Tema 1 Estadística

TEMA 1
Psicologa Experimental y Estadstica.
Procedimiento
I Psicologa Experimental
1. Confeccin de la hoja de respuestas

2. Redaccin de instrucciones
3. Aplicacin de la pruebas
4. Recogida y elaboracin de los datos
5. Tratamiento estadstico
Proceso de interpretacin
1.- EL MTODO EXPERIMENTAL.

Este mtodo resulta valioso al permitir
Una observacin controlada
Una variacin o manipulacin de variables o
factores
Resultados
Discusin de los resultados
Unas cuantificaciones precisas
Sugerencias
Por tanto, lleva implcita una relacin funcional

entre dos o ms variables, de las que al menos una
de ellas necesariamente va a ser manipulada por el
expirimentador, establecidndo disintos valores o
condiciones de la misma, que le permitan estudiar
su influencia diferencial en otra variable.
Difiere del mtodo Diferencial o Comparado en
que este ltimo nos permite comparar las respuestas diferenciales de categoras o grupos de sujetos
de condiciones diferentes en una misma variable,
pero dichas condiciones las establecer el investigador utilizando las diferencias ya existentes en los
sujetos.
Por otra parte est el Mtdo Correlacional en
donde se estudia la relacin de dos variables. Es
importante sealar que la correlacin entre variables no significa causalidad entre ellas.
Conclusiones
Referencias bibliogrficas
1.1. El problema cientfico.
Los problemas que se aborden han de ser resolubles, es decir, aquellos que estn planteados en trminos empricos y en consecuencia los hechos o
fenmenos a que se refieren, pueden ser observados por todos y pueden ser sometidos a comprobacin emprica.
Los problemas cientficos han de reunir los siguientes requisitos:
Todo planeamiento de un experimento debe

contener:
El problema sobre el que se quiere investigar
Revisin de antecedentes
que se refiera a cuestiones resolubles,

empricas, medibles y comprobables
que se pueda proponer una o varias hiptesis
como tentativa de solucin al problema
planteado
que haya posibilidad de comprobar dicha
hiptesis teniendo en cuenta las posibilidades
"al presente" y "potencialmente"
Formulacin de la hiptesis
Proceso metodolgico:
En cuanto a la forma de plantearse
Seleccin de sujetos
Determinacin de instrumentos y aparatos
Las variables: identificacin,
operativa y control
En cuanto al contenido
definicin
Que tenga un
estructurado, etc.
texto
claro,
concreto,
Que quede planteado como pregunta

Que los trminos empiricos utilizados en su
enunciado puedan medirse y que puedan
Diseo experimental
Pg.: 1
definirse operativamente (descripcin de las

operaciones que habr que hacer para trabajar
con ellos, tanto si se trata de manipularlos
como si se trata de medirlos y evaluarlos).
Estos requisitos son vlidos para los tres tipos
de mtodos de investigacin: experimental, diferencial y correlacional.
1.2. La hiptesis.
hiptesis nula (la no relacin entre las

variables).
1.3. Las variables.
Las variables son la valoracin o variacin
cuantitativa o cualitativa de alguna caracterstica
relativamente independiente del sujeto, del medio o
de la interaccin conductual entre ambos, debiendo
ser los distintos valores excluyentes entre s.
Debe cumplir los siguientes requisitos:

Que est libre de contradicciones internas
1.3.1. Clases de variables.
que sea susceptible de comprobacin
Segn su naturaleza:
que de su constatacin se derive una utilidad
Variables de estmulo. Cualquier aspecto del

medio fsico o social que pueda afectar a la
conducta. Son externas al sujeto y
directamente medibles. Ejp.: temperatura,
dificultad de la tarea, caractersticas del
experimentador.
que permita realiazar predicciones

que su enunciado sea claro y concreto.
1.2.1. Clases de hiptesis.
Variables organsmicas. Cualquier aspecto

biolgico, fisiolgico o psicolgico que
pueda afectar a la conducta. Son internas al
sujeto y observables y medibles. Ejp.:
inteligencia, sexo, edad, personalidad.
En cuanto a la forma:
De enunciado condicional: Si A entonces B
En forma de funcin matemtica: Y=f(A)
De enunciado con solucin afirmativa
De enunciado como solucin diferencial, por
ejemplo: la situacin A facilitar X, mientras
que B lo dificultar.
Con respecto a su procedencia del mtodo de
investigacin:
Variables de respuesta. Es el fenmeno

conductual, no solo como reaccin del sujeto,
sino ante todo y sobre todo, como accin del
mismo. Son producidas por el sujeto y son
observables y medibles. Ejp.: rendimiento,
tasa de respuestas, etc.
Desde el punto de vista explicativo:
Hiptesis experimentales
Hiptesis diferenciales o comparadas
Hiptesis correlacionales.
Por la amplitud del contenido:
Hiptesis descriptivas. Son las formuladas
como solucin prctica al problema
planteado, en una determinada direccin, sin
entrar en el por qu de dicha solucin.
Hiptesis explicativas. Seala el por qu de
dicha solucin, es decir, introduce una
tentativa de interpretacin
Hiptesis nula: cuando la relacin funcional
entre las variables no es significativa
estadsticamente, la variabilidad hallada habr
que atribuirla al azar y no podremos descartar la
Pg.: 2
Variables independientes. Cualquier factor en

el que puedan establecerse condiciones o
valores (cuantitativos o cualitativos),
excluyentes entre s. Son externas al sujeto y
directamente observables y medibles. Ejp.:
programa de refuerzo.
Variables intervinientes o intermediarias.
Son procesos inaccesibles a la observacin
directa, o procesos mediadores, que se
postulan por necesidades de tipo explicativo,
procesos mediadores entre la variable
independiente (manipulada) y el fenmeno
conductual (variable dependiente). Estn en
el sujeto y por lo tanto, en la situacin
experimental,
cuando
se
realizan
experimentos. Por lo tanto, y al igual que
Tema 1.
otras variables externas y exteriores del

sujeto, pueden actuar contaminando el
experimento, salvo que se ejerza un control
sobre ellas.
Variables dependientes. Aspecto de la
conducta en el que se espera encontrar los
efectos producidos por la accin de las
distintas condiciones establecidas en la
variable independiente. Son acciones del
sujeto observables y medibles. Ejp.:
rendimiento, tasa de respuesta, etc.
"a priori" un planeamiento del experimento que

permita controlar de la mejor manera posible la influencia de dichas fuentes de variacin. Para ello,
es necesario conocer las nociones de varianza y
control.
La varianza de un experimento es la variabilidad, en cuanto a cambios y fluctuaciones, que encontramos en las medidas tomadas de la variable
dependiente en una situacin experimental. Esta
nocin, que corresponde a la de varianza total, la
tenemos que descomponer en:
Segn el control que se ejerce sobre ellas:
Varianza sistemtica. Variacin que presentan

los datos (medida de la varible dependiente) en
una direccin ms que en otra. A su vez, esta
varianza est integrada por
Variable experimental o activa. Es la variable

en la que el experimentador establece por
manipulacin directa distintas condiciones,
valores o tratamientos, para estudiar su
influencia en la variable dependiente. Son
variables de estmulo.
La varianza primaria, tambin llamada

varianza intergrupos, que es la varianza
sistemtica debida a las condiciones
establecidas en la situacin experimental. Se
trata de la varianza pretendida y la frmula
x2
estadstica para hallarla, sera: 2 = n
cuyo resultado expresa que la varianza
intergrupo es un ndice de variacin de la
media de los grupos en torno a la media
general.
Variable asignada o seleccionada. Es aquella

variable en la que el investigador establece
distintas
condiciones,
utilizando
las
diferencias existentes. Ejp.: seleccin de
sexo, inteligencia, clase social, etc.
Variables extraas. Son todas aquellas
variables, distintas de la variables
experimental y de la variable dependiente,
que pueden actuar conjuntamente con la
variable experimental produciendo una
determinada influencia en la variable
dependiente, resultando difcil deslindar las
respectivas influencias en la misma.
La varianza secundaria sera la varianza

sistemtica que presentan las medidas
tomadas de la variable dependiente, debida a
la influencia de las variables extraas.
La varianza del error, o varianza intragrupos,
que sera la variabilidad que presentan las
medidas tomadas de la variable dependiete,
debida a las fluctuaciones del azar. Esta
variabilidad, en cualquier experimento, es
impredecible, sobre todo por la posible accin
de las variables extraas desconocidas e
imprevistas. Esta varianza no se puede eliminar,
pero s minimizar.
1.4. Varianza de un experimento.

Aunque la meta de todo experimento es la de
poder atribuir los resultados de la variable dependiente a la manipulacin establecida en la situacin
experimental, existen otras variables que podramos llamar extraas, y que actan produciendo por
ellas mismas un determinado efecto en la variable
dependiente o influyendo en ella por su interaccin
con la situacin experimental. Es misin del experimentador ante los resultados obtenidos en la variable dependiente, deslindar qu parte son debidos
a la manipulacin establecida en la situacin experimental, y en qu parte a la influencia de otras
fuentes de variacin. Ahora bien, no se trata de potenciar esa misin "a posteriori" sino de organizar
Psicologa Experimental y estadstica
1.5. Control de las variables extraas.

