Está en la página 1de 42

ESTADISTICA ESPAO^A Vol. 31, Nm. 122, 1990, pgs.

461 a 501

La Estadstica en Psicologa
por CARMEN SANTISTEBAN REQUENA
Dpto. Metodologa de las Ciencias del Comportamiento Universidad Complutense. 28023 Madrid

1.

INTRODUCCION

Son muchos y variados los programas que bajo las denominaciones de Estadstica para Psiclogos, Psicoestadstica o de Psicologa Materntica, se imparten en las Facultades de Psicologa de la Universidad Espaola, as como la distribucin de sus enseanzas en los distintos cursos de la licenciatura. No obstante, se puede decir que, en general, las enseanzas de la Estadstica bsica estn situadas en los dos primeros cursos de la carrera. Estos conocimientos bsicos se ven ampliados y con mayor profundidad, en los planes de estudio de algunas Universidades, en disciplinas situadas en cursos posteriores, o bien, por exigencias de programa, en aquellas otras disciplinas que necesitan de la Metodologa MatemticoEstadstica para tratar adecuadamente algunos de sus temas. En una primera aproximacin se puede decir que las enseanzas comienzan por un primer curso de Estadstica Descriptiva y de Clculo de Probabilidades, incluyendo aquellos temas ms elementales que los alumnos traen, o deberan de traer, como bagaje de conocimientos y requisito previo para iniciar sus estudios universitarios. Una amplia introduccin a la Estadstica inferencial se suele impartir en un segundo curso. La introduccin al anlisis de la Varianza y al Diseo de Experimentos, se suele hacer en el contexto de la disciplina, que se suele impartir en tercer curso, denominada como "Psicologa Experimental"'. Esta disciplina no siempre est a cargo de los profesores de Metodologa sino que, en algunas Universidades, se encuadra en el rea de conocimientos de la Psicologa Bsica en la que su eje y centro se dicen ser los contenidos

^fi^

f_Sf ^[^I^T1( ^ ^ f:^P^titlf ^

psicolgicos y no las metodologas asociadas a la Estdstica y al Diseo Experimental. Estadstica Descriptiva, Introduccin al Clculo de Probabilidades y Estadstica Inferencial, de cuyos contenidos haremos una exposicin ms deta11ada, san rnaterias comunes en los dos primeros cursos de la licenciatura. Tcnicas de Anlisis Multivariante, Teora de la Decisin, Anlisis de Datos, Teora de ia lnformacin, de 1a Deteccin de Seales, etc., son disciplinas o rr^aterias que solamente se imparten en algunas Universidades.

2.

P R 4 G RAMAS

Los contenidos de los programas en los estudios de Psicologa suelen responder, de forma ms o menos pormenorizada, a los siguientes: 2.1. Estadistica Descriptiva Tablas y gr^ficos. Estadsticos de posicin y dispersin. Distribuciones de frecuencias. Correlacin lineal simple y regresin lineal simple. 2.2. Probabilidad En los cursos de Psicologa, an en los programas ms elementales, se dan las bases probabilsticas de la Teora de la Probabilidad frecuentista, como generadora de modelos que permten medir la informacin que se tiene de los fenmenos aieatorios. La justificacin para la enseanza de estos temas es la de que en el campo de lo psicolgico, los fenmenos aleatoros predominan sustanciaimente sobre los deterministas, en parte debido a las tcnicas requeridas para la observacin y, en parte, a que es prcticamente imposible identificar y controlar todos los factores que intervienen en un fenmeno psquico. Los contenidos de los programas suelen responder a los de los siguientes epgrafes: Concepto de probabilidad. Probabilidades condicionadas y Teorema de Bayes. Suc^sos independientes. Variables aleatorias. Funciones de probabilidad y de distribucin. Valor esperado. Varianza y covarianza. Estudio de algunas distribuciones de probabilidad.

t ^^ t ^T ^^r^i^1 tc ^-^ E ^ t^S^c ^ c ^t ^^c ^i +,

4 (^ 3

En estos programas, el punto de vista frecuentista de la probabilidad, a partir de la axiomtica de Kolmogorov, no se v ampliado con los de otras teoras de la probabilidad y sus conceptos asociados (probabilidad comparativa, lgica, subjetiva, etc.). No se suele hacer un estudio detallado del "espacio de probabilidades"', que es el soporte terico de toda experiencia aleatoria. En los estudios sobre la independencia de las variables aleatorias, los conceptos se tratan de forma casi intuitiva o muy elemental, Este tratamiento est muy alejado de los temas planteados en el problema del comportamiento de sumas de variables aleatorias independientes, el Teorema Central del Lmite. Resultados bsicos como el Teorema de BorelCantelli, del producto de esperanzas matemticas, el problema de la convergencia (ley fuerte) y el de la estabilidad no tienen cabida, ni en los programas, ni en los textos de Estadstica dirigidos a psiclogos. No proponemos que se realice un estudio detallado de estos temas, pero si queremos hacer notar que el desconocimiento de los mencionados problemas asintticos en Clculo de Probabilidades, conduce a muchos equvocos en las aplicaciones en las que estn involucrados estos conceptos. En cuanto a las distribuciones de probabilidad, se suelen estudiar las distribuciones binomial y de Poisson entre las discretas, y la distribucin normal entre las continuas; si bien, en algunos programas se encuentran referencias acerca de las distribuciones hipergeomtrica y multinomial. No se estudian distribuciones de corriente aparicin en los problemas y modelos psicolgicos como son la exponencial, garnma y logartimico-normal, entre otras. Otras distribuciones tales como la t de Student, Ji-cuadrado de Pearson y F de Fisher-Snedecor, se suelen incluir en los programas en el captulo general dedicado al estudio de las distribuciones de probabilidad. Creemos, sin embargo, que estas distribuciones deben estudiarse separadamente, o bien, hacer patente que estas distribuciones no se adoptan como modelos para variables observables, sino que aparecen como distribuciones asociadas a los procesos de muestreo, cumpliendo por lo tanto objetivos distintos de los que cubren las distribuciones probabilsticas anteriormente mencionadas. EI estudio de todas las distribuciones indicadas debe hacerse en los cursos bsicos, dejando para los de especialidad la ley hipergeomtrica, entre las discretas, gamma y logartmico-normal, entre las contnuas. Como grupo de distribuciones diferenciado de los bsicos de probabilidad, por sus especiales caractersticas muestrales, deben estudiarse en

-^h-^

E ^ r ^[)^ti T ^c ^ E ti^^ ^ ^c ^[ ^

ciertas especialidades la distribucin beta y tambin' la distribucin de Dirichlet, como distribucin k-variante anloga a la beta, bsica en la teora de probabilidad de los estadsticos ordenados. EI creciente uso de las tcnicas multivariantes en todas las reas de estudia de la psicologa, hace imprescindible el estudio de la distribucin normal multivariante, las de Wishart y sus relacionadas, entre las que se incluye la h de Wilks. 2.3. Estadstica Inferencial Los programas de estadstica responden a una exposicin de las tcnicas que se derivan de la concepcin frecuentista adoptada para el estudio de la probabilidad. EI enfoque clsico dado a las enseanzas de la Estadstica en Psicologa se justifica porque, a pesar del desarrollo de nuevas tendencias, ei enfoque dado a la mayor parte de los traba ^ os estadsticos prcticos hace que stos se puedan encuadrar dentro de las ideas y mtodos de Neyman, Pearson y Fisher. Por otra parte, las tesis ms frecuentes acerca de los problemas no se conciben sin las ideas generales de la Inferencia Clsica. Los programas ms completos suelen estar compuestos por los siguientes contenidos: Introduccin al muestreo. Estimacin de parmetros: puntual y mediante intervalos de confianza. Introduccin a los contrastes paramtricos de hiptesis. Contrastes de medias, varianzas proporciones y coeficientes de correlacin y regresin. Pruebas de independencia y de bondad de ajuste. Introduccin al Anlisis de la Varianza y de la Covarianza. Algunas tcnicas no paramtricas. En estos programas se ofrecen los conceptos ms elementales de la Inferencia Clsica, cfennminac^o aq^^ c:^ma clsir.a a!a establecida pnr Fisher, Neyman y Pearson, que adopta como procedimiento para establecer resultados el punto de vista frecuentista en la probabilidad bsica, sin hacer mencin a otros mtodos ms recientes como son los de la Teora de la Decisin y la Inferencia Bayesiana, que son aproximaciones, al problema general de la Inferencia Estadstica. Tampoco se hacen referencias a otros mtodos menos relevantes, pero importantes en en desarrollo de la Estadstica Matemtica, como son la Inferencia Estructural, Fiducial, las aproximaciones por Teora de la Informacin y por la Teora General de la Verosimilitud.

LA ES"TA[^1STtt'^ E:N F'Sf('t)LOt^I ^^

^4b 5

Una de las objeciones importantes que se pueden hacer, ms que a los programas a su forma de impartirlos, es la de que ya que en la raz de la inferencia clsica estn los problemas muestrales, stos o no se explican can claridad, o no se insiste en ellos lo suficiente. Esta aseveracin se hace en base a la experiencia personal, recogida en varias Universidades al recibir a los estudiantes en la disciplina de Psicometria, impartir cursos para postgraduados, cursos de doctorado y atender a los profesionales que acuden en busca de ayuda metodolgica para la realiiacin de sus trabajos. Estas insuficiencias se evidencian en los estudiantes, y en postgraduados, al tratar con nociones tales como las de "espacio muestral", y"espacio paramtrico". As como cuando se entra en consideraciones acerca del papel de los datos muestrales, como contenedores de la "informacin acerca del parmetro, o de ios parmetros", o bien ei del "estadstico" como funcin de la muestra que concentra esa informacin, y que a su vei es una variable aleatoria cuya distribucin de probabilidad es conocida como la "distribucin muestral del estadstico". EI prok^lema de encontrar estimadores ptimas, los mtodos generales para construirlos y el anlisis de sus caractersticas, segn cada mtodo de construccin, no creemos que deba ser objeto de estos programas, pero s debera incluirse en ellos una exposicin que Ileve al conocimiento de las propiedades de los estimadores y de su significado. En aquellos programas en los que se abordan los problemas sobre estimacin paramtrica, se suele incluir 1a estimacin puntual pero, con excepcin del sesgo, en algunos casos, no se suelen mencionar los criterios de clasificacin de los estirnadores segn su bondad, la consistencia corno comportamiento asinttico del estimador, la eficiencia por comparacin de estimadores insesgados en trminos de varianzas muestrales, o bien la suficiencia, que como tambin expondremos ms adelante, es y ha sido tan importante para 1a introduccin de los modelos Poissonianos de Rasch para los tests de lectura, y en general, para la generacin de los modelos psicomtricos actualmente encuadrados en la Teora de la Respuesta aM Item. La estimacin mnimo cuadrtica se estudia indirectamente al tratar de los temas de regresin y ajuste. Esta forma de presentar el tema queda asociado en los discentes a un problema de "ajuste lineal" de una nube de puntos a una recta, pero no se concibe y se encuadra como un mtodo general de estimacin de parmetros, determinando en qu condiciones el mtodo de mnimos cuadrados proporciona estimadores de varianza mnima. Un tema que creemos que debe ser includo en 1os programas es el de la estimacin por rnxima verosimilitud y sus propiedades. Los alumnos de-

^fif^

E_ST,1f)ISTI(',i ESP.^tiC)L^1

ben conocer el mtodo y el car^cter asinttico de estos estimadores, utilizando el mtodo en situaciones sencillas sobre muestras procedentes de distribuciones de probabilidad para ellos conocidas, y as, aprender la manera de ejecutar e interpretar los programas de computador actualmente disponibles a tal fin. Estos programas los va a utilizar posteriormente, ai menos, en la disciplina de Psicometra, para Ilegar al conocimiento de la teora y tcnicas de construccin de tests. Otro de los errores usuales, es el de la confusin de la estimacin por intervalos de confianza con los conceptos inherentes a los contrastes estadsticos de hiptesis, en cuanto a la particin del espacio paramtrico. Estas confusiones se facilitan, o se inducen, entre otras razones, por la introduccin en los programas de epgrafes tales como "Comprobacin de hiptesis estadsticas en intervalos confidenciales", puesto que equvocamente se ponen en relacin los intervalos de confianza con la determinacin de las regiones de aceptacin y crtica o de rechazo en el espacio paramtrico. No menos interesante es el reconocimiento errnco de que^ un intervalo de confianza construido para un parmetro con un nivel de probabilidad, por ejemplo, de p=o,99 es " mejor" que otro con probabilidad p=0,95, sin tener en cuenta que un intervalo con p=1, o sea, con 100 % de confianza, siempre se puede construir, pero ser tan amplio que no nos proporcionar^i (a informacin estadstica deseada. Por lo tanto, hay que familiarizar a los estudiantes con las expresiones y el sentido de obtener intervalos de confianza en casos concretos, calculando tambin intervalos no sirntricos para reforzar el concepto de amplitud mnima, as como el hacerles establecer las relaciones entre el tamao muestral y la precisin en la estimacin. Por otra parte, habr^i que hablar de la distribucin en el muestreo de algunos estadsticos bsicos, EI desconocimiento del sentido y del significado de la distribucin muestral de cada uno de los estadsticos, Ileva a errores en la aplicacin de los tests estadsticos de hiptesis, y a que se hagan aseveraciones tales como la de que se acepta una hiptesis formulada como alternativa, olvidando que, en la enunciacin de la hiptesis que se quiere contrastar, se trata de encontrar un estadstico de contraste tal que su distribucin en el muestreo dependa de esa hiptesis, de forma que esa distribucin muestral es distinta si se verifica esa hiptesis o bien su contraria, y que el contraste se realiza bajo el supuesto de que la hiptesis es cierta. En cuanto a las ausencias, habr que significar tambin que, a los tipos de error y a la potencia del test se le concede poca importancia y que la Inferencia No Paramtrica no est. presente en todos los programas.

