UNIVERSIDAD MIGUEL DE CERVANTES

Psicologa
Psicoestadstica Inferencial

ESTADSTICA INFERENCIAL

III Semestre

Ps. Nicols Muoz

Evaluaciones
Evaluaciones
Parciales

1 Control de Lectura
3 Guas Practicas

30%

1 Presentacin
Primera Prueba
Solemne
Parte Prctica
SPSS
Parte Terica
Segunda Prueba
Solemne

%
30%

% curso
30%

70%
%

Parte Prctica
SPSS

30%

Parte Terica

70%

% curso
40%

Funcin de la Estadstica Inferencial en la

Investigacin Psicolgica
QU ES LA ESTADSTICA?
Irma
Nocero de
Len et al
(2001)

La estadstica es la ciencia encargada de suministrar las diferentes tcnicas y

procedimientos que permiten desde organizar la recoleccin de datos hasta su
elaboracin, anlisis e interpretacin. Abarca dos campos fundamentales la
estadstica descriptiva y la estadstica inferencial

Hopkins y
Glass
(1997)

La Estadstica es un lenguaje para comunicar informacin basada en datos

cuantitativos

Douglas
Montgmer
y (1985)

el arte de tomar decisiones acerca de un proceso o una poblacin con base en un

anlisis de la informacin contenida en una muestra tomada de la poblacin

ESTADSTIC
A

Investigaci
n
Cientfica

Un procedimiento reflexivo,
sistemtico, controlado y crtico, que
permite descubrir nuevos hechos o
datos, relacin o leyes, en cualquier
campo del conocimiento humano
(Ezequiel Ander-Egg, 1995)

1. Es un procedimiento mediante el cual se recogen nuevos

conceptos de fuentes primarias, una investigacin existe
cuando se ha pasado por el proceso de comprobacin y
verificacin de un problema, el replantear lo ya conocido no
se puede llamar investigacin
2. Una investigacin es un aporte importante para el
descubrimiento de principios generales por su naturaleza
inferencial
3. La investigacin es un trabajo de exploracin profesional,
organizada o sistemtica y exacta.
4. Es lgica y objetiva.
5. En lo posible procura ofrecer resultados cuantitativos de los
datos manejados.
6. El fin de una investigacin se expresa en un informe el cual
presentar
no
solo
la
metodologa,
resultados,
experimentaciones, sino tambin las condiciones y

Funcin de la Estadstica Inferencial en la

Investigacin Psicolgica
OBJETIVOS DE LA INVESTIGACIN CIENTFICA

Describir la
realidad

Explicar la
realidad

Descriptiva

Rama de la estadstica que trata

sobre la descripcin y anlisis
estadstico de una poblacin o
muestra.
Tiene como objetivo caracterizar
los datos, de manera grfica o
analtica,
para
resaltar
las
propiedades de los elementos
bajo estudio

Predecir la
realidad

Inferencial

ESTADSTICA

Rama de la estadstica que estudia el

comportamiento y propiedades de las
muestras, y la posibilidad y lmites de la
generalizacin de los resultados obtenidos a
partir de aquellas a las poblaciones que
representan.
Se basa en la probabilidad.
Comprende el conjunto de mtodo
estadsticos que permiten deducir (inferir)
cmo se distribuye la poblacin bajo
estudio, a partir de la informacin que
proporciona una muestra representativa
obtenida de dicha poblacin.
El propsito principal de los mtodos
estadsticos es legitimar generalizaciones
sobre poblaciones usando datos de
muestras.
Los mtodos estadsticos inferenciales
emplean el razonamiento inductivo, es
decir, razonan de lo particular a lo general.

