Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aplicacion de La Estadistica A La Psicologia
Aplicacion de La Estadistica A La Psicologia
2005-2012
Por caractersticas tipogrficas y de diseo
editorial
ISBN 970-701-587-X
MIRNAYSOFA
Prlogo
La investigacin en psicologa es fundamental para el entendimiento del
En el ejemplo anterior surgen preguntas como, todas las mujeres?, las que
caen dentro de un rango de edad determinado?, las solteras, casadas, viudas,
divorciadas o que viven en unin libre?, las que tienen determinado nivel de
escolaridad?, las que trabajan o las que son amas de casa?... De una afirmacin
aparentemente simple emanan una serie de interrogantes, lo que conduce a uno de
los puntos centrales de la investigacin: el objetivo que se quiere alcanzar, esto es,
para delimitar lo que se va a investigar es necesario tener claridad en el propsito
de la investigacin.
En este escenario, la estadstica es una herramienta que emplea el in-
vestigador para describir sus datos y para tomar decisiones. El tipo de prueba
estadstica a usar depender del objetivo de la investigacin, de su diseo, del
tamao de la muestra y de sus hiptesis.
De esta forma, la estadstica es una coleccin de hechos numricos que
permiten hacer inferencias de una muestra a una poblacin. Se clasifica en
descriptiva e inferential. La estadstica inferencial a su vez se clasifica en no
paramtrica y paramtrica.
13
As, la estadstica es una herramienta imprescindible del psiclogo,
sobre todo cuando realiza investigacin. Su aplicacin en el campo de la
psicologa no es nueva, tal como lo seala Downie y Heat (1973) quienes
refieren que en la dcada de 1880 Cattell se relacion con estadsticos
europeos, evento que influy en la aplicacin de los mtodos estadsticos
en el mbito de la psicologa.
De igual forma, tampoco es de sorprender la complejidad que re-
presenta comprender y aplicar las pruebas estadsticas a situaciones
especficas de investigacin. Es el caso que al incursionar en el rea de la
investigacin surja una serie de interrogantes con relacin a, qu prueba
es la ms adecuada para lo que se est investigando?, el tipo de medicin
elegido ser el apropiado para la prueba elegida?, el modelo estadstico
seleccionado: paramtrico o no paramtrico es congruente con el tamao
de la muestra y con el tipo de medicin empleado?
En fin, pueden ser muchas las dudas, y cuando se toman decisiones
inapropiadas los resultados y conclusiones derivados de esa investigacin
pueden ser falsos, adems de que se tiene el riesgo de cometer el error
estadstico tipo 1 (Alfa) o el error estadstico tipo 2 (Beta) los cuales se
describirn en este texto.
Precisamente este manuscrito tiene la intencin de proporcionar a los
estudiantes y profesionales de la psicologa un texto que incluya los ele-
mentos bsicos de la estadstica, descritos de una manera sencilla y apo-
yados con ejercicios, algunos de ellos, derivados de la investigacin de la
psicologa en Mxico, tratando de evitar explicaciones complicadas, por lo
que las frmulas que se presentan, as como el desarrollo de las mismas,
tienen como propsito que el lector conozca las operaciones que subya-
cen a cada una de stas con la intencin de que comprenda la lgica
mediante la cual se obtienen.
Al presente, por cuestiones prcticas es poco probable que el trata-
miento de los datos, derivados de una investigacin, se realice en forma
manual -sobre todo cuando las muestras son grandes- lo que conduce a
utilizar el paquete estadstico SPSS que permite en poco tiempo obtener
1Debido al uso de este sofware (SPSS), varias de las tablas reportadas en los diferentes
captulos de este libro aparecern en ingls.
Introduccin 15
Como parte final pero no por ello menos importante, cabe destacar que el
contenido de este libro se basa en los apuntes de la ctedra sobre estadstica,
dictada por la doctora Sofa Rivera Aragn, en el doctorado de psicologa de la
Facultad de Psicologa de la Universidad Nacional Autnoma de Mxico. Es
conveniente denotar que para su publicacin se cont con la autorizacin y
coautora de la doctora Rivera Aragn.
Medicin
Del o los objetivos de investigacin derivan las fases subsiguientes del
proceso de investigacin. Una de estas fases se refiere al tipo de medicin
empleada para evaluar una o ms variables de estudio, componente que tiene
una relacin directa con la estadstica empleada en el tratamiento de los
datos.
De esta manera la medicin consiste en reglas que asignan smbolos a
objetos, de tal forma que a) representan numricamente cantidades o
atributos, o b) definen si los objetos caen en las mismas o en diferentes
categoras con respecto a un atributo de medicin. En esta definicin, las
reglas se refieren a que la asignacin de nmeros sea explcita; y los atributos
denotan que la medicin implica caractersticas particulares del objeto, esto
es, los objetos per se no pueden medirse, se miden sus atributos (Nunnally y
Bernestein, 1995). Nunnally y Bernestein, indican que los nmeros
representan cantidades en escalas de medicin, lo que significa que la
cuantificacin implica qu tanto de un atributo est presente en un objeto.
En la literatura se mencionan cuatro niveles de medicin, aunque en
psicologa generalmente se emplean tres: nominal, ordinal e intervalar, los que
se describen a continuacin.
Escalas de medicin
Nominal
TABLA 1
OPININ DE LOS CIUDADANOS DEL DISTRITO FEDERAL SOBRE LA INFIDELIDAD
Infidelidad Frecuencia
1 40
2 60
Ordinal
Requiere que los objetos de un conjunto de variables puedan ser ordenados por
rangos respecto a una caracterstica o propiedad. Los valores numricos asignados
a los objetos ordenados se llaman valores de rango. En esta medicin los nmeros
no indican cantidades absolutas ni tampoco que los intervalos entre los nmeros
sean iguales, por lo que marca la organizacin de los rangos pero no seala la
magnitud de las diferencias entre stos, e.g. las etapas del desarrollo humano:
Niez
Adolescencia
Adultez
Vejez
1. Extrao/desconocido
2. Conocido
3. Amistad
4. Atraccin
5. Pasin
6. Romance
7. Compromiso
8. Mantenimiento
9. Conflicto
10. Alejamiento
11. Desamor
12. Separacin
13. Olvido
Intercalar
Medlcin 21
TABLA 2
CLASIFICACIN DE LA INTELIGENCIA EN ADULTOS
De razn
Ejemplo
En una investigacin que tiene por objetivo conocer la relacin entre la
satisfaccin marital, la escolaridad y el sexo. El sexo (hombres y mujeres) es una
variable nominal en la que a los hombres (H) se les asigna el valor numrico de 1 y
a las mujeres (M) se les asigna el valor numrico
2. El nivel de escolaridad (primaria, secundaria, preparatoria, licenciatura y
posgrado) es una variable ordinal que va de menor a mayor escolaridad, ordenada
de la siguiente manera:
Primaria 1
Secundaria 2
Preparatoria 3
Licenciatura 4
Posgrado 5
Me gusta mucho = 5 Me
gusta = 4
Ni me gusta, ni me disgusta = 3 Me
disgusta = 2 Me disgusta mucho = 1
Medicin 23
Por sus caractersticas, este inventario evaluar la satisfaccin marital de
manera intervalar, debido a que medir las distancias o intervalos del constructo
de inters.
Las variables nominal (sexo) y ordinal (escolaridad) son generalmente
denominadas variables sociodemogrficas o de clasificacin por el investigador.
Ahora bien, si la satisfaccin marital se mide preguntndoles a las personas si
estn o no satisfechas con su relacin de pareja, la respuesta ser dicotmica S o
No, convirtindose la medicin en nominal. Los resultados que se obtendrn sern
frecuencias en relacin con el nmero de hombres y mujeres que estn satisfechos
o insatisfechos maritalmente. Este ejemplo denota que el tipo de medicin utili-
zada, estar en funcin de los objetivos que pretenda alcanzar el investigador.
De esta manera, se observa que cada una de las escalas de medicin tiene
caractersticas y funciones especficas, las que se presentan en la tabla 3.
Estadstica descriptiva
La estadstica descriptiva permite conocer la distribucin de los datos a partir de
la cuantificacin de los atributos de una categora o variable. De acuerdo con
Nunnally (1995) no necesariamente incluye la generalizacin.
Sus funciones son:
27
Para comprender la lgica de las operaciones involucradas en la
distribucin de frecuencias, se expondr un ejemplo a partir del cual se
explicar la forma en la cual se obtiene cada una de las frecuencias.
Ejemplo
Se encuesto con un cuestionario abierto a una muestra de 300 personas,
hombres y mujeres, sobre el significado del funcionamiento familiar. Una vez
que se obtuvieron los datos se procedi a su organizacin, lo que se hizo
mediante una distribucin de frecuencias, tal como se observa en la tabla 4.
TABLA 4
TOTAL DE HOMBRES Y MUJERES QUE OPINARON SOBRE EL SIGNIFICADO DEL
FUNCIONAMIENTO FAMILIAR
Sexo f
Hombres 144
Mujeres 156
Total 300
Hombres Mujeres
Significados generales f f
Organizacin y estructura 25 20
Emocional-valorativa 44 66
Afectivo-funcional 53 54
Funcional 16 13
Afectiva 6 3
total 144 156
La tabla 6 presenta que del total de la muestra, el 48 por ciento son hombres y
el 52 por ciento son mujeres.
Estadstica descriptiva 29
TABLA 6
FRECUENCIAS ABSOLUTA Y RELATIVA DE LA CATEGORA SEXO
Sexo f fr (%)
TABLA 7
Hombres Mujeres
f fr(%) f r(%)
En esta tabla la fr y fa (%) son iguales debido a que no hubo valores perdidos.
Con fines de ejemplificar la fa (%) la tabla 9 muestra las frecuencias del estado civil
de la muestra.
