UNIVERSIDAD MIGUEL DE CERVANTES

Psicologa
Psicoestadstica Inferencial

ESTADSTICA INFERENCIAL

III Semestre Ps. Nicols Muoz

Evaluaciones
Evaluaciones Parciales
%
1 Control de Lectura
3 Guas Practicas 30%
1 Presentacin

Primera Prueba Solemne

% % curso
Parte Prctica SPSS 30%
30%
Parte Terica 70%

Segunda Prueba Solemne

% % curso
Parte Prctica SPSS 30%
40%
Parte Terica 70%
 Funcin de la Estadstica Inferencial en la Investigacin Psicolgica

QU ES LA ESTADSTICA?

Irma Nocero La estadstica es la ciencia encargada de suministrar las diferentes tcnicas y procedimientos que permiten
de Len et al desde organizar la recoleccin de datos hasta su elaboracin, anlisis e interpretacin. Abarca dos campos
(2001) fundamentales la estadstica descriptiva y la estadstica inferencial

Hopkins y
La Estadstica es un lenguaje para comunicar informacin basada en datos cuantitativos
Glass (1997)

Douglas
el arte de tomar decisiones acerca de un proceso o una poblacin con base en un anlisis de la informacin
Montgmery
contenida en una muestra tomada de la poblacin
(1985)

Investigacin 1. Es un procedimiento mediante el cual se recogen nuevos conceptos de

ESTADSTICA
Cientfica
Un procedimiento reflexivo, sistemtico,
controlado y crtico, que permite descubrir nuevos
hechos o datos, relacin o leyes, en cualquier
campo del conocimiento humano (Ezequiel
Ander-Egg, 1995)
fuentes primarias, una investigacin existe cuando se ha pasado por el
proceso de comprobacin y verificacin de un problema, el replantear lo
ya conocido no se puede llamar investigacin
2. Una investigacin es un aporte importante para el descubrimiento de
principios generales por su naturaleza inferencial
3. La investigacin es un trabajo de exploracin profesional, organizada o
sistemtica y exacta.
4. Es lgica y objetiva.
5. En lo posible procura ofrecer resultados cuantitativos de los datos
manejados.
6. El fin de una investigacin se expresa en un informe el cual presentar no
solo la metodologa, resultados, experimentaciones, sino tambin las
condiciones y recomendaciones finales
 Funcin de la Estadstica Inferencial en la Investigacin Psicolgica

OBJETIVOS DE LA INVESTIGACIN CIENTFICA

Describir la realidad Explicar la realidad Predecir la realidad

Descriptiva Inferencial

ESTADSTICA
Rama de la estadstica que trata sobre la
descripcin y anlisis estadstico de una Rama de la estadstica que estudia el comportamiento
poblacin o muestra. y propiedades de las muestras, y la posibilidad y lmites
Tiene como objetivo caracterizar los de la generalizacin de los resultados obtenidos a partir
datos, de manera grfica o analtica, de aquellas a las poblaciones que representan.
para resaltar las propiedades de los Se basa en la probabilidad.
elementos bajo estudio Comprende el conjunto de mtodo estadsticos que
permiten deducir (inferir) cmo se distribuye la
poblacin bajo estudio, a partir de la informacin que
proporciona una muestra representativa obtenida de
dicha poblacin.
El propsito principal de los mtodos estadsticos es
legitimar generalizaciones sobre poblaciones usando
datos de muestras.
Los mtodos estadsticos inferenciales emplean el
razonamiento inductivo, es decir, razonan de lo
particular a lo general.
 Inferencia Estadstica
Inferir: Sacar una consecuencia de una cosa. Sacar consecuencia o deducir una cosa de otra.

La estadstica, ciencia o rama de las Matemticas que se ocupa de recoger datos, analizarlos y
organizarlos, y de realizar las predicciones que sobre esos datos puedan deducirse, tiene dos vertientes
bsicas:

a) Estadstica descriptiva: Bsicamente se ocupa de la 1 parte, es decir, a partir de ciertos datos, analizarlos y
organizarlos. Es aqu donde tiene sentido calcular la media, mediana, moda, desviacin tpica, etc.
b) Estadstica inferencial: Se ocupa de predecir, sacar conclusiones, para una poblacin tomando como base una
muestra (es decir , una parte) de dicha poblacin. Como todas las predicciones, siempre han de hacerse bajo un cierto
grado de abilidad o conanza.

