1

ESTADÍSTICA Y PSICOLOGÍA
Dra. Mariela Ventura

Prof. Titular Cátedra de Estadística Aplicada a la Psicología y

Psicoestadística Inferencial

2017

La Estadística como instrumento metodológico para la producción de conocimiento

científico

Aun siendo la estadística una ciencia extremadamente técnica y sofisticada, el término

también tiene un sentido vulgar. La palabra estadística evoca esas tablas de datos, y
esas gráficas que de vez en cuando aparecen en periódicos de revistas, o en los anuarios,
para comunicar datos económicos, electorales o demográficos. Aunque el resumen de
grandes cantidades de datos es gracias a la estadística, el campo de esta ciencia es
bastante más amplio.

La estadística actual no es solo un conjunto de técnicas para resumir y transmitir

información cuantitativa sino que sirve también y fundamentalmente para hacer
inferencias, generalizaciones y extrapolaciones de un conjunto relativamente pequeño
de datos –de una muestra a un conjunto mayor, población-. Una de las aplicaciones más
importantes en la actualidad, y en psicología, es el trabajo de adquisición de
conocimientos mediante esta técnica en la investigación científica.

Casi siempre en nuestras investigaciones llegamos a un punto en el que es necesario,

trabajar con una gran cantidad de datos, de números para describir la situación que
estamos midiendo. A veces, también necesitamos extraer generalizaciones de estos
datos. La Estadística proporciona las técnicas para esta tarea. Por ejemplo, desde un
proyecto institucional subsidiado por la SPU, 17 alumnos bajo mi dirección están
explorando la situación de Tucumán en cuanto a las problemáticas psicosociales
prevalentes, ya relevamos datos de 4 escuelas, de los que seleccionamos una muestra en
tamaño considerable (500 casos), y con los medios apropiados para que puedan ser
abarcables desde lo material fáctico y también económico. A diferencia de lo que ocurre
con otras ciencias, la estadística posee la importante peculiaridad de, por un lado, ser
ella misma una ciencia, una ciencia formal perteneciente a las matemáticas, y por otro,
 2

de servir de instrumento metodológico para el desarrollo de otras ciencias, como la

psicología, que es una ciencia fáctica.

Hemos dicho que la Estadística “Engloba una serie de procedimientos que nos permiten
el análisis de datos, entendiendo al mismo, como diría Pardo, A y Rafael San Martín,
como el conjunto de procedimientos diseñados para 1) seleccionar datos, 2)
caracterizarlos y 3) extraer conclusiones (inferencias) de ellos”.

Este conjunto de procedimientos –análisis de datos- se aplica en todas las ciencias:

biología, psicología, economía, antropología, medicina, etc.), pero no pertenece a
ninguna de ellas sino a la estadística.

El análisis de datos debe ser entendido como una herramienta metodológica al servicio
de la investigación empírica. Lo importante de él es que nos permite la producción de
conocimiento científico, y en la universidad es hoy una cosa que es muy valorada y le
da visibilidad como centro de formación, por eso la tendencia es que cada vez los
estudiantes se incorporen antes a los proyectos de investigación.

Las ciencias pueden clasificarse en formales y en empíricas. En las formales, como las
matemáticas, por ejemplo, no hay necesidad de entrar en contacto con el mundo real,
basta con establecer una serie de postulados sobre entidades abstractas y proceder por
deducción lógica.

En las ciencias empíricas, como la psicología, por ejemplo, el objetivo es el encontrar

relaciones de tipo general (leyes) capaces de explicar el comportamiento de uno o
varios eventos reales, cuando se dan en circunstancias apropiadas. Y a diferencia de los
que ocurre en las ciencias formales, esas leyes solo pueden ser descubiertas y
verificadas observando el mundo real. Pero es imposible observar lo que ocurre en todo
un conjunto de elementos o población, por ello se procede a escoger un sub conjunto
más pequeño y se procede por una generalización inductiva.