Inferencia Estadstica
Inferir: Sacar una consecuencia de una cosa. Sacar consecuencia o deducir una cosa de otra.
La estadstica, ciencia o rama de las Matemticas que se ocupa de recoger datos, analizarlos y
organizarlos, y de realizar las predicciones que sobre esos datos puedan deducirse, tiene dos
vertientes
bsicas:
a) Estadstica descriptiva: Bsicamente se ocupa de la 1 parte, es decir, a partir de ciertos
datos, analizarlos y organizarlos. Es aqu donde tiene sentido calcular la media, mediana,
moda, desviacin tpica, etc.
b) Estadstica inferencial: Se ocupa de predecir, sacar conclusiones, para una poblacin
tomando como base una muestra (es decir , una parte) de dicha poblacin. Como todas las
predicciones, siempre han de hacerse bajo un cierto grado de fiabilidad o confianza.

FUNCIN

El propsito principal de los mtodos estadsticos es legitimar

generalizaciones sobre poblaciones usando datos de muestras.
El uso principal de la inferencia estadstica en la investigacin del
comportamiento es hacer inferencia acerca de un nmero grande
personas, o de otras unidades observacionales, a partir de datos
concernientes a un grupo relativamente pequeo de personas.
Los mtodos estadsticos inferenciales emplean el razonamiento
inductivo, es decir, razonan de lo particular a lo general, razonamiento
de los estadgrafos de una muestra observada a los parmetros de la
poblacin no observada.

Funcin de la Estadstica Inferencial en la

Investigacin
PsicolgicaINFERENCIAL
ESTADSTICA

Parte

Estadstica Inferencial
Cuando queremos hacer alguna afirmacin
sobre ms elementos de los que vamos a
medir

MUESTRA

Azar - Probabilidad

TODO

POBLACIN

Aleatoria simple

Representativa
Sistemtica

Probabilsticas
Todos los elementos de la poblacin
tiene la misma probabilidad de ser
elegidos, donde esta probabilidad
es distinta de 0 y 1.

Estratificada

Conglomerado

La seleccin de
una muestra
representativa y
probabilstica
permite hacer
inferencias a
partir de la
informacin que
se posee

Funcin de la Estadstica Inferencial en la

Investigacin Psicolgica
POBLACIN Y MUESTRAS
Poblaci
n

- Totalidad de elementos sobre los cuales recae la investigacin. A cada elemento

se le llama unidad estadstica.
- Conjunto de elementos (generalmente personas, en psicologa) que comparten
al menos una caracterstica bien definida)
Poblaciones Finitas

Muestra

Poblaciones Infinitas

- Subconjunto de elementos de la poblacin que mantienen las mismas

caractersticas.
- Se habla de muestra estadstica cuando es a lo menos el 5% de la poblacin
Muestras Probabilsticas

Muestras no Probabilsticas

Aleatoria simple

Accidental

Sistemtica

Intencionada

Estratifica
da

Proporcional
No
Proporcional

Por conglomerado

Por cuota

TEORA DE MUESTREO
MUESTRAS PROBABILSTICAS
Es aquella que se rige por cualquier sistema que garantice el azar o la
aleatoriedad. Es aquella donde todos los elementos del universo tiene una
probabilidad conocida de ser extrados y esta probabilidad es distinta de cero o
de uno.
Las muestras probabilsticas son aquellas que permiten calcular el error de muestreo, lo
que significa que se puede generalizar.
Inferencia estadstica: Extrapolacin a la poblacin.
Para generalizar, solo se puede trabajar con muestras probabilsticas.
Permiten el contraste de hiptesis explicativas, correlacionales y descriptivas.

Aleatoria o al
azar simple

a)
b)
Pasos para definir
la muestra

c)
d)

Es aquella donde todos los elementos del colectivo tiene la

misma probabilidad de ser escogidos y esta probabilidad es
distinta de cero y de uno.
De acuerdo con Webster (1998) una muestra aleatoria
simple es la que resulta de aplicar un mtodo por el cual
todas las muestras posibles de un determinado tamao
tengan la misma probabilidad de ser elegidas. Tiene
implcita la condicin de equiprobabilidad.
Definir la poblacin de estudio.
Enumerar a todas las unidades de anlisis que integran la
poblacin asignndoles un nmero de identidad o
identificacin (base de muestreo).
Determinar el tamao de muestra ptimo para el estudio.
Seleccionar la muestra mediante un procedimiento que
garantice la aleatoriedad.

