La otra variable es la variable cuantitativa que es la que se expresa mediante un numero por
tanto se pueden realizar operaciones aritméticas con ella y dentro de esta variable podemos
distinguir dos tipos la primera es la variable discreta es aquella que solo puede tomar un
numero finito de valores entre los valores cual quiera de una característica por ejemplo el
número de hermanos de cinco amigos: 2,1,0,1,3.
Ahora bien, cuan hablamos de error de variable nos referimos Cuando se ajusta un modelo a
datos, normalmente se supone que todos los errores están en la variable dependiente, y que
las variables independientes se conocen perfectamente (es decir, X se ajusta perfectamente y
Y se mide con error). Esta suposición no es a menudo verdadera, y mientras los errores en la
variable dependiente son mucho más grandes que ésos para la variable independiente, no
causará generalmente mucha diferencia al ajuste de la curva.
Cuando los errores se distribuyen normalmente con media cero y varianza constante, y el
modelo es exacto, entonces el ajuste de mínimos cuadrados estándar da la solución de
máxima verosimilitud.
En algunos casos, sin embargo, los errores tanto en variables dependientes como
independientes pueden ser comparables. Esta situación tiene una variedad de nombres que
incluyen errores en variables, modelos de error de medición o modelos de
regresión aleatorios. Un ejemplo de un modelo que puede resultar en errores similares en
variables dependientes e independientes es ajustar la trayectoria de un objeto a lo largo de
una superficie; Las variables implicadas serían mediciones de coordenadas cartesianas de la
ubicación del objeto en varios instantes en el tiempo. Presumiblemente, los errores de
medición serían similares porque ambos implican la medición espacial.
La adaptación de tales datos utilizando los mínimos cuadrados ordinarios u ordinarios puede
conducir a un sesgo en la solución. Para resolver este problema, ofrecemos la Regresión
Ortogonal de Distancia (ODR). En lugar de minimizar la suma de errores cuadráticos en la
variable dependiente, ODR minimiza la distancia ortogonal de los datos a la curva ajustada
ajustando tanto los coeficientes del modelo como un ajuste a los valores de la variable
independiente. Esto también se llama a veces "mínimos totales totales".
Ahora bien, continuando con el trabajo hablaremos del siguiente tema que es el error
estándar. El error estándar de medida es la desviación estándar de los errores de medida
asociados a las puntuaciones observadas de un test, para un grupo particular de examinados.
Cuando es utilizado para calcular intervalos de confianza en torno a las puntuaciones
obtenidas, puede ayudar a expresar la incertidumbre de las puntuaciones individuales de una
manera fácilmente comprensible. De acuerdo con este articulo podemos decir que el error
estándar es la desviación estándar de la distribución muestral de un estadístico y cuando
hablamos del uso de la desviación estándar nos referimos a que esta nos permite determinar
con un buen grado de precisión donde están localizados los valores de una distribución de
frecuencias con relación a la media el teorema de chebysher establece que
independientemente de la forma de distribución al menos el 75% de los valores caen dentro
de +- dos desviaciones estándar a partir de la media distribución y al menos el 89% de los
valores caen dentro de +- 3 desviaciones estándar.
Pasando al siguiente tema que es el error constante cuando hablamos de error hay que tener
claro que hay dos tipos
Que es el error constante y sistemático que este se produce cuando las mediciones que se
obtienen con una escala son sistemáticamente mayores o menores que lo que realmente deben
ser, el segundo error es el error casual o azar o no sistemático que se produce cuando las
medidas son alternativamente mayores o menores de lo que realmente deben de ser. En este
interviene cuando se afecta la confiabilidad de un test psicométrico este error tiene que ver
con la salud, fatiga, motivación, tensión emocional, distracción por problemas en el
momento, familiaridad con la prueba que presenta el examinado al momento de dar el test
Rey,1972, Brown, 1982) de acuerdo con los autores yo pienso que es muy cierto el estado en
el que la persona se encuentre en el momento de realizar el test porque si puede interferir
mucho para perder la confiabilidad ya que si se estaría alterando los resultados.
Ahora bien hablando de la validez Con la validez demostramos la utilidad del instrumento,
se haya en un proceso permanente, en continua revisión, se ve el uso que se le da. Es válido
para una persona, sistema y tiempo determinado. Si le vamos a dar un uso diferente al test
tiene que ser adaptado. La validación tiene una caducidad (10-15 años), no hay garantías de
que el test sea igualmente útil, hay que revisar si aún los datos de validez son aceptables.
al aplicar un test buscamos tres propósitos, uno establecer una relación funcional con la
variable, dos medimos para realizar rasgos psicológicos, tres analizar comportamientos
manifiesticos y todas estas medidas con diferentes propósitos, tienen diferentes tipos de
validez como validez predictiva, validez de contenido(ítems) y validez de constructo(rasgo)
pues bien hablando de validez un test primero debe ser confiable antes que nada después para
que cumpla con la validez tiene que medir lo que pretenda medir un breve ejemplo la estufa
se hiso para cocinar es algo que ya fue fiable y que tiene su validez porque realmente cumplió
con el objetivo con el que se hizo ahora para que sea confiable se tiene que aplicar lo que se
le conoce como retes que es aplicar la misma prueba a la misma población en un tiempo
supongamos de seis meses para que nuestra prueba cumpla con la fiabilidad y validez los
resultados tienen que ser los mismos o simplemente variar una mínima supongamos la
primera vez obtuvimos un resultado de 10 para el retes el resultado será nueve o quizás ocho.
Concepto y tipos.
Un test es una muestra de conducta a partir de la que se pretender hacer ciertas inferencias.
La validez se refiere a la pertinencia de tales inferencias. La validez de un test es equivalente
a la validación de las teorías científicas. Distinguiremos entre:
· Validez de contenido.
