ANALISIS E INTERPRETACIN DE DATOS PSICOLOGICOS

CLAVE P23

MODULO II

Profesor Emmanuel Corts Crdova. Marzo de 2017

La muestra.

Porcin representativa de una poblacin o universo.

Por qu se realiza el muestreo?

R = Para economizar tiempo y esfuerzo.

Muestreo aleatorio.
Es un mtodo para obtener una muestra de una poblacin o universo, de tal manera que cada miembro de es
Poblacin o universo tenga la misma posibilidad de ser escogido
Aleatoriedad.

Es la inexistencia de una ley conocida capaz de ser expresada en lenguaje que describa o explique correctamente
los eventos y sus resultados.

La tabla de nmeros aleatorios contiene nmeros generados mecnicamente de tal manera que no tienen un orden
Perceptible.

Cmo se utiliza?

1. Se establece el numero de la poblacin total de la que vamos a tomar la muestra

2. Se selecciona la muestra.

3. Se establece el valor de N que es igual al total de la poblacin y el valor de n que es igual al total de la muestra.

4. Se cuenta el numero de dgitos que componen el valor de N.

5. En la tabla de nmeros aleatorios se seleccionan las columnas con las que se van a trabajar.
6. A partir de las columnas seleccionada se adhieren columnas hacia la derecha, dependiendo del numero de dgitos
Que conforman la cifra de la poblacin total. Esta operacin se hace en cada columna seleccionada.

7. Se comienza a buscar en cada columna de arriba hacia abajo nmeros que estn dentro del rango de la poblacin.

8. Los nmeros que cumplan el requisito formaran parte de la muestra y esta operacin se repetir hasta cubrir la
Cuota.
Cmo escoger una muestra?

2. Delimitar la
1. Definir la unidad de poblacin con 4. Definir el tamao
3. Escoger la muestra
anlisis parmetros de la muestra.
mustrales.

4. Aplicar el
4. Obtener la
procedimiento de
muestra..
seleccin.
Cmo obtener el tamao de una muestra cuando no se conoce el tamao de la poblacin?

Utilizando la siguiente formula

En donde
Z = nivel de confianza,
P = probabilidad de xito, o proporcin esperada
Q = probabilidad de fracaso
D = precisin (error mximo admisible en trminos
de proporcin).
Ejemplo.

Se desea pilotear una prueba que mida el ndice de ansiedad en una muestra poblacional de un campus universitario
Con un nivel de confianza de 95 % y un margen de error del 5 %.

Paso 1. Obtener el valor de Z.

Nivel de confianza = 95%

Nivel de significancia () = 1 Nivel de confianza /100 = 1-) = 1-
= .05

Paso 2. Utilizando el nivel de significancia se busca el valor Z en tablas estadsticas.

Nivel de 0.10 0.05 0.01 0.005 0.002

significancia.
Valores Zc 1.65 1.96 2.58 2.91 3.08

Por lo tanto Z = 1.96

Paso 3. Obtener el valor de p.
Partiendo de que el nivel de confianza es de 95% solo queda un 5% sujeto a la probabilidad y por lo tanto

P = p%/100 P = 5/100 = .05

p = .05

Paso 4. Obtener el valor de q.

q=1p q = 1 - .05 = .95

q = .95

Paso 5. Obtener el valor de d: d es el margen de error. Para esto hay que convertirlo a nivel de significancia.

d = margen de error/100 d = 5/100 = 0.05

d = 0.05
Paso 5. Con los valores obtenidos

Z = 1.96
P = .05
Q = .95
D = 0.05

Sustituir en la formula

n =
Como obtener el tamao de una muestra cuando se conoce el tamao de la poblacin.

En donde

Z = nivel de confianza,
P = probabilidad de xito, o proporcin esperada
Q = probabilidad de fracaso
D = precisin (error mximo admisible en trminos
de proporcin).
N = Tamao de la poblacin.
Ejemplo.

En una poblacin de 2000 trabajadores de una empresa refresquera se quiere escoger una muestra representativa
para participar en un programa experimental que tiene por objetivo aumentar la productividad. Se pide que la
muestra tenga una confiabilidad de 99% y un margen de error del 3%.

