GRASSO, Livio - Introduccion A La Estadística en Ciencias Sociales y Del Comportamiento (Texto Completo) PDF

INTRODUCCION ALA ESTADISTICA EN | CIENCIAS SOCIALES Y DEL COMPORTAMIENTO EDICION CORREGIDA 1996Psicoestadisticas 1 NOTAS PRELIMINARES Sobre este apunte El presente apunte de Estadistica Aplicada a la Psicologia ha sido concebido con el objeto de poner a disposicién del estudiante el material de lectura, completo, correspondiente a los contenidos que usualmente pueden desarrollarse en un curso elemental, anual, de carfcter introductorio, para alumnos de psicologia. EI material reunido contempla el tratamiento completo de los diferentes temas, con el alcance y la profundidad propios de un curso de las caracteristicas antes sefialadas. Ello quiere decir, desde el punto de vista préctico del alumno, que no necesita recurrir a otras fuentes bibliogrificas para aleanzar los objetivos de un curso introductorio, Se procura con esto evitar al alumno la adquisicién de diferentes textos, hoy tan costosos, la consulta en bibliotecas, hoy siempre sobrecargadas de lectores y 1a decision (con una alta carga de ansiedad y dificil para e] alumno en una materia como estadistica) acerca de " hasta donde debo estudiar para alcanzar un nivel satisfactorio en un curso de introducci6n?" Esto no quiere decir que se desaliente 12 amplia consulta bibliografica; sin embargo, Ja experiencia en el dictado de la asignatura muestra que cualquiera de los textos que estén hoy al alcance del estudiante de psicologia y que puede encontrar en el comercio 0 en bibliotecas, resulta de muy dificil lectura, Un primer acercamiento a la estadistica a través de un texto simple y de facil comprensi6n constituye, creo, una etapa previa para poder abordar después textos mas completos y de mayor profundidad. El presente apunte intenta facilitar al estudiante el recortido de esa etapa preliminar. El apunte ha sido elaborado teniendo muy presente al alumno que estudia solo y que por razones de horario y de hacinamiento en las aulas no puede concurrit a clases © no obtiene en ellas la ensefianza adecuada. As{, se ha procurado que los ejemplos sean abundantes; los datos y tablas presentados permiten Ja ejercitacién, la aplicacién de los conceptos explicados y la autoevaluacién por parte del estudiante; han sido seftalados los errores mas frecuentes en los exémenes para que se eviten desde el comienzo. La ejemplificacién se ha hecho éstrictamente con problemas propios de 1a psicologia y de las ciencias sociales, procurando evitar las situaciones estereotipadas que a menudo se encuentran en los libros de estadistica para psicélogos, No obstante, dado que el estudiante no conoce atin estadistica y conoce todavia poco de la psicologia, los ejemplos inevitablemente deben ser simples y no ilustran, en 1a medida que el autor lo desearia la envergadura e importancia de los problemas te6ricos y pricticos que las técnicas estadisticas pueden contribuir a analizar. Se han evitado los tecnicismos y desarrollos matematicos casi totalmente (sin duda en un grado mayor que en cualquier otro texto), de modo que las nociones matemiticas requeridas para comprender este apunte son menos que las aprendidas en la escuela2 Psicoestadisticas secundaria. En cambio, se ha hecho énfasis en los aspectos légicos de las técnicas y procedimientos presentados, en sus fundamentos conceptuales y en la oportunidad, ventajas y adecuacién de sus aplicaciones. La claridad y eficacia didactica se ha perseguido continua y priocitariamente, prefiriéndose la simplicidad al tratamiento riguroso, formalizado y exhaustivo de los temas. Se ha tenido presente en este apunte la clisica exposici6n, tradicional en los libros para psicdlogos, centrada en los diferentes "tipos" de escalas; se ha preferido tratar cada "tipo" de escala por separado, estudiando en cada una de ellas, cémo se describe la tendencia central, la variabilidad, las relaciones entre variables, etc. De este modo, luego de estudiar, por ejemplo, el anilisis de datos en escalas nominales (atributos 0 caracteres. cualitativos), el alumno tiene un panorama completo de lo que puede hacerse con infor- macién de este tipo. Este enfoque parece ir imponiéndose en los textos més modemos (confrontar por ejemplo "Métodos estadisticos para la investigacién en ciencias humanas", José M. Doménech Masson, Editorial Herder, Barcelona, 1975, recientemente difundido entre nosotros). Las frecuentes y constatadas dificultades que presentan para el estudiante los conceptos de la estadistica inferencial, han Hevado a juzgar preferible no seguir rigurosa- mente el enfoque bosquejado en el pérrafo anterior y a tratar recién en la segunda parte del texto, una vez conocida 1a estadistica descriptiva y las posibilidades de andlisis en cada “tipo” de escala de medicién, los conceptos y provedimientos de muestreo y prueba de hipotesis. Se agradece al personal de la cétedra que intervino en la redacci6n de estos apuntes: el Lic. OSVALDO BERTONE que colaboré en el capitulo sobre muestreo, a la Lic. SILVIA TORNIMBENI que lo hizo en el capitulo sobre la distribucién t de Student y Ia Lic, ANA M, ALDERETE en aquel sobre la prueba de ji cuadrada. El Lie. LUIS HORACIO PARODI ha tenido a su cargo el cuidado de la presente edicién y ha contribuido al mejoramiento de este texto con innumerables y valiosas sugerencias sobre distintos aspectos, incluyendo los que hacen a la diagramacién, los simbolos matamiticos y el dibujo de los graficos. Sobre como estudiar la materia EI alumno es invitado a adoptar, para el estudio de la estadistica, un método sistematico. El estudio debe hacerse en forma gradual, continua y diaria, evitando dejar todo para el momento del examen, evitando 1a persistencia de lagunas y evitando abordar capitulos mas avanzados sin un adecuado dominio de los precedentes. Cada capitulo aporta los prerrequisitos ineludibles para comprender el siguiente. Los textos estadisticos requieren (como cualquier otro, en realidad) varias lecturas para su completa comprensién. Es conveniente leer un capitulo una primera vez en formaPsicoestadisticas 3 completa y en sucesivas relecturas, detenerse en los detalles. La experiencia interior de una comprensién més acabada se tendré de inmediato en cada relectura. El alumno apreciara que, en estadistica, el volumen del material que demanda lectura es substancialmente menor que en otras materias. Pero en estadistica se requiere ejercitacién. Y esto no sélo para adquirir un cierto dominio de algunas técnicas y procedimientos (que es objetivo de la materia) sino también porque la ejercitacién es la mejor oportunidad para que los conceptos se vayan aclarando, pues van surgiendo las dudas ¥ las respuestas que aclaran esas dudas. Por tanto, Ja lectura del material debe completarse aplicando las técnicas explicadas y utilizando los conceptos presentados en el anilisis de los datos y tablas que aparecen en el texto, a los que aparecen en el folleto "Ejercicios de estadistica aplicada a la psicologia” de la cétedra, a los que comesponden a los temas de trabajos practicos propuestos y a otros que pueda proponerse el mismo alumno. Quizds 1o més importante es que el alumno cultive y mantenga una disposicién mental activa, al estudiar estadistica (como cualquier otra asignatura). De diversas formas puede describirse esa disposicién. Por ejemplo: el estudiante deberia preguntarse continuamente: {Comprendi el concepto? {Puedo reproducirlo con exactitud (no de memoria pero si con precision, ya que quien no sabe qué es un diagrama de barras, por ejemplo, no podré dibujarlo ni entender uno que se le presente)? {Sé aplicar el procedimiento? ,Sé calcular tal indice? ,Sé realizar una representacién gréfica de datos? ;Puedo dar un ejemplo? ,Puedo proponer un ejemplo propio? Eic. La disposicién mental a que se alude también podria describirse diciendo que el alumno deberia poner a prueba su conocimiento o comprensién a menudo. Para ello: intente explicar un concepto al compafiero, intente aplicat el procedimiento a datos diferentes que los utilizados en el apunte para explicarlo, "invente" ejemplos propios, propéngase sus propios datos para analizar, etc. El alumno también es invitado a abandonar desde el comienzo los temores que la perspectiva de tener que estudiar estadistica despierta en la mayoria de los estudiantes de psicologia. Afio a afio se constata lo mismo: al finalizar la materia la mayoria de los alumnos manifiestan que "después de todo, la estadistica no es nada dificil"; muchos alumnos descubren que "después de todo, no soy tan malo para las mateméticas"; finalmente otros encuentran que Ja perspectiva de tener que aplicar métodos estadisticos ‘como investigador en el campo de la psicologia, constituye una alternativa profesional digna de consideraci6n. Tampoco debe el alumno dejarse impresionar por las dificultades (no matemiticas) de los dos primeros capitulos del apunte, particularmente arduos, pues ellas se deben a la naturaleza propia de los temas tratados alli (nociones de epistemologia y de teoria de la medicién en psicologia y ciencias sociales) y superan con mucho las que pudieren encontrarse en los capitulos subsiguientes. Livio T. P. Grasso Prof. T. PsicoestadisticaPsicoestadisticas 5 PROGRAMA DE LA ASIGNATURA PSICOESTADISTICA OBJETIVOS 1* Que al alumno comprenda la funcién de Ia estadistica en Ia investigacion cientifica y en la solucion de problemas de cardeter aplicado. 2* Que el alumno comprenda los furidamentos logicos de las técnicas y de las inferencias estadisticas. 3* Que el alumno comprenda los conceptos elementales de la légica de la medicion. 4* Que el alumno conozea y sepa aplicar en situaciones simples los procedimientos estadisticos elementales. 5* Que el alumno reconozea y valore con fundamentos las _ contribuciones Y posibilidades de la estadistica en las ciencias de la conducta y sociales. 6* ——_Aleance aquellos conocimientos y destrezas considerando prerequisitos para la comprensin de materias como psicometria y metodologia de la investigacton. CONTENIDOS UNIDAD 1: LA ESTADISTICA Y LA MEDICION Estadistica descriptiva e inferencial. El uso de la estadistica en Ja investiga- cién cientifica y en el proceso de decidir. El uso de la estadistica en psicologia y otras ciencias sociales. Definiciones. Medicion y clasificacién. Relaciones de orden. ‘Medicién y sisterna numérico. Limites y posibilidades de la medici6n en las ciencias de la conducta. ‘Tipos de escalas de medicién; nominal, ordinal intervalar y proporcional. Estadisticas que pueden calcularse en cada caso. Cémo se efectian cobservaciones cuantitativas en psicologia y ciencias sociales.6 Psicoestadisticas UNIDAD 2: ANALISIS DE DATOS EN ESCALAS NOMINALES Distribucién de frecuencias, variables, frecuencias absolutas y relativas, Porcentajes. Probabilidades. Representacién gréfica de una distribucién de frecuencias. Diagrama de barras. Concepto de tendencia central. El modo. Concepto de variabilidad. La variabilidad de datos de escalas nominales. Concepto de relacién entre variables y su importancia en psicologia y ciencias sociales. El estudio de la asociacién en tablas de doble entrada o de contingencia. indice de asociacion de Kendall, UNIDAD 3: ANALISIS DE DATOS EN ESCALAS INTERVALARES Y PROPOR- CIONALES; DISTRIBUCIONES DE FRECUENCIAS, MEDIDAS DE TENDENCIA. CENTRAL Y DE VARIABILIDAD Frecuencias simples y acumuladas, absolutas y relativas. Representaciones gréficas: histograma, poligono de frecuencias y ojiva. El modo, la mediana y la media aritmética; concepto, calculo y usos. El recorrido, la amplitud semi-- intercuartilar, 1a varianza y la desvi standard; concepto, célculo y usos. Ejemplos de aplicacién en psicologia y ciencias sociales UNIDAD 4: ANALISIS DE DATOS EN ESCALAS INTERVALARES Y PROPOR- CIONALES; POSICION DE UN PUNTAJE EN LA DISTRIBUCION DE FRECUEN- CIAS Y FORMA DE UNA DISTRIBUCION Series standard de mediciéa. Cuartiles, deciles y centiles; puntuaciones standarizadas (puntaje Z). Procedimientos de célculo. Importancia y uso. Baremos. Concepto de forma de una distribuci6n. Distribucion unimodales bimodales y unifor- mes. Distribuciones simétricas y asimétricas, Asimetria positiva y negativa. Relacion entre las medidas de tendencia central. La distribucién de Gauss o "normal": la ley de las probabilidades normales y el uso de las tablas de la funcién normal UNIDAD 5: ANALISIS DE DATOS EN ESCALAS INTERVALARES Y PROPOR- CIONALES Cortelacién entre variables relaciones funcionales, variables independiente y dependiente. Diagrama de dispersién. Relacién lineal. Ecuacién de una recta. Prediccién. Coeficiente de comelacién de Pearson. Ejemplos de aplicacién en psicologia y ciencias sociales. UNIDAD 6: ANALISIS DE DATOS EN ESCALAS ORDINALES. Distribucién de frecuencias y representaciones grificas. Medida de tendencia central: el modo y la mediana. Variabilidad en escalas ordinales. Relacién entre variables; asociacién y correlacién. El coeficiente de Spearman. Ejemplos de aplica- cién en psicologia y ciencias sociales.Psicoestadisticas 7 UNIDAD 7: MUESTREO Objeto de las ténicas de muestreo. Conceptos de: poblacién, muestra, parémetro y estadistico. Muestreo aleatorio. Distintos procedimientos de muestreo aleatorio y no aleatorio; muestreo simple, estraficado, proporcional, sistemético, plu- rietipico, accidental e intencional. La aleatorizacién en el disefto de experimentos. UNIDAD 8: ESTIMACION DE PARAMETROS EI problema de la estimacién de parmetros. La distribucién de estadisticas de muestreo. Intervalos y limites fiduciales. Estimacién de una media y una proporcién paramétricas, con muestras grandes y pequefias. Ejemplos en psicologia y Ciencias Sociales, UNIDAD 9: PRUEBA DE HIPOTESIS El problema, Concepto de prueba de significacién estadistica. Hipétesis nula y alternativa. Distribucién de muestreo. Zonas de aceptacién y rechazo de la hipétesis nula, puntos criticos. Nivel de significaci6n. Errores en la prueba de hipo- UNIDAD 10: LA DISTRIBUCION "t” DE STUDENT Pruebas de diferencias entre medias, con muestras grandes y pequefias, independientes y correlacionadas. Pruebas de diferencias entre proporcionales con muestras grandes e independientes. Prueba de significacién del coeficiente de Pearson. Uso de las tablas de la funcién "t". Pruebas de significacion de los coeficientes de Spearman y Tau de Kendall. Ejemplos de aplicacion, UNIDAD 11: LA PRUEBA DE JI CUADRADO Prueba de la independencia de los atributos. Frecuencias observadas y frecuencias esperadas por hipétesis mula, Grados de libertad en una tabla de doble entrada. Uso de las tablas de Ji cuadrado. Ejemplos de aplicacién en psicologia y Ciencias Sociales. El coeficiente de contingencia de Pearson, UNIDAD 12: LA PRUEBA DE LA MEDIANA Casos en que debe utilizarse la prueba de la mediana. Las hipotesis, La distribucién y la mediana combinadas. Aplicaci6n de la distribucion de JI cuadrado para probar hipétesis sobre medianas.8 Psicoestadisticas TEMAS DE TRABAJOS PRACTICOS 1) Analisis de datos en escalas nominales; distribucién de frecuencias representaciones graficas, anilisis de tablas de doble entrada. 2) Anflisis de datos en escalas intervalares y proporcionales; distribucién de frecuencias, representaciones grificas, célculos e interpretaciones de medidas de tendencia central y de variabilidad. 3) — Aniilisis de regresién; representaciones grdficas, cdlculo de la ecuacién de regresin: y del coeficiente de Pearson. BIBLIOGRAFIA MURAT, Franco: Estadistica aplicada a las ciencias de la conducta - Tomo I y I. U.N.C. 1971. BLALOK H.: Estadistica social. Fondo de Cultura Economica, 1986. SMITH, G.W.: Estadistica simplificada para psic6logos y educadores. E] Manual Modemo. México 1971. GARRET HLF. Estadistica en psicologia y educacion. YOUNG R. Y BELDMAN D.J.: Introducci6n a la estadistica aplicada a las Ciencias Sociales de 1a conducta. Trillas. México 1973. SIEGEL S.: Disefio experimental no paramétrico - Trillas 1970. FISCHER H.: Estadistica aplicada a la psicologia. Paidés. MEYER D.L.: Las estadisticas en la educa Ed. Troquel, WEINBERG S.L. y GOLDBERG KP.: Estadistica basica para las ciencias sociales. Interamericana, 1982. DOMENECH MASSON J. M.: Métodos estadisticos para la investigacion en ciencias humanas. Herden, 1975. SIERRAS BRAVO R.: Ciencias Sociales. Anilisis estadistico y modelos matematicos. Paraninfo. 1981.Psicoestadisticas 9 MAYNTZ R. HELM H Y HUBNER P.: Introduccién a los métodos de 1a sociologia empirica. Alianza Universidad, 1980. MURAT F.: Temas de metodologia de la investigacién - Editorial Tapas 1982. MURAT F.: Metodologia de la Investigacion: guia para un curso de postgrado. U.N.C. 1981, GUILFORD J.P. y FRUCHTER B.: Estadistica Aplicada a la Psicologia y a la Educacién. Mc Graw Hill, México, 1978. CLEGG F.: Estadistica fécil aplicada a las ciencias sociales. Editorial Critica, Barcelona, 1984. FERGUSON G. A. : Anilisis estadistico en educacién y psicologia. Ed. Amaya, Madrid, 1986. DOMENECH J. M. y RIBA M. D. : Problemas de Estadistica aplicada a la Psicologia. Ed. Herdor, Barcelona, 1982. Los siguientes textos en inglés se encuentran en Biblio- teca: BLOMMERS P.: Elementary stastitical methods in psychology and education, DUBOIS : An introduction Psychological statistic, MC NEMAR: Psychological statistic. LEWIS D.: Cuantitative methods in psychology. HAYS W.L.: Statistics. GULFORD J.P.: Fundamental statistics in psychology and education. LiVIO P. GRASSO Profesor Titular PsicoestadisticaPsicoestadisticas 11 EJEMPLOS DE PREGUNTAS DE EXAMEN Las respuestas comrectas y la forma como deben expresarse las respuestas queda ejemplificado en la "Hoja de respuestas* que acompaia a estas preguntas. x4 1) En una escala nominal, los simbolos numéricos: A) Solo designan categorias B) Expresan orden ©) Expresan distancias D) Indican orden y distancia 2) En una escala ordinal los simbolos numéricos indican: A) orden y proporcionalidad de Jas distancias B) orden solamente C) proporcionalidad de las distancias tnicamente D) porporcionalidad de las distancias y valores absolutos. 