Tabla 9
FRECUENCIAS DEL ESTADO CIVIL DE HOMBRES Y MUJERES
Estadstica descriptiva 31
La frecuencia acumulada (la) ordena los puntajes del total de casos de una
categora. Se obtiene al sumar la frecuencia de un puntaje dado a la frecuencia de
la categora debajo de ella. Al resultado de esta operacin, se suma en forma
acumulativa el puntaje de la categora debajo de ella, y as sucesivamente hasta
tener incluidos el total de los casos. Siguiendo el ejercicio de los significados de
funcionamiento familiar, la tabla 10 presenta las frecuencias absolutas, relativas,
ajustadas y acumuladas por hombres y mujeres.
TABLA 10
Ejercicio SPSS
Para obtener los cuatro tipos de frecuencia en SPSS de las 300 personas, se realizan
los siguientes pasos:
Paso 1. En la base de datos se coloca el cursor en Analyze, se presiona el
botn izquierdo del mouse.
Paso 2. Al presionar Analyze, aparece un men en el que se coloca el cursor
en Descriptive Statistics, se presiona con el botn izquierdo del mouse y aparece
otro men, se coloca el cursor en Frequencies y una vez ms se presiona con el
botn izquierdo del mouse.
Estadstica descriptiva 33
Paso 4. Una vez sealada la variable siggene, se coloca el cursor en el
icono que est entre las variables de estudio y variable(s), se presiona el bo-
tn izquierdo del mouse, de esta operacin siggene aparece en el cuadro de
variable(s).
Valia Cumulative
Frequency Percent Percent Percent
Valid organizacin
y estructura 45 15.0 15.0 15.0
emocional-valorativa 110 36.7 36.7 51.7
afectivo-funcional 107 35.7 35.7 87.3
funcional 29 9.7 9.7 97.0
afectiva 9 3.0 3.0 100.0
Total 300 100.0 100.0
2Con fines didcticos se presentarn las tablas del SPSS, aunque stas no se reportan en
una investigacin, se abstraen los datos que el investigador desea resaltar y se muestran en
otro formato.
Estadstica descriptiva 35
TABLA 11
DISTRIBUCIN DE EDAD POR FRECUENCIAS EN HOMBRES Y MUJERES.
21 1 31 15 41 8 51 2
22 2 32 18 42 1 52 5
1
23 13 33 16 43 7 53 6
24 13 34 13 44 7 54 1
25 11 35 16 45 4 55 2
26 17 36 9 46 7 56 0
27 11 37 18 47 4 57 2
28 13 38 14 48 3 58 0
29 19 39 15 49 8 59 0
30 15 40 13 50 8 60 4
Total 351
TABLA 12
DISTRIBUCIN DE EDAD POR INTERVALOS EN HOMBRES Y MUJERES
Intervalo de clase f
56-60 6
51-55 16
46-50 30
41-45 37
36-40 69
31-35 78
26-30 75
21-25 40
Total 351
Representacin grfica
GRFICA 1
REPRESENTACIN DE LA RECTA NUMRICA
Estadstico descriptiva 37
Las grficas que se utilizan con mayor regularidad son:
1. Barras
2. Pastel
3. Histograma
4. Ojivas
5. Polgonos de frecuencia
Grfica de barra
NIVELDEESCOLARIDAD
GRFICA 3
DISTRIBUCIN DE LA MUESTRA EN LAS CATEGORAS DE
FUNCIONAMIENTO FAMILIAR
Estadstica descriptiva 39
Grfica de pastel o de sectores
Grfica 4
Grfica de histograma
3 Una variable continua es aquella que asume un conjunto ordenado de valores dentro de un
rango (Kerlinger y Lee, 2001).
muestra de 351 sujetos de las tablas 12 y 13. Las barras estn unidas por-
que denotan continuidad del intervalo de menor edad (21-25) al de mayor
edad (56-60).
GRFICA 6
INTERVALOS DE EDAD EN UNA MUESTRA DE 351
HOMBRES Y MUJERES
Estadstica descriptiva 41
Otro ejemplo relacionado con los histogramas es el caso del cons-
tructed esperanza, medida por una escala cuyos intervalos de respuesta
van del 1 al 5. Esta escala se constituye por dos dimensiones: importancia y
probabilidad, cada una con 10 factores (Vargas, Garca-Mndez, Daz-
Loving y Rivera, 2004). El histograma de la figura 7 muestra el com-
portamiento de uno de los factores de probabilidad -ayuda paterna- en una
muestra de 300 personas del D.E
GRFICA 7
Grfica 9
Estadstica descriptiva 43
Obtener medidas de tendencia central
1. Media es un promedio.
2. Mediana divide en dos a la muestra.
3. Moda es el valor que se repite con mayor frecuencia.
Tabla 14
MEDIDAS DE TENDENCIA CENTRAL
DISTRIBUCIN NORMAL
Media
Donde:
La media.
La suma expresada por la letra griega sigma
Datos crudos
Nmero de casos
Estadstica descriptiva 45
Ejemplo 1
Conocer la media de edad de una muestra de diez sujetos
Cuando se trabaja con datos agrupados por frecuencias o por intervalos y con
muestras grandes, la media se obtiene con la siguiente frmula:
donde:
La media.
La suma expresada por la letra griega sigma
Los puntajes en crudo de la muestra
Un puntaje multiplicado por su frecuencia de ocurrencia
La suma de los fx
Nmero de casos
Niveles de depresin f
1 264
2 45
3 14
4 7
Despus se obtiene la fx, al multiplicar cada una de las frecuencias por el nivel
de depresin correspondiente.
4 SDS son las siglas del nombre de la escala en ingls: Self-Rating Depression Scale.
Estadstica descriptiva 47
Esta media de 1.3 indica que la mayora de los 330 sujetos se ubican en el
nivel 1, lo que significa que en promedio la muestra no tiene depresin.
Ejemplo 3
Para obtener la media de aos de unin de una muestra de 352 sujetos que
vivan con una pareja al momento de la investigacin, los datos se agruparon en
intervalos. Una vez derivados los intervalos, se obtiene la marca de clase (Mx) o
punto medio de cada intervalo donde 33 es el, punto medio del intervalo 31-35
porque 33 + 2 = 35 y 33- 2 = 31.
Intervalo Mx
31-35 33
26-30 28
21-25 23
16-20 18
11-15 13
6-10 8
1-5 3
Intervalo Mx f
31-35 33 8
26-30 28 24
21-25 23 34
16-20 18 49
11-15 13 84
6-10 8 110
1-5 3 43
Mediana
Edad f
18 21
19 22
20 32
21 26
22 14
23 18
24 12
n = 145
Estadstica descriptiva 49
De acuerdo con Levin y Levin (2002) la posicin del valor de la Md tambin
se puede obtener con la frmula:
Posicin de la Md
Posicin de la Md
Edad f fa
18 21 145
19 22 124
20 32 102
21 26 70
22 14 44
23 18 30
24 12 12
n= 145
Moda
Ejercicio SPSS
Estadstica descriptiva 51
Al presionar statistics aparece un men en el que se coloca el cursor en cada
uno de los cuadros de las tres medidas de tendencia central de nuestro inters -
media, mediana y moda se presiona en estos cuadros con el botn izquierdo
del mouse, enseguida se coloca el cursor en el cono de continue que se
presiona con el botn izquierdo del mouse.
STATISTICS
Significados generales
N Valid 300
Missing 0
Mean 2.4900
Median 2.0000
Mode 2.00
1. Rango
2. Desviacin estndar
3. Varianza
4. Sesgo
5. Curtosis
6. Error estndar
Rango (R)
Estadstica descriptiva 53
una distribucin. Su clculo es fcil y rpido, no requiere de frmula y se puede
utilizar en medidas ordinales e intervalares. Su desventaja radica en su inestabilidad,
esto es, de una muestra a otra, presenta grandes variaciones, por lo que se
recomienda emplearse como una medida preliminar.
Un ejemplo de esta medida de variabilidad es conocer el rango de
rendimiento escolar de 42 alumnos, cuya calificacin ms alta fue de 9 y la ms
baja de 2. El R se obtiene de la resta 9-2 esto es el R = 7.
Desviacin estndar
G RFICA 11
REPRESENTACIN DE LA DESVIACIN ESTNDAR EN
UNA DISTRIBUCIN NORMAL
donde:
s = Desviacin estndar
GRFICA 12
REPRESENTACIN DE LA SIGNIFICANCIA A PARTIR DE LA DESVIACIN
ESTNDAR EN UNA DISTRIBUCIN NORMAL
Estadstica descriptiva 54
Ejemplo
1 49
2 74
3 34
4 15
5 4
n = 176
1 49 49
2 74 148
3 34 102
4 15 60
5 4 20
n = 176 S/x = 379
1 49 49
2 148 296
3 102 306
4 60 240
5 20 100
2/x2 = 991
4. Una vez que se tiene la X = 2.15 hijos, sta se eleva al cuadrado (X)2 4.62
y entonces:
Varianza (s2 o 2)
Estadstica descriptiva 57
Sesgo
Valor - 4 a + 4
Signo + -
Ejemplos
GRFICA 13
GRFICA 14
FUNCIONAMIENTO FAMILIAR
Curtosis (K)
Estadstica descriptiva 59
Ejemplos
El nmero de hijos en una muestra de 176 parejas fluctu entre uno y cinco,
predominando las parejas con dos hijos, tal como se observa en la grfica 15, lo
que hace que la curva sea alta o picuda (leptocrtica).
GRFICA 15
NMERO DE HIJOS
La grfica 16, representa una curva mesocrtica, esto es, una distribucin
normal en una muestra de 60 mujeres, 30 con diagnstico que indica problemas
de alimentacin y 30 sin problemas alimenticios.
La grfica 17, muestra una curva platocrtica hipottica, que se caracteriza
por su distribucin relativamente plana.
