03. Diferencias Individuales y Correlaciones

3. Diferencias individuales y

correlaciones

Nazira Calleja

Pilares de la medición psicológica

Variabilidad

Covariabilidad

Interpretación de los puntajes

Variabilidad

1er. pilar

La naturaleza de la variabilidad

Supuesto:

Las personas difieren.

Diferencias:

Interindividuales

Intraindividuales

Importancia de las diferencias individuales

Psicología:

Variabilidad en la conducta las personas.

Ciencias conductuales:

Medición de las diferencias individuales.

¿Por qué algunas personas son más agresivas que otras?

¿Las diferencias en la inteligencia están asociadas con diferencias en rasgos biológicos?

¿La variabilidad en satisfacción marital está relacionada con la variabilidad en la autoestima de los hijos?

Importancia de las diferencias individuales

Toda la investigación en psicología y todas las aplicaciones

científicas de la psicología dependen de la habilidad para

medir las diferencias individuales.

Cualquier área de la psicología (experimental o no

experimental, básica o aplicada) depende de la existencia

y cuantificación de las diferencias individuales.

Los puntajes de una prueba variarán de persona a

persona o de un tiempo a otro.

Estos puntajes o mediciones constituyen una distribución.

Variabilidad y distribución de puntajes

Fundamento de la medición en psicología:

Habilidad para detectar y describir distribuciones de los

puntajes de un instrumento.

Cuando un grupo de personas responde a una instrumento,

cada persona obtiene un puntaje.

Distribución de puntajes

Meta de la estadística: Describir una distribución de

puntajes de una manera significativa.

Distribución

Estudiante Puntaje

1 15

2 20

3 23

4 23

5 34

6 15

7 25

8 15

9 16

Tendencia central

¿Puntaje “típico” en la distribución?

¿Puntaje que es el más representativo de toda la

distribución?

Media

Mediana

Modo

Tendencia central

Estudiante Puntaje

1 15

2 20

3 23

4 23

5 34

6 15

7 25

8 15

9 16

Suma 186

Media = 186 / 9 = 20.66

Variabilidad

Media: interesante y útil

Variabilidad: Mucho más interesante y útil

Cuantificar el grado en el cual las personas en el grupo difieren unos de otros.

Cuantificar con precisión la cantidad de variabilidad dentro de una distribución de puntajes.

Corazón de la teoría psicométrica:

Varianza (y desviación estándar)

Variabilidad

X MX-M

(Desviación)(X-M)2

(Desviación cuadrada)

15 20.66 -5.66 33.04

15 20.66 -5.66 33.04

15 20.66 -5.66 33.04

16 20.66 -4.66 21.72

20 20.66 -0.66 0.44

23 20.66 2.34 5.48

23 20.66 2.34 5.48

25 20.66 4.34 18.84

34 20.66 13.34 177.95

∑ 0 351.39

s2 = 351.39 / 9 = 84.1 Varianzas = √ 84.1 = 9.17 Desviación estándar

Varianza

Media = 110

Varianza = 166.67

Desv. est = 12.91

Persona

(x)

Puntaje

CI

(x-Mx)

Desviación

CI

1 110 0

2 120 10

3 100 -10

4 90 -20

5 130 20

6 110 0n = tamaño de la

muestra (número

de puntajes)

n = 6

Variabilidad

Desviación estándar:

Refleja la variabilidad en términos del tamaño de los

puntajes crudos de desviación.

Factores en el tamaño de la varianza:

1. Grado en el que los puntajes en una distribución

difieren uno del otro. > variabilidad > varianza

2. Métrica de los puntajes en la distribución:

Ejem.: IQ con rango de 80 a 130: s2= 166.67

Actitud con rango 1 a 3: s2 = 0.39

Variabilidad

Factores a considerar al interpretar la varianza:

1º Nunca puede ser < 0 (los puntajes no varían).

Imposible varianzas negativas.

2ºNo hay una manera simple de interpretar una

varianza como grande o pequeña.

3º La varianza es más interpretable y significativa cuando se pone en contexto, como cuando se compara con otra distribución de la misma medida.

Variabilidad

Factores a considerar al interpretar la varianza:

4º La importancia de la varianza radica

principalmente en sus efectos sobre los otros

valores que son más directamente interpretables:

coeficientes de correlación

coeficiente de confiabilidad

intervalos de confianza

sesgos.

