Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Rivera Aragon Sofia - Aplicacion de La Estadistica A La Psicologia
Rivera Aragon Sofia - Aplicacion de La Estadistica A La Psicologia
©2005-2012
Por características tipográficas y de diseño
editorial
ISBN 970-701-587-X
MIRNA Y SOFÍA
Prólogo
La investigación en psicología es fundamental para el entendimiento del
En el ejemplo anterior surgen preguntas como, ¿todas las mujeres?, ¿las que
caen dentro de un rango de edad determinado?, ¿las solteras, casadas, viudas,
divorciadas o que viven en unión libre?, ¿las que tienen determinado nivel de
escolaridad?, ¿las que trabajan o las que son amas de casa?... De una afirmación
aparentemente simple emanan una serie de interrogantes, lo que conduce a uno de
los puntos centrales de la investigación: el objetivo que se quiere alcanzar, esto es,
para delimitar lo que se va a investigar es necesario tener claridad en el propósito
de la investigación.
En este escenario, la estadística es una herramienta que emplea el in-
vestigador para describir sus datos y para tomar decisiones. El tipo de prueba
estadística a usar dependerá del objetivo de la investigación, de su diseño, del
tamaño de la muestra y de sus hipótesis.
De esta forma, la estadística es una colección de hechos numéricos que
permiten hacer inferencias de una muestra a una población. Se clasifica en
descriptiva e inferential. La estadística inferencial a su vez se clasifica en no
paramétrica y paramétrica.
13
Así, la estadística es una herramienta imprescindible del psicólogo,
sobre todo cuando realiza investigación. Su aplicación en el campo de la
psicología no es nueva, tal como lo señala Downie y Heat (1973) quienes
refieren que en la década de 1880 Cattell se relacionó con estadísticos
europeos, evento que influyó en la aplicación de los métodos estadísticos
en el ámbito de la psicología.
De igual forma, tampoco es de sorprender la complejidad que re-
presenta comprender y aplicar las pruebas estadísticas a situaciones
específicas de investigación. Es el caso que al incursionar en el área de la
investigación surja una serie de interrogantes con relación a, ¿qué prueba
es la más adecuada para lo que se está investigando?, ¿el tipo de medición
elegido será el apropiado para la prueba elegida?, ¿el modelo estadístico
seleccionado: paramétrico o no paramétrico es congruente con el tamaño
de la muestra y con el tipo de medición empleado?
En fin, pueden ser muchas las dudas, y cuando se toman decisiones
inapropiadas los resultados y conclusiones derivados de esa investigación
pueden ser falsos, además de que se tiene el riesgo de cometer el error
estadístico tipo 1 (Alfa) o el error estadístico tipo 2 (Beta) los cuales se
describirán en este texto.
Precisamente este manuscrito tiene la intención de proporcionar a los
estudiantes y profesionales de la psicología un texto que incluya los ele-
mentos básicos de la estadística, descritos de una manera sencilla y apo-
yados con ejercicios, algunos de ellos, derivados de la investigación de la
psicología en México, tratando de evitar explicaciones complicadas, por lo
que las fórmulas que se presentan, así como el desarrollo de las mismas,
tienen como propósito que el lector conozca las operaciones que subya-
cen a cada una de éstas con la intención de que comprenda la lógica
mediante la cual se obtienen.
Al presente, por cuestiones prácticas es poco probable que el trata-
miento de los datos, derivados de una investigación, se realice en forma
manual -sobre todo cuando las muestras son grandes- lo que conduce a
utilizar el paquete estadístico SPSS que permite en poco tiempo obtener
1Debido al uso de este sofware (SPSS), varias de las tablas reportadas en los diferentes
capítulos de este libro aparecerán en inglés.
Introducción 15
Como parte final pero no por ello menos importante, cabe destacar que el
contenido de este libro se basa en los apuntes de la cátedra sobre estadística,
dictada por la doctora Sofía Rivera Aragón, en el doctorado de psicología de la
Facultad de Psicología de la Universidad Nacional Autónoma de México. Es
conveniente denotar que para su publicación se contó con la autorización y
coautoría de la doctora Rivera Aragón.
Medición
Del o los objetivos de investigación derivan las fases subsiguientes del
proceso de investigación. Una de estas fases se refiere al tipo de medición
empleada para evaluar una o más variables de estudio, componente que tiene
una relación directa con la estadística empleada en el tratamiento de los
datos.
De esta manera la medición consiste en reglas que asignan símbolos a
objetos, de tal forma que a) representan numéricamente cantidades o
atributos, o b) definen si los objetos caen en las mismas o en diferentes
categorías con respecto a un atributo de medición. En esta definición, las
reglas se refieren a que la asignación de números sea explícita; y los atributos
denotan que la medición implica características particulares del objeto, esto
es, los objetos per se no pueden medirse, se miden sus atributos (Nunnally y
Bernestein, 1995). Nunnally y Bernestein, indican que los números
representan cantidades en escalas de medición, lo que significa que la
cuantificación implica qué tanto de un atributo está presente en un objeto.
En la literatura se mencionan cuatro niveles de medición, aunque en
psicología generalmente se emplean tres: nominal, ordinal e intervalar, los que
se describen a continuación.
Escalas de medición
Nominal
TABLA 1
OPINIÓN DE LOS CIUDADANOS DEL DISTRITO FEDERAL SOBRE LA INFIDELIDAD
Infidelidad Frecuencia
1 40
2 60
Ordinal
Requiere que los objetos de un conjunto de variables puedan ser ordenados por
rangos respecto a una característica o propiedad. Los valores numéricos asignados
a los objetos ordenados se llaman valores de rango. En esta medición los números
no indican cantidades absolutas ni tampoco que los intervalos entre los números
sean iguales, por lo que marca la organización de los rangos pero no señala la
magnitud de las diferencias entre éstos, e.g. las etapas del desarrollo humano:
Niñez
Adolescencia
Adultez
Vejez
1. Extraño/desconocido
2. Conocido
3. Amistad
4. Atracción
5. Pasión
6. Romance
7. Compromiso
8. Mantenimiento
9. Conflicto
10. Alejamiento
11. Desamor
12. Separación
13. Olvido
Intercalar
Medlción 21
TABLA 2
CLASIFICACIÓN DE LA INTELIGENCIA EN ADULTOS
De razón
Es el nivel más alto de medición de una variable. Es una medida poco empleada en
la psicología, por ende, no se hablará más de él.
Con base en lo expuesto, a continuación se presenta un ejemplo que involucra
tres de los cuatro niveles de medición: nomina], de rangos e intervalar.
Ejemplo
En una investigación que tiene por objetivo conocer la relación entre la
satisfacción marital, la escolaridad y el sexo. El sexo (hombres y mujeres) es una
variable nominal en la que a los hombres (H) se les asigna el valor numérico de 1 y
a las mujeres (M) se les asigna el valor numérico
2. El nivel de escolaridad (primaria, secundaria, preparatoria, licenciatura y
posgrado) es una variable ordinal que va de menor a mayor escolaridad, ordenada
de la siguiente manera:
Primaria 1
Secundaria 2
Preparatoria 3
Licenciatura 4
Posgrado 5
Me gusta mucho = 5 Me
gusta = 4
Ni me gusta, ni me disgusta = 3 Me
disgusta = 2 Me disgusta mucho = 1
Medición 23
Por sus características, este inventario evaluará la satisfacción marital de
manera intervalar, debido a que medirá las distancias o intervalos del constructo
de interés.
Las variables nominal (sexo) y ordinal (escolaridad) son generalmente
denominadas variables sociodemográficas o de clasificación por el investigador.
Ahora bien, si la satisfacción marital se mide preguntándoles a las personas si
están o no satisfechas con su relación de pareja, la respuesta será dicotómica Sí o
No, convirtiéndose la medición en nominal. Los resultados que se obtendrán serán
frecuencias en relación con el número de hombres y mujeres que están satisfechos
o insatisfechos maritalmente. Este ejemplo denota que el tipo de medición utili-
zada, estará en función de los objetivos que pretenda alcanzar el investigador.
De esta manera, se observa que cada una de las escalas de medición tiene
características y funciones específicas, las que se presentan en la tabla 3.
Estadística descriptiva
La estadística descriptiva permite conocer la distribución de los datos a partir de
la cuantificación de los atributos de una categoría o variable. De acuerdo con
Nunnally (1995) no necesariamente incluye la generalización.
Sus funciones son:
27
Para comprender la lógica de las operaciones involucradas en la
distribución de frecuencias, se expondrá un ejemplo a partir del cual se
explicará la forma en la cual se obtiene cada una de las frecuencias.
Ejemplo
Se encuesto con un cuestionario abierto a una muestra de 300 personas,
hombres y mujeres, sobre el significado del funcionamiento familiar. Una vez
que se obtuvieron los datos se procedió a su organización, lo que se hizo
mediante una distribución de frecuencias, tal como se observa en la tabla 4.
TABLA 4
TOTAL DE HOMBRES Y MUJERES QUE OPINARON SOBRE EL SIGNIFICADO DEL
FUNCIONAMIENTO FAMILIAR
Sexo f
Hombres 144
Mujeres 156
Total 300
Hombres Mujeres
Significados generales f f
Organización y estructura 25 20
Emocional-valorativa 44 66
Afectivo-funcional 53 54
Funcional 16 13
Afectiva 6 3
total 144 156
La tabla 6 presenta que del total de la muestra, el 48 por ciento son hombres y
el 52 por ciento son mujeres.
Estadística descriptiva 29
TABLA 6
FRECUENCIAS ABSOLUTA Y RELATIVA DE LA CATEGORÍA SEXO
Sexo f fr (%)
TABLA 7
Hombres Mujeres
f fr(%) f r(%)
En esta tabla la fr y fa (%) son iguales debido a que no hubo valores perdidos.
Con fines de ejemplificar la fa (%) la tabla 9 muestra las frecuencias del estado civil
de la muestra.