Mientras que en la ciencias formales se procede por deducción lógica, se llega a

conclusiones verdaderas por premisas verdaderas, en las ciencias empíricas, intenta ir
desde lo que se considera verdadero para un conjunto reducido de observaciones hasta
la afirmación de que eso mismo es verdad para el total de observaciones de la misma
clase, por una generalización inductiva.

Por supuesto que este salto, de lo específico a lo general tiene un riesgo:

 3

No hay dos observaciones iguales, hay una multiplicidad de factores, que intervienen
alterando la similitud y la diferencia. Esto por ejemplo, no es un gran problema en la
física, donde las observaciones entre sí varían muy poco y el error al hacer la inferencia
es muy reducido. En cambio en ciencias como las nuestras, las ciencias empíricas
llamadas ciencias sociales (psicología, sociología, economía, etc.) las distintas
observaciones no pueden ser sometidas a un control riguroso y presentan variaciones;
las fuentes de variaciones son varias y difíciles de identificar y por ende, de controlar.
Y por ello, necesitan un conjunto de procedimientos o una metodología especial para
actuar inductivamente, y este conjunto es lo que llamamos análisis de datos. La más
importante aplicación del análisis de datos, por lo tanto está relacionada con el concepto
de incertidumbre, entendida como la tendencia de un resultado a variar cuando se
efectúan repetidas observaciones del mismo tipo bajo condiciones idénticas. En
situaciones deterministas, donde una misma causa siempre produce el mismo resultado
(un cuerpo que se mueve a una velocidad constante v durante un tiempo t recorre un
espacio e), el álgebra o el análisis matemático bastan para encontrar el nivel de
comprensión buscado. Por el contrario, en situaciones aleatorias, donde una misma
causa puede producir cualquiera de un conjunto de resultados posibles (lanzar una
moneda al aire es un resultado paradigmático, el tiempo de reacción frente a un
estímulo, etc.) es necesario recurrir al análisis de datos y a los instrumentos
proporcionados por la estadística para poder extraer conclusiones fiables.

La Estadística nos permite analizar los datos (es decir, las mediciones) desde dos
perspectivas diferenciadas e interrelacionadas. La primera se centra en la descripción;
la segunda en la inferencia.

Un poco de historia…
Parecería ser que todas las fases de la vida humana y todas las ciencias hubieran
contribuido de alguna manera en su historia. La estadística es más bien la confluencia a
lo largo de más de dos siglos de corrientes procedente de regiones diferentes. Así, la
teoría de la probabilidad tuvo su origen en el de la ruleta; la recopilación de hechos
estadísticos nació con la necesidad estatal de soldados y dinero. Los modernos estudios
sobre la mortalidad, con los efectos de las pestes del siglo XVII; la teoría de los errores
se creó en la astronomía; la teoría de la correlación en la biología; la del diseño
experimental en la agricultura; la teoría del análisis y ordenación de elementos en la
psicología y la teoría de los métodos de las ji cuadrado en la sociología.
 4

Se pueden resumir las dos grandes funciones de la estadística en la descripción y la

realización de inferencias, que reflejan la propia historia del desarrollo de esta ciencia.

