SlideShare una empresa de Scribd logo
1 de 45
TEMA XV
ESQUEMA GENERAL
Modelos alternativos de análisis
Análisis de la covariancia (ANCOVA)
Análisis de la variancia (ANOVA)
Clasificación
Concepto y formato del DGCNE
DISEÑOS DE GRUPO CONTROL
NO EQUIVALENTE
Definición
Este diseño de investigación, dominado
inicialmente por Campbell y Stanley (1963)
diseño de grupo control no equivalente, es un
formato donde se toman, de cada sujeto,
registros o medidas antes y después de la
aplicación del tratamiento. Debido precisamente
a la ausencia de aleatorización en la asignación
de las unidades, es posible que se den
diferencias en las puntuaciones antes. ..//..
Estas diferencias son la causa de la no-
equivalencia inicial de los grupos. Así,
cuando en la formación de los grupos no
interviene el azar, es posible que los grupos
presenten sesgos capaces de contaminar el
efecto del tratamiento. ..//..
Partiendo de este planteamiento, se tienen
diseños cuyos grupos no pueden ser
considerados ni homogéneos, ni
comparables. Por esa la razón, se han
buscado alternativas al clásico modelo de
Análisis de la Variancia a fin de modelar, en
el supuesto de que se conozcan, las
potenciales fuentes de sesgo y distorsión y,
de esa forma, controlarlas.
El porqué de las diferencias antes
Las diferencias entre las puntuaciones antes se dan por la
siguientes razones:
1. Cuando el tratamiento es aplicado a un grupo
(escuela, clase, etc.), y otro grupo (escuela, clase, etc.,) es
tomado como control.
2. Cuando se ha planificado un auténtico
experimento, pero por razones de mortalidad,
contaminación de las unidades del grupo control por los
artefactos experimentales o por la variación del
tratamiento experimental, el experimento verdadero se
convierte en un cuasi-experimento. ..//..
3. Cuando, debido a la limitación de recursos, el
tratamiento sólo es aplicado a un grupo
seleccionado.
4. Cuando los sujetos se auto-seleccionan.
Diseño de grupo control no equivalente
Clasificación
Diseño de
grupo control
no
equivalente
Diseño de grupo control no equivalente
con sólo medidas después (post-
tratamiento)
Diseño de grupo control no equivalente
con sólo medidas antes y después
(medidas pre y post-tratamiento)
Representación diagramática del diseño de grupo control no equivalente
Diseño con medidas después
Universo o
Población de origen
S
u
j
e
t
o
s
S
u
j
e
t
o
s
Universo o
Población de origen
A s i g n a c i ó n n o a l e a t o r i a
Grupo 1 Grupo 2
control experimentalCondiciones V.I.
V. dependiente
Prueba hipótesis
Comparación entre los grupos
Y1 Y2
Y1 Y2
(?)
Representación diagramática del diseño de grupo control no equivalente
Diseño con medidas antes y después
Universo o
Población de origen
S
u
j
e
t
o
s
S
u
j
e
t
o
s
Universo o
Población de origen
A s i g n a c i ó n n o a l e a t o r i a
Grupo 1 Grupo 2
control experimentalCondiciones V.I.
V. dependiente
Prueba hipótesis
Comparación de datos diferencia
Y1 Y2
Y1 -X1 Y2 - X2
(?)
X1 X2V. Pre-tratamiento
Diseño de grupo control no equivalente
Técnicas de análisis
Análisis de la variancia
Análisis de la covariancia
Análisis de la variancia con técnica de bloqueo o
apareo
Análisis de la variancia con puntuaciones de
diferencia
ANALISIS DE LA VARIANCIA
ExperimentalControl
X Y X Y
M:
S ( ):
S ( )2
:
ANALISIS DE LA COVARIANCIA
ExperimentalControl
X Y XY X Y XY
M:
S ( ):
S ( )2
:
ANOVA DE PUNTUACIONES DE
DIFERENCIA
ExperimentalControl
X Y Y-X X Y Y-X
M:
S ( ):
S ( )2
:
Ejemplo práctico
Se lleva a cabo un estudio, con dos grupos de
sujetos ya formados (o sea, grupos intactos). De
ambos grupos se toman medidas de una variable
pre-tratamiento (medidas antes, como por
ejemplo el nivel intelectual en una escala decil)
