Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


ley stevens, Apuntes de Psicología

Asignatura: atencio i percepcio, Profesor: Jose Antonio Aznar Casanova, Carrera: Psicologia, Universidad: UB

Tipo: Apuntes

2013/2014

Subido el 27/04/2014

lorenamartinezmoreno3
lorenamartinezmoreno3 🇪🇸

3.6

(158)

60 documentos

1 / 15

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
1
LEYES de la PSICOFISICA
J.Antonio Aznar Casanova
Objetivos
1. Conocer las Leyes fundamentales de la Psicofísica:
Ley de Weber: E= K. E
Ley de Fechner: S= K. log(E)
Ley potencial de Stevens: R= c · En
2. Comprender las funciones psicofísicas.
3. Entender la sintonía o ajuste de los sensores a la realidad
sobre lo cual nos informan las funciones.
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff

Vista previa parcial del texto

¡Descarga ley stevens y más Apuntes en PDF de Psicología solo en Docsity!

LEYES de la PSICOFISICA

J.Antonio Aznar Casanova

Objetivos

1. Conocer las Leyes fundamentales de la Psicofísica:

→ Ley de Weber: ∆E= K. E

→ Ley de Fechner: S= K. log(E)

→ Ley potencial de Stevens: R= c · En

2. Comprender las funciones psicofísicas.

3. Entender la sintonía o ajuste de los sensores a la realidad

sobre lo cual nos informan las funciones.

La Ley de Weber

• Relacionada con el Umbral diferencial

• Percibimos cambios relativos en la

magnitud del estímulo

E ∆E

K índice de discriminabilidad sensorial

∆E = K · E

La Ley de Weber

La ley de Fechner(3/3)

Fechner llamó a esta expresión:

∆S= C · (∆E/E) → ley de Weber-Fechner.

S=k · log E → ley de Fechner

Fechner, finalmente, relacionó S y E:

Escalas psicofisicas(Fechner)

E S

0 5 10 15 20 25 0 20 40 60 80 100 120 140 160 E (var.Fisica) S (sensacion) Serie

Escalas psicofisicas(Fechner)

E Log(E) S 20.00 1.30 0 22.00 1.34 1 24.20 1.38 2 26.62 1.43 3 29.28 1.47 4 32.21 1.51 5 35.43 1.55 6 38.97 1.59 7 42.87 1.63 8 47.16 1.67 9 51.87 1.71 10 0 5 10 15 20 25 0.00 0.50 1.00 1.50 2.00 2. Log(E) S (sensacion) S

Críticas a la psicofísica clásica

• La ley de Weber no se cumple para valores extremos

del estímulo.

• La constante puede ser diferente para cada sentido,

incluso para diferentes dominios de un mismo sentido.

• Concepto de umbral: continuo o discontinuo.

• El umbral es probabilístico para la psicofísica clásica

x f(x)= k.x Función lineal 0 0 1 5 2 10 3 15 4 20 5 25 6 30 7 35 8 40 9 45 10 50 11 55 12 60 13 65 14 70 15 75 16 80 0 10 20 30 40 50 60 70 80 90 0 5 10 15 20 x f(x)= k.x f(x)= k.x y = f ( x )= kx Función afin y = f ( x )= kx **x f(x)=bx+a 0 20 1 25 2 30 3 35 4 40 5 45 6 50 7 55 8 60 9 65 10 70 11 75 12 80 13 85 14 90 15 95 16 100 17 105 18 110

  • a** 0 20 40 60 80 100 120 0 5 10 15 20 X f(x)=bx+a f(x)=bx+a

X X*X

0 1000 2000 3000 4000 5000 6000 0 20 40 60 80 X XX^ XX Función exponencial x y = f ( x )= a Función logarítmica

X Log(x)

0 0, 0, 0, 0, 1 1, 1, 1, 1, 0 10 20 30 40 50 60 X Log(x) Log(x) y = f ( x )=log a ( x )

Función potencial linealizada

Titol

Ejemplo de Ajuste de datos a la

función de Stevens

CALCULO DE LA RECTA DE REGRESIÓN

( MÍNIMOS CUADRADOS ).

∑^ (^ )

− ∑ − =

x^ x

B

n n xy x y 2 2 ^ . .

Pendiente de la recta:

0 , 22 6 .( 71 , 43 ). 60 .( 60 , 77 ) ( 20 , 38 ).( 17 , 75 )

2 ^ = − −

B^ =

A Y B X

− − = − ^

Interceptal (ordenada en el origen):

^

A = −^ =

Ecuación de regresión: Ln(R)= 2,21 + 0,22 Ln(E)

Ley potencial de Stevens: Ln(R)= Ln(C) + n. Ln(E)

R= C. En

 Ln(C)= 2,21 cuyo antilogaritmo es igual a C= 9,

 n= 0,

R= 9,12 E0,

Ejemplo de Ajuste de datos a la función de Stevens Recta regresion Ln(Va) sobre Ln(Vr) 0 0, 1 1, 2 2, 3 3, 0 1 2 3 4 5 Ln del Valor asignado [Ln(Va)] Ln del Valor real [Ln (Vr)] MEDIDA DEL AJUSTE DE LOS DATOS A LA RECTA DE REGRESIÓN : CALCULO DEL COEFICIENTE DE REGRESIÓN LINEAL DE PEARSON : ∑ ∑ ∑ ∑ ∑ − ∑ − − ∑ − = x x y^ y r n n n xy x y xy (^) 2 2 2 2

.. . ( ).( ) ( ) ( ) ( )

( 20 , 38 ) ( 17 , 75 )

rxy^ =