Si la varianza total = varianzas sistemticas (intergrupos + secundaria) + varianza error, el experimento estar contaminado. El experimentador al
planificar un experimento deseara que la varianza
total fuese igual a la varianza intergrupos, experimento ideal que dificilmente se logra. Por tanto,
hay que conformarse si se consigue maximizar la
Pg.: 3
varianza intergrupos, controlar la varianza secundaria y minimizar la varianza del error. Para controlar
la varianza secundaria hay diversas tcnicas que
eliminan o neutralizan los posibles efectos de las
variables extraas:
La eliminacin. Puede entenderse como
eliminacin fsica (insonorizacin) o como
seleccin de sujetos por criterios (por ejemplo,
eliminacin de unos de los sexos).
Constancia. Mantener constante las variables en
cada una de las situaciones experimentales (por
ejemplo, hora del da en que se realizan las
pruebas).
Aleatorizacin. Se refiere tanto a la formacin
aleatoria de los grupos de sujetos a los que se
van a aplicar las distintas condiciones
experimentales como a la asignacin tambien
aleatoria de las diferentes condiciones a los
respectivos grupos. La aleatorizacin asegura
que todas aquellas variables extraas que
podran influir en la variable dependiente, tienen
la misma oportunidad de actuar en todas las
condiciones experimentales, puesto que se
habran formado grupos estadsiticamente
equivalentes en todas esas variables. Por eso, la
aleatorizacin est considerada como una de las
mejores tcnicas de control experimental, tanto
mejor cuanto mayor es el nmero de sujetos.
La medicin. A partir de la medicin de estas
variables extraas, se puede prctircar distintas
formas de control experimental (es necesario
conocerlas).
La sistematizacin. Se toma dicha variable
como una variable experimental, lo que
determina un diseo factorial, en el que una
de las varibles o factores, va a ser
manipulada en sentido estricto, mientras que
la otra variable (la extraa) es asignada o
seleccionada puesto que se establecen las
condiciones utilizando las diferencias
existentes en los sujetos.
El
apareamiento
(homogeneidad
intergrupos). A partir de las medidas de esa
variable extraa, se forman "pares" de sujetos
iguales, para organizar a continuacin dos
grupos de sujetos equivalentes en esa
variable que se quiere controlar, integrados,
Pg.: 4
respectivamente, por cada uno de los

elementos de cada par.
La tcnica de los bloques homogneos. A
partir, igualmente, de las medidas en esa
variable extraa, se forman bloques de
sujetos, de homogeneidad intrabloque en
cuanto
a
esa
variable
altamente
correlacionada con la variable dependiente.
En este caso, se llamara tambin, variable
interviniente controlada.
El sujeto como control de s mismo. Cada sujeto
recibe todos los tratamientos o condiciones
experimentales. Todas y cada una de las
variables extraas que pudieran influir en las
medidas tomadas de la variable dependiente, no
lo haran diferencialmente en las distintas
condiciones experimentales. Ahora bien, puede
aparecer lo que se llama error progresivo. ste
es un aspecto de la variable dependiente
relacionado con la prctica (influencia positiva)
o fatiga (influencia negativa). Para solucionar el
error progresivo existen tcnicas que lo
distribuyen igualitariamente por todos los
tratamientos o condiciones experimentales.
Estas tcnicas reciben el nombre de:
Contrabalanceo
o
tcnicas
de
equiponderacin. Existen distintos modos de
ordenar las condiciones para llevar a cabo el
contrabalanceo segn set trate de:
Contrabalanceo para un solo sujeto. La
disposicin podra ser, por ejemplo, si se
trata de dos condiciones (A,B) = ABBA;
si se trata de tres condiciones (A,B,C) =
ABCCBA.
El contrabalanceo para un grupo de
sujetos:
Dos
subgrupos
formados
aleatoriamente y de igual nmero de
miembros. En este caso sera para un
subgrupo ABBA y para el otro
BAAB.
Contrabalanceo
total
de
las
condiciones, empleando todas las
combinaciones posibles. Si se trata de
tres condiciones A,B,C, la disposicin
sera: (ABC), (ACB), (BAC), (BCA),
(CAB), (CBA).
Tema 1.
Contrabalanceo parcial, empleando

tantas secuencias experimentales
como nmero de condiciones
experimentales hayan de aplicarse,
con tal de que cada condicin
aparezca una vez en cada secuencia.
Disposicin sera: (ABC), (BCA),
(CAB).
Contrabalanceo por aleatorizacin
total que consiste en disponer las
condiciones
las
condiciones
experimentales (todas) totalmente al
azar, disponindolas de tal modo que
cada condicin aparezca el mismo
nmero de veces, cuando cada una de
ellas ha de aplicarse ms de una vez.
Por ejemplo, si las condiciones fueran
cuatro, la disposicin podra ser
(DAABACDDBCCB)
El balanceo. Puede utilizarse para controlar
variables extraas conocidas procedentes de
la situacin experimental, por ejemplo, los
paratos que se vayan a utilizar. La tcnica
consistira en que la mitad de los sujetos de
cada grupo (cada condicin experimental)
utilizar cada aparato, a saber, en caso de que
se tratara de un experimento con dos grupos
de sujetos, el 50% de un grupo utilizara la
mquina A y el otro 50% utilizara la
mquina B, e igual sucedera con el otro
grupo. El balanceo tambin se puede utilizar
cuando no se puesen especificar las variables
extraas. En estos casos el balanceo se ejerce
sobre las condiciones experimentales con la
aplicacin de las mismas en los respectivos
grupos de sujetos, siendo una de ellas,
necesariamente una condicin neutra
aplicada en uno de los grupos, que pasara a
denominarse grupo de control. El control
intrasesional consiste en aplicar todas las
condiciones a la vez, para que el total de los
sujetos reciban simultneamente, pero a su
vez diferencialmente, los respectivos valores
de la variable manipulada.
logre, primeramente, calcular las varianzas,

primaria o intergrupos y la varianza debida al
error o intragrupos lo que permitir la
separacin cuantificadamente de las mismas.
Las tcnicas estadsticas a utilizar en el
tratamiento estadstico de los datos obtenidos en
un experimento, dependen del tipo de diseo
con que se haya realizado el mismo, puesto que
cada diseo exige un tratamiento estadstico
peculiar, no obstante, podemos sealar que el
procedimiento estadstico ms utilizado para
lograr el objetivosealado anteriormente, es el
"anlisis de varianza" y tambin el "anlisis de
covarianza"
1.6. Validez de un diseo experimental.
1.6.1 La validez interna. Esta validez se refiere a
la comprovacin de la hiptesis. Los condicionantes de la validez interna seran:
Tcnicas estadsticas. Estas tcnicas requieren

que las variables extraas hayan sido
controladas por alguna de las tcnicas
expuestas, para que con el empleo de las
tcnicas estadsticas propiamente dichas, se
Pg.: 5
La historia. Conjunto de acontecimientos

(variables extraas en el sentido de ajenas y
diferentes a la variable o variables
experimentales) que pueden producirse dentro o
fuera de la situacin experimental, como podra
ser un acontecimiento imprevisto dentro o fuera
de la situacin experimental. Este tipo de
eventos suele darse ms bien en experimentos
de realizacin a largo plazo. La influencia de la
historia puede tener importancia en aquellos
experimentos en los que se toman "medidas
pretest" para asegurar la equivalencia de los
grupos en la variable dependiente antes de
someterlos a la situacin experimental. Lo ms
conveniente en experimentos en los que dos o
ms condiciones experimentales se aplican a los
correspondientes grupos de sujetos, es realizar
la aplicacin experimental con el llamado
control intrasesional, consistente en aplicar
todas las condiciones experimentales a la vez,
por lo que exige una adecuada preparacin de
los instrumentos, de la tarea y de las
instrucciones diferenciales, para que el total de
los sujetos puedan recibir en la misma sesin,
pero a su vez, diferencialmente, los respectivos
valores de la variable manipulada. La
posibilidad de aplicar las pruebas con control
intrasesional, depender de la naturaleza de las
variables y de la tarea a realizar.
La maduracin. Es el conjunto de procesos

biolgicos, fisiolgicos y psicolgicos que
pueden producirse en los sujetos con el paso del
tiempo. Estas variables extraas suelen aparecer
con mayor frecuencia en los experimentos de
realizacin a largo plazo, y tambien, en los
experimentos en los que se toman medidas
pretest de la variable dependiente as como en
los de medidas repetidas. Todo lo dicho
anteriormente sobre la "historia" vale para el
control de la maduracin, sin olvidar que esta
ltima se refiere a acontecimientos o procesos
que ocurren en el sujeto, no fuera de l. Por lo
tanto, el Control intrasesional ser una
adecuada
actuacin
en
la
aplicacin
experimental.
grupos, bien sea una medida pretest para

