TEMA 3.

BASES ESTADÍSTIQUES DEL DISSENY EXPERIMENTAL

Fonaments estadístics
· Caràcter probabilístic de l’Estadística
· Estadística descriptiva i estadística inferencial
· Lògica bàsica de les proves de significació: Quina és la probabilitat de que un determinat
resultat s’hagi produït, suposant que la hipòtesi nul·la sigui certa?. Si aquesta probabilitat és
molt baixa, hem de pensar que no podem mantenir la hipòtesi nul·la, i que hi ha algun efecte no
aleatori
· Seqüència lògica: Resultats ---- Estadístic ---- Probabilitat (p-value)
· Paper de les distribucions teòriques de probabilitat

Per què és important l’ús de l’estadística en el disseny experimental?

Dissenys clàssics: Ús intensiu de l’estadística (per això de vegades també són anomenats
“dissenys estadístics”).
· 2 raons principals:
- Treballem amb mostres de subjectes, amb la perspectiva de poder generalitzar els
resultats (inferència estadística)
- Necessitem distingir entre efectes sistemàtics (efecte de la variable o variables
independents) i efectes aleatoris (per exemple, efecte de variables de subjecte
aleatoritzades, fluctuacions aleatòries dels resultats degudes a variables no totalment
controlades, etc.)

Per què parlem d’efectes sistemàtics i efectes aleatoris?

· A qualsevol situació experimental hi ha diferents factors que influeixen en els resultats:
Impacte de la variable independent + Efecte d’altres variables (variables de possible confusió,
tant externes com del subjecte)
· L’efecte d’una variable independent en principi és sistemàtic: les persones que reben un
determinat tractament de la V.I. haurien de reaccionen d’una forma similar, com a mínim
parcialment. Per exemple: Una tasca difícil ha de produir, en general, resultats inferiors als
d’una tasca fàcil. Si comparem la mitjana de resultats en una tasca difícil amb els d’una tasca
fàcil, la mitjana de rendiment a la primera hauria de ser inferior a la segona
· En canvi, com influirien les possibles variables de confusió pròpies del subjecte si, per
exemple, hem format grups aleatoritzats?: Haurien quedat repartides aleatòriament en els
diferents grups, i el seu efecte no és global per al conjunt de cada grup, sinó aleatori dins de
cada grup

Models estadístics
· Sempre hi ha un model subjacent a les dades
· Model lineal clàssic
- Models de regressió lineal
- Models ANOVA o AVAR (anàlisi de la variància)
- Models ANCOVA (anàlisi de covariància)
· Altres models: Model lineal generalitzat, models mixtos, models d’equacions estructurals

Models ANOVA
· Model i lògica de la prova associada (Anàlisi de la variància)
· Condicions d’aplicació: Normalitat de les dades (Shapiro-Wilk, Kolmogorov, etc.),
homocedasticitat (Levene, Brown-Forsythe, etc.), independència dels diferents resultats
· Mecànica i càlculs
· Proves complementàries: Comparacions parcials, anàlisi de tendències
· Extensions: Anàlisi multivariable de la variància

Resultats experimentals hipotètics

Tract 1 Tract 2 Tract 3 Tract 4

Resultats 8 13 18 17
individuals 10 15 20 21
9 10 22 21
7 13 18 23
6 14 17 18

Mitjanes 8 13 19 20

Desviacions -7 -2 4 5

Efectes a l’exemple plantejat - Model ANOVA

Mdel ANOVA (DGA simple)
𝑌𝑖𝑗 = 𝜇 + 𝛼𝑗 + 𝜀𝑖𝑗
o bé:
𝑌𝑖𝑗 − 𝜇 = 𝛼𝑗 + 𝜀𝑖𝑗
Ho : 𝛼1 = 𝛼2 = 𝛼3 =… . = 𝛼𝑘
H1: Alguna o algunes de les igualtats
anteriors són falses

Càlculs preliminars ANOVA

Càlcul de les sumes de quadrats o variacions

2
𝜊 =Σ ¿ ¿
no cal apendre’s aquest procés de càlcul.