y a continuación, se utiliza a uno de los grupos
como grupo control y al otro como grupo
experimental.
..//..
Se trata de estudiar el efecto de un método de
enseñanza programado sobre el rendimiento
escolar. El primer grupo recibe un tratamiento
convencional (grupo control), mientras que el
segundo recibe el método programado (grupo
experimental). Los datos hipotéticos de este
cuasi-experimento se presentan en la tabla
siguiente.
8.6
43
375
5.4
27
151
6.2
31
195
4.2
21
95
236134
6
7
7
6
5
Y
3
6
5
4
3
X
Control
9
10
8
9
7
5
7
6
5
4
YX
Experimental
DISEÑO DE GRUPO CONTROL NO EQUIVALENTE
Medias:
Σ( ):
Σ( )2
Σ( )( )
Estrategias de análisis
1) ANOVA(x) V.Pre A(H0)
ANOVA(y) V. Dep.
X
2) ANCOVA Y
XY
3) ANOVA(Dif.) Y-X
Modelo de análisis anova (1)
MODELO ESTRUCTURAL DEL ANOVA: DISEÑO
DE GRUPO CONTROL NO EQUIVALENTE
ijjijY εαµ ++=
Supuestos del modelo estadístico
εij ~ NID(0,σε²)
Yij = la puntuación postratamiento del i
individuo (i = 1 a n) del j grupo de
tratamiento (j = 1, 2)
μ = la media total,
αj = el efecto del grupo j de tratamiento
εij = el error de medida
Cálculo de las Sumas de
Cuadrados (y)
SCtotal(y) = 6² + 7² + ... + 7² – 74²/10 = 570 – 547.6
= 22.4
SCA(y) = 31²/5 + 43²/5 – 74²/10 = 562 – 547.6 =
14.4
SCS/A(y) = 6² + 7² + ... + 7² – 31²/5 – 43²/5 = 570 –
562 = 8
CUADRO RESUMEN DEL ANOVA. DISEÑO DE GRUPO
CONTROL NO EQUIVALENTE (VARIABLE DESPUÉS, Y)
F0.99(1/8) = 11.26; F0.95(1/8) = 5.32
an-1=922.4Total
<0.0114.414.4
1
(a-1)=1
a(n-1)=8
14.4
8
Entre Trat (A)
Intra grupos (S/A)
pFCMg.lSCF.V.
Modelo de análisis ancova (2)
MODELO ESTRUCTURAL DEL ANCOVA: DISEÑO
DE GRUPO CONTROL NO EQUIVALENTE
ijijjij '..)XX(Y εβαµ +−++=
Supuestos del modelo estadístico
ε’ij ~ NID(0,σε²)
ß = el coeficiente de la regresión lineal
intra-grupo de la variable post (Y) sobre la
_
pre (X), y X.. la media total de la variable
pre-tratamiento.
Cálculos para el ANCOVA
Variable X Variable Y Variables XY
Sumas de Sumas de Sumas de
cuadrados cuadrados productos
cruzados
SC total SCtotal SPtotal
SCA SCA SPA
SCS/A SCS/A SPS/A
Cálculo de las Sumas de Cuadrados
Variable X
SCtotal(x) = 3² + 6² + ... 4² – 48²/10 = 246 – 230.4
= 15.6
SCA(x) = 21²/5 + 27²/5 – 48²/10 = 234 – 230.4 =
3.6
SCS/A(x) = 3² + 6² + ... 4² – 21²/5 – 27²/5 = 246 –
234 = 12
Cálculo de las Sumas de Cuadrados
Variable Y
SCtotal(y) = 6² + 7² + ... + 7² – 74²/10 = 570 – 547.6
= 22.4
SCA(y) = 31²/5 + 43²/5 – 74²/10 = 562 – 547.6 =
14.4
SCS/A(y) = 6² + 7² + ... + 7² – 31²/5 – 43²/5 = 570 –
562 = 8
Cálculo de las Sumas de
Productos Cuadrados XY
SPtotal = (6)(3) + (7)(6) + ... + (7)(4) – (48)(74)/10
= 370 – 355.2 = 14.8
SPA = (21)(31)/5 + (27)(43)/5 – (48)(74)/10 =
362.4 – 355.2 = 7.2
SPS/A = SPtotal – SPA = 14.8 – 7.2 = 7.6
Cálculo de las Sumas de Cuadrados
F.V. SC g.l. F
CMA(aj)
A(aj) SCA(y') = SCtot(y') - SCS/A(y') a -1 --------------
CMS/A(aj)
SPS/A²
S/A(aj) SCS/A(y') = SCS/A(y) - ------------ a(n-1) -1
SCS/A(x)
SPtot²
Total(aj) SCtot(y') = SCtot(y) - ------------ an - 2
SCtot(x)
SPtot²
Total(aj): SCtot(y') = SCtot(y) - ------------
SCtot(x)
SPS/A²
S/A(aj): SCS/A(y') = SCS/A(y) - ------------
SCS/A(x)
A(aj): SCA(y') = SCtot(y') - SCS/A(y')
ANÁLISIS DE LA COVARIANCIA
DISEÑO DE GRUPO CONTROL NO EQUIVALENTE
173.5186.3359.8SCSCSC
186.3
12
6.7
8
SC
SP
SCSC
359.8
6.15
8.14
4.22
SC
SP
SCSC
)'Y(A/S)'Y(tot)'Y(A
2
)X(A/S
2
A/S
)Y(A/S)'Y(A/S
2
)X(tot
2
tot
)Y(tot)'Y(tot
=−=−=
=−=−=
=−=−=
CUADRO RESUMEN DEL ANCOVA.
DISEÑO DE GRUPO CONTROL NO EQUIVALENTE
F0.99(1/7) = 12.25; F0.95(1/7) = 5.59
an-2=88.359Total (aj)
<0.0511.365.13
0.455
a-1=1
a(n-1)-1=7
5.173
3.186
Variable A (aj)
Error S/A (aj)
pFCMg.lSCF.V.
Prueba de homogeneidad de los coeficientes de la regresión
H0: β1=β2
X
Y
A1
A2
b1
b2
 
