Bien, buenas tardes a todas y todos. Vamos a comenzar. Continuamos el tema
3, vamos a finalizarlo. Estábamos con las amenazas a la validez de
conclusión. Aparte de la validez de conclusión estadística, ¿qué más
validez hay? Así, por calentar un poco con una pregunta. Hablamos de
varias validez. ¿En casa han contestado? Viviana ha contestado. Acordaros
de eso, de la validez de constructo, validez interna, validez externa y
conclusiones estadísticas. Vamos a repasar esto del otro día.
Inadecuación de la prueba estadística. La prueba estadística no adecuada
puede llevar a infraestimar o sobreestimar el efecto del tratamiento de la
variable independiente. Es necesario elegir correctamente qué prueba
estadística se le va a realizar en función de los objetivos del estudio,
la independencia o dependencia de las medidas. La baja potencia
estadística. Aquí os hablaba el otro día del tamaño del efecto. Un
estudio con baja potencia estadística puede concluir erróneamente que no
existe relación significativa entre las variables. La potencia
estadística del análisis depende de diversos factores, tamaño de la
muestra, variabilidad de los datos, tamaño del efecto y adecuado tamaño
de la muestra. ¿Veis esto de aquí? 0,6 superior a 0,5. No quiero
enrocarme en esa pregunta, pero os pregunto si ante este resultado se
rechazaría la hipótesis alternativa o se aceptaría la hipótesis
alternativa. La alternativa, la de trabajo, ¿eh? Y aquí igual. 0,6 nos ha
dado el resultado y tenemos un 0,5 de nivel de confianza, un alfa de 0,5.
¿Se acepta o se rechaza la hipótesis alternativa? ¿Qué tal aquí? A
ver, en casa están comentando. Como no los vemos, no se tienen vergüenza.
A ver qué. ¿Se acepta o se rechaza? ¿Por qué? Bien, bien. Más bien. Se
rechaza. La hipótesis se rechaza, la hipótesis alternativa y se acepta la
hipótesis nula. Es decir, no existen diferencias. El ejemplo de siempre es
el de los perfiles de género, por ejemplo. Si fuera 0,4, eso es inferior a
0,5, que es el nivel alfa, ¿entonces qué? ¿Se acepta la hipótesis nula
–digo, la alternativa– o se rechaza? ¿Se acepta la alternativa o se
rechaza si es 0,4 en vez de 0,6? ¿Se acepta? ¿Se acepta? ¿Alguien dice
que se rechaza? Vale. Bien, vale. Pues lo que os comentaba un día del
tamaño del efecto y la potencia estadística está relacionado con esto
porque fijaros, simplemente por un decimal en este caso, rechazamos la
hipótesis alternativa o la aceptamos. Si es 0,6 rechazamos la hipótesis
alternativa y damos por buena la hipótesis nula, no hay diferencias. Si es
0,4 consideramos que sí que hay diferencias y, por lo tanto, la hipótesis
de trabajo la aceptamos. No nos vamos a enrocar en eso pero es importante
que lo tengáis claro. Amenazas a la validez externa. Interacción de
tratamiento con la composición de la muestra. El resultado del efecto de
tratamiento en muestras con determinadas características puede estar
reflejado un efecto particular que no aparecería con otra muestra. Bien,
para esto hay distintos tipos de controles. Pueden ser de bloque,
aleatorización que nos vamos a ver en el siguiente tema. Bueno y aquí nos
habla de una función de control sería la representatividad que estaría
relacionada con esos controles. Representatividad. Pero tenemos
interacción de tratamiento y prestar atención a esto. Interacción de
tratamiento con la composición de la muestra y además tenemos
interacción de tratamiento con la situación. Una cosa es la composición
de la muestra y otra es la situación del estudio. Y nos dice que una
amenaza es el efecto del tratamiento encontrado en un determinado contexto
puede ser particular a ese contexto y no estar reflejando el que se
encontraría en otro. Cuidar la validez ecológica del estudio. Bien,
¿qué se refiere a eso? Pues por poner un ejemplo, pues imaginar que
estamos en una sala y tenemos una temperatura, una temperatura confort, una
temperatura agradable de entre 18 y 22 grados. Bueno, pues se trataría de
que esa temperatura fuera para todos o todas las participantes. Que no
hubiera unos participantes que tuvieran una temperatura de 22 grados y
