en los estudios cuantitativos que implican comparaciones de condiciones o tratamientos, hay dos tipos básicos de diseños a considerar: entre sujetos o dentro de los sujetos (también conocidos como medidas repetidas). En un diseño entre sujetos, cada participante recibe solo una condición o tratamiento, mientras que en un diseño dentro de los sujetos, cada participante recibe múltiples condiciones o tratamientos., Cada enfoque de diseño tiene sus ventajas y desventajas; sin embargo, hay una ventaja estadística particular que los diseños dentro de los sujetos generalmente mantienen los diseños entre sujetos.
Los diseños dentro de los sujetos tienen mayor poder estadístico que los diseños entre sujetos, lo que significa que necesita menos participantes en su estudio para encontrar efectos estadísticamente significativos. Por ejemplo, la versión entre sujetos de una prueba t estándar requiere un tamaño de muestra de 128 para lograr una potencia de.,80, mientras que la versión dentro de los sujetos solo requiere un tamaño de muestra de 34 para lograr la misma potencia. Esta ventaja de los diseños dentro de las asignaturas puede ser de conocimiento común para algunos estudiantes, pero muchos estudiantes pueden no saber por qué este es el caso. La respuesta está en cómo se divide la varianza (o «particionada») en un análisis dentro de los sujetos.
tome un análisis de varianza (ANOVA) por ejemplo. En un ANOVA entre sujetos, la varianza total está compuesta por varianza de tratamiento y varianza de error., Para determinar si hay diferencias entre los grupos, examine la proporción entre la varianza del tratamiento y la varianza del error. La variación del error en este diseño puede atribuirse a diferencias individuales entre los participantes (por ejemplo, diferencias demográficas). En otras palabras, usted está tratando de ver a través del» ruido » de la varianza debido a las diferencias individuales para ver qué impacto está teniendo su tratamiento.
sin embargo, en una ANOVA dentro de los sujetos, somos capaces de dividir la varianza aún más., Específicamente, podemos particionar la varianza debido a diferencias individuales del resto de la varianza de» error». Por lo tanto, la varianza total en el ANOVA dentro de los sujetos está compuesta por varianza de tratamiento, varianza entre los sujetos (es decir, diferencias individuales) y varianza de error. Todavía determinamos el efecto del tratamiento examinando 
la proporción de varianza del tratamiento a varianza del error., Al particionar la varianza entre sujetos, reducimos la cantidad de varianza de error en la ecuación, reduciendo así el «ruido» que tenemos que ver para ver un efecto significativo del tratamiento. Dicho de otra manera, ya que no estamos interesados en las diferencias entre los participantes en un diseño dentro de los sujetos, podemos descartar la varianza entre los sujetos para obtener una imagen más clara de lo que está sucediendo en los datos.
tener una comprensión más profunda de las ventajas estadísticas de los diseños dentro de los sujetos puede ayudarlo a tomar decisiones más informadas sobre el diseño de su investigación en el futuro.