¡Descarga Solucio PAC 1 y más Apuntes en PDF de Psicología solo en Docsity!
Nom i cognoms de l’estudiant
Prova d’avaluació continuada 1. Estadística Descriptiva. Excel.
Presentació
Presentació de la prova
En aquesta primera prova d’avaluació continuada s’introdueixen els conceptes més importants de l’estadística descriptiva. Es tractaran els diferents tipus de dades existents, la seva representació gràfica i la utilitat dels descriptors que aporten informació sobre les característiques de les dades com són les mesures de centre (com la mitjana i la mediana) i mesures de desviació (com la variància i desviació típica). També utilitzarem un programa informàtic, l’Excel, per analitzar les dades disponibles.
Objectius i competències
Objectius
Els aspectes més importants tractats en aquesta avaluació són:
- Conèixer el software bàsic que utilitzarem a l’Anàlisi de Dades (EXCEL).
- Estar familiaritzat amb l’eina informàtica.
- Situar l’Anàlisi de Dades en el marc del procés general d’investigació científica.
- Estar familiaritzat amb els conceptes bàsics com mostra, població, paràmetre, estadístic, cens, variable....
- Aprendre la importància de la mesura en Psicologia i diferenciar les diverses escales de mesura.
- Saber interpretar les distribucions de freqüències i histogrames de l’ EXCEL.
- Representar gràficament una distribució de dades: categòriques i quantitatives.
- Conèixer els diferents tipus de representacions gràfiques i les convencions emprades a l’hora de realitzar-les.
- Aprendre a valorar en cada cas quins són els avantatges de fer un tipus de representació gràfica o bé un altre. Evitar les impressions enganyoses a l’hora d’elaborar-les.
- Conèixer les propietats dels índexs de posició, tendència central i dispersió.
- Identificar l’índex de tendència central més adequat en cada cas.
- Interpretar els llistats EXCEL
Competències
Les competències que es treballaran en aquesta primera PAC són:
- Aplicar tècniques per recollir informació sobre l’estudi del funcionament dels individus, grups o organitzacions.
- Buscar i gestionar dades i materials d'investigació, sent flexible i mostrant respecte i discreció en l'ús de dades que afectin a persones, a grups i a institucions.
- Valorar, contrastar i prendre decisions sobre l'elecció dels models, teories, instruments i tècniques més adequades en cada context d'avaluació i intervenció.
- Interpretar el contingut i l'abast de la informació rebuda o demanada, oralment o per escrit, i el
file:///var/www/html/media.docsity.com/documents/original/apuntes/2014/10/27/0solucio.doc 1/ 20
tractament que cal donar-li segons la naturalesa del fet que es tracti.
Recursos
- Mòdul 1. Conceptes estadístics bàsics.
- Mòdul 2. Organització de les dades d’una mostra: representacions gràfiques.
- Mòdul 3. Mesures de tendència central i de dispersió.
- (^) Vídeo didàctic Unitat 1-Estadística-Anàlisi de dades I (Estadística: prendre decisions a partir de dades (vídeos) (actual material).
- Vídeo didàctic Unitats 2 i 3 –Estadística - Anàlisi de dades I (Estadística: prendre decisions a partir de dades (vídeos)) (actual material).
- Vídeo didàctic Unitats 4, 5 i 6-Estadística-Anàlisi de dades I (Estadística: prendre decisions a partir de dades (vídeos)) (actual material).
- Consultar els tutorials de les pàgines WEB: Conceptes estadístics: http://www.itch.edu.mx/academic/industrial/estadistica1/ toc.html
Escales de mesura, Introducció al mostreig, Introducció al sumatori: http://www.psico.uniovi.es/ Fac_Psicologia/w3doc/ad/espanol.html Fer boxplot: http://boxplotcaja.blogspot.com/ Mitjana i mediana: http://www.ruf.rice.edu/~lane/stat_sim/descriptive/index.html Conceptes estadístics explicats en anglès amb pissarra: http://www.youtube.com/user/ tcreelmuw
De forma complementària, podeu consultar: http://www.psychstat.missouristate.edu/introbook/sbk13.htm http://socr.ucla.edu/htmls/SOCR_Analyses.html
Criteris d’avaluació La resposta a la pregunta 1 val 1,5 punts i la resposta a les preguntes 2, 3 i 4 val 2’5 punts. Es valorarà amb un màxim d’un punt l’adequació en la presentació del document Excel. S’han d’interpretar les respostes i s’ha de demostrar fluïdesa utilitzant el llenguatge de l’assignatura. Recorda: interpretar significa donar un sentit als resultats numèrics i/o gràfics, no repetir amb paraules el que ja s’ha expressat numèricament. Cal respectar l’espai destinat a cada pregunta.