Datos de diferencia (3)
t de Student
    3.2
  16
  54
    8.6
  43
375
    5.4
  27
151
    2
  10
  22
    6.2
  31
195
    4.2
  21
  95
6
7
7
6
5
Y
3
6
5
4
3
X
Control
4
3
2
4
3
 9
10
 8
 9
 7
5
7
6
5
4
3
1
2
2
2
Y – XYXY – X
Experimental
DISEÑO DE GRUPO CONTROL NO EQUIVALENTE
Medias:
Σ( ):
Σ( )2






+
−+
+
−
=
ECEC
EdCd
EC
nnnn
SCSC
dd
t
11
2
),(),(
t STUDENT. DATOS DE DIFERENCIA
452=
5
1
+
5
1
25+5
82+2
232
= .
)(
.
.
–
–
t
t0.95(8) = 2.306 p<0.05
Modelo ANOVA 
Datos de diferencia
Cálculo de las sumas de cuadrados
 SCtotal(d) = (3)² + (1)² + ... + (3)² - C = 76 – 67.6 = 8.4
SCA(d) = (10)²/5 + (16)²/5 – C = 71.2 – 67.6 = 3.6
SCS/A(d) = (3)² + (1)² + ... + (3)² – (10²/5 + 16²/5)
= 76 – 71.2 = 4.8
CUADRO RESUMEN DEL ANOVA. DISEÑO DE GRUPO
CONTROL NO EQUIVALENTE (DATOS DE DIFERENCIA)
F0.95(1/8) = 5.32
an-1=9   8.4Total
<0.056  3.6
   0.6
(a-1)=1
a(n-1)=8
 3.6
4.8
Entre Trat (A)
Intra grupos (S/A)
pFCMg.lSCF.V.
t 2 
= F; 2.452
 = 6.0025 
Comparación de los valores F
Fe Ft
Anova (y) = 14.4 F0.95(1/8) = 5.32
Ancova = 11.36 F0.95(1/7) = 5.59
Anova (gan.) = 6 F0.95(1/8) = 5.32

Más contenido relacionado

La actualidad más candente

La actualidad más candente (19)

Variables
VariablesVariables
Variables
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
 
Ejemplos de diseño de exp.
Ejemplos de diseño de exp.Ejemplos de diseño de exp.
Ejemplos de diseño de exp.
 