De esta manera se observa que el sesgo y la curtosis indican la asimetra, el
sesgo hacia uno u otro lado de la curva y la curtosis a travs de la elevacin de la
misma.
G RFICA 17
CURVA PLATOCRTICA
Error estndar ( o e)
Estadstica descriptiva 61
Ejercicio SPSS
Para obtener las medidas de dispersin en SPSS de una muestra de 300 personas a
las que se les aplic la escala de depresin de Zung (1965) se llevan a cabo los
siguientes pasos:
Paso 1. En la base de datos se coloca el cursor en analyze, se presiona el botn
izquierdo del mouse, aparece un men en el que se coloca el cursor en descriptive
statistics y se presiona el botn izquierdo del mouse, nuevamente se muestra un
men en el que se presiona con el botn izquierdo del mouse, frequencies.
Estadstica descriptiva 63
coloca el cursor en el cuadro de kurtosis y se presiona el botn izquierdo del mouse.
STATISTICS
Rangos
N Valid 330
Missing 22
Std. Deviation .6458
Variance .4171
Kurtosis 6.138
Std Error of Kurtosis .268
Range 3.00
TABLA 15
ESTADSTICA DESCRIPTIVA
Medidas de Correlacin
Medidas de dispersin
Grficas tendencia central
Nominal Barras Moda No hay Coeficiente Phl
Pastel C de contingencia
V de Cramer
Estadstica descriptiva 65
Estadstica inferencial
La estadstica inferencial se basa en la prueba de hiptesis, se define como un
conjunto de tcnicas que permiten al investigador obtener conclusiones a partir
de una muestra para despus ser generalizadas a una poblacin. De este modo,
su principal funcin es la generalizacin en una poblacin (parmetros)
habitualmente en trminos de probabilidad (Nunnally y Bernstein, 1995) a partir
de las conclusiones obtenidas, resultado de la manipulacin de variables en
muestras observadas.
Aplicaciones de la
estadstica inferencial
Ejemplo
69
Ejemplo
TABLA 16
HIPTESIS ESTADSTICAS
Ho de comparacin
Se identifica la variable dependiente (VD) y la independiente (VI) o de
clasificacin (VE).
VD = Asertividad
vc = Sexo: hombres y mujeres
Ho = No existen diferencias estadsticamente significativas en la asertividad
entre hombres y mujeres.
Ho de relacin
V1 = Agresin (X)
v2 = Niveles de testosterona (Y)
Ho = No existe relacin entre agresin y el nivel de testosterona en hombres.
Ho: rxy = 0
Estadstica inferencial 71
VD =Calidad de vida
vc = Estado civil: casados y solteros
Los solteros tienen mayor calidad de vida que los casados. Con notacin
estadstica
H1 = rxy > + 0
H1 = rxy > - 0
No paramtrico
Estadstica inferencial 73
Ventajas
Desventajas
Estadstica Inferencial 75
TABLA 17
(Continuacin)
Prueba Objetivo Nivel de Diseo Muestreo Instrumentos
medicin
Paramtrica
1. Distribucin normal.
Indica que los grupos tienen una curva normal o mesocrtica (esta curva
se describe en el captulo 2, figura 8). Con esta afirmacin se asume
que las muestras (n) con las que se est trabajando se han extrado de
Estadstica inferencial 77
TABLA 18
TCNICAS DE MUESTREO
TABLA 19
PRUEBAS DE LA ESTADSTICA PARAMTRICA*
Generalmente las pruebas para una muestra simple son pruebas de bondad de
ajuste que tienen como objetivo conocer la distribucin de la muestra.
83
significa que el valor de chi cuadrada es significativo si la diferencia entre las
frecuencias esperadas y las frecuencias obtenidas es lo suficientemente grande
(Siegel y Castellan, 2003; Levin y Levin, 2002). Su frmula es:
donde:
fe= N /k
donde:
N = nmero de personas.
gl = k - 1
donde:
k = nmero de columnas de la tabla de contingencia
Pruebas de la estadstica
no paramtrica 85
10. Si la tabla de contingencia ese de 2 x 2 y cumple los requisitos 7 y 8, se
aplica la prueba de correccin por continuidad de Yates.
Procedimiento
fo fe fo fe fo fe fo fe
15 15 28 15 0 15 7 15 60
gl = k - 1
gl = 4 - 1
gl = 3
Pruebas de la estadstica
no paramtrica 87
Interpretacin de resultados
Ejercicio SPSS
Pruebas de la estadstica
no paramtrica 89
Paso 4. En el men del paso 3, se marca con el cursor la variable preferencias, se
da clic en el icono ubicado entre la variable preferencia y Test Variable List,
inmediatamente la variable preferencias aparece en Test Variable List.
PREFERENCIAS
Pastelillos 15 15.0 .0
Frituras 28 15.0 13.0
Refrescos 10 15.0 -5.0
Dulces 7 15.0 -8.0
Total 60
Preferencias
Chi-Squarea 17.200
df 3
Asymp. Sig. .001
a.0 cells (.0%) have expected frequencies less than 5. The
TABLA 20
DIFERENCIAS EN EL CONSUMO DE PRODUCTOS CHATARRA
15 28 10 7 17.20 3 .00 1
N = 60.
Interpretacin de resultados
Estas pruebas implican dos medidas de una sola muestra. Se emplean cuando
el investigador desea conocer si un tratamiento es mejor que otro o si
dos tratamientos son diferentes. En este tipo de estudios se pueden em-
Pruebas de la estadstica
no paramtrica
91
plear dos grupos, sin embargo, los resultados que se obtengan pueden estar
relacionados con un conjunto de eventos ajenos al tratamiento. Estos eventos se
conocen como variables extraas. Con la finalidad de controlar el efecto de
estas variables extraas, la persona puede fungir como su propio control, esto
es, se le expone a ambas condiciones en diferentes ocasiones. Otra alternativa es
el mtodo de apareamiento, en el que se seleccionan pares de personas lo ms
semejantes posible en torno de las variables extraas que puedan influir en los
resultados del tratamiento. El inconveniente de este mtodo es que depende de
la capacidad del investigador para establecer que tan iguales son los pares
(Siegel y Castellan, 2003).
McNemar
Es una prueba til en los diseos antes-despus (lvarez, 1995) en los que cada
sujeto se utiliza como su propio control. En la prueba de McNemar el objetivo es
probar la significacin de los cambios observados a partir de una tabla de
contingencia 2x2 (Siegel y Castellan, 2003; Conover, 1980).
donde:
suma
frecuencia obtenida
frecuencia esperada
se obtiene lo siguiente:
Pruebas de la estadstica
no paramtrica 93
Reglas para su empleo
Procedimiento
Ejercicio
Despues
Desacuerdos Acuerdos
Antes Acuerdos 9 6
Desacuerdos 5 30
Interpretacin de resultados
Pruebas de la estadstica
no paramtrica 95
Ejercicio SPSS
La base de datos contiene las respuestas de los 50 padres de familia; sin embargo,
con fines prcticos en esta tabla nicamente se incluye la informacin de 20
padres. La base de datos del paso 2, slo incluye 10 de los 20 casos, no obstante
los anlisis que se presentan son a partir de todos los casos
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
Pruebas de la estadstica
no paramtrica 97
Paso 4. Al hacer clic en Statistics se coloca el cursor en Chi-square y en McNemar,
se da clic en el cuadro de cada una de stas pruebas,- se coloca el cursor en
Continue y se da clic.
ANTES Acuerdo 6 9 15
Desacuerdo 30 5 35
Total 36 14 50
CHI-SQUARE TESTS
Association
N of Valid Cases 50
Pruebas de la estadstica
no paramtrica 99
TABLA 21
DISTRIBUCIN DE RESPUESTAS DE LOS PADRES DE FAMILIA.
Despus
Desacuerdos Acuerdos
Antes Acuerdos 9 6
Desacuerdos 5 30
t de Wilcoxon (t w)
Procedimiento
1. Plantear hiptesis.
2. Determinar probabilidad alfa ( ).
3. Obtener las calificaciones de la muestra antes y despus.
4. Obtener las diferencias de la primera y segunda aplicacin.
5. Ordenar de mayor a menor las diferencias (R) (se toma en cuenta el
signo). Cuando la diferencia es cero, no se ordena.
6. Sumar por separado los rangos de los valores positivos ( R+) Y los
rangos de los valores negativos ( R-).
Ejercicio
Antes Despus
118 100
100 90
120 38
141 60
51 171
170 64
179 89
47 52
161 101
N=9 N=9
Pruebas de la estadstica
no paramtrica 101
Pasos 4 y 5. Se obtienen las diferencias de las calificaciones antes-des-
pus, por ejemplo, 118 - 100 = 18. Se ordenan los rangos de menor a mayor,
el rango 1 es para la diferencia ms pequea, que en este caso es -5. Como la
diferencia es negativa, el rango tambin ser negativo.
Antes Despus d Rd
118 100 18 3
100 90 10 2
120 38 82 6
141 60 81 5
51 171 -120 -9
170 64 106 8
179 89 90 7
47 52 -5 -1
161 101 60 4
R + = 3 + 2 + 6 + 5 + 8 + 7 + 4
R+ = 35
R - = -9 - 1
R- = -10
Paso 7. Se elige el valor ms pequeo resultado de la suma de rangos
positivos y negativos. En este ejercicio el valor menor lo tiene la suma de rangos
negativos, convirtindose en el valor tw.
tw = -10
t we t wt se acepta la Ho.
Interpretacin de resultados
Ejercicio SPSS
Para este ejercicio se retomarn los datos del Instituto Nacional Indigenista.
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
Pruebas de la estadstica
no paramtrica 103
Paso 2. Al hacer clic en Analyze, aparece un men en el que se coloca el cursor
en Nonparametric tests, se da clic y aparece otro men, se coloca el cursor en 2 Related
Samples y se da clic.
