14 | Protecio Psicologia. Esta disefiado para que el alumno tenga algin sitio donde recurrir ‘cuando, terminada Ia clase y ya con la tranquilidad con la que aborda su trabajo personal, pueda repasar a su ritmo los conceptos explicados en clase. Cada concepto se explica con palabras antes que con formulas, y luego se ilustra con ejemplos. En cesta linea, hemos realizado una cuidadosa labor de seleccién en las demostraciones. Por un lado, no nos hemos sentido obligados a demostrar todo lo que decimos, pues no ¢s éste un libro de estadistica te6rica, sino aplicada, Hay autores que han hecho cexposiciones mas formales, y seguramente mejor de lo que lo hariamos nosotros. Sin embargo, tampoco queremos transmitir al alumno la impresion de que las cosas se dicen por decir y sin el debido rigor, y por ello hemos incluido un conjunto de ‘demostraciones que nos parecen irrenunciables. Ademés, la total ausencia de demos- traciones fomentaria la pereza mental en un sentido muy importante para la forma- cin de una mentalidad cientifica, Este libro es el fruto de una larga experiencia docente en la Facultad de Psicolo- sia de la Universidad Auténoma de Madrid. Esa experiencia se ha enriquecido notablemente en la interaccién con los demas profesores del rea de metodologia. Por ello queremos agradecer aqui las sugerencias y el apoyo que hemos recibido de nuestros queridos compafieros, y especialmente de Ludgerio Espinosa, Hilda Gim- bara y Andrés Palacios, profesores que comparten la dura tarea de impartir esta ‘materia a los alumnos recién legados a la Facultad. Y es a estos ultimos, a los ‘alumnos que han pasado por nuestras aulas durante estos afios, a los que queremos dedicar este libro. Madrid, noviembre de 1992 JuAN BOTELLA Onretto G. Leow Rarast San Martin’ Conceptos generales 13, 15. 10. az 14, Introduccién. Conceptos generales. Medicién. 1.3.1. Las variables: clasificacion y notacion. Estadistica e informatica. Problemas y ejercicios. 1.5.1. Soluciones.1.1. Introduecién ‘Aun siendo la estadistica una ciencia extremadamente técnica y sofisticada, el \érmino tiene también un sentido vulgar. Para mucha gente Ja palabra estadistica, evaca esas tablas de datos y esas grificas que de vez en cuando aparecen en peribdicos, en revistas, o en los anuarios, para comunicar unos datos econémicos, clectorales, demogrificos o de otro tipo. Aunque estos resiimenes de grandes canti- dades de datos son, desde luego, el resultado de aplicar técnicas estadisticas, cl ii ‘més amplio de lo que en e308 ejemplos se sugiere. ‘ propio trabajo de adquisicién de conocimiento mediante Ia investigacién cientifica, a Ia que ha proporcionado unos poderosos instrumentos para el andlisis de datos y Ia toma de decisiones. ‘Veamos algunos ejemplos de aplicaciones, a los que nos iremos refiriendo més adelante. En nuestro ejemplo 1 imaginaremos que la empresa ABC nos encarga un estudio de las caracteristicas de personalidad de su plantilla de mandos intermedios, con vistas a promocionar a dos de ellos a un puesto de mayor responsabilidad, Les administramos varios tests y cuestionarios y medimos diversos rasgos de personali- ‘dad, entre ellos el grado en que exhiben lo que se denomina patrén A de comporta- miento. Se llama patrén A de comportamiento a un conjunto de comportamientos caracterizados por la prisa la presin y el estés, tipicos de ejecutivos. En un estudio hecho sobre este patrén Friedman y Rosenman (1974) encontraron que los sujetos ‘que exhibieron este patrén tienen una mayor probabilidad de padecer prematura- ‘mente enfermedades coronarias. Al terminar la correccién de esas pruebas contamos con un conjunto de miimeros a partir de los cuales describiremos las personalidades de los miembros de esa plantilla. ara el ejemplo 2 nos hemos inspirado en los trabajos de Meichenbaum sobre inoculacién de estrés. La forma de vida de nuestros dias fomenta el padecimiento de situaciones de estrés, que el psicélogo nortcamericano Lazarus definié en