{"id":718,"date":"2020-09-01T18:05:29","date_gmt":"2020-09-01T18:05:29","guid":{"rendered":"https:\/\/tuliaocampo.com\/blog\/?p=718"},"modified":"2021-06-27T13:12:57","modified_gmt":"2021-06-27T13:12:57","slug":"analisis-estadistico-de-los-datos-recolectados-en-el-estudio-experimental","status":"publish","type":"post","link":"https:\/\/tuliaocampo.com\/blog\/2020\/09\/analisis-estadistico-de-los-datos-recolectados-en-el-estudio-experimental\/","title":{"rendered":"AN\u00c1LISIS ESTAD\u00cdSTICO DE LOS DATOS RECOLECTADOS EN EL ESTUDIO EXPERIMENTAL"},"content":{"rendered":"\n<p>Las metodolog\u00edas cuantitativas en Psicolog\u00eda, incluyendo la experimental, hacen uso de an\u00e1lisis estad\u00edsticos.&nbsp; Se espera que las estudiantes preuniversitarias que realicen un estudio experimental elaboren un an\u00e1lisis de sus datos que incluya estad\u00edstica descriptiva e inferencial.&nbsp; La estad\u00edstica descriptiva resume los datos recolectados en un experimento mientras que la estad\u00edstica inferencial permite sacar conclusiones de los resultados.&nbsp; En un experimento se desea inferir patrones en la muestra que permitan concluir si esos patrones aplican para la poblaci\u00f3n objetivo del estudio.<\/p>\n\n\n\n<p><strong>Objetivos del an\u00e1lisis estad\u00edstico:<\/strong><\/p>\n\n\n\n<ol class=\"wp-block-list\" type=\"1\"><li>Resumir los datos utilizando estad\u00edstica descriptiva apropiada para el tipo de datos recolectados, incluyendo una medida de tendencia central y una de dispersi\u00f3n.<\/li><li>Graficar los resultados de manera apropiada, reflejando la hip\u00f3tesis planteada.<\/li><li>Sacar una conclusi\u00f3n del experimento realizado mediante el uso de una prueba de estad\u00edstica inferencial apropiada.<\/li><\/ol>\n\n\n\n<p>Tanto los datos estad\u00edsticos como el gr\u00e1fico deben tener en cuenta los siguientes elementos:<\/p>\n\n\n\n<ol class=\"wp-block-list\" type=\"1\"><li>Las variables independiente y dependiente (<strong>VI<\/strong> y <strong>VD<\/strong>)<\/li><li>La hip\u00f3tesis experimental, si es de una cola o de dos colas<\/li><li>La hip\u00f3tesis nula<\/li><li>El dise\u00f1o experimental, si son medidas repetidas o medidas independientes<\/li><li>El nivel de medici\u00f3n de los de datos recolectados<\/li><li>Los datos brutos recolectados<\/li><\/ol>\n\n\n\n<!--more-->\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p><strong>Tipos de variables y nivel de medici\u00f3n de los datos:<\/strong><\/p>\n\n\n\n<p>Las variables que se miden pueden ser continuas o discretas.&nbsp; El tipo de variable va a determinar el nivel de medici\u00f3n de los datos recolectados que pueden ser nominales, ordinales, de intervalo o de raz\u00f3n; es necesario tener claridad sobre el nivel de medici\u00f3n de los datos que se recolectan a partir de los materiales que se dise\u00f1an con este fin.&nbsp; El nivel de medici\u00f3n de los datos informa sobre las medidas de estad\u00edstica descriptiva e inferencial que se puede utilizar para hacer el an\u00e1lisis correspondiente<\/p>\n\n\n\n<p><strong><em>Variables discretas y continuas:<\/em><\/strong><\/p>\n\n\n\n<p>Algunas <strong><em>variables discretas<\/em><\/strong> s\u00f3lo incluyen unos valores determinados que se representan en <strong><em>datos ordinales o nominales<\/em><\/strong>.&nbsp; Tambi\u00e9n incluyen valores num\u00e9ricos enteros que no son continuos como el n\u00famero de palabras recordadas en un experimento de memoria; en estos casos los datos pueden ser <strong>de intervalo<\/strong> o <strong>de raz\u00f3n<\/strong>.&nbsp; Las <strong><em>variables continuas<\/em><\/strong> llevan a datos num\u00e9ricos que se pueden expresar en decimales o fracciones y sus datos pueden ser <strong><em>de intervalo <\/em><\/strong>o <strong>de raz\u00f3n<\/strong>.&nbsp;<\/p>\n\n\n\n<p><strong><em>Nivel de medici\u00f3n de los datos:&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;<\/em><\/strong><\/p>\n\n\n\n<p>Los <strong><em>datos nominales<\/em><\/strong> no tienen un orden espec\u00edfico, sino que se refieren a una categor\u00eda o cualidad que se rotula m\u00e1s que a una cantidad, categor\u00edas o cualidades que son mutuamente excluyentes.&nbsp; Para estos datos no se pueden aplicar operaciones aritm\u00e9ticas como suma, resta, multiplicaci\u00f3n o divisi\u00f3n.&nbsp; En los estudios experimentales sencillos la <strong>VI<\/strong> es nominal porque representan las condiciones experimentales.&nbsp; La <strong>VD <\/strong>puede ser nominal; como cuando se determinan si un participante pudo o no realizar la tarea que se le present\u00f3 o cuando se indaga sobre la preferencia entre varias opciones como las preferencias de alimentos. La <strong>VD<\/strong> tambi\u00e9n puede ser de los otros tres niveles de medici\u00f3n que se describen a continuaci\u00f3n.<\/p>\n\n\n\n<p>Los <strong>datos ordinales<\/strong> se expresan en rangos determinados por un orden.&nbsp; Por ejemplo, las Escalas de Likert que a veces se incluyen en las encuestas se configuran en datos ordinales.&nbsp; Tambi\u00e9n son datos ordinales el orden de llegada en una carrera, aunque la diferencia entre los tiempos de los diferentes competidores var\u00ede.&nbsp; Para estos datos tampoco se pueden aplicar operaciones aritm\u00e9ticas como suma, resta, multiplicaci\u00f3n o divisi\u00f3n.