l:1 E.tiTAE)ISIIC'^1 E.^+ E'SI('()l.t)(;IA

467

La no inclusin en los programas de las tcnicas propias de la I nferencia No Paramtrica en los estudios de Psicologa es incomprensible. Es evidente lo tiles que resultan stos mtodos, al permitir el que se puedan extraer conclusiones de las observaciones muestrales sin necesidad de formular supuestos con respecto a la forma matemtica de la distribucin poblacional; puesto que los estimadores no dependen de la forma funciona! de la funcin de distribucin de la poblacin de la que se extrae la muestra. Los programas que incluyen inferencia no paramtrica suelen tratar los temas siguientes: Comparacin de medias. Prueba U de Mann-Whitney. EI test de Wilcoxon para datos apareados. Comparacin de K medias por la prueba de Kruskal-Wallis. Los problemas de aleatoriedad de las muestras, y el test de rachas para contrastar la aleatoriedad de las observaciones de una muestra, no se suelen tratar en los programas. La aplicacin de la distribucin Ji-cuadrado como test estadstico, se suele encontrar en los programas en el contexto de la inferencia, pero sin especificar que son pruebas no paramtricas las basadas en esta distribucin, como son los tests de homogeneidad, independencia o de bondad de a j u ste. 2.4. Anlisis de la Varianza y Diseo Experimenta! Las primeras nociones sobre Anlisis de la Varianza, se suelen exp{icar como contenidos del programa de Estadstica Inferencial, que en casi tadas las Facultades se imparte en el segundo ao de la licenciatura. Aplicaciones y ampliaciones de sta tcnica, as como las nociones de diseo y sus tipos, sueien formar parte de la disciplina de Psicologa Experimental que, generalmente, se imparte en el tercer curso de la licenciatura. EI mayor o menor volumen d conocirnientos estadsticos en cuanto a diseo y anlisis ofrecidos a ios alumnos en la disciplina de Psicologa Experimental, muchas veces coincide con el que ella est encuadrada en el rea de Psicologa de los Procesos sicos o bien en el rea de Metodologa de las Ciencias del Comportamiento. Gran parte de los contenidos de la disciplina de Psicologa Experimental estn dirigidos a la aproximacin al conocimiento del proceso de investigacin cientfica y a la familiarizacin de! alumno con tcnicas especficas de experimentacin, as como de los diseos y anlisis de fos datos. Se explican algunos tipos de diseo, utilizando como tcnica base el

a^

E:ST 1OIST I(' ^1 F SP.> ^t)l.A

Anlisis de la Varianza, pero no se d una introduccin general a los t^/lodelos Lineales analizando los problemas estadsticos generales, pudindose pasar de un modelo a otro, o bien establecer, por ejemplo, la relacin entre diseo y regresin. Los programas suelen contener los siguientes temas: -- Anlisis de la varianza de uno y dos factares. Introduccin al diseo experimental; identificacin y control de variables. Formulacin de hiptesis. Diseos en bloques aleatorizados. Diseos factoriales. Introduccin al anlisis de la Covarianza. EI Anlisis de la Regresin simple y mltiple, as como el anlisis de la Regresin no lineal tiene cabida en algunos programas, dentro de la discipiina de Psicologa Matemtica, en un segundo o tercer ao de estudios, hacindose las pertinentes especificaciones acerca del modelo y del anlisis estadstico adecuado en cada caso, y de las implicaciones que conlleva la vialacin de los supuestos. Poco, o muy poco, se profundiza en dos tcnicas muy tiles en el anlisis de los datos en Psicologa como son: a) EI Anlisis de la Covarianza para el control de las variables concomitantes, y la reduccin del error experimental, que se puede utilizar en conjuncin con diseos de aleatorizacin completa, con bloques aleatorizados, cuadradas latinos o experimentos factoriales. b) EI estudio de las Superficies de Respuesta para analizar problemas en los que algunas variables independientes influyen sobre una variable dependiente, o respuesta, donde el objetivo es el de optimizar sta respuesta, no se encuentra incluido en los programas de Estadstica para psiclogos ni en los de Psicologa Experimental.

2.5. Tcnicas de Anlisis Multivariante Las tcnicas multivariantes se han introducido en algunos programas de los estudios de Psicologia, bien en los ltimos cursos de la licenciatura, o bien en los del tercer ciclo, puesto que los profesionales de la Psicologa van haciendo un uso cada vez mayor de stas tcnicas. Los programas oficiales suelen contener los temas: Fundamentos de clculo matricial. Regresin y correlacin mltiple.

1.,1 j.ti1 :>^IST ft'-^ F^ f'SI( t)t O(,1 ^

^tf^9

Correlacin cannica. Componentes principales. Anlisis factorial. Anlisis discriminante. Anlisis, de conglomerados.

Si bien, profundizando en algunos programas se evidencia que las enseanzas estn ms dirigidas al uso de paquetes de programas, coma el 6MDP, que a descubrir los fundamentos y condiciones con que estas . tcnicas se aplican. 2.6. Computacin y Simulacin
En todas las Universidades se suele introducir a los alumnos en el uso del computador, conteniendo sus respectivos planes de estudio disciplinas especficas, dentro del rea de Metodologa, destinadas a tal fin. En la Universidad Complutense, por ejempfo, bajo la denominacin de Proceso de Datos y Simulacin, se ofrece como optativa una disciplina cuyo programa dice pretender, en su enunciacin de objetivas: a) "ofrecer a los psiclogos un lenguaje de ordenador lFortran 77) para que ellos elaboren sus propios informes"; b) "Introducir a los alumnos en las tcnicas de simulacin de 1os procesos psicolgicos utilizando el lenguaje anterior y c) "Introducir a los psiclogos en el manejo y aplicacin de paquetes de programas estandarizados con objeto de que analicen sus datos y sepan interpretar-

los".

3.

DISCUS1011^

3.1. Sobre los programas La revisin expuesta se ha realizado sobre una gran cantidad de programas, y las diferencias que se encuentran entre stos y los de disciplinas anlogas en estudios universitarios, especficos de otras licenciaturas, estn, ms que en los contenidos, en la deciaracin de intenciones de los objetivos con los que se abordan las disciplinas, donde se encuentran frases como esta: "se estudiarn los mtodos de la Estadstica que son utilizados en Psicologa, insistiendo en su fundamentacin y en la interpretacin, en trminos psicolgicos, de los resultados obtenidos". Interpretamos nosotros que, esa "interpretacin de los resultados estadsticos en trminos psicolgicos" no es tal, sino la explicacin del significado en relacin con el contenido psicolgico, en cada caso concreto. En general, los niveles de explicacin e interpretacin de la metodologa esta-

F^.ti^T :^ [^ST 1C 4 f SP,^ ti{)l_ A

dstica son adecuados y consideramos como exeepcin a aquellos docentes que promueven la estadstica sin frmulas, as como a aquellos que promulgan que en la aplicacin de la Estadstica a ciertas reas psicolgicas, para analizar los datos, slo es necesario e^ computador, un programa y una explicacin psicolgica, que no matemtica, de los resultados. Con la pobreza de ciertos programas de Estadstica para psiclogos en algunas Universidades espaolas (en muchas de las cuales Psicologa es una Seccin de las Facultades de Filosofa y Ciencias de la Educacin) contrasta la preocupacin cada vez mayor que en la comunidad cientfica se observa por la pureza del mtodo, y una utilizacin cada vez ms generalizada, de todo tipo de tcnicas estadsticas para el estudio de los problemas psicolgicos y la generacin de nuevos mtodos que, una vez sistematizados y formalizados, se van incorporando al cuerpo general de la doctrina de la Estadstica Matemtica. Libros como "Statisticat and Methodological Issues in Psychology and Social Sciences Research" (G. Keren, 19$2) contienen captulos dedicados a temas como las relaciones entre la naturaleza de la medida y los mtodos o tcnicas para analizar los datos, una segunda parte dedicada al anlisis de la varianza y regresin mltiple entre cuyos temas finales se incluyen algunos conceptos bsicos de robustez y estadsticos robustos; una tercera parte est compuesta por captulos dedicados a aproximaciones Bayesianas, y por ltimo se tratan las series de tiempo y el anlisis de datos categricos. La segunda edicin de la obra "Statistical Power Analysis for the Behavioral Sciences" de J. Cohen (198$1, y los programas de ordenador de R. B. Anderson (1981 ), G. E. Dallal (1 987) y R. F. Haase (1 986), publicado ste ltimo en la revista "Educational and Psychological Measurement", son un buen exponente de la preocupacin por la potencia de los tests estadsticos. Esta preocupacin por la pureza y aplicabilidad del mtodo se advierte en artculos tales como los de R. ^. Fowler (1 985) y H. Friedman 41982) sobre propiedades de tests de hiptesis publicados en el "Journal of Applied Psychology"' y en "Educational and Psychological Measurerr^ent" respectivamente, el de D. J. Ozer (1 985} sobre correlacin y coeficiente de determinacin publicado en el "Psychologicai Butletin", e! libro de J. D. Stevens (1 986} "Appfied Multivariate Statistics for the Social Sciences"", la reedicin en 1 982 del libro de C. J. Pedhazur sobre regresin multiple, etc. En relacin con los contenidos de los programas concernientes a los propios del Clculo de Probabilidades, habra que plantearse si, adems de la nocin de variable aleatoria, funciones de probabilidad, probabilidades

l_^^ EST.^^DISTI(^^^ f^ti P^l(^t)LU(^1^

471

conjuntas y condicionadas, etc.; no habra que entrar, al nivel adecuado, en reas de estudio de la Psicologa, como son la Psicometra, la Psicologa Matemtica y la Psicofsica, en conceptos tales como los de funciones generatrices, cumulantes, procesos estocsticos y en el estudio de algunas distribuciones, adems de las obligadas (binomial, Poisson y normalf , como pueden y deben ser las distribuciones asaciadas a los procesos de muestreo, as como aquellas otras distribuciones conocidas por su utilidad en estas reas, como son las de Cauchy, exponencial, logstica y la distribucin gamma. En los estudios de Psicometra, para el estudio de las nuevas aportaciones que se van haciendo sobre la teora de los tests, es necesario hacer una pequea ampliacin a los contenidos que usualmente se irnparten en los programas de fas disciplinas de Estadstica en Psicologa. En el mbito de la teora de la probabilidad, son imprescindibles conocimientos acerca de las distribuciones exponencial y de la logstica, as corno nociones de procesos estocsticos, y de la distribucin gamma para el estudio de aqueIlas variables que dependen del tiempo. En cuanto a los conocimientos propios del mbito de los Mtodos Estadsticos, no se pueden comprender algunos de los modelos propuestos, ni su aplicabilidad, si no se tienen claros conceptos como el de suficiencia de un estimador, o que los estimadores de rnxima verosimilitud son los asintticamente ms eficientes y asintticarnente normafes, con varianza asinttica mnima. Estos conceptos estn ntimamente ligados a la estimacin del parmetro aptitud, o rasgo, que puede medir el test, as como a la de la cantidad de informacin del test o de sus items. La introduccin de estos temas se hace necesaria porque el estudio de los nuevos modelos psicomtricos, que fueron en sus inicios a finales de los aos 60 conocidos como "Modelos del Rasgo Latente", denominacin que actualmente se est reemplazando por la de la "Teora de la Respuesta al Item", se van incorporando a los cursos generales de la licenciatura en Psicologa, y ya forman parte de los contenidos de la disciplina de Psicometra en casi todas las Universidades espaolas.