otros de 6 grados porque a lo mejor podría influir. Eso es la validez
ecológica del estudio y está relacionada con el contexto o la situación
del estudio. Bueno, y aquí os hace un poco de resumen. La validez es una
cuestión de grados. Ya los hemos visto. Bien, vamos a poner el esquema que
hice yo, el resumen brevemente y pasamos al tema 4. Bueno, esto es
importante que lo tengáis que también puede ser una pregunta y además se
puede fallar fácilmente. En la validez de conclusión estadística, lo
vimos el otro día, ¿os acordáis? Error tipo 1, error tipo 2 está
relacionado con lo de rechazar o aceptar la hipótesis alternativa. ¿Os
acordáis de eso? ¿Os acordáis del error tipo 1, error tipo 2? Error tipo
1 es que creemos que las variables covarían cuando no lo hacen y error
tipo 2 es al revés. Creemos que no varían y si lo hacen. En el error tipo
1, si creemos que covarían, lo que estamos haciendo es aceptar la
alternativa porque covarían, hay relación y rechazar la nula. Lo tenéis
aquí escrito. En el error tipo 2 es al revés. Aceptamos la hipótesis
nula y esta es falsa. Es decir, descartamos la alternativa cuando en
realidad sí que hay una asociación ahí ¿no? ¿Entendéis eso de error
tipo 1, error tipo 2? Porque os puede salir un examen y creo que es una
pregunta un poco liada. Pero vaya, como lo tenéis ahí en principio, creo
que os podéis sacar de dudas rápidamente. Vamos a hacer alguna pregunta.
Los que estáis en casa podéis descargarlo, no tenéis problema. La
inadecuada evaluación del constructo teórico se considera una amenaza a
la validez de constructo del estudio porque A, lo voy a leer una vez, puede
afectar de forma diferente a los distintos grupos y confundirse con el
tratamiento. B, puede generar errores de medida que afecten de forma
diferente a las distintas condiciones experimentales. Repito, puede generar
errores de medida que afecten de forma diferente a las distintas
condiciones experimentales confundiéndose con el efecto de la variable
independiente. El uso de indicadores incorrectos desde el constructo puede
llevar a hacer inferencias incorrectas sobre el constructo. ¿Cuál os
parece que puede tener más sentido? C, muy bien. Además nos habla de
evaluación del constructo, en este caso con indicadores. El uso de
indicadores incorrectos de la impulsividad puede llevar a hacer inferencias
incorrectas sobre la impulsividad y luego además tenemos que tener muy en
cuenta que la A hace referencia a la validez interna y la B también hace
referencia a la validez interna. Fijaros, nos habla por un lado de la
variable independiente. Cuando nos habla de variable independiente no es
asociada a validez interna pero bueno es muy probable que esté haciendo
referencia a la validez interna y luego nos habla de tratamiento también.
Cuando nos habla de tratamiento es muy probable que esté haciendo
referencia a la validez interna. La validez interna. A, debe alcanzar un
alto grado de seguridad en cualquier tipo de investigación para que esta
pueda ser considerada científica. Es un componente de la validez a
considerar y analizar necesariamente en las investigaciones que pretenden
extraer conclusiones sobre relaciones causales. Depende básicamente de la
representatividad o la muestra respecto a la población de interés. Es un
componente de la validez a considerar y analizar necesariamente en las
investigaciones que pretenden extraer conclusiones sobre relaciones
causales. Vale, estáis diciendo C, B en casa. Vale, aquí como la D. Aquí
os quedáis con la B en clase y en casa la D. Vale, es la B. Y la C ¿a
qué hace referencia? Eso lo tendréis que ver ya así de repente porque
sabemos que es la B y la C ¿a qué validez hace referencia? Externa. ¿Y
en casa? Si no lo habéis escuchado. Externa. ¿Alguien dice otra cosa en
casa? Conclusiones. Bueno, la C la tenemos que asociar a validez externa y
lo que nos… O sea, la A ¿lo hace referencia? ¿Es de alcanzar un alto
grado de seguridad en cualquier tipo de investigación? Bueno, depende. Si
no buscamos causalidad no tiene por qué tener un alto grado de seguridad.
