ESTADÍSTICA

Tema 1.
LA ESTADÍSTICA EN EL PROCESO DE INVESTIGACIÓN PEDAGÓGICA EMPÍRICA

1.1. INTRODUCCIÓN
La estadística como ciencia desempeña un papel importante en el campo de la investigación en
educación. Las razones de esta afirmación las podemos agrupar en tres bloques:
 Comprender los trabajos publicados en revistas científicas, libros, informes, etc.
 Entender los procesos implicados en la investigación educativa que hacen posible la inferencia desde
la muestra a la población, para elaborar conclusiones y permitir predicciones de cara al futuro.
 Facilitar el desarrollo de la investigación socio-educativa, capacitando al alumno para entender y
aplicar estos conocimientos en la propia actividad profesional.
1.2. CONCEPTO Y FUNCIONES DE LA ESTADÍSTICA
Al concepto de estadística se le asignan diversas acepciones, como por ejemplo:
 Conjuntos de datos numéricos propia de los censos, como estadísticas sobre niveles de escolarización
obligatoria, sobre el acceso a estudios superiores en inmigrantes, etc.
 Como ciencia, con el estudio de fenómenos aleatorios, desarrollando métodos, técnicas y modelos que
ayudan en la resolución de problemas pedagógicos y en la toma de decisiones.
Así, la estadística se puede definir, Según Kerlinger, como “la teoría y el método de analizar datos
cuantitativos obtenidos de muestras de observaciones, para estudiar y comparar fuentes de varianza de
fenómenos, ayudar a tomar decisiones sobre aceptar o rechazar relaciones hipotéticas entre fenómenos y
ayudar a hacer inferencias fidedignas de observaciones empíricas” (Ciencia que analizando datos nos permite
interpretar una situación y tomar decisiones al respecto).
Las principales Funciones de la Estadística se agrupan en tres grandes apartados:
1. Facilitar el manejo de datos amplios y dispersos: Es una función simplificadora y descriptiva, que
reduce a índices o estadísticos (a números), las características que identifican a un conjunto de datos.
2. Inferir desde la muestra a la población. Análisis para extrapolar (Generalizar) los datos obtenidos en la
muestra a la población (muestra=subgrupo, que representa al grupo más grande=población: Personas a las que se
les hace una encuesta de intención de voto; Población: número total de personas con derecho a voto). La muestra
ha de ser suficiente y representativa.
3. Ayudar en la toma de decisiones: Incorporar cambios en las actuaciones educativas que redunden en
mejoras en el campo socioeducativo.
1.3. TIPOS DE ESTADÍSTICA
En la Estadística para la resolución de problemas socioeducativos y la toma de decisiones identificamos
dos grandes tipos: la Estadística Descriptiva y la Estadística Inferencial.
1.3.1 Estadística Descriptiva
Son los procesos de análisis que se llevan a cabo con los datos empíricos recogidos en las muestras.
Concluye con la obtención de unos valores numéricos llamados estadístico. Cada uno de ellos pone de relieve
una característica representativa del grupo que se analiza (altura, edad, nivel de estudios, estado civil, etc.)
Es decir, ésta parte de la estadística estudia los métodos y técnicas necesarios para la descripción
gráfica y numérica de los conjuntos de datos, dando una visión global del grupo.
Entre sus limitaciones está el no aportar suficientes argumentos científicos para la toma de decisiones.
La Estadística Descriptiva es aquella que utiliza estadísticos procedentes de muestras o de poblaciones

con una finalidad eminentemente descriptiva o informativa de las mismas. Realiza una tarea de síntesis y
descripción de las características. Su uso es la forma más adecuada para resumir datos y es indispensable
para interpretar los resultados de los trabajos empíricos.
Según Fox (1981) hay cinco funciones principales de la estadística descriptiva:
1. Conocer los estadísticos o características esenciales de un conjunto de datos
2. Interpretar lo que nos dicen los estadísticos sobre los parámetro o medidas.
3. Conocer la existencia, el sentido y la magnitud de la relación entre dos variables.
4. Explorar las relaciones, manifiestas o no, en la estructura que define la relación de más de dos
variables.
5. Utilizar los estadísticos para conocer las tendencias en el comportamiento de nuevos grupos.
Según la naturaleza de las muestras, se pueden diferenciar entre:
 Estadística descriptiva univariada: Trata de descubrir y analizar una distribución de datos que
provienen de la medición de una variable en una muestra.
 Estadística descriptiva bivariada: recoge y analiza datos de dos variables, viendo si hay correlación
(¿hay relación entre nivel de estudios alcanzado y el barrio en el que se vive?)
 Estadística descriptiva multivariada: cuando intervienen más de dos variables.
Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 1

1.3.2 Estadística Inferencial
Pretende decidir sobre las cuestiones no resueltas por la estadística descriptiva. Se ocupa de los
métodos estadísticos que nos sirven para realizar inferencias objetivas sobre los datos disponibles y
trasladarlos a los grupos más amplios. Es decir, realiza predicciones sobre la similitud de una muestra con la
población de la que fue extraída (Hacer generalizaciones).
La finalidad de la Estadística Inferencial es obtener conclusiones sobre algún aspecto o variable presente
en una población a partir de las observaciones de comportamientos en una o varias muestras, ya que los
valores de la población (parámetros) nos permiten conocer el fenómeno en muestras amplias, además de
resolver y fijar hipótesis, plantear leyes y tomar decisiones con rigor científico, valorando los márgenes de error
con los que realizamos nuestras afirmaciones (nivel de confianza).
En el marco de la investigación socioeducativa, las decisiones que se toman no se pueden realizar en
términos de certeza, sino de probabilidad, por lo que se deben fijar los márgenes de error de nuestras
afirmaciones, que suelen ser de 0.05 a 0.01 (5% y 1% respectivamente). Y llevan asociados los
correspondientes niveles de confianza (95% y 90%).
La inferencia ayuda en la toma de decisiones sobre la aceptación o el rechazo de las relaciones previstas
en la hipótesis (posible solución del problema), matizadas con la fijación del margen de error. Hay dos grandes
campos que forman la estadística inferencial:
 La estimación de parámetros: se puede llevar a cabo mediante:
- la elección de un solo valor de la muestra que se transforma en parámetro: estimación puntual.
- unos límites entre los cuales se espera que esté el verdadero valor del parámetro: estimación por
intervalos. Dichos límites vienen influenciados por los errores aleatorios y los sistemáticos.
 El contraste de hipótesis: probar mediante datos empíricos las hipótesis que se plantean en el
proceso de investigación. (Los datos deber dar respuesta a la hipótesis planteada, no ésta explicar los datos)
1.4. EL PAPEL DE LA ESTADÍSTICA EN EL PROCESO DE INVESTIGACIÓN EMPÍRICA
1.4.1 En el problema de investigación: En la identificación y selección del problema la estadística está
presente como garantía para poder establecer relaciones entre las características que se analizan. Es la
estadística la que nos permite decir si el problema planteado es resoluble, condición inexcusable en la
formulación.
1.4.2 En la formulación de hipótesis al investigador se le exige que ésta sea contrastable y
comprobable empíricamente, para lo que se necesita instrumentos de recogida de datos que ofrezcan
información nítida y detallada.
También nos ayuda a determinar si la hipótesis planteada es una
- Hipótesis unilateral: cuando existen otros trabajos debidamente contrastados o que responden a teorías
previas. (Plantea una elección ¿Qué método es mejor Oxford o Cambridge?)
- Hipótesis bilaterales: Solo plantea que son diferentes, pero no se decanta por ninguna (Oxford distinto de
Cambridge). Es el que se produce en la mayoría de los casos.
1.4.3 En el control de variables extrañas: En una investigación de naturaleza cuantitativa uno de los
elementos clave es un buen control como medio que nos permite asegurar la validez de los resultados
alcanzados, evitando la contaminación en el estudio, que podría falsear nuestros resultados. (ejm. Al comparar
que método funciona mejor, si el de Oxford o el de Cambridge, hay que controlar que ambos grupos parten del mismo nivel de
inglés)
1.4.4 En la definición de las variables: En la investigación empírico-experimental, la hipótesis establece
una relación de dependencia o causalidad entre las variables. Es decir, el valor de la Variable independiente,
que es la que manipula el experimentador, afectará a la Variable dependiente, que es la que se mide en el
experimento. (Ejemplo Vi: la motivación y VD: resultado académico. Hay una dependencia o causalidad entre el nivel
académico alcanzado y la motivación del alumno, en principio a mayor motivación mejores resultados.)
Para la medición de las variables se requiere utilizar instrumentos fiables y válidos, que proporcionen
datos de calidad para tomar decisiones.
En ocasiones, las variables son constructos que no admiten una medida directa (En un principio el nivel de
motivación no es un número con el que poder operar, no es cuantitativo), por lo que es preciso definir conductas
operativas y medibles que nos indiquen el valor real de las mismas. Esta operación se conoce como definición
operativa de las variables. (Se trata de hacer pruebas que manifiesten los dominios o las opiniones de los sujetos de la
muestra, por ejemplo en las encuestas telefónicas: Evalúe de 0 a 10 su satisfacción, siendo 0 que no está satisfecho, y 10
completamente satisfecho)
1.4.5 En el contraste de hipótesis o comprobación de objetivos: Para realizar la comprobación
empírica de las hipótesis, debemos recurrir a las pertinentes pruebas estadísticas, cuya utilización dependerá
de la calidad de los datos recogidos.
-Pruebas paramétricas: Cuando podemos garantizar que los datos recogidos nos ofrecen una medida
bastante precisa de la variable. (Al medir los rendimientos académicos con una prueba objetiva, podemos deducir que el
resultado es bastante preciso)

-Pruebas no paramétricas: Los datos recogidos no tienen un alto grado de precisión (medir los rendimientos
académicos por las apreciaciones del profesor al observar el aula: no es muy preciso). O cuando se recogen datos en
categorías o grupos mediante la frecuencia, o sea, el número de sujetos que se adscriben a una categoría o
grupo.
1.4.6 En la decisión estadística: La fase anterior concluye con la obtención del “valor empírico del
estadístico” correspondiente, que debe ser interpretado. Esta interpretación consiste en decidir si la hipótesis
de nulidad (Ho) se rechaza, y por consiguiente se acepta la hipótesis alternativa o la hipótesis del investigador
(Hi). (H0 es la situación de la que se parte, es lo que se cree hasta ese momento, antes de que el investigador demuestre otra
realidad. Hi es la que plantea el investigador al iniciar la investigación. El resultado de la investigación siempre será rechazar o
no la H0, es decir, concluir si lo que se creía antes de que el investigador propusiera otra hipótesis es correcto o no.)
1.5. LA ESTADÍSTICA Y SU RELACIÓN CON LAS CIENCIAS SOCIALES

El desarrollo de las Ciencias Sociales no se entiende sin el papel de la Estadística. Su origen está unido
al interés de los investigadores y científicos por cuantificar diferentes aspectos de los grupos o comunidades.
Así la Estadística ha influido en la Educación, la Psicología, la Sociología, la Economía, la Demografía, la
Administración Pública o las Humanidades.
1.6. POSIBILIDADES Y LIMITACIONES DE LA ESTADÍSTICA
La Estadística nos permite el manejo de datos y nos facilita su análisis, pero hay que tener en cuenta,
para que el resultado sea lo más cercano a la verdad, la calidad de los datos obtenidos así como la idoneidad
de las herramienta utilizadas, la control de las variables extrañas, etc., así como que la elección de las
herramientas, procedimientos, etc., está en manos del investigador.
Tema 2. PROBLEMAS, HIPÓTESIS/OBJETIVOS, VARIABLES Y DATOS. NIVELES DE MEDIDA

2.1. INTRODUCCIÓN
Abordaremos de forma más detallada los puntos básicos del proceso general de la investigación en educación.
2.2. EL PROBLEMA DE INVESTIGACIÓN ¿Qué queremos averiguar?
La aparición de un problema, punto de partida de toda investigación, se manifiesta cuando nos
planteamos una pregunta para la que no tenemos una respuesta satisfactoria, debido a varios motivos:
 Porque exista una laguna en los resultados de investigaciones anteriores.
 Porque no exista coincidencia en las conclusiones de varios trabajos.
 Porque existe un fenómeno para el que no tenemos explicación, etc.
La característica principal es su posibilidad de resolución, debemos poder estudiar comportamientos,
analizar hechos y evaluar resultados: no se plantean problemas metafísicos (morales o espirituales).
2.2.1 Definición y elección del tema de investigación
Al definir el tema, influyen dos tipos de elementos (criterios):
 Subjetivos: relacionados con la personalidad, preparación científica en un determinado campo y el
conocimiento de otros idiomas. El tema ha de ser elegido de forma libre por el investigador y es
interesante que mantenga vínculos con la actividad profesional actual o futura.
 Objetivos: relacionados con la posibilidad real de acceso a los campos de investigación, es decir, el
investigador debe tener la posibilidad de acceso a las fuentes documentales (Si existen informaciones
sobre el problema, donde se encuentran, posibilidad del investigado a trasladarse a la zona de los hechos, etc.).
Se suele aceptar que “un buen planteamiento es la mitad de la solución”. En esa línea Fox(1981) señala
que de la idea original del problema hay que pasar a una primera revisión bibliográfica, para pasar a definir de
forma más precisa el problema de investigación: formulación operativa del problema.
2.2.2 Estructura y características del problema
Hay unas características deseables en los problemas aplicados al campo educativo:
 Factibles: que existan los medios apropiados para investigar sobre él y que puedan ser usados por el
investigador.
 Claro: que todos los términos incluidos estén perfectamente definidos y sean comprensibles, para el
investigador y para el sujeto (objeto de la investigación).
 Significativos: indica el nivel de importancia del problema. Supone una valoración del problema en un
contexto determinado (aula, centro, etc.), llegar a establecer generalizaciones y producir teorías. (Qué, para
qué, para quien, etc.)
 La formulación de la pregunta debe reflejar la naturaleza del mismo la descripción, la asociación o la
intervención. (No es lo mismo investigar la relación de la formación del profesorado con el nivel de docencia, que
valorar la eficacia de los métodos de aprendizaje, donde debemos ser más rigurosos y con mayor control)
Existen diferentes metodologías para la resolución del problema, entre los que destacamos:
 Investigación basada en la observación. (Ejem. Nivel de participación de los alumnos de un aula)
 Investigación por encuesta (Ejem. Qué opinan los profesores sobre las reformas educativas)
 Investigación correlacional. (Ejem. ¿Qué variables inciden en el rendimiento de los estudiantes?)

 Investigación experimental o cuasiexperimental: (Ejem. ¿Qué método educativo es más eficaz)
 Investigación descriptiva: (Ejem. ¿Qué características personales definen a los estudiantes de la UNED?
2.2.3 Criterios para la evaluación de problemas de investigación
Una vez planteado el problema, se procede a una primera valoración con los siguientes criterios:
 Viabilidad. Posibilidad de resolución: si es adecuado al contexto educativo, si hay medios para la
investigación (personal cualificado en el equipo, presupuesto, herramientas…), etc.
 Interés: para el investigador, el equipo y la persona que encarga el trabajo, ya que de ello dependerá
el nivel de implicación.
 Relevancia teórica y práctica: Si contribuye al aumento de conocimientos sobre un determinado
tema y si conduce a una mejor toma de decisiones futuras.
 Coherencia- El problema debe enmarcarse dentro de propuestas generales de investigación.
 Atención al contexto. Exige la incardinación (Incorporación, vinculación) del problema en el contexto en
que se va a realizar: un tema demasiado genérico dificulta ofrecer una respuesta coherente.
 Otros aspectos: presentación minuciosa, lenguaje claro y conciso, etc.
2.3. LA REVISIÓN DE FUENTES Y EL ESTADO DE LA CUESTIÓN
Una vez planteado el problema objeto de investigación, hay que consultar diferentes fuentes para
conocer qué se ha dicho sobre ese tema, saber si ya se ha solucionado en otras investigaciones y con qué
resultados, o si necesitamos abordarlo desde la novedad. Según Fox, diferenciamos entre:
- Bibliografía de la investigación: informes sobre trabajos ya realizados, datos empíricos,
orientaciones, sugerencias y limitaciones.
- Bibliografía conceptual: textos, artículos, informes, opiniones y sugerencias.
Ante un tema novedoso debemos partir de un estudio sobre la bibliografía conceptual hacia los
documentos de estudios empíricos. Si se trata de un tema conocido habrá que ser más selectivo y dirigir la
búsqueda hacía campos concretos, donde primara bibliografía sobre la investigación.
2.3.1 Fuentes y bases de documentación
Siguiendo un criterio generalista, diferenciamos dos grupos en las fuentes de información:
 Fuentes bibliográficas: textos escritos de donde recabar información sobre el problema de investigación:
- Obras generales: diccionarios, enciclopedias, manuales y anuarios, thesaurus.
- Publicaciones bibliográficas periódicas: ligadas a instituciones y organismos públicos o privados.
Boletines bibliográficos, índices y abstracts.
- Revistas de Investigación: especializadas en publicar trabajos teóricos o empíricos.
 Fuentes no bibliográficas:
- Recursos tecnológicos informáticos: email, buscadores como Google, Revistas Electrónicas.
- Centros de Investigación en Educación: IBE recoge un índice con centros de todo el mundo dedicados a
la investigación en el campo educativo.
- Centros de Documentación: especializados en un ámbito determinado: CSIC, ISOC, CIDE, EUDISED…
- Asociaciones de Investigación en Educación: AIDIPE, AERA.
2.3.2 Criterios de valoración de la información recogida
La revisión de fuentes debe reflejarse por escrito en los informes de investigación, pero sólo aquellas que
hagan aportaciones relevantes para el avance en el estudio. Para ello tenemos en cuenta diversos criterios.
- Relevancia: que sea importante, con autores relevantes y en publicaciones consolidadas.
- Claridad: que sea comprensible para el personal interesado.
- Actualidad: acudir a citas más próximas en el tiempo.
- Adecuación: que la información tenga relación con el problema y aporte datos para facilitar su
resolución.
- Contextualizada: que los contextos en que se desarrolla la investigación de referencia sean similares a
los que nos vamos a encontrar en nuestro trabajo.
2.4. HIPÓTESIS Y OBJETIVOS DE LA INVESTIGACIÓN
Una vez concretado el problema y revisadas las fuentes, el investigador puede aventurar posibles
soluciones: las Hipótesis. Se suele emplear el término “hipótesis directiva” cuando se busca la relación causal
entre variables; u “objetivos de investigación” cuando tienen un carácter más descriptivo.
2.4.1 Concepto y naturaleza de las hipótesis
La hipótesis es una proposición o conjunto de proposiciones no demostradas, cuyo análisis puede llevar a
una conclusión lógica; es un medio o una parte de cualquier investigación y estudio, una explicación razonable
sobre el tema a tratar, que debe ser sometida a comprobación empírica. Suele aparecer en forma de oración
aseverativa y relaciona una variable con otra.
Bunge (1981) indica tres requisitos en la formulación de hipótesis científicas:
- Tiene que ser bien formada y significativa.

- Fundada en los conocimientos previos.
- Ser empíricamente contrastable mediante diversos procedimientos.
Según McGuigan (1991), a esos criterios básicos, podemos añadir:
- Que exista conexión con el marco teórico en que se plantean y con otras hipótesis más sencillas.
- Ser precisas y específicas, expresadas con simplicidad lógica, descriptivas.
- Que traten de explicar el fenómeno, susceptibles de cuantificación.
- Que sean generalizables.
En resumen, deben estar bien fundamentadas y que sean constatables mediante procedimientos
empíricos. También debe establecer relaciones causales entre las variables antedecentes, sobre las que
incide el investigador, y las consecuentes, que reciben los efectos de esa actuación.
Las Hipótesis son los elementos directivos de la investigación científica, pues nos indican qué buscamos,
que variables se deben observar, medir y manipular; así como sobre la realización de la observación, la
experimentación y el análisis de datos, por lo que debe formularse antes de la recogida de datos
En algunas investigaciones, nos encontramos con los términos:
- Objetivos o Propósito general: marco general de la investigación, señalando lo fundamental del trabajo. Y
- Objetivos Operativos: Recoge todas las tareas que debe realizar el investigador.
Conviene indicar que las hipótesis recogen en sus enunciados la existencia de diferencias o relaciones
entre las variables, en cambio los objetivos se dirigen hacia el campo de las descripciones e implicaciones.
2.4.2 Diferentes tipos de hipótesis
Para clasificar las hipótesis existen varios criterios no excluyentes, sino complementarios.
A) Según la posibilidad de generalización
 Existenciales: las que establecen una relación entre dos o más variables para al menos un caso. (Los
alumnos de un aula concreta que usen el método X para aprender Mates y sacarán mejores notas que los que no lo utilicen.)
 Universales: válidas para todos los casos y casi imposible en el campo de la educación. Se pueden
encontrar resultados similares, pero difícilmente idénticos . (La aspiración máxima sería: En un determinado centro,
con unas características definidas para los alumnos, en unas condiciones X, es posible que ocurra esto).
 Probables: se establece una gradación en el término universalidad para determinados casos. Esta
formulación tiene mayor sentido en nuestro campo, ya que nuestras afirmaciones pueden quedar validadas,
no en términos de certeza, sino de probabilidad. (Los estudiantes de la UNED de Estadística que estudien, tengan
tutorías, plataforma, etc. probablemente lograrán buenas notas. Cada uno de estos apartados debe ser comprobado).
B) Según su forma de expresión cuantitativa
 Substantiva o científica: expresa la relación entre las variables con definición expresa de las mismas. Esta
hipótesis puede derivarse de la observación y la experiencia (inductiva), y puede partirse de la realidad
para llegar a las teorías. En cambio, cuando se derivan de la teoría (deductivas), sirven para comprobar el
funcionamiento de las teorías. (Comprobar que el método de aprendizaje basado en la solución de problemas es mejor
para favorecer el razonamiento matemático).
 Estadística: si es definida en términos de relaciones estadísticas deducidas de la anterior, se establece una
diferencia o relación entre los parámetros poblacionales, que debe ser comprobada empíricamente.
Pueden enunciarse como hipótesis nula (H0), que postula la no existencia de diferencias entre los grupos.
O puede hacerse como hipótesis alternativa (H1), que es la que establece la relación entre las variables, de
forma genérica (bidireccional) o decantándose por una de las dos opciones (direccional). (H0: El método
utilizado en el aprendizaje de la Lengua no influye en las notas logradas por los estudiantes. H1: el método utilizado en el
aprendizaje de la Lengua influirá en las notas logradas (bidireccional); o El método X empleado en el aprendizaje de la
Lengua mejorará las notas logradas (direccional)
C) Según el nivel de aproximación a la realidad
 Operacional: las variables vienen expresadas en términos observables y se establece una relación de
dependencia entre ellas. (La utilización de subrayado influirá en las notas alcanzados por los estudiantes en Historia).
 Conceptual: generalizaciones de mayor aplicación en el futuro, denominada macrohipótesis. (Las técnicas de
estudio empleadas por los sujetos influirán sobre los rendimientos alcanzados).
D) Según el número de variables y sus relaciones
 Descriptiva de una sola variable: busca la existencia de unas características, uniformidades o regularidades
en una población o universo. Busca probar si en los sujetos seleccionados se manifiesta una determinada
característica. (Los estudiantes de la UNED que van a tutorías regularmente probablemente lograrán buenos resultados).
 Descriptiva con dos o más variables y relación de aseveración: relación simple de asociación entre ellas: un
cambio en una variable va unido al cambio correlativo en la otra. Busca comprobar los niveles y el grado de
asociación. (Los que vayan a tutorías, estudien 9 h. semanales y usen el foro, es posible que alcancen buenos resultados).
 Con dos o más variables y relación de dependencia: Se dirigen hacia la explicación y la predicción de los
fenómenos educativos. Es el campo propio de las hipótesis causales que pretenden explicar o conocer las
razones o motivos de los fenómenos. (Los estudiantes de 1º de Educación Social que realicen el curso sobre técnicas
de estudio, mejorarán de forma apreciable sus resultados).