Tabla 9
FRECUENCIAS DEL ESTADO CIVIL DE HOMBRES Y MUJERES
Estadística descriptiva 31
La frecuencia acumulada (la) ordena los puntajes del total de casos de una
categoría. Se obtiene al sumar la frecuencia de un puntaje dado a la frecuencia de
la categoría debajo de ella. Al resultado de esta operación, se suma en forma
acumulativa el puntaje de la categoría debajo de ella, y así sucesivamente hasta
tener incluidos el total de los casos. Siguiendo el ejercicio de los significados de
funcionamiento familiar, la tabla 10 presenta las frecuencias absolutas, relativas,
ajustadas y acumuladas por hombres y mujeres.
TABLA 10
Ejercicio SPSS
Para obtener los cuatro tipos de frecuencia en SPSS de las 300 personas, se realizan
los siguientes pasos:
Paso 1. En la base de datos se coloca el cursor en Analyze, se presiona el
botón izquierdo del mouse.
Paso 2. Al presionar Analyze, aparece un menú en el que se coloca el cursor
en Descriptive Statistics, se presiona con el botón izquierdo del mouse y aparece
otro menú, se coloca el cursor en Frequencies y una vez más se presiona con el
botón izquierdo del mouse.
Estadística descriptiva 33
Paso 4. Una vez señalada la variable siggene, se coloca el cursor en el
icono que está entre las variables de estudio y variable(s), se presiona el bo-
tón izquierdo del mouse, de esta operación siggene aparece en el cuadro de
variable(s).
Valia Cumulative
Frequency Percent Percent Percent
Valid organización
y estructura 45 15.0 15.0 15.0
emocional-valorativa 110 36.7 36.7 51.7
afectivo-funcional 107 35.7 35.7 87.3
funcional 29 9.7 9.7 97.0
afectiva 9 3.0 3.0 100.0
Total 300 100.0 100.0
2Con fines didácticos se presentarán las tablas del SPSS, aunque éstas no se reportan en
una investigación, se abstraen los datos que el investigador desea resaltar y se muestran en
otro formato.
Estadística descriptiva 35
TABLA 11
DISTRIBUCIÓN DE EDAD POR FRECUENCIAS EN HOMBRES Y MUJERES.
21 1 31 15 41 8 51 2
22 2 32 18 42 1 52 5
1
23 13 33 16 43 7 53 6
24 13 34 13 44 7 54 1
25 11 35 16 45 4 55 2
26 17 36 9 46 7 56 0
27 11 37 18 47 4 57 2
28 13 38 14 48 3 58 0
29 19 39 15 49 8 59 0
30 15 40 13 50 8 60 4
Total 351
TABLA 12
DISTRIBUCIÓN DE EDAD POR INTERVALOS EN HOMBRES Y MUJERES
Intervalo de clase f
56-60 6
51-55 16
46-50 30
41-45 37
36-40 69
31-35 78
26-30 75
21-25 40
Total 351
Representación gráfica
GRÁFICA 1
REPRESENTACIÓN DE LA RECTA NUMÉRICA
Estadístico descriptiva 37
Las gráficas que se utilizan con mayor regularidad son:
1. Barras
2. Pastel
3. Histograma
4. Ojivas
5. Polígonos de frecuencia
Gráfica de barra
NIVEL DE ESCOLARIDAD
GRÁFICA 3
DISTRIBUCIÓN DE LA MUESTRA EN LAS CATEGORÍAS DE
FUNCIONAMIENTO FAMILIAR
Estadística descriptiva 39
Gráfica de pastel o de sectores
Gráfica 4
Gráfica de histograma
3 Una variable continua es aquella que asume un conjunto ordenado de valores dentro de un
rango (Kerlinger y Lee, 2001).
muestra de 351 sujetos de las tablas 12 y 13. Las barras están unidas por-
que denotan continuidad del intervalo de menor edad (21-25) al de mayor
edad (56-60).
GRÁFICA 6
INTERVALOS DE EDAD EN UNA MUESTRA DE 351
HOMBRES Y MUJERES
Estadística descriptiva 41
Otro ejemplo relacionado con los histogramas es el caso del cons-
tructed esperanza, medida por una escala cuyos intervalos de respuesta
van del 1 al 5. Esta escala se constituye por dos dimensiones: importancia y
probabilidad, cada una con 10 factores (Vargas, García-Méndez, Díaz-
Loving y Rivera, 2004). El histograma de la figura 7 muestra el com-
portamiento de uno de los factores de probabilidad -ayuda paterna- en una
muestra de 300 personas del D.E
GRÁFICA 7
Gráfica 9
Estadística descriptiva 43
Obtener medidas de tendencia central
1. Media → es un promedio.
2. Mediana → divide en dos a la muestra.
3. Moda → es el valor que se repite con mayor frecuencia.
Tabla 14
MEDIDAS DE TENDENCIA CENTRAL
DISTRIBUCIÓN NORMAL
Media
Donde:
La media.
La suma expresada por la letra griega sigma
Datos crudos
Número de casos
Estadística descriptiva 45
Ejemplo 1
Conocer la media de edad de una muestra de diez sujetos
Cuando se trabaja con datos agrupados por frecuencias o por intervalos y con
muestras grandes, la media se obtiene con la siguiente fórmula:
donde:
La media.
La suma expresada por la letra griega sigma
Los puntajes en crudo de la muestra
Un puntaje multiplicado por su frecuencia de ocurrencia
La suma de los fx
Número de casos
Niveles de depresión f
1 264
2 45
3 14
4 7
Después se obtiene la fx, al multiplicar cada una de las frecuencias por el nivel
de depresión correspondiente.
4 SDS son las siglas del nombre de la escala en inglés: Self-Rating Depression Scale.
Estadística descriptiva 47
Esta media de 1.3 indica que la mayoría de los 330 sujetos se ubican en el
nivel 1, lo que significa que en promedio la muestra no tiene depresión.
Ejemplo 3
Para obtener la media de años de unión de una muestra de 352 sujetos que
vivían con una pareja al momento de la investigación, los datos se agruparon en
intervalos. Una vez derivados los intervalos, se obtiene la marca de clase (Mx) o
punto medio de cada intervalo donde 33 es el, punto medio del intervalo 31-35
porque 33 + 2 = 35 y 33- 2 = 31.
Intervalo Mx
31-35 33
26-30 28
21-25 23
16-20 18
11-15 13
6-10 8
1-5 3
Intervalo Mx f
31-35 33 8
26-30 28 24
21-25 23 34
16-20 18 49
11-15 13 84
6-10 8 110
1-5 3 43
Mediana
Edad f
18 21
19 22
20 32
21 26
22 14
23 18
24 12
n = 145
Estadística descriptiva 49
De acuerdo con Levin y Levin (2002) la posición del valor de la Md también
se puede obtener con la fórmula:
Posición de la Md
Posición de la Md
Edad f fa
18 21 145
19 22 124
20 32 102
21 26 70
22 14 44
23 18 30
24 12 12
n= 145
Moda
Ejercicio SPSS
Estadística descriptiva 51
Al presionar statistics aparece un menú en el que se coloca el cursor en cada
uno de los cuadros de las tres medidas de tendencia central de nuestro interés -
media, mediana y moda— se presiona en estos cuadros con el botón izquierdo
del mouse, enseguida se coloca el cursor en el ícono de continue que se
presiona con el botón izquierdo del mouse.
STATISTICS
Significados generales
N Valid 300
Missing 0
Mean 2.4900
Median 2.0000
Mode 2.00
1. Rango
2. Desviación estándar
3. Varianza
4. Sesgo
5. Curtosis
6. Error estándar
Rango (R)
Estadística descriptiva 53
una distribución. Su cálculo es fácil y rápido, no requiere de fórmula y se puede
utilizar en medidas ordinales e intervalares. Su desventaja radica en su inestabilidad,
esto es, de una muestra a otra, presenta grandes variaciones, por lo que se
recomienda emplearse como una medida preliminar.
Un ejemplo de esta medida de variabilidad es conocer el rango de
rendimiento escolar de 42 alumnos, cuya calificación más alta fue de 9 y la más
baja de 2. El R se obtiene de la resta 9-2 esto es el R = 7.
Desviación estándar
G RÁFICA 11
REPRESENTACIÓN DE LA DESVIACIÓN ESTÁNDAR EN
UNA DISTRIBUCIÓN NORMAL
donde:
s = Desviación estándar
GRÁFICA 12
REPRESENTACIÓN DE LA SIGNIFICANCIA A PARTIR DE LA DESVIACIÓN
ESTÁNDAR EN UNA DISTRIBUCIÓN NORMAL
Estadística descriptiva 54
Ejemplo
1 49
2 74
3 34
4 15
5 4
n = 176
1 49 49
2 74 148
3 34 102
4 15 60
5 4 20
n = 176 S/x = 379
1 49 49
2 148 296
3 102 306
4 60 240
5 20 100
2/x2 = 991
4. Una vez que se tiene la X = 2.15 hijos, ésta se eleva al cuadrado (X)2 — 4.62
y entonces:
Estadística descriptiva 57
Sesgo
Valor - 4 a + 4
Signo + -
Ejemplos
GRÁFICA 13
GRÁFICA 14
FUNCIONAMIENTO FAMILIAR
Curtosis (K)
Estadística descriptiva 59
Ejemplos
El número de hijos en una muestra de 176 parejas fluctuó entre uno y cinco,
predominando las parejas con dos hijos, tal como se observa en la gráfica 15, lo
que hace que la curva sea alta o picuda (leptocúrtica).
GRÁFICA 15
NÚMERO DE HIJOS
La gráfica 16, representa una curva mesocúrtica, esto es, una distribución
normal en una muestra de 60 mujeres, 30 con diagnóstico que indica problemas
de alimentación y 30 sin problemas alimenticios.
La gráfica 17, muestra una curva platocúrtica hipotética, que se caracteriza
por su distribución relativamente plana.
De esta manera se observa que el sesgo y la curtosis indican la asimetría, el
sesgo hacia uno u otro lado de la curva y la curtosis a través de la elevación de la
misma.
G RÁFICA 17
CURVA PLATOCÚRTICA
Error estándar (σ o e)
Estadística descriptiva 61
Ejercicio SPSS
Para obtener las medidas de dispersión en SPSS de una muestra de 300 personas a
las que se les aplicó la escala de depresión de Zung (1965) se llevan a cabo los
siguientes pasos:
Paso 1. En la base de datos se coloca el cursor en analyze, se presiona el botón
izquierdo del mouse, aparece un menú en el que se coloca el cursor en descriptive
statistics y se presiona el botón izquierdo del mouse, nuevamente se muestra un
menú en el que se presiona con el botón izquierdo del mouse, frequencies.
Estadística descriptiva 63
coloca el cursor en el cuadro de kurtosis y se presiona el botón izquierdo del mouse.
STATISTICS
Rangos
N Valid 330
Missing 22
Std. Deviation .6458
Variance .4171
Kurtosis 6.138
Std Error of Kurtosis .268
Range 3.00
TABLA 15
ESTADÍSTICA DESCRIPTIVA
Medidas de Correlación
Medidas de dispersión
Gráficas tendencia central
Nominal Barras Moda No hay Coeficiente Phl
Pastel C de contingencia
V de Cramer
Estadística descriptiva 65
Estadística inferencial
La estadística inferencial se basa en la prueba de hipótesis, se define como un
conjunto de técnicas que permiten al investigador obtener conclusiones a partir
de una muestra para después ser generalizadas a una población. De este modo,
su principal función es la generalización en una población (parámetros)
habitualmente en términos de probabilidad (Nunnally y Bernstein, 1995) a partir
de las conclusiones obtenidas, resultado de la manipulación de variables en
muestras observadas.
Aplicaciones de la
estadística inferencial
Ejemplo
69
Ejemplo
TABLA 16
HIPÓTESIS ESTADÍSTICAS
Ho de comparación
Se identifica la variable dependiente (VD) y la independiente (VI) o de
clasificación (VE).
VD = Asertividad
vc = Sexo: hombres y mujeres
Ho = No existen diferencias estadísticamente significativas en la asertividad
entre hombres y mujeres.
Ho de relación
V1 = Agresión (X)
v2 = Niveles de testosterona (Y)
Ho = No existe relación entre agresión y el nivel de testosterona en hombres.
Ho: rxy = 0
Estadística inferencial 71
VD =Calidad de vida
vc = Estado civil: casados y solteros
Los solteros tienen mayor calidad de vida que los casados. Con notación
estadística
H1 = rxy > + 0
H1 = rxy > - 0
No paramétrico
Estadística inferencial 73
Ventajas
Desventajas
Estadística Inferencial 75
TABLA 17
(Continuación)
Prueba Objetivo Nivel de Diseño Muestreo Instrumentos
medición
Paramétrica
1. Distribución normal.
Indica que los grupos tienen una curva normal o mesocúrtica (esta curva
se describe en el capítulo 2, figura 8). Con esta afirmación se asume
que las muestras (n) con las que se está trabajando se han extraído de
Estadística inferencial 77
TABLA 18
TÉCNICAS DE MUESTREO
TABLA 19
PRUEBAS DE LA ESTADÍSTICA PARAMÉTRICA*
Generalmente las pruebas para una muestra simple son pruebas de bondad de
ajuste que tienen como objetivo conocer la distribución de la muestra.
83
significa que el valor de chi cuadrada es significativo si la diferencia entre las
frecuencias esperadas y las frecuencias obtenidas es lo suficientemente grande
(Siegel y Castellan, 2003; Levin y Levin, 2002). Su fórmula es:
donde:
fe= N /k
donde:
N = número de personas.
gl = k - 1
donde:
k = número de columnas de la tabla de contingencia
Pruebas de la estadística
no paramétrica 85
10. Si la tabla de contingencia ese de 2 x 2 y cumple los requisitos 7 y 8, se
aplica la prueba de corrección por continuidad de Yates.
Procedimiento
fo fe fo fe fo fe fo fe
15 15 28 15 0 15 7 15 60
gl = k - 1
gl = 4 - 1
gl = 3
Pruebas de la estadística
no paramétrica 87
Interpretación de resultados
Ejercicio SPSS
Pruebas de la estadística
no paramétrica 89
Paso 4. En el menú del paso 3, se marca con el cursor la variable preferencias, se
da clic en el icono ubicado entre la variable preferencia y Test Variable List,
inmediatamente la variable preferencias aparece en Test Variable List.
PREFERENCIAS
Pastelillos 15 15.0 .0
Frituras 28 15.0 13.0
Refrescos 10 15.0 -5.0
Dulces 7 15.0 -8.0
Total 60
Preferencias
Chi-Squarea 17.200
df 3
Asymp. Sig. .001
a.0 cells (.0%) have expected frequencies less than 5. The
TABLA 20
DIFERENCIAS EN EL CONSUMO DE PRODUCTOS CHATARRA
15 28 10 7 17.20 3 .00 1
N = 60.
Interpretación de resultados
Estas pruebas implican dos medidas de una sola muestra. Se emplean cuando
el investigador desea conocer si un tratamiento es mejor que otro o si
dos tratamientos son diferentes. En este tipo de estudios se pueden em-
Pruebas de la estadística
no paramétrica
91
plear dos grupos, sin embargo, los resultados que se obtengan pueden estar
relacionados con un conjunto de eventos ajenos al tratamiento. Estos eventos se
conocen como variables extrañas. Con la finalidad de controlar el efecto de
estas variables extrañas, la persona puede fungir como su propio control, esto
es, se le expone a ambas condiciones en diferentes ocasiones. Otra alternativa es
el método de apareamiento, en el que se seleccionan pares de personas lo más
semejantes posible en torno de las variables extrañas que puedan influir en los
resultados del tratamiento. El inconveniente de este método es que depende de
la capacidad del investigador para establecer que tan iguales son los pares
(Siegel y Castellan, 2003).
McNemar
Es una prueba útil en los diseños antes-después (Álvarez, 1995) en los que cada
sujeto se utiliza como su propio control. En la prueba de McNemar el objetivo es
probar la significación de los cambios observados a partir de una tabla de
contingencia 2x2 (Siegel y Castellan, 2003; Conover, 1980).
donde:
suma
frecuencia obtenida
frecuencia esperada
se obtiene lo siguiente:
Pruebas de la estadística
no paramétrica 93
Reglas para su empleo
Procedimiento
Ejercicio
Despues
Desacuerdos Acuerdos
Antes Acuerdos 9 6
Desacuerdos 5 30
Interpretación de resultados
Pruebas de la estadística
no paramétrica 95
Ejercicio SPSS
La base de datos contiene las respuestas de los 50 padres de familia; sin embargo,
con fines prácticos en esta tabla únicamente se incluye la información de 20
padres. La base de datos del paso 2, sólo incluye 10 de los 20 casos, no obstante
los análisis que se presentan son a partir de todos los casos
Paso 1. Se coloca el cursor en Analyze y se da clic en el botón izquierdo del
mouse.
Pruebas de la estadística
no paramétrica 97
Paso 4. Al hacer clic en Statistics se coloca el cursor en Chi-square y en McNemar,
se da clic en el cuadro de cada una de éstas pruebas,- se coloca el cursor en
Continue y se da clic.
ANTES Acuerdo 6 9 15
Desacuerdo 30 5 35
Total 36 14 50
CHI-SQUARE TESTS
Association
N of Valid Cases 50
Pruebas de la estadística
no paramétrica 99
TABLA 21
DISTRIBUCIÓN DE RESPUESTAS DE LOS PADRES DE FAMILIA.
Después
Desacuerdos Acuerdos
Antes Acuerdos 9 6
Desacuerdos 5 30
t de Wilcoxon (t w)
Procedimiento
1. Plantear hipótesis.
2. Determinar probabilidad alfa (α ).
3. Obtener las calificaciones de la muestra antes y después.
4. Obtener las diferencias de la primera y segunda aplicación.
5. Ordenar de mayor a menor las diferencias (R) (se toma en cuenta el
signo). Cuando la diferencia es cero, no se ordena.
6. Sumar por separado los rangos de los valores positivos (∑ R+) Y los
rangos de los valores negativos (∑ R-).
Ejercicio
Antes Después
118 100
100 90
120 38
141 60
51 171
170 64
179 89
47 52
161 101
N=9 N=9
Pruebas de la estadística
no paramétrica 101
Pasos 4 y 5. Se obtienen las diferencias de las calificaciones antes-des-
pués, por ejemplo, 118 - 100 = 18. Se ordenan los rangos de menor a mayor,
el rango 1 es para la diferencia más pequeña, que en este caso es -5. Como la
diferencia es negativa, el rango también será negativo.
Antes Después d Rd
118 100 18 3
100 90 10 2
120 38 82 6
141 60 81 5
51 171 -120 -9
170 64 106 8
179 89 90 7
47 52 -5 -1
161 101 60 4
∑R + = 3 + 2 + 6 + 5 + 8 + 7 + 4
∑ R+ = 35
∑R - = -9 - 1
∑ R- = -10
Paso 7. Se elige el valor más pequeño resultado de la suma de rangos
positivos y negativos. En este ejercicio el valor menor lo tiene la suma de rangos
negativos, convirtiéndose en el valor tw.
tw = -10
t we ≤ t wt se acepta la Ho.
Interpretación de resultados
Ejercicio SPSS
Para este ejercicio se retomarán los datos del Instituto Nacional Indigenista.
Paso 1. Se coloca el cursor en Analyze y se da clic en el botón izquierdo del
mouse.
Pruebas de la estadística
no paramétrica 103
Paso 2. Al hacer clic en Analyze, aparece un menú en el que se coloca el cursor
en Nonparametric tests, se da clic y aparece otro menú, se coloca el cursor en 2 Related
Samples y se da clic.
Paso 3. Al hacer clic en 2 Related Samples, se abre un menú que contiene las
variables de estudio. En este menú se da clic en el cuadro de Wilcoxon.
