6.

Análisis de datos
La descripción estadística  La cuestión de la significación  El modelado estadístico

ANÁLISIS DATOS
2. CONCEPTO 1. MARCO

ESTADÍSTICA
Estadística teórica (ciencia) Estadística aplicada (procedimientos y técnicas)

aplicada a

PSICOLOGÍA Psicología científica Método científico Ciencia

3. MÉTODO

Método estadístico

Modelado estadístico
4. PERSPECTIVAS

SOCIOLOGÍA

MARCOS

PEDAGOGÍA

PSICOLOGÍA

ANÁLISIS DATOS 1. MARCO CONOCIMIENTO CIENTÍFICO PSICOLOGÍA Psicología científica Método científico Psicología científica Análisis datos Método científico Ciencia Método estadístico .

Método científico en Psicología. Pedagogía Teoría nivel teóricoexplicativo 2 Modelo 1 Empiría 3 4 nivel empíricodescriptivo . Sociología.

Niveles y etapas Teóricoconceptual 1. CONCEPTUAL constructos problema hipótesis variación diseño método metodologías 2. ANÁLISIS DE DATOS . METODOLÓGICA PSICOESTADÍSTICA Empíricometodológico 3.

CONCEPTO 1.ANALISIS DATOS 2. PERSPECTIVAS . MÉTODO Método estadístico Modelado estadístico 4. MARCO ESTADÍSTICA Estadística teórica (ciencia) Estadística aplicada (procedimientos y técnicas) aplicada a PSICOLOGÍA Psicología científica Método científico Ciencia 3.

¿Qué es la Estadística? Matemáticas Método estadístico APLICADA procedimientos técnicas TEÓRICA CIENCIA ESTADÍSTICA PSICOLOGÍA PSICOESTADÍSTICA .

¿Qué es el análisis de datos? Sociología Pedagogía ESTADÍSTICA ANALISIS DATOS Psicología instrumento problema de la medida conocimiento científico ¿qué contenidos? .

Análisis de datos: doble vía Dominio de modelos y procedimientos estadísticos Fenómeno psicológico MODELO Dominio del objeto sustantivo que se investiga TEORÍA .

CONCEPTO 1. PERSPECTIVAS .PSICOESTADÍSTICA 2. MARCO ESTADÍSTICA Estadística teórica (ciencia) Estadística aplicada (procedimientos y técnicas) aplicada a PSICOLOGÍA Psicología científica Método científico Ciencia 3. MÉTODO Método estadístico Modelado estadístico 4.

MÉTODO ESTADÍSTICO Formulación del PROBLEMA MODELADO ESTAD. Identificación del MODELO Recogida de DATOS Estimación de PARÁMETROS Evaluación del MODELO .

Elaboración del informe. Conclusiones y generalización de los resultados. Análisis de datos y confrontación con las hipótesis 5. 6.Fases del diseño experimental 1. Formulación del problema 2. . Formulación de hipótesis 3. Recogida de datos 4.

Etapas del método científico 1) 2) 3) 4) Información sobre el tema Planteamiento del problema modalidades Formulación de hipótesis Comprobación de hipótesis   Recogida de datos Análisis de datos 5) Generalización de los datos 6) Difusión de los resultados MÉTODO ESTADÍSTICO .

Modelo estadístico Respuesta = Componente sistemático + Componente aleatorio DATOS = MODELO DATOS = + ERROR ERROR MODELO .

Modelado estadístico Identificación Estimación MODELOS Evaluación Ato y López García (1996) Interpretación .

Perspectivas PRUEBAS DE SIGNIFICACIÓN ANÁLISIS EXPLORATORIO DATOS TÉCNICAS MULTIVARIANTES Estadística Confirmatoria Estadística Exploratoria Estadística Multivariante .

Pruebas de significación ANÁLISIS DE LA POTENCIA DEBATE Análisis alternativos METANÁLISIS INFERENCIA BAYESIANA .

Análisis Exploratorio de Datos EXPLORATORIO CONFIRMATORIO Estadísticos robustos Análisis de residuos Transformaciones Análisis de gráficos Estudio outliers .

Técnicas multivariantes POBLACIONES MULTIVARIANTES MODELOS ESTADÍSTICOS COMBINACIÓN LINEAL DE VARIABLES PESOS EMPÍRICAMENTE DETERMINADOS .

Algunos conceptos previos en estadística descriptiva Conceptos generales: Población Muestra (muestreo) Parámetro Estadístico Característica Modalidad Medición Concepto Escalas de medida Nominal Ordinal Intervalos Razón Variables: Clasificación y notación .

x (b > 0) b.Resúmen de las escalas de medida Tipo Nominal Información deducible “igual que” o “distinto que” “mayor que” o “igual que” Transform. peso. grado de asertividad. inteligencia. calendario. admisibles Aplicaciones inyectivas Funciones crecientes Ejemplos Sexo. Longitud. diagnóstico clínico. Temperatura. Ordinal Igualdad o desigualdad Intervalo de diferencias Igualdad o desigualdad de razones a+b. estado civil. nivel socioeconómico.X (b > 0) Razón . Dureza.

