Professional Documents
Culture Documents
V
a
l
i
d
e
z
?
La Escalera de Validez de la Investigacin
Conclusin
Interna
Concepcin
Externa
Hay una relacin entre
la causa y el efecto?
Es esta relacin
causal?
Podemos generalizar a
preguntas e hiptesis?
Podemos generalizar a
otras muestras de la
poblacin?
Validez
Trochim, W.M.K. 2006. Dept. Policy Analysis & Management. Cornell Univ.
Amenazas a la Validez de la Investigacin
Amenazas
Concluir que (no) existe una
Relacin Cuando realmente
(no) la hay
Confiabilidad
Adecuado poder de la prueba
Implementacin
Conjuros
Validez de la Conclusin
Amenazas
Uso de Grupo Control
Modificacin por la
observacin
Aleatorizacin
Conjuros
Validez Interna
Maduracin
Mortalidad
1 grupo experimental
> 1 grupo experimental
Comparabilidad
Interaccin
Amenazas
Mapeo de Conceptos
Inadecuada
Operacionalizacin
Conjuros
Validez de la Concepcin
Sesgo en la aplicacin de
Tratamientos/Observaciones
Uso de mltiples versiones de
Tratamientos/Observaciones
Validez Externa
Generalizacin Errnea
Modelo Adecuado de Muestreo
Definicin del Universo de
Inferencia
Rplicas Espaciales/Temporales
Diseo Experimental
Diseo
Experimental
Hiptesis
Amenazas a la
Validez
Diseo de Grupos
o Tratamientos
Diseo
de Muestreo
Material
Experimental
Observaciones
o Medidas
Anlisis
Facultad de Medicina Veterinaria
Unidad de PostGrado
Doctorado en Ciencia Animal
Diseos Experimentales para la Ciencia Animal
Clase 2
Noviembre 2007
Panorama de los Diseos Experimentales
Conceptualizacin
El diseo experimental no es ms que una optimizacin de la funcin
Observacin = f (efectos, error aleatorio)
Mediante tcnicas de muestreo y/o distribucin del material experimental en
los diferentes tratamientos sustrae componentes del error aleatorio y los
explica, reducindolo
Ejemplo:
Diseo completamente al azar: y = tratamientos + error
Diseo bloques completos al azar: y = tratamientos + bloques + error
Clasificacin: Naturaleza
Estudio de caso
Descriptivos Serie de casos
Datos institucionales
Caso-control
Observacionales
Comparativos Cohortes
Experimentales Ensayos aleatorizados
Clasificacin: Seal/Ruido
Amplificadores
de la Seal
Reductores
del Ruido
Diseos
Factoriales
Diseos
de Bloqueo
Diseos
de Covarianza
Clasificacin: Seal/Ruido
Amplificadores
de la Seal
Reductores
del Ruido
Diseos
Factoriales
Diseos
de Bloqueo
Diseos
de Covarianza
Clasificacin Factorial
y =A B(A)
Diseo Completamente al Azar (CA)
y =A B AB
Diseo Bloques Completos al Azar (BCA)
y =A B C BC
Diseo Cuadrado Latino (CL)
Diseo de Sobrecambio (Cross Over)
Diseos con bloqueo
A,B, Factores de clasificacin, efectos fijos
A,B, Factores de clasificacin, efectos aleatorios
o variables categricas
y, x,. Variables continuas
AB, A*B,. Interaccin (A por B)
A(B),... Anidamiento (A dentro de B)
Clasificacin Factorial
y =A B AB C C(AB)
Diseo Completamente al Azar (CA)
y =A B AB C ABC
Diseo Bloques Completos al Azar (BCA)
y =A B AB C D CD
Diseo Cuadrado Latino (CL)
Ensayos Factoriales,
Aleatorizacin simultnea
A,B, Factores de clasificacin, efectos fijos
A,B, Factores de clasificacin, efectos aleatorios
o variables categricas
y, x,. Variables continuas
AB, A*B,. Interaccin (A por B)
A(B),... Anidamiento (A dentro de B)
Clasificacin Factorial
A,B, Factores de clasificacin, efectos fijos
A,B, Factores de clasificacin, efectos aleatorios
o variables categricas
y, x,. Variables continuas
AB, A*B,. Interaccin (A por B)
A(B),... Anidamiento (A dentro de B)
y =A C(A) B AB C*B(A)
Diseo Completamente al Azar (CA)
y =A C AC B AB C*B(A)
Diseo Bloques Completos al Azar (BCA)
y =A C D CD B AB C*B(A)
Diseo Cuadrado Latino (CL)
Ensayos Factoriales,
Aleatorizacin secuencial
(Parcelas divididas)
Clasificacin Factorial
y =A B AB C C(AB)
Diseo Completamente al Azar (CA)
y =A B AB C ABC
Diseo Bloques Completos al Azar (BCA)
y =A B AB C D CD
Diseo Cuadrado Latino (CL)
Ensayos Factoriales,
Aleatorizacin simultnea
con el factor B: tiempo o
lugar (Ensayos repetidos
en tiempo o espacio)
A,B, Factores de clasificacin, efectos fijos
A,B, Factores de clasificacin, efectos aleatorios
o variables categricas
y, x,. Variables continuas
AB, A*B,. Interaccin (A por B)
A(B),... Anidamiento (A dentro de B)
Clasificacin Factorial
y =A C(A) B AB C*B(A)
Diseo Completamente al Azar (CA)
y =A C AC B AB C*B(A)
Diseo Bloques Completos al Azar (BCA)
y =A C D CD B AB C*B(A)
Diseo Cuadrado Latino (CL)
Ensayos Factoriales,
Aleatorizacin secuencial.
