14 / Prefacio

Psicologia. Está diseñado para que el alumno tenga algún sitio donde recurrir
cuando, terminada la clase y ya con la tranquilidad con la que aborda su trabajo
personal, pueda repasar a su ritmo los conceptos explicados en clase. Cada concepto
se explica con palabras antes que con fórmulas, y luego se ilustra con ejemplos. En
esta linea, hemos realizado una cuidadosa labor de selección en las demostraciones.
Por un lado, no nos hemos sentido obligados a demostrar todo lo que decimos, pues
no es éste un libro de estadistica teórica, sino aplicada. Hay autores que han hecho
Conceptos generales
exposiciones más formales, y seguramente mejor de lo que lo haríamos nosotros. Sin
embargo, tampoco queremos transmitir al alumno la impresión de que las cosas se
dicen por decir y sin el debido rigor, y por ello hemos incluido un conjunto de
demostraciones que nos parecen irrenunciables. Además, la total ausencia de demos-
traciones fomentaria la pereza mental en un sentido muy importante para la forma-
ción de una mentalidad científica.
Este libro es el fruto de una larga experiencia docente en la Facultad de Psicolo-
gia de la Universidad Autónoma de Madrid. Esa experiencia se ha enriquecido
notablemente en la interacción con los demás profesores del área de metodologia.
Por ello queremos agradecer aquí las sugerencias y el apoyo que hemos recibido de
nuestros queridos compañeros, y especialmente de Ludgerio Espinosa, Hilda Gám-
bara y Andrés Palacios, profesores que comparten la dura tarea de impartir esta
materia a los alumnos recién llegados a la Facultad. Y es a estos últimos, a los
alumnos que han pasado por nuestras aulas durante estos años, a los que queremos
dedicar este libro.

Madrid, noviembre de 1992

JUAN BOTELLA
ORi=i';Li0 G. LEÓN
RAFAEL SAN MARTÍN

Introduccion
Conceptos generales

131 Las variables clasificacion y

Estadistica e informatica
Problemas y ejercicios
1 51 Soluciones
 1.1. Introducción
Aun siendo la estadística una ciencia extremadamente técnica y sofisticada, el
término tiene también un sentido vulgar. Para mucha gente la palabra estadistica
evoca esas tablas de datos y esas gráflcas que de vez en cuando aparecen en
periódicos, en revistas, o en los anuarios, para comunicar unos datos económicos,
electorales, demográficos o de otro tipo. Aunque estos resúmenes de grandes canti-
dades de datos son, desde luego, el resultado de aplicar técnicas estadísticas, el
campo de esta ciencia es bastante más amplio de lo que en esos ejemplos se sugiere.
La estadística actual no sólo es un conjunto de técnicas para resumir y transmitir
información cuantitativa, sino que sirve también, y fundamentalmente, para hacer
inferencias, generalizaciones y extrapolaciones de un conjunto relativamente peque-
ño de datos a un conjunto mayor. Una de las aplicaciones más importantes de estas
técnicas es en la actualidad el propio trabajo de adquisición de conocimiento
mediante la investigación científica, a la que ha proporcionado unos poderosos
l instrumentos para el análisis de datos y la toma de decisiones.
Veamos algunos ejemplos de aplicaciones, a los que nos iremos refiriendo más
adelante. En nuestro ejemplo 1 imaginaremos que la empresa ABC nos encarga un
estudio de las características de personalidad de su plantilla de mandos intermedios,
con vistas a promocionar a dos de ellos a un puesto de mayor responsabilidad. Les
administramos varios tests y cuestionarios y medimos diversos rasgos de personali-
dad, entre ellos el grado en que exhiben lo que se denomina patrón A de comporta-
miento. Se llama patrón A de comportamiento a un conjunto de comportamientos
caracterizados por la prisa, la presión y el estrés, típicos de ejecutivos. En un estudio
hecho sobre este patrón Friedman y Rosenman (1974) encontraron que los sujetos
que exhibieron este patrón tienen una mayor probabilidad de padecer prematura-
mente enfermedades coronarias. Al terminar la corrección de esas pruebas contamos
con un conjunto de números a partir de los cuales describiremos las personalidades
de los miembros de esa plantilla.
_ Para el ejemplo 2 nos hemos inspirado en los trabajos de Meichenbaum sobre
inoculación de estrés. La forma de vida de nuestros días fomenta el padecimiento de
Situaciones de estrés, que el psicólogo norteamericano Lazarus definió en términos
de evaluaciones que hace el individuo en el sentido de que sus recursos personales
no son suficientes para dar respuesta a las demandas generadas por un evento
 Conceptos generales / 19
1 8 / Análisis de datos en psicología I

particular. Nuestro estilo de vida hace más probable que nos encontremos en esas
situaciones. Los psicólogos consideran que hay dos formas de abordar el problema,
no excluyentes entre sí: cambiar la forma de vida y el medio, o aprender a convivir
con esas situaciones de una forma más adaptativa, es decir, consiguiendo que tengan
menos efectos. En esta segunda via se enmarca la técnica de la inoculación de estrés.
Muestra
Supongamos que decidimos hacer un experimento para estudiar la efectividad de › ' " ' f:=:=:=:=:=:=ziE5:E212:Ea122Eã1E=E=ì=š=E=:rìr:=:=1=' ' ` "
esta técnica. Para ello seleccionamos a 40 sujetos y los dividimos al azar en dos
grupos de 20. A los 40 les evaluamos su nivel de estrés, pero luego sólo a uno de los
grupos les entrenamos en la técnica de inoculación de estrés. Les recomendamos
aplicar lo aprendido a su vida cotidiana y, pasados seis meses, volvemos a evaluar el
nivel de estres de los 40 individuos. Si esta técnica es realmente útil esperamos
encontrar un menor nivel de estrés en los que la han utilizado (grupo experimental)
que en los que no lo han hecho (grupo control). Sin embargo, creemos que hay otras
variables que pueden incidir en los resultados. En concreto, el nivel cultural y la
inteligencia pueden influir en el grado de comprensión tanto de la lógica de la
técnica como de su forma de aplicación. Para poder tenerlo en cuenta, al comienzo Figura 1.1.-En el ejemplo del sondeo se extrae una muestra representativa de 3.000 individuos para
hacer inferencias sobre la intención de voto de la población. g
del estudio les pasamos el test de Weschler de inteligencia y les pregimtamos por su
nivel de estudios (ninguno, primarios, secundarios o universitarios). Al final nos
encontramos con un conjunto de puntuaciones de cada uno de los 40 sujetos, a
partir de las cuales deseamos extraer conclusiones acerca de la eficacia de la técnica En todos estos ejemplos, el desarrollo del trabajo llega a un punto en el que es
de inoculación de estrés y de los efectos moduladores que puedan tener el nivel necesario trabajar con un conjimto relativamente grande de números con los que
cultural y la inteligencia sobre esa eñcacia. describir aquello que estamos estudiando. Además, en algunos de estos estudios
En el ejemplo 3 nuestro interés se centra en el estudio del procesamiento de también llega un punto en el que surge la necesidad, o el deseo, de extraer conclusio-
información en tareas simples, para lo cual se ha utilizado tradicionalmente como nes, a partir de las observaciones hechas, acerca de individuos que no han participa-
medida el tiempo de reacción. Supongamos que queremos conocer el tiempo que do en el estudio o de observaciones potenciales que no se han hecho. La estadística
necesita un sujeto concreto para responder en la tarea «tipo c» de Donders. En este proporciona los medios técnicos para realizar estas tareas.
tipo de tareas se presenta al sujeto en cada ensayo uno de dos posibles estímulos. Se Estas dos grandes funciones de la estadística (descripción y realización de infe-
rencias) reflejan la propia historia del desarrollo de esta ciencia. La estadistica actual
le instruye para responder presionando un botón tan rápido como pueda si el
es el producto del encuentro y mutua fecundación de dos ramas distintas del saber,
estimulo presentado es uno de ellos, mientras que si el estímulo presentado es el otro
la antigua estadística y el cálculo de probabilidades, que se encontraron en el
no debe dar respuesta alguna. No en todos los ensayos el sujeto tarda lo mismo.
Hay una cierta variabilidad en las distintas ejecuciones de la tarea. Para hacernos siglo XIX. Etimológicamente, la palabra estadistica procede de la palabra estado. Ya
en la antigüedad los romanos y los egipcios hicieron intentos por tener un conoci-
una idea global de cómo la realiza nuestro sujeto decidimos administrarle 30 en-
miento preciso del número de sus habitantes y de sus posesiones, es decir, por
sayos de esta tarea. Al final disponemos de 30 datos, cada uno representando el
conocer el estado de sus naciones (de ahi la raíz del término). Para ello hicieron
tiempo invertido por el sujeto en uno de los ensayos. A continuación nos plantea-
recolecciones de datos que posteriormente tenían que resumir de una forma com-
mos la tarea de describir cómo realiza el sujeto ese tipo de tareas a partir de esos
datos. P1'¢11SiVa y que permitiera proporcionar informaciones útiles.
Sin embargo, las conclusiones extraídas se agotaban en el propio conjunto de
En el ejemplo 4 de lo que se trata es de hacer un sondeo acerca del resultado de
datos observados, pues el objetivo consistía en hacerse una idea clara de lo que
un referéndum que se celebrará próximamente en España. Lo más exacto seria
preguntarles a todos y cada uno de los españoles por su intención de voto, pero por habia, Y 10 que habia se contaba y medía. Lo que posibilitó el cálculo de probabili-
razones económicas esto no sería sensato. Decidimos, en consecuencia, seleccionar dadCS fue, precisamente, el desarrollo de un conjunto de métodos para extrapolar las
Conclusiones a entidades no observadas. Es decir, proporcionó el instrumento ade-
un grupo de 3.000 españoles de todas las comunidades autónomas y edades, y les cuado para poder hacer inferencias acerca de grandes cantidades de observaciones
consultamos su intención de voto. Nos encontrarnos con un número de respuestas
Potenciales a partir de unas pocas observaciones reales. Estas técnicas tuvieron su
SÍ y otro de respuestas NO. A partir de estos datos trataremos de hacernos una idea
fundamento en el desarrollo de la curva normal por Gauss, en su aplicación por
de cuál podría ser el resultado en el referéndum (Fig. 1.1).

