1. Introduccin.
1.1. Bootstrap.
1.2. Jacknife.
1.3. Pruebas Aleatorias.
1. INTRODUCCIN.
Existen
empricas,
diversas
aproximaciones
basadas
en
distribuciones
muestrales
observada (la cual sirve de marco de referencia para generar la distribucin) contiene
toda la informacin necesaria de la poblacin de origen.
con o sin reasignacin. Todo esto depender del procedimiento que utilicemos.
Tamao
de la Muestra
Mtodo
Sin
de Muestreo
Reasignacin
Tamao
Tamao
Menor
Completo
PRUEBAS
JACKNIFE
ALEATORIAS
Con
Reasignacin
BOOTSTRAP
1.1. BOOTSTRAP.
distribucin muestral emprica, la cual puede ser utilizada para definir estabilidad e
hiptesis estadsticas.
1.2. JACKNIFE.
son pruebas
Se usan en diseos de sujeto nico, ya que son las nicas pruebas vlidas en
ausencia de muestreo aleatorio (el cual es infrecuente en sujeto-nico y multisujeto).
experimento de sujeto nico, porque el inters est centrado en ese sujeto en particular y
no en cualquiera que pudiese ser seleccionado de la poblacin.
Adems, si nos
interesara sacar inferencias de esa poblacin, la seleccin aleatoria del sujeto desde una
poblacin incumple los supuestos de una prueba paramtrica, ya que las medidas
tomadas de un nico sujeto no sirven para estimar la variabilidad intersujetos dentro de
la poblacin.
Las pruebas aleatorias han adquirido mayor uso en los experimentos de sujeto nico
desde que se ha hecho innecesario el muestreo aleatorio.
* D = X A X B Hiptesis bidireccionales.
Ejemplo.
10
11
12
13
14
15
16
17
18
19
20
intervencin.
tratamiento.
D para hiptesis de
Fase
Sesiones
Fase
Sesiones
11
12
13
14
15
16
17
10
18
19
10
20
Sesiones
XA
Sesiones
XB
XA XB
15
3.6
6 20
6.73
- 3.13
16
3.5
7 20
- 3.5
17
3.28
8 20
7.38
- 4.1
18
3.37
9 20
7.67
- 4.3
19
3.33
10 20
8.09
- 4.76
1 10
3.5
11 20
8.4
- 4.9 *
1 11
3.9
12 20
8.44
- 4.54
1 12
4.33
13 20
8.37
- 4.04
1 13
4.53
14 20
8.57
- 4.04
p=
1
= 0.111
9
para alcanzar la
N n(k + 1) + k
P =
k
25 6(2 + 1) + 2
=
P =
2
9
9!
=
= 36.
2!(9 2)!
2
El anlisis de datos en este caso se realiza de igual forma que en el diseo AB,
con la excepcin de que en el clculo del estadstico D, la media X A es la media de las
puntuaciones conjuntas de la lnea base (fase A1 ) y de la fase de retirada (fase A2 ).
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
de la fase de reversin
Fase A (n=6).
(n=6).
El anlisis de datos en este tipo de diseos fue propuesto como extensin de los
procedimientos de los diseos AB y ABA;
El
N n(k + 1) + k
P =
k
Para analizar el cambio de medias entre las fases con ausencia de tratamiento
( A1 , A2 ) y con presencia del mismo ( B1 , B 2 ) podemos hacer uso del estadstico D de
Edgington ( donde X A
S = ( X A1 + X A2 ) ( X B1 + X B 2 )
La significacin del estadstico de contraste se realiza segn lo expuesto en el
diseo ABA, a partir de su clculo para cada una de las combinaciones posibles. A su
vez, la decisin de aceptar
p=
1
= 0.042 0.05
4!
Ejemplo.
Supongamos un diseo ABAB donde las medias obtenidas en cada fase son,
respectivamente, 30, 10, 25 y 5. El proceso de anlisis sera el siguiente:
A su vez, Levin et al. (1978) proponen que estos pesos asignados a las medias
no han de seguir obligatoriamente una distribucin continua (4, 3, 2, 1), sino que
pueden basarse en un patrn ms realista segn lo esperado (7, 2, 5, 1, ).
calcula a partir de la suma del producto de las medias por su respectivo valor de rango :
i
L = Xj Rj
j =1
L = X j R j = (30x4)+(10x2)+(25x3)+(5x1)=220
j =1
p=
1
= 0,042 < 0.05
24
Rechazndo la hiptesis nula, se concluye que las medias de las fases estn
ordenadas segn el orden crtico hipotetizado.