3.2. Ampliacin de curriculum Los estudios en Psicologa Materntica, Psicornetra y Psicofsica, requieren tambin conocirnientos que van ms all de los impartidos en los cursos comunes de la licenciatura y que deberan darse en cada especialidad, como son, los Procesos Estocsticos, el Escalamiento Multidimensional, la Teora de la Decisin, la de la Utilidad y la Teora de Grafos y Relaciones Algebraicas.

E^ST,^DtST I( ^,^^ ESP,^ti(}L.^^^

TEORIA DE GRAFOS Y RELACIONES ALGEBRAICAS La Teora de Grafos y Relaciones Algebraicas han sido muy utilizadas en el estudio de sociogramas y redes de camunicacin y actualmente se utilizan para el estudio de estructuras cognitivas. EI estudio de las redes neuronales formalizado en lenguaje lgico, se reestructura con la herramienta del Clculo Matricial. PR OC ESOS ESTOCASTI COS De hecha, se pueden encontrar obras como la de J. T. Townsend y F. G. Ashby ^ 1983) que Ileva por ttulo "Stochastic Modeling of Elementary Psychological Processes'". Una obra, en la misma lnea, pero ms completa, es la de R. D. Luce sobre tiempos de reaccin, publicada en 1984. La obra de ^uce "Response Times: Their Role in Inferring Elementary Mental Organization" dedica un prime^ captulo al estudio de estas cuestiones: variables aleatorias, funciones de distribucin y densidad, independencia y probabilidad condicionada, muestras aleatorias, tamaos muestrales, funciones generatrices (convolucin, mamentos, cumulantes), y un apartado para introducir los conceptos ms elementales de los procesos estocsticos. En el captulo 3 trabaja con variables gaussianas, exponenciales y gamma. En 1os contenidos de los captulos 8 y 9 se usa con profusin los procesos de recorrido aleatorio, procesos aditivos como son los de Poissan y difusin, as como los procesas de renovacin. Por ello, creemos adecuado que en cursos avanzados, de especialidad, o en el tercer ciclo se haga una introduccin a la teara de los procesos estocsticos. En los contenidos se deben establecer rigurosamente las bases de los procesos estocsticos, mediante la construccin del espacio probabilstico, y los temas fundamentales de la teora general de la medida, insistiendo en las ideas esenciales y prescindiendo de toda demostracin; pasando a dar una clasificacin general de los procesos, indicando los elementos principales que los distinguen: la naturaleza del espacio de estados, el ndice paramtrico y las relaciones entre las variables aleatorias. Se debe realizar el estudio de los procesos con incrementos independientes, de Markov, estacionarios y martingalas prestando especial atencin en cuanto a un estudio ms pormenorizado a los procesos de Poisson, a los gaussianos (Wiener) y a los dbilmente estacionarios (Series de Tiempo). ESCALAMIENTO MULTIDIMENSIONAL Propugnamos el estudio de las tcnicas de Escalamiento Multidimensional (MDS), porque se han desarrollado y aplicado, fundamentalmente en

L.A F:STAE^ISTI(^A E^ PS1C't)t_(X;IA

Psicofsica y muy especialmente en medidas de percepcin, coma un mtodo muy general de representacin de datos. EI M DS introducido por Torgerson y desarrollado posteriormente por Shepard, Kruskal, Guttman, Young, Lingoes, Benzecri y Carroll, entre otros, permite construir una configuracin de puntos, conocida una determinada informacin sobre las distancias o disimilaridades entre pares de estmulos, sujetos u objets. Esta informacin sobre las distancias puede venir dada mediante estimaciones directas, deformaciones de fas distancias, ordenacin de los estimulos, errores debidos a causas aleatorias o de aproximacin numrica, etc. Las versiones de representacin por mtodos no mtricos "Multidimensional Unfolding", el "Anlisis de puntos de vista" y el "Anlisis Individual de Proximidades" INDSCAL (Individual Differences in Multidimensional Scaiingl o la versin CANDELING, o bien PINDIS IProcustean Individual Differences Sca{ing), que incluye al I N DSCAL, se corresponden con las aportaciones hechas a este campo y que ya son de uso corriente. TEORIA DE LA DECISION Y UTILIDAD La Teora de la Decisin, como estudio de un proceso en el que, a partir de la evaluacin de ciertos elernentos se analiza la accin o decisin que se considera ptima para el sujeto, posee un valor nnegable en los estudios de Psicologa. La modelizacin de los procesos de decisin, como la capacidad humana de realizar una sucesin de elecciones, cuyo conjunto configura una conducta, es actualmente objeto de estudio tanto de Estadsticos como de Psiclogos. Una relacin somera de los contenidos propios de la licenciatura en Psicologa, y que ya se imparten en algunas Universidades, son los que explican el concepto del proceso de decisin, los elementos o componentes que se consideran en el problema (decisor, contexto, acciones, preferencias, consecuencias), 1a identificacin^ y diferencacin de contextos (ambientes de certidumbre y de riesgo), los aspectos descriptivos o normativos, etc. Las relaciones de orden y la axiomtica de von Newman-Morgenstern para establecer las conexiones entre esas relaciones y la utilidad, as como la axiomtica de Savage, y la construccin de curvas de utilidad, haciendo un anlisis crtico de stas curvas de utilidad individual con el comportamiento frente al riesgo, creemos que son tpicos que deben de ser tratados an en los cursos generales de la licenciatura, dejando para cursos especiales la profundizacin en stos temas, as como el estudio pormenorizado de los criterios de decisin y el clculo de las funciones de prdidas y de riesgo (de Bayes, minimal de Wald, etc.).

^374
N

f.^r.^nisric a r-_sE^^^^^^t.^^

DETECCIC}N DE SENALES La Teora de la Deteccin de Seales en Psicaloga, est basada en la correspondiente Teara Estadstica de la Deteccin de Seales, con supuestos de la Teora de la Decisin Estadstica, que cualquier estudiante de Psicologa debe conocer. Multitud de temas, adems de los citados, se pueden incluir como necesidades de una Psicologa que en sus especialidades, hace ms y ms uso, acertadamente o no, de la metodologa Matemtico-Estadstica en toda su profundidad. EI ciculo de Probabilidades, la teora de los Procesos Estocsticos, la Teora de la Decisin, etc., citados, son temas actualmente presentes en su metodologa de investigacin como ayuda a 1a explicacin de sus contenidos.

3.3. Consideraciones finales


An cuando estemos convencidos de 1a conveniencia de que ei investigador y el profesional estn en posesin de los conocimientos indicados, estamos an ms convencidos de la inutilidad, ms an, de lo pernicioso que es, tanto para el usuario, el dacente o el alumna, el Ilegar a creer que se sabe de todo aquello de la que se ha ledo o se ha odo hablar. EI acumular una gran cantidad de informacin en cuanto a"recetas" condensadas en frmulas y1o en paquetes de programas de computador, no faculta para entender e interpretar adecuadamente los procedimientos que se estn utilizando, ni los resultados. Los alumnos de Psicologa deben tener conocimiento, an cuando se Ilegue a l a travs de las aplicaciones, de la unidad, a la vez que de la diversidad, de la Estadstica. No creemos, por lo tanto, que los docentes deban limitarse a exponer la tcnica estadstica como propia del caso concreto en el que sta tiene aplicacin en la Psicologa; sino que, debe incidir en lo que conceptualmente representa y en su aplicabilidad a otras situaciones y a otras ciencias. Cuando no se hace as, el aiu mno tiende a identificar el mtodo como propio de ese problema en particular, y no extrapola a otras situacianes, lo que implica un considerable sesgo en su formacin. En la exposicin que se ha reaiizado acerca de los contenidos de Estadstica en la rama de Psicologa, aparece un mensaje que puede percibirse como doble, y en algn sentido contradictorio, pero no es as. Puesto que por una parte, se aboga por una ampliacin de los contenidos, pero por otra, se aconseja que se limiten a la que razonablemente se puede Ilegar a conocer en cada caso. Mi propuesta es pues:

L.^ ES^T^>DISTI(^,^ E`^ P^IC^OI^CX,I^^

^75

Conocimientos bsicos y bien cimentados de Estadstica Descriptiva, Probabilidad y Estadstica Inferencial, tanto pararr^trica como no paramtrica, para los cursos comunes. Por ello, creo que para todos los estudiantes de la licenciatura en Psicologa son adecuados 1a mayor parte de los programas actuales, si bien, como ya conocen del bachillerato y COU los primeros conceptos de Estadstica Descriptiva y Probabil^dad, stos se deben de obviar o de reducir, asegurndose antes, rnediante cua^quier tipo de prueba, de cul es el nivel de conocimientos que en esas rnaterias los alumnos aportan procedentes de esos estudios anteriores. Algunas enseanzas especficas como las ya indicadas, Tcnicas de Anlisis Multivariante, Procesos Estoc^sticos, Teora de la Decisin, etc., deben ser obligatorias para ciertas especialidades, como son las de Psicologa Matemt+ca, Social, Indust^ial o Psicofisiologia.

47fi

^:s7nr^rsT^c^^ Fs^a^c^^.^

Comentarios a la enseanza de la Estadstica en Psicologa


Sobre el aprendizaje de la Estadstica
HELIo CARPINTERO Universidad Complutense de Madrid

Cuando se aprende un segundo idioma, distinto del materno, ^ cunto tecnicismo filolgico se est dispuesto a soportar? zCunto lenguaje convencional se va a incluir, con frases hechas listas para ser usadas en las mil andanzas de cada da? Anlogamente, cuando se estudia estadstica, no para convertirse en especialista en la materia sino para trabajar en ciencias humanas, en psicologa en concreto, ^ hasta dnde habra que Ilegar a profundizar en aquella materia? Debo aclarar desde el principio que mi punto de vista sobre el buen --o mal- uso de la estadstica, est influido por mi condicin de usuario. Sin especiales luces, sin formacin profunda, siempre empujando por la prisa del trabajo que requiere para su acabamiento la elaboracin cuantitativa que se pide a la estadstica, me he hecho una y otra vez la msma pregunta que arriba formulo. Creo que es mi nica justificacin para procurar aqu presentar mi respuesta a la invitacin que desde !a revista se me hace. Hablar del uso de la estadstica facilita las cosas para entender dnde veo el problema. Este radica en la conexin del usuario con un instrumento complejo y delicado, anloga a la que media en^ la relacin hombremquina, y en la necesidad de elaborar una adecuada 'interface' entre ambos. No carece de precedentes esta comparacin de la estadstica con un instrumento. Hace ya muchos si.glos que Aristteles se refiri a la lgica

1.^^ i_ST ^1[)I^Tff ^ E\ i'Slt O I C)t^t^^

^77

como '"rganon"' o instrurnento para el pensamiento, para la ciencia. Luego, pasados varios siglos, Condillac Ilegara a decir que la ciencia es un lenguaje bien hecho. AI cabo, un instrumento, y una lengua lo es, no es sino un conjunto de elementos ordenados, que operan transformando o produciendo resultados mediante ciertos impulsos o esfuerzos indiferenciados recibidos y su propia estructura especializada, que se aplica sobre determinados materiales. ^o importante en el instrumento, para quien lo ernplea de modo mecnico, no est en las variables o pasos intermedios que transforman la accin del usuario en una serie de procesos, sino en el punto de partida -el problema y sus materiales, o datos con los que contaba- y en la meta que se busca -la soiucin o interpretacin, luego aprovechada para ulteriores fines. En general, el usuario que acude al tratamiento estadstico de los datos reunidos en algn tipo de bsqueda o investigacin est primordialmente interesado en resolver sta, y lo que demanda de aquel es la clarificacin de la dependencia o no de ciertas interacciones entre distintas dimensiones del fenmeno estudiado. Busca, en el fondo, precisar la estructura de relaciones funcionales entre sus distintas variables. Conoce bien stas, en muchos casos solo entrev globalmente el tipo de solucin que le satisfara, e ignora con precisin qu hacer entre esos dos extremos. Ciertamente, esto tiene un nombre. EI usuario lo que quiere en el fondo es disponer de un buen recetario de manipulaciones. Necesita un libro de cocina, un cookbook donde guiarse, para saber qu ir haciendo con los materiales de que dispone. Por supuesto, necesita otras muchas cosas. Necesita, desde luego, conocer y distinguir 1as variedades de materiales que maneja, y las constricciones que estas ponen. Necesita ver con claridad si se trata de relaciones a establecer con variables cualitativas o no; si emplea medidas repetidas sobre los mismos sujetos, o no; si se mueve entre distribuciones paramtricas, o no; y tantas otras cosas rns, que debe tener claras desde el comienzo de su estudio, y que constituyen la lgica general de indagacin. Necesita, sobre todo, tener muy ntido en la mente qu es y qu no es 'estadsticamente significativo', y cmo las condiciones de esta relacin pueden variar aumentando o disminuyendo las muestras, o encontrando pruebas ms potentes que las usadas antes si ello es posible. Y necesita, en muchsimas ocasiones, tener ante los ojos un modelo, que sirva de paradigma, y cuya lgica pueda ir siguiendo mediante razonamientos de simple analoga, poniendo datos propios en los esquernas del modelo. Porque as, y no de manera distinta, trabaja mucha de la gente que ha de emplear esas tcnicas. Y si esto no es difcil encontrarlo referido al anlisis de varianza, a la correlacin o a la regresin, es algo menos asequible de

