Your SlideShare is downloading. ×
0
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Teoría clásica de los test
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Teoría clásica de los test

9,267

Published on

Presentación introductoria a la Teoría Clásica de los tests.

Presentación introductoria a la Teoría Clásica de los tests.

0 Comments
4 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
9,267
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
156
Comments
0
Likes
4
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  1. TEORÍA CLÁSICADE LOS TESTEnrique MorosiniUniversidad Nacional de AsunciónFacultad de PsicologíaEspecialidad Clínica – Cátedra de Psicometría Aplicada IIAsunción - 2012
  2. LA TEORÍA CLÁSICA DE LOS TEST También conocida como el modelo clásico de la puntuación verdadera. Como la teoría del error de medida. Se fundamenta en el modelo lineal propuesto por el psicólogo británico Charles Spearman. Spearman, utilizando el modelo de regresión lineal, planteó las bases del modelo clásico. Han reelaborado la teoría: Guilford (1936), Gulliksen (1950), Magnuson (1967)…
  3. ECUACIÓN DE REGRESIÓN La regresión es un razonamiento matemático- estadístico que permite la predicción de los valores de una variable a partir de otra. El análisis de regresión, que consiste en analizar la naturaleza de las conexiones existente entre variables correlacionadas, a partir del cual es posible establecer una enunciación de éstas con una ecuación o fórmula.
  4. ECUACIONES DE REGRESIÓN - EJEMPLOS La regresión lineal. La regresión no lineal:  Regresión logística.  La regresión logarítmica.  La regresión logarítmica binaria.  La regresión curvilínea. La regresión simple. La regresión múltiple. Ejemplos Excel
  5. MODELO LINEAL DE SPEARMAN El modelo de Spearman establece que cualquier puntuación observada de un test se puede entender como la suma de dos componentes hipotéticos: puntuación verdadera y error aleatorio. X=V+E
  6. EL MODELO LINEAL DE SPEARMAN El concepto de puntuación verdadera:  La concepción Platónica.  La concepción del valor límite: k ∑X g =1 ag Va = lim k →∞ k  La concepción de la esperanza matemática: = υ= E [ X ga ] V ga
  7. EL MODELO LINEAL DE SPEARMAN La variable aleatoria error La variable aleatoria error es la diferencia entre la puntuación observada y la puntuación verdadera. Como consecuencia esta relación lineal resulta en esperanza matemática = 0.
  8. CONSTRUCCIÓN DEL MODELO CLÁSICO El aspecto central de la teoría clásica de los test es determinar la manera de estimar los atributos resultado de las diferencias individuales. A partir de la selección aleatoria de los sujetos evaluados se generan valores aleatorios conocidos como la puntuación observada. A partir de esta condición teórica se desprenden los supuestos principales.
  9. SUPUESTOS DEL MODELO CLÁSICOa) X = V + e.b) E [e] = 0.c) ρ (e,V) = 0.d) ρ (ex,Vy) = 0.e) ρ (ex ,ey) = 0.
  10. DERIVACIONES DE LA TCa) E[V] = E[X]b) E[X|v] = vc) σ2x = σ2v + σ2ed) ρ2xv = σ2v / σ2ve) ρ2xe = σ2e / σ2xf) ρ2xv + σ2xe = 1
  11. APLICACIONES La aplicación más clara de la Teoría Clásica de los Tests es que a partir de sus supuestos se derivan métodos que permiten estimar la confiabilidad del instrumento y, a partir del mismo, estimar el error de medición. σ E =σ X 1-ρXX
  12. INFERENCIAS ACERCA DE V Como ya se ha visto, la puntuación verdadera nunca se puede determinar exactamente, pero se puede estimar a partir de las puntuaciones observadas, con la ayuda del estimador del error típico de medida. La relación entre V y X puede considerarse desde dos perspectivas:  La estimación en el marco de una puntuación individual  Desde la perspectiva de las relaciones entre V y X para infinitos individuos.
  13. CON LA PUNTUACIÓN INDIVIDUAL Procedimiento general en puntuaciones directas. Construcción del IC1. Establecer un nivel de confianza 1-α.2. Obtener un estimador muestral del parámetro, en este caso una puntuación observada Xi.3. Determinar el valor crítico de zc de la distribución normal estandarizada de referencia para el 1-α fijado.
  14. CON LA PUNTUACIÓN INDIVIDUAL4. Calcular el error máximo admisible para el nivel de confianza fijado. Emax =| zc | σ E El valor de σE es desconocido, pero puede obtenerse un estimador muestral con los datos observados. E σ X 1− ρ σ =   XX
  15. CON LA PUNTUACIÓN INDIVIDUALEl puntaje verdadero se estima, entonces, de la siguiente fórmula: V X ± zα / 2σ E =Donde se puede establecer la probabilidad de obtener un determinado intervalo: P = ( X − zcσ E ≤ V ≤ X + zcσ E )
  16. CON LA REGRESIÓN LINEAL Mediante la ecuación de regresión es posible derivar la puntuación de V a partir de la puntuación de X.
  17. CON LA REGRESIÓN LINEAL Partiendo de la formulación general de la ecuación de regresión: Y = α + βX Donde α es el origen y β la pendiente. Transformado en términos de estimadores muestrales de V sobre X: (  )  V =X 1 − ρ XX + ρ XX X
  18. EN EL MARCO DE LA REGRESIÓN LINEAL(CONSTRUCCIÓN DE INTERVALOS DE CONFIANZA) 1. Establecer un nivel de confianza 1-α. 2. Obtener la puntuación V’ pronosticada a partir de X, mediante la ecuación. 3. Determinar los valores críticos zc de la distribución normal estandarizada de referencia. 4. Calcular el error máximo admisible para el nivel de confianza fijado.  EMAX | zc | +σ V ,X = 5. Calcular los límites del intervalo de confianza: Li V − Emáx = L= V + Emáx s
  19. EJERCICIOSConsiderando la siguiente tabla y asumiendo una distribución normal de los errores, construya intervalos de confianza (1–α=0,96) para las puntuaciones verdaderas de cada uno de los sujetos de la última columna. Desv. Coef. de Test Media Puntaje X típica confiab. A 100 15 0,91 115 B 211,6 25,7 0,84 211 C 57,4 11,3 0,78 31 D 361,9 76,5 0,87 500 E 127,4 21,9 0,76 100
  20. RESULTADOS Punt. Indiv. Regresión V.Xσ e Emáx Lim. Lim. V CovV.X Emáx Lim. Lim. Inf. Sup. Inf. Sup. 4,5 9,0 106,0 124,0 113,65 4,29 6,29 107,36 119,9410,3 20,6 190,4 231,6 211,10 9,42 11,42 199,67 222,52 5,3 10,6 20,4 41,6 36,81 4,68 6,68 30,13 43,4927,6 55,2 444,8 555,2 482,05 25,73 27,73 454,32 509,7710,7 21,5 78,5 121,5 106,58 9,35 11,35 95,22 117,93

×