UNIVERSIDAD NACIONAL DE ASUNCION                   FACULTAD DE FILOSOFIA              MAESTRIA EN PSICOLOGIA CLINICA    M ...
IntroducciónEl taller tiene carácter introductorio, concentrándonos en laestructura general del software y de las operacio...
ESTRUCTURA GENERALExisten dos elementos fundamentales en la estructura delsoftware que requieren de correcta comprensión p...
ESTRUCTURA GENERAL  Estructura de las bases de datosUna base de datos es una colección de datos ORGANIZADOS yRELACIONADOS ...
ESTRUCTURA GENERAL  Estructura de las bases de datosGeneralmente los programas informáticos interpretan quelas filas son c...
ESTRUCTURA GENERALEstructura de las bases de datos                                   Enrique Morosini - Pág. 6
ESTRUCTURA GENERAL  Estructura del SPSSEl SPSS se compone de tres tipos distintos de archivos:     1. Editor de Datos.    ...
ESTRUCTURA GENERAL  Estructura del SPSS1. Editor de Datos.Es el espacio en el cual se pueden “editar los datos”, lo queimp...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos                                      Enrique Mor...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos                                      Enrique Mor...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos                                      Enrique Mor...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos                                      Enrique Mor...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos                                      Enrique Mor...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos                                      Enrique Mor...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos                                      Enrique Mor...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos                                      Enrique Mor...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos                                      Enrique Mor...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de variables                                          Enr...
ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de variables                                          Enr...
ESTRUCTURA GENERAL  Estructura del SPSSEjercicio 11. Abrir el programa.2. Cargar los datos siguientes      1            0 ...
ESTRUCTURA GENERAL  Estructura del SPSSEjercicio 13. Examinar la “Vista de Variables”4. Colocar nombres a las variables:  ...
ESTRUCTURA GENERAL  Estructura del SPSS2. Visor de resultados.Es una ventana que aparece automáticamente cada vez quese ac...
ESTRUCTURA GENERAL  Estructura del SPSS2. Visor de resultados.Muestra tres tipos de información:1. Comando de ejecución.2....
ESTRUCTURA GENERAL  Estructura del SPSS2. Visor de resultados.Muestra tres tipos de información:   FREQUENCIES VARIABLES=V...
ESTRUCTURA GENERAL  Estructura del SPSSEjercicio 2Con la misma planilla con la que se trabajó en el ejemploanterior realiz...
Comando de  ejecución.           Tablas.       Gráficos.Enrique Morosini - Pág. 26
ESTRUCTURA GENERAL  Estructura del SPSS3. Editor de sintaxis.En el SPSS es posible trabajar en modo “comando”,introduciend...
ESTRUCTURA GENERAL  Estructura del SPSSEjercicio 31. Ingresar a la pantalla “Visor”.2. Copiar la secuencia de comando que ...
ESTRUCTURA GENERAL  Estructura del SPSSLos menúsSon las rutas o caminos visuales a través de los cuales seejecutan los com...
ESTRUCTURA GENERAL  Estructura del SPSSLas ventanasLa mayoría de las aplicaciones analíticas del SPSS presentan lamisma es...
ESTRUCTURA GENERAL  Estructura del SPSSLas ventanasLa mayoría de las aplicaciones analíticas del SPSS presentan lamisma es...
ESTRUCTURA GENERAL  Estructura del SPSSLas ventanasLa mayoría de las aplicaciones analíticas del SPSS presentan lamisma es...
EXPLORACIÓNLa primera fase del proceso de investigación es la exploración delos datos.La fase exploratoria tiene una impor...
EXPLORACIÓN1. El análisis descriptivo.Se analizan la media, mediana, moda, varianza, desvío estándar,media recortada, curt...
EXPLORACIÓN- El Diagrama de “tallos y hojas” (Stem-and-Leaf Diagram) permiteobtener simultáneamente una distribución de fr...