TEORA DE MUESTREO
MUESTRAS PROBABILSTICAS
2

Muestra
sistemtica

Similar a la muestra aleatoria simple, sin embargo se

diferencia en que los elementos del universo van siendo
extrados de acuerdo a un sistema, que en otras palabras
no es ms que una constante sumadora.

Este procedimiento de muestreo determina los estratos

que conforman una poblacin de estudio para seleccionar
y extraer de ellos la muestra. Es til cuando se trabaja con
variables categricas o atributos que presentan
Muestra
categoras, sean estar artificiales o genuinas. Es til
estratificada
cuando la poblacin es susceptible a ser dividida en
categoras o estratos donde se tiene un inters analtico y
que por razones tericas y empricas presentan diferencias
entre ellas (estado civil, edad, sexo).
Estrato: todo subgrupo de unidades de anlisis que difieren en las
caractersticas que se van a analizar en un investigacin. Es una categora
exhaustiva y excluyente de la poblacin, donde las unidades que lo
componen son muy parecidas dentro de si, pero diferente entre si.
Muestra
estratificada
Proporcional
Muestra
estratificada no
Proporcional

Es aquella cuya estructura categorial replica las

mismas caractersticas porcentuales del universo
Es aquella donde no se aplica la estructura porcentual
del universo, sino ms bien se toma la misma
cantidad de personas de cada estrato colectivo con el
objetivo de posibilitar las comparaciones

TEORA DE MUESTREO
MUESTRAS PROBABILSTICAS
Muestra
estratificada
Proporcional

Muestra por
conglomerado

Pasos para seleccionar una muestra estratificada

a) Definir la poblacin proporcional
de estudio
a)
b)
c)
d)

Definir la poblacin de estudio

Determinar el tamao de muestra requerido
Establecer los estratos o subgrupos
Determinar la fraccin total de muestreo por estrato,
dividiendo el tamao del estrato entre el tamao de la
poblacin de estudio.
e) Multiplicar la fraccin total de muestreo por estrato por
el tamao de la muestra para obtener la cantidad de
unidades de anlisis de cada estrato que se integrarn a
la unidad muestral.
f) Seleccin y extraccin de la muestra aplicando el
procedimiento de muestreo aleatorio simple.
Es aquello que es til cuando se realizan investigaciones
con universos extremadamente grandes tales como
pases, naciones, etc., donde es prcticamente imposible
conseguir o construir la base de muestreo. Se utiliza
cuando el investigador esta limitado por factores de
tiempo, distancia, fuentes de financiamiento, entre otros.
Las unidades de anlisis se encuentran encapsuladas o
encerradas en determinados lugares fsicos o geogrficos
que se denominan racimos o conglomerados.

Conglomerados: Subconjunto exhaustivo y excluyente de la poblacin

donde los elementos que lo configuran son muy diferentes dentro de si,
pero similares entre s.

EJEMPLO SEGN TIPOS DE MUESTRA

Imaginemos que tenemos que escoger una muestra de 20 estudiantes
en una poblacin de 600
ALEATORIA SIMPLE
SISTEMTICA
-

Se elige un alumno al azar (probabilidad de

elegirlo 1/600)
Se devuelve a la poblacin y se elige otro
(probabilidad de elegir 1/600)
Se tiene que devolver o la probabilidad del
segundo estudiante cambia (probabilidad de
1/599)
El problema es que se puede elegir dos
veces a un mismo estudiante

Si queremos que nuestra muestra sea

representativa, debemos saber cuantos
estudiantes hay por curso: Primero Medio
200, Segundo Medio 150, Tercero Medio 150
y Cuarto medio 100 estudiantes.