La estadística actual es el producto del encuentro (siglo XIX) de dos ramas distintas del
saber: la antigua estadística y el cálculo de probabilidades (juegos de azar).
Etimológicamente la palabra estadística procede de la palabra Estado. Ya en la
antigüedad los egipcios y los romanos querían tener un conocimiento preciso de la
cantidad de habitantes y de sus posesiones, es decir del estado de sus naciones (de ahí la
raíz del término). Para ello hacían recolecciones de los datos, y tenían que resumirlos de
una forma comprensiva. Con el surgimiento de los Estados modernos, adquirió una
importancia creciente, comienzan a realizar censos de la población y a recopilar datos
demográficos, sociales, y económicos. Hasta el siglo XIX, la Estadística es una ciencia
descriptiva. A partir del siglo XIX comienza a hacerse una ciencia normativa para poder
generalizar a partir de los datos, prever la evolución de las variables y guiar la toma de
decisiones en un ambiente de incertidumbre. Esta transformación es posible con la
incorporación del concepto de probabilidad. Con el cálculo de probabilidades
podíamos ya hacer inferencias sobre entidades no observadas, y brindó el instrumento
adecuado para extrapolar los datos a partir de unas pocas observaciones reales. Esta
apareció por primera vez en el campo de la Astronomía, donde se quería estudiar el
trayecto de las estrellas, y se observaba que por más experiencia que tuvieran los
observadores, siempre se medía con una diferencia, con error. A partir de estas muestras
querían calcular la mejor estimación de su valor verdadero. Y así fue cómo surgieron
métodos que permitirían estimar características a partir de las muestras. Este problema
llevó a Gauss, uno de los más grandes científicos del siglo XIX, a introducir el modelo
de la distribución normal, como modelo de la distribución de los errores. También
dentro de este campo inferencial, fueron importantes: Galton, en los problemas de la
herencia; pero fundamentalmente, Karl Pearson y Ronald Fisher. Para llevar a cabo el
análisis de variables psicológicas con procedimientos estadísticos es necesario medir.
Recordemos que la clave de todo proceso de medición está en determinar cuál es el tipo
de relaciones presentes en el sistema empírico a medir y cuál es el sistema formal
(modelo) que permite una representación numérica apropiada a esas relaciones. Ellos
fueron creadores de estos modelos que nos permitieron analizar estos datos.

Las dos funciones de la estadística, descriptiva e inferencial, reflejan como dijimos las
dos partes que reflejan también su proceso histórico, pero también pueden revelar la
 5

profundidad de los análisis que realizan o incluso, las fases de estudio, puesto que para
hacer un estudio inferencial primero hay que hacer un estudio descriptivo. El estudio
descriptivo realiza la descripción de los datos, mientras que uno inferencial, comienza
con la descripción pero luego aborda la inferencia.

“Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes

de muestras y de la realización de inferencias a las poblaciones de las que éstas
proceden”.

La estadística resultaría una materia muy fácil si la atención pudiera limitarse a las
medidas descriptivas. Tal vez una función mucho más importante de la estadística, es la
inducción, consistente en inferir propiedades desde una muestra para una población, a
partir de resultados conocidos. La inducción estadística implica un pensamiento mucho
más complejo que el de la descriptiva, consistente en inferir propiedades.

La estadística inductiva se basa directamente en la teoría de la probabilidad, que es una

rama de las matemáticas. Esta disciplina matemática proporciona una base racional y
matemática para efectuar inferencias e inducciones. Existen además razones de orden
práctico de por qué es conveniente trabajar con menos casos y a partir de allí realizar
inferencias. Por ejemplo, cuando se le pide opinión a los sujetos sobre las elecciones, es
suficiente encuestar a una muestra representativa.

En otras ocasiones, es necesario generalizar porque no se puede definir la población o

ésta es infinita.

Vamos a ver en esta segunda parte del año, lo que se refiere a la función inferencial de
la estadística. La Estadística Inferencial consta de una serie de procedimientos que
permiten a partir de un conjunto reducido de datos (muestra) establecer afirmaciones
sobre el conjunto total de los datos (población).

Como se verá, este salto inductivo es el propósito fundamental de la Estadística

Inferencial, pero por supuesto, como dice Pardo y San Martín, no es un salto que pueda
darse en el vacío.

Si como hemos dicho establecer inferencias significa establecer afirmaciones sobre la

población a partir de unos pocos datos muestrales, el valor que tengan nuestras
inferencias estará condicionado: 1) por la calidad de las herramientas que usemos para
hacer este salto inductivo y 2) por el parecido que hay entre la población y la muestra en
 6

la que nos apoyemos para establecer nuestras afirmaciones. Por eso, tan importante
como tener una buena técnica de análisis para realizar las inferencias es “seleccionar”
apropiadamente los datos que van a analizar para dar una buena base de apoyo a la
inferencia. Entonces, el tema del muestreo es fundamental en esta función de la
estadística. Para que lleguemos a conclusiones válidas es necesario que nuestra muestra
sea representativa de nuestra población, es decir, seleccionar muestras en las que existe
alguna garantía de que cualquier elemento de la población ha tenido la oportunidad de
formar parte de ellas. El hecho de no trabajar con muestras adecuadas puede llevar
nuestras predicciones al fracaso.

