Академический Документы
Профессиональный Документы
Культура Документы
Lima – Perú
2013
Instituto Nacional de Estadística e Informática Escuela Nacional de Estadística e Informática
ESTADÍSTICA DESCRIPTIVA
DISEÑO DE EXPERIMENTOS
INTRODUCCIÓN
Una vez que el problema de investigación ha sido formulado en una forma suficientemente clara
para especificar los tipos de información necesitada, el investigador debe decidir el diseño de
investigación que se adecue más al mismo. El diseño de investigación “… es el programa que
guía al investigador en el proceso de recoger, analizar e interpretar observaciones” (Nachmias y
Nachmias, 1992).
Los diseños de investigación serán distintos según los objetivos de la misma. Haciendo una
síntesis, podemos decir que “cada estudio que tiene sus propios objetivos pero es posible
clasificar los objetivos de investigación en los siguientes grandes grupos:
Los estudios que se encuadran en el primer grupo se llaman exploratorios. En estos estudios
“…el énfasis mayor recae en el descubrimiento de ideas y aspectos profundos…” Muchos
estudios exploratorios tienen como objeto la formulación de un problema para posibilitar una
investigación más precisa o el desarrollo de una hipótesis. Un estudio exploratorio puede tener,
sin embargo, otras funciones: aumentar la familiaridad del investigador con el fenómeno que
desea investigar por medio de un estudio… mejor estructurado…, aclarar conceptos, establecer
preferencias para posteriores investigaciones…” Así el mayor énfasis está puesto en el
descubrimiento de aspectos profundos del objeto del estudio. Consecuentemente, estos estudios
requieren diseños de investigación lo suficientemente flexibles como para permitir la
consideración de numerosos aspectos distintos de un fenómeno.
ESTADÍSTICA DESCRIPTIVA
Los estudios a los que se refieren los puntos dos y tres los agrupamos bajo el epígrafe de
estudios descriptivos. Los hemos considerado conjuntamente porque, desde el punto de vista de
los procedimientos de investigación, comparten determinadas características importantes. “Las
demandas de una investigación presupone mucho conocimiento anterior del problema que va a
ser investigado. El investigador debe estar capacitado para definir claramente qué desea someter
a medida y debe elegir los métodos adecuados para su medida. Además, debe ser capaza de
determinar a quién debe incluirse. En la elección de las pruebas para un estudio de estas
características, lo que se necesita no es tanto una gran flexibilidad como una clara formulación
de qué y quiénes van a ser medidos y las técnicas para medidas válidas y de confianza. Por este
motivo, los procedimientos a ser utilizados en los estudios descriptivos deben ser
cuidadosamente planificados tomando todas las medidas para evitar los errores de sesgo.
Los estudios del cuarto grupo (estudios de comprobación de hipótesis causales) suelen
denominarse estudios explicativos. Estos requieren procedimientos que no solamente
disminuyan los riesgos de errores de sesgo y aumenten el grado de la confianza, sino que
permitan inferir acerca de la causalidad. Podemos decir que describir es responder a la pregunta
del cómo es algo, en tanto que explicar es responder a la pregunta por qué algo es o se presenta
de determinada manera. En tal sentido, los procedimientos más frecuentes para lograr dicha
condición adquieren la forma de trabajo experimental. No obstante, es necesario aclarar que
existen estudios referidos a la comprobación de hipótesis de relaciones causales que no
constituyen diseños experimentales.
En tanto que describir implica señalar aspectos reconocibles o signos característicos de las
cosas, “al describir nos mantenemos en el mismo nivel proposicional de lo que estamos
describiendo, no hay un cambio de plano.
En este curso, nos referiremos a los estudios explicativos, específicamente a los estudios
experimentales, en tanto estos constituyen un modelo lógico de inferencia causal.
ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA
El experimento es poco usado en las ciencias sociales, en primer lugar, porque es una estructura
rígida que a menudo no puede ser adaptado a la investigación social. Así, los científicos sociales
frecuentemente usan diseños que son más débiles para realizar inferencias causales pero que
resultan más apropiados para el tipo de problemas que tienen que analizar, tales como por
ejemplo, los diseños denominados cuasiexperimentales.
No obstante, los experimentos ciertamente son usados algunas veces. Incluso en algunos
campos de las ciencias sociales, como ocurre en la psicología social, los diseños
predominantemente utilizados son los experimentales.
La relación causa efecto sólo puede ser atribuido mediante la aplicación de un pensamiento
lógico junto a un diseño bien aplicado. Las siguientes pautas están asociadas a diseños idóneos:
a) La adecuada selección de un marco teórico.
b) La selección apropiada de las unidades de observación.
c) El uso de procedimientos estadísticos correctos.
d) El control de la variable independiente.
e) La adecuada medición de la variable dependiente.
f) El control de variables asociadas
DISEÑO EXPERIMENTAL
Hace más de seis décadas que Sir Ronald A., Fisher, sentó las bases de lo que se ha llegado a
conocer como “Diseño de experimentos”. Desde entonces esta teoría ha sido desarrollada y
ampliada considerablemente.
La experimentación proporciona lo que se conoce por datos experimentales, en contraste con las
informaciones que se toman en la ciencia no experimental, que, como ya lo dijimos, se conoce
como datos observacionales. A menudo se hace difícil asignar causa y efecto por el estudio de
ESTADÍSTICA DESCRIPTIVA
los datos de observación. Si el interés es establecer relaciones causales, se debe trabajar con
datos experimentales, donde se han controlado o modificado ciertos factores, si es que ejercen
algún efecto sobre los datos. En otras palabras, los datos experimentales son el resultado de
experimentos diseñados lógicamente, que ofrecen pruebas a favor o en contra de las teorías de
causa y efecto.
Tradicionalmente el diseño experimental ha sido concebido como una estructura lógica unitaria
que, según Fisher (1935), implica dos consideraciones básicas que no son sino dos aspectos de
una misma realidad. Así, pues, concretamente, para Fisher el diseño experimental supone una
determinada organización de los diversos aspectos que constituyen el experimento y, a su vez,
un determinado procedimiento estadístico que nos permite interpretar los resultados obtenidos.
Si no se tienen en cuenta estas dos vertientes de una misma realidad lógica, podemos correr el
peligro de llevar a cabo experimentos cuya finalidad inicial fuera la de acumular datos, para
recurrir inmediatamente después al estadístico a fin de conseguir algo, (Reuchlin, 1953).
Es, pues, el diseño experimental un plan o estructura unitaria formada por una serie de
prescripciones operativas referentes a la selección de los grupos experimentales, a la aplicación
de los respectivos tratamientos, a la utilización de determinadas pruebas estadísticas, etc. En
suma, el diseño constituye la mejor estrategia a seguir por el investigador para la adecuada
solución del problema que tiene planteado. Desde este punto de vista podríamos considerar el
diseño como un auténtico esquema de acción que implica, por parte del experimentador, todo un
laborioso proceso de toma de decisiones. Es decir, el científico, para hacerse con la información
pertinente a su hipótesis, deberá plantearse y resolver una serie de cuestiones referentes a:
Si bien cada uno de estos pasos implica una toma de decisión por parte del investigador, hemos
de tener en cuenta que toda organización de un plan experimental se halla supeditada a uno de
sus objetivos básicos. Este objetivo consiste, según Matalon (1969), en “evidenciar la acción de
los factores experimentales, así como eliminar la influencia de 1os factores extraños”. Sólo en
base a este criterio podremos disponer de un argumento a favor de las posibles relaciones que
esperamos encontrar entre las diversas variables experimentales.