Cambiemos el ejemplo:
-Supongamos que necesitamos una
muestra de los estudiantes de todo chile,
lo cual es difcil tener la poblacin total,
pero sabemos que se agrupan en Tipos
de colegios, Colegios y niveles.
-Entonces, seleccionamos al azar algunos
tipos colegios, despus algunos colegios
y, finalmente, algunos cursos.
-Finalmente
por
azar
simple
seleccionamos a algunos estudiantes.
-Los
conglomerados
son
unidades
amplias y heterogneas.

ESTRATIFICADA

Curso

Poblacin

fraccin

Muestra

Primero

200

0,3333

Segundo

150

025

Tercero

150

0,25

Cuarto

100

0,1666

Total

600

20

Dado que tenemos que elegir 20 de

600, es decir, 1 de cada 30, se
procede as:
Se ordenan los estudiantes y se
numeran, se elige uno al azar, por
ejemplo el estudiantes 27.
A partir de este, los dems se eligen a
partir de este intervalo de 30
estudiantes.

CONGLOMERADO

TEORA DE MUESTREO: CALCULO DE TAMAO

DE LA MUESTRA
Tamao de la muestra a partir de las medias

* POBLACIN
CONOCIDA N

Tamao de la muestra a partir de las proporciones

* POBLACIN
CONOCIDA N

P = proporcin de casos que se consideran

favorables en el universo
Q = P 1 Proporcin de casos considerados como no
favorables

* POBLACIN DESCONOCIDA
Infinita

d = diferencia que hay entre el estimador y el

parmetro

* POBLACIN DESCONOCIDA
Infinita

d = diferencia que hay entre el estimador y el

parmetro

EJEMPLO TAMAO DE MUESTRA

Un investigador se encuentra interesado en realizar un estudio sobre estrs
laboral en ejecutivos de una determinada institucin financiera, por
investigaciones anteriores en la empresa, el investigador sabe que los niveles de
estrs de estos cargos son de 3,8 puntos. Para realizar la investigacin el
profesional decide tomar en primer lugar una muestra piloto de 30 ejecutivos, lo
que arroj una media de estrs de 3,78 puntos con una variabilidad de 2,7. De
qu tamao debera ser la muestra definitiva considerando un nivel de
significacin en el estudio del 5% y un error de estimacin del 2%.

La muestra debiese estar

constituida por 18989
ejecutivos de la
empresa.

EJEMPLO TAMAO DE MUESTRA

Una investigador desea conocer el tamao de la muestra y aplicar una muestra
estratificada poblacional para el estudio que est realizando. Sabe que la
poblacin est constituida por 3951 estudiantes de sptimo a cuarto medio de
establecimientos municipales.
Nivel
Poblacin
Sptimo Bsico

La distribucin por niveles es la siguiente:

Octavo Bsico

Primero Medio
Segundo Medio
Tercero Medio
Cuarto Medio
Total

1009
1084
674
513
355
316
3951

Por un estudio anterior sabe que la prevalencia de droga es de 14,3%. l desea

trabajar con 5% de significacin y 1% de error de muestreo.
DETERMINE:
1.El tamao de la muestra general
2.El tamao de muestra por estrato

Estimacin de Parmetros

Qu son
los
parmetros
?
Qu son
los
Estadstico
Qu
es la
s?
Estimacin
?

