6.

Análisis de datos

 La descripción estadística
 La cuestión de la significación
 El modelado estadístico
 ANÁLISIS DATOS

2. CONCEPTO 1. MARCO

ESTADÍSTICA aplicada a PSICOLOGÍA

Estadística Psicología
teórica científica
3. MÉTODO
(ciencia)
Método estadístico Método
Estadística
científico
aplicada
(procedimientos Modelado
y técnicas) estadístico Ciencia

4. PERSPECTIVAS
SOCIOLOGÍA

MARCOS PEDAGOGÍA

PSICOLOGÍA
 CONOCIMIENTO
ANÁLISIS DATOS CIENTÍFICO
1. MARCO

PSICOLOGÍA Psicología científica

Psicología
científica
Análisis datos

Método
científico
Método científico
Ciencia
Método estadístico
Método científico en Psicología,
Sociología, Pedagogía

Teoría
nivel teórico-
explicativo 2 3

Modelo

1 4
nivel empírico-
descriptivo
Empiría
Niveles y etapas
constructos
Teórico- problema
conceptual hipótesis

1. CONCEPTUAL variación
diseño
método
metodologías
2. METODOLÓGICA

PSICOESTADÍSTICA
Empírico-
metodológico

3. ANÁLISIS DE DATOS
 ANALISIS DATOS

2. CONCEPTO 1. MARCO

ESTADÍSTICA aplicada a PSICOLOGÍA

Estadística Psicología
teórica científica
3. MÉTODO
(ciencia)
Método estadístico Método
Estadística
científico
aplicada
(procedimientos Modelado
y técnicas) estadístico Ciencia

4. PERSPECTIVAS
¿Qué es la Estadística?

Matemáticas Método
estadístico

TEÓRICA APLICADA
ESTADÍSTICA
procedimientos
CIENCIA
técnicas

PSICOESTADÍSTICA
PSICOLOGÍA
¿Qué es el análisis de datos?
Pedagogía
Sociología
ESTADÍSTICA Psicología

ANALISIS DATOS

conocimiento
instrumento
científico
problema de
la medida ¿qué contenidos?
 Análisis de datos: doble vía

Dominio de modelos y
procedimientos estadísticos

Fenómeno psicológico
MODELO

Dominio del objeto sustantivo

que se investiga
TEORÍA
 PSICOESTADÍSTICA

2. CONCEPTO 1. MARCO

ESTADÍSTICA aplicada a PSICOLOGÍA

Estadística Psicología
teórica científica
3. MÉTODO
(ciencia)
Método estadístico Método
Estadística
científico
aplicada
(procedimientos Modelado
y técnicas) estadístico Ciencia

4. PERSPECTIVAS
MÉTODO ESTADÍSTICO

Formulación del PROBLEMA

MODELADO ESTAD.

Identificación del MODELO

Recogida de DATOS

Estimación de PARÁMETROS

Evaluación del MODELO

Fases del diseño experimental
❚ 1. Formulación del problema
❚ 2. Formulación de hipótesis
❚ 3. Recogida de datos
❚ 4. Análisis de datos y
confrontación con las hipótesis
❚ 5. Conclusiones y generalización
de los resultados.
❚ 6. Elaboración del informe.
Etapas del método científico

1) Información sobre el tema

2) Planteamiento del problema
3) Formulación de hipótesis modalidades
4) Comprobación de hipótesis
 Recogida de datos
 Análisis de datos
1) Generalización de los datos
2) Difusión de los resultados

MÉTODO ESTADÍSTICO
 Modelo estadístico

Respuesta =

Componente sistemático + Componente aleatorio

DATOS = MODELO + ERROR

DATOS = ERROR

MODELO
Modelado estadístico

Identificación

Estimación
MODELOS

Evaluación

Interpretación
Ato y López García (1996)
 Perspectivas

PRUEBAS DE
SIGNIFICACIÓN

ANÁLISIS
EXPLORATORIO
DATOS TÉCNICAS
MULTIVARIANTES

Estadística Estadística Estadística

Confirmatoria Exploratoria Multivariante
 Pruebas de significación

ANÁLISIS DE
LA POTENCIA

Análisis METANÁLISIS
DEBATE
alternativos

INFERENCIA
BAYESIANA
Análisis Exploratorio de Datos

EXPLORATORIO CONFIRMATORIO

❚ Estadísticos robustos
❚ Análisis de residuos
❚ Transformaciones
❚ Análisis de gráficos
❚ Estudio outliers
 Técnicas multivariantes

POBLACIONES MODELOS
MULTIVARIANTES ESTADÍSTICOS

COMBINACIÓN LINEAL PESOS

DE VARIABLES EMPÍRICAMENTE
DETERMINADOS
Algunos conceptos previos en
estadística descriptiva
❚ Conceptos ❚ Medición
generales: ❙ Concepto
❙ Población ❙ Escalas de medida
❙ Muestra ❘ Nominal
(muestreo) ❘ Ordinal
❙ Parámetro ❘ Intervalos
❙ Estadístico ❘ Razón
❙ Característica
❙ Modalidad

❚ Variables: Clasificación y notación

 Resúmen de las escalas de medida
Transform.
Tipo Información deducible Ejemplos
admisibles
“igual que” o Aplicaciones Sexo, estado civil,
Nominal
“distinto que” inyectivas diagnóstico clínico.

