Tema 1 Marta

Fundamentos del
Análisis de Datos en
Psicología
UD 1: INTRODUCCIÓN, CONCEPTOS
GENERALES
Prof. Marta Godoy Giménez

UD1: INTRODUCCIÓN, CONCEPTOS GENERALES
CONTENIDO ACTITUDINAL CONTENIDO CONCEPTUAL

“La ansiedad y el análisis de datos en Introducción
psicología” Conceptos previos
• Definición de muestra y población
• Funciones de la estadística
• Productos del análisis: tablas, gráficos, índices
o Tipos de variables y escalas de medida
Tema Base: Manzano Arrondo, V., Pérez Santamaría, F. J., Fazelxi Khalili, H (1999). Análisis de Datos en Psicología. EDICIONES PIRÁMIDE
Tema 1
2
1 ANSIEDAD Y ANÁLISIS DE DATOS
CONTENIDO ACTITUDINAL
“La ansiedad y el análisis de datos en
psicología”
Ideas erróneas/sesgos que pueden

afectar a tu rendimiento
3
MITOS Y VERDADES
◍ La gente tiene una predisposición innata a “los números” o a las
“letras”
◍ Tomassetto et al., 2009
4
MITOS Y VERDADES
◍ Growth mind-set vs fixed mind-set
◍ Growth mind-set (el aprendizaje se produce con la práctica) mayor
atención a los erroresmayor precisión (Moser et al., 2011)
5
MITOS Y VERDADES
◉ Las actitudes hacia la materia, las crencias relacionadas el
desempeño y la experiencias pasadas pueden causar ansiedad
◉ La ansiedad hacia las matemáticas y la estadística afecta a la memoria
operativa dificultando el aprendizaje y la ejecución (Park et al., 2014)
6
¿Qué hacer?
Cuando termines: reflexiona.
¿Cómo te has sentido al terminar?
¿Qué estrategias te han ayudado
más? ¡Felicítate!
Mientras trabajas4: utiliza Indepentientemente del punto al
Mientras trabajas2: mantén las herramientas, personas y que hayas llegado, seguro que es
Antes de empezar: puedes
escucha activa, toma notas, entorno que te rodea para
escribir libremente sobre más que donde empezaste
dibuja ideas o haz diagramas aplicar tu conocimiento
pensamientos y sentimientos que
te genera el elemento estresor
1 3 5 7
Mientras trabajas3: Mientras trabajas5: no

olvides que el progreso se
2 4 utiliza tu conocimiento 6
previo para conectar el logrará con entrenamiento
Mientras trabajas1: si la ansiedad aparece, recuerda: eres capaz de
material nuevo
aprender. Toma un descanso, pasea o bromea con alguien cercano. Trata de
identificar qué partes no entiendes. La activación de la ansiedad no tiene
por qué ser algo malo
7
Recuerda
El conocimiento metodológico (análisis de datos, psicometría, diseño, etc.) va a ser de gran
utilidad en tu futuro cercano
8
9
¿Para qué sirve?

¿Para qué sirve?
Trabajo Vida Investigación

Tanto en la academia como En la actualidad nos Podrás realizar tus
fuera de ella, cualquier enfrentamos a ingentes investigaciones de
persona que se encargue cantidades de información e forma adecuada y
de contratación valorará interpretaciones sobre la autónoma. La
las competencias misma. Tu conocimiento aplicación del método
analíticas/cuantitativas y metodológico contribuirá a científico requiere que
las capacidades de mejorar tu pensamiento uses tus competencias
comunicación y escritura crítico y tu capacidad para metodológicas
organizar toda esa
información
10
¿Para qué sirve?
¿Qué ve un/a psicólogx que SÍ sabe metodología cuando aplica un test?
11
¿Para qué sirve?
¿De qué forma relaciona distintas
variables un/a psicólogx que NO
sabe metodología?
Con suerte podrá hacer una
correlación entre las dos variables
y, seguramente, darle una
interpretación causal (errónea)
12
¿Para qué sirve? Aloof
a_1. Me gusta estar con otras personas
a_5. Prefiero hablar con la gente para pedir información antes que para socializarme
a_9. Disfruto estando en situaciones sociales
a_12. A la gente le parece fácil acercarse a mí
a_16. Me gusta buscar situaciones en las que pueda conocer gente nueva
a_18. Cuando doy conversación es sólo para ser educado/a
a_23. Prefiero establecer interacciones superficiales
a_25. Siento que congenio realmente con otras personas
a_27. Dar conversación me aburre
a_28. Soy cariñoso/a y amable en mis interacciones con los demás
a_31. Prefiero estar solo/a en lugar de acompañado
a_36. Disfruto charlando con la gente
Pragmatic Language
pl_2. Me resulta difícil expresarme con fluidez
pl _4. Me cuesta seguir el curso de las conversaciones
pl _7. Mientras mantenemos una conversación, congenio con la otra persona
pl _10. Cuando converso con alguien mi voz tiene una entonación plana o monótona
pl _11. Al conversar con otras personas me siento fuera de lugar
pl _14. La gente me pide que repita lo que he dicho porque no han entendido lo que he
querido decir
pl _17. Me han dicho que hablo demasiado sobre ciertos temas
pl_21. Sé cuándo alguien no está interesado/a en lo que estoy diciendo
pl _29. Durante una conversación con otras personas suelo dejar largas pausas
pl _32. Cuando hablo con la gente tengo tendencia a irme por las ramas
pl _34. Cuando estoy conversando me doy cuenta de cuándo es el momento de cambiar
de tema
Rigidity
r_3. Me siento cómodo/a con los cambios inesperados de planes
r_6. La gente tiene que convencerme para que pruebe algo nuevo
r_8. Tengo que mentalizarme ante la idea de visitar un lugar que no me sea familiar
r_13. Tengo una fuerte necesidad de que mis días discurran de forma muy similar.
r_15. Soy flexible sobre cómo deberían hacerse las cosas
r_19. Tengo ganas de probar cosas nuevas
r_22. Tengo dificultades para enfrentarme a cambios en mi rutina
r_24. Soy muy rígido/a en mis costumbres
r_26. La gente se frustra debido a mi reticencia o falta de voluntad para ceder
r_30. Altero mi rutina diaria probando algo diferente
r_33. Me gusta seguir una rutina minuciosa cuando trabajo
r_35 Sigo haciendo las cosas de la manera que sé, incluso aunque haya otro modo mejor
de hacerlas.
13
¿Para qué sirve?
Red I. R. 14
¿Para qué sirve?
15
2 CONCEPTOS PREVIOS
CONTENIDO CONCEPTUAL
Introducción
Conceptos previos
16
ANÁLISIS DE DATOS EN
PSICOLOGÍA
17
CONCEPTOS PREVIOS
MÉTODO
CIENTÍFICO
Planteamiento de un problema
Formulación de una hipótesis
Diseño de investigación (cuántos, de dónde y cómo

