TEMA IX

ESQUEMA GENERAL
Definicin general
Clasificacin
Diseo de medidas repetidas simple. Modelo
estructural y componentes de variacin
Supuesto de uniformidad o simetra compuesta.
Supuesto de esfericidad
DISEOS DE MEDIDAS REPETIDAS

Diseo de medidas repetidas

El diseo de medidas repetidas es una extensin
del diseo de bloques, en que el sujeto sustituye
al bloque y acta de control propio. Con este
formato, los sujetos de la muestra reciben todos
los tratamientos y repiten medidas o registros de
respuesta; asimismo, la comparacin de los
tratamientos es intra-sujeto.
..//..

De este modo, el uso del procedimiento de

medidas repetidas proporciona un control ms
efectivo de las fuentes de variacin extraas
asociadas, por lo general, a las caractersticas
individuales; es decir, se consigue una
reduccin de la variancia del error.
..//..

Esto es as porque, al actuar el sujeto de

bloque, la variabilidad debida a las diferencias
individuales es eliminada del error. De este
modo, el diseo de medidas repetidas
constituye una estructura ms potente que los
diseos completamente aleatorizados.

Efectos de orden

Los efectos de orden (order effects) se derivan

de la propia estructura del diseo de medidas
repetidas, y deben ser neutralizados para que no
confundan los efectos de los tratamientos.

Tipos de efectos de orden

A) Efecto de perodo (period effect)

B) Efecto residual (carry-over effect)

Efecto de perodo
Los efectos de perodo ocurren cuando,
independientemente del tratamiento aplicado,
el sujeto responde al perodo o posicin que,
en la secuencia, ocupa el tratamiento (perodo
de administracin). Cabe, por lo tanto, la
posibilidad de que el sujeto responda mejor al
perodo que al tratamiento en s mismo.
Cuando esto ocurre, el efecto de perodo
confunde la accin del tratamiento.

Efecto residual
El efecto residual, conocido por error
progresivo, se caracteriza por la persistencia
de la accin de un tratamiento ms all del
perodo o tiempo de aplicacin. Representa la
progresiva acumulacin tanto de los efectos
facilitadores de la respuesta (efecto de la
prctica, aprendizaje, etc.) como de los efectos
obstaculizadores (como la fatiga mental,
cansancio fsico, etc.)
..//..

Cuando, como es frecuente en esos casos, se

produce una persistencia del efecto del
tratamiento anterior sobre el tratamiento
siguiente, se corre el riesgo de que los efectos
queden contaminados.

Clasificacin del diseo en funcin

de los factores
Simple (SxA)
Diseos
de medidas
repetidas
Factorial (SxAxB,
SxAxBxC, etc.)

Clasificacin del diseo en funcin

de los grupos
De un grupo o muestra
(SxA)
Diseos
de medidas
repetidas
Multimuestra (S(A)xB)

Diseo de medidas repetidas simple

de un grupo

Concepto
El diseo simple de medidas repetidas es
prototpico en esa clase de experimentos, al
incorporar la estrategia de comparacin intrasujeto. Lindquist (1953) se refiere a estas
estructuras como diseos de Tratamientos x
Sujetos, ya que los sujetos se cruzan o combinan
con los tratamientos. As mismo, es un diseo
simple o unifactorial porque slo se evala la
accin de una variable independiente o de
tratamiento.
..//..

La principal ventaja del diseo, dada su

especial disposicin, es la posibilidad de
extraer del error una de sus fuentes de
variacin ms importante: la variacin
atribuida a las diferencias individuales.

Estructura del diseo

La estructura del diseo de medidas repetidas
simple es similar al formato factorial de dos
variables independientes. A diferencia del diseo
factorial, la variable de sujetos no es manipulada
ya que se trata de un pseudo-factor. La variable
de tratamientos est manipulada por el
experimentador y es considerada como un
autntico factor.
..//..

Supngase, por ejemplo, que la variable sujetos,

simbolizada por S, acta a n valores, y que el
factor A -variable de tratamiento-, a a valores
que son aplicados, de forma secuencial, a los
sujetos de la muestra. Ntese la similitud entre
este diseo y el diseo bifactorial dado que,
analticamente, la variable de sujetos acta como
si fuera un factor. La diferencia estriba slo en la
naturaleza y objetivo de las dos variables.
..//..

La variable S representa la variabilidad entre

sujetos y no es, por lo tanto, un factor
manipulado sino de control. La variable A es
una dimensin de variacin manipulada por el
investigador. El propsito del experimento
sigue siendo el anlisis del posible impacto de
la variable de tratamiento sobre la variable de
respuesta.
..//..

