¿Porque medir en psicología es importante?

✓ El objeto de estudio de la psicología: el comportamiento humano.

✓ Medición indirecta.
✓ Falta de consenso a la hora de definir los constructos psicológicos.
UNIDAD 1

OM
El método científico y el proceso de investigación.

El método
científico
permite:

.C
Contrastar
Replicabilidad
DD
nuestras
hipótesis
LA

Tiene 9 pasos a seguir para realizar una investigación:

1. Pregunta de investigación.
2. Revisión teórica y de investigaciones previas.
FI

3. Formulación de hipótesis.
4. Elaboración de un plan de recolección de datos.
5. Recolección de datos.
6. Análisis de datos.


7. Interpretación de los resultados.

8. Conclusiones.
9. Publicación de la investigación.
Nosotros nos ubicamos en los marcados.
Al analizar los datos buscamos describir las variables que hemos
estudiado. También buscamos patrones y relaciones entre las distintas
variables que intervinieron en nuestro estudio.

Este archivo fue descargado de https://filadd.com

Los análisis de datos que podemos hacer dependen del nivel de
medición de las variables y están guiados por nuestra pregunta de
investigación.
Medición en Psicología.
Se pueden diferenciar dos tipos de mediciones (a grandes rasgos)

OM
❖ Directas: mediante percepción o captación directa de atributos
observables.
❖ Indirectas: ocurre con conceptos que no tienen un referente
empírico inmediato /constructos). Se deben buscar
procedimientos que permitan una medición indirecta mediante

.C
manifestaciones externas, empíricas y observables (indicadores
operacionales).
DD
Definición conceptual y operacional de medición:
➢ Definición teórica: un término se define en base a otros
conceptos, que conforman un sistema teórico integrado.
➢ Definición operacional: especifica las actividades u operaciones
LA

necesarias para medir y evaluar un constructo o variable.

El proceso de medición consiste en asignar números en función de
ciertas reglas.
FI

La medición conlleva fundamentalmente un proceso de abstracción,

mediante el cual intentamos cuantificar (uso de números para
representar cantidades) y/o clasificar propiedades de la realidad.


Los números pueden emplearse con fines distintos en función de las

propiedades que queramos representar. Por ejemplo: distintividad,
orden y proporcionalidad.
Modelos de medición:
Modelo clásico: propio de las Cs. Naturales.

Este archivo fue descargado de https://filadd.com

 o Isomorfismo entre sistema numérico y el orden y la
distancia de la propiedad medida.
Modelo representacional.
o Las propiedades medidas casi nunca son isomorficas con el
sistema numérico.
o Numero -> no representan cantidades sino relaciones.
o Medir -> utilizar el sistema numérico para representar

OM
relaciones.
• Equivalencia.
• Orden.
• Intervalo.

.C
• Proporcionalidad.
Niveles de medición (variables):
DD
Los niveles de medición van de forma gradual y cada nivel siguiente
posee las cualidades de los anteriores.
✓ Nominal: en este nivel de medición los números se usan para
LA

etiquetar una clase o categoría, para formar grupos de objetos.

(designan/distinguen)
✓ Ordinal: los números asignados tienen la propiedad de ordenar
los objetos por rangos. Los postulados numéricos que se aplican
FI

son los de orden. (expresan orden)

✓ Intervalar: posee unidades adyacentes constantes 8unidades
iguales). Aunque se puede hablar de la suma de intervalos, no se


logra el principio de aditividad en sentido absoluto porque el

punto de origen o cero de la escala se coloca arbitrariamente.
(reflejan proporcionalidad de las distancias)
✓ Proporcional: tienen cero absolutos, donde el cero efectivamente
representa nada de la variable que se mide. Se aplican los
postulados de identidad, orden, proporción y aditividad absoluta.
(reflejan proporcionalidad de los valores de la variable)
Variables:

Este archivo fue descargado de https://filadd.com

 ➢ Una característica que puede variar puede adoptar diferentes
valores.
➢ En toda variable, a cada persona le corresponde un numero o
valor: valor observado.
➢ Las categorías son los valores (opciones) que puede asumir cada
variable, y deben cumplir 2 propiedades:
1) Exhaustivas: a cada individuo le debe corresponder una

OM
categoría.
2) Excluyentes: una categoría debe excluir a la otra.
➢ Clasificación:
o Variables cuantitativas:

.C
▪ Discretas
▪ Continuas
o Variables cualitativas: se expresan en categorías que reflejan
DD
diferentes características.
UNIDAD 2
¿Qué es la estadística?
LA