ESTADÍSTICA DESCRIPTIVA
Y puesto que, en última instancia, el diseño se define por su objetivo básico, hemos de concluir
que toda estrategia dependerá de la propia naturaleza del problema experimental. Con ello
queremos dar a entender que si bien existe en metodología experimental una serie de modelos
de diseño o “diseños experimentales estandarizados”, el concepto de diseño tiene, un significado
mucho más amplio. Sin duda alguna, hemos de convenir que cada “experimento particular
requiere la aplicación de un diseño propio”. No obstante, puesto que la metodología científica
ha elaborado, a lo largo de estos últimos años, una serie de “modelos de diseño básico” cuya
eficacia ha sido demostrada por una gran cantidad de trabajos experimentales, nos vamos a
referir, en el presente curso, a estos modelos como pautas fundamentales para la presentación de
los diseños experimentales.
Por último, cabe señalar que si bien todo diseño debe constituir un “adecuado esquema de
acción”, también deberemos considerarlo como una buena técnica de control del “error
experimental”. Desde esta perspectiva, sin tener en cuenta una serie de consideraciones relativas
al costo y al esfuerzo, encontremos entre los diversos diseños analizados importantes diferencias
en cuanto a la reducción del error experimental. De ahí, que la mayor o menor precisión que
podamos conseguir en la valoración de nuestros resultados depende, en definitiva, de la correcta
elección del diseño.
DEFINICIONES
A continuación presentamos algunas definiciones que van a ser de gran utilidda en el desarrollo
del curso:
EXPERIMENTO
Es un estudio en el que el investigador tiene un alto grado de control sobre las fuentes
de variación importantes.
FACTORES O TRATAMIENTOS
Los fenómenos que potencialmente causan variación, y que son controlados por el
experimentador, se denominan factores o tratamientos.
ESTADÍSTICA DESCRIPTIVA
Son los valores que toma un factor. En general toman valores que se miden en escala
categórica, aunque a veces suelen ser medidos en escalas numéricas.
COMBINACIÓN DE TRATAMIENTOS
EFECTO PRINCIPAL
INTERACCIÓN
ERROR EXPERIMENTAL
TRATAMIENTO CONTROL
UNIDAD EXPERIMENTAL
ESTADÍSTICA DESCRIPTIVA
SENSIBILIDAD
ORTOGONALIDAD
VARIABLE RESPUESTA
AGRUPAMIENTO
BLOQUE
BALANCEO
ANIDAMIENTO
ESTADÍSTICA DESCRIPTIVA
VARIABLE INDEPENDIENTE
Los principios básicos del diseño experimental son: repetición, aleatorización y control local.
REPETICIÓN
Consiste en tomar medidas dentro del diseño experimental para hacerlo más eficiente,
de tal forma que pueda permitir la reducción del error experimental y así hacerla más
sensible a cualquier prueba de significación. Se refiere al balance, bloqueo y
agrupamiento de las unidades experimentales que se emplean en el diseño estadístico
adoptado.
ESTADÍSTICA DESCRIPTIVA
Por esta razón el principio de experimentación clásico tal como lo hemos definido antes plantea,
evidentemente, serias dificultades cuando se intenta aplicarlo a la psicología. Podríamos señalar
que son dos las dificultades más importantes que implica la aplicación de este esquema clásico a
nuestra ciencia, y que han sido analizadas por una serie de autores con el fin de conseguir
alguna solución.
Vamos, a continuación, a exponer los dos problemas que resultan de la aplicación del modelo de
experimentación clásico a la psicología.
En primer lugar, este modelo exige que conozcamos, con el fin de evitarlas, las posibles
concomitancias existentes entre los diversos factores que intervienen en el fenómeno que
observamos. Como ya hemos señalado anteriormente, en las ciencias de la conducta, la
variación de un factor repercute en la variación de otros muchos. De esa forma, si solo
contásemos con el esquema de experimentación clásico, podríamos llegar a conclusiones un
tanto ambiguas e imprecisas en relación al efecto de las variables estudiadas. Este problema ha
ESTADÍSTICA DESCRIPTIVA
sido tratado por algunos autores (Fischer, 1935; Solomon, 1949), quienes han propuesto unos
planes adecuados para el análisis de las posibles interacciones entre factores. En todo caso,
siempre es aconsejable que en psicología se tengan en cuenta estas posibles interrelaciones entre
las variables a fin de evitarlas, al menos artificialmente, con una adecuada técnica de control.