En estadstica se refiere a los valores o medidas que

caracterizan a una poblacin como, por ejemplo, la media
y la desviacin tpica de una poblacin () Son cantidades
indeterminadas, constantes o fijas respecto a una
condicin o situacin, que caracterizan a un fenmeno en
un momento dado que ocurre en una poblacin (Sierra
Bravo, 1991).
Se contrapone al parmetro porque es un valor que se
obtiene a partir de los valores mustrales. Se pueden
obtener media y varianzas mustrales.
En estadstica es la operacin mediante la cual se trata de
determinar el valor del parmetro, utilizando datos
incompletos procedentes de una muestra (Estadstico)

Estadstico

Parmetro

Estimacin

Estimaciones
puntuales

Estimaciones de
Intervalo

Estimacin de Parmetros

Estimaciones Puntuales

- Slo un valor numrico sirva para estimar el parmetro, es decir, asigna directamente al
parmetro el valor obtenido para el estadstico

- Constituye la inferencia ms simple que se puede realizar: asignar al parmetro el valor

del estadstico que mejor sirva para estimarlo.
a) Carencia de Sesgo: Un estimador ser insesgado si su
valor esperado coincide con el del parmetro a estimar
Condiciones
para ser un
buen
estimador

b) Consistencia: Un estimador ser consistente si,

conforme aumenta el tamao muestral, su valor se va
aproximando al del parmetro
c) Eficiencia: Dados dos posibles estimadores, diremos
que el primero es un estimador ms eficiente que el
segundo si se cumple que el primer estimador tiene una
varianza menor que el segundo.
d) Suficiencia: Un estimador ser suficiente si utiliza toda
la informacin muestral disponible

Estimacin de Parmetros

2
-

Estimaciones de
Intervalos

Como el trmino lo sugiere, una estimacin de intervalo es un rango o banda de

valores dentro del cual se dice que el parmetro est con un nivel de
probabilidad establecido.
Proporciona un intervalo, un rango de valores entre los que estar situado el
parmetro con una cierta probabilidad.
La estimacin puntual se utiliza poco, pues no tenemos datos suficientes para
que nos indiquen el grado de fiabilidad de dato muestral hemos tomado. Lo que
tiene ms sentido plantearse es cul es la probabilidad de que la media o
proporcin poblacional pertenezcan a un intervalo determinado.
Para comprender el fundamento de las estimaciones de intervalo se requiere un
dominio del concepto de una distribucin de muestreo, especficamente,
la distribucin de muestreo de la media (DMM)
Dada una muestra, se puede calcular la Distribucin de muestreo de la media
donde, con cierta seguridad, estar la media poblacional que se busca.

DISTRIBUCIONES MUESTRALES
Uno de los objetivos de la estadstica es conocer acerca del comportamiento de
parmetros poblacionales tales como: la media ( ), la varianza ( ) o la proporcin ( p ).
Para ello se extrae una muestra aleatoria de la poblacin y se calcula el valor de un
estadstico correspondiente, por ejemplo, la media muestral ( X ), la varianza muestral (s
) o la proporcin muestral ( p ). El valor del estadstico es aleatorio porque depende de
los elementos elegidos en la muestra seleccionada y, por lo tanto, el estadstico tiene
una distribucin de probabilidad la cual es llamada la Distribucin Muestral del
estadstico.
DISTRIBUCIN
DISTRIBUCIN
MUESTRAL DE LA
MUESTRAL DE LA
MEDIA
POPORCIN

La distribucin muestral es la distribucin de los

resultados que se presentan si en realidad se seleccionaron
todas las muestras posibles

DISTRIBUCIONES MUESTRALES

Distribucin Muestral de la
Media

- Es la distribucin de todas las medias posibles que surgen si en realidad

se seleccionaran todas las muestras posibles de cierto tamao, es decir,
es una distribucin de frecuencias, no de valores brutos, sino de medias
de la muestra, donde cada media de la muestra est basada en una
muestra aleatoria de n valores brutos
1

2
1

La media muestral es imparcial porque la media de todas las

medias mustrales posibles (de una muestra dada con tamao n)
es igual a la media poblacional .
3

El error estndar de la media, es el valor de la desviacin

estndar de todas las medias mustrales posibles, es decir,
expresa cunto vara la media muestral entre una muestra y otra.

