Diseño e inferencia estadistica en psicologia

[pic 1]

DISEÑO E INFERENCIA ESTADÍSTICA EN PSICOLOGÍA

LICENCIATURA EN PSICOLOGÍA

RESUMEN DISEÑOS FACTORIALES

MODULO 5

24 DE JULIO DE 2021

ACTIVIDAD 5.1

RESUMEN

Introducción

El objetivo del presente trabajo, es identificar las ventajas de los diseños factoriales. Para ello, analizaremos el texto titulado “Experimentos factoriales” (APA, 2009).

Diseños factoriales

Según la APA (2009) “se llaman experimentos factoriales a aquellos experimentos en los que se estudia simultáneamente dos o más factores, y donde los tratamientos se forman por la combinación de los diferentes niveles de cada uno de los factores”.

Por  diseño  factorial  se  entiende  aquel  en  el  que  se investigan   todas   las   posibles   combinaciones   de   los   niveles   de   los factores  en  cada  ensayo  completo  o  réplica  del  experimento. Por ejemplo,  si  existen  “a”  niveles  del  factor  A  y  “b” niveles  del  factor  B, entonces  cada  réplica  del  experimento  contiene  todas  las  “ab” combinaciones de los tratamientos. A menudo, se dice que los factores están cruzados cuando éstos se arreglan en un diseño factorial.

Medina y López (2011), afirman que se podría definir el diseño experimental como una metodología basada en herramientas matemáticas y estadísticas cuyo objetivo es ayudar al experimentador a:

• Seleccionar la estrategia experimental óptima que permita obtener la información buscada con el mínimo costo.
• Evaluar los resultados experimentales obtenidos, garantizando la máxima fiabilidad en las conclusiones que se obtengan.

Un parámetro fundamental, que menciona Montgomery (1991), dentro de cualquiera que sea la experimentación a realizar, es conocer el error y reducirlo todo lo posible, por ello los estudios de investigación deben ser y reunir la característica de la aleatorización, con el objetivo de distribuir de manera uniforme cualquier efecto de un factor incontrolable.

Según Ferré y Rius (2002), el diseño experimental es aplicado ampliamente al estudio de los procesos de producción. Un proceso puede considerarse como una “caja negra” a la cual ingresan diversas variables que interactúan para producir un resultado. Las variables que ingresan al proceso se denominan variables de entrada, y el resultado, variable de salida. El nivel de la variable de salida depende de los niveles que adopten las variables de entrada, y los gerentes y técnicos se benefician al saber qué combinación de variables de entrada produce el mejor nivel en la variable de salida. La búsqueda de combinaciones óptimas de las variables de entrada da lugar al diseño experimental, que es una prueba (o un conjunto de pruebas) durante la cual se realizan cambios sistemáticos y controlados a las variables de entrada para medir el efecto sobre la variable de salida.

El principal propósito de la experimentación es obtener información de calidad, por lo que el papel que juega la experimentación en todos los campos de la investigación y el desarrollo es primordial. Dicha información es la que permite el desarrollo de nuevos productos y procesos, la mejora en cuanto a la comprensión de un sistema (ya sea un proceso industrial, un procedimiento analítico, entre otros) para así poder tomar las decisiones correctas acerca de cómo optimizarlo y mejorar su calidad, comprobar hipótesis científicas, etc.

Reyes (2007) menciona algunas ventajas que poseen los diseños factoriales:

• Son más eficientes que los experimentos de un factor a la vez.

• Los  diseños  factoriales  son  necesarios  cuando  alguna  interacción puede estar presente, para evitar hacer conclusiones engañosas.
• Los diseños factoriales permiten estimar los efectos de un factor en diversos  niveles  de  los  otros  factores,  produciendo  conclusiones que   son   válidas   sobre   toda   la   extensión   de   las   condiciones experimentales.

Según APA (2009), éstas son las desventajas:

• Se requiere un mayor número de unidades experimentales que los experimentos simples y por lo tanto se tendrá un mayor costo y trabajo en la ejecución del experimento.
• Como en los experimentos factoriales cada uno de los niveles de un factor se combinan con los niveles de los otros factores; a fin de que exista un balance en el análisis estadístico se tendrá que algunas de las combinaciones no tiene interés práctico pero deben incluirse para mantener el balance.
• El análisis estadístico es más complicado que en los experimentos simples y la interpretación de los resultados se hace más difícil a medida de que aumenta el número de factores y niveles por factor en el experimento.

Aunque los experimentos difieren unos de otros en muchos aspectos, existen diseños estándar que se utilizan con mucha frecuencia. Algunos de los más utilizados, que menciona APA (2009), son los siguientes:

1. 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. Este tipo de diseño se utiliza en experimentos que no incluyen factores bloque y las unidades experimentales sean muy homogéneas.
2. 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 al azar las unidades experimentales a los tratamientos dentro de cada bloque.
3. 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.
4. Diseños con dos o más factores: En este modelo es importante estudiar la posible interacción entre los dos factores. Si en cada casilla se tiene una única observación no es posible estudiar la interacción entre los dos factores, para hacerlo hay que replicar el modelo, esto es, obtener k observaciones en cada casilla, donde k es el número de réplicas.
5. Diseños factoriales a dos niveles: Este tipo de diseño permite trabajar con un múmero elevado de factores y son válidos para estrategias secuenciales.

Conclusión

Según APA (2009) “ los experimentos factoriales se emplean en todos los campos de la investigación, son muy útiles en investigaciones exploratorias en las que poco se sabe acerca de muchos factores”.

...