FUNCIN El propsito principal de los mtodos estadsticos es legitimar generalizaciones

sobre poblaciones usando datos de muestras.
El uso principal de la inferencia estadstica en la investigacin del comportamiento es
hacer inferencia acerca de un nmero grande personas, o de otras unidades
observacionales, a partir de datos concernientes a un grupo relativamente pequeo de
personas.
Los mtodos estadsticos inferenciales emplean el razonamiento inductivo, es decir,
razonan de lo particular a lo general, razonamiento de los estadgrafos de una muestra
observada a los parmetros de la poblacin no observada.
 Funcin de la Estadstica Inferencial en la Investigacin Psicolgica
ESTADSTICA INFERENCIAL

Estadstica Inferencial
Parte TODO
Cuando queremos hacer alguna afirmacin sobre ms
elementos de los que vamos a medir

Azar - Probabilidad
MUESTRA POBLACIN

Aleatoria simple
Representativa
La seleccin de una
Sistemtica
muestra representativa
Probabilsticas y probabilstica permite
hacer inferencias a
Todos los elementos de la poblacin tiene la Estratificada partir de la informacin
misma probabilidad de ser elegidos, donde
que se posee
esta probabilidad es distinta de 0 y 1.

Conglomerado
 Funcin de la Estadstica Inferencial en la Investigacin Psicolgica

POBLACIN Y MUESTRAS

- Totalidad de elementos sobre los cuales recae la investigacin. A cada elemento se le llama unidad
estadstica.
Poblacin - Conjunto de elementos (generalmente personas, en psicologa) que comparten al menos una
caracterstica bien definida)

Poblaciones Finitas Poblaciones Infinitas

- Subconjunto de elementos de la poblacin que mantienen las mismas caractersticas.

Muestra - Se habla de muestra estadstica cuando es a lo menos el 5% de la poblacin

Muestras Probabilsticas Muestras no Probabilsticas

Aleatoria simple Accidental

Sistemtica Intencionada

Proporcional
Estratificada Por cuota
No Proporcional

Por conglomerado
 TEORA DE MUESTREO

MUESTRAS PROBABILSTICAS
Es aquella que se rige por cualquier sistema que garantice el azar o la aleatoriedad. Es aquella
donde todos los elementos del universo tiene una probabilidad conocida de ser extrados y esta
probabilidad es distinta de cero o de uno.

Las muestras probabilsticas son aquellas que permiten calcular el error de muestreo, lo que significa que se
puede generalizar.
Inferencia estadstica: Extrapolacin a la poblacin.
Para generalizar, solo se puede trabajar con muestras probabilsticas.
Permiten el contraste de hiptesis explicativas, correlacionales y descriptivas.

Es aquella donde todos los elementos del colectivo tiene la misma

Aleatoria o al azar probabilidad de ser escogidos y esta probabilidad es distinta de cero y de
1
simple uno.
De acuerdo con Webster (1998) una muestra aleatoria simple es la que
resulta de aplicar un mtodo por el cual todas las muestras posibles de un
determinado tamao tengan la misma probabilidad de ser elegidas. Tiene
implcita la condicin de equiprobabilidad.

a) Definir la poblacin de estudio.

b) Enumerar a todas las unidades de anlisis que integran la poblacin
Pasos para definir la asignndoles un nmero de identidad o identificacin (base de muestreo).
muestra c) Determinar el tamao de muestra ptimo para el estudio.
d) Seleccionar la muestra mediante un procedimiento que garantice la
aleatoriedad.
 TEORA DE MUESTREO

MUESTRAS PROBABILSTICAS

Similar a la muestra aleatoria simple, sin embargo se diferencia en que los

Muestra
2 elementos del universo van siendo extrados de acuerdo a un sistema, que
sistemtica en otras palabras no es ms que una constante sumadora.

Este procedimiento de muestreo determina los estratos que conforman

una poblacin de estudio para seleccionar y extraer de ellos la muestra.
Es til cuando se trabaja con variables categricas o atributos que
Muestra
3 presentan categoras, sean estar artificiales o genuinas. Es til cuando la
estratificada poblacin es susceptible a ser dividida en categoras o estratos donde se
tiene un inters analtico y que por razones tericas y empricas
presentan diferencias entre ellas (estado civil, edad, sexo).