DISTRIBUCIONES MUESTRALES

Distribucin Muestral de la
Media

1. a. Muestreo de poblaciones con

Si se est muestreando
distribucin
normal una poblacin que tiene una distribucin normal con media y

desviacin estndar conocida, independientemente del tamao de la muestra n, la distribucin

muestral de la media tendr una distribucin normal con media muestral igual a la media poblacional y un
error estndar de la media muestral.
La distribucin normal
tiene un promedio
terico de 0 y una
desviacin estndar
terica de 1.

La prueba de Hiptesis para

la media poblacional se
realizar haciendo uso de
los puntajes z de la curva
normal.

Si se est muestreando una poblacin que tiene una distribucin normal con media y
desviacin estndar desconocida, la distribucin muestral de la media que se utilizar es la t de
student siempre que el n sea inferior a 30. Cuando la muestra es mayor a ese nmero, la distribucin se
asemeja a la distribucin normal y el contraste de hiptesis se realizacin con la distribucin z.
La distribucin t de
student cuyo
promedio terico es 1
y la desviacin
estndar es mayor a 1

La prueba de Hiptesis
para la media poblacional
se realizar haciendo uso
de los puntajes t de la
curva t.

DISTRIBUCIONES MUESTRALES

Distribucin Muestral de la
Media

1. a. Muestreo de poblaciones sin distribucin normal (Teorema

del Lmite
Dispone que
central)
cuando el tamao de la muestra (es decir, el nmero de valores en cada muestra) es lo

bastante grande, la distribucin muestral de la media tiene una distribucin aproximadamente normal. Esto
es vlido sin importar la forma de la distribucin de los valores individuales en la poblacin (La distribucin
de muestreo de la media se aproxima a la normalidad conforme n se incrementa.
N 30
1)
2)
3)

Para la mayor parte de las distribuciones poblacionales, sin importar su forma, la

distribucin muestral de la media tiene una distribucin aproximadamente normal cuando
se seleccionan muestras de por lo menos 30 elementos.
Si la distribucin poblacional es bastante simtrica, la distribucin muestral de la media es
aproximadamente normal en muestras tan pequeas como las de 5 elementos.
SI la poblacin tiene una distribucin normal, la distribucin muestral de la media tambin
tiene una distribucin normal, independientemente del tamao de la muestra.

La prueba de Hiptesis para

la media poblacional se
realizar haciendo uso de
los puntajes z de la curva
normal.

DISTRIBUCIONES MUESTRALES

Distribucin Muestral de la
Proporcin

La distribucin muestral de la
proporcin generalmente sigue el
modelo de una distribucin
probabilstica para variables
cuantitativas discretas denominada
Distribucin Binomial, sin embargo
cuando ocurre que n * P y n * Q son
5, la distribucin binomial puede
aproximarse al modelo de la curva
normal y en consecuencia realizar el
contraste de hiptesis para la
proporcin poblacional a travs de los
puntajes z de la curva normal.

CALCULO DE INTERVALO DE CONFIANZA

FORMULA PARA INTERVALOS DE
CONFIANZA

Formula para la
varianza

374,6
4

1-
0,9
5
639,17
663,16

19,35

ALGUNOS CONCEPTOS ASOCIADOS A LA PRUEBA

DE HIPOTESIS
Error tipo I
Rechazar una Hiptesis nula (Ho) siendo esta verdadera. Tiene asociada
una probabilidad

Error tipo II
Aceptar una Hiptesis nula (Ho) siendo esta falsa. Tiene asociada una
probabilidad .
Nivel de confianza

Es aceptar una Hiptesis nula (Ho) siendo esta verdadera por lo tanto es una
decisin acertada; tiene asociada una probabilidad de 1 . Los niveles de confianza
ms usados son el 0,99 (99%) y el 0,95 (95%)

Potencia de Prueba

Rechazar una Hiptesis nula (Ho) siendo esta falsa (Acierto). Tiene asociado una
probabilidad que es 1 (Es la probabilidad de estar en potencia de prueba). Es un
complemento al error tipo II.