2.5. IDENTIFICACIÓN Y DEFINICIÓN DE VARIABLES
2.5.1 Concepto y modalidades de variables
Una variable es aquella característica que admite diversos valores, es decir, dos o más modalidades. Es
un constructo que permite al investigador definir y asignar valores, de naturaleza cuantitativa como cualitativa,
dentro de un espacio simbólico delimitado.
Una constante es un valor numérico que no cambia en un contexto determinado: aquella característica
que admite una única forma de manifestarse.
Uno de los muchos criterios para la clasificación de variables es el que sigue:
A) Según los niveles de Medida
 Variables categóricas o atributivas: establecen distintas categorías para cada modalidad. Pueden ser:
- Dicotómicas: admiten dos categorías (si-no, verdadero-falso, etc.).
- Politómicas: admiten más de dos categorías, que deben estar perfectamente definidas y ser
mutuamente excluyentes y exhaustivas (Clase social: baja, media, alta. Estado civil: soltero, casado, divorciado).
 Variables cualitativas: expresan la posesión de una cualidad y con cierta intensidad (rangos).Su
característica principal es que carece de una precisión en la medida de rango. (La satisfacción, el interés, etc.)
 Variables cuantitativas: admiten medida numérica. Pueden ser:
- Discretas: solo admiten números enteros en su definición. (nº de sillas, de habitantes, etc.)
- Continuas: número infinito de valores potenciales, entre dos valores dados. (son aquellos que admiten
subdivisiones como el peso: 3 kilos y 200 gr, la edad: 2 años y 5 meses)
B) Según el enfoque metodológico
 Variables dependientes Vd: Reciben los efectos de la intervención sobre la variable independiente. (si
queremos ver la influencia de las horas de sueño en el rendimiento escolar, la Vd sería el rendimiento)
 Variables independientes Vi: Son aquellas sobre las que se interviene o actúa el investigador con el fin de
analizar su influencia sobre la dependiente. Suele ser una variable experimental y controlada. (En el ejemplo
anterior la Vi sería las horas de sueño)
 Variables extrañas o intervinientes Ve: Son las que deben ser controladas para evitar la contaminación de
los resultados. (En el ejemplo anterior: controlar que todos los sujetos tienen el mismo nivel educativo o las mismas horas
de estudio, sino se pueden falsear los resultados al pensar que lo único que influye en el rendimiento es la hora de sueño).
C) Según el contexto Teórico-Explicativo
 Variables estímulo: engoblan todas las condiciones externas al sujeto que pueden ser objeto de
intervención por parte del investigador, pues afectan directamente al comportamiento del individuo (Recibir
premios por tareas realizadas o las horas de sueño en el ejemplo anterior).
 Variables respuesta: reflejan el comportamiento manifiesto (la respuesta) de los sujetos ante determinadas
intervenciones en el campo educativo. (El rendimiento en el ejemplo de las horas de sueño; la motivación sí queremos
ver si influye en esta el empezar la clase con una canción, etc.)
 Variables intermediarias: variables que no son objeto de investigación, si bien, están presentes y pueden
hacer varias los resultados previsibles. (Se trata de las variables extrañas).
2.5.2 Definición operativa de las variables
La definición operacional es la traducción de los conceptos teóricos al lenguaje empírico, es decir, la
sustitución de lo que no se puede observar por aquello accesible a la observación y los instrumentos de
medida, traduciendo y sustituyendo algo inobservable en factores y propiedades observables.
La definición ha de ser clara y concisa pero evitando su visión restringida ya que esto resta posibilidades
de validez externa de la investigación.
2.6. LA RECOGIDA DE DATOS Y SU CALIDAD
El proceso de recogida de información y datos parte de la aplicación de aquellas técnicas e instrumentos
que faciliten esta tarea. Es un momento importante, ya que disponer de unos buenos instrumentos es garantía
de una buena calidad de datos. Se puede optar por seleccionar instrumentos ya existentes, o elaborar los
propios instrumentos.
2.6.1 Criterios para la selección y elaboración de los instrumentos de recogida de datos
Para tomar la decisión en la selección de instrumentos se debe contemplar una serie de criterios:
- La identificación total del rasgo o característica que se pretende evaluar (definición operacional precisa).
- El tipo de validez empleado: coherencia con las necesidades del investigador (Medir lo que dice medir).
- La técnica de fiabilidad: precisión en la medida.
- Las características de la muestra con que se validó la prueba: La muestra debe ser suficiente y
representativa de la población global.
- Los niveles de fiabilidad y validez alcanzados por la prueba o instrumento y reflejados en la
correspondiente ficha técnica. Se exigen valores entre el 0,85 y el 0,90 para la fiabilidad y entre 0.5 y 0.4
para la validez.
- Otros criterios secundarios: tiempo, valoración posterior, facilidad de comprensión etc.
Para la elaboración de instrumentos, tenemos los siguientes criterios generales:

- Identificación y definición clara y concisa del rasgo o característica, que conduce a una definición operativa
de éste en forma de conducta observable: ¿Qué debemos apreciar? ¿Qué rasgos son más significativos?
- Conocer los objetivos a conseguir con el instrumento: que los objetivos se encuentren categorizados, que
indiquen el grado de dominio del sujeto sobre ellos. (ejm. saber que debemos preguntar en una encuesta para que la
respuesta nos de el dato que necesitamos en un estudio.)
- Seleccionar los items o elementos más apropiados. (seleccionar las posibles respuestas)
- Formular los items o elementos con precisión. (que las posibles respuestas sean claras)
- Ordenar los items de forma apropiada. (No vale: 1 muy satisfecho, 2 Nada, 3 algo, 4 satisfecho…)
- El tiempo preciso para responder (duración).
- Las respuestas que debe dar el sujeto: unívocas y fáciles. Sencillas, para evitar errores de interpretación.
(rodear con un círculo, subrayar, tachar, escribir un número…)
Para alcanzar garantías, antes de su aplicación definitiva, hay que someter el instrumento a una
aplicación piloto, en la que se trabaja con una muestra reducida de sujetos pero lo más representativa
posible. Con los datos conseguidos podemos determinar los niveles de fiabilidad y validez de la prueba.
2.6.2 Los datos y sus niveles de medida
La expresión “escalas de medida”, en la investigación social y educativa es sustituida por “niveles de
medida”:
 Nivel Nominal: Nivel muy pobre que atribuye números o símbolos a las diferentes categorías, que deben
ser excluyentes y agotar todas las posibilidades del conjunto inicial. Si se usan número, este no es
operativo, solo señala la pertenencia a un grupo. Sólo se pueden llevar a cabo operaciones de igualdad,
desigualdad o equivalencia. (Nivel de estudio: 1=Primarios; 2= secundarios, 3= superiores)
 Nivel Ordinal: Datos que pueden ser ordenados por rangos con orden ascendente o descendente. No
interesa el número en sí (por lo tanto es una variable cualitativa, no cuantitativa), sino su posición (rango) dentro
del grupo. (Todo lo que puede ser ordenado: Los diferentes niveles entre bajo y alto, o entre satisfecho y no satisfecho, o
entre muy interesado y nada interesado…)
 Nivel de Intervalo: Además de la característica de ordinal tiene la igualdad de intervalo (distancia) entre dos
valores correlativos de la variable, lo que conlleva una unidad constante de medida. El nivel 0 es arbitrario.
(se trata de agrupar diversos valores, pero la distancia entre 4 y 5 debe ser la misma que entre 6 y 7, o 7 y 8, etc.).
 Nivel de Razón o Proporción: Es el nivel más perfecto ya que además de todas las características
anteriores añade la del 0 absoluto, es decir, la no presencia del atributo. Podemos ordenar los elementos,
establecer diferencias entre ello, pero también operaciones matemáticas (Temperatura, longitud, etc.)

Tema 4. ORGANIZACIÓN DE DATOS. ANÁLISIS EXPLORATORIO DE DATOS
4.1 INTRODUCCIÓN
“La Estadística Descriptiva comienza con un conjunto de datos: el investigador intenta trasladar las
características esenciales de los datos a formas más interpretables: distribuciones de frecuencia, gráficos; y
calcula índices numéricos como promedios, percentiles y medidas de variabilidad”. Johnson y Christensen.
El investigador observa (organiza datos) y describe lo que sucede (análisis exploratorio), sin entrar en ningún
contraste de hipótesis.
4.2. DE LA DEFINICIÓN DEL PROBLEMA Y LAS VARIABLES, A LA OBSERVACIÓN Y RECOGIDA DE DATOS
Una vez decidido el estudio a realizar, definido el diseño y planificados los instrumentos y técnicas para la
recogida de datos, hay que realizar el trabajo de campo (recogida de datos). Es un error frecuente recoger datos
sin seguir bien los pasos del proceso de investigación.
Una vez centrado el tema de investigación, revisada la literatura al respecto e identificadas las variables,
hay que realizar la recogida de la información. Para ello necesitamos un procedimiento que nos permita dar
valores a las variables (números, rangos, categorías): se precisa de un instrumento de medida adecuado y una
regla de medida bien definida.
En la investigación empírica siempre tenemos que trabajar con datos empíricos: transformar en números
la realidad observada, para ello necesitamos instrumentos de medida válidos y fiables.
La precisión (fiabilidad) de los instrumentos podrá tener distintos grados (No es lo mismo una variable como la
edad que el nivel de ansiedad, cuanto más abstracto menos precisión en la medida). Eso afectará a la validez de los
resultados. Por eso la elección/construcción de los instrumentos de medida es fundamental en la investigación.
Una vez realizado el diseño de investigación y elegidos los instrumentos de medida, se puede pasar al
trabajo de campo, aplicar los instrumentos, recoger los datos.
4.3. PERMISOS Y ÉTICA EN LA INVESTIGACIÓN Y RECOGIDA DE DATOS
No hay consenso sobre cómo proceder éticamente en la investigación. Sólo que no hay que caer en los
extremos:
- Proteger contra la experimentación humana a toda costa y/o
- Permitir a cualquiera ser objeto de experimentación.
En la investigación educativa algunos de los principios éticos que deben seguirse son:
- Participación voluntaria e informe consentido (los sujetos se saben objeto de investigación y están de acuerdo).
- Evitar riesgo de daño físico o psíquico.
- Confidencialidad y anonimato.
- Respetar el entorno de la investigación (Procurar no alterar los horarios de profesores y alumnos, no hacer
perder el tiempo, etc.)
- No manipular los datos obtenidos y reflejar los resultados aunque contradigan su hipótesis inicial.
- Citar adecuadamente los autores y las fuentes de información.
En las investigaciones se suele usar un muestreo intencionado: centros voluntarios que conceden
previamente el permiso. (Si se hace aleatoriamente puede que el centro no esté interesado, etc.)
4.4. DE LOS DISTINTOS INTRUMENTOS A LOS DATOS: ELECCIÓN DEL PROGRAMA, LA MATRIZ DE
DATOS Y EL LIBRO DE CÓDIGOS
Una vez aplicado los instrumentos, debemos trasladar los datos a un programa que permita trabajar con
ellos (introducir o tabular los datos).
Las puntuaciones que vamos a introducir se llaman puntuaciones directas (Xi): puntuación que obtiene
el sujeto tras aplicarle un instrumento de medida (“casado”, 1.82 de estatura, 120 de CI, etc.).
La codificación de datos consiste en la asignación de números o caracteres a los valores de variables. (a
la variable sexo asignar “M” si es niña o “H” si es hombre)
Antes de empezar a tabular o introducir datos, se debe escribir el libro de códigos, donde se especifican
las variables en el orden en el que serán introducidas en la matriz de datos, para evitar errores de tabulación.
- Item y variable a la que hace referencia.

- Etiqueta de la variable (descripción de la variable).

-
Código (Posibles valores de la variable).
-
Etiqueta Valores (Descripción de lo que indica cada valor). En el caso de variables continuas, basta con
escribir el recorrido de la escala (Ejm. 5-20)
Es importante definir el valor que asignemos a los “datos perdidos” (Messing data). Por ejemplo, cuando
estamos tabulando si encontramos que un sujeto no ha contestado a una pregunta, tenemos dos opciones:
 Se deja en blanco en la matriz de datos, para que no se contabilice al calcular los estadísticos. (No
conviene poner el valor 0 ya que puede estar incluido como un valor válido y distorsionaría los cálculos).
 Definir un valor perdido por el usuario, por ejemplo el 99 (siempre que no sea un valor admisible dentro de la
escala de medida de la variable). En este caso, debemos programar dicho valor en el programa que
usemos, para que no utilice ese valor para los cálculos.
La forma habitual de introducir los datos al programa es mediante una matriz de datos: una tabla en la
que las filas representan sujetos y las columnas a las distintas variables.
4.5. ORGANIZACIÓN DE LOS DATOS: DEPURACIÓN DE DATOS Y DISTRIBUCIONES DE FRECUENCIA
Antes de realizar los análisis estadísticos, debemos depurar de datos y exige dos fases:
 El control de calidad: comprobar la fidelidad de la tabulación.
 La depuración de datos: verificar si hay valores “fuera de rango” según el libro de códigos. (Que la
variable sexo tengo un 3, x ejemplo.)
Hay distintas formas de hacerlo:
 Realizar un análisis descriptivo solicitando los valores mínimo y máximo (así el programa te da ya el rango
de esa variable y si no coincide con el del libro de códigos es que se han introducido mal los datos).
 Realizar una distribución de frecuencias. En ella aparecen todas las puntuaciones obtenidas en una
variable (puntuaciones directas xi) y el número de veces que se repite cada puntuación (frecuencia absoluta
fi). Entre otros datos (Explicado en el punto 4.5.1.)
Si se detectan errores se pueden hacer dos cosas:
- Sustituir los valores erróneos por valores perdidos (dejarlos en blanco).
- Identificar el sujeto con error, buscar el instrumento de medida (la encuesta en cuestión por ejemplo) y buscar
el dato para introducirlo correctamente.
4.5.1 Distribuciones de frecuencia y aproximación al concepto de percentil.
Una distribución de frecuencia suele incluir las columnas con el orden que sigue:
- Puntuaciones directas (xi) obtenidas en una variable.
- Frecuencias absolutas (fi): número de veces que se repite cada puntuación (En la columna de
Puntuaciones Directas (xi) no repetimos datos. Ejemplo: en la tabla que sigue, en una determinada variable han
contestado u obtenido la puntuación “1”, 179 sujetos: En xi sólo ponemos el 1 una vez y en la columna fi ponemos el 179;
en la siguiente fila 93 sujetos han obtenido un 2; 3ra fila, 107 sujetos han obtenido un 3; etc.).
- Porcentaje relativo o Frecuencia Relativa x 100: FR= frecuencia absoluta (fi) entre el número total de
puntuaciones: fi/N. Indica una proporción, en el caso de la primera fila sería un 0.17. Al multiplicarlo por 100 lo
convertimos en un porcentaje (Porcentaje relativo), e indica el tanto por ciento de veces que ha
aparecido una puntuación respecto del total , incluido los valores perdidos (Ejemplo en la tabla, en la primera
fila, donde la xi= 1, la Fr es 179/1012*100=17.7. Es decir: el 17,7% de los sujetos saco un 1).
- Porcentaje acumulado o Frecuencia acumulada x 100: La frecuencia acumulada (fa), muestra el
número de sujetos a los que supera una puntuación determinada. Para calcularla se van sumando
(acumulando) las frecuencias Absolutas (fi). Al multiplicarlo x 100 da el porcentaje de sujetos que ha
sacado una determinada puntuación o menos. (O directamente sumando el Pr. Por ejemplo en la tabla: la primera
fila, donde la xi es 1, el Pa es igual al Pr; en la xi 2, es (17,7 + 9,2 = 26,9)).
Vamos a hacer los cálculos de la segunda fila y a interpretarla:

- 93 sujetos han sacado una nota de 2 o han contestado 2.
- Porcentaje Relativo: 93/1012*100= 9.2. Un 9.2% de los
sujetos ha sacado una nota de 2.
- Frecuencia Acumulada (fa): 179 + 93=272
272 sujetos han sacado una nota de 2 o menos.
- Porcentaje acumulado (dos formas de calcularlo)
1. Fa/N*100=272/1012*100=26.9
2. Sumamos al anterior Pa el actual Pr: 17.7 + 9.2= 26.9
El 26.9% ha sacado una nota de 2 o menos.
4.6. APROXIMACIÓN INTUITIVA A LAS REPRESENTACIONES

j GRÁFICAS Y LA CURVA NORMAL.

Una representación gráfica es una forma de ordenar la información de la matriz de datos y
comprenderla de un golpe de vista, partiendo para ello de una distribución de frecuencias.
En muchas variables biológicas y psicoeducativas (peso, altura, cociente intelectual, rendimiento), cuando
realizamos una distribución de frecuencias, observamos muchas de ellas adoptan un tipo de distribución
característica que se denomina distribución normal o campana de Gauss. (Se trata con más detalle en otros
capítulos)
La curva normal es una distribución teórica simétrica (si doblamos la distribución sobre sí misma por la mediana,
la forma de los dos lados coincide), y asintónica, donde la media, la mediana y la moda coinciden.
Tema 5. REDUCCIÓN DE DATOS. MEDIDAS DESCRIPTIVAS BÁSICAS Y

REPRESENTACIONES GRÁFICAS.ANÁLISIS EXPLORATORIO DE DATOS
6.1. INTRODUCCIÓN. DE LA ORGANIZACIÓN A LA DESCRIPCIÓN DE DATOS
Normalmente, antes de análisis más complejos, se parte de la Estadística Descriptiva para hacerse una
primera idea del comportamiento de cada una de las variables contenidas en nuestra matriz de datos (un primer
análisis para la organización y comprensión de los datos como hemos hecho con la distribución de frecuencias).
La variabilidad es el estudio de la dispersión de las puntuaciones, ayuda a explicar la magnitud y
naturaleza de las mismas (las diferencias). La estadística descriptiva estudia la magnitud de la variabilidad.
Primero se estudia la tendencia central del grupo, es decir, hacia qué puntuación tiende el grupo.
Luego nos preguntamos: ¿la mayoría de los sujetos tienen puntuaciones cercanas a la media (grupo
homogéneo) o hay sujetos con puntuaciones muy altas y muy bajas (grupo heterogéneo)? Para comprobarlo
tenemos las medidas de variabilidad o dispersión.
5.2. MEDIDAS DE TENDENCIA CENTRAL: MEDIA, MEDIANA Y MODA. USOS E INTERPRETACIÓN
La tendencia central del grupo indica hacia qué valor tiende el grupo. Para ello usamos 3 índices:
1) Media (media aritmética) ( ): Se calcula sumando todas las puntuaciones y dividiendo dicha suma por el
número total de sujetos. Para interpretar bien la media hay que conocer la puntuación mínima y máxima
de la escala de medida de la variable y situar la media aritmética dentro de ese recorrido.
2) Moda (Mo): es el valor con frecuencia absoluta más alta (la puntuación que más se repite, “la que está de moda”).
Cuando tenemos dos puntuaciones con la misma frecuencia, decimos que la distribución es bimodal. Si
son más de dos las que tienen esa misma frecuencia, hablamos de distribuciones plurimodales.
3) La mediana (Md): es aquel valor que deja por encima y por debajo de sí al 50% de los sujetos de la
muestra, (valor central de la distribución de frecuencias).
- Primero ordenamos las Puntuaciones Directas (xi). (En este caso de
mayor a menor).
Recordamos que la fi es el número de veces que sale esa xi, y que la
fa va sumando las fi (acumulando); en este caso de abajo a arriba
porque está ordenado de forma descendente. Por eso en la xi =17, la
fa coincide con la fi: 2; En la siguiente fila, xi =18, la fa =3 (fa anterior (2)
más la fi (1)= 3); y así sucesivamente.
- Luego ya podemos calcular Media, moda y mediana:
- La Media ( ): como hay que calcular todas las puntuaciones, necesitamos una nueva columna. En ella multiplicamos
cada xi por su fi (porque si hay que sumar todas las puntuaciones habrá que sumar cada xi tantas veces como ha salido).
Ahora ya podemos sumar esa columna y dividirla entre 15, que es el número de sujetos.
(Σ (xi * fi)) / N = 295 / 15; = 19.67.
- La Moda (Mo): no precisa cálculo, solo observación. La xi que más se repite es la 19 (5 veces. Ojo!!! La columna que
nos dice cual se repite más es la Fi, pero la Moda es la xi que le corresponde a esa frecuencia). Mo = 19.
- La Mediana (Md): Buscamos la xi que deja por arriba y por abajo el mismo número de sujetos. Para ello hacemos N/2.
En este caso 15/2=7.5, es decir la posición 8, porque deja por debajo de sí 7 posiciones y por encima otras 7. La
posición 8 corresponde a la xi 19, por lo que Md = 19.
Vamos a verlo más gráficamente para entenderlo. (según la tabla de frecuencias anterior la puntuación directa 17 ha
salido 2 veces; la 18, 1 vez; la 19, 5 veces… Añado una fila ficticia que pone posición para verlo claramente)

Pero ¿qué ocurre cuando N no es impar? En ese caso debemos buscar las dos posiciones centrales y
hacer la media entre ellas. Supongamos que la puntuación directa 20 no se repite una vez, sino 2. N por lo
tanto ya no son 15, sino 16.
Hay que dividir N/2. En este caso 16/2=8, pero la posición 8 no deja por encima
y por debajo el mismo número de sujetos. Cuando N es par hay que coger la
posición resultante y la siguiente. En este caso la posición 8 y la 9, porque dejan
por debajo de sí 7 posiciones y por encima otras 7. (En la tabla de frecuencias vemos
que la “posición” 9 está dentro de la fa 10, ya que incluye la posición 9 y la 10)
La posición 8 corresponde a la xi 19 La posición 9 corresponde a la xi 20
Md = (19 + 20)/2 Md = 19,5
- Variables con nivel de medida ordinal: sólo podemos utilizar la mediana y la moda (variables de satisfacción por
ejemplo, podemos ver qué nivel de satisfacción es la que más ha elegido la gente: “muy satisfecho”, “nada satisfecho”, etc.,
pero no podemos sacar una media aritmética de la satisfacción).
-Variables con nivel de medida nominal: solo podemos usar la moda (excepto en el caso de variables dicotómicas).
- Variables con nivel de medida de intervalo o de razón: podemos usar Media, Mediana y Moda.
Siempre que sea posible, se deben calcular Md y Mo porque no se ven afectadas por las puntuaciones
muy extremas, cosa que si ocurre con la media aritmética.
5.3. MEDIDAS DE VARIACIÓN
Las medidas de tendencia central por sí solas no proporcionan suficiente información como para
hacernos una idea de las características del grupo.
En esta tabla ambos grupos tienen una de 104, sin embargo son grupos muy diferentes.
Nos podemos preguntar si el grupo es homogéneo (la mayoría de las puntuaciones están cerca de la
media) o heterogéneo (muchas puntuaciones distan considerablemente de la media).
Por eso, el índice de tendencia central debe acompañarse por un índice de dispersión o
variabilidad que indica cuanto se dispersan (varían) en torno a la media aritmética.
5.3.1 La desviación media (DM)
Implica la media aritmética de las desviaciones de las puntuaciones directas respecto de la media
aritmética (de media cuanto se separan las puntuaciones de la ).
- Una DM alta significa que las puntuaciones se alejan de la media aritmética (grupo heterogéneo, variado).
- Una DM pequeña significa que las puntuaciones del grupo están próximas a la media aritmética (grupo
homogéneo, parecido).
Se calcula sumando la diferencia entre cada puntuación directa y la media, con valores absolutos (no
teniendo en cuenta el signo negativo). En el ejemplo del punto 5.3:
D.M. Grupo 1: [(104-104)+ (104-104) +(104-104) +(104-104)]/4 = 0/4 D.M. = 0
D.M. Grupo 2: [(80-104)+ (80-104) +(128-104) +(128-104)] / 4 =
D.M. Grupo 2: [(-24)+ (-24) +(24) +(24)] / 4 Ojo!! no tenemos en cuenta el signo negativo
[24+ 24 +24 +24] / 4 = 96 / 4 D.M. = 24
El primer grupo es totalmente homogéneo, pero el segundo es heterogéneo.
2
5.3.2 La desviación típica (s) y la varianza (s )
Son los índices de dispersión más usados. Sobre todo para comparar la dispersión entre grupos distintos.
Desviación Típica (sesgada) Varianza
En nuestro ejemplo anterior, el Grupo 1 es totalmente homogéneo. Calculamos el Grupo 2:

s = √ (80 − 104)2 +(80 − 104)2 + (128 − 104)2 +(128 − 104)2 ]/4
s = √2304/4 s = √576 s = 24 (desviación típica)
2 (80−104)2 +(80−104)2 +(128−104)2 +(128−104)2 2
s= s = 576 (varianza)
4
Si tenemos un solo grupo, tomamos de referencia:

