UNIDAD DIDÁCTICA 5 LA FIABILIDAD DE LOS TESTS SEGÚN LA TEORÍA CLÁSICA
|
|
- Natalia Acuña Lara
- hace 7 años
- Vistas:
Transcripción
1 UNIDAD DIDÁCTICA 5 LA FIABILIDAD DE LOS TESTS SEGÚN LA TEORÍA CLÁSICA 5.1. FIABILIDAD ABSOLUTA / FIABILIDAD RELATIVA En términos generales, al hablar de fiabilidad en Psicometría nos estamos refiriendo a la estabilidad, a la precisión, a la constancia, a la consistencia de un test, de tal manera que diremos que un test será fiable cuando al aplicarlo repetidas veces a un mismo sujeto, nos ofrezca esencialmente la misma puntuación. Para la TCT, el estudio de la fiabilidad (desde una concepción absoluta ) se centra en la estimación de los errores de medida cometidos al aplicar un determinado instrumento. Es decir, si la puntuación empírica de un sujeto es igual a su puntuación verdadera más el error de medida cometido (X = V + e), entonces el error de medida será igual a la diferencia existente entre su puntuación empírica y su puntuación verdadera (e = X V). Así, cuando apliquemos un test en el que X = V, el error de medida será nulo y ese test tendrá una fiabilidad máxima mientras que si X e V son muy diferentes, e tenderá a aumentar disminuyendo con ello la fiabilidad del test. A esta forma de estimar los errores de medida se le conoce como estudio de la fiabilidad absoluta. Sin embargo, a priori éste es un planteamiento imposible en la práctica porque exige del conocimiento de las puntuaciones verdaderas de los sujetos (aunque un poco más adelante veremos que se puede estimar la fiabilidad absoluta de un test mediante el estudio de la desviación típica de los errores de medida o error típico de medida); por ello, se ha propuesto como alternativa el estudio de la fiabilidad relativa o correlación lineal de las puntuaciones de un test consigo mismas o, dicho de otro modo, para el cálculo del llamado coeficiente de fiabilidad relativa de un test (r XX ). Vamos a verlo detenidamente: 5.2. MÉTODOS PARA EL CÁLCULO DE LA FIABILIDAD RELATIVA Hemos visto que la estimación del error de medida a partir de las puntuaciones verdaderas de los sujetos es empíricamente imposible por lo que se han desarrollado 3 aproximaciones prácticas al estudio y cálculo del coeficiente de fiabilidad relativa de un test (r XX ): MÉTODO DEL TEST - RETEST Consiste en correlacionar las puntuaciones obtenidas en dos ocasiones diferentes por los mismos sujetos en el mismo test (y, por lo tanto, refleja el grado de estabilidad del test). El principal problema de este método es el de determinar la cantidad óptima de tiempo que debe transcurrir entre la primera y la segunda aplicación ya que si el período intermedio es muy breve, las puntuaciones pueden variar por efecto del aprendizaje (recuerdo de las respuestas a los ítems) y/o de la fatiga de los sujetos, alterando con ello la fiabilidad real del test. Por el contrario, si el período entre aplicaciones es muy largo, las puntuaciones empíricas pueden variar porque el rasgo que estamos midiendo no sea estable en el tiempo, es decir, que evolucione, cambie, se modifique, por lo que este método sólo debe emplearse con rasgos teóricamente estables, es decir, que no varíen con el paso del tiempo como pueden ser el CI o la personalidad. Unidad Didáctica 5-1
2 MÉTODO DE LAS DOS MITADES Es el más utilizado porque sólo se necesita aplicar una vez el test y calcular la correlación obtenida por los sujetos en cada una de las dos mitades en que se puede dividir dicho test. Como un test puede tener múltiples dos mitades, habitualmente escogeremos las puntuaciones de los ítems pares y las correlacionaremos con las de los ítems impares (r PI ). Basta con hacer una pequeña transformación sobre esta correlación (mediante la conocida como fórmula de Spearman-Brown para la longitud doble y que veremos con más detenimiento en próximos apartados) y tendremos el coeficiente de fiabilidad del test (que, en este caso, es un indicador directo de la consistencia interna del test): Ejemplo del cálculo del coeficiente de fiabilidad de un test mediante el método de las dos mitades y del test re-test: Sujetos Item 1 Item 2 Item 3 Item 4 Item 5 Item 6 Pares Impares r PI = 0,8 r xx = (2 x 0,8) / (1 + 0,8) = 0,89 Al volver a aplicar el test en una segunda ocasión, estos mismos 5 sujetos obtuvieron unas puntuaciones de: 22, 18, 15, 4 y 7. Calculad el coeficiente de fiabilidad relativa del test utilizando ahora el método del test-retest. MÉTODO DE LAS FORMAS PARALELAS Si dos formas de un test pretenden medir un mismo rasgo, parece razonable esperar que los resultados empíricos de ambas en una población correlacionen de forma elevada. Si esto es así, ambas formas manifiestan un elevado grado de precisión a la hora de reflejar los diversos niveles de rasgo. Si ambas correlacionasen de forma mínima, no podemos fiarnos de que reflejen fidedignamente los niveles de rasgo. Pues bien, definimos inicialmente el coeficiente de fiabilidad como la correlación entre los resultados que proporcionan dos formas paralelas de un mismo test. Teóricamente, este método consistiría entonces en correlacionar las puntuaciones obtenidas por los sujetos en dos formas paralelas de un mismo test (mide por tanto el grado de equivalencia entre ellas). Aunque ésta es la forma que se deriva directamente del modelo de la TCT (recordad la importancia que se da a su definición en esta teoría) tiene el enorme inconveniente de que exige el diseño de dos formas paralelas de un mismo instrumento; diseño que, al margen de costoso en tiempo y esfuerzo, es muy difícil de conseguir. Sin embargo, el desarrollo teórico de este tercer método de aproximación al estudio de la fiabilidad relativa de un test resulta muy útil para comprender mejor el significado y modo de interpretación del coeficiente de fiabilidad de un test, así que vamos a verlo con detenimiento. Unidad Didáctica 5-2