PASOS PARA LA PRUEBA DE HIPOTESIS

1) Formular la Hiptesis de Investigacin

2) Plantear las correspondientes hiptesis estadsticas
- Hiptesis nula (Ho): Es la que se somete a prueba (Es la que
contrastamos o verificamos). Es la nica que pasa por la igualdad, por lo tanto
las relaciones que plantea un hiptesis nula son las siguientes: =, , .
- Hiptesis alterna (Ha): Platea diferencia y generalmente coincide
con la hiptesis de investigacin o del investigador, a menos que la hiptesis del
investigacin sea formulada en trminos de igualdad, por lo que de ser as est
coincide con la nula.
3) Determinar un nivel de significacin (), la cual es la probabilidad de cometer el
error tipo I (Rechazar una hiptesis siendo esta verdadera).
- ms usados: 0,01 (1%) y 0,05 (5%).
- SPSS: el programa calcula y entrega automticamente un nivel de error
que tcnicamente se denomina p value o valor p (nivel de significacin mnima o
mnimo para poder rechazar la Ho.
- si p 0,01: se rechaza la Ho con un p < 0,01 (1% de significacin)
- si p > 0,01 y 0,05: se rechaza Ho con un p < 0,05
- si p > 0,05: se acepta Ho con un p > 0,05 (95% de confianza)
4) Adoptar una decisin estadstica (D.E.) Se acepta o se rechaza la Ho.

CORRELACIONES

Procedimiento estadstico que intenta probar el grado de asociacin que hay entre dos o ms
variables

Correlaciones
Bivariadas

Correlaciones
Mulivariadas

Es un nmero que nos dice hasta donde los cambios o variaciones que presenta una variable se
explican por las variaciones o cambios que presenta otra variables (Juego de varianzas)

La correlacin no implica causalidad, la nica vez que yo puedo atribuir causalidad es cuando la
correlacin es perfecta (-1 o +1).

Caracterstic
as de las
correlaciones

monto

Tiene que ver con la fuerza de la copelacin, las

que pueden ser: fuertes (0,66 a 1), moderada
(0,35 a 0,65) y dbiles (0 0,34)

direccin

Tiene que ver con el signo de la correlacin.

Pueden ser positivas (directa) o negativas
(inversa). No todos los coeficientes asumen
valores positivos y negativos

COEFICIENTES DE CORRELACIN

Pearson (rxy)

Spearman (rs)

Kendall ()

Punto Biserial
(rpb)

Biserial (rb)

- Dos variables cuantitativas continuas con un nivel de medicin a lo

mnimo intervalar
- La relacin de las variables debe ser de naturaleza lineal
- Asume valores que van del -1 a +1, pasando por el 0 que significa
ausencia de correlacin.
- Dos variables cuantitativas con un nivel de medicin a lo mnimo
ordinal
- La relacin de las variables debe ser de naturaleza lineal
- Asume valores que van del -1 a +1, pasando por el 0 que significa
ausencia de correlacin.
- Spearman es un derivado de Pearson, Kendall no lo es.
- Kendall se utiliza para determinar una correlacin parcial (control
de variables intervinientes)
- Spearman es aproximadamente 1,5 veces ms grandes que
Kendall en el mismo conjunto de datos.
- Es un derivado de Pearson
- Correlacin entre una variables
(nominal) con otra variable que es
lo menos en una escala intervalar.
- El signo no se interpreta, sino que
grupos
- En SPSS se realiza mediante el
Pearson

dicotmica real o genuina

cuantitativa continua medida a
hay que ver las medias de los
coeficiente de correlacin de

- Es un derivado de Pearson
- Correlacin entre una variable es que cuantitativa medida a lo
menos en una escala intervalar con otra variable que es dicotmica
aparente o artificial