términos de evaluaciones que hace el individuo en el sentido de que sus recursos personales, no son suficientes para dar respuesta a las demandas generadas por un evento18 / Ansisis de dotos on psicologta | particular. Nuestro estilo de vida hace mas probable que nos encontremos en esas Situaciones. Los psicélogos consideran que hay dos formas de abordar el problema, no excluyentes entre si: cambiar la forma de vida y el medio, o aprender a convivir con esas situaciones de una forma mas adaptativa, es deci, consiguiendo que tengan ‘menos efectos. En esta segunda via se enmarca la técnica de la inoculaciOn de estrés. Supongamos que decidimos hacer un experimento para estudiar la efectividad de esta técnica. Para ello seleccionamos a 40 sujetos y los dividimos al azar en dos ‘grupos de 20. A los 40 les evaluamos su nivel de esttés, pero luego s6lo a uno de los ‘grupos les entrenamos en la técnica de inoculacion de estrés. Les recomendamos aplicar lo aprendido a su vida cotidiana y, pasados scis meses, volvemos a evaluar el nivel de estrés de los 40 individuos. Si esta técnica es realmente itil esperamos encontrar un menor nivel de estrés en los que la han utilizado (grupo experimental) {que en los que no lo han hecho (grupo contro). Sin embargo, creemos que hay otras Variables que pueden incidir en los resultados. En concreto, el nivel cultural y la inteligencia pueden influir en el grado de comprensién tanto de la logica de la técnica como de su forma de aplicacion. Para poder tenerlo en cuenta, al comicnzo del estudio les pasamos el test de Weschler de inteligencia y les preguntamos por su nivel de estudios (ninguno, primarios, secundarios © universitarios). Al final nos encontramos con un conjunto de puntuaciones dc cada uno de los 40 sujetos, a partir de las cuales deseamos extraer conclusiones acerca de la eficacia de la téenica de inoculacion de estrés y de los efectos moduladores que puedan tener el nivel cultural y la inteligencia sobre esa eficacia. En el ejemplo 3 nuestro interés se contra en el estudio del procesumiento de informacion en tareas simples, para lo cual se ha utilizado tradicionalments como medida el tiempo de reaccién. Supongamos que quetemos conocer el tiempo que necesita un sujeto concreto para responder en la tarea «tipo o» de Donders. En este tipo de tareas se presenta al sujeto en cada ensayo uno de dos posiblesestimulos. Se le instruye para responder presionando un botén tan ripido como pueda si el cstimulo presentado es uno de ellos, mientras que sil estimulo presentado es el otro tno debe dar respuesta alguna, No en todos los ensayos el sujeto tarda lo mismo. Hay una cierta variabilidad en las distintas ejecuciones de la tarea. Para hacernos una idea global de cémo la realiza nuestro sujeto decidimos administrarle 30 en- ‘sayos de esta tarea. Al final disponemos de 30 datos, cada uno representando el tiempo invertido por el sujeto en uno de los ensayos. A continuacién nos plantea- mos la tarca de describir como realiza el sujeto ese tipo de tareas a partir de ¢s0s datos. En el ejemplo 4 de lo que se trata es de hacer un sondeo acerca del resultado de tun referéndum que se celebrard préximamente en Espafia. Lo mis exacto seria preguntarles a todos y cada uno de los espafioles por su intencién de voto, pero por azones econémicas esto no seria sensato. Decidimos, en consecuencia, seleccionar lun grupo de 3000 espafioles de todas las comunidades autonomas y edades, y les ‘onsultamos su intencién de voto. Nos encontramos con un niimero de respuestas Sly otto de respucstas NO. A partir de estos datos trataremos de hacernos una idea de cual podria ser el resultado en el referéndum (Fig, 11) Conceptos gonerales Figur 11-—En el ejemplo del sondeo se eatrac una, muestra representativa de 3000 individuos para focr infreniae sobre la intencign de voto de ln pobacion, En todos estos ejemplos, el desarrollo del trabajo llega a un punto en el que es necesario trabajar con un conjunto