3 5.3. CÁLCULO E INTERPRETACIÓN DEL COEFICIENTE Y DEL ÍNDICE DE FIABILIDAD RELATIVA EN FORMAS PARALELAS Supongamos que disponemos de dos formas paralelas de un test: la forma j y la forma k. El coeficiente de fiabilidad relativa de dicho test (r jk ) vendrá dado por el cociente entre la varianza de las puntuaciones verdaderas y la varianza de las puntuaciones empíricas y se representará entonces como: r jk = r xx = Dado que las varianzas siempre tienen valor positivo y dado que sabemos que: Podemos concluir que el valor de este cociente sólo puede oscilar entre 0 y 1 (ya que de modo que, cuanto más cerca de 1 esté r xx, más parecidas serán S 2 v y S 2 x y, por tanto, mayor será la precisión, la estabilidad, la fiabilidad relativa del test analizado. Pero además, el coeficiente de fiabilidad puede ser interpretado del mismo modo que un coeficiente de determinación, es decir, puede interpretarse como una correlación al cuadrado; esto es, como la proporción de varianza de las puntuaciones observadas (X) que es explicada por las puntuaciones verdaderas (V) o nivel del rasgo de los sujetos. Es decir, cuanto más alto sea el valor de r xx mayor será el porcentaje de variabilidad de las puntuaciones empíricas debido a las puntuaciones verdaderas y menor el debido al error de medida. Ejemplo: Si obtenemos un coeficiente de fiabilidad de 0.90, querrá decir que el 90 % de la varianza de las puntuaciones observadas se debe a los niveles del rasgo de los sujetos y tan sólo el 10 % de varianza restante al error de medida cometido al aplicar dicho test. Pero, por qué podemos interpretar el coeficiente de fiabilidad de un test como si se tratara de una correlación al cuadrado? Hasta ahora hemos visto que el llamado coeficiente de fiabilidad relativa de un test es la correlación de las puntuaciones obtenidas en dicho test consigo mismas (r xx ); sin embargo, hay otra forma de aproximarse al estudio de la fiabilidad relativa de un test mediante el conocido como índice de fiabilidad relativa o correlación existente entre las puntuaciones verdaderas y las empíricas de un test (r vx ). Su cálculo se consigue aplicando la siguiente fórmula: r xv Como podéis ver entonces, el coeficiente de fiabilidad relativa es igual al índice de fiabilidad al cuadrado, por lo que en sí mismo es ya una correlación al cuadrado y, por tanto, puede ser interpretado directamente como un coeficiente de determinación: r xx = (r xv ) 2 = d Por lo tanto, como el coeficiente de fiabilidad es en realidad una correlación al cuadrado (es decir, al índice de fiabilidad al cuadrado) puede interpretarse como los coeficientes de determinación; es decir, como el % de varianza de las puntuaciones empíricas (X) explicado por las puntuaciones verdaderas o nivel de rasgo del sujeto (V). Ejercicio: La varianza verdadera supone el 85 % de la varianza empírica de un test. Cuánto vale el índice de fiabilidad de dicho test? (Solución: r xv = 0,92) Unidad Didáctica 5-3
4 Pero el coeficiente de fiabilidad de un test no sólo sirve para conocer el porcentaje de varianza de las puntuaciones empíricas explicado por los niveles del rasgo (o puntuaciones verdaderas), sino que también puede ser utilizado para algo tan útil como estimar las puntuaciones verdaderas de los sujetos en dicho test (V ) y/o para estimar la fiabilidad absoluta del mismo OTROS USOS DEL COEFICIENTE DE FIABILIDAD RELATIVA DE UN TEST a. Estimación de la puntuación verdadera de un sujeto en un test: sabemos que V es una puntuación inalcanzable a priori, sin embargo, podemos emplear el coeficiente de fiabilidad relativa del test para obtener su valor estimado. Para ello, bastaría con aplicar la siguiente fórmula: V = X + r XX (X - X) Ejercicio 1: Un sujeto obtiene un cociente intelectual de 110; como es sabido, dicha variable tiene una media de 100 y una desviación típica de 15. El coeficiente de fiabilidad relativa del test utilizado para medir la inteligencia del sujeto es de Cuál será su puntuación verdadera? (Solución: V = 109) Ejercicio 2: Supongamos que conocemos los siguientes datos acerca de un test: la desviación típica de las puntuaciones directas de los sujetos en dicho test es igual a 5 y la de las puntuaciones verdaderas es igual a 4,74. Calcular la puntuación verdadera que un sujeto obtendría en dicho test sabiendo que obtuvo una puntuación directa de 26 y que la media de las puntuaciones directas fue de 20. (Solución: V = 25,4) b. Estimación del error de medida (fiabilidad absoluta) cometido al aplicar un test: hasta ahora hemos aprendido a calcular e interpretar el coeficiente de fiabilidad relativa de un test y hemos visto que éste también puede utilizarse para estimar las puntuaciones verdaderas de los sujetos en el rasgo o variable que mide ese test. Pues bien, debemos saber que es posible utilizarlo también para estudiar los errores de medida cometidos al aplicar estos instrumentos o, dicho de otro modo, para aproximarnos al estudio de su fiabilidad absoluta. Concretamente, comentábamos al principio del tema que esto sólo era posible a partir del cálculo de la desviación típica de los errores o error típico de medida. Vamos a ver cómo podemos calcularlo. Como recordaréis, según los supuestos básicos de la TCT sabemos que X=V+e y