Estrato: todo subgrupo de unidades de anlisis que difieren en las caractersticas que se van a
analizar en un investigacin. Es una categora exhaustiva y excluyente de la poblacin, donde
las unidades que lo componen son muy parecidas dentro de si, pero diferente entre si.

Muestra estratificada Es aquella cuya estructura categorial replica las mismas

Proporcional caractersticas porcentuales del universo

Muestra estratificada Es aquella donde no se aplica la estructura porcentual del universo,

no Proporcional sino ms bien se toma la misma cantidad de personas de cada
estrato colectivo con el objetivo de posibilitar las comparaciones
 TEORA DE MUESTREO

MUESTRAS PROBABILSTICAS
Muestra estratificada
Proporcional
Pasos para seleccionar una muestra estratificada proporcional

a) Definir la poblacin de estudio

b) Determinar el tamao de muestra requerido
c) Establecer los estratos o subgrupos
d) Determinar la fraccin total de muestreo por estrato, dividiendo el
tamao del estrato entre el tamao de la poblacin de estudio.
e) Multiplicar la fraccin total de muestreo por estrato por el tamao de
la muestra para obtener la cantidad de unidades de anlisis de cada
estrato que se integrarn a la unidad muestral.
f) Seleccin y extraccin de la muestra aplicando el procedimiento de
muestreo aleatorio simple.

Es aquello que es til cuando se realizan investigaciones con universos

extremadamente grandes tales como pases, naciones, etc., donde es
Muestra por prcticamente imposible conseguir o construir la base de muestreo. Se
4 conglomerado utiliza cuando el investigador esta limitado por factores de tiempo,
distancia, fuentes de financiamiento, entre otros. Las unidades de
anlisis se encuentran encapsuladas o encerradas en determinados
lugares fsicos o geogrficos que se denominan racimos o
conglomerados.

Conglomerados: Subconjunto exhaustivo y excluyente de la poblacin donde los elementos

que lo configuran son muy diferentes dentro de si, pero similares entre s.
 EJEMPLO SEGN TIPOS DE MUESTRA

Imaginemos que tenemos que escoger una muestra de 20 estudiantes en una poblacin de 600

ALEATORIA SIMPLE SISTEMTICA

- Se elige un alumno al azar (probabilidad de elegirlo
1/600)
- Se devuelve a la poblacin y se elige otro (probabilidad
de elegir 1/600)
- Se tiene que devolver o la probabilidad del segundo
estudiante cambia (probabilidad de 1/599)
- El problema es que se puede elegir dos veces a un
mismo estudiante
ESTRATIFICADA
- Dado que tenemos que elegir 20 de 600, es
decir, 1 de cada 30, se procede as:
- Se ordenan los estudiantes y se numeran, se
elige uno al azar, por ejemplo el estudiantes 27.
- A partir de este, los dems se eligen a partir de
este intervalo de 30 estudiantes.
CONGLOMERADO

- Si queremos que nuestra muestra sea representativa, Cambiemos el ejemplo:

debemos saber cuantos estudiantes hay por curso: - Supongamos que necesitamos una muestra de
Primero Medio 200, Segundo Medio 150, Tercero los estudiantes de todo chile, lo cual es difcil
Medio 150 y Cuarto medio 100 estudiantes. tener la poblacin total, pero sabemos que se
agrupan en Tipos de colegios, Colegios y
Curso Poblacin fraccin Muestra niveles.
Primero 200 0,3333 7 - Entonces, seleccionamos al azar algunos tipos
colegios, despus algunos colegios y,
Segundo 150 025 5 finalmente, algunos cursos.
Tercero 150 0,25 5 - Finalmente por azar simple seleccionamos a
Cuarto 100 0,1666 3 algunos estudiantes.
- Los conglomerados son unidades amplias y
Total 600 1 20 heterogneas.
 TEORA DE MUESTREO: CALCULO DE TAMAO DE LA MUESTRA

Tamao de la muestra a partir de las medias Tamao de la muestra a partir de las proporciones

* POBLACIN CONOCIDA N * POBLACIN CONOCIDA N

P = proporcin de casos que se consideran favorables en el

universo
Q = P 1 Proporcin de casos considerados como no favorables

* POBLACIN DESCONOCIDA Infinita * POBLACIN DESCONOCIDA Infinita

d = diferencia que hay entre el estimador y el parmetro d = diferencia que hay entre el estimador y el parmetro
 EJEMPLO TAMAO DE MUESTRA

Un investigador se encuentra interesado en realizar un estudio sobre estrs laboral en ejecutivos de

una determinada institucin financiera, por investigaciones anteriores en la empresa, el investigador
sabe que los niveles de estrs de estos cargos son de 3,8 puntos. Para realizar la investigacin el
profesional decide tomar en primer lugar una muestra piloto de 30 ejecutivos, lo que arroj una
media de estrs de 3,78 puntos con una variabilidad de 2,7. De qu tamao debera ser la muestra
definitiva considerando un nivel de significacin en el estudio del 5% y un error de estimacin del 2%.