Formas de la distribución

La curva representa la proporción de personas en un grupo

que tienen un valor específico.

Una distribución simétrica se denomina distribución

normal.


La idea de una distribución normal está

implícita en muchos procedimientos

estadísticos.

Supuesto: Los puntajes están distribuidos de

manera normal.

Es un ideal teórico, un modelo.

Rara vez las distribuciones son perfectamente

“normales”.

Por lo general implican algún sesgo.


Variabilidad

Covariabilidad


Covariabilidad

2o. pilar

Asociación entre distribuciones

Concepto importante: asociación o covariabilidad.

Covariabilidad: grado en el que dos distribuciones de

puntajes varían de una manera correspondiente.

Interpretación de la asociación entre dos

variables

Deseamos conocer:

A) La dirección de la asociación.

B) La magnitud de la asociación.

Una gran cantidad de investigación en ciencia conductual se

ha dedicado a entender la fuerza de la asociación entre

variables conductuales importantes.

Interpretación de la asociación entre dos

variables

Consistencia: Una fuerte asociación entre dos variables puede mostrar que las diferencias individuales son consistentes entre las dos variables.

Una asociación fuerte Consistencia

Una asociación débil Inconsistencia

Cuando no hay una asociación clara entre las dos variables:las diferencias individuales en una variable son totalmente inconsistentes con las diferencias individuales en la otra variable.

Covarianza

Cuantificación de la asociación o covariabilidad entre dos distribuciones de puntajes:

Covarianza

Correlación

Varianza: computada de la variabilidad de los puntajes de una distribución.

Covarianza: computada de la variabilidad entre los puntajes en dos distribuciones diferentes.

Covarianza: Representa el grado de la asociación entre la variabilidad en las dos distribuciones.

Covarianza(x)

Puntaje

Inteligencia

CI

(y)

Actitud

hacia el

estudio AE

(x-Mx)

Desviación

CI

(y-My)

Desviación

AE

(x-Mx) (y-

My)

Productos

cruzados

110 2.6 0 -.1 0

120 3.0 10 .3 3

100 2.5 -10 -.2 2

90 1.5 -20 -1.2 24

130 3.2 20 .5 10

110 3.4 0 .7 0

CI AE

Media = 110 2.70

Varianza = 166.67 .39

Desv. est = 12.91 .62

∑ (x-Mx) (y-My) 39

Covarianza (sxy) 6.5

Correlación (rxy) .81

Covarianza

Covarianza: Proporciona información sobre la dirección de

la asociación.

Covarianza positiva: Hay asociación positiva o directa entre

las dos variables.

Covarianza negativa: Hay asociación negativa o inversa entre

las variables.

Covarianza

Factores que afectan la magnitud de la covarianza:

1º A más altos valores de covarianza asociaciones

fuertes.

2º La métrica de las dos variables afecta la magnitud

de a covarianza, por lo que es difícil de interpretar.

Correlación

Proporciona un índice de asociación lineal fácilmente

interpretable.

Índice en un rango muy específico de valores: De -1 a +1

Refleja la dirección:

Refleja la magnitud

Correlación

positiva

No

correlación

Correlación

negativa

Tendencia consistente de

que quienes tienen altos

puntajes en una variable

tengan altos puntajes en la

otra

No hay consistencia en las

diferencias individuales.

Quienes tienen altos

puntajes en una variable es

igualmente probable que

tengan altos o bajos

puntajes en la otra

Tendencia consistente de

que quienes tienen altos

puntajes en una variable

tengan bajos puntajes en la

otra

Número positivo Cero Número negativo

De +1 a 0 0 De 0 a -1

Correlación

Refleja la magnitud de la asociación, independientemente

de las variables de que se trate y de su métrica.

.30 es más fuerte que .20, pero menos que .40

.30 es de la misma magnitud que -.30

Máxima posible: 1 (o -1)

Mientras más se aleja el índice del cero, más fuerte es la

relación.

Correlación

fuerte

Correlación

moderada

Correlación

débil

|r| 0.80 0.50 < |r| <0.80. |r| 0.50

Correlación

Como una medida de asociación, la r está basada

parcialmente en la covarianza

= Covarianza de las variables x con y

= Desviación estándar de la variable x

= Desviación estándar de la variable y

= Correlación de las variables x con y

Correlación

Ejemplo:

= 6.5

= 12.91

= 0.62

6.5

(12.91) (0.62)

0.81

Varianza para “variables compuestas”

En la mayoría de los caso las pruebas psicológicas se

determinan por hacer a las personas varias preguntas, o

están basadas en varias observaciones conductuales.