relativamente grande de nimeros con los que escribir aquello que estamos estudiando. Ademas, en algunos de estos estudios También lega un puuto en el que surge la nccesidad, o el deseo, de extraer conclusio- nes, a partir de las observaciones hechas, acerca de individuos que no han participa- do en cl estudio 0 de observaciones potenciales que no se han hecho. La estadistica proporciona los medios téonicos para realizar estas tareas. Estas dos grandes funciones de la estadistica (descripcién y realizacién de infe- rencias) rflejan la propia historia del desarrollo de esta ciencia. La estadistica actual fs el producto del encuentro y mutua fecundacién de dos ramas distintas del saber, la antigua estadistica y el cdloulo de probabilidades, que se encontraron en el siglo x1x. Etimologicamente, la palabra estadistica procede de la palabra estado. Ya cn la antigiiedad los romanos y los egipcios hicieron intentos por tener un conoci- miento preciso del niimero de sus habitantes y do sus posesiones, es decir, por conocer el estado de sus naciones (de ahi la raiz del término). Para ello hicieron recolecciones de datos que posteriormente tenian que resumir de una forma com prensiva y que permitiera proporcionar informaciones ities. Sin embargo, las conclusiones extraidas se agotaban en el propio conjunto de datos observados, pues el objetivo consistia en hacerse una idea clara de lo que habia, y lo que habia se contaba y media. Lo que posibilité el céleulo de probabili- dades fue, precisamente, el desarrollo de un conjunto de métodos para extrapolar las conclusiones a entidades no observadas. Es decir, proporcioné cl instrumento ade- ‘cuado para poder hacer inferencias acerca de grandes cantidades de observaciones otenciales a partir de unas pocas observaciones reales. Estas técnicas tuvieron su fundamento en el desarrollo de la curva normal por Gauss, en su aplicacién por20 / Andisis de dates en psicologls | Galton a los problemas de herencia, etc. Sin embargo, los auténticos fundadores de estas técnicas fueron Karl Pearson (1857-1936) y Ronald Fisher (1890-1962) (sobre la historia de la estadistica en psicologia, véase Cowles, 1989; Walker, 1975) Clasicamente la estadistica se ha dividido en dos partes, la estadistica descriptiva y la estadistica inferencial. Estas dos partes rellejan, como ya hemos dicho, las dos Brandes épocas de su historia, pero también pueden reflejar la profundidad de los anilisis que se realizan o, incluso, las fases de un estudio, puesto que para hacer un estudio inferencial primero hay que hacer un estudio descriptivo de los datos. Es decir, un estudio descriptivo se agota en la descripci6n, mientras que uno inferencial comienza por la descripcién y luego aborda la inferencia, Mientras que la estadistica descriptiva puede abordarse sin conocimientos técni- cos previos, aparte del dlgebra elemental, para el estudio de la estadistica inferencial es imprescindible adquirir unas nociones bisicas de probabilidad. Por ello es fre- cuente encontrar que los libros de estadistica aplicada estén organizados en, al ‘menos, es05 tres bloques. En este libro nosotros nos ocupamos de los dos primeros, 7 ean ln etal atic saferencaalparalibtrae Obras (Gaal Martin y/ Pando: 1 Podemos dar la siguiente definicién de la estadistica, en la que aparecen algunos términos de los que no hemos dado todavia una definicion precisa, aunque ello no impedira entender su significado. RD = scenes te & om de a, procedentes de mucstras, y de la ‘acerca poblaciones de las que éstas proceden Podemos decir que el sentido vulgar del término estadistica, que exponiamos al comenzar esta seccién, corresponde mas o menos a la estadistica descriptiva, mien- tras que ese otro conjunto de técnicas mas sofisticadas y desconocidas de la estadis- tica, y que se utilizan para extraer conclusiones de poblaciones a partir de la ‘observacién de unos pocos casos, son las que integran la estadistica inferencial. Por tanto, un trabajo en el que se