martes, 2 de mayo de 2017

Infografia Investigación Científica

CONCEPTUALIZACIÓN DE ALFA DE CRONBACH, PRUEBA T, COEFICIENTE DE CORRELACIÓN DE PEARSON


ALFA  DE  CRONBACH

  El coeficiente Alfa de Cronbach es un modelo de consistencia interna, basado en el promedio de las correlaciones entre los ítems. Entre las ventajas de esta medida se encuentra la posibilidad de evaluar cuánto mejoraría (o empeoraría) la fiabilidad de la prueba si se excluyera un determinado ítem.



PRUEBA T

El procedimiento Prueba T para muestras independientes debe utilizarse para comparar las medias de dos grupos de casos, es decir,  cuando la comparación se realice entre las medias de dos poblaciones independientes (los individuos de una de las poblaciones son distintos a los individuos de la otra) como por ejemplo en el caso de la comparación de las poblaciones de hombres y mujeres.  Lo ideal es que para esta prueba los sujetos se asignen aleatoriamente a dos grupos, de forma que cualquier diferencia en la respuesta sea debida al tratamiento (o falta de tratamiento) y no a otros factores. 



COEFICIENTE DE CORRELACIÓN LINEAL DE PEARSON

El  coeficiente  de  correlación  de  Pearson,  pensado  para  variables cuantitativas (escala mínima de intervalo), es un  índice  que  mide  el grado de covariación entre distintas variables relacionadas linealmente. Adviértase  que  decimos  "variables relacionadas  linealmente".   Esto significa que puede haber variables fuertemente relacionadas, pero no de forma lineal, en cuyo caso no proceder  a aplicarse  la  correlación  de Pearson. Por ejemplo, la relación entre la  ansiedad  y  el  rendimiento tiene forma de U invertida;  igualmente,  si  relacionamos  población  y tiempo la relación será  de forma exponencial. En estos casos (y en otros muchos) no es conveniente utilizar la correlación de Pearson.

El coeficiente de correlación de Pearson es un índice de fácil ejecución e, igualmente, de fácil interpretación. Digamos, en  primera  instancia, que sus valores absolutos oscilan entre 0 y 1.

martes, 28 de marzo de 2017

CHI-CUADRADO (χ2)




El estadístico chi-cuadrado (χ2) es una medida de divergencia entre la distribución de sus datos y una distribución esperada o hipotética de su elección.

La prueba del χ2 se usa para variables de distintos niveles de medición, incluyendo las de menor nivel, que son las nominales. Sirve para determinar si los datos obtenidos de una sola muestra presentan variaciones estadísticamente significativas respecto de la hipótesis nula.



EXISTEN VARIOS TIPOS DE PRUEBAS DE CHI-CUADRADO:



  • Prueba de χ2 de bondad de ajuste

Utilice este análisis para probar qué tan bien una muestra de datos categóricos se ajusta a una distribución teórica.

Por ejemplo, usted puede comprobar si un dado es justo, lanzando el dado muchas veces y utilizando una prueba de χ2 de bondad de ajuste para determinar si los resultados siguen una distribución uniforme. En este caso, el estadístico χ2 cuantifica qué tanto varía la distribución observada de conteos con respecto a la distribución hipotética.

  • Pruebas de χ2 de asociación e independencia

Los cálculos para estas pruebas son iguales, pero la pregunta que se está tratando de contestar puede ser diferente.

  • Prueba de asociación: utilice una prueba de asociación para determinar si una variable está asociada a otra variable. Por ejemplo, determine si las ventas de diferentes colores de automóviles dependen de la ciudad donde se venden.

  • Prueba de independencia: utilice una prueba de independencia para determinar si el valor observado de una variable depende del valor observado de otra variable. Por ejemplo, determine si el hecho de que una persona vote por un candidato no depende del sexo del elector.



PRINCIPALES APLICACIONES DE LA CHICUADRADO

 Al analizar en una población un carácter cualitativo o cuantitativo el estudio resulta muy tedioso por el gran número de elementos del que consta la población.

Generalmente, se examina una muestra tomada de la población, lo que lleva a tener una serie de datos, y ver hasta qué punto la muestra se pude considerar perteneciente a una distribución teórica conocida.

Siempre existirán desviaciones entre la distribución empírica u observada  y la distribución teórica. Se plantea la cuestión de saber si estas desviaciones son debidas al azar o al haber tomado una distribución teórica inadecuada.



OBSERVACIONES DE LA APLICACIÓN

  • El test de la χ2  se puede aplicar en situaciones donde se desea decidir si una serie de  datos (observaciones) se ajusta o no a una función teórica previamente determinada (Binomial, Poisson, Normal, etc.)

  • Es necesario que las frecuencias esperadas de las distintas modalidades no sea inferior a cinco. Si alguna modalidad tiene una frecuencia esperada menor que cinco se agrupan dos o más modalidades contiguas en una sola hasta conseguir que la frecuencia esperada sea mayor que cinco.

  • Los grados de libertad de la χ2 dependen del número de parámetros que se necesitan hallar para obtener las frecuencias esperadas.



Las condiciones necesarias para aplicar el test de la χ2 exige que al menos el 80% de los valores esperados de las celdas sean mayores que 5.  Cuando esto no ocurre hay que agrupar modalidades contiguas en una sola hasta lograr que la nueva frecuencia sea mayor que cinco. Esta condición, si bien en la práctica suele permitirse que una de ellas tenga frecuencias esperadas ligeramente por debajo de 5.


Datos Agrupados en SPSS

sábado, 11 de marzo de 2017

Graficas utilizando el programa de IBM SPSS

El programa de IBM SPSS es muy útil para poder realizar gráficas y estadísticas de una forma fácil, ya que estuvimos graficando con otros programas en donde se nos dificultaba un poco mas poder realizar esto. A comparación de otros programas que realizan estadísticas y gráficos este nos da la opción de exportar los gráficos en formatos de word por lo que es mas factible y puedan imprimirse los datos.
Es interesante también la forma de poder realizar los gráficos ya que podemos capturar desde excel y el programa automáticamente copia toda la información para hacer mas facil el proceso de la creación de gráficos.