La muestra debiese estar

constituida por 18989
ejecutivos de la empresa.
 EJEMPLO TAMAO DE MUESTRA

Una investigador desea conocer el tamao de la muestra y aplicar una muestra estratificada
poblacional para el estudio que est realizando. Sabe que la poblacin est constituida por 3951
estudiantes de sptimo a cuarto medio de establecimientos municipales.
Nivel Poblacin
La distribucin por niveles es la siguiente: Sptimo Bsico 1009
Octavo Bsico 1084
Primero Medio 674
Segundo Medio 513
Tercero Medio 355
Cuarto Medio 316
Total 3951
Por un estudio anterior sabe que la prevalencia de droga es de 14,3%. l desea trabajar con 5% de
significacin y 1% de error de muestreo.

DETERMINE:

1. El tamao de la muestra general

2. El tamao de muestra por estrato

 Estimacin de Parmetros

En estadstica se refiere a los valores o medidas que caracterizan a una

Qu son los poblacin como, por ejemplo, la media y la desviacin tpica de una
parmetros? poblacin () Son cantidades indeterminadas, constantes o fijas respecto
a una condicin o situacin, que caracterizan a un fenmeno en un
momento dado que ocurre en una poblacin (Sierra Bravo, 1991).

Qu son los Se contrapone al parmetro porque es un valor que se obtiene a partir de

Estadsticos? los valores mustrales. Se pueden obtener media y varianzas mustrales.

Qu es la En estadstica es la operacin mediante la cual se trata de determinar el

valor del parmetro, utilizando datos incompletos procedentes de una
Estimacin? muestra (Estadstico)

Estadstico Parmetro
Estimacin

Estimaciones Estimaciones de
puntuales Intervalo
 Estimacin de Parmetros

1 Estimaciones Puntuales

- Slo un valor numrico sirva para estimar el parmetro, es decir, asigna directamente al parmetro el valor
obtenido para el estadstico

- Constituye la inferencia ms simple que se puede realizar: asignar al parmetro el valor del estadstico que
mejor sirva para estimarlo.

a) Carencia de Sesgo: Un estimador ser insesgado si su valor esperado

coincide con el del parmetro a estimar

b) Consistencia: Un estimador ser consistente si, conforme aumenta el

Condiciones para
tamao muestral, su valor se va aproximando al del parmetro
ser un buen
estimador c) Eficiencia: Dados dos posibles estimadores, diremos que el primero es
un estimador ms eficiente que el segundo si se cumple que el primer
estimador tiene una varianza menor que el segundo.

d) Suficiencia: Un estimador ser suficiente si utiliza toda la informacin

muestral disponible
 Estimacin de Parmetros

2 Estimaciones de Intervalos

- Como el trmino lo sugiere, una estimacin de intervalo es un rango o banda de valores dentro del
cual se dice que el parmetro est con un nivel de probabilidad establecido.
- Proporciona un intervalo, un rango de valores entre los que estar situado el parmetro con una
cierta probabilidad.
- La estimacin puntual se utiliza poco, pues no tenemos datos suficientes para que nos indiquen el
grado de fiabilidad de dato muestral hemos tomado. Lo que tiene ms sentido plantearse es cul es
la probabilidad de que la media o proporcin poblacional pertenezcan a un intervalo determinado.
- Para comprender el fundamento de las estimaciones de intervalo se requiere un dominio del
concepto de una distribucin de muestreo, especficamente, la distribucin de muestreo de la
media (DMM)
- Dada una muestra, se puede calcular la Distribucin de muestreo de la media donde, con cierta
seguridad, estar la media poblacional que se busca.
 DISTRIBUCIONES MUESTRALES

Uno de los objetivos de la estadstica es conocer acerca del comportamiento de parmetros poblacionales
tales como: la media ( ), la varianza ( ) o la proporcin ( p ). Para ello se extrae una muestra aleatoria de la
poblacin y se calcula el valor de un estadstico correspondiente, por ejemplo, la media muestral ( X ), la
varianza muestral (s ) o la proporcin muestral ( p ). El valor del estadstico es aleatorio porque depende de los
elementos elegidos en la muestra seleccionada y, por lo tanto, el estadstico tiene una distribucin de
probabilidad la cual es llamada la Distribucin Muestral del estadstico.