-^7K

t^ t^ I>>^ r^^ ^ t^^^ ^ ti^ ^^ ^

hallar referido al anlisis discriminante, al 'path-analysis" o al anlisis factorial de correspondencias, tan til en muchos de nuestros trabajos. Dicho esto, queda por ver cul es ei recetario ideal. En general, un recetario es mejor cuando todos y cada uno de los pasos a cumplimentar en la confeccin de un producto estn especificados, y a ser posible medidos, cuantificados; cuando posee un vocabulario preciso y bien definido, y cuando, en fin, dispone de ejemplos concretos que sirvan de modelo al principiante. Adems, los recetarios tienen que tener presente el tipo de . materiales con que se va a trabajar. Es decir, ayudan ms aquellos que tienen en cuenta el 'hardware' que se emplea. Lo ^ue quiere decir que hay que contar con que hoy innumerables trabajos estadsticos se hacen empleando programas de ordenador, cuyas posibilidades y cuyas salidas de resultados hay que estar en condiciones de interpretar. Mi experiencia me dice, sin embargo, que semejante posicin pragmtica suele ser poco estimada, y nada bien vista, por los especialistas que ensean disciplinas estadisticas en las licenciaturas. Se dice, con razn, que bajo las tcncas ms elementales, hay toda una lgica de los concepts, una serie de conocimientos indispensables, e incluso un vocabulario especializado que debe conocer el investigador. Hay aqu, como en otros muchos casos, una reivindicacin de la dimensin 'conceptual' frente a la habilidad 'manual'. Es la lucha del gastrnomo frente al cocinero; del conductor frente al mecnico; del fisilogo frente al quiroprctico; o del simple usuario frente al tcnico especialista. Es un debate en que, a mi ver, todos tienen razn, pero sucesivamente. EI usuario quiere siempre comenzar a solventar sus problemas dentro del nivel en que l se halla situado; reclama pues prioridad para el saber hacer aqu y ahora lo que ha de hacer con los datos que tiene. Y el tcnico tiene razn en cuanto que el manejo de ciertos instrumentos no es ni puede ser obra de la magia, sina de la habilidad del hombre, y en numerosas ocasones ha de hacerse una readaptacin de su funcionamiento a los datos, un ajuste al caso individual que se tiene entre manos, y todo ello requiere en el usuario una comprensin general de su operacin. Es decir, el uso del instrumento hace necesario un conocimiento cientfico mnimo general de introduccin al mismo, y tantas veces como haya que corregir o ajustar sus condiciones a las coordenadas singulares de la ocasin. Evidentemente, este recurso a la base terica viene exigido por la situacin, y el usuario fo entiende entonce:.^ cmo plenamente justificado. ^ A mi modo de ver, cualquier enseanza de un saber instrumental debe movilizar al sujeto motivndole desde el logro de aquellos fines que espera obtener con el u^o de lo aprendido. Si la estadstica es un lenguaje, cosa que ciertamente creo que es, ha de ser sin duda una lengua viva, y no

l^^ f tiT^ ^f)Itii!( ^^ E^^^ f'^I( ( ^I C^)(^I ^

^79

muerta ni embalsamada por su respectiva filologa. Un lenguaje con que dar sentido a los hechos, y tambin con el que hablar al especialista para que ayude a refinar los procedimientos de anlisis a emplear. Yo quisiera haber aprendido bien la estadstica que permite describir y sobre todo, inferir. Que permite, sobre todo, comparar distintas muestras, establecer sus diferencias, y estructurarlas en configuraciones de dependencia, agrupando unas y separndolas de otras; que pondera el peso de ciertas variables dentro de un conjunto, que muestra tendencias y evolucin de datos en ciclos. Es decir, yo quisiera haber aprendido bien las cosas que conocen bien los estadsticos, los especialistas, los profesionales de esta disciplina, en diversas ramas de las ciencias humanas. Mi reflexin precedente no se aplica a lo que saben, ni a lo que investigan, que es mucho y valioso, sino a la manera corY^o lo aproximan al lego, a la didctica con que se le podra Ilevar de la mano hacia su comprensin profunda y activa. Sobre todo, mientras Ileguen a los estudios de humanidades personas que carecen de una formacin matemtica rigurosa, como es la situacin actual, e incluso personas que an no se han aproximado a un ordenador personal ni siquiera movidos por la curiosidad. Creo que a partir de la aceptacin del modelo pragmtico, de recetario, que aqu se propone, es tarea del especialista Ilegar a construir instrumentos educativas, y planear programas de enseanza, donde de forma paulatina se logre proporcionar ai estudiante la famitiaridad buscada con el pensamiento que subyace al razonamiento estadstico, de forma que sea capaz de ir cornprendiendo formas ms complejas y sofisticadas de tratamiento de datos. Ayudara tal vez a ello tener en cuenta cules son la media, y la moda, y la desviacin tpica, de las mentalidades de nuestros estudiantes al Ilegar y al salir del estudio de estas disciplinas, y con un acercamiento pausado y realista, empezar a trabajar desde el nivel real en que hoy se mueven.

COMENTARICJ ANA JULIA GARRIGA TRILLO


Universidad Nacional de Educacin a Distancia

Aunque en general estamos de acuerdo con los puntos de vista de la autora hemos encontrado algunos aspectos que nos gustara sealar. En cuanto a la consideracn de la introduccin al anlisis de varianza en la Psicologa Experimental (tercer prrafo de la parte Introduccin) he de decir que si bien es cierto que los diseos se suelen tratar en esta asignatura (o en la Metodologa y Teora de la Psicologia o Teora de la Ciencia) el

^l^0

t_^; t.^ ut^ t ^c ,^ t.tit^ ^> `c ^t :t

anlisis de varianza, y tambin el de covarianza, se ^ uelen tratar en !a Estadstica Inferencial, como la misma autora seala posteriormente en e! primer prrafo de la seccin sobre Aniisis de Varianza y Dseo Experimental. Este suele ser un curso de segunda de carrera. Una divergencia ms importante es la consideracin de la Psicologa Matemtica como rea de conocimiento distinta de ia Psicofsica y de la Psicometra camo se seala en el sptima prrafo de la Discusin y en el prrafo includo en la Ampiiacin de Curriculum. En ambos lugares la autora separa la Psicolog^ Matemtica, fa Psicometra y ia Psicofsica (en el primero las tres reas y en el segundo slo !a Psicologa Matemtica y la Psicofsica) como distintas reas de estudio en Psicologa. Est aceptado unnimemente en nuestra rea (ia Psicologa Matemtica) que la Psicofsica es parte de la Psicologa Matemtica y no un rea aparte. De hecho cuando Fechner escribi su libro "Principios de Psicofsica" (en 186^), impulsando la Psicologa Cientfica, origin la P^icologa Matemtica (aunque hay citas aisladas anteriores sobre posibles "nacimientos" conjuntos de ambas disciplinas). As, la Psicologa Matemtica y la Psicofsica nacen juntas. Posteriormente el uso de modelos matemticos aplicados a la Psicologa se ampla y pasa a agrupar otras "subdisciplinas"' como es e! caso de la Psicometra. De hecho, recientemente, en algunas Universidades extranjeras, se ha aadido ei prefijo "Quantitative" al de "Mathematical Psychology" para dejar claro que se incluye dentro de ella a la Psicometra. Diferimas tambin en varios aspectas relacionados con el escalamiento multidimensional. En ei prrafo sobre Ampliacin de Curriculum fa divergencia de opinin se centra en e! hecho de que el Escalamiento Multidimensianal es u na tcnica mu Itivariada y ya se incluye como ta! en diversos cursos de tercer ciclo, en programas del segundo curso de estadr`stica (sobre todo en !os nuevos programas presentados en concursos recientes de Profesores Titulares) y en cursos opcionales de postgrado. En cuanto a las razones para prapugnar el estudio del Escalamiento Multidimensional, recalamos que las aplicaciones ms importantes de dicha tcnica no slo se dan en la Psicologa (Psicologa Sociai y en PsicofsicaPercepcin) sirio en Socioiogia, Antrc^^c^l^ga, Eco^^orr^a y Pedagogd. Es un mtodo que partiendo de unas semejanzas ^o na-semejanzas, distancias o pseudodistancias) entre un conjunto de puntos (individuas, objetos a variables) o de cierta informacin acerca de estas distancias, busca una configuracin para los puntos iniciales que determinaron las semejanzas. Es como tratar de descubrir la "estructura oculta" de bases de datos. En cuanto al Escalamiento Multidimensional clsico, ste fue desarrollado por Torgerson (1958) y ampliado posteriormente por Shepard y Kruskal, Guttman, Young, Lingoes, Benzecri, Carrol! y otros.

L,> FST.^[)ISTIC.`A Eti PSIC'OLO(;t:^

481

En relacin con la Teora de la Deteccin de Seales sta, en realidad, no es una teora psicolgica sino matemtica basada en la Estadstica Matemtica y en trabajos sobre comunicaciones electrnicas. Es desarrollada por matemticos e ingenieros en la Universidad de Michigan f Peterson, Birdsall y Fox, 1954) y en Narvard y el Massachusetts Institute of Technology (Van Meter y Middleton, 1954). Sus supuestos son encontrados en la Teora de la Decisin Estadstica y todo estudiante de Psicologa debera conocerla. De hecho se suele estudiar en la Psicologia Experimental cuando sta se encuentra en el Departamento de Psicologa Bsica y/o en las asignaturas de Psicologa General, Percepcin o Procesos Bsicos.

Un punto de vista sobre la docencia de la Estadistica en Psicologia


VICENTE PONSODA
Universidad Autnoma

EI trabajo de la doctora Santisteban "La Estadstica en Psicologa" me sugiere algunas ideas, que voy a intentar desarrollar a continuacin. Unas hacen referencia a qu contenidos debemos transmitir a nuestros alumnos, y otras a cmo debemos hacerlo. EI objetivo de mi comentario es doble: en primer lugar, quiero aprovechar esta oportunidad para expresar mi punto de vista sobre la docencia de los contenidos que vengo impartiendo durante catorce aos (aunque pueda resultar sorprendente, son muy escasas las oportunidades de discutir los aspectos docentes de nuestra actividad universitaria). En segundo lugar, el trabajo de la doctora Santisteban se ocupa preferentemente de los contenidos, pero no tanto de cmo impartirlos. Intentar complementar su trabajo, introduciendo mi punto de vista.

a) ^ontenidos
Conviene distinguir dos aplicaciones diferentes de la Estadstica en Psicologa. La inmensa mayora de los trabajos que, desde hace muchos aos, se hacen en Psicologa requieren de la Estadstica. Unos comienzan plantendose una hiptesis, Ilevan a cabo un experimento, y realizan contrastes estadsticos que informen sobre la hiptesis de partida. En otros trabajos, se realizan estudios de tipo ms exploratorio que de contraste de hiptesis, y tambin, en este caso, se recurre a la Estadstica. Por ello, los trabajos

E^ S T^ DIS1 IC' A E-SP 1 tiOL. ^i

que se publican en Psicologa tienen un apartado de '"Resultados" en los que aparecen tablas, grficas y tcnicas estadsticas muy diversas (uni y multivariadas, paramtricas y no paramtricas, y descriptivas e inferenciaIes1. Pero la Estadstica (y la Matemtica, en general) tambin se utiliza en !a formulacin de teoras o modefos formales del comportamiento humano y animal. Esta manera de elaborar teoras despega con fuerza a partir de 1954, cuando cornienza la formalizacin de algunas teoras del aprendizaje, y origina !o que actualmente entendemos par Psicologa Matemtica. En esos aos, se propone que el proceso de aprendizaje se puede representar por una cadena de Markov discreta, en la que cada unidad a aprender se encuentra en cada ensayo en uno de "k" estados, las probabilidades de pasar de un estado a otro en un ensayo se proponen en la matriz de transicin; y la relacin entre cada estado de aprendizaje y cada posible respuesta observada, en la matriz de respuestas. Esta f4rma de tearizar se ha extendido a otros muchos campas psicolgicos, aunque su extensin no ha alcanzado de la misma manera a todos ellas. En est4s trabajos, se utiliza la Estadstica en la elaboracin del modelo y, obtenidos los resultados experimentales, en la estimacin de los parmetros de1 modelo y en su contrastacin emprica. Evidentemente, requieren ms aparato estadstico que los trabajos que. se valen nicamente de la Estadstica coma tcnica de anlisis de datos, pues a!as tcnicas de contraste de hiptesis hay que aadir las de la estimacin de parmetros (por mtodos estadsticos y por mtodos numricos), los procesos estocsticos, otras distribuciones de probabilidad (exponencial, gamma, ...j, que n4 aparecen asociadas a los estadsticos de contraste ms frecuentes, la distribucin de la suma de variables aleatorias, etc. La distincin anterior es pertinente porque lo primero a decidir es si hernos de preparar a"todos" nuestros alumnos a ambas actividades o slo a la primera, Para m la respuesta es clara y rotunda: la formacin bsica en Estadstica de "todo" psiclog4 ha de estar arientada a que pueda analizar estadsticarnente los datos que l mismo obtenga, y a que pueda entender adecuadamente la metodaloga estadstica de los trabajos publicados en cualquier rea de la Psicologa. Evidentemente, algunos estudiantes se dedicarn a elaborar modelos formales del comportamiento, entonces, el Plan de Estudios debera posibilitar la formacin estadstica complementaria requerida, proponiendo varias asignaturas optativas que complementen sus conocimientos estadsticos bsicos y otras en las que se impartan las herramientas matemtico-estadsticas propias de su campo sustantivo (por ejemplo, la teora de los sistemas lineales, a los interesados en la percepcin). En lo que sigue, cuando me refiero al alurnno, me refiero al alumno medio de nuestras Facultades, y no al estudiante especialmente