aplica la estadistica podria clasificarse como exclusiva- ‘mente descriptivo 0 como inferencial (puesto que, como ya hemos dicho, la inferen- cia incluye la descripcién}. Si, por ejemplo, nos interesa| Je acerca de una serie de se too Bots NED que afectan a convivencia, podemos pasarles una encuesta, Con los datos recogidos podremos eet aciletteee tole cone eens ee ‘Tani la inforucin contenda’ eu ese dates brutes wtilzando lot formatos compacta y de gran calidad informativa que noe proporcion I tiva. Sin embargo, el estudio se agota en esos mismos datos; es, por tanto, un estudio dlacziptive. Si per cl contro, queer hacemos una ea dc is QA scm mined coetioae, oo poten esata | femente ss Ia encuesta, y a partir de sus resultados hacernos una idea de cual Conceptos generales | 21 nin del conjunto de ls habitantes dela ciudad (BAGSOO BS trata, por tanto, de un estudio inferencial. De la misma forma, uestro ejemplo sobre el patrén A es descriptivo, mnientras que los ejemplos sobre Ia inoculacién de estrés, el tiempo de reaccién y el sondeo de opinién, son inferenciales. Una altima idea que merece la pena destacar en esta introduccién ¢s la distin ci6n entre al estudio Segin Kruskall (1974), «.. estadistica aplicada, al menos en principio, es fa aplica~ ‘ion documentada de métodos que han sido tedricamente investigados, es decir, el salto real después de estudiar la tcoria del salton (pig. 390). De los modelos y métodos que proporciona Ia estadistica tebrica y las técnicas coneretas y usos que desarrolla la estadistica aplicada, no todos son utilizados en ta misma medida por las distintas ciencias. Por ello, a veces, para referrse al conjunto de técnicas mas utilizadas en cada una se utilizan nombres tales como bioestadistica, psicoestadistica o socioestadistica. Algunos autores han propuesto para los conteni- dos de la estadistica aplicada otros términos, entre los que destaca el de andlisis de datos (Tukey, 1962), cuyo uso va extendiéndose cada vez mas en los nuevos planes de estudio de las Facultades de Psicologia, y que da nombre a este libro. 1.2, Conceptos generales Cualquier trabajo en el que se aplica la estadistica se refiere a un conjunto de entidades, conocido con el nombre de poblacién, aunque en la prictica a veces el trabajo se desarrolle utilizando sélo una parte de ese conjunto; podemos dar la Siguiente definicién: SSS : ‘uestro ejemplo sobre el patrén A son las personas que integran la plantilla de mandos intermedios de la empresa ABC; en el ejemplo de la inoculacion de estrés Son toda la especie humana; en el ejemplo del tiempo de reaccién serian todas las ealizaciones de la tarea tipo ¢ que potencialmente puede realizar nuestro sujeto ‘©xperimental; en el ejemplo del sondeo son todos los espafioles en edad de volar Dependiendo del niimero de elementos que la compongan, la poblacién puede Set finita © infnita, Los nifios que estudian EGB en la ciudad de Madrid, los nifios22 | Anéisi de dotos en psicologie | invidentes espatioles, las empresas del ramo de la construcci6n de la comunidad de Madrid, 0 as poblaciones de nuestros ejemplos sobre el patron A, la inoculacidn de estrés y el sondeo, son casos de poblaciones finitas, puesto que en ellas los elementos se podrian contar, obteniendo un niimero finito. El nimero de lanzamientos posibles de un dado, el conjunto de los nimeros pares, o la poblacién de nuestro ejemplo sobre tiempo de reaccién, son casos de poblaciones infnitas, puesto que teorica. mente no tienen un limite, y por muchas observaciones que realicemos siempre podriamos recolectar alguna mas. ‘La mayor parte de las poblaciones con las que solemos trabajar son fnita, pero tan numerosas que a la hora de hacer inferencias acerca de ellas se pueden considera infinitas a efectos pricticos (en este caso estarian la poblaciones de nuestros cjemplos sobre inoculacién de estrés y sobre intencién de voto). En la estadistica hay procedi- tientos de cilculo que varian dependiendo de que la