· Validez predictiva.
· Validez de constructo.
Esta división de los tipos de validez responde mas a objetivos didácticos que reales, ya que
la “validez global” está compuesta por estos tres tipos de validez.
Validez de contenido.
La validez de contenido hace referencia a que un test constituye una muestra adecuada y
representativa de los contenidos que se pretende evaluar con él. Un tipo especial de validez
de contenido es la validez aparente, que se refiera a que el test de la impresión a los sujetos
que lo realizan, de que realmente puede medir el aspecto que se pretende.
Validez predictiva
La validez predictiva se refiere al grado de eficacia con el que se puede predecir una variable
de interés (criterio). Se operacionaliza mediante el coeficiente de validez, que es la
correlación entre el test y el criterio. Es de tener en cuenta que correlación no implica
causación sino covariación. La validez predictiva recibe otros nombres como: validez relativa
al criterio, validez criterial o validez de pronóstico. El cálculo de la validez como tal no tiene
mayor complicación, pero si presenta complicaciones la elección del criterio, así
distinguiremos:
· Validez de pronóstico
Validez de constructo.
Validez factorial.
El análisis factorial es una técnica de análisis multivariado que permite estimar que factores
dan cuenta de unas determinadas variables. Es decir, cuando se aplican varios test para
determinar unas variables es posible que esos test contengan ítems comunes, así el análisis
factorial lo que hace es determinar cuáles son los ítems redundantes. Con esto se consigue
reducir el número de ítems asociados a cada variable lo que permite contemplar la naturaleza
de esta de una forma más clara. Los test ya validados factorial mente se denominan test de
marca o marcadores.
Existe validez convergente si las correlaciones entre medidas de un rasgo por distintos
métodos son elevadas. Existe validez discriminante si las correlaciones de un rasgo por
distintos métodos son claramente superiores a las correlaciones de distintos rasgos por el
mismo método.
Validez y fiabilidad.
El coeficiente de validez es la correlación entre el test y el criterio, por lo que los errores de
medida cometidos (fiabilidad) influirán en la validez. Así la validez aumenta al aumentar la
fiabilidad del test y la fiabilidad del criterio.
Fórmulas de atenuación.
a) Estimación del coeficiente de validez en el supuesto de que el test y el criterio tienen una
fiabilidad perfecta. Un test tiene un valor de validez que viene determinado por la fiabilidad
del test y del criterio. Así cabe preguntarse cuál sería la validez en el caso de que tanto el test
como el criterio tuvieran una fiabilidad perfecta.
b) Estimación del coeficiente de validez en el caso de que el test tuviese una fiabilidad
perfecta.
c) Estimación del coeficiente de validez en caso de que el criterio tuviese una fiabilidad
perfecta.
También puede calcularse la validez en función de que el test, el criterio o ambos no tengan
una fiabilidad perfecta. Sería el caso en el que se mejora la fiabilidad a base de añadir ítems,
o el caso contrario, cuál sería la fiabilidad en caso de que el test, el criterio o ambos bajaran
su fiabilidad.
El coeficiente de validez es igual o menor que su índice de fiabilidad, e igual o mayor que
su coeficiente de fiabilidad.
Validez y longitud.
Validez y variabilidad.
Dos variables.
Supongamos un caso: se realiza una prueba para seleccionar a un grupo de sujetos para
ocupar un puesto de trabajo. Si se calcula la validez del grupo de los aceptados esta será más
baja que si se calcula sobre el grupo total, ya que al limitarnos al grupo de las puntuaciones
más altas se reduce la variabilidad. Por tanto, tendremos unos valores de validez altos para
el grupo total frente a unos valores de validez bajos en el grupo de los aceptados.
Tres variables.
A veces puede plantearse la cuestión de comprobar si un nuevo test es más eficaz para la
selección que otro anterior. Si el nuevo test se aplica a los sujetos que superan el primero la
validez de este último sería menor ya que habría menor variabilidad, por lo que esta prueba
no sería correcta. Lo adecuado sería calcular la validez de ambos en el grupo de aspirantes y
compararlos.
Validez predictiva.
Método para obtener la validez: La validez de contenido se define como el juicio lógico sobre
la correspondencia que existe entre el rasgo o la característica del aprendizaje del evaluado
y lo que se incluye en la prueba o examen Pretende determinar si los ítemes o preguntas
propuestas reflejan el dominio de contenido (conocimientos, habilidades o destrezas) que se
desea medir. Para ello se deben reunir evidencias sobre la calidad y la relevancia técnica
del test; es fundamental que sea representativo del contenido mediante una fuente válida,
como por ejemplo: literatura, población relevante o la opinión de expertos. Lo anterior
asegura que la prueba incluya solo aquello que debe contener en su totalidad, es decir, la
pertinencia del instrumento.
Este tipo de validez puede considerar criterios internos y externos. Entre los criterios de
validez interna están la calidad del contenido, la importancia curricular, cobertura del
contenido, complejidad cognitiva, adecuación lingüística, habilidades complementarias y el
valor o ponderación que se dará a cada ítem Entre los criterios de validez externa se
encuentran: la equidad, la transferencia y generalización, la comparabilidad y la sensibilidad
de la instrucción; estas repercuten tanto en los estudiantes, como en los profesores.
Conclusión:
Este trabajo está realizado con la intención de ver la importancia que tiene cada uno de los
puntos que abordaremos en los test que realizamos a los sujetos, y sobre todo para ver lo
errores que hay en cada uno de ellos y el cómo es la forma adecuada de aplicar hablaremos
de temas como error de variables, error estándar. Error constante. Validez entre otros
Universidad del sur.
Psicología clínica
Materia:
Tema: ensayo
5°cuatrimestre