Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 1 Marta
Tema 1 Marta
Análisis de Datos en
Psicología
UD 1: INTRODUCCIÓN, CONCEPTOS
GENERALES
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”
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 erroresmayor 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
8
9
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
• Definición de muestra y población
• Funciones de la estadística
• Productos del análisis: tablas, gráficos, índices
o Tipos de variables y escalas de medida
16
ANÁLISIS DE DATOS EN
PSICOLOGÍA
17
CONCEPTOS PREVIOS
MÉTODO
CIENTÍFICO
Planteamiento de un problema
Recogida de datos
Definido desde
Formulación de una hipótesis
aquí
Recogida de datos
Definido desde
Formulación de una hipótesis
aquí
Definido desde
Formulación de una hipótesis
aquí
RESULTADOS
Interpretación de los resultados 21
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
◉ Generalización de resultados
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
◉ Generalización de resultados
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
Estructura similar
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
28
MÉTODO
CIENTÍFICO
Planteamiento de un problema
Definido desde
Formulación de una hipótesis
aquí
TEORÍA
Diseño de investigación (cuántos, de dónde y
cómo se van a recoger los datos)
HIPÓTESIS
TEÓRICA
Definición operativa de las variables de la hipótesis
HIPÓTESIS
ESTADÍSTICA
Recogida de datos
CONTENIDO CONCEPTUAL
Introducción
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
30
CONCEPTOS PREVIOS
¿De dónde salen los datos?
31
CONCEPTOS PREVIOS
¿De dónde salen los datos?
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)
32
CONCEPTOS PREVIOS
¿De dónde salen los datos?
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)
33
CONCEPTOS PREVIOS
¿De dónde salen los datos?
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
¿De dónde salen los datos?
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?
Descripción
36
Cualquier muestra debe
reunir ciertas condiciones
para ser representativa de
la población:
38
2 CONCEPTOS PREVIOS
CONTENIDO CONCEPTUAL
Introducción
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
39
CONCEPTOS PREVIOS
Funciones del análisis de datos
ESTADÍSTICA DESCRIPTIVA
CONTENIDO CONCEPTUAL
Introducción
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
41
CONCEPTOS PREVIOS
•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
Estadísticos: letras latinas
9 10 9
8
5 6 M 26 9 6
10
Mn
Tantos como muestras posibles
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
Estadísticos: letras latinas
Parámetros: letras griegas
Tantos como muestras posibles
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
CONCEPTOS PREVIOS: PRODUCTOS DEL ANÁLISIS DE DATOS
Índices: valor numérico que describe una característica del conjunto de datos
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
46
CONCEPTOS PREVIOS: PRODUCTOS DEL ANÁLISIS DE DATOS
Índices: valor numérico que describe una característica del conjunto de datos
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
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
CONCEPTOS PREVIOS: PRODUCTOS DEL ANÁLISIS DE DATOS
Índices Xi ni
45 25
valor numérico que describe una característica del conjunto de datos
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
CONCEPTOS PREVIOS: PRODUCTOS DEL ANÁLISIS DE DATOS
Índices Xi ni Ni
45 25 25
valor numérico que describe una característica del conjunto de datos
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
CONCEPTOS PREVIOS: PRODUCTOS DEL ANÁLISIS DE DATOS
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
o clases de menor a mayor, la Ni de esa modalidad (o clase) es su frecuencia
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
CONCEPTOS PREVIOS: PRODUCTOS DEL ANÁLISIS DE DATOS
Índices Xi ni Ni fi Fi
45 25 25 .06 .06
valor numérico que describe una característica del conjunto de datos
46 33 58 .08 .15
Frecuencia absoluta acumulada (Ni): Una vez ordenadas las modalidades 47 27 85 .07 .21
48 24 109 .06 .27
o clases de menor a mayor, la Ni de esa modalidad (o clase) es su frecuencia
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
CONCEPTOS PREVIOS: PRODUCTOS DEL ANÁLISIS DE DATOS
%
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
CONCEPTOS PREVIOS: PRODUCTOS DEL ANÁLISIS DE DATOS
%
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
CONTENIDO CONCEPTUAL
Introducción
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
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)
56
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)
¿Qué tipo de medición se hace cuando se emplea el tipo Lickert (p.ej., nada, poco,
mucho, totalmente)?
57
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
Las características de las variables van a determinar qué escala de medida se puede
emplear
58
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
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
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
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
61
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
62
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
A____B___________C_______________________________D
63
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
64
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
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
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
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 66
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
67
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
2 2 69
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
Escala nominal: nivel más básico. Describen cualidades. Los números asignados solo
permiten identificar o clasificar
Escala Ordinal: los números asignados permiten establecer relación de
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
Escala de razón: los números asignados permiten establecer relación de
igualdad/desigualdad, relaciones de orden, distancia uniforme entre sus unidades y
tiene un 0 absoluto (ausencia de atributo)
70
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
Escala nominal:
Escala de razón:
71
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
72
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
73
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)
¿Qué tipo de medición se hace cuando se emplea el tipo Lickert (p.ej., nada, poco,
mucho, totalmente)?
74
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
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
CONCEPTOS PREVIOS: TIPOS DE VARIABLES Y ESCALAS DE MEDIDA
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
77
3 EJERCICIOS DE REPASO
78
Tipos de variables y escalas de medida
Escala de…
Escala de…
EJERCICIOS
81
EJERCICIOS
5. La variable Género, con las categorías Hombre y Mujer, está medida en una
escala: A) de razón ; B) ordinal ; C) nominal
83
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.
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
88
Fundamentos del
Análisis de Datos en
Psicología
UD 1: INTRODUCCIÓN, CONCEPTOS
GENERALES