MÉTODOS ESTADISTICOS EN EL ANALISIS EXPERIMENTAL DE LA CONDUCTA

...

El porcentaje acumulado constituye lo que aumenta en cada categoría de manera porcentual y progresiva (en orden de aparición de las categorías), tomando en cuenta los porcentajes válidos.

¿De qué otra manera pueden presentarse las distribuciones de frecuencias?

Las distribuciones de frecuencias, especialmente cuando utilizamos los porcentajes, pueden presentarse en forma de histogramas o gráficas de otro tipo (por ejemplo: de pastel).

Las distribuciones de frecuencias también se pueden graficar como polígonos de frecuencias.

Los polígonos de frecuencias relacionan las puntuaciones con sus respectivas frecuencias. Es más bien propio de un nivel de medición por intervalos o razón.

Los polígonos de frecuencias representan curvas útiles para describir los datos. Nos indican hacia dónde se concentran los casos (personas, organizaciones, segmentos de contenido, mediciones de polución, datos de presión arterial, etc.)

ANÁLISIS DE VARIANZA

Es una colección de modelos estadísticos y sus procedimientos asociados, en el cual la varianza está particionada en ciertos componentes debidos a diferentes variables explicativas. Las técnicas iniciales del análisis de varianza fueron desarrolladas por el estadístico y genetista R. A. Fisher en los años 1920 y 1930 y es algunas veces conocido como "Anova de Fisher" o "análisis de varianza de Fisher", debido al uso de la distribución F de Fisher como parte del contraste de hipótesis.

Se le determina como ANOVA debido a sus siglas en inglés, “ANalysis Of VAriance.”

- Puede ser utilizado en los casos en los que existan más de dos grupos.

- Si sólo se tiene dos muestras, se puede utilizar la prueba T para comparar los medios de las muestras.

ANOVA de una dirección: Supongamos que queremos probar el erfecto de cinco ejercicios diferentes. Para ello se reclutan a veinte hombres y se asigna un tipo de ejercicio a cuatro hombres (cinco grupos). Sus pesos se registran después de unas pocas semanas. Podemos averiguar si el efecto de estos ejercicios en ellos es significativamente diferente o no, y eso se puede hacer mediante la comparación de los cuatro pesos de los cinco grupos de cuatro.

Este ejemplo es un caso de ANOVA de una dirección equilibrada. Se ha denominado de una dirección porque existe una categoría cuyo efecto se ha estudiado y equilibrado, porque el mismo número de hombres se ha asignado a cada ejercicio. Además la idea básica es probar si las muestras son similares en su totalidad o no.

ANOVA de una dirección o dos: Estudiemos el efecto de los fertilizantes sobre el rendimiento del trigo. Aplicamos cinco abonos, cada uno de diferente calidad, en cinco parcelas de terrenos de trigo. Se registra el rendimiento de cada parcela y se observa la diferencia de rendimiento entre las parcelas. Aquí, el fertilizante es un factor y las diferentes calidades de fertilizantes se llaman niveles.

Este es un caso de ANOVA de una dirección o de un factor, ya que existe sólo un factor: el fertilizante. También se puede estar interesado en estudiar el efecto de la fertilidad en las parcelas. En éste caso, tendríamos dos factores: el fertilizante y la fertibilidad. Este sería un caso ANOVA de dos direcciones o de dos factores.

Importancia del ANOVA: Es un método que permite comparar varias medias en diversas situaciones; muy ligado, por tanto al diseño de experimentos y de alguna manera es la base del análisis multivalente.

La ANOVA evalúa la importancia de uno o más factores al comparar las medias de la variable de respuesta en los diferentes niveles de los factores.

ANÁLISIS DE DATOS INDIVIDUALES

La conducta de los organismos individuales es la materia prima de la psicología. La forma más directa para establecer la replicabilidad de alguna variable independiente es examinar el cambio de la variable dependiente directamente, ya sea de una manera fina o en medidas agregadas. Bajo esta lógica, los investigadores adeptos a las ciencias biológicas favorecen diseños que alternan la intromisión y el retiro de alguna variable independiente. Otra forma de abordar el problema de la replicabilidad del dato es utilizar la condición previa para evaluar el efecto de la condición subsiguiente.

Por lo general la observación de medidas repetidas obtenidas de sujetos individuales involucra a pocos sujetos. Aquellos investigadores que favorecen el análisis estadístico de datos agregados han criticado el uso de pocos sujetos alegando que un número reducido no garantiza la generalidad de los hallazgos a otros sujetos de la misma población.

ANÁLISIS DE DATOS AGREGADOS

Algunos psicólogos que se adhieren a las ciencias sociales argumentarían que los datos de una colección de individuos son en realidad la materia prima de la psicología. Sin embargo, estos psicólogos serían una minoría en comparación con los que reconocen que la conducta de los organismos individuales es el dato prioritario en la psicología. No obstante, por una razón o por la otra, muchos psicólogos adeptos a las ciencias sociales prefieren caracterizar sus datos como agregados de las conductas individuales, usando estadística descriptiva.

También los partidarios de un enfoque biológico a la psicología como los analistas conductuales pueden emplear estadística para resumir los datos repetidos de sujetos individuales. Si bien usar estadística descriptiva no se encuentra en conflicto con usar observaciones directas de la conducta de los sujetos, tiene la propiedad de invitar inferencias sobre la confiabilidad de los resultados mediante pruebas presumidamente objetivas, empleando estadística inferencial.

Básicamente la inferencia estadística consiste en expresar la magnitud del efecto de una variable independiente con una proporción de variables fortuitas y si se trata de comparar la ausencia contra la presencia de una variable independiente, restar la magnitud de una de la otra y expresar está diferencia como una proporción de la variabilidad fortuita de ambas. Convencionalmente para concluir que el resultado es confiable, la proporción del efecto de la variable independiente debe exceder considerablemente al efecto de las variables fortuitas.