Marcos Roman Todos Powerpoint

ESTADÍSTICA APLICADA A
LA EDUCACIÓN
(Tema 1)
Asignatura de Formación Básica (FB) de 1º curso, común a

los Grados en Educación Social y en Pedagogía
Introducción: ¿Por qué la Estadística en los estudios pedagógicos?
Leer y comprender las

publicaciones científicas
Entender las directrices que guían

el método científico
Diseñar y desarrollar estudios

empíricos en su campo de trabajo
Concepto y Funciones de la Estadística
Estadística como
• Conjunto de datos numéricos
conjunto de (p.ej. Censos)
números
• Estudio de los fenómenos

aleatorios
Estadística • Métodos, técnicas y
modelos que nos ayudan
como ciencia en la resolución de
problemas pedagógicos y
en la toma de decisiones
Preguntas de Examen
Examen Febrero 2011 – 2ª Semana

“La Estadística cumple un importante papel instrumental de apoyo a la investigación socioeducativa:
nos permite comprender las posibilidades y limitaciones de los trabajos empíricos y
desarrollar un pensamiento crítico y antidogmático en el estudio de la realidad”
“La Estadística puede aportar una primera aproximación al campo de estudio a partir de los
datos que facilita al investigador (estadística como conjunto de números)…
…y con posterioridad se pueden aplicar los principios derivados de la estadística (entendida

como ciencia), para la resolución de problemas o para la toma de decisiones”
¿Tamaño?
Ejemplo:
¿Construcción
de una escuela
infantil?
¿Método
Educativo?
Facilitar el manejo de datos amplios y dispersos: “…reducir

un conjunto de datos a índices o estadísticos (media, mediana,
desviación típica, correlación, etc...)”
Inferir desde la muestra a la población: “desde los

estadísticos (procedentes de muestras suficientes y
representativas) se pueden estimar los parámetros (medidas de
población)”
Ayudar en la toma de decisiones: ¿existen diferencias

significativas entre los grupos de tratamiento?
Preguntas de Examen

Preguntas de Examen
SEPTIEMBRE 2013 – Original
Tipos de Estadística
• Transforma un conjunto de
números u observaciones en
ESTADÍSTICA índices que sirven para describir o
caracterizar esos datos dentro de
DESCRIPTIVA los grupos de sujetos
(E.D.) • Hay E.D. univariada (media,
mediana, varianza…), bivariada
(correlación) y multivariada
• Interviene y decide sobre aquellas

ESTADÍSTICA cuestiones no resueltas por la E.D.
• Trata de extrapolar los resultados
INFERENCIAL que se han obtenido en muestras a
(E.I.) las poblaciones respectivas de las que
proceden.
Preguntas de Examen

Preguntas de Examen

Preguntas de Examen
JUNIO 2013 – 2ª Semana
Preguntas de Examen
Preguntas de Examen
Estadística Inferencial
“La Estadística inferencial tiene por finalidad la obtención de una serie de conclusiones
sobre algún aspecto o variable presente en una población a partir de las observaciones de
comportamientos en una o varias muestras”
Estimación de • Estimación puntual

parámetros • Estimación por intervalos
• Toma de decisiones a partir de los datos empíricos

Contraste de sobre la aceptación o rechazo de las relaciones
previstas en la hipótesis (=tentativa de solución)
Hipótesis • 1º se formula la hipótesis y 2º se somete a prueba
En ambos casos, las estimaciones y decisiones que se toman no se pueden

realizar en términos de certeza absoluta sino de probabilidad. Debemos
fijar (a priori) los márgenes de error de nuestras afirmaciones (5% o 1%), que
llevan asociados sus complementarios niveles de confianza (95% o 99%)
¿Qué papel desempeña la estadística en cada una
de las fases del proceso de investigación empírica?
Identificación y Selección del Problema de Investigación
Formulación de Hipótesis y Objetivos
Control de Variables Extrañas
Definición de las Variables
Contraste de Hipótesis o Comprobación de Objetivos
Decisión Estadística
Identificación y Selección del Problema de Investigación
P. ej. ¿Con qué método de enseñanza del inglés,
Que sea “resoluble” (que se puedan recoger
Oxford o Cambridge, obtienen los estudiantes de
datos para alcanzar las respuestas esperadas)
15 años mejores rendimientos?
Formulación de Hipótesis y Objetivos

P. ej. Hipótesis bilateral (Oxford ≠
“contrastables” y Cambridge) o Hipótesis unilateral
“bilaterales” o “unilaterales”
“comprobables” (Oxford › Cambridge)
Control de Variables Extrañas

Aislar o minimizar la influencia de variables
P.ej. Asegurarse de que ambos grupos de tratamiento
extrañas que pueden ofrecer explicaciones
tienen el mismo nivel de inglés de partida
alternativas a la hipótesis
Definición de las Variables
P.ej. ¿A qué nos referimos con
Variable independiente (VI) y Definición operativa de las Instrumentos Fiables y
“rendimiento” (VD)? ¿cómo lo
Variable dependiente (VD) variables Válidos
medimos?
Contraste de Hipótesis o Comprobación de Objetivos

P. ej. Podemos utilizar la prueba
“Pruebas paramétricas” y “Pruebas no
Acudimos a la prueba estadística paramétrica “t” de diferencia entre 2
paramétricas”
medias
Decisión Estadística
La fase anterior concluye con la Se compara el valor empírico del
obtención del valor empírico del estadístico con el valor teórico para Con un margen de error (nivel de
estadístico que ha de ser interpretado saber si rechazamos H0 y aceptamos la confianza) fijado previamente
(¿son las diferencia significativas?) hipótesis del investigador (H1)
Preguntas de Examen

Preguntas de Examen
Examen Junio 2015 – 1ª Semana
Examen Junio 2015 – 2ª Semana

Preguntas de Examen
Preguntas de Examen
La Estadística y su relación con las ciencias sociales
Estadística
• Educación
• Psicología
• Sociología
• Economía
• Demografía
• AAPP
• Humanidades
•…
Preguntas de Examen
Posibilidades y Limitaciones de la Estadística
“Así, la Estadística nos ayudará en la decisión de

rechazar las hipótesis de nulidad (H0), pero las garantías
que han conducido a este punto deben ser revisadas y
controladas, es decir, no podemos olvidar que sin un
buen control sobre las variables extrañas, podemos estar
considerando que los cambios generados son achacables
a una variable independiente (Vi), cuando en realidad
han sido otros factores o variables no controladas las
que han generado los cambios”
Preguntas de Examen
SEPTIEMBRE 2013 – Original

Actividades Voluntarias TEMA 1
LA EDUCACIÓN
(Tema 2)

Introducción: ¿Qué papel juega la estadística en…?
El problema de investigación
La revisión de fuentes y el estado de la cuestión
Hipótesis y objetivos de la investigación
Identificación y definición de variables
La recogida de datos y su calidad

1º: EL PROBLEMA DE INVESTIGACIÓN
El problema es el punto de partida de toda investigación.Aparece por…
1. Laguna notoria del conocimiento científico en ese punto

2. No concordancia entre investigaciones anteriores sobre el tema
3. Existencia de un hecho para el cual no tenemos una adecuada explicación
La característica fundamental de un problema de investigación es que sea RESOLUBLE:
 NO problemas de índole moral y espiritual (“¿Dios existe?”)

 SÍ problemas sobre los cuales podamos estudiar comportamientos, analizar hechos y
evaluar resultados (“¿Influye la altura en la agresividad?”)
Para la elección de un problema-tema de investigación influyen elementos:
• SUBJETIVOS: gustos del investigador, intereses y conocimientos previos…

• OBJETIVOS: posibilidad real de acceder al objeto de estudio…
Preguntas de Examen
FEBRERO 2011 – 2ª SEMANA

1º: EL PROBLEMA DE INVESTIGACIÓN
En un problema de investigación hay una serie de características deseables:
 FACTIBLE: existen medios para investigar sobre él

