Analisis Psicoestadistica

PSICOESTADISTICA 1
La estadíística aplicada a la Psicologíía
Laura Cano Pascual
Editado por: Ingra. Jessica Liset Martínez

Mayo 2012
INDICE
INTRODUCCION......................................................................................................................i
CAPÍTULO 1:.................................................................................................................................2
INTRODUCCIÓN A LA PSICOESTADÍSTICA.....................................................................................2
CONCEPTOS PRELIMINARES.....................................................................................................3
Observar y medir..................................................................................................................3
¿Por qué usamos la Estadística?...........................................................................................3
El origen de la Estadística.....................................................................................................3
DEFINICIÓN DE ESTADÍSTICA....................................................................................................4
LA ESTADÍSTICA Y LA PSICOLOGÍA.............................................................................................4
POBLACION Y MUESTRA...........................................................................................................4
DEFINICIÓN DE VARIABLE Y ESCALAS DE MEDIDA....................................................................5
Variables cuantitativas..........................................................................................................5
Variables cualitativas............................................................................................................5
Las Escalas de Razón.............................................................................................................9
Las Variables: Clasificación y Notación...............................................................................10
CAPÍTULO 2:...............................................................................................................................11
ORGANIZACIÓN Y REPRESENTACIÓN DE DATOS.........................................................................11
DISTRIBUCIÓN DE FRECUENCIAS............................................................................................12
Supuestos de Distribución Intraintervalo...........................................................................15
REPRESENTACIONES GRÁFICAS..............................................................................................16
Representaciones Gráficas de uso Frecuente.....................................................................16
Convenciones Sobre las Representaciones Gráficas...........................................................17
Tendenciosidad en las Representaciones Gráficas..............................................................18
PROPIEDADES DE LAS DISTRIBUCIONES DE FRECUENCIAS.....................................................19
Diagrama de Tallo y Hojas...................................................................................................20
CAPÍTULO 3:...............................................................................................................................22
MEDIDAS DE POSICIÓN..............................................................................................................22
CENTILES O PERCENTILES.......................................................................................................23
OTROS CUANTILES..................................................................................................................25
Deciles................................................................................................................................25
Cuartiles.............................................................................................................................25
CAPÍTULO 4:...............................................................................................................................26
MEDIDAS DE TENDENCIA CENTRAL............................................................................................26
LA MEDIA ARITMÉTICA...........................................................................................................27
Cálculo en una distribución de frecuencias........................................................................27
Propiedades de la media aritmética...................................................................................28
LA MEDIANA...........................................................................................................................29
LA MODA................................................................................................................................29
Comparación entre medidas de tendencia central.............................................................30
CAPÍTULO 5:...............................................................................................................................31
MEDIDAS DE VARIACIÓN............................................................................................................31
MEDIDAS DE VARIACIÓN........................................................................................................32
Varianza y desviación típica................................................................................................32
Cálculo y propiedades de la varianza..................................................................................34
Otras medidas de variación................................................................................................35
PUNTUACIONES TÍPICAS Y ESCALAS DERIVADAS....................................................................36
Puntuaciones típicas...........................................................................................................36
Escalas derivadas................................................................................................................38
CAPÍTULO 6:...............................................................................................................................40
MEDIDAS DE ASIMETRÍA Y CURTOSI...........................................................................................40
ÍNDICES DE ASIMETRÍA...........................................................................................................41
ÍNDICE DE CURTOSIS..............................................................................................................43
ANEXOS......................................................................................................................................45
INTRODUCCION
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 pequeño de datos a un conjunto mayor.
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.
La Psicología como Ciencia Empírica observa un conjunto de eventos del

mundo real para descubrir las leyes que explican el comportamiento humano
bajo determinadas circunstancias y llevar a cabo un proceso de inducción o
generalización inductiva.
Es por ello que dentro del presente material se realiza un extracto de los
temas a considerar en el curso de Psicoestadística I de la Carrera de Licenciatura
en Psicología, ya que esta asignatura constituye una asociación significa para la
preparación académica de los profesionales dedicados a esta área. El escrito
procura exponer la utilidad de la estadística en las ciencias sociales, su
aplicación a la realización de diversas investigaciones sean estas de campo o no.
Siendo así se inicia con definiciones importantes en el capitulo uno, para

proseguir con los métodos y gráficos para la presentación de datos, el análisis
de los mismos a partir de cálculos de estadísticos como las medidas de
tendencia central, de posición, desviación y variabilidad de los cálculos de la
información.
i
CAPÍTULO 1:
INTRODUCCIÓN
A LA
PSICOESTADÍSTI
CA
Cap. 1 Introducción a la Psicoestadística
CONCEPTOS PRELIMINARES
La Psicología como Ciencia Empírica observa un conjunto de eventos del

mundo real para descubrir las leyes que explican el comportamiento humano
bajo determinadas circunstancias y llevar a cabo un proceso de inducción o
generalización inductiva.
Observar y medir
Los eventos observables pueden verse influidos por numerosos factores

o fuentes de variación que pueden ser difíciles de identificar, medir y controlar.
Se necesita de una herramienta metodológica especial, como es la

estadística y el conjunto de procedimientos que posee.
¿Por qué usamos la Estadística?
En situaciones deterministas una misma causa produce siempre un

mismo resultado.
En situaciones aleatorias una misma causa puede producir cualquier

resultado entre varios posibles. En las situaciones aleatorias es necesario
recurrir a los procedimientos proporcionados por la estadística para poder
extraer conclusiones fiables.
El origen de la Estadística
La estadística nace de dos fuentes:
 El cálculo de probabilidades: aproximación matemática a los juegos de

azar.
 Estadística o ciencia del Estado: dedicada a llevar registros ordenados

de los datos del estado.
En el siglo XIX se unen para constituir la nueva estadística.
3
DEFINICIÓN DE ESTADÍSTICA
Estudia cómo obtener conclusiones de la investigación empírica

mediante el uso de modelos matemáticos.
Definición de Amón (1979): “Una ciencia que recoge, ordena y analiza los
datos de una muestra, extraída de cierta población, y que, a partir de esa muestra,
valiéndose del cálculo de probabilidades, se encarga de hacer inferencias acerca de la
población”.
La estadística se divide normalmente en dos partes: descriptiva e inferencial.
 La estadística descriptiva organiza, sintetiza y aclara la información

contenida en un conjunto (muestra) de datos empíricos a través de una
serie de procedimientos.
 La estadística inferencial generaliza, infiere o induce las propiedades de

un conjunto de datos empíricos (muestra) al conjunto total de datos
(población) a los que representan, a través de una serie de estrategias
como son el cálculo de probabilidades. Para poder extraer esta inferencia
de la muestra a la población, es preciso que se haya efectuado una
selección de los datos adecuada, mediante las técnicas de muestreo.
LA ESTADÍSTICA Y LA PSICOLOGÍA
La Estadística es en sí misma una ciencia que, por otro lado, sirve de
instrumento metodológico para el desarrollo de otras ciencias. En este sentido
la Psicoestadística debe ser entendida como una herramienta metodológica al
servicio de la investigación empírica, siendo a través de ella como se obtiene
conocimiento científico.
POBLACION Y MUESTRA
Se llama población estadística al conjunto de todos los elementos que

cumplen una o varias características o propiedades.
Una muestra es un subconjunto de los elementos de una población.
Un parámetro es una propiedad descriptiva de una población.
4
Un estadístico es una propiedad descriptiva de una muestra.
Una característica es una propiedad o cualidad de un individuo.
Una modalidad es cada una de las maneras como se presenta una

característica.
DEFINICIÓN DE VARIABLE Y ESCALAS DE MEDIDA

Una variable es una característica que puede tomar diferentes valores.
Estos valores pueden ser de tipo cuantitativo, cualitativo.
Variables cuantitativas
Las variables cuantitativas son aquellas a las que puede asociarse un
valor numérico. Pueden ser discretas o continuas.
Se dice que la variable es discreta cuando no admite un valor intermedio

entre dos cualesquiera. Por ejemplo, el número de hijos.
Se dice que es continua cuando admite un valor intermedio entre dos

cualesquiera. Un ejemplo de este tipo puede darse cuando estamos midiendo
un tiempo de respuesta o la altura de una persona. En estos casos el número de
valores distintos será en la práctica finito (en la práctica mediremos en
segundos o en décimas de segundo, o centésimas, o milésimas,...) pero la
continuidad de esta variable aleatoria radica en el carácter continuo de lo que
medimos, es decir, el hecho de que entre dos valores posibles podríamos
obtener infinitud de valores más si tuviésemos aparatos de medida con la
suficiente precisión. Este es el hecho primordial que diferencia a una variable
discreta de una continua.
Variables cualitativas
Las variables cualitativas son aquellas que expresan una cualidad "no
medible" cuyos valores no pueden ordenarse. Por ejemplo, el lugar de
nacimiento o determinados síntomas de una enfermedad.
Medición
5
La estadística no realiza sus funciones directamente sobre las