Con este formato, no slo se controlan las

diferencias individuales, por el pseudo-factor
de sujetos, sino que se minimiza la variancia
del error al sustraer una de sus principales
fuentes.
..//..

As, el diseo de medidas repetidas simple es

el procedimiento ms eficaz para probar el
efecto del tratamiento. Al controlar las
diferencias interindividuales, este diseo es un
potente procedimiento de anlisis porque al
reducir el error se aumenta la precisin y
efectividad en probar los efectos de la variable
de tratamiento.

Formato del diseo de medidas repetidas simple, S x A

Sujetos

S1

A1
Y11

S2

Y21

Tratamientos
A2
A3 Aj
Y12 Y13 Y1j
Y22

Y23 Y2j

Medias
Y1.
Y2.

Sn

Yn1

Medias Y.1

Yn2
Y.2

Yn.

Yn3 Ynj
Y.3

Y.j

Y..

Caso paramtrico. Ejemplo 1

Sea, a nivel ilustrativo, la siguiente situacin
experimental. Se pretende estudiar el efecto de
la frecuencia de tres tonos auditivos, o variable
A, de igual intensidad (65 db). Para ello, se
decide registrar los tiempos de reaccin, en
milsimas de segundos, a la presentacin de
los tonos. De la variable independiente
-frecuencia de tono- se eligen tres valores: 300
cps. (condicin A1), 600 cps. (condicin A2) y
1200 cps. (condicin A3)

Modelo de prueba de hiptesis

Paso 1. Se asume, por hiptesis de nulidad, que

los efectos de los tratamientos son nulos. Es
decir,
H0 : 1 = 2 = 3

Paso 2. Segn la hiptesis experimental o

hiptesis de efectividad se asume que, uno o
ms tratamientos o efectos es significativo
(distinto de cero). En trminos estadsticos se
afirma que:
H1: 1 2, o 1 3, o 2 3
H1: por lo menos una desigualdad

Paso 3. Se asume un modelo ANOVA de

aditividad. El estadstico de la prueba es la F
normal, a un nivel de significacin de =
0.05. El tamao de la muestra experimental es
N=n=3.
Paso 4. El clculo del valor emprico de F se
realiza a partir de la correspondiente matriz de
datos, una vez ejecutado el experimento.

Matriz de datos del diseo

DISEO DE MEDIDAS REPETIDAS

TRATAMIENTOS
N. Sujeto

A1

A2

A3

TOTALES

1
2
3

3.8
4.4
6.9

3.6
5.0
4.5

2.5
2.3
3.0

9.90
11.70
14.40

TOTALES

15.1

13.1

7.8

36

MEDIAS

5.03

4.37

2.6

ANOVA de medidas repetidas

Modelo estructural
Modelo aditivo

Yij i j ij

Descripcin y supuestos
Yij = la puntuacin del i sujeto bajo la j
condicin experimental o tratamiento
= la media global de todos los datos del
experimento
i = i = el efecto asociado al isimo
sujeto
j = j = el efecto de jsimo nivel de la
variable de tratamiento A
ij = el error experimental asociado al i
sujeto bajo el j tratamiento
..//..

Asimismo, para que el modelo sea vlido, se

asume que:
a) i NID(0,)
b) ij NID(0,)
c) = 11' + I

Cuadro resumen del ANOVA:

Diseo de medidas repetidas
F.V.
Suj (S)
Trat (A)
SujxTrat (SxA)
Total (T)
F0.95(2/4) = 6.94

SC

g.l

CM

3.42
9.49
3.25

(n-1)=2
(a-1)=2
(n-1)(a-1)=4

1.71
4.75
0.81

16.16

an-1=8

2.11 >0.05
5.86 >0.05

Modelo de prueba de hiptesis

Paso 5. Dado que el valor emprico de F es

menor que el terico, se acepta la hiptesis de
nulidad relativa a la variable de sujetos y a la
de tratamiento, a un nivel del riesgo del cinco
por ciento.

Supuesto de uniformidad o simetra

compuesta
Segn esta restriccin, conocida por condicin
de uniformidad o simetra compuesta, se
asume una variancia comn para las distintas
medidas repetidas y una covariancia comn
para los diferentes pares de medidas (prueba
de Box, 1950)

 = Matriz poblacional

=S

H0 :

S = Matriz muestral

12 12 13
21 22 23

2
31 32 3

s12
s 22

s13
s 23

s12
s
21

s12
s 22

s13
s 23

s31

s32

s32

s31

s32

s32

s12
s
21

S1

S2

s12
s
. . . 21
s31

s12
s 22

s13
s 23

s32

s32

Sn

Prueba de ajuste
Prueba de simetra combinada (Box, 1950)

H0: S =

Decisin estadstica
Se calcula el valor del estadstico B con distribucin
aproximada a chi-cuadrado y con [a + a - 4]/2 grados
de libertad:
B = (1 - C)M = (1 - 075)(15.2) = 3.8
y
[3 + 3 - 4]/2 = 4 g.l.
..//..

