Fundamentos 1

Investigacin Educativa
A. El Papel del Anlisis de Datos en la Investigacin Educativa

Introduccin
Analizar informacin procedente de diversas vas es una actividad comn en
el ser humano. Habitualmente examinamos aspectos de nuestra realidad,
indagamos en un problema vital o damos diferentes interpretaciones a las
cosas que nos ocurren. Desde este punto de vista llevamos a cabo un
proceso de asimilacin de la informacin externa y acomodacin en nuestro
intelecto, que muchas veces es realizado de manera automtica.
Cuando nos referimos aqu al Anlisis de Datos hablamos de un proceso de
indagacin cientfica sobre un problema de investigacin concreto con
relevancia social y educativa. La informacin que recogemos puede ser tanto
numrica como textual, y ante ella nos disponemos a la realizacin de
diferentes actividades o tareas de anlisis acordes con el tipo de dato
recogido, el problema de investigacin formulado, y las caractersticas
propias del diseo de investigacin al que nos enfrentamos. De esta manera,
el Anlisis de Datos no constituye un fin en s mismo sino que es un proceso
subordinado a otro ms amplio como es la investigacin educativa.
Concretamente, en esta materia nos detendremos en el Anlisis Estadstico
de Datos y en la relevancia que poseen las tcnicas y procedimientos
estadsticos en y para la investigacin educativa. No obstante, tambin
dedicaremos un apartado al Anlisis de Datos no cuantitativos, aludiendo al
anlisis de textos
El concepto de anlisis estadstico de datos
El Anlisis Estadstico de Datos se ha asociado de manera general con la
investigacin de corte experimental, o podemos decir que es caracterstico
de los enfoques positivistas.
Este trmino se define de muchas maneras segn se conciba desde una
perspectiva ms amplia o ms restringida, y segn se entienda tambin el
proceso de investigacin.
El concepto de Anlisis Estadstico de Datos no se agota en las acepciones
que se identifican con un conjunto de datos o enumeracin de hechos, o con
procedimientos de tipo descriptivo destinados a recoger, organizar y

presentar la informacin relativa a un conjunto de casos. De esta manera, el
Anlisis Estadstico de Datos ha dejado de ser nicamente la ciencia de
recopilar datos y, tras fusionarse con la corriente de estudios sobre el clculo
de probabilidades, se ha constituido en una rama de la matemtica aplicada,
entendiendo sta como el uso de principios y modelos matemticos en
diversos mbitos de la ciencia o la tcnica.
Dentro del Anlisis Estadstico de Datos encontramos dos vertientes:
Anlisis Estadstico de Datos (propiamente matemtico), que supone el

estudio
de
los
fenmenos
estadsticos
utilizando
los
mtodos
matemticos y proporciona conocimiento acerca de las tcnicas que

integran los mtodos estadsticos.
Anlisis Estadstico de Datos Aplicado; este carcter aplicado ha estado

presente desde los inicios de esta ciencia, sobre todo en cuanto a su
conexin con el estudio y resolucin de problemas prcticos con datos
reales. Todo ello ha estimulado la innovacin de nuevos mtodos y
procedimientos, y el avance de anlisis estadsticos.
A continuacin expondremos las caractersticas propias que definen el

concepto de Anlisis Estadstico de Datos:
Carcter terico y aplicado.

Estudio de conjunto de datos.
Trabajo con datos procedentes de observaciones o mediciones.
Carcter cuantitativo de los datos.
Reduccin de la informacin.
Generalizacin a colectivos ms amplios.
Por tanto, como ya mencionamos, el Anlisis Estadstico de Datos no se

limita slo a su tratamiento sino que se extiende a tareas previas y
posteriores a esta fase. Tambin puede ocuparse de la recogida de datos
(referido a las tcnicas y mtodos de muestreo y a la evaluacin de la
calidad de los instrumentos que se disean para la recogida de datos) y la
interpretacin de los resultados (afirmaciones que se realizan como
consecuencia
de
la aplicacin
reduccin, generalizacin).
de mtodos estadsticos:
descripcin,
Terminaremos este apartado sintetizando los rasgos ms relevantes que

llevan a definir el Anlisis Estadstico de Datos:
Es una ciencia cuyo objeto es el estudio de mtodos y tcnicas para el
tratamiento de conjuntos de datos numricos.

Las tcnicas estadsticas permiten la descripcin de conjuntos de datos y
la inferencia sobre conjuntos ms amplios.

Los mtodos desarrollados por esta ciencia pueden ser aplicados a
distintos campos del saber, constituyendo un importante instrumento
para el estudio cientfico.
As, definimos el Anlisis Estadstico de Datos como un conjunto de mtodos,

tcnicas y procedimientos para el manejo de datos, su ordenacin,
presentacin, descripcin, anlisis e interpretacin, que contribuyen al
estudio cientfico de los problemas planteados en el mbito de la educacin
y a la adquisicin de conocimiento sobre las realidades educativas, a la toma
de decisiones y a la mejora de la prctica desarrollada por los profesionales
de la educacin.
El anlisis estadstico de datos en las distintas fases del proceso de
investigacin
El Anlisis Estadstico de Datos desempea un papel relevante dentro de
campo de la investigacin educativa. No obstante, dichas tcnicas de
anlisis cobran especial importancia dentro del enfoque positivista. Desde
esta perspectiva, existen razones que justifican la utilizacin del Anlisis
Estadstico de Datos en la investigacin Educativa.
Permite el tipo de descripcin ms exacta. Si el objetivo de la ciencia es la
descripcin de fenmenos, el Anlisis Estadstico de Datos forma parte del
lenguaje descriptivo que necesita el cientfico.
Nos fuerza a ser definidos y exactos en nuestros procedimientos y en
nuestro pensamiento, evitando las conclusiones vagas.
Nos permite reducir los datos en una forma significativa y conveniente,
poniendo orden en el caos.
Facilita la extraccin de conclusiones generales, siguiendo reglas aceptadas
para llegar a ellas.
Permite hacer predicciones sobre lo que ocurrir bajo condiciones que

conocemos y hemos medido. Tales predicciones pueden contener error, pero
el Anlisis Estadstico de Datos nos informa tambin del margen de error que
cometemos.
Nos permite analizar algunos de los factores causales que explican
fenmenos complejos.
Tambin Anlisis Estadstico de Datos como herramienta de trabajo til en la
investigacin educativa ya que nos ofrece tcnicas y procedimientos que
pueden aplicarse en la fase de Anlisis de Datos. No obstante, no queda
limitado a dicha fase ya que contribuye a otras o a diferentes momentos del
proceso de investigacin.
De esta manera, intentamos resalta la presencia del Anlisis Estadstico de
Datos en diferentes momentos del proceso de investigacin y la utilidad de
las tcnicas estadsticas en y para el mismo. Dicho proceso constituye un
todo interrelacionado en el que la toma de decisiones que realicemos sobre
cualquier elemento del mismo supone un condicionante de cara a los dems
elementos.
1.
Planteamiento del problema y formulacin de hiptesis
El Anlisis Estadstico de Datos est presente en la formulacin del problema

de investigacin. Como sealamos, el proceso de investigacin es un todo
interrelacionado en el que las decisiones que tomemos con respecto a
algunos de sus elementos condicionan a los dems elementos del proceso.
La formulacin del problema determinar el tipo de datos que es necesario
recoger, las tcnicas de recogida adecuadas para ello y los procedimientos
estadsticos que se utilizarn en el anlisis. En la definicin del problema
aparecer una limitacin de la amplitud del estudio, de tal forma que si ste
se dirige a toda una poblacin, tendremos que pensar en procedimientos de
la estadstica Descriptiva, mientras que si nos limitamos al estudio de una
muestra, habremos de recurrir a la estadstica inferencial.
Definimos problema como una laguna en el conocimiento (un interrogante
que nos hacemos) para la cual no tenemos solucin aceptable. El problema
ha de ser relevante y verificable empricamente y se debe formular de
manera clara y breve. En este sentido, es muy importante la resolubilidad

del problema de investigacin, aspecto que en ocasiones slo queda
garantizado si contamos con tcnicas estadsticas adecuadas y potentes,
capaces
de
abordar
los
interrogantes
de
partida.
Por
ejemplo,
el
planteamiento de problemas que supongan comparaciones entre mltiples