Este tipo de diseos constituyen una extensin de los diseos ABAB en el cual
se han introducido un mayor nmero de fases ( ABABAB, ABABABAB, etc.). La
prueba de aleatorizacin puede seguirse bien asignando al azar los puntos de
intervencin y de retirada del tratamiento, o bien, aleatorizando el orden de las fases A y
B. El nmero total de rdenes posibles de las fases viene determinado por la siguiente
frmula:
F
F!
P = =
f a f a !(F f a)!
donde F representa el nmero total de fases y
f a el nmero de fases A B.
6
P = =20 formas de ordenarlas.
3
El anlisis de las diferencias de medias entre las fases
con presencia de
10
11
12
13
14
15
16
17
18
19
20
D = XA
XB
despus para analizar los efectos del tratamiento en todos los sujetos conjuntamente se
calcula en todas las combinaciones el estadstico T, a partir de la suma de los
estadsticos D de cada divisin ( T =
D +D
1
+ + D i ). Las combinaciones se
Ejemplo.
Como ejemplo supongamos que se registran datos de dos sujetos con un diseo
AB, en el que se espera un decremento de la conducta como consecuencia de la
intervencin, se planifican 20 observaciones, se dejan como mnimo 5 para la fase A y
10 para la fase B. el punto de intervencin se aleatorizara entre la sesin 6 y la 10,
existiendo por tanto un total de 5 divisiones para introducir el experimento en cada
unidad experimental. Teniendo en cuenta que son dos unidades tenemos una P=5x5=25
(posibles formas de combinar la introduccin de la intervencin en las dos unidades).
La inclusin de un sujeto ms supone incrementar la potencia de la prueba de manera
notable al aumentar las combinaciones posibles.
A continuacin al azar se selecciona la observacin 7 para el primer sujeto y la
9 para el segundo.
SUJETO 1
Sesiones
Fases
A A A A A A B B B B
Datos
10 11 12 13 14 15 16 17 18 19 20
SUJETO 2
Sesiones
Fases
A A A A A A A A B B
Datos
10 11 12 13 14 15 16 17 18 19 20
D=
1
8-1.28 = 6.72
= 8.75-3.6 = 5.15
T = D1 + D 2 = 6.72 + 5.15=11.87
En este tipo de diseo para generar las distribuciones T es necesario previamente
realizar la distribucin D para cada sujeto:
Sujeto 1
Divisiones
Sujeto 2
6-20
1.53
6.47
8.8
4.6
4.2
7-20
1.28
6.72
8.6
4.43
4.17
8-20
7.14
1.23
5.91
8.71
4.08
4.63
9-20
6.375
1.25
5.125
8.75
3.6
5.15
10-20
5.5
1.36
4.14
8.1
4.1
D
D
D = 6.47
D = 6.72
D = 5.91
D = 5.125
D = 4.14
= 4.2
10.67
10.92
10.11
9.325
8.34
= 4.17
10.64
10.89
10.08
9.295
8.31
= 4.63
11.1
11.35
10.54
9.755
8.77
= 5.15
11.62
11.87
11.006
10.275
9.29
=4
10.47
10.72
9.91
9.125
8.14
W = (X
i =1
Ai
Bi
autoreporte. Despus de cuatro semanas de lnea base la primera conducta fue tratada
con desensibilizacin sistemtica en vivo, mientras que el resto de las conductas
permanecieron en observacin (lnea base). A la sexta semana se aplic tratamiento a la
conducta de masturbacin con desensibilizacin imaginaria, las conductas de masticar y
lavarse los dientes permanecieron en lnea base. Finalmente a la sptima y octava
semana de haber iniciado el estudio fueron tratadas las conductas restantes. Los
resultados demostraron que la aplicacin secuencial del tratamiento afecto a la conducta
particular que era intervenida. Como no se observ generalizacin del tratamiento de
una conducta a otra se puede decir que estas conductas eran independientes entre s. Los
autores concluyen que es necesario llevar a cabo nuevas investigaciones donde se
realice una evaluacin directa de las conductas.
Lnea base mltiple a travs de situaciones. Puede emplearse para cambiar algunas
conductas manejando situaciones o periodos de tiempo en un sujeto o grupo. El
procedimiento es el mismo que en el caso anterior: se definen las situaciones en donde
ocurren las conductas de inters y se observa. Se introduce la intervencin en solo una
de las situaciones mientras la conducta de inters en las otras situaciones permanecen en
lnea base.