se van a recoger los datos)
Definición operativa de las variables de la hipótesis
Recogida de datos
Procesamiento y análisis estadístico de los datos
Interpretación de los resultados 18

Conceptos previos
MÉTODO
CIENTÍFICO
Definido desde
aquí
Diseño de investigación (cuántos, de dónde y

cómo se van a recoger los datos)
Recogida de datos

Conceptos previos
MÉTODO
CIENTÍFICO
Definido desde
aquí

Hipótesis
Formulación predictiva sobre el Definición operativa de las variables de la hipótesis
resultado esperado en una
investigación
Recogida de datos
Exige su comprobación

Conceptos previos
MÉTODO CIENTÍFICO
Definido desde
aquí
TEORÍA Diseño de investigación (cuántos, de dónde y

HIPÓTESIS Definición operativa de las variables de la hipótesis

TEÓRICA
HIPÓTESIS Recogida de datos
ESTADÍSTICA
RESULTADOS
LOS PILARES DE LA INVESTIGACIÓN
Sustentan el El
proceso general 01
diseño
de la
investigación
Investigación
empírica
La
Los análisis 03 02
medida
LOS PILARES DE LA INVESTIGACIÓN
Sustentan el El
proceso general 01
diseño
de la
investigación
Investigación
empírica
La
Los análisis 03 02
medida
CONCEPTOS PREVIOS
Análisis de datos
La representación numérica de los eventos y objetos de estudio es necesaria para
estudiar variables en grandes conjuntos de observaciones
◉ Estudio de los factores comunes (vs idiosincrásicos) que subyacen a los

comportamientos e indicadores observables
◉ Generalización de resultados
Requiere de una adecuada interpretación y análisis de los datos (numéricos) para la

correcta implementación del método científico
24
CONCEPTOS PREVIOS
Análisis de datos
La representación numérica de los eventos y objetos de estudio es necesaria para
estudiar variables en grandes conjuntos de observaciones
◉ Estudio de los factores comunes (vs idiosincrásicos) que subyacen a los

comportamientos e indicadores observables
◉ Generalización de resultados
Requiere de una adecuada interpretación y análisis de los datos (numéricos) para la

correcta implementación del método científico
¿Es lo mismo ¿Es lo mismo observar

estudiar la un ensayo que analizar
migración de un ñu 10 repeticiones del
que la de 500.000? mismo?
25
CONCEPTOS PREVIOS
MEDICIÓN
Búsqueda de un sistema relacional numérico (p.ej., donde las
entidades son los números) que tenga una estructura similar
(p.ej., las mismas propiedades) que la del sistema relacional
empírico objeto de la medición.
La relación entre los valores de la propiedad de los objetos debe estar reflejada
por la relación entre los valores de los números.
26
CONCEPTOS PREVIOS
MEDICIÓN
Sistema relacional numérico: relación entre los valores de los números
Estructura similar
Sistema relacional empírico: relación entre los valores de la propiedad de los

objetos
objeto de la medición. La
27
CONCEPTOS PREVIOS
MEDICIÓN
Búsqueda de un sistema relacional numérico (p.ej., donde las entidades son los números)
que tenga una estructura similar (p.ej., las mismas propiedades) que la del sistema
relacional empírico objeto de la medición. La relación entre los valores de la propiedad de
los objetos, debe estar reflejada por la relación entre los valores de los números
IMPLICACIONES
No estamos trabajando simplemente con números, estamos trabajando con la representación del
sistema empírico
Esto va a determinar la forma en la que se pueden analizar los datos
28
MÉTODO
CIENTÍFICO
Definido desde
aquí
TEORÍA
HIPÓTESIS
TEÓRICA
HIPÓTESIS
ESTADÍSTICA
Recogida de datos
RESULTADOS Procesamiento y análisis estadístico de los datos

2 CONCEPTOS PREVIOS
Introducción
Conceptos previos
30
CONCEPTOS PREVIOS
¿De dónde salen los datos?
En psicología el objeto de estudio puede ser un elemento o un conjunto de ellos