EXPLORACIÓN- El gráfico de “cajas y bitotes” (box plot) son una presentaciónvisual que describe varias características imp...
EXPLORACIÓNEjercicio 41. Abrir la base de datos “Ejercicio 01.xls".2. Ejecutar la función del menú “analizar” / “estadísti...
LIMPIEZA DE DATOSAntes de aplicar cualquier tipo de análisis se debe realizar unacuidadosa depuración de la base de datos....
LIMPIEZA DE DATOS- Tratamiento de valores atípicos: Los valores atípicos puedenser detectados mediante el examen de los gr...
LIMPIEZA DE DATOSEjercicio 51. Con la misma base “Ejercicio 01.xls” abierta2. Ejecutar el menú “Análizar” / “Estadísticos ...
CONTRASTE DE HIPÓTESIS¿Qué es un contraste de hipótesis?                                     Enrique Morosini - Pág. 39
CONTRASTE DE HIPÓTESIS¿Qué es un contraste de hipótesis?Es un procedimiento que se encuentra en el centro de lasdecisiones...
CONTRASTE DE HIPÓTESISLos insumnos más importantes en la toma de decisiones es laestadística inferencial basada en la esti...
CONTRASTE DE HIPÓTESISProceso para la estimación de parámetros:- Dada la distribución muestral de determinado parámetro y ...
CONTRASTE DE HIPÓTESISProbabilidad bajo la distribución normal:                              90%                          ...
CONTRASTE DE HIPÓTESISConsideraciones centrales- La mayoría de las pruebas estadísticas ponen a prueba lahipótesis nula, p...
CONTRASTE DE HIPOTESISPruebas paramétricas y no paramétricasIntroducciónLas pruebas de contraste de hipótesis se clasifica...
CONTRASTE DE HIPÓTESISPruebas paramétricasLas pruebas paramétricas tienen dos características:1. Su cálculo requiere la es...
CONTRASTE DE HIPÓTESISPruebas paramétricasParámetros y estadísticos                            Cuando realizamos un estudi...
CONTRASTE DE HIPÓTESISPruebas paramétricasSUPUESTOS    (Clark-Carter, 2002, pp. 195-196) Las pruebas paramétricas requiere...
CONTRASTE DE HIPÓTESISPruebas paramétricasEstadísticos más utilizados Prueba t (dos grupos):    De diferencia de medias n...
CONTRASTE DE HIPÓTESISPruebas no paramétricasCuando los datos se encuentran en una escala ordinal es posibleutilizar la pr...
CONTRASTE DE HIPÓTESISPruebas paramétricasEstadísticos más utilizados Para una sola muestra:    Prueba de Kolmogorov-Smir...
CONTRASTE DE HIPÓTESISPruebas paramétricasEstadísticos más utilizados      (cont.) Para más de dos grupos:    Prueba de K...
CONTRASTE DE HIPOTESISPruebas paramétricas y no paramétricasConsideraciones especiales           (Morales, 2006, p. 41)Exi...
CONTRASTE DE HIPOTESISPruebas paramétricas y no paramétricasEjemploUn ejemplo MONTECARLO referente a la independencia de l...
CONTRASTE DE HIPOTESISEJERCICIOSTrabajo 1. 1. Lluvia de ideas sobre los posibles diseños que podrían    estar vinculados c...
CONTRASTE DE HIPOTESISEJERCICIOSTrabajo 2: en grupo 1. Formar espontáneamente grupos de 3 o 4 personas. 2. Formular un bre...
CONTRASTE DE HIPÓTESIS  La comparación 2 de mediasUno de los contrastes más habituales es el que se refiere a lacomparació...
CONTRASTE DE HIPÓTESIS  La comparación 2 de mediasEjercicio 61. Abrir la base de datos “Ejercicio01.xls”.2. Seleccionar la...
Upcoming SlideShare
Loading in …5
×

Introducción al análisis estadístico con soporte informático

2,156 views

Published on

Introducción general al análisis estadístico con soporte informático.