 CLARO: todos los términos del problema están definidos y son comprensibles.
 SIGNIFICATIVO: su resolución se considera valiosa e importante en la comunidad-
contexto en el que se plantea.
 La FORMULACIÓN del problema debe reflejar la naturaleza del mismo: descripción,
asociación o intervención. Lo que ya nos orienta sobre el tipo de investigación para
resolverlo, respectivamente:
 Investigación descriptiva (“¿Qué características sociodemográficas caracterizan a los

estudiantes de la UNED?”)
 Investigación correlacional (“¿Qué variables inciden en mayor medida sobre el
rendimiento de los estudiantes de la UNED?”)
 Investigación experimental o cuasiexperimental (“¿Qué método de aprendizaje
es más eficaz en la enseñanza de esta asignatura?”)
Una vez formulado el problema, podemos evaluarlo siguiendo los siguientes criterios:
viabilidad, interés, relevancia teórica y práctica, coherencia y adecuación al
contexto.
Preguntas de Examen
JUNIO 2013 – 2ª SEMANA
Preguntas de Examen
2º: LA REVISIÓN DE FUENTES Y EL ESTADO DE LA CUESTIÓN
Una vez planteado el problema objeto de investigación, es necesario efectuar una serie
de consultas a diferentes fuentes para conocer qué se ha dicho y cómo, sobre ese
tema; necesitamos saber si ya se ha solucionado en otras investigaciones y con qué
resultados o, por el contrario, debemos abordarlo desde la novedad.
Se diferencia entre “bibliografía de la investigación” y “bibliografía de tipo conceptual”
FUENTES
BIBLIOGRÁFICAS (textos
NO BIBLIOGRÁFICAS
escritos)
Recursos
Publicaciones Informáticos Asociaciones de
Obras generales Centros de Centros de
Bibl. Periódicas Revistas de (correo, Investigación en
(enciclopedias, Investigación en Documentación
(Anuarios, Investigación buscadores, Educación (p.ej.
diccionarios…) Educación (p.ej. ERIC)
Informes…) revistas AIDIPE)
electrónicas…)
2º: LA REVISIÓN DE FUENTES Y EL ESTADO DE LA CUESTIÓN
Una vez planteado el problema objeto de investigación, es necesario efectuar una serie
de consultas a diferentes fuentes para conocer qué se ha dicho y cómo, sobre ese
tema; necesitamos saber si ya se ha solucionado en otras investigaciones y con qué
resultados o, por el contrario, debemos abordarlo desde la novedad.
• Relevancia
CRITERIOS DE • Claridad
VALORACIÓN • Actualidad
DE LA
INFORMACIÓN • Adecuación
RECOGIDA • Contextualizada
Preguntas de Examen
SEPTIEMBRE 2013 – ORIGINAL
3º: HIPÓTESIS Y OBJETIVOS DE LA INVESTIGACIÓN
Una vez concretado el problema y revisadas las fuentes, el investigador está en

condiciones de aventurar posibles soluciones al mismo: la HIPÓTESIS
“La hipótesis es una proposición (o un conjunto de proposiciones) no demostrada… es un
medio o una parte de cualquier investigación, una explicación razonable sobre el tema a
tratar, que debe ser sometida a comprobación empírica”
Hipótesis
• En investigación
experimental o cuasi Objetivos de
experimental Investigación
• Relaciones causales • En investigación descriptiva y
correlacional
• Correlaciones y asociaciones
“Las hipótesis son los elementos directivos de la investigación científica pues nos indican qué
buscamos, qué variables se deben observar, medir y manipular”
• BIEN FUNDAMENTADA: proviene

de una profunda revisión de fuentes
Característica • CONTRASTABLE: susceptible de ser
de una sometida a una prueba empírica; y a un
hipótesis bien juicio público e intersubjetivo.
formulada • ESTABLECE RELACIONES
CAUSALES ENTRE LAS
VARIABLES
Es preciso que las hipótesis se formulen previamente a la recogida de datos

Preguntas de Examen

Diferentes Tipos de HIPÓTESIS
• Existenciales (al menos un caso)

Según la posibilidad de • Universales (válidas para todos los casos)
generalización • Probables (determinados casos)
Según su forma de • Substantiva o científica

expresión cuantitativa • Estadística: H0 y H1
Según el nivel de
• Operacional (en términos observables)
aproximación a la • Conceptual
realidad
Según el número de • H. Descriptiva de una sola variable
variables y sus • H. Descriptiva con 2 o más variables y relación de asociación
relaciones • H. Con 2 o más variables y relación de dependencia
4º: IDENTIFICACIÓN Y DEFINICIÓN DE VARIABLES
“Variable es aquella característica que admite diversos valores, es decir, 2 o más

modalidades; mientras que constante es un valor numérico que no cambia en un
contexto determinado”
Variable
Independiente (V.I.):
sobre la que actúa el
investigador, condiciones
sometidas a cambios
Variable
Dependiente
(V.D.): en la
que se aprecian
los efectos
4º: CLASIFICACIÓN DE VARIABLES
Contexto
Niveles de Enfoque
teórico-
Medida Metodológico
explicativo
Categóricas o
Atributivas
• Dicotómicas (“Sexo”) Dependientes Estímulo
• Politómicas (“Estado
Civil”)
Cualitativas : expresa Independientes Respuesta

cualidad con cierta
intensidad (“Escala
observacional”)
Cuantitativas Extrañas Intermedias

• Discretas (“Nº de
sillas”)
• Continuas (“Peso”)
Preguntas de Examen

Preguntas de Examen
Preguntas de Examen
SEPTIEMBRE 2013 – RESERVA
Preguntas de Examen
4º: DEFINICIÓN OPERATIVA DE VARIABLES
“La definición operativa de variables implica que el concepto analizado debe ser
definido en función de las acciones u operaciones que son precisas para poder
medirlo y actuar sobre él”
“La definición operativa u operacional es la traducción de los conceptos teóricos al

lenguaje empírico, en otras palabras, la sustitución de lo que no se puede observar por
aquello accesible a la observación y los instrumentos de medida”
Por ejemplo,
“La autoestima influye en la
creatividad”
5º: LA RECOGIDA DE DATOS Y SU CALIDAD
Para recoger los datos necesarios necesitamos aplicar las técnicas e instrumentos
adecuados. La calidad de la investigación viene condicionada por la calidad de los
instrumentos y la calidad de los datos.
• Identificación del rasgo o

característica
Criterios • Tipo de Validez
para la • Técnica de Fiabilidad
selección de • Características de la
muestra
un • Niveles de Fiabilidad y
instrumento Validez
• Otros criterios
5º: LA RECOGIDA DE DATOS Y SU CALIDAD
• Identificación del rasgo o

característica
Criterios • Objetivos a conseguir
para la • Seleccionar elementos
elaboración • Formular los elementos
• Ordenar los elementos
de un • Duración de las
instrumento respuestas
• Tipo de respuestas
5º: LOS DATOS Y SUS NIVELES DE MEDIDA
ESCALAS DEFINICIÓN OPERACIONES EJEMPLOS

Igualdad y
Datos categóricos: atribuir Sexo, Estado Civil,
desigualdad. Sólo se
Nominal números a las distintas Provincia de
trabaja con
categorías Residencia
frecuencias. Moda
“Mayor que” o
“Menor que”. No Escalas de
Datos ordenados por
hay unidad constante Observación, Orden
Ordinal rangos con orden creciente
de medida. Se trabaja de llegada en una
o decreciente (rangos)
con el orden relativo. carrera
Mediana
Se trabaja
Intervalos iguales siendo el Pruebas Objetivas,
Intervalo directamente con las
cero arbitrario Temperatura
puntuaciones. Media
Intervalos iguales, el cero se Todas las
Razón define como ausencia de la operaciones Altura, Peso
característica matemáticas.
Preguntas de Examen

Preguntas de Examen

Preguntas de Examen

Preguntas de Examen

Actividades Voluntarias TEMA 2
LA EDUCACIÓN
(Tema 4)

VIDEOCLASE: Ordenación y Categorización de Datos
https://www.intecca.uned.es/portalavip/grabacion.php?ID_Grabacion=56
793&ID_Sala=60353&hashData=e6bc01b9135499b30233c5eaa6779d95
INTRODUCCIÓN
En este tema pasamos ya de los grandes principios conceptuales a la práctica, a

la parte empírica: la recogida de datos y su primera ordenación
¿Cómo proceder a la organización de los datos recogidos con

nuestros instrumentos de medida?
Entramos en el terreno de la Estadística Descriptiva: “La Estadística

Descriptiva comienza con un conjunto de datos: el investigador intenta trasladar las
características esenciales de los datos a formas más interpretables: distribuciones
de frecuencias, gráficos; y calcula índices numéricos como promedios,
percentiles y medidas de variabilidad”. Johnson y Christensen (2008: 465)
Además de organización de datos, hablaremos de análisis exploratorio de

datos: el investigador observa y describe lo que sucede en la realidad; sin
entrar en ningún contraste de hipótesis.
Preguntas de Examen

Preguntas de Examen
De la definición del problema y las variables a la
observación y recogida de datos
Hay que seguir los pasos del proceso de investigación…
…una vez centrado el tema de investigación, revisadas las fuentes e identificadas las
variables que vamos a utilizar para responder al problema planteado; entonces se
procede a realizar la recogida de datos-información: “atribuir valores a las variables
que son objeto de estudio (…) para ello necesitamos algún procedimiento que nos permita
asignar dichos valores (números, rangos, categorías) a las variables conceptuales: necesitamos
un instrumento de medida adecuado y una regla de medida bien definida”
Ejemplo: Estudiar si un programa de mejora de la convivencia

consigue disminuir el número de partes de amonestación en
institutos de educación secundaria y si mejora el clima escolar
En la investigación empírica siempre tenemos que trabajar con datos empíricos, es
decir, transformar en números la realidad observada. Por ello es fundamental la
elección de instrumentos de medida válidos y fiables.
Trabajo de campo = Aplicar los instrumentos, recoger los datos