(personas, instituciones, colectivos, eventos, estímulos…)
¿Para qué se usan?
[Población] A veces ese elemento o conjunto de elementos es el objeto final de

estudio
[Muestra] Otras veces ese elemento o conjunto de elementos que representa

(porque tiene las mismas características) a un conjunto mayor
31
CONCEPTOS PREVIOS
Muestra Población
Subconjunto de elementos de una conjunto COMPLETO de TODOS los
población (sobre el que obtener la elementos de referencia que cumplen
información que permita inferir alguna/s una o varias características
característica/s de esa población) determinadas (conjunto de entidades
objeto de estudio)
En este caso será necesario Debe llevarse a cabo un proceso

comprobar si los resultados para definir cuáles serían los
obtenidos en el conjunto menor son resultados ESPERABLES en la
generalizables al conjunto mayor población
32
CONCEPTOS PREVIOS
Muestra Población
Subconjunto de elementos de una conjunto COMPLETO de TODOS los
población (sobre el que obtener la elementos de referencia que cumplen
información que permita inferir alguna/s una o varias características
característica/s de esa población) determinadas (conjunto de entidades
objeto de estudio)
INFERENCIA Debe llevarse a cabo un proceso

ESTADÍSTICA para definir cuáles serían los
resultados ESPERABLES en la
población
33
CONCEPTOS PREVIOS
Muestra Población
 Propiedades relevantes:  Propiedades relevantes:
 n representa el número de  Cada uno de los elementos se
elementos de la muestra conoce como: caso, individuo
 n ≥ 30 → muestra grande  Pueden ser finitas (e.g., conjunto
 n < 30 → muestra pequeña de psicólogxs de Andalucía) o
infinitas (e.g., conjunto de
números pares, número de
personas en el mundo)
 Se representa con N, refleja el
número de elementos de la
población
34
CONCEPTOS PREVIOS
Si se trabaja con la muestra es necesario llevar a
cabo un proceso para definir cuáles serían los
resultados esperables en la población:
INFERENCIA
ESTADÍSTICA
35
¿PARA QUÉ SE USAN?
Población Muestra Datos
Descripción
Inferencia Resultados Análisis
36
Cualquier muestra debe
reunir ciertas condiciones
para ser representativa de
la población:
• Homogénea: compuesta por elementos que

pertenecen a la población previamente
definida.
• Adecuada: incluir todas las variables
esenciales de los elementos que existen en la
población.
• No sesgada: presentar variaciones de
determinadas variables en mas o menos la
misma frecuencia que en el universo.
• Grande: lo suficientemente grande.
M u e s tr e o
p o b la c ió n muestra
in fe re n c i a
e st a d ís ti c a
38
2 CONCEPTOS PREVIOS
Introducción
Conceptos previos
39
CONCEPTOS PREVIOS
Funciones del análisis de datos
Describir, analizar y representar características de los eventos observados.

Resumir información recogida, transmitir de forma comprensible la información
procedente de los datos empíricos (obtención de índices, tablas y gráficos)
ESTADÍSTICA DESCRIPTIVA
Generalizar esas características a poblaciones de interés (contraste de

hipótesis, estimación de índices poblacionales…)
ESTADÍSTICA INFERENCIAL La aplicación de

Centrada en la relación entre estadísticos y los parámetros ambas no es
excluyente sino
complementaria40
2 CONCEPTOS PREVIOS
Introducción
Conceptos previos
41
CONCEPTOS PREVIOS
Productos del análisis de datos
•Índices
•Tablas
•Figuras
42
CONCEPTOS
PREVIOS Índices: valor numérico
que describe una
Productos del análisis de datos característica del
conjunto de datos
μ
Muestra
Estadísticos: letras latinas
 Tantos como muestras posibles
M
Población
Parámetros: letras griegas
 Solo uno por índice
43
CONCEPTOS
PREVIOS Índices: valor numérico
que describe una
Productos del análisis de datos característica del
conjunto de datos
6 8
8
10 μ 10 Muestra
9 10 9
8
5 6 M 26 9 6
10
Mn
9 10  Permiten inferir el valor de los
6
9 10 10 parámetros en la población
9 5
10 6
M 8
1
10
9 10
Población
5 9 10 Parámetros: letras griegas
 Solo uno por índice
 Es difícil conocerlos con exactitud
 Pueden NO ser constantes (e.g., altura
media en España
44
CONCEPTOS PREVIOS: PRODUCTOS DEL ANÁLISIS DE DATOS
Índices: valor numérico que describe una característica del conjunto de datos
Muestra
Población
Parámetros: letras griegas
6 8
8
10 μ 10  Solo uno por índice
A mayor tamaño muestral
• MENOS VARIABILIDAD 9 10 9
(dispersión) habrá entre todos los
estadísticos
8
5 6 M 26 9 6
10
Mn
• Más probable es encontrar 6 9 10
estadísticos similares al 9 10 10
parámetro 9 5
10
M
6
8
1
10
9 10
5 9 10
45
 Característica: propiedad o cualidad de los casos, individuos, eventos… objeto de estudio
 Modalidad: Cada una de las maneras en las que se REPRESENTA una características. También
puede ser cada uno de los valores numéricos que puede tomar una variable
Característica Modalidad
Sexo Masculino, femenino
Religión Católica, musulmana, budista…
Estado civil Casadx, solterx, separadx, divorciadx y

viudx.
46
 Característica: propiedad o cualidad de los casos, individuos, eventos… objeto de estudio
 Modalidad: Cada una de las maneras en las que se REPRESENTA una características. También
puede ser cada uno de los valores numéricos que puede tomar una variable
 Clase: conjunto o agrupación de modalidades con alguna característica en común. Deben:
1) estar bien definidas, 2) ser excluyentes, y 3) ser exhaustivas
Característica: estado civil

