Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1ºParcial
Reuchlin Cap. 1 – El carácter variable de las conductas.
La conducta de una persona puede cambiar en función de la situación en que se
encuentre y es diferente según la persona.
OM
Esta variabilidad se divide en 2 partes: se las denomina previsibles cuando se
conoce la situación, el momento o la persona, por otra parte, estas variaciones
son imprevisibles a partir de las informaciones de las que dispone el observador.
- Las variaciones que son imprevisibles lo son porque no están
asociadas a una fuente de variación sistemática. Éstas se atribuyen a un
conjunto de fuentes fortuitas de variación. Se asocian al azar.
C
- Las variaciones que son previsibles están asociadas a fuentes
sistemáticas de variación.
D.
Estas variaciones pueden compararse si se dispone de series de
observaciones. La estadística se usa para analizar estas series, y para que
el análisis tenga sentido, las series deben reunirse de manera coherente.
AD
Las fuentes sistemáticas de variación algunas veces pueden actuar a la vez.
Cuando el investigador plantea una hipótesis acerca de los efectos que
puedan llegar a producir las fuentes sistemáticas de variación, comienza por
verificar si cada una de ellas tiene un efecto no nulo y significativo. Podrá
averiguar cuáles son las fuentes de variación más importantes, es decir, las
L
OM
Una vez realizada la partición de las observaciones, se van a poder utilizar
números para describir y resumir esta serie. Los números designan qué
pertenece a una clase u otra. El número de observaciones que pertenecen a
una clase es el efectivo de esta clase. Después de aplicar una escala nominal
a una serie de observaciones, se puede hacer una tabla numérica que
proporcione para cada clase su efectivo.
C
D.
La estadística es un conjunto de técnicas para resumir y transmitir
información cuantitativa, pero además sirve para hacer inferencias,
AD
generalizaciones y extrapolaciones en un conjunto relativamente pequeño de
datos a un conjunto mayor.
Un parámetro es una propiedad descriptiva de una población.
Un estadístico es una propiedad descriptiva de una muestra.
L
OM
observaciones en clases de equivalencias. Se utiliza una clase por cada una
de las modalidades que adopta la característica. Las clases son exclusivas y
exhaustivas, cada observación es incluida en sólo una clase.
• La escala cualitativa nominal: es un tipo sencillo de medición, los
números asignados no se van a utilizar como tales, sino como simples
códigos de identificación. Sólo informan la igualdad o desigualdad en
C
una característica. En una escala nominal son admisibles todas las
transformaciones que supongan aplicaciones inyectivas y estas
transformaciones determinan el tipo de escala.
D.
• La escala cuasi cuantitativa ordinal: consiste en la aplicación de
números a las diferentes cantidades, pero ahora de forma tal que los
numero asignados a los objetos reflejen los distintos grados en los que
AD
se presenta la característica. Además de determinar si se pertenecen
o no a la misma modalidad, pueden establecerse relaciones de “mayor
que” o “menor que”, puede decirse cuál de ellos presenta en mayor
magnitud la característica. Los objetos pueden ordenarse. Éstas
también tienen transformaciones admisibles y se denominan
L
transformaciones crecientes.
• La escala cuantitativa intervalar: cuenta con una unidad de medida.
FI
OM
un subíndice para distinguirlas de las constantes.
C
distribución de frecuencias. A partir de ella se pueden construir
representaciones gráficas. D.
La distribución de frecuencias debe cumplir con 3 funciones:
1) Proporcionar una reorganización y ordenación racional de los datos
recogidos.
AD
2) Obtener la información necesaria para hacer representaciones gráficas.
3) Facilitar los cálculos necesarios para obtener los estadísticos muestrales.
En ella aparecen varios elementos:
- Frecuencia absoluta: Es la cantidad de veces que se repite cada valor
de la variable en un conjunto de datos. La suma de las frecuencias
L
OM
frecuencias en el de ordenadas. Se traza una barra cuya altura debe ser
igual a la frecuencia.
4) Histograma: Se utiliza para variables cuantitativas continuas con datos
agrupados en intervalos. En el eje de abscisas se colocan los límites
exactos de los intervalos y el de ordenadas las frecuencias. Sobre cada
intervalo se levanta un rectángulo cuya altura es igual a la frecuencia
C
correspondiente.
5) Polígono de frecuencias: Para variables discretas es la figura que
resulta de unir los extremos superiores de las que hubieran sido las
D.
barras. Si se trata de una continua es lo mismo, pero referido a los puntos
medios de las bases superiores de los rectángulos del histograma. Se
utiliza para la comparación de variables cuantitativas.