Clase 8
Clase 8Clase 8
Clase 8
 
Analisis de varianza de dos vias
Analisis de varianza de dos viasAnalisis de varianza de dos vias
Analisis de varianza de dos vias
 
Analisis de la varianza Est ind clase04
Analisis de la varianza Est ind clase04Analisis de la varianza Est ind clase04
Analisis de la varianza Est ind clase04
 
Diseosdeinvestigacion
DiseosdeinvestigacionDiseosdeinvestigacion
Diseosdeinvestigacion
 
6 diseños completamente aleatorizado y bloques al azar
6   diseños completamente aleatorizado y bloques al azar6   diseños completamente aleatorizado y bloques al azar
6 diseños completamente aleatorizado y bloques al azar
 
Analisis de datos categoricos
Analisis de datos categoricosAnalisis de datos categoricos
Analisis de datos categoricos
 
Estadistica tarea
Estadistica tareaEstadistica tarea
Estadistica tarea
 
Análisis de la varianza
Análisis de la varianza  Análisis de la varianza
Análisis de la varianza
 
Analisis de varianza alternativas1
Analisis de varianza alternativas1Analisis de varianza alternativas1
Analisis de varianza alternativas1
 
Analisis de varianza
Analisis de varianzaAnalisis de varianza
Analisis de varianza
 
Análisis anova
Análisis anovaAnálisis anova
Análisis anova
 
7. Análisis de Varianza (ANOVA)
7. Análisis de Varianza (ANOVA) 7. Análisis de Varianza (ANOVA)
7. Análisis de Varianza (ANOVA)
 
Poblacion y muestreo
Poblacion y muestreoPoblacion y muestreo
Poblacion y muestreo
 
Experimentos con un solo factor
Experimentos con un solo factorExperimentos con un solo factor
Experimentos con un solo factor
 
Memoria elvira delgado
Memoria elvira delgadoMemoria elvira delgado
Memoria elvira delgado
 

Destacado

Analisis de la covarianza II
Analisis de la covarianza IIAnalisis de la covarianza II
Analisis de la covarianza IIEric Burgos
 
Parcial # 2 id 000320306
Parcial # 2 id 000320306Parcial # 2 id 000320306
Parcial # 2 id 000320306Diana Cadavid
 
62005183 analisis-de-covarianza-ancova (1)
62005183 analisis-de-covarianza-ancova (1)62005183 analisis-de-covarianza-ancova (1)
62005183 analisis-de-covarianza-ancova (1)edwin1005
 
Analisis de varianza
Analisis de varianzaAnalisis de varianza
Analisis de varianzaGabriel Coyol
 
Medidas de asoación entre variables
Medidas de asoación entre variablesMedidas de asoación entre variables
Medidas de asoación entre variablesSanty D
 
Análisis de covarianza
Análisis de covarianzaAnálisis de covarianza
Análisis de covarianzajoanem28
 
Mobileware technologies enterprise mobility & telecom solutions
Mobileware technologies enterprise mobility & telecom solutionsMobileware technologies enterprise mobility & telecom solutions
Mobileware technologies enterprise mobility & telecom solutionsMobileware Technologies Pvt. Ltd.
 
Matrix - Consulting Skills Workshop
Matrix - Consulting Skills WorkshopMatrix - Consulting Skills Workshop
Matrix - Consulting Skills WorkshopBalaji Rajendrababu
 
Estadisticas Inferenciales
Estadisticas InferencialesEstadisticas Inferenciales
Estadisticas InferencialesSandra Zapata
 
Coeficientes de Correlación de Pearson y de Spermanxposicion
Coeficientes de Correlación de Pearson y de Spermanxposicion Coeficientes de Correlación de Pearson y de Spermanxposicion
Coeficientes de Correlación de Pearson y de Spermanxposicion magdiony_barcenas1979
 
Coeficiente de Correlación de Pearson y Spearman
Coeficiente de Correlación de Pearson y SpearmanCoeficiente de Correlación de Pearson y Spearman
Coeficiente de Correlación de Pearson y SpearmanPatricia Castillo
 
Pruebas estadisticas
Pruebas estadisticasPruebas estadisticas
Pruebas estadisticaslady
 
Cálculo del Coeficiente de Correlación de Pearson
Cálculo del Coeficiente de Correlación de PearsonCálculo del Coeficiente de Correlación de Pearson
Cálculo del Coeficiente de Correlación de Pearsonsaulvalper
 
AnáLisis De Covarianz Amg
AnáLisis De Covarianz AmgAnáLisis De Covarianz Amg
AnáLisis De Covarianz Amgneuroneter
 

Destacado (19)

Analisis de la covarianza II
Analisis de la covarianza IIAnalisis de la covarianza II
Analisis de la covarianza II
 
Parcial # 2 id 000320306
Parcial # 2 id 000320306Parcial # 2 id 000320306
Parcial # 2 id 000320306
 
62005183 analisis-de-covarianza-ancova (1)
62005183 analisis-de-covarianza-ancova (1)62005183 analisis-de-covarianza-ancova (1)
62005183 analisis-de-covarianza-ancova (1)
 