Paso 3. Al hacer clic en 2 Related Samples, se abre un men que contiene las
variables de estudio. En este men se da clic en el cuadro de Wilcoxon.
Paso 5. Se da clic en el icono que est entre las variables de estudio y Test
Pair(s) List, las variables antes despus aparecen en Test Pair(s) List y se eliminan de
variable 1 y variable 2.
Pruebas de la estadstica
no paramtrica 105
Se da clic en el icono de OK y se muestran los valores de la prueba t de
Wilcoxon en tablas.
RANKS
TEST STATISTICSb
Despus-Antes
Z -1.481a
Interpretacin de resultados
donde:
N1 = muestra 1.
N2 = muestra 2.
R1 = suma de rangos muestra 1.
R2= suma de rangos muestra 2.
En mediciones ordinales.
En muestras independientes cuyos tamaos sean iguales o diferentes.
En datos expresados por rangos.
La frmula aplica para N2 > 9 personas.
Procedimiento
Pruebas de la estadstica
no paramtrica 107
3. Ordenar las respuestas de las muestras N1 y N2 de menor a mayor.
4. Obtener los rangos de cada respuesta, dndole el rango menor 1 a la
respuesta ms pequea, el 2 a la siguiente y as sucesivamente. Cuando se
repiten dos respuestas en ambas muestras, stas se suman y se dividen entre
dos, el resultado de esta operacin es el rango para ambas respuestas. Por
ejemplo, el nmero 11 se repite en ambos grupos en el desarrollo de la
frmula (paso 2), les corresponde los rangos 7 y 8, entonces, se suman 7 +
8 = 1 5 , este resultado se divide entre dos, que se refiere a los dos rangos, el
resultado 7.5 es para los dos valores de 11.
5. Desarrollar la frmula.
6. Plantear la regla de decisin.
Ejercicio
15 13.5 8 4
18 17 6 2
19 18 13 10
16 15 9 5
14 11.5 7 3
17 16 15 13.5
11 7.5 12 9
10 6 11 7.5
5 1
14 11.5
N1 = 8 R 1 =104.5 N 2 = 10 R 2 = 66.5
Paso 5. Desarrollo de la frmula.
Pruebas de la estadstica
no paramtrlca 109
Prueba de comprobacin:
N I N 2 = (8)(10) = 80
U1 U2 = (11.5)(68.5) = 80
U Ut se acepta H1
11.5 13 se acepta H1
n1 n2 10 11 12 13 14 15 16 17 18 19 20
9
1 0 0 0 0 0 0 1 1
2 2 2 3 3 4 4 4 5
3 1 1 1 2 5 6 7 7 8 9 9 10
4 3 3 4 5 9 10 11 12 13 14 15 16
5 5 7 8 12 13 15 16 18 19 20 22
6 7 8 9 11 16 17 19 21 23 24 26 28
7 9 77 12 14 20 22 24 26 28 30 32 34
8 11 13 15 17 23 26 28 31 33 36 38 40
Interpretacin de resultados
El paso 1 contiene la base de datos con las variables a manipular. La variable grupo
con/sin, se refiere a los dos grupos de estudio (1 = con reforzamiento, 2 = sin
reforzamiento), re a re20, son las respuestas a cada una de las 20 palabras (1 =
respuesta correcta y 2 = respuesta incorrecta).
Pruebas de la estadstica
no paramtrica 111
Paso 2
da se marcan con el cursor las 20 respuestas ( r e . . ,re20) que estn debajo del
cuadro de Target Label, se da clic en el icono que se encuentra entre r e 1 . . , re20 y
Variables, entonces las 20 respuestas aparecen en el cuadro de Variables que ahora se
denomina Numeric Variables.
Paso 3
Pruebas de la estadstica
no paramtrica 113
Paso 6. Cuando se da clic en Continue se muestra nuevamente el men del paso 3
en el que se da clic en OK y aparece la base de datos con la nueva variable rescorre
que contiene las frecuencias de respuestas correctas por nio. Para fines prcticos,
slo se incluir parte de la informacin de la base de datos.
Paso 9. La variable rescorre se marca con el cursor, se da clic en el icono que est
entre las variables de estudio y Test Variable List, lo que resulta en que rescorre
aparecer en el cuadro de Test Variable List. La variable grupo con/sin sigue el mismo
procedimiento, slo que se da clic en el icono que est entre las variables de
estudio y Grouping Variable mostrndose Grupo ?? en el cuadro de Grouping Variable.
Se da clic en Define groups.
Pruebas de la estadstica
no para mtrica 115
Paso 10. Despus de dar clic en Define groups aparece una ventana en la que se
pone el nmero 1 en group 1, y el nmero 2 en group 2. Esto se hace as porque la
variable grupo con/sin que se muestra en los pasos 1, 2 y 3 tiene dos niveles: 1 (con
reforzamiento) y 2 (sin reforzamiento).
RANKS CORRECTA
Respuesta
correcta
Mann-Whitney U 11.5000
Wilcoxon W 66.500
Z -2.536
Asymp.Sig (2-tailed) .011
Exact Sig (2*(1 -tailed
Sig.)) .009a
aNot corrected for ties.
bGrouping variable: grupo control/experimental.
donde:
N = el nmero total de casos.
Pruebas de la estadstica
no paramtrica 117
n = el nmero de casos en una muestra dada.
R1 = la suma de los rangos para una muestra dada.
12, 1 y 3 son constantes.
En mediciones ordinales.
En comparaciones de tres o ms muestras independientes.
Procedimiento
Ho: Ml = M2 = M3
HI: M1 M2 = M3
Ejemplo
100 10 90 9 70 6
150 13 85 8 60 4
160 14 75 7 50 3
120 11 65 5 40 2
130 12 25 1
N1= 5 R1 =60 N2= 4 R2=29 N3= 5 R3 =16
Pruebas de la estadstica
no paramtrica 119
Paso 6. Regla de decisin.
H Ht
11.08 7.82
Para que los resultados sean significativos, la H tiene que ser igual
o mayor que el valor de Ht en tablas. En la tabla D del apndice, se busca en los
renglones, los tamaos de las tres muestras, en este caso son N1 5, N2= 4 y N3
= 5. Junto a estos valores se encuentra el valor de H y su nivel de significancia
que es de .01.
Interpretacin de resultados
Ejercido SPSS
Paso 2
Pruebas de la estadstica
no paramtrica 121
Paso 3. Se coloca el cursor en califica, se da clic en el icono ubicado entre los
cuadros de las variables y Variable(s), entonces califica aparece en Variable(s).
El crculo de Smallest value debe estar marcado al igual que el cuadro de Display
summary tables, de no ser as se marcan con el cursor, posteriormente se da clic en
Rank Types.
Pruebas de la estadstica
no paramtrica 12 3
Paso 7. Al hacer clic en K independent samples, aparece el siguiente men.
Paso 10. Al hacer clic en Continue reaparece el men del paso 8 en el que se da
clic en OK mostrndose los resultados en tablas.
RANKS
Edad N Mean-Rank
TEST STATISTICSab
Rank of
califica
Chi-Square 11.083
df 2
Asymp. Sig. .004
aKruskal Wallis Test.
bGrouping Variable: edad.
Pruebas de la estadstica
no para mtrica 125
La interpretacin de estos resultados es igual a la presentada en el ejercicio
de la frmula desarrollada, slo que aqu, la p = .004 lo que se relaciona con la
exactitud de las operaciones realizadas por el SPSS. Es conveniente destacar que
el valor de la-Chi es el mismo reportado en ambos ejercicios.
Ho. Los hombres y las mujeres consideran que los motivos emocionales,
circunstanciales, instrumentales, de personalidad y sexuales son elementos
que favorecen de igual forma la infidelidad.
H1. Existen diferencias entre hombres y mujeres con relacin a los motivos
emocionales, circunstanciales, instrumentales, de personalidad y sexuales
que favorecen la infidelidad.
TABLA 22
FRECUENCIAS OBSERVADAS POR CATEGORA EN HOMBRES Y MUJERES
Categoras f0 fo
Hombres mujeres
Motivos emocionales 53 87
Motivos circunstanciales 31 19
Motivos instrumentales 64 125
Motivos de personalidad 23 22
Motivos sexuales 10 20
Total 181 273
Motivos circunstanciales
Motivos instrumentales
Pruebas de la estadstica
no paramtrlca 127
Motivos de personalidad
Motivos sexuales
TABLA 23
FRECUENCIAS OBSERVADAS Y ESPERADAS POR CATEGORA
EN HOMBRES Y MUJERES
Categoras fo fo fo
hombres mujeres
Motivos emocionales 53 87 70
Motivos circunstanciales 31 19 25
Motivos instrumentales 64 125 94.5
Motivos de personalidad 23 22 22.5
Motivos sexuales 10 20 15
Motivos emocionales
Motivos instrumentales
Motivos de personalidad
Pruebas de la estadstica
no paramtrica 129
Motivos sexuales
Paso 6. Una vez que se obtuvieron las .X2 de cada categora, se obtienen los
gl:
gl = k - 1
gl = 2-1
Categoras fo fo fo X2 P
hombres mujeres
Interpretacin de resultados
Ejercicio SPSS
Pruebas de la estadstica
no paramtrica 131
Paso 1. Se coloca el cursor en Analyze, se da clic en el botn izquierdo del mouse.6
6 En lo subsiguiente, al indicar que se da clic, se asumir que se presiona el botn izquierdo del
mouse y que el cursor est colocado en la operacin a realizar.
Pruebas de la estadstica
no paramtrica 133
Paso 5. Al hacer clic en Statistics, aparece un men, se da clic en Chi-square (X2).
CROSSTAB
Count
comunicacin Sexo Total
masculino femenino
Ausente 34 34 68
Presente 110 122 232
Total 144 156 300
La segunda tabla muestra los resultados de la chi cuadrada, los que indican el
valor de la prueba y su nivel de significancia. Estos datos debern ser
interpretados por el investigador con base en las hiptesis planteadas.