Las respuestas se suman o se promedian para formar un

puntaje compuesto

Ejemplo:

Inventario de Depresión de Beck:

21 reactivos en una escala de 0 a 3

Los puntajes pueden ir de 0 a 63


La varianza de un puntaje compuesto está determinada por:

a) la variabilidad de cada reactivo y

b) la correlación entre los reactivos.

Para un instrumento de dos reactivos:

s2compuesta = s2

i + s2j + 2rijsisj

s2compuesta: varianza de la variable compuesta

i: reactivo 1

j: reactivo 2

s2i: varianza del reactivo 1

s2j: varianza del reactivo 1

rij: correlación de los reactivo 1 y 2


Por tanto:

La varianza total de los puntajes de un

instrumento dependerá

de la variabilidad del reactivo y

de la correlación entre los pares de reactivos.

Aspecto importante para la confiabilidad.

Reactivos binarios

Algunas mediciones psicológicas están basadas en

respuestas dicotómicas a los reactivos de un instrumento o

a las observaciones conductuales dicotómicas.

Sí / no

De acuerdo / En desacuerdo

Correcto / Incorrecto

Reactivo binario: Sólo uno de las dos alternativas está

disponible en cada reactivo u

observación.

¿Cómo se representa la varianza en reactivos binarios?

Reactivos binarios

Ejemplo:

¿Te sientes deprimido?

Sí: 1 [sí, siempre, de acuerdo, verdadero, correcto]

No: 0 [no, nunca, en desacuerdo, falso, incorrecto]

= Proporción de respuestas 1 (Sí o valencia positiva).

p = Proporción de respuestas 1 en el reactivo.

= p =∑ X

N

Reactivos binarios

Si de 10 personas, seis responden “sí” y cuatro “no”

La varianza de reactivos binarios se expresa también en términos

de proporción.

= p =1+0 +1+1+1+0+0+1+0+1

10

= p =6

10

= p = .60

Reactivos binarios

p = Proporción de respuestas con valencia positiva en el reactivo.

q = Proporción de respuestas con valencia negativa en el reactivo.

1 – p = q

s2 = pq

s2 = (.60) (.40)

s2 = .24

Entonces, la varianza de una respuesta binaria depende de p y de q.

Reactivos binarios

La varianza de un reactivo binario es máxima cuando la mitad de las personas responde positivamente y la otra mitad negativamente:

p = q = .50

s2 = (.50) (.50)

s2 = .25

Cualquier otro valor menor varianza.

Si p = 1.00 o 0.00 no hay varianza.

Si no hay varianza no es posible correlacionar los datos con ningún otro grupo de datos.


Variabilidad

Covariabilidad



3er. pilar


En la mayoría de los instrumentos

psicológicos, los puntajes

no son inherentemente significativos

ni fácilmente interpretables.


Ejemplos:

En la escala de neurotisismo de un cuestionario de

personalidad, ¿qué significa si obtienes un puntaje 34?

¿Tienes 34 “unidades” de neurotisismo?

¿Tu puntaje es alto? ¿Es bajo?

Si tu amigo responde un cuestionario diferente y obtiene

un puntaje de 98, ¿significa que es mucho más neurótico

que tú? ¿Podría ser menos que tú?


Dos facetas en el “significado” o interpretación de los

puntajes en una medición psicológica.

1ª faceta. Habilidad básica para interpretar un puntaje como

relativamente alto o bajo. (A veces aún este asunto es

obscuro).

Hay procedimientos que permiten a los usuarios de un

instrumento clarificar esta faceta, como:

medias

desviaciones estándar

distribuciones “normales”.


2ª faceta. Tiene que ver con las implicaciones psicológicas de los puntajes. ¿Qué significa realmente un puntaje alto en un instrumento particular, en términos psicológicos?

¿Es realmente verdad que la prueba es una medida de neuroticismo?

Si sí es, ¿qué significa tener un alto nivel de neuroticismo?

¿Es posible que el usuario de la prueba esté malinterpretando los puntajes?

Respuestas con base en:

investigación,

teoría psicológica y

análisis estadístico.


Uno de los problemas más serios es que los puntajes en

un instrumento psicológico son difíciles de interpretar.

¿Qué significa obtener un puntaje de 40 en un examen?

