Professional Documents
Culture Documents
Procedimiento
I Psicologa Experimental
Resultados
Discusin de los resultados
Sugerencias
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:
Formulacin de la hiptesis
Proceso metodolgico:
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,
Diseo experimental
Pg.: 1
Segn su naturaleza:
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:
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
Tema 1.
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
Tema 1.
Tema 1.
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
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-1), puesto que si existieran habra que atribuirlas a la influencia de variables extraas.
Asimismo, esperamos que existan diferencias
estadsticamente significativas entre:
1
2
3
4
Tcnica de control
1
2
a1
a0
Y Y yY Y
d1 d4
d3
d2
La influencia del pretest en la VD:
Aleatorizacin
Aleatoriza
Aleatoriza
Yd1
Yd2
Yd3
Yd4
a1
a0
a1
a0
Diferencia de medias:
K= nmero de tratamientos
Grupos
Yd'1
Yd'2
-
Anlisis estadstico:
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:
Diferencia de medias:
Y d1 Y d2 Muestras independientes, grados de libertad
N-2
Anlisis de covarianza:
Tcnica de control
Empareja
Empareja
Yc1
Yc2
a1
a0
Yd1
Yd2
1
2
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
Aleatorizacin
Medida Condicin Medida VD
previa experimen en la situa(pretest)
.
cin
experimenta
l
Pg.: 8
Tema 1.
Tcnica de control
Grupos
1
2
3
Formacin de
grupos
Aleatorizacin
Medida Condicin Medida VD
previa experimen en la situa(pretest)
.
cin
experimenta
l
Aleatoriza
Aleatoriza
Aleatoriza
Yd'1
Yd'2
Yd'3
a1
a2
a3
Yd1
Yd2
Yd3
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
Anlisis estadstico:
Anlisis estadstico
Anlisis de varianza
F variacin
intergrupo
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
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
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
k-1
SCintertra
k-1
MCintertra
MC error
b-1
SC bloque MC bloques
b-1
MC error
Tratamiento B
Tratamiento A
B1
B2
A1
n1
n3
A2
n2
n4
Anlisis estadstico
Anlisis estadstico
SC
Residual
(error)
SC (k-1)(b-1) SCerror
error
(k-1)(b-1)
Total
SCt
N-1
Pg.: 9
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
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
(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
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
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
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)
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)
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
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.
SC.a
k-1
SC.a
GL.a
MC.a
MCerror
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
Total
SC.t
KN-1
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
Pk = li +
(k)(n)
nb
100
nd
I = l s I
(100k)(n)
n s
100
nd
Datos agrupados:
nj X j X
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
X i X Yi Y
S xy =
i=1
X i Yi
i=1
sr
Q 3 Q 1
2
S xy =
XY
Datos agrupados
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
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
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 (
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
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
a=0
b=rxy
S 2z x = 1
Coeficiente de Spearman
6
d2
r s = 1 2 i
La varianza total :
S 2y
YY
n n 1
Pg.: 14
Tema 1.
C=
0C<1
n+ 2
Relacin entre
dicotomizadas.
variables
dicotmicas
PQ
P+Q
A2
B1
A1B1
A2B1
B2
A1B2
A2B2
Q=
r bp =
X p X q
sx
pq =
X p X
sx
p
q
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
cbad
(a+b)(c+d)(a+c)(b+d)
rb =
X p X q pq
sx
y
X p X p
sx y
Variaciones
rt =
cbad
n 2 yy
V n,r =
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!
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:
Pg.: 16
C n,r =
n!
r!(nr)!
C n,n = 1
0! = 1
C n,1 = n
C n,0 = 1
Tema 1.
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
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 =
n!
p x q nx
x!(nx)!
Distribucin de Poisson
C n,r =
f (x ) =
x
e
x!
donde = np p = /n
(n+r1)!
r!(n1)!
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
x iX
1
Nn
s 2 =
x
s = =
x
n1
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
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 /
Tema 1.
Intervalo confidencial:
T t /2,n1
X X + (z /2 )(s x x )
2
1 2
1
T t 1/2,n1
Intervalo confidencial:
X + (t /2,n1 )
s
n
; X + (t 1/2,n1 )
s
n
Z=
X 1 X 2
21 /n 1 + 22 /n 2
Regin crtica:
Z z /2 y Z z 1/2
Intervalo confidencial:
X X + (z /2 )( x x ),
2
2 1
1
X 1 X 2 + (z 1/2 )(s x x )
1 2
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
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
Intervalo confidencial:
X X
1 2
Regin crtica:
X X + (z 1/2 )( x x )
2
2 1
1
Estadstico de contraste:
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
Intervalo confidencial:
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
F 1.2 = 12
s2
Regin crtica:
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
Regin crtica:
H0 = 0
Z z /2 ,
Estadstico de contraste:
Z z 1/2
Pg.: 19
T=
r xy n2
Y 2ij
1r 2xy
Intervalo confidencial:
Y ij
= Y 2ij n j
Muestras independientes
SC ter
Estadstico de contraste:
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:
Estadstico de contraste:
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
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
compuesta
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
Regin crtica:
1
2
Y ij Y
dos
componentes
queda desaditivos:
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
2
SC t = Y ij Y = Y 2ij nY =
MC tra n1 + n1
i
j
(k 1)F 1;(k1),(nk)
Tema 1.
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 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
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
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
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
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
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
Para corregir el sesgo de las puntuaciones empricas, se debe emplear las puntuaciones verdaderas
estimadas:
una mitad
v = r xx x
Coeficiente de fiabilidad
s d = s x 1 r xx 2
2
2
n Sx Sj
n1
S 2x
n
1
n1
S j2
S 2x
n=
p jq j
qj = 1 pj
S 2x
KR 21 =
nr
1+(n1)r
n
1
n1
2r xx
1+r xx
Longitud n:
R=
KR 20 =
Longitud doble:
R xx = r (x 1 +x 2 )(x 3 +x 4 ) =
n
1
n1
x xn
S 2x
R(1r)
r(1R)
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
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
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
2 + m
2
R xy =
r xy
1r xx
+r xx
k
Total
r xy
1r yy
m +r yy
LA VALIDEZ EN LA TCT
Coeficiente de validez
R xy =
S yx
Sy
(k+k(k1)r xx )(m+m(m1)r yy )
d = r 2xy =
kmr xy
1 r 2xy
Puntuaciones diferenciales:
Pg.: 23
k=
1r xx
r2
xy
R2
xy
r xx
m=
1r yy
r2
xy
R2
xy
r yy
Pg.: 24