Sfortunatamente, negli studi sperimentali compaiono spesso variabili di disturbo<\/strong> , variabili che influenzano la relazione tra la variabile esplicativa e la variabile di risposta ma che non interessano i ricercatori.<\/span> <\/p>\n Ad esempio, supponiamo che i ricercatori vogliano comprendere l\u2019effetto di una nuova dieta sulla perdita di peso. La variabile esplicativa \u00e8 la nuova dieta e la variabile di risposta \u00e8 il grado di perdita di peso.<\/span><\/p>\n Tuttavia, una variabile del disturbo che pu\u00f2 causare variazioni \u00e8 il genere<\/strong> . \u00c8 probabile che il sesso di un individuo influisca sulla quantit\u00e0 di peso perso, indipendentemente dal fatto che la nuova dieta funzioni o meno.<\/span> <\/p>\n Un modo comune per controllare l’effetto delle variabili fastidiose \u00e8 attraverso il blocco<\/strong> , che prevede la divisione degli individui in un esperimento in base al valore di una variabile fastidiosa.<\/span><\/p>\n Nel nostro esempio precedente, inseriremo gli individui in uno dei due blocchi seguenti:<\/span><\/p>\n Quindi, all’interno di ciascun blocco, assegneremmo casualmente gli individui a uno dei due trattamenti:<\/span><\/p>\n In questo modo, la variazione all\u2019interno di ciascun blocco sarebbe molto inferiore alla variazione tra tutti gli individui e saremmo in grado di comprendere meglio come la nuova dieta influisce sulla perdita di peso controllando il sesso.<\/span><\/p>\n Per illustrare ci\u00f2, si consideri la tabella seguente che mostra la perdita di peso totale di 16 persone che hanno partecipato allo studio:<\/span> <\/p>\n A prima vista, non sembra che la nuova dieta sia associata ad un aumento della perdita di peso.<\/span><\/p>\n Tuttavia, una volta divisi gli individui in due blocchi in base al sesso, diventa chiaro che la nuova dieta sembra essere associata ad un aumento della perdita di peso:<\/span> <\/p>\n Mettendo gli individui in blocchi, la relazione tra la nuova dieta e la perdita di peso \u00e8 diventata pi\u00f9 chiara poich\u00e9 siamo stati in grado di controllare la variabile disordinata del genere.<\/span><\/p>\n Il genere \u00e8 una variabile fastidiosa comune da utilizzare come fattore di blocco negli esperimenti, perch\u00e9 uomini e donne tendono a rispondere in modo diverso a un\u2019ampia variet\u00e0 di trattamenti.<\/span><\/p>\n Tuttavia, altre variabili fastidiose comuni che possono essere utilizzate come fattori di blocco includono:<\/span><\/p>\n A seconda della natura dell’esperimento \u00e8 possibile utilizzare anche pi\u00f9 fattori di blocco contemporaneamente. Tuttavia, in pratica ne vengono solitamente utilizzati solo uno o due, poich\u00e9 pi\u00f9 fattori bloccanti richiedono dimensioni del campione pi\u00f9 grandi per ottenere risultati significativi.<\/span><\/p>\n Nell\u2019esempio precedente, il sesso era una variabile nota<\/em> del disturbo che i ricercatori ritenevano influenzasse la perdita di peso. Tuttavia, spesso negli esperimenti ci sono anche variabili nascoste<\/a> , cio\u00e8 variabili che influenzano anche la relazione tra una variabile esplicativa e una variabile di risposta, ma che sono sconosciute o semplicemente non incluse nello studio perch\u00e9 \u00e8 difficile raccogliere dati al riguardo.<\/span><\/p>\n Ad esempio, supponiamo che ogni individuo abbia una disciplina innata su cui pu\u00f2 fare affidamento per perdere pi\u00f9 peso. Poich\u00e9 la disciplina \u00e8 difficile da misurare, non \u00e8 inclusa come fattore di blocco nello studio, ma un modo per controllarla \u00e8 utilizzare la randomizzazione<\/strong> .<\/span><\/p>\n Assegnando in modo casuale gli individui alla nuova dieta o alla dieta standard, i ricercatori possono massimizzare la possibilit\u00e0 che il livello complessivo di disciplina degli individui tra i due gruppi sia approssimativamente uguale.<\/span><\/p>\n Pertanto, in qualsiasi esperimento che utilizza il blocco, \u00e8 anche importante assegnare casualmente gli individui ai trattamenti per controllare gli effetti di eventuali variabili nascoste.<\/span><\/p>\n Variabili esplicative e variabili di risposta<\/a> Spesso negli esperimenti i ricercatori vogliono comprendere la relazione tra una variabile esplicativa e una variabile di risposta . Sfortunatamente, negli studi sperimentali compaiono spesso variabili di disturbo , variabili che influenzano la relazione tra la variabile esplicativa e la variabile di risposta ma che non interessano i ricercatori. Ad esempio, supponiamo che i ricercatori […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"Variabile](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/blocage1.png\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/blocage2.png\")
<\/p>\n Panoramica del blocco<\/strong><\/span><\/h3>\n
\n
\n
![\"Blocco](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/blocage3-1.png\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/blocage4-1.png\")
<\/p>\n Altri esempi di blocco<\/strong><\/span><\/h3>\n
\n
Variabili dannose e variabili nascoste<\/strong><\/span><\/h3>\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Variabili nascoste<\/a>
Progettazione di coppie corrispondenti<\/a>
Progettazione di lotti suddivisi<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"