 La desviación típica mínima (siempre cero, como si todos los sujetos deben obtener la misma puntuación).
 Y la desviación típica máxima (puntuación mayor menos puntuación menor entre dos), la mitad de los sujetos
deberían obtener la puntuación máxima de la escala y la otra mitad la puntuación mínima (así se conseguiría
las distancias máximas respecto de la media, por lo tanto, la máxima heterogeneidad).
Esto es posible en variables dicotómicas, pero cuanto más grande es la amplitud de la variable (variables
continuas y muestras muy grandes), más improbable es que se dé esta situación (imaginemos un examen donde la mitad
de la clase obtenga 0 y la otra mitad 10, es prácticamente imposible). Por lo que lo que se suele ver es cuánto se aleja
de cero la desviación típica.
La desviación típica sesgada se utiliza al trabajar con muestras. Para conocer la estimación de la
desviación típica de la población, se trabaja con la desviación típica insesgada (su símbolo es: s o σ y para la
varianza s2 o σ2). Por lógica, la desviación típica en una población será más elevada que en una muestra (al haber
más sujetos, será más probable encontrar mayores diferencias interindividuales), por lo que si disminuimos el
denominador (le restamos una unidad), el cociente será mayor. La fórmula es:
Desviación Típica Varianza

(insesgada)
5.3.3 La amplitud o recorrido (A)

Es la medida de dispersión más básica y se calcula como la diferencia entre la puntuación mayor y menor
más uno. Se utiliza para organizar los datos de una distribución de frecuencias en intervalos y realizar gráficos.
Se utiliza como medida de dispersión sólo cuando no es posible calcular otra o como complemento de la
moda en variables nominales. Al basarse sólo en dos puntuaciones puede dar lugar a malas interpretaciones.
Siguiendo la primera distribución de frecuencias vista en el tema (punto 5.2 tras explicación de la mediana):
A = 22 – 17 + 1 A=6
5.3.4 Desviación semi-intercuartílica (Q)

Indica la dispersión en el 50% central de la distribución, se usa cuando el nivel de medida de la variable
es ordinal, como complemento de la mediana. También se usa cuando la existencia de puntuaciones extremas
pueda distorsionar en exceso la desviación típica.
La Q prescinde del 25% inferior y del 25% superior de las puntuaciones, calculando la dispersión en el
50% central, entre los percentiles 25 y 75, es decir, entre los cuartiles 1 y 3. (Se ve mejor en próximos temas)
5.3.5 El coeficiente de variación (V)
A diferencia de los índices anteriores, permite comparar la variabilidad entre variables que tienen distinta
amplitud V se expresa en términos porcentuales porque al ser variables con diferente amplitud no se pueden
comparar sin más. (ejemplo: permite comparar la variable cociente intelectual (que puede coger valores entre el 0 al 50), con
la variable actitud hacia el estudio (con una amplitud de 0 a 10). Se entiende que puntuar un 5 en las dos no quiere decir lo
mismo, en la primera un 5 es muy abajo y en la segunda es justo en el medio. Al pasarlo a porcentaje dentro de su variable ya lo
puedo comparar con otras variables también pasadas a porcentaje).
5.4. MEDIA Y DESVIACIÓN TÍPICA PARA VARIABLES DICOTÓMICAS

Son variables que sólo pueden tomar dos valores, que se suelen codificar con 0 y 1 (ceros para noes o
respuestas incorrectas y unos para síes o respuestas correctas).
1) La media aritmética en variables dicotómicas representa la proporción de unos (síes).
Ejemplo: Le hemos preguntado a 50 sujeros si le gustan las matemáticas (Sí – NO). 30 han contestado
que sí. Se calcula la media sumando todas las puntaciones directas (30 unos y 20 ceros), y dividiéndolo entre el
número total de sujetos (N = 50).
La media será 30/50 = 0,6 Para pasarlo a porcentaje multiplicamos por 100 y se representa por “p”.
El 60% ha respondido que sí: al 60% le gustan las matemáticas y al 40% no le gustan. El porcentaje de
noes se representa por “q”.
p + q = 1 (o 100 si ya lo tenemos convertido a porcentaje)
2) La desviación típica y la varianza en variables dicotómicas:
La desviación típica va entre 0 (ausencia de variabilidad) y 0,5 (máxima variabilidad: la mitad contesta sí y la otra
mitad contesta no).
En el ejemplo que estamos viendo:
s = √0,6 ∗ 0,4 𝑠 = √0,24 s = 0,49
2 2
s = 0,6 * 0,4 s = 0.24

5.5. ASIMETRÍA Y APUNTAMIENTO: RELACIÓN CON LA CURVA NORMAL
La asimetría y el apuntamiento son dos características relativas a la forma gráfica de la distribución de
frecuencias. El modelo de comparación es la curva normal (definición en el punto 4.6 del tema anterior). (El eje
horizontal representa las xi y el eje vertical las fi).
La distribución normal indica cómo la mayoría de las personas se encuentran en torno a los valores
medios y según nos alejamos hacia valores extremos el número de sujetos disminuye progresivamente.
Las representaciones gráficas de las variables, sobre todo cuando trabajamos con muestras grandes,
tienden a ser curvas que, por su grado de asimetría, pueden asemejarse a una de estas tres.
- La asimetría negativa indica que los sujetos tienden a agruparse en
torno a las puntuaciones altas de la distribución.
- La curva normal es una distribución teórica, simétrica y asintótica,
donde la media, la mediana y la moda coinciden. (Tiene índice de
asimetría igual a cero (o una diferencia a 0 menor de 1 pto.) y apuntamiento
igual a cero).
- la asimetría positiva indica que la mayoría de los sujetos tiende a
concentrarse en la parte baja de las puntuaciones de la distribución de
frecuencias.
El hablar de asimetría positiva o negativa se debe simplemente al signo del cálculo del índice (La asimetría
tiene muchas formas de calcularse, nosotros usamos el índice de Pearson = Media menos Moda partido por
desviación típica).
El apuntamiento o la curtosis indica el grado en el que la distribución es más o menos

“picuda”, es decir, el grado en el que la distribución resulta más abierta o dispersa respecto a la media.
- Mesocúrtica: la curva normal. Curtosis = 0
- Leptocúrtica: más apuntada. Concentración de las puntuaciones alrededor
de la media. Curtosis > 0
- Platicúrtica: más achatada. Dispersión de las puntuaciones alrededor de la
media. Curtosis < 0
La curtosis se calcula (No suele salir):
5.6. REPRESENTACIONES GRÁFICAS

Las representaciones gráficas son un buen complemento a los índices numéricos (ya sean de tendencia
central o de dispersión/variabilidad). Se realizan a partir de la distribución de frecuencias.
5.6.1 Gráfico de sectores (o ciclograma o gráfico de tarta)

Se usan para representar variables con nivel de medida nominal (generalmente
clasificatorias). Cada porción representa la proporción de cada uno de los niveles de la
variable.
5.6.2 Gráfico de barras

Se usa en variables con nivel de medida ordinal, aunque se puede utilizar cuando el nivel de medida es
nominal y para realizar comparaciones de variables clasificatorias o categóricas, como en el segundo gráfico
(en el que vemos que podemos comparar los resultados de diferentes países).
5.6.3 Histograma
Es muy parecido al de barras, pero se utiliza para variables cuantitativas continuas, con nivel de medida
de intervalo o de razón. Agrupa las puntuaciones en intervalos, en lo que se denomina valor de intervalo (por
ejemplo podemos agrupar las notas de 0 a 2 en una barra, de 2 a 4 en la segunda barra, etc.).
5.6.4 Gráfico de caja, caja y patillas o caja y bigotes

Permite hacerse una idea rápida de la distribución de las puntuaciones en la zona central (Comprende
desde el Q1 al Q3, o lo que es lo mismo, desde el percentil 25 al 75). Es útil para comparar visualmente grupos medidos
en distintas variables. No son adecuados para un nivel nominal.

- El tamaño de la caja (rectángulo) comprende desde el Q1 al Q3 (se comprenderá
mejor al dar los quartiles).
- La caja está dividida por la mitad por el valor de la mediana, que debe coincidir
con el Q2.
- La longitud de los bigotes llega hasta el xi menor (por abajo) y el xi mayor (por
arriba).
- El punto atípico o Outlier, se usa para marcar una puntuación directa extrema,
que si se incluyese en la caja, desvirtuaría la realidad.
5.6.5 Gráfico de tallo y hojas

Combina la representación numérica y gráfica.
- El tallo se representa por el primer dígito de cada puntuación directa, sin repetirlos. En este caso
cogemos las decenas, pero aunque el 1 sale 2 veces (15 y 16) sólo lo ponemos 1 vez.
- En las hojas representamos el siguiente dígito, en este caso las unidades. Ahora si se puede repetir. En
la primera fila sería 5 y 6 (del 15 y 16). En la segunda fila sería 1, 3, 3, 6, 6 (de los 21, 23, 23, 26 y 26).

Tema 6. MEDIDAS INDIVIDUALES
6.1 INTRODUCCIÓN
En el campo educativo, si bien es interesante saber cómo se comportan los grupos, un punto de máximo
interés es la atención individual. Por eso el conocimiento de las puntuaciones individuales de cada persona y
su correcta interpretación resultan esenciales para la intervención educativa.
6.2. PUNTUACIONES DIRECTAS: Problemas de interpretación y transformaciones permisibles
Una puntuación directa (Xi) es la puntuación que obtiene un sujeto al realizar una prueba o aplicarle un
instrumento de medida (nota de examen de un sujeto, altura del sujeto, ci del sujeto, etc.).
6.2.1 Puntuaciones proporcionales y porcentuales:
Dos datos (Xi) de un mismo sujeto no son siempre comparables sin más, debido a al recorrido que puede
tener las distintas variables (Si yo realizo una prueba de matemáticas con 40 items y saco un 18, no es lo mismo si luego
hago otra de 20 items y vuelvo a sacar un 18: en la segunda es muy buen resultado y en la primera no).
Una forma sencilla de comparar Xi es convertirlas en una proporción de respuestas correctas (n.° de
respuestas correctas/nº total de preguntas) o un porcentaje de respuestas correctas (multiplicando la
proporción por 100).
Xi del primer examen: Xi del segundo examen:
Xi = 18 /40 = 0.45 proporción. Xi = 18 /20 = 0.9 proporción.
% = 0.45 * 100 = 45% % = 0.9 * 100 = 90%
Ha obtenido un 45% de respuestas correctas. Ha obtenido un 90% de respuestas correctas.
Sin embargo, no siempre es posible ni pertinente hacer esta transformación. No sirven para cuestionarios
en los que no hay respuestas correctas e incorrectas (valoración de nada interesado a muy interesado, etc.).
La puntuación directa por si sola tampoco es un dato indiscutible. Hace falta compararlo con el grupo de
referencia para saber en qué situación se encuentra.
6.2.2 Las puntuaciones diferenciales
Una puntuación diferencial (𝑥i) es una puntuación individual relativa a la media aritmética del grupo de
referencia. Para calcularla se resta a la puntuación directa del sujeto (xi), la media aritmética ( del grupo al
que pertenece.
Si en nuestro ejemplo anterior, la media del primer examen era 23 y en la segunda 9:

Primer examen: Segundo examen:
𝑥 i = 18 - 23 = -5 𝑥 i = 18 - 9 = 9
El sujeto está por debajo de la media. El sujeto está por encima de la media.
Una puntuación diferencial sólo nos permite saber si una puntuación está por encima o por debajo de la
media aritmética. Pero no es lo mismo separarse dos puntos de la media cuando tenemos un recorrido de 5
puntos que cuando el recorrido es de 100.
Necesitamos una puntuación que permita situar a un sujeto con respecto a su grupo de referencia y hacer
comparaciones independientemente de la amplitud del instrumento.
6.2.3 Las puntuaciones típicas
Una puntuación típica (z) indica el número de desviaciones típicas (visto en el Tema 5) que se desvía una
puntuación directa (xi), de la media aritmética ( .
Las dos propiedades más importantes de las puntuaciones típicas son que:
- La media de dichas puntuaciones es igual a 0, y
- La desviación típica es igual a 1.
Ejemplo: Un grupo de sujetos tiene una media en CI de 100 puntos y una desviación típica s = 10.
Tenemos un sujeto que ha obtenido un 110 (puntuación directa xi)
¿Cuál es la puntuación típica (z) del sujeto? Hemos dicho que una puntuación típica indica el número de
desviaciones típicas que se aleja una puntuación directa de la media (cuantas desviaciones típicas (s) se aleja un
sujeto de la media).
𝑥 10 La puntuación típica del sujeto es 1, es decir,
𝑧= ; 𝑥= xi - 𝑧= =1 se aleja 1 desviación típica de la media del
𝑠 10
𝑥
𝑧= 𝑥 = 110 – 100 = 10 grupo.
10

Las puntuaciones típicas nos permiten comparar cualquier puntuación entre sí, independientemente del
instrumento de medida o de la amplitud de la escala utilizada. Siguiendo el ejemplo del punto 6.2.2:
Primer examen con desviación típica 5: Segundo examen con desviación típica 3:
18−23 18−9
𝑧= = -1 𝑧= =3
5 3
Ha destacado mucho más respecto a la media en el segundo examen (se aleja 3 desviaciones típicas por
encima de la media). En el primero se aleja una desviación típica por debajo de la media (el signo negativo solo
indica que está por debajo de la media. En positivo siempre significa por encima por encima de la media)
Aunque pueda parecer obvio: la z de un sujeto que ha obtenido como puntuación directa justo la media del
grupo siempre será 0, ya que no se aleja nada de la media aritmética.
Si un grupo es muy homogéneo, su desviación típica será pequeña.

6.2.4 Puntuaciones tipificadas o escalas derivadas (no se suele usar pongo solo la teoría)
Son una transformación de las puntuaciones típicas, para evitar las puntuaciones decimales y las
negativas. La transformación se reduce a multiplicar por una constante a la puntuación típica, valor que se
convertirá en la nueva desviación típica y sumarle otra constante, valor que se convertirá en la nueva media de
las puntuaciones tipificadas.
T= 10z + 50
S = 2z + 5
Un sujeto con una puntuación directa igual a la media tendrá una puntuación T =50 y una S = 5.
6.2.5 Las puntuaciones cuantiles
Un cuantil indica el porcentaje de sujetos que deja por debajo de sí una puntuación determinada.
Las puntuaciones cuantiles más utilizadas son los percentiles, que dividen una distribución de
frecuencias en 100 partes (el percentil 85 deja por debajo de sí al 85% de los sujetos de su grupo).
Otros cuantiles utilizados son:
- los deciles (D): dividen una distribución de frecuencias en diez partes iguales.
- y los cuartiles (Q), en cuatro partes: (percentil 25 = al cuartil 1; percentil 50 = cuartil 2; etc.)
Los percentiles son utilizados para construir los baremos de los tests estandarizados.
Existen dos formas de calcular los percentiles:
1. Desde la tabla de distribución de frecuencias, vista en el tema 4. La columna de Porcentaje
acumulado nos decía que porcentaje de sujetos dejaba por debajo de sí una puntuación determinada:
la definición de percentil.
2. Mediante formula, cuando el dato que necesitamos no aparece en la tabla de frecuencias.
Vamos a ver un ejemplo, paso a paso de la formula anterior: Tenemos la siguiente tabla de frecuencias:
Y queremos saber el percentil 25 (P25).
𝐶
Paso 1: Tenemos que calcular esta parte de la fórmula: ∗ 𝑛.
100
Que supone una simple regla de 3:
Si el 100 (%) de los sujetos son 1012 25 x 1012/100 = 253
el 25 (%) de los sujetos será “X”

Con esto ya sabemos qué número de sujeto hay por debajo del
percentil 25, pero no sabemos que puntuación es la que deja por debajo ese número de sujetos.
Paso 2: Buscamos en la columna de la frecuencia acumulada el dato anterior: 253. Quedándonos con la
más alta que no supere esa cifra. Se corresponde con la parte de la formula: f a(I-1). En este caso 179 (la
siguiente sería 272 y ya supera el 253).
𝐶
Paso 3: Restamos 253 – 179. Completamos el numerador de nuestra fórmula: [ ∗ 𝑛] − fa(I-1).= 74
100
Paso 4: El denominador de la fórmula (fi), es la frecuencia absoluta del intervalo superior (nuestro intervalo
actual es el 1, que es la puntuación directa que corresponde al 179 que hemos visto. El intervalo superior será el 2, y de
esa fila cogemos la frecuencia absoluta: 93. -Ver recuadro siguiente de aclaraciones-.). En nuestro caso fi= 93.
Ya tenemos: = 74/93= 0.80

Ojo!!! Hay que tener en cuenta el orden de las puntuaciones directas (intervalos). En este caso va de abajo a arriba. Pero
podría estar al revés, por lo que el intervalo superior aparecería abajo.
Y otro dato importante: los intervalos (como tienen que tener una separación igual entre ellos) van como sigue: En nuestro caso:
el intervalo 1 incluye las puntuaciones directas del 0.5 (que es su límite inferior) al 1.5 (que es su límite superior). El intervalo 2,
las puntuaciones directas del 1.5 al 2.5, etc.
Paso 5: Como pone en nuestra fórmula a1 hace referencia al valor (amplitud) del intervalo (es decir: a la
diferencia que hay entre cada intervalo). En este caso 1 (porque la diferencia entre cada intervalo es 1: la diferencia entre
1 y 2, entre 2 y 3, etc. Si nuestros intervalos (primera columna) hubiesen sido 1, 3, 5, 7, a1 hubiera sido 2).
Siguiendo nuestra fórmula: Cm= Linf + (0.80 * 1); Cm= Linf + 0,80.
Paso 6: Ahora sumamos el límite inferior del intervalo (explicado en el recuadro de arriba) de la frecuencia
absoluta (la del 93), es decir el Linf de 2: 1,5.
Cm= 1,5 + 0.80
Cm (que en nuestro caso es P25) = 2,3.
El percentil 25 es 2.3; 2.3 es la puntuación directa que marca el Percentil 25; es la puntuación directa que
deba por debajo de sí al 25% de los sujetos.
6.3. LAS PUNTUACIONES INDIVIDUALES EN LA CURVA NORMAL

Necesitamos las “tablas de la curva normal” (vienen en el pdf de las fórmulas facilitado por el equipo docente).
En ellas vienen, entre otras, dos columnas: Área de la parte menor y área de la parte mayor.
Ambas representan la probabilidad acumulada de que aparezca una puntuación que supere o que deje
por debajo una puntuación típica determinada. Si lo multiplicamos por 100 obtenemos el porcentaje de sujetos
que supera o que queda por debajo de dicha puntuación típica.
Recordamos que, en una curva normal, un puntuación típica (z) = 0, divide la curva justo por la mitad (Z
es igual a la media del grupo). Es decir, en dos mitades exactamente iguales (si vemos la tabla y buscamos la Z = 0,
nos dice que el área mayor es 0,5 y el área menor otro 0,5. Lo que quiere decir que tenemos una probabilidad acumulada de 0,5
de que salga una puntuación mayor o menor a la media. O lo que es lo mismo: el 50% de los sujetos ha sacado una puntuación =
o menor que la media, y el 50% de los sujetos ha sacado una puntuación = o mayor que la media)
Veamos con un ejemplo que ocurre cuando la z es diferente a 0.
Supongamos que tenemos una puntuación típica (z) 1,25.

Marcamos en la curva normal donde se encuentra la media (en el centro).
Dividimos la curva por la z, en dos partes. Al ser 1,25 sabemos que esta z está por
encima de la media. Si dividimos, a ojo, en percentiles la curva, la media coincidiría
con el percentil 50, y si dividimos cada parte en dos, tenemos el resto de percentiles.
Si buscamos la Z 1,25 en la tabla, vemos que el área mayor representa el 89.44%
C 25 C 50 C 75 de la curva, o lo que es lo mismo: 1,25 tiene una probabilidad acumulada de aparición
de p = 0,8944. Igualmente podemos decir, que la puntuación típica 1,25 deja por
Z= 1,25
debajo de sí al 89,44% de los sujetos y por encima al 10,56% de los sujetos.
Á. mayor 89.44 % Á. menor 10.56 %
6.3.1 Las Puntuaciones Individuales Normalizadas:

La puntuación normalizada es la puntuación individual que le corresponde a un sujeto si la distribución de
frecuencias original es una distribución normal (un Xi en una distribución normal se llama puntuación normalizada).
Veamos diferentes problemas que nos pueden plantear con lo dado hasta ahora:
Problema 1. Un alumno ha obtenido una puntuación de 23. El grupo de referencia tiene una Media de 17 y una
desviación típica de 3. ¿Qué porcentaje de sujetos se ha quedado por debajo de este alumno? Y por encima?
23−17 6
xi = 23 = 17 Paso 1: z= = = 2 El alumno se separa 2 desviaciones típicas
3 3
s=3 xi = 23 de la media.
= 17 Paso 2: Buscamos la Z en la tabla:
- Área mayor (que en este caso queda a la izquierda) = 97,44%. El 97% de los
sujetos ha sacado una puntuación menor o igual a 23.
- Área menor = 2,28%. El 2,28% de los sujetos ha sacado una puntuación mayor o
igual a 23.

Problema 2: Con los datos anteriores. ¿Qué puntuación tendrá un alumno que tiene una puntuación típica de -2?
xi = ? = 17 Paso 1: z = xi = z * s +
Z=-2
xi = -2 * 3 + 17 = -6 + 17 = 11
s=3
La puntuación directa que corresponde a la z = -2 es 11. Dicho de otra manera: la
= 17 puntuación 11, se separa 2 veces (s) por debajo de la media.
Z=-2
Problema 3: Con los datos anteriores, y sabiendo que el grupo son 42 alumnos: ¿Cuántos alumnos han quedado por encima y por
debajo de dicha puntuación?
Paso 1: Buscamos en la tabla el Área mayor y el menor de la z = -2 (recordamos que en la tabla vienen todos en positivo, el signo
negativo sólo nos dice si es por encima o por debajo de la media)
- Área mayor = 97,44%. El 97,44% ha sacado una nota mayor a 11.
- Área menor = 2,28% El 2,28% ha sacado una puntuación menor o igual a 11. (recomiendo pintar siempre en la curva,
para tener claro en cada caso si el área mayor es por encima o por debajo)
Este dato solo nos dice el porcentaje, pero no el nº de alumnos que es lo que nos preguntan. Hacemos una regla de tres:
Paso 2: - Área mayor: Si 100% de los alumnos son 42
El 97,44% será X X = 42 * 97,44 / 100 = 41 alumnos han sacado nota mayor o igual a 6
- Área menor: Si 100% de los alumnos son 42
X = 42 * 2,28 / 100 = 1 alumnos han sacado nota menor o igual a 6
El 2,28% será X
Problema 4: Con los datos anteriores ¿Qué porcentaje de alumnos hay entre la puntuación directa 11 (z=-2) y la media? ¿y entre la
z= -2 y la z = 2? (ya no estamos pidiendo un área entera, sino desde la media hasta nuestra z. Hacemos el dibujo)
= 17 Paso 1: Buscamos en la tabla la z = 2 y miramos la columna de “área desde la media a x/σ “ y lo
Z=-2 Z=-2 multiplicamos por 100. 0,4772 x 100 = 47,72. El 48% de los alumnos ha sacado una nota entre 11 y
17.
Paso 2: Ahora debemos sumar ambos pedacitos. (en este caso no buscamos la otra z en la tabla
porque coincide que ambas son 2, solo cambia el signo)
¿? 47,72 (de la z -2) + 47,72 (de la z=2) = 95. El 95% de los alumnos ha sacado una nota ente
11 y 23.
¿?