La resolució de les PAC és individual, en cas de plagi l’AC quedarà suspesa.
Format i data de lliurament El nom del fitxer que contingui la PAC 1 resolta de l’estudiant Amalia Gordóvil Merino i de l’assignatura de Tècniques d’Anàlisi de Dades Quantitatives tindrà el següent format: 10512_PAC1_gordovil_merino.pdf i 10512_PAC1_gordovil_merino.xls. Recordeu que els cognoms s’escriuran sense accents i que aquest mateix nom ha de figurar en l’espai corresponent de la primera pàgina i als peus de plana de tot el document de respostes. Les proves d’avaluació continuada s’han de lliurar a la bústia específica de Lliurament d’activitats que es troba a l’apartat Avaluació de l’aula en dos fitxers: un fitxer en format PDF i un altre fitxer en format EXCEL. L’últim dia per lliurar aquesta activitat és el proper 13 d’octubre de 2014.
A continuació es presenta la matriu de dades:
- 1 06 2 1 30 3 2 0, Id EDAT SEXE GE_AJUSTAT FREQ_CRISIS SEV_CRISIS COMORBILITAT QV - 2 17 1 2 7 1 2 0, - 3 16 1 2 1 2 1 0, - 4 12 2 1 29 2 1 0, - 5 11 1 2 30 3 2 0, - 6 09 1 2 120 1 1 0, - 7 07 1 2 60 1 2 0, - 8 05 2 1 150 2 2 0, - 9 06 1 2 6 2 2 0,
- 10 06 2 2 24 1 2 0,
- 12 14 2 2 1 1 2 0,
- 13 10 2 2 1 3 2 0,
- 14 15 2 2 1 1 2 0,
- 15 15 2 1 2 3 2 0,
- 16 10 2 2 13 1 1 0,
- 17 08 2 1 1 3 1 0,
- 18 10 2 1 150 1 1 0,
- 19 06 1 2 2 3 2 0,
- 20 08 2 2 4 1 1 0,
- 21 15 1 2 8 2 2 0,
- 22 09 2 1 90 2 2 0,
- 23 12 1 1 4 3 2 0,
- 24 05 2 2 11 1 2 0,
- 25 14 2 2 10 2 1 0,
- 26 06 1 2 135 1 1 0,
- 27 18 1 2 63 2 1 0,
- 28 08 2 1 150 1 1 0,
- 29 04 2 1 130 2 1 0,
- 30 06 1 1 4 3 2 0,
- Introdueix les dades dels cinc últims subjectes a l’arxiu PAC1_DADES_alumnes.xls.
26 06 1 2 135 1 1 0, 27 18 1 2 63 2 1 0, 28 08 2 1 150 1 1 0, 29 04 2 1 130 2 1 0, 30 06 1 1 4 3 2 0,
- Determina el tipus de variable i l’escala de mesura de les variables presentades a la columna de l’esquerra (1,5 punts).
Quantitativa Categòrica Discreta Contínua Nominal Ordinal Interval Raó Interval Raó Grau escolar ajustat X Freqüència crisis X Severitat crisis X Comorbilitat X Qualitat de vida X
COMENTARIS I OBSERVACIONS Com s’ha estudiat en aquest exercici, en estadística és fonamental distingir si una variable és qualitativa o quantitativa, ja que d'aquesta distinció depenen la resta de decisions a prendre: tipus de resums de dades que es poden fer, representacions gràfiques que es poden fer, tests de contrast d'hipòtesi que es poden fer ...