Paso 5. Se da clic en el icono que está entre las variables de estudio y Test
Pair(s) List, las variables antes después aparecen en Test Pair(s) List y se eliminan de
variable 1 y variable 2.
Pruebas de la estadística
no paramétrica 105
Se da clic en el icono de OK y se muestran los valores de la prueba t de
Wilcoxon en tablas.
RANKS
TEST STATISTICSb
Después-Antes
Z -1.481a
Interpretación de resultados
donde:
N1 = muestra 1.
N2 = muestra 2.
∑ R1 = suma de rangos muestra 1.
∑ R2= suma de rangos muestra 2.
• En mediciones ordinales.
• En muestras independientes cuyos tamaños sean iguales o diferentes.
• En datos expresados por rangos.
• La fórmula aplica para N2 > 9 personas.
Procedimiento
Pruebas de la estadística
no paramétrica 107
3. Ordenar las respuestas de las muestras N1 y N2 de menor a mayor.
4. Obtener los rangos de cada respuesta, dándole el rango menor 1 a la
respuesta más pequeña, el 2 a la siguiente y así sucesivamente. Cuando se
repiten dos respuestas en ambas muestras, éstas se suman y se dividen entre
dos, el resultado de esta operación es el rango para ambas respuestas. Por
ejemplo, el número 11 se repite en ambos grupos en el desarrollo de la
fórmula (paso 2), les corresponde los rangos 7 y 8, entonces, se suman 7 +
8 = 1 5 , este resultado se divide entre dos, que se refiere a los dos rangos, el
resultado 7.5 es para los dos valores de 11.
5. Desarrollar la fórmula.
6. Plantear la regla de decisión.
Ejercicio
15 13.5 8 4
18 17 6 2
19 18 13 10
16 15 9 5
14 11.5 7 3
17 16 15 13.5
11 7.5 12 9
10 6 11 7.5
5 1
14 11.5
N1 = 8 ∑R 1 =104.5 N 2 = 10 ∑R 2 = 66.5
Paso 5. Desarrollo de la fórmula.
Pruebas de la estadística
no paramétrlca 109
Prueba de comprobación:
N I N 2 = (8)(10) = 80
U1 U2 = (11.5)(68.5) = 80
U ≤ Ut se acepta H1
11.5 ≤ 13 se acepta H1
n1 n2 10 11 12 13 14 15 16 17 18 19 20
9
1 0 0 0 0 0 0 1 1
2 2 2 3 3 4 4 4 5
3 1 1 1 2 5 6 7 7 8 9 9 10
4 3 3 4 5 9 10 11 12 13 14 15 16
5 5 ó 7 8 12 13 15 16 18 19 20 22
6 7 8 9 11 16 17 19 21 23 24 26 28
7 9 77 12 14 20 22 24 26 28 30 32 34
8 11 13 15 17 23 26 28 31 33 36 38 40
Interpretación de resultados
El paso 1 contiene la base de datos con las variables a manipular. La variable grupo
con/sin, se refiere a los dos grupos de estudio (1 = con reforzamiento, 2 = sin
reforzamiento), reí a re20, son las respuestas a cada una de las 20 palabras (1 =
respuesta correcta y 2 = respuesta incorrecta).
Pruebas de la estadística
no paramétrica 111
Paso 2
da se marcan con el cursor las 20 respuestas ( r e í . . ,re20) que están debajo del
cuadro de Target Label, se da clic en el icono que se encuentra entre r e 1 . . , re20 y
Variables, entonces las 20 respuestas aparecen en el cuadro de Variables que ahora se
denomina Numeric Variables.
Paso 3
Pruebas de la estadística
no paramétrica 113
Paso 6. Cuando se da clic en Continue se muestra nuevamente el menú del paso 3
en el que se da clic en OK y aparece la base de datos con la nueva variable rescorre
que contiene las frecuencias de respuestas correctas por niño. Para fines prácticos,
sólo se incluirá parte de la información de la base de datos.
Paso 9. La variable rescorre se marca con el cursor, se da clic en el icono que está
entre las variables de estudio y Test Variable List, lo que resulta en que rescorre
aparecerá en el cuadro de Test Variable List. La variable grupo con/sin sigue el mismo
procedimiento, sólo que se da clic en el icono que está entre las variables de
estudio y Grouping Variable mostrándose Grupo ?? en el cuadro de Grouping Variable.
Se da clic en Define groups.
Pruebas de la estadística
no para métrica 115
Paso 10. Después de dar clic en Define groups aparece una ventana en la que se
pone el número 1 en group 1, y el número 2 en group 2. Esto se hace así porque la
variable grupo con/sin que se muestra en los pasos 1, 2 y 3 tiene dos niveles: 1 (con
reforzamiento) y 2 (sin reforzamiento).
RANKS CORRECTA
Respuesta
correcta
Mann-Whitney U 11.5000
Wilcoxon W 66.500
Z -2.536
Asymp.Sig (2-tailed) .011
Exact Sig (2*(1 -tailed
Sig.)) .009a
aNot corrected for ties.
bGrouping variable: grupo control/experimental.
donde:
N = el número total de casos.
Pruebas de la estadística
no paramétrica 117
n = el número de casos en una muestra dada.
∑ R1 = la suma de los rangos para una muestra dada.
12, 1 y 3 son constantes.
• En mediciones ordinales.
• En comparaciones de tres o más muestras independientes.
Procedimiento
Ho: Ml = M2 = M3
HI: M1 ≠ M2 = M3
Ejemplo
100 10 90 9 70 6
150 13 85 8 60 4
160 14 75 7 50 3
120 11 65 5 40 2
130 12 25 1
N1= 5 ∑ R1 =60 N2= 4 ∑ R2=29 N3= 5 ∑ R3 =16
Pruebas de la estadística
no paramétrica 119
Paso 6. Regla de decisión.
H ≥ Ht
11.08 ≥ 7.82
Para que los resultados sean significativos, la H tiene que ser igual
o mayor que el valor de Ht en tablas. En la tabla D del apéndice, se busca en los
renglones, los tamaños de las tres muestras, en este caso son N1 — 5, N2= 4 y N3
= 5. Junto a estos valores se encuentra el valor de H y su nivel de significancia
que es de .01.
Interpretación de resultados
Ejercido SPSS
Paso 2
Pruebas de la estadística
no paramétrica 121
Paso 3. Se coloca el cursor en califica, se da clic en el icono ubicado entre los
cuadros de las variables y Variable(s), entonces califica aparece en Variable(s).
El círculo de Smallest value debe estar marcado al igual que el cuadro de Display
summary tables, de no ser así se marcan con el cursor, posteriormente se da clic en
Rank Types.
Pruebas de la estadística
no paramétrica 12 3
Paso 7. Al hacer clic en K independent samples, aparece el siguiente menú.
Paso 10. Al hacer clic en Continue reaparece el menú del paso 8 en el que se da
clic en OK mostrándose los resultados en tablas.
RANKS
Edad N Mean-Rank
TEST STATISTICSab
Rank of
califica
Chi-Square 11.083
df 2
Asymp. Sig. .004
aKruskal Wallis Test.
bGrouping Variable: edad.
Pruebas de la estadística
no para métrica 125
La interpretación de estos resultados es igual a la presentada en el ejercicio
de la fórmula desarrollada, sólo que aquí, la p = .004 lo que se relaciona con la
exactitud de las operaciones realizadas por el SPSS. Es conveniente destacar que
el valor de la-Chi es el mismo reportado en ambos ejercicios.
Ho. Los hombres y las mujeres consideran que los motivos emocionales,
circunstanciales, instrumentales, de personalidad y sexuales son elementos
que favorecen de igual forma la infidelidad.
H1. Existen diferencias entre hombres y mujeres con relación a los motivos
emocionales, circunstanciales, instrumentales, de personalidad y sexuales
que favorecen la infidelidad.
TABLA 22
FRECUENCIAS OBSERVADAS POR CATEGORÍA EN HOMBRES Y MUJERES
Categorías f0 fo
Hombres mujeres
Motivos emocionales 53 87
Motivos circunstanciales 31 19
Motivos instrumentales 64 125
Motivos de personalidad 23 22
Motivos sexuales 10 20
Total 181 273
Motivos circunstanciales
Motivos instrumentales
Pruebas de la estadística
no paramétrlca 127
Motivos de personalidad
Motivos sexuales
TABLA 23
FRECUENCIAS OBSERVADAS Y ESPERADAS POR CATEGORÍA
EN HOMBRES Y MUJERES
Categorías fo fo fo
hombres mujeres
Motivos emocionales 53 87 70
Motivos circunstanciales 31 19 25
Motivos instrumentales 64 125 94.5
Motivos de personalidad 23 22 22.5
Motivos sexuales 10 20 15
Motivos emocionales
Motivos instrumentales
Motivos de personalidad
Pruebas de la estadística
no paramétrica 129
Motivos sexuales
Paso 6. Una vez que se obtuvieron las .X2 de cada categoría, se obtienen los
gl:
gl = k - 1
gl = 2-1
Categorías fo fo fo X2 P
hombres mujeres
Interpretación de resultados
Ejercicio SPSS
Pruebas de la estadística
no paramétrica 131
Paso 1. Se coloca el cursor en Analyze, se da clic en el botón izquierdo del mouse.6
6 En lo subsiguiente, al indicar que se da clic, se asumirá que se presiona el botón izquierdo del
mouse y que el cursor está colocado en la operación a realizar.
Pruebas de la estadística
no paramétrica 133
Paso 5. Al hacer clic en Statistics, aparece un menú, se da clic en Chi-square (X2).
CROSSTAB
Count
comunicación Sexo Total
masculino femenino
Ausente 34 34 68
Presente 110 122 232
Total 144 156 300
La segunda tabla muestra los resultados de la chi cuadrada, los que indican el
valor de la prueba y su nivel de significancia. Estos datos deberán ser
interpretados por el investigador con base en las hipótesis planteadas.