Modalidad: Casadx, solterx, separadx, divorciadx y viudx
Clases: 1) con pareja legalmente reconocida (casadxs) y 2) sin pareja
legalmente reconocida (solterx, separadx, divorciadx y viudx)
47
Índices
valor numérico que describe una característica del conjunto de datos
57 59 53 55 52 53 57 56 45 51 55 54 48 59 60 55 48 46 50 50
49 46 55 47 58 58 59 50 48 57 59 56 48 52 54 58 60 52 56 59
55 53 57 53 51 50 46 48 47 52 60 46 48 47 47 52 51 56 60 52
49 53 56 47 52 52 49 52 56 53 52 56 48 56 47 45 56 54 58 48
Ejemplo: puntuaciones de
400 personas en un test
55
51
47
55
58
45
50
51
58
56
46
46
54
47
47
50
52
55
51
56
60
46
59
52
49
47
50
47
45
47
53
52
45
53
51
49
53
56
50
52
¿Se podría decir algo
[oscilando entre 45-60] 51 45 47 46 48 55 55 49 49 56 57 46 45 59 59 56 56 52 56 55 sobre el conjunto de
57 50 47 56 46 54 54 55 47 48 45 60 59 56 57 50 49 48 59 54
49 50 55 50 59 55 58 51 51 57 57 47 47 49 55 45 45 55 51 59 datos?
59 45 55 60 56 54 45 48 52 47 58 45 49 48 57 60 46 51 59 50
53 54 52 48 50 59 52 52 59 51 53 51 51 53 56 55 55 52 55 46
57 56 59 58 50 45 51 48 56 57 56 45 60 59 55 53 52 53 52 59
52 48 60 45 45 54 56 58 49 48 53 53 57 46 50 50 49 48 60 58 Es necesario el uso de índices,
52 50 45 45 57 47 56 57 55 53 47 51 45 53 53 58 49 47 52 55
gráficos y tablas que permitan la
46 57 52 53 57 56 60 58 50 48 47 46 50 49 49 59 50 54 46 49
extracción de conclusiones iniciales.
51 52 56 54 48 53 47 57 56 48 51 60 56 58 58 49 45 51 50 56
47 54 47 57 47 52 47 59 47 56 60 55 45 49 50 49 48 48 55 59
51 51 48 45 57 55 59 52 55 47 57 56 51 60 60 59 49 49 54 56
53 53 56 46 50 59 59 47 48 51 57 52 58 50 53 58 45 45 47 57
50 45 45 60 60 49 60 46 55 45 57 57 45 56 54 52 51 56 59 55
48
Índices Xi ni
45 25
46 33
47 27
48 24
49 30
Frecuencia absoluta (ni): número de veces que se repite una modalidad 50 30
(cada una de las maneras en las que se representa una características) o una 51 22
clase. Cumpliéndose siempre la propiedad 52 30
Donde «n» es el tamaño de la muestra 53 13
54 16
55 26
56 20
57 21
58 21
59 26
60 36
Total 400
49
Índices Xi ni Ni
45 25 25
46 33 58
47 27 85
Frecuencia absoluta (ni): número de veces que se repite una modalidad 48 24 109
49 30 139
(cada una de las maneras en las que se representa una características) o una
50 30 169
clase. Cumpliéndose siempre la propiedad 51 22 191
Donde «n» es el tamaño de la muestra 52 30 221
53 13 234
Frecuencia absoluta acumulada (Ni): Una vez ordenadas las modalidades 54 16 250
55 26 276
o clases de menor a mayor, la Ni de esa modalidad (o clase) es su frecuencia
56 20 296
absoluta (ni) más la frecuencia absoluta de las clases que la preceden 57 21 317
58 21 338
59 26 364
60 36 400
Total 400
50
Índices Xi ni Ni fi
valor numérico que describe una característica del conjunto de datos 45 25 25 .06
46 33 58 .08
Frecuencia absoluta (ni): número de veces que se repite una modalidad 47 27 85 .07
(cada una de las maneras en las que se representa una características) o una 48 24 109 .06
49 30 139 .08
clase. Cumpliéndose siempre la propiedad 50 30 169 .08
Donde «n» es el tamaño de la muestra 51 22 191 .06
52 30 221 .08
Frecuencia absoluta acumulada (Ni): Una vez ordenadas las modalidades 53 13 234 .03
54 16 250 .04
55 26 276 .07
absoluta (ni) más la frecuencia absoluta de las clases que la preceden 56 20 296 .05
57 21 317 .05
Frecuencia relativa o proporción (fi): cociente entre la «ni» y el tamaño de 58 21 338 .05
59 26 364 .07
la muestra. 60 36 400 .09
Cumpliéndose siempre la propiedad Total 400 1
51
Índices Xi ni Ni fi Fi
45 25 25 .06 .06
46 33 58 .08 .15
Frecuencia absoluta acumulada (Ni): Una vez ordenadas las modalidades 47 27 85 .07 .21
48 24 109 .06 .27
49 30 139 .08 .35
absoluta (ni) más la frecuencia absoluta de las clases que la preceden 50 30 169 .08 .42
51 22 191 .06 .48
Frecuencia relativa o proporción (fi): cociente entre la «ni» y el tamaño de 52 30 221 .08 .55
53 13 234 .03 .59
la muestra.
54 16 250 .04 .63
Cumpliéndose siempre la propiedad 55 26 276 .07 .69
56 20 296 .05 .74
Frecuencia relativa acumulada (Fi): Una vez ordenadas las clases de 57 21 317 .05 .79
menor a mayor, la Fi de esa clase es su frecuencia relativa (fi) más la 58 21 338 .05 .85
59 26 364 .07 .91
frecuencia relativa de las clases que la preceden 60 36 400 .09 1
Total 400 1
52
%
Índices acumulad
Xi ni Ni fi Fi % o
valor numérico que describe una característica del conjunto de datos 45 25 25 .06 .06 6.25 6.25
46 33 58 .08 .15 8.25 14.5
Frecuencia absoluta acumulada (Ni): Una vez ordenadas las 47 27 85 .07 .21 6.75 21.25
modalidades o clases de menor a mayor, la N i de esa modalidad (o clase) 48 24 109 .06 .27 6 27.25
es su frecuencia absoluta (ni) más la frecuencia absoluta de las clases 49 30 139 .08 .35 7.5 34.75
50 30 169 .08 .42 7.5 42.25
que la preceden 51 22 191 .06 .48 5.5 47.75
52 30 221 .08 .55 7.5 55.25
Frecuencia relativa o proporción (fi): cociente entre la «ni» y el tamaño 53 13 234 .03 .59 3.25 58.5
54 16 250 .04 .63 4 62.5
de la muestra.
55 26 276 .07 .69 6.5 69
Cumpliéndose siempre la propiedad 56 20 296 .05 .74 5 74
57 21 317 .05 .79 5.25 79.25
Frecuencia relativa acumulada (Fi): Una vez ordenadas las clases de 58 21 338 .05 .85 5.25 84.5
59 26 364 .07 .91 6.5 91
menor a mayor, la Fi de esa clase es su frecuencia relativa (fi) más la
60 36 400 .09 1 9 100
frecuencia relativa de las clases que la preceden Tota
l 400 1 100 53
%
Índices acumulad
Xi ni Ni fi Fi % o
valor numérico que describe una característica del conjunto de datos 45 25 25 .06 .06 6.25 6.25
46 33 58 .08 .15 8.25 14.5
Ejemplo: puntuaciones de 400 personas en un test 47 27 85 .07 .21 6.75 21.25
[oscilando entre 45-60] 48 24 109 .06 .27 6 27.25
49 30 139 .08 .35 7.5 34.75
50 30 169 .08 .42 7.5 42.25
51 22 191 .06 .48 5.5 47.75
52 30 221 .08 .55 7.5 55.25
53 13 234 .03 .59 3.25 58.5
54 16 250 .04 .63 4 62.5
55 26 276 .07 .69 6.5 69
56 20 296 .05 .74 5 74
57 21 317 .05 .79 5.25 79.25
58 21 338 .05 .85 5.25 84.5
59 26 364 .07 .91 6.5 91
60 36 400 .09 1 9 100
Tota
l 400 1 100 54
2 CONCEPTOS PREVIOS
Introducción
Conceptos previos
55
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
Variable: característica que puede presentar distintas modalidades (p. ej., género 
masculino-femenino; depresión  número infinito de modalidades)
Las distintas modalidades se pueden llamar niveles o valores de la variable
Se clasifican según:
1.Tipo de medición que admiten: cualitativas (nominales, ordinales) o cuantitativas
(discretas, continuas)
2.Rol que desempeñan en el diseño de investigación: variable independiente, variable