conocer la equivalencia de los grupos en cuanto
a la variable dependiente antes de introducir la
situacin experimental) y la otra medida es la
medida de la variable dependiente propiamente
dicha. Es en esta segunda medicin de los
sujetos cuando aparece la tendencia a la
regresin, enendida de la manera siguiente: los
sujetos
al
ser
medidos
nuevamente,
indepedientemente de la influencia que pueda
ejercer la condicin experimental con que hayan
sido tratados, tendern las puntuaciones medias
de los sujetos a desplazarse: los sujetos que
dieron puntuaciones extremas, altas o bajas, en
la primera medicin, en la segunda medicin sus
puntuaciones medias tendern a desplazarse
hacia la puntuacin media de la poblacin.
El efecto de la medida previa. Entendemos por

medida previa, la que se obtiene d los sujetos,
bien porque los sometemos a una medicin de la
variable dependiente antes de introducir la
situacin experimental (pretest), para lograr la
equivalencia de los grupos, o bien porque los
medimos en alguna variable altamente
correlacionada con la variable dependiente y que
recibe el nombre de "criterio" o "variable de
bloqueo", segn que vayamos a utilizar los
resultados que en la medicin de la misma den
los sujetos, para formar grupos equiparados o
para
formar
bloqueos
homogneos,
respectivamente.
El efecto de la situacin experimental. Con esto
nos referimos al efecto que pudiera producir en
la
variable
dependiente,
la
situacin
experimental propiamente dicha, los elementos
materiales de la misma, as como los lementos
personales. En cuanto a los instrumentos que se
empleen, el control se lograr, siempre que sea
posible, mediante el control intrasesional. En
cuanto a los aparatos se utilizar como tcnicad
de control el balanceo. Los elementos
personales son los experimentadores u
observadores, por lo que el control optimo lo
conseguiremos
utilizando
el
mismo
experimentador en la aplicacin de todas las
condiciones.
El sesgo producido por la seleccin diferencial

de los sujetos. Este factor se refiere a la falta de
homogeneidad de los grupos del experimento
antes de someterlos a la situacin experimental.
La tcnica utilizada puede ser la asignacin
aleatoria de los sujetos a los respectivos grupos
o la constacia de otras variables, como puede ser
el sexo, la edad, etc.
La prdida de sujetos. Se refiere a los sujetos
que estuvieron en unas aplicaciones del
experimento, pero no en otras, con lo cual hay
que renunciar a los datos de que disponemos de
dichos sujetos
1.6.2. La validez externa. Es la que se refiere a
la capacidad de generalizar los resultados. Los factores que condicionan dicha validez son los
siguientes:
La regresin estadstica. Se produce cuando se

toman dos medidas en los sujetos, una antes de
la aplicacin de la situacin experimental (bien
sea un "criterio" para la formacin de los
Pg.: 6
La interaccin "medida previa" <--> "variable

experimental". La aplicacin previa de una tarea
a los sujetos, puede aumentar o disminuir la
sensibilidad de los sujetos en relacin con la
variable experimental, que podran ser una
medida de la variable dependiente propiamente
dicha del experimento, diferente de la que
daran los sujetos de la poblacin que no
hubieran sido sometidos a dicha tarea previa.
La interaccin entre los "errores de sesgo"
"variable experimental". Cuando se utiliza una
muestra no representativa, es posible que
determinada condicin experimental interacte
con las determinadas caractersticas de los
Tema 1.
sujetos, produciendo en ellos efectos diferentes

de los que podra producir en sujetos sin esas
peculiaridades.
Los efectos reactivos de los dispositivos
experimentales. La disposicin experimental se
caracteriza
por
someter
artificial
o
provocadamente a los sujetos a determinadas
condiciones experimentales, por lo que puede
producir en los mismos, efectos diferentes de los
que producira en esos mismos sujetos si fueran
expuestos de forma natural a esas condiciones.
La interferencia del tratamiento mltiple. Este
condicionante puede producirse cuando se
aplican
varios
tratamientos
(distintas
condiciones dentro de una misma variable o
diferentes tratamientos como combinacin de
condiciones procedentes de distintas variables) a
los mismos sujetos, pues en la aplicacin de
cualquiera de ellos suele persistir el efecto de
los anteriores.
1.6.3. Observacin. Puede producirse cierto
compromiso entre ambos tipos de validez, ya que
cuanto mayor control ejerzamos sobre los condicionantes de la validez interna, mayor resticcin habr
en en la situacin experimental, ms artificialidad
en consecuencia, y por tanto, mayor limitacin para
la generalizacin de los resultados.
como caracterstica en comn con los diseos intrasujetos (modelo clsico) la que es la peculiaridad
esencial de los mismos, es decir, un mismo sujeto
recibe todas las condiciones experimentales (pudiendo ser tratamientos combinados de valores o
niveles experimentales procedentes de varias variables), y ofrece como caracterstica que lo diferencia
de los diseos intrasujetos tradicionales, la de aplicar los tratamientos a lo largo del tiempo. Slo mediante la tcnica de "el sujeto como control de s
mismo" se podr conocer el efecto de los distinto
tratamientos en la variable dependiente.
2.1.2. Diseos bivalentes.
2.1.2.1. Diseo de dos grupos independientes
con medida pretest.
Tcnica de control
Grupos
Formacin de
grupos
1
2
Aleatoriza
Aleatoriza
Aleatorizacin
Medida Condicin Medida VD
previa experimen en la situa(pretest)
.
cin
experimenta
l
Yd'1
Yd'2
a1
a0
Yd1
Yd2
Anlisis estadstico:
Anlisis de varianza
F variacin
2.- DISEOS EXPERIMENTALES.

2.1. Diseos unifactoriales.
2.1.1. Diseos intrasujetos. Hemos incluido con
el nombre de diseos intrasujetos, todos aqullos
que, ante las variables extraas practican la tcnica
de "el sujeto como control de s mismo". La peculiariad esencial de los diseos intrasujetos es la de
aplicar todas las condiciones o tratamientos experimentales a un mismo sujeto. El diseo intrasujetos,
modelo clsico se caracteriza porque todas las condiciones o tratamientos experimentales se aplican
de una manera puntual y en una situacin experimental concreta, bien a un slo sujeto (diseo intrasujeto), bien a u grupo de sujetos (diseo
intragrupo), recibiendo en este ltimo caso, todos y
cada uno de los sujetos que integran el grupo, todos
los tratamientos experimentales.
S.C.
G.L.
M.C.
intergrupo
SC inter
k -1
SC inter
1
MC inter
MC intra
intragrupo
(error)
SC intra
k(n-1)
SC intra
2(n-1)
total
SC total
N-1
Diferencia de medias:
Y d1 Y d2 (Muestras independientes, grados de libertad
N-2), para conocer la influencia de la variable

experimental en la VD, en el supuesto de homogeneidad de los dos grupos en el pretest, y
siempre que no encontremos diferencias estadsticamente significativas entre:
Y d 2 Yd2 (Muestras relacionadas, grados de libertad
n-1), puesto que si existieran habra que atribuirlas a la influencia de variables extraas.
Asimismo, esperamos que existan diferencias
estadsticamente significativas entre:
Y d 1 Y d1 (muestras relacionadas, grados de libertad n-1)
A diferencia de este modelo clsico, el diseo

intrasujeto con sentido de temporalidad, presenta
Pg.: 7
en caso de haberlas encontrado entre la primera diferencia
1
2
3
4
Control validez interna

Controla todos los factores condicionantes de la validez
interna
Control validez externa
Tcnica de control
1
2

.
cin
experimenta
l
-
a1
a0
La influencia de la variable experimental en la VD:
Y Y yY Y
d1 d4
d3
d2
La influencia del pretest en la VD:
Aleatorizacin
Aleatoriza
Aleatoriza
Yd1
Yd2
Yd3
Yd4
Permitir averiguar, a trav de distintas diferencias de

medias:
2.1.2.2. Diseo de dos grupos independientes

sin medida pretest.
Formacin de
grupos
a1
a0
a1
a0
K= nmero de tratamientos
Grupos
Yd'1
Yd'2
-
Anlisis estadstico:
Nocontrola la posible interaccin pretest <-> variable

experimental
1
Aleatoriza
Aleatoriza
Aleatoriza
Aleatoriza
Y Y yY Y
d4 d1
d3
d2
La influencia de la interaccin V. experimental <-> pretest
en la VD:
siempre que en la relacin de prueba de homogeneidad no se
encuentren diferencias
significativas.
Yd1
Yd2
Anlisis estadstico:
Y d1 Y d2 Muestras independientes, grados de libertad
N-2
2.1.2.4. Diseo de dos grupos equiparados.
Anlisis de covarianza:
Tcnica de control
Siempre que dispongamos de la medida de los sujetos (X)

en una variable relacionada con la VD. El anlisis de covarianza pretende lograr un tipo de control basado, no en la
manipulacin, sino en la neutralizacin de una fuente de
error extraa o variable concomitante. As pues, utiliza las
medidas tomadas en una variable relevante o relacionada
con la VD del experimento de que se trate, con la finalidad
de corregir o ajustar las puntuaciones obtenidas en dicha
VD, es decir (Y'). El ajuste de la variante a la covariante se
puede obtener a travs de la ecuacin de regresin
Y'=(Y-bX)

La falta de pretest permite la generalizacin siempre que se
utilice una muestra representativa y se tiene en cuenta la artificialidad del experimento
Empareja
Empareja
Yc1
Yc2
a1
a0
Yd1
Yd2
2.1.2.3. Diseo de cuatro grupos independientes:

diseo Solomn
Formacin de
grupos
1
2

.
cin
experimenta
l
La prueba estadstica que normalmente se utiliza para puntuaciones procedentes de muestras relacionadas, el la prueba de "t" aplicada a las puntuciones de difrencias. Ntese
que los G.L. para 2 grupos equiparados es n-1, mientras que
para 2 grupos independientes es N-2. Puede verse como a
mayor grados de libertad, menor deber ser el valor de "t"
para ser significativa
Control intrasesional
Grupos
Formacin de
grupos
Anlisis estadstico:
Tcnica de control
Grupos
Medicin
Controla todos los factores condicionantes de la validez

interna

No garantiza el control
Aleatorizacin
.
cin
experimenta
l
2.1.3. Diseos multivalentes.