que S 2 X = S 2 V + S 2 e, por lo que S 2 e = S 2 X - S 2 V. También sabemos que el coeficiente de fiabilidad de un test se expresa como r XX = S 2 V / S 2 X y, por lo tanto, S 2 V = r XX S 2 X. Sustituyendo S 2 V por este nuevo valor en la fórmula de la varianza de los errores de medida, tendremos que S 2 e = S 2 X - r XX S 2 X, o, lo que es lo mismo S 2 e = S 2 X (1- r XX ). Así, el error típico de medida será entonces S e = S 2 X (1- r XX ) y, definitivamente: S e = S X Ejercicio 1: La varianza empírica de un test es de 25 y el error típico de medida 2. Cuál es el coeficiente de fiabilidad relativa del test? (Solución: r XX = 0,84). Ejercicio 2: El error típico de medida de un test es de 2 puntos y la varianza de las puntuaciones verdaderas de 25. Cuál es el coeficiente de fiabilidad relativa del test? (Solución: r XX = 0,86). Unidad Didáctica 5-4
5 5.5. FACTORES QUE INFLUYEN EN EL COEFICIENTE DE FIABILIDAD: LONGITUD Y VARIABILIDAD DEL TEST. Aunque pudiera parecer lo contrario, la fiabilidad relativa de un test no es una propiedad exclusiva y fija del instrumento de medida sino que puede verse afectada, modificada manipulando ciertas características tanto del propio test como de los sujetos a los que se aplica. En este sentido, dos de los factores más influyentes sobre la magnitud del coeficiente de fiabilidad de un test son su longitud y la variabilidad de las puntuaciones obtenidas por las muestras de sujetos sobre las que hemos aplicado el test para calcularlo. a) Fiabilidad y variabilidad de la muestra Como ya sabemos, el coeficiente de fiabilidad relativa de un test no es más que una correlación de Pearson y, como tal se ha podido comprobar que aumentará si aumenta la variabilidad (varianza) de la muestra a la que se aplica. De este modo, si al calcular un coeficiente de fiabilidad relativa a partir de las puntuaciones de un grupo de sujetos al serles aplicado un test, vemos que éste alcanza un valor bajo (normalmente no se suelen encontrar test con fiabilidades relativas menores de 0.7) podremos intentar aumentarlo simplemente volviendo a aplicar dicho instrumento a una muestra con mayor varianza que la del grupo al que fue aplicado en primer lugar, con lo cuál veremos que el nuevo coeficiente de fiabilidad relativa que obtengamos será mayor que el inicial. Pero, cómo sabremos a priori que en una muestra las puntuaciones van a alcanzar mayor varianza que en otra? Pues, habitualmente en muestras de mayor tamaño suele haber una mayor dispersión entre las puntuaciones, una mayor variabilidad, ya que al haber más sujetos es más probable que existan más diferencias entre ellos.. De ahí, que normalmente, para obtener mayor varianza bastaría con buscar una muestra más numerosa que la empleada inicialmente. Una vez encontrada la muestra más grande, para calcular este nuevo y aumentado coeficiente de fiabilidad relativa, partiremos de la idea de que el error típico de medida del test para ambos grupos (S e = fiabilidad absoluta) no va a cambiar de una muestra a otra puesto que el test que se aplica es exactamente el mismo en ambos casos y, por lo tanto, el error de medida cometido también lo será. Así, cuando tenemos dos muestras diferentes a las que se aplica el mismo test, podemos partir de la suposición de que el error típico de medida de la primera muestra será igual al error típico de medida de la segunda muestra: S e1 = S e2 Por lo tanto, y sustituyendo S e por su valor en la correspondiente fórmula: S X1 = S X2 Fórmula de la que se puede despejar el nuevo r X2X2 o lo que se desee en función de los datos conocidos y/o requeridos en cada ocasión. Ejercicio 1: Se aplica un test de rapidez perceptual a un grupo de controladores aéreos obteniéndose una desviación típica empírica de 12 puntos. Del grupo inicial sólo es admitido un 10 %, encontrándose que en él la varianza de las puntuaciones en el test fue de 2 y el coeficiente de fiabilidad relativa de 0,50. Cuál habría sido el coeficiente de fiabilidad relativa del test si hubiéramos utilizado el grupo total de aspirantes sobre el que se realizó la selección? Solución: r X2X2 = 0,99 Ejercicio 2: Un test es aplicado inicialmente a una muestra representativa de alumnos de la Universidad de Oviedo. La varianza de las puntuaciones en dicho test para dicha muestra es de Unidad Didáctica 5-5
6 81. Dentro de esta muestra global, los estudiantes de la Fac. de Biológicas obtienen en el test una desviación típica de 3 y un coeficiente de fiabilidad relativa de 0,75. Cuál es el coeficiente de fiabilidad relativa del test en el grupo representativo de toda la Universidad de Oviedo? (Solución: = 0,97). Se modificará la fiabilidad absoluta del test para ambas muestras, por qué? (Solución: No, porque la fiabilidad absoluta de un test viene dada por el error típico de medida que será el mismo siempre y cuando el test aplicado también lo sea). b) Fiabilidad y longitud del test Sabemos que un test es un conjunto de ítems que miden cierto rasgo. Por lo tanto, pienso que es lógico admitir que cuanto mayor número de ítems incluya nuestro test, más aspectos de dicho rasgo se estarán midiendo con lo que nuestro instrumento será, en consecuencia, más preciso, más fiable. En general, podemos decir que al aumentar la longitud del test (el número de ítems que lo constituyen) aumentará su coeficiente de fiabilidad relativa. Pero, cómo podemos cuantificar ese aumento? Pues mediante la fórmula de Spearman-Brown de la que ya hemos oído hablar a propósito del cálculo de la fiabilidad relativa de un test mediante el procedimiento