Curso UNED1 Repr Graf

Manuel Miguel Ramos lvarez
Curso Representaciones grficas de datos en Psicologa Educacin
REPRESENTACIONES GRFICAS EN LA INVESTIGACIN

EDUCATIVA.
ANLISIS DE DATOS DESDE UNA PERSPECTIVA EXPLORATORIA
Junio de 2005
PRIMERA PARTE.
INTRODUCCIN A LOS CONCEPTOS PRINCIPALES.

1) Introduccin al anlisis con base exploratoria.
a) Objetivos y perspectiva.
b) El papel de las representaciones grficas.
2) Bases para la representacin
a) Tipos ms frecuentes.
b) Nuevos formatos de representacin.
c) Convenciones en torno al sistema de representacin.
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.
Amn, J. (1980): Estadstica para Psiclogos 1. Madrid: Pirmide.

Botella, J., Len, O. y San Martn, R. (1993): Anlisis de Datos en Psicologa I.
Madrid: Pirmide.
Ferguson, G.A. (1986) Anlisis Estadstico en Educacin y Psicologa. Madrid: Anaya.
Freixa, M., Salafranca, L., Guardia, J., Ferrer, R. y Turbany, J. (1992): Anlisis
exploratorio de datos: Nuevas tcnicas estadsticas. Barcelona: PPU.
Guilford, J. P. y Frutcher, B. (1984): Estadstica Aplicada a la Psicologa y a la
Educacin. Bogot: McGraw-Hill.
Palmer. A. (1995). El Anlisis Exploratorio de Datos. Madrid: Pirmide.
Welkowitz, J., Ewen, R. B. y Cohen, J. (1981): Estadstica Aplicada a las Ciencias de
la Educacin. Madrid: Santillana.
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.
INTRODUCCIN A LOS CONCEPTOS PRINCIPALES.
1. Introduccin al anlisis con base exploratoria.

a) Objetivos y perspectiva.
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.
Men Graph del programa SYSTAT:
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
rencoop rencompi exptprofe cultpadre tampandi

1
5
9,0
1
0
11
11
3,5
1
1
32
19
2,5
1
1
41
21
2,6
2
2
41
23
2,5
2
2
42
32
3,5
3
3
55
37
5,5
3
0
57
38
7,0
4
0
60
39
6,8
4
1
60
50
5,0
4
1
62
50
3,5
2
2
62
51
4,0
2
3
65
52
6,7
4
4
65
53
3,5
3
4
66
54
5,5
2
1
71
54
5,0
2
2
73
60
5,0
2
2
75
66
4,0
1
1
82
65
5,5
4
2
84
73
5,0
4
2
85
75
6,0
2
4
87
82
8,6
1
2
88
85
8,8
1
1
92
87
9,0
2
2
100
92
8,0
3
4
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.
Con los promedios:

rencoop rencompi exptprofe cultpadre tampandi
Promedio 62,28
50,96
5,44
2,40
1,88
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.
El fichero repres2.syd es para el programa SYSTAT y servir para desarrollar el Supuesto 3.

edad
5.000
5.000
5.000
5.000
5.000
5.000
5.000
5.000
5.000
5.000
7.000
7.000
7.000
7.000
7.000
7.000
7.000
7.000
7.000
7.000
9.000
9.000
9.000
9.000
9.000
9.000
9.000
9.000
9.000
9.000
11.000
11.000
11.000
11.000
11.000
11.000
11.000
11.000
11.000
11.000
13.000
13.000
13.000
13.000
13.000
13.000
13.000
13.000
13.000
13.000
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:
Edad: medida en aos
Error: Nmero de errores
cometidos en una batera de
aptitudes.
Y sirve para efectuar el anlisis de la progresin evolutiva de las destrezas cognitivas.
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.
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:
Z1: Tipificacin
Dimensin1
Z1: Tipificacin
Dimensin2
Altura: calculada a partir de
la funcin Normal.

