Cuando hablamos de variables hay que tener claro que existen diversos tipos de variables

como algunas que a continuación mencionare en estadística existen estas variables

empezaremos por la variable cualitativa que esta se refiere a las características o cualidades
que no pueden ser medidas con números y dentro de ellas podemos distinguir dos tipos que
son la variable cualitativa nominal que presenta modalidades no numéricas que no admiten
un criterio de orden por ejemplo el estado civil con las siguientes modalidades soltero,
casado, separado, viudo, divorciado. Después encontraremos la variable cualitativa ordinal o
cuasi cuantitativa que esta presenta modalidades no numéricas, en las que existe un orden
por ejemplo la nota de un examen aprobado, notable, sobresaliente.

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.

La segunda variable es la continua es aquella que puede tomar un numero infinitivo de

valores entre dos valores cual quiera de una característica por ejemplo la altura de los cinco
amigos: 1.73,1.82,1.77,1.69,1.75

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 concurrente: cuando el test y el criterio se miden al mismo tiempo.

· Validez de pronóstico

: cuando el criterio se mide en un periodo de tiempo posterior a la realización del test.

· Validez retrospectiva: cuando se aplica el test con posterioridad al criterio que se
quiere pronosticar

Validez de constructo.

La validez de constructo se refiere a la recogida de evidencia empírica sobre la existencia de

que tal constructo existe realmente. En al ámbito de la psicología para este fin se han
empleado procedimientos como el análisis factorial y la matriz multirasgo – multimétodo,
hablándose respectivamente de validez factorial y validez convergente – discriminante.

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.

El análisis factorial es solo el primer paso (y más bien modesto) en la validación de un

constructo psicológico. Únicamente garantiza cierta coherencia o convergencia entre las
medidas de dicho constructo

Validez convergente – discriminatoria

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.

d) Generalización de las fórmulas de atenuación.

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.

Valor máximo del coeficiente de validez

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.

La validez de un test aumenta al aumentar el número de ítems del test.

Validez y variabilidad.

La validez aumenta al aumentar la 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.

Hablamos de validez predictiva cuando pretendemos estimar un determinado criterio o

variable. El dato en el que se basa la validez predictiva es la correlación entre el test y el
criterio. Las técnicas de regresión permiten expresar de “otro modo” la información
contenida en el coeficiente de validez.

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:

A pesar que al principio me confundía mucho la investigación después pude ir notando la

importancia que tiene saber cada uno de estos pasos ya que todos son útiles para la práctica
y sobre todo te ayudan a poder diagnosticar de forma correcta las pruebas cabe mencionar
que sin duda alguna el tema que más me agrado es el de validez pues a mi punto de vista
siento que la fiabilidad y la valides son lo principal para cualquier test y sobre todo tratándose
de un test como instrumento o herramienta psicológica. Ya que en base a ello podemos
confirmar de cierta forma las sospechas que ya tengamos, así como también en algunas
pruebas nos permite ver el estado y rasgo del sujeto, pero no solo hablando de la validez
como tal otra cosa es tener muy en claro que así como puede ser fiable y cumplir con la
validez así también puede tener errores que haga que las pruebas pierdan ese objetivo o en
otros casos cuando nosotros manipulamos resultados estaríamos claramente arruinando la
prueba porque sería un ejemplo la prueba tiene el nombre de una persona pero los resultados
no serían los verdaderos de ella.
 Introducción:

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

Alumna: tania elizabeth Solís González

Materia:

Profesora: Cristel Antonio Ruíz.

Tema: ensayo

5°cuatrimestre

Tuxtla Gutiérrez Chiapas, 29 de agosto 2017