2.1.3.1. Diseos multigrupo
Pg.: 8
Tema 1.
Tcnica de control
Grupos
1
2
3
Formacin de
grupos
2.1.3.3. Diseo de cuadrados latinos
Aleatorizacin
.
cin
experimenta
l
Aleatoriza
Aleatoriza
Aleatoriza
Yd'1
Yd'2
Yd'3
a1
a2
a3
Yd1
Yd2
Yd3
Cuando hay dos variables altamente correlacionadas con la VD

Tcnica de control:
La medicin
2 variable de
bloqueo1
1 V. de bloqueo. Bloques:
(homogeneidad intrabloque
en relacin a la variable correlacionada con la VD)
Existen variantes:
Con medida pretest y grupo de control
Sin medida pretest y sin grupo de control
(I)
a1
a2
a3
(II)
a3
a1
a2
(III)
a2
a3
a1
El nmero de bloques ha de ser igual en las dos variables que

correlacionan con la VD (variables. de bloqueo) e igaul al nmero de
condiciones experimentales
Sin medida pretest y con grupo de control
Anlisis estadstico:
Anlisis estadstico
Anlisis de varianza
F variacin
intergrupo
Anlisis de varianza (1 sujeto por celdilla)
S.C.
G.L.
M.C.
SC inter
SC inter
k-1
MC inter
MC intra
intragrupo
(error)
SC intra
total
SC total
k -1
k(n-1)
SC intra
k(n-1)
N-1
En estos diseos, para hallar las correspondientes diferencias de medias, procede utilizar:
La prueba de rangos de DUNCAN 8protege el nivel de
significacin)
La prieba de DUNNETT, para aquellos experimento
que tienen grupo de control (a0)
1
F variacin
SC
GL
MC
Entre tratamientos (a)
SC
k-1
SCintertra
k-1
MCintertra
MC error
Entre filas
SCf
f-1
SC filas
f-1
MC filas
MC error
Entre
column.
SCc
c-1
SCcolumn
c-1
MCcolumn
MC error
Residual
(error)
SC (d-1)(d-2) SCerror
error
(d-1)(d-1)
Total
SCt
N-1
K= nmero de tratamientos
2.2. Diseos factoriales
2.1.3.2. Diseos de bloques homogneos.

Tcnica de control:
La medicin
Tratamientos "a" Sujetos N
Bloques:
(I)
(homogeneidad intra- (II)
bloque en relacin a
la variable correlacio- (III)
nada con la VD)
(IV)
a1
a3
a2
a2
a1
a3
a3
a2
a1
a1
a3
a2
Anlisis de varianza
F variacin
SC
GL
MC
Entre tratamientos (a)
k-1
SCintertra
k-1
MCintertra
MC error
b-1
SC bloque MC bloques
b-1
MC error
Entre bloques SCbloq.
Tratamiento B
Tratamiento A
B1
B2
A1
n1
n3
A2
n2
n4
Anlisis estadstico
Anlisis estadstico
SC
2.2.1. Diseo factorial "2x2" de grupos independientes formados al azar
Residual
(error)
SC (k-1)(b-1) SCerror
error
(k-1)(b-1)
Total
SCt
Anlisis de varianza de dos componentes e interaccin (igual al de diseo Solomn).

Permite constatar tres hiptesis:
la influencia del factor A
La influencia del factor B
la influencia de la interaccin AxB
N-1
Pg.: 9
2.2.2. Diseo factorial "2x3x2" de grupos independientes (formados aleatoriamente,

c1
c2
b1
b2
b0
b1
b2
b0
a1
a1b1c1
a1b2c1
a1b0c1
a1b1c2
a1b2c2
a1b0c
a2
a2b1c1
a2bc1
a2b0c1
a2b1c2
a2b2c2
a2b0c2
Anlisis estadstico
Anlisis de varianza (de grupos independientes)
F variacin
SC
GL
MC
A) efecto
principal
SCA
k-1
SC(A)
k-1
MC(A)
MCerror
B) efecto
principal
SCB
k-1
SC(B)
k-1
MC(B)
MCerror
c) efecto
principal
SCC
k-1
SC(C)
k-1
MC(C)
MCerror
interacin
A-B
SCAB (k-1)(k-1)
SC(AB)
(k-1)(k-1)
MC(AC)
MCerror
Interaccin
A-C
SCAC (k-1)(k-1)
SC(AC)
(k-1)(k-1)
MC(AC)
MCerror
Interaccin
B-C
SCBC (k-1)(k-1)
SC(BC)
(k-1)(k-1)
MC(BC)
MCerror
Interaccin
A-B-C
SCABC (k-1)(k-1)( SC(ABC)

(k-1)(k-1)(k-1)
k-1)
Intragrupo
(error)
SCerror
K(n-1)
SCt
N-1
Total
Utilizamos como variable de bloqueo una variable altamente correlacionada con la VD. Formaremos tantos bloques homogneos (homogeneidad
intrabloque) como nos interese segn la puntuacin obtenida anteriormente en dicha variable. Es
decir, los bloques se forman previamente a la
aplicacin de los tratamientos en funcin de los
resultados de los sujetos al medirlos en la ariable
de bloqueo. El nmeo de bloques no guarda. En
cada bloque se aplicarn todos los tratamientos.
Por tanto, el nmero de sujetos ser: 3x2x2xN de
bloques. Una de las mayores ventajas de este diseo es que necesita una muestra pequea. La distribucin de sujetos ser, por tanto:
Tratamientos
1
2 3 4 5 6 7 8 9 10 11
12
I YdI1
II
III
IV
MC(ABC)
MCerror
SCerror
K(n-1)
YdV12
Anlisis estadstico
Anlisis de varianza: diseo factorial "3x2x2" de
bloques homogneos. Modelo aditivo
2.2.3. Diseo factorial "3x2x2" de bloques

homogneos,
Disposicin experimental
(C1)
(c2)
F.
variacin
SC
GL
MC
A) Efecto
principal
SCA
k-1
SC(A)
GL(A)
MC(A)
MCerror
B) Efecto
principal
SCB
k-1
SC(B)
GL(B)
MC(B)
MCerror
C) Efecto
principal
SCC
k-1
SC(C)
GL(C)
MC(C)
MCerror
(B1)
(B2)
(B1)
(B2)
(A1)
a1b1c1
(1)
(2)
(3)
(4)
Interaccin SCAB
A-B
(k-1)(k-1)
SC(AB)
GL(AB)
MC(AB)
MCerror
(5)
a2b2c1
(6)
(7)
(8)
Interaccin SCAC
A-C
(k-1)(k-1)
(A2)
SC(AC)
GL(AC)
MC(AC)
MCerror
(k-1)(k-1)
(10)
(11)
Interaccin SCBC
B-C
SC(BC)
GL(BC)
MC(BC)
MCerror
Interaccin SCABC
A-B-C
(k-1)(k-1)(k-1)
(A3)
(9)
a3b2c2
(12)
Bloques
SCbloq
Error
SCerror (Kb-1)-(b-1)-(K-1)
Pg.: 10
b-1
SC(ABC) MC(ABC)
GL(ABC) MCerror
SC(blo)
b-1
SC(err)
GL(err)
MC(bloq)
MCerror
Tema 1.
Total
SCT
N-1
2.2.4. Diseo factorial "2x2x2" de cuadrados

latinos.
Tcnica de contol:
Medicin
Cuando hay dos variables altamente correlacionadas con la VD (variables de bloqueo). Habr tantos bloques en cada variable de bloqueo como
tratamientos en total, es decir, ser 8x8.
Interaccin SCBC
B-C
(k-1)(k-1)
Interaccin SCABC
A-B-C
(k-1)(k-1)(k-1)
SC(BC)
GL(BC)
MC(BC)
MCerror
SC(ABC) MC(ABC)
GL(ABC) MCerror
Filas
SCF
f-1
SC(Fil)
f-1
MC(filas)
MCerror
Columnas
SCc
c-1
SC(Col)
col-1
MC(col)
MCerror
2
SCerror (K -1)-(f-1)-(c-1)-
Error
-(K-1)
Total
SCT
SC(err)
GL(err)
N-1
Disposicin experimental
C1
B1
A1
2.2.5. Diseo factorial 4x2 intrasujetos (medidas