AD
6) Diagrama de rectángulos adyacentes: Se utiliza para la comparación
de variables cualitativas o cuasi cuantitativas.
La distribución de frecuencias presenta 4 propiedades:
a) Tendencia central: Es una magnitud general de las observaciones
L
OM
obtienen sobre datos agrupados en intervalos. Los límites exactos
superiores de los intervalos dejan por debajo esas cantidades de
observaciones.
C
cada una conteniendo al 10 por 100 de las observaciones. Se representan
𝐷10 donde 𝑘 indica al número de decil que se refiere. Su fórmula es igual
D.
a los Centiles correspondientes a cada decil.
- Cuartiles: Son 3 puntuaciones que dividen a la distribución en 4 partes,
cada una contiene 25 de 100 observaciones. Se representa por 𝑄𝑘 , donde
𝑘 indica al número de cuartil que se refiere. La fórmula es la misma de los
AD
Centiles correspondientes a cada cuartil.
A las puntuaciones que son los valores brutos se las denomina puntuaciones
directas y se representan por 𝑋𝑖 .
A las diferencias de cada sujeto con respecto a la media grupal las
denominaremos puntuaciones diferenciales y se representan 𝑥𝑖 .
Propiedades de la media:
- Con las puntuaciones diferenciales se puede dar información más precisa.
Y su suma es igual a 0. Esto sucede porque algunas son positivas y otras
negativas, entonces se compensan.
OM
de los subgrupos en que han sido calculadas.
C
La mediana consiste en tomar aquella puntuación que fuera superada por la
mitad de las observaciones, pero no por la otra mitad. Se representa como 𝑀ⅆ𝑛 .
D.
En caso de número impar de observaciones se toma como mediana el valor
central. En caso de número par de observaciones se da la circunstancia de que
cualquier valor comprendido entre los dos centrales cumple con la definición de
la mediana.
AD
de la mayor frecuencia.
• Si todos los valores tienen la misma frecuencia, es una distribución
amodal.
• Si hay 2 valores con la misma frecuencia, la distribución es bimodal.
OM
cuadrado, se calcula la raíz cuadrada de la cantidad obtenida. Al índice hallado
se lo denomina desviación típica. Se define como la raíz cuadrada de la varianza
y se representa como Sx .
Es un mejor descriptor de la variabilidad, aunque la varianza es idónea para
basar en ella los análisis estadísticos complejos.
C
La variabilidad de los datos refleja el hecho de las diferencias individuales y éstos
son objeto de estudio de la psicología. D.
Si el poste central utilizado para hallar las distancias no es la media, se ha
propuesto la mediana.
Otra alternativa es la cuasi-varianza. Comparte el mismo numerador que la
AD
varianza y tienen una relación directa.
Propiedades:
1- Un conjunto de valores puede mostrar mayor o menor grado de
homogeneidad, el menor se produce cuando los valores son idénticos, en
este caso las desviaciones con respecto a su media es 0, y como
L
OM
Se encuentra ligado al tamaño de la muestra.
Otro índice de dispersión consiste en tomar las desviaciones con respecto a la
media o puntuaciones diferenciales en valor absoluto. Se denomina desviación
de la media y se representa Dm.
C
Representa un promedio de las distancias tomadas en valor absoluto y
representa bien el concepto de dispersión y su cuantificación.
D.
Otro índice es la amplitud semi- intercuartil, se da cuando en las puntuaciones
hay algún valor extremo que puede distorsionar la representatividad de la
varianza. Se representa por Ԛ.
AD
A veces se quiere comparar la variabilidad de grupos cuya media es distinta. El
índice es el coeficiente de variación, está representado por Cv. Puede
considerarse como un índice de representatividad de la media. Cuanto mayor es
el coeficiente de variación menos representativa es la media.
L
OM
Índice de Curtosis:
Se basa en el promedio de las típicas elevadas a la cuarta potencia.
Se le resta un 3 al índice porque lo que se consigue es utilizar ese modelo como
patrón de comparación.
C
Una distribución en la que el índice es igual a cero, tiene un grado de Curtosis
similar al de la distribución normal, es mesocúrtica.
D.
Si su apuntalamiento es positivo, es mayor que el de la distribución normal, es
leptocúrtica.
AD
Si es negativo su apuntalamiento, es menor que la distribución normal, es
platicúrtica.
L
2º Parcial
FI
OM
D) Se llama complementario (A’) de un suceso al subconjunto del espacio
muestral integrado por suceso elementales que no participan en el
suceso.