7Con fines didácticos se muestran los resultados de la prueba chi cuadrada, tal como los
0 cells (.0%) have expected count less than 5. The minimum expected count is 32.64.
b
CROSSTAB
Count
Afectividad Sexo Total
Masculino Femenino
Ausente 94 76 170
Presente 50 80 130
Total 144 156 300
CHI-SQUARE TESTS
Pruebas de la estadística
no paramétrica 135
Una de las formas de presentar la información obtenida en el SPSS, se
muestra en la tabla 25.
TABLA 25
Sexo
a) Distribución normal.
b) Homocedasticidad de varianza.
c) Nivel de medición intervalar.
d) Selección y asignación aleatoria.
a) Estimación de parámetros.
b) Pruebas de hipótesis.
139
Pruebas paramétricas.
Prueba de coeficiente de correlación de
producto-momento de Pearson
Introducción
En la vida diaria hemos escuchado muchas cosas, que aunque no han sido
comprobadas científicamente, suceden en forma imprevista, por ejemplo, se dice
"que a mayor velocidad de un carro, menor consumo de gasolina"; o que si "un
adolescente tiene los pies grandes es porque va a ser muy alto", también hemos
visto que las personas satisfechas en su relación de pareja son más
comunicativas. Al hacer esta serie de afirmaciones sin un fundamento se expresa
la suposición de que existe alguna correlación entre las variables.
La correlación indica o representa la relación entre dos variables. De entre
los ejemplos planteados aquí, el último plantea como variables, a la satisfacción
con la relación y la comunicación. Si quisiéramos comprobar la relación
existente entre estas dos variables tomaríamos en forma aleatoria a una muestra
de personas que actualmente tuvieran una relación de pareja. Posteriormente les
preguntaríamos ¿qué tan satisfechos se encuentran con su relación? (en una
escala del 1 al 10) y ¿qué tanto se comunican con su pareja? (en una escala del 1
al 10). Si encontramos que puntajes altos en satisfacción se relacionan con
puntajes altos en comunicación, podemos decir que la observación fue acertada.
Si nosotros podemos hablar de que existe una relación entre estas variables,
por ende podemos predecir una a partir de otra. Esto es, se puede decir que las
personas con un valor de 10 en satisfacción es más probable que tengan un valor
de 10 en comunicación.
Definición
Este coeficiente como su nombre lo indica nos da un índice (valor) que habla del
nivel de relación que tienen dos variables.
Requisitos
a) Que los puntajes sean lineales (es decir se agrupen en una recta). Ya sea
en forma directamente proporcional o inversamente proporcional.
Interpretación
1. Fuerza.
2. Dirección.
3. Significancia.
i. Fuerza: Esta indica el grado de relación que hay entre dos variables.
De acuerdo con el valor obtenido, que sólo puede ir de 0 a 1 pasando por
valores positivos y negativos (-1 a +1). La fuerza la da el valor de la correlación y
este puede ser interpretado de la siguiente forma:
0 a .30 Baja
.31 a .79 Media
.90 a 1 Alta
Signo Interpretación
Comunicación marital
10 9
8 10
8 9
7 6
10 9
9 8
6 7
5 4
4 4
8 7
GRÁFICA 18
DISPERSIGRAMA DE COMUNICACIÓN Y
SATISFACCIÓN
Fórmula
= Sumar el producto de x y y.
a) gl = N - 2 N
= Número de pares en x y y.
Se busca en la tabla de valores críticos de r, los grados de libertad y la
probabilidad (α ).
X Y X2 Y2 xy
Agresión Frustración
12 12 144 144 144
10 8 100 64 80
6 6 36 36 36
16 11 256 121 176
8 10 64 100 80
9 8 81 64 72
12 11 144 121 132
∑x =73 ∑y =66 ∑X s =825 ∑y* = 650 ∑XY =720
gl = 7-2 = 5
rc ≥ ro H1 se acepta.
Ejercicio SPSS
8 En lo subsiguiente, al indicar que se da clic, se asumirá que es con el botón izquierdo del mouse y
que el cursor está colocado en la operación a realizar.
TABLA 26
Correlations
Acuerdo Acomoda Conten Evitaci
9 Con fines didácticos se muestran los resultados de la correlación de Pearson, tal como los
t de student
Introducción
Definición
La t de student es una prueba de hipótesis que observa las diferencias entre dos
grupos.
Esta prueba tiene varios usos:
Requisitos
Clasificación de la prueba t
En este caso, cada una de las categorías de sexo debe tener el mismo número
de participantes; por ejemplo: 100 hombres y 100 mujeres.
donde:
∑X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Número de participantes por grupo.
donde:
donde:
σ = Desviación estándar para cada grupo,
N y 1= Constantes.
donde:
g) Sustituir en la fórmula de t.
donde
NI = Número de participantes en el grupo 1.
N2 = Número de participantes en el grupo 2.
1 = Constante.
tc ≥ t0 H1 se acepta.
Es decir que como la t de la fórmula es más grande que la de la tabla F
entonces se acepta la hipótesis alterna.
Ejercicio
X1 X1 2 X2 X22
Para calcular los datos del estudio con la t de student se siguen estos pasos:
a) Se plantean las hipótesis estadísticas:
f) Sustituir en la fórmula de t:
1. gl = 9 + 9 - 2 = 16
tc ≥ ta H1 se acepta.
1.17 ≥ 2.12 H1 se rechaza.
En este caso cada una de las categorías del tipo de vivienda debe tener un
número diferente de participantes. Por ejemplo, 50 personas que viven en
departamento y 60 personas que viven en casa.
Para calcular esta prueba se aplica un procedimiento similar al de la prueba
t de student para muestras iguales, lo que difiere aquí es que ya no se calcula el
error estándar de la media y cambia la fórmula del error estándar de la
diferencia. El proceso a seguir es:
A) Plantear las hipótesis estadísticas.
b) Plantear la probabilidad a la cual se comprobarán dichas hipótesis.
c) Calcular las medias para cada grupo
La fórmula para calcular la media para cada grupo es:
donde:
donde:
σ 12 = Desviación estándar del grupo 1.
σ 21 = Desviación estándar del grupo 2.
NI = Número de participantes en el grupo 1.
N2 = Número de participantes en el grupo 2.
f) Sustituir en la fórmula de t.
1. gl = N1 + N2 - 2
donde:
NI = Número de participantes en el grupo 1,
N2 = Número de participantes en el grupo 2,
2 = Constante.
tc ≥ tQ H1 se acepta.
Ejercicio
X1 X11 X2 X22
Para calcular los datos del estudio con la t de student para muestras
diferentes se siguen estos pasos:
α =. 05
f) Sustituir en la fórmula de t.
1. gl = 9 + 7- 2 = 14
tc ≥ to H1 se acepta.
5.43 ≥ 2.14 H1 se acepta.
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias entre hombres y mujeres en las
historias de amor (Romero, 2003) se aplicó la prueba t para muestras
independientes.
Se plantearon las siguientes hipótesis:
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuación se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botón izquierdo del
mouse.
10Con fines didácticos se muestran los resultados de la prueba t para muestras relacionadas, tal
como los reporta el SPSS, sin embargo, nunca se presentan así en un reporte de investigación.
Group statistic
Sexo N Mean Std. Std.
Deviation Error
Mean
Factor 1: Romance Masculino 160 20.26 5,136 .406
Femenino 171 19.15 4,854 .371
Factor 2: Organización Masculino 160 19.97 4,440 .351
Femenino 171 20.99 3,287 .251
Factor 3: Sexual Masculino 160 12.26 3,501 .277
Femenino 171 11.11 3,551 .272
Factor 4: Atracción-misterio Masculino 160 9.39 2,189 .173
Femenino 171 9.48 2,377 .182
Factor 5: Humor Masculino 160 9.68 2,954 .234
Femenino 171 9.39 3,076 .235
Factor 6: Maestro-estudiante Masculino 160 18.08 3,699 .292
Femenino 171 18.04 3.305 .253
Factor 7: Guerra Masculino 160 11.49 4,011 .317
Femenino 171 11.19 3,763 .288
Factor 8: Policía-prófugo Masculino 158 10.06 3,514 .280
Femenino 171 10.25 4,282 .327
Factor 9: Atracción bizarra Masculino 160 8.06 3,133 .248
Femenino 171 7.39 2,633 .201
Facto 10: Control-variedad Masculino 160 12.09 3,310 .262
Femenino 171 11.60 3,365 .257
factor 11: Sacrificio-dependencia Masculino 160 9.99 2,687 .212
Femenino 171 9.25 2,268 .173
Factor 12: Desconfianza mutua masculino 160 6.59 2,167 .171
Femenino 169 6.87 2,159 .166
Factor 13: Jardinería Masculino 159 14.59 3,701 .294
Femenino 169 14.29 3.217 .247
mientras que las mujeres obtienen puntajes significativamente mayores que los
hombres en la historia de organización. En las historias restantes no se
encontraron diferencias significativas. Lo anterior indica que los hombres en sus
relaciones en general se enfocan más en aspectos tales como el cariño, la
conquista, la sexualidad, la práctica variada del erotismo, el misterio y las
características fuera de lo común, así como la dependencia y la necesidad de la
pareja, mientras que las mujeres se centran más en aspectos tales como la
organización, las reglas y las estructuras determinadas para el buen
funcionamiento de la relación.
*p ≤ 0.05.
**p ≤ 0.01.
donde:
∑X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo,
N = Número de participantes por grupo.
donde:
∑ D2 = Sumar los cuadrados de las diferencias de cada una de las
calificaciones de la muestra.
(X) 2 = Elevar la media de cada grupo al cuadrado.
N = Número de participantes por grupo.
donde:
f) Sustituir en la fórmula de t.
donde:
N= Número de participantes de la muestra.
1 = Constante.
tc ≥ t0 H1 se acepta.
Es decir que como la f de la fórmula es más grande que la de la tabla F
entonces se acepta la hipótesis alterna.
Ejercicio
100 90 10 100
200 60 140 19,600
180 75 105 11,025
90 85 5 25
49 40 9 81
110 65 45 2,025
185 75 110 12,100
170 95 75 5,625
165 85 80 6,400
160 70 90 8,100
∑ = 1,409 ∑ =740 ∑ D2= 65,081
α =.05
f) Sustituir en la fórmula de t.
