Reparto de Apuntes y Lecturas

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 6

MEDICIÓN

1. Medición sin tests. DANI


a) Introducción a la Psicometría.
b) Escalamiento (medición sin tests).
2. Teoría Clásica de los Tests: conceptos fundamentales y fiabilidad. Extensiones. DANI
a) Construcción de tests y análisis de ítems.
b) Modelo clásico y Fiabilidad.
3. Teoría de la Respuesta al Ítem: conceptos, modelos fundamentales y estimación.
a) Modelos dicotómicos y politómicos.
b) Comprobación de supuestos: unidimensionalidad e independencia local.
c) Estimación de parámetros y ajuste.
d) Función de información.
e) Tests adaptativos informatizados.
4. Validez y fuentes de evidencia.
a) Concepto y tipos de validez.
b) Evidencias relativas al contenido.
c) Evidencias basadas en los procesos de respuesta.
d) Evidencias basadas en las relaciones con otras variables. DIF.
5. Análisis Factorial Exploratorio.
a) Conceptos fundamentales.
b) Decisiones a tomar en un AFE Estimación
c) Retención de factores
d) Rotación
6. Análisis Factorial Confirmatorio.
a) Conceptos fundamentales
b) Estimación y ajuste
7. Interpretación de puntuaciones.
a) Tests referidos a normas (Baremos).
b) Tests referidos al criterio.

RESÚMENES DE LECTURAS
DISEÑOS DE INVESTIGACIÓN AVANZADOS

1. Introducción y revisión de conceptos básicos sobre metodología de investigación.


DANI
1.1. Etapas de una investigación.
1.2. Metodología experimental versus no experimental.
1.3. Fiabilidad y validez.
1.4. El informe de investigación.
1.5. Aspectos éticos de la investigación.
2. Problemas actuales en la generación y transmisión del conocimiento científico.
2.1. El proceso de creación y transmisión en la ciencia.
2.2. Problemas actuales.
3. Revisión de los diseños experimentales. DANI
3.1. La lógica de la investigación experimental y su relación con el análisis de datos.
3.2. Diseños unifactoriales.
3.3. Diseños unifactoriales con sujetos distintos.
3.4. Diseños unifactoriales con los mismos sujetos.
4. Diseños experimentales factoriales.
4.1. La interacción en los diseños factoriales.
4.2. Diseños factoriales mixtos.
4.3. Diseños de parcela dividida (split-plot).
5. Diseños factoriales jerárquicos.
5.1. Los conceptos de jerarquía y anidamiento.
5.2. Diseño jerárquico B(A).
5.3. Otros diseños jerárquicos.
6. Diseños de investigación en estudios de simulación.
6.1. Diseños factoriales 2k.
6.2. Diseños factoriales fraccionados 2k-p.
6.3. Diseños de superficie de respuesta.
7. Revisión de los diseños cuasi-experimentales y no experimentales.
7.1. Diseños cuasi-experimentales.
7.2. Diseños no experimentales.
7.3. Ámbitos de aplicación en las ciencias del comportamiento y de la salud.
8. Diseños de ensayo clínico.
8.1. Diseños de ensayo clínico controlados y no aleatorizados.
8.2. Diseños de ensayo clínico controlados y aleatorizados.
8.3. Diseños de ensayo clínico comparativos.
8.4. Ámbitos de aplicación en las ciencias del comportamiento y de la salud.
9. Estudios de diario
9.1. Diseños basados en el tiempo (time based designs).
9.2. Diseños de tiempo fijo (fixed time schedules designs).
9.3. Diseños de tiempo variable (variable time schedule designs).
9.4. Diseños basados en eventos (event based designs).
9.5. Ámbitos de aplicación en las ciencias del comportamiento y de la salud.
10. Diseños multi-nivel.
10.1. El enfoque cualitativo en el estudio de las estructuras jearquicas.
10.2. Los enfoques cuantitativos (directos e indirectos) en el estudio de las estructuras
jerárquicas.
10.3. El concepto de emergencia multi-nivel (multilevel emergence).
10.4. Ámbitos de aplicación en las ciencias del comportamiento y de la salud.
11. Diseños para el estudio de modelos de mediación y moderación.
11.1. El concepto de mediación.
11.2. El concepto de moderación.
11.3. Especificidades de los diseños de investigacion que contemplen relaciones de
mediación y moderación.
11.4. Ámbitos de aplicación en las ciencias del comportamiento y de la salud.
12. Diseños emergentes.
12.1. Diseños mixtos cualitativo/cuantitativo.
12.2. Diseños de investigación típicos de los enfoques de análisis de redes sociales (social
network analysis).
12.3. Otros diseños emergentes en las ciencias del comportamiento y de la salud.

RESÚMENES DE LECTURAS
ANÁLISIS DE DATOS Y MODELOS ESTADÍSTICOS (APUNTES + COMPLETAR CON EL
MANUAL CON EL CAPÍTULO CORRESPONDIENTE)

1. INTRODUCCIÓN AL ANÁLISIS DE DATOS. DANI


Qué es el análisis de datos. Para qué sirve el análisis de datos. Estadística descriptiva,
exploratoria e inferencial. Escalas de medida y tipos de variables. Programas informáticos
para el análisis de datos.

2. REPASO DE CONCEPTOS BÁSICOS (I): ESTADÍSTICA DESCRIPTIVA. DANI


Análisis descriptivo de variables categóricas. Análisis descriptivo de variables cuantitativas.
Análisis exploratorio.

3. REPASO DE CONCEPTOS BÁSICOS (II): ESTADÍSTICA INFERENCIAL. DANI


Introducción a la inferencia estadística. Muestreo. Estimación de parámetros: estimación
puntual, estimación por intervalos. El contraste de hipótesis. Errores tipo I y II. Potencia de
un contraste. Tamaño del efecto.

4. INFERENCIA CON UNA VARIABLE.


Contraste sobre una proporción. Contraste sobre bondad de ajuste. Contrastes sobre el
centro de una distribución (prueba T de Student, prueba de Wilcoxon, prueba de los signos).
Contrastes sobre la forma de una distribución (pureba de Kolmogorov-Smirnov).

5. INFERENCIA CON DOS VARIABLES CATEGÓRICAS.


Para compararlas: prueba de McNemar. Para relacionarlas: prueba X2 de Pearson, índices de
riesgo, medidas de asociación. Índices de acuerdo. Relación entre variables ordinales.

6. INFERENCIA CON DOS VARIABLES CUANTITATIVAS.


Para compararlas: prueba T de Student para muestras relacionadas, prueba de Wilcoxon,
prueba de los signos. Para relacionarlas: coeficientes de correlación (Pearson, Spearman,
Kendall). Estimaciones del tamaño del efecto.

7. INFERENCIA CON UNA VARIABLE CATEGÓRICA Y UNA CUANTITATIVA.


Prueba T de Student para muestras independientes. Prueba U de Mann-Whitney.
Estimaciones del tamaño del efecto. Contrastes de equivalencia y no inferioridad.

8. ANOVA I. UN FACTOR.
El modelo lineal general. Introducción al análisis de varianza: modelos de ANOVA, lógica del
ANOVA. ANOVA de un factor. Supuestos del modelo. Comparaciones planeadas o a priori.
Comparaciones post hoc o a posteriori.

9. ANOVA II. DOS O MÁS FACTORES.


La interacción entre factores. Análisis de varianza de dos factores. Efectos principales,
efectos simples, efectos de interacción. Comparaciones post hoc o a posteriori.

10. ANOVA III. MEDIDAS REPETIDAS.


Características de los diseños de medidas repetidas. Modelo de un factor. Modelo de dos
factores con medidas repetidas en uno. Modelo de dos factores con medidas repetidas en
ambos.
11. ANÁLISIS DE REGRESIÓN LINEAL.
La recta de regresión. Bondad de ajuste. Análisis de regresión lineal simple. Análisis de
regresión lineal múltiple. Supuestos del modelo de regresión lineal. Análisis de regresión por
pasos. Variables independientes categóricas. Análisis de covarianza.
MODELOS DE PROCESOS COGNITIVOS

TEMA 1: MODELADO I. Fases en la construcción de un modelo. Estimación y modelado.


Evaluación de un modelo. Ajuste, complejidad y generalizabilidad. Comparación y elección
de modelos.

TEMA 2: FUNCIONES. Conceptos generales. Funciones elementales. Operaciones con


funciones. Inversa de una función.

TEMA 3: LA DERIVADA. Definición. Interpretación. Operaciones y derivadas. Regla de la


cadena. Estudio de funciones.

TEMA 4: LA INTEGRAL. Integral indefinida. Integral definida. Función integral. Integrales


impropias.

TEMA 5: MODELADO II. Definición de modelo estadístico. Fases en la construcción de un


modelo. Estimación de parámetros. Evaluación de modelos, índices de ajuste. Selección de
modelos, índices de comparación. Revisión de un modelo.

PARTE II

TEMA 6: TEORÍA DE LA ELECCIÓN. Introducción a la elección. Modelo clásico. Teoría de la


elección de Luce. Comparación de ambos modelos. Aplicaciones de la Regla de Luce en
otros contextos.

TEMA 7: TEORÍA DE LA DETECCIÓN DE SEÑALES. Introducción. Conceptos fundamentales.


Supuesto fundamentales. Conceptos de d' y λ. Modelo de distribuciones normales con igual
varianza. Curva COR y curva de Isocriterio. Curva COR y el modelo de distribuciones
normales.

TEMA 8: MODELOS EN ÁRBOL. Introducción. Estructura general. Propiedades. Identificación


y reparametrización. El proceso de selección de modelos de árbol.

RESÚMENES DE LECTURAS

También podría gustarte

pFad - Phonifier reborn

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


Alternative Proxies:

Alternative Proxy

pFad Proxy

pFad v3 Proxy

pFad v4 Proxy