dependiente, variable extraña
56

¿Cuáles son las más comunes en psicología?
¿Qué tipo de medición se hace cuando se emplea el tipo Lickert (p.ej., nada, poco,
mucho, totalmente)?
57
Escalas o nivel de medida: clasificación que permite determinar el tipo de operaciones

que se pueden realizar sobre una variable
 El proceso de medición permite asignar números a los distintos valores de una

variable
 Las características de las variables van a determinar qué escala de medida se puede
emplear
 Según la teoría de las escalas de medida de Stevens existen cuatro niveles de

medida posibles: nominal, ordinal, de intervalo y de razón
58
Escala nominal: nivel de medida más básico. Describen cualidades. Los números
asignados solo permiten identificar o clasificar (p.ej., el dorsal de los deportistas,
estado civil, género).
Sólo permiten establecer relaciones de igualdad/desigualdad. Los valores de la
variable NO expresan ningún tipo de orden o magnitud
2 Leticia Romero
4 Laura Nicholls Si sumo Leticia
6 Silvia Domínguez
7 Alba Torrens Romero + Laura
9 Laia Palau
10 Marta Xargay
Nicholls ¿Es igual a
11 Leonor Rodríguez
13 Lucila Pascua
Silvia Domínguez?
NO
15 Anna Cruz
19 Laura Quevedo
24 Laura Gil
45 Astou Ndour 59
Escala nominal: nivel de medida más básico. Describen cualidades. Los números
asignados solo permiten identificar o clasificar (p.ej., el dorsal de los deportistas,
estado civil, género).
Sólo permiten establecer relaciones de igualdad/desigualdad. Los valores de la
variable NO expresan ningún tipo de orden o magnitud
 Estado civil: 1 = soltero, 2 = casado, 3 = separado, 4 =

divorciado, 5 = viudo
 Titulación: 1 = Psicología, 2 = Derecho, 3 = ITA

Los valores de la variable NO expresan ningún tipo de orden o magnitud
60
Escala Ordinal: los números asignados permiten establecer relación de

