimo de control. Es

decir, no tienen grupo control y la asignación de los grupos y de los sujetos no se
hace al azar, debido a esto no son aptos para el establecimiento de relaciones
explicativas entre una variable independiente y otra dependiente. Normalmente se
usan en momentos exploratorios de experimentos verdaderos y su interpretación
es muy cautelosa debido a la invalidez tanto interna como externa que presentan.
(Gustavo Ramón,2000)
5.- OBJETIVO DE LA INVESTIGACIÓN EXPERIMENTAL EN PSICOLOGÍA

a.- La investigación experimental busca establecer causa y efecto manipulando

variables y teniendo el control indispensable de estas con el fin de obtener
resultados relevantes, basándose en evidencia empírica,

b.- Ha sido utilizada por diversas ciencias y claramente que también por la
Psicología donde el objetivo de los experimentos es predecir fenómenos, por
ende, ayudando en la calidad de la vida diaria.

c.- La psicología como ciencia busca comprender y explicar los fenómenos que
estudia, aunque muchos de los fenómenos estudiados no so directamente
observables se proponen teorías acerca de su funcionamiento, que luego se
someten a pruebas y por lo tanto se llegan a comprobar empíricamente
adquiriendo el modelo de status científico al tener evidencia empírica. (Balluerka y
Vergara, 2002)

d.- El objetivo del experimento también radica en estimar si un determinado

tratamiento tiene influencia sobre la conducta sometida a estudio, a partir de esto
también se estiman una serie de estadísticos con el fin de descubrir información
acerca de la eficacia de dicho tratamiento.

6.- QUE ES UNA VARIABLE INDEPENDIENTE Y DEPENDIENTE.

Variable independiente: Es aquella que se supone es la causa de la ocurrencia

de otra variable, el antecedente, la variable que supone influye en los valores que
adopta otra variable. En investigaciones experimentales la variable independiente
es aquella que el investigador controla.

Variable dependiente: Es aquella que se supone es el efecto de la ocurrencia de

otra variable, el consecuente, la variable que se supone se ve influida por los
valores que adopta otra variable. Es el resultado medido que el investigador usa
para determinar si hubo o no cambios, se observa o mide para detectar
variaciones. ( Berenzon y Levine, 2003).
Ejemplo: Cialdino, Reno y Kallgren (1990) querían ver si había más probabilidad
de que la gente tirara basura al ver que otros ya lo habían hecho. Los
investigadores dispusieron que se dejaran diferentes cantidades de basura en un
sendero antes de distribuir folletos a la gente que está en punto de recorrer ese
sendero. Predijeron que mientras más basura hubiera en el suelo más
probabilidades habrían de que los participantes involuntarios tiraran sus folletos

1) La cantidad de piezas de basura en el suelo depende si el participante

tiraba su folleto o no.

2) El hecho de que el participante tirara o no su folleto dependía de la

cantidad de piezas de basura en el suelo

El primer enunciado no tiene sentido en este experimento y el segundo es

lo que el experimento pretendía demostrar. Aquí hay dos variables y una se
conoce tradicionalmente como variable independiente, en tanto que la otra es la
variable independiente ¿podría determinarse ahora a que la variable (la cantidad
de basura tirada o si el participante tiraba su folleto) se denominaría la variable
independiente?

Dado que tirar el folleto depende de la cantidad de piezas de basura, tiene sentido
definir que la acción de tirar los folletos sea variable independiente. Los cambios
en esta variable dependen de las modificaciones en la variable independiente
(cantidad de piezas de basura).

7.- QUE ES UNA VARIABLE MEDIADORA Y MODERADORA. DE EJEMPLOS.

Variable moderadora:
Baron y keny(1986) definen a las moderadoras como variables
intervinientes que afectan la dirección y/o la fuerza de la relación ente¿re una
variable independiente y una variable dependiente ( reduciendo incrementándola
anulándola, o invirtiéndola). En palabras de estos autores un moderador divide a
una variable focal independiente dada, implica que la relación causal entre dos
variables cambia como una función de la variable moderadoras.
 Ejemplo: determinado un tipo de tratamiento psicoterapéutico para las
fobias específicas puede resultar ser más efectivo con niños que con adultos. En
términos de moderación se diría que la edad modera el efecto causal del
tratamiento psicoterapéutico (variable independiente) en la disolución de las fobias
especificas (variable dependiente.

En términos causales, los moderadores siempre funcionan como variables

independientes encontrándose en un mismo nivel que las variables
independientes debido al rol como variable causal de una variable dependiente
dada. Por lo tanto, está presente en la interacción entre una variable
independiente y una dependiente, explicando en qué sujetos y en qué condiciones
tendrá lugar la relación entre esas dos variables. (Etchebarne, O’Connell,
Roussos,2008).
Tratamiento: Conjunto de condiciones experimentales que serán impuestas a una
unidad experimental en un diseño elegido.

Factor: es la variable independiente. Es la variable que manipula el investigador,

para estudiar sus efectos sobre la variable dependiente. Ejemplo: Tipos de riesgo,
dosis de fertilización, variedades del cultivo, manejo de crianzas, entre otros.

Nivel del Factor: Es cada una de las categorías, valores o formas específicas del
factor.

Factor Cualitativo: Sus niveles se clasifican por atributos cualitativos.

Factor Cuantitativo: Sus niveles son cantidad numérica en una escala.

Factores Observacionales: El investigador registra los datos pero no interfiere

en el proceso que observa.

Factores Experimentales: El investigador intenta controlar completamente la

situación experimental.

