ANÁLISIS PREELIMINAR DE LOS DATOS Estadística Aplicada a la Educación

Aprender a determinar la cualidad de los datos de una investigación Aprendizaje Aprender a determinar la cualidad de los datos de una investigación

Contenido Fases en el tratamiento de los datos Razones del análisis previo Detección y corrección de errores Datos perdidos Valores extremos y outliers Comprobación de los supuestos paramétricos Estadística Aplicada Prof. Marli González

Tratamiento de los datos Introducción de los datos en el computador Depuración de los datos Transformación de los datos Análisis exploratorio de los datos Análisis de datos propiamente dichos Estadística Aplicada Prof. Marli González

¿Por qué debemos analizar previamente los DATOS? Errores en la codificación y grabación de datos – resultados y conclusiones Existencia de casos missing o ausencia de respuesta – tamaño de muestra y potencia de los contrastes Existencia de casos atípicos – tratamiento estadístico Supuestos paramétricos – condiciones de la técnica estadística Estadística Aplicada Prof. Marli González

Detección y corrección de errores Revisión total del proceso Emplear estrategias para detectar los errores Valores no permitido Incoherencia de los datos Estadística Aplicada Prof. Marli González

Datos perdidos...Consecuencias Reduce el tamaño de la muestra por tanto reduce la potencia de los contrastes y reduce la precisión en la estimación Si los datos faltantes no se distribuyen aleatoriamente disminuye la validez de los resultados Estadística Aplicada Prof. Marli González

¿Qué hacer con los datos perdidos? Si la falta de datos es pequeña y distribuida al azar podemos prescindir de ellos Si la cantidad de valores ausentes es grande y no se distribuye al azar es pertinente utilizar alguna estrategia para la sustitución de los datos Estadística Aplicada Prof. Marli González

Identificación de datos perdidos Detectar el número de valores perdidos por sujeto Revisar los cuestionarios e intentar reconstruir la información Si lo anterior no es posible decidir dejarlos tal como están o sustituirlos Estadística Aplicada Prof. Marli González

¿Cómo decidir la sustitución? Comprobar si los sujetos que no respondieron se comportan igual a los que si lo hacen Prueba t de Student o Kolmogorov-Smirnov Si los valores ausentes se comportan como los no ausentes entonces no es necesaria la sustitución, en caso contrario es pertinente la sustitución o imputación de los valores perdidos Estadística Aplicada Prof. Marli González

Procedimientos para la sustitución Media de la serie Media de los puntos adyacentes Mediana de los puntos adyacentes Interpolación lineal Tendencia lineal de la serie Media de la subclase o método de Kalton Método del fichero caliente o Hot Deck Método de regresión lineal múltiple Método EM o Esperanza-Maximización Estadística Aplicada Prof. Marli González

Casos atípicos o anómalos Valores outliers: Casos que se distancian sensiblemente de las puntuaciones del resto de los sujetos de la muestra. Valores extremos: Casos en los que las puntuaciones de los sujetos se separan en mayor medida de las puntuaciones de los sujetos de la muestra Estadística Aplicada Prof. Marli González

Identificación de los casos atípicos Mediante los gráficos de caja o Boxplot Gráficos de Tallo y Hojas Histogramas Estadística Aplicada Prof. Marli González

Comprobación de los supuestos paramétricos Normalidad de las distribuciones Relación lineal entre las variables Homocedasticidad Independencia de los valores Estadística Aplicada Prof. Marli González

Prueba de normalidad de las distribuciones Gráficos_ Histogramas con curva normal De probabilidad normal (Q-Q normal) P-P normal Contraste de hipótesis Prueba de K_S Lilliefors Estadístico Shapiro-Wilks Estadística Aplicada Prof. Marli González

Relación lineal entre las variables Diagrama de dispersión Estadística Aplicada Prof. Marli González

Homocedasticidad Gráficos de dispersión Prueba de Levene Estadística Aplicada Prof. Marli González