igualdad/desigualdad y además permite establecer relaciones de orden (p.ej.,
ranking de aspiradoras, clasificación final de un evento deportivo)
Se puede conocer qué observaciones son iguales y determinar cuáles son
mayores/menores que otras
NO se puede conocer la distancia que existe entre los distintos valores
(i.e., la distancia entre sus unidades no es uniforme)
Ejemplo: ordene los siguientes objetos en función de su preferencia
alimentaria:
61

alimentaria:
¿Se puede afirmar que la distancia entre el primero y el segundo es igual que la distancia entre el segundo y el tercero?
62

alimentaria:
A____B___________C_______________________________D
63
Escala de intervalo: los números asignados permiten establecer relación de

igualdad/desigualdad, relaciones de orden y la distancia entre sus unidades SÍ es
uniforme (e.g., temperatura medida en Celsius o Fahrenheit, puntuación total de
un test).
Tiene un 0 relativo. Los valores se pueden sumar y restar. Las diferencias
se pueden multiplicar y dividir
No se puede conocer la razón/cociente entre los valores de estas variables
64
Escala de intervalo:
Ejemplo: Puntuaciones en un test de racismo. Trump = 20; Le Pen = 23; Rajoy =
19; Macri = 40
Se puede afirmar: 1) tienen puntuaciones diferentes; 2) Le Pen>Trump>Rajoy; 3) la
distancia entre Trump y Le Pen es el triple que la distancia entre Trump y Rajoy
__________R____T___________LP 65
Ejemplo: Puntuaciones en un test de racismo. Trump = 20; Le Pen = 23; Rajoy =
19; Macri = 40
Se puede afirmar: 1) tienen puntuaciones diferentes; 2) Le Pen>Trump>Rajoy; 3) la
distancia entre Trump y Le Pen es el triple que la distancia entre Trump y Rajoy
No se puede afirmar que Macri

sea el doble de racista que Trump
porque no se sabe dónde se sitúa
el 0 absoluto (i.e., la ausencia de
la característica).
__________R____T___________LP 66
Escala de razón: los números asignados permiten establecer relación de

igualdad/desigualdad, relaciones de orden y la distancia entre sus unidades es
uniforme y tiene un 0 absoluto que indica la ausencia de atributo (e.g.,
magnitudes físicas como masa, altura, volumen; número de aciertos, número de
veces que un individuo sonríe, etc.)
67

Las puntuaciones se pueden sumar, restar, multiplicar y dividir (establecer

razones entre valores)
Sí se pueden establecer razones entre los diferentes valores (e.g., la puntuación

18 es nueve veces mayor que la puntuación 2, igual que la puntuación 72 con
respecto de la puntación 8; 18/9=72/9)
68

Las puntuaciones se pueden sumar, restar, multiplicar y dividir (establecer

razones entre valores): Se puede afirmar que dos euros es el doble de un euro
igual que ocho es el doble de cuatro (2/1=8/4)
2 2 69
Escala nominal: nivel más básico. Describen cualidades. Los números asignados solo
permiten identificar o clasificar
igualdad/desigualdad y además permite establecer relaciones de orden
Escala de intervalo: los números asignados permiten establecer relación de
igualdad/desigualdad, relaciones de orden y la distancia uniforme entre sus
unidades
igualdad/desigualdad, relaciones de orden, distancia uniforme entre sus unidades y
tiene un 0 absoluto (ausencia de atributo)
70

Escala nominal:
Escala Ordinal: Incluyen las propiedades de la

anterior
Escala de razón:
71

OPERACIONES EMPÍRICAS TRANSFORMACIONES ESTADÍSTICOS
ESCALAS BÁSICAS ADMISIBLES APLICABLES
Determinación de igualdad Las que mantienen intactas las Frecuencias
Nominal relaciones de igualdad o diferencia Moda
encontradas Correlación nominal
Determinación de mayor o menor Las que mantienen el orden de los Mediana
Ordinal valores originales Percentiles
Correlación ordinal
Determinación de igualdad de intervalos Las que mantienen las diferencias o Media
Intervalo (o diferencias) igualdades de los intervalos Varianza
a + b·x (b>0) Correlación lineal
Determinación de igualdad de razones Las que mantienen las razones entre Media Geométrica
valores después de la transformación Coeficiente de Variación
Razón b·x (b>0)
72

OPERACIONES EMPÍRICAS TRANSFORMACIONES ESTADÍSTICOS

ESCALAS BÁSICAS ADMISIBLES APLICABLES
Determinación de igualdad Las que mantienen intactas las Frecuencias
Nominal relaciones de igualdad o diferencia Moda
encontradas Correlación nominal
Determinación de mayor o menor Las que mantienen el orden de los Mediana
Ordinal valores originales Percentiles
Correlación ordinal
Determinación de igualdad de intervalos Las que mantienen las diferencias o Media
Intervalo (o diferencias) igualdades de los intervalos Varianza
a + b·x (b>0) Correlación lineal
Determinación de igualdad de razones Las que mantienen las razones entre Media Geométrica
Razón valores después de la transformación Coeficiente de Variación
b·x (b>0)
73

