ALGUNOS APUNTES SOBRE LA INTERPRETACIN ESTADSTICA

Sobre la Confiabilidad:
Existen diferentes formas de hallar la confiabilidad, en este caso lo realizaremos por medio de
la consistencia interna as
En el caso de instrumentos en escala de Likert, es decir con 3 o ms alternativas de
respuesta (1,2,3,4,5 etc..) se utilizar el alfa de Cronbach.
En el caso de instrumentos con respuestas dicotmicas (verdadero o falso; s o no;
etc.) se utilizar la prueba de Kuder Richardson, tambin conocido como KR20.

El valor de la confiabilidad vara de 0.0 hasta 1, en ese sentido mientras ms se acerque a 1
mayor es la confiabilidad del test. Algunos autores consideran una confiabilidad aceptable a
partir de 0.70, mientras que otros a partir de 0.80.

Sobre la Validez:
Existen diferentes maneras de hallar la validez de una prueba, ya sea por anlisis factorial, por
criterio de jueces, entre otros.
Para nuestro caso estamos utilizando la validez de constructo mediante la correlacin tem
test, en esta validez se correlacionan los puntajes de cada tem con el puntaje total del test,
esta correlacin da un valor que vara de 0.0 a 1, de la misma manera mientras ms cercano
sea el valor a 1, mayor ser la correlacin y por consiguiente mayor la validez del tem.
Se considera como un tem vlido cuando la correlacin es mayor a 0.20, se supone que tems
que correlacionan con un valor menor a 0.20 se deben eliminar. Sin embargo en los casos de
prueba piloto, donde la investigacin no es en s la adaptacin de un instrumento y cuando ya
la confiabilidad es aceptable, puede obviarse el eliminar el tem porque el eliminarlo no
afectara de forma importante la confiabilidad y tambin para conservar la estructura original
del instrumento.

Estadsticos descriptivos:

Media: es el promedio de los datos, es decir la suma de todos los datos de una
distribucin, dividido entre la cantidad de datos. Lo que nos indica es el valor hacia el
cual tienden en general la distribucin. Ejemplo:
Supongamos que cinco estudiantes sacan las siguientes notas en un curso: 10, 10, 15,
15, 20, 20.
La suma de ellos es = 90, dividido entre 5, que es la cantidad de datos, en este caso son
5 personas, da como resultado 15. Lo cual nos indica que la media, o tambin dicho la
nota promedio de esas cinco personas es 15, es decir en general esos estudiantes
tienden hacia 15 en su rendimiento.

Mediana: Es el valor que divide a la distribucin en dos partes iguales, es decir si
ordenamos los datos en orden de menor a mayor el punto que divide a esa
distribucin en dos cantidades iguales de datos es la mediana. Por ejemplo:
Tenemos estas notas de examen: 8, 7, 10, 18, 12, 15, 11, 14, 10, 19, 10.
Si se ordenan los datos tenemos: 7, 8, 10, 10, 10, 11, 12, 14, 15, 18, 19.
El valor que divide en dos partes a la distribucin es: 11.
Se interpreta de la siguiente manera: si Pedro sac 11, indica que Pedro supera en sus
notas al 50% de los miembros de su saln.
Moda: La moda es el valor que ms se repite en una distribucin. Ejemplo:
De las notas: 8, 12, 12, 13, 14, 20, 19, 18, 14, 15, 12, 12, 11, 10, 12, 13, 16, 12, ,12.
La nota que ms se repite es 12. En ese sentido la moda es 12.
Desviacin estndar: Representa el valor que en promedio los datos de desvan o
varan con respecto al promedio. Por ejemplo:
Si el promedio es 14 y la Desviacin estndar es 3. Se interpreta: Los datos varan en
promedio entre 11 y 17 (la suma y resta de la DS con el promedio). Los datos que estn
fuera del margen de 11 a 17, seran datos que son o bajos o altos.