Covarianza
CovarianzaCovarianza
Covarianza
 
Analisis de varianza
Analisis de varianzaAnalisis de varianza
Analisis de varianza
 
Cómo funciona la Covarianza
Cómo funciona la CovarianzaCómo funciona la Covarianza
Cómo funciona la Covarianza
 
Medidas de asoación entre variables
Medidas de asoación entre variablesMedidas de asoación entre variables
Medidas de asoación entre variables
 
Análisis de covarianza
Análisis de covarianzaAnálisis de covarianza
Análisis de covarianza
 
Covarianza
CovarianzaCovarianza
Covarianza
 
MODELO DE NEGOCIOS
MODELO DE NEGOCIOSMODELO DE NEGOCIOS
MODELO DE NEGOCIOS
 
Mobileware technologies enterprise mobility & telecom solutions
Mobileware technologies enterprise mobility & telecom solutionsMobileware technologies enterprise mobility & telecom solutions
Mobileware technologies enterprise mobility & telecom solutions
 
Matrix - Consulting Skills Workshop
Matrix - Consulting Skills WorkshopMatrix - Consulting Skills Workshop
Matrix - Consulting Skills Workshop
 
Estadisticas Inferenciales
Estadisticas InferencialesEstadisticas Inferenciales
Estadisticas Inferenciales
 
Coeficientes de Correlación de Pearson y de Spermanxposicion
Coeficientes de Correlación de Pearson y de Spermanxposicion Coeficientes de Correlación de Pearson y de Spermanxposicion
Coeficientes de Correlación de Pearson y de Spermanxposicion
 
Coeficiente de Correlación de Pearson y Spearman
Coeficiente de Correlación de Pearson y SpearmanCoeficiente de Correlación de Pearson y Spearman
Coeficiente de Correlación de Pearson y Spearman
 
Pruebas estadisticas
Pruebas estadisticasPruebas estadisticas
Pruebas estadisticas
 
Cálculo del Coeficiente de Correlación de Pearson
Cálculo del Coeficiente de Correlación de PearsonCálculo del Coeficiente de Correlación de Pearson
Cálculo del Coeficiente de Correlación de Pearson
 
Analisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricosAnalisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricos
 
AnáLisis De Covarianz Amg
AnáLisis De Covarianz AmgAnáLisis De Covarianz Amg
AnáLisis De Covarianz Amg
 

Similar a 15 aplicats classe

Análisis de Varianza (ANOVA) de una Vía
Análisis de Varianza (ANOVA) de una VíaAnálisis de Varianza (ANOVA) de una Vía
Análisis de Varianza (ANOVA) de una VíaIsaac Ortega
 
DISENO-DE-EXPERIMENTOS.pptx
DISENO-DE-EXPERIMENTOS.pptxDISENO-DE-EXPERIMENTOS.pptx
DISENO-DE-EXPERIMENTOS.pptxDavidRomero40014
 
Diseños Experimentales según Calimont
Diseños Experimentales según CalimontDiseños Experimentales según Calimont
Diseños Experimentales según CalimontCONASIN PERU
 
Diseño de bloques completamente aleatorio (dbca) 7
Diseño de bloques completamente aleatorio (dbca) 7Diseño de bloques completamente aleatorio (dbca) 7
Diseño de bloques completamente aleatorio (dbca) 7Carmelo Perez
 
Diseño de investigacion
Diseño de investigacionDiseño de investigacion
Diseño de investigacionLiiLiie
 
Diseño factorial de 3 factores
Diseño factorial de 3 factores Diseño factorial de 3 factores
Diseño factorial de 3 factores Oscar Saenz
 
Tipos de investigaciones cuanttativas
Tipos de investigaciones cuanttativasTipos de investigaciones cuanttativas
Tipos de investigaciones cuanttativasUSET
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasENIS CABRERA
 
Diseños de Investigación Científica Cap. 7 Sampieri
Diseños de Investigación Científica Cap. 7 Sampieri  Diseños de Investigación Científica Cap. 7 Sampieri
Diseños de Investigación Científica Cap. 7 Sampieri Pregrado - Postgrado
 

Similar a 15 aplicats classe (20)

La prueba anova
La prueba anovaLa prueba anova
La prueba anova
 
Análisis de Varianza (ANOVA) de una Vía
Análisis de Varianza (ANOVA) de una VíaAnálisis de Varianza (ANOVA) de una Vía
Análisis de Varianza (ANOVA) de una Vía
 
