Curso para Examen

Ceneval de Psicologa
Investigacin y Medicin
Psicolgica
JuanJosCallelaRuiz
Agosto de 2014
Estadstica
Tipos de validez de criterio

Validez concurrente.

Validez predictiva
Validez concurrente
Se emplea siempre que una prueba se aplica a
personas clasificadas en varias categoras, como
grupos de diagnstico clnico o niveles
socioeconmicos con el propsito de determinar si las
puntuaciones en la prueba de las personas ubicadas en
una categora son significativamente diferentes de los
individuos que se hallan en otras categoras.
Validez concurrente
Si la calificacin promedio vara de modo sustancial de
una categora a otra, entonces la prueba puede usarse de
otra forma, quiz ms eficiente, de asignar a la gente a
esas categoras.

Por ejemplo.
.
Las puntuaciones del MMPI han sido tiles en la
identificacin de trastornos mentales especficos,
porque se ha encontrado que los pacientes a
quienes los psiquiatras diagnostican trastornos
particulares tienden a diferir del resto de la poblacin
en las puntuaciones que obtienen en ciertos grupos
de reactivos (escalas).
Validez predictiva
Se refiere a la precisin con que las
puntuaciones de una prueba predicen
puntuaciones de criterio, segn lo indica la
correlacin entre la prueba (predictor) y un
criterio de desempeo futuro.

Ejemplo: pruebas de aptitud o de inteligencia las
cuales se correlacionan con las puntuaciones, notas
de cursos, calificaciones de prueba de
aprovechamiento
La validez predictiva
Es del mayor inters en la seleccin y ubicacin en
un contexto ocupacional o educativo. Diferentes
tipos de pruebas de habilidad, y en ocasiones
pruebas de personalidad y de inters, se utilizan con
propsitos de seleccin y ubicacin.
ndices de discriminacin y
dificultad de reactivos
*Ver documento PDF
Estadstica
Percentiles, deciles y cuartiles
Percentiles
Dividen la distribucin en 100 partes
Deciles
Dividen la distribucin en 10 partes
Cuartiles
Dividen la distribucin en 4 partes
Mximo
Mnimo
Percentil 20
P
20

20% 80%
Percentiles, deciles y cuartiles
Rango
Rango (amplitud o recorrido):
Est determinado por los dos valores
extremos de los datos muestrales, es
simplemente la diferencia entre la mayor y
menor observacin.
Es una medida de dispersin absoluta, ya
que depende solamente de los datos y
permite conocer la mxima dispersin.
Medidas de tendencia central
Media, mediana y moda
Se define como el punto medio geomtrico de la
distribucin de datos agrupados.
Mediana
Es el dato que ocurre ms veces (que tiene la mayor
frecuencia de ocurrencia) para datos agrupados.
Moda
Media o promedio y es el valor estadstico de tendencia
central ms utilizado, ya que es la ms confiable de las
tres medidas de tendencia central y, por consiguiente, la
ms representativa de una distribucin de datos debido a
que es el punto de equilibrio (o centro de gravedad) de
la secuencia de datos.

Media aritmtica




Medidas de variabilidad
Varianza y desviacin estndar
Nos dicen como se dispersan los puntos; nos indican algo
sobre la naturaleza de la distribucin de los puntajes. Adems
de esto, nos informa sobre el rango de puntuaciones en el
grupo.
La medida ms frecuente utilizada es la desviacin estndar
que tiene como smbolo una S

Las medidas de variabilidad
Desviacin estndar (s)
La desviacin estndar nos dice que mientras ms grande sea el valor
de la desviacin estndar, mayor ser la variabilidad de la distribucin
de los puntajes.
Poblacin o muestra homognea= desviacin estndar menor.
Poblacin o muestra heterognea= desviacin estndar mayor.
Desviacin
estndar (s)


Procedimiento
Desviacin estndar (s)
Procedimiento
1. Primero calcula la media de las puntuaciones que te
proporcionen

2. Resta la media a cada puntuacin que te proporcionaron

3. Eleva al cuadrado cada resultado que obtienes al restar la
media

4. Suma todos los resultados que se elevaron al cuadrado

5. Divide el resultado de la suma, entre el nmero de casos

6. El resultado de la divisin es la varianza

7. Para determinar la desviacin estndar solo saca la raz
cuadrada de la varianza
Puntuacin Z
Distribucin normal
Distribucin normal
Distribucin terica que puede graficarse
en una curva normal, en campana o curva
de Gauss.
En esa curva se observa que la mayor
parte de los valores de la serie estn
alrededor del promedio; los valores lejanos
al promedio se presentan rara vez.

La distribucin normal
Curva de distribucin de frecuencias donde la media, la
mediana y la moda de una variable son iguales entre s y
la distribucin de las puntuaciones tiene forma de
campana.
Definicin estadstica de
normalidad
Lo normal es lo usual o frecuente
Lo anormal es lo poco usual


Puntuacin Z
Una puntuacin Z es la distancia de una puntuacin X hacia
la media.
Es el nmero de desviaciones estndar a las que est una
puntuacin de la media.

Formula: _
Z= x X
s
Puntuacin en bruto = x
_
Media = X
Desviacin estndar = s
Ejemplo.
_
1. Donde x= peso, X=120 libras, S= 10
libras

_
CASO X (peso)
X-X
Z
Sonia 110 libras -10 libras -1 SD
Sofa 125 libras 5 libras .5 SD
Mariana 107 libras -13 libras -1.3 SD
Problema
Suponga que aplica el WISC a un grupo de 4 nios cuyo CI
obtenidos son 110, 92, 106 y 110
Determine la Puntuacin Z de cada valor cuando la media fue
de 104 y la desviacin estndar de 4.
Z= 1.96 -------- 95%
Z= 2.58 -------- 99%
Intervalo de confianza
Error esperado = nivel de significancia.
Al calcular un intervalo de confianza, utilizamos la letra
griega = alfa () para representar el nivel de error
esperado. Ese nivel de error esperado tambin se
denomina Nivel de significancia.
Intervalo de confianza de 95%
Nivel de significancia o error esperado es 5%
100% - nivel de confianza (95%) = 5%
Estadstica
Inferencial
Inferencia estadstica
Conjunto de procedimientos utilizados para
determinar el grado en que la relacin observada
entre dos variables (o la diferencia observada en
una variable dependiente entre dos o ms grupos
de sujetos) puede EXPLICARSE como resultado del
azar = atribuirse a fuentes de errores variables.
La prueba de significancia
estadstica

Es la prueba de la hiptesis
nula.
Pasos del ritual de la prueba de
significacin estadstica
Formular la hiptesis nula
Si hay relacin (o diferencia) se debe al azar.
Hiptesis del azar.
Rechaza o no la Ho.
P que un nivel de probabilidad convencional previamente establecido.
(0.05 0.01)
Los resultados NO se deben al azar = se rechaza la hiptesis nula (Ho).

P > al nivel de probabilidad convencional previamente establecido
No se puede descartar el azar = NO se rechaza la Ho.

t de Student
William Sealy Gosset
Definicin
Es una prueba estadstica para evaluar si dos
grupos difieren entre s de manera
significativa respecto a sus medias.

La hiptesis de investigacin propone que los
grupos difieren significativamente entre s y la
hiptesis nula propone que los grupos no
difieren significativamente.
ANOVA
Usaremos el anlisis de la varianza (ANOVA) para
contrastar la hiptesis nula de que las medias de distintas
poblaciones coinciden. Por ejemplo, en el caso de 5
poblaciones, el contraste a realizar sera:

HO : 1 = 2 = ... = 5 vs. HA : no todas las medias
poblacionales son iguales
Variables nominales: las
distribuciones chi cuadrada
2
Chi cuadrada (X )
La existencia de una relacin (o diferencias) entre dos
variables (nominales) se establece con una prueba de
hiptesis llamada chi cuadrada.
En esencia la chi cuadrada es una
comparacin entre la tabla de frecuencias
observadas y la denominada tabla de
frecuencias esperadas.
Chi cuadrada Examen Ceneval
Ho: no hay relacin entre tipo de familia e idea poltica
Hi: si hay relacin
Se rechaza la Ho, por lo tanto si hay relacin
Otro ejemplo:
Digamos que 900 estudiantes expresan su voluntad por celebrar
el aniversario de la institucin organizando uno de dos eventos:
una acto solemne en el templo universitario o una actividad
deportiva en el estadio de ftbol.

Una vez hecha la encuesta se tiene que 495 alumnos prefieren la
actividad deportiva y 405 se inclinan por el acto solemne. Existe
una diferencia significativa entre los estudiantes en su preferencia
por la actividad deportiva?

La prueba estadstica para determinar la
significatividad de la diferencia en las frecuencias
observadas es la prueba
llamada Chi Cuadrada.
Correlacin:
cambio sistemtico en las puntuaciones
de dos variables de intervalo/ razn
Correlacin positiva: un incremento en
X se relaciona con un incremento en Y.
r = +1.00
Correlacin negativa: Un incremento en X se
relaciona con una reduccin en Y.
r = -1.00
Ausencia de correlacin: un incremento en X
no se relaciona con las puntuaciones de Y.
r = 0 (no existe relacin)
r de Pearson

El coeficiente de Pearson puede variar de 0 a 1

0= no existe correlacin
.10= correlacin dbil
.50= correlacin media
.75= correlacin considerable
.90= correlacin muy fuerte
1= correlacin perfecta


r de Pearson
Ejemplos de valores:

s=.01 significancia
0.783 valor de coeficiente

Si s es menor del valor .05, se dice que el coeficiente es significativo al nivel .05
(95% de confianza de que la correlacin sea verdadera y 5% de probabilidad de
error).

Si s es menor del valor .01, se dice que el coeficiente es significativo al nivel .01
(99% de confianza de que la correlacin sea verdadera y 1% de probabilidad de
error).

En artculos de revistas cientficas la significancia suele indicarse as:

0.48*
p<.05
Esto es que el coeficiente es significativo al nivel de .05. La probabilidad de error
es menor de 5%


r de Pearson
Ejemplos:

Hi: A mayor motivacin intrnseca, mayor puntualidad
Resultado: r=.721
s=.0001

Se acepta la Hi al nivel de .01. La correlacin entre la motivacin intrnseca y la
productividad es considerable.

Hi: A mayor ingreso, mayor motivacin intrnseca
Resultado: r= .214
s= .081

No se rechaza la Ho. El coeficiente no es significativo: .081 es mayor que .05,
recordemos que 05 es el nivel mnimo de aceptacin de la hiptesis.

cansados..??
Juan Jos Callela Ruiz
Investigacin y Medicin Psicolgica
callelaruiz@hotmail.com / 33 1115 7565
Curso. Agosto 2014
muchas gracias..!!
nos vemos la prxima clase