L:^ E^.ST.1i)1S"T1(-A Eti PS1("Ot..t)(^i^^

^^-^

interesado en contenidos que exijan la formacin estadstico-matemtica complementaria antes mencionada. En la prctica, la distincin no es tan clara, ya que en la asignatura Psicometra se pueden incluir modelos formales, cuya cabal comprensin requiere la estimacin de parmetros, distribuciones de probabilidad diferentes a las utilizadas en anlisis de datos,... Pero hecha esta salvedad, la enseanza de ia Estadstica en 1a inmensa mayora de nuestras Facultades de Psicologa consiste en la Estadstica descriptiva e inferencial tradicional y en algunas nociones de Probabilidad, necesarias en Estadstica inferencial. Esta idea ha guiado la elaboracin de los libros de Estadstica para psiclogos de ms tradicn en el rea (Amn, 1978a, 1978b). En la actualidad, la idea sigue vigente si bien se han incluido, a nivel introductorio, otros temas como series temporales, tcnicas multivariadas, el modelo lineal general, entre atros, en diferentes Facultades. AI comparar las ndices de los libros de Estadstica para psiclogos, con los de Estadstica aplicada, sin ms, se aprecian algunas diferencias, impuestas por las peculiaridades derivadas de la aplicacin a la Psicologa. Ordinariarnente, se elimina lo relativo a nmeros ndices, medidas de asimetra y curtosis, se incluyen ms medidas de ia relacin entre variables y aparecen con cierto detalle las tcnicas basadas en el anlisis de la varianza apropiadas al diseo de experimentos. Estas y otras exclusianes han sido comentadas en el trabajo de la doctora Santisteban y no me extender ms en ello. Tambin podemos encontrar alguna que otra tcnica construida ad hoc para tratar situaciones que se presentan especficamente en el mbito psicolgico, tratamientos estadsticos de datos cuando el nmero de observaciones es muy pequeo, efectos de las violaciones de los supuestos de las tcnicas, etc. Antes de considerar la docencia de estos contenidos, expondr otros argumentos, ms prximos a la situacin de nuestras Facultades, que refuerzan los enunciados anteriormente. En primer lugar, es verdad que los alumnos han debido estudiar Estadstica antes de ingresar en la Universidad, pero es lo cierto que en nuestra Facuitad en la asignatura Psicoestadstica I( Descriptiva, nociones de Probabilidad y primeras nociones de {nferencial), en el pasado curso, ha aprobado slo el 20 % de los alumnos matriculados. Es, por lo tanto, evidente que tiene sus riesgos dar por sabido los conceptos ms bsicos. Y en segundo lugar, ordinariamente disponemos de una o dos asignaturas anuales para impartir la formacin estadstica. EI problema, entonces, es que el tiempo es escaso y hay que seleccionar contenidos. En este sentido, yo entiendo que no aparezcan en los programas los contenidos que fa doctora Santisteban querra ver includos; la normal multivariante, ms Estadstica no paramtrica, ms muestreo, otras distribuciones univariadas de probabi-

^^i

ES^T r>t)15 F1(^^^, E^`^F'^Rti()L.:^^

lidad, !a teora de la utilidad, ... Sencillamente, incluirlos supondra tener que sacar de los programas otros temas, o tratar todo con excesiva superficialidad. No digo que la situacin actual es la deseable, digo que no es fcil incluir responsablemente muchos ms contenidos, y digo ms, todava ser ms difcil en los planes de estudios que se avecinan. Mi opinin es que si se ha de incluir algn contenido debe ser con el criterio de que en los programas aparezcan las tcnicas de ms utilidad en Psicologa, lo que nos debe Ilevar a preguntarnos, con ms frecuencia de lo que lo hacemos, qu tcnicas no explicadas aparecen con m^is frecuencia en los trabajos psicolgicos. Con ese criterio quizs debieramos pensar en incluir, como formacin estadstica a todos 1os alumnos, lo ms bsico de las tcnicas multivariadas, pues hay contenidos psicolgicos curriculares (estudios sobre la personalidad, la seleccin de personal,... ^ que se valen profusamente de dichas tcnicas lespecialmente de la regresin mltiple y del anlisis factorial). Lo dicho tiene un grave y obvia incanveniente. Si enseamos las tcnicas de ms uso, nuestros alumnos utilizarn previsiblemente las tcnicas que les enseamos, y en el futur^ tendremos que seguir explicando las mismas tcnicas, pues siempre sern las de ms uso, y nunca les instruiremos en las rns modernas y poderosas que se vayan descubriendo. Este problema lo intentamos afrontar cada docente a su manera, introduciendo alguna que otra tcnica que escapa al criterio anterior, pero a m me parecera imprudente, por poner un ejemplo, instruir a los alumnos solamente en las tcnicas bayesianas, por muy bayesiano que fuera el profesor, pues son todava muy escasamente utilizadas en Psicologa. b,l t Cm o exp/car los contenidos ^ Los profesores del rea estamos, creo yo, bastante de acuerdo con los contenidos que debemos explicar, pero no s si lo estamos tanto en crno hacerlo. Conviene tener presente que voy a exponer mi punto de vista, pero relaconado con la situacin de nuestras Facultades, es decir, teniendo muy en cuenta el condicionante de que cada dacente ha de instruir y calificar a unos doscientos alumnos, y que son cien los alumnos que tiene en el aula. Esta advertencia es importante, porque hace inaplicables propuestas que estn siendo utilizadas con xito en otras universidades (por ejemplo, del Reino Unido), como son las clases eminentemente prcticas, con grupos de tamao muy reducido.

1 j Docencia pr^ctica: Nuestra tarea es impartir Estadstica aplicada a la Psicologa, y su carcter aplicado afecta no slo a los contenidos, como hemos visto anteriormente, lo debe hacer sobre todo a cmo los hacemos Ilegar a los alumnos.

L.^, E^STAUIST IC'A Eti PSI( ()LO( ^I ^^

485

Adems, nuestros planes de estudios suelen incluir en los primeros cursos las materias menos psicolgicas y menos aplicadas, de farma que el alumno tiene la idea de que en los primeros cursos se ^ ie suministran conocimientos, cuya utilidad comprobar en los ltimos cursos, lo cual hace que vivan estos primeros cursos camo continuacin de los no univer^ sitarios, en cuanto a su escasa utilidad inmediata. Por ello, en mi opinin, es muy importante o incluso imprescindible que el alumno vea la utilidad en Psicologa de cada tcnica. Yo procuro comentar sucintamente tras cada tcnica un trabajo psicolgico que la haya utilizado, haciendo ver que la tcnica informa sobre la hiptesis que el investigador intenta poner a prueba y comentando su mayor o menor adecuacin (si se cumplen los supuestos, si habra otras tcnicas ya estudiadas alternativas, etc.). De nuevo el problema es que lo anterior supone un tiempo adicional de preparacin de la clase y de exposicin. Para m, en cualquier caso, es muy conveniente hacerlo as. Mi impresin es que los alumnos aceptan mucho mejor la asignatura cuando se les muestra, clase a clase, su utilidad, y eso contribuye a un clima ms receptivo y facilitador de la transmisin de conocimientos. Un ejemplo. Petersan y Miller (1964) propusieron a sus sujetos experimentales la tarea de predecir el valor que se obtendra al extraer al azar un valor de una distribucin marcadamente asimtrica que tenan ante ellos. En una primera condicin, cuando la prediccin no coincida con el valor extrado, la persona perda un cierto nmero de puntos, y no perda nada cuando coincida. En una segunda condicin, la cantidad perdida era proporcional al valar absoluto de la diferencia entre el valor extrado y el predicho. Y en una tercera condicin, la cantidad perdida era proporcional al cuadrado de la diferencia entre el valor extrado y PI predicho. Se intentaba ver si las personas predecan o no ptimamente. De hacerlo as, deberan predecir la moda, la mediana y la media, respectivamente, en las tres condiciones anteriores. En mi opinin, exponiendo trabajos como ste, el alumno presta ms atencin a las propiedades de los ndices de tendencia central, de lo que lo hara si nicamente los exponemos en clase, sin mostrarles ninguna aplicacin a la Psicologa. Hay tcnicas cuya aplicacin exige la utilizacin de los ordenadores. Con la enorme difusin de los ordenadores personales, y la posibilidad de utilizar en ellos los paquetes de programas estadsticos, yo creo que es imprescindible allanar a los alumnos el camino para que puedan utilizarlos. En nuestra Facultad dedicamos dos o tres horas de clase, anualmente, a instruir a los alumnos en lo bsico del funcionamiento de un ordenador (su puesta en marcha, sistema operativo y un sencillo procesador de textos). Posteriormente, tras cada tcnica multivariada, se les muestra el conjunto de instrucciones del paquete BMDP que permitira analizar el mismo ejern-

^Kf^

FtiT^^[)IST14 > E^F'>ti(7L^

plo numrico que habamos resuelto manualrnente al exponer la tcnica. Comentamos brevemente el conjunto de instrucciones y la salida del ordenador, y se les hace ver en qu partes de la saiida se encuentran las soluciones que habamos obtenido al resolver manualmente el ejemplo , nu merico. En cuanto a los ejernplos numricos, son muy tiles en general. Los alumnos entienden rnejor lo que se les explica, si lo ven plasmado en un ejemplo concreto. Pero aqu cabe de 11eno el problema de las "recetas". EI alumno puede creer que ai saber aplicar el procedimiento que se ha seguido en un ejemplo numrico (por ejemplo, en un contraste sobre la igualdad de dos varianzas), ya conoce suficientemente bien el contraste y evidentemente eso no es as. Ha de saber ms sobre el contraste que la mera aplicacin de la "receta". En particular, ha de saber distinguir si est ante muestras relacionadas o no, la distribucin del estadstico de contraste si hubisemos puesto en el 'numerador la varianza que pusimos en el denominador, qu ocurrira si utilizamos varianzas muestrales sesgadas, etc. En segundo lugar, los ejemplos numricos no son tan tiles cuando su resolucin les exige clculos complicados. Cuando un alumno calcula una media, las operaciones que ha de realizar le pueden dar informacin sobre lo que la media es. Algo parecido ocurre cuando calcula una correlacin de Pearson; sin embargo, no ocurre lo mismo cuando calcula el producto de matrices que da como resultado el vector de pesos en regresin mltiple, o cuando calcula los autovalores y autovectores de la matriz de varianzascovarianzas, en cornponentes principales. En estos casos, la mera realizacin de los clculos informa (al alumno medio) bastante poco acerca del significado del resultado que obtiene. Evidentemente, para los que conocen bien el clculo matricial, las operaciones que dan como resultado el vector de pesos en regresin si informan sobre las caractersticas del resultado final, pero ese no es el caso de nuestros alumnos. Quiero decir con lo anterior, que la realizacin de ejemplos numricos siempre cumple la funcin aludida en primer lugar: dar seguridad al alumno del dominio de la tcnica (seguridad, en ocasiones perniciosa), y slo en ocasiones cumple la funcin esclarecedora sobre las propiedades de la tcnica que se est aplicando. Es rns, en ocasiones, puede dar tan poca informacin aplicar manualmente la tcnica, como obtener el resultado dando al ordenador un conjunto de rdenes. En ninguno de los dos casos, el procedimiento dice nada al estudiante s^bre las propiedades de lo que quiere obtener. 2 ) D ocencia terica: Amn t 1978a, pgina 7), respecto a cmo ha de ensearse la Estadstica aplicada a la Psicologa afirma: "No basta con que (el psiclogo) sepa aplicar unas cuantas frmulas de modo ms o menos mecnico. Es necesario que conozca el fundamento y la deduccin de las mismas, as como las