íg
20 / Análisis de daros en psicología l Conceptos generales / 21

Galton a los problemas de herencia, etc. Sin embargo, los auténticos fundadores de es el estado de opinión del conjunto de los habitantes de la ciudad. En este caso se
estas técnicas fueron Karl Pearson (1857-1936) y Ronald Fisher (1890-1962) (sobre la trata de hacer inferencias acerca de toda una ciudad a partir de los datos observados
historia de la estadistica en psicologia, véase Cowles, 1989; Walker, 1975). en unos pocos de sus habitantes; se trata, por tanto, de un estudio inferencial. De la
Clásicamente la estadística se ha dividido en dos partes, la estadistica descriptiva misma forma, podemos decir que nuestro ejemplo sobre el patrón A es descriptivo,
y la estadística inferencial. Estas dos partes reflejan, como ya hemos dicho, las dos mientras que los ejemplos sobre la inoculación de estrés, el tiempo de reacción y el
grandes épocas de su historia, pero también pueden reflejar la profundidad de los sondeo de opinión, son inferenciales.
análisis que se realizan 0, incluso, las fases de un estudio, puesto que para hacer un Una última idea que merece la pena destacar en esta introducción es la distin-
estudio inferencial primero hay que hacer un estudio descriptivo de los datos. Es ción entre estadística teórica y estadística aplicada. La primera se dedica al estudio
decir, un estudio descriptivo se agota en la descripción, mientras que uno inferencial de los métodos formalmente válidos para la realización de inferencias. La segunda se
comienza por la descripción y luego aborda la inferencia. dedica a la aplicación de esos métodos y modelos de actuación a campos reales.
Mientras que la estadistica descriptiva puede abordarse sin conocimientos técni- Según Kruskall (1974), «... estadistica aplicada, al menos en principio, es la aplica-
cos previos, aparte del álgebra elemental, para el estudio de la estadística inferencial ción documentada de métodos que han sido teóricamente investigados, es decir, el
es imprescindible adquirir unas nociones básicas de probabilidad. Por ello es fre- salto real después de estudiar la teoria del salto» (pág. 390).
cuente encontrar que los libros de estadistica aplicada están organizados en, al De los modelos y métodos que proporciona la estadística teórica y las técnicas
menos, esos tres bloques. En este libro nosotros nos ocupamos de los dos primeros, concretas y usos que desarrolla la estadística aplicada, no todos son utilizados en la
y dejamos la estadística inferencial para otras obras (San Martín y Pardo, 1989). misma medida por las distintas ciencias. Por ello, a veces, para referirse al conjunto
Podemos dar la siguiente definición de la estadística, en la que aparecen algunos de técnicas más utilizadas en cada una se utilizan nombres tales como bioestadística,
términos de los que no hemos dado todavía una definición precisa, aunque ello no psicoestadistica o socioestadística. Algunos autores han propuesto para los conteni-
impedirá entender su significado. dos de la estadística aplicada otros términos, entre los que destaca el de análisis de
datos (Tukey, 1962), cuyo uso va extendiéndose cada vez más en los nuevos planes
de estudio de las Facultades de Psicología, y que da nombre a este libro.
Estadística es la ciencia que se ocupa de la ordenación y análisis de datos
procedentes de muestras, y de la realización de inferencias acerca de las
poblaciones de las que éstas proceden. 1.2. Conceptos generales
-A