Entonces, lista esa. Vamos entonces con la C. Realizar un estudio con una
muestra pequeña puede tener como consecuencia la limitación de la validez
de conclusión estadística. Lo vimos hace nada esto. ¿Por qué? A.
Disminuye la potencia estadística de las técnicas de análisis de datos
para detectar las relaciones existentes entre las variables. B. Disminuye
el grado de generalización posible de los resultados. Y C. Tiene mayor
riesgo de ser afectada por la amenaza de la regresión a la media. En casa
estáis contestando la B. ¿Tí también? ¿Y vosotros qué? La A. Anda,
hay una divergencia. La A o la B. ¿Y por qué? No vale porque digáis la A
o la B. Bien, me gustan esos planteamientos. Vamos a ver. Realizar un
estudio con una muestra pequeña puede tener como consecuencia la
limitación de la validez de conclusión estadística. ¿Por qué?
Disminuye la potencia estadística de las técnicas de análisis de datos
para detectar las relaciones entre las variables. Eso es así. La B hace
referencia a la validez externa. Disminuye el grado de generalización de
los resultados. Y luego dice la C. Tiene mayor riesgo de verse afectada por
la amenaza de la regresión a la media. ¿A qué hace referencia la
regresión a la media? ¿Cuándo se utiliza la regresión a la media? Se
utiliza cuando los valores son dicotómicos o son extremos, tanto por un
rango inferior como por un rango superior. Vamos con la última. La
interacción de tratamiento con la composición de la muestra es una
amenaza a la validez externa porque había dos tipos de interacciones. ¿Os
acordáis? Decidme que no. Ya sé que no depende de vosotros lo del
apellido, ya lo sé. A mí tampoco se me ve. La interacción de tratamiento
con la composición de la muestra es una amenaza a la validez externa.
Había dos tipos de interacciones, la propia de la muestra de la persona y
la del contexto o situación. ¿Os acordáis? Vale, pues la repito, venga.
La interacción de tratamiento con la composición de la muestra es una
amenaza a la validez externa porque A. Se refiere al fenómeno de la
modificación de la respuesta que se puede dar en los participantes por el
hecho de sentirse observados o evaluados. B. Todo lo relativo a la muestra
y solo lo relativo a la muestra afecta a la validez externa. C. El efecto
del tratamiento en una muestra con unas características que interactúan
de forma específica con él puede ser peculiar, por tanto las conclusiones
del estudio no serían generalizables a la población. ¿Qué? En casa y
aquí. ¿Qué? No, en casa no sacáis tampoco, que lo podéis mirar. A ver,
la más completa sí a todas luces parece la C, ¿no? Vale, pero vamos a
ver a qué referencia las otras. Se refiere al fenómeno de la
modificación de la respuesta que se puede dar en los participantes por el
hecho de sentirse observados o evaluados. ¿Qué es eso? Hablamos de un
constructo que empieza por R, luego va una E y luego va una A. ¿Cuál es
ese constructo? Reactividad. ¿Y ese constructo dónde se sitúa? ¿En qué
tipo de validez? Bien, reactividad. ¿Interna, seguro? ¿Veis que es
interna? Vamos a ver, la reactividad, ¿qué es? La impulsividad, ¿qué
es? Un constructo, ¿no? Por lo tanto. Bien, constructos, bien, por lo
tanto. ¿A qué hace referencia la A? ¿A qué validez? ¿A la validez de
constructo? Bien, luego la B. La B ya me chirría. ¿Todo lo relativo a la
muestra y solo lo relativo a la muestra? Y no tiene sentido tampoco. ¿A la
validez externa? ¿Sería validez interna? Pero luego además estas
preguntas que sea todo y solo, A ver, chirrían un poco. Vale, listo este
tema. Vamos con el siguiente. ¿Dónde está? A ver, un segundo que le
quite tamaño. Capítulo 4, Métodos y diseños experimentales. ¿A qué
hace referencia el método? ¿Os acordáis? O qué características, no da
igual lo que queráis. Observación sistemática, ¿os acordáis un poco de
eso del tema 1? Control de las influencias extrañas, de la observación
pasiva a la activa. Eran un poco las características del método. Luego
nos hablaban de los diseños experimentales. El método experimental, puede
ser una pregunta también. ¿Os acordáis las fechas o los siglos? Más o
menos. Había los siglos 17-18, ¿os acordáis de eso? Capítulo 1, puede
ser pregunta también. Bueno, vamos a empezar. Bien. Objetivo, estudio de
la relación causal entre variables. Contingencia temporal entre variable
independiente y variable dependiente. Causa-consecuencia, ¿no?
