You are on page 1of 7

10/31/2014

5. Fundamentos del modelo


clsico lineal
1. Introduccin
2. Formulacin del modelo de Spearman
3. Error de medida y fiabilidad (introduccin
conceptual)
4. Supuestos y deducciones del modelo

INTRODUCCIN

Por qu necesitamos una


teora de tests?
Los tests mentales contienen
errores de medida
Los rasgos no son medibles
directamente, sino a travs de sus
manifestaciones observables
2

10/31/2014

INTRODUCCIN
i1
Constructo

i2
i3
i4

Obtenemos la
puntuacin X que
supuestamente es una
representacin
adecuada del
constructo

Si los items son diferentes, misma X?


Si el test se pasa en distintos momentos, misma X?
Dos personas con igual competencia, misma X?
Hay fuentes de error potenciales y las Teoras de Tests
tratan de dar cuenta de ellas
3

INTRODUCCIN

Las teoras de Tests permiten cuantificar el


error de medida a travs de una serie de
supuestos
Una teora de test es una representacin
simblica de los factores que afectan a las
puntuaciones en los tests y que viene
descrita por sus supuestos (Allen y Yen)
4

10/31/2014

MODELO CLSICO

Extensin del escalamiento de Likert

Aadiendo que las puntuaciones estn en funcin de:


Nivel del rasgo
Caractersticas del test
Tamao del error de medida

Hiptesis fundamental:
Error
aleatorio
Puntuacin
observada

Puntuacin verdadera

CMO CUANTIFICAR EL ERROR ALEATORIO?


Veamos un ejemplo con una medida fsica
6

10/31/2014

Ejemplo: Peso real de un objeto (V)


Objetivo: Estimar el error que afecta al instrumento (balanza)
Procedimiento: Medidas repetidas del mismo objeto
Distribucin de pesos
Media = 60
57, 58, 59, 59, 60, 60, 60, 60, 61, 61, 62, 63
VAR = 2,5 (dt = 1,6)
Cul es el valor ms probable para V?
A qu se deben las variaciones?

MEDIA=60
Error de medida

Cmo son esas variaciones?

Son por exceso y defecto El error


de medida es aleatorio
Cmo puedo medir el tamao del error?
Con una medida de
dispersin (2 ): Ms dispersin, ms error
Distribucin de pesos con otra balanza :
40, 50, 55, 55, 60, 60, 65, 65, 70, 80

Media =60
(dt= 10,5)

VAR= 110

Cmo es ahora el tamao del error?


7

Pasando a la medicin de lo psicolgico Cul de los


dos tests es ms preciso, A o B?
A

Si aplicsemos infinitas veces un test a un sujeto para


medir un rasgo y el error de medida fuese 0, Cul sera
la variabilidad de las puntuaciones?
Aproximacin no viable y no siempre razonable
A partir de los supuestos del modelo clsico se idean procedimientos para
cuantificar el error y estimar las puntuaciones verdaderas a partir de varias
mediciones realizadas sobre un grupo de sujetos
8

10/31/2014

Procedimiento: Medidas de muchas personas dos


veces con el mismo test

Bajo ciertas condiciones la similitud entre esos


pares de puntuaciones nos informa del error del
test:
1 vez
2 vez
x1
x1
y X1 = V1 + E
X1 = V1 + E
x2
x2
cuanto ms se parezcan x1 y x1
x3
x3
ms peso tendr el nico
.
.
componente comn, que es V1
.
.

Veamos cules son los supuestos que nos permitirn cuantificar el


error de un test
9

Supuestos y deducciones del modelo


1. Los errores en media se anulan, as que la esperanza
matemtica de los errores es 0
E (E) = 0
2. Como el error es aleatorio, no hay razn para pensar que
puede haber relacin entre los errores y las puntuaciones
verdaderas

rve = 0
Este supuesto es muy importante, dado que si hubiese
relacin, los errores no seran aleatorios
10

10/31/2014

Supuestos y deducciones del modelo


3. Los errores de un test (j) no tienen porqu correlacionar con
los errores de medida en otro test (k) distinto, dado que son
aleatorios
ejek = 0

Este supuesto no es razonable si hay efectos de fatiga,


cambios de humor o efectos del ambiente
4. No existe correlacin entre la puntuacin verdadera y el error
en formas distintas de un mismo test o en tests diferentes

rv e

=0
Este supuesto se viola si el segundo test mide alguna
dimensin que influye en los errores del primer test
j k

11

1. La media de las puntuaciones observadas es igual a la de


las verdaderas, de acuerdo con la esperanza matemtica:
0 segn el
supuesto 1

2. Dado que X=V+E, la varianza tambin se descompone:

0 segn el supuesto 4
12

10/31/2014

3. La correlacin entre las puntuaciones verdaderas y


observadas puede expresarse como una proporcin:

4. La correlacin entre las puntuaciones verdaderas y


observadas puede expresarse como la proporcin
complementaria a la anterior:

13

5. La correlacin entre las puntuaciones observadas y el


error puede expresarse como una proporcin:

6. La correlacin perfecta se puede obtener con la suma de:

14