Vamos a poner un ejemplo. Supongamos que estamos interesados en estudiar el efecto del
“incentivo” sobre “el rendimiento”, en un tipo de tareas relativamente fáciles. En este caso,
puede ocurrir que los sujetos que ejecuten una tarea para la obtención de una recompensa muy
alta reaccionen más bien a la rareza de esta situación (en condiciones de vida normal esto no
suele ocurrir) que al propio valor del incentivo. Esto nos plantea, sin duda, una problemática
bastante difícil de resolver y que tan sólo, hasta el momento, Brunswik (1947) y Hammond
(1954) han puesto de manifiesto, pero cuya solución definitiva está aún lejos de ser alcanzada.
Frente a las desventajas y limitaciones que ofrece el diseño clásico han reaccionado,
decisivamente, dos grandes teóricos, Fisher (1935) y Brunswilr (1947). Ambos han puesto de
relieve la incapacidad de los esquemas clásicos para áreas tan complejas e interaccionadas, y a
su vez, han propuesto posibles vías de solución. Para Fisher (1935), los experimentos de la
física clásica, de variación de un solo factor, servirían para familiarizar al estudiante con
situaciones elementales para el conocimiento del funcionamiento de leyes simples en campos
donde la incidencia de los factores restantes quedase totalmente limitada. Sin embargo, estas
situaciones suelen ocurrir raras veces en investigaciones de tipo biológico, en las que se
desconoce, de antemano, hasta qué punto la variación de un factor afectará la variabilidad de
otros que mantienen una estricta relación con el fenómeno estudiado.
ESTADÍSTICA DESCRIPTIVA
Tanto Fisher como Brunswik muestran su desacuerdo con el diseño experimental clásico, y
ambos preconizan su revisión. Sin embargo, la solución adoptada por estos dos autores no es, en
modo alguno, coincidente.
Concretamente, Fisher (1935) propuso la técnica del “análisis de la varianza”, como una posible
solución al problema. Hemos de tener en cuenta que Fisher se mueve dentro del área de
investigación agrícola, y por tanto, dicho procedimiento parece ser, en principio, viable. Por su
parte, Brunswik y su escuela, interesados más bien por la temática perceptiva, recusan la
solución propuesta por Fisher. Para Brunswik la utilización de un diseño de acuerdo con la
técnica de Fisher, no convierte el diseño en un “plan menos sistemático que el diseño clásico”.
Por tanto, en opinión de Brunswik, lo que Fisher ha hecho es desarrollar un diseño mucho más
complejo que el clásico, ya que se tienen en cuenta la acción simultánea de varios factores, pero
no ha tocado el fondo de la cuestión. Según Brunswik lo único que ha hecho Fisher ha sido
sustituir una condición por varias, y por tanto, el problema no ha quedado resuelto. Por dicha
razón Brunswik (1947) apunta hacia una revisión más radical de la metodología experimental.
Para Brunswik las condiciones experimentales deberían representar una muestra aleatoria del
univers0 de condiciones al que posteriormente se van a generalizar los resultados. De esa forma
se evita la artificialidad de la experimentación mediante una correcta selección de las variables.
El empleo por parte de Brunswik del término “plan representativo” (como opuesto al de “plan
sistemático”, que atribuye a Fisher) no significa otra cosa que la trasposición del principio
estadístic0 del muestro de los sujetos, al muestreo de las situaciones y condiciones
experimentales. Por tanto, lo que en definitiva propugna Brunswik es que se aplique el
muestreo, tal como viene haciéndose con los sujetos, a las diversas situaciones estimulativas.