7Con fines didcticos se muestran los resultados de la prueba chi cuadrada, tal como los
0 cells (.0%) have expected count less than 5. The minimum expected count is 32.64.
b
CROSSTAB
Count
Afectividad Sexo Total
Masculino Femenino
Ausente 94 76 170
Presente 50 80 130
Total 144 156 300
CHI-SQUARE TESTS
Pruebas de la estadstica
no paramtrica 135
Una de las formas de presentar la informacin obtenida en el SPSS, se
muestra en la tabla 25.
TABLA 25
Sexo
a) Distribucin normal.
b) Homocedasticidad de varianza.
c) Nivel de medicin intervalar.
d) Seleccin y asignacin aleatoria.
a) Estimacin de parmetros.
b) Pruebas de hiptesis.
139
Pruebas paramtricas.
Prueba de coeficiente de correlacin de
producto-momento de Pearson
Introduccin
En la vida diaria hemos escuchado muchas cosas, que aunque no han sido
comprobadas cientficamente, suceden en forma imprevista, por ejemplo, se dice
"que a mayor velocidad de un carro, menor consumo de gasolina"; o que si "un
adolescente tiene los pies grandes es porque va a ser muy alto", tambin hemos
visto que las personas satisfechas en su relacin de pareja son ms
comunicativas. Al hacer esta serie de afirmaciones sin un fundamento se expresa
la suposicin de que existe alguna correlacin entre las variables.
La correlacin indica o representa la relacin entre dos variables. De entre
los ejemplos planteados aqu, el ltimo plantea como variables, a la satisfaccin
con la relacin y la comunicacin. Si quisiramos comprobar la relacin
existente entre estas dos variables tomaramos en forma aleatoria a una muestra
de personas que actualmente tuvieran una relacin de pareja. Posteriormente les
preguntaramos qu tan satisfechos se encuentran con su relacin? (en una
escala del 1 al 10) y qu tanto se comunican con su pareja? (en una escala del 1
al 10). Si encontramos que puntajes altos en satisfaccin se relacionan con
puntajes altos en comunicacin, podemos decir que la observacin fue acertada.
Si nosotros podemos hablar de que existe una relacin entre estas variables,
por ende podemos predecir una a partir de otra. Esto es, se puede decir que las
personas con un valor de 10 en satisfaccin es ms probable que tengan un valor
de 10 en comunicacin.
Definicin
Este coeficiente como su nombre lo indica nos da un ndice (valor) que habla del
nivel de relacin que tienen dos variables.
Requisitos
a) Que los puntajes sean lineales (es decir se agrupen en una recta). Ya sea
en forma directamente proporcional o inversamente proporcional.
Interpretacin
1. Fuerza.
2. Direccin.
3. Significancia.
i. Fuerza: Esta indica el grado de relacin que hay entre dos variables.
De acuerdo con el valor obtenido, que slo puede ir de 0 a 1 pasando por
valores positivos y negativos (-1 a +1). La fuerza la da el valor de la correlacin y
este puede ser interpretado de la siguiente forma:
0 a .30 Baja
.31 a .79 Media
.90 a 1 Alta
Signo Interpretacin
Comunicacin marital
10 9
8 10
8 9
7 6
10 9
9 8
6 7
5 4
4 4
8 7
GRFICA 18
DISPERSIGRAMA DE COMUNICACIN Y
SATISFACCIN
Frmula
= Sumar el producto de x y y.
a) gl = N - 2 N
= Nmero de pares en x y y.
Se busca en la tabla de valores crticos de r, los grados de libertad y la
probabilidad ( ).
X Y X2 Y2 xy
Agresin Frustracin
12 12 144 144 144
10 8 100 64 80
6 6 36 36 36
16 11 256 121 176
8 10 64 100 80
9 8 81 64 72
12 11 144 121 132
x =73 y =66 X s =825 y* = 650 XY =720
gl = 7-2 = 5
r c ro H1 se acepta.
Ejercicio SPSS
8 En lo subsiguiente, al indicar que se da clic, se asumir que es con el botn izquierdo del mouse y
que el cursor est colocado en la operacin a realizar.
TABLA 26
Correlations
Acuerdo Acomoda Conten Evitaci
9 Con fines didcticos se muestran los resultados de la correlacin de Pearson, tal como los
t de student
Introduccin
Definicin
La t de student es una prueba de hiptesis que observa las diferencias entre dos
grupos.
Esta prueba tiene varios usos:
Requisitos
Clasificacin de la prueba t
En este caso, cada una de las categoras de sexo debe tener el mismo nmero
de participantes; por ejemplo: 100 hombres y 100 mujeres.
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Nmero de participantes por grupo.
donde:
donde:
= Desviacin estndar para cada grupo,
N y 1= Constantes.
donde:
g) Sustituir en la frmula de t.
donde
NI = Nmero de participantes en el grupo 1.
N2 = Nmero de participantes en el grupo 2.
1 = Constante.
tc t0 H1 se acepta.
Es decir que como la t de la frmula es ms grande que la de la tabla F
entonces se acepta la hiptesis alterna.
Ejercicio
X1 X1 2 X2 X22
Para calcular los datos del estudio con la t de student se siguen estos pasos:
a) Se plantean las hiptesis estadsticas:
f) Sustituir en la frmula de t:
1. gl = 9 + 9 - 2 = 16
tc ta H1 se acepta.
1.17 2.12 H1 se rechaza.
En este caso cada una de las categoras del tipo de vivienda debe tener un
nmero diferente de participantes. Por ejemplo, 50 personas que viven en
departamento y 60 personas que viven en casa.
Para calcular esta prueba se aplica un procedimiento similar al de la prueba
t de student para muestras iguales, lo que difiere aqu es que ya no se calcula el
error estndar de la media y cambia la frmula del error estndar de la
diferencia. El proceso a seguir es:
A) Plantear las hiptesis estadsticas.
b) Plantear la probabilidad a la cual se comprobarn dichas hiptesis.
c) Calcular las medias para cada grupo
La frmula para calcular la media para cada grupo es:
donde:
donde:
12 = Desviacin estndar del grupo 1.
21 = Desviacin estndar del grupo 2.
NI = Nmero de participantes en el grupo 1.
N2 = Nmero de participantes en el grupo 2.
f) Sustituir en la frmula de t.
1. gl = N1 + N2 - 2
donde:
NI = Nmero de participantes en el grupo 1,
N2 = Nmero de participantes en el grupo 2,
2 = Constante.
t c tQ H1 se acepta.
Ejercicio
X1 X11 X2 X22
Para calcular los datos del estudio con la t de student para muestras
diferentes se siguen estos pasos:
=. 05
f) Sustituir en la frmula de t.
1. gl = 9 + 7- 2 = 14
tc to H1 se acepta.
5.43 2.14 H1 se acepta.
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias entre hombres y mujeres en las
historias de amor (Romero, 2003) se aplic la prueba t para muestras
independientes.
Se plantearon las siguientes hiptesis:
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuacin se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
10Con fines didcticos se muestran los resultados de la prueba t para muestras relacionadas, tal
como los reporta el SPSS, sin embargo, nunca se presentan as en un reporte de investigacin.
Group statistic
Sexo N Mean Std. Std.
Deviation Error
Mean
Factor 1: Romance Masculino 160 20.26 5,136 .406
Femenino 171 19.15 4,854 .371
Factor 2: Organizacin Masculino 160 19.97 4,440 .351
Femenino 171 20.99 3,287 .251
Factor 3: Sexual Masculino 160 12.26 3,501 .277
Femenino 171 11.11 3,551 .272
Factor 4: Atraccin-misterio Masculino 160 9.39 2,189 .173
Femenino 171 9.48 2,377 .182
Factor 5: Humor Masculino 160 9.68 2,954 .234
Femenino 171 9.39 3,076 .235
Factor 6: Maestro-estudiante Masculino 160 18.08 3,699 .292
Femenino 171 18.04 3.305 .253
Factor 7: Guerra Masculino 160 11.49 4,011 .317
Femenino 171 11.19 3,763 .288
Factor 8: Polica-prfugo Masculino 158 10.06 3,514 .280
Femenino 171 10.25 4,282 .327
Factor 9: Atraccin bizarra Masculino 160 8.06 3,133 .248
Femenino 171 7.39 2,633 .201
Facto 10: Control-variedad Masculino 160 12.09 3,310 .262
Femenino 171 11.60 3,365 .257
factor 11: Sacrificio-dependencia Masculino 160 9.99 2,687 .212
Femenino 171 9.25 2,268 .173
Factor 12: Desconfianza mutua masculino 160 6.59 2,167 .171
Femenino 169 6.87 2,159 .166
Factor 13: Jardinera Masculino 159 14.59 3,701 .294
Femenino 169 14.29 3.217 .247
mientras que las mujeres obtienen puntajes significativamente mayores que los
hombres en la historia de organizacin. En las historias restantes no se
encontraron diferencias significativas. Lo anterior indica que los hombres en sus
relaciones en general se enfocan ms en aspectos tales como el cario, la
conquista, la sexualidad, la prctica variada del erotismo, el misterio y las
caractersticas fuera de lo comn, as como la dependencia y la necesidad de la
pareja, mientras que las mujeres se centran ms en aspectos tales como la
organizacin, las reglas y las estructuras determinadas para el buen
funcionamiento de la relacin.
*p 0.05.
**p 0.01.
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo,
N = Nmero de participantes por grupo.
donde:
D2 = Sumar los cuadrados de las diferencias de cada una de las
calificaciones de la muestra.
(X) 2 = Elevar la media de cada grupo al cuadrado.
N = Nmero de participantes por grupo.
donde:
f) Sustituir en la frmula de t.
donde:
N= Nmero de participantes de la muestra.
1 = Constante.
tc t0 H1 se acepta.