1. gl= 1 0 - 1 = 9
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuación se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botón izquierdo del
mouse.
11Idem.
TABLA 31
ESTADÍSTICAS DESCRIPTIVAS DE SPSS
DE LA PRUEBA T DE STUDENT:
Paired Samples Mean Std. Std. Error
Statistics N Deviation Mean
TABLA 32
VALORES DE LA PRUEBA T DE STUDENT
PARA MUESTRAS RELACIONADAS DE SPSS:
Introducción
*P ≤ 0.05.
**p ≤ 0.01.
presa, o que decimos que los solteros están más satisfechos con su relación
que los casados y los divorciados, o que los hombres jóvenes están más
satisfechos sexualmente que los hombres maduros y las mujeres jóvenes,
estamos haciendo comparaciones con tres o más grupos y además estamos
combinando las características de estos grupos para poder ver en qué
medida difieren. De la misma forma que en el apartado anterior, estamos
afirmando que la media de una muestra es más grande, más fuerte y/o más
difícil que la otra. Empero, también debemos comprobar si nuestras
afirmaciones son ciertas en términos de probabilidad. Esta parte del libro se
abocará a explorar una de las pruebas que puede examinar si las diferencias
propuestas son significativas en tres o más grupos.
El análisis de varianza, Anova (del inglés, analysis of variance), es uno de
los métodos estadísticos más utilizados en la investigación moderna.
Para iniciar el análisis de varianza debemos hablar de la varianza
total, la varianza entre grupos y la varianza intragrupos. Estos conceptos
son básicos en el Anova ya que describen la lógica del mismo (Levin y
Definición
El Anova es una prueba de hipótesis que observa si tres o más grupos presentan
una diferencia significativa con respecto a una variable dependiente.
Esta prueba tiene varios usos:
Requisitos
I. Anova simple:
Se refiere a la comparación entre tres o más muestras tomadas de la misma
población o de poblaciones diferentes, con respecto a una variable dependiente.
Por ejemplo:
Edad
Jóvenes Adultos
Sexo Hombres
Mujeres
Escolaridad
Primaria Secundaria Preparatoria Licenciatura
Sexo Hombres
Mujeres
Esta prueba se aplica cuando se tienen tres o más muestras diferentes tomadas
de la misma población o de poblaciones diferentes, pero en los tres grupos o más
el tamaño es igual. Por ejemplo:
184
Sofía Rivera Aragón
Mirna García Méndez
Variable dependiente: Orientación al logro.
Variable de clasificación: Estudiantes de 1o., 2º. y 3o. grados de secundaria.
En este caso cada uno de los grados escolares debe tener el mismo número
de participantes: por ejemplo 60 de lo., 60 de 2o. y 60 de 3o. de secundaria.
Para calcular esta prueba se aplica el siguiente procedimiento:
a) Plantear las hipótesis estadísticas.
b) Plantear la probabilidad en la cual se comprobarán dichas hipótesis.
c) Obtener la sumatoria de los puntajes para cada grupo (∑X i ).
d) Obtener el cuadrado de la sumatoria (∑X) i 2
e) Elevar al cuadrado cada puntaje crudo y sumarlo (∑X) i 2
f) Calcular el factor de corrección (FC).
La fórmula para calcularlo es:
donde:
cuadrado.
K= Número de grupos a comparar.
N = Número de participantes por grupo,
g) Obtener la varianza total (SCT).
La fórmula para calcular la SCT es:
donde:
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos.
FC = Factor de corrección.
N = Número de participantes por grupo.
gltotal = N – 1
glentre = k - 1
glintra = N - k
donde:
N = Número total de participantes en todos los grupos.
K = Número de grupos que se están comparando.
1 = Constante.
Tabla de procedencia
SC gl MC F
Entre
Intra
Total
Fc ≥ F0 H1 se acepta.
donde:
∑X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N — Número de participantes por grupo.
Ejercicio
α = .05
SCI = 414.94-243.34 = 1 7 1 . 6
glentre = 3 – 1 = 2
glintra = 15 – 3 = 12
Tabla de procedencia
SC gl MC F
Entre 243.34 2 121.67 8.50
Intra 171.6 12 14.3
Total 414.94 15
Con respecto a estos valores se puede observar que los niños de 5 a 6 años
presentan una media más alta en autoestima que los niños de mayor edad. Cabe
aclarar hasta aquí que el Anova indica diferencias entre grupos, pero no nos dice
entre cuáles. Para ello habría que aplicar una prueba post-hoc (Scheffe, Duncan o
Tukey).
En este caso cada una de las categorías del estado civil debe tener un
número diferente de participantes: por ejemplo 115 solteros, 100 casados, 99
unión libre y 102 personas en relaciones reconstituidas.
donde:
al cuadrado.
N = Número de participantes para cada grupo.
y sumarlas.
FC= Factor de corrección.
donde:
SCI = SCT-SCE
Calcular los grados de libertad (gl).
Las fórmulas para calcular los grados de libertad son:
gltotal = N – 1
glentre = k - 1
glintra = N - k
donde:
N = Número total de participantes en todos los grupos.
k = Número de grupos que se están comparando.
1 = Constante.
Tabla de procedencia
SC gl MC F
Entre
Intra
Total
Fc ≥ F0 H1 se acepta.
donde:
∑ X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Número de participantes por grupo.
Ejercicio
5 25 3 9 7 49
4 16 4 16 8 64
5 25 3 9 10 100
5 25 4 16 12 144
4 16 5 25 10 100
5 25 3 9 9 81
4 16 2 4 9 81
5 25 4 16 7 49
5 25 3 9 5 25
4 16 4 16 3 9
3 9 4 16
4 16
∑X1 = 46 ∑ X1 2 = 214 ∑X2 = 42 ∑X22 = 154 ∑X2 = 84 ∑X32 718
SCT = 2 1 4 + 1 5 4 + 7 1 8 - 8 9 6 . 4 8 = 1 8 9 . 5 2
SCI = 1 8 9 . 5 2 - 1 0 3 . 1 3 = 8 6 . 3 9
glentre = 3 – 1 = 2
glintra = 33 – 3 = 30
Tabla de procedencia
SC gl MC F
Ejercicio SPSS
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuación se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botón izquierdo del
mouse.
12 Con fines didácticos se muestran los resultados del Anova factorial, tal como los reporta el
ANOVA SIMPLE
Anova
Etapa
*p< 0.05.
**p< 0.01.
Media superior
Superior
donde:
donde:
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
gltotal = N - 1
glentre = k - 1
glintra N — k
donde:
N — Número total de participantes en todos los grupos,
K = Número de grupos que se están comparando,
1 = Constante.
Tabla de procedencia
SC gl MC F
Entre
Intra
Total
Fc ≥ F0 H1 se acepta.
donde:
∑ X= Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo,
N = Número de participantes por grupo.
Media superior
Superior
donde:
∑ (f1)2 = Sumar los valores de la fila 1 y elevarlos al cuadrado.
∑ (f2)2 = Sumar los valores de la fila 2 y elevarlos al cuadrado.
K = Número de categorías o grupos de las variables.
N = Número de participantes por grupo.
FC = Factor de corrección.
donde:
∑ (c1)2= Sumar los valores de la columna 1 y elevarlos al cuadrado.
∑ (c2 )2= Sumar los valores de la columna 2 y elevarlos al cuadrado.
K= Número de categorías o grupos de las variables.
N = Número de participantes por grupo.
FC = Factor de corrección.
donde:
k = Número de categorías o grupos de la variable en estudio.
1 = Constante.
Tabla de procedencia
SC gl MC F
Entre
Filas
Columnas
Interacción
Intra
Total
Fc ≥ F0 H1 se acepta.
donde:
∑ X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Número de participantes por grupo.
Ejercicio
Jóvenes Adultos
SCT = 2 7 8 + 7 8 + 1 5 6 + 1 1 2 - 5 2 9 = 9 5
SCI = 9 5 - 3 5 = 6 0
gltotal = 1 6 - 1 = 1 5
glentre 4 - 1 = 3
glintra = 1 6 - 4 = 1 2
Tabla de procedencia
SC 91 MC F
Sexo
Edad Hombres Mujeres
Jóvenes 4 1
9 4
9 5
10 6
∑X1 =32 ∑X2=l6 ∑(f1)=48
Adultos 3 4
7 4
7 4
7 8
∑X3=24 ∑X4=20 ∑(f2)=44
∑(C I )=56 ∑(C2)=36
SC INT = 35 -25 -1 = 9
Tabla de procedencia
SC gl MC F
5 ≥ 4.75 H1 se acepta.
Efecto de la interacción:
Ejercicio SPSS
Interacción:
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuación se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botón izquierdo del
mouse.
TABLA 36
ANOVA DE DOBLE CLASIFICACIÓN
13 Con fines didácticos se muestran los resultados del Anova de doble clasificación, tal como los
Alta
Media
Baja
Experimental Mean
Method Square F Slg.
Sum of
Squares df
donde:
donde:
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos,
FC = Factor de corrección,
N = número de participantes por grupo.
Tabla de procedencia
SC gl MC F
Entre
Intra
Total
Fc ≥ F0 H1 se acepta.
donde:
∑ X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Número de participantes por grupo.
Alta
Media
Baja
donde:
∑ ( f 1 ) 2 = Sumar de los valores de la fila 1 y elevarlos al cuadrado.
∑ ( f 2 ) 2 = Sumar de los valores de la fila 2 y elevarlos al cuadrado.
K = Número de categorías o grupos de las variables.
N = Número de participantes por grupo.
FC = Factor de corrección.
donde:
∑ (c1)2= Suma de los valores de la columna 1 y elevarlos al cuadrado.
∑ (c2)2= Suma de los valores de la columna 2 y elevarlos al cuadrado.
K= Número de categorías o grupos de las variables.
N= Número de participantes por grupo.