<\/p>\n\n\n\n<p>Los <strong>datos de intervalo<\/strong> no s\u00f3lo informan sobre un orden, sino que adem\u00e1s contienen intervalos iguales.&nbsp; Un ejemplo de un dato de intervalo es el coeficiente intelectual (<strong>CI<\/strong>). &nbsp;Es posible que exista un <strong><em>cero <\/em><\/strong>dentro de la escala, pero no significa que la cualidad est\u00e9 ausente como es el caso de la temperatura en grados cent\u00edgrados; existen temperaturas negativas y positivas, pero el cero no significa ausencia de temperatura, sino que es un punto arbitrario en la escala.&nbsp; En este tipo de datos se pueden aplicar las operaciones de suma y resta, pero no las de multiplicaci\u00f3n y divisi\u00f3n.<\/p>\n\n\n\n<p>Los <strong><em>datos de raz\u00f3n<\/em><\/strong> adem\u00e1s de tener intervalos iguales, tambi\u00e9n tiene un cero real que evidencia la ausencia de algo.&nbsp; &nbsp;Un ejemplo de este tipo de variables es el tiempo que le toma al participante realizar una tarea o el n\u00famero de palabras que se recuerdan de una lista.&nbsp; En este tipo de datos se pueden aplicar todas las operaciones aritm\u00e9ticas de suma y resta, multiplicaci\u00f3n y divisi\u00f3n.<\/p>\n\n\n\n<p>El tipo de datos a recolectar va a depender del objetivo de investigaci\u00f3n y de la hip\u00f3tesis que se formule.<\/p>\n\n\n\n<p>Los siguientes videos se pueden ver la diferencia entre los diferentes niveles de medici\u00f3n:<\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"Aprende en 1 minuto las Escalas de Medida en Psicolog\u00eda Nominal y Ordinal\" width=\"584\" height=\"329\" src=\"https:\/\/www.youtube.com\/embed\/litms_JGJYY?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<p><\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"Escalas de Intervalo y Razon Facilmente Explicadas\" width=\"584\" height=\"329\" src=\"https:\/\/www.youtube.com\/embed\/Zby9niVD3q0?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p><strong>Hip\u00f3tesis de investigaci\u00f3n<\/strong>:<\/p>\n\n\n\n<p>Al interpretar el nivel de significancia estad\u00edstica en la prueba de estad\u00edstica inferencial es importante tener en cuenta si la hip\u00f3tesis planteada es de una cola, es decir que se\u00f1ala una direcci\u00f3n en los resultados, o de dos colas, en que s\u00f3lo se postula que va a haber una diferencia entre los grupos. Recordemos que la hip\u00f3tesis experimental consiste en una afirmaci\u00f3n de lo que se espera hallar como resultado del experimento que la pone a prueba; propone c\u00f3mo la <strong>VI<\/strong> va a afectar la <strong>VD<\/strong>.&nbsp;<\/p>\n\n\n\n<p><strong>Hip\u00f3tesis nula:<\/strong><\/p>\n\n\n\n<p>La hip\u00f3tesis nula es una afirmaci\u00f3n que expresa que no hay ninguna relaci\u00f3n entre a <strong>VI <\/strong>y la <strong>VD<\/strong>.&nbsp; Esta es la hip\u00f3tesis que se busca descartar por medio del experimento.&nbsp; El an\u00e1lisis de estad\u00edstica inferencial busca rechazar la validez de esta hip\u00f3tesis.<\/p>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p><strong>Dise\u00f1os experimentales:<\/strong><\/p>\n\n\n\n<p>La decisi\u00f3n del tipo de estad\u00edstica descriptiva e inferencial que se decida utilizar depende no s\u00f3lo del nivel de medici\u00f3n de los datos sino tambi\u00e9n del dise\u00f1o experimental que se implemente en el estudio.&nbsp; Se pueden utilizar uno de los siguientes tres dise\u00f1os experimentales:<\/p>\n\n\n\n<ol class=\"wp-block-list\" type=\"1\"><li><strong><em>Dise\u00f1o de muestras independientes<\/em><\/strong> (entre grupos) \u2013 En este tipo de dise\u00f1o los participantes se dividen en grupos, uno para cada condici\u00f3n de la VI.&nbsp;<\/li><li><strong><em>Dise\u00f1o de medidas repetidas<\/em><\/strong> (intragrupo) \u2013 En este tipo de dise\u00f1o todos los participantes experimentan todas las condiciones de la <strong>VI<\/strong><\/li><li><strong><em>Dise\u00f1o pareado<\/em><\/strong> \u2013 Se hace una evaluaci\u00f3n previa en una variable o m\u00e1s variables importantes como ser\u00eda la capacidad de memoria y se forman grupos en que cada participante de un grupo se aparea con uno de otro grupo.&nbsp;<\/li><\/ol>\n\n\n\n<p><strong><em>Nota<\/em><\/strong> \u2013 Para m\u00e1s informaci\u00f3n de los dise\u00f1os experimentales ver art\u00edculo sobre \u201c<a href=\"https:\/\/tuliaocampo.com\/blog\/?p=672\" target=\"_blank\" rel=\"noreferrer noopener\"><strong>Estudios Experimentales Controlados en Psicolog\u00eda<\/strong>.<\/a>\u201d<\/p>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p><strong>Tablas de datos:<\/strong><\/p>\n\n\n\n<p><strong>Distribuci\u00f3n normal de los datos<\/strong>:<\/p>\n\n\n\n<p>Una vez se hayan recogido los datos se debe hacer una tabla con ellos e incluirla en los ap\u00e9ndices.&nbsp; Esta tabla tambi\u00e9n tiene como objetivo organizar los datos con el fin de hacer el an\u00e1lisis estad\u00edstico.&nbsp; Los encabezados de las columnas de la tabla representan la <strong>VI<\/strong> mientras que las filas proveen los datos de la <strong>VD<\/strong> por participante.&nbsp; La tabla que se haga permitir\u00e1 tambi\u00e9n localizar los datos an\u00f3malos, es decir, aquellos que difieren de manera significativa de los dem\u00e1s datos recolectados.&nbsp; Los datos an\u00f3malos pueden afectar los resultados y se puede decidir no incluirlos en el an\u00e1lisis estad\u00edstico.&nbsp;<\/p>\n\n\n\n<p>Este es un ejemplo de tabla de datos brutos que debe inclu\u00edrse en los ap\u00e9ndices<\/p>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image.png\" alt=\"\" class=\"wp-image-720\" width=\"373\" height=\"451\"\/><figcaption>Puntaje de recuperaci\u00f3n de ideas en contexto previo y no contexto por participante<\/figcaption><\/figure><\/div>\n\n\n\n<p>Cuando los datos recolectados son de intervalo o de raz\u00f3n es importante ver si \u00e9stos reflejan una distribuci\u00f3n normal porque de ello depende si se puede realizar una prueba param\u00e9trica o si hay que calcular una no-param\u00e9trica.&nbsp; Una distribuci\u00f3n normal es aquella que se refleja en una campana de Gauss.&nbsp; Aunque muchas variables reflejan esta distribuci\u00f3n en la poblaci\u00f3n, cuando se hace un estudio experimental con pocas participantes como los que hacen estudiantes preuniversitarias, es muy probable que los datos recolectados no reflejen este tipo de distribuci\u00f3n y por lo tanto se requiera calcular una prueba no-param\u00e9trica de estad\u00edstica inferencial.&nbsp; Es posible que entre los datos existan valores at\u00edpicos que sean muy distintos a los dem\u00e1s datos; en estos casos es muy probable que la distribuci\u00f3n no sea normal.&nbsp;<\/p>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p>&nbsp;<strong>Medidas de estad\u00edstica descriptiva:<\/strong><\/p>\n\n\n\n<p>La estad\u00edstica descriptiva, como su nombre lo dice, describe patrones en los datos que se han recolectado y los resumen.&nbsp; Existen dos tipos de medidas de estad\u00edstica descriptiva: Medidas de tendencia central y medidas de dispersi\u00f3n.&nbsp; El tipo de medidas de estad\u00edstica descriptiva a utilizar dependen del nivel de medici\u00f3n de los datos de la <strong>VD<\/strong> y de la distribuci\u00f3n de \u00e9stos.&nbsp; Este tipo de estad\u00edstica se puede calcular utilizando una hoja de c\u00e1lculo como Excel o una aplicaci\u00f3n estad\u00edstica en l\u00ednea.<\/p>\n\n\n\n<p><strong><em>Medidas de tendencia central:<\/em><\/strong><\/p>\n\n\n\n<p>Las medidas de tendencia central son diferentes maneras de presentar el promedio de los datos recolectados.&nbsp; En otras palabras, reflejan el valor m\u00e1s t\u00edpico de un conjunto de datos num\u00e9ricos.<\/p>\n\n\n\n<p>Existen tres tipos de medidas de tendencia central y su uso puede depender del nivel de medici\u00f3n de los datos recolectados:<\/p>\n\n\n\n<ul class=\"wp-block-list\" type=\"1\"><li><strong><em>Moda<\/em><\/strong> \u2013 Este es el valor que se presenta con mayor frecuencia en los datos recolectados.&nbsp; Esta es la medida a reportar cuando se recogen <strong>datos nominales<\/strong> que no son num\u00e9ricos y s\u00f3lo miden la frecuencia de cada opci\u00f3n dada para la <strong>VD<\/strong>.&nbsp; Por ejemplo, si se mira cuando se logra o no realizar la tarea, la moda ser\u00eda el n\u00famero de personas con mayor frecuencia en una de estas dos opciones.<\/li><li><strong><em>Mediana<\/em><\/strong> \u2013 Este es el valor que aparece en el medio de los valores recolectados.&nbsp; Esta es la medida que preferiblemente se reporte cuando se recogen <strong>datos ordinales<\/strong>, aunque en el caso de datos ordinales tambi\u00e9n es posible reportar la moda. Para encontrar la mediana se ordenan los datos para encontrar el que se encuentra en la mitad. Cuando la mediana se encuentre entre dos datos diferentes, lo cual puede ocurrir cuando la cantidad de datos es par, estos se suman y el resultado se divide por dos.&nbsp; Tambi\u00e9n se utiliza cuando hay datos at\u00edpicos que reflejen grandes desviaciones en la distribuci\u00f3n de los datos de intervalo o de raz\u00f3n que afecten la media.<\/li><li><strong><em>Media <\/em><\/strong>\u2013 Esta es el promedio aritm\u00e9tico y se encuentra sumando todos los datos para luego dividir por la cantidad de datos recogidos.&nbsp; Esta es la medida a utilizar cuando se recolectan <strong>datos de intervalo o de raz\u00f3n<\/strong>.&nbsp; &nbsp;Sin embargo, en el caso que se presente uno o m\u00e1s datos an\u00f3malos, at\u00edpicos o extremos, ya sean datos muy altos o bajos, que no se quieren descartar pero que pueden afectar la validez de la media, entonces se puede utilizar la mediana como medida de tendencia central.&nbsp; De igual manera, si el patr\u00f3n de distribuci\u00f3n de los datos es anormal, tambi\u00e9n es mejor utilizar la mediana en vez de la media.&nbsp; En una distribuci\u00f3n normal la media, la mediana y la moda deben ser iguales o muy similares.<\/li><\/ul>\n\n\n\n<p>Cuando la distribuci\u00f3n de los datos refleja una curva normal, la moda, la mediana y la media coinciden.&nbsp; En caso contrario, especialmente cuando hay datos at\u00edpicos, son diferentes, lo cual se debe tener en cuenta al escoger la medida de tendencia central a utilizar.<\/p>\n\n\n\n<p>Al interpretar la media y la mediana, es necesario tener en cuenta la variabilidad de los datos utilizando una medida de dispersi\u00f3n.<\/p>\n\n\n\n<p><strong><em>Medidas de dispersi\u00f3n:<\/em><\/strong><\/p>\n\n\n\n<p>Los datos recolectados pueden estar dispersos en mayor o menor medida.