Clasificación de variables según su escala de medida Variable Cualitativa Nominal Cuantitativa Discreta Continua Ordinal Intervalo Razón .

nominal y discreta) Diagrama de pastel (var. cualitativa) Histograma (var. discreta y continua) Propiedades: Tendencia central Variabilidad Asimetría o sesgo Curtosis .Distribución de frecuencias Frecuencias: Representaciones gráficas Absoluta (ni) Relativa (pi) absoluta acumulada (na) relativa acumulada (pa) Diagrama barras (vars. continua) Polígono de frecuencias (vars.

0.2.15 16 19 0.15 0.2.2.2.Número de hijos (X):2.00 .1 Xi 0 1 ni 3 6 pi 0.30 na 3 9 pa 0.0.3.95 4 1 20 0.1.4.0.80 0.00 20 1.05 1.15 0.35 0.1.1.1.3.2.3.2.1.45 2 3 7 3 0.

Diagrama de barras frecuencias absolutas (nº hijos) 25 20 16 15 10 6 5 0 0 1 2 nº hijos 3 4 3 3 9 7 3 1 ni na 19 20 .

8 0.8 pi 0.15 0.4 0.2 0 0 1 2 nº hijos 3 4 0.15 0.35 0.05 pa 0.Diagrama de barras frecuencias relativas (nº hijos) 1.150.45 0.6 0.3 0.2 1 0.95 1 .

3 5 0 .1 5 0 .9 5 1 .25 20 16 15 10 6 5 0 0 1 2 n º h ijo s 3 4 3 3 9 7 3 1 ni na 19 20 1 .8 0 .1 5 0 .2 0 0 1 2 n º h ijo s 3 4 0 .8 pi 0 .0 5 pa 0 .4 0 .6 0 .3 0 .2 1 0 .1 50 .4 5 0 .

Polígono de frecuencias frecuencias absolutas (nº hijos) 25 20 15 10 5 0 0 1 2 nº hijos 3 4 3 9 6 16 ni 7 3 1 na 19 20 .

(Y) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 9 12 6 9 7 9 5 9 7 3 10 6 11 4 3 5 5 1 4 2 2 1 3 3 1 4 2 5 2 5 7 11 5 5 6 9 13 8 4 9 6 10 11 9 7 4 2 4 5 4 4 1 2 5 3 3 2 1 2 3 7 8 5 12 8 9 7 6 6 9 9 6 10 10 8 3 1 3 3 2 4 4 4 3 2 3 2 2 4 5 .Sujeto Intelig. (Y) Tiempo (X) Errores (Y) Estatura (X) Intelig. (X) Rendto.

6 6 5 5 4 4 3 3 2 2 1 ERRORES 1 0 2 4 6 8 10 12 14 0 2 4 6 8 10 12 14 INTELIGE TIEMPO 14 12 10 8 ESTATURA 6 4 0 1 2 3 4 5 6 INTELIG2 .

Si a es menor que 0. Una diferencia entre grupos Una asociación entre variables. Una H0 está referida a si existe: Un patrón sistemático discernible.05. . Se calcula un “estadístico de contraste” que lleva asociado un valor de probabilidad a de cumplimiento de la hipótesis nula (H0). Se establece una hipótesis que indique cómo se distribuirán los datos en caso de que la muestra perteneciera realmente a la población. se rechaza H0 y la evidencia favorece a H1.La cuestión de la significación: concepto La prueba de significación de la hipótesis nula es el principal procedimiento para diferenciar las explicaciones sistemáticas de las que incluyen el azar.

Abelson. No se da asociación entre las variables.  El enfoque clásico (fisheriano) se centra en la significación de los resultados. La estadística razonada: reglas y principios.La cuestión de la significación: críticas  Las pruebas de significación son un “ejercicio ritualizado de abogacía del diablo” (Abelson. sin considerar su importancia práctica o sustantiva (si no son significativos no suelen tomarse en consideración). 1998). . R. (1998).  La H0 no responde a la pregunta cuya respuesta deseamos conocer. defienden aquello en lo que no se cree: No hay un patrón sistemático en los datos No hay diferencias entre los grupos. Madrid: Paidós.

El metanálisis: Un análisis secundario de los datos. Combina el tamaño del efecto de distintas investigaciones.La cuestión de la significación: alternativas El enfoque de Newman-Pearson: se pide un valor exacto para la hipótesis alternativa (H1). Importancia del tamaño del efecto Importancia de la potencia -probabilidad de rechazar la H0 siendo falsa (1 – b)-. La estadística bayesiana: Utiliza la probabilidad relativa de una hipótesis con respecto a sus oponentes antes y después de los resultados de una investigación. Se trabaja con la probabilidad de rechazar H1 cuando es verdadera (b). .

Sign up to vote on this title
UsefulNot useful