Saltar al contenido principal
Library homepage
 
LibreTexts Español

6.5: Diseños experimentales

  • Page ID
    152358
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    Objetivos de aprendizaje

    • Distinguir entre diseños sujetos y dentro del sujeto
    • Declarar las ventajas de los diseños dentro del sujeto
    • Definir “diseño multifactorial” y “diseño factorial”
    • Identificar los niveles de una variable en un diseño experimental
    • Describir cuándo se utiliza el contrapeso

    Hay muchas maneras de diseñar un experimento. Por ejemplo, todos los sujetos pueden someterse a prueba en cada una de las condiciones de tratamiento o se puede usar un grupo diferente de sujetos para cada tratamiento. Un experimento podría tener solo una variable independiente o podría tener varias. En esta sección se describen los diseños experimentales básicos y sus ventajas y desventajas.

    Diseños entre sujetos

    En un diseño entre sujetos, los diversos tratamientos experimentales se dan a diferentes grupos de sujetos. Por ejemplo, en el estudio de caso “Calificaciones de maestros”, los sujetos se dividieron aleatoriamente en dos grupos. A todos los sujetos se les dijo que iban a ver un video de una conferencia de instructor después de lo cual calificarían la calidad de la conferencia. Los grupos difirieron en que a los sujetos de un grupo se les dijo que las evaluaciones docentes previas indicaron que el instructor era carismático mientras que a los sujetos del otro grupo se les dijo que las evaluaciones indicaban que el instructor era punitivo. En este experimento, la variable independiente es “Condición” y tiene dos niveles (maestro carismático y maestro punitivo). Se trata de una variable entre sujetos porque se utilizaron diferentes sujetos para los dos niveles de la variable independiente: los sujetos estaban en la condición de “maestro carismático” o “maestro punitivo”. Así, la comparación de la condición carismático-docente con la condición punitivo-docente es una comparación entre los sujetos en una condición con los sujetos en la otra condición.

    Los dos padecimientos fueron tratados exactamente igual a excepción de las instrucciones que recibieron. Por lo tanto, parecería que cualquier diferencia entre condiciones debe atribuirse a los propios tratamientos. Sin embargo, esto ignora la posibilidad de diferencias de azar entre los grupos. Es decir, por casualidad, los evaluadores en una condición podrían haber sido, en promedio, más indulgentes que los evaluadores en la otra condición. La asignación aleatoria de sujetos a tratamientos asegura que todas las diferencias entre condiciones sean diferencias de oportunidad; no asegura que no haya diferencias. La pregunta clave, entonces, es cómo distinguir las diferencias reales de las diferencias de azar. El campo de la estadística inferencial responde justamente a esta pregunta. Las estadísticas inferenciales aplicables para probar la diferencia entre las medias de las dos condiciones se pueden encontrar aquí. El análisis de los datos de este experimento revela que las calificaciones en la condición carismático-docente fueron superiores a las de la condición punitivo-maestro. Utilizando estadísticas inferenciales, se puede calcular que la probabilidad de encontrar una diferencia tan grande o mayor que la obtenida si el tratamiento no tuvo efecto es solamente\(0.018\). Por lo tanto, parece probable que el tratamiento tuvo un efecto y no es el caso de que todas las diferencias fueran diferencias de azar.

    Las variables independientes suelen tener varios niveles. Por ejemplo, en el estudio de caso “Sonrisas y clemencia” la variable independiente es “tipo de sonrisa” y hay cuatro niveles de esta variable independiente:

    1. falsa sonrisa
    2. sintió sonrisa
    3. sonrisa miserable
    4. un control neutro

    Hay que tener en cuenta que aunque hay cuatro niveles, sólo hay una variable independiente. Los diseños con más de una variable independiente se consideran a continuación.

    Diseños multifactoriales entre temas

    En el experimento “Sesgo Against Associates of the Obese”, se juzgaron las calificaciones de los posibles solicitantes de empleo. Cada aspirante estuvo acompañado de un asociado. El experimento tuvo dos variables independientes: el peso del asociado (obeso o promedio) y la relación del solicitante con el asociado (amiga o conocida). Este diseño puede describirse como un diseño factorial de Peso del Asociado (\(2\)\(2\)) x Relación de Asociado (). Los números entre paréntesis representan el número de niveles de la variable independiente. El diseño fue un diseño factorial porque se incluyeron las cuatro combinaciones de peso de asociado y relación de asociado. La variable dependiente fue una calificación de las calificaciones del aspirante (en una\(9\) escala de puntos).