“Es evidente –añade Brunswik- que la significación estadística de un resultado debe ser
estudiada en estas dos direcciones”. Con este enunciado se establece que los resultados deben
ser analizados, no solo en relación a la población de sujetos, sino también, en relación a las
situaciones estimulativas (e.d. en relación a su generalidad ecológica). Con ello Brunswik quiere
dar a entender que el investigador no sólo debe estar interesado por la cantidad de variables que
intervienen en un experimento, sino también “por las modalidades de su variación y
covariación”. Esta seria, en síntesis, una de las críticas más fuertes hechas por Brunswik a
Fisher, quien únicamente se hallaría interesado por el número de variables que intervienen en un
experimento.
ESTADÍSTICA DESCRIPTIVA
correlaciones existentes entre los factores entre sí, y entre éstos y los datos experimentales.
Estamos, pues, ante un problema de validez externa, de representatividad, que no solo afecta
a los sujetos experimentales, sino también, a las mismas condiciones. Estas deberán reflejar, por
consiguiente en el experimento, una situación real y no la artificialidad que solemos encontrar
en los trabajos experimentales.
A pesar de los poderosos argumentos esgrimidos por Brunswik, como bien señala Matalon
(1969), éstos no han encontrado el suficiente eco en el campo de la experimentación
psicológica. Ello puede atribuirse, quizá, a que no todos los experimentalistas se hallan
igualmente interesados por la realidad inmediata, puesto que su Único interés estriba en el
estudio de las leyes generales y no de los casos concretos. Yo por mi parte, añadiría, que entraña
una gran dificultad el llevar a cabo el programa de selección de condiciones, sobre todo para
áreas psicológicas diferentes de las que Brunswik ha trabajado.
Un último argumento, que quizá justifique en parte la poca afición que muestran los
experimentalistas por el uso de los planes representativos, queda materializado en la frase de
Matalon al afirmar que “el poder y la elegancia de las técnicas del análisis de la variancia, la
ingeniosidad que puede desplegarse para construir un plan bien adaptado a un problema, ejerce
una atracción mas poderosa que las técnicas de correlación”.
Estas pueden ser, quizá, las principales razones que nos justifiquen el por qué la línea iniciada
por Brunswik en el campo de la percepción no hayan tenido la aceptación que se podía esperar.
EJERCICIOS
En cada uno de los siguientes enunciados identifique:
a. El objetivo del investigador.
b. La variable respuesta.
c. El factor y los niveles del factor.
d. La unidad experimental
e. El número de repeticiones.
ESTADÍSTICA DESCRIPTIVA
2. Una profesora de estadística imparte clase en 4 grupos de alumnos, en los que explica la
misma materia pero siguiendo distintos métodos de enseñanza. Desea averiguar si el
método de enseñanza utilizado influye en las calificaciones de los alumnos. Al final se
registra las calificaciones medias obtenidas por los alumnos.
ESTADÍSTICA DESCRIPTIVA
EJEMPLO DE ALEATORIZACIÓN
Supongamos que tenemos cuatro dietas diferentes que queremos comparar. Las dietas están
etiquetadas como A, B, C y D. Estamos interesados en estudiar si las dietas afectan la tasa de
coagulación en conejos. La tasa de coagulación es el tiempo en segundos que tarda una cortada
en dejar de sangrar. Tenemos 16 conejos para el experimento, por lo que usaremos cuatro en
cada dieta. Los conejos están en una jaula grande hasta que se inicie el experimento, momento
en que se transferirán a otras jaulas. ¿Cómo asignamos los conejos a los cuatro grupos de
tratamientos?
MÉTODO 1
Supongamos que los conejos se atrapan "al azar". Atrapamos cuatro conejos y los asignamos a
la dieta A. Atrapamos otros cuatro y los asignamos a la dieta B y así sucesivamente. Dado que
los conejos fueron "atrapados al azar", esto producirá un diseño completamente al azar.
No es necesariamente cierto.
Los primeros cuatro conejos atrapados pueden ser los más lentos y débiles, aquellos menos
capaces de escapar. Esto puede sesgar los resultados. Si los resultados del experimento dan
desventaja a la dieta A, no habrá forma de determinar si los resultados son a consecuencia de la
dieta A o del hecho de haber asignado los conejos más débiles a esa dieta por nuestro "proceso
de aleatorización".
