Tema 1.

Medida en psicologa
Ione Esquer Terrazas

- Medida en psicologa-
--
El estado matemtico es el segundo, comienzo con datos numricos y concluye con resultados numricos. El paso previo necesario
a este estadio es la atribucin de nmeros a las manifestaciones psicolgicas, a esto se le llama atribucin numrica o definicin
de medida.

Definicin de medida
Atribucin de nmeros a objetivos o sucesos de acuerdo con ciertas reglas. Regla general; aceptar como vlidas entre los
nmeros aquellas relaciones que sean verificables empricamente entre las modalidades.

Definicin de escala de medida

Escala como conjunto de modalidades distintas y de nmeros distintos relacionados, siempre y biunvocamente; a cada
modalidad le corresponde un solo nmero y a cada nmero una sola modalidad.

Tipos de escala de medida de Stevens

Escala nominal
Dadas dos o ms modalidades, slo podremos comprobar empricamente si ellas son iguales o distintas.
Slo se acepta la relacin igualdad-desigualdad. Ej; sexo, grupos sanguneo, diabetes, etc.
La escala nominal permanece invariante frente a cualquier transformacin que a nmeros distintos haga corresponder
nmeros distintos (permutacin).

Escala ordinal
No slo podemos comprobar si son iguales o distintas, sino, siendo distintas, cul de cada dos es la mayor.
Se admiten como vlidas las relaciones igualdad-desigualdad y orden. Ej; nivel acadmico, nivel de dolor.
La escala ordinal admite transformaciones que hagan corresponder a una sucesin ordenada de nmeros otra sucesin de
nmeros ordenados del mismo modo que los primeros (transformacin isomrfica y transformacin montona creciente).

Escala de intervalos
No slo podemos comprobar empricamente la igualdad-desigualdad y el orden, sino que tambin, podemos establecer una
unidad emprica de medida y observar cuntas veces se encuentra contenida dentro de la diferencia entre dos modalidades.
No existe el cero absoluto que indique ausencia total de cantidad de variable. Ej; temperatura, CI.
Se admiten como vlidas relaciones igualdad-desigualdad, orden, suma y resta.
La escala de intervalos permanece invariante frente a cualquier transformacin de la forma y=ax+b (transformacin lineal).

Escala de razn
Aade a la de intervalo la presencia del cero absoluto.
Se admiten como vlidas las relaciones igualdad-desigualdad y orden, y las operaciones suma, resta, multiplicacin y
divisin. Ej; longitud, edad, tensin arterial sistlica, colesterol.
La escala de razn permanece invariante frente a cualquier transformacin de la forma y=ax (transformacin geomtrica).

Relacin Operaciones admisibles Transformacin Representacin grfica

admisible
Igualdad /desigualdad Igualdad/ desigualdad Permutacin Diagrama de barras
Nominal Ciclograma/diagrama de
sectores
Pictogramas
Igualdad /desigualdad Igualdad/ desigualdad Isomrfica Diagrama de barras
Ordinal Orden Mayor/menor que Montona (siguiendo un orden)
Creciente Pictogramas
Igualdad /desigualdad Igualdad/ desigualdad
Orden Mayor/menor que Diagrama de barras
Cuantas veces una unidad se Suma y resta entre los Histograma
Intervalo encuentra dentro la de nmeros Y= ax+b Polgono de frecuencias
diferencia entre dos Multiplicacin y Diagrama de tallo y hojas
modalidades divisin entre las BoxPlot
diferencias
Igualdad /desigualdad
Orden Igualdad/ desigualdad Diagrama de barras
Cuantas veces una unidad se Mayor/menor que Histograma
Razn encuentra dentro la de Suma ,resta, Y=ax Polgono de frecuencias
diferencia entre dos multiplicacin y Diagrama de tallo y hojas
modalidades divisin BoxPlot
Cuantas veces una modalidad
es mayor que otra
 Tema 2. Qu es la estadstica
Ione Esquer Terrazas

- Qu es la estadstica-
--
Poblacin
Conjunto de objetos (realmente existentes o posibles) que verifican una definicin bien determinada. Ej; universitarios
espaoles.

Muestra
Cualquier subconjunto posible de una poblacin. Ej; 300 universitarios espaoles

Parmetro
Toda funcin definida sobre los valores numricos de una poblacin. La funcin es la misma para todos los casos. El resultado
numrico vara de caso a caso. Ej; media aritmtica de las alturas de todos los universitarios espaoles.

Estadstico
Toda funcin definida sobre los valores numricos de una muestra. Ej; media aritmtica de las alturas de una muestra de 300
universitarios espaoles.

Definicin de estadstica

Estadstica. Es la ciencia que recoge, ordena y analiza los datos de una muestra, extrada de cierta poblacin y utilizando
como herramienta el clculo de probabilidades, se encarga de hacer inferencias acerca de la poblacin.

Estadsticas. Son los resultados numricos obtenidos mediantes la estadstica.

Estadstico. Es todo valor numrico obtenido a partir de los valores presentados por una muestra.

Divisin de la estadstica

Estadstica descriptiva. Su cometido es recoger, ordenar y analizar los datos de una muestra (describir la muestra).

Estadstica inferencial. Su cometido es verificar inferencias acerca de los parmetros y la forma de distribucin de la
poblacin, a partir de los estadsticos y la forma de distribucin de la muestra.

Probabilidad. Puente que nos permite pasar vlidamente de la muestra a la poblacin. Legitima el salto de las caractersticas
(conocidas) de una muestra hasta las caractersticas (desconocidas) de una poblacin.

Muestra Estadstico E. Descriptiva

Probabilidad

Poblacin Parmetro E. Inferencial

 Tema 3. Organizacin de datos
Ione Esquer Terrazas

- Organizacin de datos-
--
Constante
Caracterstica que slo puede manifestarse bajo una nica modalidad.

Variable
Caracterstica que puede manifestarse segn dos o ms modalidades.
Cuando una caracterstica, en s misma variable, slo puede manifestarse bajo una modalidad, ser considerada como
constante. Ej; extraversin en un grupo de varones, el sexo se mantiene constante.

Variable cualitativa
Caracterstica que solo puede ser considerada a nivel nominal. Ej; sexo, profesin, nacionalidad.
Las representaciones grficas posible son ciclogramas, pictogramas, diagrama de barras. La representacin con un
diagrama de barras se hace con rectngulos separados de igual base y alturas proporcionales a las frecuencias
correspondientes.

Variable cuasi cuantitativas

Aquella caracterstica que puede ser considerada como mximo, a nivel ordinal. Relacin de desigualdad y orden.
Representacin grfica; diagrama de barras.

Variable cuantitativa
Caracterstica que puede ser considerada al menos, a nivel de intervalos.
La representacin grfica de estas variables se realiza mediante histogramas y polgonos de frecuencias.

Variable cuantitativa discreta; caracterstica que no admite siempre una modalidad intermedia entre dos
cualesquiera de sus modalidades (nmero de hijos).

Variable cuantitativa continua; caracterstica que admite una modalidad intermedia entre dos cualesquiera de
sus modalidades (longitud, peso, etc).

Modalidades y clases
Una caracterstica se puede manifestar bajo un gran nmero de modalidades. Conviene reducir estas modalidades a un nmero
menor de clases (bien definidas, mutuamente exclusivas y exhaustivas).

Frecuencia (Frecuencia absoluta); el nmero de observaciones contenidas dentro de una clase.

Proporcin (Frecuencia relativa); cociente entre la frecuencia absoluta de dicha clase y el nmero total de observaciones,
en todas las clases.

Porcentaje. La proporcin o frecuencia relativa multiplicada por 100.

Distribucin de frecuencias. Conjunto de los nmeros atribuidos a las clases y de las frecuencias correspondientes a cada
una de aquellas.

Intervalos elementales y compuestos

Intervalo elemental; con cada valor discreto va asociado un intervalo de amplitud unidad.

Intervalo compuesto; al conjunto de varios intervalos elementales consecutivos. Por regla general, cada intervalo
compuesto contiene el miso nmero de intervalos elementales.
Ej; si tenemos dos intervalos compuestos, sus lmites exactos son 3,5-6,5 y 6,5-9-5. Llamaremos lmites aparentes de estos
intervalos; 4-6 y 7-9.

Amplitud. Es la diferencia entre su lmite exacto superior y lmite exacto inferior; 6.5-3,5 = 9,5 6,5 = 3.
Punto medio; de cada intervalo es la media aritmtica de sus dos limites exactos. El punto medio del intervalo 4-6 es de 5.

Representaciones grficas

Diagrama de barras. Se representan tantas barras como categoras tiene la variable, de modo que la altura de cada una de
ellas sea proporcional a la frecuencia o porcentaje de casos en cada clase. Se usa para representacin de caracteres
cualitativos y cuantitativos discretos.

Histograma. Formas especiales de diagramas de barras para distribuciones cuantitativas continuas.

Polgono de frecuencias; lnea originada por el conjunto de segmentos rectlneos obtenidos al unir los puntos
consecutivos.

Pictograma. Consiste en asociar a cada categora de la variable un dibujo, relacionado con sta, cuyo tamao ser
proporcional a la frecuencia.
 Tema 3. Organizacin de datos
Ione Esquer Terrazas

Diagrama de sectores. Tambin se conoce como diagrama de tarta, ciclograma o quesito. Se dibuja un crculo que se
divide en tantas secciones como categoras o valores distintos presenta la variable objeto de estudio.

Diagrama de tallo y hojas. Ideado por Turkey dentro del enfoque denominado anlisis exploratorio de datos. Permite
visualizar globalmente la distribucin de frecuencias.
Cada tallo define una clase y el nmero de hojas representa la frecuencia de dicha clase.
Permite tanto un listado de puntuaciones como un dibujo de la distribucin.

Diagrama de Box and Whiskers (diagrama de caja y bigotes). Transmite de manera directa y simple la variabilidad
observada en un conjunto de valores. Ofrece una representacin grfica en la que se distinguen la tendencia central, la
dispersin y la distribucin. Se calculan la mediana, cuartiles y Q1 y Q3.

Normas prcticas para las representaciones grficas

Eje de abscisas (horizontal) representar las puntuaciones de la variable de que se trate.

Eje de ordenadas (vertical) representar las frecuencias, proporciones o porcentajes.
La interseccin de los dos ejes ser tomada como origen de las puntuaciones de ambos ejes.
Si la puntuacin mnima y la frecuencia mnima son altas, en ambos ejes se suelen hacer dos cortes (al inicio de
abscisas y ordenadas).

Concepto de medida y tipos de escalas
Estadstica
Ciencia que se dedica a recoger, ordenar datos con el objeto de
realizar inferencias acerca de la poblacin
Estadstica descriptiva; recoge, ordena, analiza datos de una
muestra.
Estadstica inferencia; a partir de los datos de la muestra,
obtiene inferencias acerca de la poblacin.
Poblacin; conjunto de individuos que son objeto de estudio.
Muestra; subconjunto posible de la poblacin que se elige
para hace el estudio.
Caractersticas; genero, edad.
Variables; cualquier caracterstica cuantitativa (tome valor
numrico) de una poblacin.
Parmetro; funcin definida sobre los valores numricos de la
poblacin.
Estadstico; cualquier funcin que queda definida sobre los
valores numricos de una muestra.
Medicin
Proceso por el cual se asignan nmeros a objetos o carac. segn
determinadas reglas.
Medir
Poner en relacin el mundo ideal de los nmeros y el real de los
objetos (caractersticas y modalidades)
Escala de medida
Procedimiento mediante el cual se relacionan de manera
biunvoca (s y slo s), un conjunto de modalidades (distintas)
con un conjunto de nmeros (distintos)
Anlisis de datos y medicin en psicologa
Tipos de escalas de medida , Stevens
Escalas Nominales
Solo permite comparar si dos modalidades
son iguales o distintas. nica comprobacin
emprica que puede hacerse es la de igualdad
o desigualdad. Ejemplo; rubio, moreno, albino.
(Modalidad)
Escalas Ordinales
Los objetos pueden manifestar determinada
caracterstica en mayor grado unos que otros.
Permiten establecer relaciones de orden.
Ejemplo; alto , regular, bajo. (Valor o
puntuacin)
Escalas de intervalo
Incluye todas las caractersticas de la escala
ordinal pero adems la distancia entre valores
es constante. Permite operaciones de suma y
resta. El cero es arbitrario, y no significa
carencia absoluta. (Valor o puntuacin)
Escala de razn
Permite adems operaciones de multiplicacin
y de divisin. Tiene cero absolutos, que
significa ausencia del atributo. Ejemplo;
distancia, velocidad. (Valor o puntuacin)
Ione Esquer. Estadstica
Organizacin de datos
Tipos de variables
Variable como representacin n de una caract.
Cualitativa; nivel nominal. Dicotmicas o politmicas.
Cuasicuantitativa; varia. Ordinales.
Cuantitativa; discreta (si es un nmero limitado) y
continua (cualquier valor entre 2numeros). Varia.de
intervalo y razn.
Distribucin de frecuencias
Frecuencia absoluta. Nde observaciones contenidas
dentro de cada variable.
Proporcin o frecuencia relativa. Cociente entre la
frecuencia absoluta y el ntotal de observaciones.
Frecuencia acumulada. Se obtiene sumando cada
frecuencia.
Variables cualitativas (nominal); diagrama de
barras o rectngulos y diagrama de sectores o
pictograma.
Variables cuantitativas (intervalo o razn);
histograma, diagrama de caja y bigotes , diagrama
de barras, diagrama de tallo y hojas y el polgono
de frecuencias).
Propiedades de la distribucin de frecuencias
Tendencia central; centro de la distribucin de
frecuencias. Promedio.
Variabilidad. Homognea si estn cercanos al
promedio, heterognea si se alejan de l.
Sesgo o asimetra. Negativa (test fciles) y positiva
(difciles)
Curtosis. Leptocrtica (apuntada) y platicrtica
(aplastada). Mesocrtica (grado medio).
 Tema 4. Estadsticos de posicin y de tendencia central
Ione Esquer Terrazas

- Estadsticos de posicin y de tendencia central-

--
Los estadsticos de tendencia central o de posicin indican dnde se sita un grupo de puntuaciones (en zona alta, media o baja)

Media aritmtica
La media aritmtica de n valores n es ms que su suma dividida por el nmero de ellos.

Propiedades;
La suma de las diferencias de n puntuaciones respecto a su media vale cero.
La media de y=ax+b, y2=ax2+b, etc, siendo A y B dos constantes arbitrarias es = + .
La media es sensible a la variacin de cada una de las puntuaciones.
La media es funcin de todas y cada una de las puntuaciones y variar con que vari una sola de ellas.
La media es funcin de los intervalos elegidos.
No podr ser calculado si el intervalo mximo no tiene lmite superior y/o el intervalo inferior mnimo no lo tiene
inferior.
La media es el centro de gravedad de la distribucin de frecuencias.
La media no es el estadstico ms apropiado cuando la distribucin es muy asimtrica.

Media ponderada
La media ponderada de n puntuaciones es la media de esas puntuaciones multiplicadas o ponderadas por coeficientes o pesos
apropiados.

Medias aritmticas generalizadas

La media geomtrica g de N valores, la raz ensima del producto de n valores. Es un valor tal que su logaritmo es igual a
la media aritmtica de los logaritmos de los datos.
Se ha utilizado en investigaciones sobre promedios de tiempos (latencias, tiempos de reaccin).
En psicofsica suele preferirse la media geomtrica a la media aritmtica cuando se trata de promediar razones.

La media armnica a de n valores, al recproco de la media aritmtica de los recprocos de esos n valores.
La media armnica se suele emplear en clculos de psicofsica (audicin, velocidades). Ej; velocidad con la que se traslada el
impulso nervioso.

La media cuadrtica c de n valores X1, X2 .. Xn a la raz cuadrada de la media aritmtica de los cuadrados de esos n
valores. La media aritmtica cuadrtica es un valor tal que su cuadrado es igual a la media aritmtica de los cuadrados de
los datos.

Mediana
Si ordenamos las puntuaciones me menor a mayor o de mayor a menor, la mediana sera el punto o valor numrico que deja
por encima y por debajo de s el 50% de las observaciones.

Clculo
Para calcular la mediana en datos agrupados en intervalos, hemos de localizar el intervalo crtico. El intervalo crtico es aquel
intervalo que contiene la puntuacin que deja por debajo y por encima la mitad de las observaciones.

Propiedades
La sume de las diferencias (en valor absoluto) de n puntuaciones respecto a su mediana es igual o menor que la suma
de las diferencias de esas puntuaciones respecto a cualquier otro valor.
Es menos sensible que la media a la variacin de cada una de las puntuaciones.
Es funcin de los intervalos elegidos.
Puede ser calculada aunque el intervalo mximo no tenga lmite superior, ni el intervalo mnimo lo tenga inferior,
cuando uno de esos intervalos no contenga dentro de s ms del 50% de los casos.
La mediana es un punto tal que la vertical levantada sobre el mismo divide el rea total del histograma en dos reas
con idntica superficie.
Es ms recomendable que la media cuando la distribucin de frecuencias es muy asimtrica.
Dados r grupos con medianas Md1, Md2 la mediana del grupo total es igual o mayor que la mediana mnima e igual o
menos que la mxima.

Moda
Puntuacin a la que corresponde la frecuencia mxima. Es decir, la puntuacin que ms veces se repite.
Cuando los datos estn agrupados en intervalos, la moda corresponde con el punto medio del intervalo al que corresponde la
frecuencia mxima.
La moda se puede calcular para variables cualitativas, cuasi-cuantitativas y cuantitativas

Propiedades
Sencilla de calcular
Tienen el inconveniente de no ser necesariamente nica.
Es funcin de los intervalos elegidos.
Puede ser calculada aunque el intervalo mximo no tenga lmite superior ni el mnimo lo tenga inferior.
 Tema 4. Estadsticos de posicin y de tendencia central
Ione Esquer Terrazas

Cuantiles
Estadsticos de posicin que nos indican la situacin o posicin de una puntuacin o valor numrico con respecto al grupo del
que se procede.
Se definen como un conjunto de K puntos que permiten dividir la distribucin en k+1 partes iguales.

Cuartiles
Son tres valores (Q1, Q2 y Q3) de la variable que dividen a la distribucin en cuatro partes iguales, cada una de las cuales
supone un 25% del total. Estos tres valores coinciden con los percentiles P25, P50 y P75.

Deciles
Nueve valores de la variable que dividen la distribucin en diez partes iguales de modo que cada parte sern una dcima
o un 10% del total. D5 equivale a Q2, P50 y la mediana.

Percentiles
Definiremos el percentil K como un valor numrico que deja por debajo de s el k por 100 de las observaciones.
Decir que 140 es el percentil 90 equivale a decir que dicho valor numrico deja por debajo de s el 90% de las
observaciones del grupo de que se trate.
La mediana es un percentil determinado, el percentil 50. Los percentiles son calculables a nivel ordinal pero slo se les
suele aplicar a variables cuantitativas continuas.
Tiene el inconveniente de presentar desigualdades en la distancia entre valores (especialmente entre los extremos de la
distribucin).
La escala de percentiles es ordinal con unidades muy desiguales.
 Tema 5. Estadsticos de variabilidad o dispersin
Ione Esquer Terrazas

- Estadsticos de variabilidad o dispersin-

--
Los estadsticos de variabilidad o dispersin nos indican si esas puntuaciones se encuentran muy prximas entre s o muy
dispersas.

Desviacin media
La media de las diferencias (en valor absoluto) de n puntuaciones respecto a su media aritmtica.

Propiedades;
Es fcilmente inteligible y calculable
Raramente se utiliza debido a que sus valores absolutos son muy poco manejables matemticamente

Varianza y desviacin tpica

Varianza. Es la media de las diferencias cuadrticas de n puntuaciones respecto a su media aritmtica.

2 2
Referida a la muestra = s . Referida a la poblacin = o .

Desviacin tpica o estndar. Es la raz cuadrada de la varianza. Ser considerada siempre como positiva. Se expresa en las
mismas unidades e las que estn los datos.

Propiedades;
El valor de la varianza y la desviacin tpica siempre ser mayor o igual a cero.
La varianza de Y=ax+b , Y2=ax2+b etc, siendo A y B dos constantes arbitrarias, es igual a la varianza de X multiplicada
2
por A .
Si a un conjunto de puntuaciones le sumamos una constante, la varianza y la desviacin tpica de las nuevas
puntuaciones ser igual que la varianza y la desviacin tpica de las originales.
La varianza y la desviacin tpica son sensibles a la variacin de cada una de las puntuaciones.
Son funcin de los intervalos elegidos.
2
Fuera del intervalo, se encuentran a lo ms, el (1/k )100 por 100 de las observaciones, sea cual sea la forma de la
distribucin de frecuencias. Esta propiedad hace referencia al hecho de que las distancias menores hasta la media son
ms frecuentes que las distancias mayores (desigualdad de Tchebychev).
No sern calculables o no sern recomendables, cuando no se calculable, o no sea recomendable, la media como
medida de posicin o tendencia central.
La desviacin tpica viene expresada en las mismas unidades en las que vienen expresados los datos. Si los datos vienen
expresados en metros, la desviacin tpica vendr dada en metros, pero la varianza vendr dada en metros cuadrados.
Dados r subgrupos, la varianza de las n puntuaciones incluidas en el grupo total es igual a la media de las varianzas de
cada uno de los r subgrupos ms la varianza de las medias de cada uno de esto mismos r subgrupos.

Amplitud

La amplitud, tambin conocida como recorrido o rango, es diferencia entre la puntuacin mxima y la mnima. Si tenemos en
cuenta los lmites exactos de los intervalos elementos o compuestos, la amplitud es la diferencia entre la puntuacin mxima y
la mnima ms una unidad.

Propiedades;
La amplitud es muy fcilmente calculable.
Tiene el inconveniente de tener en cuenta nicamente las puntuaciones extremas.

Amplitud semiintercuartil

Semidistancia entre el tercer cuartil y el primer cuartil, es decir, entre el percentil 75 y el percentil 25.

Propiedades;
La ASI es preferible a la desviacin tpica en el caso de distribuciones muy asimtricas.
Cuando el intervalo mximo carece de lmite superior y/o el mnimo carece de lmite inferior es posible calcular la ASI.
La ASI slo es calculable a nivel de intervalos o de razn.
Es menos sensible que la desviacin media y que la desviacin tpica a la variacin de los datos.

Coeficiente de variacin

Se utiliza para comparar la variabilidad de dos conjuntos de datos. El coeficiente da variacin es el resultado de dividir la
desviacin tpica por la media.
Nos permite comprar dos grupos, con variables de distintas naturaleza, expresando la variabilidad de cada grupo en
nmeros abstractos. Si comparamos dos grupos de variables, por ejemplo longitud (X) y peso (Y), Sx vendr dada en
metros y Sy en gramos.
Tambin es til cuando tenemos dos grupos distintos y una misma variable, y las medidas de esa variable son muy
distintas entre s (ej, el peso de un grupo de elefantes y el peso de 100 hormigas).
 Tema 5. Estadsticos de variabilidad o dispersin
Ione Esquer Terrazas

Propiedades;
Es un valor abstracto, como cociente de dos nmeros concretos del mismo tipo.
Si a unas puntuaciones dadas les sumamos una cantidad positiva, el coeficiente disminuir.
Si multiplicamos unas puntuaciones dadas por cualquier constante positiva el CV se mantendr constante.
Si Y=ax CV no se altera
Y=Ax+b Si y=ax+b CV disminuye
Si y=ax-b CV aumenta
El CV podra ser tericamente negativo por se tomar el valor absoluto ya que ningn estadstico de dispersin tiene
sentido en valor negativo.

Las puntuaciones pueden ser positivas o negativas pero el ndice de variabilidad o dispersin ser siempre positivo (hay
variabilidad) o nulo (las puntuaciones son iguales y no hay variabilidad).
 Tema 6. Estadsticos de asimetra y apuntamiento
Ione Esquer Terrazas

- Estadsticos de asimetra y apuntamiento-

--
Asimetra

Las medidas de asimetra muestran si en la distribucin hay concentracin de datos en un extremo, superior o inferior, y se
denomina;

Asimetra positiva o a la derecha si la concentracin es en el extremo inferior. Si tenemos muchas puntuaciones bajas
y pocas altas. En este caso la media es superior a la mediana.
Si As>0, la asimetra es positiva. Media >mediana.
Q3-Q2 > Q2 Q1.

Asimetra negativa o a la izquierda si la concentracin es en el superior. Si tenemos muchas puntuaciones altas y

pocas bajas. En este caso la media es inferior a la mediana.
Si As<0, la asimetra es negativa. Media < mediana.
Q3-Q2 < Q2 Q1.

Se dice que la distribucin de frecuencias es simtrica si las reas en las que la mediana divide el histograma son de igual
superficie. Si la distribucin es simtrica la mediana coincide con la media (y con la moda si es unimodal).
Si es simtrica; Q3-Q2 = Q2 Q1.

Apuntamiento

Diremos que una curva es muy apuntada si es muy alta y estrecha. Diremos que es poco apuntada si es baja y ancha.

Leptocrtica. Aquella curva que es ms apuntada que la curva normal. Hay una mayor concentracin de los datos
entorno a la media. A4>0.
Mesocrtica. Apuntalamiento de la curva normal. A4=0.
Platicrtica. Curva menos apuntada que la normal. A4<0.
 Tema 7. Puntuaciones tpicas
Ione Esquer Terrazas

-Puntuaciones tpicas-
--
Puntuacin directa

La atribuida directamente a cada objeto al ser sometido a cualquier tipo de prueba. Xi

Puntuacin diferencial

Puntuacin directa menos la media. Xi-

Si es positiva indica que la puntuacin directa est por encima de la medida de su grupo.
Si es negativa, significa que la puntuacin directa se encuentra por debajo de la media.
Si la puntuacin diferencial es cero, significara que puntuacin y media coinciden.