El factor B son
mediciones repetidas
(Ensayos longitudinales)
A,B, Factores de clasificacin, efectos fijos
A,B, Factores de clasificacin, efectos aleatorios
o variables categricas
y, x,. Variables continuas
AB, A*B,. Interaccin (A por B)
A(B),... Anidamiento (A dentro de B)
Clasificacin Factorial
y =A x B(A)
Diseo Completamente al Azar (CA)
y =A x B AB
Diseo Bloques Completos al Azar (BCA)
y =A x B C BC
Diseo Cuadrado Latino (CL)
Diseos con covarianza
A,B, Factores de clasificacin, efectos fijos
A,B, Factores de clasificacin, efectos aleatorios
o variables categricas
y, x,. Variables continuas
AB, A*B,. Interaccin (A por B)
A(B),... Anidamiento (A dentro de B)
Clasificacin Factorial
y =x
Regresin Lineal Simple
y =x
1
x
2
Regresin Lineal Mltiple
y =x xx
Regresin Polinomial
Diseos de Regresin
y
1
y
2
=x
Regresin Multivariada
A,B, Factores de clasificacin, efectos fijos
A,B, Factores de clasificacin, efectos aleatorios
o variables categricas
y, x,. Variables continuas
AB, A*B,. Interaccin (A por B)
A(B),... Anidamiento (A dentro de B)
Clasificacin Factorial
y =x A
Regresin Con Factores Categricos
A = x
A = B
Regresin Logstica
Diseos de Regresin
A,B, Factores de clasificacin, efectos fijos
A,B, Factores de clasificacin, efectos aleatorios
o variables categricas
y, x,. Variables continuas
AB, A*B,. Interaccin (A por B)
A(B),... Anidamiento (A dentro de B)
Generalizacin Anlitica
Modelos Generales Lineales
Actualmente, y desde el punto de vista del anlisis, los diseos (clasificatorios y de
regresin) donde la variable de respuesta es continua y normalmente distribuida
se agrupan bajo el modelo general
y = X| + c
donde X es una matriz de diseo, con forma particular para el caso de que la
variable explicatoria sea continua o categrica.
Modelos Lineales Generalizados
Ms recientemente, los MGLs han sido generalizados mediante la manipulacin
de la familia exponencial de variables a un modelo comn
E(y) = g
-1
(X|)
donde g es la llamada funcin de enlace y depende de la distribucin de la
variable de respuesta. P. ej. si esta es normal, g es la identidad, si es binomial, g es
el logit [log (t/1-t)]
Facultad de Medicina Veterinaria
Unidad de PostGrado
Doctorado en Ciencia Animal
Diseos Experimentales para la Ciencia Animal
Clase 3
Noviembre 2007
De la Hiptesis al Diseo
Tipos de hiptesis
DESCRIPTIVA
Propone un determinado conjunto de niveles
para variables o atributos de una caracterstica
RELACIONAL
Propone una asociacin (y su naturaleza)
entre una o ms variables o atributos.
CAUSAL
Propone que una o ms variables o atributos
causan o afectan uno o ms resultados
Relacin Hptesis-Diseo
HIPTESIS DESCRIPTIVA
Definicin del Universo
de Inferencia
Diseo de Muestreo
Modelo de Muestreo Tamao de Muestra
Anlisis de los Datos
Relacin Hptesis-Diseo
HIPTESIS RELACIONAL
Definicin del Universo
de Inferencia
Diseo de Muestreo
Modelo de Muestreo Tamao de Muestra
Anlisis de los Datos
Definicin de la Naturaleza
y Alcance de la Relacin
Relacin Hptesis-Diseo
HIPTESIS CAUSAL
Definicin del Universo
de Inferencia
Arreglo Experimental
Anlisis de los Datos
Estructura de Tratamientos
Sin Estructura Control vs Tratamientos Niveles Crecientes Factorial
(Comparativo)
(Efecto) (Nivel ptimo) (Combinacin ptima)
MaterialExperimental
Tamao de Grupo
Diseo
Facultad de Medicina Veterinaria
Unidad de PostGrado
Doctorado en Ciencia Animal
Diseos Experimentales para la Ciencia Animal
Clase 4
Noviembre 2007
V. El diseo en funcin de la hiptesis: Hiptesis Descriptivas
1. Definicin del Universo de Inferencia
Ejemplo: El peso al nacimiento de las cras de alpaca nacidas en la provincia de
Canchis en la campaa de paricin de 2008
S
O
Poblacin
Lugar
Tiempo
Definir
Mtodos
estadsticos
apropiados
Mtodos
estadsticos
inapropiados
Nominales
Ordinales
Intervalo
Discretas
Continuas
Categricas
2. Naturaleza de la variable: Por los valores
Uniformes
Insesgadas o normales
F
r
e
c
u
e
n
c
i
a
d
e
l
o
s
v
a
l
o
r
e
s
Intervalo
Sesgadas
2. Naturaleza de la variable: Por la frecuencia de los valores con respecto a la media
i
y
y
n
=
1 , si 1 0%
y
s n
s
N
n
| = >
donde,
n
N
| =
MUESTREO SIMPLE AL AZAR
3. Diseos de muestreo
3.1. Modelos
MUESTREO ESTRATIFICADO
, donde
k
k k st k
N
y w y w
N
= =
( )
( )
2 2
1 , en este caso
k k k
k k st
k k
w s n
s y
n N
| | = =
( )
Si el muestreo es proporcional y las variancias son homogeneas 1
Calculo como ANVA
w
st
s
y
n
| =
Fuentes GL SC CM
Entre estratos 2 2073 1036.5
Dentro de estratos 27 6491 240.4
Total 29 8564 295.3
295.3
3.14
30
y
s
s
n
= = =
( )
240.4
2.83
30
w
st
s
s y
n
= = =
Optimizacion de la densidad de muestreo por estrato: ,
donde Costo de muestro por estrato
k k
k
k
k
N
n
C
C
o
=
MUESTREO POR ETAPAS
..
y y =
( )
2
2 2 2
(entre muestras)
1
i
a w a
m y y
s s ms
n
= +
( )
( )
2
2 2
(entre sub-muestras)
1
ij i
I J
w w
y y
s s
n m
2
2
Normalmente usamos o
a a
y y
s s
s s
nm
nm
= =
Los criterios para la optimizacin del nmero de muestras y de submuestras
son los mismos que para el muestreo estratificado
DOBLE MUESTREO
Variable objetivo
Variable concomitante
Ejemplos
DIMETRO
P
E
S
O
V
I
V
O
B
I
O
M
A
S
A
' y a bx = +
( )
( )
( )
( )
2
'
' '
2 2 2
.
' '
2
1
y x x
y n
x x
n n N n
Var s s b
n n Nn
x x
= + +
`
)
ALTURA
Es ms un mtodo que un diseo de muestreo
Condiciones Favorables:
Gran nmero de evaluaciones indirectas
Regresin con mnima
Obtencin de medidas directas e indirectas bajo las mismas condiciones
experimentales.
2
. y x
s
MUESTREO SISTEMTICO
Obtencin de y semejante al muestreo simple al azar.
No hay problemas con , pero la calidad de como estimador es discutible
Considerar como ltimo recurso cuando la poblacin es grande, uniforme y de
tamao indefinido y cuando no existe un patrn cclico.
y
y
s
y
y
s
MUESTREO DISCRIMINADO
Autoritativo
Conveniencia (accesibilidad, voluntarios)