“mayor que” o Dureza, nivel

Funciones
Ordinal socioeconómico,
“igual que” crecientes
grado de asertividad.

a+b.x Temperatura,
Igualdad o desigualdad
Intervalo calendario,
de diferencias (b > 0) inteligencia.

Igualdad o desigualdad b.X

Razón Longitud, peso.
de razones (b > 0)
 Clasificación de variables
según su escala de medida

V a r ia b le

C u a l i t a C t i vu a a n t it a t iv a

N o m in a l
D i s c r e Ct a o n t in u a

O r d in a I nl t e r v a l o
R a z ó n
Distribución de frecuencias
❚ Frecuencias:
❙ Absoluta (ni) absoluta acumulada (na)
❙ Relativa (pi) relativa acumulada (pa)
❚ Representaciones gráficas
❙ Diagrama barras (vars. nominal y discreta)
❙ Diagrama de pastel (var. cualitativa)
❙ Histograma (var. continua)
❙ Polígono de frecuencias (vars. discreta y
continua)
❚ Propiedades:
❙ Tendencia central
❙ Variabilidad
❙ Asimetría o sesgo
❙ Curtosis
Número de hijos
(X):2,1,0,3,2,2,3,1,1,0,1,2,1,2,0,2,4,2,3,1

Xi ni pi na pa
0 3 0,15 3 0,15
1 6 0,30 9 0,45
2 7 0,35 16 0,80
3 3 0,15 19 0,95
4 1 0,05 20 1,00
20 1,00
 Diagrama de barras frecuencias absolutas
(nº hijos)

25

19 20
20
16
15 ni

10 9 na
7
6
5 3 3 3
1
0
0 1 2 3 4
nº hijos
 Diagrama de barras frecuencias relativas
(nº hijos)

1,2
1
1 0,95
0,8
0,8
pi
0,6
0,45 pa
0,4 0,35
0,3

0,2 0,150,15 0,15

0,05
0
0 1 2 3 4
nº hijos
25
20
20 19
16
15 ni

10 9 na
7
6
5 3 3 3
1
0
0 1 2 3 4
nº hijos

1,2
1
1 0,95
0,8
0,8
pi
0,6
0,45 pa
0,4 0,35
0,3

0,2 0,15 0,15 0,15

0,05
0
0 1 2 3 4
nº hijos
Polígono de frecuencias frecuencias absolutas
(nº hijos)

25

20 19 20

15 16
ni
10 9 na
6 7
5
3 3
0 1
0 1 2 3 4
nº hijos
Sujeto Intelig. Rendto. Tiempo Errores Estatura Intelig.
(X) (Y) (X) (Y) (X) (Y)
1 9 5 7 4 7 3
2 12 5 11 2 8 1
3 6 1 5 4 5 3
4 9 4 5 5 12 3
5 7 2 6 4 8 2
6 9 2 9 4 9 4
7 5 1 13 1 7 4
8 9 3 8 2 6 4
9 7 3 4 5 6 3
10 3 1 9 3 9 2
11 10 4 6 3 9 3
12 6 2 10 2 6 2
13 11 5 11 1 10 2
14 4 2 9 2 10 4
15 3 5 7 3 8 5
 6 6

5 5

4 4

3 3

2 2

ERRORES
RENDIMIE

1 1

0 0
2 4 6 8 10 12 14 2 4 6 8 10 12 14

INTELIGE TIEMPO

14

12

10

8
ESTATURA

4
0 1 2 3 4 5 6

INTELIG2
 La cuestión de la significación: concepto
❙ La prueba de significación de la hipótesis nula es
el principal procedimiento para diferenciar las
explicaciones sistemáticas de las que incluyen el
azar.
❙ Se establece una hipótesis que indique cómo se
distribuirán los datos en caso de que la muestra
perteneciera realmente a la población.
❙ Se calcula un “estadístico de contraste” que lleva
asociado un valor de probabilidad α de
cumplimiento de la hipótesis nula (H0).
❙ Si α es menor que 0.05, se rechaza H0 y la
evidencia favorece a H1.
❙ Una H0 está referida a si existe:
❘ Un patrón sistemático discernible.
❘ Una diferencia entre grupos
❘ Una asociación entre variables.
 La cuestión de la significación: críticas
❚ Las pruebas de significación son un “ejercicio ritualizado
de abogacía del diablo” (Abelson, 1998); defienden
aquello en lo que no se cree:
❘ No hay un patrón sistemático en los datos
❘ No hay diferencias entre los grupos.
❘ No se da asociación entre las variables.
❚ La H0 no responde a la pregunta cuya respuesta
deseamos conocer.
❚ El enfoque clásico (fisheriano) se centra en la
significación de los resultados, sin considerar su
importancia práctica o sustantiva (si no son
significativos no suelen tomarse en consideración).

Abelson, R. (1998). La estadística razonada: reglas y principios. Madrid: Paidós.

 La cuestión de la significación: alternativas
❚ El enfoque de Newman-Pearson:
❙ se pide un valor exacto para la hipótesis alternativa (H1).
❙ Se trabaja con la probabilidad de rechazar H1 cuando es
verdadera (β ).
❙ Importancia del tamaño del efecto
❙ Importancia de la potencia -probabilidad de rechazar la H0
siendo falsa (1 – β )-.
❚ El metanálisis:
❙ Un análisis secundario de los datos.
❙ Combina el tamaño del efecto de distintas investigaciones.
❚ La estadística bayesiana:
❙ Utiliza la probabilidad relativa de una hipótesis con respecto
a sus oponentes antes y después de los resultados de una
investigación.