    Si se hubieran realizado dos experimentos separados, uno para probar el efecto del Peso del Asociado y otro para probar el efecto de la Relación del Asociado, entonces no habría manera de evaluar si el efecto del Peso del Asociado dependía de la Relación del Asociado. Uno podría imaginar que el Peso del Asociado tendría un efecto mayor si el asociado fuera una amiga en lugar de simplemente un conocido. Un diseño factorial permite abordar esta cuestión. Cuando el efecto de una variable sí difiere dependiendo del nivel de la otra variable entonces se dice que existe una interacción entre las variables.

    Los diseños factoriales pueden tener tres o más variables independientes. Para ser un diseño entre sujetos debe haber un grupo separado de sujetos para cada combinación de los niveles de las variables independientes.

    Diseños dentro de los sujetos

    Un diseño dentro de sujetos difiere de un diseño entre sujetos en que los mismos sujetos se desempeñan en todos los niveles de la variable independiente. Por ejemplo, considere el estudio de caso “Tratamiento del TDAH”. En este experimento, los sujetos diagnosticados con trastorno por déficit de atención fueron evaluados cada uno en una tarea de retraso de gratificación después de recibir metilfenidato (MPH). Todos los sujetos fueron evaluados cuatro veces, una vez después de recibir una de las cuatro dosis. Dado que cada sujeto se probó bajo cada uno de los cuatro niveles de la variable independiente “dosis”, el diseño es un diseño dentro de los sujetos y la dosis es una variable dentro de los sujetos. Los diseños dentro de los sujetos a veces se denominan diseños de medidas repetidas.

    Contraequilibrio

    En un diseño dentro del sujeto es importante no confundir el orden en que se realiza una tarea con el tratamiento experimental. Por ejemplo, considere el problema que habría ocurrido si, en el estudio del TDAH, cada sujeto hubiera recibido las dosis en el mismo orden comenzando por las más bajas y continuando hasta las más altas. No es poco probable que la experiencia con el retraso de la tarea de gratificación tenga un efecto. Si la práctica en esta tarea conduce a un mejor desempeño, entonces parecería que dosis más altas causaron el mejor desempeño cuando, de hecho, fue la práctica la que provocó el mejor desempeño.

    Una forma de abordar este problema es contrapesar el orden de las presentaciones. Es decir, a los sujetos se les daría las dosis en diferentes órdenes de tal manera que cada dosis se administrara en cada posición secuencial un número igual de veces. Un ejemplo de contrapeso se muestra en la Tabla\(\PageIndex{1}\).

    Tabla\(\PageIndex{1}\): Orden contrapesado para cuatro materias
    Sujeto 0 mg/kg 0.15 mg/kg 0.30 mg/kg 0.60 mg/kg
    1 Primero Segundo Tercero Cuarto
    2 Segundo Tercero Cuarto Primero
    3 Tercero Cuarto Primero Segundo
    4 Cuarto Primero Segundo Tercero

    Hay que tener en cuenta que el contrapeso no es una solución satisfactoria si existen dependencias complejas entre qué tratamiento precede a cuál y la variable dependiente. En estos casos, suele ser mejor utilizar un diseño entre sujetos que un diseño dentro de los sujetos.

    Ventaja de los diseños dentro de los sujetos

    Una ventaja de los diseños dentro de los sujetos es que se controlan las diferencias individuales en los niveles generales de desempeño de los sujetos. Esto es importante porque invariablemente los sujetos diferirán mucho entre sí. En un experimento de resolución de problemas, algunos sujetos serán mejores que otros independientemente de la condición en la que se encuentren. De igual manera, en un estudio de presión arterial algunos sujetos tendrán presión arterial más alta que otros independientemente del padecimiento. Los diseños dentro de los sujetos controlan estas diferencias individuales comparando las puntuaciones de un sujeto en una condición con las puntuaciones del mismo sujeto en otras condiciones. En este sentido cada sujeto sirve como su propio control. Esto suele dar a los diseños dentro de los sujetos considerablemente más potencia que los diseños entre sujetos. Es decir, esto hace que los diseños dentro de sujetos sean más capaces de detectar un efecto de la variable independiente que los diseños entre sujetos.

    Los diseños dentro de los sujetos a menudo se denominan diseños de “medidas repetidas” ya que se toman mediciones repetidas para cada sujeto. De manera similar, una variable dentro del sujeto puede denominarse factor de medidas repetidas.

    Diseños Complejos

    Los diseños pueden contener combinaciones de variables entre sujeto y dentro del sujeto. Por ejemplo, el estudio de caso “Armas y agresión” tiene una variable entre sujetos (género) y dos variables dentro del sujeto (el tipo de palabra priming y el tipo de palabra a responder).


    This page titled 6.5: Diseños experimentales is shared under a Public Domain license and was authored, remixed, and/or curated by David Lane via source content that was edited to the style and standards of the LibreTexts platform; a detailed edit history is available upon request.