Las pruebas psicológicas se basan en muestras

conductuales y rara vez son un índice de la cantidad de

atributo psicológico.

El puntaje es un número que necesita un esquema de

referencia para poder ser interpretado.


El esquema de referencia se basa en dos tipos de

información acerca del puntaje en relación con una

distribución de puntajes.

1ª clave. ¿El puntaje cae arriba o abajo de la media?

Si la media es de 36, un puntaje de 40 está por arriba de la

media.

Gran paso hacia la claridad en la interpretación del puntaje.


2ª clave. ¿Qué tan arriba o debajo de la media cae el puntaje? Distancia del puntaje respecto de la media.

¿El 40 es un puntaje ligeramente o moderadamente altoo muy alto?

Se necesita un número que proporcione información acerca del tamaño relativo de la distancia entre el puntaje y la media.

Si la mayoría de los estudiantes obtuvieron puntajesentre 34 y 38, un puntaje de 40 podría ser muy alto.

Entonces, la 2ª clave es la variabilidad dentro de una distribución de puntajes.

Desviación estándar

Puntajes z (puntajes estándar)

1ª clave. Media

2ª clave. Desviación estándar

Ambos se usan para computar puntajes z.

Para dar significado a los puntajes de un instrumento,

transformamos el puntaje de un individuo a un puntaje z.


40 - 36

8

.5

Los puntajes z tienen interpretaciones específicas,

aunque abstractas.

“.5 desviaciones estándar arriba de la media”

“la mitad de una desviación estándar arriba de la media”


Puntajes z:

Indican lo extremoso de un puntaje.

Un puntaje z alto (en términos de valor absoluto)

indica un puntaje más extremo.

.5 no es extremo, está ligeramente cerca de la media.

Los puntajes z pueden ser indefinidamente grandes.

Pero en distribuciones normales los puntajes z más altos

son de 3 o 4 (y los más bajos de -3 o -4).

Curva normal o Campana de Gauss


Ejemplo:

El puntaje está dos desviaciones arriba de la media;

por tanto, es un puntaje relativamente extremo.

40 - 36

2

2

Puntajes z (puntajes estándar)Casos

Puntajes brutos de creatividad

Puntajes Z de creatividad

1 12 -0.23

2 13 0.04

3 9 -1.05

4 18 1.41

5 7 -1.60

6 9 -1.05

7 14 0.31

8 16 0.86

9 10 -0.78

10 12 -0.23

11 7 -1.60

12 13 0.04

13 14 0.31

14 19 1.68

15 10 -0.78

16 16 0.86

17 12 -.23

18 16 0.86

19 19 1.68

20 11 -0.51

Media 12.85 0

Desviación estándar 3.66 1


Propiedades importantes y únicas de los puntajes z

porque afectan los valores permisibles de ciertos índices

estadísticos:

En una distribución de puntajes z:

Media = 0

Desviación estándar = 1


Beneficios de los puntajes z

1er. beneficio: Expresan los puntajes de una manera que

evita la ambigüedad de la mayoría de las

medidas psicológicas. Nos libera de

preocuparnos de la métrica o las unidades

de los puntajes originales.

2º beneficio: Pueden usarse para comparar puntajes de

pruebas que usan unidades diferentes.

Julio: 34 en neuroticismo en la prueba A. z = 1.3

Denís: 98 en neuroticismo en la prueba B. z = -.4

Los transformamos en puntajes z (con base en la media y la

desviación estándar de las respectivas distribuciones).


Beneficios de los puntajes z

La transformación a puntajes z es útil incluso cuando las

conductas se miden con instrumentos que producen

unidades bien definidas

(ej., relojes que registran milisegundos).

Se pueden comparar con otro tipo de mediciones de la

conducta que podrían registrarse con diferentes medidas

(ej., peso) o expresadas en unidades que no son estándar

(ej., puntajes en una escala de optimismo).


Importante:

Los puntajes z expresan un puntaje en términos de su relación con una distribución completa, es decir, en términos relativos.

Puntaje z = +2 es en relación con el resto del grupo.

Cómo se compara un puntaje con la persona promedio.

No da información acerca de el nivel del puntaje en términos absolutos, aunque lo “absoluto” en psicología comúnmente es ambiguo.

En conclusión: Los puntajes z son muy útiles porque proporcionan un esquema de referencia que se basa en la manera en que los puntajes se relacionan unos con otros.