Es decir que como la f de la frmula es ms grande que la de la tabla F
entonces se acepta la hiptesis alterna.
Ejercicio
100 90 10 100
200 60 140 19,600
180 75 105 11,025
90 85 5 25
49 40 9 81
110 65 45 2,025
185 75 110 12,100
170 95 75 5,625
165 85 80 6,400
160 70 90 8,100
= 1,409 =740 D2= 65,081
=.05
f) Sustituir en la frmula de t.
1. gl= 1 0 - 1 = 9
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuacin se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
11Idem.
TABLA 31
ESTADSTICAS DESCRIPTIVAS DE SPSS
DE LA PRUEBA T DE STUDENT:
Paired Samples Mean Std. Std. Error
Statistics N Deviation Mean
TABLA 32
VALORES DE LA PRUEBA T DE STUDENT
PARA MUESTRAS RELACIONADAS DE SPSS:
Introduccin
*P 0.05.
**p 0.01.
presa, o que decimos que los solteros estn ms satisfechos con su relacin
que los casados y los divorciados, o que los hombres jvenes estn ms
satisfechos sexualmente que los hombres maduros y las mujeres jvenes,
estamos haciendo comparaciones con tres o ms grupos y adems estamos
combinando las caractersticas de estos grupos para poder ver en qu
medida difieren. De la misma forma que en el apartado anterior, estamos
afirmando que la media de una muestra es ms grande, ms fuerte y/o ms
difcil que la otra. Empero, tambin debemos comprobar si nuestras
afirmaciones son ciertas en trminos de probabilidad. Esta parte del libro se
abocar a explorar una de las pruebas que puede examinar si las diferencias
propuestas son significativas en tres o ms grupos.
El anlisis de varianza, Anova (del ingls, analysis of variance), es uno de
los mtodos estadsticos ms utilizados en la investigacin moderna.
Para iniciar el anlisis de varianza debemos hablar de la varianza
total, la varianza entre grupos y la varianza intragrupos. Estos conceptos
son bsicos en el Anova ya que describen la lgica del mismo (Levin y
Definicin
Requisitos
I. Anova simple:
Se refiere a la comparacin entre tres o ms muestras tomadas de la misma
poblacin o de poblaciones diferentes, con respecto a una variable dependiente.
Por ejemplo:
Edad
Jvenes Adultos
Sexo Hombres
Mujeres
Escolaridad
Primaria Secundaria Preparatoria Licenciatura
Sexo Hombres
Mujeres
184
Sofa Rivera Aragn
Mirna Garca Mndez
Variable dependiente: Orientacin al logro.
Variable de clasificacin: Estudiantes de 1o., 2. y 3o. grados de secundaria.
En este caso cada uno de los grados escolares debe tener el mismo nmero
de participantes: por ejemplo 60 de lo., 60 de 2o. y 60 de 3o. de secundaria.
Para calcular esta prueba se aplica el siguiente procedimiento:
a) Plantear las hiptesis estadsticas.
b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis.
c) Obtener la sumatoria de los puntajes para cada grupo (X i ).
d) Obtener el cuadrado de la sumatoria (X) i 2
e) Elevar al cuadrado cada puntaje crudo y sumarlo (X) i 2
f) Calcular el factor de correccin (FC).
La frmula para calcularlo es:
donde:
cuadrado.
K= Nmero de grupos a comparar.
N = Nmero de participantes por grupo,
g) Obtener la varianza total (SCT).
La frmula para calcular la SCT es:
donde:
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos.
FC = Factor de correccin.
N = Nmero de participantes por grupo.
gltotal = N 1
glentre = k - 1
glintra = N - k
donde:
N = Nmero total de participantes en todos los grupos.
K = Nmero de grupos que se estn comparando.
1 = Constante.
Tabla de procedencia
SC gl MC F
Entre
Intra
Total
F c F0 H1 se acepta.
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N Nmero de participantes por grupo.
Ejercicio
= .05
SCI = 414.94-243.34 = 1 7 1 . 6
glentre = 3 1 = 2
glintra = 15 3 = 12
Tabla de procedencia
SC gl MC F
Entre 243.34 2 121.67 8.50
Intra 171.6 12 14.3
Total 414.94 15
Con respecto a estos valores se puede observar que los nios de 5 a 6 aos
presentan una media ms alta en autoestima que los nios de mayor edad. Cabe
aclarar hasta aqu que el Anova indica diferencias entre grupos, pero no nos dice
entre cules. Para ello habra que aplicar una prueba post-hoc (Scheffe, Duncan o
Tukey).
En este caso cada una de las categoras del estado civil debe tener un
nmero diferente de participantes: por ejemplo 115 solteros, 100 casados, 99
unin libre y 102 personas en relaciones reconstituidas.
donde:
al cuadrado.
N = Nmero de participantes para cada grupo.
y sumarlas.
FC= Factor de correccin.
donde:
SCI = SCT-SCE
Calcular los grados de libertad (gl).
Las frmulas para calcular los grados de libertad son:
gltotal = N 1
glentre = k - 1
glintra = N - k
donde:
N = Nmero total de participantes en todos los grupos.
k = Nmero de grupos que se estn comparando.
1 = Constante.
Tabla de procedencia
SC gl MC F
Entre
Intra
Total
Fc F0 H1 se acepta.
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Nmero de participantes por grupo.
Ejercicio
5 25 3 9 7 49
4 16 4 16 8 64
5 25 3 9 10 100
5 25 4 16 12 144
4 16 5 25 10 100
5 25 3 9 9 81
4 16 2 4 9 81
5 25 4 16 7 49
5 25 3 9 5 25
4 16 4 16 3 9
3 9 4 16
4 16
X1 = 46 X1 2 = 214 X2 = 42 X22 = 154 X2 = 84 X32 718
SCT = 2 1 4 + 1 5 4 + 7 1 8 - 8 9 6 . 4 8 = 1 8 9 . 5 2
SCI = 1 8 9 . 5 2 - 1 0 3 . 1 3 = 8 6 . 3 9
glentre = 3 1 = 2
glintra = 33 3 = 30
Tabla de procedencia
SC gl MC F
Ejercicio SPSS
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuacin se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
12 Con fines didcticos se muestran los resultados del Anova factorial, tal como los reporta el
ANOVA SIMPLE
Anova
Etapa
Factor 0a6 Ms de 6 D e 0 a De 3 a 7 De 7 a 14 Ms de 14 F P
meses meses de 3 aos de aos de aos de aos de mat
noviazgo noviazgo mat. mat. mat.
*p< 0.05.
**p< 0.01.
Media superior
Superior
donde:
donde:
FC Factor de correccin.
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
gltotal = N - 1
glentre = k - 1
glintra N k
donde:
N Nmero total de participantes en todos los grupos,
K = Nmero de grupos que se estn comparando,
1 = Constante.
Tabla de procedencia
SC gl MC F
Entre
Intra
Total
F c F0 H1 se acepta.
donde:
X= Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo,
N = Nmero de participantes por grupo.
Media superior
Superior
donde:
(f1)2 = Sumar los valores de la fila 1 y elevarlos al cuadrado.
(f2)2 = Sumar los valores de la fila 2 y elevarlos al cuadrado.
K = Nmero de categoras o grupos de las variables.
N = Nmero de participantes por grupo.
FC = Factor de correccin.
donde:
(c1)2= Sumar los valores de la columna 1 y elevarlos al cuadrado.
(c2 )2= Sumar los valores de la columna 2 y elevarlos al cuadrado.
K= Nmero de categoras o grupos de las variables.
N = Nmero de participantes por grupo.
FC = Factor de correccin.
donde:
k = Nmero de categoras o grupos de la variable en estudio.
1 = Constante.
Tabla de procedencia
SC gl MC F
Entre
Filas
Columnas
Interaccin
Intra
Total
Fc F0 H1 se acepta.
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Nmero de participantes por grupo.
Ejercicio
Jvenes Adultos
SCT = 2 7 8 + 7 8 + 1 5 6 + 1 1 2 - 5 2 9 = 9 5
SCI = 9 5 - 3 5 = 6 0
gltotal = 1 6 - 1 = 1 5
glentre 4 - 1 = 3
glintra = 1 6 - 4 = 1 2
Tabla de procedencia
SC 91 MC F
Sexo
Edad Hombres Mujeres
Jvenes 4 1
9 4
9 5
10 6
X1 =32 X2=l6 (f1)=48
Adultos 3 4
7 4
7 4
7 8
X3=24 X4=20 (f2)=44
(C I )=56 (C2)=36
SC INT = 35 -25 -1 = 9
Tabla de procedencia
SC gl MC F
5 4.75 H1 se acepta.
Efecto de la interaccin:
Ejercicio SPSS
Interaccin:
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuacin se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
TABLA 36
ANOVA DE DOBLE CLASIFICACIN
13 Con fines didcticos se muestran los resultados del Anova de doble clasificacin, tal como los
Alta
Media
Baja
Experimental Mean
Method Square F Slg.
Sum of
Squares df
donde:
donde:
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos,
FC = Factor de correccin,
N = nmero de participantes por grupo.
Tabla de procedencia
SC gl MC F
Entre
Intra
Total
Fc F 0 H1 se acepta.
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Nmero de participantes por grupo.
Alta
Media
Baja
donde:
( f 1 ) 2 = Sumar de los valores de la fila 1 y elevarlos al cuadrado.
( f 2 ) 2 = Sumar de los valores de la fila 2 y elevarlos al cuadrado.
K = Nmero de categoras o grupos de las variables.
N = Nmero de participantes por grupo.
FC = Factor de correccin.
donde:
(c1)2= Suma de los valores de la columna 1 y elevarlos al cuadrado.
(c2)2= Suma de los valores de la columna 2 y elevarlos al cuadrado.
K= Nmero de categoras o grupos de las variables.
N= Nmero de participantes por grupo.