de las dos mitades (fórmula de Spearman-Brown para el caso de la longitud doble): R XX Donde: R XX = coeficiente de fiabilidad relativo del test una vez alargado. n = número de veces que se multiplica la longitud inicial del test. (n = nº de ítems del test alargado /nº de ítems del test original) r XX = coeficiente de fiabilidad relativa del test original. Ejercicio 1: supongamos que a un test inicial de 30 ítems con un coeficiente de fiabilidad de 0,6 le añadimos 15 ítems. Cuáles serían sus nuevos coeficiente e índice de fiabilidad? Solución: = 45 n = 45/30 = 1,5 R XX = (1,5 x 0,6) / 1 + ( 0,5 x 0,6) R XX = 0,69 R XV = 0,69 = 0,83 Ejercicio 2: El coeficiente de correlación de Pearson entre dos mitades aleatorias de un test es de 0,85. Cuál es el coeficiente de fiabilidad del test? (Solución: 0,92) Ejercicio 3: La correlación entre los elementos pares e impares de un test es de 0,90. Cuál es el coeficiente de fiabilidad del test? (Solución: 0,95) Ejercicio 4: Un test de 20 elementos tiene un coeficiente de fiabilidad de 0,4. Se le añaden 200 elementos paralelos a los 20 iniciales. Cuál es el coeficiente de fiabilidad del test resultante?(solución: 0,88) Sin embargo, a veces interesa más conocer el número de veces que convendría alargar un test para obtener un coeficiente de fiabilidad determinado; es decir, que a veces nos preguntamos directamente qué número de ítems debería tener nuestro test para alcanzar una fiabilidad determinada. Para ello, no tenemos más que despejar el parámetro n de la fórmula general de Spearman-Brown, y a partir de él calcular el número de ítems solicitado: n Unidad Didáctica 5-6
7 Ejercicio 1: Se dispone para cierta investigación, de un test de 40 elementos cuyo coeficiente de fiabilidad es de 0,7. Sin embargo, para su buen uso, sería conveniente que su fiabilidad no fuera menor de 0,90. Cuántos elementos paralelos a los que ya posee habrá que añadirle para conseguir dicho coeficiente de fiabilidad? Solución: n = 0,90 (1-0,7) / 0,7 (1-0,90) = 3,86 3,86 = nº de ítems del alargado / 40 nº de ítems del alargado = 3,86 x 40 = 154, = 115 ítems habrá que añadir Ejercicio 2: Se dispone de un test de 50 elementos cuyo coeficiente de fiabilidad es de 0,7. De cuántos elementos habrá de constar dicho test si se desea que su coeficiente de fiabilidad sea 0,90? (Solución: 193) COEFICIENTE DE CRONBACH Y UNIDIMENSIONALIDAD DEL TEST. En muchos tests psicométricos, los indicadores de fiabilidad relativa no aparecen expresados en función de sus coeficientes correspondientes sino en base a un potente estimador de los mismos que se conoce como coeficiente de Cronbach. Simplificando, podemos decir que el coeficiente alfa ( ), propuesto por Cronbach (1951), estudia la fiabilidad de un test entendiéndola como el grado en que todos los ítems que lo componen miden el mismo rasgo (unidimensionalidad del test) y, por supuesto, si lo miden bien. Es, por lo tanto, una medida de la consistencia interna del test, de la coherencia existente entre todos sus ítems. Su fórmula puede verse expresada en términos muy variados: varianzas, correlaciones e, incluso, covarianzas, por lo que existen múltiples alternativas para su cálculo como, por ejemplo, la planteada por Kuder y Richardson. De este modo, lo único que nos va a interesar a nosotros aquí es poder interpretarlo como medida de la fiabilidad de un test cuando encontremos referencia a él al revisar las características psicométricas de alguno de ellos. En estos términos, debemos entender que es un estimador del coeficiente de fiabilidad de un test, de tal manera que si el valor de es elevado, la fiabilidad del test también lo será. Este coeficiente de consistencia interna siempre tendrá un valor menor o igual al de la fiabilidad del test y sólo coincidirán cuando todos los ítems sean paralelos entre sí; es decir, cuando la consistencia interna entre ellos sea máxima y, por lo tanto, podamos afirmar que están midiendo la misma dimensión o rasgo psicológico. BIBLIOGRAFÍA COMPLEMENTARIA GARCÍA CUETO, E. (1993). Introducción a la Psicometría. México: Siglo XXI. MARTÍNEZ ARIAS, R. (1995). Psicometría: Teoría de los tests psicológicos y educativos. Madrid: Editorial Síntesis. MUÑIZ, J. (coor.) (1996). Psicometría. Madrid: Editorial Universitas, S.A. SEOANE, J. y RECHEA, C. (1976). Psicometría. Madrid: UNED. Unidad Didáctica 5-7
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 8) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 8) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía PEC-1: Soluciones PEC-1: Soluciones INTRODUCCIÓN En este
Más detallesPsicometría (2º Cuatrimestre) Preguntas de exámenes TEMA 4: La fiabilidad de las puntuaciones
Psicometría (2º Cuatrimestre) Preguntas de exámenes TEMA 4: La fiabilidad de las puntuaciones OTA: Los ejercicios cuyo número está en amarillo corresponden a la segunda parte del tema. o hacerlos para
Más detallesSujeto X 1 V 1 E 1 X 2 V 2 E ,8 3,2 1,6 4,8 3,2 1,6
Ejercicios capítulo 3. Modelo clásico y fiabilidad 11 Ejercicios 3.1. Supongamos que conocemos las puntuaciones observadas, verdaderas y error de una población de 5 personas en dos formas paralelas de
Más detallesBLOQUE C. TEORÍA CLÁSICA DE TESTS
GUIA DE TRABAJO DEL BLOQUE C. TEORÍA CLÁSICA DE TESTS Psicometría. Prof. J. L. Melià. Objetivo general del Bloque C Adquirir conocimientos básicos sobre el contenido de la psicometría y la medición en
Más detalles1. Los constructos psicológicos: a) son variables psicológicas observables; b) se miden a través de indicadores; c) son variables unidimensionales.