Unidad Experimental: Es la parte más pequeña de material experimental

expuesta al tratamiento, independientemente de otras unidades.
Unidad de muestreo: Un concepto básico en la teoría del muestreo que debe
definirse claramente para construir el marco muestral, es la unidad de muestreo,
que es la unidad mínima de observación de la que se obtendrá información de las
variables útiles. Por convención estadística, se usará "N" para referirnos al número
de unidades de muestreo que integran el Universo y "n" para el número de
unidades de muestreo en la muestra.

Variable mediadora.

Baron y keny (1986). Definen las mediadoras como variables intervinientes

que dan cuenta de la relación entre la variable independiente y la variable
dependiente es decir la función mediadora de una variable representa un
mecanismo generativo a través del cual la variable independiente focal es capaz
de influir sobre las variables dependientes de interés. Baron y keny (1986).

Ejemplo: si tomamos como variable independiente una técnica psicoterapéutica

y como variable dependiente al afecto terapéutico, la alianza terapéutica podría
funcionar como una variable mediadora entre la variable independiente y la
dependiente.

8.- QUE ES UNA VRIABLE CONTROL

Según Tuckman, la define como esos factores que son controlados por el
investigador para eliminar o neutralizar cualquier efecto que podrían tener de otra
manera en el fenómeno observado.
Se trata de participantes que no reciben tratamiento que se considera que
generaran un cambio en la variable dependiente. Las variables control deben
permitir evaluar los distintos centros de responsabilidad. Por medio de las
variables se pretende conciliar el ámbito de responsabilidad del centro con los
objetivos que se le asignan.
 Los experimentos utilizan tres tipos de variables: independientes,
dependientes, y variables de control para producir resultados. Las variables de
control son los factores del experimento que se mantienen constante de un ensayo
a otro para asegurar que los resultados sean válidos.
9.- QUE ES UN DISEÑO EXPERIMENTAL Y CUASIEXPERIMENTAL.

DISEÑO EXPERIMENTAL

Un diseño experimental es considerado como parte del proceso científico y

una de las maneras en las que aprendemos acerca de la forma en que funcionan
los sistemas o procesos. Por lo general este aprendizaje se da a través de una
serie de actividades en las cuales hacemos conjeturas sobre un proceso,
realizamos experimentos para generar datos a partir del proceso, y entonces
usamos la información del experimento para establecer nuevas suposiciones que
conllevan a realizar nuevos experimentos y así sucesivamente, adoptando una
forma cíclica.

DISEÑO CUASI-EXPERIMENTAL

El diseño cuasi-experimental es una forma de investigación experimental

utilizado ampliamente en las ciencias sociales y la psicología, la cual carecen de
asignación aleatoria de los grupos o los controles adecuados, por lo tanto un firme
análisis estadístico puede ser muy difícil

GUÍA EXPERIMENTAL

Para analizar un experimento de manera correcta, se deben seguir una serie de

pasos, convirtiéndose así en la guía experimental.

a_ Comprensión y planteamiento del problema: Es importante diseñar un

planteamiento claro y aceptable, para ello es importante consultar a todos los
cuerpos involucrados: cuerpo técnico, aseguramiento de calidad, entre otros. Esto
permite tener un mejor conocimiento del fenómeno.
b_ Elección de factores y niveles: El experimentador debe elegir los factores y
niveles específicos a los cuales variara el experimento. Tal conocimiento suele ser
una combinación de experiencia y comprensión teórica.

c_ Selección de la variable de respuesta: La selección de respuesta o variable

dependiente realizada por el investigador, debe asegurar que la medición de esta
pueda proveer información sobre el proceso estudiado.

d_ Elección del diseño experimental: Para elegir el diseño es necesario

considerar el tamaño muestral (número de repeticiones), seleccionar un orden
adecuado para las repeticiones y determinar si existe la implicación de un bloqueo
u otras restricciones de aleatorización.

e_ Realización del experimento: Cuando se realiza el experimento, es vital

monitorear el proceso para asegurar que todo se haga conforme a lo planteado, ya
que los errores en esta fase suelen anular la validez experimental.

f_ Análisis de datos: Deben emplearse métodos estadísticos para analizar los

datos, de modo que los resultados y conclusiones sean objetivos más que
apreciativos; para ello en la actualidad pueden emplearse paquetes de sofware
como: EXCEL, MINITAB.

DISEÑO COMPLETO ALEATORIO

Este diseño tiene amplia aplicación cuando las unidades experimentales

son muy homogéneas, es decir, la mayoría de los factores actúan por igual entre
las unidades experimentales. Esta situación se presenta en los experimentos de
laboratorio donde casi todos los factores están controlados, también en ensayos
clínicos y en experimentos industriales.

Si se logra controlar factores cualitativos como: edad, sexo, color, raza;

podemos eliminar su influencia para la existencia de un error experimental, la
varianza de este componente disminuirá y en consecuencia aumentaría la
eficiencia del experimento posibilitando la detección de efectos entre los
tratamientos o condiciones experimentales si son existentes.
 Su nombre deriva del hecho que existe completamente una aleatorización,
la cual valida la prueba F de Fisher-Snedecor. También se le conoce como Diseño
de una vía o un solo criterio de clasificación en virtud de que las respuestas sean
clasificadas únicamente por los tratamientos.

Este diseño no tiene restricciones en cuanto a las unidades experimentales,

estas deberán ser en todo caso homogéneo, al igual que no se ve afectado por el
número igual o desigual de observaciones por tratamiento.

10.- DEFINA QUE ES UN TRATAMIENTO EN DISEÑO EXPERIMENTAL.

TRATAMIENTO

Los tratamientos vienen a constituir los diferentes procedimientos, procesos,

factores o materiales y cuyos efectos van a ser medidos y comparados. El
tratamiento establece un conjunto de condiciones experimentales que deben
imponerse a una unidad experimental dentro de los confines del diseño
seleccionado. Ejemplos:

Dosis de fertilizante, ración alimenticia, profundidad de sembrado, distanciamiento

entre plantas, variedades de un cultivo.