grupos no podra hacerse sin contar con tcnicas como el anlisis de la
varianza; un gran nmero de problemas de investigacin en los que se
incluyen mltiples dimensiones o variables simultneamente no han llegado
a ser estudiados hasta que no se ha contado con tcnicas de anlisis
multivariante que permiten abordar su estudio.
De igual manera, el Anlisis Estadstico de Datos est presente en la
formulacin de hiptesis, ya que sta no puede hacerse sin tener en cuenta
las tcnicas estadsticas que permiten su contrastacin. El investigador se ve
en la necesidad de salvaguardar la coherencia entre la teora, la hiptesis y
el posterior anlisis estadstico que le permitir aceptarla o rechazarla. Una
hiptesis es una solucin por adelantado que se da al problema de
investigacin que formulamos; es una conjetura, una solucin posible. En el
marco de los programas de investigacin positivistas, la hiptesis cientfica
habr de ser expresada en trminos estadsticos para su contrastacin.
2.
Diseo de investigacin
Como expusimos en un apartado anterior, el Anlisis Estadstico de Datos

forma parte de los diseos de investigacin experimentales. En el concepto
de diseo contemplamos por un lado la organizacin de los aspectos que
constituyen el experimento (en los que el Anlisis Estadstico de Datos est
presente en la medida que facilitan el anlisis de datos y posibilitan el
control de la varianza debida a variables extraas), y por otro, el
procedimiento estadstico que hace posible la interpretacin de los
resultados.
El Anlisis Estadstico de Datos tambin est presente cuando el diseo
contempla la seleccin de sujetos. La teora de muestras proporcionar tanto
los procedimientos de seleccin como la determinacin del tamao muestral
necesario para mantener el error dentro de los lmites aceptables.
Por otro lado, la recogida de datos es una tarea para la que aparentemente
las tcnicas estadsticas parecen no jugar un papel relevante. Sin embargo,
el Anlisis Estadstico de Datos tiene un lugar especial en la construccin y

validacin de instrumentos que se utilizan para la recogida de datos. Por
ejemplo, la determinacin de la fiabilidad y validez de algunos instrumentos
se apoya directamente en coeficientes de correlacin, o la aplicacin de
tcnicas de anlisis de componentes principales o anlisis factorial permite
explorar la dimensionalidad de los instrumentos.
Adems, el Anlisis Estadstico de Datos puede participar indirectamente en
la operacin de recogida proporcionando primeras elaboraciones de los
datos en el momento mismo de su registro.
3.
Anlisis de Datos
Tras la recogida de datos procedemos al anlisis de los mismos. Es decir,

pretendemos transformar, organizar, resumir y sacar indicadores bsicos de
la informacin recogida, y en funcin de dichos indicadores extraer
conclusiones, y tambin generalizar los resultados a las poblaciones de
donde las muestras fueron extradas. Todas estas tareas corresponden al
Anlisis Estadstico de Datos.
El procedimiento de Anlisis suele comenzar con una depuracin de los
datos para tratar de eliminar o corregir los posibles errores que se hayan
cometido en la fase de registro o codificacin de la informacin recogida.
Una segunda fase es la descripcin de las variables que entrarn a formar
parte del estudio, teniendo en cuenta el enfoque del que partimos
(univariante, multivariante o aplicacin de tcnicas inferenciales).
No obstante, existen vas diferentes al Anlisis Estadstico de Datos dentro
de la investigacin educativa. En ellas nos centraremos en el ltimo tema
del programa de la asignatura. En este sentido, entre los procedimientos de
Anlisis de datos, entendidos como tcnicas para extraer informacin de los
datos e interpretar su significado, cabra hacer una distincin entre:
Anlisis Cualitativo, que expresa, ordena, describe, interpreta los datos
mediante conceptos, razonamientos y palabras, y

Anlisis Cuantitativo, en el que se recurre a conceptos y razonamientos
que se apoyan en nmeros y estructuras matemticas.
4.
Obtencin
investigacin
de
conclusiones
redaccin
del
informe
de
Aplicar tcnicas de Anlisis Estadstico nos lleva de manera directa a la

obtencin
de
conclusiones,
las
cuales
estarn,
de
alguna
forma
predeterminadas por el tipo de tcnicas que usemos.

Estas conclusiones, al igual que todo el proceso de investigacin, deben
contar con la inclusin de resultados estadsticos. De esta manera, el
Anlisis Estadstico de Datos est presente en la fase de redaccin del
informe de investigacin. Para ilustrar tales conclusiones se utilizarn
cuadros, tablas y grficos, que recogern medias, porcentajes, coordenadas,
correlaciones, o cualquier otro tipo de estadsticos necesarios para ilustrar
de manera adecuada la investigacin realizada.
Contenidos del anlisis estadstico de datos
Lejos de realizar una exhaustiva revisin de todas las tcnicas y mtodos
estadsticos existentes, nuestra pretensin en este apartado es apuntar a
grandes rasgos los principales campos en que se estructura el Anlisis
Estadstico de Datos, y sobre todo el que habitualmente se aplica en el
campo de las Ciencias de la Educacin.
No obstante, aqu adoptaremos la solucin de distinguir entre:
Estadstica descriptiva, procedimientos dirigidos a la organizacin y
descripcin de un conjunto de datos.

Estadstica inferencial, que se orientan a realizar inferencias sobre una
poblacin a partir de las caractersticas conocidas para una muestra
extrada de ella.
Es frecuente que se otorgue especial importancia a la Estadstica inferencial,

considerndola el verdadero objetivo de la Estadstica; la descriptiva tendra
nicamente la finalidad de proporcionar los ndices a partir de los cuales se
estimarn los parmetros.
Si adoptramos nicamente la complejidad como criterio, basndonos en el
nmero de variables implicadas, podramos hablar de:
Estadstica univariada.
Bivariada.
Multivariada.
El esquema a seguir en la presentacin de los contenidos de la Estadstica

podra estar basado en el planteamiento clasificatorio que suele adoptarse a
la hora de recoger las tcnicas estadsticas en los manuales dedicados a
esta materia:
Los procedimientos de la Estadstica descriptiva e inferencial se

reduciran a las tcnicas que suponen el tratamiento de una o dos
variables; cuando entramos en el manejo simultneo de ms de dos
variables suele considerarse un apartado diferente de la Estadstica al
que se califica con el trmino de Estadstica multivariante. Pero no debe
perderse de vista que este modo de clasificacin no es sino una solucin
prctica, que desde el punto de vista terico presenta algunas
dificultades.
Al diferenciar entre estos tres tipos de tcnicas no hemos logrado una
verdadera clasificacin del Anlisis Estadstico de Datos; Estadstica
descriptiva,
inferencial
multivariante,
en
sentido
estricto,
no
representan una particin del conjunto de contenidos de la Estadstica, es

decir, no constituyen subconjuntos disjuntos ni tampoco abarcan entre
ellas todo el dominio de las tcnicas estadsticas. No obstante, en esta
materia nos centraremos en los dos primeros bloques de contenidos
citados: Estadstica descriptiva e inferencial.
La informtica en el anlisis estadstico de datos
Auge y desarrollo /expansin de la Informtica desde hace algunos aos

en el campo de la investigacin educativa, y ms concretamente en el
mbito del Anlisis de Datos.

Aplicaciones de la informtica muy importantes si tenemos en cuenta la
cantidad de datos que manejamos normalmente y tambin los diferentes
tipos de anlisis que se realizan. En este sentido, los programas
informticos facilitan mucho la tarea pero es importante que resaltemos
la correcta utilizacin de los mismos y la coherencia y lgica del
investigador en tales procesos. Es fundamental que la informtica
siempre responda al problema de investigador y objetivos planteados, y
no sustituya al analista.
De todas las funciones que el computador puede cubrir en la
investigacin educativa, es quiz la del Anlisis de Datos la que con
mayor claridad puede haberse beneficiado de este tipo de herramientas.

El computador ha venido a revolucionar este campo, permitiendo la
aplicacin de complejos procedimientos de anlisis y, de alguna manera,
simplificndolos.
Si el impacto de la informtica en el campo de la investigacin educativa
ha sido considerable, en el caso del Anlisis de Datos esta afirmacin
cobra pleno sentido. El Anlisis de Datos "ha recibido un impulso
revolucionario con la generalizacin del uso de los computadores", hasta
tal punto que hoy es difcil concebir este proceso desligado de la
utilizacin de tales mquinas. Algunas de las ventajas y posibilidades que
lleva consigo el uso de la informtica en el Anlisis Estadstico de Datos
son:
o El computador ha permitido un considerable ahorro de tiempo y
esfuerzo. Los clculos manuales que costaban al investigador largas
horas de trabajo, incluso utilizando la calculadora, la mquina los
o
realiza en pocos segundos.