PLANTILLA NOTA: Se autoriza a los alumnos a llevar al examen fotocopia de la Fe de Erratas del formulario. También podrán llevar las erratas corregidas en el mismo. Es posible que por problemas de redondeo
Más detallesTEMA II: MODELO CLÁSICO Y CONCEPTO DE FIABILIDAD
9 TEMA II: MODELO CLÁSICO Y CONCEPTO DE FIABILIDAD INTRODUCCIÓN En las Ciencias clásicas (Medicina, Física, Química,...) existen aparatos, con márgenes de error especificados, para medir determinadas características
Más detallesBLOQUE C. TEORIA DE TESTS
GUIA DE TRABAJO DEL BLOQUE C. TEORIA DE TESTS Psicometría Prof. J. L. Melià. Objetivo general del Bloque C Adquirir los conceptos básicos y los métodos prácticos necesarios para entender y utilizar teoría
Más detallesUNIDAD DIDACTICA I TEMA 1. LA MEDIDA EN PSICOLOGIA
UNIDAD DIDACTICA I TEMA 1. LA MEDIDA EN PSICOLOGIA 1. Delimitación teórica de la psicometría 2. Los comienzos de la psicometría 3. La orientación psicofísica 4. Los tests mentales 5. Áreas de trabajo de
Más detallesPsicometría (2º Cuatrimestre) Preguntas de exámenes TEMA 6: Validez en las inferencias (I)
Psicometría (2º Cuatrimestre) Preguntas de exámenes TEMA 6: Validez en las inferencias (I) 1.- Si el coeficiente de fiabilidad de un test es 0,64, su coeficiente de validez respecto a un criterio externo
Más detallesPsicometría Tema 9 ASIGNACIÓN Y EQUIPARACIÓN DE PUNTUACIONES
Psicometría Tema 9 ASIGNACIÓN Y EQUIPARACIÓN DE PUNTUACIONES Psicometría Mª Isabel García Barbero, UNED. Universidad Nacional de Educación a Distancia, 2006 1 La interpretación de las puntuaciones depende
Más detallesESTUDIO DE LA CONFIABILIDAD DE LAS PRUEBAS DE SELECCIÓN UNIVERSITARIA ADMISIÓN 2013
ESTUDIO DE LA CONFIABILIDAD DE LAS PRUEBAS DE SELECCIÓN UNIVERSITARIA ADMISIÓN 2013 Andrés Antivilo B. Paola Contreras O. Jorge Hernández M. Documento de trabajo Nº04 /14 Santiago, abril de 2014 Índice
Más detallesSumario... 5 Prólogo Unidad didáctica 1. Introducción a la psicometría Objetivos de la Unidad... 11
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la psicometría... 9 Objetivos de la Unidad... 11 1. Breve historia de la medición en psicología... 12 1.1. La medición
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesPsicometría Tema 8 ANÁLISIS DE LA CALIDAD MÉTRICA DE LOS ÍTEMS
Psicometría Tema 8 ANÁLISIS DE LA CALIDAD MÉTRICA DE LOS ÍTEMS Psicometría Mª Isabel García Barbero, UNED. Universidad Nacional de Educación a Distancia, 2006 1 La evaluación de la calidad métrica de los
Más detallesTEMA 5. LA FIABILIDAD
TEMA 5. LA FIABILIDAD 1. Estadísticos de correlación 1.1. Coeficiente de correlación de Pearson 1.. Coeficiente de determinación 1.3. Otros coeficientes de correlación en función de la naturaleza de las
Más detallesLos rasgos psicológicos se pueden organizar en tres grandes categorías en función de su consistencia y estabilidad, siendo los más consistentes y
Los rasgos psicológicos se pueden organizar en tres grandes categorías en función de su consistencia y estabilidad, siendo los más consistentes y estables los rasgos intelectuales. 1 2 La base empírica
Más detallesU ED Tudela Psicometría. Tema 7
Psicometría (2º Cuatrimestre) Preguntas de exámenes TEMA 7: Validez en las inferencias (II) 1.- Si de los 150 aspirantes a un puesto de trabajo se seleccionan 60 y después de un periodo de entrenamiento
Más detallesTEMA 9 FIABILIDAD DE LAS PUNTUACIONES
Licenciatura de Psicopedagogía: Métodos, Diseños y Técnicas de Investigación Psicológica Salvador Chacón Moscoso Susana Sanduvete Chaves Dpto. de Psicología Eperimental. Universidad de Sevilla. TEMA 9
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detalles8. Los cambios en la longitud del criterio pueden afectar a la: a) fiabilidad del test y del criterio; b) fiabilidad del test; c) validez del test.
Sólo se permitirá anotar en el formulario las erratas detectadas. Los cálculos deberán redondearse a dos decimales 1. La Ley del Juicio Categórico puede utilizar como procedimiento experimental para la
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 5
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 5: Relación entre variables (II) 1.- Cuál de las siguientes afirmaciones es verdadera? A) Una correlación de 0 78 entre dos variables X e Y tiene la misma intensidad
Más detallesU ED Tudela Psicometría. Tema 9
Psicometría (2º Cuatrimestre) Preguntas de exámenes TEMA 9: Asignación, transformación y equiparación de las puntuaciones. 1.- Si un sujeto ocupa el percentil 95 en un test, podemos afirmar que su puntuación
Más detallesTradicionalmente, la fiabilidad de un test puede entenderse de tres maneras diferentes:
TEMA III: FIABILIDAD DEL TEST INTRODUCCIÓN Se entiende por fiabilidad el grado de estabilidad, precisión o consistencia que manifiesta el test como instrumento de medición de un rasgo determinado. Si un
Más detallesFiabilidad y variabilidad
Fiabilidad y variabilidad El coeficiente de fiabilidad de un test se ve afectado por la variabilidad de la muestra. Un test tiende a manifestar un coeficiente de fiabilidad mayor cuanto mayor sea su variabilidad.
