• Temas de interés

• Objetivos
• Introducción
• Desarrollo del contenido
AGENDA • Resultados de aprendizaje
• Bibliografía

Unidad 4.- Aplicación del método

estadístico en psicología
Unidad 4.- Aplicación del método
estadístico en psicología.
Tema 1: Etapas del método
Subtemas:
Subtema 1: Definición del problema
Subtema 2: Recopilación de la información existente
Subtema 3: Clasificación y control de calidad de los datos
Subtema 4: Codificación y digitación
Subtema 5: Análisis
Subtema 6: Presentación.
Tema 2: Errores estadísticos comunes
Subtemas:

Subtema 1: Sesgo
Subtema 2: Datos no comparable
Subtema 3: Proyección descuidada de tendencias.
Subtema 4: Muestreo incorrecto.
OBJETIVO

Definir el método estadístico a aplicarse en

la psicología y los errores comunes.
 INTRODUCCIÓN
Las áreas de aplicación de la Psicología para fines de estudio se clasifican
en cuatro grupos:

Social: Conocer las necesidades, gustos o tendencias de una población.

Clínica: Permite conocer las características individuales de los pacientes y

sus padecimientos para un mejor diagnóstico.

Educativa: Determina las características y las necesidades de una

institución escolar para desarrollar programas que les permita mejorar.

Organizacional: Conocer las características de los empleados para una

mejor toma de decisiones en cuanto a su desempeño o habilidades, etc…
Subtema 1: Definición del problema

Según Gómez (2006) “El problema

debe expresar una relación entre dos o
más variables, o dejar claramente
definido el aspecto de la realidad que
se va a explorar”.

El problema es una dificultad, es lo

que se quiere averiguar, explicar o
resolver”.
Subtema 2: Recopilación de la información
existente
• Según Hernández (1998) “se
debe focalizar hacia los
hallazgos pertinentes y
respondiendo a la pregunta
de investigación y/o a la
prueba de hipótesis.
 ENTREVISTA PERSONAL
UTILIDAD
•Para profundizar en la información que
ya se tiene de la persona candidata a
través de su currículum previo.
•Para comprobar si el estilo personal de la
persona candidata (actitud, motivaciones,
personalidad, habilidades, experiencia,
etc.) coincide con lo que la empresa
espera.
•Para que el entrevistador/a se asegure
que la persona candidata es idónea para
el puesto vacante.
•Para que la persona candidata valore si
este empleo le conviene y le interesa.
•TIPOS
•La entrevista de preselección: suele ser
una entrevista corta, se utiliza cuando
hay muchos candidatos y es necesario
realizar una fuerte criba.
•La entrevista en profundidad es una
entrevista extensa en la que se ahonda
en multitud de aspectos, muchos de
ellos personales.
•La entrevista tipo estrés de choque,
trata de probar al candidato para ver
cómo actúa ante situaciones
especialmente tensas, observando
aspectos sobre seguridad en unos
mismo, discreción, etc.
OBSERVACIÓN
CARACTERÍSTICAS TIPOS
• No intrusiva Observación manifiesta
• No participación del observador Observación estructurada
• Duración larga
• Resultados objetivos y subjetivos
• Necesidad de pocos
observadores
 GRUPO FOCAL
• La información que se obtiene • Un grupo focal se conforma con
proviene de la interacción de los un conjunto de personas en
participantes y en esencia es el calidad de informantes,
interés del investigador lo que organizadores alrededor de un
provee el foco (Morgan, 1997; tema propuesto por el
Morgan & Krueger, 1998) investigador, quien además de
seleccionarlos, coordina sus
procesos de interacción,
discusión y elaboración de
acuerdos, en un mismo espacio
y en un tiempo definido
(Bertoldi y colaboradores, 2006).
Subtema 3: Clasificación y control de calidad de los
datos
Tabulares

Semi
Numéricos Métodos gráficos

Gráficos
Subtema 4: Codificación y digitación

Según Arenal (2019) “la codificación es asignar números a las modalidades observadas o
registradas de las variables que constituyen la base de datos, así como asignar código (valor
numérico) a los valores faltantes.