^^-^ ^a1^ ^[^^sr^c^-^ t_^ ^^^^c c^t_c^c ^^ ^

condiciones exigidas por cada tcnica estadstica para que su utilizacin resulte vlida". Esta forma de pensar ha influido poderosamente en muchos docentes. Hemos demostrado cuanto podamos, teniendo en cuenta el nivel matemtico de los alumnos, y hacerles las clases no demasiado insoportables. Conviene no olvidar que una buena parte de nuestros alumnos ha elegido Psicologa tras varios fracasos en las asignaturas matemticas previas a la Universidad. Entonces, muy frecuentemente, las demostraciones quedaban slo parcialmente terminadas, en parte se desarrollaban y en parte se acuda al socorrido "se demuestra que". Hoy soy menos partidario de las demostraciones y creo que conviene evitar las demasiado largas, aunque s demuestro las ms cortas y fcilmente seguibles por mis alumnos. En cualquier caso, creo que hay una forrna alternativa de hacerles Ilegar parte de la informacin que la demostracin debiera suministrarles. A esto me voy a referir a continuacin. Una alternativa a las demostraciones es transrnitir a los alumnos, de palabra, sin pizarra, las condiciones en las que se basa la frrnu{a fi^nal, y cundo se puede aplicar. Pero yo creo que hay otro procedimiento ms eficaz que la mera verbalizacin de las condiciones que Ilevan a la frmula final. La idea inicial la tom de un ejemplo de Amn (1978a, pgina 1951 en el que se dan unos pares de datos ( x, y), siendo y= f(x), pero la correlacin de Pearson es cero. Para m, el ejemplo permite mostrar claramente una propiedad importante de dicho coeficiente de correlacin. Pues bien, la idea es valerse de ejemplos numricos muy bien elegidos y bien preparados que muestren las propiedades de la tcnica, y procedo especialmente as en la Iniciacin a las tcnicas multivariadas que explicamos a todos los alumnos de tercer curso. Por poner un ejemplo, en Componentes principales, se parte de las puntuaciones de "n" personas en "p"' variabies, dispuestas en la matriz X P y queremos Ilegar a las puntuaciones que tendran en '"p" nuevas variables (Y,, Y2, ... YP) tales que no correlacionen entre s, expliquen la varianza que explican las Xs, y que V(Y, )> V(Y2) >... > V(Yp). Desde luego, si se sigue la demostracin se ve claramente que las nuevas variables tienen las propiedades antes enunciadas. M i idea es que ejemplos numricos bien elegidos facilitan al alumno la comprensin de estas propiedades. Consistiran en la presentacin de pares de matrices X e Y, y se tratara de encontrar qu matrices Y no presentan las propiedades que debe presentar la obtenida tras aplicar correctamente la tcnica. Para una misma matriz X, se ofreceran diversas matrices Y. En unas, se cumplir la no correlacin entre las Ys, en otras no; en unas, la suma de las varianzas ser la suma de las varianzas de las Xs, y en otras no; en unas, la varianza mayor de las Ys ser inferior a la mayor de las Xs, y en otras no. Este tipo de ejemplos facilita la comprensin de las propiedades de las nuevas variables y hace que el alumno preste ms atencin a dichas

4^^

E^STADiSTIC^A E'SP^!^i<)L,A

propiedades de lo que lo hara si stas slo se enuncian verbalmente. En este sentido, estos ejemplos informan sobre las propiedades de la tcnica, al igual que lo hace la demostracin. La misma idea ha sido defendida recientemente por Rogers t 1989^, aunque valindose de varias utilidades informticas para mostrar y comprobar las propiedades de la tcnica estadstica. Los ejemplos propuestos ms arriba no sustituyen las demostraciones en dos aspectos importantes. En primer lugar, s'r se sigue la demostracin se comprueba que a partir de unos supuestas claramente establecidos se 11ega a cierto resultado. En ios ejemplos se "cuelan" circunstancias particulares ^p.e., el orden de la matriz) que el alumno puede terminar asociando a las propiedades de la tcnica que se quieren comprobar. Y en segundo lugar, las demostraciones tienen un papel formativo que no tienen los ejemplos. Yo creo que es til que el alumno vea que las afirmaciones cientficas han de estar slidamente fundamentadas. EI ejemplo ms claro de esto to da la Matemtica y yo creo que es bueno que el alumno adquiera, en lo posible, ei hbito de basar en slidos argumentos cualquier afirmacin cientfica. La presencia de las demostraciones en nuestras clases podra contribuir a afianzar dicho hbito. Otra manera de Ilamar la atencin sobre las propiedades de los resultados consiste en la realizacin de simulaciones. Por ejemplo, en regresin mltiple, se comprueba fcilmente que ei vector de pronsticos es la combinacin lineal de los vectores x,, x2, ... xp que correlaciona ms con el vector criterio. A los alumnos se les puede mostrar un diagrama de flujo sencillo en el que ^.e vea la lgica de la simulacin, y cmo el resultado dei programa es justamente el vector de pesos que la regresin mltiple dio como resultado.

Comentario final EI profesor universitario tiene una doble tarea: la creacin de nuevos conocimientos y su transmisin. En lo relativo a la docencia de la Estadstica aplicada a la Psicologa, caben varios acercamientos diferentes, pero no son tantos o no son tan diferentes si el proponente tiene en cuenta la realidad de nuestra universidad. Creo que la propuesta que he expuesto en cuanto a contenidos y forma de impartirlos es una propuesta (zdemasiado?) realista, se acomoda a nuestras crcunstancias y no estoy especialmente insatisfecho con sus resultados. Evidentemente es mejorable, y mi deseo sera que se publicaran otros puntos de vista acerca de la docencia c!e la asignatura, y que los trabajos que este nmero de la Revista Estadstica Espar^ala fuesen una Ilamada de atencin a los profesores del rea, de

LA ESTADISTICA EN PS1CC)1_(X;IA

4$9

manera que, entre todos, corrigisemos algo el enorme desequilibrio que an hoy hay a favor de la primera tarea del profesor universitario. Resumiendo, en cuanto a los contenidos, quizs destacar la conveniencia de explicar a un nivel introductorio y a todos los alumnos las principales tcnicas multivariadas. En cuanto a la forma de impartir los contenidos, quizs menos nfasis en las demostraciones (especalmente en las complicadas), pues hay otros procedimientos para hacer Ilegar al alumno las propiedades de las tcnicas. En cuafquier caso, el alumno debera captar, clase a clase, que la asignatura es Estadstica aplicada a la Psicologa, y eso ha de notarse tanto en los contenidos como en la manera de explicarlos. En cuanto a los contenidos, he propuesto un criterio de inclusin (y exclusin) de tcnicas, consistente en incluir en el programa las tcnicas de ms uso. Operativamente esto podra hacerse recogiendo cules son las tcnicas ms utilizadas en las principales revistas de la Psicologa terica y aplicada. En cuanto a la forma de irnpartirlos, creo que es esencial hacer ver al alumno la utilidad en Psicologa de cada tcnica, lo que puede quizs conseguirse exponiendo su utilizacin en un trabajo psicolgico, que se comentara en clase.

REFERENCIAS
AMON J. (1978a) "Estadstica para psiclogos. Estacistica descriptiva". Pirmide. Madrid. AMaN J. (1978b) "Estadstica para psiclogos. Probabilidad y Estadstica inferencial". Pirmide. Madrid. PETERSON C. y MILLER A. (1964) "Mode, rnedian, and mean as optimai strategies" Journal of Experimental psychology, 68 (4 ^ , 363-367. ROGERS R. L. (1989) "Using the microcomputer as a visual aid in the statistics classroom". Behavior research rnethods, Instruments & Computers 21 (2), 96-98.

^y^

E:ST^IDISTIC i E:SF'^1`l)L:>

Psicologia y Matem^itica. Reflexiones sobre la formacin matemtica del psiclogo


MARIANo YELA Universidad Complutense de Madrid

La Revista de Estadstica Espaola me ha pedido que comente el trabajo de la profesora Santisteban. Es una invitacin que me honra y agradezco. La considero como una muestra de aprecio de mis modestos y ya lejanos intentos de introducir los principios y tcnicas matemticas y estadsticas en la formacin del psiclogo,, ms bien que como una consulta a mi supuesta competencia c^e especialista, que estoy muy lejos de poseer. Fui tal vez un iniciador, no soy ahora un maestro. Mis maestros en estas cuestiones son los que, al correr de los aos, han sido mis discpulos o alumnos, directos o indirectos. Pero se me ha solicitado mi parecer y lo doy con mucho gusto. Har unas breves reflexiones generales sobre la formacin matemtica del psiclogo y acerca de algunos de los problemas ms safientes que plantea. Por lo pronto, creo que la exposicin de la doctora Santisteban es abarcadora y acertada. Denota un conocimiento profundo de los actuales programas de enseanza en nuestras Facultades y Seccianes de Psicologa. Muestra, adems, una certera cornprensin de las necesidades, no del todo atendidas, que el estudiante, el investigador y el profesional de la psicologa tienen respecto a la elaboracin, comprensin y aplicacin de la matemtica. Hay que aadir, por lo dems, que estas necesidades no sern nunca del todo cubiertas, porque cada da, por fortuna para la insaciable curiosidad de la ciencia y la inagotable compiejidad de los fenmenos psicolgicos, surgen nuevas aspiraciones, nuevos problemas y nuevos procedimientos para abordarlos. Lo primero que hace patente el trabajo que comen^to es el amplio desarrollo que las materias matemtico-estadsticas han experimentado en el curriculum de nuestros psiclogos. Hoy ocupan en l un espacio muy considerable y son aceptadas, en general y con estimulantes excepciones, como una va importante y en muchos casos imprescindible, aunque nunca exclusiva, para el estudio y la investigacin bsica y aplicada. No siempre ha sido as. Lo s por experiencia. Empec a introducir estas enseanzas en los programas de psicologa en Espaa hace unos cuarenta aos, no sin dificultades y resistencias. Mis exposiciones elementales de estadstica,

LA ESTADISTICA FN PSICUL(X;IA

491

psicometra y anlisis factorial han sido ampliadas, corregidas y perfeccionadas por ,numerosos psiclogos, que han colocado a un alto nivel de competencia y rigor el extenso repertorio terico e instrumental de la metodologa de las ciencias del comportamiento. En aos ms prximos ei estudio de estas cuestiones ha recibido un nuevo impulso con la mayor preparacin matemtica de los psiclogos y la incorporacin al profesorado de especialistas procedentes de Facultades Tcnicas y de Ciencias Exactas, como es el casa de la doctora Santisteban. No es extrao que la enseanza de estas materias se haga sobre bases cada vez ms firmes y rigurosas y que se vayan sealando insuficiencias y fagunas en lo que venamos haciendo. Se ha establecido, y espero que se intensifique, una colaboracin entre psiclogos con una seria formacin matemtica y matem^iticos con una creciente formacin psicolgica. Es una colaboracin necesaria para la investigacin y la docencia. La profesora Santisteban ha considerado, sobre todo, el lado docente de la cuestin y se ha atenido, casi exclusivamente, al examen del contenido de los programas. Es, por supuesto, un aspecto capital. Pero no el nico. La cuestin ^ exige armonizar el rigor y 1a amplitud terica con la eficacia didctica. Los psiclogos deben ser, sin duda y ante todo, psiclogos. Su tarea es estudiar !os fenmenos psicolgicos. Toda su formacin y sus actividades indagadoras y profesionales han de inscribirse en este contexto. Pero cuando utilizan la matemtica deben hacerlo, ante todo y sin duda, correctamente. Y para hacerlo as deben comprenderla y dominarla, al rnenos en las reas y en la medida que sus pesquisas psicolgicas requieran. Es nefasto que, como suele suceder, un psiclogo rena datos sobre algn problerna psicolgico y luego acuda al metodlogo para que le indique qu tcnicas matemticas tiene que utilizar para analizarlos. Las tcnicas matemticas no son artilugios que pueden conferir significacin a cualquier tipo de datos. Un grave peligro que constantemente amenaza y con frecuencia perturba a la psicologa es la proliferacin de trabajos que encubren su indegencia psicolgica con un aparato materntico impertinente, rutinario y suprffuo. La matemtica slo es fecunda si se aplica a ideas psicolgicas valiosas, que rnerezca la pena precisar matemticamente o matemticamente contrastar con los datos empricos. Lo principal para e1 psiciogo es la observacin sistemtica y fiel de hechos y regularidades empricas que sean relevantes en el campo de la conducta y la personalidad. La seleccin de estos campos no es asunto matemtico. Es asunto exclusivamente psicolgico y a la consideracin ps^colgica debe estar subordinada toda consideracin matemtica. Sin embargo, el rigor y la precisin en el registro y ordenacin de los hechos y

49?