La estadística puede ser entendida como una teoría vinculada con la

información cuyo objetivo es la descripción y la inferencia.
Estadística descriptiva:
FI

En el transcurso de una investigación tenemos acceso a una gran

cantidad de datos e información. Para hacer comprensibles estos
datos es necesario llevar a cabo una serie de procedimiento


estadísticos que permitan reducir la información acumulada a

proporciones manejables.
La estadística descriptiva se define como un conjunto de procedimiento
para describir, resumir y analizar datos con el fin de emplear los mismos
de una forma útil y significativa.
Estadística Inferencial:

Este archivo fue descargado de https://filadd.com

La estadística inferencia va más allá de la mera descripción de datos.
Apunta a utilizar los datos de una muestra para hacer afirmaciones de la
población y examinar la verosimilitud de una hipótesis.
Utiliza como herramienta principal la probabilidad.
Lo que hace única a la estadística es que nos permite cuantificar la
incertidumbre.

OM
Estadística Descriptiva: organización de los datos.
La utilización de tablas y gráficos facilita la comprensión de los
datos obtenidos en una investigación, ya que hacen que el patrón
numérico se comprenda fácilmente y a simple vista:

.C
o Tablas de frecuencias.
▪ Frecuencia absoluta simple (f): es el número de veces
DD
que aparece en la muestra de un determinado valor
de la variable. (cantidad de casos que presenta una
categoría).
▪ Frecuencia relativa simple (f’): es el cociente entre la
LA

frecuencia absoluta simple y el tamaño de la muestra.

(se calcula dividiendo la f de esa categoría sobre el n
(el total))
▪ Frecuencia absoluta acumulada (f’): es la cantidad de
FI

casos que asumen un determinado valor de la variable

y todos los valores menores a él. (acumular las f
anteriores).


▪ Frecuencia relativa acumulada(f’): es la frecuencia

absoluta acumulada dividido por el tamaño de la
muestra. Es la proporción de casos que asumen un
determinado valor y todos los valores menores a él.
(acumular las f’ anteriores).
o Gráficos de barra, histograma, polígono de frecuencia.
o Proporciones, porcentajes y razones.

Este archivo fue descargado de https://filadd.com

 UNIDAD 3
Medidas de tendencia central, variabilidad y puntuaciones Z.
Estadísticos descriptivos:
Los estadísticos de ubicación: ayudan a determinar la posición de
la muestra sobre la línea numérica. Las medidas de tendencia

OM
central más utilizadas.
• Modo: es el valor de la variable que más se
reitera en un conjunto de observaciones.
• Mediana: es el valor de la variable que deja la
misma cantidad de observaciones por encima y

.C
por debajo.
• Media: es la suma de las puntuaciones
DD
observadas dividida por la cantidad de
observaciones. Es sensible a las puntuaciones
extremas.
Los estadísticos de variación: describen el grado de diferenciación
LA

presente en la muestra.
• Rango.
• Varianza.
• Desviación estándar: es una medida de la
FI

variación de los valores respecto de la medida.

Es un promedio de las variaciones de los valores
observados respecto de la media.


Puntajes Z:
Permite transformar a una métrica en común variables diferentes (es
decir, permiten la comparación de fenómenos muy disimiles).
Esta nueva distribución posee origen y unidades de medida constante.
Z= X – M Media: 30 Pb. 15 20 25 30 35 40 45
DE (S) Desvió estándar: 5 z -3 -2 -1 0 1 2 3

Este archivo fue descargado de https://filadd.com

Podemos trasformar en z cualquier otra puntuación individual y ubicarla
en una misma escala.
Son valores que no tienen unidad de medida.
Mide la distancia a la que se encuentra una observación particular de la
media, expresada como desvíos estándar de la media.

OM
Las puntuaciones z pueden ser tanto negativas como positivas y
generalmente sus valores varían entre -3,00 y +3,00, pudiendo ubicarse
los diferentes puntajes naturales en una nueva escala.
✓ Valores mayores a la media -> valores grandes de la variable -> z
positivo.

.C
✓ Valores menores a la media -> valores pequeños de la variable -> z
negativo
DD
UNIDAD 4
Relaciones entre variables:
Describir y definir la existencia de relaciones sistemáticas entre dos o
LA

más variables, constituye el objetivo primordial de toda investigación

científica.
Es posible desentrañar las complejas relaciones que nos rodean de una
FI

manera sistemática y objetiva, apelando a la utilización del análisis

lógico-matemático y el uso de métodos estadísticos.
¿Qué significa que dos variables están relacionadas?


