ANÁLISIS DATOS ESTADÍSTICA PSICOLOGÍAaplicada a Psicología científica Método científico...

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.