El computador posibilita una mayor exactitud en los clculos. Es
evidente que el clculo manual, adems de ser lento conlleva
aproximaciones o redondeos, sobre todo cuando se trabaja con
nmeros decimales y se requieren clculos encadenados, que pueden
llegar a suponer un considerable error en los resultados finales
obtenidos. Por otra parte, en el dominio de la inferencia estadstica, el
computador nos ofrece posibilidades con mayor exactitud que las
obtenidas mediante tablas de distribuciones tericas de probabilidad
habitualmente usadas.
El computador ha abierto
la
posibilidad
de
manejar
grandes
cantidades de datos, de trabajar con muestras mayores y de incluir

ms variables, haciendo que el anlisis de grandes bancos de datos o
la aplicacin de complejas tcnicas multivariantes a grandes muestras
no presenten tareas inabordables en la prctica.

Considerando dichas ventajas, la Informtica en el Anlisis Estadstico de
Datos:
o Al liberarnos de tiempo en la realizacin de clculos el investigador
puede centrarse en otros momentos o tareas conceptuales ms
relevantes del proceso de investigacin como la toma de decisiones
respecto al proceso estadstico a seguir o a la tcnica concreta que se
deber emplear, mayor atencin al anlisis crtico del proceso y a la
o
interpretacin de resultados.
Tambin nos ofrecen la posibilidad de realizar clculos para la
comparacin de resultados utilizando mtodos diferentes, aspecto que
10
no se realizaba por considerar un esfuerzo adicional para el

o
investigador, adems de la dificultad que entraaba un anlisis.

Otra de las posibilidades que abri la informtica fue el tratamiento
conjunto de mltiples variables y, por ende, el desarrollo de anlisis
multivariante, en los que se observaba una creciente complejidad
estadstica.
La triangulacin multimtodos y el manejo de grandes muestras y
elevado nmero de variables contribuye al aumento de la fiabilidad y
validez de los estudios y, por ende, su poder de generalizar los
resultados.
No obstante, el desarrollo de la Informtica no slo ha supuesto
beneficios para el Anlisis Estadstico de Datos sino tambin a la mejora
y desarrollo de tcnicas estadsticas ms complejas e innovadoras.

Teniendo en cuenta las ventajas que representa el uso del computador y
el papel que juega en el Anlisis Estadstico de Datos, hoy da resulta
inconcebible la realizacin de este tipo de anlisis en la investigacin
educativa que no se apoyen en la informtica.

Actualmente, gracias al avance y desarrollo del mundo de la informtica
contamos con un gran nmero de programas para el Anlisis de Datos.
Los diferentes tipos de datos (cuantitativos o cualitativos) exigen
diferente software informtico, ya que requieren diferente tratamiento.

En este curso, al centrar nuestra atencin principalmente en el Anlisis
Estadstico de Datos, tendremos como soporte el paquete estadstico
SPSS, utilizndolo para generar archivos de datos, transformarlos y
realizar anlisis estadsticos, atendiendo, como ya sealamos, tanto a la
Estadstica Descriptiva como a la Inferencial.
11
B. Organizacin Y Presentacin De Los Datos

Conceptos previos sobre medicin y escalas de medida
1. Concepto de medida
Asignacin de nmeros a los objetos con la intencin de representar alguna
de sus caractersticas.
Toda medicin implica establecer una regla para hacer corresponder los
nmeros con las distintas formas en que se presenta una caracterstica de
los objetos o individuos. En el caso de la investigacin educativa, se suelen
asignar
nmeros
conductas,
opiniones,
actitudes,
intereses,
etc.
manifestadas por individuos o grupos.

2. Niveles de medida
Segn el modo en que se utilizan los nmeros en la medicin, podemos
hablar de distintos niveles de medida:
a) Nivel nominal.
El nivel nominal de medicin consiste en asignar nmeros que hacen la
funcin de meros nombres o etiquetas.
Si empleamos un nivel de medida nominal lo nico que podemos inferir es
que los objetos difieren entre s respecto del atributo medido, aunque ello no
implica ninguna otra propiedad.
b) Nivel ordinal.
El nivel ordinal de medida supone que podemos establecer una ordenacin,
creciente o decreciente, con los objetos o hechos que medimos.
Con un nivel de medida ordinal podramos establecer sin dificultad que algo
es diferente de algo, y que es mayor o menor, pero no cunto mayor o
menor.
12
c) Nivel de intervalo
En este nivel de medida, distancias numricamente iguales representan
distancias iguales con respecto a la propiedad que se est midiendo.
Una medicin a nivel de intervalo posee las caractersticas de los dos niveles
anteriores, por lo que podemos establecer diferencias entre objetos,
determinar una ordenacin entre ellos y adems, conocer en qu cuanta
unos objetos son mayores o menores que otros.
d) Nivel de cuociente, razn o proporciones.
Este nivel de medicin aade a la medida en escala de intervalo la
existencia de un cero absoluto.
Adems de las propiedades de los niveles anteriores, en las medidas en
escala de razn puede afirmarse que el valor cero indica ausencia total del
rasgo medido.
3. Constante, variable, modalidades y clases
Una constante es una caracterstica que se manifiesta de manera similar en
todos los objetos o individuos sobre los que se realiza la medicin. Es decir,
presenta un nico valor posible.
Una variable es una caracterstica que puede manifestarse de manera
diferente en un grupo de objetos o individuos sobre los que se realiza la
medicin. Cada uno de los valores asumidos es una modalidad.
Cuando el nmero de modalidades bajo el que se mide una variable es muy
grande, las modalidades pueden ser agrupadas en clases. De esta manera,
se pasa de un nmero amplio de modalidades a un nmero mucho ms
reducido de clases. Al definir clases, deben respetarse al menos dos
criterios:
13
Las clases deben ser mutuamente exclusivas. Es decir, una modalidad no

puede formar parte de dos clases; quedar incluida en slo una clase.
Las clases deben ser exhaustivas. La definicin de clases debe cubrir todas
las modalidades, de forma que ninguna modalidad quede sin pertenecer a
alguna clase.
Ordenacin
clasificacin
de
los
datos:
distribuciones
de
frecuencias
1. Frecuencias y distribucin de frecuencias
Las tcnicas ms habituales para ordenar, clasificar y presentar datos son
las distribuciones de frecuencias. Comenzaremos concretando el concepto
de frecuencia.
Frecuencia hace alusin al nmero de veces que se da un fenmeno. En
estadstica, la frecuencia va referida al nmero de veces en que aparece un
determinado valor para una variable. Comenzaremos diferenciando dos tipos
de frecuencias:
Frecuencia absoluta individual (fi) de un valor. Es el nmero de veces
que aparece repetido dicho valor en un conjunto de n puntuaciones. La suma
de las frecuencias fi para todos los valores coincide con el valor de n.
Frecuencia relativa individual (pi) de un valor. Es el cociente entre la
frecuencia absoluta individual y el tamao de la muestra. Es decir, pi = fi/n.
Lo
ms
frecuente
es
utilizar
este
tipo
de
frecuencia
en
trminos
porcentuales, expresndola como Pi = (fi /n) x 100. En este caso, la suma de

las Pi para todos los valores es 100.
A partir de las frecuencias alcanzadas por las distintas modalidades de una
variable, puede organizarse una distribucin de frecuencias. Una distribucin
de frecuencias consiste en presentar ordenadamente todos los valores
asumidos por la variable estudiada, situando a su derecha la frecuencia con
que aparecen (al menos, su frecuencia absoluta).
14
En la distribucin de frecuencias podran aparecer adems otro tipo de

frecuencias. Vamos a considerar ahora las frecuencias acumuladas:
Frecuencia absoluta acumulada (fa) de un valor. Es la suma de las
frecuencias absolutas que corresponden a todos los valores iguales o
menores que l. La frecuencia fa para el valor ms alto de la variable
coincide con n.
Frecuencia relativa acumulada (pa) de un valor. Es la suma de las
frecuencias relativas de los valores iguales o menores que l. Expresada en
trminos de porcentaje, aparece como Pa, y la Pa correspondiente al valor
ms alto resulta ser 100.
2. Distribucin de frecuencias agrupadas

Una distribucin de frecuencias agrupadas se origina cuando en lugar de
modalidades consideramos clases. Suele recurrirse a ellas cuando se
pretende simplificar la presentacin de variables que poseen muchas
modalidades posibles.
Un caso particular de agrupamientos se da en los valores correspondientes a
variables continuas, medidas al menos en escala de intervalos. En esta
situacin, la clase de valores que adoptamos se denomina intervalo y
comprende las modalidades de una variable contenidas entre los dos valores
que delimitan el intervalo.
Conceptos relativos al agrupamiento en intervalos:
Lmites aparentes de un intervalo. Son los valores que delimitan el

segmento de valores que constituyen un intervalo. Para cada intervalo
existe un lmite inferior y un lmite superior.