repetidas).
C2
B2
B1
B2
(1)
(2)
(3)
(4)
A1B1C1
A1B2C1
A1B1C2
A1B2C2
A2
(5)
(6)
(7)
(8)
A2B1C1
A2B2C1
A2B1C2
A2B2C2
Bloque X
X1
X2
X3
X4
X5
X6
X7
Tcnica de control:
trol de s mismo
El sujeto como con-
Los 8 tratamientos (4x2) se les pasa a todos los

sujetos, por ls que la combinacin de condiciones y
su disposicin experimental seran:
X8
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
II
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(1)
III
(3)
(4)
(5)
(6)
(7)
(8)
(1)
(2)
IV
(4)
(5)
(6)
(7)
(8)
(1)
(2)
(3)
(5)
(6)
(7)
(8)
(1)
(2)
(3)
(4)
VI
(6)
(7)
(8)
(1)
(2)
(3)
(4)
(5)
VII (7)
(8)
(1)
(2)
(3)
(4)
(5)
(6)
VIII (8)
(1)
(2)
(3)
(4)
(5)
(6)
(7)
Factor B
Factor
A
B1
B2
A1
A1B1 (1)
(2)
A2
(3)
(4)
A3
(5)
(6)
A4
(7)
A4B2 (8)
Tratamientos
(1)
1
(2)
(3)
(4)
(5)
(6)
(7)
(8)
Yd1.1 Yd1.2 Yd1.3
Anlisis estadstico
Anlisis de varianza: diseo factorial "3x2x2" de
bloques homogneos. Modelo aditivo
F.
variacin
SC
GL
MC
A) Efecto
principal
SCA
k-1
SC(A)
GL(A)
MC(A)
MCerror
B) Efecto
principal
SCB
k-1
SC(B)
GL(B)
MC(B)
MCerror
C) Efecto
principal
SCC
k-1
SC(C)
GL(C)
MC(C)
MCerror
Interaccin SCAB
A-B
(k-1)(k-1)
SC(AB)
GL(AB)
MC(AB)
MCerror
Interaccin SCAC
A-C
(k-1)(k-1)
SC(AC)
GL(AC)
MC(AC)
MCerror
s
u
j
e
t
o
s
3
4
5
6
7
8
9
...
YdN.6
YdN.8
Anlisis estadstico
Anlisis de varianza diseo factorial intragrupo
F. variacin
Pg.: 11
SC
GL
MC
SCinter
N-1
SCinter
GLinter
MCinter
MCerror
Tratamiento A
SC.a
kA-1
SC.a
GL.a
MC.a
MC.a.suj (er)
Interaccin Asujetos (error)
SC.a.suj
(kA-1)(N-1)
SC.a.suj.
GL.a.suj.
Tratamiento B
SC.b
kB-1
SC.b
GL.b
Interaccin B
-sujetos (error)
SC.b.suj
(kB-1)(N-1)
SC.b.suj.
GL.b.suj.
Interaccin A-B
SC.a.b
(kA-1)(kB-1
)
SC.a.b
GL.a.b
Intersujetos
Interaccin AB-sujetos (er.)
SC.a.b.suj (kA-1)(kB-1
)(N-1)
total
SCtotal
MC.b
MC.b.suj. (er)
MC.a.b
MC.a.b.suj.(er)
SC.a.b.suj.
GL.a.b.suj.
Entre tratamientos factor a)
SC.a
k-1
SC.a
GL.a
MC.a
MCerror
Entre tratamientos factor b)
SC.b
k-1
SC.b
GL.b
MC.b
MCerror
Filas
SC.f
f-1
SC.f
GL.f
MC.filas
MCerror
Columnas
SC.c
c-1
SC.c MC.columnas
GL.c
MCerror
Error
SC.er (d-1)(d-3) SC.er

GL.er
Total
SC.t
KN-1
2.2.6.Diseo de cuadrados grecolatinos.

Tcnica de control:
La medicin.
Presenta la estructura bsica del diseo de cuadrados latinos, en cuanto a la formacin de bloques
a partir de dos variables que han de correlacionar
con la VD. La peculiaridad del cuadrado grecolatino es que los tratamientos que reciben los sujetos
consisten en la superposicin de dos condiciones
experimentales (de las dos variables manipuladas).
El nmero de valores o condiciones experimentales, ha de ser el mismo en las dos variables experimentales, para poder superponerlas. A su vez, este
nmero de condiciones determina el nmero de
bloques, que adems ha de ser idntico en las dos
variables controladas. Las cuatro condiciones de
cada variable han de aplicarse en todos los bloques
(tanto en las filas como en las dos columnas) y ninguna ha de repetirse. La disposicin experimental
para dos variables experimentales (a y b) con cuatro condiciones cada una sera:
Variable de bloqueo X
Variable
de bloqueo Y
X1
X2
X3
X4
Y1
a1b1
a2b3
a3b4
a4b2
Y2
a2b2
a1b4
a4b3
a3b1
Y3
a3b3
a4b1
a1b2
a2b4
Y4
a4b4
a3b2
a2b1
a1b3
Anlisis estadstico:
Anlisis de varianza, diseo cuadrados grecolatinos (4x4). Modelo aditivo
F. variacin
SC
GL
MC
Pg.: 12
N-1
Tema 1.
II Estadstica
Sx
100
X
CV =
ndice de asimetra
1.- ESTADSTICA DESCRIPTIVA
As =
Media
(Q 3 Q 2 )(Q 2 Q 1 )
(Q 3 Q 2 )+(Q 2 Q 1 )
ndice de apuntamiento
Datos no agrupados:
Datos no agrupados
Xi
X i X 4n
Datos agrupados:
S 4x
njXj
Datos agrupados
nj X j X 4n
Media ponderada:
S 4x
n 1 X 1 +n 2 X 2 ...n n X n
n 1 +n 2 +...n n
Mediana
Md = l s
n
n s
2
nd
I = l
i
n
n b
2
nd
Puntuacin directa: La Extrada directamente a

cada elemento del grupo
Moda (Mod): Puntucin a la que corresponde

frecuencia mxima
Percentil:
Pk = li +
(k)(n)
nb
100
nd
I = l s I
(100k)(n)
n s
100
nd
Desviacin Media (DM)
Puntuacin diferencial: Puntuacin

menos la media del grupo
Puntuacin tpica: Puntuacin diferencial

dividida por la desviacin tpica del grupo. La
Curva Normal o Campana de Gaus (Curva F) es
la forma que adquirira el histograma de
puntuaciones
tpicas
si
aumentase
indefinidamente el nmero de intervalos.
Datos agrupados:
nj X j X
La ecuacin de la curva Normal es:
Datos no agrupados:
puntuaciones directas
X i X
n
y=
Varianza:
S 2x =
X X
i
n
y=
X2
2
n X 2 ( X) 2
= n i X = n 2
Datos agrupados:
S 2x =
n j X j X
X 2j
X =
njX 2j
nX j
1
2
z2
e 2
Covarianza
Datos no agrupados
n2
Desviacin tpica (Sx): es la raiz cuadrada de la

varianza: S x = x 2 /n
Amplitud total: diferencia entre la puntuacin
mxima y la mnima.
X i X Yi Y
S xy =
i=1
X i Yi
i=1
sr
Q 3 Q 1
2
S xy =
Coeficiente de Variacin (CV)

Pg.: 13
XY
Datos agrupados
Amplitud semiintercuartil (ASI):

ASI =
X
1
1
e 2
2
puntuaciones tpicas:
Datos no agrupados:
directa
n ij X i X Yj Y
j=1i=1
n
n ij X i Yj
j=1i=1
n
XY
Coeficiente de correlacin de Pearson

Datos nos agrupados:
r xy =
YY
XX
Sx Sy
S xy
xy
xy
= S x S y = nS
2
2
xSy
x y
n XY X Y
=
2
n X ( X) 2 n Y 2 ( Y) 2
n
zxz y
= n
Varianza no asociada a X o error cuadrtico

medio (Em2):
2
(YY )
S 2yx = n
= S 2y 1 r 2xy
S 2y =
Datos agrupados:
r xy =
n
n xy XY(
n x X)(
= S 2x B 2 = r 2xy S 2y
S 2y = S 2yx + S 2y
2
n
X)
n
n
x
y
Y2 ( n y Y) 2
n
Y Y
n y Y)
n x X 2 (
Proporcin de varianza de Y asociada a X

