DIAGNOSTICA PSICOLOGICA
lezione
!
Paola Magnano [email protected]
si basano su tre elementi:
sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme di stimoli; insieme di item)
sistema numerico: tipologia di misurazione che è possibile applicare al sistema empirico
regola che consente il passaggio dall’uno all’altro
le scale di misura
sistema empirico: suddivisione in categorie distinte e mutualmente escludentesi (es. sesso; categoria professionale)
sistema numerico: attribuire numeri uguali agli elementi della stessa categoria e numeri diversi agli elementi appartenenti a categorie diverse
regola: i numeri sono denominazioni delle categorie
scala nominale
es.: uomini/donne promosso/bocciato
sistema empirico: gli elementi componenti godono della stessa caratteristica ma in quantità o in grado diverso, ordinabile rispetto a tale grado
sistema numerico: indica la posizione reciproca degli elementi; i numeri indicano una graduatoria tra le quantità di caratteristica presenti
regola: ad uno stesso numero è associata una stessa quantità di caratteristica
scala ordinale
es.: spesso, raramente, mai i livelli di istruzione
i gradi di ritardo mentale
scala ad intervalli equivalenti
sistema empirico: è possibile stabilire un’unità di misura
sistema numerico: è possibile stabilire l’entità delle differenze di intensità della caratteristica
regola: i numeri esprimono intervalli equivalenti tra le posizioni
es.: punteggi ai test
scala a rapporti
sistema empirico: è possibile stabilire un’unità di misura e un elemento di intensità nulla
sistema numerico: è possibile compiere tutte le operazioni e applicare regole di trasformazione e di uguaglianza
regola: i numeri esprimono intervalli equivalenti tra le posizioni
es.: misura del peso, età, lunghezza tempi di reazione
CONCETTI STATISTICI DI
BASE
popolazione e campione
popolazione: è l’insieme dei componenti cui l’indagine del ricercatore è rivolta
campione: è un sottoinsieme della popolazione, composto da un numero inferiore (n) di unità
distribuzione delle variabili
cont inue : possono assumere un numero tendenzialmente infinito di valori (es. altezza, temperatura)
discrete: possono assumere soltanto un certo numero di valori (es. n. di risposte corrette) !
anche se la variabile è continua, attraverso gli strumenti di misura possiamo averne solo valori discreti (es. ansia)
distribuzione delle
variabili continue
valori
distribuzione delle
variabili discrete
0
10
20
30
40
50
60
70
80
90
100
1 2 3 4 5 6 7
indicatori di tendenza centrale
moda: il valore che occorre con la maggior frequenza in un insieme di dati di una variabile
mediana: è il valore che divide in due parti uguali la distribuzione di frequenza di una variabile, cioè il valore al di sopra e al di sotto del quale deve essere contenuto il 50% delle frequenza
media: è il valore medio di tutte le osservazioni raccolte di una certa variabile
indicatori di dispersione sono basati sul concetto di scostamento dalla media
varianza: è un indicatore globale di quanto i singoli punteggi si disperdono rispetto al valore medio della distribuzione
deviazione standard: è la radice quadrata della varianza
un esempio
a)❩ 1, 1, 1, 2, 3, 8, 8, 8, 8
b)❩ 1, 1, 2, 2, 3, 4, 5, 6, 8
Σ=32; X= 3,55; s2x=10
Σ=32; X= 3,55; s2x=24
distribuzione normale curva a campana o Gaussiana
molte variabili psicologiche presentano una distribuzione normale o approssimativamente normale
per rendere confrontabil i tra di loro le distribuzioni normali (che potrebbero avere media e variabi l i tà diversa) si trasformano in distribuzione normale standardizzata
punti standard: i punti z
cost i tu iscono la p iù semp l ice moda l i tà d i standardizzazione dei punteggi grezzi
i punteggi grezzi si trasformano in base al punteggio medio e alla variabilità del campione di cui il soggetto fa parte
il punto z adatta il punteggio grezzo su una scala standard che ha media 0 e deviazione standard 1
z = (xi - X)/s
punteggio grezzo del soggetto media del gruppo
di riferimento
deviazione standard del gruppo di
riferimento
punteggio grezzo del soggetto ad un test di lettura = 25 media del gruppo di riferimento = 45 deviazione standard = 8
ALTO O BASSO???
z = (25 - 45) / 8 = -2.5
E
N of Cases 144
Minimum 57,000
Maximum 104,000
Median 78,000
Arithmetic Mean 77,563
Standard Deviation 8,544
Skewness 0,069
Kurtosis 0,150
M 77,56
DS 8,54
77.56 86,169.0260.48 94.64
Minimo= 57
Massimo= 104
0 1-1-2 2
indicatori della forma di una distribuzione asimmetria (skewness) e curtosi (kurtosis)
variano tra più e meno infinito (±∞)
quando assumono valore = 0 indicano una forma della distribuzione normale
ci dice quanto la curva è sbilanciata a destra o a sinistra, quindi quanto le
frequenze dei punteggi alti o bassi sono più elevate di quanto non
dovrebbero essere se la distribuzione fosse normale
ci dice quanto i punteggi siano concentrati in un punto
particolare della distribuzione oppure quanto essi siano
uniformi, sempre rispetto alla distribuzione normale
consideriamo una variabile ‘normale’ quando presenta simmetria e curtosi comprese tra +1 e -1
normale
leptocurtica
platicurtica
asimmetrica
IE_TOT
N of Cases 486
Minimum 58,000
Maximum 149,000
Median 112,000
Arithmetic Mean 112,119
Standard Deviation 12,214
Skewness -0,222
Kurtosis 0,997
correlazione si occupa della relazione tra due variabili
indica quanto l’andamento dei punteggi di una variabile sia collegato all’andamento dei punteggi di un’altra variabile
quindi ci dice quanto le variabili ‘co-varino’
coefficiente r di Pearson o di correlazione: si applica quando le variabili sono misurate su scale ad intervalli e coglie relazioni di tipo lineare
esempio di relazione
non lineare
regressione spiega la relazione tra due variabili in termini
di previsione
un metodo di stima del valore atteso condizionato di una variabile dipendente, dati i valori di altre variabili indipendenti
misurando una variabile posso prevedere o stimare la misura dell’altra