&nbsp; Las medidas de dispersi\u00f3n muestran c\u00f3mo var\u00edan los datos de una variable; un grupo de datos puede estar m\u00e1s disperso que los otros.&nbsp; Adem\u00e1s de reportar una medida de tendencia central (promedio), un investigador tambi\u00e9n debe reportar la variabilidad de los datos que est\u00e1 describiendo.<\/p>\n\n\n\n<p>Existen cuatro tipos de medidas de dispersi\u00f3n y su uso depende del nivel de medici\u00f3n de los datos recolectados, si son ordinales, de intervalo o de raz\u00f3n.&nbsp; En el caso de los datos nominales no se utiliza una medida de dispersi\u00f3n.<\/p>\n\n\n\n<ul class=\"wp-block-list\" type=\"1\"><li><strong><em>Rango<\/em> <\/strong>\u2013 Esta es la diferencia entre el valor m\u00e1s alto y el m\u00e1s bajo de un conjunto de datos.\u00a0 La limitaci\u00f3n de esta medida es que se distorsiona de manera significativa cuando hay datos at\u00edpicos.\u00a0<\/li><li><strong><em>Rango intercuart\u00edlico<\/em><\/strong> <strong><em>o intercuartil <\/em><\/strong>\u2013 Esta es una medida que representa el rango del 50% central de los valores.\u00a0 Cuando los datos recolectados son <strong>ordinales<\/strong>, se debe reportar el <em>rango intercuart\u00edlico<\/em>, tambi\u00e9n llamado <em>rango intercuartil<\/em>.\u00a0 La mediana ser\u00eda el <em>segundo intercuartil<\/em>, dividiendo los resultados de la muestra por la mitad, de tal manera que el 50% de los datos se encuentran por debajo de la mediana y el otro 50% ser\u00edan mayores a la mediana.\u00a0 El <em>primer intercuartil<\/em> (Q1) divide la mitad inferior de los datos de tal manera que el 25% de los datos est\u00e1n por debajo de este valor y el 75% restante ser\u00edan m\u00e1s altos.\u00a0 El <em>tercer intercuartil<\/em> (Q3) es la medida que separa el 25% de los datos m\u00e1s altos del resto. El <em>rango intercuart\u00edlico<\/em> ser\u00eda la diferencia entre el <em>tercer intercuartil<\/em> y el <em>primer intercuartil<\/em> (Q3 &#8211; Q1), representando el 50% de los valores centrales. \u00a0Esta medida, contrario a la desviaci\u00f3n est\u00e1ndar, no asume una distribuci\u00f3n normal de los datos.\u00a0 El siguiente video explica c\u00f3mo encontrar tanto la mediana como el <em>rango intercuartil<\/em>:<\/li><\/ul>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"C\u00f3mo calcular un rango intercuartil RIQ | Khan Academy en Espa\u00f1ol\" width=\"584\" height=\"329\" src=\"https:\/\/www.youtube.com\/embed\/Y2mv3eFVRSI?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<p>Si el rango intercuartil de un grupo de datos es menor que lel del otro, quiere decir que estos datos est\u00e1n menos dispersos y m\u00e1s cercanos a la mediana. Al contrario, si la el rango intercuartil es alto, los datos est\u00e1n m\u00e1s dispersos y alejados de la mediana.<\/p>\n\n\n\n<div class=\"wp-block-image is-style-rounded\"><figure class=\"alignright size-large is-resized\"><a href=\"https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2021\/06\/Formula-rango-semi-intercuartil.gif\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2021\/06\/Formula-rango-semi-intercuartil.gif\" alt=\"\" class=\"wp-image-1100\" width=\"75\" height=\"50\"\/><\/a><\/figure><\/div>\n\n\n\n<p>Tambi\u00e9n se puede utilizar el <strong>rango semi-intercuartil<\/strong>, que se calcula dividiendo por dos el rango intercuartil; en otras palabras, es la mitad de la diferencia entre el <em>tercer cuartil<\/em> (Q3) y el <em>primer cuartil<\/em> (Q1), obtenido utilizando la siguiente f\u00f3rmula: (Q3 \u2013 Q1)\/2.<\/p>\n\n\n\n<p>La ventaja del <strong>rango semi-intercuartil<\/strong> es que se afecta poco por los datos at\u00edpicos y por lo tanto es una buena medida de dispersi\u00f3n cuando los datos son sesgados.<\/p>\n\n\n\n<ul class=\"wp-block-list\" type=\"1\"><li><strong><em>Varianza <\/em><\/strong>\u2013 Esta medida muestra el grado en que los datos difieren de la media, teniendo en cuenta todo el conjunto de datos y s\u00f3lo se puede utilizar cuando el nivel de los datos es <strong>de intervalo o de raz\u00f3n.<\/strong><\/li><li><strong><em>Desviaci\u00f3n est\u00e1ndar<\/em><\/strong> \u2013 Esta es una buena medida de dispersi\u00f3n que tiene en cuenta todos los datos, utiliza toda la informaci\u00f3n disponible y muestra en promedio qu\u00e9 tanto los datos difieren de la media.&nbsp; La desviaci\u00f3n est\u00e1ndar es la ra\u00edz cuadrada de la varianza y es la medida de dispersi\u00f3n que se utiliza con mayor frecuencia cuando el nivel de los datos es<strong> de intervalo o de raz\u00f3n<\/strong> y se ha utilizado la media como medida de tendencia central. Sin embargo, en el caso que se presenten uno o m\u00e1s datos an\u00f3malos o extremos que no se quieren descartar pero que pueden afectar la desviaci\u00f3n est\u00e1ndar, entonces se puede utilizar el rango intercuart\u00edlico, tambi\u00e9n llamado rango intercuartil.&nbsp;<\/li><\/ul>\n\n\n\n<p>Si la desviaci\u00f3n est\u00e1ndar de un grupo de datos es menor que la otra, quiere decir que estos datos est\u00e1n menos dispersos y m\u00e1s cercanos a la media.&nbsp; Al contrario, si la desviaci\u00f3n est\u00e1ndar es alta, los datos est\u00e1n m\u00e1s dispersos y alejados de la media.