Ejemplo: Allen en 1973 realiz una investigacin que ejemplifica de una forma clara
este tipo de diseo. El estudio estuvo dirigido a un nio de 8 aos de edad que tena el
diagnstico de dao cerebral mnimo. El objetivo fue reducir de una forma sistemtica
la alta frecuencia de verbalizaciones bizarras en cuatro ambientes de actividades
(andadores, comedor, cabina y saln de clase). Durante los primeros seis das se obtuvo
una lnea base, pidindoles a los encargados que registraran las verbalizaciones del nio
en cada uno de los ambientes sin intervenir o cambiar su propio comportamiento. En el
sptimo da se les pidi ignorar (extincin) las verbalizaciones bizarras del nio pero
slo en el primer ambiente (andadores), as mismo deberan continuar registrando las
verbalizaciones en las otras situaciones. Posteriormente se fue introduciendo el
tratamiento de forma secuencial al comedor, cabina y saln de clases, continuando con
el registro de las verbalizaciones bizarras. Los resultados demostraron que la aplicacin
progresiva del tratamiento produjo una reduccin de las conductas indeseables,
alcanzando en stas puntuaciones cercanas a cero. Los autores concluyeron que la
Sujeto 1
Sesin
10
11
12
13
Fase
Datos
10
Sujeto 2
Fase
Datos
11
12
11
10
13
12
Sujeto 3
Fase
Datos
14
13
12
12
10
15
12
12
13
W = (X
i =1
Ai
Bi
XA XB
1-2-3
15.9
6.79
11.2
33.9
1-3-2
15.9
3.7
3.74
23.34
2-1-3
3.9
4.5
11.2
19.6
2-3-1
4.5
4.5
3.74
12.74
3-2-1
4.5
6.79
4.4
15.69
3-1-2
3.9
3.7
4.4
12
XA XB
XAXB
Orden sujetos
hiptesis nula es porque la muestra es muy pequea, con un sujeto, situacin o conducta
ms sta hubiera sido significativa.
Ventajas :
a) Promueve la medicin simultnea de varios objetivos concurrente.
b) No se presentan problemas ticos.
c) Promueve mediciones concurrentes implica una aproximacin a situaciones naturales.
de
contraste
conjuntamente
para
todos
los
sujetos
que
sera:
T = D1 + D 2 + Dn .
Koehler y Levin han sugerido que el mtodo de Marasculio y Busk no tiene una
planificacin
en
la
secuencia
de
asignacin
del
tratamiento
las
unidades
1. planificar el nmero de datos mnimo para cada fase y en cada una de las
unidades experimentales.
2. seleccionar
aleatoriamente
un
orden de
tratamiento
para
cada
unidad
experimental.
3.
Ventajas
a) No requiere de fase de retirada
b) Proporciona datos tiles con mayor rapidez que un diseo de retirada
c) Es relativamente insensible a las tendencias ascendentes de las conductas, ya que
compara el resultado de dos tratamientos en el
antecedente
d) No se requiere formalmente ninguna lnea base
e) Al no importar la tendencia, puede analizarse mediante inspeccin grfica
Desventajas:
a) Es menos generalizable que otros diseos.
3.2. DESVENTAJAS:
a) Requieren gran cantidad de datos
b) Necesidad de repeticin de los estudios para la generalizacin.
c) Las diferentes permutaciones pueden ser extremadamente numerosas dificultando el
anlisis
d) Requieren planificar de antemano el nmero de observaciones o en su caso la
longitud de cada fase.
e) La aleatorizacin aumenta la validez interna aunque desde un punto de vista clnico a
veces no es factible puesto que la introduccin del tratamiento puede depender de la
conducta del sujeto y de su patrn de cambio.
f) Cuando se obtiene una significacin estadstica esta no proporciona una clave
necesaria para entender el cambio de conducta.
4. PRUEBA DE RANGOS
Se ha propuesto una prueba de rangos para evaluar los datos obtenidos en
diseos de lnea base mltiple. La prueba exige que los datos sean recogidos a lo largo
de varias lneas base (sujetos, situaciones). El resultado estadsticamente fiable de una
intervencin esta determinado por la evaluacin de la ejecucin de cada una de las
lneas base en el punto en el que se introduce la intervencin. Tomamos a cada
Bibliografa.
Randomization
Statistics.
School
of
Psychology.
Georgia
Institute
of
Technology.
Kratochwill, T.R. y Levin, J.R.(1992). Single-Case Research Design and Analysis.
New Directions for Psychology and Education. Hillsdale, N.J.: L.E.A. 133-158.
Lunneborg, C. E.
Rodgers, J. L. (1999). The Bootstrap, the Jacknife, and the Randomization Test: A
http://europa.eu.int/comm/eurostat/research/index.htm?http://europa.eu.int/en/comm/eur
ostat/research/isi/alpha/es/es80.htm&1
http://www.fil.ion.ucl.ac.uk/spm/snpm/SnPMpaper.pdf