anÁlisis datos estadÍstica psicologÍaaplicada a psicología científica método científico...
Post on 23-Jan-2016
221 Views
Preview:
TRANSCRIPT
6. Análisis de datos
La descripción estadística
La cuestión de la significación
El modelado estadístico
ANÁLISIS DATOS
ESTADÍSTICA PSICOLOGÍAaplicada a
Psicología científica
Método científico
Ciencia
1. MARCO2. CONCEPTO
3. MÉTODO
Método estadístico
Modelado estadístico
4. PERSPECTIVAS
Estadística aplicada
(procedimientos y técnicas)
Estadística teórica
(ciencia)
MARCOS
PSICOLOGÍA
SOCIOLOGÍA
PEDAGOGÍA
PSICOLOGÍA
Psicología científica
Método científico
Ciencia
1. MARCO
ANÁLISIS DATOS
Análisis datos
Psicología científica
Método científico
Método estadístico
CONOCIMIENTO CIENTÍFICO
1
2 3
4
Teoría
Modelo
Empiría
Método científico en Psicología, Sociología, Pedagogía
nivel teórico-explicativo
nivel empírico-descriptivo
Niveles y etapas
Teórico-conceptual
Empírico-metodológico
1. CONCEPTUAL
2. METODOLÓGICA
3. ANÁLISIS DE DATOS
constructosproblemahipótesis
variacióndiseñométodo
metodologías
PSICOESTADÍSTICA
ANALISIS DATOS
ESTADÍSTICA PSICOLOGÍAaplicada a
Psicología científica
Método científico
Ciencia
1. MARCO2. CONCEPTO
3. MÉTODO
Método estadístico
Modelado estadístico
4. PERSPECTIVAS
Estadística aplicada
(procedimientos y técnicas)
Estadística teórica
(ciencia)
¿Qué es la Estadística?
ESTADÍSTICATEÓRICA APLICADA
Método estadístico
Matemáticas
CIENCIAprocedimientos
técnicas
PSICOLOGÍAPSICOESTADÍSTICA
¿Qué es el análisis de datos?
ESTADÍSTICA Psicología
ANALISIS DATOS
instrumento conocimiento científico
¿qué contenidos?problema de
la medida
SociologíaPedagogía
Análisis de datos: doble vía
TEORÍA
Fenómeno psicológico
MODELO
Dominio de modelos y procedimientos estadísticos
Dominio del objeto sustantivo que se investiga
PSICOESTADÍSTICA
ESTADÍSTICA PSICOLOGÍAaplicada a
Psicología científica
Método científico
Ciencia
1. MARCO2. CONCEPTO
3. MÉTODO
Método estadístico
Modelado estadístico
4. PERSPECTIVAS
Estadística aplicada
(procedimientos y técnicas)
Estadística teórica
(ciencia)
Identificación del MODELO
Estimación de PARÁMETROS
Evaluación del MODELO
Formulación del PROBLEMA
Recogida de DATOS
MÉTODO ESTADÍSTICO
MODELADO ESTAD.
Fases del diseño experimental1. Formulación del problema2. Formulación de hipótesis3. Recogida de datos4. Análisis de datos y
confrontación con las hipótesis5. Conclusiones y generalización
de los resultados.6. Elaboración del informe.
Etapas del método científico
1) Información sobre el tema2) Planteamiento del problema3) Formulación de hipótesis4) Comprobación de hipótesis
Recogida de datos Análisis de datos
5) Generalización de los datos6) Difusión de los resultados
MÉTODO ESTADÍSTICO
modalidades
Modelo estadístico
DATOS = MODELO + ERROR
Respuesta =
Componente sistemático + Componente aleatorio
DATOS = ERROR
MODELO
Modelado estadístico
MODELOS
Identificación
Estimación
Evaluación
InterpretaciónAto y López García (1996)
Perspectivas
PRUEBAS DE SIGNIFICACIÓN
ANÁLISIS EXPLORATORIO
DATOS TÉCNICAS MULTIVARIANTES
Estadística Multivariante
Estadística Exploratoria
Estadística Confirmatoria
Pruebas de significación
DEBATEAnálisis
alternativos
ANÁLISIS DE LA POTENCIA
METANÁLISIS
INFERENCIABAYESIANA
Análisis Exploratorio de Datos
Estadísticos robustosAnálisis de residuosTransformacionesAnálisis de gráficosEstudio outliers
EXPLORATORIO CONFIRMATORIO
Técnicas multivariantes
COMBINACIÓN LINEAL DE VARIABLES
PESOS EMPÍRICAMENTE DETERMINADOS
POBLACIONES MULTIVARIANTES
MODELOS ESTADÍSTICOS
Algunos conceptos previos en estadística descriptiva
Conceptos generales: Población Muestra
(muestreo) Parámetro Estadístico Característica Modalidad
Medición Concepto Escalas de
medidaNominalOrdinalIntervalosRazón
Variables: Clasificación y notación
Resúmen de las escalas de medida
Longitud, peso.b . X
(b > 0)Igualdad o desigualdad
de razonesRazón
Temperatura, calendario,
inteligencia.
a + b . x
(b > 0)Igualdad o desigualdad
de diferenciasIntervalo
Dureza, nivel socioeconómico,
grado de asertividad.