FC = Factor de corrección.
donde:
k = Número de categorías o grupos de la variable en estudio.
l= constante.
Tabla de procedencia
SC gl MC F
Entre
Filas
Columnas
Interacción
Intra
Total
Fc ≥ F0 H1 se acepta.
donde:
∑ X = Suma las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo
N = Número de participantes por grupo.
Ejercicio
0 unidades
1 unidades
4 unidades
20 años
40 años
60 años
4 unidades 6 4 2
4 3 1
∑X1=10 ∑X2=7 ∑X3=3 ∑f1=20
2 unidades 2 2 2
4 3 2
∑X4 =6 ∑X5=5 ∑X6 =4 ∑f2=15
0 unidades 1 2 5
0 1 4
∑X7 =1 ∑X8 =3 ∑X9=9 ∑f4=13
∑C1 =17 ∑C2 =15 £ c3= 16 £ total 48
Fuente de Variación se gi MC F
* P ≤ .05.
Interacción:
Posteriormente una vez capturados los datos, se siguieron los pasos que a
continuación se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botón izquierdo del
mouse.
TABLA 38
ANOVA FACTORIAL
Cell Means
Mean
Masculino 1 3.5235 17
2 3.8440 25
3 3.7089 15
4 3.5907 25
5 3.7708 24
Total 3.6972 106
Femenino 1 3.8222 27
2 3.8385 32
3 4.0524 28
4 3.8395 43
5 3.8848 33
Total 3.8822 163
Total 1 3.7068 44
2 3.8409 57
3 3.9326 43
4 3.7480 68
5 3.8368 57
Total 3.8093 269
a Grand Mean
b Stiauto by Sexo, Ocupación.
14 Con fines didácticos se muestran los resultados del Anova simple, tal como los
TABLA 39
ANÁLISIS DE VARIANZA PARA EL FACTOR AUTORITARIO
Media
Media Teórica F P
Autoritario Sexo
Hombres Mujeres
2.81 2.94 4 .986 .322
Ocupación
Empl. Empl. Empl.
Prof. Carr.Téc Oficio Estud. Hogar
2.88 3.06 3.26 2.83 2.69 4 .691 .599
interacción
Hombres Mujeres
Empleado c/
Profesión 3.00 2.71
Empleado c/
Carrera Técnica 2.96 3.11
Empleado c/ Oficio 2.83 2.87
Estudiantes 2.42 3.04
Hogar - 4 3.263 .022*
*p ≤ 0.05.
TABLA 40
ANÁLISIS DE VARIANZA PARA EL FACTOR LAISSES FAIRE
Media Media F P
teórica
Laisses Sexo
Faire Hombres Mujeres
5.37 5.25 4 1.067 .303
Ocupación
Empl. Empl. Empl.
Prof. Carr.Téc. Oficio Estud. Hogar
5.24 4.92 5.10 5.53 5.00 4 3.92 .004**
Interacción
Hombres Mujeres
Empleado c/
Profesión 5.22 5.26
Empleado c/
Carrera Técnica 5.51 4.59
Empleado c/ Oficio 5.75 4.66
Estudiantes 5.45 5.57
Hogar - - 4 3.80 .011*
Fuente: S. Siegal y N.J. Castelan (2003), Estadística no paramétrica. Aplicada a las ciencias de la
conducta, 3a. reimp., México, Trillas.
T ABLA B
TABLA DE VALORES CRÍTICOS DE T EN LA PRUEBA DE LOS RANGOS SEÑALADOS
DE PARES IGUALADOS DE WILCOXON
8 4 2 0
9 6 3 2
10 8 5 3
11 11 7 5
12 14 10 7
13 17 13 10
14 21 16 13
15 25 20 16
16 30 24 20
17 35 28 23
18 40 33 28
19 46 38 32
20 52 43 38
21 59 49 43
22 66 56 49
23 73 62 55
24 81 69 61
25 89 77 68
Fuente: N.M. Downie y R.W Heat (1973), Métodos estadísticos aplicados, México, Harla.
n1 n2 10 11 12 13 14 15 16 17 18 19 20
9
1
2
3 0 0 0 0
4 0 0 0 1 1 1 2 2 3 3 3
5 1 1 2 2 3 3 4 5 5 6 7 7
6 2 3 4 4 5 6 7 8 9 10 11 12
7 3 5 6 7 8 9 10 11 13 14 15 16
3 5 5 8 9 11 12 14 15 17 18 20 21
9 7 8 10 12 14 15 17 19 21 23 25 26
10 7 10 12 14 17 19 21 23 25 27 29 32
11 10 12 15 17 20 22 24 27 29 32 34 37
12 12 14 17 20 23 25 28 31 34 37 40 42
13 14 17 20 23 26 29 32 35 38 42 45 48
14 15 19 22 25 29 32 36 39 43 46 50 54
15 17 21 24 28 32 36 40 43 47 51 55 59
16 19 23 27 31 35 39 43 48 52 56 60 65
52 57 61 66 70
17 21 25 29 34 38 43 47
56 61 66 71 76
18 23 27 32 37 42 46 51
60 66 71 77 82
19 25 29 34 40 45 50 55
65 70 76 82 88
20 26 32 37 42 48 54 59
1
2 0 0 0 0 0 0 1 1
3 1 1 1 2 2 2 3 3 4 4 4 5
4 3 3 4 5 5 6 7 7 8 9 9 10
5 5 6 7 8 9 10 11 12 13 14 15 16
6 7 8 9 11 12 13 15 16 18 19 20 22
7 9 11 12 14 16 17 19 21 23 24 26 28
3 11 13 15 17 20 22 24 26 28 30 32 34
9 14 16 18 21 23 26 28 31 33 36 38 40
Apéndice 245
TABLA C (Continuación)
n2
n1 9 10 11 12 13 14 15 16 17 18 19 20
10 16 19 22 24 11 30 33 36 38 41 44 47
11 18 22 25 28 31 34 37 41 44 47 50 53
12 21 24 28 31 35 38 42 46 49 53 56 60
13 23 27 31 35 39 43 47 51 55 59 63 67
14 26 30 34 38 43 47 51 56 60 65 69 73
15 28 33 37 42 47 51 56 61 66 70 75 80
16 31 36 41 46 51 56 61 66 71 76 82 87
17 33 38 44 49 55 60 66 71 77 82 88 93
18 36 41 47 53 59 65 70 76 82 88 94 100
19 38 44 50 56 63 69 75 82 88 94 101 107
20 40 47 53 60 67 73 80 87 93 100 107 114
Fuente: N.M. Downie y R.W. Heat (1973), Métodos estadísticos aplicados. México, Harla.
n2
n1 9 10 11 12 13 14 15 16 17 18 19 20
1
2 0 0 0 1 1 1 1 1 2 2 2 2
3 2 3 3 4 4 5 5 6 6 7 7 8
4 4 5 6 7 8 9 10 11 11 12 13 13
5 7 8 9 11 12 13 14 15 17 18 19 20
6 10 11 13 14 16 17 19 21 22 24 25 27
7 12 14 16 18 20 22 24 26 28 30 32 34
8 15 17 19 22 24 26 29 31 34 36 38 41
9 17 20 23 26 28 31 34 37 39 42 45 48
10 20 23 26 29 33 36 39 42 45 48 52 55
11 23 26 30 33 37 40 44 47 51 55 58 62
12 26 29 33 37 41 45 49 53 57 61 65 69
13 28 33 37 41 45 50 54 59 63 67 72 76
14 31 36 40 45 50 55 59 64 67 74 78 83
15 34 39 44 49 54 59 64 70 75 80 85 90
16 37 42 47 53 59 64 70 75 81 86 92 98
17 39 45 51 57 63 67 75 81 87 93 99 105
18 42 48 55 61 67 74 80 86 93 99 106 112
19 45 52 58 65 72 78 85 92 99 106 113 119
20 48 55 62 69 76 83 90 98 105 112 119 127
Tabla D
TABLA DE PROBABILIDADES ASOCIADAS CON VALORES TAN GRANDES COMO
VALORES OBSERVADOS DE H EN EL ANÁLISIS DE VARIANZA DE UNA CLASIFICACIÓN
POR RANGOS DE KRUSKAL WALLIS
n1 n2 n3 p n1 n2 n3
Apéndice 247
TABLA D (Continuación)
n1 n2 n3 n1 n2 n3
n1 n2 n3 n1 n2 n3
Apéndice 249
T ABLA E
VALORES CRÍTICOS DE R
Valores de r al nivel de confianza de 0.05 y 0.01
gl .05 .01
1 .99692 .999877
2 .95000 .990000
3 .8783 .95873
4 .8114 .91720
5 .7545 .8745
ó .7067 .8343
7 .6664 .7977
8 .6319 .7646
9 .6021 .7348
10 .5760 .7079
11 .5529 .6835
12 .5324 .6614
13 .5139 .6411
14 .4973 .6226
15 .4821 .6055
16 .4683 .5897
17 .4555 .5751
18 .4438 .5614
19 .4329 .5487
20 .4227 .5368
25 .3809 .4869
30 .3494 .4487
35 .3246 .4182
40 .3044 .3932
45 .2875 .3721
50 .2732 .3541
60 .2500 .3248
70 .2319 .301 7
80 .2172 .2830
90 .2050 .2673
Fuente: I. Levin y W.C. Levin (2002), Fundamentos de estadística en la investigación social, 2a.
ed., México, Oxford.
gi .05 .01
i 12.706 63.657
2 4.303 9.925
3 3.182 5.841
4 2.776 4.604
5 2.571 4.032
6 2.447 3.707
7 2.365 3.499
8 2.306 3.355
9 2.262 3.250
10 2.228 3.169
11 2.201 3.106
12 2.179 3.055
13 2.160 3.012
14 2.145 2.977
15 2.131 2.947
16 2.120 2.921
17 2.110 2.898
18 2.101 2.878
19 2.093 2.861
20 2.086 2.845
21 2.080 2.831
22 2.074 2.819
23 2.069 2.807
24 2.064 2.797
25 2.060 2.787
26 2.056 2.779
27 2.052 2.771
28 2.048 2.763
29 2.045 2.756
30 2.042 2.750
40 2.021 2.704
60 2.000 2.660
120 1.980 2.617
OO
1.960 2.576
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadística en la investigación social. 2a.
ed., México, Oxford.