C
dividen en numerables y no numerables.
1) Espacios muestrales finitos: Es finito si tiene un número de sucesos
elementales finitos.
D.
2) Espacios muestrales infinitos numerables: Tiene infinitos sucesos
elementales, pero pueden ponerse en correspondencia biunívoca con los
números naturales.
AD
3) Espacios muestrales infinitos no numerables: Tiene infinitos sucesos
elementales, pero no pueden ponerse en correspondencia biunívoca con
los números naturales.
L
Hace referencia a cómo los eventos puntuales que tienen resultados inciertos, al
estudiar su repetición un número grande de veces, comienzan a tener resultados
previsibles globalmente y a mostrarse sujetos a ciertas leyes. Habla de las
frecuencias con las que ocurrirían las cosas en el caso hipotético de que los
OM
c) Un suceso seguro tiene de probabilidad 1.
d) La suma de las probabilidades de un suceso y su complementario es igual
a 1.
El enfoque frecuencialista: No siempre puede asumir el principio de
indiferencia. La probabilidad se determina mediante una operación de repetición
C
sistemática del experimento aleatorio y de conteo del número de veces que se
verifican los sucesos. El número de veces que se realiza el experimento debe
ser infinitamente grande.
D.
La diferencia entre los enfoques es que, en el primero, n era el tamaño de la
muestra y en el segundo, el número de repetición del experimento aleatorio.
AD
variable aleatoria.
Se representa por letras mayúsculas, pero para referirse a un valor cualquiera
se usa minúscula y un subíndice que designe ese valor concreto.
Hay variables aleatorias discretas y continuas. Las primeras se definen sobre
espacios muestrales finitos o infinitos numerables. En cambio, las continuas,
sobre espacios muestrales infinitos no numerables.
OM
valores máximo y mínimo.
Distribución binomial:
Fue estudiada por Bernoulli. Para que la distribución de probabilidad de una
C
variable se ajuste a este modelo debe cumplir una serie de requisitos.
1- Debe basarse en una variable dicotómica (sólo admite 2 valores).
Usualmente son 0 y 1.
D.
Estas variables pueden ser dicotómicas o dicotomizadas artificialmente
(aunque tiene muchos posibles resultados diferentes, se los clasifica en
2).
AD
Estas variables pueden definirse como aquellas que adoptan la regla de
asignar 1 si se cumple cierta condición y 0 si no se cumple.
Distribución multinomial:
Da lugar a más de 2 resultados (politomía). Es una secuencia de n ensayos
independientes e igualmente distribuidos en los que cada uno puede dar lugar a
𝑘 resultados distintos con probabilidades 𝜋𝑘 .
OM
probabilidad, los cuales reflejarán el área izquierda, probabilidad acumulada o
centil asociado a ese valor. Entre ellos se encuentran: la distribución rectangular,
normal y t- student.
Distribución rectangular:
Una variable aleatoria se ajusta a este modelo si todos los valores con
C
probabilidad no nula tienen la misma distribución de densidad con probabilidad.
Su representación gráfica toma la forma de rectángulo.
D.
Distribución normal: Es también conocida como la distribución de Gauss. La
estatura, el peso, el CI, etc. Son variables que se ajustan a este modelo.
AD
En la representación gráfica existe un valor central (la media) entorno a la cual
se concentran la mayor parte de los individuos y los valores más alejados a ésta
son menos frecuentes.
Refleja la mediocridad en las características y solo pocos sobresalen.
L
OM
referirse a un valor concreto de la distribución normal unitaria, se utiliza z, con el
subíndice correspondiente a la probabilidad acumulada para ese valor.
El trabajo con variables aleatorias normales se reduce a la obtención de las
probabilidades de obtener el área derecha de ese valor, el área izquierda o un
valor comprendido entre 2 valores concretos.
C
El procedimiento consiste en aplicar el teorema y consultar la tabla.
La distribución normal se utiliza también para obtener por aproximación las
D.
probabilidades asociadas a otros modelos.
Aproximación de binomial a normal: Estas probabilidades pueden obtenerse
mediante un procedimiento de aproximación que consiste en que, para calcular
AD
la probabilidad acumulada de un valor de una variable binomial, se calcula la de
ese mismo valor en una normal, en los que el valor esperado y la varianza fueran
los mismos que los de la binomial. A partir de esto se aplica una corrección que
requiere no tipificar el valor correspondiente, sino sumar o restar media unidad
para que el valor tipificado incluya completas las barras de los valores de interés.