FC = Factor de correccin.
donde:
k = Nmero de categoras o grupos de la variable en estudio.
l= constante.
Tabla de procedencia
SC gl MC F
Entre
Filas
Columnas
Interaccin
Intra
Total
Fc F0 H1 se acepta.
donde:
X = Suma las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo
N = Nmero de participantes por grupo.
Ejercicio
0 unidades
1 unidades
4 unidades
20 aos
40 aos
60 aos
4 unidades 6 4 2
4 3 1
X1=10 X2=7 X3=3 f1=20
2 unidades 2 2 2
4 3 2
X4 =6 X5=5 X6 =4 f2=15
0 unidades 1 2 5
0 1 4
X7 =1 X8 =3 X9=9 f4=13
C1 =17 C2 =15 c3= 16 total 48
Fuente de Variacin se gi MC F
* P .05.
Interaccin:
Posteriormente una vez capturados los datos, se siguieron los pasos que a
continuacin se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
TABLA 38
ANOVA FACTORIAL
Cell Means
Mean
Masculino 1 3.5235 17
2 3.8440 25
3 3.7089 15
4 3.5907 25
5 3.7708 24
Total 3.6972 106
Femenino 1 3.8222 27
2 3.8385 32
3 4.0524 28
4 3.8395 43
5 3.8848 33
Total 3.8822 163
Total 1 3.7068 44
2 3.8409 57
3 3.9326 43
4 3.7480 68
5 3.8368 57
Total 3.8093 269
a Grand Mean
b Stiauto by Sexo, Ocupacin.
14 Con fines didcticos se muestran los resultados del Anova simple, tal como los
TABLA 39
ANLISIS DE VARIANZA PARA EL FACTOR AUTORITARIO
Media
Media Terica F P
Autoritario Sexo
Hombres Mujeres
2.81 2.94 4 .986 .322
Ocupacin
Empl. Empl. Empl.
Prof. Carr.Tc Oficio Estud. Hogar
2.88 3.06 3.26 2.83 2.69 4 .691 .599
interaccin
Hombres Mujeres
Empleado c/
Profesin 3.00 2.71
Empleado c/
Carrera Tcnica 2.96 3.11
Empleado c/ Oficio 2.83 2.87
Estudiantes 2.42 3.04
Hogar - 4 3.263 .022*
*p 0.05.
TABLA 40
ANLISIS DE VARIANZA PARA EL FACTOR LAISSES FAIRE
Media Media F P
terica
Laisses Sexo
Faire Hombres Mujeres
5.37 5.25 4 1.067 .303
Ocupacin
Empl. Empl. Empl.
Prof. Carr.Tc. Oficio Estud. Hogar
5.24 4.92 5.10 5.53 5.00 4 3.92 .004**
Interaccin
Hombres Mujeres
Empleado c/
Profesin 5.22 5.26
Empleado c/
Carrera Tcnica 5.51 4.59
Empleado c/ Oficio 5.75 4.66
Estudiantes 5.45 5.57
Hogar - - 4 3.80 .011*
Fuente: S. Siegal y N.J. Castelan (2003), Estadstica no paramtrica. Aplicada a las ciencias de la
conducta, 3a. reimp., Mxico, Trillas.
T ABLA B
TABLA DE VALORES CRTICOS DE T EN LA PRUEBA DE LOS RANGOS SEALADOS
DE PARES IGUALADOS DE WILCOXON
8 4 2 0
9 6 3 2
10 8 5 3
11 11 7 5
12 14 10 7
13 17 13 10
14 21 16 13
15 25 20 16
16 30 24 20
17 35 28 23
18 40 33 28
19 46 38 32
20 52 43 38
21 59 49 43
22 66 56 49
23 73 62 55
24 81 69 61
25 89 77 68
Fuente: N.M. Downie y R.W Heat (1973), Mtodos estadsticos aplicados, Mxico, Harla.
n1 n2 10 11 12 13 14 15 16 17 18 19 20
9
1
2
3 0 0 0 0
4 0 0 0 1 1 1 2 2 3 3 3
5 1 1 2 2 3 3 4 5 5 6 7 7
6 2 3 4 4 5 6 7 8 9 10 11 12
7 3 5 6 7 8 9 10 11 13 14 15 16
3 5 5 8 9 11 12 14 15 17 18 20 21
9 7 8 10 12 14 15 17 19 21 23 25 26
10 7 10 12 14 17 19 21 23 25 27 29 32
11 10 12 15 17 20 22 24 27 29 32 34 37
12 12 14 17 20 23 25 28 31 34 37 40 42
13 14 17 20 23 26 29 32 35 38 42 45 48
14 15 19 22 25 29 32 36 39 43 46 50 54
15 17 21 24 28 32 36 40 43 47 51 55 59
16 19 23 27 31 35 39 43 48 52 56 60 65
52 57 61 66 70
17 21 25 29 34 38 43 47
56 61 66 71 76
18 23 27 32 37 42 46 51
60 66 71 77 82
19 25 29 34 40 45 50 55
65 70 76 82 88
20 26 32 37 42 48 54 59
1
2 0 0 0 0 0 0 1 1
3 1 1 1 2 2 2 3 3 4 4 4 5
4 3 3 4 5 5 6 7 7 8 9 9 10
5 5 6 7 8 9 10 11 12 13 14 15 16
6 7 8 9 11 12 13 15 16 18 19 20 22
7 9 11 12 14 16 17 19 21 23 24 26 28
3 11 13 15 17 20 22 24 26 28 30 32 34
9 14 16 18 21 23 26 28 31 33 36 38 40
Apndice 245
TABLA C (Continuacin)
n2
n1 9 10 11 12 13 14 15 16 17 18 19 20
10 16 19 22 24 11 30 33 36 38 41 44 47
11 18 22 25 28 31 34 37 41 44 47 50 53
12 21 24 28 31 35 38 42 46 49 53 56 60
13 23 27 31 35 39 43 47 51 55 59 63 67
14 26 30 34 38 43 47 51 56 60 65 69 73
15 28 33 37 42 47 51 56 61 66 70 75 80
16 31 36 41 46 51 56 61 66 71 76 82 87
17 33 38 44 49 55 60 66 71 77 82 88 93
18 36 41 47 53 59 65 70 76 82 88 94 100
19 38 44 50 56 63 69 75 82 88 94 101 107
20 40 47 53 60 67 73 80 87 93 100 107 114
Fuente: N.M. Downie y R.W. Heat (1973), Mtodos estadsticos aplicados. Mxico, Harla.
n2
n1 9 10 11 12 13 14 15 16 17 18 19 20
1
2 0 0 0 1 1 1 1 1 2 2 2 2
3 2 3 3 4 4 5 5 6 6 7 7 8
4 4 5 6 7 8 9 10 11 11 12 13 13
5 7 8 9 11 12 13 14 15 17 18 19 20
6 10 11 13 14 16 17 19 21 22 24 25 27
7 12 14 16 18 20 22 24 26 28 30 32 34
8 15 17 19 22 24 26 29 31 34 36 38 41
9 17 20 23 26 28 31 34 37 39 42 45 48
10 20 23 26 29 33 36 39 42 45 48 52 55
11 23 26 30 33 37 40 44 47 51 55 58 62
12 26 29 33 37 41 45 49 53 57 61 65 69
13 28 33 37 41 45 50 54 59 63 67 72 76
14 31 36 40 45 50 55 59 64 67 74 78 83
15 34 39 44 49 54 59 64 70 75 80 85 90
16 37 42 47 53 59 64 70 75 81 86 92 98
17 39 45 51 57 63 67 75 81 87 93 99 105
18 42 48 55 61 67 74 80 86 93 99 106 112
19 45 52 58 65 72 78 85 92 99 106 113 119
20 48 55 62 69 76 83 90 98 105 112 119 127
Tabla D
TABLA DE PROBABILIDADES ASOCIADAS CON VALORES TAN GRANDES COMO
VALORES OBSERVADOS DE H EN EL ANLISIS DE VARIANZA DE UNA CLASIFICACIN
POR RANGOS DE KRUSKAL WALLIS
n1 n2 n3 p n1 n2 n3
Apndice 247
TABLA D (Continuacin)
n1 n2 n3 n1 n2 n3
n1 n2 n3 n1 n2 n3
Apndice 249
T ABLA E
VALORES CRTICOS DE R
Valores de r al nivel de confianza de 0.05 y 0.01
gl .05 .01
1 .99692 .999877
2 .95000 .990000
3 .8783 .95873
4 .8114 .91720
5 .7545 .8745
.7067 .8343
7 .6664 .7977
8 .6319 .7646
9 .6021 .7348
10 .5760 .7079
11 .5529 .6835
12 .5324 .6614
13 .5139 .6411
14 .4973 .6226
15 .4821 .6055
16 .4683 .5897
17 .4555 .5751
18 .4438 .5614
19 .4329 .5487
20 .4227 .5368
25 .3809 .4869
30 .3494 .4487
35 .3246 .4182
40 .3044 .3932
45 .2875 .3721
50 .2732 .3541
60 .2500 .3248
70 .2319 .301 7
80 .2172 .2830
90 .2050 .2673
Fuente: I. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
gi .05 .01
i 12.706 63.657
2 4.303 9.925
3 3.182 5.841
4 2.776 4.604
5 2.571 4.032
6 2.447 3.707
7 2.365 3.499
8 2.306 3.355
9 2.262 3.250
10 2.228 3.169
11 2.201 3.106
12 2.179 3.055
13 2.160 3.012
14 2.145 2.977
15 2.131 2.947
16 2.120 2.921
17 2.110 2.898
18 2.101 2.878
19 2.093 2.861
20 2.086 2.845
21 2.080 2.831
22 2.074 2.819
23 2.069 2.807
24 2.064 2.797
25 2.060 2.787
26 2.056 2.779
27 2.052 2.771
28 2.048 2.763
29 2.045 2.756
30 2.042 2.750
40 2.021 2.704
60 2.000 2.660
120 1.980 2.617
OO
1.960 2.576
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social. 2a.
ed., Mxico, Oxford.