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 4
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 4: Análisis conjunto de dos variables. 1.- Cuando se dice que dos variables están correlacionadas positivamente, se tiene que interpretar que: A) un aumento en una
Más detallesCONSTRUCCION DE PRUEBAS PSICOLOGICAS. Zelenia M. Eguigure
CONSTRUCCION DE PRUEBAS PSICOLOGICAS Zelenia M. Eguigure Psicometría Conjunto de técnicas, métodos y teorías implicados en la medición de variables psicológica; estudia las propiedades métricas exigibles
Más detallesLosrasgos psicológicos se pueden organizar en tres grandes categorías en función de su
1 Losrasgos psicológicos se pueden organizar en tres grandes categorías en función de su consistencia y estabilidad, siendo los más consistentes y estables los rasgos intelectuales. 2 La base empírica
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: La Correlación. https://www.intecca.uned.es/portalavip/grabacion.php?id_grabacion=56932&id_sala=605
Más detallesCLASIFICACIÓN PRUEBAS PSICOMÉTRICAS
CLASIFICACIÓN PRUEBAS PSICOMÉTRICAS CARACTERÍSTICAS DE LOS TEST Es el proceso que ha sido necesario realizar para la normalización de una prueba; es decir que ésta ha sido probada en una población
Más detallesLA CONSTRUCCIÓN DE LA PSICOMETRÍA COMO CIENCIA TEÓRICA Y APLICADA.
LA CONSTRUCCIÓN DE LA PSICOMETRÍA COMO CIENCIA TEÓRICA Y APLICADA. José Luis Meliá Navarro Unidad de Investigación de Psicometría Universidad de Valencia 1.990 Para Laura La Construcción de la Psicometría
Más detallesValidación estadística de pruebas y escalas
Programa de Doctorado Formación en la Sociedad del Conocimiento Seminario de doctorado 23 de mayo de 2014 Validación estadística de pruebas y escalas Dra. Mª José Rodríguez Conde Dra. Susana Olmos Migueláñez
Más detallesEJERCICIOS RESUELTOS TEMA 4. Tarea realizada 68 (84,8) --- (---) 96 (112,8) --- (---)
Nivel de ansiedad Ansiedad INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 4. 4.1. Con los datos de la Tabla 1, el valor de es igual a: A) 7,17; B) 11,80 C) 16,8. Tabla 1. En un estudio se investigó
Más detallesÍndice. TEMA 3. Evaluación de la incertidumbre típica. 1. Clasificación de las medidas: Ejemplos. 2. Función de transferencia.
INTRODUCCIÓN A LA METROLOGÍA Curso Académico 2011-1212 Rafael Muñoz Bueno Laboratorio de Metrología y Metrotecnia LMM-ETSII-UPM TEMA 3. Evaluación de la incertidumbre típica Índice 1. Clasificación de
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesPreparación examen PIR Diseños Experimentales, Estadística y Psicometría
Preparación examen PIR Diseños Experimentales, Estadística y Psicometría INDICE DISEÑOS EXPERIMENTALES TEMA 1: LA INVESTIGACIÓN CIENTÍFICA EN PSICOLOGÍA... 14 1. INTRODUCCIÓN... 14 1.1. Conocimiento científico...
Más detallesCÓMO VALORAR UN COEFICIENTE DE CONFIABILIDAD?
APUNTES SOBRE METODOLOGÍA DE LA INVESTIGACIÓN CÓMO VALORAR UN COEFICIENTE DE CONFIABILIDAD? Arturo Barraza Macías Profesor del área de postgrado de la Universidad Pedagógica de Durango; actualmente se
Más detallesPRINCIPIOS DE PSICOMETRÍA
PRINCIPIOS DE PSICOMETRÍA Consulte nuestra página web: www.sintesis.com En ella encontrará el catálogo completo y comentado PRINCIPIOS DE PSICOMETRÍA CARMEN SANTISTEBAN REQUENA EDITORIAL SINTESIS Diseño
Más detallesActividades prácticas
Actividades prácticas Antoni Cosculluela PID_00198632 GNUFDL PID_00198632 Actividades prácticas 2013, FUOC. Se garantiza permiso para copiar, distribuir y modificar este documento según los términos de
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesTEMA 3: Escalas de medida. Validación de cuestionarios.
1. INTRODUCCIÓN. ESCALAS BÁSICAS. 2. ESCALAS COMPARATIVAS Y NO COMPARATIVAS. 3. ANALISIS CLÁSICO DE ÍTEMS 3.1 ANÁLISIS PRIMARIOS. 3.2 FIABILIDAD. 3.3 VALIDEZ. 4. ESCALAMIENTO MULTIDIMENSIONAL (MDS). 4.1
Más detallesFiabilidad. Maite Barrios Antoni Cosculluela PID_
Fiabilidad Maite Barrios Antoni Cosculluela PID_00198628 GNUFDL PID_00198628 Fiabilidad 2013, FUOC. Se garantiza permiso para copiar, distribuir y modificar este documento según los términos de la GNU
Más detallesEstimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido
Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS NO AGRUPADOS MATERIAL DIDACTICO SOLO VISION ASIGNATURA QUE CORRESPONDE: ESTADISTICA
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
Más detallesRegresión lineal
86 Bioestadística: Métodos y Aplicaciones coeficiente de determinación de la regresión de Y sobre X, R 2 Y X, como R 2 Y X = 1 S2 E S 2 Y (3.4) Si el ajuste de Y mediante la curva de regresión Ŷ = f(x)
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesPreguntas del temario no ligadas al caso práctico 1:
Universidad de Sevilla Licenciatura en Psicopedagogía MÉTODOS, DISEÑOS Y TÉCNICAS DE INVESTIGACIÓN EN PSICOLOGÍA Junio de 004 EXAMEN TIPO A NORMAS GENERALES PARA EL EXAMEN El ejercicio consta de 0 preguntas
Más detallesMaterial de cátedra: Unidad II - PSICOMETRÍA: Concepto, escalamiento, puntuaciones transformadas y normas
Material de cátedra: Unidad II - PSICOMETRÍA: Concepto, escalamiento, puntuaciones transformadas y normas Prof. María Elena Brenlla Bibliografía utilizada: Anastasi,, A.; Urbina, S. (1998): Tests Psicológicos.