Permisos y ética en la investigación y recogida de datos
Principios éticos que deben seguirse en la investigación educativa:
1. Participación voluntaria de los sujetos

2. Informe consentido = los sujetos conocen la naturaleza de la
investigación
3. Evitación de riesgo de daño físico o psíquico
4. Confidencialidad y anonimato
5. Respetar el lugar, causando las menos alteraciones posibles.
6. No manipular los datos obtenidos y reflejar fielmente los
resultados aunque contradigan su hipótesis inicial.
7. Citar adecuadamente los autores y las fuentes de información
durante la revisión del estado de la cuestión.
PRÁCTICAS ÉTICAS = DEONTOLOGÍA PROFESIONAL
En educación no se da prácticamente la investigación experimental (muestreo

aleatorio y control estricto que chocaría con algunos aspectos éticos), llegando
sólo al nivel “cuasi-experimental” (muestreo incidental y control relativo)
Preguntas de Examen

De los instrumentos a los datos: elección del programa, la
matriz de datos y el libro de códigos
Una vez que hemos aplicado los instrumentos, debemos trasladar los datos a
una hoja de cálculo a algún programa que nos permita posteriormente trabajar
con ellos: INTRODUCIR o TABULAR los datos.
Las puntuaciones que introducimos se llaman PUNTUACIONES

DIRECTAS (Xi): es decir, la puntuación o puntuaciones que obtiene un sujeto
tras aplicarle un instrumento de medida.
La CODIFICACIÓN de datos consiste en la asignación de números o

caracteres a los valores de la variable (…) Antes de empezar a tabular, es
conveniente escribir el LIBRO DE CÓDIGOS: documento en el que se
especifican todas las variables del estudio en el orden en el que serán
introducidas en la matriz de datos.
Preguntas de Examen
Es importante definir el valor que asignaremos a los DATOS PERDIDOS o “missing
data”:
a. Dejar en blanco en la matriz de datos, de modo que no se contabilice a la hora

de calcular los estadísticos (un error muy común es poner ceros para representar
los valores perdidos)  missing del sistema  no contesta
b. Definir un “valor perdido por el usuario” (siempre que no sea un valor
admisible dentro de la escala de medida de la variable)  missing del usuario  no
sabe.
La forma habitual de introducir los datos consiste en conformar lo que se denomina una
MATRIZ DE DATOS: una tabla de doble entrada en las que las filas representan a
los sujetos y las columnas a las distintas variables medidas.
Preguntas de Examen
Preguntas de Examen
Organización de los datos: depuración de datos y
distribuciones de frecuencia
Antes de empezar a realizar los análisis estadísticos, debemos hacer la
DEPURACIÓN DE DATOS, que tiene 2 fases:
1. El CONTROL DE CALIDAD de la tabulación: comprobar la fidelidad de la

tabulación.
2. La DEPURACIÓN DE DATOS: consiste en verificar si hay valores “fuera de
rango” según se habían definido en el libro de códigos Para ello, lo más sencillo
es hacer un análisis solicitando los valores mínimo y máximo para cada
variable.
Preguntas de Examen
Una1ª forma de organización de los datos es la DISTRIBUCIÓN DE FRECUENCIAS:
En una distribución de frecuencias aparecen todas las puntuaciones obtenidas en una variable
(puntuaciones directas: Xi) y el número de veces que se repite cada puntuación
(frecuencia absoluta: fi)
También son muy utilizadas la frecuencia relativa (frecuencia absoluta dividida por el
número total de puntuaciones: fi/N), que multiplicada por 100, indica el porcentaje de
aparición de una puntuación respecto del total; y la frecuencia acumulada, que muestra el
número de sujetos a los que supera una puntuación determinada.
Una distribución de frecuencias suele incluir:
1. 1ª Columna: el número de sujetos o casos que corresponde a cada puntuación directa:

frecuencia absoluta.
2. 2ª Columna: el porcentaje relativo (o frecuencia relativa multiplicada por 100) para
cada código, incluidos los valores perdidos.
3. 3ª Columna: el porcentaje válido, que es el porcentaje relativo de cada valor excluidos
los valores perdidos.
4. 4ª Columna: el porcentaje acumulado, indica el porcentaje de casos que deja por
debajo de sí el límite superior de cada puntuación.
Preguntas de Examen

Fe de erratas
Aproximación intuitiva a las representaciones gráficas y
la curva normal
Una representación gráfica es una forma atractiva de ordenar la
información disponible en la matriz de datos y comprenderla con un simple
golpe de vista. Para realizar un gráfico necesitamos simplemente una
distribución de frecuencias.
Hay distintas formas de representar los datos, dependiendo de la naturaleza

de las variables: sectores, barras, polígono de frecuencias, tallo y hojas,
etc.
Aproximación intuitiva a las representaciones gráficas y
la curva normal
Muchas variables educativas, psicológicas y biológicas se distribuyen según la llamada

distribución normal = curva normal = campana de Gauss
(rendimiento académico, inteligencia, aptitud, motivación, peso, altura)
La distribución viene a indicar cómo la mayoría de las personas nos encontramos en

torno a los valores medios de la distribución y según nos alejamos hacia valores
extremos el número de sujetos disminuye progresivamente
La curva normal es una distribución teórica, simétrica y asintótica,

donde la media, la mediana y la moda coinciden
¿Cómo instalar el complemento Análisis de Datos en Excel?
https://www.youtube.com/watch?v=CCyQPn23IME
http://office.microsoft.com/es-es/excel-help/cargar-o-
descargar-programas-de-complementos-
HP010096834.aspx#BMexceladdin
LA EDUCACIÓN
(Tema 5)

VIDEOCLASE: Medidas de Tendencia Central y Variabilidad
https://www.intecca.uned.es/portalavip/grabacion.php?ID_Grabacion=56
816&ID_Sala=60365&hashData=8841fa8f81551549edce84bdcf1a4005
INTRODUCCIÓN.
De la organización a la descripción de los datos
Una vez tabulados los datos, comenzamos a trabajar con la matriz de datos y a realizar
los análisis pertinentes…
…normalmente se parte de la Estadística Descriptiva para hacerse una primera idea

del comportamiento de cada una de las variables contenidas en nuestra matriz de datos.
La Estadística Descriptiva consiste en una serie de procedimientos para organizar,

clasificar y resumir conjuntos de datos a través de índices numéricos y por medio de
representaciones gráficas.
• Índices numéricos: medidas de tendencia central (media, mediana y moda) y

medidas de variabilidad (amplitud, varianza, desviación típica)
• Representaciones gráficas: gráfico de sectores, gráfico de barras, histograma,
gráfico de caja…
Para caracterizar un grupo, necesitamos tanto medidas de tendencia central como

medidas de variabilidad
(0,0,0,10,10,10) vs. (5,5,5,5,5,5)
INTRODUCCIÓN.
De la organización a la descripción de los datos
Para caracterizar un grupo, necesitamos tanto medidas de tendencia central como

medidas de variabilidad
(0,0,0,10,10,10) vs. (5,5,5,5,5,5)
MEDIDAS DE TENDENCIA CENTRAL: La Media
Una medida de tendencia central indica hacia qué valor tiende el grupo, cuál es el valor
que mejor lo representa. La más conocida es la media aritmética
Para interpretar correctamente una media aritmética, es conveniente conocer

la puntuación mínima y máxima de la escala de medida de la variable y situar la
media aritmética dentro de ese recorrido.
En sentido estricto, la media aritmética sólo puede utilizarse en variables cuyo

nivel de medida sea de intervalo o de razón
MEDIDAS DE TENDENCIA CENTRAL: La Moda
La Moda (Mo) es el valor con frecuencia

absoluta más alta, la puntuación que más se
repite.
Cuando observemos la distribución de

frecuencias, la puntuación directa a la que
corresponda la frecuencia mayor será la
moda.
Atención: la moda no es la frecuencia (error

frecuente en los estudiantes), es la
puntuación.
También hay distribuciones bimodales y

plurimodales
La Moda (Mo) es especialmente indicada para

variables de tipo categórico (nivel de medida
nominal)
MEDIDAS DE TENDENCIA CENTRAL: La Mediana
La mediana (Md) es aquel valor que deja por encima
y por debajo de sí al 50% de los sujetos de la muestra.
Si ordenamos las puntuaciones de menor a mayor (o al

contrario), aquélla que ocupa la posición central, ésa es
la mediana.
MEDIDAS DE TENDENCIA CENTRAL: La Mediana
La mediana (Md) es aquel valor que deja por encima
y por debajo de sí al 50% de los sujetos de la muestra.
Si ordenamos las puntuaciones de menor a mayor (o al

contrario), aquélla que ocupa la posición central, ésa es
la mediana.
MEDIDAS DE TENDENCIA CENTRAL: Síntesis
La medida más precisa de tendencia central es la media aritmética, ya que tiene
en cuenta todas las puntuaciones para su cálculo.
Podremos utilizar:
• En variables de intervalo o razón: media, mediana y moda
• En variables de tipo ordinal: mediana y moda
• En variables de tipo nominal: moda
Además, como la media se ve arrastrada por las puntuaciones extremas; la

mediana puede ser una medida preferible a la media cuando existen puntuaciones
extremas que distorsionan la verdadera tendencia central del grupo
(3,3,4,4,4,5,5) vs. (3,3,4,4,4,5,10)
10
MEDIDAS DE TENDENCIA CENTRAL: Ejemplo 1
Preguntas de Examen
Febrero 2011 – 2ª SEMANA