Covariación entre la variable independiente y la variable dependiente. Y
aquí tenemos que tener una cosa en cuenta y es que correlación no implica
causalidad. ¿Entendéis qué significa eso? Hay memes por ahí. Si lo
ponéis en Google, correlación no implica... Vamos a ver si nos
encontramos un meme, venga. Bueno, ya os buscaré yo uno chulo. ¿Pero
sabéis lo que significa o no? Cuando llueve, por ejemplo, cuando llueve es
probable que truene. Pero no es la lluvia la que causa los truenos. Sí,
hay una asociación entre la una y la otra. No quiere decir que es pura. Es
puriedad, no espuriedad. ¿Qué significa eso? ¿Qué significa espurio?
Fingir o mentir, algo así, ¿vale? Fingir. Vamos a pensar qué significa
fingir. Por lo tanto, que no sea espurio, ¿qué significa en este
contexto? Que no se puede atribuir a otras cuestiones esa contingencia y
esa covariación. Es decir, las consecuencias de la variable independiente
sobre la dependiente son requisitos. Acordaros, contingencia, covariación
y no espuriedad requisitos de la causalidad. Este tema es bastante largo,
¿no? ¿Habéis llegado a ese tema por vuestra cuenta? Porque deberíais
llegar, ¿eh? Daos cuenta que os quedan dos meses y medio. Tenéis Navidad
ahí, pero bueno. Bien, características del método. Objetivo, estudio de
las relaciones causales entre las variables y con las condiciones. Pues
eso, tiene que haber una manipulación intencional de la VI, análisis de
la covariación entre la UV y la UVD. Y control experimental, perdón,
control experimental para minimizar los efectos de las variables extrañas.
Control experimental para minimizar los efectos de las variables extrañas.
Pasamos. Mínimo dos condiciones o tratamientos y la asignación –vamos a
ir viendo esta imagen bastantes veces, ¿eh?, a través de esta
diapositiva– y asignación aleatoria de los participantes a los grupos.
Garantizar la equivalencia inicial, antes lo hablábamos eso, yo decía
aleatorización, bloques, el sujeto como control de sí mismo, por ejemplo,
según si es intergrupo o intragrupo, pero eso vamos a verlo ahora
también. Y poder atribuir las diferencias iniciales de la UVD al efecto de
la VI. Vamos a poner algún ejemplo también para que os sea más fácil
esto. No sé si tengo acertado alguno, ¿eh? Bien. Vamos a cambiar un
momento de diapositiva y os voy a poner un apoyo. A ver si… Fijaros, nos
habíamos quedado en la varianza. Se llama varianza total a la variación
que observamos en las medidas tomadas de la variable dependiente.
Definición, se llama varianza total a la variación que observamos en las
medidas tomadas de la variable dependiente. ¿Por qué está compuesta esta
varianza total? Por la sistemática y por la varianza error. A su vez, la
sistemática tiene una primaria y una secundaria. Y yo creo que con el
apoyo este os va… Vamos, creo que lo vais a tener más claro. Luego lo
repasamos con el otro, no os preocupéis. Bien. Varianza. Entonces tenemos
la varianza total, que es la variabilidad de la variable dependiente,
debido a la influencia de la variable independiente, variables extrañas y
el azar. La varianza sistemática, que es la variabilidad de la variable
dependiente debido a la influencia de la variable independiente, y esta
sería la varianza sistemática primaria, y a la Este, matizar un poco. La
varianza total está compuesta por sistemática y error, y a su vez la
sistemática tiene primaria, que es la variable independiente, y
secundaria, que sería haciendo referencia a variables extrañas. Bien.