3) El empleo de simbolos numéricos es imprescindible en: \A) todas las escalas de medicién B) escalas nominales y ordinales tnicamente ©) ninguna escala D) escalas intervaleres y proporcionales tinicamente. 4) De algunas personas se dice que poseen “altas" aspiraciones y de otras que poseen solo aspiraciones "modestas”. En estos juicios esta implicita una escala, A) Nominal 7 B) Ordinal ©) Intervalar D) Proporcional 5) El modo es una medida de: Ay tendencia central B) variabilidad ) asociacion D) asimetria 6) La representacién grafica de datos de escalas nominales se efectiia con un (una): A) Histograma @pingame de barras C) Poligono de frecuencias Ojiva12 Psicoestadisticas Considére los siguientes datos: x Arquitectura 4 Ingenieria 10 Geologia 20, Biologia 3 Quimica ~ 3 7) La categoria modal (modo) es: A) Arquitectura B) Quimica G Geotogia D) 20 8) _ La frecuencia relativa (f) correspondiente a Ingenieria es: A)50 BY 10 30 =D) 25 Considere la tabla de doble entrada: 9) La inspeccisn de los datos sugiere que entre las dos variables de clasificacién existe: .) Independencia B) Asociacién perfecta Asociacion fuerte D) Asociacion muy débil 10) El coeficiente Q de Kendall en esa tabla alcanzaria un valor: A) de cero (B) préximo a 1 ©) de 1 D) proximo a ceroPsicoestadisticas 13 FACULTAD DE FILOSOFIA Y HUMANIDADES ESCUELA DE PSICOLOGIA CATEDRA DE PSICOESTADISTICA Nota Puntaje HOQJA DE RESPUESTAS Instrucciones: En el circulo de la izquierda de cada fila escriba la letra y néimero del circulo del Angulo superior derecho de lz hoja con preguntas. Anote la letra que precede a Ja respuesta que considere correcta en el cuadro comespondiente al niimero de la pregunta que responde. No haga marcas en las hojas con preguntas y responda a todas las preguntas. Use este espacio para calcular, no marque las hojas con preguntas APELLIDO Y NOMBRES FIRMA I. FECHA: dia mes aioPsicoestadisticas 15 CAPITULO I La estadistica en la psicologia Para comprender lo que es la estadistica, es conveniente, en primer lugar, abandonar la concepeién ingenua que ve en ella un mero conjunto de tabulaciones y cuadros donde se registran extensas listas de cifras, indices 0 porcentajes, como por ejemplo: cantidad de nacimientos 0 defunciones, listas de precios al consumidor, niimero de alumnos matricula- dos, resultados de partidos de fatbol, ete. Podriamos decir que estas tabulaciones s6lo constituyen, a veces, cuando se elaboran para este fin, el primer paso de la aplicacién de la estadistica al estudio de un fenémeno. También es conveniente abandonar conceptos muy generalizados que, con sentido del humor, expresan una cierta reputacién de la estadistica, originados en usos equivocados, simplistas 0 malintencionados, como: es el arte de mentir con nimeros, un método para probar todo aquello que se desea probar, recurso infalible para que algo parezca cientifico. La estadistica no es una coleccién de hechos y, como se vera en seguida, tampoco un modo de proceder opuesto al pensamiento tedrico, Conviene efectuar una distincién entre estadistica descriptiva y estadistica inferencial. La estadistica descriptiva es un conjunto de procedimientos para describir, resumir y analizar datos referentes a un determinado aspecto de la realidad, de modo que estos dafos se puedan emplear mejor o de una forma mis itil o significativa. Utilizamos conceptos de la estadistica descriptiva toda vez. que hablamos de: nimero romedio de afios de escolarizacién de una poblaci6n, la proporciGn de poblacion de entre 6 y 14 altos que esta escolarizada (asiste a la escuela), Ia incidencia de déficit intelectuales en la poblacién escolar de nuestro medio, la tasa de recuperacién en los hospitales psi tricos, los porcentajes de alumnos que abandonan la escuela primaria antes de completar el16 Psicoestadisticas ciclo, el porcentaje de alumnos repetidores, 0 de analfabetos, tasas de aleoholismo, cociente intelectual, nfimero promedio de ensayos para efectuar un aprendizaje, nimero promedio de errores en una prueba de ortografia, temperatura media de una regién, promedio en el secundario, indices de costo de vida o de su aumento. "En la investigaci6n social, una persona se encontrara a menudo en Ia situacion de disponer de tantos datos, que le resulte dificil absorber la informaci6n entera. Puede haber reunido 200 cuestionarios y preguntarse con todo embarazosamente, "qué hago con todo ello". Con tamafia informacién habria de resultar excesivamente dificil, excepto tal vez. para las mentes extraordinariamente fotogréficas, captar intuitivamente lo que los datos con- tienen, En una forma u otra, pues, la informacién ha de reducirse hasta un punto en que pueda verse claramente lo que hay en ella: ha de resumirse. Con el empleo de medidas de célculo: porcentajes, promedios, desviaciones estindar y coeficientes de correlaci6n, resulta posible reducir los datos a proporciones manuables. Al resumir los datos sustituyendo ‘grandes cantidades por unas pocas medidas, cierta informacién ha de perderse necesa- riamente y, 10 que es mas grave, es posible obtener resultados engahadores, a menos que se los interprete con mucha precaucién. De ahi que convenga indicar claramente las limita- ciones de toda medida resumida". (Blalock, Estadistica Social, 1966). En la estadistica inferencial se estudia un conjunto de procedimientos para extender Jas conclusiones que se obtienen en una muestra, a la poblacién general que es objeto de estudio. Por ejemplo, se desea conocer qué proporcién de los alunos que cursan el primer grado de la escuela primaria de nuestra ciudad son repetidores (repiten el grado). La totalidad de alumnos inscriptos en primer grado en nuestra ciudad es la poblacién de interés en el estudio. Se trata de obtener un indicador que permita describir esta poblacién en cuanto a los alcances del problema de la repeticién de grado. Observar cada uno de estos niios para determinar si repite o no de grado, es un proceso largo y costoso que se puede obviar gracias a los procedimientos de muestreo que ofrece la estadistica inferencial. Es posible considerar solo una parte de la poblacién, esta parte se denomina muestra, y puede ser mucho menor que 1a poblacién. Luego obsecvamos la proporcion de alumnos repetidores en la muestra y, si se dan ciertas condiciones, es posible demostrar que muy probablemente, 1a proporcién de repetidores en la poblacién se halla entre un cierto valor minimo y un valor maximo, es decir, hemos "estimado" la peoporcién de repetidores en la poblacién total. Asi, por ejemplo, si en la muestra encontramos que el 40 por ciento de los alumnos son repetidores, podemos generalizar a la poblacién diciendo que la proporcién de repetidores en ella muy probablemente esté entre 38 por ciento y 42 por ciento. Para poder legitimamente efectuar esta generalizaciOn, ia muestra deber ser extraida de acuerdo a procedimientos que prescribe la estadistica inferencial (debe ser una muestra aleatoria) y la generalizacién s6lo puede efectuarse afirmando que el valor buscado se halla dentro de ciertos limites que se determinan también por mediio de la estadistica inferencial (obsérvese que se ha generalizado en términos de un intervalo que muy probablemente incluye el valor de Ja poblacién en cuanto al fenémeno que se esta estudiando). El ejemplo ilustra lo que dentro de la estadistica inferencial se denomina estimacién de parametros a partir de resultadosPsicoestadisticas 17 -muestrales (parémetro es un valor que una cierta variable (") toma en una poblacién y puede ser distinguido del correspondiente valor muestral; el valor muestral de una variable puede ser muy semejante a su valor poblacional o paramétrico, pero dificilmente sea exactamente el mismo). En relacién a lo dicho, surgen muchas preguntas: {Se puede efectuar semejantes generalizaciones de los resultados? Si se puede, cuando? jEn qué condiciones? ,Qué margen de error comporta esa generalizaci6n? ;Cémo reducir ese margen de error? {Cuando ‘una muestra es representativa de una poblacién? {Como se obtienen muestras representati- vas? {De qué tamaiio deben ser las muestras? ;Es importante el tamafio de las muestras? Respuestas a estas y otras preguntas son ofrecidas por la estadistica inferencial en sus capitulos "Muestreo” y "Estimacién de parémetros", Se estudia también en la estadistica inferencial, una serie de procedimientos para decidir acerca de 1a verosimilitud o plausibilidad de un conjunto de hipétesis. Este capitulo de la estadistica se llama "prueba de hipstesis". En otros términos, se trata de un conjunto de procedimientos para examinar diferentes hipétesis que pueden formularse en relacion a ‘un determinado problema o fendmeno que se desea investigar. Se entiende que precisamente en esto reside el principal valor de esta disciplina, tal como se aplica en psicologia y al mismo tiempo debe reconocerse que este punto no siempre es de comprensién fécil, ain cuando se hayan aprendido detalles de procedimiento y técnicas estadisticas especificas. EI problema reside aqui en determinar a la luz de los elementos de juicio que se obtienen en una (0 algunas) muestra, si una determinada hipotesis que se refiere a toda la poblacién puede ser considerada valida (verosimil) 0 no. Asi, por ejemplo, podemos proponer las siguientes hipdtesis: los nifios adquieren las nociones de "mas" y “menos” antes que las de "igual" y "diferente"; el déficit alimenticio en la temprana infancia conduce a retardos en el desarrollo intelectual del nifio; 1a repeticién de grados se produce con mayor frecuencia en los estratos sociales bajos que en los altos; en 1a educacién de infradotados el método A es superior al método B; la reclusi6n en hospicios afecta el desarrollo de la personalidad de! niiio; en la prueba de psicodiagndstico de Rorschach, los sujetos asmiticos dan respuestas clasificadas como "hostiles" con mayor frecuencia que los sujetos clinica- mente sanos; la motivacion influye en la percepcién. En cada caso, una vez propuesta la hipotesis, se tratara de decidir acerca de su validez, 0 sea, si resulta sostenible a la luz de los elementos de juicio disponibles o bien si debe ser rechazada sobre esas bases. Brevemente, la estadistica inferencial en el capitulo denominado prueba de hipétesis nos o- frece los medios para efectuar las observaciones y comparaciones para decidir racionalmente cuél de dos o mas hipétesis (incompatibles entre si) es mas verosimil a la luz de los datos, disponibles. * Con el término “variable se designa un atributo o aspecto cualquiera de cosas, sujetos 0 scontecimientos, que pueden asumir diferentes valores o expresiones. Por ejemplo: sexo, edad, capacided intelectual.18 Psicoestadisticas Se presentaran a continuacién algunas nociones elementales de epistemologia, a los fines de Hegar a comprender la funci6n de la estadistica en el contexto integral del proceso de adquirir conocimientos, haciendo especial referencia a 1a psicologia. Definiremos una hipétesis como una proposicién de la cual es posible en principio decir que es verdadera 0 falsa (obsérvese que existen expresiones de las cuales no es posible decir si son verdaderas 0 falsas: exclamaciones, ruegos, 6rdenes, expresiones de anhelo, etc,), Esta definicién no coincide con Ia de sentido comin que concibe una hipétesis como ‘una afirmacién dudosa y poco verosimil. En cambio, con respecto a una hipdtesis, en un momento dado, diremos que ha recibido 0 no apoyo a partir de Ia investigacién efectuada, que se dispone 0 no de elementos de juicio en favor o en contra de ella, que ha sido corroborada 0 no, etc. Conviene distinguir entre 1o que los 1égicos llaman contexto de descubrimiento” y contexto de justificacién". Con la expresién "contexto de descubrimiento” se alude a aquellas cuestiones relativas a cémo una persona llega a plantear conjeturas, hipotesis o afirmaciones acerca de un fen6meno de la realidad. La pregunta aqui es: Como surgen las hipétesis? No es necesario dar aqui una respuesta a este problema, que en buena medida es de naturaleza psicol6gica. De él se ocupan la historia de las ciencias y la sociologia de las ciencias. Las respuestas parciales que se han propuesto para la pregunta en cuestion aluden a: la percepcién de un problema, la observacién de hechos 2 la que sigue luego una generalizacién, los conocimientos previos que se tienen sobre un dominio de la “realidad”, valoraciones personales compartidas, etc. De cualquier modo, es dificil proponer reglas o principios stiles para llegar a concebir ideas o hipétesis, El punto de interés para nosotros se refiere al "contexto de justi- ficacién’. Con esta expresién se alude a aquellas cuestiones relativas a 1a validacién del conocimiento, A riesgo de parecer repetitivos, diremos aqui que una vez formulada 0 Propuesta una hipétesis susceptible de ser sometida a la prueba de contrastaci6n, sobre un cierto sector de 1a realidad, cualquiera sea el medio como se leg6 a ella, surgira la pregunta acerca de la validez de nuestra afirmacién, acerca de su verdad o falsedad, acerca de su verosimilitud. Los problemas del "contexto de justificacién" son de naturaleza légica y metodologica; hacen referencia a la legitimidad de las inferencias logicas y al significado de la observacién sistematica. En este dominio es posible establecer principios y reglas de procedimientos que nos aseguren la correccién de nuestras decisiones con respecto al grado de verosimilitud de las hipétesis. La contribucién de la estadistica al pensamiento cientifico se da en este contexto, Es posible concebir estos dos contextos como dos momentos del pensamiento cientifico que se siguen en el tiempo; si bien es posible que reflexiones de uno y otro contexto se presenten simultineamente. Lo que importa es que desde el punto de vista égico, la distincién es real. Para un examen més detenido de las cuestiones pertinentes al "contexto dePsicoestadisticas 19 justificacién" distinguiremos en el discurso cientifico, téminos empiricos y téminos te6ricos, que se refieren respectivamente a objetos empiricos y objetos tedricos. Distinguimos entre estos dos tipos de objetos, segin la manera como accedemos a su conocimiento. Los objetos empiricos se ofrecen directamente a la prictica, la observacién y la experimentaci6n. Son ejemplos: las indicaciones en un dial, una determinada expresion verbal de un sujeto, el resultado en una prueba psicolégica, la respuesta a una pregunta, un determinado comportamiento. Los objetos te6ricos son captados de manera mas indirecta a través de deducciones, conjeturas e inferencias. Son ejemplos: campo eléctrico, atomo, gen, superyo, inconsciente, necesidad, motivacién, habito, instinto, expectacién, anticipacién, libido, catexis, actitud, etc. Las nociones de objeto empirico y objeto tedrico son anélogas a las de “indicadores operacionales" y “constructos” en la epistemologia de la escuela neopositivista, Con estos términos (empiricos y te6ricos) y con la ayuda de las reglas de la logica, las reglas sintacticas, el vocabulario légico y/o matemético y el vocabulario de teorias presupuestas, se formulan las proposiciones y enunciados que hemos llamado hipétesis. Convendra distinguir tres clases de enunciados: Un primer tipo seré el de los enunciados basicos (0 enunciados empiricos basicos). Se trata de proposiciones singulares que se refieren a uno o algunos determinados objetos 0 sujetos, y predican la presencia o ausencia de alguna propiedad o relacién directamente observables, La verdad o falsedad de estas afirmaciones se establece directamente a partir de la observacién, y nuestra decision al respecto es segura, ya sea en sentido de una verificacion o u#la refutacién. Si bien son importantes, con S6lo este tipo de enunciados no podemos llegar al conocimiento cientifico. Ejemplos son: "Este sujeto vio frustradas sus necesidades orales en la temprana infancia"; “Los sujetos que integran este grupo aqui y ahora dan respuestas “hostiles" en la prueba de Rorschach"; "estos nifios no poseen las nociones de conservacién de los volimenes" Un segundo tipo de enunciados incluye a las lamadas generalizaciones empiricas. Afirman la presencia o ausencia de un atributo o relacién para toda una clase de objetos empiricos. Estos enunciados se obtienen por "induccién" a partir de algunas observaciones pero no son susceptibtes de verificacién efectiva y concluyente toda vez. que implican un nimero indeterminado de objetos y la observacién s6lo es posible para un rrimero limitado. Admiten en cambio su refutacién terminante, dado que un ejemplo