Apndice 251
T ABLA G
VALORES CRTICOS DE E
Valores de F al nivel de confianza de .05 y .01
gl 1 2 3 4 5 6 8 12
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
Apndice 253
Bibliografa
LVAREZ CCERES, R. (1995), Estadstica multivariante y no paramtrica con SPSS. Aplicacin
a las ciencias de la salud, Espaa, Ediciones Daz de Santos.
BARRAGN, L., J. Benavides, A.M. Brugman y E. Lucio (1988), "El uso del wais y
wisc en psicologa clnica", en Programa de Publicaciones de Material Didctico.
Evaluacin de la Personalidad, unidad n. Universidad Nacional Autnoma de
Mxico, Facultad de Psicologa.
CAETAS, S. Rivera y R. Daz-Loving (2000), "Desarrollo de un instrumento
multidimensional de satisfaccin marital", La Psicologa Social en Mxico, viii,
pp. 266-274.
CLARK-CARTER, D. (2002), Investigacin cuantitativa en psicologa, Mxico, Oxford.
CONOVER, W.J. (1980), Practical Nomparametric Statistics, 2a. ed., Nueva York, John
Wiley & Sons.
CORTS, S., D. Reyes, R. Daz-Loving, S. Rivera y J. Monjaraz (1994), "Elaboracin
y anlisis psicomtrico del inventario multifactico de satisfaccin marital
(IMSM)". La Psicologa Social en Mxico, v, pp. 123-130.
CRUZ del C., C. (2002), Autoconcepto y estilos de poder en la pareja, tesis de licenciatura,
Facultad de Psicologa, UNAM.
DAZ-LOVING, R. (1999), "Una teora bio-psico-socio-cultural de la relacin de
pareja", en R. Daz-Loving (comp.), Antologa psicosocial de la pareja, Mxico,
Asociacin Mexicana de Psicologa Social, Miguel ngel Porra.
DOLLAR, J., L. Doob, N.E. Miller, O.H. Mowrer y R.R. Sears (1939), Frustratation and
Agression, Newhaven, Yale University Press.
DOWNIE, N.M, y R.W Heath (1973), Mtodos estadsticos aplicados, Mxico, Hara.
KERLINGER, EN. y H.B. Lee (2001), Investigacin del comportamiento. Mtodos de
investigacin en ciencias sociales, 4a. ed., Mxico, McGraw-Hill.
257
NUNNALLY, J.C. e I.J. Bernestein (1995), Teora psicomtrca, 3a. ed., Mxico,
McGraw-Hill.
LEVIN, J. y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
Pavaan, C.G. (2004), Actitud hacia el sida de adolescentes mexicanos, tesis de
licenciatura, Facultad de Psicologa, UNAM.
RIVERA, S. y R. Daz-Loving (2000), La cultura del poder en la pareja, Mxico, Miguel
ngel Porra.
RIVERA, S., R. Daz-Loving, C. Cruz del Castillo y F Vidal (2004), "Negociacin
del conflicto y satisfaccin en la pareja", La Psicologa Social en Mxico, AMEPSO,
X, pp. 135-140.
ROMERO, A. y S. Rivera (2004), "Qu motiva a un hombre y a una mujer a ser
infiel?", La Psicologa Social en Mxico, AMEPSO, X, pp. 141-146.
ROMERO, PA. (2003), Historias de amor y la satisfaccin en la relacin de pareja, tesis de
licenciatura no publicada, Mxico, Facultad de Psicologa, Universidad
Nacional Autnoma de Mxico.
ROSA, Jorge la (1986), Escalas de locus de control y autoconcepto, tesis de doctorado en
psicologa social no publicada, Mxico, Facultad de Psicologa, UNAM.
RUNYON, R. y A. Haber (1987), Estadstica para las ciencias sociales, Wilmington,
Delawere, Addison-Wesley Iberoamercana y Mxico, Sistemas Tcnicos de
Edicin.
SIEGEL, S. y N.J. Castellan (2003), Estadstica no paramtrica aplicada a las ciencias de la
conducta, 3a. reimp., Mxico, Trillas.
VARGAS, I. M. Garca-Mndez, R. Daz-Loving y S. Rivera (2004), ponencia en el
X Congreso Mexicano de Psicologa Social, Mxico, AMEPSO.
VIGANO, D. (1986), Autoritarismo y rendimiento escolar en adolescentes, "tesis
de maestra no publicada, Mxico, Facultad de Psicologa,. Universidad
Nacional Autnoma de Mxico.
YOUNG R. y D. Veldman (1983), Introduccin a la estadstica aplicada a las ciencias de la
conducta, Mxico, Trillas.
ZUNG, W., C. Richards y M. Short (1965), "Self-Rating Depression Scale in an
Outpatient Clinic", Arch Gen Psychiat, 13, pp. 508-515.
PRLOGO
Rolando Daz Loving ...................................................................................... 7
INTRODUCCIN ...................................................................................................... 11
Captulo 1
MEDICIN ...................................................... ........................................................ 17
Escalas de medicin ............................................................................................. 19
Nominal ............................................................................................................ 19
Ordinal .............................................................................................................. 20
Intervalar .................................................................................... ..................... 21
De razn ............................................................................................................ 22
Captulo 2
ESTADSTICA DESCRIPTIVA.................................................................................... 25
Conocer el tipo de distribucin ......................................................................... 27
Ejercicio SPSS ................................................................................................... 32
Representacin grfica ............................................. . ........................................ 37
Grfica de barra ............................................................................................... 38
Grfica de pastel o de sectores .................... ................................................ 40
Grfica de histograma ............................................................................. . . 40
Grfica de ojiva o de polgono de frecuencia acumulada 42
Grfica de polgonos de frecuencia ...................................................... .. . 43
Obtener medidas de tendencia central .. 44
Media ................................................................................................................. 45
Mediana............................................................................................................. 49
Moda .............................................................................................................. .. 50
Ejercicio SPSS ................................................................................................... 51
Calcular medidas de dispersin (variabilidad) ............................................. 53
Rango (R) .......................................................................................................... 53
Desviacin estndar ...................................................................................... 54
Varianza (s2 o ) ............................................................................................
2
57
Sesgo .................................................................................................................. 58
Curtosis (K) ....................................................................................................... 59
Error estndar ( o e) ..................................................................................... 61
Ejercicio SPSS ................................................................................................ 62
Captulo 3
ESTADSTICA INFERENCIAL ....................................................................................... 67
Aplicaciones de la estadstica inferencial ....................................................... 69
Clasificacin de la estadstica inferencial ..................................................... 73
No paramtrica ............................................................................................... 73
Ventajas ............................................................................................................ 74
Desventajas .................................................................................................... 74
Paramtrica ...................................................................................................... 76
Captulo 4
PRUEBAS DE LA ESTADSTICA NO PARAMTRICA .................................................... 81
Pruebas para una muestra simple ........................................................................ 83
Chi cuadrada (x2) ................................................................................................. 83
Ejercicio SPSS ....................................................................................................... 88
Pruebas para muestras relacionadas .................................................................... 91
McNemar .............................................................................................................. 92
Ejercicio SPSS ....................................................................................................... 96
t de Wilcoxon (tw) ............................................................................................ 100
Ejercicio SPSS ....................................................................................................... 103
Pruebas para muestras independientes ............................................................. 106
U de Mann Whitney (U) .................................................................................. 107
Ejercicio SPSS ....................................................................................................... 111
Anlisis de varianza en una direccin por rangos de
KrusKal-Wallis (H) ........................................................................................... 117
Ejercicio SPSS ...................................................................................................120
Chi cuadrada para muestras independientes x 2 .......................................126
Ejercicio x 2 por homogeneidad ...................................................................126
Ejercicio SPSS ...................................................................................................131
Captulo 5
ESTADSTICA PARAMTRICA..................................................................................... 137
Caractersticas .................................................................................................... 139
Pruebas paramtricas. Prueba de coeficiente de
correlacin de producto-momento de Pearson .........................................140
Introduccin .............................................................................. . ..................140
Definicin .......................................................................................................140
Requisitos ............................................................................................ .. 141
Interpretacin .................................................................................................142
Frmula .................................................................................. ......................144
Regla de decisin para obtener la significancia ......................................145
Ejercicio SPSS ...................................................................................................148
Reporte de investigacin de la correlacin
producto-momento de Pearson ...............................................................152
t de student .............................................................................................. ......... 152
Introduccin ...................................................................................................152
Definicin .......................................................................................................154
Requisitos .......................................................................................................154
Clasificacin de la prueba t ........................................................................155
Clculo de t para muestras
independientes con N iguales ................................................................156
Clculo de t para muestras
independientes con N desiguales ...........................................................161
Ejercicio SPSS .. ...............................................................................................166
Reporte de investigacin de la prueba t
para muestras independientes ....................................................................168
Clculo de t para muestras relacionadas ...................................................171
Ejercicio SPSS ...................................................................................................176
Reporte de investigacin de la prueba t
para muestras relacionadas ......................................................................... 180
Anlisis de varianza (Anova) ..........................................................................180
Introduccin...180
Definicin...182
Requisitos...182
Anlisis de varianza simple cuando
el tamao (N) de los grupos es igual .................................................... 184
Anlisis de varianza simple para N desiguales ...................................... 191
Ejercicio SPSS .................................................................................................. 199
Reporte de investigacin del anlisis de varianza simple 203
Anlisis de varianza de doble clasificacin ............................................ 204
Ejercicio SPSS .................................................................................................. 218
Anlisis factorial de varianza ..........................................................................222
Ejercicio SPSS .................................................................................................. 233
Reporte de investigacin del anlisis factorial de varianza . . . 237