Tema 7. RELACIÓN ENTRE VARIABLES: Correlaciones y la Regresión
7.1 INTRODUCCIÓN
Estudiaremos los índices de influencia de una variable sobre otra.
7.2. EL CONCEPTO DE CORRELACIÓN
Al conocer la relación entre variables se pueden llegar a formular predicciones de una a partir de otra. La
relación se puede establecer entre dos variables o más.
La correlación indica la tendencia de dos o más conjuntos de datos a variar de forma conjunta (si es entre
dos, la relación se denomina “relación simple”).
Las situaciones que se pueden analizar pueden ser diversas. Destacamos 3:
- Estudiar la relación entre dos o más variables medidas en un mismo grupo.
- Comprobar el grado de relación entre distintos grupos en una sola variable.
- Una misma variable medida en dos momentos distintos en una misma muestra.
Con el coeficiente de correlación (que va de +1 hasta -1) podemos cuantificar la intensidad de la
correlación, ya que mide el índice de covariación o variación conjunta de dos, o más, series de datos.
A) Relación perfecta positiva: al aumentar los valores de una de las variables los valores de
la otra lo hacen siempre en la misma proporción. Su expresión cuantitativa sería +1.
B) Relación imperfecta positiva (relación directa de variables): a valores elevados en una

variable le corresponden valores altos en la otra; de tal forma que si se mide un grupo en dos
variables distintas el sujeto que puntúa alto lo hace en las dos variables y a la inversa. Su
expresión cuantitativa se sitúa entre los valores 0 y +1.
C) Relación perfecta negativa: Relación inversa entre las variables: al aumentar los valores
en una, los de la otra disminuyen en la misma proporción. Su expresión cuantitativa es -1.
D) Relación imperfecta negativa: Las puntuaciones altas en una variable se corresponden

con las bajas en la otra; Su forma de expresión cuantitativa se sitúa entre los valores 0 y -1.
E) Relación nula o ausencia de relación: Dos variables son independientes una de la otra (no
existe una tendencia definida en los valores alcanzados por los sujetos). La forma de expresión
cuantitativa sería 0.
7.3. EL COEFICIENTE DE CORRELACIÓN SIMPLE Y SU INTERPRETACIÓN
A la hora de interpretar hay que tener en cuenta diversas directrices, entre las que destacamos:
1. El tipo de variables que se relacionan
2. La variabilidad del grupo: A mayor variabilidad mayor será el valor del coeficiente de correlación.
Así cuando tenemos dos coeficientes de 0,70; el que se haya alcanzado en el grupo más
homogéneo (el de menor variabilidad) se identifica con una mayor intensidad de la correlación.
3. La finalidad a la que se destina el coeficiente: así cuando el coeficiente se emplea para
determinar la fiabilidad de un instrumento de medida debe tener unos valores por encima de 0,85; en
cambio para determinar la validez con 0,60 es aceptable. También se exige un valor más alto en la
predicción que en la prueba de hipótesis.
Aunque no existe un acuerdo total, se suele aceptar la siguiente tabla para interpretar los coeficientes
(agrupados en intervalos):
También se puede interpretar a través del Coeficiente de Determinación (d)

d = Coeficiente de correlación (r) al cuadrado por 100: d = 𝐫𝟐 100
x
Se interpreta como el porcentaje de la varianza de una variable explicada por la otra.

Ejemplo: Si obtenemos un coeficiente de relación rxy = 0,70 entre el tiempo de estudio (x) y las notas (y), wl
2
coeficiente de determinación d = 0,70 = 49. Si lo multiplicamos por 100 nos da 49%. Se interpreta como que
el tiempo de estudio explica el 49% de la varianza de las calificaciones escolares.
La interpretación de los coeficientes de correlación se suele completar con su significación estadística. Se
trata de poder afirmar que la correlación entre 2 variables es real y no se puede explicar por efecto del azar.
7.4. El COEFICIENTE DE CORRELACIÓN DE PEARSON (R) (denominado también: correlación producto-momento)
Se usa cuando las dos variables son cuantitativas, la medida es de intervalo, y además se distribuyen
normalmente.
Existen dos fórmulas, dependiendo de si trabajamos con:
Puntuaciones directas o Puntuaciones típicas:
Ejemplo: En la siguiente tabla tenemos las puntuaciones de 10 sujetos en matemáticas (x) y física
(y). Creamos todas las columnas para hacer las operaciones y los sumatorios (calculando las medias de cada
variable para poder calcular ji, etc.).
10 ∗351−55∗60 210
rxy = = = 0,77.
√(10∗331−552)∗(10∗386−6502 ) 272,21
Diríamos que la puntuación en matemáticas tiene un

correlación elevada con respecto a la puntuación en física.
Con puntuaciones típicas o diferenciales sería:
21 21
rxy = = = 0,77.
√28,5∗26) 27,22
7.5. El COEFICIENTE DE CORRELACIÓN ORDINAL DE SPEARMAN (rs)

Se usa cuando las variables son cuantitativas pero sólo puede garantizarse un nivel de medida ordinal (lo
que importa es el lugar que ocupa no la puntuación obtenida, por ejemplo con variables observacionales: comportamiento,
atención, etc.).
Para transformar las puntuaciones obtenidas en rangos se suele asignar el rango 1 a la puntuación más
alta, y así sucesivamente. Si existen puntuaciones iguales se les asigna la media de las puntuaciones de los
sujetos que coincidan.
Donde “D”, es la diferencia de rangos de las variables.
Ejemplo: Queremos conocer la correlación entre dos valirables: comprensión oral (X) y expresión
escrita (Y), evaluados mediante una escala de 0 a 50 por la observación del docente.
Ojo: Al asignar rangos encontramos sujetos con la mismas

puntuaciones (sujeto 7 y el 10 en la variable X). Hacemos la media
de las posiciones que coincidan y se la asignamos a todos
(posición 4 y posición 5: 4+5/2=4.5). Cuidado al asignar el siguiente
rango, no corresponde el 5, sino el 6. El 5 está incluido en el
4.5!!! El último rango debe coincidir con el número de sujetos.
Paso 1: Realizamos una tabla, donde asignamos los rangos, y
hacemos los cálculos previos.
6 ∗43 258
rsy= 1- = = 0,92.
15 (152 −1) 3.360
Como el valor de correlación 0.92, está por encima de 0.90,

decimos que la relación que se establece entre la comprensión
lectora y la expresión escrita es muy alta.
7.6 EL COEFICIENTE DE CONTINGENCIA (c)

Se usa cuando las variables son categóricas (nominal) (nivel de estudios, lugar de residencia, etc.).

7.7 EL COEFICIENTE DE CORRELACIÓN BISERIAL-PUNTUAL (rbp)
Se usa para hallar la correlación entre una variable cuantitativa (continua o discreta) y una
auténticamente dicotómica.
7.8 OTRO COEFICIENTES DE CORRELACIÓN
7.8.1 El Coeficiente Phi (Ø)

Se usa cuando buscamos la existencia de relación entre variables dicotómicas, o en variables
dicotomizadas (continuas que se han transformado sus puntuaciones en dos categorías).
7.8.2 El Coeficiente de Correlación Tetracórico (rt)
Se usa cuando las dos variables son de tipo cuantitaivo y continuo, pero que por razones de la
investigación se han dicotomizado.
7.8.3 El Coeficiente de Correlación Biserial (rb)
Se usa cuando se trata d establecer la relación que existe entre una variable cuantitativa (continua o
discreta) y otra dicotomizada.
7.9 LA REGRESIÓN LINEAL SIMPLE
No entra según mi tutora

Tema 8. APLICACIONES DE LA CORRELACIÓN: Fiabilidad y Validez de las Medidas
8.1. INTRODUCCIÓN:
En este capítulo analizaremos las características técnicas de los instrumentos de medida. Estos deben
ser precisos en sus apreciaciones (fiabilidad) y sirvan para lo que fueron diseñados (validez).
(los puntos 8.2.2, 8.3.6, 8.3.7 y 8.3.8 no entran en examen)
8.2. EL ESTUDIO DE LA FIABILIDAD:

La fiabilidad es la principal característica de los instrumentos de medida.
Un instrumento es fiable cuando mide algo con precisión. Aceptar esta definición lleva consigo
contemplar la posibilidad de error en el momento de medir. Por ello, una puntuación observada en un sujeto
podrá descomponerse en dos partes: la que se corresponde con la puntuación verdadera y el posible error que
se comete.
Esos errores los podemos dividir en:
- Sistemáticos: asociados a las características internas del instrumento que afectaría a todo lo que se
mida con él.
- Aleatorios: debido a aquellas variables cuyos efectos resultan desconocidos (azar). La magnitud de los
errores viene condicionada por el margen de error o nivel de confianza con que el investigador realiza
sus apreciaciones. Cuando menor sea el error más fiable es el instrumento.
También podemos expresar la fiabilidad como la constancia en las puntuaciones de los sujetos, o la
concordancia entre varias mediciones sucesivas de una misma realidad. En cada caso nos vamos a enfrentar
a diferentes procedimientos de cálculo de la fiabilidad, pero en todos ellos se obtienen dos conjuntos de datos
a partir de los cuales se puede determinar el coeficiente de correlación que estime la fiabilidad del instrumento.
8.2.1 Procedimientos para Determinar la Fiabilidad
Existen tres procedimientos de cálculo de fiabilidad: como estabilidad, como equivalencia y como
consistencia interna.
8.2.1.1 La fiabilidad como estabilidad
También conocida como procedimiento de la repetición o del test-retest. Busca la correlación entre
las puntuaciones obtenidas por un mismo grupo de sujetos, en dos momentos diferentes (de ahí o de estabilidad).
Entre ambas obtenciones de datos se suele fijar entre 20-25 días, ya que si pasa poco tiempo (los sujetos
pueden recordar las respuestas anteriores), y si pasa demasiado tiempo (puede influir la maduración, la práctica).
Se considera que cuando el índice de correlación es superior a 0.95 se considera que la prueba tiene
muy buena fiabilidad.
Cuando los datos proceden de una variable cuantitativa continua, con nivel de medida de intervalo
(pruebas objetivas, como un examen), utilizamos el coeficiente de Pearson.
Identificamos con X los resultados (puntuaciones directas) de la

primera aplicación y con Y los de la segunda.
Ejemplo: Prueba de 20 ítems. 2 aplicaciones sucesivas a 10 sujetos. Como siempre, añado las columnas
que necesito para los cálculos.
10 ∗ 1876 − 133 ∗ 134
𝑟=
√[10 ∗ 1.885 − 1332 ] ∗ [10 ∗ 1.878 − 1342 ]
18.760 − 17.822
𝑟=
√[18.850 − 17.689 ] ∗ [18.780 − 17.956 ]
938 938 938

𝑟= 𝑟= = = 0.96
√1.161 ∗ 824] √1.161 ∗ 824] 978
dd
La correlación entre las dos aplicaciones es de 0.96, es decir, un alto grado de fiabilidad. Pág misma tabla
134 que correlaciones
8.2.1.2 La fiabilidad como equivalencia (solo entra la teoría al examen)
También conocida como de formas paralelas. Consiste en aplicar dos pruebas diferentes pero que
miden el mismo rasgo. Nos permite calcular el coeficiente de correlación o equivalencia entre ambas
puntuaciones. Este procedimiento es complicado, por los problemas de encontrar pruebas equivalentes, que
tengan los mismos objetivos y que los contenidos y las condiciones de aplicación sean similares.

Se utiliza el coeficiente de correlación de Pearson. Si transcurren más de 20 días entre ambas
aplicaciones, el coeficiente encontrado puede ser considerado como de equivalencia y de estabilidad.
8.2.3 La fiabilidad como consistencia interna
Los instrumentos de medida están representados por una serie de ítems. Cada uno medirá una parte de
esa característica que mide la prueba en su conjunto. Es de suponer que habrá coherencia (consistencia) en las
respuestas dadas por un grupo de sujetos en los diferentes elementos que integran tal instrumento.
Este procedimiento también conocido de las mitades nos permite dividir la puntuación total del sujeto en
una prueba en dos partes (mitades, si es un test pues la mitad de las preguntas de un sujeto en un grupo y las otras en el
otro grupo. No se divide el grupo de sujetos, si nos las respuestas que estos dan.), eligiendo como criterio los ítems pares
y los impares o la primera y la segunda mitad. En realidad obtenemos dos puntuaciones para cada sujeto.
Estableciendo una relación entre ambas mitades nos dará el coeficiente de fiabilidad como consistencia
interna. Se suele utilizar este criterio de dos mitades, pues en muchas pruebas, y con el fin de estimular las
respuestas de los estudiantes, los ítems más fáciles se colocan al comienzo de la prueba y los más difíciles al
final, por ello la división impares/pares recogerá ítems del comienzo y del final y será más equilibrada que la
primera y la segunda mitad.
Procedimientos para determinar la fiabilidad de una prueba por medio de la consistencia interna:
 Procedimiento de Spearman-Brown: Se basa en la correlación entre las mitades (que se corresponderán con
X1 y X2), normalmente mediante el coeficiente de Pearson. Esta correlación ha de ser corregida mediante
una fórmula sencilla para calcular la fiabilidad de la prueba en su conjunto.
Ejemplo: Prueba con 12 sujetos. Dividimos la prueba en dos mitades. La primera será X 1 y la segunda X2..
Como siempre, añado las columnas que necesito para los cálculos en la fórmula. (Recordamos que “n” es el nº
de sujetos)
12 ∗ 1.230 − 118 ∗ 117 954

𝑟𝑥𝑥 = = = 0,875
√(12 ∗ 1.256 − 1182 ) ∗ (12 ∗ 1.227 − 1172 ) 1.090.04
El coeficiente de fiabilidad será:
2 ∗ 0,875
𝑅𝑥𝑥 = = 0,96
1 + 0,875
La prueba tiene una buena fiabilidad, al ser el valor por encima de 0,90.
Se utiliza para saber si es buena o no el mismo cuadro que el del tema 7 (el
del punto 7.3 de coeficientes)
 Procedimiento de Rulon: Ser basa en la varianza de las diferencias, es decir, debemos comprobar la
relación entre la varianza total del intrumento y la existente entre ambas mitades. A mayor diferencia entre
los sujetos en las mitades, menor será el valor del coeficiente.
 Procedimiento de Guttman: Este procedimiento se basa en la varianza de las mitades, de tal forma que a
menor valor de las varianzas más elevada será la fiabilidad de la prueba.
 Procedimiento de Kuder-Richardson: (es distinto a los anteriores). El la fiabilidad se calcula a partir de las
intercorrelaciones de cada uno de los elementos, pues se divide la prueba en tantas partes como ítems
posee. Con ello obtenemos además del coeficiente de consistencia interna, el de homogeneidad.
 Procedimiento alfa de Cronbach: Se emplea con frecuencia cuando recurrimos como instrumento de
recogida de datos a cuestionarios. La fiabilidad está relacionada directamente con el número de ítems del
cuestionario, a mayor cantidad de ítems mayor fiabilidad.
8.3. EL ESTUDIO DE LA VALIDEZ:
Un instrumento es válido cuando mide lo que dice medir y no otra cosa distinta. Pero ningún instrumento
va a ser absolutamente válido, sino que tendremos que matizar el grado y la naturaleza de la validez.
En la investigación socioeducativa existen diferentes enfoques o tipos de validez de los instrumentos de
medida y recogida de datos. En cada caso recurriremos a la validez que guarda una relación más estrecha con
el propio instrumento y como está configurado, así como la información que nos suministra.
8.3.1 La Validez de Contenido

La muestra ha de ser:
- Suficiente: Relacionado con el número mínimo de elementos que debe incluir el instrumento, para tener
garantías de que incluye los aspectos esenciales para el estudio.
- Representativa: Exige un conocimiento profundo del tema, para que esas tareas sean definidas con
precisión y claridad, y así será más sencilla la selección de los ítems. En el caso de que la relación entre
las tareas no sea tan directa, es conveniente elaborar una tabla de especificaciones y juicios de
expertos. A este proceso se le denomina validación.
8.3.2 La Validez Predictiva
Permite conocer la capacidad que tiene la prueba para avanzar las expectativas sobre futuros hechos
(predicciones sobre la variable o aspectos relacionados con ella). Se calcula estableciendo una correlación entre las
puntuaciones de la prueba a validar por un número de sujetos y los obtenidos en otra prueba denominada
criterio. Es preciso que todos los sujetos estén previamente identificados, pues se trata de relacionar las
puntuaciones de cada sujeto en ambas pruebas. Suele usarse el coeficiente de correlación de Pearson.
8.3.3 La Validez Concurrente
Es una modalidad de la predictiva (correlación entre las puntuaciones en la prueba a validar y el criterio). La
diferencia está en que ambas mediciones se llevan a cabo en el mismo tiempo, y los resultados permiten
realizar pronósticos a corto plazo (utilización inmediata). Mientras que en la predictiva no coinciden la aplicación
de la prueba y la recogida de datos. El investigador tendrá que revisar y definir con claridad el objetivo del
instrumento de medida para elegir el tipo de validez más apropiado.
8.3.4 La Validez de Constructo
También se denomina de elaboración o construcción. Se refiere al objeto mismo de la medición, acude
a la base del problema de la validez. Se trata de analizar la conexión que se manifiesta entre la teoría en la
que se basa la prueba y los ítems que la componen. Esto implica que se deben establecer unas hipótesis
iniciales, que, una vez comprobadas empíricamente, nos ofrecerá la validez del instrumento y la teoría
subyacente al instrumento. Cuando las hipótesis no sean confirmadas, se puede deber a que la prueba carece
de validez o a que es insuficiente, también puede ocurrir que la hipótesis no esté bien planteada o que la
propia investigación no permita validar la hipótesis.
8.3.5 La Validez Aparente
También conocida como validez didáctica o validez superficial. Son aspectos externos cuya influencia
puede ser relevante para alcanzar participación y respuestas válidas. Que no haya nada que lo invalide.
8.4 EL ESTUDIO DE LOS ELEMENTOS O ÍTEMS DE UNA PRUEBA:
Para tener garantías científicas de que la prueba que vamos a aplicar a los sujetos es la más adecuada,
es preciso conocer el comportamiento de cada uno de los ítems que la componen. Así eliminaremos los que
no pasen el control o añadiremos otros que sí cumplan los requisitos. Estos índices no son aplicables a las
pruebas de medida de actitudes.
8.4.1 El Índice de Dificultad (ID)
La dificultad de los elementos depende del grupo de sujetos que lo conteste y se expresa numéricamente
por el número de ellos que los resuelven satisfactoriamente. Si es contestado bien por un número pequeño de
sujetos ese ítem será muy difícil (techo alto) y, si casi todos responden acertadamente será muy fácil (techo bajo).
Muy Fáciles 10% Desde un punto de vista pedagógico, se suelen poner los elementos
Fáciles 20% más fáciles al comienzo de la prueba, de tal forma que casi todos pueden
Normales responder. Esto sirve de estímulo para los siguientes. Al final (preguntas
40%
(Dificultad media)
más difíciles) llegarían una parte de los sujetos. Lo que permite discriminar
Difíciles 20%
las puntuaciones globales, así como la influencia del tiempo en la prueba.
Muy Difíciles 10%
Las fórmulas de cálculo varían dependiendo del tipo de respuesta que se solicite en la prueba.
 Cuando se pretende evocar una respuesta, la calificación final será igual al número de aciertos de cada
sujeto. En este caso los errores no penalizan, por ello el índice de dificultad se calcula como sigue:
A: nos indica el número de sujetos que aciertan el ítem.
N: el número de sujetos que lo intentan.
 Si la prueba esté compuesta por ítems (elegir entre varias opciones, los errores penalizan, pues se deben
corregir las respuestas ofrecidas al azar.
E: número de errores.
na: el número de alternativas de respuesta que se ofrecen.

Para interpretar los índices de dificultad de los ítems (cada pregunta), se suelen emplear cinco categorías:
8.4.2 El Índice de homogeneidad (IH):

La homogeneidad de los elementos pone de manifiesto la coherencia de cada uno de ellos con el total
de la prueba: si esta mide un rasgo o característica es lógico que cada uno de los ítems mida hasta cierto
punto lo mismo.
Se calcula a partir del valor de la corrección entre cada elemento y el conjunto de los demás, así
pues, cuanto mayor es el coeficiente entre ambas puntuaciones, mayor será la homogeneidad.

