Professional Documents
Culture Documents
David Magnusson
A. Escala Ordinal
En una escala de intervalos, los números también dan información acerca del
tamaño de las diferencias entre los objetos con respecto a la magnitud del rasgo
medido. Las diferencias entre los números pueden compararse entre sí. Para
poder medir al nivel de una escala de intervalo es necesario tener unidades
iguales en la escala. Ahora no solo se conoce la dirección el continuo, sino
también tenemos sus posiciones y donde queremos hacer las mediciones. Por lo
tanto, podemos determinar las diferencias entre las posiciones de los objetos y
compararlas entre sí.
C. Escala de proporción
(1-1)
𝑁 2 /2
𝑌= 𝑒 −𝑥 82
𝑠√2𝜋
(1-2)
𝑀𝑥 = ∑ 𝑋⁄𝑁
(1-3)
∑(𝑋 − 𝑀𝑋 )2
𝑧𝑥 = √
𝑁
Es claro que una distribución de puntajes z tendrá una medida de cero y una
desviación estándar igual a 1.0. Debemos señalar que los puntajes de cualquier
distribución pueden transformarse en puntajes z. Una de las propiedades de la
distribución normal es que proporciones precisas de la distribución normal se
encuentran entre las posiciones dadas por puntajes estándar de varias
magnitudes. Para cualquier puntaje estándar en una distribución normal, podemos
calcular qué tan grande es la parte de la distribución que cae arriba de dicho
puntaje y qué tan grande es la parte que cae abajo. La distribución de frecuencias
acumuladas, es la distribución normal total que caen debajo de los puntajes
estándar respectivos. Si se hace una gráfica de las proporciones que quedan
arriba, contra sus respectivos puntajes estándar, se obtiene una distribución de
frecuencias acumuladas.
1-4 DIMENSIONALIDAD
(2-1)
𝑛
𝑡𝑗 = ∑ 𝑋𝑗𝑖
𝑖=1
Puesto que cada respuesta se registra como 1 ó 0, el puntaje total del
individuo j se obtiene contando el número de ítems resueltos correctamente por él.
La frecuencia de la respuesta correcta al ítem i se obtiene contando el número de
individuos que han resuelto el ítem correctamente.
2-2 VARIANZA
(2-2)
∑(𝑋 − 𝑀𝑥 )2
𝑠2 𝑥 =
𝑁
La desviación de la media de la distribución se computa para cada
individuo, este resultado se eleva al cuadrado y luego se obtiene la suma de los
cuadrados para todos los individuos. La media de estos cuadrados es la varianza,
ésta es una expresión del grado en que los datos diferencian o distinguen entre los
individuos. Si no hay diferencia, todos tienen el mismo puntaje y la varianza es
cero. Lo que es importante es mostrar no una varianza grande, que no es
particularmente deseable per se, sino que la distinción es significativa y confiable.
(3-1)
𝑥𝑖 = 𝑋𝑖 − 𝑀𝑖 , 𝑥𝑘 = 𝑋𝑘 − 𝑀𝑘.
(3-2)
𝑠 2 𝑡 = ∑ 𝑠 2 𝑡 + 2 ∑ 𝑟𝑖𝑘 𝑠𝑖 𝑠𝑘 , 𝑖<𝑘
3-2 COVARIANZA
Puesto que los puntajes de error han sido definidos como puntajes al azar,
darán una distribución normal con Me igual a cero. Luego el puntaje verdadero del
individuo es igual a la media de los puntajes en un número infinito de test
paralelos.
6-1 INTRODUCCIÓN
Los errores son errores genuinos de medida. Éstos pueden ser ocasionados
por: a) la aplicación del test, b) la adivinación, c) la calificación.
B. Adivinación
C. Calificación
Podemos hacer una predicción de una variable a otra con ayuda del
coeficiente de correlación. Si conocemos la correlación entre los puntajes de las
variables x y y , necesitamos solamente obtener el puntaje de un individuo en x
para poder predecir el puntaje probable del mismo individuo en y. La exactitud de
la predicción depende directamente de la correlación. La incertidumbre de la
predicción aumenta cuando la correlación entre las variables disminuye.
Este capítulo trata los problemas de validez que se presentan cuando los
datos de la psicología diferencial se usan como base para el consejo, toma de
decisiones o diagnóstico. Un procedimiento común a todas estas áreas es la
combinación de resultados de más de un instrumento de prueba. El puntaje final
de un individuo se obtiene combinando los puntajes de varios subtest, cada uno
de los cuales es calificado independientemente. El uso de baterías de test
compuestas de test unidimensionales tiene varias ventajas. Tenemos mejor
control sobre lo que mide el test total, y por medio de varios procedimientos para
pesar podemos dar pesos diferentes a ciertos factores con fines diferentes.
8-3 Clasificación
8-4 Selección
La comunalidad h2 es la única parte de la varianza total del test que puede usarse
para predicciones o diagnósticos significativos, y pone un límite a la validez
máxima que podemos lograr para el test. La varianza específica con respecto a un
criterio dado, aunque es varianza verdadera y contribuye a la confiabilidad, no
contribuye a la validez del test con ese criterio.
Una matriz con coeficientes que dan la correlación entre puntajes del test y
los del factor, se llama matriz factorial y los coeficientes, cargas de los factores.
Se supone que tanto los ítems como los originales y los agregados tienen la
misma confiabilidad. La confiabilidad de un test bifactorial, en el que se supone
que cada una de las mitades miden un factor diferente, será igual a la confiabilidad
del test mitad original que midió uno de estos factores.
Primer método: construir un test cuyos ítems abarquen la misma área que
el criterio. A los diferentes factores pueden asignárseles entonces diferentes
números de ítems, o los ítems pueden pesarse de manera que la relación entre los
diferentes factores sea la misma para el test y el criterio. Un test multifactorial se
construye para predecir el criterio multifactorial. El resultado individual en este test
será solamente un puntaje particular que da la posición del individuo en la
distribución de los puntajes obtenidos en el test. Un test así puede usarse, por
ejemplo, en los procesos de selección simple.
Segundo método: la división del número total de ítems en varios subtest
que juntos forman una batería de tests. Cada subtest debe contener un tipo fijo de
ítems, es decir, medir uno de los factores incluidos en el criterio. Al escoger los
ítems trataremos entonces de obtener: a) altas correlaciones entre los ítems de
cada subtest, para hacer lo más exacta posible la medida del factor que se intenta
medir con el subtest, y b) correlaciones bajas entre los diferentes subtest, de
manera que cada subtest mida hasta donde sea posible algo diferente a lo que
miden los otros subtest. Un test multifactorial es insatisfactorio como base para un
pronóstico o un diagnóstico diferenciador.
Podemos obtener una expresión para la correlación del ítem con el test,
comparando las proporciones de individuos con puntajes en las mitades superior e
inferior, respectivamente, de la distribución de puntajes del test quienes han sido
capaces de resolver el ítem. Este es el método a menudo usado en la práctica. La
diferencia pu – p1 donde pu es la proporción de la mitad superior de la distribución
de puntajes de quienes resolvieron el ítem del test, y p1 es la proporción de la
mitad inferior de la distribución de quienes resolvieron dicho ítem, es una medida
del grado de relación entre el ítem y el test. Así pues, es una medida de la
contribución que el ítem hace a la confiabilidad (o a la validez, si el test mide la
variable de criterio).
(11-1)
Tj=R+Rg.
(11-2)
R=tj – F/(m-1)
Una razón para corregir por conjetura, que en la mayoría de las situaciones
se considera más importante que el posible efecto positivo en la validez del test,
es el efecto psicológico que tiene en los individuos examinados el saber que serán
castigados por conjeturar. Eso supone, desde luego, que se les dijo en las
instrucciones que se haría la corrección. Aun si este conocimiento no tiene el
mismo efecto restrictivo en todos, probablemente provoque una reducción en la
dispersión de la varianza irrelevante obtenida por conjetura.
Para que los resultados de los diferentes tests sean comparables, deben
expresarse sobre la misma escala.
12-2 Normalización
La escala T permite una diferenciación más fina entre los individuos que la
escala de estaninas. Mientras la confiabilidad lo suficientemente alta justifica una
diferenciación más estricta, perdemos cierta cantidad de información acerca de los
individuos si damos sus resultados en puntajes estaninas.