Primaria, variable independiente, secundaria, variables extrañas. Lo ideal
en cualquier tipo de investigación es que la varianza total sea igual a la
varianza sistemática primaria. Es decir, que no existan otras variables
extrañas que tengan influencia. Pero como esto no es posible, es necesario
utilizar el control basado en el principio de maximización, minimización
y control. ¿Lo habéis leído ya, el principio este? ¿En casa? No. Este
principio consiste en aumentar, lo tenéis en el libro, este principio
consiste en aumentar la varianza sistemática primaria, le hacemos
referencia a qué con la primaria. Exactamente. Minimizar la varianza error
y controlar la varianza sistemática secundaria. La varianza error se
refiere por ejemplo a cuestiones del sujeto, a particularidades de la
persona que está realizando, por ejemplo. O del ambiente, o lo que os
decía antes de la temperatura. Si yo estoy más cómodo para realizar ese
programa de tratamiento o ese cuestionario, pues a lo mejor me afecta menos
que estar a 8 grados que esta otra persona ¿no? Son cosas que tenemos que
controlar. Bien, maximizar la varianza sistemática primaria. Maximizando
el efecto de la variable independiente. ¿Cómo? Valores utilizando valores
extremos si la relación entre las variables es lineal y valores
intermedios si la relación no es lineal. Minimizar la varianza error,
evitar errores de medidas y diferencias individuales. Por eso podríamos
utilizar los subgrupos o por ejemplo bloques, aleatorización, etc. O
también aumentar el tamaño del grupo. Los instrumentos tienen que ser
válidos, sensibles y fiables y eso tiene que ser así para el resto de
vuestra carrera como psicólogos y psicólogas. El instrumento tiene que
ser fiable, es decir, preciso y válido lo que estéis utilizando. Es
decir, válido que aquellos ítems midan o estén destinados a medir lo que
tienen que medir en función del objeto de la investigación. Sí, si no es
lineal en que se distribuye según la campana de Gauss. Exactamente, sí,
eso sí. Lo vamos a ver luego con una imagen. ¿Cuándo la relación entre
las variables es lineal? A mayor número de kilómetros, mayor gasto de
gasoil. ¿Eso qué es? ¿Curvilínea o lineal? A mayor número de
kilómetros, mayor gasto de gasoil. ¿Y cuál es la variable dependiente y
la independiente? Exactamente, es así. Pero os dais cuenta, a mayor
número de kilómetros... Tenemos dos ejes y os digo, a mayor número de
kilómetros, mayor gasto de gasoil. Da igual que uséis en uno o en otro la
gasolina y el kilómetro. ¿Lo entendéis? ¿De qué depende el gasto de
gasoil? Y entonces, ¿cuál es la variable independiente? El número de
kilómetros. Muy bien, ya eso ya lo habéis pillado. Pues vamos a volver a
hacer lo de la significancia. Bueno, seguimos, venga. Vale, esto sería una
relación lineal. A ver, dejadme borrar aquí este desastre. Bueno,
controlar la varianza sistemática secundaria que hace referencia a la
secundaria A. Muy bien, variables extrañas. Vale, una variable extraña
también puede ser, por ejemplo, el sexo, el género... No solamente puede
ser la temperatura del sitio. Fijaros, evitando las posibles variables
extrañas que provienen del objeto, ambiente, procedimiento experimental,
experimentador... Técnicas de control. Y están ahora explicadas. De la
varianza sistemática primaria, valores de la variable independiente,
valores medios, varios valores... Variancia secundaria, pues bueno, una
serie de técnicas de control que vamos a ver ahora. Eliminación. Bueno,
estamos hablando de técnicas de control de la varianza sistemática
secundaria. Por ejemplo, a la hora de formar los grupos se eliminan sujetos
muy mayores y eliminamos sujetos muy jóvenes. Eso sería una técnica de
eliminación. Constancia. Por ejemplo, en todos los grupos tiene que haber
la misma cantidad de jóvenes, hombres, madura, mujeres... Constancia. Yo
creo que también un poco en función de la palabra, la definición, os
podéis hacer una idea. Balanceo o equilibración. Mantener constante el
mismo valor de las variables extrañas en todos los grupos. Bueno, hemos
identificado una variable extraña, vamos a intentar mantenerla estable en
todos. Si la temperatura no sube más de 18 grados, que todos los grupos
que pasen por ese tratamiento tengan esa temperatura. Y que exista la misma
proporción de variables extrañas en todos los grupos. Que no existan en
uno dos variables extrañas, una y en el otro dos. Eso es un balanceo o
equilibración. Lo que os decía de los bloques. Repartir las variables
extrañas entre los grupos, aleatorización. Repartir las variables
extrañas con una variable formando grupos de sujetos con puntuaciones
similares. Cuando veamos bloques, pensar en un subgrupo. Por eso nos dice
formando grupos de sujetos con puntuaciones similares. Por ejemplo, el
peso. Las variables extrañas tienen la misma magnitud entre los grupos.
