TEMA IV

ESQUEMA GENERAL

Definición general

Clasificación
Formatos del diseño y prueba de la
hipótesis

DISEÑO EXPERIMENTAL DE DOS GRUPOS

 Diseño de dos grupos

Una de las situaciones más simples de

investigación experimental, tanto en ciencias
sociales como del comportamiento, es la formada
por dos grupos, uno de control y otro
experimental. ..//..
La condición básica de cualquier
experimento es la presencia de un grupo de
contraste denominado grupo de no
tratamiento o de control. Esto no quiere
decir que el diseño experimental de dos
grupos sólo se caracteriza por la ausencia o
presencia de tratamiento.
Clasificación general
Técnica de control Diseño

Aleatorización Diseño de dos grupos

completamente al azar

Constancia Diseño de dos grupos

Experimental apareados
o directa
Diseño de bloques de
dos tratamientos
El sujeto como Diseños de medidas
control propio repetidas (Sujetos x
Tratamientos)
Estadística o indirecta Diseño de Covariancia
de dos grupos
 Clasificación del diseño de dos
grupos

Diseño de dos grupos

completamente al azar
Diseño de
dos grupos
Diseño de dos grupos
emparejados
 Formato del diseño de dos
grupos completamente al azar
V. Extraña Z1 Z2
A1 A2
V. Tratamiento S S
u u
j j
e e
t t
o o
s s

Y1 Y2
Prueba de hipótesis

Asignación aleatoria

Muestra
experimental
Universo o
Población
de origen Selección o muestreo
Formato del diseño de dos
grupos emparejados
V. Tratamiento A1 A2
S S
u u
j j
e e
t t
o o
s s

Prueba de hipótesis YD = 0

Asignación aleatoria
S1, S2 S3, S4 S5, S6 SN-1, SN

Muestra
experimental
Universo o
Población de
Selección o muestreo
origen
Prueba estadística y naturaleza de
los datos
Datos de escala Prueba estadística

Nominal Prueba
Ordinal no-paramétrica

De intervalo Prueba no-paramétrica y

De razón paramétrica
 Estadísticos para diseños de dos
grupos
Grupos
Datos Independientes Relacionados

paraméticos t Student t Student

muestras muestras
no relacionadas relacionadas

ordinales U Mann-Whitney T Wilcoxon

nominales Probabilidad exacta McNemar

de Fisher
 Pruebas no-paramétricas

Pruebas estadísticas que no requieren muchas

asunciones acerca de la naturaleza de la
población de donde proceden las muestras. Son
referidos como pruebas de distribución libre.

Pueden usarse con datos de escala nominal y

ordinal.

Muestreo independiente o aleatorio.

 Pruebas paramétricas

Pruebas estadísticas que asumen una serie de

propiedades sobre los parámetros de la
población de donde proceden la muestras:
datos de distribución normal y de igual
variancia en la población.

Datos de escala de intervalo y razón.

Muestreo independiente o aleatorio.

Diseño de dos grupos al azar
 Caso no paramétrico. Ejemplo
Se ha seleccionado un total de 15 sujetos
animales de una población, y se asignan al azar
siete al grupo experimental (deprivación de
comida durante 36 horas) y ocho al grupo
control (no deprivados o saciados). Interesa
comprobar si el grupo experimental necesita
menos ensayos en recorrer un laberinto en
forma de T, para alcanzar un criterio de
discriminación, que el grupo control. El
criterio de aprendizaje es conseguir 10 ensayos
seguidos correctos de discriminación.
 Modelo de prueba estadística

Paso 1. Especificación de la hipótesis de

nulidad: la cantidad de ensayos previos al
criterio de aprendizaje es igual en ambos
grupos.