Lmites reales de un intervalo. El lmite real inferior de un intervalo es el
valor que resulta de disminuir el valor del lmite aparente inferior en
media unidad de medida. El lmite real superior de un intervalo resulta de
incrementar el lmite superior aparente en media unidad de medida.

Amplitud de un intervalo. Es la distancia existente entre el lmite real
inferior y el lmite real superior de un intervalo. Tambin se podra definir
15
como la diferencia entre los lmites aparentes del intervalo incrementada
en la unidad de medida.
Punto medio de un intervalo. Es el valor que se obtiene como promedio
de los dos lmites del intervalo (real o aparente).
Representacin grfica de datos

1. Diagrama de Barras
Consiste en indicar por medio de una barra o rectngulo las frecuencias
correspondientes a cada modalidad o clase de modalidades. Las alturas de
las
barras
son
proporcionales
las
frecuencias
alcanzadas,
con
independencia de que se trate de frecuencias absolutas o relativas.

Cuando representamos variables medidas en una escala nominal, las
modalidades o clases pueden ser colocadas en cualquier orden.
Cuando las variables se miden en escala ordinal, las barras deben ser
colocadas en un orden determinado por la ordenacin que se establece
entre las modalidades.
2. Histograma
Cuando la variable a representar est medida en una escala de intervalos,
en lugar del diagrama de barras recurrimos al histograma. Este es similar al
diagrama de barras, pero la base de cada rectngulo coincide con los lmites
reales del intervalo y el orden de presentacin de las modalidades en el eje
de abscisas no es arbitrario. El histograma puede construirse para
frecuencias
absolutas
relativas,
tanto
si
son
individuales
como
acumuladas.
El histograma puede ser construido para representar frecuencias (tambin
porcentajes) o frecuencias acumuladas.
16
3. Polgono de Frecuencias
Consiste en una lnea poligonal que une el punto medio de cada intervalo,
tomado a una altura que resulta proporcional a la frecuencia alcanzada en el
intervalo. La lnea obtenida de este modo cierra el polgono al ser unida a los
puntos medios del intervalo anterior y posterior sobre el eje de abscisas
Puede construirse a partir del histograma.
4. Polgono de Frecuencias Acumuladas
Es una lnea poligonal mediante la cual se representan las frecuencias que
acumulan los intervalos. Se construye cmodamente sobre el polgono de
frecuencias acumuladas, uniendo el vrtice inferior izquierdo de cada
intervalo con su vrtice superior derecho.
5. Ciclograma
Es un diagrama en forma de crculo, el cual se encuentra dividido en tantos
sectores circulares como modalidades presenta la variable. La amplitud de
cada sector circular es proporcional a la frecuencia de la modalidad
correspondiente.
Problemas
Problema 1
Hemos recogido los siguientes datos, correspondientes a las puntuaciones

obtenidas por 25 alumnos en un test de inteligencia. Organzalos en una
distribucin de frecuencias sin agrupar en intervalos.
105, 99, 109, 100, 94, 100, 97, 120, 99, 107, 96, 107, 100, 109, 105, 97,
100, 105, 96, 99, 100, 97, 105, 107, 99.
Problema 2
Construye la distribucin de frecuencias absolutas y relativas, tanto

individuales como acumuladas, para las siguientes puntuaciones. Agrupa los
datos en intervalos de amplitud 5.
17
3, 6, 7, 9, 9, 12, 12, 13, 13, 14, 14, 15, 15, 16, 16, 20, 20, 20, 20, 20, 22, 23,
24, 24, 24, 25, 25, 28, 35, 37.
Problema 3
Los 31 profesores de un Centro de Educacin Primaria se agrupan, en

funcin de su situacin administrativa, de la forma que recogemos a
continuacin. Representa dichos datos mediante un ciclograma.
Situacin
Administrativa
Profesores
Definitivos
15
Provisionales
10
En comisin de servicios
Interinos
Problema 4
Representa mediante un histograma las edades (en meses) de los 60 alumnos del segundo
ciclo de Educacin Infantil de un Centro, cuya distribucin de frecuencias es la siguiente:
Edades
N
Alumnos
55 - 59
16
50 - 54
10
45 - 49
40 - 44
35 - 39
30 - 34
25 - 29
Problema 5
Representa en un polgono de frecuencias los siguientes datos,

correspondientes a los C.I. de un grupo de 25 alumnos de un curso de
Educacin Bsica.
C.I.
N Alumnos
116 - 120
111 - 115
106 - 110
101 - 105
11
96 - 100
91 - 95
18
Problema 6
Representa mediante un polgono de frecuencias acumuladas los datos

relativos al C.I. de un grupo de 25 alumnos utilizados en el problema
anterior.
Soluciones a problemas propuestos
Solucin Problema 1
Para realizar la distribucin de frecuencias debemos, en primer lugar,

ordenar los datos (de mayor a menor o de menor a mayor), representarlos
en una tabla y realizar el recuento correspondiente a cada uno de los valores
(las "marcas" facilitan dicha labor), tal y como se expresa en la tabla
siguiente:
Puntuacione
Marcas
Frecuencias
120
109
//
107
///
105
////
100
/////
99
////
97
///
96
//
94
19
Solucin Problema 2
En primer lugar, calculamos la amplitud total para la serie de puntuaciones

con las que vamos a trabajar.
A.T. = PMAYOR - PMENOR + 1 = 39 - 3 + 1 = 37
A continuacin determinamos el nmero de intervalos necesarios. Teniendo
en cuenta que la amplitud del intervalo debe ser igual a 5, de acuerdo a lo
indicado en el enunciado del problema, el nmero de intervalos vendr dado
por la relacin (cuociente) entre la amplitud total y la de cada intervalo: 37/5
= 7.4.
Este valor nos indica que necesitamos un nmero superior a 7 intervalos
para distribuir todas nuestras puntuaciones en intervalos de amplitud 5. El
nmero de intervalos mnimo necesario sera 8. Una vez construidos los
intervalos, determinamos la frecuencia absoluta individual (f) en cada uno
de ellos, la proporcin (p), el porcentaje (P) y los correspondientes valores
acumulados para todos ellos (fa, pa y Pa).
Intervalos Marcas
fa
pa
Pa
36 - 40
0.0333
3.33
30
1.0000
100.00
31 - 35
0.0333
3.33
29
0.9667
96.67
26 - 30
0.0333
3.33
28
0.9333
93.33
21 - 25
///// //
0.2333
23.33
27
0.9000
90.00
16 - 20
///// //
0.2333
23.33
20
0.6667
66.67
11 - 15
///// ///
0.2667
26.67
13
0.4333
43.33
////
0.1333
13.33
0.1667
16.67
0.0333
3.33
0.3333
33.33
6 - 10
1-5
No obstante, podramos haber organizado los datos comenzando el primer

intervalo con un lmite aparente inferior distinto (por ejemplo, 2 o 3). En ese
caso, la distribucin resultante diferir algo de la aqu construida.
Solucin Problema 3
20
En este caso la superficie del crculo (360 o) se reparte proporcionalmente a

las frecuencias de cada categora. Los profesores definitivos ocuparn un
sector circular que representa el 48.39% de los 360 o, es decir, 360 x
48.39/100 = 174o que suponen algo menos de un ngulo llano. Los
profesores provisionales estarn representados por un sector de 360 x
3226/100 = 116o, es decir, algo ms que un ngulo recto. Clculos anlogos
determinan un sector circular de 47o para los profesores en comisin de
servicios y 23o para los interinos.
Solucin Problema 4
El histograma es similar a un diagrama de barras en el que dichas barras se

levantan sobre los lmites reales de los intervalos, apareciendo, por tanto,
unidas lateralmente entre s.
21
Solucin Problema 5
Para trazar el polgono de frecuencias se seala el punto medio de cada

intervalo
en
el
eje
de
abscisas
(horizontal),
se
marca
la
altura
correspondiente, de acuerdo con las frecuencias y se unen los puntos

marcados con lneas rectas. El grfico cortar el eje de abscisas en los
puntos medios de los intervalos inmediatamente superior al intervalo mayor
e inferior al menor (ambos con frecuencia cero).
Solucin Problema 6
El polgono de frecuencias acumuladas se construye de forma muy parecida

al polgono de frecuencias, con la diferencia de que aqu la altura viene dada
por
las
frecuencias
acumuladas
(frecuencia
de
cada
intervalo
ms
frecuencias de los intervalos anteriores). Adems, la lnea comienza en el eje

de abscisas en el lmite inferior real del primer intervalo, y une los puntos
situados sobre cada lmite superior real, a una altura igual a la frecuencia
acumulada en cada intervalo.
22
23
C. Tcnicas descriptivas en una variable

1. Medidas de tendencia central
Son ndices numricos que se toman como representativos de un conjunto
de puntuaciones, utilizando para ello valores que se sitan hacia el centro
del conjunto.
a) Media (Promedio): Es el valor obtenido como suma de todas las
puntuaciones de un grupo dividida por el nmero de ellas.
Clculo:
Datos sin agrupar
Datos agrupados por intervalos
donde:
donde:
Xi es cada puntuacin
n es el nmero de casos
Xi es el punto medio de cada intervalo

fi es la frecuencia de cada intervalo
r es el nmero de intervalos
Propiedades
La suma de las desviaciones de todas las puntuaciones respecto a la

media es 0.
La media es sensible a la variacin de cualquiera de las puntuaciones.

Basta que cambie un solo valor para que la media se modifique.
Si se suma una constante a las puntuaciones de un grupo, la media

quedar aumentada en dicha constante.
Si se multiplican por una constante las puntuaciones de un grupo, la

media quedar multiplicada por dicha constante.
Si una variable X es combinacin lineal de r variables X1, X2, ... Xr, su

media se obtiene como combinacin lineal de las medias de dichas
variables.
Es decir, si
24
entonces
Dados r grupos con n1, n2, ... nr casos y sus respectivas medias, la media
global se obtiene ponderando dichas medias.
Cuando calculamos la media para datos agrupados en intervalos, el valor

resultante depende de los intervalos elegidos (de su amplitud, su nmero
y de los lmites fijados).
La media puede calcularse cuando las variables se han medido en una

escala de intervalo o razn.
b) Mediana: Es el valor que divide en dos partes iguales a un conjunto de

puntuaciones ordenadas, de tal forma que la mitad de las puntuaciones
son mayores que la mediana y la otra mitad son mejores que ella.
Clculo
Datos sin agrupar
Se ordenan los datos de menor

a mayor.
Si el nmero de casos es
impar, la mediana es el valor
que ocupa la posicin central
donde:
crtico (que contiene a la mediana)
en la serie.
Si el nmero de casos es par,

la mediana es el punto
I es la amplitud de los intervalos
fi es la frecuencia absoluta en el
medio entre los dos valores

centrales.
Li es el lmite inferior del intervalo
intervalo crtico
fa es la frecuencia acumulada en el
intervalo anterior al intervalo crtico
25
Propiedades.
Es menos sensible que la media a variaciones de las puntuaciones. Podra ocurrir que
la modificacin de un valor no altera la mediana
Para datos agrupados por intervalos, el valor de la mediana depender de la amplitud

de los intervalos, el nmero de ellos y los lmites fijados.
La mediana puede calcularse cuando se han medido las variables en escala ordinal o
superior.
c) Moda: Es el valor o modalidad que ms se repite en un conjunto de

medidas.
Clculo
Datos sin agrupar
Se construye la distribucin de Punto medio del intervalo con mayor
frecuencias.
frecuencia, o bien:
El valor con frecuencia mxima
es la moda.
Si la frecuencia mxima se
alcanza
para
valores,
stos
ms donde:
constituyen Li es el lmite inferior del intervalo
dos
modas. El grupo puede ser
bimodal o multimodal.
Si dos valores adyacentes
alcanzan la mxima frecuencia,

la moda es el promedio de
ambos.
modal (que contiene a la moda).

I es la amplitud de los intervalos.
d1 es
la
diferencia
entre
las
frecuencias del intervalo modal y el
intervalo inferior.
d2 es
la
diferencia
entre
las
frecuencias del intervalo modal y el

intervalo inmediato superior.
Propiedades
Es la medida de tendencia central ms inestable, pudiendo variar mucho

de una muestra a otra extradas de la misma poblacin.
Para datos agrupados por intervalos, el valor de la moda depender de la

amplitud de los intervalos, el nmero de ellos y los lmites fijados.
Puede determinarse para variables medidas en cualquier escala.
26
2. Medidas de posicin
Son medidas que informan sobre la posicin de determinadas puntuaciones
individuales en relacin con el grupo del que forman parte.
a) Percentiles: Son los 99 valores que dividen en cien partes iguales a una
serie de puntuaciones ordenadas, de forma que el percentil Pm deja por
debajo de s el m por ciento de las puntuaciones del grupo.
Clculo
Se obtienen de forma anloga a como lo hacamos en el caso de la mediana.
La frmula de clculo para el percentil m (P m) en el caso de datos agrupados
por intervalos, que representa una generalizacin de la que utilizbamos
para la mediana, es la siguiente:
donde:
Li es el lmite inferior del intervalo crtico (que contiene a P m)

I es la amplitud de los intervalos
fi es la frecuencia absoluta en el intervalo crtico
fa es la frecuencia acumulada en el intervalo anterior al intervalo crtico
La expresin mn/100 representa el nmero de puntuaciones que
quedaran por debajo del percentil m en la distribucin estudiada. El
intervalo crtico es precisamente aqul donde la frecuencia acumulada
alcanza o supera ese nmero de puntuaciones.
b) Deciles: Son los 9 valores que dividen en diez partes iguales a una serie
de puntuaciones ordenadas, de forma que el decil Dm deja por debajo de
s a m dcimas partes del total de puntuaciones del grupo.
Clculo
27
Para el caso de datos agrupados por intervalos, la expresin de clculo es:
c) Cuartiles: Son los 3 valores que dividen en cuatro partes iguales a una
serie de puntuaciones ordenadas, de manera que el cuartil Qm deja por
debajo de s m cuartas partes del total de puntuaciones del grupo.
Clculo
3. Medidas de dispersin
Son medidas que informan sobre la variabilidad que existe en un conjunto de
puntuaciones. Indican en qu medida las puntuaciones se sitan prximas
entre s.
a) Rango: Es la distancia total en la escala numrica a lo largo de la cual
varan las puntuaciones.
Tambin se denomina amplitud total o recorrido. Se utilizan dos tipos de
rangos:
Rango excluyente: diferencia entre la mayor y la menor de las puntuaciones.
Rango incluyente: diferencia entre la mayor y la menor de las puntuaciones
incrementada en la unidad de medida. Este suele ser el ms utilizado.
Rango = Punt.mxima - Punt.mnima + unidad de medida
El rango es la ms imperfecta de las medidas de dispersin, pues slo tiene
en cuenta las puntuaciones extremas.
b) Desviacin media: Es la media del valor absoluto de las diferencias de
todas las puntuaciones respecto a la media aritmtica.
Clculo:
Datos sin agrupar
donde:
donde:
Xi es cada puntuacin
Xi es el punto medio de cada intervalo
es la media
es la media
fi es la frecuencia de cada intervalo
r es el nmero de intervalos
28
c) Varianza y desviacin tpica

c1) Varianza: La varianza es el promedio del cuadrado de las diferencias
de todas las puntuaciones respecto a la media aritmtica.
Clculo
Podemos proponer dos frmulas equivalentes, tanto para datos sin agrupar
como para datos agrupados por intervalos.
Datos sin agrupar
Datos
agrupados
por
intervalos
En el mbito de la estadstica inferencial, se utiliza una expresin de la

varianza obtenida recogiendo en el denominador el factor n-1. A esta
varianza se le denomina varianza insesgada.
29
c2) Desviacin tpica: Se define como la raz cuadrada de la varianza,

tomada con signo positivo.
Propiedades de la varianza y la desviacin tpica
Adoptan siempre un valor positivo o igual a cero.
Se ven afectadas por la modificacin de cualquiera de las puntuaciones.
Si multiplicamos un conjunto de puntuaciones por una constante, la

desviacin tpica y la varianza quedarn multiplicadas respectivamente
por la constante y por el cuadrado de esa constante.
Si sumamos a un conjunto de puntuaciones una constante, la desviacin

tpica y la varianza no se vern afectadas.
Para datos agrupados por intervalos, el valor depende de la amplitud de

los intervalos, el nmero de ellos y los lmites fijados.
No deben calcularse en situaciones en que tampoco debe calcularse la

media.
d) Coeficiente de variacin:
Es un ndice abstracto, que permite
comparar la variabilidad de distintos grupos o distintas variables.