en contra es suficiente para invalidar la generalizacién que se propone (*) * Pueden distinguirse diversos tipos de generalizaciones empiricas. Convene en psicologie referirse brevemente a uno de ellos, el de las generalizaciones de naturaleza probebilistica, por la frecuencia con ‘que se presentan en esta disciplina, Nos referimos a afirmaciones que enuncian tendencias, las que explicita o implicitamente se refieren @ "la mayor parte de las veces", en “la mayor parte de los casos”, ete ‘Queda claro que un caso en el que no se verifique lo afirmado por esas proposiciones no las invalide, pues std previsto ya en el enunciado. Por ejemplo, la anterior afirmacién: los sujetos asmiéticos dan un alto pporcentaje de respuestas hostiles en la prucha de Rorschach, expresa, rigurasamente hablando, que estos sujetos tienden a dar altos porcentajes de tales respuesias, siendo esto Io caracteristico. Se admite asi que (continda...)20 Psicoestadisticas Desde el punto de vista del conocimiento, estos enunciados son més importantes que los precedentes, pero mas inseguros. Ejemplos son: “Ios enfermos asméticos dan un alto porcentaje de respuestas "hostiles" en la prueba de Rorschach”; "Jos nifios de 4 afos no poseen 1a nocién de conservacién de los volimenes"; "a mayor edad, mayor proporcién de respuestas de conservacién en los niftos"; "las lesiones en el 16bulo prefrontal producen modificaciones de la personalidad”, Un tercer tipo esta conformado por afirmaciones que aluden a entidades u objetos teéricos, que llamaremos enunciados tedricos. Estas proposiciones son las de mayor importancia en la constitucién del conocimiento pero son al mismo tiempo las mas in- seguras pot cuanto su verificacién 0 refutacién es particularmente dificil. A estas Proposiciones no se llega por mera generalizaciOn y su verificacién no es posible por la observaci6n directa, Ejemplos son: "El aumento de catexias en el aparato psiquico acrecienta el displacer"; "El grado de generalizacién depende de la intensidad de la motiva- cién” (en reflexologia); "La fuerza del impulso de agresién es funcién de la magnitud de frustracion". Estos tres tipos de enunciados definen tres niveles, de menor a mayor distancia con respecto a lo empiricamente dado y también con respecto a la garantia de verdad fundada en la observacién. El problema es entonces como decidiremos acerca del valor de verdad de las proposiciones del segundo y tercer tipo. Reservamos el nombre de teoria cientifica a un conjunto de proposiciones de los tres niveles, con por lo menos una del segundo o tercer nivel. Estas proposiciones estin Iégica y sisteméticamente relacionadas. Algunas proposiciones podrén considerarse "fundamentales" en el sentido de que no pueden ser derivadas de las otras que también pertenecen a la teoria y correlativamente tendremos proposiciones que llamaremos hipotesis derivadas, ues se deducen de las fundamentales. Entre estas iltimas existen las llamadas consecuencias observacionales 0 predicciones, que son afirmaciones del tipo correspondiente al primer nivel y que por lo tanto pueden ser verificadas o refutadas con fundamento en la observacién, Los epistemslogos consideran que es propio de las ciencias ffacticas someter a prueba (6 contrastar) los enunciados teéricos (hipétesis de tercer nivel) segin un esquema al que se ha denominado método hipotético-deductivo, el cual prescribe, en lineas generales, que para Contrastar un enunciado tedrico es necesario derivar de 61 consecuencias observacionales 0 predicciones. Si a la tuz de la observaci6n sistematica o la experimentacién concluimos que las consecuencias observacionaies son verdaderas, entonces nos inclinamos a considerar como verdaderos, plausibles o verosimiles los enunciados te6ricos de los que se derivaron; si las consecuencias observacionales resultacan falsas, entonces afirmamos la (...continuacién) ‘pueda oourrir que algunos, los menos, no contesten de esa forms la mencionade prueba, un sujeto que se aparta de esa “tendencia’ no os un ejemplo en contra; si constituye tal ejemplo la observacién de un niimero suficientemente repreeentativo de sujctos esmiticos, la mayor parte de los cuales no exhiben altos, ‘porcentajes de respucstas "hostiks’Psicoestadisticas 21 falsedad de los enunciados tedricos de los que se parti Resulta evidente que para poder aplicar este paradigma es necesario que los enunciados teéricos posean consecuencias observacionales, y ese no es siempre el caso. De modo que puede considerarse también como propio de las ciencias fécticas el que sus enunciados tedricos posean este tipo de consecuencias. EI proceso de derivar consecuencias de un enunciado teérico no siempre es inmediato, Usualmente, entre el enunciado te6rico y una de sus consecuencias observacionales se interpone una cadena de inferencias deductivas que se expresa en hipétesis derivadas que no poseen caracter observacional, las cuales deben combinarse con proposiciones que provienen quizés de otras teorias (a las que se da el nombre de Teorias o hipotesis presupuestas) y con otras proposiciones a las que se denomina hipétesis colaterales; que se refie~ ren (como se veri en un ejemplo) a ciertos dominios muy especificos. Este punto resultaré aclarado por el siguiente ejemplo, que ilustra el proceso de contrastar un enunciado teérico mediante el método hipotético-deductivo, y nos permitira apreciar dénde se insertan los procedimientos y conceptos estadisticos. El ejemplo se refiere al problema de los efectos de las respuestas afectivas sobre la memoria, y consiste en una version simplificada de una experiencia levada a cabo realmente (Rosenthal, 1944). Es algo generalmente constatado, que "se recuerdan mejor los hechos agradables que los desagradables’, Este enunciado puede ser considerado como una generalizacién empirica. A los fines de ofrecer una explicaci6n, se propone la siguiente hipétesis: la inhibici6n de los recuerdos es el resultado de la actividad de los mecanismos de defensa del yo, especificamente la represiOn. Es decir, los afectos penosos o peligrosos para el yo se rechazan de la conciencia y su evocacién se toma dificultosa. Esta hipétesis esta formada por enunciados teéricos; incluye términos tedricos que se refieren a objetos de igual naturaleza: inhibicién de los recuerdos, mecanismos de defensa del yo y represién, Estos conceptos provienen del contexto de la teoria psicoanalitica. Para contrastar esta hipétesis, sera necesario derivar una o algunas consecuencias observables. A este propésito la siguiente hipétesis (hipétesis colateral) puede sernos de utilidad: 1a actividad de los mecanismos de defensa del yo no es siempre igual; a veces se ve reducida en su severidad. Por ejemplo, al comienzo de un tratamiento psicoterapéutico la actividad de los mecanismos de defensa de un paciente es mucho més intensa que en etapas posteriores, ya que, como consecuencia del tratamiento, las defensas tienden a debilitarse. ‘Tambien es posible reducir la actividad de estos mecanismos por medio de la hipnosis 0 por medio de drogas. (Notese que esta iltima oracién es una segunda hipétesis colateral que introducimos). A partir de la hipétesis formulada por enunciados teéricos y 1a primera de las22 Psicoestadisticas hipétesis colaterales enunciadas, podemos llegar a las siguientes consecuencias: a) respuestas mneménicas que se adquieren en una situaci6n ansigena (se asociarén con afectos penosos) serén inhibidas cuando se intente su recuerdo en situaciones de fuerte actividad de los mecanismos de defensd. b) esas mismas respuestas se evocarin més ficilmeate en situaciones capaces de reducir la actividad de los mecanismos de defensa. ©) _ si se trata de recuerdos adquiridos en situaciones no ansidgenas la evocacién sera igualmente facil en cualesquiera de los dos estados de actividad de los mecanismos de defensa. Si ahora introducimos 1a segunda hipétesis colateral enunciada (durante e trance hipnético ligere disminuye la actividad de los mecanismos de defensa), podemos llegar a consecuencias objetivamente observables, Se tendra: a) —_respuestas mneménicas adquiridas en una situacion ansiégena, se recordarén mejor durante un trance hipnotico ligero que en estado de vigilia (yo atento); b) respuestas aprendidas en situaciones no ansidgenas ("neutras") se recordarin igualmente bien en estado de vigilia y en trance hipnotico. Ahora s6lo resta concebir una situacién en la que se puedan efectuar las observaciones y comparaciones necesarias para decidir acerca de la veracidad o falsedad de las consecuencias observacionales. El experimento se resume en el siguiente cuadro. Vigilia__Hpnosis G 1 (10 sujetos) situacién "NO ansiogena 8 . G 2 (10 sujetos) situacién "ansiogena" 2 10 Se ha dispuesto un grupo de 10 sujetos (1) que efectia el aprendizaje, por ejemplo, de una lista de palabras "neutras" (que supuestamente no tienen referencias emocionales para los sujetos) en una situacién no ansidgena. Luego se examinara el recuerdo en el estado de hipnosis y en estado de vigilia. Otro grupo de 10 sujetos (II) aprende la misma lista, pero en una situacién que puede describirse como ansiégena, y se procedera luego a examinar el recuerdo en estado de hipnosis y de vigilia (°). Las cifras que aparecen en las dos iiltimas columnas de la tabla indican el nimero promedio de respuestas que los sujetos de cada grupo pudieron evocar, en un tiempo determinado, en cada una de las condiciones de vigilia o hipnosis. > El experimentador indujo un estado ansioso en los sujetos eritcando abiertamente el procedimiento due adoptaban pare aprender la lista de memoria. Proposiciones como fa siguieni: Ios sujetos del grupo TT aprendieron en uns situsci6n ansi6gena”, se denomsinan "condiciones iniiales". Debe suponerse que esta proposicién es verdadera para poder considerarvilidos los resultados del experiments.Psicoestadisticas 23 Examinense ahora los resultados presentados en ‘a tabla, Concuerdan con ia redicci6n expresada en las consecuencias observacionales, ya que, efectivamente, los sujetos que hicieron su aprendizaje en una situacién ansiégena recordaron mejor el material aprendido, cuando fueron examinados bajo hipnosis (el promedio es de 10 respuestas por sujeto) que cuando fueron examinados en estado de vigilia (el promedio aqui es solamente de 2 respuestas por sujeto). Por otro lado, los sujetos que aprendieron en una situacién “neutra" no muestran mayores diferencias en cuanto al recuerdo, en las dos situaciones en que se efectiie el examen. La diferencia de una unidad puede ser considerada despreciable, sobre todo si se la compara con la amplia diferencia observada en el otro grupo. Concluiremos, entonces, que las consecuencias observacionales han sido verificadas, Jo que mos lleva a decidir en favor de la hipotesis 0 enunciado tedrico de donde partimos, en el sentido de que, en base a los elementos de juicio con que se cuenta, podemos considerarla como verosimil. De ser los resultados incoherentes con lo previsto en las consecuencias observacionales, habriamos decidido en contra de la hipotesis tedrica original considerindola como falsa, Se ha Ilevado asi a cabo la contrastacion de aquella hip6tesis, por medio del método hipotético-deduetivo. Algo més hemos de decir acerca del resultado de esta contrastaci6n, pero seftalemos antes dénde han intervenido los conceptos y técnicas estadisticas en este ejemplo. En primer lugar, los conceptos de la estadistica inferencial intervienen en la concepeién de la experiencia donde se efectian las observaciones pertinentes. Asi, por ejemplo, es obvio que nuestro enunciado teérico se refiere a una amplia poblacién de sujetos: a todos los seres humanos, o por lo menos a los miembros de una determinada cultura, Poco interesaron los resultados de las observaciones efectuadas en unos pocos individuos especificos, si no podemos generalizar. En este sentido, el conjunto de sujetos que hemos estudiado debe ser considerado una "muestra" de una poblacién mas amplia en Ja cual estamos interesados. Como se ita mencionado ya, un capitulo de la estadistica inferencial nos provee de Técnicas de muestreo y de procedimientos para generalizar a partir de una muestra con un mergen conocido de confianza; estos conceptos y procedimientos pueden ayudamos a resolver, por lo menos en parte, el problema de extender los resultados de experiencias como la presentada. En segundo lugar, considérese cémo ha sido disefada esta experiencia. Se ha dispuesto dos grupos, cada uno de los cuales aprende en una situacién diferente, Para que Jos resultados sean significativos, estos dos grupos deben ser comparables entre si en una serie de aspectos vinculados con aquellos que se estén estudiando. Supongase que los sujetos de un grupo poseyeran una mayor capacidad retentiva que los del otro; o bien, que Jos miembros de uno de los grupos tuvieran mayor resistencia a la hipnosis que los del otro, En ambos casos las comparaciones entre los resultados se verian en cierta manera ‘oscurecidas. Los conceptos de muestreo aleatorio, (aleatorizacién: asignacién de sujetos al azar) propios de la estadistica inferencial, pueden ayudamnos a conformar, a partir del conjunto inicial de sujetos, dos subgrupos suficientemente equivalentes en cuanto a las caracteristicas importantes en el estudio, para que los resultados posean un significado claro.24 Psicoestadisticas En tercer lugar, obsérvese que se han asignado 10 sujetos a cada grupo. Podriamos haber trabajado con 2, 5, 20 'o 100, 0 cualquier numero de sujetos en cada grupo. La estadistica inferencial nos provee de conceptos para estudiar el problema de! nimero de observaciones necesarias para garantizar una decisién con el menor margen de error posible. En cuarto lugar, obsérvese que ha debido describirse el resultado del examen efectuado para verificar la retencién de los sujetos en vigilia y bajo hipnosis. En nuestro ejemplo esa descripeién ha consistido en el recuerdo de palabras que cada sujeto era capaz de evocar en cada situacién, pero podrian haberse ideado otros procedimientos, Problemas similares constituyen el campo de estudio de 1a Psicometria, disciplina en la que son fundamentales los conceptos estadisticos, En quinto lugar, obsérvese que luego de efectuar el examen a cada sujeto en vigilia y bajo hipnosis, contamos con 40 observaciones, cada una de las cuales se expresa por un valor numérico. Si hubiésemos utilizado 100 sujetos por grupo, habriamos terminado con 400 observaciones y otros tantos valores numéricos, Analizar y efectuar comparaciones entre tantas observaciones seria imposible si no se contara con recursos para resumir esa informacion de manera significativa. En el ejemplo, las observaciones comespondientes a cada grupo en cada situacién (10 observaciones) se han reducido a un tinico valor, un Promedio, que entendemos resume y representa los 10 valores observados (del mismo modo, por ejemplo, que el promedio en la escuela secundaria resume y representa la totalidad de las notas obtenidas por un alumno). De este modo, el conjunto de observaciones se ha reducido a 4 valores, con los que podemos fécilmente efectuar las comparaciones necesarias. Es propio de la estadistica descriptiva el estudio de los indices que nos permiten resumir Y describir un conjunto grande de observaciones. El promedio (més exactamente, la media aritmética, en nuestro caso) es un concepto de la estadistica descriptiva. Por iiltimo, con esos promedios hemos efectuado algunas comparaciones; hemos comparado el promedio para el grupo de aprendtzaje en situacién ansiégena, examinando en estado de vigilia con el correspondiente al examen en estado de hipnosis y hemos concluido intuitivamente, que la diferencia en favor del valor correspondiente a ia altima situacién de examen es suficientemente grande para poder afirmar con confianza que las dos situaciones producen efectos diferenciales. Al comparar los promedios de los sujetos que aprendieron en la situacién "neutra, observamos que el promedio correspondiente al examen bajo hipnosis es mayor que el otro, pero intuitivamente concluimos que la diferencia es "despreciable" y sostenemos que para este grupo de sujetos las distintas situaciones de examen no tuvieron un efecto diferencial. La consideracién que subyace a nuestras conclusiones "intuitivas” podrian formularse del siguiente modo: es imposible esperar que organismos vivos, (en este caso, el hombre) en dos situaciones equivalentes, se comporten exactamente del mismo modo o den exactamente las mismas respuestas. Por el contrario, se espera algin grado de variacién, no como consecuencia de que las condiciones sean diferentes, sino como resultado de los infinitos factores que influyen sobre el comportamiento.Psicoestadisticas 25 Ahora bien, en ausencia de una regla, podriamos discrepar con respecto a si considerar despreciable o no una diferencia observada, o si considerar a otra "significativa” © no. En este sentido, en el capitulo sobre prueba de hipétesis de la estadistica inferencial, se proponen y estudian criterios para decidir acerca de la significacion de una diferencia observada entre indices estadisticos. | Resumiendo, entonces, podemos decir que los procedimientos estadisticos se han | introducido para: \ a) planiticar Ia forma con que pueden obtenerse observaciones