Paso 2. Especificación de la hipótesis

alternativa: la cantidad de ensayos previos del
grupo control es mayor que la del grupo
experimental.
Paso 3. Especificación del nivel de significación,
tamaño de los grupos, estadístico de la prueba, y
valor teórico del estadístico de la prueba.
Estadístico de la prueba: U de Mann-Whitney
α = 0.05
n1 = 7 y n 2 = 8

Paso 4. Cálculo de valor empírico del estadístico de

la prueba, con base a la matriz de datos del
experimento.
Matriz de datos del experimento

A1 A2
11 21
10 18
15 14
11 12
9 20
8 22
10 18
14
U de Mann-Whitney
Ordenación de los datos por rangos

A1 A2
5.5 14
3.5 11.5
10 8.5
5.5 7
2 13
1 15
3.5 11.5
8.5
ΣR(A1) = 31.0 ΣR(A2) = 89.0
Cálculo del estadístico U de Mann-
Whitney

 n1 (n1  1) 
U1  n1n2      R ( A1 )
 2 
 n2 (n2  1) 
U 2  n1n2      R ( A 2 )
 2 
 Valor empírico de U
Con los datos del experimento se tiene:
(7)(8)
U1 = (7)(8) + -------- - 31 = 53
2

(8)(9)
U2 = (7)(8) + -------- - 89 = 3
2
..//..
siendo U el valor más pequeño de U1 y
U2, y U' el más grande. De esta forma,

U = U2 = 3
 Modelo de prueba estadística

Paso 5. Entrando en las tablas del estadístico

de la prueba (U de Mann-Whitney) con n1 = 7
y n2 = 8 a un nivel de significación de 0.05, el
valor teórico es 13. Los valores observados del
estadístico iguales o menores que el teórico,
son significativos al nivel de probabilidad
elegido. ..//..
Es posible, al mismo tiempo, verificar la
exactitud del cálculo de U mediante la
siguiente fórmula:
U = n1n2 - U' = (7)(8) - 53 = 3
Nótese que la significación del estadístico
depende de si el valor empírico es igual o
menor que el teórico de la tabla de U.
 Caso paramétrico. Ejemplo

Considérese, por ejemplo, que se estudia el

efecto de dos fármacos sobre la tasa de
retención verbal. Se predice (hipótesis
experimental) que el fármaco 1 (condición A1)
produce una mejor ejecución que el fármaco 2
(condición A2). Para ello, el investigador
selecciona al azar una muestra de 12
individuos y asigna cinco al primer grupo (n1)
y siete al segundo (n2) de acuerdo, también, a
un criterio aleatorio.
Tras la aplicación del tratamiento
correspondiente, somete a los sujetos de la
muestra a un prueba de retención verbal de
10 ítems, consistente en sílabas sin sentido
de tipo CVC (consonante-vocal-consonante)
de igual valor asociativo. Se trata, por tanto,
de comparar la ejecución de dos grupos
independientes formados por sujetos
asignados al azar.
 Modelo de prueba estadística
Paso 1. Especificación de la hipótesis de nulidad o de
la no diferencia significativa entre las medias de
ambos grupos.
H0: μ1 = μ2
o
H0: μ1 - μ2 = 0

Paso 2. Especificación de la hipótesis alternativa que

coincide, en ese experimento, con la hipótesis
experimental.
H1: μ1 > μ2
Paso 3. Especificación del nivel de significación,
tamaño de los grupos, estadístico de la prueba, y
valor teórico del estadístico de la prueba.
Estadístico de la prueba: t de Student para grupos
independientes
α = 0.05
n1 = 5 y n2 = 7
t0.95(5+7-2=10) = 1.812

Paso 4. Cálculo de valor empírico del estadístico

de la prueba, a partir de la matriz de datos del
experimento.
Datos del experimento
A1 A2
6 4
8 7
7 5
9 4
8 5
6
4
ΣY = 38 35
ΣY² = 294 183
Y. j = 7.6 5
t de Student para la comparación
de dos grupos independientes

Y1 Y2
t=
SC1 + SC 2 1 1
( + )
n1 + n 2 2 n1 n 2
Supuestos del modelo estadística

1. Independencia de las observaciones

2. Normalidad
3. Homogeneidad de las variancias
Cálculo de la Suma de Cuadrados

(ΣY)²
SC = ΣY² - -------
n
Cálculo del valor empírico de la
Suma de Cuadrados

(38)²
SC1 = 294 - ------- = 5.2
5

(35)²
SC2 = 183 - ------- = 8
7
 Cálculo del valor empírico del
estadístico

7.6 - 5
t = ----------------------------- = 3.88
5.2 + 8 1 1
-------------- (--- + ---)
5+7-2 5 7
 Modelo de prueba estadística

Paso 5. Dado que el valor observado de t es

3.88 y es mayor que el valor teórico de t (t
=1.812) con 10 grados de libertad y un nivel
de significación de 5% (ver paso 3), se
rechaza la hipótesis de nulidad.
Supuesto de homogeneidad de las
variancias

Supuesto: σ1² = σ2²,

Prueba:

σ1²
F = --------
σ2²
 Prueba del supuesto de homogeneidad
Prueba de homogeneidad de las variancias.

Grupo Tratamiento Tamaño muestra Variancia muestral

Fármaco 1 n1 = 5 s1² = 1.30

Fármaco 2 n2 = 7 s2² = 1.33

El valor empírico de F es la razón entre la variancia de

mayor y menor tamaño.

1.33
F = -------- = 1.02
1.30
 Verificación del supuesto

Entrando en las tablas de F, con 6 y 4 grados de

libertad y a un nivel de significación de α = 0.10,
se obtiene un valor crítico en la región de rechazo
de F0.90(6/4) = 4.01. Dado que el valor observado
es inferior que el teórico, se acepta la hipótesis de
igualdad de las dos variancias y se infiere el
cumplimiento de uno de los supuestos
fundamentales de la validez del estadístico de la
prueba (t).
 Cálculo de las variancias

ΣY² - (ΣY)²/n
s² = --------------------
n-1
donde el numerador coincide con la Suma de
Cuadrados de los grupos. Así, se tiene que:
s1² = 5.2/4 = 1.3
y
s2² = 8/6 = 1.33
Diseño de dos grupos emparejados
 Caso no paramétrico. Ejemplo
Se desea conocer el posible efecto de la
motivación sobre las puntuaciones de un
grupo de escolares en una prueba de
rendimiento. A partir de una muestra de
sujetos, se forma un total de 15 pares. Los dos
miembros de cada par poseen la misma edad,
sexo y nivel de escolaridad y son asignados al
azar a una u otra condición experimental. La
primera condición consiste en la lectura, antes
de la ejecución de una tarea escolar, de
instrucciones de carácter motivador. ..//..
Los sujetos pertenecientes a la segunda
condición o grupo realizan la tarea tras la
lectura de unas instrucciones neutras o no
motivadoras. Mediante esta disposición
experimental se pretende conocer si las
instrucciones motivadoras causan un
aumento del rendimiento escolar del primer
grupo.
 Modelo de prueba estadística

Paso 1. Especificación de la hipótesis de nulidad:

No hay diferencia alguna entre las puntuaciones de
ambos grupos en la tarea escolar.

Paso 2. Especificación de la hipótesis alternativa:

El grupo con instrucciones motivadoras (condición
A1) presentará puntuaciones de mayor tamaño que las
del grupo con instrucciones neutras (condición A2).
Paso 3. Especificación del nivel de significación,
tamaño de los grupos y valor teórico del
estadístico de la prueba:
T de Wilcoxon
α = 0.01
N = 15
Para N = 15 y un α = 0.01, T = 20

Paso 4. Cálculo del valor empírico del estadístico

de la prueba con la matriz de datos del
experimento.
Matriz de datos del experimento y ordenación por rangos

Rango de Rango de signo

Nº Par A1 A2 D (diferencia) D menos frecuente

1 91 86 5 6.5
2 90 92 -2 -3.5 3.5
3 80 73 7 10.5
4 79 61 18 14.0
5 47 48 -1 -1.5 1.5
6 58 53 5 6.5
7 92 91 1 1.5
8 90 79 11 13.0
9 89 82 7 10.5
10 40 31 9 12.0
11 63 65 -2 -3.5 3.5
12 89 83 6 8.5
13 72 66 6 8.5
14 81 61 20 15.0
15 73 70 3 5.0

T = 8.5
 Cálculo de la T de Wilcoxon
a) Se calculan los valores de diferencia entre los pares
de puntuaciones, en el sentido establecido por la
hipótesis.
b) En un segundo paso, se ordenan las puntuaciones de
diferencia, D, por rangos de menor a mayor sin tener
en cuenta los signos.
c) En la columna de rangos se recuperan los signos que
tenían los valores de diferencia.
d) En la última columna se colocan los rangos de signo
menos frecuente, y se procede a su suma. Siendo T el
valor de esta suma.
 Modelo de prueba estadística