ID Nombre Apellido Genero COD Genero Cuidad de Nacimiento COD Ciudad

1 Luis Perez Maculino 1 Ibarra 6
2 Pedro Oña Maculino 1 Quito 2
3 Maria Gutierrez Femenino 0 Guayaquil 4
4 Juan Cortez Maculino 1 Cuenca 8
5 Julia Moran Femenino 0 Cayambe 3
6 Ana Silva Femenino 0 Macas 7
Subtema 5: Análisis
“El análisis estadístico es la ciencia de seleccionar, investigar y mostrar
grandes sumas de datos para descubrir estándares y preferencias
implícitos.

Este análisis permite responder a las siguientes preguntas:

• ¿Cómo son mis clientes?
• ¿Cuáles y cómo son mis clientes más rentables?
• ¿Dónde viven?
• ¿Cómo puedo clasificarlos para realizar acciones concretas?
• ¿Cómo puedo aumentar la satisfacción de mis clientes?
• ¿Cuál es el área de influencia de mi negocio?
• ¿Cuántos visitantes tendré el año que viene?
• ¿Cuánto se gastarán el año que viene?
Ejemplo de Histograma

“Efectuar un gráfico de barras a partir de la siguiente tabla de frecuencia que representa

deportes que prefieren practicar 50 estudiantes de una universidad”:
 Subtema 6: Presentación.
Escrita
• Resalta la importancia de las informaciones principales

Tabular
• Se representa mediante un conjunto de filas y de
columnas, constituye la forma más exacta de presentar las
informaciones

Gráfica
• Es una expresión artística usada para representar un
conjunto de datos. Por ejemplo: Histograma, Polígono de
frecuencias, Gráfica de barras, Gráfica lineal y Gráfica circular.
TEMA 2: Errores estadísticos comunes.
Objetivo
Identificar los errores estadísticos más comunes en ejercicios a fin
de solucionar problemas.

Introducción
Los errores estadísticos que usualmente se realizan en la retórica
científica son: sesgos, datos no comparables, proyección descuidada
de tendencias y muestreo incorrecto, los mismos que se efectúan con
el fin de manipular la opinión de las personas y que sean fáciles de
interpretar. Por lo que es necesario conocer con claridad sus
conceptos para identificarlos y diferenciarlos dentro de una
investigación.
Subtema 1: Sesgo

“el sesgo muestral es un

componente de error formado por
la diferencia entre el valor del
estadístico y el valor esperado del
parámetro poblacional.

Los componentes que participan en

la generación del sesgo muestral
son sesgo por selección y sesgo por
estimación.
“una posible fuente de sesgo de selección puede ser cualquier factor que influya
sobre la posibilidad de los sujetos seleccionados de participar o permanecer en
el estudio y que, además, esté relacionado con la exposición o con el evento en
estudio”

Suma de cuadrados de n números consecutivos:

https://www.youtube.com/watch?v=W9ky1CNTY3o
Una posible fuente de sesgo de medición puede ser cualquier factor que
influya de manera diferencial sobre la calidad de las mediciones que se
realizan en los grupos expuesto y no expuesto en el contexto de los estudios
de cohorte o entre los casos y controles en el contexto de los estudios de
casos y controles”.