relevantes para nuestro \ problema, eee b)_analizar las obsecvaciones obtenidas. c) decidir en definitiva acerca de la verosimilitud de las hipétesis que se estan estudiando en base a Jos datos disponibles. i Para concluir este panorama que intenta situar la contribucién de la estadistica en el proceso de contrastar una hipatesis de las ciencias facticas, algo mas debe decirse en cuanto a los resultados de esa contrastacién. Al referimos a las generalizaciones empiricas, sefialamos que un ejemplo en contra es suficiente para considerar como falsa la proposicién, pero por mas ejemplos favorables que presentemos nunca cubriremos, desde el punto de vista observacional, a todas las entidades implicadas en el enunciado. Diremos que los ejemplos favorables incrementan la plausibilidad de la hipotesis. Algo similar hay que agregar con respecto a los enunciados teéricos. Derivamos de ellos consecuencias; si éstas son falsas, consideramos falsas a aquellas. Pero es I6gicamente concebible que la consecuencia sea verdadera y la premisa no. Véase el siguiente ejemplo: “todos los ofidios son venenosos"; “esta serpiente es un ofidio", luego, "esta serpiente es venenosa", Esta diltima afirmacién puede verificarse por la experiencia y podemos concluir que es verdadera. Y sin embargo la primera premisa es falsa, ya que, en efecto, hay ofidios que no son venenosos. En este caso se ha extraido una consecuencia verdadera de una premisa falsa. Por otro lado, si partimos de una premisa verdadera no podemos llegar a consecuencias falsas (siempre que el proceso logico de deducciones sea correcto). De aqui que si encontramos que las consecuencias son falsas podemos concluir taxativamente que la hipétesis tedrica también lo es, pero si las consecuencias son verdaderas no podemos afirmar taxativamente que el enunciado tebrico también lo es; s6lo podemos afirmar que es verosimil, que es plausible, que hemos obtenido apoyo para ese enunciado. Por ello evitamos las expresiones "verificacién de hipotesis", 0 “hipétesis verificada", y las sustituimos por "contrastacién de hipétesis" e "hipdtesis corroborada’’. Asi mantendremos una hipstesis mientras las consecuencias que de ella se deriven se demuestren verdaderas. Pero en un momento dado, sdlo se han examinado algunas de26 Psicoestadisticas las consecuencias que el planteo te6rico puede tener y no otras que pueden derivarse en el futuro. Algunas de estas otras consecuencias podrén eventualmente resultar falsas y en ese momento decidiremos abandonar ese particular planteo tedrico y substituirlo por otro. Por ello es posible la continua substitucién de teories viejas por otras nuevas en la historia de las ciencias; las teorfas nuevas permiten explicar tanto los fendmenos que explicaban las anteriores, como los que dejaban sin explicar (en otros términos, las teorias "nuevas" permiten derivar las consecuencias que se obtenian de las anteriores y también otras que era imposible obtener por medio del planteo previo). Una altima observacién: en ef ejemplo desarrollado hemos podido apreciar que para llegar a consecuencias observables, ademas del enunciado teérico que nos preocupaba, hubimos de recurrir a otros enunciados, que hemos Iamado teorias presupuestas, hipot colaterales, etc. En rigor, entonces, contrastamos tanto el enunciado original como también todos los otros que intervinieron en el proceso. De alli que si una consecuencia observable resulta falsa, hemos de revisar no s6lo el enunciado fundamental sino también los colaterales y presupuestos, pues puede ocurrir que el primero sea esencialmente correcto, pero la incorreccién de algunos de estos iltimos nos haya llevado a una consecuencia falsa.(4) Otro ejemplo mas simple puede ayudar a comprender la funcién de la estadistica. Supéngase que un educador concibe un nuevo método para enseiiar ortografia en tercer grado, (método B). Sostiene que es superior (mas efectivo) que el tradicionalmente usado en el sistema educativo (método A). Si esto es asi, se impondrie, en la conduccién del sistema educativo, emprender acciones que lleven a la adopeién general del método B, En términos de hipétesis, se tiene: una que sostiene que el _método B es mas efectivo que el A (la lamamos hipétesis b);otra que dice que el método B es tan efectivo como el A (hipétesis 0, cero); otra aim puede formularse diciendo que el método B es menos efectivo que el A (hipétesis a). Obsérvese que, desde un punto de vista prictico, a cada una de estas hip6tesis corresponde cursos de accién diferentes que deben contemplarse en la administracién del sistema educativo: innovar en cuanto a la ensefanza de la ortografia en tercer grado 0 no. Interesa luego demostrar la superioridad (si la hay) del método B. Técnicamente, se trata de examinar, a la luz de observaciones sistematicas y controladas, cual de las tres hipotesis es la mas verosimil. Para ello, puede realizarse 1a siguiente experiencia: un conjunto de alumnos (grupo 1) recibiré por tres meses ensefianza con el método A (tradicional) y otro grupo (grupo TI) recibiré ensefianza con el método B (nuevo) por igual tiempo, Se deduce que, en estas condiciones, si el método B es mas efectivo, el niimero de errores de ortografia en una “Bl estudiante que desee ahondar en estas consideraciones epistemoligieas debe dirgise a la literatura sobre logica y ilosofia de las ciencias. Los principales coneepios ytérminos de la exposicion precedentes, se han tomado de: "Estructura y validez. de las teorias cientificas* de Oregorio Klimovsky (en "Métodos de investigacion en psicologia y psicopatologia’, D. Zigiemsky, editorial Nueva Visién, 1971)Psicoestadisticas 27 prueba, que se aplica luego de tres meses, seri menor en el grupo II que en el I; si el método B no es mis efectivo que el A, el niimero de errores en el grupo II sera aproximadamente igual que en el I 0 mayor. Para que estas deducciones y conclusiones sean vilidas, los dos grupos deben ser inicialmente comparables, o sea substancialmente equivalentes al comienzo del experimento, en aquellos aspectos que pueden afectar los resultados en una prueba de ortografia (edad, repeticién de grados, capacidad intelectual, nivel socioeconémico, interés, hébitos de estudio, maestro a cargo de la ensefianza, etc). De lo contrario, un resultado superior en el grupo I podria deberse a que los nifios que lo integran son mas inteligentes, interesados, etc., que los del grupo I y no a que el método B es realmente superior al A. La formacién de grupos equivalentes es un problema especial de muestreo, En la experiencia, interesa también que las conclusiones puedan extenderse a todos los nifios de tercer grado (poblacién) del sistema educativo, en el momento actual y en el futuro, (esta es una poblacién hipotética, la totalidad de cuyos miembros no se puede precisar). El problema de generalizar a partir de muestras es propio de la estadistica inferencial. ‘Supéngase que se efectia el experimento con los siguientes resultados: Promedio de exrores en al prueba de ortografia Alumnos M Grupo N I 300 63 1 200 30 para poder emplear la informacién producida por el experimento, que en principio es el némero de errores cometidos en la prueba por cada uno de los 500 nifios intervinientes, informacién que no puede abarcarse mentalmente en su conjunto si no es resumida en alguna forma. En este momento el estudiante puede preguntarse si el niimero de alumnos diferente en los grupos I y Il puede haber influido en el resultado. Como se vera con cuidado mas adelante, 1) el nimero de observaciones no influye en los valores promedio y 2) lo que es importante, el niimero de observaciones en este experimento es suficiente para utilizar los procedimientos de prueba de hipétesis. Estos procedimientos se hacen necesarios para decidir, finalmente, acerca de cuél de las tres hipétesis es mas verosimil. Podemos descartar facilmente y con cierta seguridad la hipétesis a porque el nimero28 Psicoestadisticas promedio de errores en el grupo II es menor que en el grupo I, de modo que el método B no parece ser menos eficiente que el A. En cambio hemos de resistir la tentacin de concluir desde ya que es més eficiente que el A por cuanto podria ccurrir que ambos fuesen igualmente eficientes y el resultado aparentemente favorable al método B fuese un mero producto del azar, de los miltiples e incontrolables factores que intervienen en la de- terminacién de la conducta humana, 0 sea que Ja diferencia entre los resultados fuese facilmente observable atendiendo a la inevitable variabilidad del comportamiento. Técnicamente, es la diferencia entre los promedios de grupos I y Il "significativa", es decir suficientemente grande como para permitir optar por la hipdtesis b (superioridad del método B) 0 no lo es, debiéndose al azar y Factores no controlados y por tanto hemos de concluir a favor de la hip6tesis 0 (jlos métodos son igualmente eficaces?), Los procedimientos de andlisis para contestar esta pregunta son provistos por la estadistica inferencial (prueba de hipotesis). Resumiendo, y como ya se ha dicho, la estadistica provee un conjunto de procedimientos para analizar, resumir y describir datos, de modo de alcanzar el mejor empleo de la informacién limitada, proveniente de muestras, generalizar a una poblacion completa que es objeto de estudio o interés; asimismo, la estadistica comprende procedimientos para examinar la verosimilitud de diferentes hipotesis que puedan formularse acerca de un problema o fenémeno, a la luz de informacién proveniente de muestras, Podria decirse que la estadistica ha desarrollado técnicas para decidir en situaciones de incertidum— bre. Aqui, “decidir” quiere decir “optar entre diferentes hipotesis concebibles" y también ‘optar entre diferentes cursos de sccién posibles’. De esto iltimo deriva su importancia Practica, Sobre todo en sus aspectos inferenciales, la estadistica es una rama de la teoria de las probabilidades, que es wna parte de la matemética. Es comiin hablar de estadistica te6rica (0 matemitica) y de estadistica aplicada a diferentes campos del saber. La estadistica matematica no es objeto de atencidn-en esta materia. La estadistica aplicada es la misma en cualquier campo, pero, segiin sea éste, se enfatizan unos u otros temas y/o problemas. El uso de metodologia estadistica es muy comiin en psicologia y ciencias sociales. Sin embargo, el estudiante jamas encontrar un concepto estadistico si limita sus lecturas a textos de divulgacién, a manuales de introduccién, a enfoques exclusivamente especulativos 0 filoséficos o a cierta literatura de orientaciones clinicas especiales (una psicologia clinica de orientacién sanitarista y preventiva no puede prescindic de estudios estadisticos). Donde el empleo de Ia estadistica es insoslayable, es en Ia literatura y en ta prictica de la investigacién, En efecto, textos que se limitan a consignar conocimientos bien establecidos y cristalizados, pueden omitir las referencias estadisticas, pero otros que se refieren al conocimiento que esta haciéndose, a los problemas que estén siendo actualmente investigados, dificilmente pueden dejar de lado los aportes estadisticos, como tampoco podria el estudiante cuando intente investigar por su cuenta, Se invita al estudiante a consultar las revistas cientificas que obran en ta biblioteca de la Facultad.Psicoestadisticas 29 CAPITULO II Medicion Al introducir este tema, inevitablemente surgen preguntas a las que se intentaré dar algunas respuestas: Es posible la medici6n en psicologia? Hasta que punto es posible? Cuales son los limites y posibilidades de la medicién en psicologia y otras ciencias sociales? Cual es exactamente el concepto de medir? Cual es la utilidad de las mediciones? Cémo se efectiian mediciones en psicologia y ciencias sociales? De donde derivan los juieios cuantitativos? En el presente texto se darin algunas respuestas a estos interrogantes, se plantea- én algunos problemas y se presentardn las nociones elementales sobre medici6n. El tema es, sin duda, dificil, ha merecido muchas reflexiones y la literatura al respecto es vastisima y compleja. Ha merecido también mucha polémica y debate y no todas las cuestiones vinculadas han sido resueltas hoy satisfactoriamente. Por ello, el tratamiento, del tema en esta materia no puede ser exhaustivo. Es cierto también que su tratamiento a fondo requiete numerosos conceptos estadisticos, al tiempo que introducirse en la estadistica sin algunas consideraciones preliminares acerca de la medicién es inconveniente © imposible, por lo menos en psicologia y ciencias sociales. De modo que las nociones que aqui se presentan apuntan fundamentalmente a permitir y facilitar el estudio de la estadistica y no se pretende alcanzar un examen completo dei tema. El alumno con inquietudes (y dificilmente un estudiante de psicologia podré dejar de experimentar inquietudes sobre este tema) es remitido a la bibliogratia correspondiente. La presente introduccién apunta solamente a proveerlo de los instru- ‘mentos conceptuales basioos para comenzar a explorar esa bibliografia.30 Psicoestadisticas Concepto de medicién En primer lugar, convendra aclarar que toda medicion se refiere a un attibuto, aspecto, dimensién o variable de una cosa o entidad sujeta a observacién, Asi, en rigor, no se mide una mesa sino su superficie, su peso o su altura. Simi- larmente, se mide la estatura de un hombre, su peso, su edad, su capacidad intelectual, sus prejuicios o su neuroticismo; no se mide un grupo, sino por ejemplo, su cohesién; no se mide un sistema social (como por ejemplo el sistema educativo) sino su eficiencia o su productividad o su adecuacién a las demandas sociales Expresiones como "medir el hombre", "el espititu no se mide", “cuantificar el alma", carecen de sentido. En segundo lugar, debe decirse de inmediato que ta nocién comin de lo que es medicién no es la que tiende a aceptarse cada vez mis en el dominio cientifico y que ya se ha incorporado en las discusiones de este tema en psicologia y ciencias sociales. En efecio, 1a nocién comin de mediciém aparece como muy restrictiva y claramente surge del uso que se hace de la medicién en la vida diarias y en ciencias como la fisica, Presupone, casi siempre, un punto de origen 0 cero absolut y una unidad de medida especificada, constante y standarizada, como en el caso de medir una longitud, un eso, una superficie, un volumen, etc. Si este fuera el caso debemos convenir desde ya, que las posibilidades de medicién en campos como el de nuestro interés, se ven, en importantes sentidos, limitadas. La concepcién a que se hace referencia surge en las ciencias fisicas, se halla expresada en las obras de N. R. Campbell (1920) (') y domino el campo de la medicidn hasta ta década del treinta. A varios psicélogos se debe su re- visién (S. S. Stevens, R. Ducam Luce, W. Torgerson, P. Suppes) y el desarrollo del concepto de medicién adoptado en psicologia. Hoy se acepta que podemos efectuar la medicién de un atributo siempre que respecto 2 él puedan formularse (por lo menos) juicios del tipo: “mas que", “menos que", “mayor que", "menor que", "precede a", "sigue a", 0 equivalentes (por ejemplo: "mas introvertido que", "mas duro que", "mayor neuroticismo", "mayor dominio de si mismo", “muy elevado nivel de aspiracién’, etc.). Segin este concepto, tan pronto como, en fun- cién de un atributo, se procede a un ordenamiento, (0 seq formutar juicios de orden o de posicion en una serie) estarnes frénte a una medicién. Bi concept de "medir" en ciencias sociales y psicologia, incluye por tanto el sentido clisico, inspirado en las ciencias fisicas, pero es més amplio, pues abarca el resultado de cualquier operacién de ordenamiento o posicionamiento en una serie, Asi, * Campbell, N. .: Symposium: Measurement and its importance for philosophy, Aristotelian Soe. Suppl, Vol. 17, 1938.Psicoestadisticas 31 WSS. Torgerson @ sostiene que el término medir significa siempre y solamente el valo- rar la cantidad o grado de un cierto atributo, considerado especifico de un objeto, fendmeno 0 acontecimiento” (). No es necesario que cada objeto medido (ordenado) ocupe una posicién exclusiva © no compartida con otro, en la serie, sino que Io que interesa es que las "clases" 0 "categorias" donde se incluyen tales objetos estin ordenadas en funcién de un atributo, por ejemplo: con respecto a la variable "nivel socio-econémico”, "clase alta", "clase media", y “clase baja". Este ejemplo subraya la semejanza que existe entre una "medicién" y una simple clasificacién, como puede ser: urbano, rural; varéa, mujer; etc. En efecto, en ambos casos todos y cada uno de los sujetos han sido ubicados en alguna categoria, cada sujeto esti en una y s6lo una categoria y las categorias difieren entre si, S6lo que en el primer caso, cuando tenemos un ordenamiento, las categorias no sOlo difieren entre s, sino que es posible ordenarlas (0 estin ordenadas) en términos de la mayor 9 menor posesién o presencia de cierto atributo o del menor o mayor grado con que aparece cierto atributo. Z inicion que ya es. cl jicologia_y ciencias sociales y que generalmente se adopta en textos elementales de estadistica, contemplan la similitud sefalada en el pirrafo anterior. Se debe.a.S.S. Stevens.