Más detallesPsicometría Tema 7 VALIDEZ DE LAS INFERENCIAS II
Psicometría Tema 7 VALIDEZ DE LAS INFERENCIAS II Psicometría Mª Isabel García Barbero, UNED. Universidad Nacional de Educación a Distancia, 2006 1 I. Validación con varios predictores y un solo indicador
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesPsicometría Tema 6 VALIDEZ DE LAS INFERENCIAS I
Psicometría Tema 6 VALIDEZ DE LAS INFERENCIAS I Psicometría Mª Isabel García Barbero, UNED. Universidad Nacional de Educación a Distancia, 2006 1 La fiabilidad de un instrumento de medida es una condición
Más detallesFacultad de Medicina de la UNAM: Propuesta de análisis i y estimación de la longitud de la prueba
El Examen Profesional Teórico en la Facultad de Medicina de la UNAM: Propuesta de análisis i y estimación ió de la longitud de la prueba Dr. Melchor Sánchez Mendiola Secretaría de Educación Médica, Facultad
Más detalles2.4. Medidas de variabilidad o dispersión
2.4. MEDIDAS DE VARIABILIDAD O DISPERSIÓN 55 Q 3 = l i 1 + 3 n/4 N i 1 37, 5 35 a i = 7 + 5 = 9, 5 n i 5 2.4. Medidas de variabilidad o dispersión Los estadísticos de tendencia central o posición nos indican
Más detalles7. Medidas de Dispersión
ESTADÍSTICA APLICADA 7 Medidas de Dispersión 7 Medidas de Dispersión En el análisis estadístico no basta el cálculo e interpretación de las medidas de tendencia central o de posición, ya que, por ejemplo,
Más detallesBLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesMatemáticas Aplicadas I: Ev2 Recuperación febrero 2018
Matemáticas Aplicadas I: Ev2 Recuperación febrero 2018 PARTE 1: ESTADÍSTICA UNIDIMENSIONAL Y BIDIMENSIONAL 1. La siguiente tabla recoge las edades de las personas que han subido a un avión. Edad [0, 18)
Más detallesEVALUACIÓN DE LA BATERÍA DE APTITUDES DIFERENCIALES Y GENERALES RENOVADO E-3 (BADYG-E3)
EVALUACIÓN DE LA BATERÍA DE APTITUDES DIFERENCIALES Y GENERALES RENOVADO E3 (BADYGE3) RESUMEN DE LA VALORACIÓN DEL TEST Descripción general Características Nombre del test Autor Autor de la adaptación
Más detalles7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
Más detallesPara hacer predicciones de una serie temporal se debe estimar la tendencia por el método de los
Estadística: CUESTIONARIO SERIES TEMPORALES Facultad Ciencias Económicas y Empresariales Departamento de Economía Aplicada Profesor: Santiago de la Fuente Fernández 1. Señalar la afirmación correcta: (a)
Más detalles1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1
8 Estadística 81 Distribuciones unidimensionales Tablas de frecuencias En este tema nos ocuparemos del tratamiento de datos estadísticos uestro objeto de estudio será pues el valor de una cierta variable
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. Un intervalo de confianza, para un parámetro poblacional θ, a un nivel de confianza 1 α 100 %, no es más que un intervalo L
Más detalles4 Descripción conjunta de varias variables.
ANÁLISIS EXPLORATORIO DE DATOS 23 ANÁLISIS EXPLORATORIO DE DATOS 2 Descripción conjunta de varias variables..1 Ejemplos Ejemplo.1 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
Más detallesTEMA 11. LA FIABILIDAD DE LOS TESTS
TEMA 11. LA FIABILIDAD DE LOS TESTS 11.1. Métodos empíricos para estimar el coeficiente de Fiabilidad 11.2. Factores que afectan al Coeficiente de Fiabilidad 11.3. Interpretación del Coeficiente de Fiabilidad
Más detallesMINISTERIO DE EDUCACIÓN. Dirección de Educación Técnica y Profesional. Familia de especialidades:servicios. Programa: Estadística Matemática
MINISTERIO DE EDUCACIÓN Dirección de Educación Técnica y Profesional Familia de especialidades:servicios Programa: Estadística Matemática Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 9no.
Más detallesI. TÉCNICAS DE ANÁLISIS MULTIVARIANTE
ÍNDICE Presentación y justificación................................................... 9 I. TÉCNICAS DE ANÁLISIS MULTIVARIANTE................................... 13 1. Introducción.................................................................
Más detallesAprobada en Consejo de Departamento con fecha: 7/6/2017
GUIA DOCENTE DE LA ASIGNATURA Asignatura: Psicometría Curso Académico 2017/2018 Aprobada en Consejo de Departamento con fecha: 7/6/2017 MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO 2. MÉTODOS, DISEÑOS Y
Más detallesConstrucción de Instrumentos de Medición en Ciencias Sociales
Universidad Pedagógica Experimental Libertador Instituto Pedagógico Luis B. Prieto Figueroa Barquisimeto Construcción de Instrumentos de Medición en Ciencias Sociales Carlos Ruiz Bolívar, PhD cruizb14@gmail.com
Más detallesCORRELACION CUANTITATIVO CUALTITATIVO
CORRELACION CUANTITATIVO CUALTITATIVO Correlación Un coeficiente de correlación mide el grado en que dos variables tienden a cambiar al mismo tiempo. El coeficiente describe tanto la fuerza como la dirección
Más detallesIntroducción IMADIL /17/2014. Tema 3. Características estadísticas fundamentales (Tercera parte)
IMADIL 0 /7/0 Tema. Características estadísticas fundamentales (Tercera parte) Ignacio Martín y José Luis Padilla IMADIL 0. Introducción. Representación Gráfica. Correlación. Índice Introducción Uno de
Más detallesTemas de Estadística Práctica
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 2: Medidas de tipo paramétrico Resumen teórico Medidas de tipo paramétrico Medidas de tendencia central Medidas
Más detallesIMADIL /10/2014
TEMA 3: Características estadísticas fundamentales (Segunda parte: Dispersión y forma) Ignacio Martín y José Luis Padilla IMADIL 2014-2015 2 POSICIÓN DISPERSIÓN ESTADÍSTICOS SIMETRÍA APUNTAMIENTO 3. ESTADÍSTICOS
Más detalles7.1. Exponga brevemente (en no más de de cuatro líneas) cuál es el objetivo de la construcción de baremos.