Suma de cuadrados de n números consecutivos:

https://www.youtube.com/watch?v=W9ky1CNTY3o
• Existe sesgo de
confusión cuando
observamos una
asociación no causal
entre la exposición y
el evento en estudio o
cuando no
observamos una
asociación real entre
la exposición y el
evento en estudio
“Es el error humano, intencional o no intencional que se comete al ejecutar el muestreo y que
generalmente es sistemático. Este error se minimiza a través de programas de entrenamiento,
capacitación y motivación de inspectores y recolectores de información estadística”.
Asimetría o sesgo

“La asimetría informa si los extremos de las curvas (colas) asociadas a los datos son
más alargados hacia alguno de los lados. Se calcula según la siguiente expresión”:
Cálculo del coeficiente de asimetría para datos no agrupados

El valor del coeficiente de asimetría se lo puede

interpretar de las siguientes maneras:

a) “Si Sk > 0 entonces la distribución es sesgada a

la derecha.

b) Si Sk < 0 entonces la distribución es sesgada a

la izquierda.

c) Si Sk = 0 entonces la distribución puede ser

sesgada o no”.
 Ejemplo
La dirección de la carrera de Psicología está interesada en estudiar el
comportamiento de la reprobación de materias por nivel de los
estudiantes de dicha carrera. Para ello se toma una muestra de
estudiantes de 3er nivel (grupo 1) y otra muestra de estudiantes de
5to nivel (grupo 2) y se registra el número de materias que han
reprobado los estudiantes en el último año. Los resultados se registran
a continuación:

REPROBADOS METRICAS
Desviación
GRUPO Materia 1 Materia 2 Materia 3 Materia 4 Materia 5 Media varianza estandar
Grupo 1: 1 0 1 1 0 Ẍ= 0,6 S²=0,3 S=0,55
Grupo 2: 2 1 0 2 1 Ẍ= 1,2 S²=0,7 S=0,84
Cálculo del coeficiente de asimetría para datos agrupados

a) Cero “0” Es simétrica

b) De 0,01 A 0,10 Es ligeramente Sesgada

c) De 0,11 A 0,30 Es Moderadamente Sesgada

Subtema 2: Datos no comparable

Según Ruiz (2000) “el establecer comparaciones

es una de las partes más importantes del análisis
estadístico, pero es extremadamente importante
que tales comparaciones se hagan entre datos que
sean comparables”
Subtema 3: Proyección descuidada de
tendencias.
Subtema 4: Muestreo incorrecto.
• Si la muestra se
selecciona
correctamente, tendrá
básicamente las
mismas propiedades
que la población de la
cual fue extraída; pero
si el muestreo es
incorrecto entonces
puede suceder que los
resultados no
signifiquen nada”
REFERENCIAS BIBLIOGRÁFICAS
➢ Arenal, C. (2019).Tratamiento y análisis de la información de mercados. Edit. Tutor en
formación
➢ Hernández, R. et al. (1998). Metodología de la investigación Ed. Mc. Graw-Hill, 2da
edición
➢ Gómez, M. (2006). Introducción a la metodología de la investigación científica.
Argentina. Primera Edición. Edit. Brujas
➢ Levin I., R., & S. Rubin, D. (1996). Estadística para administradores. Barcelona, España:
Prentice-Hall Hispanoamericana.
➢ Rodríguez, M. (2003). El proceso de modernización de la empresa hortícola sinaloense. El
caso de la empresa Agrícola San Isidro. Tesis inédita presentada para obtener el grado
de Doctor en Estudios Organizacionales. Universidad Autónoma Metropolitana.
➢ Vilar, J. (2005). Control estadístico de los procesos. Madrid. Edit. Fc.
➢ Álvarez, R. (2007). Estadística aplicada a las ciencias de la salud. España. Edit. Díaz de
Santos
➢ Boubeta, A.; Varela, J. (2008). Estadística práctica para la investigación en ciencias de la
salud. España. Edit. Gesbibio
➢ Hernández, M., Garrido, F., Salazar, E. Revista alud pública de México. Vol.42.N°5.
septiembre-octubre de 2000.
➢ Ruiz, M.A. (2000). Introducción a los modelos de ecuaciones estructurales. Madrid, UNED
➢ Vivanco, M. (2005). Muestreo Estadístico. Diseño y Aplicaciones. Chile. Primera Edición.
Edit. Universitaria S.A.
Muchas Gracias