Para obtener los valores de Z, p, d y q se utiliza el mismo procedimiento que el caso anterior. El valor de N ya esta
dado y es 2000.
 Los percentiles.

El percentil es cada uno de los noventa y nueve

segmentos que resultan tras dividir algo en cien partes
de igual frecuencia.

Se lo representa a travs de la letra mayscula P.

El mtodo para obtener los percentiles va a depender

de la manera en que estn dispuestos los datos y son:

Agrupados
No agrupados.

... via Definicion ABC http://www.definicionabc.com/general/percentil.php

Para calcular el percentil en datos no agrupados.

Se tiene una serie de doce datos que son coeficientes intelectuales de una muestra

90, 86, 102, 92, 89, 85, 110, 105, 85, 93, 81, 101

1. Se les asigna a los datos una posicin porcentual.

1 2 3 4 5 6 7 8 9 10 11 12
90 86 102 92 89 85 110 105 85 93 81 101

2. Se escoge el percentil que se desea obtener, tomando que este puede ser del 1 al 99.

Percentil 60
 Se aplica la formula:

Si el valor de a es par.

Si el valor de a es impar la formula es

3. Se sustituyen valores, recordando que a = al percentil que se quiere obtener y n el numero de datos, y se resuelve

= 7.2
4. Se busca el resultado de la formula en la tabla de posicin porcentual, redondendolo si este es decimal.

1 2 3 4 5 6 7 8 9 10 11 12
90 86 102 92 89 85 110 105 85 93 81 101

En caso que el valor de Pa salga exacto (sin decimales) se hace lo siguiente:

Suponiendo que el valor de Pa es 8 este se ubica en 105. Se toma el siguiente a la derecha que es el 9 y su
Valor se ubica 85. entonces se aplica la interpolacin que es 105 + 85/2 = 95

5. Con esto se determina que p60 = 110 lo que significa que el 60% de los datos de la muestra son CI menores a 110.

Ejercicio.

Obtn el percentil 25 y el percentil 70 con los siguientes datos.

89, 23, 56, 34, 45, 12, 99, 38, 31, 77, 63, 16, 4
Percentiles con datos agrupados.

En este caso se agrupan los percentiles en intervalos. Para este ejemplo queremos calcular el percentil 40 a partir
de un estudio que se hizo en una poblacin de nivel bachillerato sobre el numero de horas que pasan a la semana
en internet.

Paso 1. Establecemos el rango de los intervalos, se recomienda que sean nmeros enteros. En este caso ser de 5.
As los intervalos representan los rangos de edad.

Paso 2. Agrupamos los datos en los intervalos. La poblacin es de 84 sujetos.

Intervalo Frecuencia (f)

36 - 40 12
31 - 35 16
26 - 30 21
21 - 25 20
15 - 20 15
Paso 3. Obtenemos la frecuencia acumulada.

Intervalo Frecuencia (f) Frecuencia

acumulada (fa)
36 - 40 12 12
31 - 35 16 28
26 - 30 21 49
21 - 25 20 69
15 - 20 15 84
N= 84
Paso 4. Aplicar la formula para obtener el percentil.

Donde

Li = Limite inferior
c = Tamao de intervalo de clase (a, b) b a.
k = percentil que se quiere obtener.
n = fa
Fi = Frecuencia acumulada de la clase anterior.

Paso 5. Calculamos para ubicar el intervalo.

K = 40
n = 84
= 33.6
 Paso 6. Buscamos 33.6 entre los valores de fa

Intervalo (i) Frecuencia Frecuencia

absoluta (f) acumulada (fa)
1 36 - 40 12 12
2 31 - 35 16 28
3 26 - 30 21 49
4 21 - 25 20 69
5 15 - 20 15 84
N= 84

Y se toma el intervalo con el valor mas alto. Intervalo 26 30 (de 26 a 30) con f = 21 y fa = 49
Paso 7. Se determinan los valores.

Li = 26
c = 30 26 = 4 c=4
= 33.6
= 2 (se toma el valor de la posicin del intervalo que vamos a utilizar (i = 3) y se le resta 1.
Fi = 21 (es la que corresponde a nuestro intervalo)

Y se sustituye.

= 26 + =26 + = 26 + 6.01 = 32.01

Esto significa que el 40% de la muestra pasa 32 horas o menos utilizando internet a la semana.
Hay que sealar que existen otras dos medidas recordando que:

Percentiles: divide la muestra en 99 intervalos iguales.

Deciles: divide la muestra en 10 intervalos iguales.

Cuartiles: divide la muestra en 4 intervalos iguales.

Ejercicio.
Obtener el percentil 80 a partir de los siguientes intervalos y frecuencias, provenientes de una muestra de una
Evaluacin de desempeo a un grupo de trabajadores en una empresa de telemarketing con respecto al numero
De ventas de membresas a gimnasios por semana.

Intervalo Frecuencia (f)

1-5 7
6 -10 8
11 - 15 5
16 - 20 23
21 - 25 11
Puntuaciones estandarizadas (Z).

Producto de la conversin a partir de los datos de la puntuacin cruda, tienen por objetivo el darle a la prueba
Cualidades normativas para que esta se pueda comparar con otras.

Procedimiento.

A partir de un conjunto de
datos se obtiene la puntuacin
estandarizada bajo 2 criterios.

Si los datos son pocos se aplica

directamente la formula para Si los datos son muchos se
obtener los datos de diferencia obtienen los intervalos de
y posteriormente la s frecuencia.
puntuaciones Z
1. Cuando los datos son pocos (menos de 20).

a). Obtenemos la media.

b). A cada valor le aplicamos la formula de puntuacin diferencial.

En donde:
xi es la puntuacin diferencial.
Xi es la puntuacin cruda.
es la media.
c). Obtener puntuacin Z de cada valor.
La puntuacin Z indica que tanto se aleja de la media la calificacin del sujeto. Estas calificaciones estandarizadas
lineales produce tanto puntaciones negativas como positivas. Son positivas cuando caen por arriba de la media
y negativas cuando caen por debajo de la misma.

d). Las puntuaciones Z se ubicaran dentro de una curva de distribucin normal, indicndonos con mas precisin
que tanto se alejan de la media y si estn dentro de los limites de normalidad o se salen de estos.
Ejercicio.

Obtener las puntuaciones z de los siguientes valores pertenecientes al numero de veces que un grupo de 12 ratas
palanquean en una caja de Skinner, y ubicar las puntuaciones en una curva de distribucin normal.

Sujeto Frecuencia de palanqueo.

1 20
2 15
3 12
4 31
5 11
6 8
7 14
8 15
9 26
10 17
11 5
12 21
3. Cuando los datos son mas de 20: Realizamos una distribucin de frecuencia por intervalos.

Ejemplo

Tenemos los siguientes datos de una medicin de peso en 21 alumnos.

36, 45, 44, 42, 46, 42, 43, 50, 48, 44, 43, 42, 49, 39, 45, 44, 41, 47, 41, 40, 37

Elaborar una tabla de intervalo. de frecuencia.

Paso 1. Agrupar los datos de menor a mayor.

36, 37 39, 40, 41, 41, 42, 42, 42, 43,43, 44, 44, 44, 45, 45, 46, 47, 48, 49, 50

N = 21

Paso 2. Tomar el dato mas grande y el mas chico.

36 y 50
Paso 3. Obtenemos el rango. El rango equivale a la longitud que va a ocupar los intervalos. Para obtenerlo se aplica
la siguiente formula.

R = 50 36 = 14

Paso 4. Obtener el numero de intervalos que vamos a utilizar.

a). Aplicar la regla de Sturges.

Sustituimos (3.33 siempre va a ser una constante).

Redondeamos

5.35 5
K =5
Lo que significa que utilizaremos 5 intervalos.
Paso 5. Obtener la amplitud de rango.

C= C = = 2.8

Donde
r = 14
k= 5

Se redondea 2.8 a 3.

Lo que significa que tendremos 5 intervalos con un rango de 3.

 Paso 4. Construimos la tabla de frecuencia.

Intervalo (i)
{36; (36 + 3 = 39) 39}
39; 42
42; 45
45; 48
48; 51

a). Tomamos el valor mas pequeo y le sumamos el valor del rango.

b). Calcular la marca de clase: Para cada intervalo se debe obtener la marca de clase. Esto se realiza sumando el
Limite inferior mas el limite superior de cada intervalo y el resultado se divide entre 2.

Intervalo (i) Marca de clase )

36; 39 = = 37.5
39; 42 40.5
39; 42 40.5
42; 45 43.5
42; 45 43.5
45; 48 46.5
45; 48 46.5
48; 51 49.5
48; 51 49.5
b). Calcular la frecuencia absoluta: Consultamos la tabla donde estn nuestros datos ordenados y contamos cuantos
Datos se encuentran en cada uno de los intervalos.

36, 37 39, 40, 41, 41, 42, 42, 42, 43,43, 44, 44, 44, 45, 45, 46, 47, 48, 49, 50

Por ejemplo entre el intervalo 36; 39 hay 2 datos. Cuando un dato es igual al limite superior, se coloca dentro del
Siguiente intervalo.

Intervalo (i) Marca de clase ) Frecuencia absoluta (fi)

36; 39 37.5 2
39; 42 40.5 4
42; 45 43.5 8
45; 48 46.5 4
48; 51 49.5 3
 c). Obtener frecuencia acumulada.

d). Obtener frecuencia relativa simple: Para obtenerla hay que dividir cada valor de frecuencia absoluta por
El tamao de la muestra. La suma de estos valores debe dar .99 o 1.

e). Obtenemos el porcentaje: multiplicamos cada valor de frecuencia relativa simple por 100.

Intervalo (i) Marca de clase ) Frecuencia absoluta (Fi) Frecuencia acumulada (Fa) Frecuencia relativa simple (hi). %

36; 39 37.5 2 2 hi = = = 0.09 (0.09) (100) = 9

39; 42 40.5 4 6 .19 19

42; 45 43.5 8 14 .38 38

45; 48 46.5 4 18 .19 19

48; 51 49.5 3 21 .14 14

Total = 21 hi = .99 99%

Ya con la tabla hecha se concluye que el intervalo 42 45 de la muestra acumula la mayora de los datos con una
Media de 43.5 que es la marca de clase correspondiente a este intervalo.

Con estos datos podemos decir que el 38 % de los nios de esta muestra pesan entre 42 y 45 kilos y que el peso
Promedio de la muestra es 43.5 kilos.

Ejercicio.

Elabora una tabla de distribucin de frecuencias a partir de una serie de datos obtenido a un grupo de jvenes acerca
de cuanto dinero gastan a la semana en bebidas alcohlicas.

250 300 450 325 240 250 100 150 1200 450
300 25 15 75 800 700 150 100 500 350
400 675 200 400 125 250 150 1500 75 80
225 75 350 550 1000 200 160 175 600 900
850 300 500 250 900 50 180 420 500 600
250 200 1500 280 900 340 920 650 20 1100
Anlisis factorial

El anlisis factorial (AF) nace en el siglo XX y fue propuesto por Charles Spearman (1904) para validar su teora de
inteligencia. Se trata de una tcnica estadstica multivariada y se basa en el clculo matricial. Este
modelo se obtiene directamente como extensin de algunas de las ideas bsicas de los modelos de regresin lineal
y de la correlacin parcial.