¿Cuáles son las más comunes en psicología?
¿Qué tipo de medición se hace cuando se emplea el tipo Lickert (p.ej., nada, poco,
mucho, totalmente)?
74
Clasificación de variables en función del en función del rol que desempeñan en el diseño
de investigación:
•Tipos de variables:
• Variable dependiente: es la variable que se mide y se toma como objeto de estudio
(en ella se trata de observar el efecto de la variable independiente).
• Variable independiente: es la que manipula el/la investigador/a para comprobar si
sus variaciones provocan cambios en la VD.
• Variable extraña o contaminadora: son las variables que pueden afectar las
relaciones entre la VI y la VD.
75
Clasificación de variables en función del en función del rol que desempeñan en el diseño
de investigación:
Ejemplo:
¿Escuchar música clásica afecta al rendimiento académico?
¿Es el género relevante para el desempeño de una determinada profesión?
76
CONCEPTOS PREVIOS: NOTACIÓN DE VARIABLES
ʘ Para representar variables se utilizan letras latinas mayúsculas

ʘ Para referirnos a un valor cualesquiera de la variable X se utiliza el subíndice i ()
ʘ n es el número de elementos que componen la muestra
77
3 EJERCICIOS DE REPASO
CONTENIDO ACTITUDINAL CONTENIDO CONCEPTUAL

“La ansiedad y el análisis de datos en Introducción
psicología” Conceptos previos
78
Tipos de variables y escalas de medida
¿Qué temperatura hace hoy en la calle?

₼ _____________________________
Escala de…
En general, ¿cómo diría usted que se encuentra actualmente?

₼ Nada feliz
₼ Un poco feliz
₼ Bastante feliz
₼ Muy feliz
₼ Totalmente feliz
Escala de…
Tipos de variables y escalas de medida
¿Cuál es su estado civil?
₼ Soltero/a
₼ Casado/a
₼ Separado/a
₼ Divorciado/a Escala de…
₼ Viudo/a
¿Cuál es la media anual de sus ingresos brutos?

₼ _____________________________
Escala de…
EJERCICIOS
1. El proceso por el cual se asignan números a objetos o características según

determinadas reglas se denomina: A) muestreo; B) estadística; C) medición
2. Mediante la Estadística Descriptiva se organizan y resumen conjuntos de

observaciones procedentes de: A) muestras exclusivamente; B) muestras aleatorias
exclusivamente; C) muestras o poblaciones totales
3. La Estadística Inferencial: A) permite analizar descriptivamente la muestra bajo
estudio; B) no tiene en cuenta las leyes de probabilidad; C) permite realizar
generalizaciones a la población con una muestra
4. Un estadístico: A) se puede utilizar para estimar algún parámetro de la población;
B) adopta el mismo valor en cada muestra; C) coincide con el parámetro cuando el
muestreo es probabilístico
81
EJERCICIOS
5. La variable Género, con las categorías Hombre y Mujer, está medida en una
escala: A) de razón ; B) ordinal ; C) nominal
6. La variable X “puntuaciones en una prueba de fluidez verbal” recogida en la Tabla

X Mujeres Varones
1, es: A) dicotómica; B) cualitativa; C) cuantitativa
8-9 20 12
7. Los datos recogidos en la Tabla 1, en 6-7 16 13
fluidez verbal (X), para el grupo de mujeres 4-5 10 17
pueden representarse mediante un: A) histograma; 2-3 8 10
B) diagrama de sectores; C) diagrama de 0-1 6 8
dispersión ∑ 60 60
Tabla 1: Resultados obtenidos por un grupo de

60 mujeres y 60 hombres en una prueba de fluidez
verbal (X)
82
EJERCICIOS
8. La variable X “Tipo de Trastorno Psicológico” puede adoptar los valores

depresión y trastorno de personalidad. ¿Qué nivel de medida presenta? A) Nominal;
B) Ordinal; C) De razón
9. En las Figuras 1 y 2, la escala de medida del “Número de puntos obtenidos en el
juego de ordenador” es: A) Nominal; B) Ordinal; C) De Razón
Figura 1. Número de niñas de 9 años Figura 2. Número de niños de 9 años
10. La representación gráfica

correspondiente a las Figuras
1 y 2 se denomina: A)
histograma ; B) diagrama de En las abscisas se clasifica el “número de puntos obtenidos” por cada niña o niño, en un juego de
ordenador en una hora. La Figura 1 corresponde a 15 niñas de nueve años y la Figura 2 a 10 niños
sectores ; C) nube de puntos de nueve años. En las ordenadas están las frecuencias de cada intervalo.
83
EJERCICIOS
Tabla 2. Resultados en un test de fluidez verbal de un

grupo de vendedores de enciclopedias y número de
ventas diarias realizadas.
11. La variable “Ventas Diarias Realizadas” de la Tabla 2
presenta un nivel de medida: a) ordinal; b) de intervalo; c)
de razón
Figura 3. Poder adquisitivo de las familias que participan en
una investigación.
12. La variable “Poder Adquisitivo” de la Figura

3, está medida en una escala: A) de razón; B)
ordinal; C) nominal
13. Con los datos de la Figura 3, el número de
familias con un nivel alto en la variable “Poder
Adquisitivo” es de: A) 5; B) 45; C) 95 84
EJERCICIOS
14. Para que tenga sentido calcular las frecuencias acumuladas de una variable,
ésta debe ser, como mínimo: A) nominal; B) ordinal; C) de intervalo.
15. En la Tabla 3, la variable “Grupo” es: A) de intervalo; B) nominal; C) politómica

