BRIDELIS PALLARES DURAN YISELA DAZA CASTAÑEDA FRANCISCO MENDOZA AMAYA MARIA JOSÉ DIAZ RIVERO GRUPO # 2

Definición general Diseño factorial A x B, completamente al azar Diseño factorial 2x2 Ejemplo de aplicación

INTRODUCCION El diseño factorial, como estructura de investigación, es la combinación de dos o más diseños simples (o unifactoriales); es decir, el diseño factorial requiere la manipulación simultánea de dos o más variables independientes (llamados factores), en un mismo experimento.

En función de la cantidad de factores o variables de tratamiento, los formatos factoriales se denominan, también, diseños de tratamientos x tratamientos, y se simbolizan por AxB, etc.

Estructura del diseño

Combinación de tratamientos por grupo o casilla Diseño factorial 2x2 A 1 B 1 A 1 B 2 A 2 B 1 A 2 B 2

Caso paramétrico. Ejemplo Se pretende probar, en una situación de aprendizaje discriminante animal, si la magnitud del incentivo (variable incentivo) actúa según el aprendizaje sea simple o complejo (variable dificultad de aprendizaje o variable tarea). En esta hipótesis se afirma que a mayor incentivo, más acusada es la diferencia entre las dos tareas (simple o compleja)...//..

Para ello, se registra la cantidad de discriminaciones correctas (variable dependiente) en función de un criterio general de aprendizaje, que asume como suficientes 15 ensayos. Se toma, como medida de la variable dependiente o de respuesta, la cantidad de respuestas correctas, para un máximo de 15, bajo el supuesto de que cada discriminación correcta tiene la misma dificultad de aprendizaje...//..

Para probar la hipótesis propuesta se asignan 32 sujetos, de una muestra experimental, a las combinaciones de tratamientos o casillas (ocho sujetos por casilla), de forma totalmente aleatoria.

Modelo de prueba de hipótesis Paso 1. Según la estructura del diseño son estimables tres efectos. Por esa razón, se plantean tres hipótesis de nulidad relativas a la variable A, variable B e interacción: H 0 : α 1 = α 2 = 0 H 0 : ß 1 = ß 2 = 0 H 0 : (αß) 11 = (αß) 12 = (αß) 21 = (αß) 22 = 0

Paso 2. Por hipótesis experimental, se espera que los efectos principales y el de la interacción sean significativos. Estas hipótesis se representan, al nivel estadístico, por H 1 : α 1  α 2, o no todas las α son cero H 1 : ß 1  ß 2, o no todas las ß son cero H 1 : (αß) 11  (αß) 12  (αß) 21  (αß) 22, o no todas las αß son cero.

Paso 3. El estadístico de la prueba es la F de Snedecor, con un α de 0.05, para las tres hipótesis de nulidad. El tamaño de la muestra experimental es N = 32 y el de las submuestras n = 8. Paso 4. Cálculo del valor empírico de las razones F. Para ello, se toma, de nuevo, la matriz de datos del experimento.

A2B2A2B2 A2B1A2B1 A1B2A1B2 A1B1A1B1 DISEÑO FACTORIAL 2X2 Totales: Medias :

Ello supone un enorme ahorro de tiempo y esfuerzo. Si se tiene en cuenta la posibilidad de analizar la acción conjunto o cruzada de las variables, se concluye que el diseño factorial es una de las mejores herramientas de trabajo del ámbito psicológico, puesto que la conducta es función de muchos factores que actúan simultáneamente sobre el individuo...//..

Diseños factoriales 2 x 2 de bloques Bloque 1 Bloque 2 Bloque k …………………………………………. A1B1A1B1 A2B1A2B1 A1B2A1B2 A2B2A2B2 S 11 S 12 S 14 S 13 S 21 S 22 S 24 S 23 S k1 S k2 S k4 S k3