Anova 3
Anova 3Anova 3
Anova 3
 
DISENO-DE-EXPERIMENTOS.pptx
DISENO-DE-EXPERIMENTOS.pptxDISENO-DE-EXPERIMENTOS.pptx
DISENO-DE-EXPERIMENTOS.pptx
 
6 diseny experimental
6 diseny experimental6 diseny experimental
6 diseny experimental
 
Dcl
DclDcl
Dcl
 
Diseño cuasiexperimental
Diseño cuasiexperimentalDiseño cuasiexperimental
Diseño cuasiexperimental
 
Univariante.pptx
Univariante.pptxUnivariante.pptx
Univariante.pptx
 
Web
WebWeb
Web
 
tabla Anova
tabla Anovatabla Anova
tabla Anova
 
Diseños Experimentales según Calimont
Diseños Experimentales según CalimontDiseños Experimentales según Calimont
Diseños Experimentales según Calimont
 
Diseño de bloques completamente aleatorio (dbca) 7
Diseño de bloques completamente aleatorio (dbca) 7Diseño de bloques completamente aleatorio (dbca) 7
Diseño de bloques completamente aleatorio (dbca) 7
 
Estadistica 2
Estadistica 2Estadistica 2
Estadistica 2
 
Diseño de investigacion
Diseño de investigacionDiseño de investigacion
Diseño de investigacion
 
Mic sesión 8b
Mic sesión 8bMic sesión 8b
Mic sesión 8b
 
Diseño factorial de 3 factores
Diseño factorial de 3 factores Diseño factorial de 3 factores
Diseño factorial de 3 factores
 
Tipos de investigaciones cuanttativas
Tipos de investigaciones cuanttativasTipos de investigaciones cuanttativas
Tipos de investigaciones cuanttativas
 
Analisis de varianza
Analisis de varianzaAnalisis de varianza
Analisis de varianza
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
 
Diseños de Investigación Científica Cap. 7 Sampieri
Diseños de Investigación Científica Cap. 7 Sampieri  Diseños de Investigación Científica Cap. 7 Sampieri
Diseños de Investigación Científica Cap. 7 Sampieri
 

