Diseños de investigación e interpretación estadística
Introducido| English | Significado |
|---|---|
| random assignment/ˈrændəm əˈsaɪnmənt/ | asignación aleatoria |
| interaction effect/ˌɪntəˈrækʃn ɪˈfekt/ | efecto de interacción |
Una decisión antes de una respuesta
- La asignación aleatoria y la muestra aleatoria suenan similares pero autorizan conclusiones completamente distintas.
- Su objetivo: clasificar los diseños según la estructura de asignación y medición.
Clasifique el diseño
- Un experimento verdadero manipula una variable independiente con asignación aleatoria de participantes a condiciones; los diseños entre-sujetos dan personas diferentes a cada condición, los diseños dentro-sujetos miden a las mismas personas en cada condición y necesitan contraequilibrado. Un cuasi-experimento carece de asignación completa, y un estudio correlacional no manipula una variable independiente. La correlación sola no establece causalidad ni orden temporal.
- La asignación aleatoria apoya la validez interna (inferencia causal); el muestreo aleatorio apoya la validez externa (generalizabilidad). Responden a preguntas diferentes.
Each participant learns a list using exactly one of three rehearsal strategies. The design is:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Different participants serve in each condition, with the strategy manipulated between them.
Empareje la prueba
- Ajuste el análisis al diseño, la escala de medición y los supuestos. Dos grupos cuantitativos independientes pueden adecuarse para una t-test de muestras independientes; los datos pareados requieren un análisis pareado.
- Los diseños factoriales a menudo usan análisis de varianza; los conteos categóricos pueden adecuarse para una prueba chi-cuadrado cuando se cumplen los supuestos de frecuencia esperada. La correlación o regresión examina asociaciones especificadas; ninguna sola establece causalidad.
Counts of students choosing each of three majors, broken down by gender, are best analysed with:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
The data are categorical counts in a 2×3 table, df=(2−1)(3−1)=2.
Lea los efectos
- Un efecto principal promedia un factor sobre el otro factor. Una interacción significa que un efecto depende del otro factor.
- Medias muestrales no paralelas sugieren un patrón de interacción, pero se necesita variabilidad y el diseño para inferencias poblacionales. Las interacciones pueden existir cuando los efectos principales promediados se cancelan; la falta de significancia no es prueba de ausencia de efecto.
Las puntuaciones medias ficticias son: tarea A, novatos 4 y expertos 8; tarea B, novatos 8 y expertos 4. Calcule las medias marginales y describa el patrón. Media marginal de novatos=(4+8)/2=6; media marginal de expertos=(8+4)/2=6. Media marginal de tarea A=(4+8)/2=6; media marginal de tarea B=(8+4)/2=6. El contraste de tareas invierte según la experiencia, un patrón de interacción a pesar de las medias marginales iguales. Las medias solas no establecen una interacción poblacional; se necesitan variabilidad, diseño e inferencia.
A 2×3 contingency table has ____ degrees of freedom.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
(rows−1)(columns−1)=(2−1)(3−1)=2.
Sopese la evidencia
- Una edad media 26 con la mayoría de los estudiantes 25 o menores es compatible con sesgo positivo, pero no determina únicamente la forma de la distribución. La significancia estadística no es el tamaño del efecto.
- Un valor p es una probabilidad de resultados al menos tan extremos bajo el modelo nulo especificado y los supuestos, no la probabilidad de que el nulo sea verdadero. Los errores Tipo I y Tipo II dependen del diseño y los umbrales de decisión.
Deducir una conclusión causal de un diseño correlacional o reportar una interacción significativa como si fuera un efecto principal de un factor.
¿Qué respuesta se ajusta a este caso?
Clasificar diseños por estructura de asignación y medición
Random sampling from a population is what licenses a causal conclusion.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Random assignment licenses causal inference; random sampling supports generalisability.
Mantener las distinciones
- efecto de interacción — La dependencia del efecto de un factor en función del nivel de otro factor.
- asignación aleatoria — Asignar participantes a condiciones por azar para respaldar la inferencia causal.
- Clasificar los diseños según su estructura de asignación y medición.
- Elegir la prueba estadística que coincida con el diseño y el tipo de datos.
- Interpretar efectos principales, interacciones y evidencia distribucional.
Match each term with its precise meaning in this lesson.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Keep the distinctions stated in the teaching example.
Put this lesson’s reasoning or event sequence in order.
Difficulty 3/5 · 200 coins + a small bonus on first completion today
The order follows the stated process; check each stage before the next.