Ejercicios capítulo 7. Interpretación de las puntuaciones 55 Ejercicios 7.1. Exponga brevemente (en no más de de cuatro líneas) cuál es el objetivo de la construcción de baremos. 7.2. Un grupo de 200 personas
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesEstadística II Ejercicios Tema 4
Estadística II Ejercicios Tema 4 1. Los siguientes datos muestran la estatura (en cm.) y el peso (en Kg.) para una muestra de cinco alumnos de una clase: estatura (cm.) peso (Kg.) 154 60 158 62 162 61
Más detallesTema 6. Cálculo diferencial de funciones de una variable
Tema 6 Cálculo diferencial de funciones de una variable Índice Esquema 3 Ideas clave 4 6.1. Introducción y objetivos 4 6.2. Conceptos previos 5 6.3. Función derivada 8 6.4. Cálculo de derivadas 12 6.5.
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesDistribuciones Bidimensionales.
Distribuciones Bidimensionales. 1.- Variables Estadísticas Bidimensionales. Las variables estadísticas bidimensionales se representan por el par (X, Y) donde, X es una variable unidimensional, e Y es otra
Más detallesDistribución bidimensional. Marginales. Correlación lineal. Rectas de regresión.
REGRESIÓN LINEAL. Distribución bidimensional. Marginales. Correlación lineal. Rectas de regresión. Dada una población, hasta ahora hemos estudiado cómo a partir de una muestra extraída de ella podemos
Más detallesCurso de Psicometría
TITULACIÓN DE FORMACIÓN CONTINUA BONIFICADA EXPEDIDA POR EL INSTITUTO EUROPEO DE ESTUDIOS EMPRESARIALES Curso de Psicometría Duración: 300 horas Precio: 0 * Modalidad: Online * hasta 100 % bonificable
Más detallesCAPÍTULO 2-1 DESCRIPCIÓN E INDUCCIÓN ESTADÍSTICAS EN CIENCIAS SOCIALES 82
CAPÍTULO 2-1 DESCRIPCIÓN E INDUCCIÓN ESTADÍSTICAS EN CIENCIAS SOCIALES 82 La estadística es esencialmente una colección de métodos matemáticos para procesar datos con el fin de resumir o bien generalizar
Más detallesCurso de Psicometría. titulación de formación continua bonificada expedida por el instituto europeo de estudios empresariales
titulación de formación continua bonificada expedida por el instituto europeo de estudios empresariales Curso de Psicometría duración total: 300 horas 150 horas horas teleformación: precio: 0 * modalidad:
Más detallesNorma Placencia 30 de mayo de 2014
Norma Placencia 30 de mayo de 2014 La mayor parte de este material fue tomado del número 6 de la revista EIDOS de posgrados de la UTE, recuperado de http://www.ute.edu.ec/posgrados/eidos6/ art-5.html Actitudes,
Más detalles1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación
1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación Medidas de Variación Amplitud Coeficiente variación Desviación estándar Rango Valor Z Varianza de Diferencia entre los valores
Más detallesCONSTRUCCIÓN Y ADAPTACIÓN
Facultad de Psicología Instrumentos de Exploración Psicológica I CONSTRUCCIÓN Y ADAPTACIÓN DE TÉCNICAS Construcción Proceso de elaboración de un instrumento original Adaptación Proceso de adecuación de
Más detallesBLOQUE 2 TEMA 7 RELACIÓN ENTRE VARIABLES : CORRELACIÓN Y REGRESIÓN
BLOQUE 2 TEMA 7 RELACIÓ ETRE VARIABLES : CORRELACIÓ REGRESIÓ En los procesos de investigación en Educación, en muchas ocasiones, nos interesa conocer la posible relación que puede manifestarse entre dos
Más detallesEstadística Aplicada a la Educación
Estadística Aplicada a a la la Educación Estadística Aplicada a la Educación Tutor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 2014/15 migdaza@madridsur.uned.es 1 2014/15 1 2 4 5 6 7 8 9 10 11 12 La
Más detallesque represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.
Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una
Más detallesINFERENCIA ESTADISTICA. Proferora: Lic. Gladis Mazza
INFERENCIA ESTADISTICA Proferora: Lic. Gladis Mazza INFERENCIA ESTADISTICA Por este proceso es posible utilizar estadísticos calculados a partir de muestras para estimar los valores de los parámetros de
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesESTADÍSTICA. Tema 4 Intervalos de confianza
ESTADÍSTICA Grado en Biología Tema 4 Intervalos de confianza Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo Estadística. Tema 4: Intervalos
Más detallesPEDAGOGÍA MEDICIÓN EN EDUCACIÓN OBLIGATORIA 6 CRÉDITOS:
DEPARTAMENTO DE MÉTODOS DE INVESTIGACIÓN Y DIAGNÓSTICO EN EDUCACIÓN PEDAGOGÍA MEDICIÓN EN EDUCACIÓN 3º OBLIGATORIA 6 CRÉDITOS: (4 teóricos y 2 prácticos) Objetivos específicos: 1. Situar la función de
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detalles