CLASIFICACIÓN DE VARIABLES
Nivel de Medida
(ya codificado con números) Subclasificación Ejemplos
Dicotómicas Alto/Bajo
Categóricas Nominal
2 categorías Apto/No apto
Categorías que no se pueden cuantificar. Su codificación a
números no expresan cantidad. Politópomicas Nivel de Estudios:
+ de 2 categorías Primaria, Secundaria,
superiores, Sin
Cualitativas Ordinal Estudios
Nivel de Medida
Indican posesión de una característica, con cierta intensidad.
El interés o actitud en
Podemos ordenarlas, pero no establecer diferencias
clase observado por el
numéricas precisas. Son todas las de tipo observacional.
profesor. Opinión, etc.
Intervalo Discretas Nº de sillas, nº de

La distancia entre cada uno Enteros personas (no tenemos
VARIABLES de los niveles es igual. medias personas)
Cuantitativas
Continuas
Razón Entre dos valores Altura: Entre 1 metro y 2
Igual que Intervalo, pero pueden haber hay cm, dm., etc.
Cuantifican una incluye también el 0 infinitos valores Edad: Entre 1 año y 2 hay
cualidad. (ausencia de la cualidad) potenciales. meses, días, horas, etc.
Enfoque Se quiere medir el rendimiento

Concepto
Metodológico en una clase con un nuevo
Teórico-Explicativo
método.
- Dependiente: Rendimiento
(reciben el efecto de la variable
Dependiente Respuesta
independiente / estímulo).
- Independiente: Método X.
Independiente Estímulo (sobre la que interviene el
investigador).
- Extraña: Sexo, horas de
Extraña Intermedia sueño, nivel económico,
etc. (Pueden influir en el
resultado, hay que controlarlas)
los \fo.\o.~:5 de\ ~e.~iC\eI\-b..Osc.i\o erJ~
f)<. 'I :: 0 -""> Nc he,! rehciOr-

, rx.y ~ A. ' ~ 'F\e.\..o.c;.;.6~ posi+i\JC).:
r 'J<- y~ ~ -,.{ -""::> f\ e.6...CI OV' i'<\. u.:rso..
'Pl)rJ\)a.cLOr"\~ dt \e.~c\o..les ~ X - t< ~:L

1> un +\Jo..cio~e:s -\.\piCQ.S ~ 2. = :-~ -= ~
x ,1'- l'--. , lv~ '2.
,.-l ~';..l15 - 2'5 3''.:(5 2'25 G'25

2 :-r-d 5 -0'5 0'25 ""025,0'25
3 =0'5 0'5 ot 25 0'26 0'25
It '::..tIS 215 :3 ':(':> 2'25 b'2 5
"'5 5 A3
x.,. .110 ~ .A~
'{- --
4 "f
f~'t = £~Yr r~'t =

~
.~2~1. '~~'Z. ~5·-13

, \4o..'-{ \JI"O.- re..lo.ctOV\ FSi-+\\)~" r'(\t.:)'j lu::,:rk..
- C0r'JC-. rocrro.\
X Jebe... ~ oJo.rJ\·b:L~ COC'-\'\{\\.)o...-oi~a q\..r.. se... f\.J::ek. ~'; CO!; c:kcl~e;'(

deberros ~{\e~\,Q.{b de... Co., Q.Df'\.-\:l-h-~"o... o~~o... q~ "S3.f\ l'\\..)ffie(Q.'S e.('\-\e...\OS
c~~i-h~iu~' (QC\-\\Y\\JO-' ~ N ( f-'/ rr) p. = ffie6\~ I Cr== des\JiQ.c·\QV\ ~~'\CQ.
~ vos\able., c'VOl\.~\·kJ\\.lo.. corJll\1JO,.. ,siO~ u'0a... 6i;s-kl 6U~(o-k rorrl'oJ
La. ~orrrd ~e..'bs -\obbs ~ lib~' es N CO, A) ~ 0 CY\e6\o... / -1 Je:s~ia.c~cr-

J.~piec
lbr e$o -lef\e.rros 9~ ..(ip~)ic.o.-r lo..s p\')('\.-tuo..o:O"~
E-.s E.H.PlOS
J60-J65 __~
S -
'P ()(, ~8G) ::= 'P ()(.:::'--0
B0SCa.1f" en <a. -666.. z=:-.-{ ~ b$."5Cc.N"'QS b. Z=,{ I el ~~ ~ef'O'("
P(X~--f) = P(X>-1)
-P(x ~ .(60) = O/..-15"8~ ~ A51S':t- % de.. 6s s~\ebsCf\\6ef\ meres ck IDem
• J G)~-b'S 6(.))das rridel'\ l"I'"'Os de Am ern-:
J
'P(~.r:to z _ A~O ---t65 =:,...l :Bl.)sc.::aS e1 o.~ rne.ra- de.. -z..::.,f
~ 1'(:,,--1)
~d~S8i- --·J5"6'4% de. !as =)ebs .n,ck. rr-O.'S
,.{6S A.'::(O de .../'::0C l'Y\
..-15~¥% de. ..tee = -15(CS~ :k- ~G sUjdos_
'fJ 6Uje.Ac 9~ oevpo... e ~ P"C6 (ffiide "f~02 ~I"c\ • E.\ .::0570 de. <os s\.:))e.-\os de. ~
rnu:'5-\.~ 1"'0 s\.:)pexo.. 6 A';:{o2cm. t:.l --{~cro d.e.. <0.. l\\0es\ro.. SD?e.{'Q. Cas 1'::£d2c.rn
• Al ~o% de.- los N'Os bojos y 01 200/0 de.. b rrOs o.\-\os Se- les a.po.fu F(Q.,
~ede.s \..)'00.. f(~ c.G~ o..\~U\o..'S Ce.~ COI"\siekro.., corro 1rC:-~'c- ~
e\e.cvlrbs. (
bD'SCor'\'O'Ser'\. 6.. cd t..JV\\ 'fO 6e..\ Q"CQ.. f'r\e.ror" 0 AO 'f
Of 20 F'(O,. S::ll.c~r Z.
:2'-1 = _.,.jI.2.~ 22 ::0154
··=_l.2~~ X-lbS -=~ -X2a-S;:: X~'~GS'~'- ..{Z6.54~G5-~~'.A5i6~V'r\ -~

5 '._.
'-_
X::..;l6S- ~ I . - - .', '- .--i ,., ~ _. {-'-'" - --
:--::J 01)lt'5-t~65=- 'f.. :::=::>
c
d~~::. X: ---{6q 2 ern

- Ge+·c\eC'\~e. de... CQ"'.-\-il\CUet\.C\c...
5e I.J5O.. c:u~ bs ¥oJia6les :sDt\ c.UQ.li-b..~tlns l ro Se. ·rder-.. (\\.~lr
E.\ of;el"\~o.doc <k" U~ Cef\-tro he. CCD'E)\ck c:h\os s:b~' ~ ~\cllb de s\.)S o...l~('"{w'C'S
y d ~ipO ~ ~J\Q ck S\)S" ~~ ..._
Inrt\i ci llO ~ ?QroS
~---.A B C
. I, En --1~O"no :::<d't-s ~.c~o?OO :.--tJlCiQ

40 --!'8(l..-{.{o_ ::.?>':{36
S.iIN '5'':'0 -5~ s?b
,
-ltol 2CO• ..{2.0 =45f2~ ..too~~;:o o;-1.j?/2-f
Pri ('('0.\"\05-- 'Sso
-," -......
///C~,~ -,
\,-~j
JL1. _ ZZ (~_~e)L. A"80.-42.0 :::4d '::f s
- - \"'."
·~'-L __
~ ..
•.
"530
Ca.k.u \or
.. .
-\ab:s. C~\ -kb6)
I
~ .. - ... --. ,
)(j
2
=- i(60 - ~ 1.1cf)e-..~
?
(8n - -loA Igc;
)2 (40 _ '3~~gG~'l -
\"" ~a\1-S-10/t8i .. -tQ 3':('36 .~
{'-to -4'5'25;)t---{AOO- )../i2.:D l (ro-,-<.ts.i)' (20 - ?,~qG\l {~- ~'qJ..y

'+ .. +_ .. --\- _-\- .. '+c ....•
!..t'S(,2<g A..{~2.-t 4..·t 6--1 30'QG "~4lq-l
+ (AO-&.l.-l3J2.::: qlOq + It'':fO +d~q~OGZ+.-1'54 +'O'24+51::t4+~4(So+J13~

~(.A3
'5~'qb _ - '~"B'q6' -~...o( 3~G

.5~t·5"iS{qb S~~lq6
- Cce.~ic\e.Y'+eS ck l'ob l\ek,A
• AJr Ca. corre 6..'40\1"1 de ~sq n
y- ZX - 2Y
rxy = f"\ £ox.
_
V-((\-;£X- 2
--( :£-X)-z.). I(n:{'Y 2- ~ ( ~ il)
XA :;;: X =,::>. PUr\-\uQ.C(On.c:::s <='0- loll'\. -\~-t' C pur.-hJod~~C::S 06~N~ ') _.
. . .
'i =) pur-.~uo.c\.o~ e0. el mi~:4d ~ eC-fie;.""fO ~ \.l~. ~d

e.9u\\Joief\Je-, po..de..lo .
X.\f ;: \[ --'::>- P\.l r'\-t\Jac\cr\e;s' \Jexcbde.ro.s Jd -I:d C 1"0. S)T\ COt'OC~~).
)("1 =: X A :! Zr.l.12 •.5«. .-1- r)(Y. \f

1 (I ( --
ni\Jel de cpl\}ia.ry2.0. =- ./J - Q{ :::=) Oqq-octs- OqO .... ~,
tJ (\\~e\ de. CDr+'o.r\'Z.a.. b sucle fu( e..l pn:ble~1 S\- ~ -bJI'O.rY'Q'"S. I dCf5 r
-1- r:A = acts
I
,.----.. ,,---...
I I' I·
L; 7" - XA·· -t' Ls
C::::s EN Pea
, .
\-\c;f\OS ~rNl\i~-\~' (A' ~ fY\~-s\,ro:- de- 4-a:J sGjeAas ut"\- -\es~ j~' ~ro.({\\e~-\a
(\'-l\\\'€{"~CO. \-\e.rms . ob+en~~ tos . si.1\J~\et'\.-\es tt:::s\.)H~'S_:
;; = . 52. . " 5x :: ':f.

X , ,
Cae t~·C\e.t\k. de )\o1i Ldo.cl f)(.~::: d "::£3
E:s~iY'Y'o\ 6- r\')f\~\jo..O:6\'"\ ~cbJerc- 'f\.t:.. e:b+U\S~ u~· Fr-.~C.\Or- dl~ ek
65. X=6S Ni\.e.l ~ ~1lQ.~~·
OqO "'-':
i"uSCO" des e.r-... b -ttibb.. o:~ m.e.ror
X" .:: XA + 2d-h.. 5)(~

'Xv:: 6S-t ..-{'G45 .1.~ -1-oe:t3
I
Xv = 6S -t 5fq~ _ Ls - '=fO~<tS
___ Li - '59 02.
& PU(\~OC\c:lt\ ve..rcb.Je..n:A.- :se.' e~k en e.[. if\-k.~\fCk.\.o'::foq~ -SCtbz
- Coel;cie.n~e de ' ~io.b"liebd 5~\rI'Of\i -:- Brown
Rx)c ~ 2 rx.x
- .,1+ fx,l<-
t-h'f q~ di\r~J.\t", 'Ear"' 2 miJ.oA~s e1

e.<fu\\rolet"\~e.:s! ~e~:A;:
0Orrfoi~et"\.-k. eJ\
po.f"e..s - i('{\.p~/ "dos -:\~ rrole..lo'S.
ca..lcub~ o.f'.~e.s - e\ de corre.lo.doV"\ & 'f~~l\
rxy =- ,:-,~ 'I..y - Z. x· zy'

------
{ in z.)(2,.;(zx,/; :~(n z.'{~ ~ ( zy"f)
C'xy ~ (6.2lt~):"'Clt2.34). '. ' .':: --14\-(G:-~Lt2~ ;. . .
~ 6 . 3C.Z- (Y21"·;.;~6-202.'(34)2 ~..f<6-t2..-J';f;.V~2-12~~~~b;'
f'l-'1 = A~ _ .A'6 :: 034'4-

6' ct'6 • "=r4"'8 S-{'"'5lt
R~)(
_ 2r~)( R,x')(_ 2· o~4'i- _ OJ6q~_
- ..-1+')0( - -1-+o'34':t-:- ....{
'34=t,
Coe}·de.(\,~e. de J\obi hdo1 05--15 - Jiobi\'lebd
2 2
X_2.,
5~je...~GS X--\ X2 X--\· X2. X....
d. <..{ 6y J.6
"S' -32
2 'i 'i _~9 . ~q,.' -Ltg
3
I.{
'B 6 4~ 64 36
5 4 20 25 -16
5 -
. ~"B _'-1 56 6Y " 4Cf
.b 6 6 36 36 36
I
302. 202'
®
SUje...fos Pa.~S ::s:: m pcr es IO-ta.les P·I p2 .I?- ld-b.l e-s2. -
:i '-f 9 ~3 .36. ~6 "5-1 ..-l6Q

2 t --to ..
,fi ':fO Ltg ..-loa 2-"5Q
3 3 3 (; q 9 q 3 .b '
..,{..{ q<i
Y q 20 "1;-1 ~2-1 400
5 9 --12 2~ .-{O~ ~--t ...f4l{ 44-1
6 .3 ~ .~q ,
...1~ . X;...{" ~-1 ,1S..{ 324 .
-
'1 5 g /{4 l{5 25 ~-1 .-1'=\6 .
~
...{O .{o ,20 -{oo ~oo ..-loa 400
9 q q •...1"'6 . -~-{ ~-1 ~-1 32~.
...{o ....{...(
-12 23 .-132 -"1 32 .-144 52q
J.~ '5 6 --1--1 30 30 86 --12:1
-
A.2 9 .-{o ..-1<1 gO go . AOO 36-{
...-13 .;{o ~2. 22 .. -120 -120.' :--f~lf . 4~l{·
.Ay ~ -1-1 -1q ~o "50 .-1i--l 36.-1
...-15 -Ao .-1_...j . .2.:./' , . .--1...{o ~-10 --1'
~_2:_--l :ct4';{ .
--t6' ...fO ' --12- 22 --'120 .-120 ..144 4~Lt
..;\~ is A5G 2ilj ...-l2YI--t ....j...{...j4
.AGO~ . 5360
[IIDe4e.rl1\\ne.. La. ~io.bljdo.J ek .Co.pr~ par e..\ Fc.e..cliffi~e.t\.-\:o. de. Speo.rf'('Q\-

Bro~r\. . . . . .
~= ;~ ·j;q.b,l'dot. cl';'. b ",)o.Jes·::"P~=t"'.<k tkrnon

F\ab l'l~ -1e.-rl.-b\01.
. .
\X)(:: nZP·.I - z p. ~:I

~n £1'2._ (zpj7. • ~-t\-'Z.I-2-- (-~-I-)2
A6 ·..-/3..-1.-1---12"'6- -15-6 ;20Q':f-6 -J\9C\6~ a ':.1~2

=_
~'-{6 ....{"/.,j4 - (~2~)2~~~6'.,{60~-:- (--t5E;)2 ~ ~440 • V..-l3<=\2
I
Rx){ _ 2·0 ':f ..-\2. = 0' If 3-1 '::f. ~ frobi hchd \-\.~~~eb
-1 + d':tA2
CUQr\-\a ~s CeR:O.r\O.. 0.. .1 rn~or
(dJ Fio.hil~Jo.J Je GCit-\-rN:U"\
(,,~:: 2 (~ - ( s{si- 5}". )
5::: £N+
2
-(~/ r
5~:: 5':60 _( ~ ) L ::: ~q'q'-i
s~ ~-."z_N_R_·~-.. - (~P y-
~ == '·_A_~_~_:~~
_ ( 1,6 f=:
IXX.::- 2 (.,.j - ( 5162~-t514~1S)::- '2 (A-~O(5Slt) -: O·~q2
..-1q c{4 . . I. • • '.
l*I AL.. SE.R CoE.F:r.O:E.~TE:s DIFE:.R.E.~TE:S EL VA<..DR. No T.:r.E.t--JE
,.2.~35·24 == 56,'4 ~ 56' 'i-~~ ~oio1e.s·. .

'::>6-24= 32 .:--; -Te~~re..~ 9~ ~(\ 32 'lbs
L5J Qu=.~ 6eber c~OJ e5 lo. u:nb.,kfU. ~f\-t~c5Y"\ d~\ S~je.-b 2 con
fU~-tCOC\c511 e.ffip{r'CQ.. dtve.c-to.. de. .-{':f. ~ = o'o.:L - r ~- .
_ _ _ ~ I 6stir'(\Q.O\.C~ & ~(\~uo..c:(o(\~~
. X)/- ?' _ 't.A -_.:i't-. -1_ ~ .-Oqq_ - . __ _ .
Xv= XA i- 2"'12 • 5,J-I-fl<.x. - ',"'

) -
€.t\
- CoeJl'ciet'J~ - .de. Vo.\l~'Z.
Los 'i~',' re:sp00.~eC"\ . b,'e.\'I ~ e\
co.1cJar po\" Pe.a.~1'\ -{est ~.pO~O!\ bie{'\ 01 Cfi~e..\I.:O.
IXy
r = (\·1€X·Y - £x .£Y _
~-()z.-)(-2-- ~-ZX-)
2 i-nz-y2-- -(z-'f-y·
=
X prueb~ / e\- ~e.st Y~ C,r\-eri:o
.Ej~~\.o
Qu::.te.rt\.os Ua.o.r 0-. ~ U'. d~o de volido.cioY\ rebkl~. o..~ crAeno d~ U\ -b+
de a.pti-tu6 ~iCQ... Cas ~)e-to'S ~ €.'!OJuo..dos p~enCt f\\~ F SllS <SUr;er-
'l1~OI'e.::S e.l":\. U!'\O.. es.c:o..l.o.. clIa .0-..(0 I u~illz.oN:b COt"(\O de. S\J <:o.pa.ct~ jr\d\·c.o.~r_
e\ .fie.mpO 9\..e.. coch tJro -br-60... en ~ ut'\ c.och.e.. cor-.. Co.. rY\\:srnc., o.u::.r(o....
\--\0.\6 to.. \fo1\6ez:. cteJ -k..-s-t-
)( y X2" '{2. X·y .. '"n= 6 I .
~2 Cf ~44, ~--l. --lO"'iS

A~ + AClG 4<1 q~ rx'l = (\ 1Z..X,.'f - £X ..Z.'{
.A5 .-Lo 225 ..100 ---i 50
'":f ~ 4Ci 6"4 56 ~ .~():zx2~(£xl ~-()-.
~-y-2-·.-(z.-y-)'1. . -
q 5 ~-t 25. - y?
l.t .-16 ...l6
4 -{8
. 6..J 43 '::f:A~' 335 . If:f'3
rxy =.6 .Lf:f3-6...l.Y3. -, 2~8"8.,..2623·..

.
f 6· '::f.-{-1 - 6..-12• f-6-. 3-3-S---ct-B 2

~~26~ - 3i2~.~2otO - .-R4Q
2....{5 _ 2.J5
r'f-..'i =
23(55 •.~26q 2Q6(-?...{
- Pr~·c:::c.\oV'\ Je.'- ~(\,~Ua..c.\aC\es
Sr\le- ~ hocer proy\ps~(coS
- .'1':-' ?Jr'\-kac\e5~ ~~S~lCa.<k-_ Xi.= 'D\J~-\un.C\~. dei .<Sl)je..-\·O

C(11cr'C' .I
Y ==
I
('1..1 0
5Y (Xi - -)--
X -+ "I
5)<. ~eS+
- re.e.k de .re..~re..'S\Qf\ en ?0r'\\uo..C\Qne.s d\"recbs
-- re..d-o.. Je re.. -6\~re('.ciO-le~ .
Oll::.7S\On ef'\ ~r'\~o..c~or-.e.s
i= I
\xy
5y.
i ,·dL cr'-=' '{:- - 'Y. JL. = X-
-X
SX
- reck Je.. r~re-&or. en p-n-tuo.c\.one..s -L( pl' a:xs
2~1 -= \y...y" 2><.
'(1:::: ry-'f ~ Sy (Xi - Y. ) -t'i
5)(-
-f:.~ir'N).~· ~ ~~' de ye'r=s~~~ eUY"--4uo..c.tO(\e-S J\~-b'S.
5)< =~ ~)(2 _ Ci:Y
5x:: V .%~z - ()<)2. 5;< =0 '~.j -C.b~6Y =JA--l'fi'5 --b3'Z2

l
Sx=~
,~
5'1 =V 3:S - ('''fQ6Y'' =V55<'1S3-5..-l~:= ~
5.)':s~\.\-U\ i'\,-OS e.r-. b Fffi"-Jl..a. O("\~e.x(or
yf =d'::f3 2(....{~ ()<.\ -AdAb) 4 '::((-16

3(qa
.' I.. " .
y{ = all{ (Xi-"-\O(--f6) -t '::{~6 -=- Lo...' f5r~\J6.. s:!. q~ o.."'S~1 PO\que.

. ' - 1"\0 ('OS ~ b. P'.,)f\-kO ..C\Oh de..l ~je.. -\0.
es+il"rO.\ <0.. P-l)l\~l,jo.c\c5n e..h dt~'Ii:J"\.c.\.oles.
~(= r~'j 5y . .IC ' ~l.~ d~3 ~(~3 0 JL.

-, " ,S2<, .. 3CfO
~I ::: d~' .JL.
e.-s\.ll\\O.r b- r,-x,AIja.c.~6h er-. ~\?ico.-S
2'l = ([''t'f •Z X Zy' = d '::f3.. 2x

- :S:n~e.("\io...\o ; de.. cor+OJ\ZQ- ~ 'e\. cri~e.\\O
~\o..'i qu:=.. S::lCo.r b' VI' -~ e:-di rt\a.C\Cr- -purA~ de Y

yd .2ol/; • S/'R -(.-",y. NC -.:."Iud -de.. 'ryiun=-. A.-rt-) .2rA/2,
:5l rre l".ier; ~ pen tUQ..CiCh de- ~ 5<-)je--IoeJ' e:t q-i\~ C m~ ~ ~i)
'l"±' 2o<I..z '. Sy . ~ -1 *,..y) 2- Zy i ~A' ~...jix)')2
1)I~clo..les:: \"\pico.:s
®
Qu=xe.rros CQl\oc.eA" f.o. ?\J~6h que. \e.' c.c:xve.S ra:~~r~a.:. ef et'"\ cn~e.rco0. ul'\
:s~e..--6 q~ e 1\ e..~ -\e.-~+ 06tlef\e.. p<.f\-tuoc.\.6.n de.
U~ ~3 PI..>(\~'S· l-\o.ce\ Co.. ~k-
rno..c.i.cn ?orlf\"\e..r\fc-l.o co r-.' \.in, l\\\..cl de.. ~ tOJ\""ZcL de. qS %
y (= rxy.. S'/ (KI- i) 1'{
5x
, 'y/= d':f3 2~3 (~3 - ~O.-(6)+ '::(.~b

'3/QO .
'$= at 4 2~ 1:l..{b'
y' = ~:2q
. .
+\ac.erros lo. c:.Uf$Q.. rcx-rf\Ol) bl,.)sco-r<'OS ef\ b -\tb6. de z
A- 0( &'>sco.cros d025 .->, Z == A(c?6
Ob2~~ (
~ __ oo25
~/2 4./2
Y! 2(/./2 • Sy ~-1-(r)(1Y
ezs'2q -t .·/96 • 2~3 ~-.-1- (0''::13)2 .

~'2cr.2..-1'Q6· .2~3\.-1-0'533 .:::-~"8(2q!..,f96"2~3·de~lt
. ,
- .
5 '-e4
l
C:O'2D. "±. 2'''85.- ---- '.

-- ...{-·(.-l4
El sd?-~O 9 ~ -4ier\e.. Ul""'Q' ·PUr.~uo..clGn., di;do... ~ el ~e."S+ ~ .-.t~ abJ~Jr {o..
e.r'\ et cr~e['1b e.sb-b.. er. e1 {r'\{e..'\Jo..~ cs(~4 - ...\,-{I...{l{) COr". U\\O... COi\Q.f\-z.c-
de'. qS%
~0f\-sfrr"00.\~ e(\ pl$'.~(mt:..~ J{~c\o...6
JL = ~3 -..{Ol--l6 _ 2{~4
~ I = r~y Sy . y.
Sx.
. {' - ,
lJ'::: 0 ':f3· dS4.6. 2{'84
lrOl\iorn,,;b . e.r'\ PUl\tua.do{\e:~ .{{ plco.:~~::

z _ ..A~-,tO'..tb _ ol~3 2.- 'f-i - _'j. "
3'ga, - 5,~ .'
I . l J
Zy' =.0 ';:(3 ·0 ':13:::.. ~
~ .:rr'\~e.NO.6 Pl)t\~UOC\Of\~ d\ r=--rencioie::s
{ if 4- zr;../:;... .. 57 ~ ~ - C_f)<'f_~2
__
~/24i.iqb· 2(J3~-1{d~~L.
3'24'!. ictG. 2(A!3' ,~...{'-O(~~3 .' ,"
6'oq .
<
t
3(24 ± ..iCfb'. 2(.-13· d~ 3 .,~ 32-t t. 2\~S .