DISTRIBUCIN MUESTRAL DE DISTRIBUCIN MUESTRAL DE

LA MEDIA LA POPORCIN

La distribucin muestral es la distribucin de los

resultados que se presentan si en realidad se
seleccionaron todas las muestras posibles
 DISTRIBUCIONES MUESTRALES

1 Distribucin Muestral de la Media

- Es la distribucin de todas las medias posibles que surgen si en realidad se seleccionaran

todas las muestras posibles de cierto tamao, es decir, es una distribucin de frecuencias,
no de valores brutos, sino de medias de la muestra, donde cada media de la muestra est
basada en una muestra aleatoria de n valores brutos

2
1 2 3

La media muestral es imparcial porque la media de todas las medias mustrales

posibles (de una muestra dada con tamao n) es igual a la media poblacional .

3 El error estndar de la media, es el valor de la desviacin estndar de todas las

medias mustrales posibles, es decir, expresa cunto vara la media muestral
entre una muestra y otra.
 DISTRIBUCIONES MUESTRALES

1 Distribucin Muestral de la Media

1. a. Muestreo de poblaciones con distribucin normal

Si se est muestreando una poblacin que tiene una distribucin normal con media y desviacin estndar conocida,
independientemente del tamao de la muestra n, la distribucin muestral de la media tendr una distribucin normal con media
muestral igual a la media poblacional y un error estndar de la media muestral.

La distribucin normal tiene La prueba de Hiptesis para la

un promedio terico de 0 y media poblacional se realizar
una desviacin estndar haciendo uso de los puntajes z de
terica de 1. la curva normal.

Si se est muestreando una poblacin que tiene una distribucin normal con media y desviacin estndar desconocida, la
distribucin muestral de la media que se utilizar es la t de student siempre que el n sea inferior a 30. Cuando la muestra es mayor a
ese nmero, la distribucin se asemeja a la distribucin normal y el contraste de hiptesis se realizacin con la distribucin z.

La distribucin t de student La prueba de Hiptesis para la

cuyo promedio terico es 1 media poblacional se realizar
y la desviacin estndar es haciendo uso de los puntajes t de
mayor a 1 la curva t.
 DISTRIBUCIONES MUESTRALES

1 Distribucin Muestral de la Media

1. a. Muestreo de poblaciones sin distribucin normal (Teorema del Lmite central)

Dispone que cuando el tamao de la muestra (es decir, el nmero de valores en cada muestra) es lo bastante grande, la distribucin
muestral de la media tiene una distribucin aproximadamente normal. Esto es vlido sin importar la forma de la distribucin de los
valores individuales en la poblacin (La distribucin de muestreo de la media se aproxima a la normalidad conforme n se incrementa.
N 30

1) Para la mayor parte de las distribuciones poblacionales, sin importar su forma, la distribucin muestral de la
media tiene una distribucin aproximadamente normal cuando se seleccionan muestras de por lo menos 30
elementos.
2) Si la distribucin poblacional es bastante simtrica, la distribucin muestral de la media es aproximadamente
normal en muestras tan pequeas como las de 5 elementos.
3) SI la poblacin tiene una distribucin normal, la distribucin muestral de la media tambin tiene una
distribucin normal, independientemente del tamao de la muestra.

La prueba de Hiptesis para la

media poblacional se realizar
haciendo uso de los puntajes z de
la curva normal.
 DISTRIBUCIONES MUESTRALES

2 Distribucin Muestral de la Proporcin

La distribucin muestral de la proporcin

generalmente sigue el modelo de una
distribucin probabilstica para variables
cuantitativas discretas denominada Distribucin
Binomial, sin embargo cuando ocurre que n * P y
n * Q son 5, la distribucin binomial puede
aproximarse al modelo de la curva normal y en
consecuencia realizar el contraste de hiptesis
para la proporcin poblacional a travs de los
puntajes z de la curva normal.
 CALCULO DE INTERVALO DE CONFIANZA