Un nfasis en
La comprensin de los datos Qu hay aqu?
Tipologa de Representaciones grficas.
Aproximacin de construccin tentativa de modelos y generacin de Hiptesis en un
proceso interactivo. Especificacin modelo, anlisis residual, re-especificacin.
Uso de medidas robustas y re-anlisis sobre subconjuntos seleccionados de datos.
Flexibilidad y escepticismo respecto al mtodo concreto de anlisis a aplicar.
Descubrir patrones en los datos. Como un trabajo detectivesco, atender y observar los
datos hasta que emerja una historia coherente en los mismos. Es decir aprender a partir de los
datos. Abre una perspectiva que debe tomarse como complementaria ms que opuesta a la
perspectiva clsica. Se trata de una perspectiva exploratoria ms que confirmatoria. Ms que
una coleccin de tcnicas se trata de una genuina opcin terica. Es decir de una actitud
hacia los datos.
La tendencia reinante de anlisis de datos psicolgicos pretende muchas veces que
todo lo que nos interesa es el contraste de algn parmetro determinado (el mito del Test de
Hiptesis). Pero lo cierto es que hay multitud de preguntas no menos importantes, de
amplio alcance, y que requieren de una perspectiva ms flexible (menos tajante) en la que de
manera interactiva vamos planteando diferentes preguntas a los datos, es decir planteando
diferentes Hiptesis, a la vez que vamos tomando una serie de decisiones descartando algunas
de las mismas y concretando otras.
As pues se trata ms bien de estudiar las etapas iniciales del anlisis, con
perspectiva exploratoria ms que confirmatoria, realizando anlisis preliminares de los datos y
donde las tcnicas de representacin grfica son cruciales como gua del proceso. Tambin
veremos el uso de tcnicas de representacin como una ayuda ineludible para detectar
patrones complejos en los datos. Qu sucedera a un modelo por ejemplo lineal si uno de
los predictores lo reducimos a algunos de los valores que puede adoptar? Cul es el modelo
que mejor describe los datos? Es exponencial? Es logartmico?
Temas
incluidos bajo el epgrafe EDA:

Representacin de datos.
Transformacin de variables.
Lnea resistente.
Tcnicas de suavizado.
Ajuste de medianas.
Estimacin robusta.
10
2) Bases para la representacin

a) Tipos ms frecuentes.
b) Nuevos formatos de representacin.
a) Los tipos de representacin ms frecuentes
1. GRFICOS BSICOS.
A. GRUPO HISTOGRAMA.
1. Diagrama rectngulos (bar). Nivel sociocultural padres

(1: sin estudios, 2: primarios, 3: secundarios, 4: superiores).
10
9
8
7
Count
6
5
4
3
2
1
0
0
2
3
CULTPADRE
2. Diagrama barras (bar). Tamao de las pandillas (0,1,2,3,4 5 componentes).

10
9
8
Count
7
6
5
4
3
2
1
0
0
2
3
TAMPANDI
Histograma (histogram). Agrupacin rendimiento en situacin Cooperativa en intervalos de

10 puntos.
e histograma acumulativo (histogram_Histogram Options Cumulative:)
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
Proportion per Bar
20
40
60
80
RENCOOP
100
0.0
120
0
0
20
40
60
80
RENCOOP
100
0.0
120
10
11
B. GRUPO POLGONO FRECUENCIAS.
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
Polgono frecuencias (Histogram_Type of dsiplay: Frequency Poligon). Agrupacin

rendimiento en situacin Cooperativa en intervalos de 10 puntos.
y Polgono frecuencias acumulativo (histogram_ Type of dsiplay: Frequency Poligon_
Histogram Options Cumulative:).
30
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
C. GRUPO DIAGRAMAS SIMBLICOS.

6. Diagrama circular o Grfico tarta. (Pie chart). Nivel sociocultural padres.
1
2
4
3
Pictograma (Icon Plot). Rendimiento en cada nio.
12
13
2. GRFICOS PARA ESTUDIO DE LA RELACIN ENTRE VARIABLES.

Diagrama de dispersin o nube de puntos (scatterplot). Relacin rendimiento y expectativas
profesor.
120
RENCOOP
100
80
60
40
20
0
2
5
6
7
8
EXPTPROFE
10
13
14
b) Nuevos formatos de representacin
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
El ejemplo de tallos-hojas a dos niveles diferentes de detalle: el sugerido por el programa

SYSTAT (unas 10 lneas) y otro en que se fuerza al doble de intervalos (20 lneas).
Minimum:
1.000
Lower hinge:
55.000
Median:
65.000
Upper hinge:
82.000
Maximum:
100.000
RENCOOP, N = 25
0
1
1
1
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
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
Ventajas de los sistemas modernos de representacin

1) Permite retener mayor riqueza informativa (todas y cada una de las puntuaciones) pero
no facilita los clculos numricos de diferentes estadsticos.
2) Ofrece simultneamente un listado de las puntuaciones y un dibujo (si lo tumbamos es
como un histograma).
3) Flexible para alterar el nivel de detalle.
4) Facilita la comparabilidad entre grupos, estudios diferentes, y por ende la comprensin de
los datos.
16
17

1)
2)
3)
4)
5)
6)
7)
8)
9)
Valores variable en abcisas (X) y frecuencia en ordenada (Y).