Ecuaciones de la recta de regresin Y sobre X
(relacin lineal)
r 2xy
s 2y
s 2y
=1
s 2yx
s 2y
s 2y s 2yx
s 2y
s 2xy
s 2x s 2y
Relacin curvilinea.
Puntuaciones directas:
Y = A + BX = Y BX + BX
Datos no agrupados
A es la ordenada en el origen pues representa el

valor de Y cuando X=0.
yx =
n c Yc Y
Yic Y
B es la pendiente de la recta
Se dan las siguientes igualdades:
Datos agrupados
A = Y BX
Sy
n XY X Y
B = 2 2 = r xy S x
n
X ( X)
yx =
Y = Y = AX + B
n c Yc Y
n j Yj Y
S 2y = A 2 S x
Sy = S x B
Puntuaciones diferenciales
y'=a+bx
a=0
Sy
xy
xy
b = x 2 = r xy S x = x 2
Donde Yj es el punto medio del intervalo j de la

variable Y, nj es el nmero de personas dentro del
mismo intervalo j, Yic es la puntuacin en Y de
cada persona i cuya puntuacin en X es Xc, y nc son
las personas con X=Xc.
2yx es la proporcin en que reducimos la suma

Puntuaciones tpicas
zy = abzx
de errores cuadrticos cometidos, atribuyendo a

cada persona la puntuacin del grupo total, al atribuirle la media de su propio grupo.
a=0
b=rxy
Relacin entre variables ordinales
S 2z x = 1
Coeficiente de Spearman
Reduccin del error
6
d2
r s = 1 2 i
La varianza total :
S 2y
YY
n n 1
Pg.: 14
Tema 1.
Este coeficiente no se debe emplear si existen

empates. di es la diferencia de la persona i en el orden que ocupa entre la variable X e Y.
Coeficiente de Correlacin de Kendall
donde fe es la frecuencia emprica, es decir, la

encontrada realmente, ft es la frecuencia terica que
se calcula multiplicando las dos frecuencias marginales de cada casilla, dividido por el nmero total
de sujetos.
Coeficiente de contingencia C
Supongamos n personas y dos variables X e Y.

Elijamos dos personas. Si A es superior a B en X e
inferior a B en Y o inerior a B en X y superior a B
en Y, dieremos que se da una inversin. Si A es superior a B en X y en Y o inferior a B en X y en Y,
diremos que no se produce inversin. Esta comparacin se ha de hacer con las n(n-1)/2 posibles
combinaciones.
C=
0C<1
n+ 2
Relacin entre
dicotomizadas.
variables
dicotmicas
Dicotmicas: sexo (hombre, mujer)

Dicotomizadas: estatura (alto, medio, bajo)
PQ
P+Q
Donde P son las no inversiones y Q las

inversiones.
Una variable es nominal cuando a lo largo de

ella slo es posible establecer categoras no ordenadas, cuyas posiciones pueden ser intercambiadas
arbitrariamente.
Coeficiente Q de Yule
Se aplica cuando disponemos de dos variables
nominales, cada una de ellas con slo dos
categoras.
A1
A2
B1
A1B1
A2B1
B2
A1B2
A2B2
Coeficiente biserial puntual

Se utiliza con una variable cuantitativa continua
X, y otra dicotmica Y (a la que daremos valores 0
y 1).
Relacin entre variables nominales
Q=
r bp =
X p X q
sx
pq =
X p X
sx
p
q
X es la variable cuantitativa e Y la dicotmica

p es la proporcin de personas con una de las
dos modalidades posibles en la variable Y
q es la proporcin de personas con la otra
modalidad
X p es la media en X de las personas cuya proporcin es p

es la media en X de la personas cuya proporcin es q
X es la media en X de todas las personas
(A 1 B 1 )(A 2 B 2 )(A 1 B 2 )(A 2 B 1 )

(A 1 B 1 )(A 2 B 2 )+(A 1 B 2 )(A 2 B 1 )
Plantea el problema de que un valor Q=1 o

Q=-1 no implica correlacin perfecta.
sx es la desviacin tpica en X de todas las

personas
Coeficiente de correlacin
Coeficiente 2
Est indicado cuando se utilizan ms de dos variables nominales, y se utiliza como medio para poder calcular el coeficiente de contigencia C.
2
Utilizable con dos variables dicotmicas. Despus de disponer los datos obtenidos de la siguiente
forma:
(f e f t ) 2
ft
X
Y
Pg.: 15
a+b
c+d
a+c
b+d
Suceso compuesto: el que consta de dos o

ms
cbad
Suceso seguro: el que consta de todos los

elementos de E.
(a+b)(c+d)(a+c)(b+d)
Suceso imposible: el que no consta de

elemento alguno de E.
Coeficiente de correlacin biserial

Se utiliza con una variable continua y otra dicotomizada en dos categoras
rb =
X p X q pq
sx
y
2.2. Reglas de contar.
X p X p
sx y
Variaciones
Coeficiente de correlacin tetracrica

Con dos variables continuas dicotomizadas ambas en dos categoras.
Con la distribucin de datos igual que en ,
aplicar la siguiente frmula:
rt =
Dados n elementos, llamaremos variaciones de

orden r a todos los conjuntos distintos que podamos formar con esos n elementos, tomados de r en
r, y entendiendo que dos conjuntos son distintos si
difieren en uno, al menos, de sus elementos o si, teniendo idnticos elementos, difieren en el orden de
los mismos. La frmula es:
cbad
n 2 yy
V n,r =
y e y' son las ordenadas que la curva normal

hace corresponder respectivamente a las puntuaciones tpicas z y z'
2.- PROBABILIDAD
2.1. Definiciones
Experimento aleatorio: toda operacin cuyo
resultado no puede ser pronosticado con certeza.
Permutaciones
Dados r elementos, llamaremos permutaciones
de orden r a todos los onjuntos distintos que podamos formar co esos r elementos, tomados de r en r,
Dado que todos los conjuntos constan de los mismos r elementos, slo podrn diferir en el orden.
Su fmula es:
Pr=r!
Espacio muestral, E: conjunto de todos los

resultados posibles de un experimento aleatorio.
Espacio muestral discreto finito: el que
consta de un nmero finito de elementos
Espacio muestral discreto infinito: el que
consta de un nmero infinito
Espacio muestral continuo: el que consta de
un nmero infinito no numerable de
elementos, es decir, tal que sus elementos no
pueden no pueden ser puestos en
correspondencia biunvoca con la sucesin de
los meros naturales.
n!
(n1)!
Combinaciones
Dados n elementos, llamaremos combinaciones
de orden r a todos los conjuntos distintos que podamos formar con esos n elementos, tomados de r en
r, y entendiendo que dos conjuntos son distintos si
difieren en uno, al menos, de sus elementos. La frmula para hallarla es:
Suceso: es cualquier subconjunto de un espacio

muestral, E.
Suceso simple o elemntal: el que consta de
un solo elemento
Pg.: 16
C n,r =
n!
r!(nr)!
Se dan la siguientes igualdades:
C n,n = 1
0! = 1
C n,1 = n
C n,0 = 1
Tema 1.
Funcin de distribucin de X: es aquella que

asigna a todo nmero real, xi, la probabilidad de
que la variable aleatoria X sea igual o menor
que xi. Simblicamente, F(x i ) = P(X x i ) .
C n,nr = C n,r
V n,r = (C n,r )(P r )
Al definir variaciones, permutaciones y combinaciones, hemos supuesto que los elementos que
formaban parte de ellas eran todos distintos. Admitamos ahora que no todos lo son.
Variaciones con repeticin
A partir de n elementos distintos, formamos variaciones de orden r tales que dos de sus elementos,
tres..., los r elementos pueden ser uno mismo. Su
frmula es:
V n,r = n r
Algunas de las funciones de probabilidad y de

distribucin son (una sola variable aleatoria
discreta):
Distribucin de Bernoulli.
Llamaremos
prueba de Bernoulli a toda realizacin de un
experimento aleatorio en la que slo son
posibles
dos
resultados
mutuamente
exclusivos.
Su funcin de probabilidad es:
f(x) = P(X = x) = p x q 1x
y su funcin de distribucin:
F(k) = P(X k) = p x q 1x
Permutaciones con repeticin
Sean r elementos de los que r1 son igualen entre
s, r2 son iguales entre s,..., rk son iguales entre s.
Su frmula es:
P r =
r!
r 1 !r 2 !...r k !
Distribucin binomial.
f(x) = (C n,x )p x q nx =
Combinaciones con repeticin
n!
p x q nx
x!(nx)!
Distribucin de Poisson
A partir de n elementos distintos, formamos

combinaciones de orden r tales que dos de sus elementos, tres,..., r elementos pueden ser uno mismo.
C n,r =
donde p es la probabilidad de "exito" y q

(1-p), la probabilidad de "fracaso".
f (x ) =
x
e
x!
donde = np p = /n
(n+r1)!
r!(n1)!
3.- ESTADSTICA INFERENCIAL

Una variable aleatoria es toda funcin que
atribuye un nmero real, y solo uno, a cada
suceso elemental del espacio muestralE, es
decir, toda funcin real definida sobre E.
Variable aleatoria discreta: es aquella que slo
puede tomar un nmero finito o infinito
numerable de valores
Variable aleatoria continua: es aquella que
puede tomar un mero infinito no numrable de
valores.
Funcin de probabilidad de X: es aquella que
asigna a todo nmero real, xi, la probabilidad de
que la variable aleatoria X asuma ese valor,
valga xi, es decir, f(xi)=P(X=xi)
Pg.: 17
Definiciones previas:
Muestreo aleatorio sin reposicin. Siendo N el
tamao de una poblacin finita, extraeos al azar
un primer elemento de entre los N, un segundo
entre los N-1,..., un ensimo entre los N-(n-1)
que quedan. El nmero de muestras ordenadas
distintas de tamao n que podemos formar (sin
reposicin de elementos) a partir de una
N!
poblacin de tamao N, es (Nn)! , y la
probabilidad de elegir una cualquiera de ellas,
(Nn)!
sera: N!
Muestreo aleatorio con reposicin. La
probabilidad conjunta de que un elemento
cualquiera de los N sea elegido en n ensayos, es
x iX
1
Nn
s 2 =
x
Muestreo aleatorio simple. Exige bien poblacin

infinita, bien poblacin finita, pero con
reposicin. Es decir, cada ensayo es un suceso
independiente. Muestra aleatoria simple es un
conjunto de n elementos extrados de la
poblacin de manera que, cada una de las n
extracciones, cada elemento poblacional haya
tenido la misma probabilidad 1/N, de haber sido
uno de los n elegidos.
s = =
x
n1
Otros tipos de muestreo.