La media de las puntuaciones diferenciales vale cero.

La desviacin tpica de las puntuaciones diferenciales coincide con la desviacin tpica de las puntuaciones directas de las
cuales proceden.

Puntuacin tpica

Puntuacin diferencial dividida por la desviacin tpica. Zi= Xi- /Sx

Dos puntuaciones directas o diferenciales, referidas a dos caractersticas distintas, no son comparables entre s.
Las puntuaciones tpicas al ser nmeros abstractos, compartir medio y desviacin tpica, si son comparables entre s.

La media de las puntuaciones tpicas vale cero.

La varianza y la desviacin tpica de las puntuaciones tpicas vale uno.
Si multiplicamos las puntuaciones tpicas por una constante A y sumamos a esos productos otra constante B, las nuevas
puntuaciones tienen como media B y como desviacin tpica A.

Una puntuacin tpica indica el nmero de desviaciones tpicas que una observacin separa de la media de su grupo.
Decir que una persona tiene una puntuacin tpica igual a tres es equivalente a decir que supera la media en tres
desviaciones tpicas.
Estas puntuaciones nos aportan informacin sobre la posicin de una observacin en una distribucin de frecuencias.
Tambin nos permite detectar puntuaciones anmalas. No obstante este tipo de interpretaciones ser correcta en la
medida en que la distribucin de frecuencias de la variable en cuestin sea similar a una distribucin normal.
Es la calificacin estndar ms elemental y til.

Puntuaciones tpicas derivadas o transformadas

Se obtienen si a un conjunto de puntuaciones tpicas les aplicamos una transformacin lineal admisible.
La necesidad de estas puntuaciones responde a dos inconvenientes de las puntuaciones tpicas; puntuaciones con signo
negativo y decimales.
Llamaremos puntuaciones T a las obtenidas mediante la transformacin lineal de las puntuaciones tpicas, en la que la media es
50 y la desviacin tpica 10. T= z10+50.

Puntuaciones tpicas normalizadas

Se obtienen si a un conjunto de puntuaciones tpicas les aplicamos una transformacin no lineal.

Los eneatipos o estaninos son una transformacin lineal de puntuaciones tpicas noramlizadas (transformacin no lineal) con
una media de 5 y una desviacin tpica de 2.

Curva normal o campana de Gauss

Entre la puntuacin tpica -3 y la puntuacin tpica 3, se encuentra el 99,74% delrea total contenida bajo la curva normal (96%
entre la -2 y 2 y 68% entre la -1 y 1).

Tienen un nico mximo para x=

Tienen dos puntos de inflexin, para x= - y para x= +
Se acercan asintticamente al eje de abscisas, sin llegar a tocarle en ningn punto fijo.
Son simtricas respecto aj eje vertical que pasa por la media.
 Tema 7. Puntuaciones tpicas
Ione Esquer Terrazas

PUNTUACIN DIRECTA; Xi
Resulta de aplicar la escala de medida correspondiente a una variable

PUNTUACIN DIFERENCIAL; Xi= Xi- =0 Sx=SX

Nos indica si ese sujeto est por encima o por debajo de la media.

PUNTUACIN TIPICA; Zi= Xi- / Sx =0 Sz=1 TRANSFORMACIN NO LINEAL

India cuantas DT se aleja de la media. Abstracto (permite comparacin Percentiles

Transformacin lineal Transformacin NO lineal; Zn

Tpicas derivadas o transformadas Tpicas normalizadas
Transformacin lineal de las tpicas; predefinidas media y dt. Transformacin no lineal de las tpicas.
T= z10+50. Cambia la distribucin.
Ej; CI= 15Z+100. Puede basarse en percentiles

Eneatiposo estaninos; putnuaciones derivadas normalizadas

Transformacin lineal de las puntuaciones tpicas normalizadas.
E= zn2+5.
Slo admiten valores enteros entre 1-9.
 Ione Esquer. Estadstica

Estadstica descriptiva Una sola variable

Estadsticos de posicin o tendencia central Estadsticos de posicin Estadsticos de variabilidad Puntuaciones

Media aritmtica. Indican la posicin o situacin Grado de dispersin o separacin entre los datos de Puntuacin directa
de una puntuacin, con distribucin. Nunca negativos.
Adecuada para variables cuantitativas con distribucin respecto al grupo del que Resulta de aplicar la
simtrica. Suma de todas las puntuaciones de la procede. Cuantiles; valores que Amplitud total escala de medida
distribucin, dividida por el total de casos. permiten estudiar la posicin correspondiente a una
relativa de un individuo en una Distancia entre los valores que representan la variable.
La suma de las diferencias de n puntuaciones variable. puntuacin mxima y la puntuacin mnima.
respecto a su media = 0. Llamado tb rango o recorrido. Puntuacin diferencial
Si la distribucin es asimtrica no es un Deciles.
estadstico apropiado. Amplitud semi-intercuantil (ASI) Puntu.directa menos la
Es el estadstico ms sensible a variaciones de 9valores de la variable media. Permite hacer
las puntuaciones. que dividen a la Mitad de la distancia entre el Q3 y el Q1. ndice de comparaciones. Si
distribucin en 10 partes ambigedad. Distribuciones simtricas. Conocer resulta positivo; la
Media geomtrica. Frecuencia central en escalas de iguales. D5= Q2=P50=Md. cuantas unidades de los valores que toma la puntuacin directa esta
razn. Se trata de promediar razones y tiempos. variable se concentran el 50% de los casos. por encima de la
Media cuadrtica. Raz cuadrada de la media aritmtica Cuartiles. media. La media de las
de los cuadrados de esos n valores. Desviacin media puntuaciones
Media armnica. Cuando una variable cuyas magnitudes 3valores de la variable que diferenciales = 0.
a promediar dependen de otras variables. Velocidad. dividen a la distribucin en Media de las diferencias, en valor absoluto, de las
4 partes iguales. Q1, Q2 y Q3 puntuaciones respecto a su media. Puntuacin tpica
Mediana. corresponde a P25, P50 y P75.
Varianza y desviacin tpica Es la puntuacin directa
Variables cuantitativas, de distribucin asimtrica y Percentiles. dividida por la
ordinales. Menos sensible que la media. Mejor estadstico Varianza como promedio de las diferencias de desviacin tpica.
si hay valores extremos (asimetra). Divisin de una cada puntuacin respecto a su mediana, pero Media 0 y DT 1.
Puede ser calculad aunque el intervalo no tenga limites distribucin en 100partes elevadas al cuadrado. Nunca es negativa. Sensible Cuantas DT se aleja de
superior o inferior (la media no). iguales. Intervalo crtico al a la variacin de las puntuaciones. (Muestra S, la media. No depende
Es el valor numrico que deja por debajo de si el 50% de intervalo donde se poblacin O) de la unidad de
las observaciones. encuentra un percentil medida.
determinado. Al menos Desviacin tpica; es la raz de la varianza. Nunca Es la calificacin
Moda. escala ordinal. es negativa. Cuando ms pequea, la muestra es estndar ms
ms homognea. elemental y til.
Adecuada para variables nominales y ordinales. Categora La media y la varianza
o valor ms frecuente. Coeficiente de variacin. son constantes.
Si hay varias modas; bimodal. Si todos los valores tienen la Distribucin simtrica; Q3-Q2=
Mide el grado de dispersin de un conjunto de
Q2-Q1 Puntuacin derivada
misma frecuencia; amodal. datos en relacin a su media.
Asimtrica +; Q3-Q2>Q2-Q1
Asimtrica -; Q3-Q2< Q2-Q1
Distribucin simtrica; X= Mdna = Mo Desigualdad de Tchebychev. Nos permite saber el Media de 50 y
Asimtrica positiva; X > Mdna > Mo. (Drcha) nmero de observaciones que se encuentra entre desviacin tpica (DT)
Asimtrica negativa; X < Mdna < Mo. (Izq) de 10.
la media y 2 desviaciones tpicas (%75).
 Tema 8. Relacin lineal y relacin curvilnea
Ione Esquer Terrazas

-Relacin lineal y relacin curvilnea-

--
Organizacin de datos e ndices de tendencia central y variabilidad

Covarianza de X e Y
Media aritmtica de los productos entre la diferencia (Xi-X) y la diferencia (Yi-Y) correspondientes a cada uno de los n
elementos que componen un grupo.

Distribucin marginal y distribucin condicional

Distribucin marginal de X; distribucin en X de todas las observaciones, independientemente de sus puntuaciones en Y.
Distribucin marginal de Y; distribucin en Y de todas las observaciones, independientemente de sus puntuaciones en X.
Distribucin condicional de X (para Y=Yk); distribucin en X de todas, y solas, las observaciones puntuacin Y=Yk.
Distribucin condicional de Y (para X=Xk); distribucin en Y de todas, y solas, las observaciones con puntuacin X=Xk.

Relacin lineal entre dos variables

La correlacin entre dos variables se refiere a la variacin conjunta de dos variables, su intensidad y sentido (positivo y
negativo).
La correlacin entre Y e Y es positiva cuando X e Y covaran en el mismo sentido.
La correlacin entre X e Y negativa cuando covaran en sentido opuesto.
La correlacin es nula cuando no covaran en ninguno de los dos sentidos.

La regresin se refiere a la prediccin o pronstico de los resultados en una de las dos variables, conocidos los resultados en la
otra.

Coeficiente de correlacin de Pearson

La covarianza presenta algunos inconvenientes; es funcin de las unidad de medida elegidas para X e y.
El coeficiente de correlacin de Pearson Rxy es un ndice que mide la covariacin conjunta, entre dos variables siempre y
cuando ambas sean cuantitativas y adems se relacionen linealmente.

El coeficiente de correlacin de Pearson no puede valer menos que -1 ni ms que 1.

El coeficiente Rxy en valor absoluto, entre dos variables es invariante frente a cualquier transformacin lineal
(V=ax+b y W=cy+d) de ambas.
Para contrarrestar los posibles efectos de una tercerea variable, se pueden identificar grupos en funcin de los
niveles de esta variable y calcular el coeficiente de correlacin para cada grupo.
Para calcular Rxy es condicin esencial la linealidad de los puntos que representan a las n personas.
El que el Rxy sea igual a cero no permite concluir que no existe una relacin entre X e Y ya que es posible que exista
una relacin no lineal.

El que exista una alta correlacin entre dos variables, no nos permite decir que una de ellas sea causa de la otra. La
correlacin indica una mera covariacin entre dos variables y nada ms.
Rxy= 1; correlacin lineal perfecta (ej; una variable consigo misma) La nube de puntos del diagrama de dispersin
es ms delgada.
Rxy=0; correlaicn lineal nula.

Relacin curvilnea entre dos variables; razn de correlacin

Razn de correlacin
Cuando la relacin entre dos variables, X e Y, es curvilnea, no es razonable calcular el coeficiente de Pearson ya que mide la
relacin lineal.
Un ejemplo de una relacin curvilnea es la existente entre la fuerza fsica y la edad. Para estos casos se ha de utilizar la
razn de correlacin de Y sobre X ( yx)
Solo es adecuada para el caso de variables cuantitativas que mantengan una relacin curvilnea.

2 2
yx Es igual o mayor que cero o menor o igual que 1. 0 yx 1
2 2
La diferencia yx ryx mide el grado de alejamiento mayor o menos de unos datos de la linealidad. Cuanto mayor
sea las diferencias menos lineales son los datos.
yx es tomada como positiva.
 Tema 9. La ecuacin de regresin
Ione Esquer Terrazas

- La ecuacin de regresin-
--
El trmino de regresin se debe a los estudios de Galton sobre la herencia y la regresin a la media.
Hoy regresin equivale a prediccin, pronstico, estimacin.
La ecuacin de regresin es una ecuacin de prediccin, de pronstico, de prediccin.

Ecuacin de una recta en el plano

Intentamos determinar una funcin matemtica que nos permita pronosticar la puntuacin de cada sujeto en una variable Y
conocida su puntuacin en otra variable X.
Una ecuacin de regresin de Y=-1+7X, nos indica una correlacin de Pearson positiva entre X e Y.

La funcin elegida es la funcin lineal, de la forma Y=bX+a.

Dada esta ecuacin X es la variable independiente e Y es la variable dependiente.
La variable X (VI) se representa en el eje de abscisas (horizontal)
La constante a es llamada ordenada en el origen, pues representa el valor de Y (ordenada) cuando X=0.
La constante b es llamada pendiente de la recta y representa la inclinacin mayor o menor de la misma.

Ecuaciones de las rectas de regresin de Y sobre X segn el criterio de mnimos cuadrados

Deseamos construir una lnea recta tal que haga mnimo el error medio cometido en los pronsticos.

Ecuacin de regresin expresada en puntuaciones directas

Son iguales la media de las puntuaciones directas pronosticadas y la media de las puntuaciones directas obtenidas.
=
La varianza de las puntuaciones directas pronosticadas es igual o menor que la varianza de las puntuaciones
2
directas obtenidas, ya que r xy es menor o igual a 1.
La recta de regresin de Y sobre X, en puntuaciones directas pasa por el punto ( , )

Ecuacin de regresin expresada en puntuaciones diferenciales

La recta de regresin en puntuaciones directas y la recta de regresin en puntuaciones diferenciales tienen la
misma pendiente, son paralelas.
La media de las puntuaciones diferenciales pronosticada y la media de las puntuaciones diferenciales obtenidas
valen ambas cero. = 0 =
La recta de regresin de Y sobre X, en puntuaciones diferenciales pasa por el origen ( = 0, = 0).
La varianza de las puntuaciones diferenciales pronosticadas es igual o menor que la varianza de las puntuaciones
2
diferenciales obtenidas, ya que r xy es menor o igual a 1.

Ecuacin de regresin expresada en puntuaciones tpicas

Las puntuaciones tpicas pronosticadas y la media de las puntuaciones tpicas obtenidas valen ambas cero.
La recta de regresin de Y sobre X en puntuaciones pseudotpicas pasa por el origen.
La varianza de las puntuaciones tpicas pronosticadas es igual o menor que 1.
2
El coeficiente de correlacin de Pearson y las rectas de regresin r xy

Este coeficiente (conocido como coeficiente de determinacin) se entiende como la proporcin de varianza asociada (varianza
de Y asociada a la variacin de X) o varianza comn.
2
r xy resulta del cociente entre la varianza asociada y la varianza total.

Proporcin de varianza asociada

Varianza de Y asociada a la variacin de X
2
r xy de las diferencias individuales en Y est asociada de/es explicado por las variaciones o diferencias
individuales en X.

Ej; Si rxy=0,70. R2xy= 0,70 x 0,70 = 0,49

Diremos que 0,49 es la proporcin de la varianza asociada y que 0,51 es la proporcin de varianza no
asociada.
El 49% de las diferencias individuales en Y es explicado por las variaciones o diferencias individuales
de X.
El 51% de las diferencias en Y no dependen de las variaciones en X.

ndice de reduccin de error en los pronsticos

Proporcin del error cuadrtico medio eliminado usan Y en vez de la media de Y.
Si r2xy 100%; hemos reducidos e E2m en ese porcentaje.

Ej; R2xy= 0,65 x 100= 65%.

Hemos reducido el E2m en un 65%.
Valindonos de Y solo cometeramos un 35% del error que habramos cometido con Y.

ndice de aproximacin de los puntos a la recta de regresin

Cuanto mayor sea su valor ms se aproximan los puntos a la recta.
 Tema 10. La relacin entre variables ordinales
Ione Esquer Terrazas

- La relacin entre variables ordinales-

--
Coeficiente de correlacin de Spearman (rs)

No es ms que el coeficiente de correlacin de Pearson entre dos sucesiones de valores ordinales (por ejemplo las posiciones de
un grupo en estudiantes es el ltimo simulacro PIR y las posiciones de esos estudiantes en el examen PIR).
Mas que la relacin entre X e Y lo que nos mide es la relacin entre el orden de los objetos en una variable y su orden en la otra.

El coeficiente de correlacin de Spearman no puede valer menos que -1 ni ms que 1.

Su clculo es ms sencillo que el de Rxy para unos mismos datos.

Coeficiente de correlacin de Kendall (t)

Considera en orden de n objetos en una variable y su orden en otra e intenta medir el grado de correspondencia entre estos
rdenes. No aplicaremos este coeficiente en situaciones en las que aparezcan empates.
Diremos que hay inversin (Q) si el sujeto A es superior al sujeto B en X e inferior a B en Y o inferior a B en X y
superior a B en Y.
Diremos que se da una no-inversin (P) si A es superior a B en X y superior a B en Y, o inferior a B en X e inferior a B
en Y.

El coeficiente de correlacin de Kendall no puede valer menos que -1 ni ms que 1.

o T=1 significa que no hay inversiones
o T= -1 significa que todos los pares son inversos

Coeficiente de correlacin de Goodman y Kruskal (y)

La gamma de Goodman y Kurskal es recomendable cuando la muestra consta de muchas observaciones y son muy pocos los
valores ordinales alcanzables por ellas, ser a muy grande el nmero de empates.n
Diremos que un par es semejante o no inverso si A es superior a B en X y superior a B en Y o inferior a B en X e
inferior a B en Y.
Diremos que un par es desemejante o inverso si el sujeto A es superior al sujeto B en X e inferior a B en Y o inferior
a B en X y superior a B en Y.
Diremos que un par est empatado o es un empate si la primera persona es igual que la segunda bien slo en X,
bien slo en Y.

El coeficiente no puede valer menos que -1 ni ms que 1.

o Y=1 cuando todos los pares no empatados son semejantes
o Y=-1 cuando todos los pares no empatados son desemejantes.
 Tema 11. La relacin entre variables nominales
Ione Esquer Terrazas

- La relacin entre variables nominales-

--
Coeficiente Q de Yule

Este coeficiente se utiliza cuando tenemos dos variables nominales cada una de ellas con slo dos categoras.
Diremos que no existe relacin entre las variables A y B si la proporcin de A1 es la misma entre los B1 y B2.
Tambin diremos que no existe relacin entre las variables A y B si la proporcin de A2 es la misma entre los B1 y B2.

Para conocer la independencia o dependencia utilizarnos d.

Si d=0 tendremos independencia. Si es distinto de cero significa que existe dependencia o relacin entre las dos variables.

Inconvenientes de d
No permite que nos hagamos una idea de la magnitud de la relacin entre las variables.

Para evitar estas dificultades, Yule propone el coeficiente Q. Propiedades; no puede valor menos que -1 ni ms que 1.
Si la relacin es nula d=0, y por tanto Q=0.
Si la relacin es perfecta, o A2B1= A1B2=0 , o A1B1=A2B2=0.
2
Coeficiente

2 2
no es ms que un estadstico cuya distribucin de probabilidad se aproxima a la distribucin de probabilidad llamada , a
medida que aumenta ms y ms el tamao de la muestra.
2
El coeficiente se utiliza cuando tenemos dos variables nominales que constan de dos o ms categoras.
Diremos que existe independencia entre las variables A y B, si la frecuencia terica y la emprica coinciden.
La relacin entre dos variables ser mayor a medida que las frecuencias empricas se alejen ms y ms de las tericas.
2
El nmero de grados de libertada para determinar el valor crtico de en una tabla de contingencias (fxc) es de (f-1) x (c-1).
Ej; 5x4. (5-1)x(4-1)=12.

Coeficiente de contingencia C
2
es funcin del tamao de la muestra, de manera que al multiplicar por una constante k las frecuencias de todas las casillas de
2
una tabla de contingencias, aumenta aunque las proporciones de las casillas sigan siendo las mismas.
El coeficiente C nos permite evitar este inconveniente.

Propiedades
El coeficiente de contingencia C no valdr menos que cero ni valdr uno o ms. 0 C<1
Es funcin del nmero de filas y columnas.

La nica interpretacin razonable de un valor determinado de Q y de C es compararlo con los valores encontrados por otros
investigadores trabajando con las mismas variables o variables semejantes.
 Tema 12. La relacin entre variables dicotmicas y dicotomizadas
Ione Esquer Terrazas

-La relacin entre variables dicotmicas y dicotomizadas-

--
Variables dicotmicas; aquella que por su propia naturaleza slo pueden manifestarse segn dos modalidades (sexo
femenino-masculino).
Variables dicotomizadas; aquellas que por su propia naturaleza pueden manifestarse segn muchas modalidades (ms
de dos) pero que, de hecho, slo se las permite manifestarse segn dos (nmero de hijos; menos de 3 o ms de 3).

Coeficiente de correlacin biserial puntual; rbp

La aplicacin del coeficiente de correlacin de Pearson a dos variables, siendo una de ellas continua y la otra dicotmica.
Su valor est comprendido entre -1 y 1.

Coeficiente de correlacin;

La aplicacin del coeficiente de correlacin de Pearson a dos variables, siendo ambas dicotmicas.
Su valor est comprendido entre -1 y 1.

Coeficiente de correlacin biserial; rb

Si tenemos dos variables que aparecen una como continua y la otra aparece dicotomizada artificialmente, este coeficiente nos
permite estimar el coeficiente de correlacin de Pearson si la variable dicotomizada artficamente se hubiera mantenido
continua.
Se han de cumplir dos condiciones; que la distribucin de Y considerada como continua es normal y la relacin ente X e Y es
lineal.

Para unos mismos datos, el coeficiente de correlacin biserial es siempre mayor que el coeficiente biserial puntual.
Puede valer ms que uno y menos que uno.

Coeficiente de correlacin tetracrica; rt

Estimacin del coeficiente de correlacin de Pearson si dos variables dicotomizadas artificialmente se hubieran mantenido
continas, tienen una distribucin normal y su relacin es lineal.

Para unos mismos datos, el coeficiente de correlacin tertracrico es siempre mayor o igual que el coeficiente de
correlacin .
Su valor est comprendido entre -1 y 1.

Coeficiente Kappa

Este coeficiente fue propuesto por Cohen para el clculo de la fiabilidad interjueces o inter-evaluadores.

Una variable continua y otra Las dos variables

Dicotmica Coeficiente de correlacin Phi; Aplicaciones de Pearson
biserial puntual; rbp
Dicotomizada Coeficiente de correlacin Coeficiente de correlacin Estimacin de Pearson
biseral; rb tetracrica; rt
 Tema 13. Correlacin y regresin mltiple
Ione Esquer Terrazas

- Correlacin y regresin mltiple-

--
Correlacin parcial R12.3

Correlacin existente entre dos variables, eliminando el influjo de la tercera. Si por ejemplo queremos estudiar la correlacin
entre el peso y habilidad numrica est ser alta y positiva por la influencia de la edad
Para eliminar el influjo de la edad se puede utilizar;

En la eliminacin emprica se forman subgrupos con el mismo valor en la tercera variable (en este caso la misma edad) y
se calculan rxy dentro de cada grupo.
En la eliminacin estadstica utiliza los datos del grupo total y elimina el influjo de la edad (tercera variable) calculando la
correlacin entre aquella parte del peso y aquella parte de la habilidad numrica que no dependen de la edad.

Propiedades;
R12.3 no puede valer menos que -1 ni ms que 1.

Regresin mltiple

Pronstico de las puntuaciones en una de las variables conociendo las puntuaciones en las otras dos. En este caso no se utiliza
una recta sino un plano.
2
(X1-X1) es la suma de las diferencias cuadrcticas entre las puntuaciones obtenidas en el criterio y las puntuaciones
pronosticadas en el mismo mediante el plano.

Propiedades;
Para aplicar la regresin mltiple se debe cumplir la linealidad entre las tres variables.
El nmero de sujetos tiene que ser mayor que el nmero de variables ms uno.
No multicolinealidad (las variables predictoras deben ser mutuamente excluyentes).
La distribucin conjunta de la variable criterio con las variables predictoras debe ser la normal multivariada.
Parte del supuesto de que los errores aleatorios sean normales e independientes.

Correlacin mltiple

Correlacin de una variable X1 y otras variables X2, X3,X4 ..Consideradas conjuntamente. Valdr lo mismos tanto si lo
calculamos a partir de puntuaciones directas, como si lo hacemos a partir de puntuaciones diferenciales o tpicas. No tienen por
qu ser del mismo tipo las puntuaciones obtenidas y las pronosticadas en el m ismo.
2
R 123 est midiendo el grado de aproximacin de los puntos al plano de regresin.
2
R 123 se puede entender como la proporcin de la varianza de X1 asociada a la variacin de X2 y de X3.

El coeficiente de correlacin mltiple tiene una gran sensibilidad frente al nmero de predictores. Su valor no decrece al incluir
nuevos predictores en la ecuacin, en general se incrementa.