El valor terico de chi-cuadrado es

0.95 (4) = 9.49

Puesto que este valor es mayor que el valor
emprico calculado, 3.8 < 9.49, se infiere la
aceptacin de la hiptesis de nulidad y, por
tanto, que la matriz de variancia y covariancia
muestral se ajusta al patrn especfico asumido
en la poblacin.

Supuesto de esfericidad
Huynh y Feldt (1970) y Rouanet y Lepine
(1970) han mostrado que es suficiente el
cumplimento de una condicin ms dbil o
condicin de esfericidad (circularidad). Esta
condicin slo requiere que las variancias de
las diferencias entre todos los pares de
medidas repetidas sean iguales (prueba de
esfericidad de Mauchley, 1940)

Supuesto de homogeneidad del

ejemplo
Uniformidad
Box(1950)

Circularidad
Mauchley (1940)

o2 = 3.8

o2 = 0.479

g.l.= [p2+p-4]/2 =4

g.l.=[p(p-1)/2]-1=2

20.95(4) =9.49

A(H0)

20.95(2) =5.99

p>0.05

Alternativas de anlisis del diseo de

medidas repetidas
F normal
ANOVA

F conservadora
F ajustada

Diseo de
medidas
repetidas
MANOVA

Frmulas para el clculo de los grados

de libertad de las F 's
Grados de
libertad de F

F normal

F conservadora

F ajustada

Numerador

(a-1)

(a-1)

Denominador

(n-1)(a-1)

n-1

(n-1)(a-1)

Factores de ajuste

Epsiln de:
Greenhouse y Geisser (1959)
Huynh y Feldt (1970)

psilon de Greeenhouse y Geisser

(1959)

= 0.72

Valores tericos de las F 's de las distintas

pruebas, a un nivel de significacin de 0.05
Tipo de
prueba

Grados de libertad
Numerador Denominador

Valor terico de
F para = 0.05

Normal

6.94

Ajustada

10.13

Conservadora

18.51

Caso paramtrico. Ejemplo 2

Rauscher, Show y Ky (1993) estudiaron si la
audicin de la sonata K488 de Mozart
incrementaba el rendimiento en tareas
cognitivas. Se pidi a un total de 36
estudiantes que ejecutaran tres tareas de
razonamiento espacial. Previo a las tareas los
sujetos escuchaban, por un periodo de diez
minutos, una de las siguientes piezas: (a) la
sonata para dos pianos K488 de Mozart, (b)
msica de relajacin y (c) silencio.
..//..

Los efectos de orden se controlaron mediante

contrabalanceo entresujetos de las tres
audiciones. La variable dependiente fue la
puntuacin obtenida en la escala de
razonamiento espacial del Test de inteligencia
de Stanford-Binet.

Estadsticos descriptivos
Estimaciones
Medida: MEASURE_1

Periodo
Mozart
Relajacin
Silencio

Media
58.723
56.252
52.853

Error tp.
1.769
1.302
2.009

Intervalo de confianza al
95%.
Lmite
Lmite inferior
superior
55.131
62.315
53.607
58.896
48.775
56.931

Prueba de esfericidad
b
Prueba de esfericidad de Mauchly

Medida: MEASURE_1
Epsilon
Efecto intra-sujetos
Msica

W de Mauchly
.964

Chi-cuadrado
aprox.
1.230

gl
2

Significacin
.541

Greenhous
e-Geisser
.966

Huynh-Feldt
1.000

Lmite-inferior
.500

Contrasta la hiptesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usarse para corregir los grados de libertad en las pruebas de significacin promediadas. Las pruebas corregidas
se muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Diseo: Intercept
Diseo intra sujetos: Msica

ANOVA de medidas repetidas

Pruebas de efectos intra-sujetos.

Medida: MEASURE_1

Fuente
Msica

Error(Msica)

Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior

Suma de
cuadrados
tipo III
625.440
625.440
625.440
625.440
6172.125
6172.125
6172.125
6172.125

gl
2
1.931
2.000
1.000
70
67.598
70.000
35.000

Media
cuadrtica
312.720
323.834
312.720
625.440
88.173
91.307
88.173
176.346

F
3.547
3.547
3.547
3.547

Significacin
.034
.036
.034
.068