Paso 5. Para tomar una decisión estadística

se comprueba si el valor empírico u
observado del estadístico es igual o inferior
al valor crítico del paso tres. Dado que 8.5 <
20, se concluye la no aceptación de la
hipótesis de nulidad con un riesgo de error
del 1 por ciento.
 Caso paramétrico. Ejemplo
A partir del mismo ejemplo propuesto para
el caso paramétrico, supóngase que se
asume que las puntuaciones de la prueba de
rendimiento escolar han sido obtenidas
mediante una escala de intervalo. Se asume,
pues, que cada tarea tiene la misma
dificultad y que los intervalos de la escala
son constantes.
 Modelo de prueba estadística

Paso 1. Especificación de la hipótesis de nulidad o de

la no-significación de la media de las puntuaciones de
diferencia entre ambos grupos:
H0: μD = 0

Paso 2. Especificación de la hipótesis alternativa, en

la que asume que la media de las puntuaciones de
diferencia entre A1 y A2 es significativamente mayor
que cero:
H1: μD > 0
Paso 3. Especificación del nivel de significación,
tamaño de los grupos y valor teórico del
estadístico de la prueba (t para grupos
relacionados).
α = 0.05; n1 = 15 y n2 = 15
t0.95(15-1=14) = 1.76

Paso 4. Cálculo del valor empírico del estadístico

de la prueba, a partir de la matriz de datos del
experimento.
 Datos del experimento
A1 A2 D(diferencia) D2
91 86 5 25
90 92 -2 4
80 73 7 49
79 61 18 324
47 48 -1 1
58 53 5 25
92 91 1 1
90 79 11 121
89 82 7 49
40 31 9 81
63 65 -2 4
89 83 6 36
72 66 6 36
81 61 20 400
73 70 3 9
D = 93 D2 = 1165
YD  6.2
t de Student para la comparación
de dos grupos relacionados

YD
tD =
SCD
n(n 1)
Cálculo de la Suma de Cuadrados

(ΣD)²
SCD = ΣD² - -------
n
Cálculo de valor empírico de la
Suma de Cuadrados

8649
SCD = 1165 - --------- = 588.4
15
Cálculo del valor empírico del
estadístico

6.2
tD = ---------------- = 3.71
588.4
------------
15(14)
 Modelo de prueba estadística
Paso 5. Para tomar una decisión estadística, se
halla valor teórico de t, entrando en la tabla de
los valores teóricos o críticos del estadístico con
n - 1 grados de libertad, al nivel de significación
establecido en el paso tres, siendo t0.95(14) =
1.76. Puesto que el valor observado del
estadístico es mayor que el valor teórico, se
infiere la no- aceptación de la hipótesis de
nulidad con una probabilidad de error o de
tomar una decisión falsa de un 5 por ciento.
Ventajas y desventajas del diseño de
dos grupos
A) Los diseños experimentales de dos grupos
son instrumentos de investigación adecuados
para estudios exploratorios, cuyo objetivo
consiste en detectar la relación entre variables e
identificar las posibles causas de unas
respuestas o medidas conductuales dadas. Estos
diseños son, pues, especialmente indicados en el
estudio de áreas donde no se ha realizado
ningún tipo de trabajo previo. ..//..
B) Dado que se comparan dos grupos, se
cumple con el requisito mínimo de la
estrategia experimental, es decir, la presencia
de un grupo de control o contraste para
probar el efecto de la variable independiente.
Estos diseños suelen referirse por diseños de
grupo de control. ..//..
C) Con diseños de dos grupos es posible
controlar, mediante el análisis de la
covariancia, el efecto de un factor de sesgo
capaz de confundir la acción de la variable
de tratamiento. ..//..
D) En cuanto a las desventajas, cabe destacar
un aspecto que es propio de la estructura
unifactorial. Con el enfoque unifactorial,
cualquier conclusión está condicionada a la
variable que ha sido objeto de estudio y que
ha sido estudiada de forma independiente y
aislada. ..//..
Esto va en contra de la naturaleza de la
ciencia psicológica, donde se da una
interdependencia entre los distintos factores
y donde, con frecuencia, es imposible
pensar en la acción de una variable sin tener
en cuenta el efecto modulador que pueden
ejercer una conjunto de variables
interconectados con aquella.