Utilizamos la misma masa corporal. Y luego sujeto como control de sí
mismo. Como os he dicho antes, solamente es para los estudios intrasujeto.
No inter. Los mismos sujetos pasan por todas las condiciones
experimentales. Pero lo vamos a ver otra vez después. Problemas con el
control intrasujeto. Prueba de coordinación visomotora y alcohol. Un solo
grupo pasa por todas las condiciones. ¿Qué pasa? Pues imaginaros que se
tienen que tomar 10 centilitros de alcohol, 15, 20, 25, 30. Además que ya
han realizado un aprendizaje de cómo funciona la investigación. Existe un
efecto fatiga, en este caso es alcohol. Y luego efectos residuales. Que
posiblemente lleven ya un pedal que no veas. Eso en este caso.
Contrabalanceo o equiponderación. Controla el efecto de orden o error
progresivo. ¿No hay sonido? ¿Cómo no hay sonido? ¿No me escucháis? Sí
que hay. Si se oye. Pues J. Flores. Ha salido, nada. Vale, hay distintos
contrabalanceos. Vamos a verlos. J. Flores, ¿nos escuchas ahora? Bueno,
¿me escuchas ahora? Porque el resto de compañeras o compañeros sí.
Bueno. Contrabalanceo intrasujeto. Controlar el orden de las condiciones
para cada sujeto. Individual. Un individuo pasa por las mismas condiciones
más de una vez, aumentando el tiempo del experimento. Por ahí la fatiga y
el aprendizaje. Y los efectos residuales. Distribuye por igual las unidades
de error progresivo. Fijaros. Ha pasado por la 10. Pero aún le quedan 5.
La 1, la 2, la 3, la 4, la 5. Pues es lo mismo. Ha pasado por la 15. Pero
luego le quedan la 2, la 3, la 4, la 5 y la 0. Bueno, pues así
seguiríamos. No vamos a seguir. Pero siguen siendo, aparte de la primera
condición, 5 mayores. Pasaría por todas las condiciones. Por eso se pone
aquí factorial, ¿no? Todas las condiciones posibles que hay. Otro
balanceo. Intragrupo. Cuadrado latino. No estamos hablando de intrasujeto
sino intragrupo. El grupo entero. Cada condición aparece solo una vez en
cada secuencia en una posición distinta. Pues fijaros. 10, 15, 20, 15, 20,
10, 20, 10, 15. Incompleto o aleatorio. Supongamos que contamos con muy
pocos sujetos. Necesitamos seleccionar al azar solo algunas secuencias por
grupo. Utilizaremos aquellas secuencias que más nos interesen. Y esto no
se ve en el PowerPoint. Entiendo que a lo mejor os puede resultar un poco
pesado esta parte. ¿Os acordáis de esto? El otro día lo contestasteis en
casa. Lo de simple y doble ciego. En casa y aquí. ¿Os acordáis a qué
hacía referencia? ¿Cuál es? ¿Simple o doble? Sí, muy bien. Sí,
exactamente. Fijaros. Simple. El participante no sabe en qué condición,
cuál es la situación, etc. Doble. Ni el experimentador ni el participante
conocen la condición, la experimentación, la hipótesis, etc.