MEDIDAS DE VARIABILIDAD
Las medidas de tendencia central por sí solas no proporcionan suficiente

información como para hacernos una idea completa de las características de un
grupo…
…el índice de tendencia central debe ir acompañado por un índice de

dispersión o variabilidad que indique en qué medida las puntuaciones de los
sujetos se dispersan o varían en torno a la media aritmética.
MEDIDAS DE VARIABILIDAD: La Desviación Media
El índice de dispersión más intuitivo y fácil de comprender es la desviación media.
La desviación media (D.M.) es una medida que indica la media de las

desviaciones de las puntuaciones directas de los sujetos respecto de
la media aritmética del grupo.
Es decir, si la D.M. es alta significa que las puntuaciones, en su conjunto, se

desvían, están alejadas de la media aritmética del grupo (grupo heterogéneo)…
…si la D.M. es pequeña significa que las puntuaciones del grupo están
próximas a la media aritmética (grupo homogéneo).
MEDIDAS DE VARIABILIDAD: Ejemplo 1
MEDIDAS DE VARIABILIDAD:
La Desviación Típica y la Varianza
Los índices de variabilidad más conocidos y utilizados son la desviación típica (s)
y la varianza (s2)
SESGADA INSESGADA
Al elaborar un informe descriptivo, lo usual es incluir la desviación típica como medida de

dispersión.
No siempre es fácil interpretar una desviación típica, decir si es grande o pequeña. Si

tenemos un solo grupo, los valores que podemos tomar de referencia son:
• La desviación típica mínima: siempre cero (todos los sujetos tienen la misma
puntuación (p.ej.: 5, 5, 5, 5, 5, 5)
• La desviación típica máxima: la mitad de los sujetos con la puntuación máxima de la
escala, y la otra mitad de los sujetos con la puntuación mínima de la escala (p.ej.: 0, 0, 0, 10,
10, 10). La desviación típica es la puntuación mayor menos la puntuación menor entre dos.
Preguntas de Examen

La Amplitud o Recorrido
La medida de variabilidad más básica es la amplitud o recorrido de una variable
La amplitud se utiliza como medida de dispersión únicamente cuando no es posible

calcular otra o como complemento de la moda (cuando el nivel de medida de la
variable es nominal)…
…al igual que sucedía con la moda como índice de tendencia central, es un índice
muy simple, basado en tan sólo dos puntuaciones, lo que puede dar lugar a malas
interpretaciones si no se valora con precaución, sobre todo cuando existen
puntuaciones extremas.
Preguntas de Examen

La Desviación semi-intercuartílica
La desviación semi-intercuartílica (Q) es una medida que indica la

dispersión en el 50% central de la distribución…
…es adecuada cuando el nivel de medida de la variable es ordinal (en este

caso será el complemento de la mediana). También es adecuado su uso cuando la
existencia de puntuaciones extremas pueda distorsionar en exceso la desviación
típica…
…la Q prescinde del 25% inferior y del 25% superior de las puntuaciones,
calculando la dispersión en el 50% central, entre los percentiles 25 y 75 o, lo que
es lo mismo, entre los cuartiles 1 y 3.
La Desviación semi-intercuartílica
El coeficiente de variación
El coeficiente de variación (V), a diferencia de los índices anteriores, nos

permite comparar la variabilidad entre variables que tienen distinta amplitud.
Y es que dos desviaciones típicas procedentes de instrumentos con distinto

recorrido o distinta escala de medida no son directamente comparables
Media y Desviación Típica para Variables Dicotómicas
Variables dicotómicas: son variables que sólo pueden tomar 2 valores.
Normalmente se codifican con ceros y unos:

• 0 = “noes” o “respuestas incorrectas”
• 1 = “síes” o “respuestas correctas
La media aritmética representa la proporción de unos.
p = nº de “1” / nº total de respuestas q = nº de “0” / nº total de respuestas
p+q=1
Las medias con variables dicotómicas son muy usadas en pruebas objetivas con
preguntas de acierto/error. En este caso, la media nos dirá la proporción de sujetos que
ha contestado correctamente a la pregunta, que viene a denominarse “índice de
dificultad del ítem”
La desviación típica variará entre 0 (ausencia de variabilidad) y 0,5

(máxima variabilidad, es decir, cuando la mitad contesta que sí y la
otra mitad contesta que no)
Asimetría y apuntamiento: relación con la curva normal

La distribución viene a indicar cómo la mayoría de las personas nos encontramos en torno
a los valores medios de la distribución y según nos alejamos hacia valores extremos el
número de sujetos disminuye progresivamente

donde la media, la mediana y la moda coinciden.
(Tiene índice de asimetría igual a cero y apuntamiento igual a cero)
La asimetría positiva indica que la mayoría de los sujetos tienden a

concentrarse en la parte baja de las puntuaciones de la distribución de
frecuencias. La cola de la distribución está a la derecha…
…la asimetría negativa indica lo contrario: los sujetos tienden a agruparse

en torno a las puntuaciones altas de la distribución, La cola de distribución
está a la izquierda.
El apuntamiento o curtosis indica el grado en el que la distribución es más

o menos picuda (más o menos dispersa respecto a la media):
• Mesocúrtica: la curva normal. Curtosis = 0
• Leptocúrtica: más apuntada. Concentración de las puntuaciones alrededor

de la media. Curtosis > 0.
• Platicúrtica: más achatada. Dispersión de las puntuaciones alrededor de la

media. Curtosis < 0
REPRESENTACIONES GRÁFICAS
Las representaciones gráficas son un buen complemento para los índices de tendencia
central y variabilidad, y ayudan a comprender rápidamente y de manera intuitiva la
información descriptiva.
El gráfico de sectores (o
“ciclograma” o “gráfico de
tarta”) se utiliza para representar
variables categóricas (nivel de
medida nominal).
Tiene forma circular, y está

dividida en porciones que
representan proporcionalmente
la presencia de cada una de las
categorías de la variable.
El gráfico de barras se utiliza para

variables nominales, ordinales
(cualitativas), o cuantitativas
discretas.
Eje horizontal = categorías o

niveles de la variable.
Eje vertical = frecuencias o

porcentajes.
Cuando las variables son

cuantitativas continuas (con
niveles de intervalo o de razón), las
barras en vez de separadas están
juntas y se forma un Histograma, en
el que se suelen agrupar las
puntuaciones por intervalos.
Preguntas de Examen

El diagrama de caja (o de caja y patillas, o de caja y bigotes) es un gráfico

muy práctico para hacerse una idea de la distribución de las puntuaciones en la
zona central (zona entre Q1 y Q3) y en los extremos. Las patillas representan
las puntuaciones hasta los extremos de la distribución.
Preguntas de Examen

Preguntas de Examen

El gráfico de tallo y hojas

combina la representación
numérica y gráfica.
Es una especie de histograma

horizontal cuyas barras están
construidas con los números
correspondientes a las
puntuaciones.
Hojas: último dígito de la

puntuación.
Tallo: el resto de dígitos

REPASO – TEMA 5
REPASO – TEMA 5
REPASO – TEMA 5
LA EDUCACIÓN
(Tema 6)

VIDEOCLASE: Puntuaciones individuales y grupales.
http://www.intecca.uned.es/portalavip/grabacion.php?ID_Grabacion=56
840&ID_Sala=60422&hashData=46a16ad855dfa63ee8a28bdb6244dc9d
INTRODUCCIÓN
Habitualmente la estadística se ocupa de estudiar conjuntos de datos más que
los datos particulares…
…pero en el campo educativo, las puntuaciones individuales de sujetos

concretos son de vital importancia puesto que la persona es el objeto
fundamental de la educación
“El conocimiento de las puntuaciones individuales de cada

persona y su correcta interpretación resultan esenciales para
la intervención educativa”
En este tema hablaremos de las puntuaciones individuales, de su

interpretación y de la necesidad de su transformación, para su mejor
comprensión.
PUNTUACIONES DIRECTAS
Una puntuación directa (Xi) es la puntuación que obtiene un sujeto al realizar

una prueba o aplicarle un instrumento de medida
(X2 = 18) en una

(X1 = 18) en una
prueba de
prueba de Lengua
Matemáticas
40 preguntas
20 preguntas
¿Son comparables estas 2 puntuaciones directamente? NO
Necesitamos transformar X1 y X2 para poderlas comparar correctamente.