Propiedades;
2
R 123 no puede ser menor que cero ni mayor que uno.
2 2 2
R 123 es igual o mayor que r12 y que r13 .
R123 es aceptado siempre como positivo.
R123 tiende a aumentar cuando aumentan r 12 y r13 y disminuye r23.
R123 ser mayor para la muestra mediante la cual hemos construido las ecuaciones de regresin, que para otra muestra a
la que aplicamos esas mismas ecuaciones.
 Ione Esquer. Estadstica

Estadstica descriptiva Dos variables Estadstica

descriptiva
V.CUANTITATIVAS V.ORDINALES V. NOMINALES V. DICOTOMIZADAS Tres variables

Relacin lineal Coeficiente de correlacin p Coeficiente Q de Variable dicotomizada; Correlacin parcial

de Spearman
Covarianza
Se define como Pearson,
Mide la relacin (variacin conjunta) entre 2 pero en vez de utilizar los
variables. Refleja la relacin lineal. Depende de la valores de las variables,
escala de medida. No son nabstractos. No puede utiliza los rangos. Si 1ordinal
determinarse grado de relacin, solo tendencia. Si y otra cuantitativa= las
es positiva, hay relacin directa. Si es negativa, hay 2como ordinales. Diferenciar
relacin inversa. Si es = 0, no hay relacin. en cada suj. entre el orden
en X y en Y.
Coeficiente de correlacin de Pearson (rxy)
Si = 1; relacin directa
Mide el grado de intensidad de la relacin lineal mxima
entre 2 variables cuantitativas. A de la covarianza Si= -1; relacin inversa
es independiente de la escala de medida de las mxima
variables. Si r=0, no existe correlacin. Si r=1, Si= 0; relacin nula
relacin +perfecta. R= -1 correlacin negativa
perfecta. Coeficiente de correlacin
de Kendall
El cuadrado de Pearson; coeficiente de
determinacin. Indica el % de varianza Denominemos P, al nmero
explicada por la VI. de no-inversiones y Q al de
inversiones.Pares de suj.si n
Anlisis de regresin (Galton) hay empates . Del -1 al 1.
Medir el grado de semejanza
Una vez que sabemos si hay relacin, la regresin entre los valores de 2
define la recta que mejor se asusta a esta nube de sucesiones ordinales.
puntos.
Coeficiente de correlacin
Mtodo mnimos cuadrados; ofrecer la recta de Goodman y Kruskal
que mejor se ajusta la nube de puntos.
Coef.ms apropiado cuando
existen muchas
Relacin curvilinea observaciones , pero pocos
valores ordinales,
(Ejemplo; edad y habilidad motora) producindose as,
Razn de correlacin de Y sobre X. Valores del 0 al numerosos empates.
1. Para variables cuantitativas. Si =0 , no hay (Muestras grandes)
relacin. Si =1 , hay relacin.
Yule entendemos por ella a aquella que
por su propia naturaleza puede Correlacin entre 2
Dos variables manifestarse segn muchas variables separando el
nominales, ambas modalidades pero que nicamente influjo de la tercera
con solo dos se le permite manifestarse en dos. (edad, altura y
modalidades. habilidad lingsticas).
Si Q=0, Coeficiente de correlacin
independencia. biserial puntual Rbp Regresin mltiple
Aplicacin del coef, de
Coeficiente de Chi correlacin de Pearson a dos Predecir la puntuacin
cuadrado variables, una continua y otra de un sujeto en una
dicotmica (-1, +1). variable conociendo su
Puede ser aplicado puntuacin en otras
cuando se aade Coeficiente correlacin Phi dos. Se define en un
una tercer Formula del coef.de espacio tridimensional.
modalidad a la correlacin de Pearson Las variables deben de
variable X (una ms aplicada a dos variables ser independientes
que yule). dicotmicas genuinas. entre si.
Cuanto ms perfecta
Esta en funcin de Coeficiente de correlacin sea la correlacin,
n. Si aumenta n, el biserial Rb representacin grfica
coef.chi tb Estimacin de Pearson siempre ms cercana al plano.
aumenta. Si las que Y se hubiera mantenido Hay mltiples
variables fuesen continua y si la distribucin de predictores o VI.
independientes Y es normal y q. la relacin
entre si (diferencia entre X e Y, es lineal. 1 variable Correlacin mltiple
entre frecuencias continua y otra dicotomizada.
observadas y Si el coeficiente de
experadas). Coeficiente de correlacin correlacin mltiple
tetracrica Rt entre una variable y K
Coeficiente de Estimacin de Pearson siempre variables es nulo; la
contingencia C que, tanto X como Y, se hayan variable criterio no
mantenido continuas y si las tiene variabilidad
Supera el problema distribuciones de X e Y, son comn con las K
del aumento de n normales; y la relacin entre variables predictoras.
en chi. ambas variables es lineal. 2
Entre 0 y 1. variables dicotomizadas.
 Tema 14. Estimacin puntual de parmetros
Ione Esquer Terrazas

- Estimacin puntual de parmetros-

--
Estimacin puntual de parmetros

En la estimacin puntual de parmetros intentamos obtener un nico valor, un punto, como estimacin de cierto
parmetro desconocido. Para ellos es necesario un estimador.
Pearson. Mtodo de momentos; consiste en atribuir al parmetro poblacional el valor tomado por su correspondiente
estadstica en una muestra concreta.
Con la estimacin puntual de parmetros no podemos establecer el error cometido al estimar el parmetro.

La estimacin por intervalos. Propone un intervalo dentro del cual habra una gran probabilidad de encontrar el parmetro.
Esta probabilidad se conoce como el nivel de confianza.
El error tpico de un estimador es la desviacin tpica de la distribucin muestral del estimador.

Propiedades deseables en un estimador

1) Carencia de sesgo
Un estimador de un parmetro es insesgado si el valor esperado del estimador es el parmetro.

Cuasivarianza; caracterstica de una muestra o poblacin que cuantifica su dispersin o variabilidad. El sesgo del
estimador de la varianza disminuye cuando aumento el tamao de la muestra. La cuasivarianza es aconsejable
cuando se pretende medir la homogeneidad es una muestra pequea.

2) Consistencia
Alude a la capacidad del estimador de proporcionar una estimacin muy cercana al verdadero valor del parmetro.

3) Eficiencia
Dados dos estimadores de un parmetro, es ms eficiente el de menor varianza.

4) Suficiencia
Un estimador se considera suficiente respecto a un parmetro si l slo basta para estimarlo (proporciona suficiente
informacin). Un estimador es suficiente, si agota toda la informacin existente en la muestra que sirva para estimar el
parmetro.
 Tema 15. Comprobacin de hiptesis estadsticas e intervalos confidenciales
Ione Esquer Terrazas

- Comprobacin de hiptesis estadsticas e intervalos confidenciales-

--
Hiptesis estadstica
Hiptesis acerca de los parmetros de una distribucin supuesta dad la forma de la distribucin.

Hiptesis simple; aquella en que se especifica completamente la distribucin. Si especifica e valor exacto de todos los
parmetros.
Hiptesis compuesta; aquella en que no se especifica completamente la distribucin.
Hiptesis nula; es la hiptesis aceptada por el investigador provisionalmente como verdadera y que es sometida a
comprobacin experimental.
Hiptesis alternativa; aquella otra propuesta que acompaa a la hiptesis nula. Es la aspirante a reemplazar a la nula.

Regin crtica y criterio de decisin

Criterio decisorio; rechazar H0 si en dicho experimento el valor generado por dicho estimador cae dentro de la regin crtica
o aceptar H0 si el valor generado cae fuera (en la regin no crtica). A la regin crtica tambin se la conoce como regin de
rechazo, puesto que cuando el valor del estimador cae dentro de ella se procede a rechazar la hiptesis nula y a aceptar la
alternativa.

Errores del tipo I y del tipo II

Error tipo I
Error cometido al rechazar H 0 siendo verdadera. La probabilidad de cometer este error suele ser designada por .
o nivel de significacin; probabilidad de que rechacemos la hiptesis nula siendo verdadera. Si p<0,05 diremos que
si hay diferencias y rechazaremos la hiptesis nula. Si p<0,05 la diferencia es significativa al 5% y tambin lo sera al 1
por mil.

Probabilidad Nivel de significacin

p<0,01 1%
p<0,05 5%
p<0,001 0,1%
Nivel de confianza Nivel de significacin
95 0,05
99 0,01
999 0,001

Error tipo II;

Error cometido al aceptar H 0 siendo falsa. La probabilidad de cometer este error suele ser designada por .
; es la probabilidad de que X pertenezca a la regin no-crtica, siendo H 1 verdadera (siendo H0 falsa).
Suponiendo fijo el tamao de la muestra, n, al aumentar disminuye , y al disminuir , aumenta .
Si en una situacin determinada el error tipo I, es ms grave que el error tipo II, procuraremos reducir lo ms
posible, an a costa de que aumente .

H0 Verdadera H0 Falsa
Decisin correcta Error tipo II
Aceptamos H0 1-
Nivel de confianza
Error tipo I Decisin correcta
Rechazamos H0 1-
Nivel de significacin Potencia de la prueba

Potencia
La potencia de una prueba o de la regin crtica es la probabilidad de rechazar H 0 siendo H1 verdadera (1- )
Cohen propone como un criterio vlido para aumentar la potencia de la prueba de hiptesis, aumentar la probabilidad de error
tipo I.

Contrastes unilaterales y bilaterales

Una hiptesis nula que ha sido rechazada en un contraste unilateral, a un determinado nivel de confianza, puede no ser
rechazar, a ese nivel de confianza, si el contraste es bilateral.

Diremos que un contraste es unilateral cuando la regin crtica impuesta sea unilateral

Contraste unilateral derecho. H0; 0 ; H1; > 0 o H0; = 0 ; H1; > 0

Contraste unilateral izquierdo. H0; 0 ; H1; < 0 o H0; = 0 ; H1; < 0

Diremos que un contraste es bilateral cuando sea bilateral la regin crtica impuesta.

Contraste bilateral. H0; = 0 ; H1; 0.

 Tema 15. Comprobacin de hiptesis estadsticas e intervalos confidenciales
Ione Esquer Terrazas

Curva de potencias
Con cada hiptesis nula que ha sido rechazada en un contraste unilateral, a un determinado nivel de confianza, puede no ser
rechazada a ese nivel de confianza, si el contraste es bilateral.

Intervalo confidencial
Se conoce como intervalo confidencial al intervalo de valores con un determinado grado de probabilidad, que pretenden ser
estimaciones del parmetro.
Llamaremos coeficiente confidencial o nivel de confianza (1- ) a la probabilidad asociada a este intervalo.
El intervalo confidencial ser ms til cuanto ms estrecho sea pero menos ser la probabilidad de que contenga a , y cuanto
mayor sea la probabilidad de que lo contenga, ms extenso ser dicho intervalo.

PROCEDIMIENTO DE COMPRBOACIN DE HITESIS

1) Formulacin de hiptesis nula y alternativa

2) Determinacin del nivel de significacin ( )

3) Estudio de caractersticas de poblacin; distribucin de probabilidad (VD)

4) Especificar tipo de muestro y tamao de la muestrea; normalmente aleatoria simple

5) Seleccin del estadstico de contraste

2
6) Atencin a la distribucin de probabilidad muestral del estadstico de contaste (tabla a usar; z, T, F, x ); distribucin hacia la
cual se iran acercando las distribuciones empricas del estadstico de contraste si se aplicara a todas las muestras posibles de
la poblacin.

7) Determinacin de regin crtica o regin de rechazo

Mtodo de biseccin de Stevens; divisin en dos regiones (crtica y no crtica) del segmento rectilneo cuyos puntos
presentan los posibles valores del estimador del parmetro.

Regin crtica asociada a ;

Una cola; H1>H0 ; unilateral derecho.
H1<H0; unilateral izquierdo.
Dos colas; contraste bilateral H1=H0.

8) Rechazar o aceptar H0 segn el valor del estadstico de contraste

Estadstico de contraste en la regin no crtica; aceptamos H 0 1-

Estadstico en regin crticas; rechazamos H 0

Ej. Si contraste unilateral derecho;

p> , estadstico de contraste en la regin no crtica por tanto aceptamos H 0
p< , estadstico de regin crtica, por tanto rechazamos H 0

9) Determinacin del intervalo confidencial del parmetro en funcin de los datos de la muestra y del nivel de confianza

Lmites confidenciales; valores extremos del intervalo.

Mejor cuanto ms estrecho (ms preciso) pero cuanto ms estrecho menos nivel de confianza (ms posibilidad de
equivocarnos) Segn aumenta el tamao de la muestra se estrecha el intervalo confidencial.
 Tema 16. Bondad de ajuste e independencia de dos variables
Ione Esquer Terrazas

- Bondad de ajuste e independencia de dos variables-

--
2
Bondad de ajuste Y
2
nos permitir comprobar si la distribucin de frecuencias de una muestra extrada aleatoriamente de cierta poblacin se
asemeja en su forma a la distribucin que rige dicha poblacin.

La hiptesis nula en la independencia de variables es; en la poblacin la variable dependiente observada X es independiente de
la variable dependiente observada Y.

MUESTREO
No probabilstico.
Muestreo intencional u opintico. Subjetividad. Se toma
la muestra sin criterios. No tenemos forma de saber si es
representativa. Censo; no inferencia.
Probabilstico / Aleatorio
Se conoce la probabilidad asociada a cada una de las
muestras que es posible extraer. Todos los sujetos la
misma probabilidad.
Muestreo aleatorio en una poblacin finita; Todos
los elementos la misma probabilidad. Se realiza al
azar.
Con reposicin. Poblacin siempre la mismas.
Las variables aleatorios son independientes.
Sin reposicin. Todos los elementos misma
probabilidad. El resultado de las extracciones
depende de las anteriores.
Muestreo aleatorio en poblacin infinita; n infinito
de elementos de la poblacin, y un ninfinitos de
muestras de cualquier tamao.
Muestreo aleatorio estratificado; se divide poblacin
total en subpoblaciones. Mantienen una determina
representacin en la muestra.
Muestreo aleatorio de conglomerados; consideramos
los grupos de elementos para extraer
aleatoriamente.
Muestreo aleatorio sistemtico; Elegimos elemento
K, y a partir de eso, aadimos los n q.queramos.
Muestreo polietpico; se toma un nde unidades
dentro de conglomerados.
Muestreo polifsico; se toma 1muestra grande y
rpida, para construir una +pequea +tarde.
Muestreo mixto; combinacin
ESTADSTICA INFERENCIAL
ESTIMACIN PUNTUAL de parmetros
Problemas inferenciales; estimacin de
parmetros (siempre desconocidos) y sobre
la distribucin de las poblaciones.
Estimacin x intervalos
Proponer un intervalo dentro del cual
habra una alta probabilidad de encontrar
el parmetro.
Es posible determinar el tamao del error
muestral mximo.
Nivel de confianza; probabilidad de
efectuar la estimacin correcta.
Nivel de significacin; nivel de riesgo,
probabilidad de efectuar la estimacin
incorrecta. Riesgo mximo que
estamos dispuestos a asumir.
Estimacin puntual
Se intenta obtener un nico valor como
estimacin de cierto parmetro
desconocido. El estimador es el
instrumento utilizado para ello.
Existir discrepancia entre la estimacin
concreta y el valor real error muestral
(E).
Propiedades de un estimador
Carencia de sesgo (cuando la esperanza
matemtica coincide con el valor del
paramtro poblacional q. estima),
consistencia (capacidad de proporciona
una estimacin lo ms cercana posible al
valor real) eficiencia (varianza muestral
mnima) y suficiencia (slo l basta para
estimar dicho parmetro).
Ione Esquer. Estadstica
CONTRASTE DE HIPTESIS
Proceso de decisin en el que una H es puesta en relacin con los datos
empricos para determinar si es compatible con ellos.
Clasificacin de las hiptesis
Grado de especificacin. Simple si se especifica completamente el valor de
un parmetro, y compuesta sino es exacto.
Funcin que desempea en el contraste estadstico. Hiptesis nula (H0) la
que se acepta como verdadera y se somete a contrastacin empirica, y
hiptesis alternativa (H 1) que es la que aspira a suplantar la H 0.
Regin crtica y criterio de decisin.
Tambin conocida como regin de rechazo, ya que cuando el valor del
estimador cae dentro de ella, se rechaza la hip nula y se acepta la alternativa.
Mtodo de biseccin de Stevens.
Mtodo de produccin de intervalos. Divisin en dos regiones; crtica y no
crtica.
Bilateral. La regin crtica consta de dos colas
Unilateral izquierdo. Regin crtica en la izq.
Unilateral derecho. Regin crtica en la dcha.
Tipos de errores
Error de tipo I. Rechazar H0 , siendo esta verdadera. Probabilidad de
cometer este error llamado Nivel de significacin . Comprende la
regin crtica.
Error de tipo II. Aceptar H0 , siendo esta falsa. Probabilidad de cometer
este error se designa como . Y es la probabilidad del rea de
aceptacin.
Potencia de la prueba; probabilidad de acertar al rechazar H. Rechazar siendo falsa.
Intervalos confidenciales.
Podemos definir el intervalo confidencial que sera el intervalo de
estimaciones probables. El intervalo de confianza, ser ms til cuando ms
estrecho sea. Cuanto mayor sea el tamao de la muestra, menor ser la
amplitud del intervalo confidencial. Nivel de confianza; probabilidad deaceptar
H0 que es cierta.
 Tema 17. Anlisis de la varianza y de covarianza
Ione Esquer Terrazas

-Anlisis de la varianza y de covarianza-

--
Anlisis de varianza (un criterio de clasificacin)

El objetivo es comprobar la hiptesis acerca de medidas, no de varianzas.

El anlisis de varianza es una tcnica de anlisis estadstica, introducida por Fisher, mediante la que se puede comprobar
la significacin estadstica de las diferencias entre las medias de ms de dos muestras.
El propsito del anlisis de varianza es el de separar los efectos de las variaciones debidas a las causas asignables, de
aquellas otras variaciones debidas al azar.
En otras palabras, el objetivo es determinar en qu medida una (o varias) VD est influenciada por una o varias VI.
Resulta especialmente til en el contexto de un experimento para trata de comprobar si existe un efecto significativo de
un tratamiento determinado.
Las VI deben ser categricas y las VD cuantitativas (medida en escala de intervalo o razn).
Hablamos de efectos fijos, cuando nos fijamos nicamente en si difieren en eficacia los r mtodos bien definidos.
Hablamos de efectos aleatorios cuando estos r mtodos son considerados como una muestra aleatoria extrada de cierta
poblacin de mtodos.

Variabilidad intergrupo. Las puntuaciones de los grupos, 1,2 y 3 diferir en funcin del distinto tratamiento que se est
aplicando a cada grupo.
Variabilidad intragrupo. Es la varianza error o residual y hace referencia a las diferencias entre los miembros de un mismo
grupo.

Si la variabilidad intragrupo es mayor que la intergrupo podremos concluir que el criterio de clasificacin no es una fuente
muy potente de variacin sobre las puntuaciones, y por lo tanto que los diferentes tratamientos no crean variaciones
significativas en las puntuaciones.
Cuando se trabaja con medidas repetidas, la variabilidad total se descompone en varianzas intersujetos (debe afectar por
igual a todos los tratamientos) y varianza intrasujetos (varianza intertratamiento y varianza error o residual).
El criterio utilizado para comprobar la variabilidad de las observaciones es el estadstico de contraste F (cociente entre la
varianza intergrupo y varianza intragrupo).

o Si el valor p se rechaza la hiptesis nula de medias iguales.

o Si el valor p no se rechaza la hiptesis nula da igualdad de medias.

En el caso de que una F haya dado significativa, podemos llevar a cabo pruebas mltiples a posteriori (para el anlisis
estadstico).

Condiciones;

a) Normalidad. Las puntuaciones han de seguir una distribucin normal. La transformacin logartmica de los datos puede
servir para corregir la no normalidad de las distribuciones.

b) Independencia. Las puntuaciones han de ser independientes entre s. Esto lo garantiza un muestreo aleatorio simple.

c) Homocedasticidad. Se refiere a la igualdad de las varianzas de las subpoblaciones de las que proceden los distintos
grupos. La prueba de Barlett permite comprobar esta condicin.

d) Supuesto de esfericidad. Trabajando con medidas repetidas los errores pueden estar correlacionados. Diremos que
viola el supuesto de esfericidad cuando la correlaciones entre los errores son elevadas.
En el test de Mauchley la hiptesis nula es la existencia de esfericidad.

e) Supuesto de aditividad (no interaccin sujeto x tratamiento). Es posible que los sujetos y tratamientos interaccionen. La
prueba de no aditividad de Turkey nos lo permite comprobar. Se puede solventar este problema con la transforamcin
de las puntuaciones.

Anlisis de varianza (doble criterio de clasificacin)

Se introducen dos criterios de clasificacin o dos factores que pueden influir en los resultados en cierta variable Y. Los factores
no tienen por qu coincidir en el nmero de categoras o niveles.

En el Anova II son tres las hiptesis nulas; que todos los niveles del facto A son igual de eficaces, que todos los niveles
del factor B son igual de eficaces y que no existe interaccin positiva entre el factor A y el B.
Se exigen las condiciones de independencia, homocedasticidad y normalidad.

En el caso de una sola Vi se haba de anlisis de varianza de una va o one way.

Cuando se trabaja con dos o ms vas se suele hablar de diseos factores o de anova factorial.

Si se dispone de ms de una VD, estaramos ante un Anlisis multivariante de la Varianza o MANOVA.

 Tema 17. Anlisis de la varianza y de covarianza
Ione Esquer Terrazas

Anlisis de covarianza

El ancova es una tcnica de control estadstico que puede ser concebido como un anlisis de varianza verificado sobre unas
puntuaciones corregidas o ajustas mediante una recta de regresin.
Se utiliza para controlar estadsticamente parte del error experimental cuando queremos aislar estadsticamente el efecto de
laguna variable extraa en nuestro diseo.

En el Ancova se distinguen tres tipos de variables;

1) Las VI; cuyos efectos se quieren estimar.
2) La VD; donde esperamos que se vean reflejados los efectos de las diferentes Vi o tratamientos.
3) Las COVARIABLES; que son incluidas en el diseo para controlar su posible relacin con la VD.

Supuestos;
Normalidad
Independencia de las observaciones
Homocedasticidad
La covariante no debe estar afectada por los efectos de los tratamiento
Linealidad de la regresin Y sobre X
Homogeneidad de las pendientes de regresin intragrupo; las pendientes de las K rectas de regresin de Y sobre la
variable extraa en los K grupos de tratamiento deben coincidir.
Escalas de medida de la VD y la covariante al menos a nivel de intervalo

Cuadro resumen de los supuestos para Anova; normalidad, independencia y homocestasticidad y para el Anlisis de varianza de
medidas repetidas; los 5 supuestos de la tabla.

Supuesto Violacin Prueba estadstica Posible solucin

Normalidad Prueba de bonda de ajust;
No se ajusta a la distribucin X2, Lilliegors, Kolmogorov- Si afecta mucho puede
Puntuaciones VD normal smirnoff hacerse transformacin
distribucin normal (H0; se ajusta a normalidad) logartmica de datos

Independencia o no
autocorrelacin Autocorrelacin; las Test de Durbin-Watson Se evita a travs de m.a.s.
puntuaciones dependen una T.Rachas Si no es as transformar el
Puntuaciones de las otras (tienen relacin) (H0; independencia) modelo (mnimos
independientes entre s Estadstico Box-Ljung cuadrados)

Homocedasticidad Transformacin
Heterocedasticidad; Prueba de Levene puntuaciones (modelo
Igualdad de varianzas de diferencia de varianzas en Prueba de Barlett logaritmo neperiano,
los grupos de datos subpoblaciones (H0; igualdad varianzas) mtodo mnimos
cuadrados)
Esfericidad

Misma varianza de las Los errores correlacionan, W de Mauchly Correccin de F (ajuste gl)
diferencias de los pares disminuye la varianza (H0; esfericidad) Manova; considera cada
posibles de residual, aumenta F una de medidas repetidas
observaciones artificialmente. como una VD diferente

Adictividad Interaccin sujeto x Prueba de no aditividad de Transformacin de las

tratamiento (engrosa la Tukey puntuaciones a travs de
No interaccin x sujeto varianza error artificialmente (H0; adictividad) logaritmos
y F disminuye)
 Tema 18. Tcnicas no paramtricas
Ione Esquer Terrazas

- Tcnicas no paramtricas-
--
Tcnicas no paramtricas
Las tcnicas no paramtricas o de distribucin libre no imponen condiciones tan restrictivas como lo hacen las paramtricas.
Podramos entender que son ms robustas (insensibilidad a la violacin de los supuestos)

No exigen que la distribucin poblacional tenga una forma especfica determinada ni que sus parmetros verifiquen las
condiciones; varianza conocida, igualdad de varianzas si exige que se verifique que sea continua.
No exigen un nivel tan alto de medida. Son vlidas a niveles ordinal y aun nominal.
Son vlidas cuando las muestras son muy pequeas.
Los clculos numricos exigidos por ellas suelen ser ms sencillos.
Dejan de utilizar bastante la informacin contenida en las observaciones al no operar explcitamente con las
puntuaciones.
Son menos potentes que sus correspondiente paramtricas.

Prueba de Kolmorov- Smirnov; versa sobre la bondad de ajuste entre la muestra y la poblacin de la cual se supone extrada
aquella.

Prueba de Mann-Whitney; (dos muestras independientes) Cuando queremos comparar dos poblaciones con objeto de
comparar si son iguales o diferentes. Es la alternativa ms utilizada a la T de Student para muestras independientes.
Comprueba si dos distribuciones son distintas.

Prueba de Wilcoxon; (dos muestras dependientes) Trata de evaluar si la poblacin de la que se ha extrado la muestra
permanece igual o ha cambiado.

Prueba de Kruskal-Wallis; (K muestras independientes) Es una alternativa al anlisis de varianza ms sencillo. Cuando el
supuesto de homogeneidad de varianzas no es sostenible, permite poner a prueba la hiptesis de que varias medias proceden
de la misma poblacin.

Prueba de Friedman; (K muestras correlacionadas) Es tambin una alternativa no paramtrica del anlisis de varianza
convencional de varias muestras relacionadas. La situacin experimental que permite resolver esta prueba es similar a la
estudiada a propsito del ANOVA de un factor con medidas repetidas.