TESTIGO

El testigo es el tratamiento de comparación adicional, que no debe faltar en un

experimento;

Por ejemplo, si se usan cinco tratamientos con fertilizante, el testigo puede ser
aquel tratamiento que no incluye fertilizante. La elección del tratamiento testigo es
de gran importancia en cualquier investigación, este se constituye como
referencial del experimento y sirve para la comparación de los tratamientos en
prueba.
11.- QUE ES UN DISEÑO UN FACTORIAL Y UNIFACTORIAL

¿Qué es Diseño factorial?

En estadística, un experimento factorial completo es un experimento cuyo

diseño consta de dos o más factores, cada uno de los cuales con distintos valores
o niveles, cuyas unidades experimentales cubren todas las posibles
combinaciones de esos niveles en todo los factores. Este tipo de experimentos
permiten el estudio del efecto de cada factor sobre la variable respuesta, así como
el efecto de las interacciones entre factores sobre dicha variable.

Por ejemplo, con dos factores y dos niveles en cada factor, un experimento
factorial tendría en total cuatro combinaciones de tratamiento, y se le denominaría
diseño factorial de 2×2.

Si el número de combinaciones en un diseño factorial completo es

demasiado alto para su procesamiento, puede optarse por un diseño factorial
fraccional, en el que se omitan algunas de las combinaciones posibles.

El experimento factorial más simple contiene dos niveles para cada uno
de dos factores. Suponga los deseos de un ingeniero para estudiar la energía total
usada por cada uno de dos diversos motores, A y B, funcionando en cada uno de
dos diversas 2000 o 3000 RPM de las velocidades. El experimento factorial
consistiría en cuatro elementos experimentales: viaje en automóvil A en 2000
RPM, viaje en automóvil B en 2000 RPM, viaje en automóvil A en 3000 RPM, y
viaje en automóvil B en 3000 RPM. Cada combinación de un solo nivel
seleccionado de cada factor está presente una vez.

Este experimento es un ejemplo de 22 (o 2x2) experimento factorial,

nombrado así porque considera dos niveles (la base) para cada uno de dos
factores (la energía o el exponente), o #lniveles#factores, produciendo 22puntos
factoriales =4. Los diseños pueden implicar muchas variables independientes.
Como otro ejemplo, los efectos de tres variables entradas se pueden evaluar en
ocho condiciones experimentales demostradas como las esquinas de un cubo.
Esto se puede conducir con o sin la réplica, dependiendo de su propósito previsto
y recursos disponibles. Proporcionará los efectos de las tres variables
independientes en la variable dependiente y las interacciones posibles(en caso de
haber más de 3 se habla de un hiperespacio).

12.- TIPOS DE FACTORES ESTUDIADOS EN UN DISEÑO EXPERIMENTAL

Cruzados aleatorios y fijos

Factor de efectos fijos es un factor en el que los niveles han sido seleccionados
por el Experimentador. Es apropiado cuando el interés se centra en comparar el
efecto sobre la Respuesta de esos niveles específicos. Ejemplo: un empresario
está interesado en comparar El rendimiento de tres máquinas del mismo tipo que
tiene en su empresa.

Factor de efectos aleatorios es un factor del que sólo se incluyen en el

experimento una Muestra aleatoria simple de todos los posibles niveles del mismo.
Evidentemente se utilizan Estos factores cuando tienen un número muy grande de
niveles y no es razonable o posible trabajar con todos ellos. En este caso se está
interesado en examinar la variabilidad de la respuesta debida a la población entera
de niveles del factor. Ejemplo: una cadena de hipermercados que tiene en plantilla
300 trabajadores de caja está interesada en estudiar la influencia del factor
trabajador en la variable tiempo en el cobro a un cliente.

13.- QUE ES UNA UNIDAD EXPERIMENTAL Y UNA UNIDAD DE MUESTREO

UNIDAD EXPERIMENTAL

Es la unidad básica más elemental que se emplea para experimentar sobre

unidades experimentales se aplican los tratamientos que son objeto de
investigación. La experimentación agrícola se denomina simplemente parcelas.
La unidad experimental, es el objeto o espacio al cual se aplica el tratamiento y
donde se mide y analiza la variable que se investiga. En los experimentos
pecuarios la unidad experimental por lo general está conformada por un animal
(cuye, cerdo, pato, etc.), en los experimentos forestales la unidad experimental en
la mayoría de los casos está conformado por un árbol y en la mayor parte de las
pruebas de campo agrícolas, la unidad experimental es una parcela de tierra en
lugar de una planta individual; es en este último caso que con frecuencia se
presenta lo que se llama efecto de borde.
Efecto de Borde
En los experimentos agrícolas, muchas veces existen diferencias en el
crecimiento y la producción de las plantas que están situadas en los perímetros de
la parcela en relación con aquellas plantas situadas en la parte central; esta
diferencia es llamado efecto de borde y puede causar sobre-estimación o sub-
estimación de las respuestas de los tratamientos, llegando con esto a
comparaciones sesgadas entre ellos. El efecto de bordes puede ser causado por:
- Vecindad de las parcelas ó áreas no cultivadas, que hace que las plantas en los
Perímetros tengan menor competencia de luz y nutrientes.
- Competencia entre tratamientos, que depende de la naturaleza de los
tratamientos vecinos. Para controlar el efecto de borde se acostumbra a evaluar
solamente las plantas centrales para los fines experimentales. Estas plantas
centrales constituyen lo que se llama PARCELA NETA EXPERIMENTAL.

Determinar el tamaño muestral.

