SciELO - Scientific Electronic Library Online

 
vol.30 issue1An explanatory model regarding the relationships between psychological traits and creativityEvaluation and follow-up of healthy aging and aging with mild cognitive impairment (MCI) through TAVEC author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Anales de Psicología

On-line version ISSN 1695-2294Print version ISSN 0212-9728

Abstract

BENDAYAN, Rebecca; ARNAU, Jaime; BLANCA, María J.  and  BONO, Roser. Comparación de los procedimientos de Fleishman y Ramberg et al. para generar datos no normales en estudios de simulación. Anal. Psicol. [online]. 2014, vol.30, n.1, pp.364-371. ISSN 1695-2294.  http://dx.doi.org/10.6018/analesps.30.1.135911.

Las técnicas de simulación deben posibilitar la generación adecuada de las distribuciones más frecuentes en la realidad como son las distribuciones no normales. Entre los procedimientos para la generación de datos no normales destacan el método de transformaciones lineales propuesto por Fleishman y el método basado en la generalización de la distribución lambda de Tukey propuesto por Ramberg et al. Este estudio compara los procedimientos en función del ajuste de las distribuciones generadas a sus respectivos modelos teóricos y del número de simulaciones necesarias para dicho ajuste. Con este objetivo se seleccionan, junto con la distribución normal, una serie de distribuciones no normales frecuentes en datos reales, y se analiza el ajuste según el grado de violación de la normalidad y del número de simulaciones realizadas. Los resultados muestran que ambos procedimientos de generación de datos tienen un comportamiento similar. A medida que aumenta el grado de contaminación de la distribución teórica hay que aumentar el número de simulaciones a realizar para asegurar un mayor ajuste a la generada. Los dos procedimientos son más precisos para generar distribuciones normales y no normales a partir de 7000 simulaciones aunque cuando el grado de contaminación es severo (con valores de asimetría y curtosis de 2 y 6, respectivamente), se recomienda aumentar el número de simulaciones a 15000.

Keywords : Simulación; Monte Carlo; generadores de datos; datos no normales; número de simulaciones.

        · abstract in English     · text in English     · English ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License