No paramtricas Paramtricas
Dos Intergrupo (independiente) U/T Mann-Whitney Prueba T para diferencia de medias
tratamientos Intragrupo (medidas relacionadas) W Wilcoxon
Ms de dos Intergrupo (independiente) T- Kruskal Wallis Anova
tratamientos Intragrupo (medidas relacionadas) F Friedman Anova (medidas repetidas)

T de Student

La prueba T de Student se basa en el clculo de estadsticos descriptivos previos; el nmero de observaciones, la media,
y la desviacin tpica en cada grupo.
Con la ayuda de unas tablas se obtiene a partid de dicho estadsticos el p-valor. Si p<0,05 se concluye que hay
diferencia entre los dos tratamientos.
La prueba T de Student permite contrastar la hiptesis de igualdad de medias entre dos poblaciones independientes, a
partir de las medias obtenidas en una muestra aleatoria extrada de cada una de ellas.
 Tema 18. Tcnicas no paramtricas
Ione Esquer Terrazas

- PROBABILIDAD-
--
Espacio muestral; asociado a un experimento aleatorio es el conjunto de todos los posibles resultados del experimento. Es
discreto si los posibles resultados del experimento son una cantidad finita o numerable. Se dice que es continuo si el conjunto
de posibles resultados es infinito.
Suceso; es un subconjunto cualquier del espacio muestral;
Elemental; el que contiene slo un punto muestral.
Imposible; a aquel que nunca ocurre.
Seguro; a aquel que ocurre siempre.
Unin; de los sucesos A y B, se denota por A U B y se refiere al suceso formado por todos los puntos muestrales que
pertenecen, al menos, a uno de los sucesos.
Interseccin; de sucesos A y B, se denota por A , y se define como el suceso formado por todos los puntos muestrales
que pertenecen a ambos sucesos.
Inclusin; cuando se die que el suceso A est contenido o incluido en el suceso B y por lo tanto todos los puntos muestrales de
A pertenecen a B.
Complemento; de un suceso, son los elementos del espacio muestran que no pertenecen a ese suceso.
Sucesos incompatibles; disjuntos, o mutuamente excluyentes si no tiene puntos en comn.

Propiedades bsicas del clculo de probabilidades

Para un suceso A, la probabilidad de que suceda su complemento es igual a uno menos la probabilidad de A.
P(A) + P( )= 1 P( )= 1 P(A)

Si un fenmeno determinado tiene dos posibles resultados A y B mutuamente excluyentes, la probabilidad de que una de
esas dos posibilidades ocurra se calcula como la suma de las dos probabilidades individuales. P (A o B) = P(A) + P(B).

Si dos o ms sucesos no son mutuamente excluyentes, la probabilidad de que ocurra uno de ellos o ambos se calcula
sumando las probabilidades individuales de que ocurra una de esas circunstancia, pero restando la probabilidad de que
ocurra la comn. P (A o B) = P(A) + P(B) P (AyB).

A veces la probabilidad de que un determinado suceso tenga lugar depende de que otro suceso se haya producido o no con
anterioridad. P (A/B) a la probabilidad condicionada del suceso A suponiendo que el suceso B haya ocurrido ya.
Ley multiplicativa; de probabilidades indica que la probabilidad de que dos sucesos A y B ocurran simultneamente es
igual a ; P(A y B)= P (A/B) x P(B).
Independencia; diremos que dos sucesos A y B del espacio muestral son independientes, si y solo si p(B/A)=p(B). La
independencia entre sucesos es lo opuesto si la probabilidad condicional.

Teorema de la probabilidad total; a partir de las probabilidades del suceso A (probabilidad de que llueva) deducimos la
probabilidad del suceso B (que ocurra un accidente).

Teorema de Bayes. Parte de una situacin en la que es posible conocer las probabilidades de que ocurran una serie de
sucesos Ai. A esta se aade un suceso B (que ocurra un accidente) cuya ocurrencia proporciona cierta informacin, porque
las probabilidades de ocurrencia de B son distintas segn el suceso Ai que haya ocurrido (las probabilidades de tener un
accidente con lluvia o buen tiempo son diferentes).

Distribuciones discretas

Distribucin contina; son aquellas que presentan un nmero infinito de posibles soluciones (ej; altura de una clase).
Distribucin exponencial; mientras que la distribucin de Poisson describe las llegadas por unidad de tiempo, la
distribucin exponencial estudia el tiempo entre cada una de estas llegadas.

Distribucin discretas; son aquellas en las que la variable puede tomar un nmero determinado de valores (ej; una
moneda).

Distribucin de Bernouilli; es el modelo que sigue un experimento que se realiza una sola vez y que puede tener dos
soluciones; acierto o fracaso. Se trata de sucesos complementarios.
o A la probabilidad de xito se le denomina P.
o A la probabilidad de fracaso se le denomina Q.

Distribucin Binomial; parte de la distribucin de Bernouilli y se aplica cuando se realizan un nmero n de veces el
experimento de Bernouilli, siendo cada ensayo independiente del anterior.

Distribucin Poisson; parte de la distribucin binomial. Cuando en una distribucin binomial se realiza el experimento
un nmero n muy elevado de veces (n tiende a infinito) y la probabilidad e xito p en cada ensayo es reducida,
entonces se aplica el modelo de distribucin de Poisson.

ANOVA
Anova un factor (tipo I)
Comparar dos medias. Cuando hay ms de
dos tratamientos (VI) ,el nivel de medida de la
VD es cuantitativo y se cumplen los
supuestos;
Normalidad; distribucin normal.
Pruebas de bondad de ajuste
Independencia ; interdependiente
entre s. Test Durbin-Watson.
Homocedasticidad ; las varianzas son
iguales. Prueba de Bartlett.
Variabilidad total explicada por la variabilidad
explicada por intergrupo> gracias al
tratamiento (influencia de VI sobre VD).
Usamos la F (Estadstico de contraste) Si la F
emprica es > que la terica; rechazo H.
Anlisis de varianzas tipo I con medidas
repetidas
Cada sujeto se somete a los diferentes
tratamientos. Cada sujeto tienen
puntuaciones en cad uno de los niveles de
la VI.
La variabilidad en este caso se debe a
vari.intersujetos (diferencias individuales) y
vari.intrasujetos (influencia de los mtodos,
tratamientos) dentro de esta variabilidad
intertratamiento y error residual.
Dos supuestos;
Esfericidad. Test W de Mauchly. Para
comprobar la igualdad de varianzas.
Aditividad. Prueba de no aditividad
de Tukey. Aditividad; que los sujetos
y los tratamientos no
interaccionen.
Anova dos factor (tipo II)
En este caso introducimos dos
criterios de clasificacin o dos
factores que pueden influir en los
resultados. Estos funcionan como
variables independientes. Tb puede
aplicarse en el caso de disponer de
tres o ms criterios.
La hiptesis nula no es una sino tres.
Mismos supuestos que el tipo I. Para
alcanzar la misma potencia se
necesitan menos sujetos.
Anlisis mediante los efectores
factoriales
Anlisis de los efectos factoriales, a
los que podramos definir como la
influencia especfica ejercida por los
factores sobre las respuestas de los
sujetos en la variable dependiente.
Segn los efectos producidos x
los factores aisladamente
considerados; efectos
principales (diferencia entre la
media de un factor y media
general) y efectos diferenciales
entre efectos principales de
dos niveles de ese factor).
Segn los efectos producidos
por la accin combinada de dos
o ms efectos. Efectos de
interaccin (influencia
especfica de un factor, cuando
acta en combinacin con otro)
y efectos simples (efecto de un
nivel de un factor, bajo cada
nivel de otro).
ANCOVA
(Anlisis de covarianza).
Aislar estadsticamente el efecto
de alguna variable extraa en
nuestro diseo.
Son necesarios los supuestos del
ANOVA y otros adicionales.
Ione Esquer. Estadstica
TCNICAS NO PARAMTRICAS
Son mas robusas que las paramtricas; ms
ins4ensibles a los supuestos de partida.
Adems de con variables cuantiativas, tambin
podemos hacer con cualitativas (con las
paramtricas no).
Se utilizan cuando no se cumplen los supuestos.
Los contrastes no paramtricos no se refieren a los
parmetros de la poblacin.
Vlidas para muestras pequeas.
Pruebas de bondad de ajuste Pretende
comprobar el ajuste de ambas distribuciones; la
emprica o procedente de la muestra y la terica
o procedente de la poblacin. Ordinal al menos.
Kolmogorov-Smirnov, Distribucin poblacin =
distribucin muestra.
2
Pruebas de independencia X , o W
Verificar a nivel poblacional la independencia de
2variables aleatorias. Al menos nominal.
Prueba de Mann-Whitney.
Comparar si 2poblaciones son iguales o
diferentes. Contraste U.
Prueba de Wilcoxon
2muestras depen. Objetivo; ver si una poblacin
ha cambiado (Ej; comprobar eficacia tratam)
Prueba de Kruskal-Wallis
Comparar K muestras aleatorias simples e
independientes, e indicar si existen
Prueba de Friedman
Comparar +de 2pruebas de medidas
dependientes o muestras correlacionadas. nica
muestra de sujetos.
 Ione Esquer. Estadstica

PROBABILIDAD

ENFOQUE CONCEPTOS BSICOS Probabilidad condicional FUNCIN DE DISTRIBUCIN DE PROBABILIDAD (Fx)

INTERPRETATIVO
Experimento aleatorio; cuyos resultados Dado que ya ocurre A , Son distribuciones tericas que intenta explicar las
La probabilidad es son impredecibles a priori. ocurre tambin B. distribuciones empricas
Punto de una carac. inherente
vista a los objetos. Espacio muestral (E) ; conjunto de todos Teorema del producto (tanto
para sucesos dependientes V.A.Discretas V.A.Continuas
objetivo Punto de vista los posibles resultados de un experimento
objetivo clsico o a aleatorio. como independientes)
Distribucin de Normal
priori. Se conoce Discreto finito; n posibles de
de antemano el E y resultados finito Sucesos dependientes. Bernoulli
Si ocurre uno, ocurre Es la nica que no
sus posibilidades. Discreto infinito; n infinito de
otro. La aparicin de B depende del tamao de
N finito y todos posibles resultados Experimento
va a depender del la muestra.
los sucesos misma Contino; sus resultados no son
suceso anterior. aleatorio en el q.
probabilidad. numerables.
solo son posibles Chi-cuadrado
Punto de vista
posteriori o Sucesos independientes. 2resultados (xito-
Suceso; cada uno de los subconjuntos del Cuadrados de las
frecuentista. Por el hecho de que
espacio muestral . Puede ser; fracaso) Moneda. puntuaciones tpicas
Necesito recurrir a ocurra A, no se modifica
Elemental; consta de un solo elemento extraidas de una
la experiencia para la probabilidad de B y
Compuesto; consta de 2 o +elementos viceversa. Distribucin poblacin normal (0,1)
poder atribuir Imposible; elem. q no pertenecen a E Independientemente de binomial en combinaciones
probabilidades.
Seguro; contiene todos los elementos lo que ocurra en otros segn su grado de
casos. libertad. Variables
La probabilidad de un Operaciones entres sucesos Es una distribucin aleatorias
Punto de
suceso es algo Unin; Todo A y todo B Teorema de Bayes de tipo Bernoulli independientes entre si
vista
subjetivo. Es un Interseccin; elementos q.son A y B a pero que se repite n
subjetivo /
grado de confianza la vez Condiciones; exclusividad T-Student
Bayesiano veces. P=Q= 50. Los
que un sujeto tiene Diferencia; elementos de A que no son mutua y exhaustividad.
acerca de la B sucesos son Admite valores
verificacin. La Suceso contrario equiprobables. negativos. Es como la
Los sucesos
probabilidad no est Mutua exclusividad mutuamente (Examen tipo test) normal pero ms
en la realidad, esta excluyentes son apuntada.
en nosotros. Combinatoria ; diversas formas de realizar dependientes xq la Distribucin de
agrupaciones con los elementos de un presencia de A depende F de Fisher
ENFOQUE FORMAL conjunto.
Poison
de la no presencia de B.
o AXIOMTICO Variaciones; todos los conjuntos Las probabilidades de las El valor F siempre es
distintos que podamos formar con n intersecciones se Para estudio de positivo.
Propone leyes formales que deben ser elementos. expresan en trminos de sucesos poco
respetadas por ciertos valores Permutaciones; distintas agrupaciones probabilidad F de Snedecor
comunes. Cuando n
numricos para que puedan ser formadas con m elementos que condicional.
llamados probabilidades. pueden repetirse tiende a infinito, y p No admite valores
P(A/B) = P (A B) / P(B)
Combinaciones; se consideran tiende a cero. negativos.
P(e)= 1 probabilidad del suceso seguro. cuando difieren en algn elemento.
 Tema 19. Introduccin al conocimiento cientfico
Ione Esquer Terrazas

- Introduccin al conocimiento cientfico-

Conocimiento cientfico

El conocimiento cientfico aspira a establecerse en forma de leyes de la mayor generalidad posible.

McGuigan dice que el conocimiento cientfico parte de planteamientos de problemas resolubles y utiliza el mtodo cientfico.
Mtodo cientfico; procedimiento mediante el cual podemos alcanzar un conocimiento objetivo de la realidad. Caracterstica
principal; su replicabilidad.

Fases del mtodo cientfico

1) Planteamiento del problema; nos preguntamos el porqu de un determinado fenmeno.
2) Formulacin de hiptesis; una posible solucin al problema. Esta adquiere la forma de hiptesis o conjetura bsica.
La hiptesis aade al problema la posible relacin que se espera encontrar entre las variables.
3) Validacin de la hiptesis; consiste en validar una hiptesis. La palabra verificacin implica probar que es verdad, y
esto no es lo que se pretenden al confirmar una hiptesis. Se busca solo determinar que la hiptesis posee cierto
grado de probabilidad. Tres momentos; recopilacin de datos, reunin de datos y procesamiento de datos.
4) Experimentos exploratorios, cruciales y confirmatorios. Experimento crucial; tipo de experimento en el que se ponen
a prueba dos hiptesis alternativas.
5) Generalizacin de los resultados y planteamiento de nuevos problemas. Grado de generalizacin; a qu poblacin de
elementos podemos aplicar los resultados;

La replicabilidad en el mtodo cientfico se puede conseguir diferentes estrategias que dan lugar a variantes;

Mtodo inductivo. Experiencia como punto de partida. Parte de la observacin de la realidad para mediante la
generalizacin de dicha observacin, llegar a la formulacin de la ley o regla cientfica.
Mtodo deductivo. Parte de la ley general, a la que se llega mediante la razn y de ella deduce consecuencias lgicas
aplicables a la realidad.
Mtodo hipottico-deductivo. Conjunto de pasos, ms o menos secuenciados, que se siguen para realizar la
investigacin de un problema. Fases; definicin del problema, deduccin de hiptesis contrastables, establecimiento
de un procedimiento de recogida de datos, anlisis de los resultados, discusin y conclusiones y elaboracin del
informe.

Contraste de hiptesis

Variable independiente; factor que explica el fenmeno.

Variable dependiente; fenmeno explicado.

Confirmacin; estrategia de contrastacin de hiptesis consistente en la bsqueda de datos que apoyen la hiptesis.
Falsacin; estrategia de contrastacin de hiptesis que consiste en la bsqueda de datos que refuten la hiptesis.

La confirmacin y la falsacin son las estrategias opuestas para la contrastacin. Ser la estrategia de la falsacin la que nos
resulte ms til. Cuando decimos que una teora cientfica debe de ser susceptible de refutacin, nos referimos al principio de
falsacin.

Informe de investigacin

1) Ttulo; nos da la idea de contenido, normalmente slo plantea las variables dependientes e independientes.
2) Resumen; 100 palabras sintetiza los puntos fundamentales de un artculo.
3) Introduccin; especifica el problema que se estudiar, se revisa la bibliografa experimental, especificar las hiptesis que
se sometern a prueba y las razones que dieron lugar a las predicciones.
4) Mtodo; operaciones realizadas por el experimentador. Suele dividirse en;
Participantes; cuantos sujetos, como se seleccionaron y quienes fueron.
Aparato y materiales; equipo, cuestionarios, etc.
Procedimiento; explica qu le sucedi a los sujetos, caractersticas del diseo estadsticos, etc.
Diseo (adicional); si la tcnica estadstica utilizada es poco comn.
5) Resultados; indica lo sucedido en el experimento.
6) Discusin; interpretacin de los datos por parte del autor a modo de conclusin.
7) Referencias bibliogrficas
 Tema 20. La evidencia emprica
Ione Esquer Terrazas

- La evidencia emprica-

Evidencia emprica

Variables implicadas en la investigacin

Variables independientes; son las que el investigador espera que produzcan un determinado efecto.
Variables dependientes; son sobre las que se espera encontrar cambios como consecuencia de la accin de sus respectivas
independientes.

Operativizacin de las variables; concretarlas hasta un punto en el que se puedan observar y registrar.

Variaciones en los datos

La variabilidad de los datos de un experimento se denomina varianza total. La varianza total se descompone en varianzas
sistemtica y varianza error.

Varianza sistemtica; aquella parte de la variabilidad producida por los niveles de la variable independiente y las variables
extraas no controladas.
Primaria; producida por la influencia de la variable independiente.
Secundaria; producida por la accin de las variables contaminadoras no controladas.

Varianza error; es la variabilidad procedente de fuentes aleatorias, que acta conjuntamente con la variable independiente.
Estas fuentes son fundamentalmente, errores de medida, que afectan a todos los sujetos y se distribuyen aleatoriamente
entre ellos.

Kerlinger. Principio estadstico de MAXMINCON; maximizar la varianza sistemtica primaria, controlar la varianza
sistemtica secundaria y minimizar la varianza de error.

Generalizibilidad de las mediciones

Fiabilidad temporal; valor de correlacin entre dos aplicaciones sucesivas.

Fiabilidad interjueces; al menos dos observadores e informar del grado de acuerdo de sus registros.
Validez aparente; se establece cuando una persona examina el instrumento y concluye que ste mide el rasgo de inters.
Validez de contenido; atiende a la representatividad del dominio, y la especificacin del dominio o de la relevancia del
contenido.
Validez relativa a un criterio; indica cul es la eficacia del instrumento en la prediccin de algn tipo de comportamiento
futuro del sujeto en situaciones especficas;
Validez predictiva; transcurre un periodo de tiempo entre la medicin del predictor y del criterio y en ese periodo
se produce algn tipo de intervencin en los sujetos.
Validez concurrente; implica la recogida de ambos tipos de medidas al mismo tiempo. No se producen cambios ni
en los sujetos ni en las condiciones.
Validez postdictiva o retrospectiva; nos permite estimar el grado en que un individuo posey un rasgo determinado
en el pasado.
Validez de constructo; se da si el instrumento correlaciona con las variables que la teora dice que debe correlacionar. Debe
disponer de validez discriminante. No debe correlacionar con las variables que la teora dice no correlaciona.
Validez discrminativa; la capacidad del instrumento de diferenciar entre grupos que son diferentes. El que con el
instrumento utilizado se ven reflejadas las diferencias de la variable independiente en la variable dependiente.
 Tema 21. La observacin
Ione Esquer Terrazas

- La observacin-

Criterios de bondad para el proceso de observacin

La observacin cientfica debe ser sistemtica. La forma de operativizar las variables del estudio con metodologa observacional
se realiza a travs de la creacin de categoras.

Medida;
Latencia; tiempo desde la presentacin del estmulo hasta el inicio de la respuesta.
Velocidad; tiempo empelado en realizar una tarea.
Ocurrencia; nmero de veces que ocurre una conducta.
Frecuencia; nmero de respuesta dadas en una unidad de tiempo.
Exactitud; correccin/ incorreccin.
Intensidad; fuerza con la que se da la respuesta.

Tcnicas para el estudio de la fiabilidad

El grado de acuerdo entre dos observadores es el medio ms usual para el estudio de la fiabilidad. Son fciles de aplicar para el
caso de medidas de ocurrencia y frecuencia.
En el caso de medidas de latencia, duracin e intensidad se pueden utilizar coeficientes de correlacin para variables
cuantitativas.
Algunos ejemplos de ndices numricos para el clculo del acuerdo entre observadores;

El porcentaje de acuerdo entre dos observadores es un ndice que expresa, en trminos de tanto por ciento, las veces en las
que los dos observadores han coincidido en sus observaciones sobre el total de observaciones realizadas. No se tiene en
cuenta el azar.
El coeficiente de Kappa propuesto por Cohen para corregir la dificultad que presenta el porcentaje de acuerdos; corrigiendo
la probabilidad de que el acuerdo entre los observadores sea debido al azar.

Validez y fuentes de error en la observacin

Validez de contenido; si la seleccin de conductas recogidas en un cdigo es una muestra representativa del fenmeno que
se pretende observar.
Validez de constructo; indica en qu medida un cdigo de observacin correlaciona con las variables que establece la teora
desde la que se formul el problema.
Validez orientada al criterio; establece en qu medida un cdigo detecta las posibles variaciones del fenmeno que se
pretende observar.
La reactividad; es un posible sesgo en la observacin por parte del observado.
Expectativas; el observador tiende a sesgar su percepcin a favor de sus expectativas. El medio ms sencillo para que no
ocurra es que el observador sea ciego (no conozca la razn por la que est observando).
 Tema 22. Encuestas
Ione Esquer Terrazas

- Encuestas-

Las encuestas nos van a permitir conocer; opiniones, actitudes, creencias, etc. El proceso ha de ser sistemtico.
Cuando se parte de un censo las conclusiones no son inferencias.

Procedimiento general de una encuesta

a) Poblacin y la unidad muestral;

La poblacin es el conjunto del cual se quiere conocer su opinin.
La unidad muestral se refiere a quin va a contestar.
b) Seleccin y tamao de la muestra; procuraremos que sea representativa.
c) El material para realizar la encuesta; la preparacin del cuestionario (el conjunto de preguntas)
d) Organizacin del trabajo de campo
e) Tratamiento estadstico; una vez codificadas las respuestas, se procede al anlisis estadstico.
f) Discusin de los resultados; slo es posible extraer conclusiones en trminos de relaciones, no en trminos causales. Se
puede hablar de diferencias pero no de influencias.

Seleccin y tamao de la muestra

La muestra tiene que ser representativa cumpliendo dos criterios; que las variables que caracterizan a la poblacin estn
presentes en la muestra y que el tamao sea adecuado.

Representacin y sesgo
Una muestra representativa es un subconjunto que tiene las mismas caractersticas generales que la poblacin. La
representatividad de la muestra nos posibilitar generalizar los resultados a la poblacin. Cuando una muestra no es
representativa, se dice que es sesgada.

El tamao
Aunque la muestra sea representativa, ha de tener un cierto tamao para que quede libre de errores que pueden ocurrir
por azar. El tamao depende de; el tamao de la poblacin, el estadstico con el que estemos midiendo, la variabilidad de
la medida, los mrgenes de error de nuestras predicciones y el nivel de seguridad.
En las muestras ms pequeas es ms fcil encontrar desviaciones de la norma.

Tcnicas de muestreo
Procedimientos que nos aseguran que los individuos seleccionados representan a su poblacin.

En el muestreo probabilstico se conoce la probabilidad asociada a cada una de las muestras que es posible extraer de una
determinada poblacin. En el muestro probabilstica se puede estimar el error muestral.

Muestreo aleatorio simple; asegura que cada elemento de la poblacin tiene la misma probabilidad de ser
incluido en la muestra. Hay que numerar cada elemento. Poca utilidad si la muestra es grande.

Muestreo aleatorio sistemtico; numerar todos los elementos de la poblacin, pero en lugar de extraer n
nmeros aleatorios slo se extrae uno. I, I+K, I +2K.

Muestreo aleatorio estratificado; asegura que los estratos de la poblacin estn representados en la muestra.
Seleccionamos aleatoriamente de cada estrato de poblacin el nmero de elementos que le corresponde.
o Proporcional; mantiene en la muestra las mismas proporciones de los estratos de la poblacin.
o Simple; todos los estratos tienen el mismo nmero de unidades elementales.
o ptimo; los estratos ms homogneos aportan menos casos y los estratos menos homogneos.

Muestreo por gonglomerados y etapas (polietpica); este muestreo se utiliza cuando se trabaja con una
poblacin grande y no es suficiente determinar un solo nivel de conglomerados.

En el muestreo no probabilstico o no aleatorio se desconoce o no se tiene en cuenta la probabilidad asociada a cada una
de las muestras posibles. No tenemos informacin sobre el grado de representatividad de la muestra obtenida. Son
menos representativas que las aleatorias;

Muestra accidental; muestra seleccionada por un hecho o un accidente. Obtencin de sujetos mediante un
anuncio en le peridico (slo representara a los que ven la televisin o leen el peridico).

Muestreo o propsito, intencional; los participantes de la muestra cumplen un requisito, por ejemplo;
adecuacin a los fines de la investigacin. El caso ms frecuente es utilizar como muestra los individuos a los que
se tienen fcil acceso.

Muestra bola de nieve; cuando se entrevista a miembros de un grupo, podemos pedir a las personas que nos
indiquen otros individuos en ese grupo que podran dar informacin sobre ese tema. Su inconveniente; no
obtenemos una idea exacta de la distribucin de las opiniones.
 Tema 22. Encuestas
Ione Esquer Terrazas

Muestreo estratgico; son los propios investigadores a los que eligen las unidades de muestra, de acuerdo con
los objetivos de la investigacin.

Muestreo errtico; sin ningn tipo de norma. Por ejemplo los reporteros por la calle (sin cuotas ni rutas
aleatorias).

Diseos de investigacin con encuestas

Diseo transversal
Describir una poblacin en un momento dado. Las encuestas epidemiolgicas son un tipo de encuesta diseada
transversalmente, y que se utiliza para conocer el estado de expansin de una enfermedad.

Diseo longitudinal
Cuando el inters del investigador es observar el cambio en una poblacin. Para esto se han de tomar varias medidas a lo
largo de un perodo de tiempo.
Muestreos sucesivos con grupos de sujetos distintos; se hacen sucesivos estudios transversales.
Diseos de panel; cuando son exactamente los mismos individuos los que se entrevistan ms de una vez.
Presenta dificultades como la mortandad estadstica y la reactividad.
Diseos de cohorte; estudia el cambio producido en grupos grandes de sujetos que tienen alguna caracterstica
comn muy notoria.
 Tema 23. Etapas en la investigacin
Ione Esquer Terrazas

- Etapas en la investigacin-

Definicin de variables

Variable independiente
El facto que se espera que sea la causa de algo y que es manipulado por los investigadores. Sus valores no dependen de
otra variable, sino de voluntad y propsito del investigador. Es la variable que manipulamos para estudiar sus efectos.