Published in: Education
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
2,156
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
128
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

Introducción al análisis estadístico con soporte informático

  1. 1. UNIVERSIDAD NACIONAL DE ASUNCION FACULTAD DE FILOSOFIA MAESTRIA EN PSICOLOGIA CLINICA M ód u l o d e I n v e s t i g a c i ón C i e n t íf i c a IIntroduccion al analisis estadistico con soporte informatico con Instructor: Enrique Morosini
  2. 2. IntroducciónEl taller tiene carácter introductorio, concentrándonos en laestructura general del software y de las operaciones básicas.Veremos operaciones específicas conforme diseñosespecíficos y abordaremos cuestiones técnicas relacionadasa las técnicas específicas de análisis vinculados a distintosdiseños experimentales (y no experimentales), que permitanla extracción de conocimiento a partir de los datos.No se cuenta con el tiempo suficiente para profundizartécnicas más complejas que serían útiles de abordar y queson posibles mediante la utilización del SPSS pero se ofreceuna gama interesante de material de consulta. Enrique Morosini - Pág. 2
  3. 3. ESTRUCTURA GENERALExisten dos elementos fundamentales en la estructura delsoftware que requieren de correcta comprensión parafamiliarizarse con el entorno de trabajo:1. La estructura de las bases de datos.2. La estructura del funcionamiento del SPSS: a. Las ventanas. b. Los menús. c. Los comandos y ventanas de tareas. Enrique Morosini - Pág. 3
  4. 4. ESTRUCTURA GENERAL Estructura de las bases de datosUna base de datos es una colección de datos ORGANIZADOS yRELACIONADOS entre sí. Su estructura básica es una matrizy es la materia prima para la realización de análisisestadísticos.MATRIZ: Es una tabla ordenada de datos compuesta de filas ycolumnas.Por lo tanto las bases de datos, que pueden poseer múltiplesdimensiones y variables en su estructura básica se componede filas y columnas. Enrique Morosini - Pág. 4
  5. 5. ESTRUCTURA GENERAL Estructura de las bases de datosGeneralmente los programas informáticos interpretan quelas filas son casos y las columnas son variables.Consideremos el ejemplo utilizado para esta clase: Base de datos Enrique Morosini - Pág. 5
  6. 6. ESTRUCTURA GENERALEstructura de las bases de datos Enrique Morosini - Pág. 6
  7. 7. ESTRUCTURA GENERAL Estructura del SPSSEl SPSS se compone de tres tipos distintos de archivos: 1. Editor de Datos. 2. Visor de Resultados. 3. Editor de Sintaxis. Enrique Morosini - Pág. 7
  8. 8. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos.Es el espacio en el cual se pueden “editar los datos”, lo queimplica cargar información, modificarla, corregirla. Suapariencia es la misma a cualquier planilla electrónica,Excel o similar.El Editor de Datos presenta a su vez dos pantallas:- una referida a los datos- otra referida a las propiedades de las variables. Enrique Morosini - Pág. 8
  9. 9. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos Enrique Morosini - Pág. 9
  10. 10. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos Enrique Morosini - Pág. 10
  11. 11. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos Enrique Morosini - Pág. 11
  12. 12. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos Enrique Morosini - Pág. 12
  13. 13. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos Enrique Morosini - Pág. 13
  14. 14. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos Enrique Morosini - Pág. 14
  15. 15. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos Enrique Morosini - Pág. 15