<\/p>\n\n\n\n<p>Los datos de la estad\u00edstica inferencial se deben interpretar teniendo en cuenta los datos y no se pueden utilizar para sacar conclusiones sobre las hip\u00f3tesis, como se muestra en el siguiente ejemplo:<\/p>\n\n\n\n<figure class=\"wp-block-image size-large is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-1.png\" alt=\"\" class=\"wp-image-725\" width=\"562\" height=\"168\"\/><\/figure>\n\n\n\n<p><em>El experimento recolect\u00f3 datos de raz\u00f3n, sin presentar datos at\u00edpicos, lo que permiti\u00f3 calcular la media y la desviaci\u00f3n est\u00e1ndar. De la Tabla #1 por las medias se puede deducir que la condici\u00f3n de contexto (Media = 5,00) tuvo una mayor recuperaci\u00f3n de ideas del texto, mientras la de no contexto (Media = 1,53) una menor recuperaci\u00f3n, indicando el efecto de las condiciones sobre la variable dependiente. Al analizar las desviaciones est\u00e1ndar (1,96 y 1,19) se puede inferir que los datos de la condici\u00f3n de contexto previo tuvieron resultados m\u00e1s dispersos que los de la condici\u00f3n de no contexto.<\/em><\/p>\n\n\n\n<p>El siguiente video informa sobre aspectos relacionados con la estad\u00edstica descriptiva:<\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"TODO LO QUE DEBES SABER DE ESTAD\u00cdSTICA  DESCRIPTIVA EN 10 MINUTOS FACIL!\" width=\"584\" height=\"329\" src=\"https:\/\/www.youtube.com\/embed\/W1_eCwuYkAI?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p><strong>Gr\u00e1fica de los datos:<\/strong><\/p>\n\n\n\n<p>En los estudios experimentales que realizan estudiantes preuniversitarias, por lo general la gr\u00e1fica m\u00e1s apropiada a utilizar es una de barras. &nbsp;El gr\u00e1fico es una representaci\u00f3n de la estad\u00edstica descriptiva, principalmente de la medida de tendencia central calculada para los datos recogidos durante el experimento. &nbsp;Para representar la variabilidad de los datos (ej. desviaci\u00f3n est\u00e1ndar), se pueden incluir barras de error, aunque \u00e9stas no son requeridas. Un gr\u00e1fico de barras apropiado muestra de manera r\u00e1pida y clara los resultados del estudio.&nbsp; Es importante que el gr\u00e1fico aborde la hip\u00f3tesis de investigaci\u00f3n.&nbsp;Estas gr\u00e1ficas se pueden hacer utilizando una hoja de c\u00e1lculo como Excel.<\/p>\n\n\n\n<p>A continuaci\u00f3n, se enumeran algunos aspectos que se deben tener en cuenta al hacer el gr\u00e1fico:<\/p>\n\n\n\n<ol class=\"wp-block-list\" type=\"1\"><li>El gr\u00e1fico debe estar conectado de manera clara con la hip\u00f3tesis, incluyendo la informaci\u00f3n relevante y un t\u00edtulo claro.<\/li><li>los ejes deben estar rotulados de tal manera que el <strong>eje X<\/strong> refleje la <strong>VI<\/strong> y sus condiciones y el <strong>eje Y<\/strong> la <strong>VD<\/strong> que se ha medido, evitando el uso de r\u00f3tulos vagos como Grupo 1 y Grupo 2.<\/li><li>Las unidades de medici\u00f3n deben estar incluidas en el r\u00f3tulo del <strong>eje Y<\/strong>.<\/li><li>La numeraci\u00f3n del <strong>eje Y<\/strong> debe iniciare en <strong>cero<\/strong> para que no se observe distorsi\u00f3n en las barras.<\/li><li>La gr\u00e1fica de barras refleja de manera visual las medidas de estad\u00edstica descriptiva que se reporten.&nbsp;<\/li><\/ol>\n\n\n\n<div class=\"wp-block-image\"><figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"723\" src=\"https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-3-1024x723.png\" alt=\"\" class=\"wp-image-728\" srcset=\"https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-3-1024x723.png 1024w, https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-3-300x212.png 300w, https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-3-768x542.png 768w, https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-3-425x300.png 425w, https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-3.png 1088w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure><\/div>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p><strong>Uso de prueba de estad\u00edstica inferencial para determinar niveles de significancia:<\/strong><\/p>\n\n\n\n<p>Con el fin de sustentar una hip\u00f3tesis de investigaci\u00f3n es necesario utilizar una prueba de estad\u00edstica inferencial y de esta manera llegar a conclusiones del estudio.&nbsp; Se trata de encontrar si los resultados son significativos utilizando una prueba apropiada de estad\u00edstica inferencial. El nivel de significancia de las diferentes condiciones de la <strong>VI<\/strong> en un experimento no se pueden determinar por las diferencias en las medidas de estad\u00edstica descriptiva, es decir por diferencias observadas en la medida de tendencia central utilizada (moda, mediana o media) o por la medida de dispersi\u00f3n (rango intercuart\u00edlico o desviaci\u00f3n est\u00e1ndar).<\/p>\n\n\n\n<p>S\u00f3lo una prueba apropiada de estad\u00edstica inferencial puede llevar a determinar si la diferencia entre las condiciones experimentales es suficientemente grande de tal manera que no se deba al azar sino a la manipulaci\u00f3n de la <strong>VI<\/strong>.