Professional Documents
Culture Documents
Formulari
Formulari
Facultat de Psicologia
Universitat de Barcelona
Distribució binomial:
E ( X ) x n ·
Var ( X ) x2 n · · (1 )
Distribució de Poisson:
x e
Funció de probabilitat: f ( x ) p( X x )
x!
e ix x
Funció de distribució: F ( x ) p( X x )
i 0 x!
E( X ) x
Var ( X ) x2
D( X ) x
Distribució normal:
1 x-
2
1 -
Funció de densitat: f(x) = e 2
2
1 x-
2
1 x -
Funció de distribució: F(x) = - e dx
2
2
x
Puntuació Tipificada z i
1 -
Z2
Funció de densitat: f(x) = e 2
2
1 z z2
- e 2 dz
-
Funció de distribució: F(x) =
2
TÈCNIQUES DE RECERCA
Facultat de Psicologia
Universitat de Barcelona
Distribució khi-quadrat:
1
x 2 / 2 e x ;x0
2
/2
Funció de densitat: f(x) = /2
2
1
x 2 / 2 e x / 2 dx
y
Funció de distribució: F(y) =
2
0 2 /2
/ 2
Distribució t de student:
1 / 2
1 t2
Funció de densitat: f(t) = 1 ;t
1 / 2, / 2
Funció de distribució:
1 1 2 2 x 4 x x 3 2
F(t) = cos cos 3 cos sen ; per 1 i imparell
2 3 3x5 x x 2
1
𝜃=
𝑡𝑔(𝑡/√𝜈)
Distribució F de Snedecor:
1 2 1
1 2 1
1
y 12 22 x2
Funció de distribució: F(y) = dx
0 1 2 x 2 1 2
, 1 2
2 2
TÈCNIQUES DE RECERCA
Facultat de Psicologia
Universitat de Barcelona
fi
pi
n
fi
Pi pi ·100 ·100
n
𝑛𝑚𝑜𝑑𝑎
𝑅𝑉 = 1 −
𝑛
𝑘
𝐷 = 1 − ∑ 𝑝𝑖2
𝑖=1
𝐷
𝐼𝑄𝑉 =
(𝑘 − 1)⁄𝑘
𝑝 𝑛/(𝑛 + 𝑚) 𝑛
𝑜𝑑𝑑𝑠 = = =
1−𝑝 1 − (𝑛/(𝑛 + 𝑚)) 𝑚
𝑁º 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠
𝑃=
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑠𝑢𝑏𝑗𝑒𝑐𝑡𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó 𝑒𝑥𝑎𝑚𝑖𝑛𝑎𝑑𝑎
Pk xi ( j i ) · ( xi 1 xi )
k (n 1)
on j
100
TÈCNIQUES DE RECERCA
Facultat de Psicologia
Universitat de Barcelona
i n iN
xi x i
x i 1
i 1
n N
𝑛
1
𝑀𝑖𝑡𝑗𝑎𝑛𝑎 𝑞𝑢𝑎𝑑𝑟à𝑡𝑖𝑐𝑎 → 𝑄 = ∑ 𝑥𝑖2
𝑛
𝑖=1
1
1 ∑𝑛𝑖=1
𝑥𝑖
𝑀𝑖𝑡𝑗𝑎𝑛𝑎 ℎ𝑎𝑟𝑚ò𝑛𝑖𝑐𝑎 → =
𝐻 𝑛
∑𝑛𝑖=1 log 𝑥𝑖
𝑀𝑖𝑡𝑗𝑎𝑛𝑎 𝑔𝑒𝑜𝑚è𝑡𝑟𝑖𝑐𝑎 → log 𝐺 =
𝑛
(𝑥𝑚𝑖𝑛 + 𝑥𝑚𝑎𝑥 )
𝑀𝑖𝑑𝑅 =
2
Q1 2 · Q2 Q3
Trimitjana
4
Q1 Q3
Mitjana de quartils Q
2
Indicadors de Dispersió:
Rang o Amplitud x s xi
IQR Q3 Q1
Amplitud SemiInterquartílica DQ
2 2
TÈCNIQUES DE RECERCA
Facultat de Psicologia
Universitat de Barcelona
𝑄3 − 𝑄1
𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑉𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑅𝑜𝑏𝑢𝑠𝑡𝑜 → 𝐶𝑉𝑅 =
𝑄3 + 𝑄1
i n
x
i 1
i x
Desviació Mitjana DM
n
i n iN
x i x
2
SQ x x i
2
SQ x
Variància S 2 i 1
Variància 2 i 1
n 1 n 1 N N
S
Coeficient de Variació ·100
x
Indicadors de Forma:
Simetría
i n
3 x i x / n
3
Coeficient de Fisher 1 3
i 1
S S3
𝑥̅ − 𝑀𝑜
𝑃𝑟𝑖𝑚𝑒𝑟 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑃𝑒𝑎𝑟𝑠𝑜𝑛 → 𝐴𝑠1 =
𝑆
3 (𝑥̅ − 𝑀𝑑)
𝑆𝑒𝑔𝑜𝑛 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑃𝑒𝑎𝑟𝑠𝑜𝑛 → 𝐴𝑠2 =
𝑆
𝑄3 + 𝑄1 − 2 · 𝑀𝑑
Í𝑛𝑑𝑒𝑥 𝑑𝑒 𝑌𝑢𝑙𝑒 → 𝐻1 =
2 · 𝑀𝑑
TÈCNIQUES DE RECERCA
Facultat de Psicologia
Universitat de Barcelona
𝑃10 + 𝑃90 − 2 · 𝑀𝑑
Í𝑛𝑑𝑒𝑥 𝑑𝑒 𝐾𝑒𝑙𝑙𝑦 → 𝐻3 =
2 · 𝑀𝑑
Kurtosi
i n
x x / n
4
4 i 1
i
Apuntament o kurtosi T2 4
3 3
S S4
Associació
fo ij fe ij 2
i k j l
2
o
i 1 j 1 fe ij
k2 n
Chuprov: T 2
j 1l 1
𝜒2
Phi de Pearson: 𝜙 = √ 𝑛
𝜒2
V de Cramer: 𝑉 = √𝑛 (𝑞−1) ; 𝑜𝑛 𝑞 = min(𝐼, 𝐽)
𝑓11 · 𝑓22
𝑂𝑅 =
𝑓12 · 𝑓21
𝑖=𝐼 𝑖=𝐼
𝜃1 − 𝜃2 𝑓𝑖𝑖
𝐾𝑎𝑝𝑝𝑎 → 𝑘 = ; 𝑜𝑛 𝜃1 = ∑ 𝑖 𝜃2 = ∑ 𝑝𝑖𝑚𝑡 𝑝𝑚𝑖𝑡
1 − 𝜃2 𝑛
𝑖=1 𝑖=1
TÈCNIQUES DE RECERCA
Facultat de Psicologia
Universitat de Barcelona
𝑎
𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡 =
𝑎+𝑐
𝑑
𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑡𝑎𝑡 =
𝑏+𝑑
Coeficient de Goodman-Kruskall
𝐶−𝐷
𝛾̂ =
𝐶+𝐷
Coeficient de Kendall
i n
x
i 1
i x · yi y
SPxy
COVARIÀNCI A S xy
n 1 n 1
xy
x y
S xy n
Correlació rxy
Sx · Sy
x 2
x 2
y 2
y 2
n n
Coeficient de determinació: r2
TÈCNIQUES DE RECERCA
Facultat de Psicologia
Universitat de Barcelona
6 ∑ 𝑑𝑖2
𝑟𝑠 = 1 −
(𝑛 + 1) 𝑛 (𝑛 − 1)
6 ∑ 𝑑𝑖2
𝑟𝑠 = 1 −
𝑛 (𝑛2 − 1)
6 ∑(𝑥𝑖 − 𝑦1 )2
𝑟𝑠 = 1 −
𝑛3 − 1
Biserial-puntual
𝑥̅𝑝 − 𝑥̅𝑞
𝑟𝑏𝑝 = √𝑝 · 𝑞
𝑠𝑥
Biserial
Coeficient fi
𝛼𝛿− 𝛽𝛾 𝑎𝑑− 𝑏𝑐
𝜑= ; 𝜑=
√𝑝 𝑞 𝑝′ 𝑞 ′ √(𝑎 + 𝑏) (𝑐 + 𝑑) (𝑎 + 𝑐) (𝑏 + 𝑑)
(𝑎 𝑑) − (𝑏 𝑐) 180º
𝑟𝑡 = √ ≅ cos
𝑛2 𝑦 𝑦 ′ 𝑎𝑑
1+ √
𝑏𝑐