TEORÍA CLÁSICA DE LOS TESTS (TCT)

ÍNDICE Y COEFICIENTE DE CONFIABILIDAD

Mg. Andrés Burga León

Mayo 2006

La Teoría Clásica de los Tests, fue formulada en 1904 por Charles Spearman (Muñiz, 1996a).
Se le conoce también como Modelo Lineal Clásico y su formulación es la siguiente:

X=V+e

Con esto se quiere decir que el puntaje observado en una medición (X), es igual al puntaje
verdadero (V), más el error (e).

Además, presenta tres supuestos básicos, que apuntan al carácter aleatorio del término de
error:

– V = E(X): el puntaje verdadero es igual a la esperanza matemática o valor esperado de

las puntuaciones observadas.
– r(V,e) = 0: la correlación entre el puntaje verdadero en un test y el error en ese test es
igual a cero. Es decir, no existe relación entre ambos.
– r(ej, ek) = 0: la correlación entre los errores dados en dos tests diferentes es igual a 0.
es decir, los errores son independientes.

Como se puede observar en la ecuación de la Teoría Clásica de los Test, mientras menor sea
el término de error, mayor será la semejanza entre el puntaje observado y el verdadero. Lo
importante en términos de la confiabilidad de las puntuaciones de un test, es estimar cuan bien
representan las puntuaciones observadas a las verdaderas. Es decir, se busca estimar la
relación que existe entre el puntaje verdadero y el puntaje observado. Mientras más fuerte sea
la relación lineal entre ambos, mejor será la representación del puntaje verdadero mediante el
puntaje observado. Cuando la relación es muy fuerte, se puede considerar que X es una
expresión de V en otra métrica.

La correlación entre puntajes observados y verdaderos suele denominarse índice de

confiabilidad. El problema es que esta correlación no puede estimarse directamente, pero
podemos estimar su cuadrado (Muñiz, 1996b). Primero veamos que expresa el cuadrado del
índice de confiabilidad:

s XV Expresemos la correlación entre X y V como el

rXV  cociente de la covarianza de X y V entre el producto
s X sV de la desviación estándar de ambos.
 ( X  X )(V  V ) Transformamos la fórmula anterior, expresándola
mediante puntuaciones diferenciales (cada uno de
rXV  n los distintos valores de la variable menos la media
 ( X  X )  (V  V )
2 2 de la variable).
n n
 [(V  e)  (V  e)](V  V ) Sabemos que el puntaje observado es igual al
puntaje verdadero más el error. Usamos esa
rXV  n definición en la fórmula, reemplazando los puntajes
 ( X  X )  (V  V )
2 2 observados en la parte superior de la ecuación, que
se refiere a la covarianza de los puntajes observados
n n y los verdaderos.
 [(V  V )  (e  e)](V  V ) Reordenamos la porción superior de la ecuación.

rXV  n
(X  X ) 2
 (V  V ) 2

n n
 [(V  V )(V  V )  (e  e)(V  V )] El puntaje diferencial de las
verdaderas entra multiplicándose.
puntuaciones

rXV  n
(X  X ) 2
 (V  V ) 2

n n
 [(V  V )(V  V )]   (V  V )(e  e)Por propiedad
términos de la
de la sumatoria separamos los
porción superior de la ecuación.
rXV  n n Nótese que en el fondo, lo que tenemos es el
 (X  X )2  (V  V ) 2 producto de la varianza de las puntuaciones
verdaderas y la covarianza entre las puntuaciones
n n verdaderas y el error.
 (V  V ) 2 Según los supuestos de la TCT, la covarianza entre
las puntuaciones verdaderas y el error será igual a
rXV  n cero. Por lo tanto, puede ser eliminada de la
(X  X ) 2
 (V  V ) 2 ecuación.

n n
  (V  V )  2
2 Elevemos ahora la ecuación al cuadrado, a fin de
  tener en el denominador la varianza de las
 n  puntuaciones observadas multiplicadas por la
2
rXV   
varianza de las puntuaciones verdaderas.
 ( X  X ) 2
  V )2
(V
n n
 (V  V ) 2 Eliminamos el cuadrado del numerador, con la
varianza de las puntuaciones verdaderas que aparece
n sV2 en el denominador. La ecuación final nos dice que el
2
rXV  
 ( X  X ) 2 s X2 cuadrado de la correlación entre las puntuaciones
observadas y las verdaderas, es igual al cociente de
n la varianza de las puntuaciones verdaderas sobre la
varianza de las puntuaciones observadas.