FORMULA PARA INTERVALOS DE CONFIANZA

Formula para la varianza

Sujeto Puntajes Pje.2

s

1 101 10201

2 98 9604

3 76 5776 374,64

4 123 15129

5 143 20449

6 98 9604

7 88 7744 1- 19,35
8 100 10000 0,95

9 105 11025
639,17 663,16
10 132 17424

106,4 116956
 ALGUNOS CONCEPTOS ASOCIADOS A LA PRUEBA DE HIPOTESIS

Error tipo I
Rechazar una Hiptesis nula (Ho) siendo esta verdadera. Tiene asociada una probabilidad

Error tipo II
Aceptar una Hiptesis nula (Ho) siendo esta falsa. Tiene asociada una probabilidad .

Nivel de confianza
Es aceptar una Hiptesis nula (Ho) siendo esta verdadera por lo tanto es una decisin acertada; tiene
asociada una probabilidad de 1 . Los niveles de confianza ms usados son el 0,99 (99%) y el 0,95 (95%)

Potencia de Prueba
Rechazar una Hiptesis nula (Ho) siendo esta falsa (Acierto). Tiene asociado una probabilidad que es 1
(Es la probabilidad de estar en potencia de prueba). Es un complemento al error tipo II.
 PASOS PARA LA PRUEBA DE HIPOTESIS

1) Formular la Hiptesis de Investigacin

2) Plantear las correspondientes hiptesis estadsticas

- Hiptesis nula (Ho): Es la que se somete a prueba (Es la que contrastamos o verificamos). Es
la nica que pasa por la igualdad, por lo tanto las relaciones que plantea un hiptesis nula son las
siguientes: =, , .
- Hiptesis alterna (Ha): Platea diferencia y generalmente coincide con la hiptesis de
investigacin o del investigador, a menos que la hiptesis del investigacin sea formulada en trminos
de igualdad, por lo que de ser as est coincide con la nula.

3) Determinar un nivel de significacin (), la cual es la probabilidad de cometer el error tipo I (Rechazar
una hiptesis siendo esta verdadera).
- ms usados: 0,01 (1%) y 0,05 (5%).
- SPSS: el programa calcula y entrega automticamente un nivel de error que tcnicamente se
denomina p value o valor p (nivel de significacin mnima o mnimo para poder rechazar la Ho.
- si p 0,01: se rechaza la Ho con un p < 0,01 (1% de significacin)
- si p > 0,01 y 0,05: se rechaza Ho con un p < 0,05
- si p > 0,05: se acepta Ho con un p > 0,05 (95% de confianza)

4) Adoptar una decisin estadstica (D.E.) Se acepta o se rechaza la Ho.

5) Concluir: confirmando o desconfirmando la Hiptesis de Investigacin

 CORRELACIONES

Procedimiento estadstico que intenta probar el grado de asociacin que hay entre dos o ms variables

Correlaciones Correlaciones
Bivariadas Mulivariadas

Es un nmero que nos dice hasta donde los cambios o variaciones que presenta una variable se explican por las variaciones
o cambios que presenta otra variables (Juego de varianzas)

La correlacin no implica causalidad, la nica vez que yo puedo atribuir causalidad es cuando la correlacin es perfecta (-1 o
+1).

Tiene que ver con la fuerza de la copelacin, las que pueden

monto ser: fuertes (0,66 a 1), moderada (0,35 a 0,65) y dbiles (0
0,34)
Caractersticas
de las
correlaciones Tiene que ver con el signo de la correlacin. Pueden ser
direccin positivas (directa) o negativas (inversa). No todos los
coeficientes asumen valores positivos y negativos
 COEFICIENTES DE CORRELACIN

- Dos variables cuantitativas continuas con un nivel de medicin a lo mnimo

intervalar
1 Pearson (rxy) - La relacin de las variables debe ser de naturaleza lineal
- Asume valores que van del -1 a +1, pasando por el 0 que significa ausencia de
correlacin.

- Dos variables cuantitativas con un nivel de medicin a lo mnimo ordinal

2 Spearman (rs) - La relacin de las variables debe ser de naturaleza lineal
- Asume valores que van del -1 a +1, pasando por el 0 que significa ausencia de
correlacin.
- Spearman es un derivado de Pearson, Kendall no lo es.
- Kendall se utiliza para determinar una correlacin parcial (control de variables
intervinientes)
3 Kendall () - Spearman es aproximadamente 1,5 veces ms grandes que Kendall en el mismo
conjunto de datos.

