Ensayo Memoria Y Olvido

FACULTAD DE PSICOLOGIA Y TRABAJO SOCIAL MODALIDAD A DISTANCIA

ENSAYO MEMORIA Y OLVIDO

CARRERA PROFESIONAL: PSICOLOGIA

ASIGNATURA: PROCESOS COGNITIVOS

CICLO: III

DOCENTE: CARLOS ALBERTO CARBAJAL LEON

ALUMNO: SARA SILVANA TIMOTEO MEJIA

CODIGO: 420093860

OPE: LIMA

SEMESTRE: 2013 -3

Introducción

El Análisis Factorial es un método matemático/estadístico de tratamiento de datos susceptibles de ser expresados numéricamente- cuya aplicación al estudio de los fenómenos psicológicos puede revestir singular importancia. No podemos obviar, en consecuencia, su descripción.

Prácticamente hasta los comienzos del siglo XX, el problema de las aptitudes había sido objeto de puras especulaciones; la observación e introspección -poco o nada sistematizadas, con frecuencia- han sido y siguen siendo incapaces de ofrecer una prueba científica de la existencia de las aptitudes. De este modo, no es de extrañar que muchas de las viejas teorías acerca de las facultades o aptitudes sean completamente falsas. La Psicología actual tiende, en cambio, a adoptar unos puntos de vista más operacionales o “behavioristas”, adquiriéndose cada vez mayor conciencia de que entidades mentales tales como las facultades, que ni pueden ser observadas directamente ni pueden ser verificadas ni controladas, resultan estériles para la construcción de una ciencia que pretenda ser científica. Hoy en día, por supuesto, se prefiere utilizar conceptos directamente derivados de actividades mensurables de los seres humanos.

Para averiguar experimentalmente cuáles son las características fundamentales de las funciones cognoscitivas, se dispone, desde principios del siglo XX, de dos nuevos instrumentos: el coeficiente de correlación y los “tests” mentales, y de un concepto empírico: el de “unidad funcional”.

El Análisis Factorial es una técnica que consiste en resumir la información contenida en una matriz de datos con V variables. Para ello se identifican un reducido número de factores F, siendo el número de factores menor que el número de variables. Los factores representan a las variables originales, con una pérdida mínima de información.

CAPÍTULO I

1. CONCEPTOS TEÓRICOS QUE FUNDAMENTAN LA TÉCNICA MULTIVARIADA DE ANÁLISIS FACTORIAL

Identificar las dimensiones subyacentes o contenidas en la medición de otras variables observadas de manera directa. Las dimensiones mencionadas, son factores o constructos que no pueden ser medidos por medio de una entidad mesurable simple. Por ejemplo: desde el siglo pasado se habla de la inteligencia; desde entonces se han desarrollado pruebas que pretenden medir el cociente intelectual, asunto respecto al que estamos acostumbrados; pero si nos preguntamos ¿qué es la inteligencia? se trata de una característica compleja la cual no puede ser observada o medida a partir de una sola observación sino que es necesario observar diferentes conductas (entidad mesurable simple) como destrezas verbales, matemáticas, espaciales, etc. las cuales en su conjunto y de acuerdo con una teoría definida, pueden conducir a una conclusión respecto a la inteligencia (constructo) del sujeto o sujetos observados.

Es una técnica estadística que se usa para identificar un relativo pequeño número de factores cada uno de los cuales puede ser usado para representar la relación entre un conjunto de varias variables interrelacionadas.

Supuestos que fundamentan la técnica.

• Las dimensiones subyacentes o factores pueden usarse para explicar fenómenos complejos. Como por ejemplo:

El método de análisis factorial “consiste en examinar y evaluar los factores que intervienen e influyen en la administración de un organismo social y que son:

1. Medio ambiente: conjunto de influencias externas que actúan sobre la operación de la empresa.

2. Política y dirección: orientación y manejo de la empresa mediante la dirección y vigilancia de sus actividades.

3. Productos y procesos: selección y diseño de los bienes que se han de producir y de los métodos usados en la fabricación de los mismos.

4. Financiamiento: manejo de los aspectos monetarios y crediticios.

5. Medios de producción: como inmuebles, equipo, maquinaria, herramienta e instalaciones de servicios.

6. Fuerza de trabajo: personal ocupado en la empresa.

7. Suministros: materias primas, materiales auxiliares y servicios.

8. Actividad productora: transformación de los materiales en productos que puedan comercializarse.

9. Mercado: orientación y manejo de la venta y la distribución de los productos.

10. Contabilidad y estadística: comprende el registro e información de los hechos y operaciones económicas y financieras de la empresa.

Principios:

El análisis factorial se debe realizar a partir del rendimiento y la productividad del conjunto de operaciones de la empresa. Los factores a evaluar pueden variar de acuerdo con el giro de la empresa. La objetividad del auditor es indispensable al evaluar cada factor. Es importante considerar el enfoque holísitico de las organizaciones en el sentido de que un factor influye en los resultados de otro.

• Las correlaciones que se observan entre las variables son el resultado del hecho que tales variables comparten los mismos factores.

VENTAJAS DE ANALISIS FACTORIAL

El análisis factorial como cualquier otra metodología tiene sus ventajas y limitantes. Entre las ventajas tenemos:

1. Sus principios son igualmente aplicables a todas las industrias y a todos los niveles industriales.

2. Al nivel de la empresa puede ser aplicado, después de alguna práctica, por miembros del cuerpo directivo.

3. Debido a su carácter sistemático es más factible que pueda ser aplicado a más problemas de productividad industrial que otros métodos.

4. Es muy útil para especialistas de institutos de investigación ya que puede acelerar el trabajo y facilitar el informe.

5. Permite una mayor colaboración de los que intervienen en las tareas para elevar la productividad debido al uso de cuadros y diagramas en la presentación del informe.

Limitaciones:

1. No revela necesariamente todas las fuerzas que afectan las actividades debido a que ha sido concebido como un método de diagnóstico general.

2. No es un procedimiento infalible ya que sólo es una herramienta para obtener información de manera racional y con esta formular juicios.

3. Es necesario el criterio del investigador ya que muchos aspectos de las operaciones industriales no pueden medirse ni compararse cuantitativamente.

4. Como toda metodología es factible de ser corregida, ampliada y mejorada.

CAPÍTULO II

2. MODELO MATEMÁTICO

El modelo matemático del AF supone que cada una de las p variables observadas es función de un número m factores comunes (m < p) más un factor específico o único. Tanto los factores comunes como los específicos no son observables y su determinación e interpretación es el resultado del AF.

Analíticamente, supondremos un total de p variables observables tipificadas y la existencia de m factores comunes. El modelo se define de la siguiente forma:

X1 = l11 F1 + l12 F2 + l1m Fm + e1

X2 = l21 F1 + l22 F2 + l2m Fm + e2

Xp = lp1 F1 + lp2 F2 + lpm Fm + ep que podemos expresar de forma matricial como: X = Lf + e donde: X es el vector de las variables originales.

“L” es la matriz factorial. Recoge las cargas factoriales ó (saturaciones). l es la correlación entre la variable j y el factor h.

“f” es el vector de factores comunes.

“e” es el vector de factores únicos.

Como tanto los factores comunes como los específicos son variables hipotéticas, supondremos, para simplificar el problema, que:

Los factores comunes son variables con media cero y varianza 1. Además se suponen incorrelacionados entre sí.

Los factores únicos son variables con media cero. Sus varianzas pueden ser distintas. Se supone que están incorrelacionados entre sí. De lo contrario la información contenida en ellos estaría en los factores comunes.

Los factores comunes y los factores únicos están incorrelacionados entre si Esta hipótesis nos permite realizar inferencias que permitan distinguir entre los factores comunes y los específicos.

Basándonos en el modelo y en las hipótesis formuladas, podemos demostrar que la varianza (información contenida en una variable) de cada variable se puede descomponer en: aquella parte de la variabilidad que viene explicada por una serie de factores comunes con el resto de variables que llamaremos comunalidad de la variable y la parte de la variabilidad que es propia a cada variable y que, por tanto, es no común con el resto de variables. A esta parte se le llama factor único o especificidad de la variable.

Var(xj ) = 1 = l 2j1 Var(F1 ) + l 2j2 Var(F2 ) + ... + l 2jm Var(Fm ) + Var(ej ) = l 2j1 + l 2j2 + l 2jm + Var(ej )

donde: 2j2 representa la proporción de varianza total de la variable Xj explicada por el factor h.

h 2j = l 2j1 + l 2j2 + ... + l 2jm es la comunidad de la variable Xj y representa la proporción de varianza que los distintos factores en su conjunto explican de la variable Xj. Es, por tanto, la parcela de esa variable que entra en contacto con el resto de variables. Varía entre 0 (los factores no explican nada de la variable) y 1 (los factores explican

...