MÉTODO 2
Atrape a todos los conejos y etiquételos del 1 al 16. Seleccione cuatro números aleatorios (sin
reemplazo) del 1 al 16 y ponga los conejos con esa etiqueta en una jaula que recibirá la dieta A.
ESTADÍSTICA DESCRIPTIVA
Entonces, seleccione otros cuatro números aleatorios y ponga los conejos correspondientes en
otra jaula que recibirá la dieta B. Así sucesivamente hasta tener cuatro jaulas con cuatro conejos
en cada una.
No hay repeticiones.
El diseño es un diseño completamente al azar pero no tiene repeticiones. Hay 16 conejos, pero
los conejos en cada jaula no son independientes. Si un conejo come mucho, los otros en la jaula
tienen menos para comer. La unidad experimental es la menor unidad de material experimental
a la cual se le aplica un tratamiento en forma independiente. En este caso, las jaulas son las
unidades experimentales. Para un diseño completamente al azar con repeticiones, cada conejo
debe estar en su propia jaula.
MÉTODO 3
En una urna ponga las letras A, B, C y D en pedazos de papel separados. Atrape un conejo,
saque un pedazo de papel al azar de la urna y asigne el conejo a la dieta que indique el papel. No
reemplace el papel. Atrape el segundo conejo y seleccione al azar otro pedazo de papel de la
urna de los tres que quedan. Asigne el conejo a la dieta correspondiente. Continúe hasta que los
primeros cuatro conejos sean asignados a una de las cuatro dietas. De esta manera, todos los
conejos lentos tienen diferentes dietas. Coloque otra vez los cuatro pedazos de papel en la urna
y repita el procedimiento hasta que los 16 conejos estén asignados a una dieta.
MÉTODO 4
Atrape a todos los conejos y márquelos del 1 al 16. Ponga 16 piezas de papel en una urna, con
las letras A, B, C y D repetidas cuatro veces cada una. Ponga otros 16 pedazos de papel
numerados del 1 al 16 en otra urna. Tome un pedazo de papel de cada urna. El conejo con el
número seleccionado es asignado a la dieta seleccionada. Para hacer más fácil de recordar cuál
conejo tiene cuál dieta, las jaulas se acomodan como se muestra abajo:
ESTADÍSTICA DESCRIPTIVA
A A A A
B B B B
C C C C
D D D D
MÉTODO 5
Marque las jaulas del 1 al 16.
1 5 9 13
2 6 10 14
3 7 11 15
4 8 12 16
Ponga 16 pedazos de papel en una urna, numerados del 1 al 16. En otra urna ponga 16 pedazos
de papel, marcados con las letras A, B, C y D.
Atrape un conejo. Seleccione un número y una letra de cada urna. Ponga al conejo en la jaula
indicada por el número escogido y asígnelo a la dieta indicada por la letra. Repita sin reemplazo
hasta que todos los conejos hayan sido asignados a una dieta y una jaula.
Si por ejemplo, el primer número seleccionado fue 7 y la primera letra B, entonces el primer
conejo se pone en la jaula 7 y se alimenta con la dieta B.
1C 5 A 9 B 13 D
2D 6 B 10 D 14 C
3C 7 B 11 A 15 D
4A 8 A 12 C 16 B
ESTADÍSTICA DESCRIPTIVA
Note que el diseño completamente al azar no toma en cuenta las diferencias en la altura de las
jaulas. Es solamente una asignación completamente al azar. En este ejemplo vemos que la
mayoría de los conejos con la dieta A están en jaulas de la parte de abajo y los de la dieta D
están en la parte superior. Un diseño completamente al azar supone que estas posiciones no
producen una diferencia sistemática en la respuesta (tiempo de coagulación). Si creemos que la
posición afecta la respuesta, deberíamos usar un diseño de bloques al azar.