Se obtiene a partir del nmero de veces que la desviacin tpica contiene a la media.
e) Amplitud Semi-intercuartlica: Se define como la mitad de la distancia

entre el primer y el tercer cuartil. Puede ser calculada cuando se ha
medido la variable en escala ordinal o superior.
Problemas
Problema 1
30
Las puntuaciones obtenidas por un grupo de 38 alumnos en una

prueba valorada de 0 a 100, las cuales se suponen medidas en
escala de intervalos, son las que se presentan en la tabla.
a) Calcula la media aritmtica, mediana y moda.
b) Qu puntuacin deja por debajo de s el 75% de los casos? Y el 25%?
Cmo se denominan dichas puntuaciones?
Interval
os
91 - 100
81 - 90
71 - 80
61 - 70
51 - 60
41 - 50
31 - 40
21 - 30
11 - 20
1 - 10
Problema 2
Las puntuaciones obtenidas por 59 alumnos en una prueba de diagnstico

en lectura son las que se recogen en la tabla siguiente.
a) Calcula P25,, P50, P75, P90, moda y mediana.
b) Qu percentil corresponde a una alumna que ha obtenido una
puntuacin directa de 40 puntos? Y a un alumno que obtuvo 34 puntos?
Intervalos
47 - 49
F
4
fa
59
44 - 46
55
41 - 43
48
38 - 40
44
35 - 37
36
32 - 34
32
29 - 31
31
26 - 28
26
23 - 25
20
20 - 22
14
17 - 19
10
14 - 16
11 - 13
8 - 10
5-7
2-4
31
Problema 3
Los 25 nios de un aula de Educacin Parvularia han sido evaluados para

determinar el nivel que presentan en ciertas variables relevantes para el
aprendizaje de las matemticas. Teniendo en cuenta que los resultados
obtenidos en una prueba de discriminacin de formas son los que aparecen
a continuacin, determina la tendencia central del grupo mediante la media,
la mediana y la moda, as como el grado de dispersin que presentan las
puntuaciones, expresado a partir de su rango y su desviacin tpica.
27, 35, 40, 26, 32, 31, 35, 28, 29, 25, 36, 31, 27, 29, 25, 32, 34, 28, 33, 35,
29, 30, 39, 27, 25.
Problema 4
Tras aplicar una prueba de clculo mental a 70 alumnos de 4 Bsico,

pretendemos describir la dispersin del conjunto de puntuaciones obtenidas.
Determina el valor del rango, la desviacin media, la varianza, la desviacin
tpica y el coeficiente de variacin.
I
19 - 21
fi
5
16 - 18
13 - 15
12
10 - 12
25
7-9
13
4-6
1-3
32
Problema 5
La directora de Recursos Humanos de una entidad educativa utiliza

determinada prueba con la que mide la aptitud de los candidatos para
desempear cierto puesto de trabajo. El total de aspirantes es de 190 y los
resultados alcanzados por cada uno de ellos en la prueba son los que
mostramos seguidamente.
Aptitud
fi
125-129
120-124
115-119
12
110-114
20
105-109
27
100-104
41
95-99
32
90-94
30
85-89
11
80-84
a) Si pretendemos seleccionar a slo 38 de los candidatos, cul es la

puntuacin mnima que habra de obtenerse para ser seleccionado?
b) Qu porcentaje de sujetos quedaron por debajo de un aspirante que
consigui una puntuacin de 105.5?
b) Determina la amplitud semi-intercuartil para la distribucin.
Soluciones a problemas propuestos
Solucin Problema 1
a) La moda, valor ms sencillo de calcular, es la puntuacin con frecuencia

mxima o puntuacin que ms se repite. Al estar los datos agrupados en
33
intervalos, la moda ser el punto medio del intervalo con frecuencia

mxima, es decir Mo = 45.5.
Para calcular la media aritmtica necesitamos los puntos medios de los
intervalos y los productos de dichos puntos medios por las frecuencias.
Dichos clculos se expresan en la tabla que mostramos seguidamente.
Intervalos
Xi
fiXi
91 - 100
95.5
191
81 - 90
85.5
71 - 80
75.5
226.5
61 - 70
65.5
393
51 - 60
55.5
388.5
41 - 50
45.5
409.5
31 - 40
35.5
142
21 - 30
25.5
127.5
11 - 20
15.5
15.5
1 - 10
1
n = 38
5.5
5.5
1899
[D]
La mediana es la puntuacin que deja por encima y por debajo de s el 50%
de los casos. Como tenemos 38 sujetos, la mediana ser la puntuacin que
deje por encima y por debajo de = 19 sujetos. Su frmula de clculo, para
datos agrupados en intervalos, es la siguiente:
Como n/2=38/2=19 es una frecuencia acumulada que se alcanza dentro del

intervalo 41-50 (intervalo crtico), sustituyendo en la frmula anterior los
valores del lmite inferior de ese intervalo (Linfer), la amplitud de los intervalos
(I), la frecuencia en el intervalo crtico (f i) y la frecuencia acumulada en el
intervalo anterior al crtico (fa) tendremos
b) Las puntuaciones que dejan por debajo de s el 25 y el 75% de los casos

se conocen con el nombre de cuartil 1 (Q 1) y cuartil 3 (Q3), respectivamente.
34
Dichas puntuaciones se corresponden, igualmente, con los percentiles 25 y

75. Su clculo viene dado por la frmula
Cada uno de ellos se sita en los siguientes intervalos crticos:
Q3: (338)/4=28.5 (intervalo 61 - 70)

Q1: (138)/4=9.4 (intervalo 31 - 40)
Sustituyendo los distintos valores en la frmula, obtendremos
Solucin Problema 2
a) Clculo de los percentiles
Se pide tambin el clculo de la mediana y de la moda. La mediana ya est

calculada, pues coincide con el percentil 50 (Md=P 50=30.6). La moda es el
punto medio del intervalo con frecuencia mxima, es decir Mo=39.
b) Se trata del problema inverso al apartado anterior, que podemos resolver
aplicando la misma frmula. El valor que buscamos no es, como ocurra
anteriormente, Pm sino el valor m.
35
Solucin Problema 3
En primer lugar organizamos las puntuaciones dadas en una distribucin de

frecuencias, lo cual aunque no es necesario resulta conveniente, ya que
facilita los clculos. En la tabla que se presenta a continuacin incluimos,
adems de la distribucin de frecuencias, los clculos previos necesarios
para resolver las cuestiones planteadas.
El clculo de la media aritmtica resulta sencillo teniendo en cuenta los
clculos previos:
Xi
Marcas
fi
Xifi
X2i
X2ifi
25
///
75
625
1875
26
27
/
///
1
3
26
81
676
729
676
2187
28
29
//
///
2
3
56
87
784
841
1568
2523
30
31
/
//
1
2
30
62
900
961
900
1922
32
33
//
/
2
1
64
33
1024
1089
2048
1089
34
35
/
///
1
3
34
105
1156
1225
1156
3675
36
39
/
/
1
1
36
39
1296
1521
1296
1521
40
1
40
1600
1600
n=25 768
24036
La mediana es la puntuacin que ocupa el lugar central. Puesto que
contamos con 25 puntuaciones, la mediana ser el valor que ocupe el lugar
13 (deja 12 por debajo y 12 por encima), es decir Md=30.
36
La moda es la puntuacin o puntuaciones que ms se repiten (las que tienen

mayor frecuencia). En este caso, la distribucin es multimodal, contando con
cuatro modas que son 25, 27, 29 y 35.
El rango o amplitud total para la distribucin es: A.T. = P mayor - Pmenor + 1 = 40
- 25 + 1 = 16
La desviacin tpica se obtiene a partir de su expresin de clculo:
Solucin Problema 4
En la tabla siguiente se incluyen los clculos previos para hallar las medidas
de variabilidad solicitadas. En la primera columna se presentan los
intervalos, en la segunda las frecuencias, en la tercera los puntos medios de
cada uno de los intervalos, en la cuarta el producto de los puntos medios de
cada uno de los intervalos por su frecuencia, en la quinta las diferencias en
valor absoluto de cada punto medio de los intervalos con respecto a la
media aritmtica (x, por tanto, representa puntuaciones diferenciales), en la
sexta la columna anterior multiplicada por la frecuencia de cada intervalo,
en la sptima los valores de los puntos medios de cada uno de los intervalos
elevados al cuadrado y, en la octava y ltima el valor de la columna anterior
multiplicado por la frecuencia de cada intervalo.
I
fi
Xi
Xifi
fi x
X2i
X2ifi
19 - 21
20
100
8.23
41.15
400
2000
16 - 18
17
153
5.23
47.07
289
2601
13 - 15
12
14
168
2.23
26.76
196
2352
10 - 12
25
11
275
0.77
19.25
121
3025
7-9
13
104
3.77
49.01
64
832
4-6
20
6.77
27.08
25
100
1-3
9.77
19.54
70
824
A.T = 21 -1 +1 = 21 (o bien, 21.5-0.5 = 21)
229.86
10918
37
Solucin Problema 5
a) Si
de
los
190
slo
pretendemos
seleccionar
38,
de
100
seleccionaramos 38100/190=20. Por tanto, se nos pide la puntuacin

que deje por encima de s el 20% de los casos, es decir el percentil 80
(puntuacin que deja por debajo de s el 80% y por encima el 20%).
Es decir, la puntuacin mnima que hay que alcanzar es 111.75 puntos.