Hemos dicho que el objeto de la estadística Inferencial es extraer conclusiones o

conjeturas generales a partir de unos pocos datos particulares. Estas conclusiones de
tipo general se refieren a los parámetros de alguna población, y cuando nos referimos a
los datos particulares estamos hablando de los estadísticos.

Estos son dos conceptos claves de los que tenemos que hablar.

Un parámetro es un valor numérico que describe una característica de una población.

Por ejemplo, tenemos una población de varones mayores de 30 años a los que les vamos
a aplicar una prueba de inteligencia. Comparten entre ellos la característica de ser
varones y de tener más de 30 años además de otras, que en este momento no estamos
considerando: estado civil, estudios, si trabaja, NSE, etc. si medimos por ejemplo
“Comprensión lectora” vamos a obtener tantos elementos numéricos como elementos
forman parte de la población. Si ahora calculamos el promedio (un solo número) de
todos los valores numéricos de la población habremos definido un parámetro, es decir,
habremos descrito numéricamente una característica de la población: el CI medio de los
varones mayores de 30 años.

O por ejemplo, tenemos una población de depresivos. Si nos centramos además en la

característica “Sexo”, por ejemplo, podríamos contar cuántos son varones y cuántos son
mujeres. De allí podríamos definir un parámetro como la proporción de varones y la
proporción de mujeres en la población de pacientes depresivos.

Así pues existen valores numéricos como la media, la varianza, o la proporción (y otros)
que cuando se refieren a alguna característica poblacional reciben el nombre de
parámetros.
 7

Hay dos aspectos de los parámetros que me gustaría resaltar:

1) Son en general, valores poblacionales desconocidos, es decir, las poblaciones

son tan grandes que raramente se puede acceder a ellas en su totalidad. Por ende,
esto impide el cálculo sobre el total de los elementos.
2) Son valores numéricos constantes (no variables), solo pueden tomar un valor
concreto cuando se define su población y su característica.

A los parámetros se los identifica con letras griegas minúsculas como µ, σ, etc.

Un estadístico es un valor numérico que describe una característica de una muestra.

De esa población de varones por ejemplo, puedo extraer una muestra de n sujetos. En
esa muestra podemos definir y medir, por ejemplo, la característica inteligencia. Según
las distintas combinaciones de muestras que extraigamos, obtendremos un estadístico
X.

Mientras el parámetro es por lo general desconocido, el estadístico en cambio, puede

ser calculado concretamente. Es decir, que es de los estadísticos que nos vamos a servir
para formarnos una idea de los valores poblacionales (parámetros) desconocidos.

Este proceso de atribuir a un parámetro el valor tomado por su correspondiente

estadístico se conoce con el nombre de estimación.

La estimación es un concepto importante en la Estadística Inferencial.

El proceso estadístico inferencial

Cuando un investigador realiza un estudio estadístico, ante la imposibilidad
práctica de recoger toda la información poblacional, se ve en la disyuntiva de analizar sólo
una parte y quedarse con esa información, o bien, de extender los resultados de esa parte al
conjunto mayor al que pertenece. Dado que el interés científico se centra, generalmente, en
una conclusión válida para la totalidad y no para una parte, la segunda alternativa parece
ser la más adecuada.
Proceso Inferencial
La realización de una inferencia estadística implica el pasaje de lo conocido (propiedades
de la muestra) a lo desconocido (propiedades de la población a la que pertenecen los datos
analizados en la muestra). Su principal base se apoya en:
 8