Hi ha dues dificultats principals:
Com distingir variable qualitativa de quantitativa?
Les quantitatives mesuren quantitats, de manera que els números tenen significat i implicacions en les anàlisis. Per exemple: si us pregunto quants diners ingresseu al mes em podeu dir 100, 1000, 2000 €. Aquest número, quantitat, té significat per sí mateix. I amb ell puc fer diversos càlculs.
Un altre exemple: valora del 0 al 10 la teva satisfacció amb l'assignatura (no ho feu si us plau, encara és aviat! ;)
Les qualitatives, en canvi, mesuren qualitats, atributs, característiques. Aquestes les registrem amb un número, però el número no significa res, és només un mecanisme per analitzar aquests atributs.
Exemple: us pregunto els vostres ingressos i us demano si ingresseu
- de 0 a 250€.......
- de 251 a 500€...
- de 501 a 750€... (etc...)
Si posem un 1, un 2 o un 70, no importa, ja que el valor 1 registra una qualitat, condició o situació, però no significa res.
- Altrament, com que la taula que hem facilitat no permet identificar quan les variables discretes són d’interval o de raó, aquesta distinció no s’ha puntuat.
- (^) Volem saber com es comporta la variable comorbilitat a la nostra mostra (2,5 punts).
a) Calcula els índexs pertinents per resumir la variable comorbilitat
Comorbilitat Freq % Sí 12 40 No 18 60 Total 30 100
COMENTARIS I OBSERVACIONS Les variables qualitatives, fins on hem estudiat, només permeten calcular les freqüències (nombre de vegades que es repeteix un fenomen), que solem anomenar freqüències absolutes, i les freqüències relatives, és a dir, posar el total de casos que compleixen una característica, en funció d’un valor. També podem denominar a aquesta operació raó, proporció... Normalment posem el valor en relació a 100, de manera que són percentatges. També ho podríem fer entre 1.000, 10.000, etc... Quan els fenòmens que observem són molt poc freqüents s’expressen amb aquestes bases.
ERRORS MÉS FREQÜENTS
- Intentar mostrar estadístics de resum propis de variables quantitatives (medianes, etc...). Alguns de vosaltres heu calculat la mitjana o mediana; recordeu que es tracta d’una variable qualitativa i que per tant no podem calcular aquests indicadors adients a variables quantitatives.
- Alguns heu detectat que la moda es pot identificar també en variables qualitatives
b) Representa gràficament la variable comorbilitat.
COMENTARIS I OBSERVACIONS
Aquesta variable també es pot representar amb gràfics de sectors (dels que hem estudiat) Recordeu que:
Per a les variables quantitatives utilitzarem:
- Histograma
- Gràfic de caixa
- Gràfic de tija i fulla
Per a les variables qualitatives utilitzarem
- Gràfic de barres
- Gràfic de sectors
Recordeu que la principal diferència entre gràfic de barres i histograma és precisament que l’histograma representa variables quantitatives que tenen una continuïtat o unió (encara que siguin discretes) entre els punts, representen una àrea total. En canvi, en el gràfic de barres cada barra és una categoria de resposta, que, encara que indiquem (codifiquem amb un número) representa un atribut o qualitat. Per tant, encara que siguin variables qualitatives ordinals, cada atribut està separat de l’altre per un espai ja que no representen una continuïtat.
El cert és que a la pràctica sovint es confon l’aplicació de cada model de representació gràfica, histograma i gràfic de barres, degut a la seva similitud estètica, però no del que representen i la utilitat que tenen en d’altres càlculs més complexos (densitat, etc.)
COMENTARIS I OBSERVACIONS
Aquells que heu optat per representar els casos de comorbilitat sobre la base dels que tenen GE ajustat i GE no ajustat, heu arribat a una conclusió diferent i correcta també, és a dir, que entre els casos de GE ajustat la proporció de comorbilitat és superior.
Els que heu optat per la presentació contrària, és a dir, sobre a base de la comorbilitat també heu fet una lectura vàlida però no del tot ajustada al que demana l'exercici, en el que s'indica que cal representar gràficament la variable comorbilitat en funció de si el grau escolar és ajustat a l’edat cronològica o no ho és, no al revés.