L
FI
Distribución de T- Student:
Para que una variable aleatoria se distribuya según el modelo de t de Student
debe ajustarse a la fórmula de éste.
Las variables X e Y se distribuyen normalmente con parámetros (0;1) y a la de
OM
se denominan puntuaciones típicas y se representan con z.
Al proceso de obtención de las puntuaciones típicas se lo llama tipificación.
Las puntuaciones típicas de una observación indican el número de desviaciones
típicas que se separa esa observación de la media del grupo de observaciones.
Permiten hacer comparaciones entre unidades de distintos grupos, variables
C
medidas de distintas formas o entre variables diferentes. También indican si esa
desviación está por encima o por debajo de la media.
D.
Estas puntuaciones tienen características de tendencia central y variabilidad
constantes.
Las puntuaciones típicas no son más que una transformación lineal que consiste
AD
en multiplicar las puntuaciones directas por una constante (inverso del desvío) y
luego sumar a esos productos otra constante (cociente entre la media y el desvío,
con signo negativo).
Esas características de las típicas son universales, no dependen del tipo de
puntuaciones, ni de su dispersión, ni de su número.
L
son iguales a 1.
Las puntuaciones típicas reflejan las relaciones esenciales entre puntuaciones
independientemente de la unidad de medida utilizada. Por eso cuando dos
conjuntos de puntuaciones están emparejados por algún criterio, a sus
Escalas derivadas:
Las típicas al tener su media en 0 y desviación en 1, parte de ellas suelen ser
negativas y casi todas decimales. Por eso, un procedimiento que consiste en
transformar las puntuaciones típicas en otras que retengan todas las relaciones
que manifiestan las puntuaciones originales y por lo tanto sean equivalentes,
constituyen lo que se denomina una escala derivada. Se basan en una propiedad
de las puntuaciones típicas.
OM
transformadas para que sean más fáciles de interpretar y que a la vez sean
equivalentes.
Cualquier transformación lineal en que la constante multiplicadora sea
positiva, da lugar a puntuaciones equivalentes.
Las puntuaciones T tienen media 50 y desviación típica 10, y se constituyen
C
la transformación general más conocida.
Se dice que dos variables X e Y mantienen una relación lineal inversa cuando
FI
los valores altos de Y se emparejan con los valores bajos de X, los valores
intermedios de Y con los intermedios de X; y los valores bajos de Y con los
valores altos de X. Ejemplo: tiempo invertido y errores cometidos.
Se dice que hay una relación lineal nula entre dos variables cuando no hay
OM
El coeficiente de variación de Pearson: no puede valer más de +1, ni menos
de -1. Si se realizan transformaciones lineales de una o las dos variables, en las
que las constantes multiplicadoras son positivas, la correlación no se altera.
C
En la interpretación de una correlación hay que separar dos aspectos:
- La cuantía que se refiere al grado en el que la relación entre dos variables
D.
queda bien descripta con un índice de asociación lineal como r.
OM
2- Contraste de hipótesis: Un proceso mediante el cual se trata de
comprobar si una afirmación sobre alguna propiedad poblacional puede
ser sostenida a la luz de la información muestral disponible. Es un método
de toma de decisiones también llamado prueba de significación.
C
Este procedimiento nos permite decidir si una proposición acerca de una
población puede ser mantenida o debe ser rechazada.
D.
Cuando surge el problema de investigación, el siguiente paso es buscar una
solución, ésta es provisional y suele tomar la forma de una afirmación
directamente verificable o mejor conocida como hipótesis científica y el proceso
para verificarla es el contraste de hipótesis.
AD
Hipótesis estadísticas:
Es una afirmación sobre una o más distribuciones de probabilidad o sobre el
valor de uno o más parámetros de ella. Se suelen representar por H seguida de
una afirmación que le da contenido. Surge a partir de una hipótesis científica.
OM
Una hipótesis científica se refiere a algún aspecto de la realidad, una hipótesis
estadística se refiere a algún aspecto de una distribución de probabilidad.
Todo contraste de hipótesis se basa en la formulación de 2 hipótesis: Hipótesis
nula (𝐻0 ) y la hipótesis alternativa (𝐻1 ).
- Hipótesis nula: Es la hipótesis que se somete al contraste, es una
C
afirmación concreta sobre la forma de una distribución, es exacta.
- Hipótesis alternativa: Es la negación de la nula, incluye lo que la nula
excluye y es inexacta.
D.