Correlación: consistencia de las diferencias expresadas en unidades de puntajes z.

Ej., Puntajes de Actitud hacia el Estudio de 100 estudiantes.

¿Los puntajes de AE se correlacionan con las horas de estudio por semana (HE)?

AE: métrica pequeña (ej., 3.2 unidades de actitud)

HE: métrica grande (ej., 10 horas)

Las dos variables se miden en diferentes métricas.

Al transformar cada grupo de puntajes a z expresamos ambos con una métrica común: puntajes métricos z.


¿Los estudiantes que estudian más que el estudiante promedio

tienen AE más altos que el estudiante promedio?

Si hay consistencia, puede esperarse que cada persona tenga un

par de puntajes aproximadamente del mismo tamaño.

(zx zy)= Suma de los productos cruzados de cada uno de

los puntajes z.

(zx zy)

n

r =


Sujeto

X

Autoevaluación de conocimientos

sobre un tema(De 1 a 7)

Y

Examensobre un tema(30 preguntas)

PuntajesZ de X

PuntajesZ de Y

Zx . Zy

1 1 16 -1.45 -1.45 2.09

2 3 18 -0.48 -0.96 0.46

3 6 22 0.96 0.00 0.00

4 5 24 0.48 0.48 0.23

5 2 20 -0.96 -0.48 0.46

6 4 20 0.00 -0.48 0.00

7 3 16 -0.48 -1.45 0.70

8 5 26 0.48 0.96 0.46

9 6 28 0.96 1.45 1.39

10 7 26 1.45 0.96 1.39

11 1 18 -1.45 -0.96 1.39

12 7 24 1.45 0.48 0.70

13 4 28 0.00 1.45 0.00

14 2 22 -0.96 0.00 0.00

r = 0.71


A algunos usuarios de instrumentos psicológicos los puntajes z

les pueden parecer confusos porque:

1º Hay puntajes z negativos (porque están debajo de la media).

Puede ser difícil comprender cómo es que se tiene un nivel negativo

de neuroticismo, autoestima o inteligencia.

2º Los puntajes se expresan en decimales.

Tener un puntaje z de 1.24 simplemente no es claro.

Por tanto, hay quienes transforman una vez más los puntajes.

Puntajes estándar convertidos

(Puntajes estandarizados)

Los puntajes estándar son simplemente puntajes z que se han

convertido en valores que las personas puedan entender más

fácilmente.

Los puntajes se re-escalan para que tengan diferente media y

desviación estándar.

Ej., los puntajes del MMPI-2 se convierten para que cada escala

tenga:

Media = 50

Desviación estándar = 10

Más fácil de entender un 65 o 45 en Paranoia que un 1.5 o -.5



Proceso de conversión:

1er. paso. Se selecciona: una nueva media y

una nueva desviación estándar

2o. paso. Se convierte el puntaje de un individuo con la

fórmula:

T = z(snueva) + nueva

T = Puntaje estándar convertido

z = Puntaje z original de la persona

snueva= Nueva desviación estándar

nueva= Nueva media



Ejemplo:

T = z(snueva) + nueva

T = 1.5(10) + 50

T = 65

La persona está una y media desviaciones estándar

arriba de la media.



¿Hay algo sospechoso en este proceso?

¿Es legítimo cambiar las medias y desviaciones?

El significado de los valores individuales en mediciones

psicológicas suele ser ambiguo.

Sólo tienen sentido en relación con los puntajes de los otros.

Los puntajes z (estandarizados) son informativos porque son

una expresión pura de las distancia del puntaje del individuo

arriba o debajo de la media.



Los puntajes estandarizados convertidos son informativos

porque simplemente re-expresan los puntajes z de una manera

que puedan ser más entendibles para la gente.

Los puntajes convertidos son lo mismo que los z (nos dice qué

tan lejos está el puntaje de un individuo arriba o abajo de la

media).

Truco: se debe conocer la media y la desviación estándar de

los puntajes de la prueba.

Percentiles

OTRA MANERA de expresar los puntajes de un

instrumento en términos relativos.

Rango percentilar: Indica el % de puntajes que

están abajo de un puntaje específico.

Ej., El puntaje de Lizbeth está en el percentil 85.

Percentiles

Formas de determinar el rango percentilar:

1ª forma: Método directo o empírico (cuando se tiene

acceso a la distribución completa).

a) Se identifica el número exacto de puntajes en la

distribución que son menores que el puntaje de

Carolina.

b) Se divide entre N.