PUNTUACIONES PROPORCIONALES Y PORCENTUALES
PUNTUACIÓN PROPORCIONAL: (nº de respuestas correctas / nº total de preguntas)
PUNTUACIÓN PORCENTUAL: (puntuación proporcional * 100)
En nuestro ejemplo…
Limitaciones de estas puntuaciones: no sirven para cuestionarios (no hay

respuestas correctas e incorrectas) ni tienen en cuenta el rendimiento del resto
del grupo
PUNTUACIONES DIFERENCIALES
Una puntuación diferencial (x) es una puntuación individual relativa a la media

aritmética del grupo de referencia.
x = Xi - X
Siguiendo nuestro ejemplo…
Limitaciones de estas puntuaciones: no permiten hacer comparaciones

independientemente de la amplitud de los instrumentos de los que proceden las
puntuaciones (p.ej. No es lo mismo x = 2 en una escala de A=101 o de A=11)
PUNTUACIONES TÍPICAS
Una puntuación típica (z) indica el número de desviaciones típicas que se desvía una
puntuación directa de la media aritmética de su grupo
La media de las puntuaciones típicas es igual a 0 y la desviación típica igual a 1
Ejemplo: Un grupo de sujetos tiene una media en CI de 100 puntos y una desviación típica
s = 10
En nuestro ejemplo…
Las puntuaciones típicas son muy utilizadas porque nos permiten comparar cualquier
puntuación entre sí, independientemente del instrumento de medida o de la
amplitud de la escala utilizada.
Preguntas de Examen
Preguntas de Examen
PUNTUACIONES TÍPICAS
Una puntuación típica (z) indica el número de desviaciones típicas que se desvía una
puntuación directa de la media aritmética de su grupo
La media de las puntuaciones típicas es igual a 0 y la desviación típica igual a 1
La puntuación típica depende de la homogeneidad del grupo de referencia…
Las puntuaciones típicas son muy utilizadas porque nos permiten comparar cualquier
puntuación entre sí, independientemente del instrumento de medida o de la
amplitud de la escala utilizada.
PUNTUACIONES TIPIFICADAS O ESCALAS DERIVADAS
Las puntuaciones tipificadas consisten en una simple transformación de las puntuaciones
típicas, creadas para evitar las puntuaciones decimales y negativas.
La transformación se reduce a multiplicar la puntuación típica por una constante (valor que
se convertirá en la nueva desviación típica de la escala), y sumarle otra constante (valor que
se convertirá en la nueva media de la escala)
T = 50 + 10z
S = 5 + 2z
C.I. más habitual = 100 + 15z
Ejercicio: Calcula T, S y CI para z=0, z=1, y z=-2

PUNTUACIONES CUANTILES
Un cuantil indica el porcentaje de sujetos que deja por debajo de sí una

puntuación determinada.
Las puntuaciones cuantiles más utilizadas son los percentiles, que dividen
una distribución de frecuencias en 100 partes. (Por ejemplo, P85 = puntuación
directa que deja por debajo de sí al 85% de los sujetos de su grupo)
Otros cuantiles utilizados son los deciles (D, diez divisiones) y los cuartiles
(Q, cuatro divisiones).
P75 = Q3
P50 = D5 = Q2 = Md
Un cuantil es una medida relativa al grupo de referencia (así, p.ej. Un sujeto puede
encontrarse en el P90 y tener una mala puntuación en valor absoluto)
Los percentiles son utilizados para construir los baremos de los tests estandarizados.
Ejemplo: Baremación de las Escalas del Test de Torrance en 5º Primaria
Ejemplo:
Ejemplo:
VIDEOCLASE: La Curva Normal
http://www.intecca.uned.es/portalavip/grabacion.php?ID_Grabacion=56930&ID_Sala=60
531&hashData=15e216a761e6a194d32b62aa5804fd0d&paramsToCheck=SURfR3JhYmFj
aW9uLElEX1NhbGEs
PUNTUACIONES INDIVIDUALES EN LA CURVA NORMAL

La distribución viene a indicar cómo la mayoría de las personas nos encontramos en torno
a los valores medios de la distribución y según nos alejamos hacia valores extremos el
número de sujetos disminuye progresivamente

donde la media, la mediana y la moda coinciden.
(Tiene índice de asimetría igual a cero y apuntamiento igual a cero)
Preguntas de Examen
Preguntas de Examen
Preguntas de Examen
PUNTUACIONES INDIVIDUALES NORMALIZADAS
…basta mirar en las tablas para saber que el estanino 5 comprende desde el
P40 al P60 (desde z = -0,25 a z = 0,25)
PUNTUACIONES INDIVIDUALES NORMALIZADAS
LA EDUCACIÓN
(Tema 7)

VIDEOCLASE: La Correlación.
https://www.intecca.uned.es/portalavip/grabacion.php?ID_Grabacion=56932&ID_Sala=605
49&hashData=e7ea4832ba6abb091775a0a59785f696
INTRODUCCIÓN
Al hacer investigación en educación nos interesará en muchas ocasiones conocer la
posible relación entre 2 o más variables
En este capítulo estudiaremos:
• Las relaciones entre las variables que intervienen en el proceso educativo: correlación
• Las posibilidades y limitaciones de la predicción de puntuaciones en una variable,
conociendo los valores de otra: regresión
Estudiaremos los coeficientes de correlación más

importantes en el campo educativo:
 El coeficiente de correlación de Pearson (r)

 El coeficiente de correlación ordinal de
Spearman (rs)
 El coeficiente de contingencia (C)
 El coeficiente de correlación biserial-puntual
(rbp)
EL CONCEPTO DE CORRELACIÓN
La correlación nos indica la tendencia de dos o más conjuntos de datos a variar
de forma conjunta. Para cuantificar la intensidad de la correlación contamos con el
coeficiente de correlación que nos mide el índice de covariación o variación
conjunta de dos o más series de datos
Por ejemplo, podemos estar interesados en conocer qué variables están correlacionadas con el
rendimiento académico: tiempo de estudio, motivación, nivel de uso de los recursos tecnológicos,
etc… De esta manera, podemos decidir sobre qué variables intervenir para mejorar dicho
rendimiento.
Las situaciones susceptibles de ser analizadas de manera correlacional son esencialmente:
a) Estudiar la relación entre 2 o más variables medidas en un mismo grupo de

sujetos (lo más habitual)
b) Estudiar la relación entre 2 o más grupos de individuos en una sola variable.
c) Estudiar el caso de una misma variable medida en dos momentos distintos
en una misma muestra (p.ej.: fiabilidad como estabilidad)
En el análisis de la correlación entre 2 variables, teniendo en cuenta la intensidad y
el sentido de la relación, se pueden dar las siguientes situaciones ilustradas mediante
un diagrama de dispersión.
RELACIÓN PERFECTA POSITIVA RELACIÓN IMPERFECTA POSITIVA

(“función”) (habitual en el campo educativo)
Valor cuantitativo = +1 Valor cuantitativo = entre 0 y +1
RELACIÓN PERFECTA NEGATIVA RELACIÓN IMPERFECTA NEGATIVA

(“función”) (habitual en el campo educativo)
Valor cuantitativo = -1 Valor cuantitativo = entre 0 y -1
RELACIÓN NULA O AUSENCIA DE RELACIÓN

(“Esta ausencia de relación se da cuando dos variables son independientes una de la otra”)
Valor cuantitativo = 0
Preguntas de Examen
Preguntas de Examen
EL COEFICIENTE DE CORRELACIÓN SIMPLE
El coeficiente de correlación nos mide el valor de la covariación o

variación conjunta de dos series de datos. El valor de ese
coeficiente nos marca la existencia de una relación directa de
variables (valores positivos) o inversa (valores negativos).
Es decir, los valores cuantitativos del coeficiente se sitúan entre +1 y -1
¿Cómo interpretar los valores de esos coeficientes?
1. El tipo de variables que se relacionan: ¿hay estudios anteriores que indiquen

correlaciones similares?
2. La variabilidad del grupo: la correlación tiende a aumentar con la variabilidad del
grupo. Ante 2 coeficientes de correlación iguales, el alcanzado en el grupo más
homogéneo es de más intensidad.
3. La finalidad a la que se destina el coeficiente: fiabilidad (>0,85) o validez (>0,60)
¡Ojo!
Coeficiente de Determinación (d) = Coeficiente de correlación (r) al cuadrado por 100
d = r2 * 100
(Se interpreta como el porcentaje de la varianza de una variable explicada por la otra)
Ejemplo:
La interpretación de los coeficientes de correlación se suele completar con su

significación estadística. Se trata de poder afirmar que la correlación entre 2 variables es
real y no se puede explicar por efecto del azar.
TIPOS DE COEFICIENTES DE CORRELACIÓN
La elección de los diferentes coeficientes de correlación depende del nivel de
medida y de la categoría de las variables
Coeficiente de • Las dos variables son cuantitativas y

Correlación de Pearson medidas a nivel de intervalo (y además
(r) se distribuyen normalmente)
Coeficiente de • Las variables son cuantitativas pero sólo

Correlación Ordinal de puede garantizarse un nivel de medida
Spearman (rs) ordinal
• Para hallar el grado de asociación

Coeficiente de entre 2 variables nominales
Contingencia (C) (categóricas)
Coeficiente de • Entre una variable cuantitativa

correlación biserial- (continua o discreta) y otra
puntual (rbp) auténticamente dicotómica
Preguntas de Examen
El coeficiente de correlación de Pearson (r)
Ejemplo: calificaciones en matemáticas (variable X) y en física (variable Y) de 10 sujetos.