(‘) y dice: "Medir es el asignar nimeros a _Objetos 0 acontecimientos de acuerdo con ciertas leyes” (9 reglas).. En lo que sigue se adoptard esta definicion por su amplitud, ya que como se vera incluye también a las clasificaciones "cualitativas" como la mencionada: varén, mujer y porque facilita la organizacién didactica de 1a materia. El sentido de esa definicién se hard totalmente claro cuando se haya leido todo este capitulo y se efectie su relectura, pero se lo explica a continuacién, Observe el estudiante que en los ejemplos dados basta ahora no se han utilizado niimeros y trate de apreciar en los que siguen, que lo importante de la definicién de Ste- vens @s la frase “de acuerdo con ciertas leyes", referida a la asignacién de nimeros (la- ‘mentablemente esta parte de la definicion es a menudo olvidada cuando se la cita). ‘Véanse ahora los ejemplos: Ejemplo A Ejemplo B Ejemplo C 1- Clase baja 1- Clase baja 1- Neurético 2- Clase media. 2. Clase media baja_2- Psicotico 3+ Clase alta 3. Clase media alta 3- Deficiente mental 4- Clase alta 4- Otros (incluye cuadros mixtos) ? Torgenson, Warren S.: Theory and Methods of Seeling, Wiley, 1958. * Murat, Franco: Estadistica Aplicada a las Ciencias deta Conducta, UN.C., 1968, * Stevens, S. $.: Handbook of Experimental Psychology, Wiley, 195132 Psicoestadisticas Es posible, ya se trate de una clasificacién cualitativa (neurético, psicdtico, deficiente mental) 0 se trate de un ordenamniento (clase baja, media y alta) asignar a cada categoria un nimero. Segin Stevens, tendremos una mediciOn si esa asignacién se hace de acuerdo con ciertas leyes 0 reglas. En el ejemplo A podriamos decir que las reglas son: a cada categoria se asigna un nimero y s6lo uno; ningin mimero es asignado dos categorias diferentes; cuando el atributo se presenta en mayor grado, la categoria debe evar un namero mayor :asi a “clase media" corresponde el nimero 2, que es mayor que 1, porque en esa categoria el atributo se presenta en mayor grado que en la categoria "clase baja" que lleva el namnero 1 y similarmente se asignta el 3 a la categoria siguiente: clase alta. Idéntico conjunto de reglas se ha utilizado para el ejemplo B. Obsérvese que esto tiene sentido. Si se dice que un sujeto pertenece a la clase 4, ya sabemos que su nivel socio-econémico (su prestigio social, poder, etc) es mayor que el de otro sujeto del que se dice que corresponde a la clase 2, en el ejemplo B. En el ejemplo C los nimeros se han asignado segin un conjunto de reglas mas simples: a cada categoria se asigna un mimero y sélo uno; ningin nimero es asignado a dos categorias diferentes, Esto también tiene sentido. Si se nos dice de un sujeto que pertenece a la categoria 3, sabemos que se trata de un deficiente mental y de otro del cual se sabe que corresponde a la categoria 2 se sabe también que es un psicético, Equivocariamos si, atendiendo a ios nimeros, interpretéramos en el ejemplo C que un sujeto "3" presenta el atributo en cuestién en mayor grado que un sujeto de la categoria 2. Ello es porque los sujetos en ese ejemplo han sido clasificados segin cuadros psico- patolégicos y los mimeros s6lo sirven coma simbolos de esas cuadros y han sido asignados segiin reglas que les otorgan dnicamente la capacidad de identificar diferentes cate gorias cualitativas de la variable: diagnéstico psicopatotogico, y no la capacidad de expresar orden. En el ejemplo B, no nos equivocamos si entendemos que un sujeto "3" presenta el atributo en cuestién (nivel socioeconémico) en mayor grado que un sujeto de la categoria 2; esto es asi porque los mimeros han sido asignados de modo tal que nimeros mayores corresponden a categorias con mayor grado del atributo. CABE AHORA SENALAR: a) Dado un conjunto de simbolos numéricos no podemos comprender cabalmente su significado si no sebemos cudles han sido las reglas con que han sido asignados a las observaciones (esto es, qué tipo de escala constituyen), b) Ya se ha dicho que lo importante de la definicién de Stevens es la frase: "de acuerdo con ciertas leyes". ©) Las leyes para la asignacion de valores numéricos en los ejemplos A y B son mas complejas que las empleadas en el ejemplo C. Los ejemplos A y B corresponden a lo que més adelante lamaremos "escalas ordinales". El ejemploPsicoestadisticas 33 corresponde a lo que Hamaremos “escalas nominal 4) En los ejemplos dados, el uso de simbolos numéricos parece no ser esencial. Po- driamos prescindir de ellos sin merma de la posibilidad de comprender y comunicar el sentido de la operacién logica basica que se ha efectuado, esto es, en el ejemplo C una clasificacién segiin categorias diagnésticas que difieren cualitativamente entre si y en los ejemplos A y B el ordenamiento segin niveles o gra dos. Como veremos mas adelante, cuando se trata de escalas nominales o bien de escalas ordinales con pocas categorias, a menudo puede prescindirse de simbolos numéricos, a pesar de lo cual, desde un punto de vista lgico, se sigue contando con una medicién, ©) Adoptando la definicién de Stevens (*), usaremos el término medir para referirnos ordenamientos, a otras formas superiores de medicién que se van a ver y tam- ién a clasificaciones cualitativas. Con respecto a los ejemplos A, B y C, a esta altura, aparecerin dudas en el estudiante, las que se irin despejando en Io que sigue. Los simbolos numéricos y su empleo en la medicion Supéngase que se pesan una serie de objetos. Puede representarse la escala de medicién como un segmento de recta, mientras que a los objetos pesados (A, B, C y D) les corresponde un punto en esa recta. B DA Cc Fees erie le aoc ce 0 123 4 56 7 8 9 101112 13 EI peso es una variable cuya medicién es elemental en Ja fisica y comin en la vida diaria. El uso que hacemos de simbolos numéricos en relacién con semejante me- dicién ilustrara acerca de una serie de aspectos importantes a tener en cuenta en toda medicién. EI objeto D pesa (mide) 3 (piénsese en cualquier unidad de medida). Podemos identificar ese objeto laméndolo: “el objeto que pesa 3". En tal caso, estamos utilizando el mimero como un "rétulo" 0 "nombre" que sirve para designar un objeto. Este uso de os signos numéricos es idéntico al mostrado en el ejemplo C anterior y con sélo pensar que se tienen més de un objeto que pesen 3, se comprende que el signo puede designar una "clase" o "categoria" que contiene varios miembros. Diremos que los simbolos nu- ° Elestudiante puede adoptar otra, como la de Torgerson, si a su criterio es preferible.34 Psicoestadisticas méricos tienen la posibilidad de designar chjetos medidos o categorias de medicion. El objeto C pesa mas que el A. Podemos efectuar un juicio: "C es més pesado que A" o "C > A" (, Este juicio implica un ordenamiento (C > A > D > B) y diremos que e3 un juicio de orden. Los simbolos numéricos 6 y 4, que corresponden respectivamente a Cy A, trasuntan o expresan ese orden: 6 > 4, Diremos que los simbolos numé- ricos permiten efectuar 0 comunicar juicios de orden. En una medicién comin, como la ejemplificada, hacemos mucho mas con los simbolos numéricos. Por ejemplo, juzgamos la distancia o diferencia entre dos objetos medidos. El objeto C no sélo es mas pesado que el A sino que Ia diferencia entre sus pesos es 2 unidades de medicién, Decimos ademés que la diferencia entre C y A es la misma que la existente entre los objetos D y B, 0 sea: (C- A) = (D-B)= (6-4) = (3-1) =2. Mas atin; decimos que la diferencia entre C y A es mayor que la existente entre Ay D,0 sea: (C- A) > (A- D), ya que: 6 - 4) > 4-3). Obsérvese que este enunciado implica un ordenamiento de las distancias o diferencias entre los objetos. Asimismo podemos decir que la diferencia entre C y A es el doble que la existente entre A y D, 0 sea: (C- A) =2(A-D) =2=2 (1) Este enunciado expresa un juicio de proporcionalidad acerca de las diferencias entre pares de objetos medidos. Juzgamos que una diferencia (entre C y A) es el doble que otra (entre A y D). Podriamos decir que es el triple, cufdrupie, la mitad, etc. Con os némeros de una medicion comin podemos efectuar juicios acerca de las diferencias entre objetos, incluso acerca de la proporcionalidad de esas diferencias. En una medicién como la que nos ocupa, podemos también efectuar, con los simbolos numéricos, juicios acerca de la proporcionalidad de los valores absolutos que corresponden a la medicién de cada objeto. En efecto, podemos decir que C pesa el doble que D, 0 sea: C = 2D = 2.x 3 =6; A pesa el cuddruple que B (0 cuatro veces lo que pesa B), etc. Similarmente, podriamos decir que un objeto pesa la mitad, 0 un tercio de Jo que pesa otro. Finalmente, en una medicién como la del peso, hay un simbolo, el cero, que de- # Se lee: Ces mayor que A. La expresin del lado de Ia sbertura del angulo es mayor que a «que figura al costado del vértce. Es equivalente a: "A es menor que C*.Psicoestadisticas 35 nota la ausencia del atributo en cuestién. Resumiendo, de los simbolos numéricos, tal como los utilizamos en las mediciones corrientes y usuales en la fisica, podra decirse que poseen las siguientes "propiedades": la de designar un objeto medido o una categoria de medicién; la de reflejar 0 expresar un orden (de modo que por su intermedio podemos efectuar juicios de orden); la de reflejar las diferencias entre los objetos medidos (0 categorias) con lo cual, por su intermedio, podemos efectuar juicios acerca de la proporcionalidad de estas diferencias; la de expresar la proporcionalidad entre los valores absolutos corespondientes a los ab- jetos medidos; finalmente, el cero denota la situacién (concebible) de ausencia del tribu- to. Escalas de medici6n | Se ha ilustrado cémo se utilizan los simbolos numéricos en las mediciones comunes, que efectuamos sin mayor reflexién en la vida diaria, Ahora bien, se distinguen, _--flementalmente, cuatro tipos de escalas de medicién, que se denominan: escala néminal, ordinal, intervalar y proporcionat. ~~~ 7 El ejemplo presentado en la seccién anterior corresponde a una escala proporcional, Los tipos de escalas.difieren entre si en las "propiedades" que los simbolos numéri- cos las. realmente. poseen, desde win punio de vista 1ogico y en fufieZén de las reglas con que han sido asignados. En una escala proparcional, los simbolos numéri- cos realmente poseen todas las "propiedades" mostradas. En los restantes tres tipos, se recurre a algunas de esas "propiedades" y no a todas. Las escalas proporcionales, como la ilustrada, son las mas completas; las restantes tres proporcionan mediciones més débi- les, La distincién entre 4 tipos de escalas de medicién es importante por distintas razones. 1) Queda en claro que las mediciones en que se piensa usualmente constituyen solo una forma, de entre varias posibles, de medicion. 2) Se ofrece, como se verd en lo que sigue, una respuesta a la pregunta: ;Cudles son Jos limites y posibilidades de la medicion en psicologia y otras ciencias sociales? 3) No todo procedimiento estadistico es utilizable con datos de cualquier escala de medicién sino s6lo con los correspondientes a algunas de ellas. Este tltimo punto debe subrayarse. En disciplinas en que los problemas de medi- ein no son muy grandes, pueden utilizarse los diferentes procedimientos estadisticos sin mayor preocupacién por las escalas de medicién. No es el caso de Psicologia ni de las ciencias sociales. En un punto anterior se dijo que dado un conjunto de simbolos36 Psicoestadisticas numéricos no puede comprenderse cabalmente su significado si no se conocen las reglas con que fueron asignados a las observaciones. Lo mismo se dice afirmando que el significado de un conjunto de simbolos numéricos no puede comprenderse si to se conoce qué tipo de escala de medicién conforman, 0, Io que es lo mismo, de qué tipo de escala de medicién provienen. Consecuentemente, una parte importante de este material esté organizado en for- ‘ma tal, que se presentan reunidos los diferentes procedimientos estadisticos que pueden utilizarse con datos de diferentes escalas de medicién. Por su parte, el estudiante hara bien en adoptar desde ya la prictica de preguntarse: A qué tipo de escala de medicién corresponden los datos? antes de aplicar procedimientos estadisticos o consultar resultados de su aplicacién, Simulténeamente se preguntar: Este procedimiento estadistico es logicamente aplicable al tipo de escala de que se trata’? Se ha mencionado en el primer capitulo aquello de que: "estadistica es el arte de mentir con nimeros". Un error 0 mentira a que esta particularmente expuesto el psicdlo- g0 0 cientifico social es el de la utilizacién de procedimientos estadisticos que requieren un cierto tipo de medicién con datos que son de otro tipo o nivel més débil He ae ‘ Escala nominal) Un ejemplo de escala nominal ya ha sido presentado: el ejemplo C anterior. neal, whe eas ilies 2 cts 3-separado, 4 viudo; maestros de ensefianza especial: 1- de oligofrénicos, 2- de ciegos, 3- de sordos. Una escala nominal es un sistema de clasificacion cuyas categorias difieren entre Si cualitativamente y no.en grados (}. Las categorias deben ser mutuamente excluye __1e8, es decir, deben ser tales que ningiin sujeto puede ser incluido en dos de ellas. Cada sujeto u observaci6n se incluye en una y sélo una categoria. Las categorias deben ser - nbién exhaustivas. Esto quis 1e, para todos los sujetos én observacién, existe _ _una categoria en que pueden ser incluidos. ae Obsérvese que en el ejemplo C anterior existe una categoria que Hamamos Otros. Esto significa que cualquier otro diagnéstico que no sea el de las categorias 1, 2 'o 3 debe ser categorizado en 4- Otros. De esta manera logramos que Ia escala sea exhausti _-¥a, Ademés, se ha agregado a esta categoria, entre paréntesis, "incluye cuadros mixtos"; “asi evitamos que las clases no sean excluyentes ya que en el campo del diggnéstico psicol6gico no es extraio encontrar un sujeto con rasgos de dos o mas categorias en este ? Ya se ha dicho que pars algunos autores, quienes adhierenestrictamente ala definiciin segiin la cual se tiene una medicién solo cuando es posible efectuarjuicios de erden, la clsificacio- ‘2s cvalitativas no constituyen una eseala (Torgerson y tros). En cambio, en la defniciin de Stevens, se incluyen ectno una escala,Psicoestadisticas 37 tipo de clasificacién, por ejemplo, psicdtivo y deficiente mental, que debe ser categorizado en 4, Para dos sujetos u observaciones a y b, correspondientes a la misma categoria, se cumple la relacién a = b; para dos sujetos a y c correspondientes a distintas categorias, se cumple la relacién: a # c. Las categorias no implican ordenamiento alguno. Ha sido ya dicho cémo se asignan los nimeros a las categorias de una escala nominal. Los simbolos numéricos de una escala nominal séio sirven para designar categorias (es la iinica propiedad de los simbolos numéricos utilizada en este nivel de medicidn). Por tanto, ellos no expresan orden ni puede con ellos efectuarse operaciones arit- méticas. Los néimeros que se utilizan pueden ser cualesquiera, con tal de respetar Ia regia: no asignar el mismo nimero a dos categorias diferentes, As{ los ejemplos siguientes son todos comectos: 1 10 20. rural cn 2 8 29 — urbano eee 10° mujer Es decir: a las categorias rural y urbano puede asignarseles, con igual correccién, los nimeros 1 y 2 respectivamente, 0 10 y 8 0 20 y 29, etc. Incluso puede asignarse al namero 0 a una categoria, como es usual hacer cuando se tienen variables dicot6micas (de dos categorias), pues el 0, en una escala nominal, no indica ausencia del atributo (') Pueden usarse otros signos cualesquiera en lugar de los numéricos con tal de respetar Ta regla recién citada y es comtin utilizar letras. Incluso pueden omitirse totalmente los simbolos numéricos u otros cualesquiera y esta es la prictica usual. Las escalas proporcionales, se dijo, son las més completas. Las nominales las més simples. Los procedimientos estadisticos que pueden utilizarse con ellas son, por Io general, también los mas simples, Escalas de este tipo (clasificaciones cualitativas) son, por lo demas, comunes y numerosas en psicologia y cieacias sociales ° Un tratamiento més riguroso y profundo del tema en cuestiOn requeriré en este punto aludir detenidamente al principio de fa invarianza de los resultados de la medicién baio las transformaciones admisibles. Suppes y Zinnes, dicen: "Un juicio numérico es sigificativo si y sblo si su verdad (9 Su falsedad) perranece constante luego que Ia escala de medicién ha sido sometida a las transformacio~ nes acmisibles en cualquiera de las funciones numéricas por medio de las cuales se expresan 103 resultados de una medicién’,38 Psicoestadisticas r la ox He |_ Escala ordinal a Ya fue dado un ejemplo, el, nivel socioeconémico!, clase alta", Otros son: los sistemas de jerarquias eclesidsticas, militares, administrativas, [i posicién que ocupan, al finalizar un torneo, equipos o jugadores individuales; los [sistemas de calificacién escolar} ya sea con notas de 0 a 10, 0 con “conceptos" como: ‘Excelente, "Muy bueno", "Bueno", "Satisfactorio", etc. 0 con letras; los resultados, generalmente expresados con nimeros de muchos tests, como por ejemplo de neuroticismo, introversin, estabilidad emocional, frustracién, agresividad, nivel de aspiracién, etc.; un ordenamiento de pacientes psiquidtricos segin la gravedad de su dolencia (3- casos graves, 2- menos