Asimetria y curtosis: Para explicar estos estadsticos se necesita explicar lo que es la
distribucin normal, tambin conocida como Campana de Gauss.









Esta distribucin nos indica la forma normal, como se comportan los datos de la distribucin.
En ese sentido la mayor parte de los datos se ubicar alrededor de la media, y en la medida
que se vayan alejando del promedio la cantidad de datos va disminuyendo.
Por ejemplo si tomamos la estatura como variable. La mayora de las personas somos
medianos (es decir ni bajos, ni altos), luego hay poca de cantidad de personas que son bajos
y poca cantidad de personas que son altas. En el caso de la ansiedad, habr mayor cantidad de
personas que son medianamente ansiosos, y habr menor cantidad de personas que son poco
ansiosos y tambin menor cantidad de personas que son muy ansiosos.
Cuando las distribuciones no se ajustan a la distribucin normal puede darse la asimetra o la
curtosis.

La Asimetra puede ser positiva o negativa.









La asimetra negativa indica mayor concentracin de puntajes por encima del promedio como
se ve en la figura verde.
La asimetra positiva indica mayor concentracin de puntajes por encima del promedio como
se ve en la figura azul.
En ambos casos la asimetra va a ser significativa o importante de interpretarse cuando su
valor es mayor a 1, sin importar el signo (- +). Si es menor de 1, no se interpreta.

De la misma manera la Curtosis tambin puede ser positiva o negativa.







La curtosis Mesocurtica es la distribucin normal.
La curtosis es positiva o Leptocurtica cuando se observa mayor concentracin de puntajes en
la regin intermedia de la distribucin como se observa en la figura azul.
La curtosis es negativa o Platiocurtica cuando se observa baja concentracin de puntajes en la
regin intermedia de la distribucin, es decir los puntajes tienden a distribuirse de forma ms
o menos equitativa a lo largo de la distribucin tal como se observa en la figura azul.

Sobre los niveles:
Existen algunas formas de establecer los niveles para las pruebas, entre estas:
Guindonos de la media y la desviacin estndar, que son parmetros, sin embargo es
mejor utilizar este criterio con distribuciones normales.
En el caso de distribuciones no normales, en lugar de usar la media, se utiliza como
punto de referencia a la mediana y los niveles se plantean en base a percentiles o
cuartiles.

Como sabemos la mediana es el punto que parte a la distribucin en dos partes iguales, es
decir en el 50% de los puntajes.
En ese sentido los Percentiles parten a la distribucin en 99 partes iguales.
Por ejemplo: El puntaje 45 de una prueba no me dice nada, no s cmo interpretarlo. Pero si
observo que ese puntaje de 45 corresponde al Percentil 35, la interpretacin sera: los
evaluados que tienen un puntaje de 45 superan al 35% de ese grupo. Y as sucesivamente.
Los Cuartiles parten a la distribucin en 4 partes iguales, divididas en 25% cada parte. Y se
corresponden con algunos de los percentiles y con la mediana. En ese sentido:

Cuartiles Percentiles Mediana
Cuartil 1 0 - 25
Cuartil 2 26 50 Mediana
Cuartil 3 51 75
Cuartil 4 75 99

En esta forma de establecer los niveles nos vamos guiar de los cuartiles o bien de los
percentiles ya sea que los quedamos dividir en 3 o en 4 niveles:
En cuatro niveles:
Nivel Cuartiles Percentiles
Bajo Cuartil 1 0 25
Promedio bajo Cuartil 2 26 50
Promedio alto Cuartil 3 51 75
Alto Cuartil 4 75 99

En tres niveles:
Nivel Cuartiles Percentiles
Bajo Cuartil 1 0 25
Promedio Cuartil 2 / Cuartil 3 26 74
Alto Cuartil 4 75 99

Sobre la prueba de normalidad:
Ya explicada anteriormente la normalidad estadstica, vamos a utilizar una Prueba estadstica
que nos va a indicar concretamente si nuestra distribucin es normal o es no normal. Esta
prueba es la de Kolmogorov Smirnov (KS).
Para interpretar el Kolmogorov Smirnov, debemos de fijarnos en la tabla en la columna que
dice sig. valor es el que vamos a interpretar:
Si el valor de sig. es mayor a 0.05, la distribucin es normal.
Si el valor de sig. es menor a 0.05, la distribucin es no normal.

Sobre el tipo de prueba estadstica a usar:
La prueba de Kolmogorov Smirnov nos sirve para saber nuestra variable se distribuye o no de
forma normal. Saber esto nos sirve para saber si usaremos una prueba estadstica de tipo
Paramtrica o No paramtrica.

Si la distribucin es Normal = usaremos una prueba Paramtrica.
Si la distribucin es No normal = usaremos una prueba No Paramtrica.
En el caso de correlaciones si es paramtrica usaremos R de Pearson y si es no paramtrica
usaremos Rho de Spearman.
En el caso de diferencia de medias de dos grupos diferentes, si es paramtrica usaremos t de
Student para muestras independientes y si es no paramtrica usaremos U de Mann Whitney.

En el caso de diferencia de medias de un mismo grupo en dos diferentes momentos, si es
paramtrica usaremos t de Student para muestras relacionadas y si es no paramtrica
usaremos Prueba de los rangos de Wilcoxon.

Distribucin Tipo de
Prueba
estadstica
Correlaciones
(estudio
correlacional)
Diferencia de medias
(estudio descriptivo
comparativo de dos
grupos diferentes)
Diferencia de
medias (estudio
descriptivo
comparativo de un
solo grupo con dos
mediciones)
Normal Paramtrica R de Pearson T de Student para
muestras
independientes
T de Student para
muestras
relacionadas
No normal No
paramtrica
Rho de
Spearman
U de Mann Whitney Prueba de los rangos
de Wilcoxon

En el caso de estudios correlacionales:
Lo primero que tenemos que hacer es fijarnos en el valor sig., es decir al costado de donde
dice sig. (bilateral). En ese sentido.
S el valor de sig. es mayor a 0.05 indica que no hay correlacin.
S el valor de sig. es menor a 0.05 indica que s hay correlacin.

Una vez obtenido este dato, recin en las correlaciones que han resultados significativas
vamos a interpretar el coeficiente de correlacin:

Coeficiente Grado de correlacin
0 0.20 Muy baja
0.21 0.40 Baja
0.41 0.60 Moderada
0.61 0.80 Alta
0.81 0.99 Muy alta

Esto nos indicara que si bien la correlacin puede ser significativa (valor sig. menor a 0.05), la
correlacin que existe entre ambas puede ser baja, moderadaetc.

Asimismo tambin se va a interpretar el signo que se encuentra delante del coeficiente de
correlacin, en ese sentido puede ser una correlacin positiva o negativa.
Si es positiva significa que mientras una de las variables es mayor, la otra tambin va a ser
mayor. Es decir si la Variable 1 sube la Variable 2 tambin sube. O s la Variable 1 baja la
Variable 2 tambin baja. Por ejemplo: A mayor autoestima, mayor habilidades sociales.
Si es negativa significa que mientras una de las variables es mayor, la otra va a ser menor. Es
decir si la Variable 1 sube la Variable 2 baja. O s la Variable 1 baja la Variable 2 sube. Por
ejemplo: A mayor autoestima, menor ansiedad.

En el caso de estudios comparativos
Lo primero que tenemos que hacer es fijarnos en el valor sig., es decir al costado de donde
dice sig. (bilateral). En ese sentido.
S el valor de sig. es mayor a 0.05 indica que no diferencias entre los grupos.
S el valor de sig. es menor a 0.05 indica que s hay diferencia entre los grupos.

Para saber cul de los dos grupos es mayor que el otro, nos debemos de fijar en quien tiene la
media mayor.