  16. 16. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos Enrique Morosini - Pág. 16
  17. 17. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de datos Enrique Morosini - Pág. 17
  18. 18. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de variables Enrique Morosini - Pág. 18
  19. 19. ESTRUCTURA GENERAL Estructura del SPSS1. Editor de Datos - Vista de variables Enrique Morosini - Pág. 19
  20. 20. ESTRUCTURA GENERAL Estructura del SPSSEjercicio 11. Abrir el programa.2. Cargar los datos siguientes 1 0 3 2 3 2 1 3 4 4 3 1 1 1 2 4 0 4 3 3 5 0 5 4 5 Enrique Morosini - Pág. 20
  21. 21. ESTRUCTURA GENERAL Estructura del SPSSEjercicio 13. Examinar la “Vista de Variables”4. Colocar nombres a las variables: ID; se; It01; It02; It035. Modificar el tipo de variable: ID = Cadena; se, It01, It02 y It03 = Numérico6. Indicar las etiquetas siguientes: ID = Identificación; se = Sexo; Ítem 1; Ítem 2; Ítem 3.7. Especificar la medida: ID = nominal; se = nominal; It01, It02 y It03 = escala Enrique Morosini - Pág. 21
  22. 22. ESTRUCTURA GENERAL Estructura del SPSS2. Visor de resultados.Es una ventana que aparece automáticamente cada vez quese activa una orden:- Abrir un archivo.- Alguna función de “datos”.- Alguna función de “transformación”.- Se ejecuta algún análisis específico. Enrique Morosini - Pág. 22
  23. 23. ESTRUCTURA GENERAL Estructura del SPSS2. Visor de resultados.Muestra tres tipos de información:1. Comando de ejecución.2. Tablas.3. Gráficos. Enrique Morosini - Pág. 23
  24. 24. ESTRUCTURA GENERAL Estructura del SPSS2. Visor de resultados.Muestra tres tipos de información: FREQUENCIES VARIABLES=VAR00002 /BARCHART FREQ1. Comando de ejecución. /ORDER=ANALYSIS.2. Tablas.3. Gráficos. Enrique Morosini - Pág. 24
  25. 25. ESTRUCTURA GENERAL Estructura del SPSSEjercicio 2Con la misma planilla con la que se trabajó en el ejemploanterior realizar la siguiente operación:1. Ingresar al menú “Analizar” / “Estadístico descriptivo” / “Frecuencias”.2. Seleccionar la variable “se” y con la flecha enviarla a laventana derecha.3. Seleccionar la pestaña “Gráficos...” y “Gráficos de barra”. Enrique Morosini - Pág. 25
  26. 26. Comando de ejecución. Tablas. Gráficos.Enrique Morosini - Pág. 26
  27. 27. ESTRUCTURA GENERAL Estructura del SPSS3. Editor de sintaxis.En el SPSS es posible trabajar en modo “comando”,introduciendo una secuencia ordenada / jerarquizada de“órdenes” o “instrucciones”, a lo que se denomina sintaxis.Estas órdenes escritas en formato de texto permitenejecutar las funciones que se realizan a partir de los menús.La ventaja consiste en que se puede contar con un conjuntode instrucciones para repetir una secuencia de comandos demanera automática. Enrique Morosini - Pág. 27
  28. 28. ESTRUCTURA GENERAL Estructura del SPSSEjercicio 31. Ingresar a la pantalla “Visor”.2. Copiar la secuencia de comando que aparece al inicio dela ventana; dar doble click, seleccionar el texto y copiar.3. Seleccionar la función “Archivo” / “Nuevo” / “Sintaxis”.4. Aparecerá una pantalla en la cual “pegaremos” lasecuencia anteriormente copiada.5. Clickear sobre el siguiente ícono del menú: [ejecutar]6. Comentar qué es lo que se observa. Enrique Morosini - Pág. 28
  29. 29. ESTRUCTURA GENERAL Estructura del SPSSLos menúsSon las rutas o caminos visuales a través de los cuales seejecutan los comandos. Se accede a ellos a través de la“barra de menú” y ejecutan distintos grupos de comandos. Enrique Morosini - Pág. 29