15 aplicats classe

  • 2. ESQUEMA GENERAL Modelos alternativos de análisis Análisis de la covariancia (ANCOVA) Análisis de la variancia (ANOVA) Clasificación Concepto y formato del DGCNE DISEÑOS DE GRUPO CONTROL NO EQUIVALENTE
  • 3. Definición Este diseño de investigación, dominado inicialmente por Campbell y Stanley (1963) diseño de grupo control no equivalente, es un formato donde se toman, de cada sujeto, registros o medidas antes y después de la aplicación del tratamiento. Debido precisamente a la ausencia de aleatorización en la asignación de las unidades, es posible que se den diferencias en las puntuaciones antes. ..//..
  • 4. Estas diferencias son la causa de la no- equivalencia inicial de los grupos. Así, cuando en la formación de los grupos no interviene el azar, es posible que los grupos presenten sesgos capaces de contaminar el efecto del tratamiento. ..//..
  • 5. Partiendo de este planteamiento, se tienen diseños cuyos grupos no pueden ser considerados ni homogéneos, ni comparables. Por esa la razón, se han buscado alternativas al clásico modelo de Análisis de la Variancia a fin de modelar, en el supuesto de que se conozcan, las potenciales fuentes de sesgo y distorsión y, de esa forma, controlarlas.
  • 6. El porqué de las diferencias antes Las diferencias entre las puntuaciones antes se dan por la siguientes razones: 1. Cuando el tratamiento es aplicado a un grupo (escuela, clase, etc.), y otro grupo (escuela, clase, etc.,) es tomado como control. 2. Cuando se ha planificado un auténtico experimento, pero por razones de mortalidad, contaminación de las unidades del grupo control por los artefactos experimentales o por la variación del tratamiento experimental, el experimento verdadero se convierte en un cuasi-experimento. ..//..
  • 7. 3. Cuando, debido a la limitación de recursos, el tratamiento sólo es aplicado a un grupo seleccionado. 4. Cuando los sujetos se auto-seleccionan.
  • 8. Diseño de grupo control no equivalente Clasificación Diseño de grupo control no equivalente Diseño de grupo control no equivalente con sólo medidas después (post- tratamiento) Diseño de grupo control no equivalente con sólo medidas antes y después (medidas pre y post-tratamiento)
  • 9. Representación diagramática del diseño de grupo control no equivalente Diseño con medidas después Universo o Población de origen S u j e t o s S u j e t o s Universo o Población de origen A s i g n a c i ó n n o a l e a t o r i a Grupo 1 Grupo 2 control experimentalCondiciones V.I. V. dependiente Prueba hipótesis Comparación entre los grupos Y1 Y2 Y1 Y2 (?)
  • 10. Representación diagramática del diseño de grupo control no equivalente Diseño con medidas antes y después Universo o Población de origen S u j e t o s S u j e t o s Universo o Población de origen A s i g n a c i ó n n o a l e a t o r i a Grupo 1 Grupo 2 control experimentalCondiciones V.I. V. dependiente Prueba hipótesis Comparación de datos diferencia Y1 Y2 Y1 -X1 Y2 - X2 (?) X1 X2V. Pre-tratamiento
  • 11. Diseño de grupo control no equivalente Técnicas de análisis Análisis de la variancia Análisis de la covariancia Análisis de la variancia con técnica de bloqueo o apareo Análisis de la variancia con puntuaciones de diferencia
  • 12. ANALISIS DE LA VARIANCIA ExperimentalControl X Y X Y M: S ( ): S ( )2 :
  • 13. ANALISIS DE LA COVARIANCIA ExperimentalControl X Y XY X Y XY M: S ( ): S ( )2 :
  • 14. ANOVA DE PUNTUACIONES DE DIFERENCIA ExperimentalControl X Y Y-X X Y Y-X M: S ( ): S ( )2 :
  • 15. Ejemplo práctico Se lleva a cabo un estudio, con dos grupos de sujetos ya formados (o sea, grupos intactos). De ambos grupos se toman medidas de una variable pre-tratamiento (medidas antes, como por ejemplo el nivel intelectual en una escala decil) y a continuación, se utiliza a uno de los grupos como grupo control y al otro como grupo experimental. ..//..
  • 16. Se trata de estudiar el efecto de un método de enseñanza programado sobre el rendimiento escolar. El primer grupo recibe un tratamiento convencional (grupo control), mientras que el segundo recibe el método programado (grupo experimental). Los datos hipotéticos de este cuasi-experimento se presentan en la tabla siguiente.