COEFICIENTES DE CORRELACIN

Phi (r)

Contingencia (C)

Tetracorico (rt)

- Sirve para calcular la correlacin entre dos variables dicotmicas

reales o una dicotmica real y una aparente.
- El signo no se interpreta, pues son variables cualitativas. Para
interpretar hay que recurrir a la tabla de contingencia.
- Condicin: Si existe una frecuencia esperada menor a 5, se
interpreta mediante el estadstico exacto de Fisher (Chi cuadrado)

- Es un derivado de Pearson
- Tradicionalmente se utiliza para calcular la correlacin entre 2
variables dicotmicas (reales o aparentes), dos policotmicas
(reales o aparentes) o una dicotmicas y una policotmicas..
- Su uso se restringir a dos variables policotomicas
o una
policotmica y una dicotmica
- Toma valores que van entre 0 y 1
- Condicin: si ms del 20% de las frecuencias esperadas son
inferiores a 5, no se puede calcular.

- Se utiliza para calcular la correlacin entre

dos variables
dicotmicas aparentes
- Es derivado de Pearson
- La dicotoma por lo general se realiza en la mediana.

COEFICIENTES DE CORRELACIN

1
0

1
1

Eta (xy; yx)

Correlacin
Mltiple

Correlacin
Parcial

- Se utiliza para calcular la correlacin entre una variable (criterio) y

2 o mas variables (predictoras).
- El coeficiente se denomina coeficiente de correlacin mltiple .
- Asume valores que van de -1 a +1 pasando por el 0
- El signo no se interpreta, slo establece si existe o no correlacin.
- Se utiliza para calcular la correlacion entre dos variables
cuantitativas continuas manteniendo controlada los efectos de una
tercera variables que se sabe que influye (correlacin previa).
- La correlacin parcial obtenida se denomina correlacin pura.
- La influencia de la variables controlada puede ser:
- Positiva: cuando esta controlada baja el monto de la
correlacin
- Negativa: cuando esta controlada aumenta el monto de la
correlacin

CONFIABILIDAD

La confiabilidad es un proceso o una propiedad que se le atribuye a la medicin de la

prueba, se relaciona con los conceptos de estabilidad y consistencia.
Una prueba es confiable cuando sus resultados son similares en el tiempo tras sucesivas
aplicaciones.
Hay ciertos factores que atentan contra la confiabilidad: Historia, Maduracin, Mortalidad
Experimental, Adivinacin o Azar.
El valor mximo que accede el coeficiente de fiabilidad es 1.

Test - Retest

Formas
Paralelas

Consiste en generar una prueba lo ms similar posible o

equivalente a la que se est construyendo.
Se aplica la prueba A, se deja pasar un tiempo y luego se
aplica A. Si hay correlacin, ser confiable. Tambin se corrige
por Spearman Brown.

El coeficiente de
Correlacin que se utiliza
es Pearson

Prueba de
Significancia

CONFIABILIDAD
3

Consistencia
Interna

Dos
mitade
s

Consiste en correlacionar la prueba consigo misma. Esta basado

en una sola aplicacin del instrumento, sin embargo constituyen
una estimacin de la confiabilidad y no el clculo en s misma.

Propiamen
te tal

Se va a dividir la prueba en 2 mitades cualquiera y esas 2

mitades se correlacionan. Si hay correlacin entre ambas, el
instrumento es confiables.
Lo ms comn es que se divida entre los tems pares e
impares, se suman y se correlacionan mitad par con mitad
impar.
Se corrige con Spearman Brown, pero tambin se agrega el
procedimiento de ruln (rttR) y Gutman y Flanagan (rttGF )
el procedimiento,
los valores
deben ser
los(20) y
Kuder Richardson
= para variables
dicotmicas
(K.R
Independiente
mismos
K.R )
(21)

de Cronbach = para variables policotomicas y

cuantitativas continuas