Graduacin ordinal de derecha-izquierda y abajo-arriba desde menor a mayor.
Indicaciones de ruptura del eje cuando deseamos dar un salto.
Incluir toda la informacin posible para evitar ambigedades y facilitar su interpretacin
(ttulos descriptivos de los ejes y del propio grfico).
Cuando sea el caso, equiparacin de diferentes grupos o niveles de una variable:
a) Frecuencias relativas en lugar de absolutas para evitar distorsiones interpretativas por
el tamao.
b) Indicacin de dispersin en cada grupo.
c) Igualar la amplitud de los ejes que representan a cada uno de ellos-.
No utilizar ms de 8-9 unidades conceptuales diferentes, intervalos, columnas, barras,
grupos, secciones, etc.
Adaptar el tipo de representacin al tipo de pblico al que ir dirigida.
No alterar o manipular los ejes para inducir imgenes inadecuadas. Por ejemplo este
engao se puede lograr recortando la altura de los histogramas correspondientes.
Usar histogramas en lugar de pictogramas en la medida de lo posible. Por ejemplo, a pesar
de mantener la misma altura se puede inducir la impresin visual de una mayor diferencia
si por ejemplo alteramos el ancho de las figuras o smbolos utilizados.
17
18
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.
Introduccin
Confeccionar representaciones que faciliten la comparacin de grupos
diferentes o donde se ha manipulado algn aspecto. En nuestro ejemplo
centraremos la comparacin de lo que sucede en situaciones competitivas y
cooperativas. As por ejemplo un diagrama tallos-hojas conjunto.
18
19
Veamos primero un ejemplo comparativo que ilustra las diferentes propiedades:
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
A y B similar tendencia central (en torno a 5 puntos) pero A es ms homognea su

varianza es menor- que B. Las dos son simtricas. A es ms apuntada que B. La primera
tiende a ser leptocrtica y la segunda a ser ms bien platicrtica.
C y D el mismo grado de variabilidad pero C es asimtrica positiva y D negativa.
El ejemplo que centraremos es el siguiente.

Supuesto 1: anlisis de las implicaciones educativas de la estructura de interaccin entre los
alumnos. Ms en concreto sobre las diferencias en rendimiento y en socializacin segn que
la estructura sea cooperativa o competitiva.
19
20
3. Anlisis descriptivo bsico

a) Propiedades elementales
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
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
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
9
8
10
0
20
21
Forzando 10 lneas en los dos variables para compararlas.

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
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
9
8
10
0
21
22
2. Clsica. Mediante histogramas
0.3
3
0.1
2
5
Count
Count
6
0.2
4
3
0.1
Proportion per Bar
0.2
Proportion per Bar
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
2. Clsica. Mediante cuantiles

Displaying Error Bars on a Graph
From the Graph menu, select Bar, Dot, or Line.
In the dialog box choose:
Options
Error Bar
23
24
ii) Ilustracin comparativa de diferentes

asimetra y apuntamiento (curtosis).
formas
segn
(comparar con los ndices numricos)
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
Proportion per Bar
0.2
4
0.5
Proportion per Bar
0.3
0.2
0.4
15
10
0
0
0.2
4
3
0.1
Proportion per Bar
0.2
4
Proportion per Bar
0.3
Proportion per Bar
0.3
Count
0.4
Count
10
0.1
0
0
2
3
TAMPANDI
0.0
5
24
25
b) Ilustracin de la forma de la distribucin segn algunos Modelos

representativos.
i) El caso de la Distribucin Normal Univariada

(Graph Line sobre fichero Normal.syd tomando Z1 e Y1).
0.4
Y1
0.3
0.2
0.1
0.0
-3
-2
-1
0
Z1
25
26
Estudio de la Forma-Modelo de la distribucin
5
Count
Count
A travs de representaciones especficas.

