em estudos quantitativos que envolvem comparações de condições ou tratamentos, há dois tipos básicos de projetos a considerar: entre-sujeitos ou dentro-sujeitos (também conhecido como medidas repetidas). Em um projeto entre sujeitos, cada participante recebe apenas uma condição ou tratamento, enquanto em um projeto dentro de sujeitos cada participante recebe várias condições ou tratamentos., Cada abordagem de design tem as suas vantagens e desvantagens; no entanto, há uma vantagem estatística particular que dentro de temas design geralmente se sobrepõem entre-temas designs.
dentro dos indivíduos designs têm maior poder estatístico do que entre os projetos de indivíduos, o que significa que você precisa de menos participantes em seu estudo, a fim de encontrar efeitos estatisticamente significantes. Por exemplo, a versão entre sujeitos de um teste padrão T requer um tamanho de amostra de 128 para alcançar uma potência de .,80, enquanto a versão interna requer apenas um tamanho de amostra de 34 para alcançar o mesmo poder. Esta vantagem dos projetos dentro de disciplinas pode ser conhecimento comum para alguns alunos, mas muitos alunos podem não saber por que isso é o caso. A resposta está em como a variância é dividida (ou “particionada”) em uma análise dentro dos sujeitos.
Tome uma análise da variância (ANOVA) por exemplo. Em uma ANOVA entre sujeitos, a variância total é composta de variância de tratamento e variância de erro., Você determina se existem diferenças entre grupos examinando a proporção de variância de tratamento para variância de erro. A variação de erro neste desenho pode ser atribuída a diferenças individuais entre os participantes (por exemplo, diferenças demográficas). Em outras palavras, você está tentando ver através do” ruído ” da variância devido às diferenças individuais para ver o impacto que seu tratamento está tendo.
no entanto, em uma ANOVA dentro de assuntos, somos capazes de dividir a variância ainda mais., Especificamente, podemos dividir a variância devido a diferenças individuais do resto da variância “erro”. Assim, a variância total na ANOVA dentro dos sujeitos é composta de variância de tratamento, variância entre sujeitos (i.e., diferenças individuais), e variância de erro. Ainda determinamos o efeito do tratamento examinando 
a proporção de variância do tratamento à variância de erro., Ao particionar a variância entre os sujeitos, reduzimos a quantidade de variância de erro na equação, reduzindo assim o “ruído” que temos de ver para ver um efeito de tratamento significativo. Dito de outra forma, uma vez que não estamos interessados em diferenças entre os participantes em um projeto dentro de assuntos, podemos descartar a variância entre os sujeitos para obter uma imagem mais clara do que está acontecendo nos dados.ter uma compreensão mais profunda das vantagens estatísticas dos desenhos dentro das disciplinas pode ajudá-lo a fazer escolhas mais informadas sobre o seu projecto de investigação a avançar!