Cualquier trabajo en el que se aplica la estadística se refiere a un conjunto de

Podemos decir que el sentido vulgar del término estadistica, que exponíamos al entidades, conocido con el nombre de población, aunque en la práctica a veces el
comenzar esta sección, corresponde más o menos a la estadistica descriptiva, mien- trabajo se desarrolle utilizando sólo una parte de ese conjunto; podemos dar la
tras que ese otro conjunto de técnicas más sofisticadas y desconocidas de la estadis- siguiente definición:
tica, y que se utilizan para extraer conclusiones de poblaciones a partir de la
observación de unos pocos casos, son las que integran la estadistica inferencial. Por
tanto, un trabajo en el que se aplica la estadística podría clasificarse como exclusiva- Se llama población estadística al conjunto de todos los elementos que cumplen
mente descriptivo o como inferencial (puesto que, como ya hemos dicho, la inferen- una o varias caracteristicas o propiedades. e 1
cia incluye la descripción). Si, por ejemplo, nos interesa conocer la opinión de los
vecinos de nuestro bloque acerca de una serie de cuestiones que afectan a la
convivencia, podemos pasarles una encuesta. Con los datos recogidos podremos _ A los elementos que componen una población se les denomina entidades estadis-
calcular promedios, porcentajes, etc., y con estos resiunenes numéricos podremos ticas o individuos. Pueden ser personas, animales, objetos o, simplemente, números.
transmitir la información contenida en esos datos brutos utilizando los formatos En nuestro ejemplo sobre el patrón A son las personas que integran la plantilla de
compactos y de gran calidad informativa que nos proporciona la estadística descrip- mandos intermedios de la empresa ABC; en el ejemplo de la inoculación de estrés
tiva. Sin embargo, el estudio se agota en esos mismos datos; es, por tanto, un estudio S0n_toda la especie humana; en el ejemplo del tiempo de reacción serian todas las
descriptivo. Si, por el contrario, queremos hacernos una idea de las opiniones de los fefllllaciones de la tarea tipo c que potencialmente puede realizar nuestro sujeto
habitantes de nuestra ciudad sobre esas mismas cuestiones, no podremos preguntar- °XP€r1mental; en el ejemplo del sondeo son todos los españoles en edad de votar.
les a todos. Probablemente utilizaríamos la estrategia de seleccionar un grupo de Dfipendiendo del número de elementos que la compongan, la población puede
vecinos, pasarles la encuesta, y a partir de sus resultados hacernos una idea de cuál SCI ƒïnita o infinita. Los niños que estudian EGB en la ciudad de Madrid, los niños
 22 / Análisis de datos en psicología I
Conceptos generales / 23
invidentes españoles, las empresas del ramo de la construcción de la comunidad de
Madrid, o las poblaciones de nuestros ejemplos sobre el patrón A, la inoculación de d¡Sp0nemos a preguntar a los primeros 100 que pasen por aquel punto. Si por una
estrés y el sondeo, son casos de poblaciones finitas, puesto que en ellas los elementos casualidad nos hemos situado cerca de un polideportivo donde se practica el balon-
se podrían contar, obteniendo un número finito. El número de lanzamientos posibles cesto, al cual suelen dedicarse individuos altos, los datos que recogeremos no serán
de un dado, el conjunto de los números pares, o la población de nuestro ejemplo ¡epresentativos Si lo que intentamos es hacernos una idea de cuál puede ser la
sobre tiempo de reacción, son casos de poblaciones infinitas, puesto que teórica- estatura media de los españoles a partir de la estatura media de los integrantes de
mente no tienen un límite, y por muchas observaciones que realicemos siempre ¢5a muestra, nuestras conclusiones no serán correctas.
podríamos recolectar alguna más. Existe todo un campo de la estadística, llamado muestreo, dedicado a estudiar
La mayor parte de las poblaciones con las que solemos trabajar son finitas, pero procedimientos de extracción de muestras encaminados a maximizar la representati-
tan numerosas que a la hora de hacer inferencias acerca de ellas se pueden considerar vidad de las mismas. Sólo un adecuado muestreo asegurará la representatividad de
infinitas a efectos prácticos (en este caso estarían la poblaciones de nuestros ejemplos la muestra. Aunque no vamos a detenernos en ello, puesto que hay excelentes obras
sobre inoculación de estrés y sobre intención de voto). En la estadistica hay procedi- especificas sobre el muestreo (Azorín y Sánchez-Crespo, 1986), vamos a poner un
mientos de cálculo que varian dependiendo de que la población sea ñnita o infmita, ejemplo con el que ilustrar su función. Supongamos que queremos hacernos una
pero a medida que se va incrementando el tamaño de las poblaciones finitas el uso idea de cómo de positiva o negativa es la actitud de los estudiantes de psicología de
de uno u otro procedimiento resulta indiferente, puesto que dan resultados cada vez la UAM hacia la universidad española. Dado que se trata de una población de 2.000
más parecidos. En consecuencia, la mayor parte de las veces nosotros trabajaremos individuos, decidimos extraer una muestra de 100 de ellos para hacer la consulta,
con poblaciones infmitas, ya porque lo sean de verdad, ya porque su tamaño sea tan con la intención de generalizar luego los resultados a los demás. Por razones de
grande que tomarlas por tales no afecta prácticamente a los resultados. accesibilidad, o incluso como consecuencia de un sorteo, decidimos tomar a los del
Cuando un investigador aborda un trabajo empírico debe definir claramente la aula 10, que resultan ser alumnos de primero. Si tomamos las opiniones de los de
población sobre la cual se interesa. La población ha de ser el marco o conjunto de primero como base para hacernos una idea de la opinión de nuestra población
referencia sobre el cual van a recaer las conclusiones e interpretaciones, y éstas no probablemente cometeremos graves errores. Los alumnos de primero suelen llegar
pueden exceder ese marco. con una idea a priori relativamente positiva, en los siguientes cursos se van desen-
El hecho de que las poblaciones sean, por lo general, muy numerosas, suele hacer cantando, y sólo al final de la carrera recuperan un poco la opinión positiva, y
inaccesible la descripción de sus propiedades. De ahí que se trabaje fundamental- piensan que la universidad no es tan mala después de todo. Es decir, la opinión no es
mente con muestras. independiente del curso. Para evitar este problema podriamos adoptar la siguiente
solución. Si el número de alumnos de cada curso es, respectivamente, 700, 400, 300,
300 y 300, podríamos formar la muestra a partir de unas cantidades de individuos de
cada curso proporcionales a su tamaño. Por ejemplo, tomando al azar 35 de
I Una muestra es un subconjunto de los elementos de una población. I primero, 20 de segundo y 15 de cada uno de los tres cursos restantes, tendríamos
una muestra de 100 alumnos en cuya composición se ha tenido en cuenta la
influencia del curso en la actitud hacia la universidad. Las conclusiones que extrai-
La muestra nos va a ofrecer una serie de datos que podemos ordenar, simplificar gamos de esa muestra acerca de la población de estudiantes de psicología de la
y describir. Pero el objetivo fundamental es el de poder describir la población de UAM serán probablemente más oerteras que las extraídas a partir de una muestra
partida mediante lo que podamos encontrar en la muestra. Siguiendo con nuestros Compuesta sólo por alurfmos de primero.
ejemplos, podemos decir que lo que nos interesa no es la eficacia de la técnica de Aunque el objetivo más importante de toda investigación suele ser la extracción
inoculación de estrés en los 20 individuos concretos seleccionados para el grupo de conclusiones acerca de la población a partir de la información contenida en la
experimental de nuestro estudio, ni la forma de responder en los 30 ensayos de muestra observada, es claro que ese objetivo sólo se alcanzará plenamente en la
tiempo de reacción aplicados, ni la opinión de los 3.000 encuestados acerca de la ¡pedida en que esa información se aproveche correctamente y en todas sus posibi-
pregunta del referéndum. Lo que nos interesa realmente es extraer conclusiones lldades. Por ello un primer objetivo de la estadística descriptiva consiste en con-
generales acerca de la eficacia general dela técnica, la forma general de responder en Íffguir resúmenes de los datos en índices compactos y de gran calidad informa-
la tarea, y la intención de voto de toda la población. Y para poder extraer esas iva.
conclusiones lo más importante es que las muestras de observaciones sean represen- PRS poblaciones pueden caracterizarse a partir de unas constantes denominadas
tativas. Veámoslo con otro ejemplo. Supongamos que queremos estudiar la estatura Parámetros. Como normalmente los parámetros son desconocidos, una de las tareas
de los españoles, y para ello nos situamos en una calle de nuestra ciudad y nos de le estadística es la de hacer conjeturas lo más acertadas posibles acerca de esas
Cantidades. Para ello se utilizan cantidades análogas obtenidas en las muestras, que
 Conceptos genera/es / 25
24 / Análisis de datos en psicología I

mientras que los estadísticos se suelen simbolizar por letras latinas (X, S, P, etc.).
se denominan estadísticos. Por tanto, podemos establecer las siguientes definició-
En la primera fase de una investigación se obtienen los estadísticos, y en la
nes:
Segunda se utilizan los valores obtenidos para hacer inferencias acerca de los
parámetros.
Cuando estudiamos las entidades que conforman una población nos interesamos
Un parámetro es una propiedad descriptiva de una población. por alguna de las propiedades de sus elementos, y esas propiedades adoptan distin-
Un estadístico es una propiedad descriptiva de una muestra. tas variedades (Amón, 1984):

Por ejemplo, el estrés medio de los seres humanos o el tiempo medio que invertiría
Una característica es una propiedad o cualidad de un individuo.
nuestro sujeto en todas sus hipotéticas realizaciones de la tarea c, son ejemplos de
Una modalidad es cada una de las maneras como se presenta una caracteristica.
parámetros. Como estas cantidades son desconocidas, normalmente hacemos conjetu-
ras sobre ellas a partir de cantidades similares obtenidas en las muestras. Así, es casi
seguro que el estrés medio de los 40 individuos de nuestra muestra antes de aplicar el Si trabajamos con la población española, sus elementos tienen las características
tratamiento no es idéntico al de la población, pero si la muestra utilizada es realmente sexo (que adopta dos modalidades: varón y hembra), estado civil (soltero, casado,
representativa probablemente la media poblacional, o parámetro, no diliera mucho de viudo...), estatura (cada una de las estaturas diferentes que adoptan los españoles),
la media muestral, o estadístico. inteligencia (cada uno de los posibles valores diferentes que adoptarian los españoles
Los parámetros y estadísticos no sólo son medias, sino que pueden ser otros en inteligencia, según el instrumento que utilicemos para evaluarla), etc.
tipos de cantidades, como porcentajes. Ejemplo de ello es nuestro sondeo, en el Por supuesto, la psicología se centra en aquellas características que son propias
que el porcentaje de individuos de la población con intención de votar SÍ se de su objeto de estudio, como la inteligencia, la memoria, la personalidad, etc. En el
considera un parámetro. Veamos otro ejemplo tomado de la psicología. Suponga- primero de nuestros ejemplos nos interesábamos por un rasgo de personalidad, en el
mos que un investigador está estudiando la eficacia de un método terapéutico en la segundo por el nivel de estrés, en el tercero por el tiempo de reacción invertido, y en
rehabilitación de enfermos alcohólicos. Ante la imposibilidad material y la dificultad el cuarto por la intención de voto. Cada una de estas características puede mostrar
económica que supone utilizar para la experiencia a todos los enfermos alcohólicos, distintas modalidades (grado en que se tiene el patrón A, nivel de estrés, distintas
decide tomar 100 individuos que vienen a su consulta a lo largo de un mes. Esta cantidades de tiempo y opciones de voto).
muestra es una muestra representativa de la población de alcohólicos. Utiliza el
método con cada uno de los 100 enfermos y tras el seguimiento correspondiente
observa que no reinciden 60. Esto significa que se ha rehabilitado el 60 por 100 de 1.3. Medición
los alcohólicos. El valor 60 es un estadístico. Si al cabo de algún tiempo desea
replicar la experiencia y toma otra muestra de alcohólicos y se recuperan 58,
tendremos el mismo estadístico en otra muestra. Repitiendo sucesivamente la expe- La estadística no realiza sus funciones directamente sobre las modalidades obser-
vadas, sino que éstas se representan por números, y la estadística realiza sus funcio-
riencia con muestras de 100 sujetos alcohólicos, se encontrará con distintos porcen-
tajes. Ninguno de ellos puede considerarse con seguridad el verdadero porcentaje de nes sobre esos números.
los que se rehabilitarían en la población con el método en cuestión, pero cada uno
de ellos puede utilizarse para hacer conjeturas acerca de ese verdadero porcentaje o
parámetro. Y Se llama medición al proceso de atribuir números a las características. I
En la práctica no será preciso estar repitiendo el experimento; bastará con
obtener una única muestra y, por tanto, a partir de ella tratar de estimar el La asignación de números a las características se hace siguiendo unas reglas; del
parámetro. Para ello es fundamental que la muestra sea representativa de la pobla- estudio de los modelos mediante los cuales conocemos las reglas para una correcta
ción y que el estadístico calculado reúna la información necesaria y suficiente para atribución de los números se ocupa la Teoría de la Medida.
que a partir de él podamos decir algo acerca de la verdadera eficacia del tratamien- Ya hemos visto que las caracteristicas permiten calificar a los individuos. Algu-
to, el verdadero porcentaje de los que se rehabilitarían con ese nuevo método, es nos de ellos adoptan la misma modalidad de una característica, mientras que otros
decir, el parámetro. adoptan modalidades diferentes. De algunas caracteristicas incluso podemos decir
Desde un punto de vista simbólico conviene indicar, para distinguirlos apropia- (ll-le unos individuos la exhiben en mayor medida que otros. Es decir, a partir de una
damente, que los parámetros se suelen representar por letras griegas (pt, fr, rc, etc.),
 Conceptos generales / 27
26 / Ana'/¡sis de datos en psicología I