  30. 30. ESTRUCTURA GENERAL Estructura del SPSSLas ventanasLa mayoría de las aplicaciones analíticas del SPSS presentan lamisma estructura: un conjunto de ventanas, generalmente dos, enlas cuales de un lado se encuentra la lista completa de “variables”y del otro lado un espacio vacío al que habrá que trasladaraquellas que sea de nuestro interés su análisis. Enrique Morosini - Pág. 30
  31. 31. ESTRUCTURA GENERAL Estructura del SPSSLas ventanasLa mayoría de las aplicaciones analíticas del SPSS presentan lamisma estructura: un conjunto de ventanas, generalmente dos, enlas cuales de un lado se encuentra la lista completa de “variables”y del otro lado un espacio vacío al que habrá que trasladaraquellas que sea de nuestro interés su análisis. Enrique Morosini - Pág. 30
  32. 32. ESTRUCTURA GENERAL Estructura del SPSSLas ventanasLa mayoría de las aplicaciones analíticas del SPSS presentan lamisma estructura: un conjunto de ventanas, generalmente dos, enlas cuales de un lado se encuentra la lista completa de “variables”y del otro lado un espacio vacío al que habrá que trasladaraquellas que sea de nuestro interés su análisis. Enrique Morosini - Pág. 30
  33. 33. EXPLORACIÓNLa primera fase del proceso de investigación es la exploración delos datos.La fase exploratoria tiene una importancia en sí misma ya quepermite comprender la forma de distribución de los datos, lo quecontiene la esencia del comportamiento colectivo de los atributosque estamos analizando.La exploración consiste básicamente en analizar los datosdescriptivos a fin de identificar la forma de la distribución, laexistencia de datos atípicos, ausencia de respuestas, etc.Más extendidas en los últimos 30 años se han implementadotécnicas específicas de exploración de datos gracias al aporte deJohn Wilder Tukey. una de ellas es el gráfico Box-Plot. Enrique Morosini - Pág. 31
  34. 34. EXPLORACIÓN1. El análisis descriptivo.Se analizan la media, mediana, moda, varianza, desvío estándar,media recortada, curtosis, asimetría, cuartiles.Estos datos permiten tener una aproximación respecto a ladistribución de los datos y aproximación a la distribución normal.2. El análisis gráfico.Con el SPSS se obtienen dos gráficos por defecto:- El diagrama de tallos y hojas- El gráfico de cajas y bigotes (box-plot). Enrique Morosini - Pág. 32
  35. 35. EXPLORACIÓN- El Diagrama de “tallos y hojas” (Stem-and-Leaf Diagram) permiteobtener simultáneamente una distribución de frecuencias de lavariable y su representación gráfica. Para construirlo basta separaren cada dato el último dígito de la derecha (que constituye lahoja) del bloque de cifras restantes (que formará el tallo). Estarepresentación de los datos es semejante a la de un histogramapero además de ser fáciles de elaborar, presentan más informaciónque estos. 2.12233333444 2.566666677788889999 3.01133 Tallos 3.89 Hojas 4.146 5.2 Enrique Morosini - Pág. 33
  36. 36. EXPLORACIÓN- El gráfico de “cajas y bitotes” (box plot) son una presentaciónvisual que describe varias características importantes, al mismotiempo, tales como la dispersión y simetría. Para su realización serepresentan los tres cuartiles y los valores mínimo y máximo de losdatos, sobre un rectángulo, alineado horizontal o verticalmente. Mín Q1 Med Q3 Máx Caja Bigotes Enrique Morosini - Pág. 33 34
  37. 37. EXPLORACIÓNEjercicio 41. Abrir la base de datos “Ejercicio 01.xls".2. Ejecutar la función del menú “analizar” / “estadísticosdescriptivos” / “explorar”.3. Seleccionar la variable “edad”.4. Realizar un breve comentario al respecto. Enrique Morosini - Pág. 35