75 personas responden una prueba

Carolina saca un puntaje de 194

52 personas obtuvieron puntajes abajo de 194

(52/75) (100) = 69%

El puntaje de Caro está en el percentil 69.

Percentiles

Formas de determinar el rango percentilar:

2ª forma: Método con distribución normal.

Si no se tiene acceso a la distribución completa, pero se

conoce la media y la desviación estándar.

Sólo si los puntajes se distribuyen normalmente.

La distribución normal permite asociar puntajes estándar

específicos con percentiles.

Dos maneras:

a) Usar calculadoras electrónicas de puntajes z

http://davidmlane.com/hyperstat/normal_distribution.html

http://psych.colorado.edu/~mcclella/java/normal/normz.html

o en Excel (función NORMSDIST)

http://davidmlane.com/hyperstat/normal_distribution.html

http://psych.colorado.edu/~mcclella/java/normal/normz.html

Percentiles

b) Con tablas de distribución normal o z.

Se obtiene el puntaje z

Se busca en la tabla el área a que corresponde:

z = 1.5

Área entre la media y z: .4332

z = 1.5

43.32%

z

Área entre la media y z

1.40 .4192

1.41 .4207

1.42 .4222

1.43 4236

1.44 .4251

1.45 .4265

1.46 .4279

1.47 .4292

1.48 .4306

1.49 .4319

1.50 .4332

1.51 .4345

1.52 .4357

1.53 .4370

1.54 .4382

1.55 .4394

1.56 .4406

1.57 .4418

1.58 .4429

1.59 .4441

1.60 .4452

Percentiles

Si el puntaje z es positivo:

Agregar .50 al área obtenida.

z = 1.5


.50 + .4332 = .9332

Percentil = 93.32

Si el puntaje z es negativo:

Restar a .50 el área obtenida.

z = -1.5


0.50 - 43.32 = .0668

Percentil: 6.68 %

Puntajes normalizados

Muchas veces se desea que las mediciones de un atributo psicológico se encuentren distribuidas normalmente en la población.

Ej. Suposición de que la forma de la distribución de inteligencia es normal.

Si creamos un test de inteligencia nos gustaría proporcionar a los usuarios un mecanismo de calificación que produjera puntajes que estuvieran distribuidos de manera normal y guías interpretativas (normas) que reflejaran la normalidad del constructo.

Si la distribución de los puntajes no es normal, entonces se le puede transformar en una distribución que se aproxime a la norma.


Un procedimiento:

Transformaciones de normalización o

transformaciones de área.

Tres pasos:

Para todos los puntajes:

1º Calcular los percentiles a partir de los puntajes

observados.

2º Convertir los porcentajes en puntajes z, mediante las

tablas de áreas bajo la curva.

3º Calcular los puntajes estándar convertidos en la métrica

deseada a partir de los puntajes z.


Ejemplo: Deseamos reportar los puntajes de un test de IQ en una métrica con: media = 100 y desviación estándar = 15

Puntaje observado de Julio César: 28

1º Calcular el percentil: 92%

2º Convertir en puntajes z: +1.41

3º Calcular el puntaje estándar convertido:

T = 1.41 (15) + 100

T = 121.15

Hacer esto con todos los puntajes.

Los usuarios del test podrían utilizar la guía con todos los puntajes para asociar cualquier puntaje original con el puntajes estándar convertido normalizado apropiado.

Normas de las pruebas

En la medición en psicología muchas de las pruebas han

sido normalizadas para facilitar su interpretación.

El nuevo instrumento se ha aplicado a un gran número de

personas representativas de alguna población (muestra de

referencia).

Se calculan los puntajes (o normas para el test).

En aplicaciones futuras las normas se utilizan como un esquema

de referencia o guía para interpretar el puntaje de cada una de

personas.

El proceso de normalización hace que la utilización de la

prueba sea fácil y eficiente.

Normas de las pruebas

El proceso de normalización es muy costoso.

Se han desarrollado normas para algunas pruebas de

áreas aplicadas (clínica, laboral…)

Para la gran mayoría de los instrumentos no se

desarrollan normas.

Los investigadores comúnmente no están interesados en

interpretar puntajes individuales, sino en encontrar

asociaciones entre variables.

03. Diferencias Individuales y Correlaciones

Documents

Transcript of 03. Diferencias Individuales y Correlaciones