b) Se trata en este caso de un problema inverso al anterior. Utilizamos la
misma
expresin
analtica
desconocido ahora es m.
de
los
percentiles,
pero
el
elemento
38
Por debajo de la puntuacin 105.5 quedan el 63.89% de los sujetos.

c)
Amplitud semi-intercuartil.
Para calcular cada uno de los cuartiles debemos previamente determinar el

intervalo en el que se encuentran.
Para Q3: Qn/4=3190/4=142.5 (intervalo 105-109)
Para Q1: Qn/4=1190/4=47.5 (intervalo 95-99)
39
D. Puntuaciones individuales y curva normal

1. Puntuacin directa, puntuacin transformada
Una puntuacin directa es la que se asigna a cada individuo como resultado
de una medicin; por ejemplo la nota de un examen, el nmero de
agresiones mensuales de cada alumno(a) a sus compaeros.
Las puntuaciones transformadas son las que se derivan de las puntuaciones
directas por combinacin lineal. Por ejemplo, medimos la velocidad y la
comprensin lectora a travs de dos pruebas de las cules obtenemos dos
puntuaciones directas; a travs de estas dos puntuaciones nos interesa
conocer la eficiencia lectora. En este caso, la eficiencia lectora es una
puntuacin transformada, o una variable de transformacin.
Hay algunas puntuaciones transformadas de uso frecuente en educacin,
como las puntuaciones diferenciales, tpicas y las puntuaciones tpicas
derivadas.
Los softwares estadsticos contienen utilidades que permiten crear variables
de transformacin a partir de las puntuaciones directas. Por tanto, si en un
anlisis tienen que utilizarse variables de transformacin, no se tienen que
introducir las puntuaciones transformadas en el computador, sino obtenerlas
a partir de las puntuaciones directas, utilizando los recursos del paquete
estadstico.
a) Puntuaciones Diferenciales
Son el resultado de restar a la puntuacin directa de un individuo la media
de las puntuaciones del grupo. En estadstica descriptiva suelen designarse
mediante una letra minscula (x i). Por tanto su clculo viene determinado
por la siguiente expresin:
xi X i X
Por el modo en que se definen, si en un grupo de puntuaciones obtenemos
las puntuaciones diferenciales, el resultado de la suma de stas valdr cero.
40
Ejemplo
Un grupo de 8 estudiantes que rinden examen de anlisis de datos han
obtenido las siguientes puntuaciones: 7, 3, 2.5, 9, 2, 8.5, 5 y 3. Calcular las
puntuaciones diferenciales para cada uno de los(as) alumnos(as).
Solucin: Se debe calcular la media de las puntuaciones, a partir de ese
valor, podremos determinar las puntuaciones diferenciales restando la
media a la puntuacin directa.
Xi
7
3
2,5
xi
7-5= 2
Clculo de la media
3-5= -2
2,5 -5= -2,5
9-5= 4
2-5= -3
8,5
8,5-5= 3,5 5-
5= 0
3-5= -2
b) Puntuaciones tpicas
Son puntuaciones transformadas de gran utilidad en estadstica. Son
conocidas tambin por "puntuaciones z", siendo la siguiente expresin que
se utiliza para su clculo.
La media de las puntuaciones tpicas vale 0 y la desviacin tpica es igual a

1. Por tanto, cuando hablamos de tipificar los valores de una variable,
significa que debemos transformarlos en puntuaciones z.
Ejemplo:
Considerando
las
puntuaciones
del
transformar en puntuaciones tpicas.
ejemplo
anterior,
las
vamos
41
Solucin:
1) determinar el valor de la desviacin tpica del grupo
xi x x i 55,5
2
x x
i
55,5
2, 63
8
2) Luego, se divide cada una de las puntuaciones diferenciales por la

desviacin tpica
Xi
7
xi
2
xi 2
4
zi
0,76
-2
-0,76
2,5
-2,5
6,25
-0,95
-3
-1,14
1,6
1,53
8,5
3,5
12,25
1,33
-2
-0,76
c) Puntuaciones tpicas derivadas

Las puntuaciones tpicas permiten establecer comparaciones entre distintas
variables. Sin embargo el inconveniente de las puntuaciones tpicas es que
suelen ser negativas y pueden presentar cifras decimales. Contamos
solamente con siete puntuaciones enteras posibles (-3, -2, -1, 0, 1, 2, 3), ya
que la mayora de las observaciones suelen quedar incluidas entre tres
desviaciones tpicas a la derecha de la media y tres a la izquierda.
Tanto los signos negativos como las cifras decimales y los redondeos pueden
ocasionar errores de clculo. Para evitar esto, podramos multiplicar las
puntuaciones z por una constante S determinada y para evitar los valores
negativos, sumar una constante J.
D = J + Sz
De esta forma, y teniendo en cuenta las puntuaciones de las propiedades
tpicas, obtendremos una distribucin de media J y de desviacin tpica S. A
42
las puntuaciones obtenidas siguiendo este proceso se les denomina

puntuaciones tpicas derivadas.
Entre las ms usadas se encuentran el caso concreto de las puntuaciones T,
que tienen como media 50 y como desviacin tpica 10.
T = 50 + 10z
Asimismo
los
coeficientes
intelectuales
suelen
venir
expresados
en
puntuaciones tpicas derivadas de media 100 y desviacin tpica 15.

CI = 100 + 15z
Otra de las puntuaciones tpicas que se suele utilizar en educacin son los
eneatipos o estaninos, que son puntuaciones de media 5 y de desviacin
tpica 2.
E = 5 + 2z
Ejemplo: Supongamos que un sujeto obtiene en una prueba de inteligencia
una puntuacin directa de 70 puntos. Sabiendo que la media del grupo de
referencia es 63,04 y su desviacin tpica 10,8, podremos transformar la
puntuacin directa en una puntuacin tpica z= 0,64.
A partir de este clculo, podemos obtener las diferentes puntuaciones

derivadas:
T = 50 + 10 (0,64) = 56,4
C.I. = 10 + 15 (0,64) = 109,6
E = 5 + 2 (0,64) = 6,28
2. La curva normal
La inmensa mayora de valores observados sobre variables cuantitativas en
Ciencias Sociales suelen aproximarse a lo que se conoce como distribucin
normal o curva normal. Es considerada como una de las distribuciones
43
continuas de ms importancia. En muchos casos, veremos que suponer el

comportamiento normal de una poblacin, permitir extraer conclusiones
para las estimaciones efectuadas sobre muestras.
La representacin grfica de la distribucin normal (figura 1) presenta forma
de campana (de ah el nombre de campana de Gauss, como tambin se
conoce).
Figura 1: Curva Normal

= media
= desviacin tpica
Se utilizan y , en lugar de X y s, porque hablamos de un modelo terico.
N = nmero de casos, lo que significa que el rea total bajo la curva es N.
La curva normal presenta las siguientes caractersticas:
Es simtrica alrededor del eje que pasa por la media.
La ordenada mxima coincide con la media en el eje de abscisas.
La media, mediana y moda coinciden.
Es asinttica respecto del eje de abscisas. Como consecuencia hay dos

colas, una a cada lado de la distribucin, que se alargan hasta el infinito.
Los puntos de inflexin se encuentran en + y -
Su ecuacin matemtica dada por Laplace en 1874 es:

1 X

1
f ( x)
e 2
2
Distribucin normal tipificada o estndar
44
Se dice que una variable aleatoria continua tiene distribucin normal

tipificada X ~ N (0,1), si su funcin de densidad tiene la siguiente forma:
f ( x)
1 12 x2
e
2
La curva normal tipificada o reducida es, por tanto, la que opera con
puntuaciones z, es un caso especial de distribucin normal que tiene de
media cero y de desviacin tpica uno. Tiene mltiples aplicaciones y su uso
es frecuente en investigacin educativa.
Al observar una variable tipificada que se distribuye normalmente, puede
observarse que la mayor parte de las puntuaciones se encuentran
comprendidas entre los valores que van de -3 a +3 (figura 2)
Figura 2: Curva Normal para Puntuaciones z
Esta distribucin es mesocrtica