  38. 38. LIMPIEZA DE DATOSAntes de aplicar cualquier tipo de análisis se debe realizar unacuidadosa depuración de la base de datos. Para ello se debe“limpiarla” verificando que no se hayan colado errores de tipeado;también se debe analizar la ausencia de datos y cualquier otraanomalía en el registro de los datos necesarios para el análisiscorrespondiente.- Tratamiento de valores atípicos: existen valores atípicos porquefueron mal ingresados a la base de datos, otros porque sonextraordinariamente raros u otros que son claramente explicablepor la interacción de otra variable. En el primer caso lo aconsejablees corregir los errores, en el segundo convendría eliminarlos de labase de datos y en el último caso conviene mantenerlos. Enrique Morosini - Pág. 36
  39. 39. LIMPIEZA DE DATOS- Tratamiento de valores atípicos: Los valores atípicos puedenser detectados mediante el examen de los gráficos del proceso“Exploratorio”.Además se pueden aplicar procesos específicos para identificarlos casos que presentan puntuaciones o datos fuera del rangoesperado, específicamente la función “Control de calidad” /“Gráfico de control”.- Datos ausentes: Un problema importante es la presencia dedatos ausentes en la matriz base. Cuando éstos datos ausentesrepresentan un número importante se aplican métodos deimputación para estimar la posible respuesta ausente. Enrique Morosini - Pág. 37
  40. 40. LIMPIEZA DE DATOSEjercicio 51. Con la misma base “Ejercicio 01.xls” abierta2. Ejecutar el menú “Análizar” / “Estadísticos Descriptivos” /“Explorar” y luego seleccionar las variables: edad, SAT04 y Hs03.3. Comentar los resultados en términos de datos atípicos yvariables con datos ausentes. Enrique Morosini - Pág. 38
  41. 41. CONTRASTE DE HIPÓTESIS¿Qué es un contraste de hipótesis? Enrique Morosini - Pág. 39
  42. 42. CONTRASTE DE HIPÓTESIS¿Qué es un contraste de hipótesis?Es un procedimiento que se encuentra en el centro de lasdecisiones estadísticas y los errores que suponen eseprocedimiento.El razonamiento básico del contraste de hipótesis es el siguiente:¿qué probabilidad tenemos de que los datos observados seaniguales al resultado hipotetizado?La mayoría de las pruebas estadísticas ofrecen resultadosacompañados del valor p (probabilidad) en función a lacomparación del resultado con relación a la hipótesis nula (de noefecto o no diferencia). Enrique Morosini - Pág. 39
  43. 43. CONTRASTE DE HIPÓTESISLos insumnos más importantes en la toma de decisiones es laestadística inferencial basada en la estimación de parámetros y laidea de distribución muestral.Resumiendo se puede decir que el Contraste de Hipótesis es unproceso de decisión en el que una hipótesis formulada en términosestadísticos es puesta en relación con los datos empíricos paradeterminar si es o no compatible con ellos.Los supuestos:- Que una muestra dada pertenece a una distribución poblacional conocida.- Que existe un estadístico de contraste capaz de ofrecer información.- Que existe un conjunto de reglas que guían la toma decisiones. Enrique Morosini - Pág. 40
  44. 44. CONTRASTE DE HIPÓTESISProceso para la estimación de parámetros:- Dada la distribución muestral de determinado parámetro y laformulación de la hipótesis estadística se establecen las reglas deinferencia.- Supongamos la distribución normal, que responde a la ley de losgrandes números y al teorema central del límite, dada ciertahipótesis, se conocen las probabilidades asociadas a ciertos valoresestandarizados, es decir, si conocemos la hipótesis nula y tenemosun valor empírico se podría estimar el valor probabilístico deobtener tal o cual valor en unidades estandarizadas. Enrique Morosini - Pág. 41
  45. 45. CONTRASTE DE HIPÓTESISProbabilidad bajo la distribución normal: 90% 95% 99% Ho Enrique Morosini - Pág. 42