Sistematización de la variable extraña. Convertir la variable extraña en
una variable independiente. Bien. Vamos a pararnos ahí un momento.
Convertir la variable extraña en una variable independiente. ¿Cómo se
podría hacer esto? Pues imaginaros. Ahora que viene Navidad. Y están
haciendo un estudio sobre juguetes. Están viendo la publicidad de los
juguetes. Los niños. Y entonces aquí podemos considerar como variable
extraña el género, por ejemplo. Entonces parece muy lógico cuando
hablamos de diferenciar el perfil en función del género. Convertir el
género en una variable independiente. Y entonces ver por qué se orienta
cada género. Eso podría ser, por ejemplo, convertir la variable extraña
en una variable independiente. Cualquier cosa que pueda afectar la podemos
llegar a convertir. Si el objeto de la investigación lo requiere o
consideramos interesante. En una variable independiente. Porque está
teniendo cierta repercusión en, en este caso, la elección del juguete.
¿De qué depende la elección del juguete? Además de las propias
características que tenga el juguete. A lo mejor también depende del
género. Habrá que verlo. No lo sabemos. Os ponía algo así como una
pregunta. La atención de la publicidad. Tenía algo de la altura. ¿Os
acordáis de esa pregunta? Pues era un poco en relación a eso también.
Estadísticas. Uso de procedimientos estadísticos para separar el influjo
de la variable. Independiente sobre la variable dependiente. Del influjo de
variables extrañas. Bueno, esto no le prestemos más. Y vamos otra vez al
esquema básico. Vale, volvemos. Entonces aquí. ¿Por qué está compuesta
la varianza total? Lo acabamos de ver. Y os van a preguntar cosas así.
¿Por qué está compuesta? Muy bien. Por la varianza sistemática y la de
error. Y la sistemática, a su vez, ¿por qué está compuesta? Claro,
vosotros no podéis mirar. Solamente tenéis que darle para adelante y para
atrás. ¿Y aquí qué? Por primaria y secundaria. Y la primaria hace
referencia a... A la independiente. Y la secundaria a... Variables
extrañas, como por ejemplo... Muy bien. Vale, genial. Pues entonces
tenemos eso. La varianza total compuesta por varianza error. Varianza
sistemática. Y, a su vez, la varianza sistemática... Sí. Sí, muy buena
pregunta. Realmente podemos confundir. ¿Bien? Siempre vamos a tener en
cuenta que la varianza sistemática tiene variables extrañas. Variables
errores son ciertas situaciones de no sistematizar el proceso. Por ejemplo,
de no realizar... ¿Os acordáis cómo empezábamos? Esa sistematización
del proceso. Esa observación de la pasiva a la activa serían ese tipo de
posibles errores. En la dependiente. Sí, sí. En la variable dependiente.
De hecho lo hemos visto en la otra diapositiva. Tenéis que tener en cuenta
que la varianza error es, por lo tanto, inevitable. Y las sistemáticas
secundarias son errores de procedimiento. Al revés. Vamos a ver. Hay
ciertas influencias que siempre van a estar. En la variable sistemática
secundaria influencias de variables de sujeto, ambientales, de
procedimiento. Puede haber... Esas pueden existir. Las de varianza error
son ciertos factores de procedimiento que tenemos que ir controlando en
función de ese diseño que realicemos sistematizando el diseño en la
medida de lo posible con objetivos claros, con un procedimiento bien
diseñado, etc. Vale. Eso lo tenéis en el... De hecho yo creo que os puse
también eso. Precisamente ese ejemplo. A ver. ¿No se ha subido el
capítulo ese? No está subido. Bueno, ya lo subí. Es que no se puede
subir ahora porque da problemas. De hecho, no sé si en otras clases no
podéis conectaros a través de Inteka, ¿no? Os conectáis con otro
servidor. Con Teams, ¿no? No nos dejan subir archivos porque se colapsa.