&nbsp; As\u00ed se puede llegar a la conclusi\u00f3n de descartar o no la hip\u00f3tesis nula porque mediante el uso de esta prueba el investigador puede estar bastante seguro si la hip\u00f3tesis nula es falsa. Si se puede descartar la hip\u00f3tesis nula, entonces se sustenta la hip\u00f3tesis de investigaci\u00f3n que postula una diferencia en la <strong>VD<\/strong> como resultado de la manipulaci\u00f3n de la <strong>VI<\/strong>.&nbsp; Si la prueba de estad\u00edstica inferencial evidencia que la diferencia entre los grupos es significativa con un nivel de seguridad de al menos un 95%, entonces se descarta la hip\u00f3tesis nula y se sustenta la hip\u00f3tesis de investigaci\u00f3n, as\u00ed como la teor\u00eda siendo puesta a prueba mediante el experimento.&nbsp; En caso de que no se pueda descartar la hip\u00f3tesis nula porque el resultado de la prueba de estad\u00edstica inferencial no evidencia una diferencia significativa, se rechazar\u00eda la hip\u00f3tesis de investigaci\u00f3n.&nbsp; Sin embargo, esto no significa que la hip\u00f3tesis de investigaci\u00f3n es falsa, sino que no se puede asegurar que sea verdadera.<\/p>\n\n\n\n<p>Al poner a prueba una hip\u00f3tesis se puede llegar a uno de dos tipos de error.&nbsp; El <strong>error tipo I<\/strong> o <strong>\u201cfalso positivo\u201d<\/strong> ocurre cuando despu\u00e9s de hacer un an\u00e1lisis de estad\u00edstica inferencial se rechaza la hip\u00f3tesis nula cuando deb\u00eda ser aceptada, evidenciando un efecto que no es real y sustentando una hip\u00f3tesis de investigaci\u00f3n de manera incorrecta.&nbsp; Esto puede suceder porque una prueba estad\u00edstica no requiere de un 100% de certeza para rechazar una hip\u00f3tesis nula sino s\u00f3lo del 95% y por lo tanto existe la posibilidad de un 5% de tener un falso positivo o <strong>error tipo I<\/strong>.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"447\" src=\"https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-6-1024x447.png\" alt=\"\" class=\"wp-image-820\" srcset=\"https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-6-1024x447.png 1024w, https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-6-300x131.png 300w, https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-6-768x335.png 768w, https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-6-500x218.png 500w, https:\/\/tuliaocampo.com\/blog\/wp-content\/uploads\/2020\/09\/image-6.png 1167w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p>El <strong>error de tipo II<\/strong> o <strong>\u201cfalso negativo\u201d<\/strong> ocurre cuando se acepta la hip\u00f3tesis nula de manera incorrecta, as\u00ed rechazando la hip\u00f3tesis de investigaci\u00f3n de manera inapropiada, concluyendo que no existe un efecto que s\u00ed existe.&nbsp; Puede ocurrir que la prueba estad\u00edstica puede estar cerca del nivel de significancia, refutando una hip\u00f3tesis nula que debi\u00f3 haber sido aceptada, llevando a la aceptaci\u00f3n err\u00f3nea de la hip\u00f3tesis de investigaci\u00f3n, es decir,  a un <strong>error tipo I<\/strong> o <strong>falso positivo<\/strong>.<\/p>\n\n\n\n<p>Para decidir la prueba a utilizar es importante determinar si los datos reflejan una distribuci\u00f3n normal.&nbsp; Una distribuci\u00f3n expresa la frecuencia de cada resultado en un grupo de datos.&nbsp; La distribuci\u00f3n normal que se refleja en lo que se conoce como campana de Gauss tiene tres propiedades: Tiene una forma sim\u00e9trica y la media, mediana y moda son equivalentes.&nbsp;&nbsp;&nbsp; Adicionalmente, en este tipo de distribuci\u00f3n, el 95% de los datos se encuentran entre dos desviaciones est\u00e1ndar por debajo de la media y dos desviaciones est\u00e1ndar por encima de la media. Es raro que un experimento que recoja datos de pocos participantes replique una distribuci\u00f3n normal de manera perfecta, aunque muchas de las variables que se miden la reflejen en la vida real.&nbsp;<\/p>\n\n\n\n<p>El siguiente video explica la distribuci\u00f3n normal:<\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-4-3 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"01 Qu\u00e9 es la distribuci\u00f3n normal\" width=\"584\" height=\"438\" src=\"https:\/\/www.youtube.com\/embed\/phY8Z9-TXCY?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<p>Existen dos tipos de pruebas estad\u00edsticas, las <strong>param\u00e9tricas<\/strong> y las <strong>no-param\u00e9tricas<\/strong>.&nbsp; Para utilizar pruebas param\u00e9tricas es importante que los datos reflejen una distribuci\u00f3n normal y que el nivel de medici\u00f3n de los datos de la <strong>VD<\/strong> sea al menos de intervalo.&nbsp; Si estos requisitos no se cumplen, entonces se tendr\u00eda que usar una prueba no-param\u00e9trica para no incurrir en un <strong>error tipo I<\/strong>. En general, por lo tanto, el tipo de prueba de estad\u00edstica inferencial a aplicar va a depender del nivel de medici\u00f3n de los datos recolectados para la <strong>VD<\/strong>, del dise\u00f1o experimental utilizado y de si se han cumplido o no los supuestos para una distribuci\u00f3n normal en caso de datos de intervalo o raz\u00f3n:<\/p>\n\n\n\n<ol class=\"wp-block-list\" type=\"1\"><li>Pruebas para datos <strong>nominales<\/strong> u<strong> ordinales<\/strong>:<ul><li>Cuando el dise\u00f1o experimental es de <strong>muestras independientes<\/strong>, la prueba a aplicar ser\u00eda el <strong>Chi Cuadrado<\/strong>.