modalidades observadas, sino que éstas se representan por números, y la
estadística realiza sus funciones sobre esos números.
Se llama medición al proceso de atribuir números a las características.
La asignación de números a las características se hace siguiendo unas

reglas, del estudio de los modelos mediante los cuales conocemos las reglas
para una correcta atribución de los números se ocupa la Teoría de la Medida.
A partir de una característica se puede establecer un sistema relacional

empírico (empírico, porque se refiere a entidades y relaciones reales). El sistema
numérico está formado por un conjunto de entidades (números) y unas
relaciones entre ellos. Se trata de un sistema relacional numérico.
El objetivo de la medición de una característica es conectar un sistema

relacional empírico y un sistema relacional numérico, de tal forma que las
relaciones entre las entidades se reflejen en las relaciones entre los números que
los simbolizan. Sólo si se consigue este objetivo ocurrirá que de las relaciones
entre los números podrán hacerse inferencias válidas acerca de las relaciones
entre las entidades.
La medición estudia las condiciones de construcción de representaciones

numéricas, y los modelos desarrollados para la medición se llaman escalas.
Tenemos las escalas nominales, ordinales, cuantitativas de intervalo y

cuantitativas de razón.
Escalas nominales: la clave de estas escalas de medida es que sólo

informan de la igualdad o desigualdad de los individuos en una característica,
pero no de posibles ordenaciones, puesto que la característica a la que se
refieren no se tiene en mayor o menor medida, sino que simplemente adopta
formas cualitativamente distintas.
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 unicidad de la medida. La cuestión de la unicidad puede
plantearse de la siguiente forma: ¿es la representación numérica que hemos
construido la única posible? En general la respuesta será negativa.
6
Se dice que una transformación de los números asignados en una escala

es una transformación admisible si preserva las características que definen a esa
escala, es decir, si los números transformados también representan al sistema
empírico.
Esta transformación de los valores originales es una transformación

admisible porque los valores obtenidos mediante su aplicación siguen
cumpliendo las condiciones especificadas anteriormente para toda escala
nominal. En términos más técnicos diríamos que en una escala nominal son
admisibles todas las transformaciones que supongan aplicaciones inyectivas.
La aplicación de una regla de asignación de números a las diferentes

cantidades de tal forma que los números asignados a los objetos reflejen esos
distintos grados en los que se presenta la característica. Los números asignados
nos permitirán extraer conclusiones acerca de las magnitudes. A veces lo único
que esos números nos permiten inferir son relaciones de tipo “mayor que” o
“menor que”.
A aquellas escalas de medida que cumplen estas características se les

llama escalas ordinales. También se dice que se está haciendo una medición a
nivel ordinal. Los objetos pueden ordenarse, y de ahí el nombre de la escala.
En psicología son muchas las características cuya medición se considera

que está a nivel ordinal, pues son muchos los casos en los que lo único que
puede decirse es que un individuo es más extravertido que otro, que un niño es
más hiperactivo que otro, o que el aprendizaje es más rápido con el método A
que con el método B.
Apliquemos de nuevo el concepto de transformación admisible a este

tipo de escalas. No todas las transformaciones que eran admisibles en las
escalas nominales lo son para las escalas ordinales.
Al igual que en las escalas nominales, las ordinales tienen unas

transformaciones admisibles, que lógicamente serán todas aquellas que
preserven las características de la escala ordinal. Se puede demostrar que esto
ocurre con todas aquellas transformaciones que cumplan la condición de ser
transformaciones crecientes.
7
Se dice que la transformación es creciente si para todo par de objetos a y

b se cumple la siguiente condición:
Si n (a)  n (b), entonces t n (a)   tn(b)
La limitación de las escalas ordinales es que aunque nos informa de que

un objeto presenta la característica en cuestión en una mayor magnitud que otro
objeto, no nos dice en cuánto más. Para poder extraer conclusiones más
precisas, como la de en cuánto más presenta la característica un objeto sobre
otro, hay que contar con una unidad de medida, y para ello hay que pasar al
siguiente tipo de escala.
Escala de intervalo, la tercera condición añadida a las exigidas para una

escala ordinal impone que el número asignado al objeto y que representamos
por n(oi), sea una función lineal de la magnitud real que ese objeto representa
en la característica en cuestión. Cuenta con una unidad de medida, si se cumple
esta tercera condición podemos extraer consecuencias acerca de la igualdad o
desigualdad de diferencias.
Si la diferencia entre los números asignados a dos objetos es igual a la

diferencia entre los números asignados a otros dos, también son iguales las
diferencias en magnitudes entre estos dos pares. Una mayor diferencia entre los
números asignados implica una mayor diferencia entre las magnitudes
representadas.
El ejemplo clásico de este tipo de escalas es el de las temperaturas.
Las transformaciones admisibles para las escalas de intervalo no

significan más que un cambio en la unidad de medida y en el origen asignado a
la escala, valores ambos arbitrarios en este tipo de escalas.
La principal limitación de este tipo de escalas es que no tiene un cero

absoluto. El número cero no representa realmente la ausencia de esta
característica.
Las Escalas de Razón

Esta tercera condición cumple la función de preservar el significado del
valor cero, de forma que siempre representa la ausencia de esa característica. La
consecuencia fundamental de la presencia de un origen absoluto, y no
8
arbitrario, es que además de poder extraer conclusiones acerca de la igualdad o

desigualdad de diferencias, también puede hablarse de la igualdad o
desigualdad de razones.
Nominal
El sexo de los individuos se clasifica simbolizando con un 0 “hembra” y

con un 1 “varón”. Posteriormente se hace una transformación admisible, 0  5
y 1  3.
Ordinal
La dureza de los elementos se ordena, asignándoles números que

representen esa ordenación. Posteriormente se hace una transformación
admisible, es decir, una que respeta esa ordenación.
Intervalo
Las cantidades de calor, pueden representarse por distintos conjuntos de

números, en tanto en cuanto en ellos se mantenga la diferencia de temperatura
entre los objetos 1 y 2 sea la misma que la diferencia entre los objetos 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 Fahrenheit. Además, de
cualquiera de ellas puede pasarse a la otra, pues cada una es una
transformación admisible para la otra. Cada una tiene su propia unidad de
medida y su origen propio.
Razón
Las longitudes, pueden representarse también por distintos conjuntos de

números, en tanto en cuanto en ellos se mantenga que le objeto 2 tenga el doble que le
objeto 1, y que el cociente entre los números asignados a los objetos 3 y 1 sea 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 coincide con las dos, y
representa la ausencia de esta característica.
9
Información Transform.
Tipo Ejemplos
deducible admisibles
Relaciones “igual que” Aplicaciones Sexo, estado civil,
Nominal
o “distinto que” inyectivas diagnóstico clínico.
Dureza, nivel
Relaciones “mayor Funciones
Ordinal socioeconómico, grado
que” o “igual que” crecientes
de asertividad
Igualdad o
Temperatura,
Intervalo desigualdad de A + b . x (b  0)
calendario, inteligencia.
diferencias
Igualdad o
Razón desigualdad de B . x (b  0) Longitud, peso.
razones
Las Variables: Clasificación y Notación

 Una variable es una representación numérica de una característica.
Ejempl Tipo de
Variables Tipo de escala
o estudio
1 Descriptivo Grado de patrón A Intervalo
Grupo, Nivel cultural, Nominal, Ordinal,
2 Inferencial
Inteligencia, estrés. Intervalo, Intervalo
3 Inferencial Tiempo de reacción Razón
4 Inferencial Intención de voto Nominal
Estadística descriptiva con una variable.
10
CAPÍTULO 2:
ORGANIZACIÓN Y
REPRESENTACIÓ
N DE DATOS
Cap. 2 Organización y Presentación de Datos
DISTRIBUCIÓN DE FRECUENCIAS
La distribución de frecuencias es un instrumento diseñado para cumplir
tres funciones:
 Proporcionar una reorganización y ordenación racional de los datos

recogidos.
 Ofrecer la información necesaria para hacer representaciones gráficas
 Facilitar los cálculos necesarios para obtener los estadísticos muestrales.
 Se llama frecuencia absoluta de un valor X i, y se simboliza por ni, al
número de veces que se repite el valor Xi, en la muestra.
 Se llama frecuencia relativa de un valor X i, y se simboliza por p i, al
cociente entre la frecuencia absoluta de ese valor y el tamaño de la
muestra. Es decir: pi = ni / n
 Se llama frecuencia absoluta acumulada de un valor X i, y se simboliza
por na, al número de veces que se repite en la muestra ese valor X i, o
cualquier otro valor inferior.
 Se llama frecuencia relativa acumulada de un valor X i, y se simboliza por
pa, al cociente entre su frecuencia absoluta acumulada y el tamaño de la
muestra. Es decir: pa = na / n.
Las frecuencias relativas, se expresan en términos porcentuales. Suelen