Pero os puse precisamente eso. Lo de la reactividad. Sí, con Teams. Porque
es un buen ejemplo. Ya lo veréis. Vale, entonces... Vamos a pasar. Claro
esto. Vale. Al principio MaxMincón ya lo hemos visto. Maximizar la
varianza sistemática primaria adecuando la selección de los valores de la
UBI y controlar la varianza sistemática secundaria, control de las
variables extrañas y minimizar el error. Pues eso. Que utilicemos unos
instrumentos en la investigación adecuados, válidos que utilicemos en la
medida de lo posible una muestra que se acorde con lo que queremos buscar,
hipotetizar que las instrucciones que les demos a las personas sean claras
y escritas tendremos menos errores. Aquí, fijaros. Esto es lo que yo
representaba antes. A mayor número de kilómetros mayor gasto de gasoil.
Pero os lo pongo aquí abajo. Relación lineal. A medida que aumenta el
valor X del eje X aumenta el valor del eje Y. Ejemplo de relación
curvilínea. Los valores extremos del eje X obtienen puntuaciones bajas en
el eje Y. Mientras que los valores intermedios X obtienen valores
superiores en el eje Y. Vale, entendéis los ejes, ¿no? Así. ¿Lo veis
así? Fijaros. Si os fijáis los valores extremos del eje X obtienen una
puntuación baja mientras que los valores intermedios X obtienen valores
superiores en Y. ¿Vale? ¿Qué, perdón? ¿Cómo? Un ejemplo de ¡Uf! Un
ejemplo de curvilínea. Es que este es muy... Habría que saber por qué
hace ese efecto. Es decir, lineal es simple pero un curvilíneo sería
ajustado un poco a que no te lo esperas que tenga ese efecto. Ya, ya. Yo lo
enfocaría por educación a nivel de educativo a nivel de un programa de
tratamiento de refuerzo escolar, por ejemplo. Pero habría que elaborarlo.
No lo sé. No lo sé porque no es algo habitual tampoco. No lo voy a
pensar. Y os pongo un ejemplo. Vale. ¿Algo más aquí? Las técnicas de
control. Las acabamos de ver. Para todo tipo de diseño eliminación,
constancia, simple y doble ciego sistematización de las variables
extrañas y técnicas estadísticas. Y luego tenemos en función del tipo
intergrupo o intra. Vale. Y esto sí que os pueden preguntar si la
aleatorización, por ejemplo forma parte de intragrupo. No. Ya tenéis que
daros cuenta. Intergrupo. ¿Para qué vamos a aleatorizar dentro de un
mismo grupo? Habrá que aleatorizar en los distintos grupos y además
tenemos que usar esos subgrupos para equipararlos en función de, por
ejemplo el peso. Pues utilizamos los bloques. Acordaros, bloque es
subgrupo. Y luego los diseños intragrupo sujeto como control de sí mismo
que no es otra cosa que el sujeto pasa por todas las condiciones y
acordaros de esa definición y el contrabalanceo que ya lo hemos visto
también. Vale. Esto vais a tener que estudiar un poquito porque sobre todo
quedaros con este esquema de cara a que existen unos diseños en función
del tipo de grupo si es inter o es intra al mismo grupo. Vale. Nos vamos a
quedar aquí pero bueno ya se asignan aleatoriamente los participantes.
Vamos a poner un ejemplo de bloques aleatorios para que lo veáis. Fijaros,
se forman bloques en función de la puntuación que tienen en la variable
bloqueo o equiparación y se asignan aleatoriamente los participantes de
cada bloque a los grupos o condiciones. Visto así vamos a ver. Tenemos una
muestra del experimental y del control. Además está muy bien puesto así
en el libro. Unas puntuaciones relacionadas con el apego o con el vínculo
seguro e inseguro. Entonces tenemos aquí unos con el apego seguro y otros
con el apego inseguro y aquí lo mismo apego seguro y apego inseguro.
Bueno, pues lo que vamos a hacer es formar esos bloques que serían estos
en función de las puntuaciones. Puede ser puntuación de cualquier cosa.
Aquí os he hablado de la puntuación del apego. Pues eso sería. El
próximo día lo repetimos. ¿Alguna cosa antes de cerrar? ¿En casa?
¿Alguna cosa? ¿Y aquí? ¿Nada? ¿Listo? Vale, pues me apunto lo del
ejemplo de Curvilíneo. Nada, vosotras.