&nbsp; Esta prueba compara los datos observados con los n\u00fameros que se esperar\u00edan en caso de que la hip\u00f3tesis nula se aceptara.&nbsp; En caso de que exista una diferencia entre los datos recolectados y los esperados, se puede concluir que hay una diferencia significativa.&nbsp; Al utilizar el <strong>Chi cuadrado<\/strong>, se obtiene un valor de <strong>p<\/strong> que se puede interpretar de la misma manera como se describe m\u00e1s adelante para la Prueba T.<\/li><li>Cuando el dise\u00f1o experimental es de <strong>medidas repetidas<\/strong> o <strong>muestras pareadas<\/strong> con dos condiciones, la pruebas aplicar ser\u00edan la <strong>Prueba de Signos<\/strong> o la <strong>Prueba de McNemar<\/strong>. <strong>&nbsp;<\/strong><\/li><\/ul><\/li><li>Si los datos son <strong>ordinales<\/strong>, la prueba que m\u00e1s se recomienda aplicar es una prueba no-param\u00e9trica que va a depender del dise\u00f1o experimental. &nbsp;<ul><li>En caso de que el dise\u00f1o experimental sea de <strong>medidas repetidas<\/strong> se recomienda aplicar la <strong>Prueba de Rangos de Wilcoxon<\/strong> o la <strong>Prueba de Friedman<\/strong> en caso de contar con m\u00e1s de dos condiciones de la <strong>VI<\/strong>.<\/li><li>En caso de que el dise\u00f1o experimental sea de <strong>muestras independientes<\/strong> se recomienda aplicar la <strong>Prueba U de Mann-Whitney<\/strong> o la <strong>Prueba de Kruskal-Wallis <\/strong>en caso de contar con m\u00e1s de dos condiciones de la <strong>VI<\/strong>.<\/li><li>Estas pruebas funcionan estableciendo los rangos de todos los datos y luego comparando las medias de los rangos.&nbsp; Los resultados proveen el valor de la prueba (<strong>U<\/strong> para la prueba de Mann-Whitney y <strong>W<\/strong> para la de Wilcoxon) y el valor de <strong>p<\/strong>, el cual se interpreta de manera similar a como se describe m\u00e1s adelante para la Prueba T.<\/li><\/ul><\/li><li>Si los datos son <strong>de intervalo<\/strong> o <strong>de raz\u00f3n<\/strong> se podr\u00eda aplicar la <strong>Prueba T<\/strong> o el <strong>ANOVA<\/strong> en caso de contar con m\u00e1s de dos condiciones de la <strong>VI<\/strong>.&nbsp; Existen dos tipos de <strong>Prueba T<\/strong>, una para <strong>muestras independientes<\/strong>, no relacionadas, y otra para muestras relacionadas (<strong>medidas repetidas<\/strong> o <strong>muestras pareadas<\/strong>).&nbsp; Al utilizar una <strong>Prueba T<\/strong> hay que tener en cuenta los siguientes aspectos:<ul><li>Los <strong>grados de libertad<\/strong>: Este es un n\u00famero que equivale al n\u00famero de participantes menos el n\u00famero de grupos o condiciones experimentales.<\/li><li>El <strong>valor de t<\/strong>: A un mayor valor de <strong>t<\/strong>, es m\u00e1s probable que las dos condiciones experimentales sean significativamente diferentes.<\/li><li>El <strong>valor de p<\/strong>: Un valor de <strong>p<\/strong> se mide entre 0 y 1 e informa el nivel de confianza que se tiene para rechazar la hip\u00f3tesis nula.&nbsp; Si el valor de p es suficientemente peque\u00f1o, generalmente menor al 0,05, el investigador puede estar bastante seguro de rechazar la hip\u00f3tesis nula.&nbsp; Un valor de p de 0,05 significa que existe una probabilidad de que el 95% de los resultados reflejan una diferencia significativa.<\/li><\/ul><\/li><\/ol>\n\n\n\n<p>Estas pruebas se llaman param\u00e9tricas porque para calcularlas utilizan par\u00e1metros como la media y la desviaci\u00f3n est\u00e1ndar y por lo tanto asumen que los datos reflejen una distribuci\u00f3n normal.&nbsp; Por ese motivo, antes de utilizar una prueba param\u00e9trica es necesario utilizar una prueba como la <strong><a href=\"http:\/\/sdittami.altervista.org\/shapirotest\/ShapiroTest.html\" target=\"_blank\" rel=\"noreferrer noopener\">Prueba de Normalidad de Shapiro-Wilk<\/a> <\/strong>para determinar la normalidad de los datos.<\/p>\n\n\n\n<p>En caso de que los datos no reflejen una distribuci\u00f3n normal, lo cual es com\u00fan cuando se usan muestras peque\u00f1as como las de los estudios experimentales que realizan estudiantes preuniversitarias, entonces se tendr\u00eda que utilizar una <strong>prueba no-param\u00e9trica<\/strong> como las enumeradas para los datos ordinales.&nbsp; Igualmente, si no hay homogeneidad de la varianza, es decir que la desviaci\u00f3n est\u00e1ndar de los datos entre las condiciones es muy distinta, no se recomienda utilizar una prueba param\u00e9trica, prefiriendo el uso de una prueba no-param\u00e9trica.&nbsp; Las pruebas no-param\u00e9tricas no utilizan la media y la desviaci\u00f3n est\u00e1ndar para calcularlas.&nbsp; En estos casos, los datos de intervalo y de raz\u00f3n se deben convertir en datos ordinales.<\/p>\n\n\n\n<p>Las estudiantes no tienen que hacer sus propios c\u00e1lculos estad\u00edsticos tanto descriptivos como inferenciales; estos los pueden hacer utilizando una hoja de c\u00e1lculo como <strong>Excel<\/strong> y <strong>Google Sheets<\/strong> o una aplicaci\u00f3n en l\u00ednea como <strong><a rel=\"noreferrer noopener\" href=\"http:\/\/vassarstats.net\/\" target=\"_blank\">Vassarstats<\/a><\/strong> o <a href=\"https:\/\/www.socscistatistics.com\/\" target=\"_blank\" rel=\"noreferrer noopener\"><strong>Social Science Statistics<\/strong><\/a>.