Teaching Methods & Materials > Mathematics">
Tema 1
Tema 1
Tema 1
Curso 2013/2014
Iniciamos este apartado recordando las palabras de Fridman, quien afirma que la Psicología puede
considerarse una ciencia cuando hace uso de los modelos en su investigación, es decir, cuando diseña,
investiga y modeliza los fenómenos y procesos mentales (Fridman, 1974; citado por San Luis y Sánchez-
Bruno, 1998).
1
1. Trabajar gradualmente en la selección de variables, establecimiento de relaciones, etc., que
posibiliten una plasmación operacionalizada y claramente estructurada de la realidad, cuya
misión es ayudar a la comprensión de los fenómenos de interés, en nuestro caso psicológicos.
2. La mejora de las técnicas de análisis, que permiten cumplimentar la determinación de los
parámetros de los modelos y cuantificar su grado de ajuste.
De las muchas clasificaciones que se pueden realizar de modelos matemáticos, nos acogemos a una
distinción muy habitual que diferencia entre los modelos matemáticos deterministas y los modelos
matemáticos estocásticos.
Un ejemplo de modelo determinista sería la ley de Weber, quien estudió el hecho de que para resultar
perceptible un cambio en la intensidad de ciertos estímulos, el incremento que deben experimentar
estos es tanto mayor cuanto mayor sea su intensidad (encender de noche las luces de un coche, por
ejemplo, produce una sensación luminosa más fuerte que al encenderlas de día):
La expresión anterior indica que el incremento de estimulación, E, necesario para que resulte
perceptible, es proporcional al nivel de estimulación E.
Un ejemplo de modelo estocástico sería aquel en el que queremos estudiar el funcionamiento del
rendimiento y sólo disponemos de la variable motivación como explicativa. Sabiendo que hay otras que
afectan rendimiento, sólo podemos plantear el siguiente modelo:
Y = bX + , con b > 0
2
La distinción entre modelos estocásticos y deterministas es muchas veces puramente académica,
siendo frecuente que un modelo estocástico evolucione con el tiempo, debido al mayor conocimiento de
los fenómenos, hacia un modelo estocástico bien definido y dé lugar a un modelo determinista.
Los modelos que a nosotros nos interesan son los modelos estocásticos, en cuya base o generación
hay un sustrato teórico. Hay que dejar claro que los otros modelos, sin base teórica, no son
despreciables, antes bien, todo lo contrario, ya que son los que se corresponden con las fases iniciales de
la investigación, intuitivas y creativas, donde el investigador observa con curiosidad inquisitiva la
realidad y va estructurando y analizando los datos, para forjar una primera tentativa teórica que le
permita el desarrollo del primer modelo formalizado, muy genérico y poco específico, cuya utilidad está
en deducir unas primeras hipótesis amplias y de cuya verificación inicial se deriven los anclajes que
motiven la articulación de un plan de trabajo completo que se convierte ya en el proceso de investigación
estructurado.
3. Generación de modelos
Una característica importante de un modelo matemático de uso en Psicología es que incluya pocos
parámetros, ya que, además de suponer una aplicación del principio de parsimonia, aumenta su poder
explicativo. Al mismo tiempo, estos parámetros deben ser interpretables desde un punto de vista
psicológico (Sarris, 1971; citado por Cañadas, 1999). Estas dos restricciones son las más importantes
desde nuestra perspectiva y quizás las que, toda vez que sean asumidas, permiten reestructurar y
sustantivar el amplio conjunto de modelos del que hoy se habla en Psicología.
Para Ríos (1995), la construcción de un modelo matemático sigue varias etapas (Figura 1):
3
Figura 1.- Proceso de generación de un modelo matemático según Ríos (1995)
2. Ajuste de alguna función matemática a los datos empíricos a fin de que el modelo, ya
matemático, pueda aplicarse a problemas similares1. En esta fase juega un papel importante la
metodología estadística, pero también la creatividad del investigador, la cual normalmente se basa en un
conocimiento profundo del comportamiento del sistema real, adquirido en las fases anteriores de la
investigación.
3. Aplicar un proceso deductivo y obtener consecuencias del modelo con la finalidad de predecir
nuevas relaciones empíricas, no contenidas en los datos originales, que permitan poner a prueba el
modelo, fase que se denomina validación. La validación consiste en asegurarse de que el modelo es
correcto y aproxima la realidad suficientemente para la finalidad prevista, para lo cual es necesario
contrastar los resultados obtenidos mediante deducción con observaciones reales.
4. En función de las decisiones tomadas en la fase de validación, el modelo deberá ser mejorado o
podrá aplicarse a la predicción y a la toma de decisiones. En cualquier caso, aun cuando un modelo
funcione correctamente en determinadas condiciones, eventualmente aparecerán mejoras en los
instrumentos de medida o nuevas áreas de posible aplicación que obligarán a iniciar todo el proceso
nuevamente. En palabras de Bunge (1972), “la formación de cada modelo comienza por
simplificaciones, pero la sucesión histórica de los modelos es un progreso en complejidad”.
1
El paso del modelo empírico al modelo matemático implica la estimación de los parámetros, que no son otra cosa que
el valor de las constantes que representan, bien sean las características reales de la Naturaleza en el caso determinista,
bien los valores que deben incluirse para lograr el ajuste de unos datos concretos en el caso estocástico. En cualquiera
de los dos, como señala San Luis (1995), no debe confundirse el término parámetro con la combinación matemática de
los valores poblacionales de una o varias variables.
4
1.4. El modelo lineal general
Un modelo lineal puede definirse –simplificando– como aquél que trata de explicar una variable (el
comportamiento en nuestro caso) como resultado de la suma de una serie de factores que incrementan (o
disminuyen) proporcionalmente el valor de la salida (el comportamiento estudiado) (Ruiz, 2010)
Así, el modelo lineal general es un tipo de modelo estocástico que se representa matemáticamente
de la siguiente forma:
y= b0+ b1 X1 + b2 X2 +….+bk Xk +
donde:
b0, b1, b2,…, bk son los parámetros de la recta, pesos o coeficientes de cada variable
Todos los modelos que se basan en el lineal general poseen características fundamentadas en los
siguientes dos principios: linealidad de la relación de las variables y aditividad de los coeficientes
estimados, es decir, que el efecto de cada variable independiente es añadido a la explicación de la
variable criterio.
El Análisis de Datos juega un papel esencial tanto en la generación de modelos como en la validación de
los mismos (Sánchez Bruno, 1998). La aplicación de las técnicas de Análisis de Datos es fundamental en
el momento o fase de conceptualización, es decir, en el momento de pasar del modelo empírico al
matemático, donde resultan básicas tanto para la determinación del modelo como para el ajuste de sus
5
parámetros. La otra fase donde el Análisis de Datos cobra gran relevancia es en el momento de la
validación de su capacidad predictiva, siendo en este momento las técnicas de contraste de hipótesis las
relevantes.
Dentro de este contexto, habrá que recurrir al uso de distintas herramientas que permitan analizar
la información que recabemos de la realidad. Dependiendo del número de variables que compongan esa
realidad y sometidas a estudio, hablaremos de análisis univariable, bivariable o multivariable. El análisis
multivariable lo definiremos como el conjunto de técnicas estadísticas que de forma simultánea explican
y predicen todas las relaciones existentes entre los elementos que conforman una tabla de variables,
proporcionando resultados que deben ser interpretados minuciosamente por el analista de datos.
Bibliografía básica:
Ramírez, G.M., Hess, S. y Hernández, J.A. (1999). Modelo Lineal de Regresión. Tenerife: Resma.
(Capítulo I: “La modelización desde el análisis de datos” y Capítulo II: “Relación lineal entre dos
variables”).
San Luís, C. y Sánchez Bruno, J.A. (1998). Simulación y modelos en Psicología. Tenerife: Consejería de
Educación, Cultura y Deportes. (Capítulo I: “Modelos).