representarse con mayúsculas, para obtenerlas basta con multiplicar por 100 las
frecuencias relativas. Para cualquier valor de la variable, Xi tenemos que:
Pi = pi · 100 y Pa = pa · 100
Una distribución de frecuencias se organiza en forma de tabla. En una

distribución de frecuencias completa aparece, una columna con los valores que
adopta la variable, creciendo de abajo hacia arriba.
Construimos la distribución de frecuencias siguiendo los pasos descritos:
1. Ponemos en la primera columna esos valores, creciendo de abajo hacia

arriba.
12
2. Para la columna de frecuencias absolutas contamos el número de veces

que se repite cada valor, si el número de valores es muy grande conviene
ir haciendo marcas por cada valor, para contarlas al final.
3. Para la columna de frecuencias relativas dividimos cada frecuencia
absoluta por n.
4. Para obtener las frecuencias absolutas acumuladas sumamos para cada
valor su frecuencia absoluta más la absoluta acumulada del valor
anterior.
5. Para las frecuencias relativas acumuladas dividimos cada frecuencia
absoluta acumulada por n. La frecuencia relativa acumulada del valor
mayor debe ser igual a 1.
Distribución de frecuencias construida sobre el ejemplo del

número de hijos (texto)
Xi ni pi na pa
4 1 0.05 20 1.00
3 3 0.15 19 0.95
2 7 0.35 16 0.80
1 6 0.30 9 0.45
0 3 0.15 3 0.15
20 1.00
Agrupación en intervalos: consisten en formar grupos de valores

consecutivos, llamados intervalos, y poner uno de estos grupos en cada fila, en
lugar de poner cada valor individual por separado. Cada uno de estos grupos
suele indicarse en la distribución de frecuencias poniendo los valores mayor y
menos incluidos en él.
A continuación se calculan las frecuencias absolutas conjuntas de los

valores incluidos en el intervalo, haciendo lo mismo después con las frecuencias
relativas, las absolutas acumuladas y las relativas acumuladas.
 Se llama intervalo a cada uno de los grupos de valores que ocupan una
fila en una distribución de frecuencias. En algunos textos se llaman
clases.
13
 Se llaman límites aparentes o informados de un intervalo a los valores

mayor y menor que puede adoptar la variable dentro de ese intervalo,
según el instrumento de medida utilizado.
 Se llaman límites exactos de un intervalo a los valores máximo y mínimo
incluidos en el intervalo y que podrían medirse si se contara con un
instrumento de precisión perfecta.
 Se llama punto medio de un intervalo a la suma de sus límites exactos
partido por dos. En algunos libros se llama marca de clase.
 Se llama amplitud de un intervalo a la diferencia entre su límite exacto
superior y su límite exacto inferior. Suele representarse por la letra I.
Para hacer una distribución de frecuencias:
1. El intervalo superior debe incluir al mayor valor observado.
2. el intervalo inferior debe incluir al menor valor observado.
3. Cada intervalo debe incluir el mismo número de valores.
Dado que el objetivo de una distribución de frecuencias es conseguir una

ordenación manejable que ayude a comprender el significado de los datos, no
es conveniente que el número de intervalos sea demasiado grande.
Como consecuencia de lo anterior, podemos sentirnos inclinados a

reducir al máximo el número de intervalos, pero lo cierto es que esto traería
consigo una consecuencia negativa, los intervalos tendrían una excesiva
amplitud y acabaríamos teniendo a sujetos con puntuaciones muy distintas en
el mismo intervalo.
El número apropiado de intervalos debe ser tal que, con ella se consiga
una agrupación operativa y que cumpla los objetivos para los que ha sido
diseñada la distribución de frecuencias, pero sin distorsionar excesivamente los
valores con el error de agrupamiento.
A veces hay casos en los que hacer un número de intervalos siguiendo

las directrices que acabamos de plantear distorsionarían demasiado los datos.
Para evitar eso se utilizan lo que se denomina intervalos abiertos, en los

cuales no se pone el límite inferior del intervalo que incluye los valores
14
menores, el límite superior del intervalo que incluye los valores mayores o no se
pone ninguno de estos dos. Ej. + de ....
Problema de los bordes
Supongamos que vamos a construir una agrupación en intervalos, siendo

los valores mayor y menor observados iguales a 79 y 43, respectivamente.
Como el número de valores distintos sería igual a 37, que es un número primo,
no pueden hacerse intervalos de amplitud constante tales que el mayor tenga al
79 como límite aparente superior y al 43 como límite aparente inferior. En estos
casos suele añadirse al listado de valores distintos observados algunos otros
valores no observados en la muestra.
Estos valores tendrán frecuencias absolutas iguales a cero, pero nos

permitirán conseguir un número de valores distinto que sea múltiplo del
número de intervalos que queremos hacer.
Para no distorsionar demasiado ninguno de los intervalos extremos es

preferible repartirlos lo más homogéneamente posible entre los dos.
Supuestos de Distribución Intraintervalo

Una vez confeccionada una distribución de frecuencias con datos
agrupados en intervalos, ésta se puede utilizar para hacer representaciones
gráficas y para facilitar los cálculos de estadísticos que iremos explicando.
Dado que de cada puntuación sólo sabemos el intervalo al que pertenece,

un procedimiento que a veces resultará útil consiste en asumir el supuesto de
concentración en el punto medio. Según este supuesto, trataríamos a esos dos
datos como si fueran dos valores iguales. Entonces este es el punto medio de su
intervalo.
El supuesto de distribución homogénea, los valores incluidos en un

intervalo se reparte con absoluta conformidad en su interior, si en un intervalo
hay cinco observaciones, aceptaremos que sus valores son los que tendríamos si
15
partiéramos al intervalo en cinco subintervalos de igual amplitud y

asignáramos a cada individuo el punto medio de un subintervalo.
REPRESENTACIONES GRÁFICAS
A partir de las distribuciones de frecuencias se pueden construir
representaciones gráficas. La función de éstas es dar informaciones globales
mediante un solo golpe de vista.
Representaciones Gráficas de uso Frecuente

 Diagrama de rectángulos: Para hacer un diagrama de rectángulos se
colocan en el eje de abscisas las modalidades (o los números que las
representan) y en el eje de ordenadas las frecuencias. Sobre cada
modalidad se levanta un rectángulo cuya altura es la frecuencia
correspondiente. Este tipo de representaciones se suele utilizar para
variables nominales, pero también se utiliza para variables ordinales,
como el nivel cultural.
 Perfil ortogonal: Se utiliza mucho en informes psicopedagógicos o de
rendimiento. Calificaciones obtenidas por un alumno a lo largo de 4
exámenes.
 Pictograma: Son representaciones en forma de círculos en las que éstos
son divididos en secciones cuya superficie es proporcional a la
frecuencia de la modalidad correspondiente.
 Diagrama de barras: Se utiliza para variables cuantitativas discretas. En
el eje de abscisas se colocan los distintos valores de la variable y en el eje
de ordenadas las frecuencias. Sobre cada valor de la variable se traza
una línea o barra perpendicular cuya altura debe ser igual a la
frecuencia.
 Histograma: Se utiliza para variables cuantitativas continuas con datos
agrupados en intervalos. En el eje de abscisas se colocan los límites
exactos de los intervalos, y en el eje de ordenadas las frecuencias.
 Polígono de frecuencias: Para variables discretas, el polígono de
frecuencias es la figura que resulta de unir los extremos superiores de
16
las que hubieran sido las barras. Si se trata de las bases superiores de los
rectángulos correspondientes a un hipotético histograma construido con
esos mismos datos.
 Diagrama de barras acumulativo: Se utiliza en variables discretas. En el
eje de abscisas se colocan los valores de la variable, y en el de ordenadas
las frecuencias acumuladas, ya sean absolutas o relativas. Sobre cada
valor se traza una perpendicular cuya longitud sea igual a la frecuencia
acumulada. Desde el extremo superior de cada una de estas barras se
traza una línea horizontal que se une con la barra situada a su derecha.
 Polígono de frecuencias acumuladas: Se utilizan en variables continuas.
El eje de abscisas se construye igual que en los histogramas, pero en el
de ordenadas se incluyen las frecuencias acumuladas, ya sean absolutas
o relativas. Sobre cada límite se levanta una perpendicular cuya
longitud sea idéntica a la frecuencia acumulada y se unen los extremos
superiores de dichas perpendiculares.
Convenciones Sobre las Representaciones Gráficas

1. En el eje de abscisas colocamos los valores de la variable, y en el de
ordenadas las frecuencias (absolutas o relativas, simples o acumuladas).
2. La intersección de los dos ejes es el origen , de modo que en el eje de
abscisas las puntuaciones más bajas estarán a la izquierda, y las más altas
a la derecha; en el de ordenadas los valores los valores pequeños estarán
abajo y los altos arriba.
3. Si el valor mínimo del eje de abscisas fuera excesivamente grande, se
debe cortar la línea
4. Conviene incluir en cada gráfico toda la información posible para evitar
ambigüedades y facilitar su interpretación por otras personas o por
nosotros mismos al cabo del tiempo.
5. Cuando un mismo gráfico se representan dos o más grupos
simultáneamente y éstos son de tamaños considerablemente distintos se
deben utilizar frecuencias relativas.
17
Las representaciones sirven para comunicar información de un solo

golpe de vista, y por ello en su construcción debe tenerse en cuenta el público al
que va dirigida, sus necesidades de informaciones más bien globales y
generales o específicas y precisas, y cualquier otra consideración que pueda
mejorar la transmisión de información ágil y precisa.
Tendenciosidad en las Representaciones Gráficas

Un primer método consiste en recortar el eje de ordenadas, eliminando
los menores valores de frecuencias con la excusa de que no hay ninguna
observación que las adopte. Esto tiene como consecuencia que pequeñas
diferencias parezcan mayores.
Un segundo tipo de distorsión se produce cuando se utilizan figuras

representativas de aquello que se está midiendo. Suelen hacerse
proporcionando sus alturas a las frecuencias correspondientes, el incremento en
la altura conlleva también un incremento en la anchura. Como consecuencia de
ello, la superficie de las figuras no guarda relación con las frecuencias
observadas, dando la impresión de que la diferencia es mayor que la realmente
registrada.
18
PROPIEDADES DE LAS DISTRIBUCIONES DE FRECUENCIAS

Los polígonos de frecuencias dependen demasiado de la unidad de
medida utilizada, de la agrupación en intervalos hecha y de las fluctuaciones
particulares esperables en una muestra concreta. Las curvas suavizadas suelen
ser representaciones más apropiadas que los polígonos de frecuencias simples.
Son cuatro las propiedades con las que describiremos las distribuciones de
frecuencias:
1. Tendencia central: Una primera propiedad es la que se refiere a la

magnitud general de las observaciones hechas. Esta magnitud general
puede cuantificarse mediante unos índices conocidos como índices de
tendencia central o promedios, y que reciben ese nombre porque
pretenden ser síntesis de los valores de la variable.
2. Variabilidad: Grado de concentración de las observaciones en torno al
promedio. Una distribución de frecuencias será homogéneo o poco
variable si los datos difieren poco entre sí, y por tanto, se agolpan en
torno a su promedio. Sería heterogénea o muy variable si los datos se
dispersan mucho con respecto al promedio.
3. Asimetría o sesgo: Esta propiedad se refiere al grado en que los datos
tienden a concentrarse en los valores centrales, en los valores inferiores al
promedio, o en los valores supriores a éste. Existe simetría perfecta
cuando en caso de doblar la representación gráfica por una vertical
trazada sobre la media, las dos mitades se superponen perfectamente.
Las distribuciones con asimetría negativa son propias de las pruebas,
tareas o tests fáciles, en las que la mayoría de los sujetos puntúan alto.
Las distribuciones asimétricas positivas son típicas de pruebas, tareas o
tests difíciles en las que la mayoría de los sujetos puntúan bajo.
4. Curtosi: Se refiere al grado de apuntamiento de la distribución de
frecuencias. Si es muy apuntada se llama leptocúrtica y si es muy
aplastada, se llama platicúrtica.
19
Diagrama de Tallo y Hojas
Las distribuciones de frecuencias no son el único medio para resumir y

exponer conjuntos de datos; una alternativa a ellas son los llamados diagramas
de tallo y hojas.
Su obtención requiere separar cada puntuación en dos partes. El primer o

primeros dígitos, que reciben el nombre de tallo, y el dígito o dígitos restantes,
que reciben el nombre de hojas; por ejemplo, X = 56 se puede separar en 5
(tallo) y 6 hoja. Estos diagramas tienen la suficiente flexibilidad como para
admitir otras posibilidades.
1. Se identifican los valores máximo y mínimo observados.
2. Se toma una decisión acerca del número más apropiado de tallos

distintos.
3. Se listan todos los tallos distintos en una columna, ordenados de forma

creciente de arriba abajo.
4. Se escribe cada hoja junto al tallo que le corresponda, preferiblemente

ordenados según su valor.
En general, un número de tallos superior a cinco y que no pase de 20

suele ser apropiado. Aparte de ser más fácil de construir, el diagrama de tallo y
hojas tiene varias ventajas sobre la distribución de frecuencias, y también algún
inconveniente:
1. Ventaja: permite identificar cada puntuación individual. En las

distribuciones tradicionales sólo conocemos la frecuencia del intervalo y nos
obliga a tratar los datos de ciertas maneras distorsionantes. La ventaja de
retener cada valor individual viene acompañada del inconveniente de que le
20
diagrama de tallo y hojas no facilita, como la distribución de frecuencias

clásica, el cálculo de los estadísticos que estudiaremos más adelante.
2. Ofrece simultáneamente tanto un listado de las puntuaciones como un dibujo
de distribución, si tumbamos el diagrama obtenemos una especie de
histograma.
3. Al contener los valores de cada observación, es más fácil de modificar para
obtener un dibujo con un nivel de detalle distinto, mayor o menor, de la
distribución.
4. Pueden presentarse dos conjuntos de datos simultáneamente en el mismo
diagrama, con lo que se facilita la comparación.
21
CAPÍTULO 3:
MEDIDAS DE
POSICIÓN
Cap. 3 Medidas de Posición
CENTILES O PERCENTILES
Estas medidas permiten conocer otros aspectos característicos de la
distribución que no son los valores centrales.
Las medidas de posición son estadísticos que indican la posición relativa

que ocupa un sujeto en una distribución de frecuencias.
Son 99 valores de la variable que dividen a la distribución en 100

secciones, cada una conteniendo a la centésima parte de las observaciones. Se
pueden representar por la inicial de cada uno de los dos términos que los
designan más el subíndice correspondiente, Ck o Pk (k = 1,2,...99). Se simboliza
por C28 a aquella puntuación que deja por debajo de sí al 28 por 100 de las
observaciones y que es superada por el 72 por 100.
Aunque por definición son sólo 99 valores, por extensión a veces se

utilizan posiciones intermedias, como, por ejemplo, el percentil 88,5 o C88,5,
que sería aquel valor de la variable por debajo del cual se encuentra el 88,5 por
100 de las observaciones.
Dado que los valores correspondientes a los percentiles se determinan en

función de los porcentajes de observaciones, normalmente las distancias entre
ellos, en términos de puntuación, no serán constantes. Generalmente las
distancias entre los percentiles intermedios serán menores que las distancias
entre percentiles extremos.
Las puntuaciones correspondientes a los centiles 55 y 56 serán más

cercanas entre sí que las puntuaciones correspondientes a los centiles 98 y 99, o
las de los percentiles 2 y 3. Esto se dará, en distribuciones simétricas, mientras
que a medida que las distribuciones se van haciendo más asimétricas esta
relación hay que matizarla algo más.
23
Los percentiles no suelen calcularse con cantidades pequeñas de datos y

cuando es necesario hacerlo se obtienen sencillamente ordenando las
puntuaciones y calculando la proporción de éstas que superan al valor que se
quiere comparar. Normalmente los percentiles se obtienen sobre datos
agrupados en intervalos, y en su cálculo se asume el supuesto de distribución
homogénea intraintervalo.
Estamos buscando la puntuación que deja por debajo de sí a 140, que es

una cantidad intermedia entre 90 y 150. El procedimiento que se utiliza para
calcular ese valor, y que se recoge en la fórmula que veremos a continuación,
consiste en adoptar como representación del C70 un valor perteneciente al
intervalo 11 – 14 que mantenga una relación de proporcionalidad con respecto a
la frecuencia buscada. Se trata de buscar una puntuación de ese intervalo que
divida a las observaciones pertenecientes a él en dos grupos, uno que incluya a
las 50 observaciones inferiores y otro que incluya a las 10 restantes. De esta
forma, ese valor dejará por debajo de sí a 50 observaciones pertenecientes al
intervalo, más las 90 que quedaban por debajo de su límite exacto inferior,
totalizando las 140 buscadas. Dado que esa puntuación debe dejar a 50 por
debajo y 10 por encima, debe ser una puntuación más cercana al límite superior
del intervalo que al límite inferior. El procedimiento se resume en la siguiente
fórmula:
Ck = Li + I · k · n - na
ni 100
Ck es la puntuación correspondiente al centil k
Li es el límite exacto inferior del intervalo crítico
I es la amplitud de los intervalos
ni es la frecuencia absoluta del intervalo crítico.
k es el porcentaje de observaciones inferiores a Ck
n es el número de observaciones hechas
na es la frecuencia absoluta acumulada hasta Li
24
OTROS CUANTILES
Deciles
Son nueve puntuaciones que dividen a la distribución en 10 partes, cada
una conteniendo al 10 por 100 de las observaciones. Se representan por Dk,
donde k indica el número del decil al que se refiere.
Cuartiles
Son tres puntuaciones que dividen a la distribución en cuatro partes,
cada una conteniendo al 25 por 100 de las observaciones. Se representan por
Qk, donde k indica el número del cuartil al que se refiere.
25
CAPÍTULO 4:
MEDIDAS DE
TENDENCIA
CENTRAL
Cap. 4 Medidas de Tendencia Central
Son un grupo de estadísticos que permiten ver lo dominante, lo típico o

la tendencia de una distribución de datos en el sentido de cuáles son sus valores
medios.
LA MEDIA ARITMÉTICA
El índice de tendencia central más utilizado es la media. Se define como l
asuma de los valores observados, dividida por el número de ellas. Se representa
con la misma letra que representa la variable, en mayúsculas, con una barra
horizontal encima. Por tanto, si recogemos n observaciones de la variable X,
entonces la medida de los valores observados es:
X =  Xi / n
De donde se deduce que:
 Xi = n · X
Cálculo en una distribución de frecuencias

Cuando se tiene un conjunto grande de observaciones, éstas
tradicionalmente se han agrupado en distribuciones de frecuencias, para luego
hacer los cálculos sobre la distribución.
Vamos a describir el procedimiento para hacer los cálculos de la media

con datos agrupados en una distribución de frecuencias.
Para hacer los cálculos se asume el supuesto de concentración en el

punto medio del intervalo.
Para hallar la media se asume el supuesto de concentración en el punto

medio del intervalo.
X =  ni · Xi
n
27
Se diferencia de la fórmula anterior en que: el sumatorio no tiene n

sumandos, como en la fórmula anterior sino tantos como intervalos tenga la
distribución y las Xi no son los datos directos, sino los puntos medios de los
intervalos.
Propiedades de la media aritmética

Puntuaciones directas: valores brutos y los representamos por la letra de
la variable en mayúsculas.
Puntuaciones diferenciales: diferencias de cada sujeto con respecto a la

media grupal, las representamos por la letra minúscula.
Xi = Xi - X
 La suma de las diferencias de n puntuaciones con respecto a su media, o

puntuaciones diferenciales, es igual a cero:  xi = 0
La razón por la que la suma de las diferenciales es igual a cero es que

unas son positivas y otras negativas y se compensan unas con otras.
 La suma de los cuadrados de las desviaciones de unas puntuaciones con

respecto a su media es menor que con respecto a cualquier otro valor.
 Si sumamos una constante a un conjunto de puntuaciones, la media

aritmética quedará aumentada en esa misma constante.
 Si multiplicamos por una constante a un conjunto de puntuaciones, la

media aritmética quedará multiplicada por esa misma constante.
 La media total de un grupo de puntuaciones, cuando se conocen los

tamaños y las medias de varios subgrupos hechos a partir del grupo
total, mutuamente exclusivo y exhaustivo, puede obtenerse ponderando
las medias parciales a partir de los tamaños de los subgrupos en que han
sido calculadas.
XT = n1 · X1 + n2 · X2 + … + nk · Xk

n1 + n2 + n3 + … + nk
 Una variable definida como la combinación lineal de otras variables tiene
como media la misma combinación lineal de las medias de las variables
intervinientes en su definición
28
LA MEDIANA
Mediana: aquella puntuación que fuera superada por la mitad de las
observaciones, pero no por la otra mitad, se suele representar por Mdn.
Para su cálculo podemos encontrarnos en dos casos generales, aquel en el

que contamos con un número impar de observaciones y aquel que nos
encontramos con un número par de ellas. En el primero se toma como mediana
el valor central: en el segundo se da la circunstancia de que cualquier valor
comprendido entre los dos centrales cumple con la definición de la mediana.
Fechner propuso tomar la media aritmética de los dos valores centrales.
LA MODA
Una tercera vía para representar la tendencia central de un conjunto de
valores consiste en informar del valor más frecuentemente observado. Se
presenta por Mo, y se define sencillamente como el valor de la variable con
mayor frecuencia absoluta.
Como norma, para obtener la moda ordenaremos los valores de menor a

mayor para así facilitar la identificación del de mayor frecuencia.
 Cuando todos los valores tienen la misma frecuencia, es un caso en el

que la moda no se puede calcular, decimos que es una distribución
amodal.
 Cuando hay dos valores con la misma y máxima frecuencia en este caso
se dice que la distribución tiene dos modas o que es una distribución
bimodal.
 Cuando disponemos de una distribución de frecuencias, se toma como

moda el punto medio del intervalo con mayor frecuencia. También en
distribuciones de frecuencias pueden darse los casos anteriores. En ellos
se utilizarían las mismas reglas que acabamos de exponer, pero aplicadas
a los puntos medios de sus intervalos.
Comparación entre medidas de tendencia central
29
Si no hay ningún argumento de peso en contra, se preferirá siempre la

media. Hay dos razones para apoyar esta norma general. La primera es que en
ella se basan otros estadísticos y la segunda es que es mejor estimador de su
parámetro que la mediana y la moda.
Hay al menos 3 situaciones en las que se preferirá la mediana a la media:
1. Cuando la variable esté medida en escala ordinal
2. Cuando haya valores extremos que distorsionen la interpretación de la

media
3. Cuando haya intervalos abiertos, situaciones en las que el intervalo

superior carece de límite superior, el intervalo inferior carece de límite
inferior o ambos.
La media es extremadamente sensible a las puntuaciones y un cambio en

sólo una de ellas supone un cambio en la media aritmética, mientras que la
mediana sólo se vería alterada por cambios en los valores centrales.
La mediana será la segunda candidata para representar la tendencia

central y si no hay argumentos de peso en contra se preferirá la mediana a la
moda:
1. Cuando se trate de una variable medida en escala nominal
2. Cuando haya intervalos abiertos y la mediana pertenezca a uno de ellos.
30
CAPÍTULO 5:
MEDIDAS DE
VARIACIÓN
Cap. 5 Medidas de Variación
MEDIDAS DE VARIACIÓN
A veces ocurre que las medidas de tendencia central, como la media,
"engañan" sobre la verdadera distribución de la variable, en el caso de que ésta
sea muy dispersa. Imagine que en una asignatura con 8 alumnos las
calificaciones son 0, 0, 0, 0, 10, 10, 10, 10. La media y la mediana resultan ser 5,
valor muy alejado de lo que sucede en realidad.
Las medidas de variación o dispersión muestran la variabilidad de una

distribución, indicando por medio de un número o estadístico si las diferentes
puntuaciones de una variable están muy alejadas de la media.
Cuanto mayores son los valores de esos estadísticos más variabilidad

habrá. Cuanto menores son, más homogéneas son las puntuaciones respecto a
la media. De este modo se puede saber si todos los casos son parecidos o hay
grandes diferencias entre ellos.
Varianza y desviación típica

Una idea que se ha demostrado útil a la hora de cuantificar la
variabilidad es la de trabajar con las distancias desde los valores hasta algún
poste centra, que podría ser la media aritmética y basar la medición de la
dispersión en algún tipo de “separación promedio” hasta ese poste
Una solución al problema de que las distancias con respecto a la media

sumen cero consiste en elevar al cuadrado esas distancias antes de hallar su
promedio, dado que los cuadrados son siempre positivos. El índice basado en
esta idea se llama varianza y se representa por la expresión S2x, donde el
subíndice recoge la letra con la que se representa la variable. Al cálculo del
promedio de las desviaciones cuadráticas con respecto a la media:
S2x =  ( X - X )2
32
S2x =  x2
n
La cuestión que puede surgir es la de cómo valorar el grado de
dispersión cuantificado mediante este índice. En realidad no tiene mucho
sentido hablar de niveles altos o bajos de dispersión en términos absolutos,
sino, en todo caso, en términos comparativos.
La varianza sirve sobre todo para comparar el grado de dispersión de

dos o más conjuntos de valores en una misma variable, llegando a conclusiones
como la siguiente: “La población de hombres presenta una mayor variabilidad
en su estatura que la población de mujeres, que son más homogéneas en esa
característica”
El valor 27,2 no parece un número claramente relacionado con lo que se

pretendía medir. Las mayores distancias que presentan esos valores con
respecto a la media son de 8 puntos y parece que una representación numérica
de la magnitud general de esas distancias estaría bastante alejada de 27,2. La
razón de esta discrepancia es que las distancias no se han tratado como tales,
sino que para evitar el problema de que las diferenciales sumen cero se han
elevado éstas al cuadrado. Por ello es frecuente que, con objeto de retornar las
unidades originales de esas distancias, se calcule la raíz cuadrada de la cantidad
obtenida. Al índice así hallado se le llama desviación típica, se representa por Sx
y se define sencillamente como la raíz cuadrada de la varianza:
Sx =   ( Xi - X)2
n
La desviación típica es un mejor descriptor de la variabilidad, aunque la

varianza tenga algunas notables propiedades que la hacen idónea para basar en
ella los análisis estadísticos complejos.
La variabilidad de los datos está reflejando el hecho incuestionable de las

diferencias individuales y éstas son uno de los objetos de estudio primordiales
de la psicología.
Cuasivarianza: dividiendo por n – 1, representamos por S’2x
33
n · S2x = (n – 1) · S’2x
Cálculo y propiedades de la varianza

 La varianza y la desviación típica como medidas de dispersión, son
valores esencialmente positivos.
 Si sumamos una constante a un conjunto de puntuaciones, su varianza

no se altera
 Si multiplicamos por una constante a un conjunto de puntuaciones, la

varianza quedará multiplicada por el cuadrado de la constante, y la
desviación típica por el valor absoluto de esa constante.
 La varianza total de un grupo de puntuaciones, cuando se conocen los

tamaños (ni), las medidas (Xi) y las varianzas (S2i) de varios subgrupos
hechos a partir del grupo total, mutuamente exclusivos y exhaustivos,
puede obtenerse sumando la media (ponderada) de las varianzas y la
varianza (ponderada) de las medias:
S2T =  ni · S2i +  ni (Xi - XT)2

 ni  ni
 La desigualdad de Tchebychev recoge el hecho de que las distancias

menores hasta la media son más frecuentes que las distancias mayores.
Así, entre las puntuaciones correspondientes a la media +- una
desviación típica se encontrarán menos observaciones que entre las
puntuaciones correspondientes a la media +- una dos desviaciones
típicas. Según la desigualdad de Tchebychev, el porcentaje de
puntuaciones que quedan entre las correspondientes a la media +- k
desviaciones típicas es, como mínimo, el:
(1–1 por 100 de las observaciones

k2
Otras medidas de variación
Una forma muy sencilla de indicar el grado de dispersión consiste en
calcular la distancia entre el mayor y el menor de los valores observados. Este
índice se llama amplitud total, rango o recorrido, y se obtiene sencillamente
hallando la diferencia entre los valores extremos:
34
AT = Xmáx – Xmin
La principal desventaja de este índice es que es muy sensible a los

valores extremos, y nada sensible a los intermedios, pudiendo carecer de toda
representatividad.
Otro inconveniente de este índice es que está ligado al tamaño de la

muestra utilizada, Si se quiere comparar la variabilidad de la dispersión de dos
conjuntos de datos de tamaño marcadamente distinto, es probable que la
muestra de mayor tamaño presente una mayor amplitud aunque las
poblaciones de referencia tengan la misma variabilidad.
Desviación media: tomar las desviaciones con respecto a la media, o

puntuaciones diferenciales, en valor absoluto. Se representa por sus iniciales
(DM):
DM o ST =  Xi - X
n
La desviación media representa un promedio de distancias tomadas en
valor absoluto y representa bien el concepto de dispersión y su cuantificación,
aunque no es muy utilizado en psicología debido a la dificultad que supone el
trabajo con valores absolutos, y que hace que no haya muchas técnicas de
análisis estadístico basadas en ella.
Cuando en las puntuaciones hay algún valor extremo que pudiera

distorsionar la representatividad de la varianza se puede utilizar otro índice,
basado sólo en las puntuaciones correspondientes a los cuartiles primero y
tercero. Se denomina amplitud semi – intercuartil, se representa por la letra Q
Q = Q3 – Q1
2
Esta medida de variabilidad elimina del cómputo las puntuaciones

extremas que no le afectan.
Coeficiente de variación:
Comparar la variabilidad de grupos cuya media es claramente distinta,

relativizar la desviación típica con respecto a la media, expresado como un
porcentaje, se representa por CV
35
CV = Sx · 100
X
Cuanto mayor es el coeficiente de variación, menos representativa es la

media.
Representación gráfica de la variabilidad
Box and whiuskers, que significa literalmente caja y bigotes. Para su

construcción se marcan señales de tal forma que las distancias entre ellas sean
proporcionales a las distancias entre la puntuación máxima y mínima y los 3
cuartiles. Con los 3 cuartiles se forma una especie de ficha de dominó, mientras
que las puntuaciones máxima y mínima se unen mediante líneas rectas a los
bordes de esta forma geométrica. Se puede comparar la variabilidad de dos
distribuciones haciendo representaciones paralelas de caja y bigotes.
En otros casos se quiere representar la evolución de los valores medios,

se pueden unir mediante un trazo los puntos correspondientes y añadir unos
bigotes verticales que indiquen los valores correspondientes a una desviación
típica.
PUNTUACIONES TÍPICAS Y ESCALAS DERIVADAS

Puntuaciones típicas
Puntuación diferencial  la distancia o diferencia, entre esa puntuación
y la media del grupo de puntuaciones.
Las puntuaciones diferenciales son más informativas e interesantes que

las directas, pues al menos nos indican si la puntuación es superior o inferior a
la media o si coincide con ella. Esta información es insuficiente para comparar
puntuaciones de sujetos pertenecientes a distintos grupos o a distintas
variables.
Variabilidad del grupo de referencia: se trataría de indicar cómo de

grande es una distancia en términos de las distancias observadas en general en
esas puntuaciones. Esa distancia general es la desviación típica. Las
36
puntuaciones así conseguidas se denominan, puntuaciones típicas, se

representan por letras z minúscula y su fórmula es:
zi = Xi - X
Sx
Es idéntica al cociente entre la puntuación diferencial y la desviación
típica:
zi = xi
Sx
Al proceso de obtención de las puntuaciones típicas se le llama
tipificación. La definición de las puntuaciones típicas puede basarse en esta idea
y expresarse como sigue:
 La puntuación típica de una observación indica el número de

desviaciones típicas que esa observación se separa de la media del grupo
de observaciones.
Las puntuaciones típicas permiten hacer comparaciones entre unidades

de distintos grupos, entre variables medidas de distintas formas o incluso entre
variables diferentes. Siempre nos indican el número de desviaciones típicas que
se separan de la media y si esa desviación es por encima o por debajo de la
media.
Las típicas no son más que una transformación lineal que consiste en
multiplicar las directas por una constante (el inverso de la desviación típica) y
luego sumar a esos productos otra constante (el cociente entre la media y la
desviación típica, con signo negativo)
Zi = Xi - X = 1 . Xi + - X
Sx Sx Sx
Estas características de las puntuaciones típicas son universales, no

dependen del tipo de puntuaciones, ni de su dispersión, ni de su número.
 La media de las puntuaciones típicas es cero, mientras que su varianza y

desviación típica son iguales a uno.
37
Las puntuaciones típicas reflejan las relaciones esenciales entre las

puntuaciones con independencia de la unidad de medida que se haya utilizado
en la medición.
Escalas derivadas
Inconveniente  La medida de las típicas es cero y su desviación típica
uno, buena parte de las puntuaciones suelen ser negativas y casi todas
decimales.
Un procedimiento consiste en transformar las puntuaciones típicas en

otras que retengan todas las relaciones que manifiestan las puntuaciones
originales, que sean puntuaciones equivalentes pero evitando la dificultad
operativa y que constituyen lo que se denomina una escala derivada.
Las puntuaciones transformadas tienen como media y desviación típica

las constantes utilizadas para la transformación, podemos conseguir que las
puntuaciones en una escala derivada tengan las características que nos resulten
más cómodas, sencillamente haciendo la transformación con las constantes que
deseamos como media y desviación típica.
 Si transformamos linealmente las puntuaciones típicas, multiplicándolas

por una constante a, y sumando una constante b, entonces las
puntuaciones transformadas tendrán como media la constante sumada,
b, como desviación típica el valor absoluto de la constante multiplicada
(a) y como varianza el cuadrado de esta constante, a2
La construcción de una escala derivada parte de unas puntuaciones

directas, éstas se tipifican y después se transforman linealmente en otras
puntuaciones.
Esquema de la transformación en una escala derivada:
38
Tipificación Transformación en escala derivada:

Ti = a . zi + b
La cuestión fundamental de las escalas derivadas consiste en transformar

las puntuaciones originales, Xi, en otras puntuaciones transformadas, Ti, tales
que sean más cómodas de tratar e interpretar, pero que a la vez retengan las
relaciones esenciales entre los valores, que sean puntuaciones equivalentes.
Cualquier transformación lineal en la que la constante multiplicadora sea

positiva da lugar a unas puntuaciones equivalentes.
39
CAPÍTULO 6:
MEDIDAS DE
ASIMETRÍA Y
CURTOSI
Cap. 6 Medidas de Asimetría y Curtosis
ÍNDICES DE ASIMETRÍA
El concepto de asimetría o sesgo se refiere a si la curva que forman los

valores de la serie presenta la misma forma a izquierda y derecha de un valor
central (media aritmética).
El grado de asimetría de una distribución hace referencia al grado en que

los datos se reparten equilibradamente por encima y por debajo de la tendencia
central. Hay diferentes índices con los que cuantificar esta propiedad:
El primero de ellos se basa en la relación entre la media y la moda, y se

define como la distancia entre la media y la moda, medida en desviaciones
típicas.
La media es inferior a la moda, y por tanto este índice dará un valor

negativo, mientras que en la figura c la media es superior y el índice dará
positivo. En la distribución de la figura b coinciden los dos índices de tendencia
central, y por tanto el índice de asimetría dará cero.
Las distribuciones del tipo de la figura a se dice que tienen asimetría

negativa y el índice da valores menores que cero. Las del tipo de la figura c se
dice que tienen asimetría positiva y este índice da valores mayores que cero. Las
del tipo de la figura b se dice que son distribuciones simétricas, puesto que no
están inclinadas hacia ningún lado; este índice da en ellas valores en torno a
cero y si la simetría es perfecta entonces da exactamente cero. Este índice tiene
la dificultad de que sólo se puede calcular en distribuciones unimodales.
Según el grado de asimetría una distribución puede ser:
 Simétrica: si existe la misma concentración de valores a la derecha y a la

izquierda de la media.
41
 Asimétrica positiva: si existe mayor concentración de valores a la

derecha de la media que a su izquierda.
 Asimétrica negativa: si existe mayor concentración de valores a la

izquierda de la media que a su derecha.
Índice de asimetría de Pearson, es igual al promedio de las puntuaciones

típicas elevadas al cubo:
As = (z3) =  ( Xi - X)3/ Sx3 = 1 .  (Xi - X)3

n n. S3x
Los valores menores que cero indican asimetría negativa, los mayores de
cero asimetría positiva y los valores en torno a cero indican distribuciones
aproximadamente simétricas. Es el índice de asimetría más utilizado.
El índice de asimetría intercuartílico se basa, en los cuartiles. Su fórmula

es:
As = (Q3 – Q2) – (Q2 – Q1)

Q3 – Q1
Los valores mayores de cero indican asimetría positiva, los menores
indican asimetría negativa y los valores en torno a cero reflejan distribuciones
aproximadamente simétricas. Tiene una ventaja sobre los índices anteriores y es
42
que tiene un valor máximo y mínimo con lo que se facilita su interpretación en

términos relativos.
ÍNDICE DE CURTOSIS
Sólo vamos a estudiar el que se basa en el promedio de las típicas
elevadas a la cuarta potencia. Su fórmula es:
Cr = (z4) =  (Xi - X)4 / S4x - 3 = 1 . .  (Xi - X)4 - 3

n n. S4x
Al restar un tres al índice lo que se consigue es utilizar ese modelo como

patrón de comparación. Una distribución en la que el índice sea igual a cero
tiene un grado de curtosis similar al de la distribución normal y, siguiendo la
terminología propuesta por Pearson, se dice que es mesocúrtica, mientras que si
es positivo su grado de apuntamiento es mayor que el de la distribución normal
y se dice que es una distribución leptocúrtica y si es negativo su apuntamiento
es menor que el de la distribución normal y se dice que es platicúrtica.
La Curtosis o apuntamiento analiza el grado de concentración que

presentan los valores alrededor de la zona central de la distribución.
El patrón con el que se compara la forma del gráfico es la distribución

normal. Según el grado de curtosis, una distribución puede ser:
 Mesocúrtica: presenta un grado de concentración medio alrededor de los

valores centrales de la variable.
 Leptocúrtica: presenta un elevado grado de concentración alrededor de

los valores centrales de la variable.
43
 Platicúrtica: presenta un reducido grado de concentración alrededor de

los valores centrales de la variable.
44
ANEXOS
Guía de Ejercicios de Psicoestadística I
GUIA DE EJERCICIOS
PSICOESTADÍSTICA
Pregunta 1
Las notas de inglés de una clase de 40 alumnos han sido las siguientes:
1 7 9 2 5 4 4 3 7 8
4 5 6 7 6 4 3 1 5 9
2 6 4 6 5 2 2 8 3 6
4 5 2 4 3 5 6 5 2 4
Calcula la nota media.
Pregunta 2
En una clase de un IES hemos medido la altura de los 25 alumnos. Sus medidas, en cm,
son:
167 159 168 165 150 170 172 158 163 156
151 173 175 164 153 158 157 164 169 163
160 159 158 174 164
Elabora una tabla que represente estos resultados con sus frecuencias absolutas, relativas
y porcentajes. Toma intervalos de amplitud 5 cm comenzando por 150.
Pregunta 3
En un examen de matemáticas los 30 alumnos de una clase han obtenido las
puntuaciones recogidas en la siguiente tabla:
Calificaciones Nº alumnos
[0,1) 2
[1,2) 2
[2,3) 3
[3,4) 6
[4,5) 7
[5,6) 6
[6,7) 1
[7,8) 1
[8,9) 1
[9,10) 1
Halla la varianza y la desviación típica.
Pregunta 4
En una clase de 25 alumnos hemos preguntado la edad de cada uno, obteniendo estos
resultados:
14, 14, 15, 13, 15, 14, 14, 14, 14, 15, 13, 14, 15, 16, 14, 15, 13, 14, 15, 13, 14, 14, 14, 15, 14
Haz una tabla donde aparezcan las frecuencias absolutas acumuladas y las frecuencias
relativas acumuladas.
1
Pregunta 5
Calcula la varianza y la desviación típica de los siguientes datos: 4, 7, 5, 3, 6.
Pregunta 6
Halla el número medio de hijos por mujer en 1998 en España a partir de los datos de las
comunidades autónomas:
Andalucía 1,28
Aragón 1,05
Asturas (Principado de) 0,8
Baleares (Islas) 1,44
Canarias 1,24
Cantabria 0,94
Castilla y León 0,91
Castilla-La Mancha 1,24
Cataluña 1,21
Comunidad Valenciana 1,17
Extremadura 1,2
Galicia 0,9
Madrid (Comunidad de) 1,19
Murcia (Región de) 1,41
Navarra (C. Foral de) 1,7
País Vasco 0,97
Rioja (La) 1,12
Ceuta y Melilla 1,87
(Fuente: INE)
Pregunta 7
Calcula el percentil P65 de los siguientes datos:
x i fi
2 12
4 10
6 8
8 7
10 5
12 8
14 10
Pregunta 8
Calcula la media de viajeros en establecimientos hoteleros durante 1999. Después calcula
la desviación típica para ver si esa media es representativa de todos los meses del año.
2
Mes Viajeros
Enero 2.775.738
Febrero 3.205.892
Marzo 4.143.343
Abril 4.931.385
Mayo 5.724.555
Junio 5.834.331
Julio 6.415.298
Agosto 6.986.211
Septiembre 6.349.504
Octubre 5.447.890
Noviembre 3.570.715
Diciembre 3.204.082
(Fuente: INE)
Pregunta 9
Representa mediante diagrama de barras las ganancias medias de los trabajadores, según
el sexo, en el cuarto trimestre de 1999, que se recogen en la siguiente tabla:
Sueldo en ptas.
Sector Varones Mujeres
Industria 284.363 206.204
Construcción 214.446 205.372
Servicios 263.554 195.447
(Fuente: INE)
Pregunta 10
Haz un diagrama de sectores que represente la procedencia de los extranjeros residentes
en España, en diciembre de 1999, recogidos en la siguiente tabla:
Procedencia
Europa 353.556
América 166.709
Asia 66.340
África 213.012
Oceanía 1.013
Desconocida 699
(Fuente: INE)
Pregunta 11
Calcula la media de la población en las Comunidades Autónomas que nos indica la
siguiente tabla:
3
CCAA Habitantes
Andalucía 7.236.459
Aragón 1.183.234
Asturias 1.081.834
Baleares (Islas) 796.483
Canarias 1.630.015
Cantabria 527.137
Castilla y León 2.484.603
Castilla-La Mancha 1.716.152
Cataluña 6.147.610
Ceuta 72.117
Comunidad Valenciana 4.023.441
Extremadura 1.069.419
Galicia 2.724.544
Madrid 5.091.336
Melilla 60.108
Murcia 1.115.068
Navarra 530.819
País Vasco 2.098.628
Rioja (La) 263.644
TOTAL ESPAÑA 39.852.651
Pregunta 12
Se ha hecho una encuesta sobre el número de hijos en 50 familias, con los siguientes
resultados:
0 2 1 2 5 2 1 1 1 4 0 0 2
0 4 4 1 1 2 2 3 1 2 3 0
3 1 3 2 2 3 3 1 5 4 3 3
1 2 2 2 3 2 2 1 0 2 2 1
1
Haz una tabla donde se recojan estos datos con sus frecuencias absolutas acumuladas y
relativas acumuladas.
Pregunta 13
Las edades de los jugadores de un equipo de baloncesto son: 27, 18, 28, 26, 25, 19, 31, 19,
24 y 26 años. ¿Cuál es la edad media?
Pregunta 14
Lanzamos un dado 25 veces y obtenemos los siguientes resultados:
5, 3, 2, 6, 5, 1, 2, 3, 2, 1, 5, 1, 5, 2, 4, 5, 6, 1, 2, 4, 4, 2, 2, 4, 3.
Calcula el percentil P30.
Pregunta 15
Representa mediante un diagrama de barras las ciudades más pobladas (en 1995):
4
Ciudad Habitantes (en millones)

Tokio (Japón) 26,8
Sao Paulo (Brasil) 16,4
Nueva York (EE.UU.) 16,3
C. De México (México) 15,6
Bombay (India) 15,1
Shangai (China) 15,1
Los Ángeles (EE.UU.) 12,4
Pekín (China) 12,4
Calcuta (India) 11,7
Seúl (Corea del Sur) 11,6
(Fuente: Naciones Unidas)
Pregunta 16
En una clase de un IES hemos medido la altura de los 25 alumnos. Sus medidas, en cm, se
reflejan en la siguiente tabla agrupadas en intervalos:
Alturas Nº alumnos (fi)
[150,155) 3
[155,160) 7
[160,165) 6
[165,170) 4
[170,175) 5
Calcula la varianza y la desviación típica.
Pregunta 17
Calcula el sueldo medio en España de varones y mujeres en la industria y los servicios,
según los datos de 1999 ofrecidos por el INE:
Sueldo medio
CC.AA.
Varones Mujeres
Andalucía 248.389 158.901
Aragón 282.054 156.485
Asturias (Principado de) 275.406 177.203
Baleares (Islas) 253.681 176.835
Canarias 217.843 167.953
Cantabria 270.570 163.153
Castilla y León 260.336 171.002
Castilla-La Mancha 226.887 146.525
Cataluña 281.496 195.771
Comunidad Valenciana 244.350 159.117
Extremadura 220.644 133.952
Galicia 229.395 163.609
Madrid (Comunidad de) 308.122 235.456
Murcia (Región de) 218.924 144.544
Navarra (C. Foral de) 289.006 195.560
País Vasco 322.222 232.367
Rioja (La) 255.193 166.257
5
Pregunta 18
Las calificaciones de 180 alumnos se recogen en la siguiente tabla: Calcula P90.
Calificación Alumnos
0 1
1 5
2 15
3 20
4 30
5 35
6 22
7 14
8 16
9 14
10 8
Pregunta 19
La siguiente tabla muestra el uso del suelo español, calcula los porcentajes que hay de
cada tipo.
Uso del suelo español Superficie (Ha.)
Cultivos herbáceos 11.123.000
Cultivos leñosos 5.060.000
Barbechos 4.048.000
Prados y pastizales 2.530.000
Forestal desarbolado 12.650.000
Forestal arbolado ralo 4.048.000
Forestal arbolado normal 8.602.000
Otros usos 2.530.000
(Fuente: INE)
Pregunta 20
Se han pesado 40 piezas. Los resultados de las pesadas, expresados en gramos, son:
64,1 66,4 64 66,7 65,3 64,4 63,9 63 65,4 64,3

68,8 66,6 65,1 64,2 68,5 65,7 65,8 63,1 64,6 63,5
65 66,4 67,3 65,7 64 61,5 64,1 65 63 63,2
66,9 66,3 67 66,1 66,8 65,3 64,4 64,5 63,1 65,5
Confecciona una tabla estadística para presentar los resultados agrupando en intervalos
los valores observados y donde aparezcan también las frecuencias absolutas acumuladas y las
frecuencias relativas acumuladas. Toma intervalos de amplitud de 1 cm. comenzando por 61.
Pregunta 21
Halla la media del número de establecimientos hoteleros que hay en las distintas
Comunidades Autónomas de España. Después, con ayuda de la desviación típica, comenta si
esta media es representativa de todas las comunidades autónomas.
6
CC.AA. Nº establecimientos
hoteleros
Andalucía 2.266
Aragón 712
Asturas (Principado de) 620
Baleares (Islas) 1.483
Canarias 532
Cantabria 496
Castilla y León 1.452
Castilla-La Mancha 842
Cataluña 2.713
Comunidad Valenciana 1.019
Extremadura 418
Galicia 1.526
Madrid (Comunidad de) 1.242
Murcia (Región de) 209
Navarra (C. Foral de) 150
País Vasco 396
Rioja (La) 117
Ceuta y Melilla 36
(Fuente: INE)
Pregunta 22
Calcula el porcentaje de participación en las elecciones a Cortes Generales de marzo de
2000, teniendo en cuenta los datos de la tabla siguiente:
Total electores con derecho a voto Votantes

Andalucía 5.916.783 4.068.793
Aragón 1.019.845 728.060
Asturias (Principado de) 981.504 657.553
Baleares (Islas) 652.009 400.559
Canarias 1.393.410 845.348
Cantabria 468.607 336.508
Castilla y León 2.186.659 1.586.950
Castilla-La Mancha 1.420.894 1.084.236
Cataluña 5.293.465 3.388.128
Comunidad Valenciana 3.366.210 2.447.384
Extremadura 878.292 662.393
Galicia 2.547.784 1.656.662
Madrid (Comunidad de) 4.317.146 3.111.662
Murcia (Región de) 917.217 674.516
Navarra (C. Foral de) 463.892 306.494
País Vasco 1.810.666 1.155.999
Rioja (La) 230.427 170.997
Ceuta 55.848 30.801
Melilla 48.985 26.450
ESPAÑA 33.969.640 23.339.490
(Fuente: INE)

Analisis Psicoestadistica

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Analisis Psicoestadistica

Transféré par

Droits d'auteur :

Formats disponibles

PSICOESTADISTICA 1

La estadíística aplicada a la Psicologíía

Laura Cano Pascual

Editado por: Ingra. Jessica Liset Martínez

La estadística actual no sólo es un conjunto de técnicas para resumir y

Estadística es la ciencia que se ocupa de la ordenación y análisis de datos

La Psicología como Ciencia Empírica observa un conjunto de eventos del

Siendo así se inicia con definiciones importantes en el capitulo uno, para

La Psicología como Ciencia Empírica observa un conjunto de eventos del

Los eventos observables pueden verse influidos por numerosos factores

Se necesita de una herramienta metodológica especial, como es la

¿Por qué usamos la Estadística?

En situaciones deterministas una misma causa produce siempre un

En situaciones aleatorias una misma causa puede producir cualquier

La estadística nace de dos fuentes:

 El cálculo de probabilidades: aproximación matemática a los juegos de

 Estadística o ciencia del Estado: dedicada a llevar registros ordenados

En el siglo XIX se unen para constituir la nueva estadística.

Estudia cómo obtener conclusiones de la investigación empírica

La estadística se divide normalmente en dos partes: descriptiva e inferencial.

 La estadística descriptiva organiza, sintetiza y aclara la información

 La estadística inferencial generaliza, infiere o induce las propiedades de

Se llama población estadística al conjunto de todos los elementos que

Una muestra es un subconjunto de los elementos de una población.

Un parámetro es una propiedad descriptiva de una población.

Un estadístico es una propiedad descriptiva de una muestra.

Una característica es una propiedad o cualidad de un individuo.

Una modalidad es cada una de las maneras como se presenta una

DEFINICIÓN DE VARIABLE Y ESCALAS DE MEDIDA

Estos valores pueden ser de tipo cuantitativo, cualitativo.

Se dice que la variable es discreta cuando no admite un valor intermedio

Se dice que es continua cuando admite un valor intermedio entre dos

La estadística no realiza sus funciones directamente sobre las

Se llama medición al proceso de atribuir números a las características.

La asignación de números a las características se hace siguiendo unas

A partir de una característica se puede establecer un sistema relacional

El objetivo de la medición de una característica es conectar un sistema

La medición estudia las condiciones de construcción de representaciones

Tenemos las escalas nominales, ordinales, cuantitativas de intervalo y

Escalas nominales: la clave de estas escalas de medida es que sólo

Un concepto íntimamente ligado al concepto de escala, y que de hecho

Se dice que una transformación de los números asignados en una escala

Esta transformación de los valores originales es una transformación

La aplicación de una regla de asignación de números a las diferentes

A aquellas escalas de medida que cumplen estas características se les

En psicología son muchas las características cuya medición se considera

Apliquemos de nuevo el concepto de transformación admisible a este

Al igual que en las escalas nominales, las ordinales tienen unas

Se dice que la transformación es creciente si para todo par de objetos a y

Si n (a)  n (b), entonces t n (a)   tn(b)

La limitación de las escalas ordinales es que aunque nos informa de que

Escala de intervalo, la tercera condición añadida a las exigidas para una

Si la diferencia entre los números asignados a dos objetos es igual a la

El ejemplo clásico de este tipo de escalas es el de las temperaturas.

Las transformaciones admisibles para las escalas de intervalo no

La principal limitación de este tipo de escalas es que no tiene un cero

Las Escalas de Razón

arbitrario, es que además de poder extraer conclusiones acerca de la igualdad o

El sexo de los individuos se clasifica simbolizando con un 0 “hembra” y

La dureza de los elementos se ordena, asignándoles números que

Las cantidades de calor, pueden representarse por distintos conjuntos de

Las longitudes, pueden representarse también por distintos conjuntos de

Las Variables: Clasificación y Notación