caracteristica se puede establecer un sistema relacional empírico (empírico, porque se asignación de números a los objetos de tal forma que se cumplan las siguientes
refiere a entidades y relaciones reales). Igualmente, el sistema numérico está formado condiciones:
por un conjunto de entidades (números) y unas relaciones entre ellos. Es decir, que
se trata de un sistema relacional numérico. Pues bien, el objetivo de la medición de Si n(o¡) = n(o,-), entonces m(o¡) = m(o¡)
una caracteristica es conectar un sistema relacional empírico y un sistema relacional
Si n(o,) 72 n(o¡), entonces m(o¿) ¢ m(o¡)
numérico, de tal forma que las relaciones entre las entidades se reflejen en las
relaciones entre los números que los siinbolizan. Sólo si se consigue este objetivo
ocurrirá que de las relaciones entre los números podrán hacerse inferencias válidas Al sencillo tipo de medición que cumple estas condiciones se le llama escalamien-
acerca de las relaciones entre las entidades. Esta puesta en relación es lo que Stevens to cualitativo o nominal, y al conjunto de clases que la integran se le llama escala
(1949) llamaba schemapiric union. Por ejemplo, las modalidades que adopta la nominal.
variable estatura son tales que se podria decir que una determinada modalidad es En realidad no haria falta asignar números a las clases formadas; podrían
una estatura superior a otra determinada modalidad. Pues bien, los números que se utilizarse otros símbolos, como letras, palabras, etc., puesto que los números asigna-
atribuyan a esas modalidades en el proceso de medición deben reflejar esa superiori- dos no se van a utilizar como tales, sino como simples códigos de identificación.
dad. Por el contrario, lo único que podemos decir al comparar las modalidades de Veamos algunos ejemplos de escalas nominales. Un ejemplo muy sencillo que suele
dos individuos en la variable sexo es si esas modalidades son la misma o no; no tiene utilizarse para ilustrar este tipo de escalas es el sexo. Ésta es una característica con la
sentido decir que una de las modalidades supone tener más sexo que la otra. Los que podemos diferenciar a las personas. Podríamos tomar una muestra representati-
números asignados a esas modalidades deben reflejar simplemente ese hecho diferen- va y clasificar a sus elementos según esta caracteristica, que adopta sólo dos modali-
cial, y de la comparación de los números no podrá deducirse conclusión alguna dades, asignando el valor 1 a los varones y el valor 0 a las hembras. Tras realizar esa
distinta a la de que esos individuos tienen o no el mismo sexo. Es habitual asignar operación tendremos a los elementos de la muestra clasificados en dos clases de
los valores 0 y 1 a las modalidades de variables como el sexo, pero en ningún caso equivalencia, una por cada modalidad, que son mutuamente exclusivas (ninguno de
un 1 representa una superioridad sobre un 0. los elementos es incluido simultáneamente en más de una clase) y exhaustivas (todos
Así pues, la medición estudia las condicipnesde construcció_11_d€_Ifipresentaciones los elementos han sido asignados a alguna de las clases utilizadas). Ahora podemos
numéricas, y los modelos desarrollados para la medi0_iÓl1_se_llì111&I1_escalas. Aunque utilizar los números utilizados para extraer informaciones como las siguientes: todo
éste no es el sitio para entrar en profundidad en el complejo campo della medición par de individuos a los que se les ha asignado el mismo número tienen el mismo
(para una exposición más detallada y técnica puede consultarse la obra de Jáfiez, sexo, y todo par de individuos a los que se ha asignado distinto número tienen
1989), vamos a exponer las características fundamentales del sistema de clasificación distinto sexo. Tal y como hemos dicho antes, podriamos no haber utilizado núme-
de escalas propuesto por Stevens (l946; véase también el libro de Stevens de 1975), y ros, sino otros simbolos, como letras (oi y li) o palabras («varón››, «mujer››). Otros
que es todavia la clasiñcación más utilizada: escalas nominales, ordinales, cuantitati- ejemplos de características que se miden a nivel nominal son los diagnósticos
vas de intervalo y cuantitativas de razón. psicopatológicos (neurosis, psicosis, psicopatias, etc.), el estado civil (soltero, casado,
El cientifico se centra en aquellas características que considera relevantes para su viudo, etc.), la comunidad autónoma donde han nacido los miembros de una mues-
trabajo de investigación, y a ellas aplica un esquema de clasificación, sin el cual no tra de españoles (Andalucía, Aragón, etc.), el tipo de sangre de los seres humanos (A,
podría realizar su trabajo de registrar, ordenar y comunicar lo observado. En su B, AB o 0), o la asignatura preferida por los estudiantes de COU de un instituto
forma más simple y primitiva, un esquema no es más que una regla que permite determinado (matemáticas, biología, etc.). La clave de estas escalas de medida es que
organizar las observaciones en clases de equivalencia, de manera que las observacio- sólo informan de la igualdad o desigualdad de los individuos en una caracteristica,
nes que son incluidas en la misma clase son consideradas como cualitativamente pero no de posibles ordenaciones, puesto que la característica a la que se refieren no
iguales, y las que son incluidas en clases diferentes son consideradas como cualitati- se tiene en mayor o menor medida, sino que simplemente adopta formas cualitativa-
mente distintas. No puede decirse que las hembras tengan «más sexo» que los
vamente diferentes. Se utiliza una clase por cada una de las modalidades que adopta
varones, que los <<neuróticos›› tengan más psicopatología que los psicópatas, que los
la característica que se está estudiando. Las clases son mutuamente exclusivas y
castellanos tengan más comunidad de origen que los madrileños, ni tiene sentido
exhaustivas, es decir, cada observación es incluida en una y sólo una clase. Suponga-
sacar conclusiones comparativas de las asignaturas a partir de los códigos con los
mos que tenemos un conjunto de objetos (ol, 02, ..., 0,), que tienen una característica
cuyo estudio nos interesa. Esa característica adopta un número k de modalidades que se representan en los impresos de matrícula.
distintas; representamos por m(o,) a la modalidad del objeto 0,. Asignamos números Un concepto íntimamente ligado al concepto de escala, y que de hecho las
caracteriza, es el de transformación admisible, que hace referencia al problema de la
a los objetos en función de la modalidad que presentan en esa caracteristica;
representamos por n(o,) al número asignado al objeto 0,. Establecemos una regla de unicidad de la medida. La cuestión de la unicidad puede plantearse de la siguiente
 I'
v

28 / Análisis de datos en psicología l Conceptos genera/es / 29 l

forma: ¿es la representación numérica que hemos construido la única posible? En allá de las escalas nominales. Al igual que en estas últimas, de dos objetos con el
general la respuesta será negativa. Más bien serán muchas las representaciones mismo número asignado podemos concluir que presentan la misma modalidad (en
alternativas que serian correctas, por cumplir las condiciones exigidas en la escala este caso tienen la misma cantidad de esa propiedad), pero de dos objetos a los que
correspondiente. De un conjunto de valores correctamente atribuidos se puede pasar se han asignado números diferentes no sólo puede decirse que son diferentes en esa
a otro también correctamente atribuido mediante una transformación admisible. En caracteristica, sino que pueden establecerse relaciones del tipo «mayor que» o
otras palabras, se dice que una transformación de los números asignados en una «menor que››; puede decirse cuál de esos objetos presenta una mayor magnitud de
escala es una transformación admisible si preserva las caracteristicas que definen a esa caracteristica. Dicho de otro modo, los objetos pueden ordenarse, y de ahi el
esa escala, es decir, si los números transformados también representan al sistema nombre de la escala.
empírico. Por ejemplo, ¿podríamos utilizar los códigos 5 y 3 para representar a los Un ejemplo tradicionalmente utilizado para ilustrar este tipo de escalas es
dos sexos en lugar de los valores 1 y 0? Efectivamente, podriamos haber utilizado la medición de la dureza de los minerales. Supongamos que tomamos cuatro
esos códigos para hacer la medición, y también podemos ahora transformar los minerales (01, 02, 03 y 04) y tratamos de rayar unos con otros, haciendo todas
«unos›› y «ceros›› asignados utilizando la siguiente regla: «sustituir todo 1 por un 3 y las combinaciones posibles. Cuando un mineral raya a otro se dice que el primero
todo 0 por un 5». Esta transformación de los valores originales es una transformación es más duro que el segundo. Dos minerales con distinta dureza no sólo son di-
admisible porque los valores obtenidos mediante su aplicación siguen cumpliendo las ferentes en esa caracteristica, sino que se puede decir que la poseen en distinta
condiciones especificadas anteriormente para toda escala nominal. En términos más magnitud. El proceso de medición, o asignación de números, debe ser tal que
técnicos diríamos que en una escala nominal son admisibles todas las transformacio- refleje esas distintas magnitudes. Supongamos que 03 ha rayado a todos los demás,
nes que supongan aplicaciones inyectivas. Como veremos, el conjunto de transforma- mientras que 0, ha rayado a 02 y 04, y por último 04 ha rayado a oz. La ordenación
ciones admisibles determina el tipo de escala o grado de unicidad de la medida. de los objetos según su dureza sería la siguiente: 03, 0,, 04, 02. Pues bien, en
Debemos advertir que algunos autores consideran que las escalas nominales no una escala ordinal los números asignados deben respetar esa ordenación. Por
son casos de auténtica medición, puesto que consideran que para que haya medición ejemplo, podríamos hacer la siguiente asignación: n(o3) = 4, n(o1) = 3, n(o,,) =
la característica con la que se está trabajando debe existir en alguna medida, y las = 2 y n(o2) = 1. La comunicación de esta información permite al receptor extraer
modalidades que adopte no son más que las diferentes magnitudes con las que se conclusiones del tipo «el objeto 3 tiene una mayor dureza que el objeto 4» o
presenta esa característica. En los tres tipos de escala que vamos a ver a continua- «el objeto 2 tiene una menor dureza que el objeto 3».
ción se da esta circunstancia, de forma que los números asignados a las diferentes En psicología son muchas las características cuya medición se considera que está a l
l
modalidades no sólo van a reflejar similaridades o diferencias, sino que van a nivel ordinal, pues son muchos los casos en los que lo único que puede decirse es que l