(el funcionament del quadre sí que s’ha de tenir clar)

calculem variancia entre grups i intragrups. les comparem fent un quocient, ens dona
l'estadístic N de NOSEQUE
Prenem una decisió sobre si la diferencia es significativa o no
Podem observar que dins dels grupos les dades son difeerents i mostren variabilitat
(variabilitat aleatoria, perquè els subjectes son a l’atzar. variabilitat mostra l’mpacte de
diferències individuals que ha quedat repartida entre els diferents grups. és un reflexe de
l’atzar!)

les diferències entre els diferents grups, (variància intergrupals) també

son aleatories? → comprpovació si la variaile entre grups es

substancialment més gran que la intragrupal. si no, voldria dir que la

intergrupal és aleatoria (No funciona tactament)

Variància entre grups

→
Variànciaintragrupal

H0: Var entre ≈ Var intra

H1: Var entre > Var intra
Dossier Casos Pràctics, pàgina 22
Cas 1: Mateix cas que el d’amunt. Però amb SPSS (no manualment) (amb R seria diferent)
Càlcul homogeneidad variancia amb la prova de Levene

Compara les diferents variàncies per veure si son diferents entre sí. (en aquest cas les 4)
Sig = p-valor → tots són molt més grans que 0,05. Resultat no

significatiu es de punt de vista estadístic → No hi ha diferencia entre

les diferents variàncies. (Bona cosa!) (COndició d’homogeneiatt de

variancies es compleix)
Despres ANOVA:

Media cuadrática = Variància

Fa el quocient. La F és 39, 167 i sig=p.valor 0,0000 És significatiu. Les diferències entre les
mitjanes dels grups experimentals són significatives

Model de regressió lineal corresponent a l’exemple

ANOVA no única opció. Sí la manera més fa`cil d’abordar un cas però no l’única manera.
Model de regresió!
Establiment d’equació que relaciona dues variables quantitatives.
Conjunt de persones i per cada una d’elles tinc el valor variable X i Y podira construir un model
També es pot utlitzar quan una de les variables és qualitativa.
Ex: VI fos 4 terapies diferents per tractar una fobia. Y= rendiment
A través de la codificació de la VI es pot fer. (Per exemple, definir variable X1, de tal manera
que si una persona ha tingut la terapia 1, la variable X1 sería igual a 1. i la variables X2, etc…
sería 0 perque no li han fet aquesta terapia. = Model de regressió es pot utilitzar per analitzar
dades d’un estudi

Y =B 0+ B 1 X + E
· Recodificació dels valors de la variable independent
X1 = Igual a 1 si el subjecte ha rebut el tractament 1; igual a 0 si ha rebut algun altre tractament
X2 = Ídem per al cas del tractament 2.
X3 = Ídem per al cas del tractament 3.
No és necessària cap codificació per al tractament 4 (redundant)
· Model de regressió lineal
𝑌𝑖𝑗 = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + 𝜀𝑖𝑗
A partir d’aquí es tractaria com qualsevol model de regressió (estimació dels
paràmetres, validació del model. L’ANOVA resultant seria idèntic al que hem
obtingut abans)

Comparació parcial de mitjanes (o serie de comparacions)

Contrastos planificats

Gràcies a l’analisid e la variable, sabem que les mitjanes, globalment son diferent entre sí.
Podriem saber més coses, més afinades…
Per exemple, hi ha diferencia significativa entre la mitjana del grup 1 i del grup 2? Les
comparacions parcials de mitjanes ens permet saber això!
Fer amb les eines que ens dona l’analisi de la variància

La comparació parcial es pot fer de diverses formes. La prienra ñes la del quadre. és un sstema
de quoficients (perquè s’entengui quines comparacions volem fer)
Primer contrast (dif significativa entre mitjana grup 1 i 2?
Tractament 1 quoficient d’1 i T2 quoficient de -1. Mateixa magnitud amb signe contrari.
Mitjanes que no tinc en compte els hi fico un zero
L'últim contrast agrupa els resultats dels dos anteriors contrastos i els compara amb els altres
dues mitjanes agrupades conjuntament. Per tant els dos tractaments han de tenir el mateix
signe

Perque un contrast estigui ben plantejat, la suma dels contrastos ha de ser 0.

