Cuaderno de prácticas, Ejercicios de Psicología

¡Descarga Cuaderno de prácticas y más Ejercicios en PDF de Psicología solo en Docsity!

Cuaderno de Prácticas

Métodos y Técnicas de Investigación en Psicología

Curso 2011 - 2012 Grupo M Fernando Lamas Moreno

ACTIVIDAD 1 “MÉTODOS Y DISEÑOS EN INVESTIGACIÓN EN CIENCIAS DEL COMPORTAMIENTO”

Se desea evaluar la influencia que genera el ruido ambiental en el rendimiento de una prueba matemática. Para tal fin se elige una muestra de estudiantes de la enseñanza media, la muestra es de 40 personas y se las distribuye aleatoriamente en cuatro grupos de manera que la variable independiente se manipula a cuatro niveles:

• Silencio
• Música Clásica
• Música Rock
• Ruido de atasco

La variable dependiente evaluada para ver el efecto de la variable independiente es el número de problemas de matemáticas resueltos correctamente de un total de 30.

¿Qué podemos concluir si vamos a tomar un error de 0’05α?

SILENCIO MUSICA CLASICA MUSICA ROCK RUIDO ATASCO

Total: 237 Media: 23’

Total: 249 Media: 24’

Total: 188 Media: 18’

Total: 173 Media: 17’ a 1 a 2 a 3 a 4

Habiendo manipulación directa de la VI, la VD es sensible a las modificaciones de la VI.

· En primer lugar hay que identificar las variables que puedan estar interfiriendo en el experimento. Variables extrañas a controlar:

• Capacidad matemática de los individuos
• Horas de sueño
• Edad
• Momento del día
• Temperatura ambiental
• Humedad relativa
• Ingesta previa de alimentos
• Posibilidad de presencia de trastornos/enfermedades
• Estado emocional
• Gusto musical
• Habituación
• Etc.

Al realizar los cálculos pertinentes usando estas fórmulas obtenemos los resultados de la tabla:

El grado de libertad (gl) es el número de puntuaciones que se tienen en cuenta para calcular el sumatorio de cuadrados (40). Se resta 1 para eliminar el componente error ( En el SCEG se resta 1 al número de grupos en los que se ha dividido la muestra Además, en el intra-grupo le se resta el gl del entre

Comparaciones:

• Análisis de comparaciones específico a priori simple

Se hacen cuando hay hipótesis de investigación previas y pueden ser simples o compuestas. En las simples se enfrenta a un grupo contra a otro mientras que en las compuestas se comparan varios grupos.

Siempre se debe comprobar que lo que se manipula tiene un efecto global significativo sobre lo que mido (Fex㐐Fteo) y de si esto es así podríamos rechazar la

La fórmula para realizar las comparaciones simples es la siguiente:

Donde:

• a 1 : Grupo silencio
• a 2 : Grupo música clásica
• c: Coeficientes
• T: Totales
• Ni : Número de sujetos por grupo

Los coeficientes se asignan de manera que su suma de como resultado 0. Deben ser los números más sencillos posibles y a los grupos que no participan en la comparación se les asignará un 0 para poder obviarlos del cálculo.

Comparaciones

Al realizar los cálculos pertinentes usando estas fórmulas obtenemos los resultados de la tabla:

SCT=885’

SCEG=409’

SCERROR=885’77 – 409’67 = 476’

número de puntuaciones que se tienen en cuenta para calcular el sumatorio de cuadrados (40). Se resta 1 para eliminar el componente error (40 – 1 = 39) se resta 1 al número de grupos en los que se ha dividido la muestra grupo le se resta el gl del entre-grupo al gl del total (39 – 3 = 36)

Análisis de comparaciones específico a priori simple:

Se hacen cuando hay hipótesis de investigación previas y pueden ser simples o compuestas. En les se enfrenta a un grupo contra a otro mientras que en las compuestas se comparan

Siempre se debe comprobar que lo que se manipula tiene un efecto global significativo sobre ) y de si esto es así podríamos rechazar la hipótesis nula (H

La fórmula para realizar las comparaciones simples es la siguiente:

: Grupo música clásica

Ni : Número de sujetos por grupo

se asignan de manera que su suma de como resultado 0. Deben ser los números más sencillos posibles y a los grupos que no participan en la comparación se les asignará un 0 para poder obviarlos del cálculo.

A Priori

Simples

Compuestas

A posteriori

Al realizar los cálculos pertinentes usando estas fórmulas obtenemos los resultados de la tabla:

número de puntuaciones que se tienen en cuenta para calcular el

se resta 1 al número de grupos en los que se ha dividido la muestra (4 – 1 = 3) 3 = 36)

Se hacen cuando hay hipótesis de investigación previas y pueden ser simples o compuestas. En les se enfrenta a un grupo contra a otro mientras que en las compuestas se comparan

Siempre se debe comprobar que lo que se manipula tiene un efecto global significativo sobre hipótesis nula (H 0 )

se asignan de manera que su suma de como resultado 0. Deben ser los números más sencillos posibles y a los grupos que no participan en la comparación se les

FV SC GL MC Fex Fteo Total 885 39 EG 409 3 136’36 10’3 㐐 2’ Error 476 36 13’ Co. (a1 – a2) 7’2 1 7’2 0’54 ≱ 4 Error comp 476 36 13’