Existe una relación entre dos variables cuando se observa que un

cambio en una variable va acompañado por un cambio en la otra
variable.
El conocimiento de una asociación implica una utilidad práctica ya que
el conocimiento de una variable permitiría predecir los cambios en otra
relacionada.
✓ Coeficientes estadísticos para cuantificar la relación:

Este archivo fue descargado de https://filadd.com

 o R de Pearson.
o Chi cuadrado.
Componentes de una relación.
Dirección:
▪ No se considera en variables nominales.
▪ Indica si los valores van creciendo o decreciendo.

OM
▪ Puede ser directa o inversa.
Intensidad:
▪ Indica la fortaleza de una relación.
▪ Que tan a menudo los cambios se acompañan entre sí.

.C
UNIDAD 5
Regresión lineal.
Correlación y regresión.
DD
La correlación entre variables y la regresión
están íntimamente ligadas:
La correlación tiene que La regresión consiste
ver con la magnitud y en utilizar dicha
LA

dirección de una relación para

relación efectuar una
predicción
Existe una correlación entre dos variables cuando se observa que un
FI

cambio en una variable va acompañado por un cambio en la otra

variable.
En una relación entre variables (métricas) puede analizarse dos


componentes: la dirección y la magnitud.

Correlación y diagrama de dispersión.
Las relaciones entre variables pueden graficarse mediante un
diagrama de dispersión.
Un diagrama de dispersión es una gráfica de parejas de valores X y
Y.
En función del grafico puede inferirse la dirección (positiva y
negativa) y la intensidad o magnitud de la relación.

Este archivo fue descargado de https://filadd.com

 Coeficiente de correlación de Pearson.
Mide el grado de asociación entre dos variables continuas. Mientras
más cerca esta su valor a 1 (+1 o -1), más cerca están los puntos del
diagrama en una recta.
Conociendo la relación entre dos variables… ¿Podemos hacer
predicciones?

OM
Relación entre variables y predicción:
El conocimiento de una relación (magnitud y dirección) implica una
utilidad práctica, ya que el conocimiento de una variable permitiría
predecir los cambios en otra.

.C
Regresión lineal:
El problema que enfrentamos habitualmente es que trabajamos con
relaciones que no son perfectas.
DD
¿Cómo podemos determinar una única línea recta que describa de
forma aceptable todos los datos?
La solución consiste en trazar una línea que minimice los errores de
predicción.
LA

Construcción de la recta de regresión:

➢ La distancia vertical entre cada punto y la recta representa el error
de la predicción.
FI

➢ Si Y’ es la predicción del valor Y, y Y es el valor real, entonces:

Y’-Y= error.
➢ Lo que debemos hacer es construir una recta que minimice los


errores, es decir, que pase lo más cerca posible de todos los

puntos.
Recta de regresión por mínimos cuadrados.
• Frente a un diagrama de dispersión tenemos muchas rectas
posibles. Lo que podemos hacer es comparar las diferentes
rectas en función de su precisión (menor nivel de error).

Este archivo fue descargado de https://filadd.com

 • Podríamos considerar la formula anterior y calcular una
sumatoria de todos los errores.
∑(Y’-Y) = error total
• El problema es que al hacer esto, al haber valores positivos y
negativos se cancelarían entre sí. Por este motivo elevamos
al cuadrado estas diferencias:

OM
∑(Y’-Y)2
• La recta que genere el valor más bajo es la que
seleccionaremos para hacer las predicciones. Esta recta se
denomina: recta de regresión por mínimos cuadrados.

.C
Regresión:
DD
• La recta de regresión representa la mejor estimación de los
datos de Y a partir de los valores de X. Es decir, es la que
minimiza los errores de predicción.
• Esta recta está dada por la fórmula:
LA

Y’= by X+ay
• El procedimiento descripto es útil para predecir datos,
siempre y cuando exista una relación lineal entre las
FI

variables.
UNIDAD 6


¿Qué significa decir que dos variables están relacionadas?

Relación entre variables:
Coeficientes estadísticos para cuantificar la relación:
• R de Pearson, para variables métricas.
• Rho/p de Spearman, para variables ordinales.
• Chi Cuadrado/ x2, para variables nominales.

Este archivo fue descargado de https://filadd.com

 Relaciones entre Variables nominales -> Chi Cuadrado:
❖ Permite poner a prueba la hipótesis de homogeneidad de
porciones.
❖ Permite medir la relación entre dos variables nominales.
❖ Parte de una tabla de contingencia.
❖ Se basa en la comparación de las frecuencias esperadas (fe) y las

OM
frecuencias observadas (fo).