Muestreo aleatorio estratificado. De acuerdo
con cierto criterio o caracterstica, ividimos a
la poblacin total (de tamao N) en k
subpoblaciones o estratos (de tamao N1,...
Nk). Diremos que el muestreo aleatorio es
estratificado si la muestra total es la suma de
k submuestras obtenidas aleatoriamente cada
una de ellas a partir de cada uno de los k
estratos (en proporcin a como estn
distribuidos en la poblacin).
Muestreo aleatorio de conglomerados. En
vez de considerar cada uno de los N
elementos de la poblacin, consideramos
grupos o conglomerados de elementos y
extraemos aleatoriamente uno o varios de
ellos de entre la totalidad de conglomerados,
formando la muestra con todos los elementos
de los conglomerados elegidos previamente
de modo aleatorio.
Muestreo aleatorio sistemtico. Dado k=N/n,
donde n es el tamao de la muestra que
deseamos obtener, iremos eligiendo un sujeto
cada k sujetos.
Estadstico. Es toda funcin, Y=h(X1, X2,..., Xn)
que no incluye en s parmetro alguno
desconocido y donde (X1, X2,..., Xn) es una
muestra aleatoria simple.
2 : varianza poblacional
s2: varianza muestral
: media poblacional
X : media muestral
Varianza muestral insesgada:
= s 2nx
n1
x2 ( X) 2
n(n1)
2
s 2 = (YY ) =
e
n2
Error de tipo I:
hiptesis nula
probabilidad de
designada por
significacin".
s 2yx (n)
n2
ns 2y 1r 2xy
n2
error cometido al rechazar la

(H0), siendo verdadera. La
cometer este error suele ser
y suele ser llamada "nivel de
Error de tipo II: error cometido al aceptar (H0),

siendo falsa. La probabilidad de cometer este error
suele ser designada por .
Potencia de una prueba,
, es la probabilidad
de rechazar H0 siendo falsa o de aceptar H1 siendo
verdadera.
3.1. Comprobacin de hiptesis
Acerca de la media
Una sola media.
Conocida
Estadstico de contraste
zk =
X 0
/ n
Intervalo confidencial:
x (/ n )z
Criterio decisorio. Rechazamos H0 s:
z k z /2
z k z 1/2
zk z
z k z 1
Desconocida
Estadstico de contraste:
X 0
n
T = s /
Con distribuicin muestral T con n-1 grados de

libertad.
Pg.: 18
Tema 1.
Regin crtica bilateral:
T t /2,n1
X X + (z /2 )(s x x )
2
1 2
1
T t 1/2,n1
X + (t /2,n1 )
s
n
; X + (t 1/2,n1 )
s
n
Dos medias con observaciones independientes

Conocidas 1 y 2
Z=
X 1 X 2
21 /n 1 + 22 /n 2
Regin crtica:
Z z /2 y Z z 1/2
X X + (z /2 )( x x ),
2
2 1
1
X 1 X 2 + (z 1/2 )(s x x )
1 2
Dos medias con observaciones dependientes

Z=
si d es conocida
D
d/ n
T = s d /D n si no es conocida
en donde D = X 1 X 2 =
T t /2,n1 y T t 1,n1
Deconocidas las varianzas pero iguales
s
D + (t /2,n1 ) nd
T=
2 /n 1 + 2 n 2
n 1 s 2 / 2 + n 1 s 2 / 2
1 1
2 2
Z z /2 y Z z 1/2
X X
1 2
Regin crtica:
X X + (z 1/2 )( x x )
2
2 1
1
X1 X2
D + (z /2 ) nd
en donde
sd =
2
y D + (z 1/2 ) nd
s
y D + (t 1/2,n1 ) nd
DD
n1
n 1 +(n 1)
2
1
Regin crtica:
T t /2,n 1 +n 2 2 T t 1/2,n 1 +n 2 2
X 1 X 2 + (t /2,n +n 2 )(s x x )
1
2
1 2
X X + (t 1/2,n +n 2 )(s x x )
2
1
2
1 2
1
Hiptesis sobre varianzas

Dos varianzas con observaciones independientes
s 2
F 1.2 = 12
s2
Regin crtica:
F 1.2 F /2,r 1 r 2 y F 1.2 F 1/2,r 1 r 2

Desconocidas las varianzas y distintas entre s

Z =
s 2
1
s 2 F /2,r 1 r 2
s 2
1
s 2 F 1/2,r 1 r 2
2
X 1 X 2
s 2 s 2
1
2
n1 + n2
Comprobacin de hiptesis sobre coeficientes de

correlacin.
Regin crtica:
H0 = 0
Z z /2 ,
Z z 1/2
Pg.: 19
T=
r xy n2
Y 2ij
1r 2xy
Y ij
= Y 2ij n j
Se hallan mediante tabla especfica.
Muestras independientes
SC ter
2
ij
Y ij
= n j Y j Y = nj
n
2
1
+ 1
n 1 3 n 2 3
Medias cuadrticas
Regin crtica:
MC t =
Z z /2 y Z z 1/2
SC t
;
n1
MC tra =
Muestras dependientes
Rechazamos H0 si:
MC ter
MC tra
Para
SC tra
;
nk
MC ter =
SC ter
k1
F 1,k1,nk
comprobar
la
hiptesis
previa
2
=
= ... k se utiliza el estadstico de conC
traste de Bartlett B = A
(r 12 r 13 ) (n3)(1+r 23 )
21
2 1r 212 r 213 r 223 +2r 12 r 13 r 23
Regin crtica:
22
(n j 1)s j
C = 2, 3026 (n j 1)log (n 1) (n j 1)log s 2j
j
T t /2,n3 y T t 1/2,n3
s 2 =
j
Anlisis de varianza
Un solo criterio
Anlisis de la variabilidad total
La variabilidad total
en
= n j Y j nY = SC t SC tra
ln [(1+r 1 )/(1r 1 )] 12 ln [(1+r 2 )/(1r 2 )]
compuesta
Suma cuadrtica intergrupo
Dos coeficientes de correlacin
T=
2
SC tra = Y ij Y j = Y 2ij n j Y j =
T t /2,n2 y T t 1/2,n2
Z=
Y ij
Suma cuadrtica intragrupo
Regin crtica:
1
2
Y ij Y
dos
componentes
queda desaditivos:
Y ij Y j que llamaremos suma de cuadra2

dos intragrupo, y n j Y j Y , que llamaremos
suma de cuadrados intergrupo.
Y ijY j
n j 1
1
1
A = 1 + 3(k1)
n j 1
n j 1
2
Si C < 1,k1 con ms motivo lo es B por lo que
no sera necesario calcular A.
Para saber qu diferencias de medias son significativas si se ha rechazado la H0 1 = 2 = ... = k
Ser significativa si:
Y i Y j
Suma cuadrtica total

2
2
SC t = Y ij Y = Y 2ij nY =
MC tra n1 + n1
i
j
(k 1)F 1;(k1),(nk)
cuya comprobacin es la llamada prueba de

Scheff.
Pg.: 20
Tema 1.
4.- TEORA DE LOS TEST.