També podria ser 1 1 1 -3 → Primer compara els 3 primers i després amb el

4rt! Fica un 3 perquè doni 0

Veure quins constrastos son significatius i quins no. Càlcula la suma de quadrats que correspon
a cadascun dels constrastos (Fer-ho amb l’expressió en taronja)

numero de casos (subjectes) per grup=5. si fos diferent per cada grup. cada miultiplicacio
ls’haurai de multiplicar pel seu numero
5· mitjana decada grup pel contrast que toca

8, 13, 19 i 20, mitjana de cada grup

(El que teniem abans. Afegida la inforació sobre els 3 constratos que acabo de plantejar)
En els contrastos estem comparant dues mitjanes. gl = 2-1 = 1. Canvia el grau de llibertat.
Contrast 3.
Estan en joc les 4. pero com les he agrupat (agrupaico grup 1 i grup 2. hi ha dos grups. calcul 1
mitjana x una banda i una altra per l'altre. comparo dues mitjanes. per això també té un grau de
llibertat)

No tots son significatius.

0,441 es mes gran que 0,05. No significati el constast 2

Anàlisi de tendències

Veure com es relacionen la VI i la VD.

Exemple: Tendencia lineal creixent

…. Més exemples
Quadràtica
Assimptòtica
Cúbica (sinusoidal)
Fer analisi de tendencies només té sentit si es compleixen les següents condicions:
- Tant variable dependent com independent siguin QUANTITATIVES
- Com a mínim necesito que la VI tingui 3 valors (3 punts)

Anàlisi de tendències: Coeficients anàlisi de tendències amb k = 4 (taules de Fisher-

Yates)

Es pot fer en contrastos!

No qualsevols, son uns concrets (Taula de Fisher)
Estan pensants peruqè en surtin significatius si la tendència es la que correspon.

No és estrany.
Gràfic es lineal i te una part que fa com algo raro. una mica quadratic suposo

Proves per a constrastos múltiples

les que s'utilitzen més són les primeres (tukey i scheffé)

Index de magnitud de l’efecte: mostres petites no funciona la significació. mostres molt gran
poden donar resultats pocs exactes.
proves sensibles a la grandària de la mostra

despres dde fer la prova es fa una prova complementaria que informa sobre els resultats
eta cuadrat
0,10-0,25 impacte moderat

ANOVA i MANOVA
Anàlisi multi-variable de la variància. Extensió de l’anàlisi de la variància.
Diferència:
Anàlisi variÀncia serveix quan treballem amb una sola variable independent
Anàlisi multivariable de la variancia ens serveix (el podem utilitzar) quan tinguem més d’una VI

Variables VI relacionades? Podriem pensar-ho

Passos per fer una MANOVA

· Càlcul de la matriu de variàncies-covariàncies dels resultats
· Descomposició de la matriu global en matrius parcials (matriu H vinculada a l’efecte dels
tractaments, matriu E vinculada als efectes aleatoris) T =H + E
· Càlcul de les arrels característiques de l’equació determinant ¿ H− λ E∨¿ 0
· Càlcul de l’estadístic F i del seu nivell de significació. Valoració dels resultats

Tasca 2
· Revisar el primer exemple de càlculs SPSS al dossier de casos pràctics (pàg. 22 i ss.).
Correspon a l’exemple bàsic que s’ha estudiat
· Allà hi tenim els resultats de les diferents proves que s’han aplicat a les dades de l’exemple,
utilitzant l’aplicació SPSS:
- ANOVA global (prèviament, prova de Levene per a homogeneïtat de variàncies)
- Anàlisi de tendències
- Comparacions parcials de mitjanes via contrastos parcials (Atenció: el SPSS no ho fa via
ANOVA sinó fent comparacions amb t de Student, els resultats són equivalents)
- Prova de Scheffé per a contrastos múltiples
- Gràfic de mitjanes dels resultats