Variable dependiente
La conducta que se ver influida por la variable independiente porque sus valores dependern de los que hayamos
elegido para la variable independiente.
Los criterios para elegir una variable dependiente son; sensibilidad, validez y fiabildad.

Variables controladas
Toda variable, distinta a la independiente, de la que se tenga fundada sospecha de que pueda influir en la variable
dependiente, debe de ser inmediatamente detenida y puesta bajo control.
Constancia de las condiciones; para controlar las variables se pueden eliminar, hacer que todas las posibles
variables que el investigador no manipula aparezcan con el mismo nivel.
Grupos equilibrados; se pueden incluir en los grupos del experimento sujetos con distintos niveles en estas
variables, pero de forma en todos los grupos haya sujetos de todos los tipos.

Variable extraa
Cualquier elemento que produzca variaciones en la variable dependiente y que no sea la variable independiente o las
variables controladas.
Variables enmascaradas; variable extraa que vara al mismo tiempo que las variables independientes y que
influye en la misma direccin sobre la variable dependiente.

Cuando el investigador no controla la variable extraa se produce la confusin o el efecto de confundido. 3 tipos;
Espuriedad; la variable extraa rompe la relacin entre la VI y la VD
Interaccin de la VI con la variable moderadora;
V.Extraa sistemtica (Variable enmascarada); modulan y median la interaccin VI-VD.
Interaccin irregular; se matiza la posible relacin causal por una tercera variable que altera la relacin en
determinados niveles de esta tercera variable.

Tcnicas de control en la situacin experimental de tipo I / Diseos intergrupos

En estos diseos se forman grupos a los que se asigna respectivamente distintos tratamientos (a cada grupo uno distinto)

Eliminacin. Consiste en suprimir todos los factores considerados variables contaminadores. Dificultad; generalizar los
resultados.
Constancia. Asignar a los distintos grupos experimentales valores de la variable extraa matemticamente iguales (mismo
nmero de mujeres que de hombres).
Balanceo o equiparacin. Variante de la constancia que consiste en asignar a cada grupo experimental los valores de las
variables contaminadoras en la misma proporcin (misma proporcin hombres/mujeres).
Fluctuacin aleatoria. El experimentador deja fluctuar aleatoriamente las variables contaminadoras, y sus distintos
valores, de forma que sus efectos se distribuyan tambin aleatoriamente entre los grupos experimentales. Neutraliza las
variables extraas desconocidas.

Tcnicas de control en la situacin experimental de tipo II / Diseos intragrupo

Todos los tratamientos se aplican al mismo grupo de sujetos, con lo que el problema de las diferencias individuales est
resuelto. En estos diseos cada sujeto es control de s mismo. El diseo de medidas repetidas debe utilizarse cuando las
diferencias individuales no pueden afectar a la variable estudiada.

Euiponderacin intrasujetos (ABBA) Consigue que el error progresivo se equipondere dentro de cada sujeto.
Equiponderacin intersujetos. Cada secuencia es asignada a un sujeto o grupo de sujetos distinto; mtodo ABBA o
contrabalanceo, equiponderacin total o contrabalanceo completo, parcial o incompleto y aleatoria total.

Relaciones causales

Los experimentos tratan de averiguar si determinadas afirmaciones son correctas (afirmaciones que son relaciones causales
tentativas entre variables) Tres son los requisitos para poder establecer relaciones causales;
1) Anteceder. Los valores de la variable independiente se deben producir antes de observar los valores de la variable
dependiente.
2) Covariar. Las variaciones en los niveles de la variable dependiente deben coincidir sistemticamente con los cambios en
la variable independiente. Deben variar al mismo tiempo.
3) Descartar causas alternativas. Debemos poder descartar que existe que cambia al tiempo que lo hace la independiente
y pudiera explicar los cambios observados.
 Tema 23. Etapas en la investigacin
Ione Esquer Terrazas

Fuentes especiales de error

Expectativas del experimentador. Reflejan una cierta influencia del experimentador que lo ha llevado a cabo.
Efecto Rosenthal; expectativas del experimentador. De hecho uno de los problemas que presenta la experimentacin en el
mbito clnico es el control de las expectativas del experimentador.

Prdidas de sujetos. Se habla de prdida no aleatoria o sesgo de atricin cuando los sujetos se pierden por alguna razn
conectada con la condicin a la que han sido asignados.

Regresin a la media. Tendencia de los datos extremos a volver hacia la media, cuando se repiten las mediciones.

Propiedades que se deben exigir a los experimentos

Fiabilidad. Que al repetir el experimento se obtengan los mismos resultados.

Sensibilidad. Los experimentos han de ser sensibles a los efectos de los cambios en los niveles de la V.
Validez interna. Si podemos asegurar que las diferencias encontradas no se deben a otras causas distintas de la variable
independiente. Es el grado de seguridad con el que podemos establecer la causa de las variaciones.
Validez externa. El poder de generalizacin de los resultados obtenidos. La validez externa puede verse afectada por el
nivel de operativizacin de las variables, la seleccin de los niveles de la variable independiente y la actitud de los sujetos.
o Validez ecolgica; las conductas de los sujetos pueden no llegar a tener nada que ver con los contextos naturales, a
pesar de que en la mente del investigador exista un isomorfismo estructural o lgico entre las tareas de laboratorio
y las cotidianas (interaccin entre el contexto y el tratamiento).

Fases del mtodo cientfico
1. Identificacin y formulacin del
problema.
Ato; relacin entre dos o ms
conceptos.
2. Formulacin de la hiptesis o
solucin tentativa.
Hiptesis; anticipacin de una ley
explicativa del problema. Plantea
posible relacin entre variables.
Cientifica; adecuada,
consistente y compatible.
Estadstica; exclusivas y
exhaustivas.
Nula H0. Si se rechaza, el
error debe de ser
pequeo. Error tipo I.
Alternativa H1. Se acepta
si se rechaza H0.
3. Recopilacin o recogida de datos.
Si se observa en el marco
natural; correlaciones,
diferenciales y
observacionales.
Si se interviene; experimental.
4. Anlisis de los datos y contraste de
los resultados con la hiptesis
usando tcnicas estadsticas.
5. Conclusiones y generalizacin de
los resultados.
Ione Esquer. Diseos
INVESTIGACIN CIENTFICA EN PSICOLOGA
Tipos de mtodos El informe de investigacin
Atendiendo al modo de recopilacin de datos A. Marco conceptual
Introduccin- justificacin / objetivos de la investigacin /
Observacionales o correlacinales .No se altera su naturaleza. revisin de aportaciones previas e hiptesis.
Contigidad temporal de la VI-VD. B. Marco metodolgico
Experimentales; se provocan los fenmenos Variables implicadas / mtodo / poblacin muestra /
instrumentos / recogida de datos.
Atendiendo al modo de inferir conclusiones C. Resultados
D. Discusin y conclusiones
Deductivos; conclusiones derivadas de las premisas vlidas. De lo
general a lo particular.
Inductivos; conclusiones con cierta probabilidad de ser verdaderas.
De lo particular a lo general. Ppos del diseo experimental Validez de la experimentacin
Hipottico-deductivo; ofrecer hiptesis explicativas de los fenmenos
y confirmarlas Aleatorizacin Validez terica. Problemas y
Asignacin al azar a las soluciones derivadas de teoras
Atendiendo al grado de manipulacin observaciones de todas las bien establecidas.
variables no controladas.
Mtodo experimental; manipulacin VI (intencional) Aleatorizacin. Validez interna. Garantiza que
Mtodo cuasiexperimental; manipulacin VI (seleccin) No Replicacin del experimento los cambios producidos en la
aleatorizacin. Repetir cada observacin y repetir VD se deben solo a la VI.
Mtodo no experimental; no manipulacin VI y no aleatorizacin. el experimento.
Validez externa. Grado de
Atendiendo al grado de control Bloqueo confianza con que una relacin
Variable q. se introduce dentro entre VD y VI es representativa
Mtodo experimental; control de la VI, y anulacin de V.Extraas. del experimento produciendo un y puede generalizarse a otros o
Mtodo cuasiexperimental; se controlan los niveles de la VI. Pero no efecto sobre la VD q.no es de contextos o poblaciones.
las varia.extraas. Mtodo comparado o comperativo; 2 tipos; inters.
correlaciones y comparativos. Validez conclusin estadstica.
Variables de confundido; Potencia del contraste y
Mtodo no experimental; mtodo correlacional o diferencial, y
mtodo natural u observacional. Control minimino; Serendipity enmascaran o distorsionan el tamao del efecto.
(observacin casual). efecto q. produce la VI sobre la
VD. Validez de constructo. Relacin
Sensibilidad de la investigacin; entre VI (causa) y VD (efecto).
Diseos de investigacin
determinar la p.del efecto, si el Inferencias q. se hacen acerca
efecto del tratamiento (VI) de fenmenos no observables.
Mtodo transversal (una nica ocasin) o mtodo longitudinal (varias
puede detectarse mediante una Amenazas; falta definicin
ocasiones)
prueba estadstica. construc. tericos.
 Ione Esquer. Diseos

EL DISEO EXPERIMENTAL

Varianza total Variabilidad del conjunto de datos de un experimento que es producida por todos los factores que han influido sobre los datos.

Varianza sistemtica. Primaria o intergrupo; influida por la VI . Hay que maximizarla. Secundaria; variables contaminadoras o extraas; controlarlas.
Varianza error. Intragrupo. Fuentes aleatorias. Hay que minimizarla.

Principio de Kerlinger

MAXimizar la varianza primaria, MINimizar varianza de error y CONtrolar la varianza secundaria.

Maximizar varianza primaria o intergrupo. Mejor para incrementar efecto de VI; valores intermedios.
Minimizacin de la varianza de error. Instrumentos de medida, diferencias individuales, instrucciones, experimentador e incremento tamao grupo.
Control de la varianza sistemtica secundaria. Se produce por potenciales fuentes de variacin extraas al experimento. Variables de sujeto, apsectos
ambientales y procedimientos experimentales.

Validez de diseo Sesgos en comparaciones pre post (intrasujetos)

Campbell y Stanley Asociadas al tiempo; efecto de la historia y de la maduracin.
Asociados a la medicin; instrumentacin y administracin.
Amenazas
Asociados a la seleccin; regresin estadstica y mortandad experimental.
Validez interna. Influencia de la VI sobre la VD. Minimizar la varianza sistemtica
secundaria, mediante el control riguroso de las variables extraas. Sesgos en comparaciones de grupo (Intersujetos)
Seleccin diferencial, interacciones con seleccin y ambigedad de la direccin causa efecto.

Amenazas
Validez externa. Grado de confianza con que se pueden generalizar los resultados Representatividad de la muestra de sujeto (mejor si muestreo aleatorio) representatividad
o las conclusiones. Mejor si la muestra es representativa. de los valores /niveles de la VI y efectos reactivos

Validez de constructo. Grado de confianza con que podemos establecer
generalizaciones a constructos de orden superior. Cuanto mayor rigor (validez
interna) menor generalizacin (validez externa). Se recomienda primar la validez
interna sobre la externa.
Amenazas Sesgos de reactividad; ante la observacin. La adivinacin de hiptesis;
Efecto Hawthorne; sesgo del sujeto por sentirse observado. Situacion experimental.
Efecto Rosenthal; conseguir datos que confirmen sus hiptesis.

Validez de conclusin estadstica . Cook y Campbell. Grado de significacin estadstica de la relacin entre VD y la VD

Error tipo I (alfa) Afirmar que hay relacin cuando no la hay. Nivel significacin. Rechazo H 0 (nula) cuando es verdadera.
Nivel de confianza. Probabilidad de acertar cuando no se rechaza Ho que es cierta ( 1 alfa).
Error tipo II. No detectar una relacin que si existe. (b, beta) Aceptar H 0 (nula) cuando es falsa.
Potencia. Capacidad para detectar una relacin entre variables. (1-b)
Tamao del efecto. Depende de la intensidad de la relacin.

Tipos de variables
Variables en el experimento
Toda experimentacin estudia VI, y VD.
Constructo ; conductas cuantificables
asociadas a conceptos tericos.
Variable ; constructo q. puede ser
medido.
Clasificacin de las variables
Independientes; experimental, la q.se
manipula
Dependiente; en la que se observan los
cambios. La que se mide.
Extraa; variable no controlad
Relevantes; tienen efecto.relevante
sobre la VD
Asignadas; no se elijen aleatoriament.
(personalidad)
Activas; se puede asignar
aleatoriamente.
Clasificacin de variables de McGuigan;
estimulos, respuesta, organismica y
entermediarias.
Clasificacin devariables de Underwood;
ambientales, instruccionales, tarea y suj.
Segn el nivel de medida
Cualitativas; nominal, ordinal
politomica (estadio enfermedad)
ordinal dicotmica (vivo-fallecido).
Cuantitativa; continua (altura) discreta
(n hijos).
Ione Esquer. Diseos
LAS VARIABLES y EL CONTROL EXPERIMENTAL
Intervencin sobre la variable
Dependiente Segn el nmero de VD. Univariados; una conducta o VD. Multivariados; ms de una VD.
Indicadores estandarizados de medida. McGuigan; ocurrencia, exactitud, latencia, velocidad, frecuencia, habilidad e
intensidad.
Criterios para medir la VD. Los ndices deben de poseer; validez (mide lo que tiene que medir), fiabilidad (grado en el
que mide) y sensibilidad ante la VI (capacidad de detectar variaciones. Efecto techo; valor por encima del cual VD
modifica su valor. Efecto suelo; por debajo del cual no cambio su valor).
Independiente Segn el nmero de variables.Unifactorial; si se empela una sola variable. Factorial; influencia de 2 o ms variables.
Seleccionar y definir las variables independientes. Se tendrn que operativizar, hay que asignarles contenidos
cuantificables.
Manipulacin de la variable independiente. Asignacin de los valores de la variable, determinando tanto el nmero
de valores, como la naturaleza de dichos valores.
Extraas Variables extraas. A la hora de actuar sobre las VI se habla de manipulacin, cuando se tratan las variables extraas
el trmino es control (eliminndolo o mantenindolo constante).
Fuentes de contaminacin; los sujetos del experimento, el experimentador (Efecto rosenthal; influencia del
experimentador sobre el estudio) el material, el ambiente, el error progresivo debido a la fatiga o la prctica.
Tcnicas de control experimental. Son a priori (las de control estadstico son a posteriori)
Tipo I ; intergrupo
Eliminacin; eliminar los valores de la variable contaminadora, menos una.
Aleatorizacin; si N es grande, con variables extraas desconocidas. Dejar al azar la fluctuacin.
Constancia; asignar valores de la variable extraa matemticamente iguales.
Balanceo o equiparacin. Asignar valores de las variables contaminadoras en la misma proporcin.
Tipor II; Intragrupo
Mtodos de equiponderacin o contrabalanceo. Distribucin equitativa de la cuantia de error progresivo. Para
controlar los efectos de orden. (Intrasujetos; se controla en cada individuo, Intersujetos; en el grupo).
Asociados al diseo experimental
Bloqueo de variables relevantes; neutralizar una variable contaminadora (variable bloqueo) formando grupos
homogneos de suj, en funcin de alguna variable relevante.
Apareamiento o emparejamiento; variante de la anterior, pero cada bloqueo lo forman nicamente aquellos
suj. q han obtenido la = puntuacin en la variable de apareamiento.
Tcnicas de simple y doble ciego; Simple ciego, sujetos desconocen todo (adivinacin hiptesis; amenaza
validez constructo) Doble ciego; los investigadores y sujetos desconocen el proposito (efec.rosenthal).
 Tema 24. Diseos experimentales con grupos de sujetos distintos
Ione Esquer Terrazas

- Diseos experimentales con grupos de sujetos distintos-

Un diseo experimental es un plan, estructura o estrategia que se adopta para el estudio preciso de un fenmeno psicolgico.
ONeil; es un modelo particular de variacin y constancia.

Diseo de grupos aleatorios

Si los sujetos son asignados al azar a cada uno de los grupos. La asignacin aleatoria no consigue cambiar la representatividad de
los participantes pero consigue controlar, por equilibrado, las variables extraas que estn presentes en los sujetos. Adems
permite una buena generalizacin de los resultados y una ayuda a la validez interna.
Grupo experimental (GE); aquel al que se aplica el tratamiento.
Grupo control (GC); es el grupo cuyo comportamiento nos sirve como punto de referencia, como lnea base.

Diseos de grupos aleatorios con bloques

Estos diseos estn indicados cuando la asignacin aleatoria puede no ser suficiente para asegurar que las variables extraas
estn controladas mediante el equilibrado. Uso cuando los grupos son pequeos.

El caso de varios sujetos por nivel y bloque. Medir a los sujetos en la variable extraa a controlar, realizar agrupaciones
de sujetos (bloques) con similares valores en la variable extraa (la que se bloquea) y asignar al azar a los sujetos de
cada bloque a cada uno de los grupos del experimento.
A esta tcnica de control para conseguir grupo emparejados se la conoce con el nombre de bloqueo. Es ms efectiva en
grupos pequeos.

El caso de un sujeto por nivel y bloque. Puede darse el caso en que en cada bloque solo haya tantos sujetos como
condiciones en el experimento.

El caso de la camada. Una pareja de gemelos forman el bloque natural ms perfecto de la naturaleza
El caso de gemelos sera un ejemplo de Grupos equiparados, caso especial de diseos por bloque. Los sujetos no son
similares, sino que son idnticos. En este caso, la VB, se llama variable de apareo o de equiparacin. Cada bloque est
formado por sujetos con identifica puntuacin en la variable apareada.

Diseo Solomon

Finalidad; subsanar los problemas de validez interna. El resultado es una mejora en la validez externa sin renunciar a la validez
interna.
Se utiliza en metodologa experimental cuando se quiere controlar el efecto de la medida pre tratamiento. Tiene como finalidad
controlar explcitamente la interaccin de la medida pre tratamiento con la VI.

Diseos especiales

Control por placebo. Para controlarlo en lugar de pretender eliminarlo hacemos que aparezca en el grupo experimental
y en el control. Es un grupo que no recibe tratamiento pero que se opera con l como si lo recibiese.
Efecto nocebo; hace referencia a las reacciones adversas asociadas con sustancias inertes. Los efectos
psicolgicos negativos que pueden acompaar a tratamiento medicamentosos seran un efecto nocebo.

Caso de doble ciego.

Diseo ciego; es aquel en el que los sujetos no saben si su condicin es la de tratamiento o es la placebo.
Diseo doble ciego; es aquel en el que el experimentador tampoco conoce qu condicin est administrando a
los sujetos.

Asignacin de grupos frente a asignacin de sujetos

Se asignarn a las condiciones experimentales grupos enteros de sujetos que ya estaban creados antes de que interviniera el
experimentador.
 Tema 25. Diseos experimentales con los mismos sujetos
Ione Esquer Terrazas

- Diseos experimentales con los mismos sujetos-

En los diseos de replicacin intrasujetos el muestro de las unidades de tiempo que van a servir para tomar las observaciones o
registros es un problema bsico, pues una seleccin errnea puede desvirtuar los resultados.

Efectos distorsionantes en los diseos intra-sujeto

a) Para ser controlados antes de realizar el experimento

Los siguientes efectos son variables extraas que amenazan la validez interna;
Efecto del aprendizaje
Efecto de la fatiga; el rendimiento puede disminuir por efecto del cansancio
Error progresivo; producido por el aprendizaje y fatiga de los sujetos
Efecto de la motivacin

b) Para ser controlados durante la realizacin del experimento

Efecto de la prctica o efecto del orden de aplicacin
La forma de controlar esta variable es hacer que todos los niveles de la variable independiente aparezcan
presentados en todos los rdenes posibles. No es el orden el que produce el efecto sino la cantidad de prctica
que se lleva hecha antes de una presentacin determinada.
Efecto de persistencia
No podemos asegurar que cuando se aplica un nivel de la variable se haya extinguido por completo el efecto del
nivel aplicado anteriormente.
Cuando sospechamos que los efectos de un tratamiento persistente a lo largo del tiempo, debemos establecer
perodos de extincin entre un tratamiento y el siguiente, y debemos estudiar su influencia.

Tcnicas de control del efecto de la prctica en los diseos intra-sujeto

Control mediante aleatorizacin

Se puede utilizar una aleatorizacin simple del orden de presentacin de los niveles de la variable independiente.
La estrategia de aleatorizacin por bloques se utiliza cuando la lista de tareas experimentales a aplicar es corta.

Reequilibrado. Esta tcnica repite los tratamientos experimentales de tal forma que primero se presentan en un orden y
despus en el inverso.
Hablamos de diseos intra-sujeto completos cuando el investigador aplica la secuencia ABBA a todos los sujetos, el
control del orden de presentacin se hace para cada sujeto.
Hablamos de diseos intra-sujetos incompletos cuando los tratamientos se aplican en un orden AB a un grupo y en el
otro orden BA al otro, el control del orden se hace para el conjunto de la muestra.

Diseo de cuadro latino. Los diseo s de cuadrad latino nos permite el control, establecer la cuanta del efecto de la prctica
y eliminarlo en el anlisis.
 Tema 26. Diseos factoriales
Ione Esquer Terrazas

- Diseos factoriales-

Caractersticas de los diseos factoriales

Diseos factoriales; cuando se estudian simultneamente dos o ms variables independientes y cuando los niveles de las
variables independientes se presentan combinados.
La ventaja esencial de un diseo factorial sobre uno que no lo sea es la posibilidad de examinar la interaccin.

Unifactorial; cuando se estudia una nica VI.

Si el diseo alcanza a todos los niveles de todas las variables se dice que es un diseo factorial completo.
Si una variable tuviera 4 niveles y la otra 5, la forma de representar su combinacin factorial sera 4X5. Dando lugar a 20
tratamientos o condiciones experimentales.

Se considera que el modelo es equilibrado (balanceado) cuando el nmero de observaciones para cada nivel del facto es
siempre el mismo.

Efectos simples a los resultados producidos desde el punto de vista de la primera variable independiente condicionados por los
niveles de la segunda variables.
a) Si son paralelos; no hay interaccin entre las variables independientes al actuar con la variable dependiente.
Hay paralelismo si las rectas tienen la misma pendiente.
Las lneas son paralelas cuando los perfiles de las lneas quebradas son iguales.
b) Si no son paralelas las lneas hay interaccin entre las variables independientes al actuar sobre la dependiente.
Diremos que hay un efecto de interaccin.
En la interaccin ordinal las lneas estn unas encima de las otras, sin juntarse.
En la interaccin no ordinal, las lneas se juntan al cruzarse.

Si no existe interaccin debemos proceder a continuar el estudio de los efectos principales. Si existe relacin, debemos
detenernos en su estudio y no sacar conclusiones sobre los efectos principales. El efecto principal de la variable independiente
es el efecto que produce una variable independiente sobre la dependiente, evaluado a travs de los promedios en sus niveles.

Casos especiales de interaccin

Aquellos en los que, tanto grfica como numricamente, aparece interaccin y sin embargo no es posible explicarla
tericamente. Estas interacciones se han producido por restricciones en el rango de medida de la VD.

Efecto techo; se producen resultados con apariencia de interaccin, cuando en uno de los niveles se alcanza el mximo y
no es posible registrar niveles superiores.

Efecto suelo; se producen resultados con apariencia de interaccin, cuando en uno de los niveles se alcanza el mnimo y
no es posible registrar niveles inferiores.
 Tema 27. Diseos experimentales de caso nico
Ione Esquer Terrazas

- Diseos experimentales de caso nico-

Es una aproximacin centrada en el individuo. Supone que si un fenmeno es lo suficientemente bsico se tendr que
producir de forma similar en el resto de los individuos.
Describe de forma detallada las caractersticas de un individuo en condiciones especiales.
Normalmente se realiza sin controles
No permite establecer relaciones ni generalizaciones.
Uso adecuado cuando la investigacin es sobre procesos muy bsicos o con clara base biolgica.
Su nivel de generalizaciones bajo.

Caractersticas de los diseos experimentales de N=1

Para poder contrastar un hiptesis causal ha de cumplirse; que anteceda, que covarien y que sean descartadas otras
explicaciones. Si se cumplen estas condiciones se pueden establecer relaciones de causalidad.

Fases en la experimentacin de caso nico

1) Establecer la lnea base; el conjunto de observaciones dentro de una condicin se denomina serie. La serie registrada
antes de la intervencin se denomina lnea base. Se considera la lnea base como la tasa de respuestas antes de la
aplicacin del tratamiento.

2) Aplicar la intervencin; puede ser puntual, uniforme o gradual.

3) Interpretar los resultados; adems del criterio de significacin estadstica, se defiende la existencia de la;
Significacin clnica; donde es el terapeuta el que decide cuando el cambio es relevante.
Significacin subjetiva; donde es el cliente el que transmite cuales son las expectativas que harn que su
conducta se considere aceptable.
Significacin social; donde el patrn para evaluar el cambio se establece con arreglo a lo que se admite que es
el comportamiento de los sujetos normales

Tipos de diseo de caso nico

Diseo AB
Se designa con la letra A a las fases sin tratamiento y la letra B a las fases con tratamiento. Si hay una variable enmascarada.
No lo podemos comprobar. Al experimento le faltar validez interna.

Diseo ABAB
Los diseos BAB y ABA se pueden considerar como aplicaciones parciales del ABAB.
El caso BAB se puede dar en situaciones en las que es necesario una intervencin inmediata sin poder esperar a
establecer una lnea base.
El caso ABA es menos frecuente porque el diseo acaba en una fase sin tratamiento.
Estos diseos se denominan de vuelta atrs, retirada o inversin debido a que despus de una fase de tratamiento se vuelve
a la situacin interior.
Nos permiten conocer la influencia de variables enmascaradas.