o La Teoría de la Medición, que tiene por objeto el estudio de los diferentes

modelos que permiten establecer reglas para una correcta asignación de números a los
hechos que se pretende medir. Solo si la medición es correcta, tiene sentido el proceso
inferencial posterior, en el que confluyen diversos cuerpos de conocimiento.
o La Teoría de la Probabilidad, que se ocupa del estudio de los fenómenos aleatorios,
es decir, de aquellos acontecimientos que se manifiestan de dos o más maneras pero cuya
forma de presentación en una situación particular no puede ser pronosticada con certeza.
o La Teoría del Muestreo, que brinda herramientas útiles para seleccionar muestras
probabilísticas a partir de las cuales se iniciará el proceso inferencial. Este proceso implica
la estimación de las propiedades de cantidades masivas de datos con una precisión calcu-
lada a partir de muestras probabilísticas.
La función inferencial de la Estadística surge de la confluencia de dos disciplinas
independientes, la Teoría de la Probabilidad y la Estadística (dedicada originariamente a
llevar registros ordenados de los datos del Estado). La unión de ambas en el siglo XIX dio
lugar a una nueva ciencia interesada fundamentalmente en estudiar cómo obtener
conclusiones de la investigación empírica mediante el uso de modelos matemáticos.
Por un lado, sabemos que la Estadística se ocupa de la regularidad en los conjuntos de
fenómenos naturales, que manifiestan una tendencia a agruparse alrededor de cierto
centro de gravedad. El estudio de la regularidad es el punto de unión entre ambas
disciplinas. Con la incorporación de la Teoría de la Probabilidad, la Estadística ha
expandido su radio de acción a muchos campos de la investigación científica, entre ellos
el de la Psicología. El hecho de que en Psicología las variables en general también se
comporten siguiendo una cierta regularidad, por lo que es posible aplicar modelos
estadísticos.

Por otro, la Teoría de la Probabilidad estudia los fenómenos aleatorios y permite la

evaluación de la ocurrencia de las diferentes formas de presentación de los mismos.
Importancia del muestreo aleatorio en el proceso inferencial
Es evidente que de una población es posible extraer más de una muestra diferente del
mismo tamaño. Esto significa que el valor del estadístico variará de acuerdo a los
valores concretos que hayan sido elegidos. Así, de una población cualquiera de tamaño
N, es posible extraer N muestras diferentes de tamaño n. si en cada una de esas N n
muestras calculamos un estadístico, nos encontramos que el valor no será siempre el
mismo, esto es, el valor variará de una muestra a otra. Esto quiere decir que un
 9

estadístico no es un valor numérico constante sino una variable, ya que el valor concreto
que tendrá será de acuerdo a los valores con los que se haya calculado. Pero un
estadístico no es solo una variable. Es una variable aleatoria. Al extraer aleatoriamente y
con reposición una muestra de tamaño n de una población de tamaño N, el primer
elemento de esa muestra puede ser cualquiera, el segundo también, el tercero también,
etc. en consecuencia, cada elemento de la muestra puede ser concebido como una
variable aleatoria (la combinación de una o más variables aleatorias es otra variable
aleatoria).

Ahora bien, si un estadístico es función de los n elementos de una muestra, y cada uno
de esos elementos son variables aleatorias, un estadístico será también una variable
aleatoria.

Ya hemos señalado que para que el proceso sea consistente en obtener conclusiones
sobre la población, a partir de información contenida en la muestra es de importancia
esencial que éstas sean representativas. Y esto se logra con un muestreo adecuado.

Vamos a definir el muestreo como el proceso seguido para extraer una muestra de una
población. Este puede ser de dos tipos: probabilístico o no probabilístico.

En el muestreo probabilístico se conoce la probabilidad o puede calcularse la

probabilidad asociada a cada una de las muestras (o elementos) que e sposible extraer de
una población. Cada elemento poblacional tiene

Parámetro Estadístico
Valor poblacional Valor muestral
Desconocido Calculable, concreto
Constante Variable Aleatoria
Letras griegas minúsculas µ, σ Letras latinas mayúsculas X , S,
P

Habíamos dicho que el objeto de la Estadística Inferencial es extraer conjeturas o

conclusiones o afirmaciones generales, universales, a partir de unos pocos datos
particulares.

Problemas de los que se ocupa comúnmente la Estadística Inferencial

 10

Estas inferencias se refieren sobre todo a dos aspectos, los dos grandes temas de los que
se ocupa la Estadística Inferencial:

1) La Estimación de Parámetros
2) El contraste de Hipótesis

Mediante la Estimación de Parámetros se intenta dar respuesta a la pregunta ¿Cuál es

el valor de tal parámetro?