permitir concluir acerca de las magnitudes relativas con las que se presenta la un individuo es más extravertido que otro, que un niño es más hiperactivo que otro, o
característica. que el aprendizaje es más rápido con el método A que con el método B. Igualmente, si
Supongamos que contamos de nuevo con un conjunto de objetos (ol, 02, ..., on) tomamos las calificaciones como un índice de los conocimientos de un estudiante,
que difieren en una característica que cada uno posee en una cierta cantidad [c(o1), entonces lo único que podemos decir de un estudiante con sobresaliente es que tiene
c(o2), ..., c(o,,)]. De nuevo el proceso de medición debe consistir en la aplicación de mejores conocimientos que otro con notable, y éste que otro con suficiente.
una regla de asignación de números a las diferentes cantidades, pero ahora de tal Apliquemos de nuevo el concepto de transformación admisible a este tipo de
forma que los números asignados a los objetos [n(o,), n(o2), ..., n(o,,)] reflejen esos escalas. Como el lector habrá ya anticipado, no todas las transformaciones que eran
distintos grados en los que se presenta la caracteristica. De esta forma, los números admisibles en las escalas nominales lo son para las escalas ordinales. Es indiscutible
asignados nos permitirán extraer conclusiones acerca delas magnitudes. Sin embargo, que en lugar de la asignación propuesta para los metales podriamos haber utilizado
a veces lo único que esos números nos permiten inferir son relaciones del tipo «mayor muchas otras, como por ejemplo el cuarteto de valores n(o3) = 8, n(o1) = 6,
que» o «menor que». En concreto, a veces la escala con la que estamos trabajando "(04) = 4, n(02) = 2 o el cuarteto n(o3) = 35, n(o,) = 24, n(o4) = 23, n(o2) = 5. En
cumple sólo las dos siguientes condiciones, para todo par de objetos 0,. y oj: cambio, no hubiera sido correcto el cuarteto n(o3) = 7, n(o1) = 5, n(o,,) = 9, n(o2) = ›

,= 8» Puesto que no respeta las condiciones mencionadas anteriormente. Pues bien, al

Si n(o,) = n(o¡), entonces c(o,) = c(o¡) Igual que en las escalas nominales, las ordinales tienen unas transformaciones admi-
i
S1b1¢S, que lógicamente serán todas aquellas que preserven las características de la
Si n(o,) > n(o¡), entonces c(o,) > c(o¡) escala ordinal. Se puede demostrar que esto ocurre con todas aquellas transforma-
A aquellas escalas de medida que cumplen estas caracteristicas se les llama Clones que cumplan con la condición de ser transformaciones crecientes. Suponga- i

escalas ordinales. También se dice que se está haciendo una medición a nivel ordinal. FOS que hacemos una transformación de los números asignados en la medición, de
Obsérvese que las condiciones mencionadas anteriormente implican un paso más Ofmâ que el número original de cada objeto n(o,) es sustituido por su transformado
30 / Análisis de datos en psicología l Conceptos generales / 31

t[n(0,)]. Pues bien, se dice que la transformación es creciente si para todo par de ES decir, que si la diferencia entre los números asignados a dos objetos es igual a la
objetos 0,- y 0J., se cumple la siguiente condición: ¿¡f¢¡-encia entre los números asignados a otros dos, entonces también son iguales
¡as diferencias en magnitudes entre estos dos pares. Y, por el contrario, una mayor
Si n(0,.) > n(o¡), entonces t[n(0,)] > t[n(0¡)] diferencia entre los numeros asignados implica una mayor diferencia entre las
magnitudes representadas.
Por ejemplo, podríamos tomar los valores asignados en nuestro ejemplo de la El ejemplo clásico de este tipo de escalas es el de las temperaturas. Para construir
dureza de metales y hacer la transformación t, = n(0,)- 5 + 8. En cambio, las ja gscala centígrada se enfría el agua hasta la temperatura de congelación, y se pone
transformaciones t, = n(0,)~(-5) o t, = 1/n(0,) no serían admisibles, porque los un cero en la altura que alcanza la columna de mercurio. Después se calienta el agua
valores obtenidos con estas transformaciones no respetarían las reglas de esta escala hasta el punto de ebullición, y donde se encuentre la altura de la columna de
de medida. La limitación de las escalas ordinales es que aunque nos informa de que mercurio se marca un cien. Posterionnente se divide el espacio entre esas dos marcas
un objeto presenta la característica en cuestión en una mayor magnitud que otro en cien partes iguales, a las que se llaman grados centígrados. Si utilizamos este
objeto, no nos dice en cuánto más. Para poder extraer conclusiones más precisas, instrumento para medir la temperatura de los objetos, podemos extraer conclusiones
como la de en cuánto más presenta la característica un objeto sobre otro, hay que como las siguientes: «si los objetos o, y 02 están a 25 y 20 grados, respectivamente, y
contar con una unidad de medida, y para ello hay que pasar al siguiente tipo de los objetos 03 y 04 están a 17 y 12 grados, respectivamente, podemos decir que la
escala. Un ejemplo de este tipo de escalas en ciencias sociales podria ser el del nivel diferencia de temperaturas entre los objetos 0, y 02 es igual a la diferencia de
cultural en nuestro estudio sobre la inoculación de estrés. Supongamos que asigriamos temperaturas entre los objetos 03 y 04. Por otra parte, si los objetos 05 y 06 están a
a los sujetos los siguientes valores: 1 si no tiene estudios; 2 si son primarios; 3 para 10 y 7 grados, respectivamente, entonces podemos decir que la diferencia entre los
secundarios, y 4 para estudios universitarios. Estos números pueden utilizarse, con dos primeros pares es mayor que la diferencia entre este último par. En las escalas
cierto margen de error, para hacer inferencias del tipo «igual que» o «mayor que». ordinales no podíamos hacer este tipo de afirmaciones acerca de las diferencias de
Supongamos ahora una escala en la que además de las dos condiciones expresadas magnitudes.
para las escalas ordinales se cumple una tercera, según la cual para cualquier objeto 0, La condición para que una transformación de los números asignados en una
escala de intervalos sea una transformación admisible es que esa transformación sea
n(0¡) = a + b-c(0,), siendo b sé 0 del tipo a + b-n(0,), siendo b > 0. Si en la condición añadida para este tipo de
escalas se decía que los números asignados deben ser transformaciones lineales de
las magnitudes reales, entonces son admisibles las transformaciones que sean tam-
A este tipo de escala se le llama escala de intervalo. La tercera condición añadida
bién lineales, puesto que una transforniación lineal hecha sobre otra transformación
alas exigidas para una escala ordinal impone que el número asignado al objeto 0,, y lineal también representa una transformación lineal sobre las magnitudes iniciales.
que representamos por n(0,), sea una función lineal de la magnitud real que ese Por tanto, también preservan las condiciones de la escala. Las transformaciones
objeto presenta en la caracteristica en cuestión.* La clave que encierra esta tercera admisibles para las escalas de intervalo no significan más que un cambio en la
condición, y que supone una mejora sustancial con respecto a las escalas ordinales,
unidad de medida y en el origen asignado a la escala, valores ambos arbitrarias en
es que se cuenta con una unidad de medida, sin importar que tanto esta unidad de ese tipo de escalas. La constante multiplicada, b, ha de ser positiva, porque en caso
medida como el origen de la escala sean arbitrarios. Lo cierto es que si se cumple de ser negativa conduciria a una ordenación inversa, violando la condición de que la
esta tercera condición podemos extraer consecuencias acerca de la igualdad o transformación sea creciente, y en caso de ser nula conduciria a una constante.
desigualdad de diferencias. Es decir, que para todo cuarteto de objetos, 0,, 0,., 0,, 0,,
La principal liniitación de este tipo de escalas es que, aunque cuenta con una
se cumplen las siguientes condiciones: Unidad de medida, no tiene un cero absoluto. Es decir, el número cero no representa
realmente la ausencia de esa característica. En el caso de la temperatura es claro que
Si n(0i) _ n(0¡) = "(0i¢) _ "(01), el Valor cero no significa temperatura nula, puesto que pueden observarse tempera-
entonces c(0,) - c(0¡) = c(0,,) - c(0,) tl_1fHS inferiores. Un ejemplo de transformación admisible de esta escala es su traduc-
°10I1 H grados farenheit. Esta transformación se hace con la fórmula
Y si ›«<«›:› - nio,-› > n<<›..› - nio.)
entonces c(o¿) - c(o¡) > c(0,,) - c(0,.) °F = (9/si “C + 32
* Aunque en el capítulo 10 abordaremos más en profundidad las funciones lineales, recordaremos que Pfirtenece al tipo indicado de las funciones lineales. En la escala centígrada cada
aqui al lector que una función lineal es aquella que adopta la fonna Y = A + B- X, siendo B sé 0. grado es igual a nueve quintos de un grado farenheit (la unidad de medida es
32 / Análisis de datos en psicología I
Conceptos generales / 33