Diseos de lnea base mltiple

Se consideran una extensin de los diseos A porque solventan el problema de la imposibilidad de la vuelta atrs.
Se pueden utilizar cuando se dan las siguientes caractersticas;
Independencia de las conductas seleccionadas
Similar sensibilidad de las conductas seleccionadas. Ambas sern receptivas de igual forma al tratamiento.

Tres tipos de diseo;

Varios registros del mismo individuo en diferentes condiciones
Diferentes variables del mismo individuo en una sola condicin
Varios individuos observados en la misma variable y condicin.

Validez y limitaciones de los diseos de N=1

Validez interna. Depende de la correcta aplicacin del mtodo; del control que permita asignar los cambios de la variable
dependeinte a la independiente.
Interaccin sujeto x tratamiento; un sujeto particular puede reaccionar de una forma especial al tipo de tratamiento que le
estn aplicando.

Validez externa. Se ve amenazada ya que una sola persona no conforma una muestra representativa. A pesar de esto
podemos decir que el sujeto del experimento suele representar bastante bien a los sujetos con el mismo sndrome.
Los diseos N=1 no estn indicados cuando es factible aplicar diseo de grupos o cuando la variabilidad de la conducta en la
lnea base es muy grande, cuando se necesite un informa sobre la eficacia con el objeto de utilizarlo de forma generalizada
en instituciones y cuando hay que hacer estudios comparativos sobre la eficacia.
 Tema 28. Diseos cuasi-experimentales
Ione Esquer Terrazas

- Diseos cuasi-experimentales-

Los diseos cuasiexperimentales aparecen como una solucin de compromiso dentro de los conflictos entre la validez
interna y validez externa.
Estos diseos tienen una gran semejanza con los experimentales pero tienen dificultades para alcanzar las condiciones
necesarias para el establecimiento de una relacin causal entre las variables independientes y dependiente.
Diremos que hay experimentacin verdadera cuando el experimentador no puede asignar los sujetos al azar a cada una
de las condiciones experimentales y/o los niveles de la variable independiente no son condiciones manipuladas por el
investigador, sino que son caractersticas que poseen los sujetos antes de comenzar la investigacin.
Los anlogos clnicos son por tanto propios de la investigacin cuasi experimental.

Diseo pre-post

Diseo pre-post con un solo grupo. Presenta grandes amenazas a la validez.

Diseo pre-post con grupo de cuasi control. Se introduce en la investigacin a un grupo control. El grupo control se
considera no equivalente.
Diseo pre-post con cuasi control en una segunda variable dependiente. La lgica de este diseo es similar a la lgica del
diseo con un solo sujeto de lnea base mltiple. Ambos diseos se basan en que si un tratamiento puede modificar dos
conductas, al aplicar a una s y a la otra no, podemos esperar que una cambie y la otra no lo haga.
Diseo pre-post con cuasi control en una cohorte anterior. (o ciclo institucional) El grupo control lo debe formar una
cohorte determinada.
Diseos con observaciones solo post. Grupo de sujetos ya era superior antes de aplicarle el tratamiento. La amenaza est
en la seleccin.

Diseos de serie temporal interrumpida

Diseo simple de serie temporal interrumpida. Siguen la misma lgica de los diseos experimentales con un sujeto,
aplicada a grupos de sujetos. Se dispone de una serie de puntuaciones de un grupo de sujetos a lo largo de una serie de
momentos y en algn momento se introduce un tratamiento.
Si el tratamiento es efectivo son de esperar signos de interrupcin en la serie, y por tanto, cambios de la fase pre a la fase
post.
Diseo de serie temporal interrumpida con grupo de cuasi control. Mejor respecto al anterior ya que nos permite tener
mayor certeza de que los cambios habidos entre el pretest y el postest son debidos a nuestro tratamiento y no a ninguna
otra variable.
Diseo de serie temporal interrumpida con un grupo y dos variables dependientes. Sigue el mismo esquema que el diseo
pre-post con cuasi control en una segunda variable dependiente. Gana en control al poder estudiar la estabilidad de la
conducta de los sujetos tiempo antes de la intervencin y tiempo despus.

Diseo de discontinuidad en la regresin

Hacemos una divisin en los sujetos en dos subgrupos atendiendo a las puntuaciones pre.
A este estudio de las diferencias de pronsticos en el retorno al punto de clasificacin se le denomina anlisis de la
discontinuidad en la regresin.

Valoracin de programas

Actividad profesional que consiste en la sistemtica investigacin del mrito, valor o xito de concretos tratamientos,
intervenciones o programas llevados a cabo con el fin de producir cambios comportamentales en el contexto social.

Validez

Validez interna
Campbell, Stanley y Cook, sealan que en los diseos cuasi experimentales aparecen amenazas potenciales a la
validez interna como son; el efecto de la historia del sujeto, la maduracin, la adaptacin de los sujetos a las pruebas,
la instrumentacin, la regresin a la media, la seleccin de las muestras en funcin de sus caractersticas con respecto
a la variable independiente, prdidas no aleatorias de sujetos o mortalidad selectiva.
El transcurso del tiempo puede hacer que los instrumentos utilizados en las diferentes mediciones de la variable
dependiente no sean exactamente los mismos.
El efecto de la regresin a la media era ms probable que ocurriera cuando se seleccionaba a los sujetos por
puntuaciones extremas en alguna variable.
La prdida no aleatoria de sujetos aumenta su probabilidad en investigaciones cuasiexperimentales.

Validez externa
Para garantizar la validez externa adems de tener en cuenta la artificialidad de la situacin experimental es
conveniente maximizar la representatividad de la muestra.
El efecto de la muestra es uno de los factores que disminuyen la validez externa en los diseos cuasiexperimentales.

Causacin y cuasi experimentos

Los diseos experimentales tienen un mayor grado de seguridad de la existencia del nexo causal.
 Tema 29. Diseos ex post facto
Ione Esquer Terrazas

- Diseos ex post facto

Diseos ex post facto

a) Hablamos de diseos ex post facto retrospectivos cuando el investigador se encuentra con que ya ha ocurrido el proceso
causal (causas y sus consecuencias). En este caso el investigador slo puede trata de reconstruir los hechos.
b) Hablamos de diseos ex post factor prospectivos en situaciones en las que la expresin ex post factor se aplica slo a las
variables independientes. En este caso las causas estn en marcha, pero todava no ha habido desenlace.

Diseos ex post facto retrospectivos

Esta estrategia consiste en medir la variable dependiente y despus buscar hacia atrs posibles explicaciones de la misma, es
decir, medimos las posibles variables independientes.

Diseo retrospectivo simple. Slo podemos tratar de reconstruir lo acontecido. Slo se pueden observar coincidencias y el
diseo es muy dbil para poder descartar otras explicaciones.

Diseo retrospectivo con grupo cuasi control. En este diseo se localizad un grupo de personas, grupo calve, que poseen el
mismo valor en la variable que queremos investigar (variable dependiente).
A continuacin, localizamos a un grupo de personas, grupo cuasi control, que no posean ese valor en la variable
dependiente, pero que sea lo ms parecido posible al grupo clave en todas aquellas variables que al investigador le interesa
controlar.

Diseo retrospectivo de grupo nico. En este diseo se miden la variable dependiente y las potenciales variables
independientes en un nico grupo procurando que este sea lo ms representativo posible de la poblacin bajo estudio. En
este diseo la variable dependiente toma ms de un nico valor.

Diseos ex post factor prospectivos

Las variables independientes ya han tomado sus valores pero est todava pendiente en desenlace del fenmeno que al
investigador le interesa estudiar, la variable dependiente.
Ahora empezamos buscando a personas que se parezcan entre s por poseer determinados valores de la variable independiente.
A continuacin, estudiaremos esas personas en cuanto a su comportamiento en relacin a la variable dependiente.

Diseo prospectivo simple. Los investigadores no manipulan la variable independiente sino que seleccionan sujetos en
funcin de sus caractersticas relativas a dicha variables. Si los grupos son pequeos, la representatividad se ve limitada. El
alta la probabilidad de que se d un sesgo de seleccin.

Diseo prospectivo factorial. En este diseo se estudia el influjo de dos o ms variables independientes sobre una
dependiente.

Diseo prospectivo de grupo nico. En este diseo mediremos a muchos sujetos de tal forma que todos los valores posibles
de las variables independientes estn bien representadas en la muestra.

Diseo prospectivo con ms de un eslabn causal. Necesitamos contar con un modelo terico que determine claramente
qu posibles relaciones, directas e indirectas, se espera encontrar entre las variables independientes y la dependiente.

El mtodo clnico y los diseos evolutivos

Mtodo clnico. Las hiptesis que se contrastan en estas investigaciones suelen ser de tipo evolutivo, es decir, postulan la
edad como causante de cambios.

Los diseos evolutivos. Todo aquel diseo en el que la edad es considerada como variable independiente

Diseo evolutivo transversal; las comparaciones respecto a la edad se realizan en el mismo momento temporal,
mediante grupos de sujetos distintos. Varias muestras de sujetos. La misma estructura que el diseo prospectivo.
Posible sesgo de seleccin.

Diseo evolutivo longitudinal; permite estudiar los efectos de la edad dentro de un esquema intra-sujeto controlado
las diferencias individuales. La misma muestra de sujetos a travs de todas las edades con medidas repetidas.
Efecto cohorte; los sujetos se comportaran de forma distinta ante la tarea experimental dependiendo del
ao en el que hubieran nacido y no tanto por la edad que tuvieran. Los resultados basados en una
generacin pueden no aplicarse a nios nacidos en otra poca.

Diseo evolutivo secuncialo time lag; se utiliza para estudiar el efecto de cohorte junto con el de edad. Consiste en
estudiar longitudinalmente varias cohortes. Se puede considerar un prospectivo complejo.
Schaie distingue entre secuenciales de cohorte, secuenciales de tiempo y secuenciales-transversales.
 Tema 29. Diseos ex post facto
Ione Esquer Terrazas

Validez en los diseos ex post facto

Tipo Modalidad Ventajas Problemas

nico posible en algunos No covariacin
Simple casos No antecesin VI, VD
No descarta; sesgo retrospectivo, posibles
enmascaramientos
Covariacin No antecesin VI, VD
Con cuasi Restringe sesgo Riesgo menor, pero no descarta; sesgo
Retrospectivo control retrospectivo retrospectivo, posibles enmascaramientos
Dificultad de encontrar sujetos emparejables
Covariacin No antecesin VI, VD
Grupo Restringe sesgo Riesgo menor, pero no descarga; sesgo
nico retrospectivo retrospectivo, posibles enmascaramientos
Mayor validez externa Dificultad de encontrar muestra grande y adecuada
Diferencias Baja validez externa
Simple Antecesin VI, VD No descarta sesgo de seleccin
Elimina sesgo retrospectivo
Acoplable a experimento
Diferencias Baja validez externa
Factorial Antecesin VI, VD Riesgo menor, pero no descarta sesgo de seleccin
Elimina sesgo retrospectivo Difcil con ms de dos VIs
Acoplable a experimento
Covariacin Riesgo menor, pero no descarta enmascaramiento
Prospectivo
Prediccin sujeto a sujeto Dificultad de encontrar muestra grande y adecuada
Grupo Antecesin VI, VD Relaciones entre las Vis
nico Elimina sesgo retrospectivo
Mayor validez externa
Muchas VIs
Covariacin; efectos Riesgo menor pero no descarta enmascaramiento
Ms de un directos e indirectos Dificultad de encontrar muestra grande y adecuada
eslabn Antecesin VI, VD en cadena Exige modelo terico previo
causal Elimina sesgo retrospectivo
Mayor validez externa
Contrasta todo el modelo
 Tema 30. Clasificacin de diseo y amenazas a la validez
Ione Esquer Terrazas

- Clasificacin de diseo y amenazas a la validez-

Clasificacin de diseos por grado de control y tipo de manipulacin

En funcin del grado de control tendramos

Experimental. Podramos hablar claramente de una causalidad.

Comparativo o comparado (tambin llamado correlacional) No podramos hablar de causalidad;
Correlacional; no diferencia VI de VD, se estudia si dos variables van en la misma direccin. No causalidad.
Propiamente comparativo; diferencia VI de VD. No se puede hablar de causalidad pura. Sino de cuasi
causalidad.
Observacional y de encuestas. Diseo de control mnimo, no se puede hablar de causalidad.
Observacional, natural o descriptivo; observacin sistemtica, intencin previa de observar y registrar.
Serendipity; observacin no cientfica pero que da lugar a investigacin.

En funcin del grado de manipulacin de las variables tendramos

Experimental. Manipulacin intencional y aleatorizacin de las variables independientes. Permite la asignacin

aleatoria de valores a sujetos. La tcnica de aleatorizacin es una condicin imprescindible para poder aplicar
pruebas de significacin.
Cuasi-experimental; manipulacin de seleccin o asignacin, sin aleatorizacin de las Vis. Nos permite seleccionar la
VI y los valores de la VI. Pero al no poder hacer la asignacin aleatoria de valores a sujetos, ya no podemos hablar de
causalidad. (Ej; poblacin de sujetos con depresin)
El mtodo experimental y el mtodo correlacional se diferenciaran en el grado de manipulacin de las variables.
No experimental; el investigador no cambia las variables.

Amenazas a la validez interna, externa y de constructo

Validez interna; supone la influencia inequvoca de la VI sobre la VD. Los factores que la amenazan son segn Anguera;

Sesgos en comparaciones pre-post (intrasujetos)

a) Cambios que afectan a los sujetos entre sesin y sesin. Sobre todo en investigaciones longitudinales;
Historia; factores externos. Acontecimientos ajenos a las variables experimentales que pueden
producirse durante la realizacin del experimento.
Maduracin; factores internos.

b) En la medicin;
Instrumentacin; errores de medida. Cambios en el calibrado o cambios en los observadores.
Administracin de test o medida reactiva; con nuestros tests y preguntas estamos realizando una
manipulacin que puede tener efectos sobre esos sujetos, y lo asociamos a la VI cuando en realidad
est asociado con nuestras medidas.

c) En la seleccin;
Regresin estadstica; regresin a la media. Fenmeno asociado a medidas sucesivas. Ocurre cuando
se seleccionan a los grupos en funcin de las puntuaciones extremas en una variable.
Mortandad o mortalidad experimental o selectiva; desaparicin, por cualquier por cualquier tipo de
causa, de los sujetos.

Sesgos en comparaciones de grupos (intersujetos)

Seleccin diferencial; tenemos sujetos con caractersticas muy diferentes.

Interaccin con seleccin; cualquiera de los fenmenos anteriores pueden afectar diferencialmente a un grupo
con respecto al otro.
Ambigedad en la direccin causa efecto; efecto producido cuando la procedencia de la causa no es clara.

Validez externa
Generalizacin de las conclusiones, est ligada a la representatividad de los elementos integrados en el experimento. Tipos;
De la muestra a la poblacin; validez de poblacin.
De las condiciones de investigacin a la reales; validez ecolgica.
A lo largo del tiempo, a otros momentos histricos; validez histrica.

Factores que la amenazan;

Representatividad de la muestra de los sujetos; (v.poblacin); este requisito solo se puede cumplir con un muestreo
aleatorio.
Representatividad de los valores/niveles de la VI.
Efectos reactivos de;
Medidas pretratamiento y tratamientos sucesivos;
Artificialidad de la situacin experimental (v.ecolgica).
 Tema 30. Clasificacin de diseo y amenazas a la validez
Ione Esquer Terrazas

Validez de constructo
Es necesaria una correcta definicin operativa de las variables y el control de los sesgos de reactividad en las unidades de
medida de la respuesta.

Factores que la amenazan;

Operacionalizacin de los constructos; fallos a la hora de definir.

Sub-representacin; no se captan todas las dimensiones que tericamente incorpora el constructo.
Irrelevancias sobre aadidas al constructo; los indicadores incluyen aspectos no relevantes para el
constructo.

Sesgos de reactividad;
Interaccin entre tratamientos mltiples.
Efectos reactivos situacionales.
Adivinacin de hiptesis.
o Efecto Hawthorne; los sujetos adivinan la hiptesis e intentan demostrarla. Para evitarla, doble ciego.
Artefactos del sujeto; que no se comporta de forma natural.
o Efecto Orne; o caractersticas de la demanda. Adopcin de diferentes roles por parte del sujeto.
Artefactos del experimentador. Ej; Rosenthal. Para evitarlo; doble ciego.

Unifactoriales intergrupo
1. Diseos de grupos aleatorios
Dos grupos aleatorios. Se contrasta efecto
de una VI con 2 niveles (uno de los niveles
es cero o ausencia tratamiento) sobre una
VD.
Diseo multigrupo. Tres o ms valores de la
VI. Asignacion aleatoria
Diseo Solomon. Controlar la interaccin de
la medida pretratamiento con la VI
(controlar el efecto). 4 grupos; 2
experimentales y 2 control.
2. Diseos de bloques.
Muestras pequeas. Bloques creados a partir de
un criterio previo (la variable de bloqueo).
Diseos de bloques aleatorios. Una variable
de bloqueo.
Diseos de grupos apareados. La variable de
bloqueo hace de variable de apareamiento.
2bloques = con las = puntuaciones.
Diseos de cuadrado.Se bloquean ms de
una variable a la vez;
Cuadrado latino. 3 factores; el
tratamiento y 2 v.bloqueo.
Cuadrado grecolatino. 4 fac;
tratamiento y 3 v.bloqueo.
Ione Esquer. Diseos
DISEOS EXPERIMENTALES (1)
Unifactoriales intragrupo Diseos DISEOS FACTORIALES
jerarquicos o
La desigualdad entre los anidados Dos o ms factores (VIs) Diseo completo/ cruzado (tantos grupos como
grupos desaparece, pero posibilidades de formalos) vs incompleto / anidado ( jerarquico). Efecto de las
aparece el error progresivo, interacciones.
Dos niveles de
porque es un solo grupo. Factor= VI. Las categoras en las que se dividen los factores; niveles.
tratamiento.
Diseos intragrupo Diseos factoriales de grupos Diseos factoriales de medidas
Se aplica el 1 a tres
bivalentes. muestras y el 2 a independientes (Intergrupos / Tipo I) repetidas (Intragrupos / Tipo II)
otras tres.
2 condiciones a todos
Caractersticas de los Cuando las diferencias individuales
los sujetos de un mismo Se consigue que el dice.facto.intergrupos no pueden afectar a la variable
grupo. Alta v.interna, la factor grupo quede
externa no es muy estudiada.
dentro del El investigador divide a la muestra en
solida. tratamiento. tantos grupos como tratamientos tenga Diseos bifactoriales de
Diseos intragrupo
el experimento, asignando un medidas repetidas.
multivalentes.
tratamiento a cada uno de estos grupos.
2
2 , dos factores de dos niveles. El anlisis de los datos consiste
4 o ms condiciones
experimentales en un anlisis de la varianza.
Varianza intergrupo; influencia de
los tratamientos experimentales. Diseo bifactorial mixto.
Varianza intragrupo; mejor
estimacin del error Dos variables; una entre y otra
experimental. intra. Los niveles de la
primera variable, se asignan de
Tcnicas para reducir el tamao de los manera aleatoria entre los
diseos factoriales grupos de sujetos; mientras
q.los niveles de la segunda
Aumento n de factores, aumento tb de variable, se aplican a todos los
grupos de tratamiento. Tcnicas para suj.
obtener bloques mas pequeos;
Tcnica de confusin. Suprimir
interacciones de poca importancia.
Tcnica de replicacin fraccionada.
Una fraccin del diseo completo. 2x3. 2 VIs . Una con 2 otras
Diseo de parcela dividida. Se con 3 niveles. 6
sacrifica el efecto principal. tratamientos.
Diseo de bloques incompletos. 2x3x2. 3 VIs. Una con 2,
Diseos de cuadrado Youden; otra con 3 y otra con 2
dice.bloques+cuadrado latino niveles. 12 tratamientos.

DISEOS EXPERIMENTALES (2)
Diseos de caso nico N=1
Validez interna (relaciones VI-tratamiento y la VD-cambios
en los sntomas).
Procedimiento; establecimiento de lnea base (tasa de R
antes del tratamiento) ,introduccin tratamiento y registro
de la VD.
Se pueden establecer relaciones de causalidad. Nivel
generalizacin bajo.
Patrones de cambio. Cambios de nivel (discontinuidad) o
de tendencia (cambio en la pendiente).
Clasificacin
1. Intraseries. Cambios a travs de las series.
Modelo bsico (1 componente).
AB o de fase simple. A; lnea base. B;
tratamiento.
o ABA de retirada; lnea base- tratamiento
retirada tratamiento.
Cambio de criterio (DCC) La fase de
tratamiento se divide en subfases que van
cambiando, a medida que el nivel de R se
ajusta a un criterio previo establecido.
De revisin de 3 y 4 fases.
Complejas.
De tratamiento o componente mltiple.
Interactivo.
2. Entreseries. Comparacin 2 o ms conjuntos de datos.
Tratamientos alternativos. Aplicacin de
tratamiento alternando en periodos igual de
tiempo.
Tratamientos simultneos. Comparacin de
tratamientos aplicados simultneamente a lo
largo del tiempo.
3. Series combinadas.
Diseos de lnea base mltiple. 2 conductas/
pacientes/ contextos independientes entre s.
Equivalentes en sensibilidad al tratamiento.
Lneas bases de varias conductas susceptibles de
ser modificadas con el mismo tratamiento.
Ione Esquer. Diseos
DISEOS CUASIEXPERIMENTALES DISEOS NO EXPERIMENTALES
Para favorecer la efectividad. Los sujetos no se asignan aleatoriamente. En situaciones Encuestas
naturales. Mayor validez externa que los experimentales y menor validez interna.
Las variables son de seleccin o atributos. Ausencia de un verdadero grupo control.
No se manipula la VI solo se mide la
Cook y Campbell; ausencia de pretest y ausencia de grupo control.
VD.
Clasficacin;
Clasificacin
1. Diseos de grupo pre-postest. Medida pre y post tratamiento. Asignacion no aleatoria.
Segn objetivos; estatus
Variable de asignacin no conocida (grupos naturales ya formados antes de
(descripcin) e investigacin
empezar la investigacin )
(descubrir relaciones).
Sin grupo control pre-post; con un solo grupo
Otros; descriptivos (obtener
Con grupo control no equivalente
informacin) y analticas (finalidad
De cohorte. Seguimiento de una o ms cohortes de individuos sanos que explicativas).
presenta diferentes grados de exposicin a un factor de riesgo en quienes
se mide la aparicin de la enfermedad o condicin en estudio Diseos
Ex post facto; retrospectivos (solo post) y proespectivos (longitudinal).
Tanto VI como VD toman sus valores antes de que intervenga el 1. Transversales. 1 vez y periodo corto.
investigador. No se manipula la VI, se espera que acontezca de manera Encuestas epidemiolgicas.
natural. 2. Longitudinales. Cambio con el paso
Variable de asignacin conocida. de tiempo.
Diseo de discontinuidad de la regresin. Sujetos asignados a la condicin Brutos (niveles individuos).
control o tratamiento en funcin de las puntuaciones en la medida Encuestas de panel. La
pretratamiento. misma muestra a lo largo
2. Diseos de series temporales interrumpidas. del tiempo. Es entrevistados
Mltiples medidas previas y mltiples medidas posteriores. ms de una vez.
Netos (Agregados).
Encuestas longitudinales de
poblacin o de series
temporales. Cambio en el
1. Diseo de comparacin esttica con pretest y postest. Se sustituye grupo control x 1experimental.
Probar q. los resultados son superiores conjunto de una poblacin
2. Diseo de comparacin esttica con doble pretest. Mejorar el control de variables extraas. en el tiempo.
3. Diseos de comparacin esttica con varios grupos de control. Mejor validez interna, control Diseos de cohorte
historia. longitudinal- secuencial.
4. Diseo de comparacin esttica con varios grupos de tratamiento. intensidad del tratamiento. Combinan estrategia longi y
5. Diseo de comparacin esttica con tratamiento intercambiado. Combinacin varios diseos. transv.
6. Diseos de comparacin esttica con tratamiento invertido. Dos tratamientos ,1 inverso del otro.
Encuestas longitudinales
7. Diseo de comparacin esttica con replicaciones mltiples. Muestras grandes. Retirada
tratamiento. retrospectivas. Relacin
8. Diseos de comparacin esttica con VD no equivalentes. 2VD ,A y B. Se esperan cambios en A, no entre un fenmeno A
en B. presente en el momento de
9. Diseos de cohortes. Cohorte; grupo q. experimentan 1determinado suceso en un = periodo de la encuesta y algn suceso B
tiempo. anterior.
10. Diseo de cohortes con tratamiento dividido. Tres variables; intenso, dbil y no tratamiento.
 Tema 31. Introduccin a la teora y principios de construccin de test
Ione Esquer Terrazas

- Introduccin a la teora y principios de construccin de test-

Introduccin

Un test es un instrumento de medicin, diseado para inferir una medida de las capacidades de los sujetos a travs de las
respuestas que dan en ese test.
Las aportaciones de Galton, Pearson, Binet y Spearman, constituyen los tres pilares bsicos que han soportado a las teoras de
los tests psicomtricos.

a) Galton. Idea de medir las diferencias individuales a travs de mtodos objetivos.