.' .'" 0(39
EJ ~e-\o 4i(ene. ~ t?\)\\~~or'\' ~'f~\ _e\ Q\-\e,"\O q~ e" esht\Q e~ ~
-. if\-\e.r~lo,. C~ Set - 6 bC\:.). COr"- ur'cL C9C'fOf\'U=2.. d~ qs ~o .
-*2 :rC"\-te.(\fo...6 POf\~ \JO..cC:c\e.:5 -\ t? ico..'S

ZY:!~j "~~-(rl<~'2.. .' : I <~
:2 .
Or 5 ~!A qb' ..~ -1{d,-=(=3>

•
j = > d5~ I_
·t
... Q6 .• 06"'6 '3 = :>
." ' ~ - . (
'053~21~S'~ 330'-
~ ...
1
-2 52
- d C6e-~lo~-k.-..de- d€-\e.ITC.-\ t"'OciCY"\ ''A/- .:: co~\ci~k-. d~ \10-.l\c~ez. ol C5...)C)..-
d~~ _
, d ::::~y ::: ?l3..-l, -",::>, £L <D-10,t; de 6 \fO:~l~70.,~ e:s exp\i~
.' \Jos\o.ble.. il\~f\'&e.{\Je.._
EJ 9 ro e.5 exp\iaxh. p=r b \fOS\Qr\'Co-. de. ·.error,

- Cae.\\ci e.f\-k.. de.. o..l\f\l::Odcrn
~ = ~~ - I
r~y
I i
R~ p~~ -\0.. e1' o.~r eI' Cas p~s1icos , ,
- ~\de.('\~e. c:k. Yoh-- ?rt:..d\'c+'uo

E= d- t( £= -1:: l.~
-=-r~'f' -
Re.p~~e.f\h b.. sergurieY. eI"\ Cas FWJ:lCQ'S
- \[Q.Lck~ ~ ~
. ~l aun~-b
o
6. ];)\~uJ
\~ - \Iol\ck.~
d~l 6+
ckl
C)..\)ffi.e.f\-\o.
-ks-+ -S\f',
-6. \J:o.{"'old.e.
~\\\co.."
f'..~'t = -~------ 0
(\\lOJO cce\(c:~\e. ~-..-1---r:-x.-)(.-+-@-x)' - ~\'obi \lebJ --.
__. I rl '
®
Tet'\e.rro:s Ur\ -\e.s-t de 25 E!.emerAos (Or\. Ur'Q.." \ro.li deL. ' de~0(6Y \f uro....
JICAbi liek.-d. de. 0(6. cCOJih-\as e.~effierx\as . -b>d~ g~ o.:ra.dir\e.. pura.. dob.-
ner uro. \lo.\\~ez. de. a ':::fq? '" ( : ... ' I
(xy = 060
f)<y f)c.~''--' =: d6 e..t.
Rxy = O{'::{O
J ..-\
- [-xx r:. .
~---t \M--
.1\-064 _ 0('-435 ~084.

r\
{
.A-Q64
i~e.tI\S d ira.~es- 3(~ - . i~ . :::::::>. i~ \iro..\e':::? -:: qb

- . n:- ;-\ems il'\\c..(ol~- 20 0
95~25= '::fa -" ~.-TeI"'\.d\(o.IT'OS q~ 'oiOA(f"'':::fa \~e.('(\.s

pose... 0..\ COf\-co.c ~ \{o..\iO.ez-' de. \d '::£0.
- E:~~06\G de (OS, 1k de... t:J~. 6-\- _. ..'_"

- ..Jr-Jtc:e ck J~~ic0L.\oJ
.I. D. _ A - ["\.uffie.ra de.. o..C\ e..r\a:s \ '0 l"..:, .'
["\ - r\6me.ro de. S<.5j e..-Ios que. tt:.'SFr"\6e.r.
. Qbr..-6 MO.s c.e:rco.ro a. 0 rncis df ~\ ci \ .. -

• ClJO!\-\o ~ cerCOS'O 0.. --<, .:,rn5's· ~dCi\: ,.
A rro.'1.0r I~\ce..de _Ji}l~cd~ .. ~ \~\\ es
'fO..ro..~~e.ms de. etE'.CClC~ ffiol+iple
.:::r. 'D :::

A- f::
~ - -1 .
Eo - r\0r(\.e.m de.. ~~~;.
, C\o. - t:\J~ d.e.. rt:..~P'~-s\a.s pa~\Ic\es
p'~' prOb'd,;\lekJ
c:} = .--{-p
.~~~
GLC.~ sber si Ul"'\.\e.-st- de ro.-rol"'O.rf\\ef\~ o..bs-\rQ.c-\-o p'~ek.. 'P.re-~e6\ ~\
l-b.-.\e.I"t"d.\-lC:os. Pb..'Q. e\.\o sa. ~~l\CQ..
re.f\.~iV'('..le1'\-\-o en Ul'.. "k:s~ obt~!"'\e:..{'\.~ ur\Q...
)< =
25 '/ 51< =6. Al -1~rm\ra.\ e\ c.~rro los_o..~umros 5;)f\ e~o:-\ua.Cos ~O\ 8.)S
'PtO~~s er-. \J..a.-te..r-ro.-\-.;CO;S ob·h~..r\.\eNb Y:: ':f sy
=q (c.r\-\eno) ~ =: 3
~o..lO~er'.~ q~ e\ 64°p de. \0. \fQ.("\Q{\"t.Q... de <a~ PIJr\-\\JQ..c(ones d~ ,Cas Sl)~e.-ks
en e.\ q\-\e..\\G' se.. pde. "pf~ecir 0.. -po-r-\.{\ 0e.1 -\-e.-st. d=- R2xy =.06<..t
~ Coe.~\'c~e.n.-\e de. 'O.\.\6e.~'. : ~ . ~'

6) Co..~c.\)\or e. i(\h~-br e\ coejiC\e.rJe. 6e. Je~errn~f\O!:iC>~a...\ie..f'aC\Cn 't
\10.\0'<" p~6ic..-\-\\ja. ..' " .. .' ". .
<0 '?Uf'~o...d6Y'\ di~-hl 6\~Q\Q..\ 'I ~tpico.. que-. \e ptOr'O~icc.do...rNJS en
~~-\.ic.o..."S 0.. \..)'\\ o.~~mro g'J:- e.f\ e\ -\e:s-\- he.. do~e.f\.\~ ~ 'Via- ...·X:::: ~
d) A un f'.i\.cl de. CDt'\~\'o.!\CD- de..\ qq% e.·eAa.6le.e.e. ck.. cor+~~
ir\"6·\(0.~ dea(
o.,llH'Y'W'O o.rvte..\(Oi. 5c.ca.r P\Jr-.~'.)a.c\Of\e.s d{~c\ol.e.'S,d\re.c.~ 'i' 4\piCQ..--s..
, .
~ COe.\iC\et'\.-k de \IO..liJec
. .... ",. .
d= ~>C'f ?X'i = 064
b)
Coe.J"CteJ\.-k. c:k.. MenY\i0QCI.·Ch
(2x'1 =: 064
E.\ 6lt r de. <c. vo.nOJ'~ -bb.\ es exphcosb. Fr el ~e4
..
. Coe!icief\.-k. de. a.li~e:ic5h
k =- ~-1-r1c..,
k=~~~~y k=oeo Qzo,r e1"'. ~~ pro~~co~

~
. Ccei1c(€.V'.k \o..6r ~d{\p
E. = A - k. Eo::: -1 ~O60 E. = at 40 'Ee.~Ur\ ck.d ~ Co.s

,prorcis+ (co'S;
X- = ~ - 2:5' :::-5 dl\e~\.bJ,
.h = -=:-
6'
.;61S~ ~-ti0iCC-.
. I-
B~da.s ck ve9'(e.'S\'o'v'
• 'Pu,A·uo.clOr. e$ di..-ec.-b..s
yl :: r'f./" Sy ( X; - )() -t 'f 'Y
{ (
=om
S
5)< 6
.
~(:::2
. ?vf\. +uo.~(O"" .-\lrp co. '.

.. . . .' ..
=
" ". ' -' ~., . , ( ',' ( ',
"Z.1 ( r y.., . Z)(. Zy( .::0 ~. 6~ ;::-06'.6

.
~.c·'~~'qa..'i~'..
;
d) ··:rf'.~e\~6sde-~ .CO~Ji~~· .. · . ' ,',_..

• ' J _ _ •• , •• ~. '. __ • • •. _ ,.~ •••• _
• :Il'..-k(\n.\o put:\-Knc;.lor\e5 dire.des.
\/ -t Z 0\12.' Sy" {....{- ?x'1 ~= 00..../ {
---''- .... ~
U\~ et'. 6..-tobJQ. de z. e..l doos e'f'\ d
N\ €.1\OY:'"- -,
-~--_.- ~
doos docs
q:!'.2s~s, 3- {-1-d64
q ~-Y635 .:. -c 4'3'65 - A3(i35) .
,,:rf',.ktuo..\o purJvo..cicV\.e:~ Jl~\aJes
~I + 2eft/'). e '5y • f.-1- 'f~

2~" 2(S,=/'S ~ 3 ,"f..-1- abY --
2i. 4{635.:: (-263'5/6655)

. jf',.J.e:.r\Jo..\o ~l'\.-\-uo..c(o{'\e.:s" -t.[pl~· -
2.y' i 29\0. " {..-1- ~)<.9

O( (;6 .± 25 ':;JS ,,~ --i - d6'4 ._~ .~_
OG6-f.ls45:;- C-o~12(2a) _
.§j~~
Gu::.~ s:ber si UI'\ -k.~ de. rO-'"UJromi.en.lco ob.s\ra.c-6 p'~ek.. 'P.~~eti\ <;2.\
re.1'\~\V'C'\~er\-\-oen ~-\e.md~ICos. t::b.'Q. €l'o <Se- O)~l\CQ... ur-.. -k.~. obte..!"'\e..!\.<k> UI'\O...
'f. = 25 'i S~=6'. Al 4~rN'\\f'O.\ e\ C~\"'ID lcs_ a.~umros SOf\ e,!~\\jQCoS ~O\ ~-s
t:>\o~~s er\ tJ..o...-terro ...\-\<:0;5 ob-te.r'\\~ Y:= 1- sy =
q (c.rl-\e.no ') 5y.::: 3
~a.b~ef\.~ q~ €.~ 64°p de. \0. VQ.('\al'\U).. de 6:::::.P\J(\-\\JQ..ctone.s de; .<Os Sl)~e.-bs
en e.\ C\\-\e.\\O se.. pde 'Pr~eci'(" 0- Fr~\ 0e.1 -te.-st. 6=- R\'1 =.064
cY Coe.~\·C\e!\.-\e de. 'O.\.\6ee... : ~. . ~.

6) c.olc.\)\or e. i(\-b-~-b.r e\ coe}(C\eJ\.~e. de a...~\ex"aci.o\'\ y
Je~errn.i.f\O.C(a\"\
\So..bc P'le-6ic~\jO. ..' '. .. .' ", ' .
y 'Pl)r'\~o...a.6l"\ di~-6..( 6\~c.\t)..\ 'i ~lp\co... que.. \e. 'Ptcr'Ostico-.dQ.J1X)S en
\..-b.\e.md-\.ico..'S 0.. 1..)'0>o..~\Jmro iC\~ e.r-. €...\
-\e:s-\. ~ e:bte.f\.\~ \.H'O •. X ~ ~
d) A Uf' I"\h.d de. co\"'\~\·o.lYc.o- ckl qq% e:sto...ble.c.e. if'kyo..\.as de.. cor'+OJ\~ deJ
o..lumro o.1'\.~er\or. 5a.CQ.\ P\Jr.~\Jo...c.i.Of'le.s d.(~c\ole.'S./dlre...c.~ '1 .-\\pico..~.
,
~ eo9iCief\.-k- de
.. ' . . r'
d:: rx'j ?X'f =. 064
b)
• Coe.JI·C\·e.A-b. de.- cie..-+~I"'Q.C.lOh
Px'l :::o6C{
E\ 6'lt r de.-6 vo.r\OJ''Z.c- ~ es e><ph~~ Fr el 4eca+
'Coe!icier'\.-k. de. a.\l~ooh
k. =- ~-l- r1r.'i
!
k.= ~-1-O6'4 k=060 O-ZO\ er.. ~s pror6;h:co~

'. f"
. CceJCC(~k. 'A.6r ~d{\p
e.= A - k. Eo = ..f--060 E =d 40 f:e.~\J \\ ck.d, ~ <.os

< • • proras+ (f:QOS
X- = ~-2S'.:::-5 J;r=~(o.J
h - -=:- ;-d~3 ~-Wp:cc-
6
B~d-a.s ck ve9re.-siov-.
• 'Pvl'\-kJo.cIOf\eS d\~-h.~
yl :: r 'f., '0 Sy ( Xi - ,>() -t 'T 'I
(
=om
( g
S)< 6
ler<'Q.. q "PQ~ir-p.:. ;,{q'={
- ?r- ue.ba. Ji cccA,~
£sic.. Pf~ ro:s p,e.rI"T'\;~ s:l..br f co'" U('o. de..\'h ~J0-za.., ~i b- Vo.f\o.hle..
X S\~~ U'"'a.. diS~r\6cc\on TO'CN'Q..\.
Cerro ch.-ks nos c:b-o:l"' X,/ to", -\ados to'S c:kmO.s ch.-bs 4ene.rros q~
c.o..\cu la., bs.
,1
No~ b:sorros et\ b -hblo- ck Co.- ~(ro- ..1(+

I . (' ~
~ ~ C(\\'.\-e.. SOpe..n.O\" 'F"Q. X
XI }o- Li
.-10 '::1Cf ~O'5
9 ..-l1'5 Q'5. I
cg Z)q "8'5
1- 3ltO ':ts \
:.. 1
~-. ,-
Zi ~ 5~ Co. Z de. --b:ks bs

, \
. . ~
,
"Z- x- X z- Ao'S-SS1S
- _2'S4
-
X=oS'8
--I
s=---I~~5
Sx: -<t/C\'~5. -- ~. , ~
i
_2.Cz~)\j~s 0. 6. -\okb. 'f bu~s pa.ro...

Q.'eD- ~e!"'Or 'iSl :2 e;s C\e..r-~\.XJ....
'P (-C',) Pi da' ''''-..';~ j, I
dcxb5~5-'.~ --ls'4<\)
':f<..t -1.0'S 2/54 OlqqL\'5 O'O-i-lS+_.2 44' ...{."t); . ".. '
...f::f5 _ q'5 20Zr;;; 01 q'::t~~ 00443 ..-l2.lt'66'
2,A,Q "8''5 .1~~-1D'qeH5· o"oQ56 26Q'02.
. '.
1
3Lto ':/'5 dqq d"83"iS9 O'..l5G3 43,\1 "8~
5Z.~ 6'5 o'4i5 d6~26' O/....{q~ '5"5 "8,l ~ 6
'+50 5' 5 -oo~ o'4~_'-\O_ ~
552./.~9 "
@A-t-il'\.UO,..
• < "
-~ - - -
'Pi "":> ~ 'Pi e~'PI'e.~ ~-\es q~ \os vo-.be.s, e..~ p'6m.e..\ Vo...\oi
- ? Cl.i).
..{ lc. P(Z~') es e-l F imer vo...loc-9 ~ ~e.iY'CS'
..-{- a( C\C{ 46 d 0055 •.-1

-:::-
O'QQ'-\.5- dq'=t~ -::.OO...i5'1- -2.
E.l 01\.iN'O ddo de. pCi:) eEl'

Jl +imo c:bJo de ~ --biJo- es d 004 3 pC-C)
~ que...~ 1'1LPJ. 'PI" = doo43
-l~ ~ 'Pi .. N ~ -:: l'"\~r'f\e..ro de. 'StJ~e1o~
®
L}o--tE:-j / lte - ~e\/-/
-te""YZ. (~
-- .:}e- -i
~e10( hocer'o en (S). ~6.. PC).~ -t~\\o or~a.f\\-ro.Ao

~ormJo.
\J.\ foJ\'OS tc.. ~ 'I
'2 (Io- ~}~) '2:. ,y: = ~':f}i+',
}e-
•\e~ Ot\ (\\\Ie.i c!e.. ~\oo-ro. del qq 70
Ccmo 10 -\ener\'Os l05 do.ia~~ b 'F6bc\6~, ~-S+i~ (0;' de. 'eo. r{\.~a..
0- Co. po6'-ac\cV"'. '.
E.~Jnrrorro:s dos cbAo"S =: 'f. 'f S
t"\ -:::> r'.\jme.ro & cb..\os ek Co.. ~r'{\.~~(p-
k -"> t"\um~,.\o de. ~-\os e5~i~cbs '

jJ.. =' me.~\o... ~lo.cici~
tj' = de.s\fio..c\cY\ ?r-e.!J\Q..
=;. ros dcr'\ \os do-.-b de... b pob~o.c.\6~
("\-.-1 " .. ~-.A.r-·~ ==-~6
, " I ~.
"l Pcica
.0.- •. " ~ .•-. ~" • ,. .' ~
t--t i rorros et'\ to. ~o..fu de. SJ.,"2 - iY'ci.~.,('SJ
NC -~_qq10 -'-' ,_,' ._

PO-fa. n~ =~ 20 0C\O
1
Po..ra.. r\ --\0 =) 2 3( 2 0'1 . I

.. "~: ,2:)og
X'l. :- --l ':f) 1-'::{, .:::::..:::::::: 2.'& ..2Q q I
CorN) )1..2. es ~or q~" el \la:\o\'-~e.. <0. ~: ro:se.. p~~ ~\tl'"'

9~ La. v~\\ObLe- s\'1\Je.. .. ~ 6(-:::.~\Icl)da\"" .rorrro.\ '.,; .'
:2 '.' . - .,' .
5\' y..:. es N\~'('O.': ~_.vQ.'or de.. Co.. -b.h~ :si se.. pvek oJ.n--\~\\ qt.e..
q~
sl1\.e 1..>\"'0.. d\~-\-fi60c..\aV' - rort\lO-..\ COr" un l\l\Jcl de... COl'\.~\O!\-w... de.l qq ,.•
TeJ'i'o. ...{...f
- cs4-imaac5l"\ de.. ~e.4ro"5 ,l
Pafob.a·Oh -=- fA- (m.ecL:). pdc~Cl~~)

~ (vo..rlo.r\"l.f;;l. pJdoClGf'OJ)
rr ( proporc\oY'\ "p~c~'o~);" ,u
Cas . ~ras de.sCCf"(J::icbs de. h' pddoc.ic5Y\· 'Se l est1rY.'\O.!\i/ 1'0- ~ colaj~ ( 0-
-Ira.I.J:.S' ~e... il'\.~\oS ck- co\"'.V~Lo-, r\e.cesi-b.rros ul" (\i\Je.\. ek.. COl'-~l'o..(\LQ. ..-1-0'.
• EJc:.{"(\r~ rtVJ::.5-tro.s curo..~~es
. Ql.CreITo:s .. COr'OCer . cl CI:l!"'SUlJ'Q '~d\octa de.. d~or'~t\cs" eJ\~~~_ 65 o.~~s ~ ..

eo.chitlera....-\c.se..le.cc\eror<'OS L>'f'O- rc\\.es-tro.: de.. .-too o.l\jti\r'Qs. Se. obseJ\Jo
~~ ,\urrdcc.r'\ \Jr-o... C\\C-6.\Q.. c:1.e ~ Ci'(j~( \'os dior\O:S. CO'\ u~ \fo.J(a.~""ZQ...
de. .-le'. C~\r\\O..\ e.\ (O(\Sjl\'O con \JI"'Q.. .~\O[\~ de.l C(C5%
X = ce; 5"
:1-
=- A6"
"" :-
)i -0'\ :::
"
ego 's=: 4
,I
0\ ::::.0--1.0
:s..C( fL) = ,x. ± 2C7\/.2 -, Sx

-- G ,-"
. "~"., 2o\II/2.:=: ....{1645.'1 ,
~ :r.c.C!-J.),,<&-+..-l'645 lj.
0 05 1 afor:::. ' \\
-...;> , : ~ /foo
Ie (fA-) :: 0,+ -l6ct5 ..at ~
is!d65D _~ ('::((342/~165"8)
1
Lo.. me.6\o. 'pobbcioM-t ~ et\a:::f'.i{t).~ . ec'\~~ --:{'
3C-f2 Y ,'15 b5"'S co!"\. U'f\O..
~~ioJ\L.O- d~l qo %
. 5"
, _",1/'"\
(
,~f ". ., \ - (
"<b.'CU'OS
d ~.
I·' '"",\.f
::"'Q~\o.. \
,U.l
- \ I ..~_:,-
_1O-IT'O.t"'O _ ce.
\ . II t· c"
;1('\:teNCl.\Qi 9\.:e. e!l' n.~'J:j.
_\oer
cO"'+OJ\ L.a.. \\.C'Se. de c qS ! .:
._~
. A ·.~O{",('.t~ .~·,~iOJ:\~. N"o..'(or1.~h~ ;~L iJerkD-.\o. y_ (Y'e~\
~ b.. ~rS\OV> ., .
:S:j~ r-b m~
.~.s-ka:s
. ~~u::ro:s
lomarros uro... f"r\..u::s-t<O.. de 20 o...lurnrc.ts

'l'o.\lo.f\z.o... dE:. .-16 1
COil UY\O.. CO~\·o.(Y~a..
.-1- Q\ := dctO cA :::: O~O

, I
'Po.~ 6sco.r el"\ 6 --b!:h Je.- -t e'0- ~. cd<J~r\O- r\ :=-; 6ebe.Y\'OS res6
0.\ ~ro de. Co... rN.es-h-o:-. -C .2:J) . ura -::> n.--1 _,
cY"\. _ Y\~-st\O co.'So _.2'0- -1 -:-)q ., ',_ ~__

. _, . . -'-,
Eu~N"'O-S ~ c: -bbCo.~ J~~ v-\:" cL-to ,~r\ dQ5 ca6."S~:\1, ~:::)9-
f
f\-,tlt12.
= _.-1' '-:129 ••--- I
~ M\.)'1 imF?r-bk s(emp~ q~ h;.~omo~· Or'. i-~-kNJ..~ herro~ ql..'e. JIJ'o.I-

('OS e.r\. ~ -\066.. er- d\ ~ d~ a:Ao.s.
- -' " --"5.- J J j
-rC-X-+
-J.. - - I
"To/rA 12 •
-- x
.. {('\-~., ;. '. . ';
"::t'S +1"j{S"iS'::f -:- (Slq-t, q/O~+)
-:rY'\.k\JQ..l~Lde. ~lcmiLo.: p-o..\o.. <a. erae::'Q\clh ~·aml.:rr ',-,

. _~.~~, 3. C (11) ~- p--r Z~~ '[p. 3_ -' ':--'~
;}/ , 'fri =-.-1
proporC\Oh fY\~
I
- cje.N\.~
ToffiQ..~ as uz.o.r lK'o.. M~ de. ..-12.0
t
54 ~~d\'o.r---b ~ccn~r00S gu::.
de.. ,e1.l.os ro ho.bbbar-- i~'l\l~. H~llo.r co:'~t.n (\\~~ de., COf"\~ ia.nzo.. de.l eta <to
~ l~-\-er~ fO-\o- d\I"0O..\· Co... prorerp.cn ck. e~A\JJ\oJ\Us 9~ bob~
Ih~le:s.: ..'
p= 54 '= dets Sf:::: 66 -'-~ Of 55 . ':