Funciones crecientes
“mayor que” o
“igual que”Ordinal
Sexo, estado civil, diagnóstico clínico.
Aplicaciones inyectivas
“igual que” o
“distinto que”Nominal
EjemplosTransform. admisibles
Información deducibleTipo
Clasificación de variables según su escala de medida
N om in a l
C u a lita t iva
O rd in a l
D isc re ta
In te rva loR azó n
C on tin u a
C u an tita tiva
V ariab le
Distribución de frecuenciasFrecuencias:
Absoluta (ni) absoluta acumulada (na) Relativa (pi) relativa acumulada (pa)
Representaciones gráficas Diagrama barras (vars. nominal y
discreta) Diagrama de pastel (var. cualitativa) Histograma (var. continua) Polígono de frecuencias (vars. discreta y
continua)Propiedades:
Tendencia central Variabilidad Asimetría o sesgo Curtosis
Número de hijos
(X):2,1,0,3,2,2,3,1,1,0,1,2,1,2,0,2,4,2,3,1
Xi ni pi na pa
0 3 0,15 3 0,15
1 6 0,30 9 0,45
2 7 0,35 16 0,80
3 3 0,15 19 0,95
4 1 0,05 20 1,00
20 1,00
D ia g r a m a d e b a r r a s f r e c u e n c ia s a b s o lu ta s( n º h i jo s )
3
6 7
31
3
9
16
19 20
0
5
10
15
20
25
0 1 2 3 4
nº hijos
ni
na
D ia g r a m a d e b a r r a s f r e c u e n c ia s r e l a t i v a s( n º h i jo s )
0,15
0,3 0,35
0,150,05
0,15
0,45
0,8
0,95 1
0
0,2
0,4
0,6
0,8
1
1,2
0 1 2 3 4
nº hijos
pi
pa
3
6 7
31
3
9
16
19 20
0
5
10
15
20
25
0 1 2 3 4
nº hijos
ni
na
Polígono de frecuencias frecuencias absolutas(nº hijos)
36 7
31
3
9
16
19 20
0
5
10
15
20
25
0 1 2 3 4
nº hijos
ni
na
3
1
3
3
2
4
4
4
3
2
3
2
2
4
5
7
8
5
12
8
9
7
6
6
9
9
6
10
10
8
4
2
4
5
4
4
1
2
5
3
3
2
1
2
3
7
11
5
5
6
9
13
8
4
9
6
10
11
9
7
5
5
1
4
2
2
1
3
3
1
4
2
5
2
5
9
12
6
9
7
9
5
9
7
3
10
6
11
4
3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Intelig.
(Y)
Estatura
(X)
Errores
(Y)
Tiempo
(X)
Rendto.
(Y)
Intelig.
(X)
Sujeto
INTELIGE
1412108642
RE
ND
IMIE
6
5
4
3
2
1
0
TIEMPO
1412108642
ER
RO
RE
S
6
5
4
3
2
1
0
INTELIG2
6543210
ES
TA
TU
RA
14
12
10
8
6
4
La cuestión de la significación: concepto
La prueba de significación de la hipótesis nula es el principal procedimiento para diferenciar las explicaciones sistemáticas de las que incluyen el azar.
Se establece una hipótesis que indique cómo se distribuirán los datos en caso de que la muestra perteneciera realmente a la población.
Se calcula un “estadístico de contraste” que lleva asociado un valor de probabilidad de cumplimiento de la hipótesis nula (H0).
Si es menor que 0.05, se rechaza H0 y la evidencia favorece a H1.
Una H0 está referida a si existe:Un patrón sistemático discernible.Una diferencia entre gruposUna asociación entre variables.
La cuestión de la significación: críticas Las pruebas de significación son un “ejercicio
ritualizado de abogacía del diablo” (Abelson, 1998); defienden aquello en lo que no se cree:
No hay un patrón sistemático en los datosNo hay diferencias entre los grupos.No se da asociación entre las variables.
La H0 no responde a la pregunta cuya respuesta deseamos conocer.
El enfoque clásico (fisheriano) se centra en la significación de los resultados, sin considerar su importancia práctica o sustantiva (si no son significativos no suelen tomarse en consideración).
Abelson, R. (1998). La estadística razonada: reglas y principios. Madrid: Paidós.
La cuestión de la significación: alternativasEl enfoque de Newman-Pearson:
se pide un valor exacto para la hipótesis alternativa (H1).
Se trabaja con la probabilidad de rechazar H1 cuando es verdadera ().
Importancia del tamaño del efecto Importancia de la potencia -probabilidad de rechazar la
H0 siendo falsa (1 – )-.
El metanálisis: Un análisis secundario de los datos. Combina el tamaño del efecto de distintas
investigaciones.
La estadística bayesiana: Utiliza la probabilidad relativa de una hipótesis con
respecto a sus oponentes antes y después de los resultados de una investigación.
top related