Binet. Primer test de inteligencia, introdujo el concepto de edad mental.
Stern. Cociente de inteligencia.

b) Spearman. Teora clsica de los tests. Las puntuaciones obtenidas por los sujetos en los test hay que interpretarlas en
relacin a su grupo normativo.
Pionero en el desarrollo de los mtodos conocidos como Anlisis factorial.

c) Rasch y Lord. Impulsores de la Teora del Rasgo Latente. Instrumentos de medida del nivel que poseen los individuos en
los rasgos psquicos y que son latentes al no ser directamente observables para su medicin. La estimacin del nivel del
rasgo que pretende medir el test slo est en relacin con la forma matemtica que tenga la curva caracterstica de
cada tem, expresada en forma probabilstica.

Puntuaciones

Asignacin de puntuaciones. Las formas ms usuales de otorgar puntuaciones son los;

tem dicotmico; slo admite dos respuestas que a su vez son excluyentes. 0= respuesta incorrecta. 1= respuesta
correcta.
Respuestas alternativas; entre las que solamente una de ellas es la respuesta.

Test de velocidad. Aquel en el que se procura que los tems sean de muy escasa dificultad y la ejecucin del test suele
realizarse en un tiempo limitado y definido previamente.

Test puro de fondo. La aportacin de la no respuesta a la varianza total es nula y la varianza error observada se debe a la
varianza de las puntuaciones observada en los sujetos en relacin con sus respectivos nmeros de errores.

Distribucin de las puntuaciones en los tests

Distribucin normal. La media, mediana y la moda coinciden, las frecuencias se distribuyen simtricamente con respecto a
los valores de la variable. Una mayor o menor desviacin tpica indica que la curva estar ms o menos apuntada.

Distribucin uniforme o rectangular. Una lnea recta paralela al eje X de las puntuaciones, donde se puede considerar que
todos los valores son modales, o bien, que no hay moda. Si la distribucin de una aptitud es rectangular, la probabilidad de
encontrar sujetos con altos niveles de aptitud es la misma que la encontrar sujetos con bajos niveles.

Distribuciones asimtricas. Una distribucin ser ms asimtrica cuanto mayor sea la diferencia entre la media y la
mediana. Est desviada negativamente si tiene demasiados tems fciles por lo que la mayor parte de los individuos
obtienen altas puntuaciones.

Distribucin multimodal. Las distribuciones que presentan varios mximos o valores modales, incluso con distintas
frecuencias, sugiere que la poblacin es heterognea con grupos bien diferenciados.
 Tema 32. Teora clsica de los test
Ione Esquer Terrazas

- Teora clsica de los test-

Hiptesis del modelo lineal de Spearman

Las hiptesis bsicas son las del modelo aditivo lineal, donde la variable dependiente es la puntuacin observada en las pruebas
y la variable independiente corresponde con las puntuaciones verdaderas de los sujetos.
Puntuacin observada; variable dependiente.
Puntuacin verdadera; variable independiente.

Hiptesis

1) Hiptesis fundamental; cualquier puntuacin observada X es funcin de dos componentes, que son la puntuacin
verdadera V del sujeto y el error e. X=V +e
2) Hiptesis de nulidad de los errores; los errores, en media, se anulan. La media aritmtica de los errores es cero (su
esperanza matemtica es cero) E (e)= 0
3) No existe correlacin entre las puntuaciones verdaderas y el error en una misma prueba.
4) No existe correlacin entre los errores.
5) No existe correlacin entre las puntuaciones verdaderas y los errores en formas distintas de un mismo test o en tests
diferentes.

Relaciones e ndices estadsticos deducidos como consecuencia de la verificacin de las hiptesis

1) El valor esperado de la puntuacin verdadera es igual al valor esperado de la puntuacin observada. Las medias de
las puntuaciones observadas y las verdaderas coinciden. E(V) = E(X).
2) La ecuacin de regresin de la puntuacin observada sobre la puntuacin verdadera es la ecuacin de una lnea recta
que pasa por el origen y que tiene pendiente unidad.
3) La varianza de las puntuaciones observadas es igual a la suma de la varianza de las puntuaciones verdaderas ms la
varianza de los errores.
4) La covarianza entre las puntuaciones empricas y verdaderas es igual a la varianza de las puntuaciones verdaderas.
5) El cuadrado del coeficiente de correlacin lineal entre las puntuaciones observadas y sus correspondientes
verdaderas. Se suele conocer como coeficiente de determinacin y va a ser til en el establecimiento de la fiabilidad
de la prueba.
6) La varianza de las puntuaciones verdaderas es igual a la varianza de las puntuaciones observadas menos la varianza
de los errores.

Condiciones
Diremos que dos conjuntos de puntuaciones, sean estas X y X; son medidas paralelas si se cumplen las condiciones;
Ambas tienen la misma puntuacin verdadera.
Ambas poseen la misma varianza error.

Relaciones derivadas de las condiciones de paralelismo;

1) Las medidas aritmticas de las puntuaciones observadas en medidas paralelas coinciden.
2) Las varianzas de las puntuaciones observadas en dos variables X y X son iguales, cuando se trata de medidas
paralelas.
3) La varianza de la puntuacin verdadera es equivalente a la covarianza entre dos puntuaciones observadas que sean
paralelas.
4) Las intercorrelaciones entre formas paralelas de un test son todas iguales.
5) La varianza de las puntuaciones verdaderas es igual o menor que la de las observadas.
6) La exigencia de paralelismo entre medidas nos permite el hacer uso de las ventajas de los modelos homocedsticos,
ya que la igualdad de varianzas entre los errores es una condicin necesaria para el paralelismos.

Si las medidas y varianzas de las puntuaciones son iguales aceptaremos el paralelismo.

Si se da la igualdad de las varianzas y no la de las medias, es necesario recurrir a un contraste formal de hiptesis.
Si se obtiene empricamente la igualdad entre las medias de las medidas supuestamente paralelas y no la de las
varianzas, se procede al contraste a travs del estadstico muestral F de Snedecor.
Si las puntuaciones obtenidas no coinciden ni en los valores de las medias ni los de las varianzas, entonces se proceder
al contraste de hiptesis de las diferencias para ambos estadsticos en las formas indicadas.

Significado psicomtrico de los ndices

Puntuacin verdadera; la variable asociada al inobservable psquico, o rasgo, acerca del que se pretende hacer
inferencias. La puntuacin verdadera del sujeto tiene que ser inferida mediante procedimientos estadsticos.
Error estndar o error tpico de medida; desviacin tpica de la variable error asociada con el modelo general. X=V+e
Coeficiente de fiabilidad; coeficiente de correlacin entre medidas paralelas. Equivale a la correlacin del test consigo
mismo, a la correlacin entre las puntuaciones del test.
ndice de fiabilidad; coeficiente de correlacin lineal entres las puntuaciones observadas y verdaderas.
Varianza error; cualquier condicin que provoque diferencias entre las puntuaciones de una prueba que sean irrelevantes
para su propsito se refleja en la varianza error.
El grado en que las diferencias entre puntuaciones se deben a la variable que queremos medir y no a otras, pone en
evidencia la relacin que existe entre fiabilidad y varianza de error.

Fechner. Elementos de
psicofsica. Analizar
reacciones percibidas entre
los estmulos.
Weber; percibidas
aumentan de forma
proporcional a la intensidad
del E.
Fechner; sensacin percibida
crece mediante constantes
y el E.fisico se incrementa de
manera proporcional.
Francis Galton. Fundador de
la meto.psicometrica.
Pearson; principios de
correlacin y regresin.
Spearman; inteligencia
general g, factor especifico s.
Test normativos o referidos a
la norma (TRN).
Se evalan los suj. con
referencia a las conductas de
otro grupo. Situar a cada suj.
en relacin a otros suj. de la
=poblacin.
Test de dominio o referidos
al criterio (TRC).
Estudio en un nivel o grado
de ejecucin del suj, sobre un
dominio o criterio definido
previamente.
Tres teoras
1. T clsica de los test.
Spearman.
2. T de la generalizabilidad.
Cronbach.
3. T de la respuesta al tem.
Lord y Novick.
La puntuacin
Tipos de puntuacin atendiendo a los tems
tems dicotmicos ; si/no.
Respuestas alternativas; (solo 1correcta,
se penaliza.
tems de produccin ; elaborar
respuestas propias.
Tipos de puntuacin atendiendo al tiempo
Test de velocidad ;tiempo lmite.
Test de fondo ;no hay tiempo lmite.
Valoracin del tiempo del test ; No
correctas= errneas + blancas. ndice de
velocidad de Gulliksen o Stafford y Lord y
Novick.
Formas de distribucin de las puntuaciones
Distribucin normal. Media, moda y
mediana coinciden. Muchas preguntas de
dificultad media.
Distribucin uniforme o regular. tems q. no
discriminan correctamente. Lnea recta.
Distribuciones asimtricas. Sesgo a la drcha
(demasiado tems de difciles, asimtrica
positiva, X > Md) sesgo a la izq (tems muy
fciles, asimetra negativa, X < Md)
Distribuciones modales. 2grupos; a uno le
resulta muy fcil y a otro muy difcil.
Curtosis
Leptocrtica > 0.
Mesocurtica = 0.
Platicurtica < 0.
La aptitud
La distribucin de la aptitud la entendemos
como una distribucin probabilstica.
INTRODUCCIN y TEORAS
T Clsica de los test. Spearman
Explica el comportamiento de un suj. en un
test recurriendo a su grupo normativo.
Modelo lineal clsico.
Supuestos bsicos
La puntuacin emprica (X) = puntuacin
verdadera (V) + error de medida del sujeto
(E). La distribucin de los errores es normal.
Media cero, varianza constante.
La puntuacin V es la esperanza matemtica
de la emprica.
Medidas paralelas
Para calcular el coeficiente de
determinacin (en qu medida las
puntuaciones de un test proporcionan la
puntuacin real) > medida paralela.
Se divide en dos grupos iguales el nmero
de tems de un test, aplicndose cada
conjunto de tems por separado a la misma
muestra.
Son paralelas si tienen la misma varianza.
Medidas equivalentes o tau-equivalentes
Paralelas; igual puntuacin verdadera y
misma varianza de errores.
Estrictamente tau-equivalentes; igual
puntuacin verdadera y diferente
varianza de errores.
Esencialmente tau-equivalentes;
puntuacin verdadera difiere y
diferente varianza de errores.
Congenricas; puntuacin verdadera
transformacin lineal de otra y
diferentes varianza de error.
Ione Esquer. Psicometria
T de la generalizabilidad. Cronbach
Permite estimar la fiabilidad en sitauciones
en las que intervienen multiples fuentes de
error. Modelos que mejor permite estimar
las fuentes de error.
Conceptos fundamentales
El obj de esta teora; determinar las
fuentes de error existentes en el proceso de
medicin.
Una medida (x)= es una muestra de
observaciones admisibles o posibles.
Faceta; Cada caractersticas es una faceta.
Manifestaciones de una faceta se denomina
condicin.
El concepto de fiabilidad se sustituye por el
de generalizabilidad.
Tipos de estudio
Estudios G o generalizabilidad. Estudiar
las propiedades del test.
Estudios D o de decisin. Tomar
decisin practica basada en los datos
del instrumento.
Optimizacin de un diseo
Aumentar el nmero de condiciones de una
faceta.
 Tema 33. Fiabilidad
Ione Esquer Terrazas

- Fiabilidad-

Concepto de fiabilidad

Por fiabilidad de un test se entiende la precisin, consistencia y estabilidad de las medidas obtenidas de este test.
Si el instrumento de medida es preciso, medidas repetidas sern semejantes y, salvo errores accidentales, se dar la
constancia en las medidas.
La constancia o estabilidad de las puntuaciones se evala mediante un coeficiente de correlacin lineal entre dos series
de puntuaciones.

La Fiabilidad de un test se define como la variacin relativa de la puntuacin verdadera con respecto a la puntuacin
observada, calculada a travs de la razn entre las respectivas varianzas.

2
La relacin ox es por definicin la medida de la fiabilidad. El coeficiente de fiabilidad no indica en qu medida el test est libre
de error (precisin del test). El coeficiente de fiabilidad es el coeficiente de determinacin o proporcin de la variacin de X
explicada por V. Es decir; en qu medida las puntuaciones de un test (X) recogen puntuaciones reales (V) en la variable X. Su
valor se encuentra entre 0 (X=e) y 1 (X=V).

Al coeficiente de correlacin rXX se le denomina ndice de fiabilidad. El ndice de fiabilidad ser, para un mismo test, siempre
mayor que el coeficiente, pues aquel es el resultado de la raz cuadrada del coeficiente de fiabilidad.
La fiabilidad perfecta se identifica con el valor rxx= 1, y supone tericamente que, no existe varianza error y que
2 2
toda la varianza de la puntuacin observada se debe a la puntuacin verdadera. ov =ox
Por tanto un test es fiable si est libre de errores de medida. As mismo, cuando los errores de medida son
pequeos, se dice que el test es fiable.
Cuando la correlacin entres las puntuaciones empricas y los errores de medida es mxima, la fiabilidad del test es
nula.

Formas usuales de obtencin de medidas repetidas

Test-retest
Diseo que nos lleva a una medida de la estabilidad de las puntuaciones. Las puntuaciones repetidas X y X se obtienen
aplicando el mismo test a los mismos individuos y en las mismas condiciones en dos ocasiones diferentes en el tiempo,
por ello nos muestra el grado en que las puntuaciones son independientes de factores dependientes de la situacin, ya
sean internos o externos.
Se recomienda el uso para hallar la fiabilidad de los test de velocidad.
Un posible problema de este diseo es el efecto de aprendizaje del sujeto. Para paliar este efecto se procura dejar
transcurrir un tiempo suficiente entre ambas aplicaciones de la prueba.

Formas paralelas de un test

Aplicar a los sujetos dos tests construidos de forma que resulten ser prcticamente iguales.
Trata de la equivalencia de las formas de un test. Algunos autores se refieren a esta forma como coeficiente de
equivalencia.
Cuando se aplican ambas formas paralelas en momentos temporales distintos proporciona una estimacin de la
estabilidad de las puntuaciones.
Las respuestas pueden estar contaminadas por un efecto fatiga en los sujetos.
Multiplica el esfuerzo en el proceso de construccin y seleccin de tems.

Divisin en dos mitades

Se ponen en relacin las puntuaciones entre dos partes del mismo test, actuando ambas como si fuesen dos formas
paralelas.
Este diseo nos indicar la consistencia interna de la prueba.
No sera conveniente el realizar una divisin arbitraria en dos mitades.
Otra medida de la consistencia interna nos la dara la covarianza de los tems, que calcula la relacin que tienen entre s
todos los tems.

Formulas de Rulon y de Guttman

Si para la obtencin de las medidas repetidas se utiliza el procediemitno de las dos mitades (en el caso particular de la
consideracin de elementos pares e impares) las frmulas deducidas por Rulon y Flanagan y Guttman nos proporcionan dos
formas de clculo del coeficiente de fiabilidad.

Formula de Rulon. El coeficiente de valor uno, corresponde al valor mximo para la fiabilidad.
Frmula de Flanagan y Guttman. Se deriva directamente de la dada por Rulon.
 Tema 34. Fiabilidad y la homogeneidad de los grupos y la longitud del test
Ione Esquer Terrazas

- Fiabilidad y la homogeneidad de los grupos y la longitud del test-

Fiabilidad en relacin con la homogeneidad del grupo

Un test no dispone de una sola fiabilidad. Existen variaciones entre las posibles muestras que se pueden extraer de la
poblacin con objeto de inferirla.
La fiabilidad de un test aumente a medida que aumenta la varianza de las puntuaciones muestrales en dicho test.
Cuando aumenta la variabilidad de la muestra, aumenta tambin el coeficiente de fiabilidad, por el contrario, cuanto ms
homognea sea una muestra menor ser el coeficiente de fiabilidad.

Fiabilidad y longitud en tests compuestos

La longitud de un test viene dada por el nmero de elementos o de tems que lo componen y se puede comprobar que, la
fiabilidad del test aumenta si se aumenta su longitud mediante la adicin de elementos paralelos a los datos. Tambin vara
su error tpico.
La ecuacin que expresa la relacin entre la fiabilidad y la longitud de un test es la denominada ecuacin de Spearman-
Brown.
A mayor longitud se obtiene mayor fiabilidad, pero la ganancia en fiabilidad no es proporcional al nmero de elementos
aadidos. El crecimiento es ms rpido en valores pequeos de k (mayores que 1).
Los tests escasamente fiable deben ser despreciados en su forma original y no trata de mejorarlos aumentando su fiabilidad
por adiccin de elementos paralelos.

Clculo del tamao de un test para un nivel de fiabilidad prefijado. Utilizando la ecuacin Spearman-Brown.

Fiabilidad, longitud y varianza. Cuando se construye un test de longitud doble la varianza de las puntuaciones verdaderas
crece ms que la varianza de las observadas.
 Tema 35. La fiabilidad como ndice de consistencia interna
Ione Esquer Terrazas

- La fiabilidad como ndice de consistencia interna-

Si al utilizar el mtodo de las dos mitades en el clculo del coeficiente de fiabilidad, la correlacin se establece entre las
puntuaciones de todos los individuos en cada uno de los tems de una parte, con los correspondientes de la otra, la fiabilidad ser
un indicador de la consistencia interna de los elementos del test.

Coeficiente alfa de Cronbach y las ecuaciones de Kuder-Richardson

El coeficiente alfa es una frmula general para el clculo de la fiabilidad como ndice de la consistencia interna de las
puntuaciones.
Este coeficiente nos indica el grado en que covaran los tems del test y aumenta al aumentar la covarianza entre los tems
del test.
Richardson y Kuder desarrollan las ecuaciones, KR 20 y KR21.
KR20 es una versin destinada a aquellos casos en los que cada una de las componentes Xi del test sea un tem y que
ese tem sea un tem dicotmico. Si en lugar de tomar para cada tem sus parmetros pi y qi se utiliza para todos el
nde promedio de dificultad.
KR21; los tems tienen que ser dicotmicos y con el mismo ndice de dificultad.

La relacin entre KR20 y KR21 la da la desigualdad; KR20 KR21. La igualdad se dar solamente en el caso en que todos los
tems tnganla misma dificultad.

El alfa como cota inferior de la fiabilidad en tests compuestos

El coeficiente de fiabilidad calculado por cualquier procedimiento entre medidas paralelas es mayor que el calculado
mediante alfa.
La correlacin entre dos mitades aleatorias de un test es menor que el coeficiente de fiabilidad del test.

Las formulas de Rulon, Guttman y Hoyt como casos particulares del coeficiente alfa

Para la obtencin de las frmulas de Rulon, y Flanagan y Guttman se realiza una divisin de la totalidad del test en dos
partes, que se corresponden con elementos que ocupan el lugar par y aquellos que ocupan el lugar impar.
Estas frmulas se pueden considerar casos particulares del coeficiente de alfa, cuando el test est compuesto por dos
componentes (conjunto de tems pares y conjunto de tems impares).

Frmula de Hoyt; en esta ecuacin se manifiesta expresamente la dependencia que el coeficiente alfa tiene con el
nmero de elementos del test y las covarianzas.
 Tema 36. Inferencias acerca de las puntuaciones
Ione Esquer Terrazas

- Inferencias acerca de las puntuaciones-

Estimacin y prediccin de la puntuacin verdadera a partir de las puntuaciones empricas

Utilizaremos la regresin para estimar la puntuacin verdadera V a travs de las puntuaciones X.

Errores de medida, de estimacin y de prediccin.

Error de medida. Viene dado por la diferencia entre la puntuacin observada y la verdadera. E = X-V

Error tpico de medida. La desviacin tpica de la distribucin de la variable.

Error de estimacin. Viene dado por la diferencia entre su puntuacin verdadera y la estimada por regresin.

Error de prediccin. Se obtiene como diferencia entre la puntuacin verdadera estimada para el sujeto y la observada
directamente en una segunda medida paralela.

Error de sustitucin. Es el error que se comete al sustituir una forma paralela por otra.

Intervalo de confianza para la puntuacin verdadera

Un intervalo de confianza para la puntuacin verdadera se puede dar si se conoce la distribucin de los errores.
A medida que la fiabilidad aumenta, la amplitud del intervalo requerido para que quede comprendida la puntuacin verdadera
de un test disminuye.

Esquema Clculo del coeficiente de fiablidad-

Cada procedimiento puede dar valores diferentes.

Dos aplicaciones;

Formas paralelas o equivalentes (coeficiente de equivalencia);

aplicacin simultnea de X y X. Desventajas; fatiga y construccin
de dos pruebas.
Test-retest (coeficiente de estabilidad); X-lapso tiempo- X.
Desventajas; aprendizaje y evolucin de la persona.
Test-retest con formas alternativas; x-lapso de tiempo- X.

Consistencia interna;

2 mitades
o Paralelas; Spearman- Brown
o Equivalentes; Rulon o Guttman-Flanagan
o Congenricas; Raj

Covarianza entre tems

o Coeficiente alfa de Cronbach
o Kder-Richardson (tems dicotmicos)
o Gutman
o Raj

Concepto y factores que influyen
Fiabilidad ;precisin. Consistencia de las
puntuaciones obtenidas x los mismos
sujetos, cuando son examinados con el
mismo test. Diferencia entre varianza
verdadera y la varianza de error.
Coeficiente de fiabilidad. Correlacin
existente entre las puntuaciones
obtenidas x los suj. en 2medidas
paralelas de un test. Estabilidad de la
medida. Test consigo mismo.
Entre 0 y 1.
ndice de fiabilidad. Es la raz cuadrada
el coef.de fiabilidad y se define como el
coef.de correlacin entre las
puntuaciones observadas y las
verdaderas. (ndice siempre mayor q. el
coef).
Error tpico de medida. Medida
indirecta de la fiabilidad (a menor error
mayor fiabilidad).
Homogeneidad de la muestra.
Al aumentar la variabilidad de la muestra,
aumenta tb el coef. de fiabilidad. A menor
variabilidad u heterogeneidad en una
muestra, menor ser el coef. de fiabilidad.
Longitud del test.
Si aumentamos la longitud de un test el
coef. de fiabilidad aumentara. Si se aaden
elementos; varia el error tpico.
Longitud y varianza. Al duplicar la longitud
de un test, aumentamos la fiabilidad.
Razn seal-ruido .Cuanto mayor sea el
coef. ms informacin verdadera del test.
FIABILIDAD
Mtodos de estimacin del coeficiente de fiabilidad
Mtodo test-retest
Consiste en administrar el =test en 2ocasiones pero en
condiciones idnticas. La varianza error; azar de una
aplicacin a otro, o el suj. Desventaja; aprendizaje. Uso
para test de velocidad. Estabilidad temporal.
Mtodo de test-restest con formas alternativas
Se divide el grupo en 2, aplicando primero el test X y
luego el test X. Con el segundo subgrupo se hace lo =
pero a la inversa. Fiabilidad como estabilidad y
equivalencia.
Mtodo de las formas paralelas o alternativas
(fiabilidad de la forma equivalente)
Administracin sucesiva a una muestra de sujetos, de dos
formas equivalentes del mismo test. El 2test no es el
mismo ,pero mide lo mismo. Equivalencia de contenido.
Mtodo de la divisin del test en 2mitades
Un =test en una 1nica ocasin a un =grupo de suj. y
luego se divide el test en 2mitades (pares e impares).
Consistencia interna.
Spearman-Brown (paralelas) , Rulon (tau equivalentes)
Guttman- Flanagan (esencialmente tau equivalentes)
Mtodos basados en la covarianza de los tems
Al menos son tau equivalentes. Se basa en la consistencia
de las respuestas del suj. a todos los elementos del test.
Coeficiente de Cronbach. tems no dicotmicos.
Consistencia interna. Grado en que covaran los tems.
Coeficiente de Kder- Richardson. tems dicotmicos.
KR20; dicotmicos. KR21; dico. y =ndice de dificultad.
Coeficiente de Hoyt o coef.correlacin interclase.
Test con varios tems = diseo experimental intragrupo
Ione Esquer. Psicometria
Estimacin de Estimar la cantidad de error que afecta a las puntuaciones
la puntuacin empricas.
Podemos estimar la puntuacin verdadera a partir de
verdadera
medidas paralelas; o mediante los intervalos de confianza
o la ecuacin de regresin. ( y = a (pendiente)x + b (ordenada)
Error de medida. Diferencia entre puntuacin
observada (x)y la medida (v). Es funcin de desviacin
tpica del test.
Error de estimacin. Diferencia entre su puntuacin
verdadera y la estimada por la regresin.
Error de prediccin. Diferencia entre la puntuacin
verdadera estimada por un suj, y la obtenida en una
medida paralela.
Error de sustitucin. Se comete al sustituir una forma
paralela por otra.
ndice de dificultad de los elementos (media de
Anlisis de
aciertos) n de suj. q responden bien ,y ntotal que lo
tems
han intentado resolver. Heterogeneo = 0,5./ 1= fcil. Si
es alto; ndice de homogeneidad alto.
ndice de discriminacin. Si a suj. q puntan alto, y los
q puntan bajo. Correlacin de ese tem con el test.
Correlacin biserial(continua dicotomizada) y
correlacin tetracrica (dicotmicas artificialmente)
ndices de fiabilidad y validez.
Test referidos TRN; clasificar suj. TRC; evaluar grado de control del suj en
una variable (master y no master).
a la norma y
al criterio
Fiabilidad basadas en formas paralelas (2veces);
COeficiente po y coeficiente kappa (acuerdo entre
jueces, nominal).
Fiablidad basada en una nica aplicacin. Subkoviac,
Huynh, Livingston y Brennan y Kane.
Seleccin del punto de corte.Q separe a los que
controlan de los que no . Decidido por jueces.
 Tema 37. Teora de la generalizabilidad de la aptitud
Ione Esquer Terrazas

- Teora de la generalizabilidad de la aptitud-

Teora generalizada de la aptitud o generalizabitliy

Cronbach. Dio la denominacin de generalizabitiy. No permite considerar a un instrumento como bueno si su coeficiente de
fiabilidad es alto, pues las decisiones las basa en los resultados del anlisis de las fuentes y tipos de error.
La tcnica de anlisis es la del anlisis de varianza.
El error ahora se puede atribuir a diferentes factores, pudindose estimar cuanta variabilidad proviene de cada una de las
fuentes de error controlables.
Atribuye el concepto de error a mltiples factores de influencia que llaman facetas; designar cada uno de las caractersticas
de la situacin de medicin que pueden modificarse de una ocasin a otra, y por tanto, hacer variar los resultados
obtenidos.
Permite estimar la fiabilidad en situaciones en las que intervienen mltiples fuentes de error o variabilidad de las
puntuaciones.
Faceta de diferenciacin; es la que se espera sea fuente fundamental de las variaciones observadas en las puntuaciones. Se
conoce como varianza verdadera.
Faceta de generalizacin; son fuentes de error, factores de variacin. La variacin asociada a estas fuentes sera varianza de
error.

Thorndike. Clasifica las variabilidades en cinco categoras;

a) Duraderas y general del individuo; variaciones de aptitud.
b) Duraderas pero especficas; factores como el conocimiento o ignorancia sobre un tem.
c) Temporales y generales; confianza, fatiga.
d) Temporales y especficas; xito en un determinado conjunto de tems.
e) Otras.

Conceptos y caractersticas generales de la teora

A travs de las puntuaciones obtenidas en los test pretendemos tomar una decisin acerca de dnde puede ser clasificado un
individuo en algn sentido, y hacer comparaciones entre sujetos a travs del conocimiento de sus diferencias individuales.

G-estudio; recoge los datos. Es el estudio que se lleva a cabo para analizar las condiciones de medicin, con las
fuentes de variabilidad de inters. Se determinan las facetas del diseo.
D-estudio; rene datos con el propsito de tomar decisiones o extraer conclusiones. Se toman decisiones en base a
los datos proporcionados por el instrumento de medida.
 Tema 38. Validez
Ione Esquer Terrazas

- Validez-

Concepto de validez
La validez del test se refiere a qu es lo que el test mide y cmo lo mide.
Un test es vlido si cumple su objetivo de realizar bien la medida de aquello para lo que se construy.
Por validez tambin se entiende el grado en que mide o predice algn criterio de inters.
Un test es vlido cuando las correlaciones entre las puntuaciones verdaderas y pronosticadas es alta.

Validez de contenido

Se pretende determinar si el contenido del test es una muestra representativa del rasgo o conducta que quiere medirse.
Se consideran la representatividad del dominio, en cuanto a que los elementos del test cubran o representen
adecuadamente el contenido, y la especificacin del dominio o de la relevancia del contenido, en cuanto a que incluya
todos los aspectos de inters.
La validez de contenido se determina a travs de juicios subjetivos, no existen procedimientos ni ndices estadsticos
adecuados para estimarla.

La validez aparente. Validez de silln. Se establece cuando una persona examina el test y concluye que ste mide el rasgo de
inters. De no tenerla, provocan una escasa cooperacin de los sujetos en la realizacin del test.

La validez lgica o validez muestral. Atiende a la relevancia y la representatividad del dominio de comportamientos que van a
ser medidos por el test.

Validez de criterio

Indica cual es la eficacia del test en la prediccin de algn tipo de comportamiento futuro del sujeto en situaciones
especficas.
La validez relativa al criterio se juzga como el grado de relacin entre el test que acta como predictor y otra variable de
inters que acta como criterio.

La validez en relacin con la longitud del test

Si rxx la fiabilidad del test inicial y Rxx la fiabilidad de ese test al multiplicar por k su longitud, se tiene que la validez
inicial, se ve modificada pasando a tomar el valor Rxy.

Variaciones del coeficiente de validez

2
Coeficiente de determinacin; Rxy , el cuadrado del coeficiente de validez expresa la proporcin de la varianza del
criterio que se puede predecir a partir del test y que es menor que el coeficiente de fiabilidad del predictor. Sera la
varianza comn entre un test y un criterio.

Coeficiente de alienacin; es la raz cuadrada de la diferencia a uno del coeficiente de terminacin.

Coeficiente de validez rxy=0,90, tiene un coeficiente de determinacin rxy2= 0,81. El 81% de la varianza del criterio es
pronosticable mediante el test.
Coeficiente de alienacin es K= 0,43 y que la varianza asociada al error en la prediccin es el 43% de la varianza total.

Coeficiente de valor predictivo; es el complemento a uno del coeficiente de alienacin. 1 K. Explica la probabilidad o
porcentaje de seguridad en el pronstico.

Validez y homogeneidad de la muestra

Cuanto menor sea la variabilidad de los elementos del grupo sobre el que se calcule el coeficiente de correlacin,
menor ser el coeficiente y, por lo tanto, la validez.

El coeficiente de validez de una variable X con respecto a una medida y como valor absoluto de la correlacin.

La variable predictora es la variable X que toma los valores de las puntuaciones en el test
La variable criterio es la variable que se predice, la variable Y. La validez es simtrica para la validez de X con respecto a Y, y de
Y con respecto a X.

En la validez predictiva transcurre un periodo de tiempo entre la medicin del predictor y del criterio y en ese periodo se
produce algn tipo de intervencin en los sujetos.
La validez concurrente implica la recogida de ambos tipos de medidas al mismo tiempo, o al menos en momentos contiguos.
La validez postdictiva o retrospectiva nos permite estimar el grado en que un individuo posey un rasgo determiando en el
pasado.
 Tema 38. Validez
Ione Esquer Terrazas

Validez de constructo/ conceptual /estructural

Intenta clarificar en qu medida la respuesta observada en los tests tiene un determinado significado, valorando el grado en
que la relacin emprica de las pruebas es consistente con este significado.
El coeficiente de validez viene dado por las relaciones entre las variables observadas y algn constructo terico, o variable
latente de inters.
Se pueden estudiar analizando las correlaciones observadas en otros tests que a su vez mantienen altas correlaciones con el
constructo.

El establecimiento de la validez de constructo requiere;

Validez convergente. Que ese test presente una correlacin apreciable con otros tests que sean tericamente relevantes.
Validez discriminante. Es necesario que no correlacione con otros tests con los que la teora indique que no debe estar
relacionado.

Para establecer la validez de constructo es imprescindible cubrir las etapas;

1) Formulacin de una definicin terica del constructo
2) Verificacin experimental de esas relaciones
3) Inferencia y explicacin que d sentido a la validez de constructo de una cierta medicin o de un test en particular

Entre los mtodos propuestos para establecer relaciones entre constructos estn; el anlisis factorial, cluster, matrices
multimtodo multirasgo de Campbell y Fiske.

Validez multimtodo-multirrasgo
Indicado para casos en que se consideran dos o ms rasgos que se van a evaluar por dos o ms mtodos.
Los coeficientes de validez convergente vendrn dados por las correlaciones entre las medidas del mismo constructo
usando diferentes mtodos.
Los coeficientes de validez discriminante vendrn dados por las correlaciones entre medidas de diferentes constructos,
usando el mismo mtodo de medida o correlaciones entre diferentes constructos usando distintos mtodos (se espera
que sean bajos).

Resumen VALIDEZ-
Qu es lo que mide y cmo lo mide?

Mide el test lo que pretende medir?

Validez de contenido; anlisis racional del contenido (subjetivo)

V.Lgica o muestral; representatividad, relevancia
V.Aparente

Validez de constructo, estructural o conceptual; anlisis con mtodos

estadsticos del significado terico.
V. del rasgo; estructura interna del constructo y su manifestacin
en indicadores.
V.Nomolgica; relaciones con otros contenidos.
o V.Convergente; correlacin con variables relevantes
alconstructo.
o V.Discriminante; ausencia de correlacin con variables con las
que no debera correlacionar.

Utilidad para predecir otras variables (Variables de inters o criterio)

Validez de criterio o emprica; eficiencia del test en prediccin

Rxy= coeficiente de validez.
Rxy2= coeficiente de determinacin.
V. predictiva; x-lapso tiempo-y
V.concurrente; x+y al tiempo
V.posdictiva-retrospectiva; y-lapso tiempo-x
 Ione Esquer. Psicometria

VALIDEZ
Exactitud con la que el test mide las caractersticas para las que est diseado. Permite discriminar a los sujetos.

Validez de contenido Validez de constructo / Estructural Validez emprica / Al criterio / Predictiva

Si el test es una muestra representativa de los
conceptos o dominios (Rasgos, aptitudes, etc) que
se quieren medir. Procedimiento estadstico;
acuerdo interjueces.
La validez de contenido tiene dos aspectos bsicos;
Representatividad de dominio. Que los elementos
del test representen adecuadamente el contenido
a evaluar.
Especificacin del dominio o relevancia del
contenido. incluyan aquellos aspectos de inters
para la evaluacin.
Dos tipos de validez de contenido;
Validez aparente. La que se establece en virtud
del juicio subjetivo despus de examinar a
simple vista un test.
Validez lgica o muestral. Validez de contenido
en s.
Relaciones que un test tiene con las investigaciones de ese campo. Los constructos Cul es el nivel de eficacia del test en la
no son medibles directamente. prediccin de un tipo de comportamiento del
sujeto en el futuro.
Relaciones observadas en otros test que a su vez tiene correlaciones con el
constructo ; validez convergente. Coeficiente de validez
Grado de relacin entre el test y otra variable
No debera tener correlacin con otros test con los que la teora no debera estar de inters que pretenda predecir (criterio). Tres
correlacionado, se denomina ; validez discriminante. tipos de validez;
Validez factorial V.Concurrente; medidas de test y criterio
Anlisis factorial; procedimiento estadstico dirigido a identificar rasgos de se toman al mismo tiempo.
conducta. Si los tems se agrupan en forma indicada en la teora. V.Predictiva; transcurre un tiempo y
durante este intervalo se produce un
Las correlaciones del test con cada factor se denomina ;validez factorial. cambio
Anlisis factorial exploratorio. No se conoce la estructura interna al conjunto V.postdictiva o retrospectiva. Medicin del
de variables. criterio antes del test.
Anlisis factorial confirmatorio. Se parte de una hiptesis de la estructura de
las variables.
Validez multimtodo- multirasgo (validez convergente-discriminante)
Correlacin con variables relacionadas y deferir con las que no est relacionado.
Campbell y Fiske crearon matrices para evaluar los dos tipos de validez.

Validez y fiabilidad; formulas de atenuacin. Otros coeficientes relacionados con la validez

La validez de un test, siempre ser menor que su fiabilidad. La correlacin entre ambas es simtrica. La
formula de correccin por atenuacin calcula el valor de la validez corrigiendo los errores del test y criterio. Coeficiente de determinacin
Proporcin de la varianza de criterio que puede estimarse con el
Validez y longitud del test test. Varianza comn entre test y un criterio. Proporcin entre
Aumentando la longitud aumentamos la fiabilidad. Pero hasta un lmite. Podemos utilizar la formula puntuaciones de los sujetos en un criterio , a partir de un test.
Spearman-Brown para estimarlo.
Coeficiente alineacin
Validez y heterogeneidad de la muestra Proporcin de varianza en el pronstico que es atribuible al
Cuanto ms heterognea sea la muestra, mayor ser el coeficiente de validez. error. Inseguridad o azar. (La predictiva es parte de este).

Estimacin de criterio. Coeficiente de valor predictivo

Conveniente que en la prediccin de criterios reales se empleen varios test. Porcentaje o probabilidad de seguridad en el pronstico.
 Tema 39. Teora de la respuesta al tem o modelos del rasgo latente
Ione Esquer Terrazas

- Teora de la respuesta al tem o modelos del rasgo latente-

Teora de la respuesta al tem

Los orgenes de estos modelos pueden encontrarse en Lawley, pero el primer estudio formal y la introduccin del trmino
rasgo latente lo realiz Lazarsfeld.
Es posible predecir probabilsticamente la respuesta de cualquier individuo a cualquier tem, an cuando no existen datos
acerca de cmo individuos similares hubieran resuelto tems anlogos.
Las funciones de respuesta al tem establecen las relaciones, matemticamente formalizadas, de cmo depende cada
respuesta de un cierto nivel o grado de probabilidad o aptitud en el rasgo considerado.
La funcin de informacin del test constituye un indicador de los errores de medida del test.

En la teora del rasgo latente hay cuatro conceptos principales;

Dimensionalidad del espacio del rasgo; un rasgo o variable latente est compuesto por varias dimensiones o
componentes, de manera que cualquier individuo puede ser descrito en un rasgo determinado los valores que alcanza
en las dimensiones que lo compone.

Independencia local; dado un grupo de sujetos, todos caracterizados por el mismo vector de aptitud, las distribuciones
condicionadas de las puntuaciones de los tems a los valores del vector son todas mutuamente independientes.

Curva caracterstica del tem; curva de regresin de los valores esperados en un tem sobre la variable aptitud.
Relaciona la probabilidad de xito en un tem con la aptitud medida por el conjunto de los tems, o el test que los
contiene.

Parmetros de la curva caracterstica del tem; dificultad, discriminacin y adivinacin conjetura o pseudoazar.

La diferencia principal entre el modelo clsico y los del rasgo latente (Lord) es que la relacin entre el puntuaje observado y el
rasgo o aptitud en la teora clsica es de tipo lineal (X=V+e) mientras que en los diversos modelos de la TRI las relaciones son
funciones de tipo exponencial, principalmente logsticos.
 Tema 40. Anlisis de los tems y principios de construccin de test
Ione Esquer Terrazas

- Anlisis de los tems y principios de construccin de test-

Anlisis de la dificultad y discriminacin de los tems en la TRI

El ndice de dificultad de un tem refleja el grado de dificultad de un tem, entendido como la dificultad para su resolucin
correcta por parte de los sujetos de l amuestra. El ID est comprendido entre 0 (mxima dificultad) y 1 (mnima
dificultad).

El poder discriminativo del tem (varianza del tem) viene dada por la proporcin de aciertos. El poder discriminativo de
un tem ser mximo cuando alcanza en tems dicotmicos p=q=0,50.
La varianza de las puntuaciones de un tem oscila entre 0 y 0,25.

ndice de discriminacin

Diferencia sujetos eficaces e ineficaces en el test en cuestin. Basados en la correlacin.

ndice de homogeneidad; sujetos con puntuaciones elevadas en el test acertarn el tem. Correlacin entre la puntuacin
del tem y la total del test al que pertenece.
 Ione Esquer. Psicometria

T del RASGO LATENTE o T de RESPUESTA AL ITEM

Orgenes; trabajos de
Lawley. Conceptos bsicos Funcin de informacin del test Modelos

Primer estudio formal A cada sujeto se le asigna un parmetro individual que Relaciona la informacin que Las relaciones pueden ser funciones de
aportando el trmino expresa el rasgo, siendo e objetivo del test, poder estimar el puede proporcionarnos un test en tipo exponencial (no lineal como la TCT)
rasgo latente fue creado valor de dicho parmetro. funcin del nivel de aptitud.
por Lazarfeld. Modelos de error binomial
El parmetro es desconocido, por lo que se denomina Inversa de la varianza de error.
T de la respuesta al tem variable latente. Cuatro supuestos principales; Presuponen que la puntuacin
(TRI) de Lord y Rasch. Constituye un indicador de los observada se corresponde con el
1) Dimensionalidad errores de medidas del test. nmero de respuestas correctas en el
Obj; especificar la Modelos unidimensinales; 1 sola aptitud/ rasgo es test, formado ste por tems
relacin entre las necesario para explicar la actuacin de un sujeto en un independientes entre s y de igual
puntuaciones empricas test. dificultad.
de los suj. en un test y
una caracterstica o 2) Independencia local Modelos de Poisson
rasgo observable q. se La probabilidad de que un individuo responda de manera
supone es la correcta a un tem no queda afectada por las respuestas Se ajustan a la funcin de
responsable de dichas dadas a otros tems.Presupone; independencia de tems e probabilidad para una distribucin de
puntuaciones. interdependencia entre examinados. Poisson. Adecuados para test con gran
nmero de tems.
La fiabilidad de la 3) Curva caracterstica del tem
prueba se llama > Curva de regresin q se establece entre la respuesta al Modelos de ojiva normal
funcin de informacin. tem y el nivel de aptitud. Funcin probabilstica creciente.
Cada tem tendr su propia curva. Tres parmetros. No es ms que una curva acumulada
Invarianza de los parmetros del tem (inherentes al de distribucin normal. Cada tem
item); tendr una curva diferente a media
que varan los parmetros a y b.
B o dificultad del tem. Cantidad de aptitud necesaria
para resolver ese tem con xito. Modelos logsticos
A o discriminacin del tem. Discriminacin entre los
suj. q tienen una aptitud inferior al tem, y los q. Modelo logstico de Rasch; parte de la
tienen superior. base de que todos los tems del test,
C o adivinacin. Probabilidad de acertar solo por azar. tienen idntico poder discriminante
(factor a) y por tanto, la nica
4) Escala de aptitud. variacin que puede existir es
Aptitud y puntuacin verdadera no son conceptos atendiendo al factor (b).
totalmente equivalentes.
 Tema 41. Escalamiento
Ione Esquer Terrazas

- Escalamiento-

Mtodos de escalamiento

Se conoce como escalamiento al campo de la psicometra que tiene por objetivo fundamental la construccin de escalas de
medida e incluye todos los procedimientos necesarios para su elaboracin.

Modelos de escalamiento; proporcionan reglas que permiten asignar los nmeros a los objetos para elaborar una
escala de medida.
Mtodos de escalamiento; procedimientos utilizados para aplicar las reglas del modelo.

Mtodos de escalamiento centrados en los sujetos

Se pueden dividir en;

1) Aptitudes; Teora de los tests
2) Actitudes; Mtodos de respuesta
a. Tcnica de Likert
b. Diferencial semntico

Mtodos de respuesta
Se llaman as puesto que los sujetos evalan cada uno de los estmulos en funcin de la opinin que les merece o del
sentimiento que les provoca.

Tcnica de Likert
o Se trata de escalar a los sujetos a lo largo de un continuo de actitud, en funcin de las puntuaciones
obtenidas en la escala. Las variaciones observadas en las respuestas son debidas a diferencias individuales
respecto a la actitud medida.
o Desde el punto de vista de la medicin, la tcnica de Likert asume un nivel de medida ordinal.
o Los sujetos son ordenados en la escala en funcin de su posicin favorable/Desfavorable respecto a la
actitud medida.
Principios;
a) Es posible estudiar dimensiones de actitud a partir de un conjunto de enunciados que operen como
reactivos para los sujetos.
b) Los individuos pueden situarse en la variable de actitud desde un punto ms favorable al ms
desfavorable
c) La valoracin de los sujetos en la variable en actitud no supone una distribucin uniforme sobre un
continuo de actitud.

Diferencial semntico de Osgood

La tarea de los sujetos ser evaluar un determinado concepto a travs de una serie de escalas bipolares , ahora
bien, el concepto a medir depender de la investigacin que se vaya a realizar y de su objetivo concreto.

Mtodos de escalamiento centrados en los estmulos

o Se trata de un modelo que est basado en las diferencias que hay entre los sujetos a la hora de percibir los estmulos
(variabilidad perceptual de los sujetos) e incluso en las diferencias perceptivas producidas en un mismo sujeto, cuando se
le presentan los estmulos en distintas ocasiones, y por otra parte, en la limitacin que tienen los sujetos para percibir la
diferencia de magnitud entre dos estmulos.
o Siempre es posible encontrar dos de ellos cuya diferencia sea tan pequea que no pueda ser percibida por el observador.
o La respuesta del sujeto, en cualquier caso, ante la presentacin de los estmulos ser una repuesta subjetiva, puesto que
deber emitir un juicio (mtodo de juicio).

Mtodos de elaboracin de escalas psicofsica

Las que resultan de la asignacin de valores escalares a estmulos que varan a lo largo de un continuo fsico. Tipo de
escalas de la psicofsica (Fechner y Stevens).

Mtodos de elaboracin de escalas psicolgicas

Las que resultan de la asignacin de valores escalares a estmulos que varan a lo largo de un continuo psicolgico.
Grado de racismo de un conjunto de enunciados (Thrustone).

As en funcin de la tare tenemos;

Mtodos de juicio absoluto o categrico; mtodo de los intervalos aparentemente iguales y Mtodo de los intervalos
sucesivos derivados de la ley del juicio categrico de Thrustone.
Mtodos de juicio comparativo; mtodo de las combinaciones binarias utilizado por Thrustone en su ley del Juicio
comparativo.
 Tema 41. Escalamiento
Ione Esquer Terrazas

Mtodos de clasificacin centrados en las respuestas

Se escalan tanto los estmulos como los sujetos, por lo que se asignan valores a ambos (aproximacin centrada en la
respuesta).
Las variaciones en la respuesta de los sujetos se deben a diferencias entre los estmulos y a diferencias entre los sujetos en
cuanto a su actitud personal frente a los estmulos.

Mtodos de respuesta categrica. De acuerdo en desacuerdo, acierto-fallo, etc. Escalogram de Guttman.

Mtodos de respuesta comparativa. Comparar dos o ms estmulos entre s y luego ordenarlos segn las preferencias
mostradas por el sujeto. Modelos de Coombs.

Escalograma de Guttman
Es un mtodo de escalamiento unidimensional que permite medir o escalar estmulos/objetos (tems) y
sujetos.
El modelo est basado en la idea de que es posible ordenar los estmulos de manera que si un sujeto responde
correctamente a un estmulo concreto, lo har tambin a todos los que estn situados por debajo de dicho
estmulo en la escala establecida.
Nos proporciona escalas ordinales.

El modelo de Coombs
Est basado en el anlisis de los datos de eleccin preferencial y por la tanto, la ordenacin de los estmulos se
har en funcin de la mayor o menor preferencia que muestren los sujetos hacia ellos.
Se le conoce tambin como modelo de despliegue, ya que permite, utilizar un modelo geomtrico de
despliegue para la comprensin visual de la estructura de los datos.

LA MEDICIN PSICOFSICA
Mtodos de escalamiento
psicofisiolgico
Medida de las sensaciones a
travs de la medida de los
estimules fsicos que las
produce.
Fechner. Mximo
representante.
Stevens. Desarrolla la Ley de
potencial. Fenmenos
observados por la psicofsica;
Umbral absoluto;
intensidad necesaria de
un estimulo para que
provoque un E .en un
organismo.
Umbral diferencial;
intensidad necesaria
para q. un organismo
detecte la diferencia de
estimulacin.
Igualdad; determinar si
2estimulos son =
Igualdad de E;
determinar la igualdad
de intervalos de
estimulacin
Igualdad de razones;
adems de igualdad de E,
es necesario determinar
el cero absoluto.
Orden; relacin ordinal
entre un conjunto de
estmulos
Clasificacin de
estmulos.
Ione Esquer. Psicometria
ESCALAS PSICOMTRICAS
Mtodos de cuantificacin subjetiva; Se pueden distinguir Mtodos de estimacin cuantitativa
dos tipos de escalas;
1) Mtodos de estimacin subjetiva. Escala de Guttman
Base de que los individuos objeto de 1) Escalas Escalograma. Establecer un valor par una variable continua, y solo un
estudio, estn preparados para realizar deterministas Cada atributo subyacente. La segunda pregunta cierra un poco el campo
las operaciones necesarias que dan tem un grado de la primera. Son deterministas y de distribucin montonas.
como resultado la escala de medida. determinado de Centrado en la respuesta a tems dicotmicos. Valores escalares
atributo. No error. tanto a los sujetos como a los estimulos.
2) Mtodo del error promedio. Medida ordinal.
Aplicar 2 E; uno tiene valor fijo, el 2 2) Escalas
puede ser manipulado. probabilsticas Se
cuentan con Escalas de Thurstone
3) Mtodos de confusin. mayores niveles de Comienza con la seleccin de 100-200referentes tericos del tpico,
Las personas no responden siempre a probabilidad. Si y se van reduciendo. Son probabilsticas y de distribucin no
los E. Al aplicar E pueden confundirse error. montonas.
los efectos de estos. Centradas en los estmulos o mtodos de juicio.
Atendiendo a la Mtodo de escalamiento psicolgico. Dos leyes; ley de juicio
4) Mtodo de los cambios mnimos / relacin existente comparativo y ley de juicio categrico.
diferencias mnimamente perceptibles entre los tems,
Momento en el que el suj. es capaz de tenemos dos escalas; Escalas de Coombs
captar diferencias de E. Determinismo. Modelo de despliegue. Centrado a las respuestas.
a) Escalas montonas
5) Mtodo de orden por rangos. La contestacin de Mtodos de estimacin directa
Los suj deben ordenar una serie de E q. los tems, implican la
se le presentan. contestacin Extraen estimaciones cuantitativas acerca de la magnitud del atributo de
afirmativa de tems las personas y su respuesta.
6) Mtodo de comparaciones binarias. anteriores.
Se presentan al suj. E de 2 en 2, Escalas Likert
realizando todas las combinaciones b) Escalas no Medir actitudes y conductas. Son probabilsticas y montonas.
posibles. montonas Los tems Centrados en los sujetos. Medida ordinal. Escala sumativa.
solo representan una
7) Mtodos de estimacin subjetiva. cantidad Escala visual anloga
Los suj. pueden emitir juicios de razn, determinada del Definir el fenmeno, determinar 2valores extremos y opuestos y
para construir las escalas. atributo. luego unir los extremos con una lnea.
8) Escalas de clasificacin. Segn como se Escala semntico diferencial
Se presentan una serie de categoras combinen estas dos El suj. Califica cada tem de una lista de pares de adjetivos opuestos.
ordenadas, y tiene q. ir clasificando los formas, tenemos El suj. tiene q. sealarse en ese continuo. Conceptos y escalas
E que se le aplican, en la categora q. diferentes mtodos; bipolares. Significado afectivos de los estmulos.
considere adecuada. 3 dimensiones; valorativa, potencia y actividad.
.