Los principales tipos de anlisis factorial son el exploratorio (AFE) y el confirmatorio (AFC).
El anlisis factorial se ocupa con el propsito de comprobar la validez de constructo de nuestro instrumento
El AF es utilizado en psicologa para evaluar la estructura de un test a partir de las puntuaciones de sus reactivo.
El anlisis factorial se basa en el supuesto de que las variables de nuestra investigacin estn interrelacionadas
por medio de factores no observables (o variables latentes), siendo el nmero de factores significativamente
menores al de variables. Lo que se busca hacer con esta tcnica es encontrar dichos factores, para que de esta
manera podamos resumir la informacin que tenemos de las variables y corroborar las relaciones que existen
entre ellas (Sampieri, et al., 2006).
Para que sirve el anlisis factorial?

a). Para comprobar la validez interna de un instrumento y verificar si las dimensiones de medicin que manejamos
realmente pertenecen al constructo que estamos analizando.

b). Para determinar las variables causantes del fenmeno u objeto de estudio que estamos abordando. Estas variables
causantes sern llamadas factores.

c). Para establecer el comportamiento de estos factores con relacin a la variable en el sentido que si existe una
correlacin entre ambos.

d). Para rechazar o aceptar la hiptesis de trabajo dentro de investigaciones que busquen la correlacin entre dos
O mas factores.
Es importante diferenciar un factor de una variable.

Por ejemplo se quiere investigar la relacin existente entre el desempeo escolar de un alumno de cuarto grado
de primaria y el modelo educativo utilizado en su formacin, tomando en cuenta si este procede de una familia
Funcional o disfuncional, el sexo y la edad.

Para esto manejamos como variable independiente el modelo educativo y como variable dependiente el desempeo
escolar. Este a su vez tendra las siguientes categoras

Modelo tradicional.

Modelo constructivista

Modelo conexionista.
Y se tomaran en cuenta los siguientes factores

Edad: Con categoras de 8, 9 y 10 aos de edad.

Sexo: Masculino y femenino

Situacin familiar: Funcional y disfuncional.

A su vez se tendra que definir operacionalmente que es familia funcional y familia disfuncional.

Por lo tanto Una variable es un aspecto que vamos a evaluar directamente a travs de un instrumento de
Medicin.

Y un factor es un aspecto que va a influir en el comportamiento de una variable.

 De la misma manera que en una investigacin
exploratoria, el experimentador analiza un
Anlisis factorial
conjunto de datos sin tener ninguna hiptesis
Exploratorio.
previa acerca de su estructura y deja que sean
los resultados los proporcionen la informacin.

Tipos de anlisis factorial

Tradicional.
Tiene como supuesto bsico la existencia de
factores subyacentes que explican las
relaciones lineales entre variables. Esto
Anlisis factorial implica que la puntuacin en cada variable
Confirmatorio. puede descomponerse en dos partes, una
de las cuales se atribuye a factores comunes
y la otra a un factor nico o no compartido
por las dems variables.
A diferencia del anlisis factorial exploratorio, en el anlisis
factorial confirmatorio el investigador plantea una serie de
hiptesis bien especificadas que pondr a prueba con el
desarrollo de su anlisis. Estas hiptesis seran de tres tipos:

1. Hiptesis sobre el nmero de factores.

2. Hiptesis sobre las relaciones entre las variables y los

factores.

3. Hiptesis sobre la relacin que guardan los factores entre s.

Ocupamos el Anlisis Factorial Confirmatorio cuando estamos analizando una prueba que hemos desarrollado
o adaptado nosotros mismos, ya que al hacerlo tenemos una serie de hiptesis sobre el nmero de
dimensiones que pretende medir el test, de cules son los tems que corresponden a cada una de nuestras
dimensiones y de si tales dimensiones se encuentran o no relacionadas segn la teora (Ferredo, 2010).

El AFC tiene ciertos requisitos para su utilizacin, algunos de ellos son:

La aleatoriedad y el tamao grande de la muestra.

Se utiliza con muestras probabilsticas para poder hacer inferencias paramtricas.

Se considera algo inadecuado utilizarlo cuando nuestra muestra es menor a 200 sujetos.
 Pasos para realizar un anlisis factorial confirmatorio

4. Seleccionar el
Mtodo de fac
3. Obtener la Torizacin y con- 5. Evaluar la 6. Comparar con
1. Definir el 2. Capturar los
matriz varianza- Traste de ajustes
modelo datos de las Adecuacin de Otros modelos
covarianza de Entre los datos
factorial. variables. modelos. Alternativos.
correlaciones. observados y los
datos proporcio
Nados.