Apéndice 251
T ABLA G
VALORES CRÍTICOS DE E
Valores de F al nivel de confianza de .05 y .01
gl 1 2 3 4 5 6 8 12
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadística en la investigación social, 2a.
ed., México, Oxford.
Apéndice 253
Bibliografía
ÁLVAREZ CÁCERES, R. (1995), Estadística multivariante y no paramétrica con SPSS. Aplicación
a las ciencias de la salud, España, Ediciones Díaz de Santos.
BARRAGÁN, L., J. Benavides, A.M. Brugman y E. Lucio (1988), "El uso del wais y
wisc en psicología clínica", en Programa de Publicaciones de Material Didáctico.
Evaluación de la Personalidad, unidad n. Universidad Nacional Autónoma de
México, Facultad de Psicología.
CAÑETAS, S. Rivera y R. Díaz-Loving (2000), "Desarrollo de un instrumento
multidimensional de satisfacción marital", La Psicología Social en México, viii,
pp. 266-274.
CLARK-CARTER, D. (2002), Investigación cuantitativa en psicología, México, Oxford.
CONOVER, W.J. (1980), Practical Nomparametric Statistics, 2a. ed., Nueva York, John
Wiley & Sons.
CORTÉS, S., D. Reyes, R. Díaz-Loving, S. Rivera y J. Monjaraz (1994), "Elaboración
y análisis psicométrico del inventario multifacético de satisfacción marital
(IMSM)". La Psicología Social en México, v, pp. 123-130.
CRUZ del C., C. (2002), Autoconcepto y estilos de poder en la pareja, tesis de licenciatura,
Facultad de Psicología, UNAM.
DÍAZ-LOVING, R. (1999), "Una teoría bio-psico-socio-cultural de la relación de
pareja", en R. Díaz-Loving (comp.), Antología psicosocial de la pareja, México,
Asociación Mexicana de Psicología Social, Miguel Ángel Porrúa.
DOLLAR, J., L. Doob, N.E. Miller, O.H. Mowrer y R.R. Sears (1939), Frustratation and
Agression, Newhaven, Yale University Press.
DOWNIE, N.M, y R.W Heath (1973), Métodos estadísticos aplicados, México, Haría.
KERLINGER, EN. y H.B. Lee (2001), Investigación del comportamiento. Métodos de
investigación en ciencias sociales, 4a. ed., México, McGraw-Hill.
257
NUNNALLY, J.C. e I.J. Bernestein (1995), Teoría psicométríca, 3a. ed., México,
McGraw-Hill.
LEVIN, J. y W.C. Levin (2002), Fundamentos de estadística en la investigación social, 2a.
ed., México, Oxford.
Pavaan, C.G. (2004), Actitud hacia el sida de adolescentes mexicanos, tesis de
licenciatura, Facultad de Psicología, UNAM.
RIVERA, S. y R. Díaz-Loving (2000), La cultura del poder en la pareja, México, Miguel
Ángel Porrúa.
RIVERA, S., R. Díaz-Loving, C. Cruz del Castillo y F Vidal (2004), "Negociación
del conflicto y satisfacción en la pareja", La Psicología Social en México, AMEPSO,
X, pp. 135-140.
ROMERO, A. y S. Rivera (2004), "¿Qué motiva a un hombre y a una mujer a ser
infiel?", La Psicología Social en México, AMEPSO, X, pp. 141-146.
ROMERO, PA. (2003), Historias de amor y la satisfacción en la relación de pareja, tesis de
licenciatura no publicada, México, Facultad de Psicología, Universidad
Nacional Autónoma de México.
ROSA, Jorge la (1986), Escalas de locus de control y autoconcepto, tesis de doctorado en
psicología social no publicada, México, Facultad de Psicología, UNAM.
RUNYON, R. y A. Haber (1987), Estadística para las ciencias sociales, Wilmington,
Delawere, Addison-Wesley Iberoamercana y México, Sistemas Técnicos de
Edición.
SIEGEL, S. y N.J. Castellan (2003), Estadística no paramétrica aplicada a las ciencias de la
conducta, 3a. reimp., México, Trillas.
VARGAS, I. M. García-Méndez, R. Díaz-Loving y S. Rivera (2004), ponencia en el
X Congreso Mexicano de Psicología Social, México, AMEPSO.
VIGANO, D. (1986), Autoritarismo y rendimiento escolar en adolescentes, "tesis
de maestría no publicada, México, Facultad de Psicología,. Universidad
Nacional Autónoma de México.
YOUNG R. y D. Veldman (1983), Introducción a la estadística aplicada a las ciencias de la
conducta, México, Trillas.
ZUNG, W., C. Richards y M. Short (1965), "Self-Rating Depression Scale in an
Outpatient Clinic", Arch Gen Psychiat, 13, pp. 508-515.
PRÓLOGO
Rolando Díaz Loving ...................................................................................... 7
INTRODUCCIÓN ...................................................................................................... 11
Capítulo 1
MEDICIÓN ...................................................... ........................................................ 17
Escalas de medición ............................................................................................. 19
Nominal ............................................................................................................ 19
Ordinal .............................................................................................................. 20
Intervalar .................................................................................... ..................... 21
De razón ............................................................................................................ 22
Capítulo 2
ESTADÍSTICA DESCRIPTIVA.................................................................................... 25
Conocer el tipo de distribución ......................................................................... 27
Ejercicio SPSS ................................................................................................... 32
Representación gráfica ............................................. . ........................................ 37
Gráfica de barra ............................................................................................... 38
Gráfica de pastel o de sectores .................... ................................................ 40
Gráfica de histograma ............................................................................. . . 40
Gráfica de ojiva o de polígono de frecuencia acumulada …………… 42
Gráfica de polígonos de frecuencia ...................................................... .. . 43
Obtener medidas de tendencia central …………………………………….. 44
Media ................................................................................................................. 45
Mediana............................................................................................................. 49
Moda .............................................................................................................. .. 50
Ejercicio SPSS ................................................................................................... 51
Calcular medidas de dispersión (variabilidad) ............................................. 53
Rango (R) .......................................................................................................... 53
Desviación estándar ...................................................................................... 54
Varianza (s2 o σ ) ............................................................................................
2
57
Sesgo .................................................................................................................. 58
Curtosis (K) ....................................................................................................... 59
Error estándar (σ o e) ..................................................................................... 61
Ejercicio SPSS ................................................................................................ 62
Capítulo 3
ESTADÍSTICA INFERENCIAL ....................................................................................... 67
Aplicaciones de la estadística inferencial ....................................................... 69
Clasificación de la estadística inferencial ..................................................... 73
No paramétrica ............................................................................................... 73
Ventajas ............................................................................................................ 74
Desventajas .................................................................................................... 74
Paramétrica ...................................................................................................... 76
Capítulo 4
PRUEBAS DE LA ESTADÍSTICA NO PARAMÉTRICA .................................................... 81
Pruebas para una muestra simple ........................................................................ 83
Chi cuadrada (x2) ................................................................................................. 83
Ejercicio SPSS ....................................................................................................... 88
Pruebas para muestras relacionadas .................................................................... 91
McNemar .............................................................................................................. 92
Ejercicio SPSS ....................................................................................................... 96
t de Wilcoxon (tw) ............................................................................................ 100
Ejercicio SPSS ....................................................................................................... 103
Pruebas para muestras independientes ............................................................. 106
U de Mann Whitney (U) .................................................................................. 107
Ejercicio SPSS ....................................................................................................... 111
Análisis de varianza en una dirección por rangos de
KrusKal-Wallis (H) ........................................................................................... 117
Ejercicio SPSS ...................................................................................................120
Chi cuadrada para muestras independientes x 2 .......................................126
Ejercicio x 2 por homogeneidad ...................................................................126
Ejercicio SPSS ...................................................................................................131
Capítulo 5
ESTADÍSTICA PARAMÉTRICA..................................................................................... 137
Características .................................................................................................... 139
Pruebas paramétricas. Prueba de coeficiente de
correlación de producto-momento de Pearson .........................................140
Introducción .............................................................................. . ..................140
Definición .......................................................................................................140
Requisitos ............................................................................................ .. 141
Interpretación .................................................................................................142
Fórmula .................................................................................. ......................144
Regla de decisión para obtener la significancia ......................................145
Ejercicio SPSS ...................................................................................................148
Reporte de investigación de la correlación
producto-momento de Pearson ...............................................................152
t de student .............................................................................................. ......... 152
Introducción ...................................................................................................152
Definición .......................................................................................................154
Requisitos .......................................................................................................154
Clasificación de la prueba t ........................................................................155
Cálculo de t para muestras
independientes con N iguales ................................................................156
Cálculo de t para muestras
independientes con N desiguales ...........................................................161
Ejercicio SPSS .. ...............................................................................................166
Reporte de investigación de la prueba t
para muestras independientes ....................................................................168
Cálculo de t para muestras relacionadas ...................................................171
Ejercicio SPSS ...................................................................................................176
Reporte de investigación de la prueba t
para muestras relacionadas ......................................................................... 180
Análisis de varianza (Anova) ..........................................................................180
Introducción……………………………………………………………………...180
Definición………………………………………………………………………...182
Requisitos………………………………………………………………………...182
Análisis de varianza simple cuando
el tamaño (N) de los grupos es igual .................................................... 184
Análisis de varianza simple para N desiguales ...................................... 191
Ejercicio SPSS .................................................................................................. 199
Reporte de investigación del análisis de varianza simple…………… 203
Análisis de varianza de doble clasificación ............................................ 204
Ejercicio SPSS .................................................................................................. 218
Análisis factorial de varianza ..........................................................................222
Ejercicio SPSS .................................................................................................. 233
Reporte de investigación del análisis factorial de varianza . . . 237