Cuando en 𝐻1 aparece ⟨=⟩ es un contraste bilateral, cuando aparece < o > es
unilateral.
AD
Ambas hipótesis son rivales, son exhaustivas y mutuamente exclusivas, si una
es verdadera, la otra es falsa.
Tanto si 𝐻0 es exacta como inexacta, todo el proceso de decisión va a estar
basado en un modelo probabilístico construido a partir de ella.
L
Los supuestos:
FI
El Estadístico de contraste:
Es un resultado muestral que cumple la doble condición de:
1- Proporcionar información empírica relevante sobre la afirmación en la 𝐻0 .
2- Poseer una distribución muestral conocida, ya que es donde nos vamos
a apoyar para tomar una decisión, para contrastar la hipótesis lo razonable
será utilizar la información muestral proporcionada por el estadístico.
Una vez planteadas las hipótesis, es necesario seleccionar el estadístico de
OM
contraste capaz de proporcionar información relevante sobre ellas y establecer
los supuestos necesarios para determinar la distribución. Existen 2 estadísticos:
𝑇1 = 𝑥 y 𝑇2 = 𝑝.
Los estadísticos x y p sirven como estadísticos de contraste para poner a prueba
𝐻0 porque ambos cumplen con las condiciones.
La regla de decisión:
C
D.
Es un criterio para decidir si la hipótesis debe ser o no rechazada. Se basa en la
partición de la distribución muestral del estadístico en 2 zonas:
1- Zona de rechazo o crítica: Es el área de la distribución muestral que
AD
corresponde a los valores del estadístico de contraste que se encuentran
tan alejados de la afirmación de 𝐻0 que es muy poco probable que ocurran
si 𝐻0 es verdadera. Su probabilidad es 𝛼 (nivel de riesgo).
2- Zona de aceptación: Es el área de la distribución que corresponde a los
valores próximos a la afirmación de 𝐻0 , es probable que ocurran si 𝐻0 es
L
La decisión:
El paso siguiente consiste en obtener una muestra aleatoria de tamaño n,
calcular el estadístico de contraste y tomar la decisión con respecto a 𝐻0 .
OM
valor comprendido entre a y b por diferentes razones contenidas en 𝐻0 .
Para determinar una afirmación verdadera se plante como 𝐻1 y rechazamos 𝐻0 .
C
Llamamos errores de tipo I al que se comete al rechazar una 𝐻0 verdadera. La
probabilidad de cometer este error es 𝛼.
D.
Errores de tipo II al que se comete cuando se mantiene una 𝐻0 falsa. La
probabilidad de 𝛽.
1 − 𝛼 es la probabilidad de mantener una 𝐻0 verdadera.
AD
mayor 𝛽.
3- El tamaño del área depende del error típico. El solapamiento entre las
curvas de uno u otro parámetro será mayor cuanto mayor sea el error
típico y mayor será el valor de 𝛽.
Una disminución del solapamiento, menor error típico y menor 𝛽.
Si tienen el mismo error típico, mismo tamaño de 𝛽.
Potencia de un contraste:
La potencia (1 − 𝛽) de un contraste es la probabilidad de rechazar una 𝐻0 que
en realidad es falsa.
Nos referimos a la capacidad de ese contraste para detectar que una hipótesis
concreta es falsa.
Para poder calcular la potencia necesitamos referirnos a una afirmación de las
OM
muchas definidas en 𝐻1 .
C
influya en la decisión final. El nivel de significación es el riesgo máximo que
estamos dispuestos a asumir al tomar una decisión.
Esto trae 2 inconvenientes:
D.
1- La decisión sobre 𝐻0 puede depender del nivel de significación
establecido.
AD
2- Decidir si 𝐻0 es falsa o no, no proporciona información sobre el grado de
incompatibilidad con la hipótesis.
El valor de 𝛼 debe ser pequeño, cuan pequeño lo decide el investigador de forma
arbitraria.
L
Llamamos nivel crítico al nivel de significación más pequeño al que una 𝐻0 puede
ser rechazada con el estadístico de contraste obtenido.
FI
OM
El investigador cuando somete a contraste las hipótesis no posee una idea previa
sobre la dirección en la que se pueden producir resultados muestrales
incompatibles con 𝐻0 .
En una distribución normal, el contraste bilateral con su zona crítica, está
repartida, generalmente en partes iguales, entre las dos colas de la distribución
C
muestral. De ahí el nombre bilateral.
En un contraste unilateral, la zona crítica está en una de las dos colas de la
D.
distribución. De ahí el nombre unilateral.
AD