graves, 1- benignos); un ordenamiento de sujetos efectuado tras su detenida observaci6n en cuanto al grado que presentan cualquier rasgo de personalidad (muy introvertido a muy extravertido; muy timido, a menos timido, etc); la escala de dureza de los minerales de Mobs, la escala de Beaufort de velocidad del viento (), la apreciacién de la temperatura por contacto (mas o menos caliente 0 frio). Una escala nuo, como en el siguiente diagrama: Muy Muy Introvertido Extravertido donde, ademas de las categorias opuestas 0 polares, caben cualesquiera valores 0 posi- ciones intermedias, Es un ordenamiento, en funcién del mayor o menor grado con que _Se presenta un atributo. Telacion: a = b y entre dos sujetos a y c de diferentes categorias se tienc la relacién: a # c. Pero, ademés, en este iltimo caso, se tienen las relaciones: a > ¢ 0 bien a f=N El signo D(letra griega sigma mayiiscula) que se lee "sumatoria" 0 "sumacién", indica la operacién de sumar. Se utilizaré mucho en la materia. La expresion Df se lee: "sumatoria de las frecuencias" 0 "sumacién de las frecuencias" o "sumatoria de f", etc. Se * Quizé esta ventaja no es muy notoria en el ejemplo porque éste, deliberadamente y con fines didécticos, es breve. La ganancia en concisién es mas evidente cuando se tienen un niimero grande de valores 0 categorias de clasicacién en las variables estudiadas, ? Si bien una tabla de distribucion de frecuencias puede presentarse de otros modos, diferentes gue el indicado, éste es el que cominmente se adoptari en la Cétedra. Conviene al estudiante habituarse a esta forma de escribir la tabla y adoptar la simbologia propuesta con el objeto de que, posteriormente, su comprensiin de cuestiones mis complicadas no se vea entorpecida por dificultades en Ia lectura de tablas y textos. Asimismo, el estudiante debe tener presente que en la materia Le sera requerido que exhiba y recurra a cierta desireza en la lectura y confeccién de tablas de distribucién de frecuencias y otras,56 Psicoestadisticas trata de la suma algebraica, o sea respetando los signos. El simbolo que sigue a E indica qué es lo que se suma, en el ejemplo, las frecuencias. Debe entenderse también que la expresién: Df indica 1a suma de todas las frecuencias. A veces, para indicar que se trata de la suma de algunos de los valores denotados por el simbolo a la derecha de © y no de todos, acompafian a la letra © algunos otros simbolos. Este no sera nuestro caso y siempre se utilizar © para expresar la suma de todos los valores indicados a su derecha. Ademés de Jas frecuencias absolutas, es comin el uso de otras: as relativas, las acumuladas y las acumuladas relativas. En datos de escalas nominales es posible calcular Jas frecuencias relativas y no las restantes. Se vera pues el significado de las frecuencias relativas, que se simbolizan f' (f prima). Generalmente no solo interesa el niimero absoluto de observaciones en cada categoria de la variable (informacién dada por las frecuencias absolutas) sino también la proporci6n que las observaciones de una categoria representan en relaci6n al conjunto total de obseryaciones o sea en relacién al niimero total de casos (N). Esta proporcién viene expresada por la frecuencia relativa (f). Asi como a cada valor o categoria de la variable corresponde una frecuencia absoluta, también le corresponde una frecuencia rel Es probable que el alumno esté mas familiarizado con los porcentajes que con las proporciones. Si en un —{varonea 125) grupo de 300 alumnos se tie- —— ne que 180 son mujeres, éstas [40.0% | representan un 60 % del total (); se ha hecho; (180 / 300) (100) = 60 % [Mujores 760} —" Las proporciones se interpretan igual que los porcentajes pero en su calculo se omite la multiplicacién por 100. La proporcién represen- > Obsérvese que en este ejemplo, la variable en estudio es el sexo, sus calegorias son: varon y mujer, N = 300, f de mujeres = 180 y f de varones es 120, Escribalo en una tabla de distribucién de frecuencias.Pslooestadisticas 57 tada por las mujeres es: (180 / 300) = .60 = 0.60 (9. Los porcentajes van de 0 a 100 mientras que las proporciones o frecuencias relativas van de 0a 1.00, Asi como la suma de los porcentajes debe ser igual a 100, la suma de las proporciones o frecuencias relativas debe ser 1.00. Esto iiltimo se puede escribir: Df = 1.00 (). Un porcentaje se convierte en propor- ci6n o frecuencia relativa dividiéndolo por 100; una frecuencia relativa se convierte en porcentaje multiplicéndola por 100. En una diagrama circular para N = 300 se tendria: Para calcular la frecuencia relativa de una categoria o valor de una variable, se divide su frecuencia absoluta por el nimero total de casos, 0 sea: f pe y 7 r y ret el estudiante deberd asegurarse que en el sistema de clasificacién las clases sean mutuamente excluyentes y exhaustivas, de lo contrario el niimero de casos que se desea clasificar probablemente no sera igual a la sumatoria de las frecuencias absolutas. Con- secuentemente 1a sumatoria de las frecuencias relativas sera distinta de 1, En la Tabla 1, las frecuencias relativas se escriben en una tercera columna encabezada con la letra f. Se cal- cularin usualmente, y siempre en este texto, dos cifras decimales. Se considera generalmente, que mas decimales (més precisién) son innecesarios en nuestras disciplinas, por cuanto frente a las imprecisiones e insuficiencias de los procedimientos de observacin y medicion en estos campos, y los errores que se cometen cominmente (e inevitablemente), ia precision transmitida por, digamos, 6 u 8 decimales es més aparente que real. Las decisiones que cominmente se tomen en base a la informacién analizada hacen innecesarias una mayor precision. Si se desea, pueden calcularse cuatro decimales, sobre todo si se prevé transformar las frecuencias relativas en porcentajes. Para expresar resultados con dos decimales se deberé, a menudo, redondear. Existen diferentes reglas para redondear y lo importante es proceder coherentemente con cualquiera que se adopte. En los ejemplos de este texto se redondean hacia abajo los decimales 1 a 4 y hacia arriba los decimales 5 a 9. 65 Por ejemplo: .643 = 64; .645 648 = 65. Aunque Ia informacién provista por porcentaje y por frecuencias relativas es Ia misma, en las tablas de distribucién de frecuencias se utilizan las frecuencias relativas. Esto por razones de simplicidad y también porque las frecuencias relativas pueden (y asi “ Ba este texto y como es usual, se usa punto en lugar de coma decimal y no se eseribira seguido de otros digitos, sino directamente *.”seguido de digitos. Asi: 87 = 0.87 ® Siempre que se calculen frecuencias relativas se comprobari la correccién de los céleulos verificando que S1= 1.00. A veces, por dificultades con el redondeo, no se obtendra 1.00 sino .99 0 1.01, lo que es igualmente aceptable,58 Psicoestadisticas e conviene hacerlo) ser interpretadas como probabilidades (°). La interpretacién de las frecuencias relativas como probabilidades es muy importante y el alumno debe habituarse desde el comienzo a hacerlo asi, pues se recurriré permanentemente a este concepto. Explicar esto no demandara mas que recurrir a las nociones intuitivas més sencillas sobre probabilidad (’). Si se lanza una moneda, la probabilidad de "cara" es 1/2 0 sea .50. Si se Tanza un dado, la probabilidad de obtener "5" es 1/6 0 sea .17. Si de una baraja de cuatro "palos” y 10 cartas en cada "palo" se extrae una carta al azar, la probabilidad de que esta sea "espada" (uno de los palos) es: 10/40 0 sea .25. Cuando se efectiian estos elementales clculos, lo que se hace es: 1) considerar cudntos eventos, igualmente probables, pueden resultar de nuestra ‘operacién (técnicamente “experimento"). Al lanzar una moneda (experimento) pueden resultar dos eventos igualmente probables: cara y cruz; al lanzar un dado pueden resultar seis (1,2,...6) suponiendo que moneda y dado no estén "cargados" Si se extrae un naipe al azar de una baraja como la descripta pueden resultar 40 eventos igualmente probables y si describimos los eventos en términos de "palos", pueden resultar cuatro (espada, oro, etc.). 2) Considerar cudntos de los eventos posibles satisfacen nuestra "apuesta" o nuestra "pregunta". Estos, técnicamente, se aman eventos favorables, exitosos o eventos “éxito”. Si apostamos 0 nos preguntamos por "cara", sélo hay un evento favorable: si apostamos al "5" al tirar el dado, hay igualmente un solo evento favorable; en el caso de la baraja, si apostamos por "espada’, hay 10 eventos favorables, pues hay 10 cartas cuyo palo es “espada" y cualquiera de ellas que se extraiga es favorable a la apuesta. 3) Relacionamos el nimero de eventos favorables con el niimero de eventos posibles, dividiendo el primero por el segundo. Asi la probabilidad de "cara" p("cara") = 1/2; p('S") = (1/6) = .17; p("espada") = (10/40) = .25. Entonces, en general, puede decirse que las probabilidades son cocientes como el siguiente: p = (N* de eventos favorables / N° de eventos posibles)(") Vuélvase ahora a las tablas de distribucién de frecuencias y a las frecuencias relativas interpretadas como probabilidades. Supongase un experimento consistente en extraer, del grupo de N Ss observados, uno al azar, Las probabilidades de que el sujeto asi extraido sea precisamente Juan P., es: 1/N si nos preguntamos cual es la probabilidad de idades se expresan con niimeros positives entre 0 y 1 y cuya suma debe 7 Como es usual, se recurre aqui a los juegos de azar. ® Esta formulacion es suficiente a nuestros fines. Estrictamente, vale solo para eventos igualmente probables y mutuamente excluyentes y es propia del concepto de probabilidad empiricaPsicoestadisticas 59 que el sujeto asi extraido haya cursado estudios comerciales (Ver Tabla 1) haremos 6.660 / 15228; 0 sea, si nos preguntamos cual es la probabilidad de que un sujeto extrafdo al azar corresponda a una de las categorias (0 valores) de la variable, como puede ser “estudios comerciales", la respuesta es la frecuencia relativa de esa categoria pues el niimero de eventos favorables es la frecuencia absoluta de esa categoria (6.660). La probabilidad buscada es (f/N) = f'. Asi que, en Tabla 1, las cifras de la tercera columna (f) pueden ser leidas ¢ interpretadas del siguiente modo: si se extrae del grupo completo de N sujetos uno al azar, la probabitidad de que ese sujeto corresponda a la categoria bachillerato (sea un bachiller) es .35; la probabilidad de que haya cursado estudios técnicos es .18, etc. Similarmente se operard en otras tablas de distribucién de frecuencias (ver ejemplos en el capitulo siguiente). Por tiltimo, acerca de las frecuencias, se dir que se recurre a las absolutas 0 a las, relativas segin las necesidades y no es indispensable consignar siempre ambas. Cuando se trata de comparar dos o mas distribuciones de frecuencias, que es el caso mis comin cuando se analiza un conjunto de datos, es conveniente disponer de las frecuencias relativas, para evitar eventuales conclusiones erréneas alas que puede conducir un diferente niémero total de casos en cada distribucién. El estudiante debe asegurarse en este punto que ha comprendido cabalmente las semejanzas y las relaciones entre los conceptos de: porcentajes, Proporcion, frecuencia relativa y probabilidad y que sabe calcular las frecuencias relativas, verificar sus resultados ¢ interpretar su significado en términos de proporciones y de probabilidades. Representacion grafica de una distribucion de frecuencias con datos de escala nominal. Generalidades sobre representaciones graficas de una distribucion de frecuencias. El objeto de efectuar la representacién grafica de una distribucién de frecuencias (0 simplemente grafico) es presentar la informacién contenida en la tabla de una forma que facilite su répida apreciacién y comprensién y que ponga de manifiesto las caracteristicas del conjunto de datos analizados. El lector ira viendo, cuando se trate el uso de cada grafico, cémo ellos cumplen esta funcion y cudles caracteristicas de los datos ponen de manifiesto. Adicionalmente, las representaciones grificas son una ayuda importante para la presentacién y comprension de algunas ideas y conceptos estadisticos y con este fin serin muy utilizados. El estudiante deberé adquirir préctica en la lectura y elaboracién de graficos, de ‘manera que ripidamente pueda bosquejarlos y aprovecharse de sus propiedades para analizar la informacién presentada. Aunque existen miltiples maneras de efectuar representaciones gréficas, las que se tratardn aqui son las generalmente adoptadas, que aparecen en textos y60 Psicoestadisticas trabajos estadisticos. ‘A demés son las que mejor cumplen los fines enunciados, son de comprension més simple y a la vez rigurosas en Ia presentacién de la informacién. Les faltaré en cambio, el pintoresquismo de los graficos que aparecen en revistas, diarios, afiches, ete.Para efectuar la representacion grifica de una distribucién de frecuencias, se adopta el sistema de ejes coordenados cartesiano. Y El eje horizontal se llama eje de las abscisas (X) y el vertical, eje de las ordenadas (¥). Se crazan en un punto llamado origen (0). Utilizamos usualmente, el cuadrante superior derecho solamente. En el eje de las abscisas se expresan los valores o categorias de la variable estudiada. En el eje de las ordenadas se expresan las frecuencias (ver grafico 1) Para cumplir con sus objetivos los grificos deben ser simples y claros. Deben Ilevar titulos (como en el caso de las tablas) y debe asimismo manifestarse en cada eje aquello que es expresado por las cifras que aparecen en el grafico. Asimismo es conveniente que sea proporcionade para lo que se recomienda que el eje vertical no supere aproximadamente las 2/3 partes del horizontal. Para que una representacién grafica preste toda su utilidad es necesario que esté dibujada con cuidado y prolijidad. Por tanto es conveniente el uso de papel cuadriculado 0 milimetrado. Los ejes se subdividirin convenientemente, para poder expresar los alores de las variables y las frecuencias, cuidando que distancias iguales representen diferencias numéricas iguales. La longitud del eje horizontal coincidira aproximadamente con el valor maximo que s¢ tenga en la variable y la longitud del eje vertical coincidira con la frecuencia maxima que se haya registrado siendo innecesario prolongarlos mas alla (ver Grafico 1 y Graficos del capitulo siguiente). Se verén cuatro tipos de representaciones graficas: diagramas de arras, histogramas, poligonos de frecuencia y ojivas. Con datos de escalas nominales s6lo es posible dibujar diagramas de barras; por ello, los otros tipos se tratarén mas adelante.Psicoestadisticas 61 Diagrama de barras EI grafico adecuado para representar datos de escalas nominales es el diagrama de barras (Grafico 1). En el @e horizontal‘se han expresado lag categorias de la variable (el orden no interesa en el diagrama de barras, por tratarse de datos de una escala nominal; pudo ponerse a la izquierda Ia categoria "agcopecuario" o "asistencial” o cualquier otra cere las restantes en cualquier forma). En eleefe VetticaDse han expresado las frecuencias (absolutas) dando al eje la extension mecesaria para representar la méxime frecuencia regisirada y subdividiéndolo con exactitud para preservar Ia correspondencia entre nameros y distancias. Cada categoria de 1a variable es representada por una "barra" © rectangulo cuya altura expresa la frecuencia que corresponde a la categoria representada (debe asegurarse esto al dibujarlo). En un diagrama de barras, los rectangulos no contactan entre si, para denotar que las categorias de las variables (de una escala nominal) difieren entre si cualitativamente, no existiendo continuidad entre ellas. Las bases se dibujan de un ancho arbitrario, cualquiera, ¢ igual en todas fas barras. Nada hay en los datos (se trata de una escala nominal) que exija un ancho determinado para las barras ni la igualdad de esos anchos. Una raz6n para preservar esta igualdad se veré enseguida. En el diagrama de barras pueden utilizarse las frecuencias absolutas, como en el grafico N® 1, o las relativas como en el grafico N? 2, segtin convenga a los fines. Grafico N°1. Modalidad de estudios secundarios cursados por los egresados del nivel medio en 1983. Pvcia. de Cordoba. (Corresponde a Tabla 1.) Miles 8 0.248, Bachill, Comere. Teonte. _Agropec. _Asiaten.. Modalidad62 Psicoestadisticas Grifico N®2. Modalidad de estudios secundarios cursados por los egresados del nivel medio en 1983, Pycia. de Cérdoba (Corresponde a Tabla 1). 40%. 30%: os. Bechilierese Comercio! Teenleo Agropecterio Asieiencicl Modalidades En este caso las alturas de las barras indican las frecuencias relativas. Podemos decir que las alturas de Jas barras son proporcionales a las frecuencias absolutas o relativas. Ademas cuando las bases de las barras son todas iguales (iguales anchos) podemos decir que las superficies de las barras también son proporcionales a las frecuencias absolutas 0 relativas. Esto diltimo no seria cierto si dibujéramos barras de distintos anchos y por eso es conveniente mantener él mismo ancho en todas las barras. Por tanto, en un diagrama de barras tanto las alturas como Ia superficie de las barras son expresivas de las frecuencias. Si la superficie de las barras expresan frecuencias relativas también expresan probabilidades, (las probabilidades representadas por las frecuencias relativas). El estudiante debe detenerse en este punto y asegurarse de haberlo comprendido completamente pues mas adelante se usarén los gréficos, y en particular las superficies encerradas en ellos, para introducir y explicar conceptos probabilisticos cuya asimilacién se vera dificultada si no se domina esta idea. Adviértase también que si las superficies de las barras representan frecuencias relativas y probabilidades entonces podemos decir que la suma de Ias superficies de todas las barras es equivalente a 1.00 (recordar Tf = 1.00). En general la superficie encerrada por las representaciones graficas, y no sélo por el diagrama de barras, se toma como equivalente, en término de frecuencias relativas o probabilidades, a 1.00, Descripcién y resumen de datos Un conjunto de datos o una distribucién de frecuencias se describe y resume atendiendo a Jos siguientes aspectos: tendencia central, variabilidad 0 dispersion y formaPsicoestadisticas 63 de distribucién (), que se iran viendo sucesivamente. Con datos de escalas nominales no es posible hablar de forma de la disjribucién por lo que, de momento, dejaremos este concepto de lado. GENERALIDADES SOBRE(MEDIDAS DE TENDENCIA CENTRAL 3 Las(qredidas. de tencdencia central son indices estadisticas que desoriben ma de frecuencias sefalanda lo que es mas tipico.o caracteristico del conjunto de _ “datos, Medida de tendencia central es un valor o categoria de la variable que seoreseia bien. “Tal conjunto iofal de observacione que con esa medida * total de valores y observaciones en uno solo, que los representa bien. En la conversacién cotidiana y en escritos no técnicos, se recumre a menudo 3 medidas de tendencia central cuyo sentido y utilidad es facil e intuitivamente comprendido. Por ejemplo: se habla a menudo de: promedio de notas de una materia o temperatura promedio de una region. Otros ejemplos, ya de cardcter més tinico pero también facilmente comprensibles, son: niimero promedio de hijo por familia, promedio de vida, edad promedio de los estudiantes al egresar de la carrera de psicologia, nimero promedio de respuestas por lamina en el test de Rorschach. ‘Témese el primer ejemplo, el promedio de una materia. Es usual que el estudiante secundario diga: "mi promedio en geografia es 8.50". El valor 8.50 se presenta como un resumen de todas las notas obtenidas en la mencionada materia, con el caracter de representante de todas esas notas. No se las enuncia a todas sino que basta con un valor para dar una idea de todo el conjunto de calificaciones recibidas. Ese promedio 8.50, es una medida de tendencia central, no slo de uso vulgar sino también tinico y nos ocuparemos de ella més adelante, ai tratar escalas intervalares y proporcionales En este momento interesa que el estudianie perciba la utilidad de este procedimiento de resumir un conjunto grande de informacién en un tinico valor (una medida de tendencia central) que los representa a todos. En efecto, en el caso del ejemplo comentado, por un lado se evita el retener y enunciar cada una de las notas merecidas y por otro se facilita y posibilita apreciar el significado del conjunto de notas, lo que seri mis dificil o imposible de efectuar enumerando ia serie de notas adjudicadas al alumno. En el caso del ejemplo, introducido por ser una situacién familiar, es posible que esta funcién de las medidas de tendencia central no sea cabalmente apreciada porque, muy probablemente, se trata de unas pocas notas (6 u 8 en todo el aito) que se pueden abarcar mentalmente sin esfuerzo, Pero penemos en otro ejemplo: el promedio de afios de vida. Seri imposible hacerse una idea de la duracién de la vida en una poblacién humana tratando de abarcar mentalmente la enumeracién completa del nimero de aftos vividos por cada uno de Ios miembros de esa poblacién, por cuanto esos miembros son muchos. Similarmente en una investigaci6n en psicologia o ciencias humanas, donde usualmente se examinan 120, 300, 1.000 0 10.000 Ss, el retener y abarcar el valor que a cada uno de esos sujetos, corresponde en una variable estudiada, es imposible, Por tanto seri imposible efectuar com- 2 No veremos aqui el concepto de KURTOSIS, que es otro aspecto de una distribusion de frecuencias, poco utilizado en nuestro dominic.64 Psicoestadisticas paraciones, extraer conclusiones y, en definitiva, analizar Ia informacion pertinente a un problema. Las medidas de tendencia central, por cuanto resumen un conjunto grande de datos en uno solo, hacen posible estas operaciones de comperacién, andlisis, etc. Aunque existen mis, veremos tres medidas de tendencia central: el modo, a mediana y la media aritmética, usualmente llamada promedio. Tendencia central en datos de escalas nominales. En datos de una escala nominal, la tinica medida de tendencia central que puede utilizarse es el modo (simbolizado Mo) y que. se define como: el valor o categoria de la variable que se presenta layor frecuencia S “més veces, Oportunamente se vera parqué no pueden calcularse las otras. La determina- ci6n del modo, o valor modal no requiere efectuar ninguna operacién aritmética, pues slo se requiere conocer las frecuencias, y no requiere tampoco que los datos o categorias de la variable sean ordenables ni comparables entre si en términos de mayor 0 menor. Es una medida de tendencia central muy simple, la ms simple de todas. En la Tabla N®1. el modo o categoria modal es “estudios comerciales” El modo se identifica facilmente observando cual es la categoria a que corresponde Ja frecuencia absoluta o relativa més alta, u observando en un diagrama de barras cual es Ja categoria a que corresponde la barra més alta (vér grificos 1 y 2). No se requiere ningén célculo. Asegirese bien el estudiante de que comprende que el modo es la categoria que exhibe mayor frecuencia y no la frecuencia. En Tabla Nl, el modo es “comercial” y no 6660 ni .44, Asegirese ya de no cometer este frecuente error. El modo, como cualquier medida de tendencia central, es una categoria 0 valor de la variable y no una frecuencia. Existen algunas desventajas en el uso del modo. Una es que si todas las categorias tienen igual frecuencia entonces no hay modo (ver Tabla N®2). tra es que puede haber més de una clase con la mayor frecuencia (ver Tabla N®3). En estos casos (como el de la Tabla N*3) hay ambigtiedad con respecto a la clase modal de la distribucién ya que hay més de un valor con frecuencia méxima. Afortunadamente esto no ocurre muy a menudo, pero si ocurrieran dos o més clases con frecuencias marcadamentes altas (ver Tabla 4) consideraremos que el modo es aquella con frecuencia levemente més alta que las otras. En a Tabla 4 el modo es "Comercial". Sin embargo en distribuciones de este tipo donde una clase no tiene frecuencia claramente superior a las demas, el modo pierde efectividad como una caracterizacion de la distribucién total. que se observa._mas veces 0 que. se.repite..Psicoestadistioas 65 Tab. 2.Modalidades... Tab. 3.Modalidades... Tab. 4.Modalidades... x f x f x f Bachillerato 60 Bachillerato. 30 —Bachillerato 84 Comercial 60 Comercial 90 Comercial 85 Técnico 60 = Técnico 40 Técnico 83 Agropecuario 60 Agropecuario 90 Agropecuario 28 Asistencial 60 Asistencial 50 Asistencial 20 N 300 N 300 N 300 El concepto de variabilidad o dispersion se. reflere a la helerogeneidad u homogenci-_ \d de un conjunto dé datos, a fa semejanza o desei ‘que una disiribucion de frecuencias presenta gran variabilidad o una Variabilidad mayor que Ja de otra, en la medida que los datos que la integran son més heterogéneos, diversos entre si o desemejantes entre si. Otra forma de expresar la misma idea es la siguiente: un conjunto de datos presenta poca variabilidad o dispersion en la medida que todos los datos ~ constituye una medida de tendencia central. Algunos ejemplos aclararan el sentido de los dicho. Supéngase que el alumno A tiene promedio de 7 en una materia, siendo las notas individuales que ha recibido 6, 6, 7, 8, 8. El alumno B, tiene también promedio de 7 en Ja misma asignatura, pero las notas que ha recibido son: 4, 6, 7, 8, 10. Las notas de B Presentan mayor variabilidad 0 dispersion que las de A, aim cuando el promedio es el mismo. Las notas de B son més variadas, mas heterogéneas, més diversas entre s, ninguna se repite, se alejan mas del promedio (medida de tendencia central) que las de A. En el caso de A las notas que no coinciden con el promedio se alejan_s6lo un "punto" del promedio, mientras que en B las notas se alejan hasta tres "puntos" del promedio. En otro caso, el del alumno C, que también tiene promedio de 7, las notas individuales son: 7, 7, 7, 7, 7. Aqui todos los valores coinciden con el promedio (medida de tendencia central) son todos iguales entre s, no hay diversidad ¥ por tanto no hay variabilidad o dispersion comin, tanto en tendericia central como en variabilidad ("), Otros ejemplos: como todo el mundo sabe, la variabilidad de la temperatura ambiente es mayor en zonas geogrificas interiores o desérticas que en zones maritimas: es "° Seré conveniente que el estuciane se habite a juzgat Ia varabilidad en términosrolativos, © sea por comparaciéa de una distibucion de freeuencias con otra mis que en términos absolutes (varicbilidad grande o pequeta) pues a menado se carece de bases para juicios de ese timo tipo.66 Psicoestadisticas Jo mismo que decir que los extremos de temperatura estén mis alejados entre si en zonas desérticas (por ejemplo 17- de noche y 45- de da) y menos en las zonas costeras (10- de noche y 22- de da por ejemplo). La capacidad intelectual (o cociente intelectwral) presenta mayor dispersién en un grupo representativo de la poblacién en general que en otro formado por alumnos de una escuela especial (aqui, los dos grupos difieren también en tendencia central). Las actitudes y opiniones politicas son mas variables o presentan mayor dispersion en un grupo representativo de la poblacién general que en un grupo de correligionarios que comparten un almuerzo en la sede partidaria. La practica, a veces recomendada, de formar grados o secciones homogeneizados en la escuela primaria, comporta la idea de reducir la variabilidad en cuanto a aptitudes para el aprendizaje, en los grupos de alumnos, con la esperanza de facilitar el aprendizaje o incrementar Ia efectividad de la ensefianza. (Ae Otro sentido del concepto de variabilidad es el siguiente: Jas medidas de tendencia central representan mejor un conjunto de datos cuanto menor es la dispersion o variabilidad de éste. Decimos lo mismo al afirmar que las medidas de variabilidad indican cuan bien se representa un conjunto de datos por medio de una medida de tendencia central Esto se aclara con un ejemplo: reléase el caso del alumno C. Su promedio (medida de tendencia central) era 7. Este valor no s6lo representa el conjunto sino que es igual a todas las notas recibidas por C. Aqui la medida de tendencia central (7) representa exactamente el conjunto de datos completos, porque no hay variabilidad. En el caso del alumno A, el promedio (7) representa, si no exactamente, bastante bien el conjunto de notas, porque éstas se alejan comparativamente poco del 7, exhibiendo escasa variabilidad. De los tres casos, el promedio de B es el que menos satisfactoriamente representa al conjunto de sus notas porque hay algunas que se alejan bastante de 7, 0 sea porque sus notas exhiben comparativamente mayor variabilidad que las de A y C, Cuanto mayor la variabilidad, ‘menos satisfactorio el resumen ofrecido por una medida de tendencia central. Existen varias medidas de variabilidad y en la materia se veran; el recorrido, la amplitud semi-intercuartilar, la varianza y la desviaci6n standard, Se vera a continuacién como se aplica el concepto de variabilidad en datos de escalas nominales. Variabilidad en datos de escalas nominales En escalas nominales, ninguno de los indices de variabilidad mencionados arriba puede ser calculado. Para su estudio en este tipo de escala se ha propuesto (ver HAYS WILLIAM L Statistics, 1963) asimilar el concepto de dispersién al de “incertidumbre", que proviene de la teoria de la informacién, Mayor variabilidad corresponde a mayor incertidumbrePsicoestadisticas 67 El concepto de incertidumbre puede comprenderse facilmente. Véase las Tablas 5, 6 y 7, y supongase que se trata de prever o adelantar cual serd el resultado de elegir al azar, en cada tabla, uno de entre los N Ss incluidos en el conjunto analizado, TABLA 5 TABLA 6 TABLA 7 x f x f x f Bacchiller | 20 Bacehiller o7 Bacchiller 0.00 Comercial | .20] | Comercial —_| 80. Comercial 1.00 ‘Técnico 20] | Técnico 06 Teenico 0.00} > Agropecuario | 20 Agropecuario | 04 Agropecuario | 0.00 Asistencial | 20 Asistencial | .03 Asistencial | 0.00 En el caso de la Tabla 5, se tienen 5 resultados posibles de tal operacién, todos igualmente probables; en la Tabla 6, se tienen 5 resultados posibles pero uno, "comercial", 5 altamente mas probable que cualquiera de los otros; en Tabla 7, s6lo existen casos en la categoria "comercial" y por tanto es "comercial" el tiniea resultado posible. Se aprecia que en Tabla 7, no hay incertidumbre. En la Tabla 6 si existe incertidumbre por cuanto, si bien es lo mas probable que, por azar, se extraiga un alumno "comercial", ello no es totalmente seguro. En la Tabla 5, se experimenta mayor incertidumbre que en Tabla 6; en realidad, se tiene la mayor incertidumbre concebible en la situacién comentada, por cuanto la probabilidad asociada, es 1a misma en todas las categorias. En otras palabras, el conocimiento que nos transmite la Tabla 5 no nos permite conjeturas nada en términos de mayor o menor probabilidad, 0 sea el conocimiento de las frecuencias relativas no reduce la incertidumbre que tendriamos al saber tinicamente que los resultados posibles son 5. En términos de variabilidad, decimos que de las tres tablas examinadas, la Tabla 5 es la que presenta mayor dispersién, la Tabla 6 presenta una variabilidad menor y en la Tabla 7 no existe variabilidad (desde el punto de vista de los estudios cursados, todos los Ss son iguales). Entonces, en datos categoriales de una escala nominal, se tiene mayor variabilidad cuanto mas semejantes son entre si las frecuentcias relativas y cuanto mas son las categorias de Ta escala en las que se clasifican las observaciones. Maxima variabilidad (relativa a la situacién) se tiene cuando todas las categorias son igualmente probables: ninguna variabilidad cuando todas las observaciones se ubican en una misma categoria. En base a estas ideas se ha desarrollado un indice de variabilidad para datos de escalas nominales, que es el siguiente: HX) =~ DEX). log 400) donde: H(X) es el indice de variabilidad, f(X) es la frecuencia relativa de la clase X, y log £4(X) es el logaritmo de la frecuencia relativa de la clase X, Esta formula debe leerse como el resultado negativo de la suma del producto de la frecuencia relativa de cada categoria por su logaritmo. H(X) tiende a ser més grande, no s6lo cuando los resultados posibles tienden a ser igualmente probables, sino cuando aumenta el nimero de categorias de la distribucion.68 Psicoestadisticas Los resultados obtenidos son: Tabla 5, H(X) = .6989; Tabla 6, H(X} = .3333 y Tabla 7, H(X) = 0. Cuanto mayor el valor de H(X), mayor la variabilidad. En realidad, este indice es poco utilizado, como también es poco frecuente informar el modo, como resumen de datos categoriales, cuando las categorias de clasificacién son pocas. En estos casos, la presentacién de tablas de distribucién de frecuencias completas no es demasiado engorroso y facilmente se puede abarcar el conjunto total de observaciones, identificar 1a categoria mis frecuente (modo) y apreciar la variabilidad por las diferencias entre las frecuencias de las distintas categorias. Como ejercitacién, véase el siguiente ejemplo: a menudo, en lugar de estudiar una poblacién completa, se prefiere estudiar un subconjunto de esa poblacién, que se denomina "muestra". La forma técnicamente correcta de efectuar un muestreo, se vera mas adelante. A veces, para efectuar el estudio, se recurre a las llamadas muestras accidentales, integradas por aquellos miembros de la poblacién que “estin mas a mano" (por ejemplo, los alumnos de una clase). Otras veces, se discfia una muestra que cumple con todos los requisitos tadisticos, pero, por razones de indole practica, no es posible observar a todos los Ss que Ia integran. En estos casos, es posible evaluar, en alguna medida, la "representatividad" de la muestra efectivamente disponible observando cémo se distribuyen ciertas variables relevantes (para el estudio) en la poblacién y en la muestra (para ello se requiere tener conocimientos de la poblacién en algunos de sus aspectos, lo que no es siempre el caso; los, censos son estudios que permiten arribar al conocimiento directo de algunas variables de la poblacion). Si en la muestra algunas de las variables importantes en el estudio ("') se distribuyen de una manera diferente que en la poblaci6n, hemos de dudar de su representatividad. Supongase que los siguientes datos provienen de una muestra de la poblacién descripta en Tabla 1. Obsérvese la tendencia central y la variabilidad y concluya sobre la posible "representatividad” de esta muestra (emplee frecuencias relativas). x f Bachiller 70 Comercial 28 Técnica ul Agropecuaria. | 11 N 120 El anilisis de Relaciones entre Variables en datos de Escalas Nominales El anilisis de datos de escalas nominales cobra su mayor interés cuando, en lugar ™” El contexto teérico y conceptual del estudio, permite decidir, en cada caso, cuales son las variables “importantes”.OE eae Ao Pen, Psicoestadisticas 69 de una variable, se estudian dos o més, con el fin de analizar las relaciones entre ellas. El estudio de relaciones entre variables con datos cualitativos, ha merecido mucha atencién en psicologia y ciencias sociales. GENERALIDADES SOBRE RELACIONES ENTRE VARIABLES El estudio de las relaciones entre variables ocupa un lugar especialmente importante cn las ciencias, en estadisticas, en psicologia, en ciencias sociales en general y también en toda reflexion sobre 1a metodologia del conocimiento cientifico. Podria decirse que es aspiracion de todo intento de conocimiento y exploracién de la realidad, el descubrir, escribir 0 probar la existencia de relaciones entre fenmenos y eventos 0 entre sus atributos y aspectos o sea entre diferentes variables. Las teorias y los modelos en el campo de la psicologia, como en el de cualquier ciencia, postulan la existencia de ciertas relaciones entre ciertas. variables, relaciones que se procura precisar en su forma y grado, idealmente a través de una expresion matemética. Conociendo la existencia de determinadas relaciones en un conjunto de variables y la forma precisa de estas relaciones, es posible prever cémo se comportaré una variable a partir del conocimiento de cémo se comporta 0 comporté otra, / ‘lacionada con la primera. De modo que desde un punto de vista prictico también es de GI posibilidad de intervenir en la realidad (natural o social) e influir en el desarrollo de Tos” acontecimientos. Los enunciados Ilamados "leyes cientificas" son expresiones donde se postula la relacién entre dos variables; por ejemplo, el alumno recordard que con respecto a un gas, cuanto mayor es la presién, menor el volumen, proposicién que enuncia una relacién entre dos variables: la presi6n y el volumen de un gas. Similarmente, se recordar que con respecto a un conductor eléctrico, cuanto mayor su diémetro menor la resistencia (aqui hay dos variables que se relacionan en forma inversa: el diémetro y la resistencia, de modo que cuanto aumenta uno, disminuye el otro); que con respecto a un rayo de luz puntual que incide en un espejo perfectamente liso, el angulo de incidencia es igual al » Angulo de reflexién (las dos variables aqui son: angulo de incidencia y angulo de reflexién). mversacién diaria también es muy usual_postular la relacién entre determinadas variables,.si bien, con frecuencia, la relacién que se postula queda implicita, no se expresa formalmente y en consecuencia pasa. desapercibida. Por ejemplo; "a Fulano “le fue mal en el examen porque estaba nervioso", afirmaci6n corriente. Aqui hay dos variables; desempeio 0 rendimienio én in examen y "nerviosismo” (estabilidad emocional, dominio de si mismo, 6 lo que quiera decirse con "nerviosismo") y la relaciow que’ sé postula es: mayor "nerviosismo" corresponde a menor rendimiento, o bien: cuanto mayor el nerviosismo menor el rendimiento (en este ejemplo la relacién que se postula es una relacién causal). Otras afirmaciones corrientes (y correctas) en el dominio educacional son ejemplo; "Ja causa de Ta desercion escolar es Ja insatisfactoriasituacion socioecondmica"; "se necesita, mayor presupuesio educaciona “canto mayor el némero de alumirids por docentes, mas i is atisfactorio el resultado de T My \ ensefianza". Las variables relacionadas (a veces explicita y a veces implicitamnente) son: el primer caso, situacién socioeconémica y desercién escolar; en el segundo, monto del70 Psicoestadisticas presupuesto educativo y calidad de Ta formacién alcanzada por el alumno; en el tercero, nimero de slumnos que atiende cada docente y calidad de ta formacién sleancada por el alumno, Panky Perey deg LP eR Ns mn En Ia literatura psicologica, los enunciados de relaciones entre variables son muy _ frecuentes. En algunos casos, esto se hace en un lenguaje que no explicita formaimente la relacion contemplada, por lo que ella resulta a veces desapercibida. Ejemplos son? "Como resultado de nuestra investigacion pueden ofrecerse las siguientes sugestiones: por ejemplo, por lo general, las personas que suften predominantemente de cambios dé humor maniaco ~depresivos parecen provenir de familias grandeson mltiples figuras paterias y matemnas, que comparten la responsabilidad de guiar al nifto, y con quien esie puede relacionarse adecuadamente. Ademis habitualmente no hay nadie que se interese por el bienestar de] nifto por si mismo. La relacién de los adultos con el nifio esta determinada por el objetivo para cl que se necesita al nifio y por el papel que se le impone segiin las necesidades de la familia, Las necesidades de la familia de estos futuros manfaco - depresivos estan determinadas habitualmente, por el hecho que estas familias pertenecen a grupos mino- Titarios aislados, a quienes parece necesario mantener ciertas normas o luchar por la supervivencia, Satisfacen estas necesidades cumpliendo afanosamente cada uno su parte dentro de un grupo estrechantente unido" (Frieda Fromm - Reichmann, op. cit.). En este parrafo aparecen, en forma no del todo explicita, una serie de enunciados descriptivos de relaciones entre variables. Por un lado se hace referencia a sujetos con “cambios de humor maniaco - depresivo" lo que supone que hay sujetos (incluso pacientes) que no presentan este tipo de "cambios de humor" o no presentan "cambios de humor”. Puede decirse que hay una variable "cambios de humor maniaco-depresivos’, cuyas icas son, elementalmente: "se presentan" y “no se presentan". Al parecer de la autora, esta variable esta relacionada con una serie de rasgos © atributos (caracteristicas 0 variables) de la familia, por ejemplo: "... grandes, con multiples figuras maternas y pater- nas..."; siempre segéin la autora, la "presencia de cambios de humor maniaco-depresivos" esta asociada con "familias grandes con miltiples figuras..." La relacién entre estas variables podria patentizarse, haciendo uso de conceptos a desarrollar mias adelante (asociacién de atributos categoriales), asi FAMILIA CAMBIOS DE | Multiples figuras | Unica figura pater- HUMOR patemas y/o ma- | na y/o matema MANIACO-DE- temas PRESIVO Se presentan Personas maniacos depresivas No se presentan Las personas maniaco-depresivas estardn ubicadas, en esta doble clasificacién, en la celda superior izquierda, Similar andlisis puede hacerse de varios otros eaunciados de este._establecer Psicoestadisticas 71 pirrafo 0 de otros pérrafos como el siguiente: "con la mayor frecuencia, esta apreciacién de la personalidad y las aptitudes del psiquiatra serd errénea. El maniaco-depresivo posee, aparentemente, la capacidad de trabar conocimiento de inmediato con todo aquel con quien entra en contacto. En consecuencia, puede conocer, por ejemplo, el nombre, el apodo, la edad y Ia situacién social de todos los pacientes de la sala asi como fragmentos de su historia literalmente a pocos minutos de haber ingresado a la sala. Pero esta misteriosa aptitud para establecer contactos rapidos y superficiales no esta acompafiada por un interés real por Ja otra persona. Parece ser el modo como el maniaco- depresivo acta y se tranquiliza en la lucha contra su inseguridad y su sensacién de rechazo" (Frieda Fromm-Reichmann, op. cit). Aqui la autora ha examinado una posible relacién entre variables: “aptitud para ontactos rapidos y superficiales" e "interés real por la otra persona. Concluye “que en pacientes maniaco-depresivos, estas dos variables no estin relacionadas, como al principio podria suponerse. En otros casos, siempre en la literatura psicolégica, las relaciones entre variables se describen recurriendo a expresiones como: "a mas’... "ma © equivalentes. Algunos ejemplos son: "en igualdad de condiciones, un esti ‘mas, mas conocido y mas vinculado con los intereses del sujeto es percibido con mayor facilidad que otro menos familiar y menos interesante. Los hechos y las experiencias abundan. Las palabras mas frecuentes en el idioma son reconacidas en tiempos de exposicién més breve que las palabras raras" (Howew y Salomon, Salomon y Postman). "En términos més generales, las palabras que corresponden a los valores personales del sujeto, como las que pueden ser descubiertas, por ejemplo, por medio de la prueba de Allpor-Vernon, son reconocidas en umbrales mis bajos que las correspondientes a valores menos importantes para 1." (Postman, Bruner y McGimnies, Vonderplas y Blake), (Paul Fraisse y Richard Meili; Psicologia de las actitudes, 1967). Aqui las variables relacionadas son: "facilidad con que es percibido un estimulo”, “grado en que un estimulo es conocido" y "grado en que un estimulo esta vinculado a intereses del sujeto". Similarmente, es el siguiente parrafo; "... Citaremos a continuacion algunas de las conclusiones principales que nos parecen a la vez no sorprendentes y si congruentes con las observaciones del sentido comtin; el cambio actitudinal es mas probable cuando mas alta es la credibilidad del comunicador; el monto de cambio actitudinal que pueda inducir se aumenta si la credibilidad del comunicador es alta; las manifestaciones y estimulos que provocan temor y no son seguidos inmediatamente por métodos seguros para reducirlos generalmente tienen. un efecto de boomerang; una conclusién atrayente resulta més adecuada cuando los problemas son tan complejos que el auditorio no tiene posibilidades de Iegar a la conclusion deseada... (M. Deutsch - R.H. Krauss: Teorias en Psicologia Social, 1970). En’ algunos casos los textos aluden directamente a indices estadisticos denominados-— "coeficientes de correlacién” o *coefici ién” (ver mas adelante "asociacién de atributos categorialés"), como el siguiénté: "En otros campos, por el contrario, se encuentran coeficientes de correlacién mas bien elevados. Entre los tests de vocabulario ¥ otros tests de inteligencia, por ejemplo, se encuentra una comelacién de 0.60. Esto quiere decir, como sabemos, que el sujeto que es superior en uno de los dos campos 0 grupos de72 Psicoestadisticas tests tendera igualmente a ser superior en el otro campo. Desde el punto de vista que aqui os ocupa, es0 quiere decir que Jos factores que rigen los rendimientos en 1a primera categoria de actividad intervienen igualmente, en una parte mas o menos notable, en la determinacién de las conductas del otro campo" (Joseph Nuttin, La estructura de la personalidad, 1968). Aqui las variables relacionadas son: amplitud de vocabulario e inteligencia, El coeficiente (se verd en detalle mis adelante) expresa que la relacién entre esas dos variables es bastante importante aunque no perfecta. Por iiltimo, a veces se consigna la relacién entre dos variables con una férmula o expresién matematica como en el siguiente pirrafo, en el que se da un ejemplo muy simple: "un ejemplo tomado de los estudios sobre 1a memoria demostrara lo caracteristico del experimento. Si quiero subet cual es la ley matemitica, segin la cual se relacionan el tiempo empleado para aprender y 1a longitud del material haré aprender en las mismas circunstancias, en cuanto sea posible, series de diversa longitud, hasta que los sujetos consigen decirlas sin una falta. Después anotaré el tiempo empleado en cada caso. Sacando la media aritmética de muchas experiencias, obtendré, desde luego, un cvadro en que junto a las diversas longitudes de las series figurari el tiempo correspondiente que se ha empleado en aprenderlas. De todos estos nimeros se obtendra la ley que se buscaba, la cual se podré expresar gréficamente y también en una formula matematica que indique la dependencia del tiempo (1), del niimero de miembros (N) de que consta la serie. En el lenguaje matematico, (es funcién de (N); t = (0). En nuestro caso para determinadas condiciones se obtendria la sencilla formula: t = K.N? UJosé Trobes, Compendio de Psicologia experimental, 1947). Al finalizar el parrafo, el autor dice, que en determinadas condiciones, la relacién entre la variable “tiempo empleado para aprender" y la variable “longitud de las series a aprender" se puede expresar con la formula consignada (el valor de K se determina / experimentalmente y es propio de determinadas condiciones). / Se dice que dos variables estén relacionadas cuando a un determinado valor 0 categoria _de ‘ina de ellas le corresponde (en toxios los casos 6 éf la mayoria) un determinado valor. © categoria en_la otra variable. Otra forma de decir lo mismo es: dos variables estin ~ __Tfelacionadas si cuando se verifica un cambio-en_una de ellas también se ve | f° ena otra. Otra forma también de transmitir la misma idea es: dos varables estin relacio- |, \_ nadas si ocurre sistematicamente que cuando una aumenta (o disminuye) la otra también aumenta (0 disminuye). sree Esto comenzard a aclararse de inmediato cuando se trate la relaci6n entre variables en \escala nominal y se iri haciendo mas claro a medida que se adelante en la materia, Por ahora véase que, segim los enunciados acerca del sistema educativo transcriptos mis arriba, se tendrian las siguientes correspondencias: a presupuesto pequefo, deficiente formacién; & presupuesto elevado, formacién satisfactoria 0 més satisfactoria. A mala situacion socio-econémica, elevada desercién; a buena, (0 mejor) situacién socio-econémica, pequefia ‘© menor deserci6n, etc. La forma de una relacién entre dos variables se puede, en principio, precisar totalmente por medio de una formula o expresién matematica como esPsicoestadisticas 73 comin en Ia fisica. En ottos dominios del conocimiento, como el de nuestro interés, no es posible, por ef momento quizé, alcanzar tal grado de precisién en todos los casos y la forma de, una relaci6n se indica usualmente con expresiones mas laxas; "a mayor (0 menor) una, mayor (o menor) la otra"; "a mas (0 menos) de una, més (0 menos) de la otra"; "A es funcién de B", "A depende de B"; "la relacién es tal que a la categoria a de la variable A corresponde la categoria b de la variable B"; etc. Sin embargo, a veces es posible expresar con una fGrmula matemética la forma de una relacién entre variables psicolégicas 0 sociales, como lo estudiaremos més adelante. Las causas de que en este dominio no puedan precisarse satisfactoriamente las formas de las relaciones entre variables se encuentran probablemente en: los precarios instrumentos de medicién y las dificultades de la medici6n de aspectos sociales 0 comportamentales; los errores y dificultades de la observacién de sucesos complejos; las insuficiencias de las formulaciones teGricas, la complejidad de la conducta humana y animal donde cada variable se relaciona con muchas ots y no es nunca funcién de una sola sino de varias. En.el.campo de la psicologia y de las ciencias sociales las relaciones entre variables _£ no son perfects. La8 correspondencias implicades no se dan en todos los casos “mayoria, Por ello, en este campo y en la estadistica hablamos de relaciones imperfectas, © de menor © mayor grado de relacion enire las variables en cuestién. El problema de medir y expresar el grado de fa relacién entre variables se torna entonces importante, como se verd enseguida. La practica mas comriente en estos campos, dado que es dificil postular y demosirar Ia forma precisa de una relaci6n, estriba en: 1) demostrar la existencia de uni ~relaci6n, atin cuando no pueda precisarse totalmente la forma y 2) demostrar que la relacién es de un grado © importancia tal que no puede desconocerse en las formulaciones tedricas ni en la acci6n préctica, Aqui se estudian los métodos pata el andlisis de la relaci6n entre dos variables. Pero, segiin heraos dicho, las relaciones son mucho mas complejas y, realmente de interés es el estudio de las relaciones entre varias variables. La estadistica provee métodos pero, por su dificultad, excede lo que es posible aprender en un curso elemental. Por otro lado, los métodos multivariables se asientan en los bivariables, de modo que el conocimiento de estos 5 prerequisito para abordar aquellos. Estos procedimientos bivariables, pese a la relativa simplificacién que implican, son poderosos instrumentos de andlisis que pueden contribuir decididamente a clarificar un problema o una cuestion. Fecmtas Not vAth ~~» Asociacién de atributos categoriales (escala nominal) preferentemente el término |"asociacién" ipara_referirse — a—una. relaci6n_entre_atributos egoriales) el primer paso, luego de efectuar I ‘portinentes.v dis -slaborar una tabla, como a Tate Bae se denomina tabla de doble entrada’) See Para estudiar aor entre variables con datos de escala nominales (se usar J ot

GRASSO, Livio - Introduccion A La Estadística en Ciencias Sociales y Del Comportamiento (Texto Completo) PDF

Cargado por

Información del documento

Título original

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

GRASSO, Livio - Introduccion A La Estadística en Ciencias Sociales y Del Comportamiento (Texto Completo) PDF

Cargado por

Copyright:

Formatos disponibles

También podría gustarte