Conceptos preliminares.

En el ámbito de la estadística tenemos que llegar a formulaciones matemáticas que nos

permitan no sólo entender el comportamiento humano, sino también predecirlo.
1. Una aproximación a la modelización.
Objetivos fundamentales:
- Creación de modelos matemáticos que nos permitan explicar y
predecir un fenómeno psicológico de interés.
- Comprobación de la validez de los anteriores.
Ejemplo de estrés en empresa.
Tendremos una función Y, (variable dependiente), con la que obtendremos el
concepto que buscamos, a partir de variables independientes X. Cuanto
mayor sea el numero de variables, mayor será la precisión en los pronósticos
(habrá mayor error experimental ε). Para poder explicar y predecir la situación
que queremos analizar, se exige un estudio de fiabilidad.
Fiabilidad: tendrá que comprobarse si el factor a analizar (estrés) se
encuentra tambien en otros sujetos, de manera que se podrán obtener
resultados similares.
Estudiar su validez: confirmar si realmente mide o afecta al concepto que
queremos analizar.
Útil: el modelo que empleemos debe serlo tanto para la explicación y
pronóstico de un fenómeno, como para el uso y aplicación.
Validez externa (generalización): no se permite generalizar a partir de
unos resultados, debemos obtener más datos con otros sujetos.

2. Población y muestra.
El número de elementos experimentales (sujetos) que conforman nuestra
población determinará si trabajar con ella en su totalidad o con una muestra
representativa.
Población infinita: su numero de elementos es tan elevado que resulta
imposible trabajar con todos ellos. En estos casos, se recurrirá a un numero
menor que represente a todo el conjunto: muestra.
Población finita: también se suele utilizar el muestreo y trabajar con la
muestra resultante.
La ventaja de operar con muestras representativas es que las variables extrañas
(las que no se tienen en cuenta en el estudio, ε), se reparten entre todos los
sujetos y en las conclusiones que se obtengan.
3. Las variables y su clasificación.
Variable: propiedad que queremos medir.
o Variables cualitativas: sólo distinguen modalidades o como mucho,
las ordenan, se les pueden atribuir números. Discretizar una variable
(Estado civil: casado, soltero=1,2)(Estrés: 1,2,3=bajo, medio, alto)
o Variables cuantitativas: los umero que los representan se pueden
emplear en operaciones matemáticas.
  Discretas: no existen números intermedios (no se puede tener 0’5
hijos)
 Continuas: infinitos valores intermedios entre las modalidades
consecutivas, pero no hay instrumentos que permitan su precisión. (no
se puede saber el valor exacto de reacción a un estímulo).
o Variables dependiente o criterio: hacen referencia directa al
fenómeno de interés.
o Variables independientes o predictorias: estas son las que por
observación vemos qué relación tienen con las dependientes o, qué
cambios producen en la dependiente si se modifica.
o Variables sociodemográficas: son características generales de los
sujetos de la muestra que sin estar relacionadas directamente con la
investigación pueden proporcionar informacion adicional, matizar
conclusiones o dirigir análisis.
Modalidad: cada una de las maneras en las que se puede representar una
variable.
4. Operacionalización de las variables.
Operacionalización: hay que delimitar y definir bien las variables para así
tener resultados exitosos de medición.
5. Estadístico, parámetro y estadístico poblacional .
2
Estadístico: propiedad que describe una muestra. x s x (media aritmética,
mediana, varianza, correlación)
Parámetros: propiedades que describen a la población (media aritmética,
2
md, proporción, s x)
6. Matriz de datos y distribución de frecuencias.
Organizar los datos. Primero en una matriz de datos se colocará la primera
columna los sujetos y en las siguientes, las variables medidas.(variable
dependiente y luego las independientes). Las variables de una matriz de datos se
pueden organizar en distribuciones de frecuencias.