· Se asignan los coeficientes:

a 1 = 1 ; a 2 = (-1) ; a 3 = 0 ; a 4 = 0 → ∑ ᡕ = 0

· Se sustituye en la fórmula

· Para saber si podemos rechazar la hipótesis nula debemos demostrar que la Fex es mayor que la Fteo y para calcular la Fex usamos la siguiente fórmula

Para ser más rigurosos, utilizaremos el error total. De esta manera, al trabajar con un error mayor al que nos corresponde, si conseguimos rechazar la hipótesis nula será porque verdaderamente nuestra variable está ejerciendo un efecto significativo. El grado de libertad siempre será igual a 1. La media cuadrática [MC(c)] coincide con los sumatorios de cuadrados (SCcomp)

Sustituimos en la fórmula

ᠲ〲け =

· El valor de la Fteo en la tabla es de aproximadamente 4, así que al ser la Fex menor que la Fteo no podemos rechazar la hipótesis nula puesto que las variables extrañas están generando más efecto sobre lo que mido que las variables que manipulo.

*Control del error en comparaciones sucesivas: Conforme realizamos comparaciones hemos de ir modificando el error para que los resultados sigan siendo rigurosos. Alfa (error) partido por el número de la comparación correspondiente:

- COMPUESTA:

· Asignamos coeficientes:

a 1 = (-1); a 2 = (-1); a 3 = (-1); a 4 = 3 → ∑ ᡕ = 0

· Sustituimos en la fórmula:

· Hallamos Fex:

· La Fteo de la tabla es aproximadamente 5’4 [1-α(0’025) = 0’975, Gl 1 y 36]; α ha cambiado a 0’025 porque es la segunda comparación (0’05/2).

El efecto de lo que manipulo sobre lo que mido es 15’2 veces superior al efecto del error, por lo que puedo rechazar la hipótesis nula.

Co. (a1,a2,a3 – a4) 200’2 1 200’2 15’2 㐐 5’ Error comp 476 36 13’

- SIMPLE:

· c: a 1 (1); a 2 (0); a 3 (-1); a 4 (0)

· Fex y Fteo :

La Fteo es aproximadamente de 7’3 [1-α(0’016) ~ 0’990, Gl 1 y 36]; α ha cambiado a 0’ porque es la tercera comparación (0’05/3).

El efecto de lo que manipulo es 9’07 veces mayor que el efecto del error, por lo que puedo rechazar la hipótesis nula.

Co. (a1 – a3) 390’63 1 390’63 9’07 㐐 7’ Error comp 476 36 13’

*Análisis de comparaciones a posteriori simples:

• Valor crítico de Tukey (VcT) o Distancia honestamente significativa Tukey (DHS): Es la diferencia mínima que debe haber entre dos totales de grupo para poder decir que hay diferencias estadísticas significativas entre esos dos grupos.

Donde:

• GlIG: Grado de libertad intragrupos
• Rango máximo: Número de grupos de personas con las que estoy trabajando
• n: Número de personas con las que estoy trabajando
• MCIG: Media cuadrática intragrupos

El Valor crítico de Tukey en este caso es de 43, así que sólo encontraremos diferencias estadísticas significativas en aquellas comparaciones en las que el total de la diferencia sea igual o superior al mismo.

Este método es robusto, estricto y simple.

No está pensado para las comparaciones compuestas, aunque en el caso de darse

• Cálculo de η^2 :

η2 =

SC⢉⢑

SC⤄⤥⤰⤑⤢

· Sustituimos en la fórmula:

η2 =

η2 = 0′ 46

0’46 → 46% de efecto. De la totalidad de la varianza, el 46% se debería a lo que yo manipulo.

Este algoritmo de cálculo no es adecuado cuando los grupos no superan las 30 personas, puesto que se sobredimensiona el tamaño del efecto.

• Cálculo de ω^2 :

″⡰^ =

Es efectivo para grupos de menos o más de 30 personas. Es el mejor indicador.

• La relación entre f y η^2 :

―⡰^ =

Si el experimentador nos da el efecto con f y queremos saber si realmente ha sido honorable podemos aplicar esta fórmula para hallar el valor de η^2. Obteniendo η^2 podemos saber si el efecto es realmente suficiente.

―⡰^ =

―⡰^ =

〆〙〙〖〙

―⡰^ =

―⡰^ = 0′

• Estimación del tamaño del efecto a partir de la Fex del ANOVA:

· Se puede obtener información de η^2 y ω^2 a partir de la Fex

―⡰^ =

Donde:

• a = Número de niveles de la VI
• N = Número de personas
• N = Número de puntuaciones por grupo

―⡰^ =

―⡰^ =

―⡰^ = 0′

Sin embargo, hemos de utilizar ω^2 ya que los grupos con los que trabajamos son inferiores a 30 personas y η^2 sobredimensiona el efecto.

″⡰^ =

″⡰^ =

″⡰^ = 0′

• Estimación de la Fex una vez conocido η^2

Suponiendo que el investigador no nos facilite Fex y si el efecto. Esta fórmula nos sirve para saber si el experimentador ha sido honesto y el efecto es realmente el que dice. También podemos saber si ha usado el error total o el error de la comparación en los cálculos.

1 − ―⡰^