Calcular el número de observaciones que se deben tomar para alcanzar los

objetivos del experimento. Existen, dependiendo del modelo, algunas fórmulas
para determinar este tamaño. Todas ellas sin embargo requieren el conocimiento
del tamaño de la variabilidad no planificada (no sistemática y sistemática, si es el
caso) y estimarlo a priori no es fácil, siendo aconsejable sobreestimarla.
Normalmente se estima a partir del experimento piloto y en base a experiencias
previas en trabajos con diseños experimentales semejantes.
Unidad muestra que se toma de unas poblaciones normales (dependientes) y
una unidad de muestreo es la que se usa aleatoriamente como independiente Los
modelos de diseño de experimentos, según sean los factores incluidos en el
mismo, se pueden clasificar en: modelo de efectos fijos, modelo de efectos
aleatorios y modelos mixtos. A continuación se precisan estas definiciones.

14.- ¿QUE ES UN ERROR EXPERIMENTAL?

ERROR EXPERIMENTAL

Indica la variabilidad en las respuestas y alteraciones presente entre

elementos tratados de manera independiente y exacta, dicha variabilidad puede
presentarse por algunos factores que no son controlados por el experimentador.
Ferrer y Ruiz X (2011).

El error experimental es la variación de resultados debido a factores

externos al experimento.

15.- PRINCIPIOS BÁSICOS DE UN DISEÑO EXPERIMENTAL

Ferrer J, Ruiz X (2011) afirman que los principios básicos de un diseño

experimental son:

 Aleatorización.
 Repetición.
 Bloqueo.
Aleatorización: Consiste en presentar las pruebas o ensayos de manera
individual o aleatoria esto es de gran ayuda para anular los factores extraños que
pudiesen estar presentes. Los tratamientos se deben asignar aleatoriamente a las
unidades experimentales, con el fin de no sesgar el experimento.

Repetición: Radica en aplicar varias veces un tratamiento, o en la combinación de

factores para alcanzar de esta manera, la estimación del error experimental. Que
permitirá determinar las desigualdades que han sido significativas
estadísticamente. : Es necesario repetir las pruebas para aumentar la certeza.
Las repeticiones serán el número de veces que un tratamiento se aplica al mismo
número de unidades experimentales

Bloqueo: Tecnica aplicada para aumentar la exactitud del experimento tomando

en cuenta de esa manea todos los factores que puedan estar afectando las
respuestas que están siendo obtenidas. Es un conjunto de unidades
experimentales de los más homogéneo posible que reciben el mismo tratamiento.
El uso de bloques de unidades experimentales homogéneas y con aplicaciones de
tratamientos uniformes le da validez al experimento.

Suposiciones del análisis de varianza

a) Los errores se distribuyen normal con μ = 0 y una varianza σ2 para cualquier
combinación de tratamientos o factores que influyen en el experimento.
b) Los errores son independientes
c) Los efectos de los tratamientos y los efectos aleatorios son aditivos.

Error experimental
Cada dato, en promedio, debería ser la media total del experimento más el efecto
de tratamiento, entonces su diferencia se considera el error de cada dato.

Error = dato – (media total + efecto de tratamiento) O de otra forma

Dato = media total + efecto de tratamiento + error del dato

Ejemplo: El dato y1,3 tiene un error

Error = 13 – (11.93 + 0.92) = 1.5
O lo que es lo mismo
13 = 11.93 + 0.92 + 1.5
16.- QUE ES UN DISEÑO EXPERIMENTAL DE EFECTOS FIJOS ALEATORIOS
Y MIXTOS.

Efectos fijos: Es aquel donde el experimentador elige de manera fija, los factores
o tratamientos que serán usados o que van a intervenir en el experimento.
Recalcando que en las conclusiones de análisis, para estos experimentos solo
funcionan los factores o tratamientos usados para la realización del mismo.

Efectos aleatorios: En este caso los factores son elegidos al azar entre la
población. Pero en las conclusiones de análisis son más amplias, tanto para los
factores usados como para los que no fueron incluidos. Ferrer y Ruiz, (2011).

Efectos mixtos: Es la combinación de los dos anteriores y se presenta cuando

algunos factores son fijados y otros son elegidos al azar. En estos casos las
conclusiones del análisis de variancia serán válidas para toda la población de
factores cuando estos son elegidos al azar, y solamente para los factores usados
cuando estos son fijados.

17.- CUANDO SE DICE QUE UN DISEÑO EXPERIMENTAL ESTA

BALANCEADO O DESBALANCEADO.

Diseño equilibrado o balanceado: es el diseño en el que todos los tratamientos

son asignados a un número igual de unidades experimentales.

Diseño experimental desbalanceado o diseño no balanceado surge cuando los

niveles delo factor del estudio no poseen el mismo número de repeticiones, debido
a la falta de material experimental. Se pueden presentar en el caso que se esté
comparando un control contra otros tratamientos ya que queremos obtener buena
información acerca del control, por ello este tendrá más replicaciones que los otros
tratamientos. Otro caso en el que suele presentarse es cuando entre
los tratamientos algunos son más importantes que otros. Otra razón es cuando
la observación de alguna UE por algún motivo se pierde.

Ejemplo: En ANOVA y DOE, un diseño balanceado tiene un número de

observaciones que es igual para todas las combinaciones posibles de los niveles
de los factores. Un diseño no balanceado tiene un número desigual de
observaciones.