distinta) y el cero se asigna a una cantidad de temperatura que correspondería a 32 CUADRO l.l
grados en la escala farenheit (el origen de la escala es distinto). Otro ejemplo tipico
Las escalas de medida
es el calendario. Puede decirse que el tiempo transcurrido desde 1960 hasta 1966 es
el mismo que desde 1984 hasta 1990, puesto que el año es una unidad de medida
constante. Por el contrario, no puede decirse que hasta el año 1000 haya pasado el NOMINAL: El sexo de los individuos se clasifica simbolizando con un 0 «hembra››
doble de tiempo que hasta el año 500, porque el valor cero no representa el y con un 1 «varón››. Posteriormente se hace una transformación admisible,
comienzo del tiempo, sino que es un origen arbitrario.
Efectivamente, la limitación de esta escala es que no cuenta con un cero absolu-
Transform.
to; el número cero no se corresponde con una ausencia real de esa característica. M M Medición 0 O admisible 5 S
Esto es lo que impide no poder extraer conclusiones todavía más precisas. La M M 0 0 5 5
superación de esta limitación nos lleva al cuarto tipo de escalas, llamadas escalas de V V 1 1 3 3
razón, y en las que se sustituye la tercera condición de las escalas de intervalo por M V i* 0 i 1 ?> 5 3
otra más restrictiva. En concreto, se requiere que para todo objeto, oi,
ORDINAL: La dureza de los elementos se ordena, asignándoles números que repre-
n(o¡) = a-c(o,), siendo a > () senten esa ordenación. Posteriormente se hace una transformación admisible, es
decir, una que respeta esa ordenación.
Esta tercera condición cumple la función de preservar el significado del valor
cero, de forma que siempre represente la ausencia de esa característica. Por ejemplo, Transform.
la medición de las distancias puede hacerse con el sistema métrico decimal, en «I Medición 2 admisible 21 i
metros y centímetros, o con el sistema norteamericano, en yardas, pies y pulgadas, O 1 7
Q 4 85 ,
pero en ambos casos cuando se dice que algo mide cero significa lo mismo. Esto no i› 3 †> 43
ocurría con la temperatura, en la cual el cero de la escala farenheit no correspondía
con el cero en la escala centígrada. La consecuencia fundamental de la presencia de
un origen absoluto, y no arbitrario, es que además de poder extraer conclusiones INTERVALO: Las cantidades de calor, c(o,), pueden representarse por distintos con-
acerca de la igualdad 0 desigualdad de diferencias, también puede hablarse de la juntos de números, en tanto en cuanto en ellos se mantenga que la diferencia de
igualdad o desigualdad de razones. Así, para todo cuarteto de objetos, 0,, 01-, ok, 0,, se temperatura entre los objetos 1 y 2 sea la misma que la diferencia entre los objetos
cumplen las siguientes condiciones: 3 y 4, y ambas sean mayores que la diferencia entre los objetos 2 y 3. Estas
condiciones las cumplen tanto la escala centígrada como la escala farenheit. Ade-
más, de cualquiera de ellas puede pasarse a la otra, pues cada una es una transfor-
S, @=@, mación admisible para la otra. Cada una tiene su propia unidad de medida y su
"(01) "(01) origen propio (O).

entonces Lai) = _-c(0'“) ol 02 03 04

C(0,-) <f(01) C(0I.) l l l I
Y

Si "(09 n(0k) 0, oz 03 04
@>@“ "Cf| 1 r' H 'i l
I
-20 ~10 0 10 20 30
CIIÍOIICCS Lan) > 'Lola
f(0,-) C(01)
01 02 03 04
Dicho en palabras, si al medir distancias decimos que el objeto ol mide 10 y , I
UF I I I F' I I
el objeto 02 mide 5, entonces podemos decir que el objeto 0, mide el doble que el O 25 50 75
objeto oz, al igual que siempre que el cociente entre dos mediciones de distancias nos
 Mi - -

34 / Análisis de datos en psicología l Conceptos generales / 35

CUADRO 1.l (continuación) La única transformación admisible en una escala de razón es la multiplicación
por una constante positiva, puesto que sólo estas transformaciones preservan el
RAZÓN: Las longitudes, c(o,.), pueden representarse también por distintos conjuntos cero, mientras que permiten un cambio en la unidad de medida. Por tanto, las
de números, en tanto en cuanto en ellos se mantenga que el objeto 2 tenga el doble
transformaciones admisibles son del tipo b- n(o¿), siendo b > 0. Estas transformacio-
que el objeto 1, y que el cociente entre los números asignados a los objetos 3 y 1 sea nes no son más que un cambio en la unidad de medida.
mayor que el cociente entre los números asignados a los objetos 2 y 1. Estas
condiciones se cumplen tanto al medir en metros como al medir en yardas. Se
puede pasar de una a otra; son transformaciones mutuamente admisibles, ya que
aunque cada una tiene su unidad de medida, ambas respetan el cero absoluto, que 1.3.1. Las variables: clasificación y notación
coincide en las dos, y representa la ausencia de esa caracteristica.
En el proceso de medición se asignan números a los objetos según unas reglas, y
el conjunto de valores numéricos atribuidos a las modalidades de una caracteristica
0, 02 03 04 constituyen lo que llamamos variable estadística. Por tanto, podemos dar la siguien-
1 I i t te definición:
Cfoil

Q 02 03 04
Metros j I |-' ' ¡ [ Una variable es una representación numérica de una caracteristica. |
0 ,. ._I'»- 2 3 4

.- 02 03 04 Este término refleja el hecho de que los valores atribuidos a las correspondientes
Yardas ¡ ¡ ' ¡ ' ¡'
modalidades de una característica permiten diferenciar a los objetos, que varian
O I--Q 2 3 4
entre si en esa caracteristica. En el caso de la psicologia, ésta se centra en el estudio
de las variables que le son propias, y que constituyen su objeto de estudio. Por el
contrario, hay veces en que una caracteristica tiene una única modalidad (estricta-
mente hablando, no seria una característica); en ese caso todas las entidades estudia-
CUADRO l.2 das adoptarian el mismo valor numérico, y decimos que se trata de una constante.
Resumen de las escalas de medida _ Las variables pueden clasificarse de varias formas. Ya hemos visto que según el
t1P0_ de escala al que pertenecen las variables pueden clasificarse en nominales,
. ., . T f . . ordinales, de intervalo y de razón. En el cuadro 1.2 aparecen algunos ejemplos de
Tipo Informacion deducible aãïìioblìrå Ejemplos cada tipo.
Las variables cuantitativas (sean de intervalo o de razón) pueden a su vez
Nominal Relaciones «igual que» Aplicaciones Sexo, estado civil, diagnóstico clasificarse en variables discretas y variables continuas, en función del número de
o «distinto que» inyectivas clínico. Valores asumibles por ellas. Una variable discreta es aquella que adopta valores
Ordinal Relaciones «mayor que» Funciones Dureza, nivel socioeconómico, ãlïados. Por tanto, fijados dos consecutivos, no puede tomar ninguno intermedio.
o «igual que» crecientes grado de asertividad. ell ITIÉPÍOS de este_tipo de variables son el numero de_h1jos de las familias esparfiolas,
Intervalo Igualdad o desigualdad de H Temperatura, calendario, anciaïilrèerolde, piezas dentales que conservan los mternos de una residencia de
diferencias inteligencia. test el ns, e numerolde libros leidos el pasado verano, el numero de aciertos en un
Razón Igualdad o desigualdad de Longitud, peso. de éarretumerio de asignaturas aprobadas el curso pasado, o el. numero de accidentes
razones )
~|.j_>< 90?'
'$9 -jr-F consecutifira urante el pasado fin de semana. Todas estas variables adoptan valores
Por elvos entre los cuales no pueden adoptarse otros valores. _
próximos contrario, en las variables continuas entre dos -valores cualesquiera, por
mas variacäie sean,1 siempre pueden encontrarse valores intermedios. Ejemplos de
dé igual a 2 significará que una mide el doble que la otra. Por otra parte, un mayor que Sean 1 es son a longitud, la duracionde los sucesos o el peso. Por 'parecidas
cociente entre dos mediciones siempre indicará una mayor razón de las magnitudes posible en as ongitudesde dos objetos, mientras no midan lo mismo siempre es
de los objetos, en este ejemplo distancias. contrar un objeto con una longitud intermedia entre ambos.
 '