Density Function
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
Expected Value for Normal Distribution
Expected Value for Normal Distribution
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
ii) La distribucin exponencial
0
30 40 50 60 70 80 90 100 110
RENCOOP
Expected Value for Exponential Distribution
Expected Value for Exponential Distribution
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
Ilustracin de diferentes tipos de relacin
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
4. Anlisis de relacin entre variables

a) Introduccin.
b) El caso lineal.
c) Relacin no lineal.
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:
z RF = 0.62 z EP + 0.16 z EA 0.18 z RAA ; R 2 = 0,801

RF: Rendimiento acadmico Final del curso,
EP: Expectativas profesor,
EA: Expectativas alumno y
RAA: Rendimiento Anterior del Alumno.
De Navas, Sampascual y Castejn (1991). Relacin entre rendimiento y variables
motivacionales cognitivas en nios de 5 EGB.
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
Tantear el ajuste hasta dar con la tecla del lineal:

Smoother (Scatterplot_options)
10
9
EXPTPROFE
8
7
6
5
4
3
2
1
0
20 30 40 50 60 70 80 90 100 110
RENCOOP
32
33
Estudio de la relacin entre variables a partir del Supuesto 2

El grfico nos permite comparar lo que sucede cuando est presente el outlier identificado frente a
cuando ste desaparece (como si se tratara de un valor perdido).
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
Representacin de la relacin a partir de un diagrama de dispersin:
120
RENDIMIENTO
100
80
60
40
20
0
0,0
2,0
4,0
6,0
8,0
10,0
EXPECTATIVA PROFE
Representacin de la relacin junto con la extrapolacin de la recta de regresin lineal:
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
C) De tipo no lineal. Por ejemplo una funcin exponencial.
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
Supuesto 3 para estimacin de relacin no lineal sobre Anlisis de la progresin evolutiva de

las destrezas cognitivas.
Matriz de datos. Dentro figura el nmero de errores cometido por cada nio en cada nivel de
edad.
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
REPRESENTACIN DE LA RELACIN A PARTIR DE UN DIAGRAMA DE DISPERSIN:
12
ERRORES
10
8
6
4
2
0
0
EDAD
10
15
Representacin de la relacin junto con la extrapolacin de la funcin exponencial:
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
Anexos.- Listados de diferentes anlisis con el

programa SYSTAT
El anlisis descriptivo detallado del Supuesto 1:
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
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
Diferentes variaciones de representaciones modernas a partir de EDA:

RENCOOP, N = 25
Minimum:
31.000
Lower hinge:
55.000
Median:
65.000
Upper hinge:
82.000
Maximum:
100.000
3
112
4
112
5 H 57
6 M 0022556
7
135
8 H 24578
9
2
10
0
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
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
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

Curso UNED1 Repr Graf

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Curso UNED1 Repr Graf

Cargado por

Copyright:

Formatos disponibles

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

REPRESENTACIONES GRFICAS EN LA INVESTIGACIN

INTRODUCCIN A LOS CONCEPTOS PRINCIPALES.

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

Amn, J. (1980): Estadstica para Psiclogos 1. Madrid: Pirmide.

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

INTRODUCCIN A LOS CONCEPTOS PRINCIPALES.

1. Introduccin al anlisis con base exploratoria.

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

Men Graph del programa SYSTAT:

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

rencoop rencompi exptprofe cultpadre tampandi

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

Con los promedios:

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

El fichero repres2.syd es para el programa SYSTAT y servir para desarrollar el Supuesto 3.

Y sirve para efectuar el anlisis de la progresin evolutiva de las destrezas cognitivas.

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

b) El papel de las representaciones grficas.

incluidos bajo el epgrafe EDA:

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

2) Bases para la representacin

a) Los tipos de representacin ms frecuentes

1. Diagrama rectngulos (bar). Nivel sociocultural padres

2. Diagrama barras (bar). Tamao de las pandillas (0,1,2,3,4 5 componentes).

Histograma (histogram). Agrupacin rendimiento en situacin Cooperativa en intervalos de

Proportion per Bar

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

B. GRUPO POLGONO FRECUENCIAS.

Polgono frecuencias (Histogram_Type of dsiplay: Frequency Poligon). Agrupacin

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

C. GRUPO DIAGRAMAS SIMBLICOS.

Pictograma (Icon Plot). Rendimiento en cada nio.

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

2. GRFICOS PARA ESTUDIO DE LA RELACIN ENTRE VARIABLES.

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

b) Nuevos formatos de representacin

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

El ejemplo de tallos-hojas a dos niveles diferentes de detalle: el sugerido por el programa

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

Ventajas de los sistemas modernos de representacin

Manuel Miguel Ramos lvarez

Curso Representaciones grficas de datos en Psicologa Educacin

c) Convenciones en torno al sistema de representacin.

Valores variable en abcisas (X) y frecuencia en ordenada (Y).

Manuel Miguel Ramos lvarez