UNIVERSIDAD NACIONAL DE ASUNCION

FACULTAD DE FILOSOFIA
CARRERA DE PSICOLOGIA
AREA FORENSE

METODOLOGIA DE LA INVESTIGACION EN PSICOLOGIA FORENSE II

TEMA: TAREA 2

Alumna: Andrea Fretes

5to curso
2015

DEFINE Y EXPLICA
1. ANALISIS DE DATOS
El analisis de datos es un modelo matematico preliminar que sirve para evaluar los datos obtenidos
en la investigacion.
2. ALCANCE DE LOS ANALISIS ESTADISTICOS
Sirven para cuantificar los resultados de los instrumentos utilizados y realizar los calculos
pertinentes de acuerdo al tipo de estudio realizado.
3. ESTADISTICA DESCRIPTIVA
Parte de la estadistica que se ocupa de las caractersticas de los datos mediante ciertos valores clave
(promedio, dispersin, correlacin, etc). Llamada tambien estadistica expositiva.
La primera tarea es describir los datos, los valores o las puntuaciones obtenidas para cada variable.
3.1. Distribucion de Frecuencias
Una distribucion de frencuencias es un conjunto de puntuaciones ordenadas en sus respectivas
categorias y generalmente se presenta como una tabla.
3.2. Medidas de Tendencia Central
Las medidas de tendencia central son puntos en una distribucion obtenida, los valores medios o
centrales de sta y nos ayudan a ubicarla dentro de la escala de medicion. El nivel de medicion de la
variable determina cual es la medida central apropiada para interpretar.
3.2.1. Moda
Es la categoria o puntuacin que ocurre con mayor frecuencia.
3.2.2. Mediana
Es el valor que divide la distribucion por la mitad. Esto es, la mitad de los casos caen por debajo de
la mediana y la otra mitad se ubica por encima de esta. La mediana refleja la posicion intermedia de
la distribucion
3.2.3. Media
Es la medida de tendencia central ms utilizada y puede definirse como el promedio aritmetico de
una distribucion
3.2.4. Rango
Es la diferencia entre la puntuacion mayor y la puntuacion menor e indica el numero de unidades en
la escala de medicion que se necesitan para incluir los valores maximo y minimo
3.2.5. Desviacion estandar o tipica
Es el promedio de la desviacion de las puntuaciones con respecto a la media. Esta medida se
expresa en las unidades originales de medicion de la distribucion. Se interpreta en relacion con la
media. Cuanto mayor sea la dispersin de los datos alrededor de la media, mayor sera la desviacion

estandar.
3.2.6. Varianza
Es la desviacion estandar elevada al cuadrado. Es un concepto estadistico muy importante, ya que
muchas de las pruebas cuantitativas se fundamentan en el.
3.2.7. Asimetria
Es una estadistica necesaria para conocer cuanto se parece nuestra distribucion a una distribucion
teorica llamada curva normal y constituye un indicador del lado de la curva donde se agrupan las
frecuencias.
3.2.8. Curtosis
Es un indicador de lo plana o picuda que es la curva.
4. ESTADISTICA INFERENCIAL
Parte de la estadistica que a partir de indices de muestras saca conclusiones (estimaciones
sectoriales, comprobacin de hiptesis) sobre indices de las poblaciones respectivas.
Los datos casi siempre se recolectan de una muestra y sus resultados estadisticos se denominan
estadigrafos; la media o desviacion estandar resultan estadigrafos. A las estadisticas de la poblacion
se llaman parametros. Estos no son calculados, porque no se recolectan datos de la poblacion pero
pueden ser inferidos de los estadigrafos.
VERIFICACION EXPERIMENTAL DE LA HIPOTESIS
1. HIPOTESIS DE CAUSALIDAD
1.1. NATURALEZA DE LA HIPOTESIS NULA
La hiptesis nula no se limita a la diferencia 0 ni diferencias entre estadisticos. Otras forma de esta
hipotesis afirman que los resultados hallados en un experimento no difieren significativamente de
los resultados a esperarse por mera probabilidad o estipulados en terminos de alguna teoria. Una
hipotesis nula suele ser ms til que otras hiptesis porque es exacta.
2. LA PRUEBA DE X (JI CUADRADO)
La prueba del Ji Cuadrado es un metodo util para comparar resultados obtenidos experimentalmente
con aquellos que son de expresarse en virtud de alguna hipotesis.
3. METODOS NO PARAMETRICOS
Las tecnicas no parametricas son menos aptas para descubrir una diferencia verdadera cuando
existe. Los metodos no parametricos son utiles cuando N es pequeo, cuando las suposiciones con
respecto a la poblacion son dudosas y cuando los datos pueden expresarse unicamente por rangos.
3.1. La prueba del signo
3.2. La prueba de la mediana
3.3. La prueba de suma de rangos
3.4. Analisis de Varianza

3.5. Analisis de Covarianza

3.6. Correlacion de Pearson
3.7. Correlacion por diferencia de rangos
3.8. Correlacin biserial
3.9. Correlaciones para tablas cuadruples
3.10. Coeficiente de contigencia