ESTADISTIC'A ESPA^C)LA

la expresin precsa de las regularidades depende de los procedimientos y, en su caso, matemtcos que se usen y que deben ser elegidos elaborados previamente, y no a posteriori, para ajustarse a los fines de la observacin, a las caractersticas de los datos y a las condiciones en que stos se indagan. l^na de las exigencias principales en la formacn matemtica del psiclogo es el dominio de tcnicas para la recogida, ordenacin y an^ilisis de datos de observacin. Es un carnpo muy atendido hoy por la metodologa pscomatemtica, estudiado cada vez con ms amplitud en las publicaciones de nuestros psiclogos, pero que no ha encontrado todava suficiente lugar en nuestro curriculum docente. Hay que aadir, en seguida, que el psiclogo, como todo cientfco, aspira a ir ms all de la constatacin de hechos y regularidades. Pretende comprenderlos y explicarlos. Lo fundamental para el psiclogo es, entonces, elaborar ideas, conceptos y constructos, hiptesis y teoras. De nuevo, todo ello es asunto psicolgico, no matemtico. La matemtica interviene aqu para formar y expresar las ideas e hiptesis psicolgicas de la manera ms precisa posible; pa ^ a derivar de elias, con mayor poder deductivo que el que permite el razonamiento verbal y con la mxima yaranta de coherencia lgica, las consecuencias observables que de esas hiptesis se siguen, y para, finalmente, comparar de forma estricta y objetiva las previsiones hipotticas con las ^fectvas observaciones experimentales o empricas. Creo, en suma,^ que, en la formacin del psiclogo, 1a materntica debe estar siempre al servcio de la psicologa y que no es aconsejable confiar la docencia de estas materias a matemticos sin una profunda preparacin psicolgica, al menos en algn rea de la psicologa, ni a psiclogos sin una profunda preparacin matemtca, al menos en las ^reas pertinentes de las ciencias exactas. AI psiclogo le interesa el desarrollo y aplicacin de una matemtica cualitativa, tanto o ms que el dominio de tcnicas cuantitatvas. La naturaleza de los fenmenos psicolgicos, en los que los aspectos y las relaciones cualitativas suelen ser predominantes y decisivos, exije el uso creciente de procedmientos matemticos fundamentados en las correspondencias entre estructuras empricas y estructuras formales, que no tienen que ser necesariamente numricos ni, cuando lo sean, apoyarse en supuestos mtricos excesivamente exigentes. EI uso, por ejemplo, de la topologa, iniciado de forma ms bien heurstica y metafrica por Kurt Lewin, apenas est aludido en nuestros programas. ^ otro ejemplo paradigmtico lo constituye un problema muy conocido y constante en psicologa. Consiste en que con frecuencia se dspone, en un determinado campo de la conducta, de un nmero pr^cticamente ilimitado de variables o atributos empricos -y observables y se pretende descubrir las

L.^ f-:ST^f)IST1('^^ F:` I'Slt t)1_t)(^I1

variables tericas fundamentales que puedan explicar las relaciones observadas o confirmar o refutar hiptesis acerca de tales variables tericas. EI estudio de las covariaciones entre las variables empricas dernanda ms e uso de ndices y procedimientos nominales y ordinales de proximidades subjetivas y frecuencias que el empleo de covarianzas y correlaciones entre medidas que no suelen constituir una escala de unidad constante. AI psiclogo le interesa el desarrollo y aplicacin de tcnicas como el anlisis de correspondencias, de agrupamientos y de grafos, y, a la vez, el manejo de algoritmos ms estrictamente mtricos, como el anlisis factorial lineal, tanto exploratorio como confirmativo, para comprobar la convergencia o disparidad de los resultados obtenidos con los dos enfoques e ir aciarando el alcance, las limitaciones y la robustez de los dos tipos de anlisis. Asimismo, el influjo en el comportamiento humano de factores mltiples de ndole biolgica, subjetiva, cultural y social, tanto comunes a grupos como peculiarmente modulados por cada individuo, exige el constante desarrollo y empleo de tcnicas capaces de comprobar, en series secuenciales y temporales y a diversos niveies de complejidad de la conducta, tanto la previsible estabilidad como la previsible variacin de los resultados en diferentes personas, tiempos y situaciones. EI estudio de procedimientos matemticos para la validacin de constructos y para la evaluacin de la personalidad y de la terapia y modificacin meliorativa de la conducta en casos individuales es otro de los campos hoy en continua innovacin, que todava no figura con suficiente amplitud en nuestros pragramas. Es urgente y de suma importancia incorporar a nuestros planes docentes o ampliar en ellos los aspectos que la doctora Santisteban seala, como la consideracin de diversos conceptos de probabilidad, el estudio de ciertas distribuciones cannicas hoy poco atendidas, el aprovechamiento mayor de las tcnicas de inferencia no paramtrica y de! anlisis de covarianza o el tratamiento ms extenso de las teoras de la decisin, de la utilidad y de los mtodos de simulacin, si bien todas estas cuestiones son abordadas por nuestros psiclogos en sus investigaciones y, en alguna medida en sus clases, aunque no estn suficientemente organizadas en los programas al uso. Hace falta, sin duda, atender a estos aspectos. Hace falta, tambin, atender a otros, como los que antes he indicado. En ltimo trmino, la matemtica significa, a mi juicio, para las ciencias empricas y, por consiguiente, para el conocimiento psicalgico, en la medida en que ste se configura como ciencia emprica y experimental, dos cosas principales. Una es la elaboracin de sistemas ideales a los que pueda recurrir el hombre de ciencia para mejor estudiar las relaciones encontradas en su campo, como, por ejernp{o, aconteci en (a fsica cuntica, con Heisenberg, o en la psicologa de la inteligencia, con Thurstone,

49^i

E:S T> U!S T!t :1 ESPA 1'^t)L.^

cuando dieron un gigantesco impulso a sus investiga ^ iones al aplicar en ellas el lgebra de matrices, independientemente inventada haca muchos aos por los matemt^cos. La otra consiste en ir satisfaciendo una aspiracin tipica del pensamiento occidental, al rnenos desde Platn, que la nuova scienza desde el barroco a nuestros das ha recogido y acentuado. A saber, expresar con la rnxima exactitud e inequivocidad intersubjetiva las observaciones empricas, las hiptesis y teoras y su relativo ajuste a la realidad observable. EI psiclogo necesita la matemtica no slo para efectuar contrastes estadsticos entre sus modelos tericos y sus observaciones empricas, sino tambin, y quizs preferentemente, para idear modeios matemticos deterministas y estocsticos que le permitan formular con precisin sus hiptesis y deducir de ellas con exactitud las consecuencias emprica y experimentalmente comprobables que irnplican. Tado ello plantea problemas docentes difciles de resolver. EI pobre estudiante de psicaloga no tiene la tarea fcil. Necesita, al parecer, saberlo todo: biologa, matemtica, filosofa... y, si le queda algn tiempo, incluso psicologa. Se pretende, adems, que en cinco aos de estudios, que hoy se quiere reducir a cuatro, se forme como cientfico y como profesional, algo as como reunir en sus programas la preparacin del fsico y del ingeniero 0 del bilogo y el mdica. Ciertamente, al estudioso de la psico^oga le pasa un poco, como deca Gracin de Fernando ei Catlico, que tiene que juntar el cielo con la tierra. Claro que le compensa de sobra el inters apasionante del objeto de sus estudios, que es principalmente la persona humana, incluido l mismo. Pero, as y todo, seamos sensatos y vayamos por partes. La carrera del psiclogo es de reciente creacin en nuestras universidades y est^i, comprensiblemente, en continua crisis de crecimiento y cambio. Pas hace poco de ser una asignatura filosfica y humanstica en las Facultades de Letras a independizarse en un currculum que trata de abarcar y armonizar su indudable, aunque discutido, carcter de ciencia positiva, experimental y nomottica y su no menos insoslayable, aunque tambin no menos discutida, ndole idiottica, humanstica y filosfica. Mi parecer es que hay que distinguir entre la formacin matemtica exigible a tados los psiclogos, la mayora de los cuales van a dedicarse af ejercicio profesional, y la que necesitan los que desean especializarse en la investigacin. Aqullos pueden adquirir los conocimientos suficientes en un primer ciclo de estudios, ms o menos como el que hoy est, programado, al que habra que aadir el manejo prctico, hoy casi imprescindible, de1 ordenador. Estos requieren un programa psicomatemtico ms cvmpleto, que recoja al menos los puntos antes considerados, durante el segundo ciclo. A todos les vendra bien un tercer ciclo de preparacin, orientada para unos hacia el competente ejercicio de la profesin y para otros hacia

l..n f.ST^[)ISTI(^^^ ^ F\ f'SI('O1.(?( ^ 11

^yS

la especializacin en una rama de la investigacin psicolgica. Creo, asimismo, que los aspectos metodolgicos y especficamente matemticos, deben atenderse en cursos, que todos los alumnos deben seguir, en los que se estudien los fundamentos generales y las tcnicas aplicables a todos los campos de la psicologa. Conviene reservar la enseanza de la metodologa especial de cada campo a la docencia de cada uno de ellos. Por ejemplo, estudiar los modelos matemticos del aprendizaje en la asignatura donde se estudie la psicologa del aprendizaje. EI estudio profundo de estas diversas metodologas tiene su lugar rns apropiado en cursos monogrficos y opcionales del tercer ciclo. No olvidemos, en fin, que los estudios universitarios no pueden abarcarlo todo. Deben, ms bien; preparar al alumno para que sea capaz de proseguir por su cuenta su formacin, que nunca ser definitiva. Tengamos presente que algunas de las contribuciones ms eminentes a la psicologa han sido hechas por investigadores que, como James, Galton, Freud, Piaget o Thurstone, tuvieron escasa o nula formacin psicolgica en sus estudios universitarios. Ojal puedan servir estas senciflas reflexiones para mejorar 1a organizacin de las enseanzas matemticas en psicologa. La concreta delimitacin y contenido de estas enseanzas es un problema que deben resolver los psicomatemticos ms competentes.

^y ^

F ti7 :1I^I5 f I( .^Z E.^P.^ ^()i_ ^^

Contestacin
por CARMEN SANTISTEBAN Cuando desde la revista . "Estadstica Espaola"' se me invita a escribir un artcuio acerca de la enseanza de la Estadr'stica en los estudios de Psicologa, que se integre en un nmero monogrfico ^ obre la enseanza de la Estadstica en Espaa, se me pide un artculo que pudiera servir de base para introducir el debate, poniendo de manifiesto lo que se hace y aquello que, en mi opinin, se debera hacer. Tras mi exposicin, el tema quedaba abierto a los camentarios de otros profesores y especialistas. A todos ellos agradezco vivamente sus intervenciones, por lo que representan, y por lo que han venido a enriquecer este trabajo, haciendo que la respuesta, que propicia esta r^ueva incursin en el tema, la realice, aunque de forma individualizada, a modo de pincelada general, incidiendo solamente en alguno de los detalles que han atrapado mi atencin, lo que no implica que en mi consideracn sean los ms relevantes. EI profesor Mariana Yela, catedrtico emrito de nuestra Universidad, maestro, formador de psiclogos e impulsor en Espaa de la aplcacin en Psicoioga de tcnicas metodolgicas de caracter formal, especialmente las relaciones con el Anlisis Factorial, aboga porque el psiclogo sea ante todo psiclogo y que "a la consideracin psicolgica debe estar subardinada toda consideracin matemtica", no obstante dice que en aquello y para aquello que el psiclogo utilice la matemtica, debe comprenderla y dominarla. Si sto es as, con las tendencias actuales que l mismo apunta en cuanto a un uso y desarrollo cada vez mayores de la metodologa psicomatemtica, es imprescindible incluir en los programas de estudio ese bagaje mnimo de contenidos, necesario en un buen psiclogo para el correcto entendimiento de ciertos temas. Las palabras del Dr. Yela cuanda dice que "los psiclogos deben ser, sin duda y ante todo psiclogos'", no se pueden interpretar como que el psiclogo puede desprederse de ese bagaje necesario de EstadsticaMatemtica que, al menos en el contexto cientfico actual, conlleva el . acceso al conocimiento en profundidad de algunos, y no pocos, de los temas que estudian los fenmenos psicolgicos. Los psiclogos deben ser psiclogos, s, pero no psiclogos incultos, sino psiclogos bien informados. Esta es la opinin que tambin comparte y que expresa el Dr. Yela en lo que sigue de inmediato a la frase anteriormente mencionada de su discur-

LA EST AUISTIC^A f N PSIC^OLCX.;IA

497

so, as como en las consideraciones finales en cuanto que aqu afirma que todos lo alumnos, con carcter general, deben estudiar los fundamentos y las tcnicas matemtico-estadsticas aplicables a los campos de Psicologa.