  46. 46. CONTRASTE DE HIPÓTESISConsideraciones centrales- La mayoría de las pruebas estadísticas ponen a prueba lahipótesis nula, por lo tanto el valor p asociado a dichas pruebasrepresenta la probabilidad de que el resultado obtenido sea unadesviación aleatoria de la hipótesis nula. Entendiéndose porhipótesis nula la ausencia de efecto de la variable independiente.- Las hipótesis nulas, estricto sensu, no se “aceptan”, lo que sepuede afirmar es que no existe evidencia suficiente para rechazarla hipótesis nula ¿a qué se debe esta situación? Enrique Morosini - Pág. 43
  47. 47. CONTRASTE DE HIPOTESISPruebas paramétricas y no paramétricasIntroducciónLas pruebas de contraste de hipótesis se clasifican enparamétricas y no paramétricas (también conocidas comopruebas de distribución libre o libre de distribución). Ladiferencia se basa en las suposiciones de los parámetros de lapoblación existentes y el tipo de datos analizables. Enrique Morosini – Pág. 44
  48. 48. CONTRASTE DE HIPÓTESISPruebas paramétricasLas pruebas paramétricas tienen dos características:1. Su cálculo requiere la estimación, a partir de los datos muestreados, de los parámetros de la población.2. Realizan suposiciones acerca de la naturaleza de ciertos parámetros de la población. Enrique Morosini – Pág. 45
  49. 49. CONTRASTE DE HIPÓTESISPruebas paramétricasParámetros y estadísticos Cuando realizamos un estudio tomando una muestra de una población N, suponemos que ésta tiene parámetros: media (µ); desviación (σ); varianza (σ2); etc. La muestra n nos proporciona una información: media (X); desviación (S); varianza (S2)… Enrique Morosini – Pág. 46
  50. 50. CONTRASTE DE HIPÓTESISPruebas paramétricasSUPUESTOS (Clark-Carter, 2002, pp. 195-196) Las pruebas paramétricas requieren que la población de puntuaciones de la cual proviene la muestra, esté distribuida normalmente [ver propiedades de la distribución normal]. Cuando se comparan grupos, se exige que las mediciones sean independientes y las respuestas de cada individuo también. Que los datos estén en una escala de intervalo o razón.  Esta exigencia es discutida ya que existe otra posición considerada “abierta” que sostiene que los números no tienen conciencia de su origen (ver Lord, 1953). Enrique Morosini – Pág. 47
  51. 51. CONTRASTE DE HIPÓTESISPruebas paramétricasEstadísticos más utilizados Prueba t (dos grupos):  De diferencia de medias no relacionadas.  De diferencia de medias relacionadas. Prueba f - ANOVA (ANalysis Of VAriance) (más de dos grupos):  De una sola variable independiente.  Factorial o de más de una variable independiente.  De medidas repetidas de una sola VI.  De medidas repetidas factorial de más de una VI. Correlaciones bivariadas y múltiples:  R de Pearson, coeficientes de regresión. Enrique Morosini – Pág. 48
  52. 52. CONTRASTE DE HIPÓTESISPruebas no paramétricasCuando los datos se encuentran en una escala ordinal es posibleutilizar la prueba de una muestra de Kolmogorov-Smirnov. Sinembargo es poco frecuente y se suele utilizar la 2 (ji o chi cuadrado).Se suele recomendar su uso cuando no se cumplen los supuestospara la aplicación de las pruebas paramétricas, especialmente lasrelacionadas con la normalidad (simetría, homocedasticidad ycurtosis).También se suelen recomendar su uso cuando los datos son detipo categórico u ordinal. Enrique Morosini – Pág. 49
  53. 53. CONTRASTE DE HIPÓTESISPruebas paramétricasEstadísticos más utilizados Para una sola muestra:  Prueba de Kolmogorov-Smirnov.  Prueba 2 (ji o chi cuadrado).  Prueba de Wilcoxon.  Prueba de los signos. Para dos grupos:  Prueba de Mann-Whitney.  Prueba de Wilcoxon. Enrique Morosini – Pág. 50