Con el Contraste de Hipótesis se intenta dar respuesta a la pregunta: ¿es razonable que
el parámetro adopte un tal valor? ¿Este valor que surge de mi muestra?

Ambas formas de inferencia son equivalentes y nos permiten llegar a una misma
conclusión. Podríamos decir que son como dos caras de una misma moneda, ya que en
la estimación de parámetros utilizamos al información muestral para formarnos alguna
idea sobre una propiedad de la población ; en el contraste de hipótesis establecemos una
afirmación sobre la población que intentamos comprobar a partir de la información
muestral.

1) Estimación de parámetros
Cada estadístico describe la muestra que se midió y tiene un parámetro equivalente que
describe la población a la que ésta pertenece. La Estadística, con ayuda del cálculo de
probabilidades, resuelve el problema de la estimación del valor de un parámetro a partir del
valor conocido de un estadístico.
2) Prueba de hipótesis
La Estadística brinda herramientas para afrontar el problema de la verificación de las
hipótesis. La prueba (o contraste) de hipótesis es el procedimiento estadístico que permite
establecer, con un grado de probabilidad determinable, si una hipótesis científica es
consistente con la información muestral obtenida. Como todo procedimiento inferencial,
requiere de muestras probabilísticas a fin de extender los resultados hacia las poblaciones
respectivas.
Mediante la estimación de parámetros intentamos dar respuesta a la pregunta: ¿Cuál es
el valor de tal parámetro?; con el contraste de hipótesis, a la pregunta: ¿Es razonable
que este valor sea el valor del parámetro de la población? Ambas formas de inferencia
son equivalentes, o podemos decir, son dos caras de una misma moneda: en la
estimación de parámetros utilizamos la información muestral para formarnos alguna
idea sobre alguna propiedad de la población; en el contraste de hipótesis establecemos
 11

una afirmación sobre la población y después recurrimos a la información muestral para

comprobar si nuestra afirmación es compatible con ella.

Legitimidad del uso de la Estadística Inferencial en Psicología

El propósito de toda investigación psicológica es producir conocimientos acerca de los
seres humanos. Por lo tanto, es fundamental que en un estudio de ese tipo, a partir de
premisas psicológicas se llegue a ciertas conclusiones psicológicas que pueden emerger de
la inferencia estadística.
Hoy en día, las técnicas estadísticas son utilizadas con frecuencia, pero al atribuir números
a manifestaciones psicológicas se hace indispensable efectuar también un procedimiento
inverso, es decir, interpretar psicológicamente los resultados numéricos obtenidos.
La Psicología moderna ha reconocido la importancia de la medida en la investigación que
se realiza en muchos de sus campos de aplicación. De hecho, los modelos matemáticos
juegan un importante papel en distintas áreas de esta ciencia (experimental, social,
industrial, pedagógica, etc.) y por supuesto, en la psicología.
Como dijimos anteriormente, la Estadística implica el estudio de la regularidad en
conjuntos de fenómenos naturales que se presentan de maneras diferentes y en tal sentido
se vincula con la teoría de la probabilidad. Ahora bien, la dispersión de los datos
provenientes de la medición de variables psicológicas presenta cierta “regularidad” muy
similar a la de los fenómenos estudiados por la Estadística. Por este motivo, es legítimo el
uso de métodos estadístico el campo de la Psicología, aunque cabe una importante
aclaración: sólo cuando va acompañado de una actitud crítica y reflexiva que implique el
empleo adecuado de los mismos. Si no es así se corre el riesgo de llegar a conclusiones
aparentemente rigurosas pero intrínsecamente engañosas.
Otro aspecto a tener en cuenta es el nivel de generalización de los resultados. Las
conclusiones no deben rebasar el límite de la población motivo de estudio. Para lograr
mayor generalización es necesario trabajar con nuevas muestras que representen a otras
poblaciones.
En conclusión, la aplicación de la Estadística a problemas concretos no comporta
un procedimiento de rutina que lleva directamente a la prueba o a la medida correcta. No
hay nada en los procedimientos estadísticos o matemáticos que nos permita verificar la
validez de nuestro proceder.
Más allá de la legitimidad del uso de las herramientas teóricas que nos brinda esa ciencia,
el valor de los nuevos conocimientos científicos que obtengamos está condicionado no
 12