Anlisis de varianza de medidas repetidas (para diseos intragrupo).
SC t =
SC per =
SC trat =
Y 2ij
Y ij

Y ij
Y ij
Y ij
s 2v
sx sv
r 2xv = r jk = r xx =
nk
Coeficiente de fiabilidad:
Y ij
nk
SC res = SC t SC pers SC trat

MC trat =
SC trat
k1
MC res =
SC res
(k1)(n1)
F=
sv
sx
r xv =
nk
ndice de fiabilidad:
s 2E
s 2v
s 2x
s 2x s 2E
s 2x
=1
s 2vx
s 2v
= 1 r 2xE
s 2x
En donde x es la puntuacin emprica, v es la puntuacin verdadera y E es el error
s 2x = 1 + (s 2v ) = s 2v + s 2E
E2
s 2E = s 2x (1 r xx ) = N
MC trat
MC res
s 2v = 1
Anlisis de varianza. Diseo factorial
La
(
Y irs ) 2
SC t = Y 2irs nfc
V=X
fiabilidad
absoluta
vendr
dada
por
E = r vE = 0
SC e = Y irs Y rs =
=
Y 2irs
Las puntuaciones verdaderas que se pronosticarn a

partir de las empricas obtenidas, ser:
2
( iY )
irs
En puntuaciones directas:
SC f = nc Y r. Y .. =
r(
Y )
= nc irs
nfc
2
Y irs
V = X(1 r xx ) + r xx X
En diferenciales:
v = r xx x =
SC c = nf Y .s Y.. =
2
s(
Y )
(
Yirs )
= nf irs nfc
En tpicas:
2
z v = r xx z x = r xv z x
2
SC int = n Y rs Y r. Y .s Y .. =
zy =
2
r(
Y )2
( Y irs )
=
nc irs
n
F=
MC A
MC e
MC B
MC e
MC f =
SC f
f1
y
sy
r xx
s vE = r ve s v s e = 0
MC c =
SC c
c1
s 2x = s 2v + s e + 2s ve
r xv > r xx
v
sx
Igualdades tiles:
s(
Y )2
(
Yirs ) 2
nf irs + nfc
SC e
MC e = (n1)fc
SC int
MC int = (f1)(c1)
sv sv
sx sx x
sx sv + se
MC int
MC e
Error tpico de la medida:
S e = s x 1 r xx
Pg.: 21
s z e = 1 r xx
S p +S
r xx = 2 1 2 i
Sx
Error tpico de estimacin:
FIABILIDAD
INTERNA
s xy = s x 1 r 2xv = s x 1 r xx r xx
s
x = r xv s xv v
COMO
CONSISTENCIA
El nmero de formas en que se puede dividir un

test en dos mitades viene dado por:
2n!
2(n!)(n!)
donde n es el nmero de elementos de
Para corregir el sesgo de las puntuaciones empricas, se debe emplear las puntuaciones verdaderas
estimadas:
una mitad
v = r xx x
Coeficiente de fiabilidad
Error tpico de la diferencia:
s d = s x 1 r xx 2
Si los tems del test son paralelos entonces = r xx
2
2
n Sx Sj
n1
S 2x
n
1
n1
S j2
S 2x
En otro caso suele ocurrir que r xx

Fiabilidad y longitud
La fiabilidad del test aumenta al aumentar en ste
el nmero de tems.
Ecuacin de Spearman-Brown
n=
p jq j
qj = 1 pj
S 2x
KR 21 =
nr
1+(n1)r
n
1
n1
Para elementos con igual dificultad:
2r xx
1+r xx
Longitud n:
R=
Para elementos con distinta dificultad:
KR 20 =
Longitud doble:
R xx = r (x 1 +x 2 )(x 3 +x 4 ) =
Coeficiente alfa con elementos dicotmicos. Ecuaciones de Kuder-Richardson
n
1
n1
x xn
Media: np; Varianza: npq
S 2x
R(1r)
r(1R)
Fiabilidad de un test complejo y de una batera

Test no ponderados:
Fiabilidad, longitud y varianza

Longitud doble:
S 22x
R=
2S 2x (1
S 22v
S 22x
S 22v
+ r xx )
4S 2v
2S 2x (1+r xx)
4S 2v
S 22e
2S 2e
2r
1+r
Longitud n:
S 2nx = nS 2x (1 + (n 1)r xx )
S 2ne = nS 2e
R=
nr
1+(n1)r
S 2nv = n 2 S 2v
r tt =
S 2v t
S 2x t
=1
S 2j r jjS 2j
S 2x t
Tests ponderados:
a 2j S 2j a 2j S 2j r jj
j=i
r tt =
a 2j S 2j + a j a k S jk
j=i
ji
FIABILIDAD DE UN TEST Y ANOVA

nm
SC t = SC p + SC i + SC r =
Frmula de Rulon
S 2e
S 2pi
r xx = 1
2
S pi
S 2x
SC p =
i=1
Frmula de Flanagan y Guttman:

Pg.: 22
X ij
j=1
m
X ij
m+n
2
X ij
X ij
mn
Tema 1.
SC items =
X ij
i=1
n
j=1
X ij
y =
SC r =
SC t
MC p
nm1
SC r
(n1)(m1)
SC p
n1
Z y = r xy Z x
SC i =
SC i
m1
Validez y longitud
r xy
R xy
Tabla:
F. V.
SC G.L.
Sy
x
Sx
Puntuaciones tpicas:
m+n
SC res = Sc t SC p SC i
MC t =
R xx =
MC E(MC)
Personas
p-1
tems
i-1
2 + m
2
Residual
(p-1)(i-1)
2 =
2
pi
r xx r yy
R xx R yy
k= longitud test
kr xx
1+(k1)r xx
m= longitud criterio
Validez con el test alargado:
2 + m
2
R xy =
r xy
1r xx
+r xx
k
Validez con cambios en criterio:

R xy =
Total
r xy
1r yy
m +r yy
LA VALIDEZ EN LA TCT
Validez con cambios en test y criterio:
Coeficiente de validez
R xy =
Pearson: cuando el criterio es cuantitativo

Coeficiente de Contingencia C: cuando el
criterio es nominal con varias categoras.
Coeficiente biserial puntual o coeficiente "fi":
con criterios dicotmicos
Coeficiente biserial o tetracrico: cuando el
criterio est dicotomizado.
Otros ndices:
Coeficiente de determinacin
S y2
S 2y
Coeficiente de alienacin o inseguridad K

K=
S yx
Sy
(k+k(k1)r xx )(m+m(m1)r yy )
Longitud necesaria para una validez deseada:
Spearman o Kendal cuando es ordinal
d = r 2xy =
kmr xy
1 r 2xy
Valor predictivo o de seguridad: E = 1 K

Ecuacin de regresin del criterio sobre el test:
Puntuaciones directas:
Sy
Sy
Y = Y r xy S x X + r xy S x X
Puntuaciones diferenciales:
Pg.: 23
k=
1r xx
r2
xy
R2
xy
r xx
m=
1r yy
r2
xy
R2
xy
r yy
Pg.: 24

Tema 1 Estadística

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tema 1 Estadística

Uploaded by

Copyright:

Available Formats

TEMA 1

Psicologa Experimental y Estadstica.

1. Confeccin de la hoja de respuestas

1.- EL MTODO EXPERIMENTAL.

Unas cuantificaciones precisas

Por tanto, lleva implcita una relacin funcional

Todo planeamiento de un experimento debe

que se refiera a cuestiones resolubles,

En cuanto a la forma de plantearse

Que quede planteado como pregunta

definirse operativamente (descripcin de las

hiptesis nula (la no relacin entre las

Debe cumplir los siguientes requisitos:

1.3.1. Clases de variables.

que sea susceptible de comprobacin

que de su constatacin se derive una utilidad

Variables de estmulo. Cualquier aspecto del

que permita realiazar predicciones

Variables organsmicas. Cualquier aspecto

Variables de respuesta. Es el fenmeno

Variables independientes. Cualquier factor en

otras variables externas y exteriores del

"a priori" un planeamiento del experimento que

Segn el control que se ejerce sobre ellas:

Varianza sistemtica. Variacin que presentan

Variable experimental o activa. Es la variable

La varianza primaria, tambin llamada

Variable asignada o seleccionada. Es aquella

La varianza secundaria sera la varianza

1.4. Varianza de un experimento.

Psicologa Experimental y estadstica

1.5. Control de las variables extraas.

respectivamente, por cada uno de los

Contrabalanceo parcial, empleando

Psicologa Experimental y estadstica

logre, primeramente, calcular las varianzas,

Tcnicas estadsticas. Estas tcnicas requieren

La historia. Conjunto de acontecimientos

La maduracin. Es el conjunto de procesos

grupos, bien sea una medida pretest para

El efecto de la medida previa. Entendemos por

El sesgo producido por la seleccin diferencial

La regresin estadstica. Se produce cuando se

La interaccin "medida previa" <--> "variable

sujetos, produciendo en ellos efectos diferentes

2.- DISEOS EXPERIMENTALES.

Psicologa Experimental y estadstica

N-2), para conocer la influencia de la variable

Y d 2 Yd2 (Muestras relacionadas, grados de libertad

Y d 1 Y d1 (muestras relacionadas, grados de libertad n-1)

A diferencia de este modelo clsico, el diseo

en caso de haberlas encontrado entre la primera diferencia

Control validez interna

Control validez externa

Medida Condicin Medida VD

La influencia de la variable experimental en la VD:

Permitir averiguar, a trav de distintas diferencias de

2.1.2.2. Diseo de dos grupos independientes

Nocontrola la posible interaccin pretest <-> variable

2.1.2.4. Diseo de dos grupos equiparados.

Siempre que dispongamos de la medida de los sujetos (X)

Control validez externa

Control validez interna

2.1.2.3. Diseo de cuatro grupos independientes: