Chong Ho Yu (2010) A simple guide to the Item Response Theory (IRT).

La calibracin del parmetro del item es independiente de la muestra. La estimacin de habilidad del sujeto es independiente del item.
No se puede juzgar la habilidad de una persona slo por el nmero de items contestados correctamente.

Item 1 Persona 1 Persona 2 Persona 3

Item 2

Item 3

Item 4

item 5

promedio

1 0 0

1 1 0

1 1 1

1 1 1

1 1 1

1 .8 .6

100% de habilidad

Persona 4
persona 5 promed io

0
0 .8

0
0 .6

0
0 .4

1
0 .2

1
1 0

.4
.2

Nivel de dificultad [difcil]

Cuando el sujeto tiene el .5 de probabilidad de contestar bien un item, el sujeto no tiene ventaja sobre el item y viceversa.

Parmetro B. Dificultad. Nos dice que tan fcil o difcil es el item. Punto en donde se tiene el .5 de probabilidad de acertar el item.

Parmetro C. Adivinacin. Qu tan probable es que el sujeto conteste correctamente por adivinacin.

 Parmetro A: Discriminacin. Nos dice que tan efectivamente discrimina, dada mayo o menor habilidad.

Item que discrimina

Item que no discrimina

?
Prob. De contestar correctamente

Entre se mueva ms hacia los polos extremos del parmetro del item, menos informacin se tiene.
El parmetro de dificultad y del item no se pueden estimar si todos los sujetos contestan correcta o incorrectamente al Item, ya que no se puede discriminar entre mayor o menor habilidad. La FII es el recproco de la precisin con que el parmetro es estimado. LaFIT es el parmetro de todos los FII del test.

Logit: los atributos del item y del sujeto pueden ser presentados en la misma escala. * Convertir los valores de dos mediciones en una escala comn, para poder compararlos.
Odd ratio: el rango promedio del nmero de eventos no deseados sobre el nmero de eventos deseados.
Persona : P/(1-P)

Item: (1-P)/P

Items que no miden el atributo: se identifican examinando los ndices de ajuste. Ajuste del modelo. Los residuales estandarizados son dependientes del tamao de la muestra. Cuando la muestra es grande, las diferencias pequeas entre los datos observados y los esperados pueden ser estadsticamente significativos.

Residuales estandarizados: Medida de ajuste del modelo Cuadrados medios: Medida del ajuste del tem