.-120 .-l2.0·
.:r.c (11) ::: p -t Z P\~ ~ 'P. ~

~ t\-A -
045 ± ~/645.. ~ O'-fS·d55 " __ H_ ~~ _ ~
~~~_~ L
o'ltS·i-· .,..e646._ d4q!:f .=~"O(Y5 t O'.o?!_5 . = ·CO(3~5 I 0,(525 J

.--tofq...l , _ _ .-' _ --'
- " Lc;>-. Le\c:lo.ckr-o... propa:9\cn proporc\~L _.e.stosd _ ~~ __Of ~ "=fS

y 062.5 _ _ ~ ;-
E.~E.RC.::I.c:to
- '1qlq~
X:: -_
AO
63q'~a _ ('=tICBB1L =~ 6~q~-6'3Iq6i '-= Ob45

.,,(0
:5, C (p...) = :x 1- -t\')'. - 5-

~ n-...t
r;/\ = 005
(
{\ -= ..10---l := q
~ eX' -\o-bb -\:.ck.- s-kJ,ef\.-t- .f\ -=q-- 't 'F'~ ,QC.=0105 er'\
des co~o..s
t-::.2(262..
::5:.C (/J-") :: :(qq"8! 2.262 06-tS

~ . .
'i-lqq~-t 0'034 :: ('::[/q64I cio 82)
~ ~e6\o. -p:b\o.c\orcl"<.k-' lt~ -de. lob.~ esbrd. eJ'\~'t:.' i1q6l:t y ~032.~

- Coy\-ra-s4es de. hi~+e.'SI~
<:) ~i 6-4ernl ..~ Cor\ \/a.no..l\'Za. c.oJ~':do- ~_.- -." - (,,: (I,!\
~ece.st~o.rros, u('\.- otud ~ ~!IbJ\'?o. ~- ~ C rrc:is \.),::50_~, a'ctOt09.S.iOCto..) 2-

Ne..c,'s\~' U(\. ~(~~i:S~lCO :e,", ~ CI:l"So' b. \[o..t""lO!\.'Za.. FClQrQ.l _ a-
~ro.'1ae:---==-rr
Re~ic\" ~
Re.'a\o"" de.
de
7jrh t Zo.!2
..,-"":Ir re.c~
'Rec-r'Ch de .. ocep-lbciOV" I '
5i e\ ~~r z de. Co . ~~r~\jba.l',..\e.no'\· ~-h d~.rJ\~.d~ la re.9~o~c:k

a.c.e.pto.c(cV' a.ce.p*OJ'('Os ~. P06erros o..c.e..p1o.r 9lJ:. (a.. /J- ~'ff\a. e\ uo...\.olr
que:. ~ e:bl'\.. .
o CJ\".i\a.4e.\a.l ·\9\j\e.r~ - Q:)f"\. va.riOf\zO. ·~f'OC.i<k.
Ho : jJ. ~ jJ-o
l--Lt : jJ.. L. &.: ~ -F; jo..\r"'Qs 'eC' do
.
c~.t
:> R.e. ci--. ck. It::.~
~Re1,i" de
"1
ac€.-pkc~6Y\
:
5\" e.1 uo..to.r z de.- <0. lormub o.l"\-b.r(or esh. de.~..\-fO d~ 6. "1\oV"'
de o.cepto..C\ 6L-- a..c-e.p-to..rros Ho
G:>{jt'\~b.~etn...\ de~- ~ \,[o..~\Of\"Zc.. cr:ro::\~
z-::: X-fJ.o
cr/~
C~ - ~ •.~ ek. red-c..-w

~ Re~ioY"\ de- ac:epto.c\&
Si e.~ \.:o.,.(orck. z. de..-. 6 ~orr'0~~ OJ"\-\e.r~'r
~p+o..c\o'r\. a.c.-e.p-to.C'00S Ho
<VB! 6--tero.1 - co'(\ UQ..{\oJ\'7.Q.. des;coroc\'ch y
E! esto-.6r:stco ~e.. CDo-\c~b - X- jJD - t

I "f~5/U -
~e.s'viaci6\"\ c.'-X)..-:si~~pic:o.
, .1 c:k::s\J\a.dc5v- 1Y"\.-ses1o..~
n 52= ((\-1)' ~2 .
/\
S
§je.ri\ p-(0 ,
,
<OSerrcHcs et"\."'F-~, 9u::.
a:>N\e.~e.. LJt"a. 601oJ\~ 5l~~ ~~ cll5+rblJ-
r'Orf'r\Q.l. .<J'f\C. mu::.drO- t:k. _...to pe'S50cbcs
c\'oy\t 0-. p~("c\CDro.-cb' I 60s
si'f\ei'-\e-s \JO.bte-"S ~ do~:F/)/5-C/~'4..J./-'OO-/,! -G'4o/-..jeP.I-A~ / jo3 (
. I, ...-{'2,'4 10'24 d ~ (brt"'\pa.-t\~tes l05 c!a.-6s ?bser'-C..d:9s j
COf'\ la..
~\ fO ~estS de... c::p=. 10'7 vo..b~ +u::.f'lel\ ur-o.. ("(\.€.~\a.. () 10.. C,jf\: ('\ i'Uel de.-
COr\. )\'O(\zo...: .deL .. q"8~o. I I
\-b: /J-:: 0 n:: )0 . (\

~,(: ft- *- a ---{-
d- =: 0 ct=6
(p. \[o..r\~(\'CQ- Fk:bo:or\Q.\

-'-= "X-1J.o ,
I
.
I' .1 .~ .1
~~
X~_:2__ ::d2
.....to
x x2. sz.::2 Xi
2
_
"
('f )2-
. I
d04 0(002.5 .~_ t'\ I _ _" _. _ _
v\1 '"B'
5 2'SictGCt
'..-1' 4....{ - ---.
.Alq~~..{
-do~ dooo...f
-oILtO 01..-16
1-~(3q ....{
I q '32~
-,.1'1Q 3 (z04...{
-.A'03 -1(060Q
,.-{f..2-'::f- ..{/6'--(.29
O';:L It d05'::fb
"fZ 5-1lti
@
*-=' lj(-~\
5 j'[;
. (
{_ l02-0( 02
1
J\ 3lt /V:o 0(<--\2 cr
po.\O-. l\ = q (-to -j) -y Q\ = ,{ -?q~.= ot (j 2-

-{q = 2/~2-J
COrro o(Y'1S es-b. €.f\~~ - 2/c:nZ---l 'f 2''82-f a.ce.p~ ~ (40

5i poJerro~ o..c.e.p+a.'\ 9t..:e. ~:= 0
\.)1"\~ohl cot\-Ie.. p~d~::e.J0eD'S q\Je.. -He.f)el'\ vro.. c1..JrO-c\·&-' Q;;;lh. dl~+ri6ucJe5h

ror rro..l '1 deSU\O-.OCh 4-l p1CQ.- de LtO \--oro.s (0")
~ Ul"\O..._ .m.~-sk de. ,~Q &oco'S ~-:\iel'\e..IJr'O. \.lick- p\off\e.chb de -=t"SG boiO.S
- ~ e.\ ~o..~t\co.f\-le. P-S~\J(o..,9\Je-· ,~U(~ f'(\e.~\'o...ek. /Os. ~ocos e.~ de .'800 ~("Cl'5
. -. ' (jJ..) CCi' .U'" r:\\Je( ~ .COf'~\o.t:'~ del 51570· '
~... ' ~c:l Deber<"OS ","cepkr 6-..~;r~&..-· del jd,r(~.te:1 ' ','
~ AhorO- Cbl\ <os IT$~lT\O~ dd.-\o l-\c : jJ-- -= "t')OO j ~I.-t.:f-l ~ "6.00;
-
X :::'-:(~O ~ := 005
(
Lr= 40 --1- Q'-. =- OqS
l~o: jJ- ::: ~oo

W..-t: fJ.-:#. ~co
z =Jx-j.toJ :2_ 1'-;{""5o - ~ l =- 2'::=flt_

o-/~ 40/~20
'No
2~
~ck~ a..cepbr jJ..::: ,,!6. 9'~
3/'=f4 q~cb. (ue.ro. 6e.. Co. 'ZOr\C...de ClC€ph-
~oo
C\CV".I
z- i~o-~a -= -2''1Y
- ,YO/~~O
-~__ - o'qs ~_
,i6tts
fuJ.ef\'GS a.c.ee.-b.r ft = ~oo yo. 9\.l:. L= -2(':14 C\~~ ~~~ J~ .b. O\o'(\
n:~
..
dc:. OJ:e.p+o.c.\O'0.
£Je.rcic\o .. .
1)es ope.\"O.~ P-06\JCe{) e.I. ff\l"Srro nome.rode. -.ur'.\ekAe.s de. U"\ pro.d$clo. Lo'S.
oS''1uie.Ctk:s cb.-6s e5 e1 f\ome.ro de.. f.){'\tdocie.E;; -{e...rm\ro..ek~..e.n 6 me:se.'&.
Op~cb- A: 4~ 44 .. 62 '5'5 50
Ope.ro.20r B: ~6 66 66 '60 55
~~;-~ esp<-~r q~ b. ~ del a?"R><k~ A --~ ek 'J5- ~'" u'"

("\iu:~Jck coNlQ.l\Lo.. 0..\ qS()~ 1 . ' , .
b\ J ~ p.~ €fS~ 0. r\iue.l de. ~gt"\\ \\cOC\OY' de~ ..{
Uf\ ~ % q~ el nre..ra
~, U(\\~-s. procl\JC 6-s'
1 fPr /t.. e:t5> e.\, /'(\.Id'rro 9~ ·B., I .
~ \-b: jl-A :: 45 n. c = ds:t~. : 0-2= C:~ ',.desCOrocich.

1:Lt: jJ-A =i: 45 f\ =5
K= 1)Z-}J
S/~ . • : j , "
k~ 152'ct - 45l '. =

1'40~._~
...,~"z;: ~ da?~ {~ 2"f'=f6

~~---
-2''=1'l.G :Z~~b ,. ~~"' .~ - /
,
COVY"O k. L + 2' 2..36 .c:::: 2, '=f"::fG '
'Pode. (Y"O~ o..ce.p-to. (' ~o :. ?--:: y'S

b)
We : f'-A = fJ-~
ll-t: jJ- A -#- f- B
A pli=CiO>' ck iOcdekA de ~eA,~"" / <Drn~:c- eb';'m~(o..s

f\.C:::: 9~ /0
~ ~ef\€.N"'CS {\\ \J~ cle.-~,:· C!rA
2
y 0-; (sor. _.de.scoV"'OC\~~
e.1\+OI'.ce.s -\eX\e..Y'('O:S q~ Col'\t\o..~k_
[~o : o-~ :::clj3,

-. - - '2. . 2. ;--. .' ~ ---
(-\..{: LrA =f o-~-
-
;(11 :: 52 ~
( -
)(& ::: 606
{
A I ;A (
-, .5 t\ =- i, 40 . _;3~ '.:: .5.2 ¥
,
. ~jI. _.. '
52..
_ ('1'40~2...~ ..l~~
f\
/\2.
58, __,J'
.(5 (2 ':f)'- .
- .
(\-1 := e., ().2. := ct -.... '
. '. . .'
-
~ ,",.>:. _ __ -' .•. _
.
J~ .' t ( _ f_ ! _ _ ._!~ _~ __ t,- _ &
'E:>o~CQ.r:'(;"OS.e~- -b~~' (J,G.2::t:>._= Q'>.' ;y-;. ()-{..' ,.y ()2.
(
'l -.{:'Os, cb.. F= Q60
-"", r-, .
. . . - - ,)..
= O..A04 ~
q/b
e.(\~Ol\ces Uo.rrQs 0. Co.. -bb6-"de ·l~~~de.r<\~b.s..'
~\ro..r<"Os *lfO de.- <o(\-t\O.'S~e.. blb.~aol 'nft 50 - 02.~o'3O -
0-; '1 e-~ de.=sCOrocie:b.s rm icade.s .,",-
J ~ -1B \
~ ((\A-.-f)E;: +- (nB-X)~~ • If --J +~
(\A+("\~ - 2. ~ {\A nB
/1~2Iy -6c)G {
\r (4 -)) ('1\cbjL -t (4-..f) (51.2~)~~' 1'_-1_; _...l_

\j 4~ Lt - 2- ~ '-< ~
'0(2:'
?, • 5<j'::+3 ·2~''l'l : ~;(5~

, ,
\ ' 1
',,: ~,'
i '. '( i
(j. :: ..{- 0''')5 -= 005
>, 'I . _,.,1 : • _. , '
.£~ :: . stA<"{5 2.
)
,
~b 'Fe.~s~~-toJ""
'. I r .•..
,
i~ :·PA ~ f,A-& "!
o Es-tirnuc\cn d~E(O~(Cl6Y' ~~""~.~:~.'.,. ~.-, ~~_

E-n ()f'O. ~a.c\)l~ ~e. €5-\-I(f'O. gu:.. (0110 d SO'%> de.' Cas e::~A()~\Or\.b
(\\D&o
Va.. a. c.ldse. ~~ Q.\)-\cb\JS. des esh- e.stimo.ci.6r- \Jc).L,cb.. 51 er\ uro. tnu::.-s\-rb..
a.lc~c.:6n·o- de...qO, 't5e eJ'\C!..el\.-tro., que. 35 0+; li:za.f'- e.<Se.. +ra.n~Fr-e.,
1
. I _ ! ,I
~b: F~ d25 '

~l~:"p'::> d2~ 4 :blo.-\ero.l .-Je~clro ;I,j
p::- : :0 d 3~ I ~ FroporciO" If\=~\~ ;: ~ ~---.~ ~--
k._ ~ -po k= O~'6~- 025 ~ 3'04C5 -
, ' , ,- ~, f~C:-Po~ ,{O'25~~d25Y '_ ..' I

. .' i, _"' ,'.1 • _ ~ ._'~~ ~. ....1.._ .' I J1 :
Grro cl p-bble.1I'O. ro {"OS Jcc.e. Uf\ nlu:1 de- CO~-\'OS\-w...{ cooe..N"Oe el

e:~A~r -1-~ =: dqs.
Re&o..-zoN"'OS Co.. ~pO-\-es\''S f'\.0\o...·
'fbJerro:s 9\:e.. ~ rr?fO:C\OI" po6b::\O~

~pe-\O...
~lrf'(OJ""
eI 25'7'0 de 6 e.6~~\a.f\\e.:s. ®
Ef\ u'" e.xpe-\"\fi\.e.l"\.-\o o;o~{cola- qu:.\e.rros
-\e.. 1)~ ~ \fc.rle.~ A ~ y6r\k AG
pbrJOJ"\ -1-\ Fc..e...las.
Vo..rie...do.J A: -1216- ....io --t.
(
ql2 ..€'ltq("6
--{f6' -6 Ci'"B' ..Agtt
\[ OX\e.ck6 B: -15~ --10(3 .A2'2.

..
...{Ol..-t . q3
(
..
Lo~ ;/~-\-o~ \10. .. e~ ff\\tes de. ~l\eILo..60.s. . 0
0:) (b\,\ Vf\ h(\Je[ ck cor+'OJ\ZQ.. Je.\ '10 /0
100:ft~A3 p?6e\\'Os ace.~ q\r Co p-mcluc.do\". me.cl(c..
1~\A: }L .c: ---l~ de A c:.s, Me.r-o'l q~ --l3.6oo -bY\e\o.~"S.
A
-
XA =--1..--\ 42
I
:SA::: 2~G
1
'A .~ :(. , .
x~::.-106"{
,
- I'
~=2~2 02 :: ..,t-t
g:~
V~
k:: x - jJ..o_ K~ d~(q2"-\ :..:11~
_ -:,! .':... :{''1)~~
...._.~ ...
..
g/~
.AO~'..-{·''::'!q_,~L~_'- _-2. ->--.- -", _u .. '~'
\ : . '
ki\OJnOS e,{\ ~kL'j~b td.f'O. ~"::::<?. y

r:A. ~ O(...{O
-\.= _.A' 3"'63
R~~~ . l-lo '.

'Poclef('<)s a.ce.p-tor .. l-lt .~ rt\e.J\Q. 'PcbCa-C\CJro.\ de ~ \[0..,\ e.ebJ.
A e:s mem- e:r--e- ....{~.Om -br\~~
6) J ~~r:o'S I o.cep~o.f a V~ (\\00 de si';{I'\'\ ~1'cac(c5'\'\ del ~O ro q\.:e.. 6-
des\J\o.c.\o,<" -Lp\c.o.. de. B es C'\IQ.'l0r q~ 3.000 -\Ol'\e.\o.~.
[% ,;-~~~:{
;;:'q. :-'Ph\a. -;6.. d~\f\oOOh -\'~P\co.. ~ ho.'1 ~o\mu6.,~(
L\-\.-1: o}.::> q- q le coic.d.orro~ - co"" lo.. \/OS\QI'\"ZQ...
~~~..-I-..-{ =:--40
"1S''836 L ..-i5:g"'e)~~
...{5/~i- R,6erros Cl.c.e.ph~· ~ I b. de:5\f\o.do'0 ~t pica..

, . " de. 13 e5 \'(\et'Or 0 iO\..O.i. l3.. '::3..000 -io",e..~o...~'S.
~ d tbderros o.c.ep~a.{" -a., u'"' !,\~\' ek., .(g'~\QJ\'Z.O- 'F~e.l q5 % q\J:. b-, J(~pe\S(ar-.
('Jo..nb!\~) 6e-. 6. PIQ~u::.c.~o.r-.€.C\-\-~ D..«fus Vo..r~e-do.ue:~ de.. +arro...~ ~
\0... N\\'"51"('\Q, •
I _
,G\:OOO
I
- aSlG
\fo.rro-s 0. b -6kh d~ fish.e'(' ro-s I ~ijo..rro:s en

La. .fo.b'-o.. de. 0\ -:: do 25
d025 r\-f::- ...{a-~ =: q

~'::rt> (\2::: --t
...{ -.-1 = AG
Fg / ,fo :: '3' '1~
o'qr;L 31~
fbde\"(\Q'S ac.e-pia\ ~ b. 2,..sp~or- de orrtns \(Of(e~.s sc.n. L'O~es.
- D\ ~~{'\~ ck.' f\\eJt~
Q~S e~6\b.1' d'e~~'-·de.· u('Q.. &orb" P~-~~\-6~_E~~ra.~~

tJ00- ('(\~-::sAfD.. . de....CQ Fboo\"l .es~f'O.6-. 't \e.:s. ~\mos - Sl) -"7lro..c6 __ .de. o.C\.e\-
do. A (O"\-\-il'\,Ua.d.ol" :sc.. scrre:-\e. 0.. Co. {f\.~ 0.. uro.. ~~ q ~ if'~orrYU-
de- <os ef:c:bs de ur- e('(6.ro.:m ro de:s.e:o..~. (Os pU('\.~\lo...c.\Ol"\e;s' o..f\.Y\e'3
\( desp~ o..pa.re.ce..I'\ er'\ <0.. 5i caule.rAe. .-tobCa-. '
I r I,... J
Af\.-te"S 'De:sF::5 cl 0'\ = OlYl
~ 4 5 -.A <0.5 ~u:::.d-ro.s so\,,- dere.C\clZeA+e:J ,ura. ~\ef\~

2 ':=i 6' ....{ re..6doY\ CPY'- b. c-tro..... __ .
8 5 2 3
4 q Y 5
l-\o : ~ ='0 .
[ ~..{~ do =f: 0
E..~b:ks-*(CO .:')
_
.. 2. - _.-
k:---.:: 2
.~,~~!\f4)" ~'~'i
I '
1bckrra:s o..c.e.ph\ 801 b- ch.o(\o. ('0 f'~cLce. Nl(\QUh et=-c.-b.

.: t?r:~ ',CO "-f£:ta..m~.\co.~ ' ...' ..,' '-- '- .~ . _. _ - w •. J".
I _-..' ._'_" • _ ,__ • ..i 0-. ~ .- ; ~ _ • ._' j ':'; I ,--' .' ". _ T ~ __ •••• .- .",. •• - , .)
~ ''Bonchd ' ck... oj~.' ~rIT\O. ~ 6.. ..,cl:\'.s-\:r1boQcY\ de..lo~ da...\.-s)"~. ' .. ,
~ f...t~d!!\bJ'\Q..: .s:o~, .con+fo.-.sies 9~' ~ se. - de.ben . ~)o..r (D.r\' k.. rf\e,d~0- pe.ro
como ro Fe.N\O'S U-soJ'(\O'S' <0.. l1\e..d\o.f'a-.
... :-... - ~. )
- P\\.Jdoo- de kat ('(\Q '0 0 ro\l- ,:5mirt"'Qv
,.
£6-1a-d~;-\\co':~. 1)n;-' ~ f
;/
fnC~) - F(X)
,
I~
'--:-~~te.c~c.(o.... fe.lo.~iVO:_
'-dbex-va.cb..s ras 6s ekh
\re.c..~c':'o-~
Po..fa.. {'(\\x::s-\'n:l:~ p~~~s'"
~j~~ Cd libro -pdcaino... 2':15 (6:'Je~plc ~o.l)

'5e. 1S\.)F;;~ que. 6s nros fe. o..6s ~-los q~ ~,
N\e1'O'lt:S ck. ....{O 0.&15 P~\~ O
J~"Sarrdla.. rru.:i"-sa.c~U\~. 1b!a.. ~irT'{\OS lJC"Q.. h\pO~e:'B\'5 :se-. ~f\eJ\ -{S
niros 0... 'os 9~ ~ (e;s FfO:e q\.t:- etljQ..1"'- v~ ~c:r--\o ef\~~ c.\.J:)..-\-ra fO"S\-
ble.s: C\f:f\-\cs/ ~cde:s - p\f\Mra.s/ J\JcjJl$:--te.s ~c.cd.(\\COS 'i j\JYue.-\es de. ""'..::get::.-
tra.. $;). ReS\) \ -\.OJ : u U
..
C u::..r'\-to S fir" c.~le:s-pi f\ tv ra..:') Ju~\se.~~, ~\COS 1J~ -ks de. LX:. ~\X:rrQ.
RQr\'7P
:d.P
2~ 39 4.9
FnC~) 2,JJ6 3,/.)0 ,,' 61A5 -15/.),5
FC)'.) .-1fLt 2-/ Lt 3/4 4(~

2{A5-AI'i
..,J"'B / 60 2.-1/60
~(x) - F(X') 1 ::r 60 f ( 0
'-..
') Los fOde.N'05 POf"'le.\ Q;m dec~~-S, -:si es r'f'<iS a:{rrotb.
Dn::: l"('\~xilY\.O.. de:>\J\a.c\O~ ;:: 21(60 -- d 30 -') COqe.r va.1.cr r'f'a..:yor
A~\b. ~e.rros cru::: ir 0.. <as ~ ek. kcAMo o\oy - S"t\(froV

l
C0o.~ er'\. UI'\ y>robte.rf'O- ro se. \'\Os dIce. ~ -\Of(\Oli\OS c:?\=- 0'0'5. CCrno
ni\Je.1 de ..p..
Q:l(\.~ib.{V~ C\S %.
{\ =~5' ~ N.Q ". resb.rros_. 1..
va-lor cr;~ico de..6. ~ob6. = 0''330
Los ·j~o~h·.ro ~\et\~. b. i't\l~ ~re,{'.C\b. :~ \OS. (\\~.
- 'P~ ck kd~l'f\oro\J -6C'(\irrc,,-L,\le.~ors 'Pd~ 22'-:f
Va.rN:JS a. (P(\-tc:a:s~ b. hi~~c:.'SiS de. 9\Je. 6 cb:6s siqG\c:.,,~c:s proYiene!".

de.. \.JY'a.. ~ fs-\-nbl.X:.\CI" rorrro.\.. U
20( 22,24(30,~, 32, 3"'6
i~': ~oCf-t:O')
1\ -
S~Fn'~rros 9\.e /J-= X
1\2
0- =5
1\2-
X= ~st4 g::: 6(39
X 20 :22 2Y 30 3..-f 32 3'"8'
~(~) ~l+ 2/'1 31'f ltJ':f S/'::f 6/'.:f '=fl1-

I
DA020 dA6'85
I
o25'::1cg d6~..f d6::r3'f 0'125"& o'QB1S3
Fe)')
,
lfh~)- fCX) I I
oalt d~ o-t'=fo do43 do<.t::Ji dJ~3 bQ6-{i-
- Tef\erra5 q~ :=om.r 2 fO-{O.. cocb.. 'n6- Je 'f.,.