Hasta el momento, no podemos calcular esta correlación, pues se desconocen cuales son las
puntuaciones verdaderas. Sin embargo, podemos estimar el cuadrado de la correlación entre
las puntuaciones observadas y las verdaderas, empleando el supuesto de los tests paralelos.

Diremos que dos test A y B son paralelos, si sus puntuaciones verdaderas son idénticas, y las
varianzas de sus puntuaciones observadas también lo son (Suen, 1990):

VA = VB
S2XA = S2XB
Si tenemos dos test, A y B que han sido diseñados como test paralelos, y son aplicados a la
misma muestra de personas podemos calcular la correlación entre ambos, que será
denominada coeficiente de confiabilidad:
 s AB Expresemos la correlación entre A y B
rAB  como el cociente de la covarianza de A
s A sB y B entre el producto de la desviación
estándar de ambos.
(X A  X A )( X B  X B ) Transformamos la fórmula anterior,
expresándola mediante puntuaciones
rAB  n diferenciales de los puntajes observados
(X A  X A) 2
(X B  X B )2 en A y B (cada uno de los distintos
valores de la variable menos la media de
n n la variable).

{[(V  e )  (V
Sabemos que el puntaje observado es
A A A  e A )][(VB  eB )  (V B  e B )]} igual al puntaje verdadero más el error.
Usamos esa definición en la fórmula,
rAB  n reemplazando los puntajes observados

(X (X
en la parte superior de la ecuación, que
A  X A )2 B  X B )2 se refiere a la covarianza de los puntajes
observados en los tests A y B
n n
{[(V  V )  (e  e )][(V  V )  (e  e )]}
Sabemos, por el supuesto de las formas
A A B B paralelas que los puntajes verdaderos en
el test A y B son idénticos. Además
rAB  n reacomodamos los términos de la parte

 (X (X
superior de la ecuación.
A  X A )2 B  X B )2
n n
 [(V  V )(V  V )  (V  V )(e A  e A )  (V  V )(e B  e B )  (e A  e A )(e B  e B )]
rAB  n
(X A  X A) 2
(X B  X B )2
n n

Resolvemos la multiplicación de la porción superior de la ecuación

 (V  V )(V  V )   (V  V )(e A  eA)

 (V  V )(e B  eB )

 (e A  e A )(e B  e B )
rAB  n n n n
 (X A  X A )2  ( X B  X B )2
n n
Separamos el numerador siguiendo las propiedades de la sumatoria. Nótese que el segundo y tercer término del
denominador son la covarianza de las puntuaciones verdaderas y el error, las cuales, según los supuestos de la
TCT son cero. Además el cuarto término, se refiere a la covarianza de los errores en los tests A y B, que también
es cero según los mismos supuestos.

 (V  V )(V  V ) Presentamos la ecuación eliminado

todos los términos que por supuestos
rAB  n nos dan cero.
(X A  X A) 2
(X B  X B )2 Observemos que en denominador están
la desviación estándar del test A y B,
n n que por el supuesto de las formas
paralelas asumimos que son iguales.
 (V  V ) 2 Reescribimos nuevamente la ecuación y
despejamos la raíz cuadrada.
rAB  n
(X  X ) 2
(X  X ) 2

n n
  (V  V ) 2

2
La ecuación final nos dice que la
correlación entre las puntuaciones
n s observadas en dos tests paralelos, es
rAB   V
 rXV
2

 (X  X ) s
2 2
X igual al cociente de la varianza de las
puntuaciones verdaderas sobre la
n varianza de las puntuaciones
observadas. Como señalamos con
anterioridad, esto es igual al cuadrado
de la correlación entre las puntuaciones
observadas y las verdaderas

En conclusión, el índice de confiabilidad es la correlación entre las puntuaciones observadas y

las puntuaciones verdaderas. Su cuadrado es igual al cociente entre la varianza de las
puntuaciones verdaderas y las puntuaciones observadas, y se denomina coeficiente de
confiabilidad.

REFERENCIAS

Muñiz, J. (1996a) Teoría Clásica de los Tests, 2ª. ed. Madrid: Ediciones Pirámide
Muñiz, J. (1996b) (coordinador) Psicometría. Madrid: Universitas.
Nunnally, J. y Bernstein, I. (1995) Teoría Psicométrica. 3ª ed. México. McGraw - Hill.
Suen, H. (1990) The Psychometric Process. Pennsylvania State University
Thorndike, R. (1989) Psicometría Aplicada. México: Limusa.