Diseño balanceado

Usted tiene exactamente una observación para todas las combinaciones posibles
de los niveles de los factores para los factores A, B y C: (0, 0, 0); (0, 0, 1); (0, 1, 0);
(0, 1, 1); (1, 0, 0); (1, 0, 1); (1, 1, 0); y (1, 1, 1).
C1 C2 C3

A B C

0 0 0

0 0 1

0 1 0

0 1 1

1 0 0

1 0 1

1 1 0

1 1 1

Diseño no balanceado

En este caso, faltaría la combinación de niveles de factor (1, 0, 0) y usted tiene

dos observaciones de la combinación (0, 1, 0). Cualquiera de estas condiciones,
por sí solas, hacen que el diseño sea no balanceado.
C1 C2 C3

A B C

0 0 0

0 1 0

0 1 0

0 0 1

0 1 1

1 1 0

1 0 1

1 1 1

Por lo general, el análisis de un diseño balanceado es sencillo, porque se pueden

ver las diferencias entre las medias de los niveles de factores sin procesar para
sus estimaciones de los efectos principales y de interacción. Si el diseño es no
balanceado, bien sea porque así estaba previsto o debido a una pérdida
accidental de datos, las diferencias en las medias de los niveles de factores sin
procesar podrían mostrar las observaciones no balanceadas en lugar de cambios
en los niveles de los factores. Para los diseños no balanceados, puede usar
medias ajustadas para predecir los resultados que habría producido un diseño
balanceado.

Determinar si los datos son balanceados

Para usar el ANOVA balanceado, el diseño debe ser balanceado. Para un

conjunto de datos pequeño, puede buscar en la hoja de trabajo y ver fácilmente si
los datos son balanceados.

Para determinar si los datos son balanceados cuando se trata de conjuntos de

datos grandes, cree una tabla de tabulación cruzada. Para crear esta tabla, elija
Estadísticas > Tablas > Tabulación cruzada y Chi-cuadrada. Examine las celdas
en la salida resultante. Una celda es la intersección de una fila y una columna. Si
el conteo de una celda no es igual a los conteos de todas las demás celdas, usted
tiene datos no balanceados.

Desbalanceados

El análisis de varianza es una técnica para análisis de datos, donde se prueba la

hipótesis nula que “todos los tratamientos son iguales, contra la hipótesis
alternativa que “al menos uno de los tratamientos es distinto a los demás”.

Lamentablemente, el objetivo deseado al realizar el experimento (encontrar el o

los mejores tratamientos), no se puede cumplir. Para ello es necesario realizar un
procedimiento adicional, llamado Prueba de medias.

Existe una gran cantidad de pruebas de medias, pero quizá la más conocida es la
prueba de Tukey. Esta prueba fue desarrollada por John W. Tukey.
Se calcula un valor llamado el comparador de Tukey, de la siguiente manera:

Donde:
Que es una valor que se obtiene de una tabla (Tabla de Tukey) , de manera
parecida a la tabla de F . Horizontalmente se colocan los grados de libertad de los
tratamientos y verticalmente los grados de libertad del error. Solamente existen
tablas para niveles de significancia del 5% y del 1%.
El término que está dentro de la raíz cuadrada se llama error estándar de la media
y es igual al cuadrado medio del error (obtenido en el ANDEVA), dividido entre el
número de repeticiones.

Si la diferencia entre dos promedios es mayor que el comprador, se concluye que

los dos promedios no son iguales, en caso contrario se concluye que sí son
iguales.

Se utiliza el mismo comparador para todos los pares de promedios que se

comparan.
Pero ésta fórmula solamente es válida para el caso de experimentos con igual
número de repeticiones (balanceado).

Un experimento puede ser desbalanceado (desiguales repeticiones) por varios

motivos: por causa de los tratamientos, por fallas en el manejo del experimento, o
por causas desconocidas que el experimentador no pudo controlar. El análisis de
un experimento desbalanceado se complica.

En el caso del diseño al completo azar el procedimiento es directo, pero en el de

bloques al azar, cuadrado latino y otros, es necesario estimar los datos faltantes
antes de realizar el análisis.
Lo mismo sucede para la prueba de Tukey. No se puede usar un solo comparador,
se deben calcular varios comparadores para realizar la comparación por pares.
Esta variante de la prueba se conoce como Tukey-Kramer
La fórmula para el cálculo es la siguiente:
Donde:
W ij= comparador para el par de tratamientos i,j
q= valor de la tabla de Tukey, con grados de libertad de tratamientos y grados de
libertad del error
CME= cuadrado medio del error
ri, rj son las repeticiones de los tratamientos i,j

Ejemplo:
Comparación de 4 concentrados para engorde de pollos. Diseño: completamente
al azar, unidad experimental: pollos machos, de 1 mes de nacidos, de la misma
raza y criados en las mismas condiciones. Se les alimentó con los concentrados
en las dosis recomendadas por los fabricantes por el sistema “ad livitum” (comer
todo lo que quieran), y la variable de interés fue: incremento de peso en 4
semanas (en libras).
Datos finales:
A 2.1 1.8 2.0 MURIÓ 1.9 2.0
B 1.5 1.4 1.6 1.4 1.5 1.7
C 2.0 1.8 1.9 2.1 2.1 2.0
D MURIÓ 1.5 1.6 1.6 1.5 1.4

Los animales murieron por causas naturales (no por efecto de los
tratamientos) deben ser excluidos del análisis, por lo que el experimento se
convierte en desbalanceado.
El análisis de varianza al 5% de significancia elaborado con Excel® es el
siguiente:
Análisis de varianza de un
factor
RESUMEN
Grupos Cuenta Suma Promedio Varianza
A 5 9.8 1.96 0.013
1.5166666 0.0136666
B 6 9.1 7 7
1.9833333 0.0136666
C 6 11.9 3 7
D 5 7.6 1.52 0.007
ANÁLISIS DE
VARIANZA