Suj. X Y X2 Y2 X*Y x x2 y y2 x*y

El coeficiente de correlación ordinal de Spearman (rs)
Para calcular este coeficiente, debemos transformar las puntuaciones directas obtenidas
con el instrumento en rangos.
Se suele comenzar asignando el rango o posición 1 a la puntuación más alta, la siguiente

tendrá el rango 2, la siguiente el 3… de tal manera que el último rango que se asigne
debe coincidir con el número de sujetos de la muestra.
¡Ojo!:
• En aquellos casos en que existan varias puntuaciones directas coincidentes, la

asignación del rango se realiza calculando el promedio de las posiciones que ocupan.
• El criterio de asignación de rangos debe ser el mismo para ambas variables
Ejemplo: Correlación entre “comprensión oral” (X) y “expresión escrita” (Y) para una
muestra de 15 sujetos (pp. 138-139).
Ejemplo: Correlación entre “comprensión oral” (X) y “expresión escrita” (Y) para una
muestra de 15 sujetos.
El coeficiente de contingencia (C)
En el caso de variables nominales o atributos, se suele hablar de “grado de

asociación” (no de “grado de correlación”).
Se utiliza en aquellos supuestos en que se recogen datos de variables

clasificadas en categorías.
Así, las tablas de contingencia reflejan una asignación de sujetos a grupos y

categorías en cada una de las variables.
Ejemplo: Grado de asociación entre tipo de estudios y nivel socioeconómico

para 320 sujetos.
CC. SOCIALES Y CIENCIAS HUMANIDADES

JURÍDICAS
BAJO 20 40 60
MEDIO 40 40 40
ALTO 40 20 20
Ejemplo: Grado de asociación entre tipo de estudios y nivel socioeconómico

para 320 sujetos.
El coeficiente de correlación biserial-puntual (rbp)
Cuando buscamos el grado de relación que se manifiesta entre una variable

cuantitativa, continua o discreta, y otra auténticamente dicotómica, debemos
recurrir al coeficiente biserial-puntual
Ejemplo: nivel de relación entre el rendimiento matemático y el sexo.



La regresión lineal simple
Elevando al cuadrado el coeficiente de

correlación obtenemos el coeficiente de
determinación, que permite conocer el
porcentaje de varianza compartida.
Esto hace posible que se puedan

estimar los valores de una variable
conociendo los valores en la otra:
regresión lineal simple
La recta de regresión (Y = a + bX) nos

permite llevar a cabo la predicción o
estimación de los valores en una
variable (variable criterio) a partir del
conocimiento de los valores en la otra
variable (variable predictora), con la
que mantiene una alta correlación.
REPASO
REPASO
REPASO
LA EDUCACIÓN
(Tema 8)

INTRODUCCIÓN
En este capítulo veremos las características técnicas de los

instrumentos de medida
Es fundamental que los instrumentos sean precisos en sus
apreciaciones (fiabilidad) y sirvan para lo que
realmente se diseñaron (validez)
En el tema se abordan 3 cuestiones:
• FIABILIDAD DE LOS INSTRUMENTOS

• VALIDEZ DE LOS INSTRUMENTOS
(especialmente la validez predictiva)
• ANÁLISIS DE ELEMENTOS (ÍTEMS) DE
UNA PRUEBA:
• Índice de Dificultad
• Índice de Homogeneidad
• Índice de Validez
¡OJO! no se exigirá en el examen el desarrollo paso a paso de los procedimientos de
Rulon, Kuder-Richardson y Cronbach. Los epígrafes 8.2.2, 8.3.6, 8.3.7 y 8.3.8 quedan
eliminados como material obligatorio de estudio.
INTRODUCCIÓN
Es fundamental que los instrumentos sean precisos en sus apreciaciones

(fiabilidad) y sirvan para lo que realmente se diseñaron (validez)
INTRODUCCIÓN
Es fundamental que los instrumentos sean precisos en sus apreciaciones

(fiabilidad) y sirvan para lo que realmente se diseñaron (validez)
FIABILIDAD
La fiabilidad de las medidas se identifica con la precisión.
Un instrumento es fiable cuando mide algo con precisión,

independientemente de lo que se esté midiendo.
Puntuación observada = Puntuación verdadera ± error de medida
Los errores pueden ser sistemáticos o aleatorios
Cuanto menor sea el error (aleatorio), más fiable es el instrumento.
También podemos expresar la fiabilidad como la constancia en las

puntuaciones de los sujetos o bien la concordancia entre varias mediciones
sucesivas de una misma realidad.
Para el cálculo de la fiabilidad se procede siempre desde 2 conjuntos de

datos a partir de los cuales se puede determinar el coeficiente de correlación
que estime la fiabilidad del instrumentos
Preguntas de Examen
TIPOS DE FIABILIDAD
Fiabilidad como estabilidad

• O procedimiento de la repetición o del “test-retest”
Fiabilidad como equivalencia

• O de “formas paralelas”
Fiabilidad como consistencia interna

• Por ejemplo, con las “dos mitades”
Preguntas de Examen
Fiabilidad como Estabilidad
También conocida como procedimiento de la repetición o del test-retest
Se calcula la correlación que existe entre las puntuaciones obtenidas por un

mismo grupo de sujetos (debidamente identificados) en 2 aplicaciones
sucesivas de una misma prueba en 2 momentos diferentes.
Entre ambas aplicaciones debe transcurrir un tiempo ni muy corto (por el

entrenamiento) ni muy largo (por la maduración).
Algunos autores lo fijan en 20 ó 25 días.
Fiabilidad como Estabilidad
Ejemplo: Prueba de 20 ítems. 2 aplicaciones sucesivas a 10 sujetos.

Preguntas de Examen
Fiabilidad como Equivalencia
También conocida como de formas paralelas.
Consiste en aplicar 2 pruebas diferentes pero que miden el mismo rasgo

o característica, de tal forma que los resultados de la aplicación de la
primera prueba se correlacionan con los de la segunda.
Es un procedimiento difícil y complicado: es muy difícil encontrar pruebas

equivalentes (mismos objetivos, mismos contenidos, longitud y condiciones de
aplicación)
También se utiliza el coeficiente de correlación de Pearson. Si transcurren

más de 20 días entre la aplicación de la prueba y la forma paralela, el coeficiente
encontrado puede ser considerado como de equivalencia y de estabilidad.
Fiabilidad como Consistencia Interna
Los instrumentos de medida están representados por una serie de elementos o
ítems…
…cabe esperar que cada uno de ellos medirá una parte del rasgo o
característica que mide la prueba en su conjunto…
…por tanto, debe existir una coherencia o consistencia en las respuestas

que ofrecen un conjunto de sujetos a los diferentes elementos que componen
el instrumento.
La fiabilidad como consistencia interna, también conocida como de las 2

mitades consiste en dividir la puntuación total del sujeto en una prueba
en 2 partes (lo mejor, “ítems-pares” / “ítems-impares”)…
…así obtenemos 2 puntuaciones por cada sujeto, cuya correlación será el

coeficiente de fiabilidad como consistencia interna
Fiabilidad como Consistencia Interna (Spearman-Brown)
Ejemplo: Prueba de 30 ítems para una muestra de 12 sujetos
VALIDEZ
Aunque la fiabilidad es un requisito imprescindible-necesario de toda

medición, no es una condición suficiente para defender la idoneidad de los
datos recogidos
Podemos afirmar que un instrumento es válido cuando mide lo

que dice medir y no otra cosa distinta.
Ningún instrumento es absolutamente válido, sino que tendremos

que matizar el grado y la naturaleza de la validez
TIPOS DE VALIDEZ
• Los ítems o elementos de una prueba deben ser una
VALIDEZ DE muestra suficiente y representativa del universo
de los ítems relacionados con el objeto de estudio.
CONTENIDO Validación a través de “tablas de especificaciones”
y “juicios de expertos”
• Capacidad de la prueba para predecir futuros

VALIDEZ hechos o fenómenos relacionados. Se calcula
haciendo la correlación entre las puntuaciones en la
PREDICTIVA prueba a validar y las puntuaciones en otra prueba
posterior denominada criterio.
VALIDEZ • Es igual que la validez predictiva sólo que tanto la

prueba a validar como el criterio se aplican al mismo
CONCURRENTE tiempo
VALIDEZ DE • Trata de analizar la conexión que se manifiesta entre la

teoría en la que se basa la prueba y los ítems que la
CONSTRUCTO componen
VALIDEZ • Validez didáctica o validez superficial. Aspectos

externos cuya influencia puede ser relevante para
APARENTE alcanzar participación y respuestas válidas
Preguntas de Examen
LA VALIDEZ PREDICTIVA
Ejemplo: Validez predictiva de una prueba de comprensión lectora (30 ítems) tomando
como criterio las calificaciones finales en Lengua.
ESTUDIO DE LOS ELEMENTOS O ÍTEMS DE UNA
PRUEBA
Para tener las suficientes garantías científicas de que la prueba que vamos a aplicar a un
grupo de sujetos es la más adecuada, es preciso conocer el comportamiento de cada
uno de los ítems que la componen. Así se podrán eliminar los ítems que no
pasen el control o añadir otros que sí cumplan esos requisitos.
En el campo socioeducativo se recurre a 3 índices:
• ÍNDICE DE DIFICULTAD (ID)

• ÍNDICE DE HOMOGENEIDAD (IH)
• ÍNDICE DE VALIDEZ (IV)
Estos índices no son aplicables a las pruebas de medida de actitudes

EL ÍNDICE DE DIFICULTAD (I.D.)
El índice de dificultad de un elemento depende del grupo de sujetos que lo conteste. Se
expresa numéricamente por el número de ellos que lo resuelve satisfactoriamente,
de tal forma que cuando es contestado correctamente por un número pequeño de sujetos
el ítem es muy difícil; y a la inversa, si casi todos los sujetos responden bien al ítem, éste
será muy fácil.
“El índice de dificultad (ID) de un elemento o ítem nos indica la proporción de los
sujetos que lo resuelven de forma correcta en relación con el total de los que lo
contestan”
Una buena prueba debe presentar aproximadamente la siguiente distribución de ítems:
• Muy fáciles (ID > 0,75): 10 %

• Fáciles (0,55 < ID <0,75): 20%
• Normales (0,45 < ID < 0,55): 40%
• Difíciles (0,25 < ID < 0,45): 20%
• Muy Difíciles (ID < 0,25): 10%
Lo más pedagógico es que los ítems fáciles se sitúen al principio de la prueba, y

los difíciles al final.
EL ÍNDICE DE DIFICULTAD (I.D.)
Ejemplos (página 173):

EL ÍNDICE DE HOMOGENEIDAD (I.H.)
La homogeneidad de los elementos pone de manifiesto la coherencia de cada uno de
ellos con el total de la prueba: si ésta mide un rasgo o características es lógico que
cada uno de los ítems mida hasta cierto punto lo mismo.
Se calcula a partir del valor de la correlación entre cada elemento y el conjunto

de los demás, así pues, cuanto mayor es el coeficiente entre ambas
puntuaciones, mayor será la homogeneidad.
Ejemplo:
EL ÍNDICE DE VALIDEZ (I.V.)
Los elementos de una prueba se consideran válidos cuando realmente miden lo que dicen
medir y no otra cosa distinta. Ello exige la existencia de una clara relación entre las
puntuaciones obtenidas por los sujetos de la muestra en cada uno de los ítems
y las alcanzadas en el criterio de validez: cuanto mayor sea esa relación mayor
será el índice de validez (IV).
Ejemplo (página 175):

REPASO
LA EDUCACIÓN
(Tema 11)

VIDEOCLASE: Introducción a la estimación de parámetros
https://www.intecca.uned.es/portalavip/grabacion.php?ID_Grabacion=56984&ID_Sala=60624&hashData
=3e5a0cc020e43a6c80798b0096ea1313
INTRODUCCIÓN
En este tema comenzamos con la extrapolación de los resultados

obtenidos en nuestras muestras a las grandes poblaciones a las que
pertenecen.
Es la INFERENCIA ESTADÍSTICA que tiene 2 aplicaciones básicas:
• Estimación de parámetros
• Contraste de hipótesis
La Inferencia Estadística se aplica con frecuencia en nuestra vida cotidiana: encuestas de

opinión, encuestas electorales, estudios de mercado, etc….
En este tema aprenderemos: a partir de los valores obtenidos en

nuestras muestras (estadísticos), estimar esos mismos valores en la
población a la que pertenecen (parámetros)
http://www.elperiodico.com/es/poli
tica/barometro-gesop.shtml
Preguntas de Examen
APROXIMACIÓN INTUITIVA A LA INFERENCIA ESTADÍSTICA
La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes de muestras,

y de la realización de inferencias acerca de las poblaciones de las que éstas proceden
Preguntas de Examen
PROPIEDADES DE LOS ESTIMADORES
La estimación consiste en la técnica que permite conocer el valor aproximado

de un parámetro de una población con una determinada probabilidad a partir de
los datos proporcionados por una muestra,
Un “estimador” es un estadístico muestral que permitirá la estimación de un

parámetro poblacional. Las características que debe poseer un buen estimador
son:
• CARENCIA DE SESGO
• EFICIENCIA
• CONSISTENCIA
• SUFICIENCIA
DISTRIBUCIÓN MUESTRAL, ERROR MUESTRAL Y ERROR TÍPICO
Estimación del parámetro media aritmética
La Distribución Muestral es la distribución de un estadístico en el muestreo.
La Distribución Muestral está formada por los infinitos valores de un

estadístico obtenidos de infinitas muestras aleatorias del mismo
tamaño extraídas de la misma población.
La distribución muestral de la media aritmética se asemeja a

una distribución normal
El Intervalo Confidencial comprende los valores entre los cuales es más

probable que se encuentre el verdadero valor del parámetro.
Para determinar el intervalo confidencial alrededor de la media: calculamos

la media de la muestra, a la que sumaremos y restaremos el error muestral, es
decir, la diferencia más probable entre el estadístico y el parámetros
El error muestral (EM) está compuesto por 2 factores:
• El error típico: es la desviación típica de la distribución muestral
• El nivel de significación: escogido por el investigador (normalmente α = 0,05,

que se corresponde a un nivel de confianza del 95%)
Preguntas de Examen
Ejemplo 1: Estimación del cociente intelectual medio de la población de

adolescentes de la Comunidad de Madrid.

Estimación del parámetro media aritmética (muestras pequeñas)

Estimación del parámetro media aritmética (muestras pequeñas)

Estimación del parámetro proporción (π)
Ejemplo 3: Estimación del acuerdo con la “ley de eutanasia” de la población de

Estimación de la puntuación verdadera de una prueba
Intervalo de confianza de la puntuación estimada en la regresión lineal simple
Se trata de estimar las puntuaciones en el criterio, conociendo las

puntuaciones alcanzadas en la prueba predictora o antecedente, una
vez determinado el coeficiente de validez.
Esta predicción es más segura y precisa a medida que aumenta el

coeficiente de correlación (validez predictiva o concurrente) entre las
variables
Cuando estimamos las puntuaciones en el criterio (Y) a partir de las puntuaciones en la

prueba (X), no tenemos la seguridad total de que la puntuación predicha sea única y
siempre la misma. Es decir estamos haciendo una estimación (Y’) que conlleva un error:
Error de estimación = Y’ – Y
Así, cada predicción lleva asociado un error de estimación.
La desviación típica de los errores de estimación es lo que recibe el nombre de

error típico de estimación (σest)
Intervalo de confianza de la puntuación estimada en la regresión lineal simple
Ejemplo (páginas 170 y 171):

Estimación del parámetro correlación de Pearson
Ejemplo: página 235

¿Cuándo decimos que un coeficiente de correlación es

estadísticamente significativo?
Cuando es distinto de cero, es decir, cuando el coeficiente de correlación

obtenido es suficientemente grande como para decir que la correlación en la
población de referencia es distinta de cero…
…en este sentido, cuando estimamos el intervalo de confianza en el cual es

probable que se encuentre la verdadera correlación en la población, si este
intervalo contiene el valor cero (ausencia absoluta de relación),
diremos que dicha correlación NO es estadísticamente significativa…
…es decir, que estadísticamente hablando, esa correlación es (puede ser) igual a
cero y la diferencia con r = 0 que hemos obtenido en la muestra se debe al azar, al
error de muestreo.
Preguntas de Examen
Hay que ser cuidadosos en la interpretación, cuando decimos que una

correlación no es estadísticamente significativa:
• Una correlación no significativa simplemente es una correlación que no

podemos generalizar
• Una correlación no significativa no es prueba de no relación
(NO PROBAR QUE HAY RELACIÓN ≠ PROBAR QUE NO HAY RELACIÓN)

Estimación del parámetro diferencia de medias
Ejemplo: página 237-238

REPASO
LA EDUCACIÓN
(Tema 12)