- Es un derivado de Pearson
- Correlacin entre una variables dicotmica real o genuina (nominal) con otra
4 Punto Biserial (rpb) variable que es cuantitativa continua medida a lo menos en una escala intervalar.
- El signo no se interpreta, sino que hay que ver las medias de los grupos
- En SPSS se realiza mediante el coeficiente de correlacin de Pearson

- Es un derivado de Pearson
5 Biserial (rb) - Correlacin entre una variable es que cuantitativa medida a lo menos en una escala
intervalar con otra variable que es dicotmica aparente o artificial
 COEFICIENTES DE CORRELACIN

- Sirve para calcular la correlacin entre dos variables dicotmicas reales o una
dicotmica real y una aparente.
6 Phi (r) - El signo no se interpreta, pues son variables cualitativas. Para interpretar hay que
recurrir a la tabla de contingencia.
- Condicin: Si existe una frecuencia esperada menor a 5, se interpreta mediante el
estadstico exacto de Fisher (Chi cuadrado)

- Es un derivado de Pearson
- Tradicionalmente se utiliza para calcular la correlacin entre 2 variables
7 Contingencia (C) dicotmicas (reales o aparentes), dos policotmicas (reales o aparentes) o una
dicotmicas y una policotmicas..
- Su uso se restringir a dos variables policotomicas o una policotmica y una
dicotmica
- Toma valores que van entre 0 y 1
- Condicin: si ms del 20% de las frecuencias esperadas son inferiores a 5, no se
puede calcular.

8 Tetracorico (rt) - Se utiliza para calcular la correlacin entre dos variables dicotmicas aparentes
- Es derivado de Pearson
- La dicotoma por lo general se realiza en la mediana.
 COEFICIENTES DE CORRELACIN

9 Eta (xy; yx)

- Se utiliza para calcular la correlacin entre una variable (criterio) y 2 o mas variables
(predictoras).
10 Correlacin Mltiple - El coeficiente se denomina coeficiente de correlacin mltiple .
- Asume valores que van de -1 a +1 pasando por el 0
- El signo no se interpreta, slo establece si existe o no correlacin.

- Se utiliza para calcular la correlacion entre dos variables cuantitativas continuas

manteniendo controlada los efectos de una tercera variables que se sabe que
11 Correlacin Parcial influye (correlacin previa).
- La correlacin parcial obtenida se denomina correlacin pura.
- La influencia de la variables controlada puede ser:
- Positiva: cuando esta controlada baja el monto de la correlacin
- Negativa: cuando esta controlada aumenta el monto de la correlacin
 CONFIABILIDAD

La confiabilidad es un proceso o una propiedad que se le atribuye a la medicin de la prueba, se relaciona con
los conceptos de estabilidad y consistencia.
Una prueba es confiable cuando sus resultados son similares en el tiempo tras sucesivas aplicaciones.
Hay ciertos factores que atentan contra la confiabilidad: Historia, Maduracin, Mortalidad Experimental,
Adivinacin o Azar.
El valor mximo que accede el coeficiente de fiabilidad es 1.

1 Test - Retest

2 Consiste en generar una prueba lo ms similar posible o equivalente a la que se

Formas Paralelas est construyendo.
Se aplica la prueba A, se deja pasar un tiempo y luego se aplica A. Si hay
correlacin, ser confiable. Tambin se corrige por Spearman Brown.

El coeficiente de Correlacin Prueba de

que se utiliza es Pearson Significancia
 CONFIABILIDAD

3 Consistencia Interna Consiste en correlacionar la prueba consigo misma. Esta basado en una sola
aplicacin del instrumento, sin embargo constituyen una estimacin de la
confiabilidad y no el clculo en s misma.

Se va a dividir la prueba en 2 mitades cualquiera y esas 2 mitades se

Dos correlacionan. Si hay correlacin entre ambas, el instrumento es confiables.
mitades Lo ms comn es que se divida entre los tems pares e impares, se suman y se
correlacionan mitad par con mitad impar.
Se corrige con Spearman Brown, pero tambin se agrega el procedimiento
de ruln (rttR) y Gutman y Flanagan (rttGF )
Independiente el procedimiento, los valores deben ser los mismos

Propiamente Kuder Richardson = para variables dicotmicas (K.R(20) y K.R(21))

tal de Cronbach = para variables policotomicas y cuantitativas continuas