Grado
Origen de s de Promedio Valor
las Suma de liberta de los Probabilida crítico
variaciones cuadrados d cuadrados F d para F
Entre 1.1378787 0.3792929 31.510489 2.2348E- 3.1599075
grupos 9 3 3 5 07 9
Dentro de 0.2166666 0.0120370
los grupos 7 18 4
1.3545454
Total 5 21

Los resultados muestran que sí existe diferencia significativa entre los

concentrados al 5%, por lo que debe procederse a la prueba de medias.
El valor de la tabla se obtiene con 3 grados de libertad en la horizontal y 18 en la
vertical con un alfa del 5% = 3.118
Por ejemplo, los cálculos para la primera comparación (A contra B) se realizan
así:
Diferencia: 1.96-1.516=0.4433
error estándar=

comparador= 3.118*0.047=0.1465

Las comparaciones se realizan así:

error
r1 r2 diferencia estándar comparador conclusión
A contra no son
B 5 6 0.4433 0.0470 0.1465 iguales
A contra son
C 5 6 0.0233 0.0470 0.1465 iguales
A contra no son
D 5 5 0.4400 0.0491 0.1530 iguales
B contra no son
C 6 6 0.4667 0.0448 0.1397 iguales
B contra son
D 6 5 0.0033 0.0470 0.1465 iguales
C contra no son
D 6 5 0.4633 0.0470 0.1465 iguales
Finalmente, se realiza la presentación, en el formato usual de Tukey:
1.983 A
1.960 A B
1.520 C
1.517 C

CONCLUSION: LOS MEJORES TRATAMIENTOS FUERON A Y C, SE DEBE

UTILIZAR EL QUE RESULTE MÁS ECONÓMICO

PARA UN DISEÑO EXPERIMENTAL COMPLETAMENTE ALEATORIZADO DE

EFECTOS FIJOS DESDUSCA:

Suma de Cuadrados

La SCE, es una medida de cuánto se ajusta el modelo completo a los datos

observados, y la SCE, es la medida equivalente para el modelo reducido.
Entonces, la diferencia (SCE, - SCE,) es una medida de la superioridad del
modelo completo sobre el modelo reducido. En consecuencia, la razón
proporciona un medio para evaluar la ventaja relativa y forma parte esencial del
conocido criterio de la prueba.

F: (SCE, - SCEc)

SCEc

Los Grados de libertad son expresados como el número de elementos

estadísticamente independientes en las sumas de cuadrados. El valor de los
grados de libertad representa el número de piezas de información independientes
en las sumas de cuadrados. La suma de cuadrados de todas las observaciones C
yf, tiene N elementos estadísticamente independientes y, por lo tanto, N grados de
libertad. Una vez estimado el parámetro p mediante y,, a partir de los datos, la
suma de cuadrados del error para el modelo reducido es SCE, = SC total = C (y, -
y ,)2. Las (y, - y ) en SCE, no son N elementos estadísticamente independientes
porque suman cero y alguna de ellas es el negativo de la suma de los otros (N - 1)
valores. Esta restricción lineal sobre las observaciones es consecuencia de la
estimación de un parámetro, p, en el modelo reducido. En general, los grados de
libertad para la SCE después de ajustar el modelo es el número de observaciones
menos el número de parámetros estimados a partir de los datos. Existen t
parámetros (p,, p2, ..., p,) estimados para el modelo completo. En consecuencia,
el número de elementos estadísticamente independientes en la suma de
cuadrados del error para el modelo completo es (N - t), de manera que SCE, tiene
(N - 1) grados de libertad.

Estadístico F

De la teoría estadística, se sabe que las sumas de los cuadrados de variables

aleatorias con distribución normal se asocian con la distribución ji-cuadrada. Se
puede demostrar que SCEc /ơ2 se distribuye como la variable ji-cuadrada con (N -
t) grados de libertad. La diferencia SCT = SCE, - SCEc, con (t - 1) grados de
libertad, representa la reducción en la suma de cuadrados total debida a las
diferencias entre las medias de los tratamientos. Cuando las medias de los
tratamientos son iguales, µ, = µ2 = … = µ,, se puede demostrar que este criterio,
(SCE, - SCE,) / ơ2 = SCT / ơ2 , también tiene una distribución ji-cuadrada con (t -
1) grados de libertad y que es independiente de la distribución de SCEc / ơ2.

El Coeficiente:

18.- QUE ES UNA TABLA DE ANÁLISIS DE VARIANZA

La tabla de análisis de varianza

Resume el conocimiento acerca de la variabilidad en las observaciones del

experimento. Se ha hecho una partición en dos de la suma de cuadrados total,
una representa la variación entre las medias de tratamientos, la otra al error
experimental. La varianza del error experimental u2 se estima mediante s2 =
SCEI(N- t), donde s2 se conoce como el cuadrado medio del error (CME). La otra
media al cuadrado de importancia es el cuadrado medio de tratamientos (CMT),
que se calcula con:

CMT = SC tratamiento

(t- 1)

De tal modo que las particiones de la suma de cuadrados, los grados de

libertad y los cuadrados de la medias se resumen en la tabla de análisis de
varianza como la que se muestra

Tabla de análisis de varianza para tratamientos con un solo factor, en un

diseño totalmente aleatorizado

Fuente de Grados de Suma de Cuadrados Medios

Variación libertad Cuadrados
Total N-1 SC total
Tratamientos t-1 SC tratamiento

Error N-t SC error

19.- CUÁLES SON LOS MODELOS CLÁSICOS EN UN EXPERIMENTO

DEFÍNALOS Y EXPRESE SU MODELO MATEMÁTICO:

El modelo más habitual es el modelo lineal:

𝐾

𝑌 = ∑ αi + 𝜀
1=𝐼
En este modelo la respuesta viene dada por una combinación lineal de términos
que representan las principales fuentes de variación planificada más un término
residual debido a las fuentes de variación no planificada. Los modelos que se
estudian en este texto se ajustan a esta forma general. El experimento piloto
puede ayudar a comprobar si el modelo se ajusta razonablemente bien a la
realidad.