&nbsp; Sin embargo, es importante que tengan claridad sobre cu\u00e1les utilizar y c\u00f3mo interpretarlos.&nbsp; &nbsp;Aun as\u00ed, tener claridad sobre las f\u00f3rmulas que se utilizan para calcularlos puede dar m\u00e1s informaci\u00f3n sobre la manera de interpretarlos.<\/p>\n\n\n\n<p>Al reportar los resultados de la prueba de estad\u00edstica inferencial, es importante indicar si se encontr\u00f3 una diferencia estad\u00edstica significativa entre los grupos, teniendo en cuenta si la hip\u00f3tesis planteada es de <strong>una cola<\/strong> o de <strong>dos colas<\/strong>.&nbsp; Se debe reportar el valor num\u00e9rico de la prueba estad\u00edstica, indicando su nivel de probabilidad (<strong>p<\/strong>).&nbsp; Un valor de <strong>p<\/strong> menor al 0,05 (<strong>p&lt;0,05<\/strong>) indica que la probabilidad de que las diferencias en la <strong>VD<\/strong> no se deben a las condiciones de la <strong>VI<\/strong> es menor al <strong>5%<\/strong>. De esta manera, se puede descartar la hip\u00f3tesis nula y aceptar la hip\u00f3tesis de investigaci\u00f3n.&nbsp; En otras palabras, la probabilidad de que los resultados sustenten la hip\u00f3tesis de investigaci\u00f3n que postula una diferencia significativa entre las condiciones experimentales es mayor al <strong>95%<\/strong>.&nbsp; En caso de que <strong>p<\/strong> sea mayor al 0,05 (<strong>p&gt;0,05<\/strong>) se tendr\u00eda que aceptar la hip\u00f3tesis nula y descartar la de investigaci\u00f3n porque evidencia que los resultados muy probablemente no se deben a las condiciones de la <strong>VI<\/strong>.&nbsp; Por ejemplo, un reporte podr\u00eda ser el siguiente:<\/p>\n\n\n\n<p><em>Al utilizar la prueba&nbsp;U de Mann-Whitney, se hall\u00f3 una diferencia significativa entre la condici\u00f3n en la que se dio un contexto previo y la condici\u00f3n a la que no se le dio un contexto previo; valor&nbsp;U de Mann-Whitney&nbsp;=&nbsp;8,5;&nbsp;p&nbsp;&lt;&nbsp;0,05.&nbsp; Este valor de U es menor al l\u00edmite inferior de 72 para una prueba de una cola.&nbsp; Por lo tanto, se puede rechazar la hip\u00f3tesis nula y aceptar la hip\u00f3tesis de investigaci\u00f3n, indicando que los participantes a quienes se les dio un contexto previo lograron recordar un n\u00famero significativo mayor de ideas del texto que aquellos a los que no se les dio un contexto previo.<\/em><\/p>\n\n\n\n<p>El video a continuaci\u00f3n ilustra aspectos relacionados con la estad\u00edstica inferencial:<\/p>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"TODO LO QUE DEBES SABER SOBRE ESTADISTICA INFERENCIAL FACIL Y CON EJEMPLOS\" width=\"584\" height=\"329\" src=\"https:\/\/www.youtube.com\/embed\/9_IOs5MzI2g?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p><strong>Bibliograf\u00eda:<\/strong><\/p>\n\n\n\n<p>Bryan, C., Giddens, P. &amp; Halkiopoulos, C. (2018). <em>Psychology for the IB Diploma <\/em>(2<sup>nd<\/sup> Edition).&nbsp; London: Pearson Education.<\/p>\n\n\n\n<p>Hern\u00e1ndez-Sampieri, R. y Mendoza-Torres, S.P. (2018) <em>Metodolog\u00eda de la investigaci\u00f3n: Las rutas cuantitativa, cualitativa y mixta.<\/em> M\u00e9xico: McGraw Hill.<\/p>\n\n\n\n<p>Lawton, J.M. &amp; Willard, E. (2018) <em>Psychology for the IB Diploma <\/em>(2<sup>nd<\/sup> Edition).&nbsp; London: Hodder Education.<\/p>\n\n\n\n<p>Organizaci\u00f3n del Bachillerato Internacional (2017) <em>Gu\u00eda de Psicolog\u00eda<\/em>. Ginebra, Suiza: IBO.<\/p>\n\n\n\n<p>Organizaci\u00f3n del Bachillerato Internacional (2017) <em>Material de ayuda al profesor de Psicolog\u00eda<\/em>. Ginebra, Suiza: IBO.<\/p>\n\n\n\n<p>Popov, A., Parker, L. &amp; Seath, D. (2017) <em>IB Psychology course companion<\/em> (2nd Edition). Oxford: Oxford University Press.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Las metodolog\u00edas cuantitativas en Psicolog\u00eda, incluyendo la experimental, hacen uso de an\u00e1lisis estad\u00edsticos.&nbsp; Se espera que las estudiantes preuniversitarias que realicen un estudio experimental elaboren un an\u00e1lisis de sus datos que incluya estad\u00edstica descriptiva e inferencial.&nbsp; La estad\u00edstica descriptiva resume &hellip; <a href=\"https:\/\/tuliaocampo.com\/blog\/2020\/09\/analisis-estadistico-de-los-datos-recolectados-en-el-estudio-experimental\/\">Sigue leyendo <span class=\"meta-nav\">&rarr;<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[44,41],"tags":[55,53],"class_list":["post-718","post","type-post","status-publish","format-standard","hentry","category-metodos-de-investigacion-en-psicologia","category-psicologia","tag-estadistica","tag-estudio-experimental-sencillo"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/posts\/718","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/comments?post=718"}],"version-history":[{"count":9,"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/posts\/718\/revisions"}],"predecessor-version":[{"id":1104,"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/posts\/718\/revisions\/1104"}],"wp:attachment":[{"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/media?parent=718"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/categories?post=718"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tuliaocampo.com\/blog\/wp-json\/wp\/v2\/tags?post=718"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}