ERRORS MÉS FREQÜENTS
- No llegir les dades del gràfic 1, sobre el total de casos
- Fer una anàlisi pobre sense una mica de detall del que es vol explicar.
- Fer referència a simetries o similars que són característiques més pròpies de distribucions quantitatives.
- Volem saber com es comporta la variable qualitat de vida a la nostra mostra (2,5 punts).
3..a Quins índexs estadístics faries servir per descriure la variable qualitat de vida? Calcula’ls.
Mitjana 0, Desviació 0, Varianza de la muestra 0, Coeficient de variació 20,
Mínim 0, Quartil 1 0, Mediana 0, Quartil 3 0, Màxim 0, Rang interquartil·lic 0, Moda 0,42* *Hi ha vàries modes, aquesta és la menor. En Excel el resultat hagués estat d’error, no mostra
COMENTARIS I OBSERVACIONS En el nivell que estem estudiant aquests són els índexs resum més apropiats per a variables quantitatives.
ERRORS MÉS FREQÜENTS
- Errors de càlcul manual
- No calcular els estadístics complets, només 1 o 2 estadístics de resum.
- Recordeu que quan el càlcul manual difereix del càlcul a través de les funcions dels programes amb algunes dècimes no és error.
.a Realitza una representació gràfica per descriure la variable qualitat de vida a la mostra en general i en funció de la severitat de les crisis.
A la mostra en general :
Mínim 0, Quartil 1 0, Mediana 0, Quartil 3 0, Màxim 0,
Calidad_Vida Stem-and-Leaf Plot for Severidad_crisis= Severa
Frequency Stem & Leaf 4,00 4. 2259 1,00 5. 0 3,00 6. 000 4,00 7. 1245 Stem width: , Each leaf: 1 case(s)
Calidad_Vida Stem-and-Leaf Plot for Severidad_crisis= Moderada
Frequency Stem & Leaf 2,00 4. 49 2,00 5. 44 4,00 6. 1889 2,00 7. 48 Stem width: , Each leaf: 1 case(s)
Calidad_Vida Stem-and-Leaf Plot for Severidad_crisis= Leve
Frequency Stem & Leaf 2,00 6. 25 4,00 7. 0136 1,00 8. 4 1,00 9. 5 Stem width: , Each leaf: 1 case(s)
COMENTARIS I OBSERVACIONS Igualment, podem separar la variable quantitativa en funció de la qualitativa i fer 3 gràfics diferents. De nou però, el gràfic més complet és el diagrama de caixa que a més permet visualitzar en una sola imatge el comportament d’una variable en funció d’una altra.
ERRORS MÉS FREQÜENTS
- No representar una variable en funció d’un altre
- Realitzar histogrames amb més d’una variable
.b Interpreta els resultats.
L’important d’aquesta pregunta era identificar la variable qualitat de vida com a una variable quantitativa i, en funció d’això, escollir els indicadors numèrics i els gràfics corresponents. Molts de vosaltres heu fet servir correctament el gràfic de tija i fulles per a representar la variable qualitat de vida, altres heu fet servir histogrames i altres heu optat pel boxplot. Des del professorat, us recomanem recórrer al boxplot a l’hora de representar variables quantitatives ja que ens dóna molta informació amb una simple inspecció visual. No obstant, teniu en compte que els altres gràfics esmentats també són correctes. Alguns de vosaltres heu utilitzat un gràfic de barres en aquesta pregunta; cal que recordeu que aquest gràfic el reservem a l’hora de treballar amb variables qualitatives. Com veieu, quan us demanem interpretar els resultats o que redacteu unes conclusions, es tracta de que expliqueu allò que els valors numèrics ens diuen. Per tant, no es tracta d’explicar les passes realitzades per a calcular la mediana o la mitjana o els motius pels quals heu utilitzat un determinat tipus de gràfic, sinó que necessitem una interpretació de tots els càlculs realitzats.
COMENTARIS I OBSERVACIONS
Quan s’analitzen dades és important fer referència a tots els fenòmens que podem observar: situació general de les dades, dispersió, simetria, etc.
ERRORS MÉS FREQÜENTS
- No fer referència a tots els fenòmens relacionats amb la distribució: dispersió, simetria...
- (^) No detallar l’anàlisi comparatiu d’una variable en funció d’una altra
RECOMANACIONS GENERALS
A l’hora de llegir un histograma us recomano els següents passos:
- Què representa cada eix
- Què conté cada barra i com s’interpreta
- Valor mínim i màxim de l’eix x i de l’y.
- Els intervals de l’eix horitzontal com són (grans, curts...)
- La forma que pren la distribució com és: simètrica, amb puntes, centrada, amb extrems...).
- Què hi ha en cada tram que descrivim (inici, mig i final).
Les recomanacions per llegir un diagrama de caixa són:
- Identificar bé què hi ha representat. Quin és el subjecte
- Què hi ha a l’eix y.
- Mediana
- Rang interquartílic
- Simetria del gràfic (caixa i mediana)
- Màx i mím
- Bigotis
- Casos extrems
- Si es comparen gràfics, cal comprar cada paràmetre.
Cal que tingueu present també que l’assignatura prioritza l’anàlisi de dades, i per tant cal lectura precisa sobre el que s’observa, una lectura descriptiva (fins el moment) però analítica i completa. No és suficient amb llegir dades (la mitjana és tant, la mediana és pasqual). Cal explicar i si cal definir de què ens informa cada índex. Per exemple: la mediana que separa la meitat de la distribució pren el valor 0,6692188, de manera que la meitat dels nens superen un nivel de Qualitat de vida de 0,66.
3..d Realitza una representació gràfica per descriure la variable freqüència de crisis a la mostra en general i en funció del sexe.
A la mostra en general :
Mínim 1 Quartil 1 4 Mediana 12 Quartil 3 62, Màxim 150
En funció del sexe :
Femení Masculí Mínim 1 1 Quartil 1 4 2, Mediana 7,5 18, Quartil 3 60,75 75 Màxim 135 150
3..e Interpreta els resultats.
COMENTARIS I OBSERVACIONS
Els mateixos que en l’exercici anterior. Recordeu que l’anàlisi de variables quantitatives és essencial en estadística.
ERRORS MÉS FREQÜENTS
- (^) A més del comentat en l’exercici anterior, no identificar els motius pels quals un resum és més adequat que un altre
COMENTARIS I OBSERVACIONS GENERALS
- Encara que la majoria ho heu fet, recordeu que cal seguir les pautes de lliurament que s’indiquen: utilitzar el format de lliurament correcte, el nombre de documents indicat i anomenar-los correctament. Igualment, cal respectar la numeració de les preguntes. És important que respecteu el format que us demanem en l’entrega de la PAC; sobretot la conversió del word en pdf i posar el vostre nom a l’inici de la PAC.
- Fer servir programari diferent del facilitat, en aquest cas l’Excel, no és un problema, però sí cal lliurar les evidències de com ho hem fet. Per tant, igual que en el cas de l’excel us demanem el document d’Excel amb nots els càlculs, si feu servir SPSS, R o d’altres també cal lliurar la matriu i els resultats.
- Cal fer els exercicis ajustant-se al que es demana a l’enunciat, és a dir, si en un apartat es demana una representació gràfica, no feu explicacions de text. Fer més d’una és correcte però fer-ne 10 poder és excessiu.
- Encara que alguns ja heu detectat que en anàlisi bivariable, és a dir, en l’estudi del comportament d’una variable en funció d’una altra hauríem de pensar sí és que una influeix en l’altra, en anàlisi descriptiva inicial, no tenim evidències suficients ni hem dissenyat un model analític prou sòlid com per parlar de dependència o causalitat. Tampoc podem parlar de significació estadística. Més endavant tractarem aquests conceptes, amb més o menys profunditat.
- Altrament, us recordem que els documents elaborats han de ser totalment originals. La còpia no referència o Plagi implica una D en l’avaluació i la necessitat d’avaluar-se obligatòriament fent examen.