Los modelos de diseño de experimentos, según sean los factores incluidos en el

mismo, se pueden clasificar en: modelo de efectos fijos, modelo de efectos
aleatorios y modelos mixtos. A continuación se precisan estas definiciones.
Factor de efectos fijos es un factor en el que los niveles han sido seleccionados
por el
Experimentador. Es apropiado cuando el interés se centra en comparar el efecto
sobre la respuesta de esos niveles específicos.

Ejemplo: un empresario está interesado en comparar el rendimiento de tres

máquinas del mismo tipo que tiene en su empresa.
Factor de efectos aleatorios es un factor del que sólo se incluyen en el
experimento una muestra aleatoria simple de todos los posibles niveles del mismo.
Evidentemente se utilizan estos factores cuando tienen un número muy grande de
niveles y no es razonable o posible trabajar con todos ellos. En este caso se está
interesado en examinar la variabilidad de la respuesta debida a la población entera
de niveles del factor.
Ejemplo: una cadena de Hipermercados que tiene en plantilla 300 trabajadores
de caja está interesada en estudiar la influencia del factor trabajador en la variable
tiempo en el cobro a un cliente. Modelo de efectos fijos es un modelo en el que
todos los factores son factores de efectos fijos.
Diseño completamente aleatorizado

El experimentador asigna las unidades experimentales a los tratamientos al azar.

La única restricción es el número de observaciones que se toman en cada
tratamiento. De hecho, si ni es el número de observaciones en el i-ésimo
tratamiento, i = 1,. . . , Entonces, los valores n1, n2, . . . , nI determinan por
completo las propiedades estadísticas del diseño. Naturalmente,
Este tipo de diseño se utiliza en experimentos que no incluyen factores bloque.

El modelo matemático de este diseño tiene la forma:

16 Respuesta = Constante + Efecto Tratamiento + Error

Diseño en bloques o con un factor bloque

En este diseño el experimentador agrupa las unidades experimentales en bloques,
a continuación. Determina la distribución de los tratamientos en cada bloque y, por
último, asigna alazar las unidades experimentales a los tratamientos dentro de
cada bloque.
En el análisis estadístico de un diseño en bloques, éstos se tratan como los
niveles de un único factor de bloqueo, aunque en realidad puedan venir definidos
por la combinación de niveles de más de un factor nuisance.

El modelo matemático de este diseño es:

Respuesta = Constante + Efecto Bloque + Efecto Tratamiento + Error

El diseño en bloques más simple es el denominado diseño en bloques

completos, en el que cada tratamiento se observa el mismo número de veces en
cada bloque.

El diseño en bloques completos con una única observación por cada

tratamiento se denomina diseño en bloques completamente aleatorizado o,
simplemente, diseño en bloques aleatorizado. Cuando el tamaño del bloque es
inferior al número de tratamientos no es posible observar la totalidad de
tratamientos en cada bloque y se habla entonces de diseño en bloques
incompletos.

Diseños con dos o más factores bloque

En ocasiones hay dos (o más) fuentes de variación lo suficientemente importantes
como para ser designadas factores de bloqueo. En tal caso, ambos factores
bloque pueden ser cruzados o anidados.

Los factores bloque están cruzados cuando existen unidades experimentales en

todas las combinaciones posibles de los niveles de los factores bloques.

Diseño con factores bloque cruzados. También denominado diseño fila-

columna, se caracteriza porque existen unidades experimentales en todas las
celdas (intersecciones de fila y columna).

El modelo matemático de este diseño es:

Respuesta = Constante + Efecto Bloque Fila + Efecto Bloque Columna + Efecto
Tratamiento+ Error
Los factores bloque están anidados si cada nivel particular de uno de los factores
bloque ocurre en un único nivel del otro factor bloque.

Diseño con factores bloque anidados o jerarquizados: Dos factores bloque se

dicen anidados cuando observaciones pertenecientes a dos niveles distintos de un
factor bloque están automáticamente en dos niveles distintos del segundo factor
bloque.

TIPOS DE MODELOS ESTADISTICOS

De acuerdo a la selección de los tratamientos y otros factores se tiene la siguiente
clasificación:
Modelo I (Efectos Fijos): Se presenta cuando los tratamientos y demás factores
que intervienen en un experimento son fijados por el investigador; es decir, no se
efectúa una elección aleatoria. En estos casos las conclusiones del análisis de
variancia solamente son válidas para los tratamientos y otros factores usados en
el experimento. En el presente trabajo se ha considerado únicamente el caso de
modelo de efectos fijos, por ser el que se presenta con mayor frecuencia en la
experimentación agraria.
Modelo II (Efectos aleatorios): Se presenta cuando los tratamientos y demás
factores que intervienen en un experimento son elegidos al azar de una población.
En estos casos las conclusiones del análisis de variancia son válidos, tanto para
los tratamientos y demás factores usados, asi como para todas las poblaciones de
Tratamientos y factores.
Modelo III (Modelo Mixto):
Modelo mixto es un modelo en el que hay factores de efectos fijos y factores de
efectos aleatorios, este modelo es la combinación de los dos anteriores y se
presenta cuando algunos factores son
fijados y otros son elegidos al azar. En estos casos las conclusiones del análisis
de variancia seránválidas para toda la población de factores cuando estos son
elegidos al azar, y solamente paralos factores usados cuando estos son fijados.