Estamos de acuerdo con ei Dr. Yela en la ampliacin del curriculum y en esa armonizacin que l pide, y que sin duda todos los que trabajamos en este campo deseamos, entre lo que constituye la parte sustantiva del estudio del fenmeno psicolgico, y la rigurosidad metodolgica con que se aborda ese estudio con herramientas de carcter estadstico-matemtico, sin reducir stas ltimas a meros artefactos, en la intil pretensin de conseguir recubrirse de una especie de ptina cientfica, o de dar significado a cualquier conjunto de datos.
De los comentarios del Dr. Ponsoda, que desea posicionar centrados especialmente en su punto de vista sobre la enseanza de la Estadstica en Psicologa, slo querra retomar un par de detalles. Una idea que considero importante, y que debera ser objeto de un amplio debate en nuestras Universidades, es la de que en el aprendizaje de la Estad^ tica por los estudiantes de Psicologia, la rnotivacin del alumno es escasa si, parafraseando al autor, no se les "muestra, clase a clase, su utilidad". Es decir, si no se les expone, en todo momento, ejemplos prcticos y puntuales de su uso ms directo en la Psicologa. Opcin altamente dificultosa, por otra parte, ya que las enseanzas ms bsicas de la Estadstica se suelen impartir en los primeros cursos de la licenciatura y, como indica el Dr, Ponsoda "en nuestros planes de estudios se suelen incluir en los primeros cursos las materias menos psicolgicas...". Mi opinin al respecto es que, an estando de acuerdo en que los alumnos, no slo de Psicologa, sino los de cualquier otra rama de la ciencia o de la tcnica, deben conocer la aplicabilidad que en su campo especfico de estudio tienen, si as fuera, los contenidos que se imparten, no creo que para conseguir una formacin intelectual adecuada y slida del alumno universitario sea conveniente el que siempre, en todo rnomento, se les ofrezca el ejemplo puntual. Los ejemplos deben ayudar a la adquisicin del conocimiento, pero hay que salir al paso de esa tentacin de sobresimplificacin que tiene a veces el alumno de confundirlo con el conocimiento mismo, porque eso lo incapacita para realizar nuevas elaboraciones, abstraer, generalizar, o realizar conexiones con otros conceptos o situaciones. Esta aseveracin se fundamenta en mis largos aos de experiencia docente universitaria, recibiendo a alumnos en cursos avanzados en que sus conocimientos estaban fijados en lo anecdtico, en los pasos concretos a seguir en la resolucin numrica de problemas "tipo", si.n haber adquirido la c^pacidad de generar nuevas ideas o de expresar "formalmente" conceptos y significados.

4yR

ESTAC^ISTIt'A ESPAOLA

EI ejemplo y la aplicacin son convenientes, ms an, necesarios en su tiempo y en su momento, pero no en todo tiempo y en todo momento porque, en ste ltimo caso, indudablemente se puede haber hecho algo importante, se puede haber conseguido acercar a los alumnos a la mecnica de la utilizacin de una cierta tcnica, o a que tengan la evidencia de que lo que aprenden puede servir para algo, pero no se 1es ha ayudado a madurar intelectualmente y, como bin dice el Dr. Ponsoda, pueden verse dotados de una cierta seguridad "en ocasiones perniciosa" en el dominio de la tcnica. Por otra parte, adems, hay que dejar claro en el alumno que el hecho de la presentacin del ejemplo concreto, especfico y puntual conlleva, en la mayora de las ocasiones, severas simplificaciones y el obviar buena parte del contexto. En el apartado dedicado a las consideraciones finales, en el segundo prrafo, ya se haba hecho mencin a este problema. Aadiremos tan slo que las perspectivas pueden ser diferentes cuando la enseanza de la Estadstica en Psicologa se aborda para proveerse de un ^conjunto de tcnicas que ayuden al psiclogo a elaborar aigo con sus conjuntos de datos, o que las enseanzas se aborden como tcnicas especficas con las que resolver determinados problemas, o que se utilice la disciplina para introducir al alumn en las estructuras de disciplinas formales del mbito de la matemtic y de la estadstica, a la vez que se le informa de su utilidad, y se le ensea a utilizarlas, como mtodo de investigacin, en el estudio de los fnomenos psicolgicos. Los contenidos de los prrafos anteriores creo que dan respuesta a algunas de las preguntas que se plantea el Dr. Carpintero, que se autodefine en este campo como mero "usuario"', que asimila la Estadstica a una lengua y que aboga por un "recetario" bien hecho, completo y ordenado, que permita que el producto elaborado sea reconocible y comestible. Pues bien, nada ms lejos de desestimar esa "posicin pragmtica" que l dice que es "'nada bien vista" por los especialistas que ensean disciplinas donde radica el buen conocimiento de las materias primas a emplear, la amplitud y profundidad de ese vocabulario especfico "preciso y bin definido" que l considera necesario utilizar en el proceso, y hasta donde debe alcanzar los conocimientos de aquellos que, accediendo a los resultados, asuman que "hay que estar en condiciones de interpretar". En relacin con lo que el Dr. Ponsoda estima como opcin responsable, diremos que el dinamismo de la Ciencia y, a veces desafortunadamente, las modas y delimitaciones de los objetivos de la poltica educativa y/o cientfica de un pas, en los que realmente la hay, es lo que marca en cada momento la cantidad y calidad de los contenidos a impartir, esos conteni-

LA ESTADISTICA EN PSICOLOGIA

499

dos a los que se les pudiera aplicar adicionalmente el adverbio "responsablemente". No es solamente la ciencia lo que nos marca los lmites de lo responsable, sino que tambin intervienen esos otros condicionantes con una traduccin inmediata, entre otros factores, en los niveles de formacin e instruccin con que los alumnos acceden a los estudios universitarios y en las disciplinas que en stos se conternplan en los planes de estudios, dando cabida a unas disciplinas en detrirnento de otras. Por ltimo, quiero dar respuesta a la Dra. Garriga que expresa ciertas discrepancias en relacin con la ubicacin que hago de la enseanza en nuestras Universidades de los temas relacionados con el Anlisis de la Varianza y de la Covarianza, as como en los de Escalamiento Multidimensional. La informacin que presentamos en cuanto a qu y cmo actualmente se imparten los contenidos de las disciplinas implicadas, se obtiene, no solamente de la mera observacin de la relacin de temas que aparecen en los programas oficiales que hacen pblico cada una de las 16 Facultades (o Secciones Departamentales, en su caso) consultadas, sino que tambin, y primordialmente, se ha atendido a las opiniones y a esa informacin rr^s puntual y detallada que proporciona el dilogo directo con el profesorado ^ que los irnparte. En nuestra exposicin, hablamos de la generalidad de las Universidades y de los programas, sabiendo que existen grandes diferencias, si se comparan los casos extremos, tanto en la profundidad como en la amplitud con la que se abordan los temas. Si bien de la informacin proveniente de nuestra consulta se deduce que los temas relativos a Escalamiento Multidimensional no se imparten corno conocimientos generales en los cursos comunes a todos los estudiantes de Psicologa, an cuando algunos profesores ya los incluamos hace aos en nuestros programas, nos congratulamos con la noticia que nos ofrece la Dra. Garriga de que esos temas se van incluyendo "sobre todo en los nuevos prograrnas presentados en concursos recientes de Profesores Titulares" en nuestro rea de conocimientos, pues aunque, a veces, las realidades del aula no dan confirmacin a los deseos para que esa terntica Ilegue a ser impartida a los estudiantes, con carcter general. Bienvenidos son tambin los comentarios sobre los orgenes de la Teora de la Deteccin de Seales, que no haba considerado necesario "sealar" en mi artculo. Los autores citados Peterson, Birdsall y Fox de la Universidad de Michigan por un lado, y Van Meter y Middleton por otro, con su publicacin en 1954 "Modern statical approaches to reception in communication theory" (Transactions of the I R E Professional G roup on Informa-

^ 00

ESTADIS^TI('A FSNr1!`vOLr1

tion Theory, PG IT-4, 1 19-141) son los que desarrollan la Teora de la Deteccin de Seales bajo la teora de la simple dicotoma, siendo quizs el ms clsico exponente de su incursin en la Psicologa el libro de D. M. Green y J. A. Swets "Signal detection theory and psychophysics"" publicado en 1966. Posteriormente se han propuesto y se han resuelto en el mbito de la Psicologa, problemas que se apartan de esa consideracin de dicotoma IVase M. Treisman y A. Faulkner, 1984, en British Journal of Mathematical and Statistical Psychology, 37; 199-215 y M. Treisman y T. C. Williams, 1984, en Psychofogical Review, Vol. 91, N. 1; 68-1 1 1). Por otra parte, estoy de acuerdo con que el citar en el texto separada y simultneamente a la Psicologa Matemtica, a la Psicometra y a la Psicofsica, puede dar lugar, y de hecho as ha sido, a malos entendidos siendo razonable el que se Ilame la atencin sobre el que "la autora separa la Psicologa Matemtica, la Psicometra y la Psicofsica como distintas reas de estudio en Psicologa". En efecta, an en uno de los libros ms elementales y clsicos sobre Psicalogia Matemtica, como es el de Coombs, Dawes y Tversky "Mathematical Psychology: An elementary introduction", publicado en 1970, se incluyen temas muy variados como son la introduccin a la Teora de la Medida y al Escalamiento, Teora de Grafos, Teora de la Decisin, de Juegos, de la Deteccin de Seales, de la Informacin, as como Modelos de Aprendizaje. Nada se dice, por ejemplo, de una buena parte de la Psicometria como es la Teora de los Tests. Sin embargo, en los dos tomos editados por Krantz, Luce, Atkinson y Suppes que bajo el ttulo de "Contemporary Developments in Mathematical Psychology" se publica en 1974 ya s se consideran en parte estos temas. Los dos tomos rnencionados nacen como colofn de un simpasium y se recogen los temas como un intento de los editores de definir el concepto de "progress in mathematical psychology", incluyendo todo aquello que consideran como reas de investigacin en que los mtodos matemticos han conducido a avances en el conocimiento de lo psicolgico. EI primer volumen tiene como subttulo "Learning, Memory and Thinking" y el segundo "Measurement, Psychophysics and Neural Information Processing''. En ellos, por lo tanto, se pueden encontrar temas coma el expuesto por K. G. J^ireskog, dirigido a cmo hacer un anlisis de datos psicolgicos mediante anlisis estructural de Matrices de Covarianza, o bien tcnicas propias de la Teora psicomtrica de la Respuesta al Item, presentados por F. M. Lord, modelos de Escalamiento Multidimensional y otros muchos muchos temas que inciuyen desde la presentacin de los fundamentos de la Psicofsica Fechneriana, expuestos por J. C. Falmagne, a las teoras cuantitativas de la accin integradora de la retina de N. Graham y F. Ratliff, o a las hiptesis hologrficas de la estructura de la memoria.

LA EST.1DfSTIC^^ E:ti P^I(^OL(X,1^1

501

En cuanto a las revistas especializadas, el '"Journal of Mathematical Psychology'" admite trabajos en "todas"' las reas, y es fcil de verificar que as es, en efecto, si se leen sus normas y la enumeracin que da, a ttulo de ejmplo, de diez de los temas que considera centrales. En una lnea similar se desarrolla la poltica editorial del "British Journal of Mathematical Psychology". Quizs, y sin dudarlo, ^ha sido la Psicometra la que ha mantenido una mayor independencia, especialmente los temas relacionados con la teora de tests, que no siempre se ha considerado incluida en los grupos de trabajo, publicaciones y simposia, que se han realizado separadamente, manteniendo adems revistas especficas para sus propias publicaciones. "Psychometrika", la revista oficial de 1a Psychometric Society, constituida en 1935, es la revista cientfica ms prestigiosa en estos temas y que hasta principios de los 80 se defina a s misma como "una revista dedicada al desarrollo de la psicologa como una ciencia racional cuantitativa". Actualmente aparece en su portada solamente "una revista de psicologa cuantitativa", si bn un texto completo idntico al anterior aparece en su definicin en el interior. Una vez aclarado que bajo la denominacin de Psicologa Matemtica pueden albergarse una ampisima gama de materias, incluyendo a la Psicometra y a la Psicofsica, he de hacer notar que la distincin que entre ellas se ha hecho en el contexto del artculo no tena ms intencin que la de dar e ^ as seas de identidad con las que, quizs inadecuadamente, pero s comnmente, nos referimos a los diferentes contenidos de las disciplinas, con el nico objetvo de diferenciar unos temas de otros, atendiendo a su estructura y contenidos, diferencindolos de lo que es lo meramente matemtico o estadstico.