VIDEOCLASE: Introducción al Contraste de Hipótesis
https://www.intecca.uned.es/portalavip/grabacion.php?ID_Grabacion=56991&ID_Sala=60624&hash
Data=d2d433af2294994c6a8836ab6fa529ef
VIDEOCLASE: Pruebas Paramétricas: Diseño de Uno y Dos Grupos
https://www.intecca.uned.es/portalavip/grabacion.php?ID_Grabacion=57062&ID_Sala=60675&hash
Data=4ad9efe06d75cc0d6a670ff9b6c5a298
INTRODUCCIÓN
En el tema anterior vimos el proceso para establecer un intervalo de

confianza para estimar el parámetro desconocido de una población a
partir de la información conocida de una muestra…
…ahora veremos cómo los valores obtenidos en una muestra pueden ser usados
para probar una hipótesis en la población, a través del uso de la prueba de
significación de la hipótesis nula.
HIPÓTESIS NULA
La Hipótesis Nula (H0) representa la no relación entre las variables que estamos
estudiando…
…H0 es la hipótesis de no diferencias (no hay diferencias en los niveles de la VD en

función de la VI). O dicho en otras palabras, que la VI no produce ningún efecto en
la VD.
La Hipótesis Nula (H0) tiene 2 propósitos básicos:
• Sirve como punto de partida cuando no tenemos conocimiento o no hay razones

para creer que existen diferencias entre los grupos que estamos comparando.
• Ayuda a definir un intervalo en el que cualquier diferencia observada entre

grupos puede atribuirse a la casualidad o azar; y otro intervalo de valores en que
dicha diferencia quizás se deba a otro factor distinto del azar, como el efecto de la
VI en la VD.
¿RECHAZAR LA HIPÓTESIS NULA?
El investigador debe tomar la decisión de si rechazar o no rechazar H0
(Y, por tanto, si aceptar o no aceptar la Hipótesis Alternativa H1)
Esa decisión dependerá del valor de α (nivel de significación) que hayamos

establecido a priori
RECHAZO H0 SI…
• probabilidad (zempírica, tempírica…) ≤ α
• zempírica, tempírica… ≥ zcrítica, tcrítica…
• El intervalo de confianza no incluye la diferencia nula

Estimación de Parámetro diferencia de medias
(grupos grandes e independientes)
Ejemplo 1 Grupo 1: HARVARD Grupo 2: ALCALÁ

X1 = 112 X2 = 104
s1= 15 s2= 13
N1 = 150 N2 = 200
Ejemplo 1
Contraste de Hipótesis diferencia de medias
Ejemplo 1
Ejemplo 2
Ejemplo 2
Ejemplo 2
Ejemplo 2
Preguntas de Examen
Preguntas de Examen
Nivel de significación estadística y errores Tipo I y Tipo II
La potencia estadística (1 – β) se define como la probabilidad de rechazar la hipótesis

nula cuan ésta es realmente falsa (decisión correcta). Es deseable alcanzar una potencia de
la prueba de 0,80 (es decir, β ≤ 0,20).
Debemos tratar de mantener ambos tipos de errores tan bajos como sea posible:
• El error tipo 1 (α) lo fija a priori el investigador, siendo los valores convencionales
utilizados de forma más frecuente 0.01 y 0.05
• Dado un valor de α fijado, podemos calcular el tamaño que debe tener nuestra muestra
para alcanzar un determinado valor de β.
Preguntas de Examen
(grupos pequeños y grandes, e independientes)
Ejemplo 3 Grupo 1:VETERANOS Grupo 2: NOVATOS

X1 = 7,5 X2 = 5,2
s1= 1,2 s2= 1,3
N1 = 12 N2 = 12
Ejemplo 3
Ejemplo 4
Ejemplo 4
LOS PASOS DEL CONTRASTE DE HIPÓTESIS
Selección de una muestra aleatoria
Formulación de las hipótesis estadísticas: H0 y

H1(unilateral o bilateral)
Elección del valor de alfa o nivel de significación
Determinación de la distribución muestral y de la región

de rechazo.
Utilización del valor exacto de p

LOS PASOS DEL CONTRASTE DE HIPÓTESIS
Preguntas de Examen
Errores frecuentes en la PSHN
En la investigación educativa estas condiciones no se cumplen

estrictamente en muchas ocasiones  se acude a la evidencia
acumulativa por replicación de los estudios
Errores frecuentes en la PSHN
Aunque habitualmente se habla de rechazar o aceptar la hipótesis
nula, en realidad debemos hablar de rechazar o no rechazar la H0
Esta distinción de matiz (entre “aceptar” y

UN
“no rechazar” la hipótesis nula) es
REDUCIDO
importante porque puede haber muchas TAMAÑO DE
razones que expliquen que un resultado ha LA MUESTRA
sido estadísticamente no significativo,
cuando en realidad sí lo es.
Otra explicación factible es que no se eligieron o no se

manipularon bien los niveles de la variable independiente…
…También debe considerarse la posibilidad de que nuestra variable

independiente correlacione altamente con otra variable independiente no tenida
en cuenta y que sea esta última, en realidad, la que está produciendo los efectos
sobre la variable dependiente que atribuimos a la primera
El Tamaño del Efecto
Una diferencia estadísticamente significativa no nos dice que tal
diferencia sea importante; sino tan sólo que existen diferencias en
la población de referencia, aunque dicha diferencia sea en la
práctica irrelevante…
…por tanto, la significación estadística por sí sola no nos dice

gran cosa como para tomar decisiones en la práctica; ni nos
permite comparar resultados entre distintas investigaciones
cuando la unidad de medida cambia
Para solucionar este problema…
…se utiliza como indicador complementario a la

significación estadística el tamaño del efecto, siendo la “d”
de Cohen el índice más utilizado
Ejemplo 1
Grupo 1: HARVARD Grupo 2: ALCALÁ
X1 = 112 X2 = 104
s1= 15 s2= 13
N1 = 150 N2 = 200
Ejemplo 3
Grupo 1:VETERANOS Grupo 2: NOVATOS
X1 = 7,5 X2 = 5,2
s1= 1,2 s2= 1,3
N1 = 12 N2 = 12
Preguntas de Examen

Marcos Roman Todos Powerpoint

Cargado por

Información del documento

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

Marcos Roman Todos Powerpoint

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA APLICADA A

Asignatura de Formación Básica (FB) de 1º curso, común a

Leer y comprender las

Entender las directrices que guían

Diseñar y desarrollar estudios

• Estudio de los fenómenos

Examen Febrero 2011 – 2ª Semana

…y con posterioridad se pueden aplicar los principios derivados de la estadística (entendida

Facilitar el manejo de datos amplios y dispersos: “…reducir

Inferir desde la muestra a la población: “desde los

Ayudar en la toma de decisiones: ¿existen diferencias

Examen Febrero 2011 – 2ª Semana

• Interviene y decide sobre aquellas

Examen Febrero 2011 – 2ª Semana

Examen Febrero 2011 – 1ª Semana

Estimación de • Estimación puntual

• Toma de decisiones a partir de los datos empíricos

En ambos casos, las estimaciones y decisiones que se toman no se pueden

Identificación y Selección del Problema de Investigación

Formulación de Hipótesis y Objetivos

Control de Variables Extrañas

Definición de las Variables

Contraste de Hipótesis o Comprobación de Objetivos

Formulación de Hipótesis y Objetivos

Control de Variables Extrañas

Contraste de Hipótesis o Comprobación de Objetivos

Examen Febrero 2011 – 1ª Semana

Examen Junio 2015 – 1ª Semana

Examen Junio 2015 – 2ª Semana

“Así, la Estadística nos ayudará en la decisión de

SEPTIEMBRE 2013 – Original

Asignatura de Formación Básica (FB) de 1º curso, común a

La revisión de fuentes y el estado de la cuestión

Hipótesis y objetivos de la investigación

Identificación y definición de variables

La recogida de datos y su calidad

El problema es el punto de partida de toda investigación.Aparece por…

1. Laguna notoria del conocimiento científico en ese punto

La característica fundamental de un problema de investigación es que sea RESOLUBLE:

 NO problemas de índole moral y espiritual (“¿Dios existe?”)

Para la elección de un problema-tema de investigación influyen elementos:

• SUBJETIVOS: gustos del investigador, intereses y conocimientos previos…

FEBRERO 2011 – 2ª SEMANA

En un problema de investigación hay una serie de características deseables:

 FACTIBLE: existen medios para investigar sobre él

 Investigación descriptiva (“¿Qué características sociodemográficas caracterizan a los

Se diferencia entre “bibliografía de la investigación” y “bibliografía de tipo conceptual”

Una vez concretado el problema y revisadas las fuentes, el investigador está en

• BIEN FUNDAMENTADA: proviene

Es preciso que las hipótesis se formulen previamente a la recogida de datos

FEBRERO 2011 – 1ª SEMANA

• Existenciales (al menos un caso)

Según su forma de • Substantiva o científica

“Variable es aquella característica que admite diversos valores, es decir, 2 o más

Cualitativas : expresa Independientes Respuesta

Cuantitativas Extrañas Intermedias

FEBRERO 2011 – 1ª SEMANA

“La definición operativa u operacional es la traducción de los conceptos teóricos al

• Identificación del rasgo o

• Identificación del rasgo o

ESCALAS DEFINICIÓN OPERACIONES EJEMPLOS

FEBRERO 2011 – 1ª SEMANA

JUNIO 2015 – 2ª Semana

JUNIO 2014 – 1ª Semana