El rea total comprendida entre la curva y el eje de abscisas es igual a
uno
Las reas bajo la curva normal se interpretan en trminos de probabilidades,

proporciones o porcentajes
reas bajo la curva normal
Para muchos propsitos es necesario conocer la proporcin del rea bajo la
curva normal entre las ordenadas de diferentes puntos sobre la lnea de
base. Podemos desear conocer:
La proporcin del rea bajo la curva entre la ordenada de la media y

cualquier punto especfico que se encuentre por encima o por debajo de
la media.
45
La proporcin del rea total por encima o por debajo de la ordenada de

cualquier punto sobre la lnea base.
La proporcin del rea que se encuentra entre las ordenadas de dos

puntos cualesquiera sobre la lnea base.
Mediante la tabla de la Ley Normal pueden calcularse las reas entre dos
puntos. Por tanto, pueden resolverse cualquiera de las tres situaciones
anteriores. A continuacin se desarrollan algunos ejemplos teniendo en
cuenta las siguientes consideraciones:
El rea total vale 1. La mitad es igual a 0,5.
Las puntuaciones que utiliza la tabla estn tipificadas.
Para Z > 0 corresponde la mitad derecha de la curva.
Para Z < 0 corresponde la mitad izquierda de la curva.
Ejemplo
Se ha utilizado el test de inteligencia D-48 a un grupo de sujetos y se ha
obtenido una distribucin normal de media 28 y desviacin tpica 5.
Caso 1: Qu porcentaje de sujetos han obtenido una puntuacin superior a
36?
1) Sabemos que:
xi x
2) Sustituyendo valores z = (36-28)/5 = 1,6

3) Mirando en la tabla de la Ley Normal encontramos que este valor de z
(buscar a la derecha de z), corresponde a un rea de 0,05480. Lo que
equivale a un porcentaje de sujetos del 5,48%.
Caso 2: Qu porcentaje han obtenido puntuaciones inferiores a 30?
46
1) Sabemos que
xi x
2) Sustituyendo valores z = (30-28)/5 = 0,4

3) Mirando en la tabla de la Ley Normal encontramos que este valor de z
(buscar a la derecha de z), corresponde a un rea de 0,34458.
4) Pero obsrvese que el rea que hay que calcular es la contraria, la parte
rayada. Por tanto tendremos que quitar a 1 (valor del rea total) el valor del
rea calculada (que es la proporcin que obtiene puntuaciones mayores).
1-0,34458 = 0,65542
El porcentaje de sujetos que ha obtenido puntuaciones inferiores a 30 es del

65,54%.
Caso 3: Qu probabilidad existe de que al elegir un individuo al azar est
comprendido entre 25 y 35?
1) Sustituyendo valores z1 = (25-28)/5 = -0,6
z2 = (35-28)/5=1,4
2) Mirando en la tabla de la Ley Normal los respectivos valores de z
encontramos que el valor de la probabilidad de z 2 (buscar la izquierda) es de
0,9192 y el valor de z 1 (buscar a la derecha de z), corresponde a un rea de
0,2743.
3) se le resta al valor del rea de z2, el valor del rea de z1.
0,9192 - 0,2743 = 0,6449
47
Caso 4: Qu porcentaje de alumnos/as queda comprendido entre las

puntuaciones 19 y 26?
1) Sustituyendo valores z1 = (26-28)/5 = -0,4
z2 = (19-28)/5= -1,8
2) Mirando en la tabla de la Ley Normal los respectivos valores de z
encontramos que el valor de la probabilidad de z 1 (buscar la derecha) es de
0,3446 y el valor dez2 (buscar a la derecha de z), corresponde a un rea de
0,0359.
3) se le resta al valor del rea de z1 el valor del rea de z2.
0,3446-0,0359 = 0,3087
Lo cual supone un 30,87% de alumnos comprendidos entre ambas

puntuaciones.
Bibliografa
Escobar, M. (1999). Anlisis grfico/exploratorio. Madrid, La Muralla.

Gil, J., Diego, J., Garca, E., & Rodrguez, G. (1996). Metodologa de la
Investigacin Cualitativa. Sevilla. Kronos.
Gil, J., Diego, J., Garca, E., & Rodrguez, G. (1997). Estadstica bsica
aplicada a las ciencias de la educacin. Sevilla: Kronos.
GIL, J., Diego, J., Garca, E., & Rodrguez, G. (1997). Problemas de
estadstica aplicada a las ciencias de la educacin. Sevilla: Kronos.
Ardanuy, R. y Tejedor, J. (2001). Tablas Estadsticas. Madrid, La Muralla
Johnson, R. y Kuby, P. (2004). Estadstica elemental, lo esencial. Mxico: Thomson.

Fundamentos 1

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fundamentos 1

Cargado por

Copyright:

Formatos disponibles

Investigacin Educativa

A. El Papel del Anlisis de Datos en la Investigacin Educativa

procedimientos de tipo descriptivo destinados a recoger, organizar y

Anlisis Estadstico de Datos (propiamente matemtico), que supone el

matemticos y proporciona conocimiento acerca de las tcnicas que

Anlisis Estadstico de Datos Aplicado; este carcter aplicado ha estado

A continuacin expondremos las caractersticas propias que definen el

Carcter terico y aplicado.

Por tanto, como ya mencionamos, el Anlisis Estadstico de Datos no se

Terminaremos este apartado sintetizando los rasgos ms relevantes que

Es una ciencia cuyo objeto es el estudio de mtodos y tcnicas para el

tratamiento de conjuntos de datos numricos.

la inferencia sobre conjuntos ms amplios.

As, definimos el Anlisis Estadstico de Datos como un conjunto de mtodos,

Permite hacer predicciones sobre lo que ocurrir bajo condiciones que

Planteamiento del problema y formulacin de hiptesis

El Anlisis Estadstico de Datos est presente en la formulacin del problema

manera clara y breve. En este sentido, es muy importante la resolubilidad

planteamiento de problemas que supongan comparaciones entre mltiples

Como expusimos en un apartado anterior, el Anlisis Estadstico de Datos

el Anlisis Estadstico de Datos tiene un lugar especial en la construccin y

Tras la recogida de datos procedemos al anlisis de los mismos. Es decir,

Anlisis Cualitativo, que expresa, ordena, describe, interpreta los datos

mediante conceptos, razonamientos y palabras, y

Aplicar tcnicas de Anlisis Estadstico nos lleva de manera directa a la

predeterminadas por el tipo de tcnicas que usemos.

Estadstica descriptiva, procedimientos dirigidos a la organizacin y

descripcin de un conjunto de datos.

Es frecuente que se otorgue especial importancia a la Estadstica inferencial,

El esquema a seguir en la presentacin de los contenidos de la Estadstica

Los procedimientos de la Estadstica descriptiva e inferencial se

representan una particin del conjunto de contenidos de la Estadstica, es

La informtica en el anlisis estadstico de datos

Auge y desarrollo /expansin de la Informtica desde hace algunos aos

mbito del Anlisis de Datos.

mayor claridad puede haberse beneficiado de este tipo de herramientas.

realiza en pocos segundos.

cantidades de datos, de trabajar con muestras mayores y de incluir

no presenten tareas inabordables en la prctica.

no se realizaba por considerar un esfuerzo adicional para el

investigador, adems de la dificultad que entraaba un anlisis.

y desarrollo de tcnicas estadsticas ms complejas e innovadoras.

educativa que no se apoyen en la informtica.

diferente software informtico, ya que requieren diferente tratamiento.

B. Organizacin Y Presentacin De Los Datos

manifestadas por individuos o grupos.

Las clases deben ser mutuamente exclusivas. Es decir, una modalidad no

porcentuales, expresndola como Pi = (fi /n) x 100. En este caso, la suma de

En la distribucin de frecuencias podran aparecer adems otro tipo de

2. Distribucin de frecuencias agrupadas

Lmites aparentes de un intervalo. Son los valores que delimitan el

existe un lmite inferior y un lmite superior.

incrementar el lmite superior aparente en media unidad de medida.

como la diferencia entre los lmites aparentes del intervalo incrementada

Representacin grfica de datos

independencia de que se trate de frecuencias absolutas o relativas.

Hemos recogido los siguientes datos, correspondientes a las puntuaciones

Construye la distribucin de frecuencias absolutas y relativas, tanto

Los 31 profesores de un Centro de Educacin Primaria se agrupan, en

Representa en un polgono de frecuencias los siguientes datos,

Representa mediante un polgono de frecuencias acumuladas los datos

Soluciones a problemas propuestos

Para realizar la distribucin de frecuencias debemos, en primer lugar,

En primer lugar, calculamos la amplitud total para la serie de puntuaciones