  • 18. Estrategias de análisis 1) ANOVA(x) V.Pre A(H0) ANOVA(y) V. Dep. X 2) ANCOVA Y XY 3) ANOVA(Dif.) Y-X
  • 19. Modelo de análisis anova (1)
  • 20. MODELO ESTRUCTURAL DEL ANOVA: DISEÑO DE GRUPO CONTROL NO EQUIVALENTE ijjijY εαµ ++=
  • 21. Supuestos del modelo estadístico εij ~ NID(0,σε²) Yij = la puntuación postratamiento del i individuo (i = 1 a n) del j grupo de tratamiento (j = 1, 2) μ = la media total, αj = el efecto del grupo j de tratamiento εij = el error de medida
  • 22. Cálculo de las Sumas de Cuadrados (y) SCtotal(y) = 6² + 7² + ... + 7² – 74²/10 = 570 – 547.6 = 22.4 SCA(y) = 31²/5 + 43²/5 – 74²/10 = 562 – 547.6 = 14.4 SCS/A(y) = 6² + 7² + ... + 7² – 31²/5 – 43²/5 = 570 – 562 = 8
  • 23. CUADRO RESUMEN DEL ANOVA. DISEÑO DE GRUPO CONTROL NO EQUIVALENTE (VARIABLE DESPUÉS, Y) F0.99(1/8) = 11.26; F0.95(1/8) = 5.32 an-1=922.4Total <0.0114.414.4 1 (a-1)=1 a(n-1)=8 14.4 8 Entre Trat (A) Intra grupos (S/A) pFCMg.lSCF.V.
  • 24. Modelo de análisis ancova (2)
  • 25. MODELO ESTRUCTURAL DEL ANCOVA: DISEÑO DE GRUPO CONTROL NO EQUIVALENTE ijijjij '..)XX(Y εβαµ +−++=
  • 26. Supuestos del modelo estadístico ε’ij ~ NID(0,σε²) ß = el coeficiente de la regresión lineal intra-grupo de la variable post (Y) sobre la _ pre (X), y X.. la media total de la variable pre-tratamiento.
  • 27. Cálculos para el ANCOVA Variable X Variable Y Variables XY Sumas de Sumas de Sumas de cuadrados cuadrados productos cruzados SC total SCtotal SPtotal SCA SCA SPA SCS/A SCS/A SPS/A
  • 28. Cálculo de las Sumas de Cuadrados Variable X SCtotal(x) = 3² + 6² + ... 4² – 48²/10 = 246 – 230.4 = 15.6 SCA(x) = 21²/5 + 27²/5 – 48²/10 = 234 – 230.4 = 3.6 SCS/A(x) = 3² + 6² + ... 4² – 21²/5 – 27²/5 = 246 – 234 = 12
  • 29. Cálculo de las Sumas de Cuadrados Variable Y SCtotal(y) = 6² + 7² + ... + 7² – 74²/10 = 570 – 547.6 = 22.4 SCA(y) = 31²/5 + 43²/5 – 74²/10 = 562 – 547.6 = 14.4 SCS/A(y) = 6² + 7² + ... + 7² – 31²/5 – 43²/5 = 570 – 562 = 8
  • 30. Cálculo de las Sumas de Productos Cuadrados XY SPtotal = (6)(3) + (7)(6) + ... + (7)(4) – (48)(74)/10 = 370 – 355.2 = 14.8 SPA = (21)(31)/5 + (27)(43)/5 – (48)(74)/10 = 362.4 – 355.2 = 7.2 SPS/A = SPtotal – SPA = 14.8 – 7.2 = 7.6
  • 31. Cálculo de las Sumas de Cuadrados F.V. SC g.l. F CMA(aj) A(aj) SCA(y') = SCtot(y') - SCS/A(y') a -1 -------------- CMS/A(aj) SPS/A² S/A(aj) SCS/A(y') = SCS/A(y) - ------------ a(n-1) -1 SCS/A(x) SPtot² Total(aj) SCtot(y') = SCtot(y) - ------------ an - 2 SCtot(x)
  • 32. SPtot² Total(aj): SCtot(y') = SCtot(y) - ------------ SCtot(x)
  • 33. SPS/A² S/A(aj): SCS/A(y') = SCS/A(y) - ------------ SCS/A(x)
  • 34. A(aj): SCA(y') = SCtot(y') - SCS/A(y')
  • 35. ANÁLISIS DE LA COVARIANCIA DISEÑO DE GRUPO CONTROL NO EQUIVALENTE 173.5186.3359.8SCSCSC 186.3 12 6.7 8 SC SP SCSC 359.8 6.15 8.14 4.22 SC SP SCSC )'Y(A/S)'Y(tot)'Y(A 2 )X(A/S 2 A/S )Y(A/S)'Y(A/S 2 )X(tot 2 tot )Y(tot)'Y(tot =−=−= =−=−= =−=−=
  • 36. CUADRO RESUMEN DEL ANCOVA. DISEÑO DE GRUPO CONTROL NO EQUIVALENTE F0.99(1/7) = 12.25; F0.95(1/7) = 5.59 an-2=88.359Total (aj) <0.0511.365.13 0.455 a-1=1 a(n-1)-1=7 5.173 3.186 Variable A (aj) Error S/A (aj) pFCMg.lSCF.V.
  • 37. Prueba de homogeneidad de los coeficientes de la regresión H0: β1=β2 X Y A1 A2 b1 b2  
  • 41.       + −+ + − = ECEC EdCd EC nnnn SCSC dd t 11 2 ),(),( t STUDENT. DATOS DE DIFERENCIA 452= 5 1 + 5 1 25+5 82+2 232 = . )( . . – – t t0.95(8) = 2.306 p<0.05
  • 43. Cálculo de las sumas de cuadrados  SCtotal(d) = (3)² + (1)² + ... + (3)² - C = 76 – 67.6 = 8.4 SCA(d) = (10)²/5 + (16)²/5 – C = 71.2 – 67.6 = 3.6 SCS/A(d) = (3)² + (1)² + ... + (3)² – (10²/5 + 16²/5) = 76 – 71.2 = 4.8
  • 44. CUADRO RESUMEN DEL ANOVA. DISEÑO DE GRUPO CONTROL NO EQUIVALENTE (DATOS DE DIFERENCIA) F0.95(1/8) = 5.32 an-1=9   8.4Total <0.056  3.6    0.6 (a-1)=1 a(n-1)=8  3.6 4.8 Entre Trat (A) Intra grupos (S/A) pFCMg.lSCF.V. t 2  = F; 2.452  = 6.0025 
  • 45. Comparación de los valores F Fe Ft Anova (y) = 14.4 F0.95(1/8) = 5.32 Ancova = 11.36 F0.95(1/7) = 5.59 Anova (gan.) = 6 F0.95(1/8) = 5.32