sólo por la elección de determinados instrumentos estadísticos, o por la semejanza que

pueda existir entre la población y la muestra seleccionada, sino también -y esto es
fundamental- por la calidad de la conexión entre los resultados estadísticos y el tema que
se analiza, inserto -en nuestro caso- en el ámbito de la Psicología.

Definiciones básicas (Glosario)

* Inferencia: Conclusión a la que se llega por razonamiento inductivo.

* Inferencia estadística: Conclusión sobre las propiedades de una población a partir de la
información contenida en una muestra probabilística extraída de la misma
población.
* Población: Conjunto de elementos (personas, objetos, entidades abstractas, etc.) que
poseen una o más características específicas en común.
* Muestra: Subconjunto de una población.

* Muestra probabilística: Muestra seleccionada de una población mediante un

procedimiento probabilístico.

Fenómeno aleatorio
Hecho que -repetidamente observado en condiciones similares- oscila en sus
manifestaciones, por lo que su forma de presentación en una situación particular no puede
ser pronosticada con certeza.
Probabilidad teórica
Número de veces en que se presenta un determinado acontecimiento dividido por
el total de resultados igualmente probables. Su fórmula es: P(A) = n(A) / N
Propiedades de la probabilidad
*El valor de la probabilidad debe estar entre 0 y 1, inclusive. La probabilidad es 0
si el evento no puede ocurrir y 1 si es seguro que ocurra.
*La suma de las probabilidades de todos los resultados posibles debe ser igual a la
unidad.
* Parámetro: Valor numérico que describe una característica de la población.

* Estadístico: Valor numérico que describe una característica de la muestra con el

propósito de caracterizar a la población de la que forma parte.
 13

Estimación de un parámetro: Conclusión probabilística acerca de un valor descriptivo de la

población a partir de cálculos que se basan en una muestra aleatoria extraída
de la misma.

* Hipótesis: Supuesto, conjetura.

* Hipótesis científica: Conjetura de interés científico susceptible de verificación. Es una

proposición que se formula a modo de ensayo y provisoriamente.
* Prueba de hipótesis: Procedimiento estadístico que permite establecer, con un grado de
probabili-
dad determinable, si una hipótesis científica es consistente con la información muestral
obtenida.

Fundamento que sostiene el enfoque de todas las unidades desarrolladas a continuación:

La aplicación de técnicas inferenciales en el campo de la Psicología sólo tiene validez

cuando se realiza la necesaria conexión entre las conclusiones propias de la Estadística y
el tema de estudio (no estadístico), a fin de lograr una interpretación coherente y plena de
sentido.

Bibliografía

Amón, J. (1991). Estadística para Psicólogos 1. Madrid: Ed. Pirámide. Prólogo.

Introducción

Botella, J. , León, O. y San Martín, R. (1999) Análisis de datos en Psicología I .

Madrid, España: Pirámide.
 14

Blalock Jr., H. (1998). Estadística Social. México: Fondo de Cultura Económica.

Capítulos I y II

Cortada de Kohan, N. (1994). Diseño estadístico: Para investigadores de las ciencias

sociales y de la conducta. Bs. As: EUDEBA. Cap.I

Cortada de Kohan, N., Macbeth, G. y López Alonso, A. (2008). Técnicas de investigación

científica. Con aplicaciones en: Psicología, Ciencias Sociales, Ciencias de la
Educación. Buenos Aires: Lugar Editorial. Capítulo 1.

Pardo, A. y San Martín, R. (1994). Análisis de datos en Psicología II. Madrid: Pirámide.
Introducción.

Saleme, H. F. (2015). Fichas de cátedra de Psicoestadística Inferencial (inéditas),

Facultad de Psicología, UNT.