  54. 54. CONTRASTE DE HIPÓTESISPruebas paramétricasEstadísticos más utilizados (cont.) Para más de dos grupos:  Prueba de Kruskal-Wallis.  Prueba de Friedman. Correlación de variables:  r de Spearman.  de Kendall.  de Goodman y Kruskal.  W de Kendall. Correlación y regresión múltiple:  Modelos loglineales jerárquicos.  Modelos Logit. Enrique Morosini – Pág. 51
  55. 55. CONTRASTE DE HIPOTESISPruebas paramétricas y no paramétricasConsideraciones especiales (Morales, 2006, p. 41)Existen líneas argumentales de distintos autores que justifican lapreferencia en el uso de pruebas PARAMÉTRICAS:1. Los números son ciegos y la aplicabilidad de los métodos estadísticos depende de los supuestos del modelo y no del origen de los datos.2. Las escalas de medición que se utilizan en Psicología pueden considerarse escalas de intervalo imperfectas, ya que el rasgo latente observado posiblemente sea continuo y no categórico.3. Hay suficientes pruebas experimentales que avalan la aplicabilidad de los métodos paramétricos, su robustez a pesar de la violación de sus supuestos y la debilidad de los no paramétricos (errores de tipo II). 4. Los métodos no paramétricos son con frecuencia inconsistentes. Enrique Morosini – Pág. 52
  56. 56. CONTRASTE DE HIPOTESISPruebas paramétricas y no paramétricasEjemploUn ejemplo MONTECARLO referente a la independencia de ladistribución poblacional para la distribución “normal” de unestadístico paramétrico (la media aritmética).[una aproximación a la teoría de los grandes números].1. Abrir una planilla Excel.2. Generar números aleatorios entre 1 y 5.3. Calcular el promedio.4. Generar réplicas de muestras y analizar los resultados. Enrique Morosini – Pág. 53
  57. 57. CONTRASTE DE HIPOTESISEJERCICIOSTrabajo 1. 1. Lluvia de ideas sobre los posibles diseños que podrían estar vinculados con los datos de la base Ejercicios 1. 2. Comparación de análisis paramétricos y no paramétricos. 3. Análisis del caso: prueba t; r de person; ji-cuadrada. Enrique Morosini – Pág. 54
  58. 58. CONTRASTE DE HIPOTESISEJERCICIOSTrabajo 2: en grupo 1. Formar espontáneamente grupos de 3 o 4 personas. 2. Formular un breve y rápido plan de análisis de los datos contenidos en la planilla Ejercicio 1. 3. Definir: Problema, objetivos, hipótesis y forma de contrastar la hipótesis (= diseño y análisis). 4. Realizar el análisis y presentar las conclusiones. Enrique Morosini – Pág. 55
  59. 59. CONTRASTE DE HIPÓTESIS La comparación 2 de mediasUno de los contrastes más habituales es el que se refiere a lacomparación de dos grupos de datos. El primer elemento aconsiderar es si éstos fueron formados aleatoriamente y silas variables que se van a comparar están o relacionadas.Ÿ En caso de que se trate de grupos independientes y las variables no estén relacionadas se utiliza la prueba t de diferencia de medias no relacionadas.Ÿ En caso de que las medidas a compara sí estén relacionadas se utiliza la prueba t de diferencia de medias correlacionadas. Enrique Morosini - Pág. 58
  60. 60. CONTRASTE DE HIPÓTESIS La comparación 2 de mediasEjercicio 61. Abrir la base de datos “Ejercicio01.xls”.2. Seleccionar la función “Analizar” / “Comparación de medias” /“Prueba t para muestras independientes”.3. En la ventana “Variables para contrastar” colocar la variable“edad”.4. En la ventana “Variable agrupación” colocar la variable sexo.5. Luego selecionar “Definir grupo” e indicar que el grupo 1tendra valor 1 y el grupo 2 valor 2. Enrique Morosini - Pág. 59

×