16. En la Tabla 3, la frecuencia absoluta del
Tabla 3: Distribución de frecuencias relativas en un
intervalo 4-8 del grupo clínico es: A) 33; B) cuestionario de depresión aplicado a 300 personas del grupo
17; C) 11 “clínico” (enfermos) y a 200 del grupo “no clínico” (sanos).
18. Para comparar, mediante una pi

representación gráfica, las puntuaciones de dos X Grupo clínico Grupo no clínico
grupos distintos en una variable hay que 24-28 0,32 0,08

utilizar en el eje de ordenadas: A) frecuencias 19-23 0,24 0,25
absolutas; B) frecuencias absolutas 14-18 0,19 0,34
9 -13 0,14 0,23
acumuladas; C) frecuencias relativas 4-8 0,11 0,10
85
EJERCICIOS
A partir de la Tabla 1.1 Datos recogidos en la investigación del ejemplo 1.1
Calcula la distribución de frecuencias de las variables sexo, nivel de estudios, estado civil y
edad 86
EJERCICIOS
19. El número de sujetos de una muestra que realizaron correctamente una tarea de
discriminación en un experimento psicofísico es 80, lo que representa el 40% de la
muestra. ¿Cuál el número de sujetos de la muestra? A) 200; B) 320 ; C) 500
20. En la Situación 1, el número de sujetos con
edades comprendidas entre 20,5 y 23,5 es A) 22; Situación 1. La gráfica muestra la distribución de
B) 50; C) 100 la edad (X) de los 250 sujetos de una
investigación. En el eje horizontal, se recogen los
límites exactos de los intervalos de X y en el eje
21. Las puntuaciones de una distribución vertical la frecuencia absoluta acumulada (na)
de frecuencias están agrupadas en 4
intervalos ordenados de menor a mayor, siendo
los puntos medios de estos intervalos: 2, 5, 8
y 11. La amplitud de los intervalos: A) es 2; B)
es 3; C) no se puede calcular
87
EJERCICIOS
22. El número de enfermos de la muestra de la Figura 5 es: A) 70; B) 80; C) 200

23. La Figura 5 es: A) un histograma; B) un diagrama de dispersión; C) un
polígono de frecuencia
Figura 5: Número de conductas obsesivas observadas durante un día, en una muestra
de n enfermos
88
Fundamentos del
Análisis de Datos en
Psicología
UD 1: INTRODUCCIÓN, CONCEPTOS
GENERALES
Prof. Marta Godoy Giménez

Tema 1 Marta

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 1 Marta

Cargado por

Copyright:

Formatos disponibles

Fundamentos del

Prof. Marta Godoy Giménez

CONTENIDO ACTITUDINAL CONTENIDO CONCEPTUAL

Ideas erróneas/sesgos que pueden

Mientras trabajas3: Mientras trabajas5: no

¿Para qué sirve?

Trabajo Vida Investigación

Formulación de una hipótesis

Diseño de investigación (cuántos, de dónde y cómo

Definición operativa de las variables de la hipótesis

Procesamiento y análisis estadístico de los datos

Interpretación de los resultados 18

Diseño de investigación (cuántos, de dónde y

Definición operativa de las variables de la hipótesis

Procesamiento y análisis estadístico de los datos

Interpretación de los resultados 19

Diseño de investigación (cuántos, de dónde y

Procesamiento y análisis estadístico de los datos

Interpretación de los resultados 20

TEORÍA Diseño de investigación (cuántos, de dónde y

HIPÓTESIS Definición operativa de las variables de la hipótesis

◉ Estudio de los factores comunes (vs idiosincrásicos) que subyacen a los

Requiere de una adecuada interpretación y análisis de los datos (numéricos) para la

◉ Estudio de los factores comunes (vs idiosincrásicos) que subyacen a los

Requiere de una adecuada interpretación y análisis de los datos (numéricos) para la

¿Es lo mismo ¿Es lo mismo observar

Sistema relacional numérico: relación entre los valores de los números

Sistema relacional empírico: relación entre los valores de la propiedad de los

Esto va a determinar la forma en la que se pueden analizar los datos

RESULTADOS Procesamiento y análisis estadístico de los datos

Interpretación de los resultados 29

En psicología el objeto de estudio puede ser un elemento o un conjunto de ellos

¿Para qué se usan?

[Población] A veces ese elemento o conjunto de elementos es el objeto final de

[Muestra] Otras veces ese elemento o conjunto de elementos que representa

En este caso será necesario Debe llevarse a cabo un proceso

INFERENCIA Debe llevarse a cabo un proceso

Población Muestra Datos

Inferencia Resultados Análisis

• Homogénea: compuesta por elementos que

Describir, analizar y representar características de los eventos observados.

Generalizar esas características a poblaciones de interés (contraste de

ESTADÍSTICA INFERENCIAL La aplicación de

Productos del análisis de datos

Sexo Masculino, femenino

Religión Católica, musulmana, budista…

Estado civil Casadx, solterx, separadx, divorciadx y

Característica: estado civil

2.Rol que desempeñan en el diseño de investigación: variable independiente, variable

2.Rol que desempeñan en el diseño de investigación: variable independiente, variable

¿Cuáles son las más comunes en psicología?

Escalas o nivel de medida: clasificación que permite determinar el tipo de operaciones

 El proceso de medición permite asignar números a los distintos valores de una

 Según la teoría de las escalas de medida de Stevens existen cuatro niveles de

 Estado civil: 1 = soltero, 2 = casado, 3 = separado, 4 =

 Titulación: 1 = Psicología, 2 = Derecho, 3 = ITA

Escala Ordinal: los números asignados permiten establecer relación de

Escala Ordinal: los números asignados permiten establecer relación de

Escala Ordinal: los números asignados permiten establecer relación de

Escala de intervalo: los números asignados permiten establecer relación de

No se puede afirmar que Macri

Escala de razón: los números asignados permiten establecer relación de

Escala de razón: los números asignados permiten establecer relación de