Z = 20 -.215t.,{tr -:= _ ~'2~ ~r-G-\.)-O{\-~--z--es--f\-e-~-o:-:\--\
\J-a..--m-\-~-r --e..-h-
6'39 ~ Or-~ me.I'O'\

I (C\X).,,\\tt> 2. e.'S pc"Sl..\-i'lQ. l"(\\fO.\ e.{'\
Area. r'\'\.eror -::> d..-t0:20 F(y.. f) -b...

blo- cireo- f'('O...'fO\
- Aka.. ~erros lo:s te:s.\o.s, de:s~s ~"S e1 \[0..\0, N'Q.'jor e~ e~

co..-so es o~~ D
(
- \to.. rros 0.. CcL -bb6- &- [,.{dcqorraov y ('\::~ 11\=00'5
Ya.\cr c.r\~\c:o de.. b. -b.b6. = 04"5b'

(
O.../':fo~o4~
,
Poc:krr-as o.c:.epta.r \-6. 1-05 e::bAos provle.r'\.e(\. e::k. lJrQ J~rl-

6.,qo\" rotlY'O-\.
@
G~
F~~
pd:nr
a. ~
co!"'.uY\ (\i~
vc..noble;, que....
de. co0\l·oJ\Ul.. q5
se. di"s4-ihJye....
;t;'~; 6s' ~~.'fU~~-k.'Sch-6's
. rorrrd.~e~ ~ Co-. p4:!c.-
c(o\"'\ . jJ. :::30 02-= AGO
'Do.-tas: 462. .,,{6{ ';f
t
{\.::20
'. -
,.
' .. .'
.., Ir· .
. _I _
~
l/l
~~
1
~
Q;--
~•....~
-* ¥rueb,.Y-~ Ce.. 6o(\<bJ. de. ojos-le._
.. T1,' ";." . I _i~ ..J . .: ;~, '. .) '" j_~ I: _- I I
Nos :per"'i-\e. (O)~-b.\ si. (as eblos' de. 6.. V'0:~k:>....- l 5icp:'" 'Ul"\Q.
6cion f'Orrr'O.l
-f]em~!' f-:,; ~".
£~5 ~r,Je.c-eSJ.cbs eI'. coroc.er i si: Jas .po("\klate.~~de: .{ 4d- ..si~l.:en

01"'0- d\:s-\-nbCCtm rorcro..\, Ft'O. ~robo.rb -\Ov\'O..((\OS Uro. m~'lS.-tro. 6e ..,fa:;;
5~SJe1eS,' 1 (c..s :f,~~~. es.1,sQt'-. <OS. , Si:O~0le.I"\~8 !" 'I -' J, . I, - f
"'~O Kl l\' 'C\' 'WC~i I ~p.

.' '(2) '001SZ
Jl' e' CtO-\-aJ qC:-te)1.(jo-\e.)~/}~;.' I.J
,
:=[Cl-q\( ...{om
2ly dqq.J"'l)I~%, Ct.AO -01"52- 0'6'::(2'-1
~IS ob':f3S
60-~ 30 6q ~/S (SZdqO-GO' /~Sb 36('5(;, -056 03-136' db-+{OZ-b
~~-Sq 36 sO scis 'zt; 0'602-6 13Cf26 eP.~..s 52-8 J'6n o2Q6;...{
.2.2> ~o 24 ,,3:--l 40'5 ~.d20qO. dZ09.0 zoct a'-f' 1
q 6-i 0 I l.eG
OC o/~'&9v·'
, ' • I, _ I, ." \ " ' -I I:"
I I
:x -= ~ 4(q t..L ' SO~2X:·!L -_O'Y

2 _tl~1'Y'os ._est{'(\.o...~__b ;me.~\a..:. y ,lcL. des\lb:c.\OY'
t ~ " j " _'" { ,_: •• : :.... - J -00' ~'. I J _ ~_- I
0\ ;: 0 lO'S - 25 is'4 --1

No r:errl'\t o.ce.p-tor lo. hi~:s 'ch d~o~\e.eb.J' de- b' ('(\~.
, . i. _I, _ , / ('{\. a..s -':::> ro~ -_roeok""Q... simp(e- . .'.,
We: La.. ~{ro- es O-kdario...

I-tt: L.c. ("'(\~ . r'O .~5 o..leo.:b f\b... . j
Sl f\.A 0 1\2, ~ 20 ;:') (j~, ~'l~ La.' rorfY'Q.t
'Z = --_-(- _-_-_--

Eet=)
(VCr; )-
.~,
I
_.:-+_,~ _'.+++ ",
L..J L--..J I !
0 \::3
A 2 3
s3:\e~~-b¥-\tzaf'('Qs:-:-<::oro:Io-\os--F--::'-S-i~ . -G§~(' 66)'J:.S del: m\ .~,r1'SJ. s/ lJ'ro
/ <Or-- ~ cb.~; ~6{)\e~\cos ~l~0~~-- 0 - \.0._ ~~n~, bs .'-'fOS~t'lOS.,~yorq\.:e.

lc.. me.6.(OJ"a... ( l~" :-~ ..hlJ:}S ffief'O~ 3\.e.. <0... l\\e..d\~ •• ~i,Y- Co... Ji\5tribuci.ol"
de.. bs ch.-\cs (rN~N'O or~. en eL q\.$:.! ros bs ~;, "
~.",,~'.' - •
.;~.
L _ ._
~
• _. ;. .•.
-Si9:!:pb~~4 .(Libm "2~9) >"'-' " - •. : :. ; ,
~p:>~ Las' c:s~t'~' de. '~~r~~~ , -1i__-(e.-~ -< A;":~.B :~u:t: ,6- s\~\J\ep.-
~ 8e:C~~. _ ) ._. I-I r' ---[ 0- 1 f " "
A1B,b,A/AtB/A/A,A,B,A
LJ L-J L-. l-J t.
1 B/A,B1B
' L.J .L..J LIL.J l.-----J
:, r= 10ro..c.~ (\.,c.= ~: (e.b-s A.. ,.
, . ~:::- do 'is f\ 2 .= '::f le:hos B
\[Q.r\'O'S, . 0. - 6,<...-kb6. .Pr~ de. :..ro-cJ'os f '- rc'l. ,q\e. so..co..i- Va- ~YLS ' ck.
c.rrbs -\-c.b b.s r~if'\ irt"Q 'i r~ \ft\S;.\ (~ ut"\ u'\ \e(\fC..1o)
R.A ~ (Ltr~3) -:>)a£ (C{ I ~~~
'RJ-eY'OS .. a.ce ph ~, b_ mu:::.s\-ra.. .es a1dor \b..

£j~p-\o .,13.5 (Libro 2"8:6' ~~ .. - - ,-
Lo. scce.SIOY\ de c.o extro.ccioC\e,s ~e A 'f B e.s b 'SiCrJief\..le ~
~/ f/ A fl ~( B, §, (\,1, ~t '6, '8, B,~t ~(f' Aj ~I~' ~I 6 ~~& B, B,~, f'~ ~(B ~I I B)
A B, AI '8, B,A B
LJ Lj Lj L-..) l...J L..J t
(\~ =.-13 leks A r:::dex ro.d--a.s

nz = 2'.::f le...t(Q.:S B
"2. > 20 to ~celYOS per b.. t"Q~

T....\ ::.: 2·.."f 3· 2':t +.--l:= '102 *.-1 = --1iss
fer) -::
...-/3-t 2'::(. Lto
\j (r) = 2l'\fn (2rHn- ~-,('(\")

( (\ -t-l"f\) -z. ( f'- + ffi.-t ~
" VCr):: 2."j~'~i.~(2·--t3·2'=t -..-l5~2~):: '402~bb2 ~ 4G4+2~ :;:}:r'ocgC{

C--l3-t2~)'2. (--i3t 2~+~ --16'00 • ll..-l 65600
6 Y6' 1
2/66
~ -' - .. . -'
- Pr~ de. lJc.\.Je..Y\'Or C~ AO~ ,-

Se- l)~i1.\2.0- ~ de-kdo..{" <.D..N'\Io~cs de. o..c+-1A~f e.s, b. [~. p\u:..b
de. .,c.::..o.~~es "l ~~. ~~~--\~ rdo.c\~. .
,
!..t:Js COJ\\b\CS de -t a - d~~ A "J 1) •
l-\c ~ No s::: pro~\jce r\i'~~Y\ e\e-c6

+ 'B t-lA: Si se. p,?d\Xe o..ln(j~ e~
x= CIA-1)I_~)-z..· _' '-{' \[orros 0. b -hlub .. ~\ ~C~~" ~.~"

A+Q,,_ .'.- '-.S:_~mpt=- eOn,_~:i '0- l ,el"'\."~ :-\-o,.,~6..-' ,-.- -,
, - ,. •... .._~. - ~~ -'~.
..§j~ebs ).3.6
'De5P~ ;XZ _ (IA4- 4l-·)) '2. ~ ~.-1 ~ It 15

-+ ~ ~4t4 ~D
-+ It ,,{y
~
C - l.\ 3
«
( 01. (r .
rA:::: 005 .I'- cn-h<o
~o ac.~ph'f'('OS ~C..· ..
3~,.j E.\ -tm.~\e.0--\-o ~i 9~ pd\.JCE:.. 1Gr- eF'

o.~
- K\J::bo.. de. ~\CS e:k. \}J, \ COXOn C'P~ 2~5 'i. 2~~) .
~. 'il'1<UJ-. porn.. e:brtcs dJcm.·hh-\-\\JG$ ~rJil'\\,JOs 0 di~~. Los vQ.\\obJ.e.s

~ ~ g('\ eS<:b..\o. 0\6 i'i\c\
La.. h;pobiS (\\jb. ~ fbr-~~ e~ e\ '<Se(,\~~.~ ck. e1'i* d\~o...

~lC:- ro ,
~Vt\'IJleoJ(Uo.. e{"\.~ fos cbs 'Drupe'S ~ if'.dl v\duos (ijUcl~. ck .1~(Q~ rc:..!dl-
\Ias Floacro~") ,
SQ\"\ ~rQ:s de.?et"di e.r\.-\es .
ip - surra ck ro-Nfs poS'\-+i\JOS

Tn - SUN"\O. de r~os ~~i\rO~
- S 0-= 25 . if a to. .j~~ . de Wi\coXo\\.. T Cf;~(CD

T =- (Y\lt'\. (Tp, T~ (J('\.Q. :sola. ro\Q. .. _ _
5\ T ~ T a:~ico I ac.e.?-\af('ClS ~6· No l-u.y d~~~·' sty\\~ico..~i~

5i I ~T cri~icg I tt:CL-o~s f-b.. : . ~ I
I.
5i 12! =- '"2 C rf.) (e.~z.o.('{'O~ ~
~J~p6 ..;\3. ":+
5E:ol'\ .--1:2 o.cblescet'\~es e\ecaiebs 0..\ o.-zo.r en~~ (\\'le.f{\bms de. UX"\. dob de. c\l"\e-
lOllJIT\. :rt'\.-\c:.~ <.bf\)p\Obo,;5 d.e:p.b d.e.. 6.'Pro'f~~6'f' de:. ~'ra. pe.Lk.0\a. \f\O-
~~l los o.cble:sc.enb m~~-l){'O.. ~'(O'( ~~'\{ich6 ql..e 'PlJrdDre..
i(\.c.luso \JO..r\os &0.5. Reo..liz.o..N"OS -k.J, OJ\~e:s de. (Q F~{culo.y -hc.s d.{os
c:bp~( rosG~~O-l'\ la:s ~~v\e.f\b dxb: .
I "
Ac!olescde.:s A!'\-1c:s CA) J)e5P~S C'5) n\e r::.f\a'a. B - A Rq.l\er dltetd\.c\Q Trs Tr'\
::i .-14 , ..-t q 5 Cj q.

.2 .. --(b. , .-1,~ 2 ·5(5,' .,
S6.
3 23 22 -.-J ,2'5 2/5
~ 2-6· 2':::[ d 2 5,
1 2(5
5 24 . -2"'8 Y 4). -~ ~
...{..-l
.(; 2~ 36 ...{~
~
''={ - 2~':::f -30 -3· .. i- ~ .. ,
~ ..-{"1) A~ -.::1. 2~6 2)'5
g .-15 --f':f 2 .5'6 5'5
.-10 22 2"'iS :6' .,10 ...-\0
~--t 20 30 .-10 --12' ..12
--12- 25 24 -d 2'5 2(5
. ;.
dTP -:: '=f0(5
:. .::ts ~>JG .
,i
'Re c \--oLQ..tnDS l-\cI ho'( d+~re::rcio.. ~ '5"i9 \'"'1\ \ ico....+\\JOS. Las os:\c\escerJccs' ~ ~
'J\o\e~o'S ~"::5.de..- <0.- ?€...\,;cu\o.,
. . I,
. . • 5\:to: ~u:.~~ ,~ rro..'f)r.. &. 25:r~.deberro'S' :{(.','o< ~ ~OrIV'-Ij\o.. ek 2-.
Rc:mrc:h.rros ¥ es\e... f\O e:s e\ -m.~ I~es J ~\.ll"\ <5Q~ l F2:("a- . e~\?l~CD-(~
-'-". "T- n(f\+..lJ

2- 4
- \ 1 f\ (f\+J.) CZr'\4jj
\J 24 . ---
1/5 _ A2.(A2-l1)
4 . ~'5- 3q
-------
\...-
\~-"'{2-·-.A-3~.
2-5-
~ --\2. (...\2~.-f)(2•.-\2""K2.
:2'-t \J 2l(
\; o.rrcs a.. ~ -bbbs ~ z.. -":> _~ :::'CO;{ - ml ror

i
zCi) =- 2'33
-.2(Lt~~. 2(63
®
• 'P~a."S biml.fs-\-re4e.s (Ii\\..s=-~ros ir&pe[\d\eD~e:s"")
- C00Jrcs~e. ~ (P0-:9 ~q), ,." ',.:- ., .;. .'" .
E.~ ob)e-k~ de.. esb.., procb.es de~e..r{\\.\\'O..\ 10. .si9\"\\~ico..c.\6l"\ de.. bs J\~~-
C\'Q.S ef\-k:. cbs lfo~ irde.pef\dle.f\1-e.S. (os eb..-6s ~Ie.'he.\\ 9le es-to..r ch.c:6S
er- co..~~~or{os ~isc~46s \{ bO.-sk:o.merAe. e\ me..--bb 0\\\\-zo..60 e.s COl"\-\a..\ CO'S
,casas J~,-~ ~r()p?. ell co.~ d-e.~(\b.. y <:orl\fO-\q..f" \0. prop:xciOr-- de. CQ.S)~
e\"\ 6s di~r\·il\-\o.."S ~c:.~n'o:s de. U'. <l::r\ Co. d~l o-tro. 1roro
..'
La. h\pQ~c:.si::s ~ola.. ~ p~~ el'\" los :S9~\C::f\~es~t:;I\\\('Qs:' \os cbs CDf\jl){\-\oS
J~. coxade.ddico..s son ·l~l\d.ien-b.· . . .
r k
d-::.. ~ ~
(0' -
~.
C"0
V
2
OiJ - ~~C.\a._ob.rvcJn.
. . .
1-1 J= -f ~ ~ E.~ - I
\C:C.u:T\C'o- esperodo-
!-1;fa.N\OS 6. -I-abte. Ji!:: <Ol'\ C r-."ij (k. -.,·i) '1\O..doS de li.be.rb.J:

,.= C\~roe.ro de ~;La.s =: l'\u~er~ ~~rb'S" .. ek .
k."5 (\~ d'e... co.bffi("O..."S := f"\l)l1\e.ro de. ~rupe:s ....., " ._,
Lo:s j~G-:a'C\as e.spero.cb.':s.' 5i d ~ x~ 'Se..,. d'\Qzo.

n:~
.. We
E0 = Oi' OJ 5\ 6L s: 5<:.' ace.p.-\-a. ~o

N
J- ~ e.m? \0 .~ ~..~ _ .' __ > • _ •• _ • .' ;" , • _, .;": ...J - t ~,.f; : : _ .•..
f' • • .
De5eorf'OS -prebor Cf~ 6:s pers:::>ro.s ci-hs 'E" ~o.;' j\ti~n C!::(' ~~pe.c~ 0..
50S a.)O..\\~~ . COI\O dir\1~-\cs.=tOrt\e.tros cbs ;.,N\ll::.:~;~ha.'5/ La..,. prirne.ro.. e(\~~
COI'\_ rn = 4-3.. :-'/_
lo.'S p~~ro.:s ~a.s .[0., 8e qVf\tk. ~~~ 6.sQ.~Aa.s-l CO'\\
(\ = 52.. Lo'S do.~:;"~ico.rros el'\ -t'\t:S CQ.~cuonhs: li Jer"( .o...~eP\a ~ i,'c.bs+ca.6le..
'Bo.Sa A\.-\-o 'BOjo -+ A~ia
L:Jer .-12 32 4lt
Ade.pA-o 22 --14, 36
.-
:rr-c.\o.s ~i q ....{5
6
loioJ ~3
t:i$..t.2-) ::- Y4.43

.~---~ 52
.Ao.'qi
::.
q5
- E.~iC~):: 4lt-52 ~ .24(o~

ClS q6 _ ,
E.(.)C~:: dO· ~g_ -:::.

A62q £ij (--tl.t~.:: 36·'52 -= ~q(~O
C.'l5 q5
EiJ (0.'):: ..-1'5·43 - _ '6(4'Ct £iJ (6)::. ;1<6·52 -::::c:e;; (2--{

qS CIS
I
1!£.d:::
'0"I)
\' -
c"\?'
lJ)
.' OJ
~J::CA.2':Jqqif-l (3~-24(O'"&'Y~ (22-...'6250'2 + (J4 -.AC{16J~+.. (q':' 6'~C$?·~ .-

.-1C\lq2 2410~ A6'2-C\ ..-1Q.'m 6(':i9
(6 - et,2.J.';Z. := 3(..15+ 2(60+ 2 +.l6Y + d'::12-+. dSq ::.Ao'i-

"'8(2-1
A he> re. \JOrroS 0..

~-;
to... ~~:
. \
Jt:3:
.
~re.ebs de Ii be.c-bA (r-..-t). (k-..f)
C 3-~.f)C2-.l) -= 2
---lo 1- ~ 5(q q -t 'R~c.\r.o.L.O!'('OS \-\0

Los des co!'] ljl"\-bs de cnro.cte.dS-\-ic.a.s. s:rf\ de:pe\'\ci\e.f\~"'S
- Ru:.b. (j tie l-\onr--~~\~~~ CFl>~)

~\)'f ~\ \ CIJ~ 6 f'(\<:clteb..S de.- U'C-- de.Aen'{\\~· \JO-~.\oble.. se- 00t'- ch.Jo
de. k.n'\?- ord\Y'o.1_ J~c~\.):SO~ ~ c!o-...-\as:se _~ -b~ de.- ~rrv-a..
C\Jot\.~\~\\jO- Fro tor o.\1u\'o.. co...l.J~ ~ so'S'p,e-c~ 9~ b:s ~\c~al"\es
de ~\ckA e i~o.\cb.6. &- \Ja..r;\oJ\-c:o.se(\.~~ b.-s. e:b .p::*:bc\CX'\.e~ de- Cos
q~ pro$\e.l\e.I"'.. (os l"r\\.:cehc.-s ('0. ~ CU"<\?el"\.' ' ..~
~o: fA;.:=.}J-z
• • j
~:: es '0.. 6$rro. de 6:::. ~ de A

Rio ::. eS b- 6\Jrt'Q.. ~e. b rO{\.~s ~e 13,
Uo..::. (\. m4 r"\ C(\-\.--\) _ Ro..

2-
EJe~ ~3.q C'?d~ 2q4)
~ d6fO\e.. de ~ ~ipa:;; de ~o.cs I :J:'t .:I.::I/ q\.SC. ~ ~s -po.ro.... .oAid\~
reCDY"'CCer Uf'\ de.-~CTmw'O-ck \obe(\C\.-\6. Se res P\c:ie.. COf\.-hoskX- 5\ \os ~o..S
.:! ~~t"'- \0. ~\~ (b\"'\. liT"'. ('\~\<"efO (\\~(a. _ek eno~"'S icoucl 0..\ qu:.. <as
cd~'{a:.s' 4lpo IL d\.= 005 3m;:~ ~{c.s.rtn::: q, . <:d:o..'(G-~.. . -..
'Do-.b:S' .. ' .
J : --1'4 --\2....-\5 --to ~4 A..{ "3 .--\3

II : --\3 Ab q. "{A' 'i. ~~. 6 ·-Ao .~ .
!-b:fl..A=}J-2...
X\ R; -:> Cok\j\oY ~ l-L-t : /J---t ':::> fJ..2.
-1 '4 .,{G v
~2 AG
---15 ~4
...-{O 65 'Ro.-=. ~215
--{ Cf ,.,\ 3
--1~ ~l5
() 3
.....\3 -AA{5
....-l~
Ab
q
A--l .
9
--1"b
6
. --to·
':::f:
(
- Ub::: <6 .q-t·9(q+~) __ '=fa'S Ub ~ 465
2-
u-= ()'\il"\ (2515,46(5) ~ 25'S -

(/\=0 OS >~1~_ 0. ~-\-ob\a... (vrc.. .CSJto.)' .
(J-bblc.- ::= A~

ESTADÍSTICA

Cargado por

Información del documento

Descripción 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

ESTADÍSTICA

Cargado por

Copyright:

Formatos disponibles

Tema 1.

LA ESTADÍSTICA EN EL PROCESO DE INVESTIGACIÓN PEDAGÓGICA EMPÍRICA

La Estadística Descriptiva es aquella que utiliza estadísticos procedentes de muestras o de poblaciones

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 1

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 2

1.5. LA ESTADÍSTICA Y SU RELACIÓN CON LAS CIENCIAS SOCIALES

Tema 2. PROBLEMAS, HIPÓTESIS/OBJETIVOS, VARIABLES Y DATOS. NIVELES DE MEDIDA

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 3

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 4

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 5

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 6

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 7

- Item y variable a la que hace referencia.

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 1

Vamos a hacer los cálculos de la segunda fila y a interpretarla:

4.6. APROXIMACIÓN INTUITIVA A LAS REPRESENTACIONES

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 2

Tema 5. REDUCCIÓN DE DATOS. MEDIDAS DESCRIPTIVAS BÁSICAS Y

- Luego ya podemos calcular Media, moda y mediana:

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 3

En nuestro ejemplo anterior, el Grupo 1 es totalmente homogéneo. Calculamos el Grupo 2:

Si tenemos un solo grupo, tomamos de referencia:

Desviación Típica Varianza

5.3.3 La amplitud o recorrido (A)

5.3.4 Desviación semi-intercuartílica (Q)

5.4. MEDIA Y DESVIACIÓN TÍPICA PARA VARIABLES DICOTÓMICAS

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 5

El apuntamiento o la curtosis indica el grado en el que la distribución es más o menos

La curtosis se calcula (No suele salir):

5.6. REPRESENTACIONES GRÁFICAS

5.6.1 Gráfico de sectores (o ciclograma o gráfico de tarta)

5.6.2 Gráfico de barras

5.6.4 Gráfico de caja, caja y patillas o caja y bigotes

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 6

5.6.5 Gráfico de tallo y hojas

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 7

Si en nuestro ejemplo anterior, la media del primer examen era 23 y en la segunda 9:

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 1

Si un grupo es muy homogéneo, su desviación típica será pequeña.

el 25 (%) de los sujetos será “X”

Ya tenemos: = 74/93= 0.80

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 2

6.3. LAS PUNTUACIONES INDIVIDUALES EN LA CURVA NORMAL

Supongamos que tenemos una puntuación típica (z) 1,25.

Á. mayor 89.44 % Á. menor 10.56 %

6.3.1 Las Puntuaciones Individuales Normalizadas:

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 3

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 4

B) Relación imperfecta positiva (relación directa de variables): a valores elevados en una

expresión cuantitativa se sitúa entre los valores 0 y +1.

D) Relación imperfecta negativa: Las puntuaciones altas en una variable se corresponden

También se puede interpretar a través del Coeficiente de Determinación (d)

Se interpreta como el porcentaje de la varianza de una variable explicada por la otra.

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 1

Diríamos que la puntuación en matemáticas tiene un

7.5. El COEFICIENTE DE CORRELACIÓN ORDINAL DE SPEARMAN (rs)

Ojo: Al asignar rangos encontramos sujetos con la mismas

Como el valor de correlación 0.92, está por encima de 0.90,

7.6 EL COEFICIENTE DE CONTINGENCIA (c)

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 2

7.8.1 El Coeficiente Phi (Ø)

Resumen Estadística Aplicada a la Educación. Nora Tudela, curso 2017-2018 Página 3

8.2. EL ESTUDIO DE LA FIABILIDAD: