Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso UNED1 Repr Graf
Curso UNED1 Repr Graf
PRIMERA PARTE.
SEGUNDA PARTE.
ANLISIS GRFICO DE INVESTIGACIONES EDUCATIVAS DESTACADAS.
3) Anlisis descriptivo bsico.
a) Propiedades elementales.
i) Tendencia central, posicin y variabilidad.
ii) Forma: Asimetra y apuntamiento.
b) La forma de la distribucin segn algunos modelos representativos.
i) El caso de la distribucin normal.
ii) La distribucin exponencial.
c) Deteccin de casos anmalos.
4) Anlisis de la relacin entre variables.
a) Introduccin.
b) El caso lineal.
c) Relacin no lineal.
5) Representaciones Multidimensionales.
Bibliografa
1.
2.
3.
4.
5.
6.
7.
Investigaciones
Supuesto 1: Implicaciones educativas de la estructura de interaccin entre los
alumnos.
Supuesto 2: Predicciones de xito escolar a partir de las expectativas del profesor.
Supuesto 3: Anlisis de la progresin evolutiva de las destrezas cognitivas.
PRIMERA PARTE.
a) Objetivos y Perspectiva
1 parte: una descripcin bsica de caractersticas y tipos de representaciones que se apoyar
mediante transparencias y fotocopias. Incluye tambin unas definiciones bsicas de
puntos destacados, EDA como perspectiva moderna, convenciones, etc. Se realizar un
breve recorrido por la estadstica descriptiva, teniendo en cuenta el objetivo de
representaciones, que abarca desde la perspectiva clsica hasta la moderna.
2 parte de aplicaciones concretas. Centrado en ejemplos mejor que en tcnicas. Es decir
relatar ejemplos concretos de investigaciones educativas con una serie de objetivos a
cubrir y entonces situar su anlisis dentro de un esquema amplio de anlisis donde se vea
claramente la utilidad de las representaciones grficas. Adems ser importante que quede
patente el carcter interactivo de la perspectiva que se defiende en el curso. Es decir cmo
vamos forjando Hiptesis y explorando recurrentemente las representaciones, etc.
Utilizacin de abundante cantidad de ejemplos que ilustren bien la problemtica. A veces
un tipo de representacin camufla una realidad importante. Pues bien, un objetivo
importante es que el supuesto seleccionado permita clarificar esta cuestin.
Mltiples representaciones de los mismos datos para ver cosas diferentes en los mismos
cada vez.
De forma interactiva. Es decir presentarlo como una continua generacin y contraste
de Hiptesis.
Explicar los ejemplos dentro del seno de la Psicologa Educacin.
Contenidos de la Psicologa de la Educacin.
Definicin proceso bsico de aprendizaje.
Factores intrapersonales
Factores interpersonales y socio-ambientales.
Anlisis psicoeducativo del proceso.
Conocimiento psicolgico y prctica educativa.
Describir los programas de anlisis estadstico y sus posibilidades grficas. Uno de los ms
destacados es SYSTAT, motivo por el que hemos optado por l.
OPCIN
Spin
Plot
Cplot
Bar
Pie
Density
Box
Stemleaf
Pplot
Qplot
SPLOT
Icon
Map
DESCRIPCIN
Rotacin grficos 3-D
Diagrama dispersin
Categrico
de Barras o rectngulos
De tartas o circular
Histograma, Polgono y Funcin Probabilidad
Diagrama cajas y barbas
Diagrama tallos y hojas
Densidad ProbabilsticosCuantiles
Matricial
Simblico o Pictograma
Simblico de Mapas
El fichero repres1.syd es para el programa SYSTAT y servir para desarrollar los Supuestos 1
y 2.
El fichero incluye la siguiente informacin:
nio
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Aclaracin:
Las variables representan:
rencoop: rendimiento en
situacin cooperativa.
rencompi: rendimiento en
situacin competitiva.
Exptprofe: expectativas
del profesor.
cultpadre: nivel
sociocultural padres.
tampandi: tamao de las
pandillas.
Y sirven para describir las implicaciones educativas de la estructura de interaccin entre los
alumnos y ms en concreto para analizar las predicciones de xito escolar a partir de las
expectativas del profesor.
error
10.000
9.000
10.000
8.000
10.000
9.000
8.000
9.000
10.000
7.000
6.000
5.000
7.000
5.000
5.000
4.000
7.000
4.000
5.000
2.000
6.000
4.000
2.000
3.000
2.000
3.000
3.000
2.000
3.000
2.000
1.000
0.0
2.000
2.000
1.000
3.000
2.000
4.000
5.000
0.0
0.0
1.000
1.000
2.000
2.000
2.000
2.000
3.000
1.000
1.000
Aclaracin:
Las variables representan:
Edad: medida en aos
Error: Nmero de errores
cometidos en una batera de
aptitudes.
Por ltimo, el fichero normal.syd es para el programa SYSTAT y servir para desarrollar la
simulacin de la distribucin Normal Multivariada, como ilustracin de las posibilidades
grficas ms sofisticadas.
El fichero incluye la siguiente informacin:
Z1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,79
1,58
Z2
2
1,79
1,58
1,37
1,16
0,95
0,74
0,53
0,32
0,11
-0,1
-0,31
-0,52
-0,73
-0,94
-1,15
-1,36
-1,57
-1,78
-1,99
-2,2
2
1,79
1,58
1,37
1,16
0,95
0,74
0,53
0,32
0,11
-0,1
-0,31
-0,52
-0,73
-0,94
-1,15
-1,36
-1,57
-1,78
-1,99
-2,2
2
Altura
0,00292
0,00434
0,00618
0,00843
0,01099
0,01372
0,01638
0,01872
0,02046
0,02141
0,02143
0,02053
0,01882
0,01650
0,01385
0,01112
0,00854
0,00628
0,00442
0,00297
0,00192
0,00434
0,00646
0,00920
0,01255
0,01636
0,02042
0,02439
0,02787
0,03047
0,03187
0,03191
0,03056
0,02801
0,02457
0,02062
0,01655
0,01272
0,00935
0,00658
0,00443
0,00285
0,00618
Aclaracin:
Las variables representan:
Z1: Tipificacin
Dimensin1
Z1: Tipificacin
Dimensin2
Altura: calculada a partir de
la funcin Normal.
Temas
10
1. GRFICOS BSICOS.
A. GRUPO HISTOGRAMA.
Count
6
5
4
3
2
1
0
0
2
3
CULTPADRE
Count
7
6
5
4
3
2
1
0
0
2
3
TAMPANDI
30
0.3
1.2
1.0
4
3
0.1
2
20
0.8
Count
Count
0.2
0.6
10
0.4
0.2
1
0
0
Cumulative Density
20
40
60
80
RENCOOP
100
0.0
120
0
0
20
40
60
80
RENCOOP
100
0.0
120
10
11
10
10
7
6
5
EXPTPROFE
10
EXPTPROFE
EXPTPROFE
4. Perfil ortogonal (Line, Profile o Pyramid). Expectativa profesor Rendimiento cada nio
del aula.
7
6
5
7
6
5
2
0
2
0
10
20
30
10
NIO
20
2
0
30
10
20
30
NIO
NIO
8
7
6
20
Count
Count
5
4
10
3
2
1
0
0
0
0
20
40
60
80
RENCOOP
100
120
20
40
60
80
RENCOOP
100
120
11
12
1
2
4
3
12
13
120
RENCOOP
100
80
60
40
20
0
2
5
6
7
8
EXPTPROFE
10
13
14
3.1. Diagrama de tallos y hojas (Descriptive Statistics_stem and leaf Plot). Rendimiento
en situacin cooperativa. Con letra Courier New.
Stem and Leaf Plot of variable:
Minimum:
1.000
Lower hinge:
55.000
Median:
65.000
Upper hinge:
82.000
Maximum:
100.000
RENCOOP, N = 25
0
1
1
1
* * * Outside Values * * *
3
2
4
112
5 H 57
6 M 0022556
7
135
8 H 24578
9
2
10
0
3.2. Diagrama de cajas y bigotes (Box Plot). Rendimiento en situacin cooperativa.
20
40
60
80
RENCOOP
100
120
14
15
RENCOOP, N = 25
0
1
1
1
* * * Outside Values * * *
3
2
4
112
5 H 57
6 M 0022556
7
135
8 H 24578
9
2
10
0
Forzando 20 niveles
0
1
1
1
* * * Outside Values * * *
3
2
3
4
112
4
5
5 H 57
6
0022
6 M 556
7
13
7
5
8 H 24
8
578
9
2
9
10
0
15
16
16
17
6)
7)
8)
9)
17
18
SEGUNDA PARTE.
18
19
40
35
30
25
20
15
10
5
0
A
B
C
D
10
14
37
14
10
10
12
16
19
16
12
10
35
30
10
10
30
35
19
20
i) Tendencia central
1. Mediante Diagrama de tallos y hojas (Descriptive Statistics_stem and leaf Plot).
Comparacin de rendimiento en las situaciones cooperativa y competitiva. Con letra Courier
New.
Sin forzar
Stem and Leaf Plot of variable:
Minimum:
21.000
Lower hinge:
50.000
Median:
54.000
Upper hinge:
82.000
Maximum:
100.000
RENCOOP, N = 25
2
12
3
27
4
00
5 M 0000024
6
015
7
35
8 H 24578
9
2
10
0
Stem and Leaf Plot of variable:
Minimum:
22.000
Lower hinge:
37.000
Median:
50.000
Upper hinge:
60.000
Maximum:
100.000
RENCOMPI, N = 25
2
23
2
9
3
3 H 5557
4
0034
4
5 M 00002
5
5
6 H 002
6
7
2
7
5
8
2
* * * Outside Values * * *
9
8
10
0
20
21
RENCOOP, N = 25
2
12
3
27
4
00
5 M 0000024
6
015
7
35
8 H 24578
9
2
10
0
Stem and Leaf Plot of variable:
Minimum:
22.000
Lower hinge:
37.000
Median:
50.000
Upper hinge:
60.000
Maximum:
100.000
RENCOMPI, N = 25
2
239
3 H 5557
4
0034
5 M 000025
6 H 002
7
25
8
2
* * * Outside Values * * *
9
8
10
0
21
22
0.3
3
0.1
2
5
Count
Count
6
0.2
4
3
0.1
0.2
0
0.0
20 30 40 50 60 70 80 90 100 110
RENCOOP
0
0.0
20 30 40 50 60 70 80 90 100 110
RENCOMPI
22
23
i) Variabilidad
1. Mediante Diagrama de cajas y barbas (Box Plot). Comparacin de rendimiento en las
situaciones cooperativa y competitiva.
20 30 40 50 60 70 80 90 100 110
RENCOMPI
20 30 40 50 60 70 80 90 100 110
RENCOOP
23
24
formas
segn
12
8
0.3
Count
0
0
20
40
60
80
RENCOOP
100
0.1
2
0.0
120
12
0
2
2
3
CULTPADRE
0.0
5
5
6
7
EXPTPROFE
0.0
10
0.6
10
0.4
Count
Count
0
0.0
0 10 20 30 40 50 60 70 80 90 100
RENCOMPI
0.3
5
0.2
0.1
0.1
2
0.2
4
0.5
Proportion per Bar
0.3
0.2
0.4
15
10
0
0
0.2
4
3
0.1
0.2
4
0.3
0.3
Count
0.4
Count
10
0.1
0
0
2
3
TAMPANDI
0.0
5
24
25
Y1
0.3
0.2
0.1
0.0
-3
-2
-1
0
Z1
25
26
5
Count
Count
4
3
2
1
1
0
30 40 50 60 70 80 90 100 110
RENCOOP
0
0 10 20 30 40 50 60 70 80 90 100
RENCOMPI
3
2
1
0
-1
-2
-3
30 40 50 60 70 80 90 100 110
RENCOOP
Que se aproximen o no a una lnea recta. Cuanto ms prximo a esta mejor ajusta el modelo hipotetizado.
Esta funcin s que incluye smooth para ajustar una lnea recta precisamente y poder aproximarnos
mejor.
Veamos la aproximacin a la normal.
3
2
1
0
-1
-2
-3
0 10 20 30 40 50 60 70 80 90 100
RENCOMPI
26
27
0
30 40 50 60 70 80 90 100 110
RENCOOP
As pues, que los juicios sean comparativos (relativos) mas que absolutos. En este caso vamos a
comparar con otro tipo de modelo de distribucin, vg una exponencial.
0
0 10 20 30 40 50 60 70 80 90 100
RENCOMPI
Como se puede apreciar el ajuste normal es mejor que el de la exponencial por ejemplo.
27
28
LINEAL
8
y = a + bx
6
4
2
0
1
11
21
31
41
51
EXPONENCIAL
POTENCIAL
100
0,1
80
0,08
60
0,06
y = ae bx
40
y = ax b
0,04
20
0,02
0
1
11
21
31
41
51
11
HIPERBLICA
21
31
0,1
y=
0,8
b
y =a+
x
0,15
51
LOGSTICA
0,25
0,2
41
0,6
1
1 + ae bx
0,4
0,05
0,2
11
21
31
41
11
21
31
41
51
28
29
29
30
30
31
a) Introduccin
Es importante la exploracin grfica de la relacin, sobre todo para perfilar el tipo de
relacin. La ms importante ha sido en las disciplinas afines a la Psicologa sin lugar a dudas
la lineal. Pero no es este tipo de relacin ni mucho menos el nico tipo posible. De hecho
veremos un ejemplo extrado de la investigacin educativa que apunta ms bien un tipo
diferente de relacin. Una vez ms el anlisis exploratorio es crucial en este punto.
Por otro lado, tambin es importante observar/explorar con detenimiento el conjunto
de datos de nuestro estudio. Nuevamente la presencia de puntos anmalos puede se
distorsionante. En este punto podramos forjarnos una idea de relacin que es inadecuada. El
anlisis exploratorio tipo EDA vuelve a ser crucial. Veremos un mtodo robusto de
estimacin.
Todos los puntos trazados estn relacionados con la estadstica robusta.
El anlisis exploratorio puede ayudarnos, adems, a evitar algunos riesgos
inherentes a la interpretacin de relaciones.
Dependencia de la variabilidad.
Mediacin de terceras variables.
Rango de valores restringido y por tanto poco representativo de la poblacin de
referencia.
Mezcla de grupos heterogneos.
Centraremos dos ejemplos de manera comparativa. Veamos el primero de ellos.
Supuesto 2: Anlisis de las predicciones en el xito escolar a partir de las expectativas del
profesor.
Incluye un outlier, lo que permite apreciar la distorsin que provoca sobre la recta de
regresin.
Algo que se puede detectar mediante la representacin grfica correspondiente y que se puede
corregir mediante la recta de Tukey que es robusta (se basa en las medianas). Le ajustamos
algunos modelos diferentes para que se vea claramente la superioridad del lineal frente a otros
modelos como el exponencial o logartmico.
Realmente el estudio fue de regresin mltiple, cuya ecuacin sera de la forma:
31
32
b) El caso Lineal
10
9
EXPTPROFE
8
7
6
5
4
3
2
1
0
20 30 40 50 60 70 80 90 100 110
RENCOOP
EXPTPROFE
8
7
6
5
4
3
2
1
0
20 30 40 50 60 70 80 90 100 110
RENCOOP
32
33
10
9
8
Value
7
6
5
4
3
NEWEXPT
EXPTPROFE
2
30 40 50 60 70 80 90 100 110
RENCOOP
Por ello sera til disponer de una estimacin robusta en casos como este. Veamos la lnea resistente de
Tukey, una de las tcnicas ms representativas en este punto.
X
Case n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
ExpecProf RendCoo
9,0
3,5
2,5
2,6
2,5
3,5
5,5
7,0
6,8
5,0
3,5
4,0
6,7
3,5
5,5
5,0
5,0
4,0
5,5
5,0
6,0
8,6
8,8
9,0
8,0
Case n
1
11
32
41
41
42
55
57
60
60
62
62
65
65
66
71
73
75
82
84
85
87
88
92
100
3
5
4
2
6
11
14
12
18
10
16
17
20
7
15
19
21
13
9
8
25
22
23
1
24
Md
Md1
Md2
ExpecProf RendCoo
2,5
2,5
2,6
3,5
3,5
3,5
3,5
4,0
4,0
5,0
5,0
5,0
5,0
5,5
5,5
5,5
6,0
6,7
6,8
7,0
8,0
8,6
8,8
9,0
9,0
5,0
3,5
6,9
32
41
41
11
42
62
65
62
75
60
71
73
84
55
66
82
85
65
60
57
100
87
88
1
92
65
61
74
33
34
120
RENDIMIENTO
100
80
60
40
20
0
0,0
2,0
4,0
6,0
8,0
10,0
EXPECTATIVA PROFE
120
RENDIMIENTO
100
y = 4,4472x + 38,087
80
y = 3,8235x + 47,618
60
40
20
0
0,0
2,0
4,0
6,0
8,0
10,0
EXPECTATIVA PROFE
34
35
Por otro lado, veamos otro estudio en que tambin interesa la relacin entre dos
variables.
Supuesto 3: Anlisis de la progresin evolutiva en las destrezas.
Se mide el nmero de errores cometidos en una batera que incluye una muestra
representativa de las habilidades cognitivas (aptitudes) ms destacadas a diferentes grupos de
edad. Entonces realizamos un seguimiento de las destrezas medido a travs del nmero de
errores. Como se podr apreciar se trata de una funcin exponencial. Le ajustamos tambin
algunos modelos diferentes para que se vea claramente la superioridad del lineal frente a otros
modelos como el exponencial o logartmico.
Interpretacin de la exponencial. Paulatinamente se comete menor nmero de errores, luego
mejoran las destrezas bsicas. Pero ese cambio no es constante en los diferentes momentos
sino que es proporcionalmente mayor al principio que en edades posteriores.
(Fichero repres2.syd)
12
10
ERR
8
6
4
2
0
0
10
15
EDAD
Ir tanteando los ajustes hasta dar con el mejor ajuste, proporcionado por el modelo
exponencial:
Smoother (Scatterplot_options)
35
36
NIOS
1
2
3
4
5
6
7
8
9
10
MEDIA
5
10
9
10
8
10
9
8
9
10
7
9,0
7
6
5
7
5
5
4
7
4
5
2
5,0
AOS
9
6
4
2
3
2
3
3
2
3
2
3,0
11
1
0
2
2
1
3
2
4
5
0
2,0
13
0
1
1
2
2
2
2
3
1
1
1,5
36
37
12
ERRORES
10
8
6
4
2
0
0
EDAD
10
15
12
ERRORES
10
8
6
4
2
0
0
EDAD
10
15
37
38
5) Representaciones Multidimensionales
Se ilustrar la Normal Multidimensional, como ejemplo de grfico 3-D y sus posibilidades.
Para ello se simulan variaciones cclicas de una variable Z2 (tipificada) anidada a otra
variable Z1 y se estima a partir de la interaccin (el producto) de ambas la altura de
la funcin. Los datos de dicha simulacin se recogen en el fichero normal.syd y el
grfico tridimensional resultante en el fichero Normal3D.SYG
El resultado es la representacin:
38
39
RENCOOP
25
31.000
100.000
69.000
1607.000
65.000
64.280
72.501
56.059
3.983
19.915
396.627
0.310
-0.165
0.464
-0.815
0.902
RENCOMPI
25
5.000
92.000
87.000
1274.000
52.000
50.960
60.921
40.999
4.826
24.131
582.290
0.474
-0.125
0.464
-0.708
0.902
N of cases
Minimum
Maximum
Range
Sum
Median
Mean
95% CI Upper
95% CI Lower
Std. Error
Standard Dev
Variance
C.V.
Skewness(G1)
SE Skewness
Kurtosis(G2)
SE Kurtosis
RENCOOP
25
1.000
100.000
99.000
1557.000
65.000
62.280
72.266
52.294
4.839
24.193
585.293
0.388
-0.880
0.464
0.763
0.902
RENCOMPI
25
5.000
92.000
87.000
1274.000
52.000
50.960
60.921
40.999
4.826
24.131
582.290
0.474
-0.125
0.464
-0.708
0.902
EXPTPROFE
25
1.000
9.000
8.000
128.500
5.000
5.140
6.017
4.263
0.425
2.124
4.512
0.413
0.205
0.464
-0.521
0.902
EXPTPROFE
25
2.500
9.000
6.500
136.000
5.000
5.440
6.302
4.578
0.418
2.089
4.362
0.384
0.376
0.464
-0.931
0.902
CULTPADRE
25
1.000
4.000
3.000
60.000
2.000
2.400
2.862
1.938
0.224
1.118
1.250
0.466
0.272
0.464
-1.253
0.902
CULTPADRE
25
1.000
4.000
3.000
60.000
2.000
2.400
2.862
1.938
0.224
1.118
1.250
0.466
0.272
0.464
-1.253
0.902
TAMPANDI
25
0.0
4.000
4.000
47.000
2.000
1.880
2.390
1.370
0.247
1.236
1.527
0.657
0.390
0.464
-0.530
0.902
TAMPANDI
25
0.0
4.000
4.000
47.000
2.000
1.880
2.390
1.370
0.247
1.236
1.527
0.657
0.390
0.464
-0.530
0.902
39
40
RENCOMPI, N = 25
0
5
1
19
2
13
3 H 2789
4
5 M 0012344
6 H 056
7
35
8
257
9
2
Stem and Leaf Plot of variable:
Minimum:
31.000
Lower hinge:
55.000
Median:
65.000
Upper hinge:
82.000
Maximum:
100.000
RENCOOP, N = 25
3
112
4
112
5 H 57
6 M 0022556
7
135
8 H 24578
9
2
10
0
Stem and Leaf Plot of variable:
Minimum:
5.000
Lower hinge:
37.000
Median:
52.000
Upper hinge:
66.000
Maximum:
92.000
RENCOMPI, N = 25
0
5
1
19
2
13
3 H 2789
4
5 M 0012344
6 H 056
7
35
8
257
9
2
40