36 / Análisis de datos en psicología /

Conceptos generales / 37

Aunque la distinción entre variables discretas y continuas es importante desde un

¡as modalidades de las caracteristicas son asignadas por el investigador. Por ejem-
punto de vista teórico, en la práctica las variables continuas no pueden representarse pla, Si queremos estudiar la supuesta ventaja del método de enseñanza A sobre el B
numéricamente como tales. Los instrumentos de medida son imprecisos y sólo permi- podemos tomar dos grupos escolares aplicarles .un metodo a cada uno. Una
ten atribuir números discretos. La medición en la práctica supone una discretización
Variable serapor supuesto el aprendizaje, que nos indicará qué método es mejor,
artificial de las variables. Cuando decirnos que un suceso ha durado 20 segundos lo
pero otra variable en este caso es el propio método de enseñanza aplicado. Sería una
que queremos decir es que el número de segundos más cercano a su duración es 20; es Variable nominal con dos modalidades (A y B), pero el que a un individuo se le
decir, que su duración está en el intervalo 20 ± 0,5. El 20 se llama valor informado,
asocie una u otra depende de la asignación previa que se haga, y no de algo propio
mientras que los valores 19,5 y 20,5 se llaman límites exactos de la medida, y se
de él. Lo mismo ocurría con la variable referida al grupo en el estudio sobre la
obtienen sumando y restando al valor informado la mitad de la unidad de medida
eficacia de la inoculación de estrés.
utilizada, que pueden ser unidades, décimas, centésimas, etc. (véase Fig. 1.2).

CUADRO 1.3
Las longitudes de los objetos a, b, c, a', e, f y g se miden comparando sus magnitudes con un Clasificación de los ejemplos y sus variables
metro. Sin embargo, el instrumento de medición tiene una precisión de centimetros, y no discrimi-
na entre longitudes menores. A cada objeto se le asigna una longitud igual al número de
centimetros enteros más cercano a su longitud real. Diríamos que los objetos a, b y c miden 185 Ejemplo Tipo de estudio Variables Tipo de escala
centímetros; cl y 1", 184; mientras que e y g miden 186. Es decir, se asigna el mismo valor nominal a
objetos que, de hecho, no tienen la misma longitud. Incluso hay casos paradójicos; por ejemplo, la
diferencia de longitudes entre a y d es menor que la diferencia entre d y f; sin embargo, estos dos 1 Descriptivo Grado de patrón A Intervalo
últimos comparten la misma medición, y distinta a la de a. En realidad, se asigna el valor 185 a
todos aquellos objetos cuyas longitudes estén comprendidas entre 185 ± 0,5. 2 inferencial Grupo Nominal
Nivel cultural Ordinal
Inteligencia Intervalo
186. .
1 . › › . . . .
Estrés Intervalo
3 Inferencial Tiempo de reacción Razón
185 . . . . . .
4 Inferencial Intención de voto Nominal
184 . _ . . . . .

183 I Las variables estadisticas se simbolizan por letras mayúsculas latinas: U, V, X,

a b c d e f g Y, ..., generalmente con un subíndice, para distinguirlas de las constantes. Por
Í)Jâï11plo: lá, Vi, Xi, Yi. El subíndice i' sirve para indicar, además, la posición que
lar 1; ¿ln etìrlminado valor en el conjunto de valores deiuna variable. En particu-
Figura 1.2.-El problema de la precisión en la medida.
vaíor 7 Q/lflïxìa le X, tomara los valores 7; 6,1; 4,5 y 3,8, el simbolo X1 representara al
subíndice C 2 a valor 6,1, el X3 al valor 4,5 y el X4 al valor 5,8. En consecuencia, el
está refirie Sdun numero que nada tiene que ver con la magnitud del valor al que se
No hay que confundir los valores discretos con los valores enteros, aunque en de va1OreSI1E1(›,,sii^{)o simplemente al lugar que dicho valoryocupa dentro de una serie
muchos casos coincidan, como en los ejemplos que hemos mencionado unas líneas la Serie arlt 'sim olo X" lo utilizamos para identificar al ultimo valor de la serie. En
más arriba. Por el contrario, un ejemplo en el que no se da esta coincidencia seria la término elfrlolr tendremos que X" =. X4 = 3,8, El simbolo X, se dice que es el
proporción de aciertos en un test de 100 preguntas. Si asignamos a cada sujeto como ES fråm era y representa a cualquier valor de la serie. _ ›
representación de sus conocimientos el número que se obtiene al dividir el número zar un Valoente queuna variable se mida en varios grupos, por lo que para simboli-
de respuestas correctas por el número de preguntas del test, estos valores pueden ser ejemplo X dcuadqiìiera de dicha variable seria preciso utilizar dos subindices, por
0, 0,01, 0,02, etc. Entre los valores 0,58 y 0,59, por ejemplo, no puede haber ninguno simbolizar? alon le a 1 se refiere al grupo y la i a un valor de la variable X. Asi, X23
intermedio. Supon a va or segundo de la variable X en el grupo tercero. U
Otra cuestión que suele ser fuente de confusiones es la idea de que las variables son un esti B mos que para comprobar el efecto de una droga sobre la percepción de
características intrínsecas de los individuos u objetos, y no siempre es asi. A veces rnulo un investigador toma o hace tres grupos de sujetos; al primero, formado
 í

Conceptos genera/es / 39
38 / Análisis de datos en psicología I

cap¡w1o. Empezaremos en este capitulo indicando cómo deben organizarse los datos
por cuatro sujetos, les da un poco de agua; al segundo, con cinco sujetos, les da un para procesarlos con este paquete.
miligramo de la droga en estudio, y al tercero, con tres sujetos, les da dos miligra- L0 primero, antes de poder analizar unos datos, es proporcionárselos al ordena-
mos. Supongamos también que éstos han sido los resultados: dor, y esto hay que hacerlo siguiendo los formatos inteligibles para el programa.
Aunque en el SPSS/PC + hay varias formas de hacerlo, nosotros vamos a restringir-
Grupo 1: 2,3; 6; 6,1; 8,2 nos a una sola, que nos permitirá además introducir un instrumento que volverá a
Grupo 2: 3,6; 4; 3,3; 4,1; 3,9 aparecer al abordar en cursos mas avanzados el estudio de otros campos de la
estadística. Nos estamos refiriendo a la matriz de sujetos por variables.
Grupo 3: 1,9; 2; 2,3 Una matriz de sujetos por variables es una disposición rectangular de números
que incluye los datos recogidos en el estudio. En cada fila aparece un sujeto y en
En tal caso X1, = 1,9; X2; = 4; X3; = 3,3; etc. El simbolo X5, no se referirá a cada columna una variable. Lo mejor es ilustrarlo con un ejemplo, y para ello
ningún valor concreto de los encontrados, pues en el grupo 3 ningún valor ocupa el continuaremos con nuestro ejemplo sobre la inoculación de estrés. Recordemos que
quinto lugar, ya que solamente hay tres valores. cada sujeto era asignado a uno de los grupos de la investigación; ésta es, por tanto,
Generalmente, con los valores de las variables hay que hacer una serie de una variable nominal con dos posibles valores (1, grupo experimental; 2, grupo
operaciones aritméticas; una de las más frecuentes es la de sumar, puesto que en ella control). De cada sujeto tomábamos antes de comenzar el estudio su nivel cultural,
se basan muchos estadísticos que en breve vamos a utilizar. También esta operación que puede considerarse una variable ordinal (1, sin estudios; 2, estudios primarios; 3,
de sumar se lleva a cabo mediante una simbología, en concreto del signo sumatorio, estudios secundarios; 4, estudios superiores). Las otras tres variables, inteligencia,
que exponemos en el apéndice A. Es recomendable que aquellos lectores que no estrés al comienzo del estudio y estrés en el seguimiento, pueden considerarse como
estén familiarizados con su uso interrumpan aquí la lectura lineal del libro y variables de intervalo. Además, a cada individuo se le suele asignar un número de
estudien el contenido de ese apéndice antes de continuar. orden de las observaciones para poder identificarlos. Los datos se organizan ponien-
do una variable en cada columna; en nuestro caso, detrás del número de sujeto
pondremos el nivel cultural, después el grupo, a continuación la inteligencia y, por
último, el estrés medido en las dos tomas hechas. La matriz resultante aparece en el
1.4. Estadística e informática cuadro 1.4; a lo largo del libro expondremos ejemplos basados en ella.
Sobre este tipo de matrices hay que aclarar algunas cosas:
Hoy en dia casi todos los análisis estadísticos se hacen por ordenador, mediante
programas especialmente diseñados para ello, y que con frecuencia se agrupan en los fl) L0 que aparece en cada fila en nuestro ejemplo son los datos de un sujeto en
llamados paquetes estadísticos. Los paquetes de programas estadísticos se han con- particular. Sin embargo, y a pesar de que se llama matriz de sujetos por
vertido en un instrumento indispensable para la mayor parte de los cálculos comple- variables, en otros estudios lo que aparecerá en cada fila no será un sujeto,
jos y, en cualquier caso, para tratar con grandes cantidades de números. Aunque son sino la que haya sido la unidad elemental del estudio, y que podrían ser
varios los paquetes estadísticos disponibles en el mercado, nosotros hemos elegido personas, animales, familias completas, grupos escolares, ensayos de una
uno de ellos, el SPSS/PC+, para ilustrar su uso en la aplicación de las técnicas tarea, centros penitenciarios, etc.
estadísticas que vamos a ir describiendo. Naturalmente, los paquetes incluyen mu- bl Los números correspondientes a las variables nominales pueden ser tratados
chos programas, aplicables para muy distintos usos. De ellos, en este libro sólo como tales por los programas estadísticos, y hacer cualquier tipo de opera-
vamos a tratar lo más rudimentario, dado que nuestro libro incluye sólo estadística ciones con ellos. El programa no distingue entre tipos de variables, sino que
descriptiva y probabilidad. La mayor parte de los programas permiten calcular se limita a operar con los números que encuentra en la matriz de acuerdo a
muchas más cosas de las que nosotros vamos a explicar, pero trataremos de restrin- las instrucciones especificadas. Lo que pueda inferirse a partir de esos núme-
gimos sólo a las que nosotros veremos. Existen libros introductorios al SPSS/PC+ ros es algo que debe determinar el que utiliza el ordenador e interpreta los
(Sánchez Carrión, 1988; Etxeberria, Joaristi y Lizasoaín, 1990) y otros que exponen resultados numéricos. Por eso decimos que los códigos utilizados para cada
el uso de varios paquetes (Bisquerra, 1989). En este libro vamos a mostrar las modalidad de las variables nominales podrian haberse sustituido por otros
aplicaciones del SPSS/PC+ en las que se usan las técnicas que iremos describiendo. cualesquiera.
Al final de cada capitulo incluiremos un apartado sobre ello. Sin embargo, debemos Cl A veces de alguna de las unidades del estudio no hemos podido recoger
dejar claro que el objetivo de estas secciones no es aprender a utilizar el SPSS/PC + alguno de sus datos o lo hemos perdido. En ese caso no necesariamente hay
ni agotar sus posibilidades, sino mostrar cómo deben interpretarse las salidas que que eliminar del estudio esa unidad, puesto que los valores exhibidos por
nos proporciona al aplicar los programas correspondientes a lo descrito en cada
40 / Ana'/¡sis de daros en psiw/og/W Conceptos genera/es / 41

CUADRO 1.4 ella en las otras variables sí pueden ser analizados y utilizados. Lo que se
Matriz de sujetos por variables hace en esos casos es sustituir esos valores perdidos (comúnmente designa-
dos por su nombre inglés, missing) por algún valor que no se pueda dar,
A continuación aparece la matriz de sujetos por variables imaginaria del ejemplo 2. En para que después podamos identificarlos en el programa. Por ejemplo, si de
la cabecera de la matriz aparecen los nombres codificados de las variables, de la alguno de los sujetos no sabemos el nivel cultural o la inteligencia, podemos
siguiente forma: NS (número de sujeto), NC (nivel cultural), G (grupo), I (inteligencia), poner en el sitio correspondiente el valor «cero>›, dado que éste no puede
El y E2 (estrés medido al comienzo del estudio y en el seguimiento, respectivamente) confundirse con ninguno de los códigos realmente utilizados en el estudio ni
con valores realmente asumibles.
NS NC G I El E2

101 Problemas y ejercicios

83
95
89 Clasifique los siguientes estudios según sean descriptivos o inferenciales:
107
106 Un grupo de escolares responde a una cuestión acerca de con qué compañe-
77 ro de clase le gustaría ir de vacaciones, y con los datos estudiamos la
100 estructura social y el liderazgo en ese grupo.
104 Mediante una muestra de 50 viudos y viudas recientes nos disponemos a
115 estudiar la posible relación entre la pérdida de un ser querido y los estados
98
81 depresivos transitorios.
90 Para estudiar la capacidad de la memoria a corto plazo en situaciones
121 ansiógenas extraemos una muestra de 30 estudiantes de COU y les pasamos
107 una prueba al efecto.
119
120
En la unidad de dolor de un hospital nos disponemos a estudiar la relación
103 entre una determinada dimensión de personalidad y la tolerancia al dolor.
99 Para ello solicitamos a una muestra de ATS que pasen por una prueba de
S7 tolerancia al dolor y les administramos un test de personalidad.
93 Un grupo de senadores encarga a un centro de psicología que haga un
112
114
estudio de la jerarquía de valores que siguen los miembros del Tribunal
104 Constitucional. Los miembros de este tribunal acceden a responder a una
¡\›.j> ›-u.t|\›r:wu.›r~tuwk\›r~JL.i-›u - ›-¡q|\ krqn-|~J›sir-¢t\J[)i›-I\Jhr-›¢ I~Jl ›- 98 u¬o\t›`|.cLn|›ui-l> c7\iGL14>wuio\›`-I:asu › t\->Uil¡LH-ÄG\›^U-bIJ›^O\tJl.›¡\Ui-l>O \lJO' U-I batería de cuestionarios y tests confeccionada para recoger la información
92 apropiada.
106
102 Diga a qué tipo de escala pertenecen las siguientes variables:
96
91 Ordenación que realiza un juez sobre un grupo de individuos en función de
109 Su agresividad.
93
94
El nivel socioeconómico de los individuos de una muestra (alto, medio,
96 bajo).
111 Clasificación de diez sujetos según los cuadros clínicos (neurosis, psicosis,
110 etcetera).
104 Clasificación de diez colores según el grado de aceptación hacia ellos por
95
108 Parte de un sujeto.
àfiåšïìäSi3âB-“8'lšäïüifi šãä ï iëewd aNH l\J-IÄU-›l\JÄINJU-f>I~JU3tQl\J-IäÄUJ I- l\)I3'-^|\JI)l \ì)|~.l\)ì>-*V^'- 90 Uv-ÄUJ-Ä`lO~kh«Ä\l- O\UI-Ä`lO\ LJ!-l>~ JkI|`.l ->fiJiO\-PO\G-PU¡-5 Clasificación de ocho individuos de un grupo según su posición en rendi-
miento: un 1 al de mayor rendimiento y un 8 al de menor rendimiento.
42 / Análisis de datos en psicología I Conceptos generales / 43

f) Clasificación de los sujetos segun su nacionalidad Nominal, ordinal, de intervalo y de razon

3. Diga en qué tipos de escala son admisibles las siguientes transformaciones de Nominal, ordinal y de intervalo
los valores de X, sabiendo que X solo puede admitir valores positivos Nommal y ordinal
a) = Xf.
b) = 1/Xí. Dos la droga (con dos tipos) y el nivel de ejecucion
c) = 3~X,- + 9. Nominal y de intervalo, respectivamente
d) = X,-/2. XM = 8,2, los limites son 82 ± 005 = (815 825)
ff) 3 “Xi-

f) = Xi _ 5.
g) Ji.H
..'.H.H = ex-'.
..'.¬l.`l.bl

4. Un investigador desea comprobar el efecto de dos clases de droga sobre un

tipo de ejecución inotora. Selecciona dos grupos de sujetos, asigna al primero la
droga A y al segundo la droga B. Tras la inoculacion de estas, les mide el tiempo de
ejecución en décimas de segundos, y se obtienen los siguientes resultados (expresa
dos en segundos):
Grupol 73 27 2
Grupo2 28 54 63
a) ¿Cuántas variables hay en este experimento?
b) ¿Cómo podriamos clasificarlas segun su nivel de medida”
c) Encuentre los limites exactos del valor informado cuyo simbolo es X31
d) Escriba el símbolo del cuarto dato del primer grupo

1 .5.1. Soluciones

1. a) Descriptivo.
b) Inferencial.
c) Inferencial.
d) Inferencial.
e) Descriptivo.
2. a) Ordinal.
b) Ordinal.
c) Nominal.
d) Ordinal.
e) Ordinal.
f) Nominal.
3. a) Nominal y ordinal.
b) Nominal.
c) Nominal, ordinal y de intervalo