20.- SUPUESTOS QUE DEBE CUMPLIR EL DISEÑO EXPERIMENTAL:

Son cuatro los supuestos del ANOVA completamente al azar:

Homogeneidad de varianzas: Se refiere a que cada respuesta Yij debe poseer

dentro de cada tratamiento una variación parecida o igual a la del otro tratamiento.
Este supuesto puede ser probado postulando como hipótesis nula y alterna las
siguientes:

(Los “k” tratamientos tienen varianzas

iguales)
 (Los “k” tratamientos no tienen varianzas
iguales)

Independencia de los errores de un tratamiento a otro: Es decir, se calculan

los errores residuales para cada grupo de tratamiento a través de la fórmula:

Las hipótesis son:

Ho: Hay independencia de errores

H1: Hay dependencia de errores

Normalidad de los supuestos: Se refiere a que las respuestas Yij deben poseer
una distribución normal dentro de cada grupo de tratamiento. Para verificar su
cumplimiento se plantean las hipótesis:
H0: La distribución de cada tratamiento es normal

H1: La distribución de cada tratamiento no es normal

Aditividad de los efectos: Las respuestas de cada grupo de tratamientos es la

suma de la media general más un efecto aleatorio asociado a la respuesta. El
sistema hipotético es:
H0: Los efectos son aditivos

H1: Los efectos no son aditivos

DISEÑO DE BLOQUES COMPLETOS AL AZAR

El diseño de bloques completos al azar surge por la necesidad que tiene el

investigador de ejercer un control local de la variación dado la existencia de un
material experimental heterogéneo.

Los pasos que el investigador sigue son:

Forma los bloques de unidades experimentales homogéneos fundamentándose
para ello en algún criterio de bloqueo o agrupamiento. Estos criterios pueden ser:
Raza, época, edad, sexo, peso, sistema de manejo, tipo de explotación, zona,
país, número de partos, número de lactaciones, número de ordeños, corrales o
establos, potreros, camadas, métodos, variedades, entre otros.

Luego de formados los bloques se asignan al azar los tratamientos a la unidades

experimentales de cada bloque.

Los bloques se definen como un conjunto de unidades experimentales

homogéneas dentro de sí y heterogéneos entre sí. En los bloques están
representados todos los tratamientos.
 CONCLUSIÓN

La realización del presente trabajo nos hace fácil la comprensión y

entendimiento de distintos tema como lo es el desarrollado referente a el análisis
de varianza, gracias al aporte de distintos autores se logra obtener unas
representativas conceptualizaciones, con el fin de acercarnos un poco más a la
ciencia de las estadísticas y conocer como ella se involucra de manera eficaz en la
psicología y las distintas ramas de la ciencia, comprendiendo que está es base
para el desenvolvimiento de cualquier profesional. El análisis de varianza permite
constatar la hipótesis nula de las medias.

Por otro lado la investigación es un proceso, que consta por la investigación

del método científico, usando un diseño experimental se obtiene información de
calidad, lo cual dicha información nos permite comprender mejor un procedimiento
analítico. De este modo se puede destacar que la estadística aplicada a la
psicología permite encontrar, descubrir nuevos acontecimientos en una
investigación, lo cual fortalece y permite que la ciencia siga avanzando.

En este sentido el psicólogo debe tener presente en su labor, el conocer y

saber analizar e interpretar estadísticamente los datos que el mismo ha de obtener
en una investigación, así como también entender adecuadamente la metodología
estadística de los trabajos publicados en cualquier área de psicología como en
área social y de igual manare el área clínica, y es la formación Estadística lo que
le otorga al psicólogo resultados obtenidos para poder abordar diferentes casos
particulares.

De tal modo es indispensable tomar en cuenta lo expuesto y recopilado en

la presente investigación ya que nos lleva a una mejor comprensión de las
estadísticas y con ello un mayor criterio de lo imprescindible que es para el
progreso de nuestro desempeño estudiantil y profesional.
 Bibliografía

Artiles Visual L, Otero Iglesias J, Barrios Osuna I. Metodología de la investigación

iiiipara las Ciencias de la Salud. Capítulo 1.

Berenzon, M. & Levine, D. (2003). Estadística Básica en Administración:

conceptos iiiiaplicaciones. (8va ed). Editorial Prentice Hall Hispanoamericana S. A.
México D. F.

Campbell, D. & Stanley, J. Experimental and quasi-experimental design for

research on iiiiteaching. En Salkind, N.J. Métodos de investigación. 3 ed.
México

Clorets. (2004). Diseño Experimental.

Costejon, O. (2011). Diseño y análisis de experimentos. Fondo Editorial Biblioteca

iiiUniversidad Rafael Urdaneta.

Díaz, A. y Vallejo, M. A. (1987). Influencia del placebo en el tratamiento de la

cefalea. iiiiEstudios de Psicología, 31-32, 53-68.

Diges, M., Rubio, M. & Rodríguez, M. C. (1992). Eyewitness memory and time of
iiiiday. En F. Lösel y T. Bliesener (eds.), Psychology and law (pp. 317-320). Berlín:
De Gruyter

Ferrer, J. & Ruiz, X. (2011). Introducción al diseño estadístico de experimentos

iiiiestadística para experimentadores.

Grajales, T. (2000). EL CONCEPTO DE INVESTIGACION.

Gustavo Ramón S Diseños experimentales Apuntes de clase del curso Seminario

iiiiInvestigativo VI. niversidad de Granada.

Lasa, N. & Vergara, A. (2002).Diseños de investigación experimental en

iiiipsicología: modelos y análisis de datos mediante el SPSS 10.0 Pearson
Educación.
O’Connell, E & Roussos, M. (2008). The Study of Mediators andModerators for
iiiiPychotherapy Research. Revista del Instituto de Investigaciones de la Facultad
de Psicología / UBA - Año 13 - N° 1.