.C
DD
Magnitud de la relación: Phi de Cramer:
❖ A partir del valor de Chi Cuadrado podemos calcular el tamaño
de efecto de la relación.
LA

❖ El coeficiente Phi de Cramer se utiliza para calcular el tamaño

del efecto.
❖ Según Cohen (1988), valores de phi de .10 sugiere un efecto
pequeño, de .30 moderado y superior a .50 alto.
FI


Este archivo fue descargado de https://filadd.com

 Ejemplos:
1-
En una muestra de 3000 casos se observan que el 50% de las
personas tiene un coef. Intelectual NORMAL

OM
Suponiendo que la tabla es la siguiente:
Coeficiente intelectual f (cantidad de casos)
Deficiencia mental profunda 10
Deficiencia mental media 30

.C
Deficiencia mental superficial 70
Limítrofe (bordeline o 200
fronterizo)
DD
Poco inteligente 400
Normal 1500
Inteligente 500
Brillante 205
LA

Superdotado 85
n (total) 3000

1) Unidad de análisis: ¿Que se analizó? LAS PERSONAS.

FI

2) Variable: ¿Que característica de las personas se analizó?

Coeficiente Intelectual.
3) Categorías: ¿qué opciones/valores posee el coeficiente


Intelectual? Superdotado, Brillante, Inteligente, Normal,

Poco inteligente, etc.
4) ¿Son exhaustivas? SI, a cualquier individuo le va a
corresponder una categoría.
5) ¿Son mutuamente excluyentes? SI, soy normal, soy
superdotado o soy limítrofe, etc, soy UNA cosa o LA OTRA,
no puedo ser las 2 mismo al mismo tiempo, entonces se

Este archivo fue descargado de https://filadd.com

 excluyen entre sí.

2-Nivel de medición.
Nominal:
Sexo F (cantidad de casos)

OM
Masculino 49
Femenino 51

Ordinal:

.C
Nivel de educación F (cantidad de casos)
Primario (A) 50
Secundario (B) 75
DD
Terciario (C) 20
Universidad (D) 100
Se puede establecer un orden, y puedo decir que A < C y que D > A.
Intervalar:
LA

Puntaje en el CI F (cantidad de casos)

29 o inferior 10
30-49 30
FI

50-69 78
70-79 200
80-89 400


90-109 1500
110-119 500
120-129 205
130 o superior 85
Aca si puede establecer un orden y cálculos matemáticos (saber la
distancia entre una categoría y la otra)
Temperatura
-15 a -10

Este archivo fue descargado de https://filadd.com

 -9 a -4
-3 a 2
3a8
9 a 14
15 a 20
El 0 no indica ausencia de. 0 no indica ausencia de calor, sino menos
calor.

OM
Proporcional:
Cantidad de materias aprobadas
0
1

.C
2
3
4
DD
5
Acá si parte de un 0 absoluto, puedo hacer cálculos matemáticos, puedo
saber la distancia entre una categoría y la otra ya que son números. No
puede tener signos negativos.
LA

Cantidad de libros leídos

1
2
FI

3
4
5


Aunque el 0 no este explicito es proporcional ya que este indica

ausencia de libros leídos.
IMPORTANTÍSIMO RECORDAR: Si no se pueden hacer cálculos
matemáticos entre las categorías entonces es NOMINAL U ÓRDINAL
(fácil diferenciar) y si se pueden hacer cálculos matemáticos entonces
es intervalar o proporcional (y con las características de cada 1
sabemos qué nivel de medición tiene rápidamente… si tiene signos
negativos es Intervalar, y si no los tiene todavía no sabemos que es, y

Este archivo fue descargado de https://filadd.com

nos preguntamos si su 0 indica ausencia de y eso nos confirma que nivel
posee.
3- Frecuencias.
Nivel de educacion f f’ F F’
Primario (A) 50 0,20 50 0,20
Secundario (B) 75 0,31 125 0,51

OM
Terciario (C) 20 0,08 145 0,59
Universidad (D) 100 0,41 245 1,00
n (total) 245 1,00
A ver si entendimos algo:

.C
✓ f Hay 75 casos de secundario y también 100 casos de universidad!
✓ f’ La proporción de primario es de 0,20 (20%) y la de secundario es
de 0,31 (31%)
DD
✓ F Hay 125 personas incluyendo el secundario y el primario
✓ FHay 145 personas incluyendo terciario, secundario y primario
✓ F Hay 245 personas incluyendo universidad, terciario, secundario
y primario (lógico que
LA

✓ coincide con el total ya que estamos incluyendo a TODAS las

categorías!)
✓ F’ Hay una proporción del 0,51 incluyendo secundario y primario
✓ F’ Hay una proporción del 0,59 incluyendo terciario, secundario y
FI

primario
✓ F’ Hay una proporción del 1,00 (100%) incluyendo universidad,
terciario, secundario y primario (lógico que coincide con el 100%


ya que incluimos TODOS los casos por lo tanto el 100%.

IMPORTANTE:
o En las variables nominales las frecuencias acumuladas no se
calculan.
o Si la tabla es de nivel nominal no se puede calcular la mediana.
4- Gráficos.

Este archivo fue descargado de https://filadd.com

Gráfico de BARRAS (son barras en el dibujito e.e) se usa para las
variables NOMINALES. El que le sigue tiene forma de torta… se llama
gráfico de TORTA, también generalmente se usa para las NOMINALES y
se usa la f’ (la porción) para el grafico de torta y la f (cantidad de casos)
para el grafico de barras.
Histograma, se usa para variables intervalares o proporcionales en

OM
donde la variable tiene categorías cuantitativas (cantidad) las categorías
son números.
El histograma se puede transformar en polígono de frecuencias
(progreso de una empresa, por ejemplo). Se obtiene pasando por la

.C
marca de clase de cada clase.
La ojiva se utilizan las F o F’, por eso el grafico va siempre hacia arriba
(siempre aumentando, va acumulando) y termina cuando llega a la
DD
última clase.
5- Clases.
Las clases sirven para agrupar categorías así es más fácil la lectura de la
LA

tabla:
Edad f f’ F F’
0-20 años 50 0,21 50 0,21
FI

21-41 años 70 0,30 120 0,51

42-62 años 59 0,25 179 0,76
63-83 años 40 0,17 219 0.93


84-104 años 13 0,06 232 0,99

n 232 0,99
En la tabla vemos:
✓ f hay 70 casos de personas que tienen entre 21 a 41 años.
✓ f’ la proporción de las personas recién nombradas es de 0,30
✓ F hay 179 personas que tienen 62 años o menos.
✓ F hay 219 personas que tienen 83 años o menos.

Este archivo fue descargado de https://filadd.com

 ✓ F’ hay una proporción del 0,51 de personas que tienen 41 años o
menos.
✓ F’ hay una proporción del 0,76 de personas que tienen 62 años o
menos.
Concepto de clases:
▪ Amplitud: que tan amplia es una clase (todas tienen siempre la

OM
misma amplitud). En este caso vemos que todas las clases tienen
una amplitud de 20. (límite superior-límite inferior. Ej: 20-0=20 /
41-21=20 / etc.)
▪ Marca de clase (MC) es el valor que está en el MEDIO de cada

.C
clase, se obtiene promediando los limites (ej: (20+0)/2=10)
6- Medidas de centralidad.
DD
En las variables nominales:
֍ La proporción es simplemente la f’.
֍ El modo/moda es la categoría que tiene la mayor f. Pueden ser:
o Modo: cuando es una categoría que está de moda.
LA

o Bimodal: cuando hay 2 modas.

o Multimodal: cuando hay 3 o más modas-
Ej: moda.
FI

Situación conyugal f (cantidad de casos)

Soltero 250
Saliendo con alguien 100


Casado 150
n 500
Acá la moda es la categoría soltero.
Ej: bimodal
Enfermedad f (cantidad de casos)
Esquizofrenia 120
Psicosis 40

Este archivo fue descargado de https://filadd.com

 Neurosis 120
n 340
Las modas son esquizofrenia y neurosis.
Ej: multimodal.
Nivel de educación f f’ F F’
Primario (A) 75 0,31 75 0,31

OM
Secundario (B) 75 0,31 150 0,61
Terciario (C) 20 0,08 170 0,69
Universidad (D) 75 0,31 245 1,00
n 245 1,00
Acá la moda es primario, secundario y universidad.

.C
En variables ordinales:
֍ La mediana: es la categoría que deja por debajo a la mitad de
DD
observaciones y deja por debajo y por arriba de ella la misma
cantidad de casos.
֍ Hay que usar la F.
LA

Ej:
CI f(cantidad de casos) F(acumulación de f)
Defic. mental profunda 10 10
FI

Defic. Mental media 30 40

Defic. Mental superficial. 70 110
Limítrofe 200 310
Poco inteligente 400 710


Normal 1500 2210

Inteligente 500 2710
Brillante 205 2915
Superdotado 85 3000
n 3000
Haciendo n/2 seria 3000/2= 1500. Ahora utilizando F buscamos que
categoría es la primera que incluye este valor. Entonces leemos “la

Este archivo fue descargado de https://filadd.com

mitad de las observaciones o el 50% de las observaciones poseen un CI
normal o inferior a este.
En variables métricas (intervalares o proporcionales):
֍ Se utiliza como medida de centralidad la MEDIA (el promedio). Es
un valor más exacto y claro ya que podemos hacer cálculos
matemáticos más certeros.

OM
֍ Medidas no centrales: cuando hablen de cuartil, hablan de cuatro.
o Primer (1) Cuartil: ¼*n (corresponde al 25% de las
observaciones).
o Tercer (3) Cuartil: ¾*n (corresponde al 75% de las

.C
observaciones).
Ej:
DD
Nivel de educación f f’ F F’
Primario (A) 75 0,31 75 0,31
Secundario (B) 75 0,31 150 0,61
Terciario (C) 20 0,08 170 0,69
LA

Universidad (D) 75 0,31 245 1,00

n 245 1,00
Primer (1) Cuartil: ¼*n -> ¼*245=61. Usando F vemos que ese valor está
incluido en la primera categoría ‘Primario’ ya que 75 incluye a 61.
FI

Entonces leemos: ‘’Un cuarto de las observaciones o el 25% de las

observaciones poseen un nivel de educación primario o inferior a este’’
Con el 3er Cuartil cambia la forma de circularlo, acá se hace ¾*n y le


valor corresponde al 75% de las observaciones ya que ¾ de algo es el

75% de algo.
En el caso de los quintiles el cálculo es 1/5*n – 2/5*n – 3/5 * n – etc.
Cada quintil vale un 20% (1/5=20%) el 2do quintil 2/5=40% y así
sucesivamente.
En el caso de los percentiles, hay toda una forma de calcularlo, nunca
toman formulas. Por ejemplo la categoría primario tiene P(25) (percentil

Este archivo fue descargado de https://filadd.com

25) y quiere decir que el 25% de los casos tiene un nivel de educación
primario o menos. Otro ejemplo: la categoría terciario tiene P(69),
quiere decir que el 69% de los casos pose un nivel de educación
terciario o menos y así sucesivamente.
IMPORTANTE:
En esos casos se usa un nivel ordinal o superior y generalmente se usa

OM
para las ordinales en donde no se puede hacer buenos cálculos
matemáticos entre las categorías ya que no son variables métricas.
7- Forma de la distribución:
La distribución puede ser:

.C
o Simétrica: cuando =Mdn (ej: la media vale 5 y la mediana
vale 5)
DD
o Asimétrica hacia la izquierda: cuando < Mdn (ejemplo
=5 y Mdn=7)
o Asimétrica hacia la derecha: cuando > Mdn (ejemplo =5
y Mdn=1)
LA

Medidas de Dispersión:
Recorrido/rango: se obtiene haciendo: valor máx.-valor min. (Ej: si se
tiene 3, 3, 5, 7, 8 seria 8-3=5, el recorrido es 5.
FI

Medidas de dispersión basadas en la media:

Se usan medidas basada en el promedio.


Son: s2 (varianza) y s (desviación estándar)

La Varianza es cuanto se desvían todas las categorías en promedio en
base al promedio y ese valor al cuadrado, por eso su signo cambien esta
elevado al cuadrado (s2).
8- Puntaje Z.
Es la relación de un solo individuo en base al promedio (media).

Este archivo fue descargado de https://filadd.com

Z=0 representa que se desvía 0 del promedio, es decir nada.
Z=mayor que 0, representa que ese individuo está por encima de la
media (signo +)
Z= menor que 0, representa que ese individuo está por debajo de la
media (signos -)

OM
El cálculo para sacar el puntaje Z es: x -
S
Ej: Suponiendo que el promedio de notas de un parcial de una muestra
de 500 casos es de =7 con una desviación estándar s=2,7

.C
Una persona saco un 5 y quiere saber cuándo se desvía del promedio:
Entonces se hace 5-7/2,7 = - 0,74 =Z.
DD
El puntaje Z es negativo por lo tanto esa persona se desvía por debajo
de la media.
Si otra persona se sacó un 3 resolviendo Z= -1,48, por lo tanto, ambas
LA

notas están por debajo del promedio que es 7.

Si otra persona se sacó 8, entonces su puntaje Z = 0,37, da positivo, esa
persona está por encima del promedio.
FI

Otra persona se sacó un 10, Z=1,11, positivo y por encima de 0, está por
encima del promedio.
9- Relaciones entre variables.


Si queremos saber si el deporte (variable1) influye en la salud (variable

2) de las personas, podríamos tener una hipótesis y afirmar que hacer
deporte mejora la salud de las personas. La hipótesis esta formulada
como una relación entre dos variables, queremos ver cuánto influye
hacer deporte en la salud de las personas, entonces el deporte podría
ser un factor explicativo de la salud de las personas. En resumen: la
variable, o las variables que preceden a la otra parecen ser

Este archivo fue descargado de https://filadd.com

causa/explicación de la otra variable se denominan factor explicativo.
También podríamos pensar que la alimentación (variable 3) puede ser
también causa de una buena salud, entonces esta variable seria otro
factor explicativo.
Una tabla bivariada o tabla de contingencia o tabla de distribución
conjunta e un arreglo con tantas filas (horizontales) como categorías

OM
tenga una de las variables y tantas columnas (verticales) como
categorías tenga la otra variable.
Ej: tipo de hogar (v1) y la relación con los pares (v2) podemos estableces
la siguiente tabla bivariada (2 variables) con sus respectivas categorías.

.C
Tipo de hogar Relación con los pares
Sumisión Rebeldía Liderazgo
Monoparental Materno
DD
Monoparental paterno
Nuclear
Extendido
Podemos creer que el tipo de hogar influye en la relación con los partes,
LA

como rebelde, líder o sumiso, acá tipo de hogar sería un factor

explicativo (y variable antecedente) y relación con los pares la variable
consecuente (consecuencia de v1)
FI

La relación entre dos variables puede ser:

SIMETRICA ASIMETRICA
Es cuando entre dos variables no Es cuando entre dos variables si


puedo saber que variable es la puedo identificar a una variable

causa de la otra, por ejemplo,
podemos encontrar que hay una
correlación alta entre comerse las
uñas y la ansiedad y si no
sabemos si las personas se comen
las uñas y por eso son ansiosas o
son ansiosas y por eso se comen
como antecedente y otra como
consecuente, por ejemplo,
podemos encontrar que hay una
correlación alta entre estudiar
muchas horas y tener buen
promedio y acá si podemos
identificar que variable estudiar

Este archivo fue descargado de https://filadd.com

 las uñas. Simplemente no
podemos identificar a una
variable como antecedente y la
otra como consecuente. Acá no
sabemos cuál antecede a cual,
entonces es una relación
simétrica.
es antecedente, es decir causa de
la variable promedio que es
consecuente.
Acá si sabemos cuál antecede a
cual, entonces, es una relación
asimétrica.

OM
No podemos identificar a una Si podemos identificar a una
variable como previa a la otra. variable como previa a la otra.

La dirección entre dos variables puede ser:

.C
DIRECTA INDIRECTA
Cuando los valores de una Cuando los valores de una
variable aumentan, la otra variable aumentan, los valores de
DD
también aumenta. Ej: relación la otra disminuyen. Ej: relación
entre estudiar y promedio de la entre salir al boliche y promedio
carrera: a mayor estudio, mayor de la carrera: a mayor boliche,
promedio. menor promedio.
LA

Para poder apreciar la dirección de la relación ambas variables tienen

que tener un nivel de medición ordinal o superior, es decir, en el caso
que una de las variables sea de nivel nominal, no se puede saber la
dirección.
FI

La intensidad entre dos variables:



Se refiere a cuanto una variable afecta a la otra. La intensidad de las

variables las medimos con coeficientes, hay que interpretar un
resultado de un coeficiente.
Dos variables se consideran independientes cuando los valores de una
no afectan a la otra, es decir, son independientes entre sí.
Ej: si analizamos la cantidad de segundos que te cepillas los dientes en
relación al promedio que tenés en la facultad es sumamente probable

Este archivo fue descargado de https://filadd.com

que no encontremos relación. A MAYOR cepillarte o MENOR cepillarte,
es indistinto el promedio de la facultad, en cambio en el caso que vimos
del boliche y el promedio; o la cantidad de horas de estudio y el
promedio de la facultad, ahí vemos que a MAYOR o MENOR boliche/hs
de estudio, SI INFLUYE en el promedio de la facultad, es decir, estas NO
son independientes.

OM
10- Intensidad y forma de la relación entre variables.
Se analizará la relación entre dos o más variables de distinto tipo, y se
verá cuan fuerte o débil es, y en algunos casos, que dirección tiene la
relación. Para cada tipo de variable, existen distintos tipos de

.C
coeficientes de relación que analizar.
➢ Para variables nominales dicotómicas (con dos categorías):
o Q de Kendall: su fórmula es:
DD
o AxD – CxB
o AxD + CxB
▪ Y nos permite conocer la intensidad de la relación que
hay entre las variables. El resultado siembre va a estar
LA

entre -1 y +1. En este caso el signo no importa, lo

único que sí importa es el número que hayamos
obtenido, porque mientras más cerca se encuentre el
FI

resultado de 1 (ya sea + o -) más fuerte es la relación

entre las dos variables. Si obtenemos -0,30 la relación
es débil, en cambio, si obtenemos -0,90 la relación es


intensa.
➢ Para variables nominales:
o C de Pearson.
o V de Cramer.
▪ Antes de calcular estos dos coeficientes de la relación,
debemos calcular le puntaje ‘’Chi Cuadrado (x2)’’
▪ Chi Cuadrado: se calcula para ver la diferencia entre
las frecuencias esperadas y las frecuencias

Este archivo fue descargado de https://filadd.com

 observadas. Sirve para calcular C de Pearson y V de
Cramer. Su símbolo es X” (x al cuadrado). Su fórmula:
▪ (Frecuencias esperadas-frecuencias observadas)2
▪ Frecuencias esperadas
o C de Pearson: es el coeficiente que nos permite conocer la
intensidad de la relación entre variables nominales (+ de 2
variables). En este caso nunca va a haber resultados

OM
negativos y el resultado siembre va a estar entre C y C
máxima. Consta de dos pasos, primero calcular C. LA
fórmula es:
o X2 (en ambos es x al cuadrado)

.C
o X2+n
▪ En donde X2 (x al cuadrado) es chi cuadrado y n es el
número de los casos totales. El segundo paso es
DD
calcular C máx. La fórmula del mismo es:
o (fila o columna) -1
o Fila o columna
▪ La cantidad de fila o columnas totales menos uno,
LA

sobre la cantidad de filas o columnas totales. Siempre

se elegirá el número más grande.
▪ Una vez calculado el Cmax, podremos saber cuál es la
FI

relación entre variables, ya que, si el resultado de C

está más cerca de 0, la relación entre las variables será
débil, pero si el resultado de C está más cerca de
Cmax, la relación será más intensa.


o V de Cramer: es otro coeficiente para calcular la relación

entre variables nominales no dicotómicas. Es muy parecido
al anterior y tampoco hay signos negativos. Se calcula
utilizando chi cuadrado. Su fórmula es:
o X2
o Nx(min de fila o columna -1)

Este archivo fue descargado de https://filadd.com

 ▪ En donde x2 es chi cuadrad, n el total de los casos y el
numero más chico de columna o fila menos 1.
▪ Con este coeficiente la relación va de 0 a 1, siendo
más débil si el resultado está cerca de 0 o intensa si
está cerca de 1.
➢ Para variables ordinales:
o Correlación por rangos de Spearman (Rs de Spearman)

OM
▪ El coeficiente de correlación, va de -1 a +1. Siendo la
relación intensa (fuerte) mientras más cerca de 1 se
encuentre, ya sea -1 o +1; y una relación débil
mientras más cerca de 0 este. Aquí el signo nos dirá la

.C
direccionalidad que tiene la relación.
▪ La dirección puede ser:
• Directa: cuando aumenta una variable, la otra
DD
también aumenta y si disminuye una variable,
disminuye la otra. Si el coeficiente tiene un signo
positivo, es porque tiene una relación directa.
• Inversa: cuando aumenta una variable, la otra
LA

variable disminuye o al revés. Si el coeficiente

tiene signo negativo, es porque tiene una
relación inversa.
FI

• Entonces, si, por ejemplo, nos dicen que un

coeficiente RS de Spearman vale -0,80 podemos
decir que la relación entre las variables es
fuerte, ya que se encuentra próximo a -1; y que


la relación además es inversa. Si fuera 0,67, la

relación seria moderada, y además directa.
➢ Para variables proporcionales o intervalares:
o Coeficiente de Correlación R de Pearson
▪ Nos sirve para analizar la intensidad de la relación
lineal entre dos variables proporcionales o
intervalares. Este coeficiente de correlación, va desde

Este archivo fue descargado de https://filadd.com

 -1 a +1. Siendo la relación intensa (fuerte) mientras
más cerca del 1 se encuentre (+ o -) y una relación
débil mientras más cerca del 0 este. El signo nos dirá
la direccionalidad que tiene la relación. Si el signo es
positivo, la relación es directa, si es negativo es
inversa.

OM
.C
DD
LA
FI


Este archivo fue descargado de https://filadd.com