poblacién sca finita o infinta, Pero a medida que se va incrementando el tamadio de las poblaciones finitas el uso de uno u otro procedimiento resulta indiferente, puesto que dan resultados cada vez mas parecidos. En consecuencia, la mayor parte de las veces nosotros trabajaremos con poblaciones infinitas, va porque lo sean de verdad, ya porque su tama sca tan ssrande que tomarlas por tales no alecta pricticamente a los resultados. Cuando un investigador aborda un trabajo empirico debe definir claramente la oblacién sobre la cual se interesa. La poblacién ha de ser el marco o conjunto de referencia sobre el cual van a recacr las conclusiones © interpretaciones, y éstas no pueden exceder ese marco. El hecho de que las poblaciones sean, por lo general, muy numerosas,suele haver inacoesible la descripcién de sus propiedades. De ahi que se trabaje fundamental. ‘mente con muestras, Una (ESS un sABQORJUBIOIMR Los elementos de una OBISEISREN) La muestra nos va a offecer una serie de datos que podemos ordenar, simplificar Y describir. Pero el objetivo fundamental es el de poder describir la poblacién de Partida mediante lo que podamos encontrar en la muestra. Siguiendo con nuestros ejemplos, podemos decir que lo que nos interesa no es Ia eficacia de la técnica de inoculacién de estrés en los 20 individuos concretos seleccionados para el grupo experimental de nuestro estudio, ni la forma de responder en los 30 ensayos de tiempo de reaccién aplicados, ni la opinion de Ios 3.000 encuestados acerca de la Pregunta del referéndum. Lo que nos interesa realmente es extraet conclusiones generales acerca de la eficacia general de la técnica, la forma general de responder en (GBR Vedmoslo con otro ejemplo. Supongamos que queremos estudiar la estatura espafioles, y para ello nos situamos en una calle de nuestra ciudad y nos Conceptos genersies | 23 disponemos a preguntar a los primeros 100 que pasen por aquel punto. Si por una casualidad nos hemos situado cerca de un polideportivo donde se practica el balon cesto, al cual suelen dedicarse individuos altos, los datos que recogeremos no seri representativos. Si Jo que intentamos es hacernos una idea de cuél puede ser la estatura media de los espafioles a partir de la estatura media de los integrantes de esa muestra, nuestras conclusiones no serin correc Existe todo un campo de la estadistica, lamado , dedicado a estudiar procedimientos de extraocién de muestras encaminados a maximizar la representati vidad de las mismas. Sélo un adecuado muestreo asegurard la representatividad de Ja mucstra. Aunque no vamos a detenernos en ello, puesto que hay excelentes obras especificas sobre el muestreo (Azorin y Sénchez-Crespo, 1986), vamos a poner un ejemplo con el que ilustrar su funcién. Supongamos que queremos hacernos una idea de cémo de positiva o negativa cs la actitud de los estudiantes de psicologia de | UAM hacia la universidad espaffola. Dado que se trata de una poblacién de 2000 individuos, decidimos extraer una muestra de 100 de ellos para hacer Ia consulta, con la intencién de generalizar luego los resultados a los demas. Por razones de accesibilidad, o incluso como consecuencia de un sortco, decidimos tomar a los del aula 10, que resultan ser alumnos de primero. Si tomamos las opiniones de los de Primero como base para hacernos una idea de Ia opinién de nuestra poblacion Probablemente cometeremos graves crrores. Los alumnos de primero suelen legat on una idea a priori relativamente positiva, en los siguientes cursos se van desen- cantando, y s6lo al final de Ia carrera recuperan un poco la opinién positive, y Piensan que la universidad no es tan mala después de todo. Es decir, la opinién no es independiente del curso. Para evitar este problema podriamos adoptar la siguiente Solucién, Si el nimero de alumnos de cada curso es, respectivamente, 700, 400, 300, 300 y 300, podriamos formar la muestra a partir de unas cantidades de individuos de cada curso proporcionales a su tamafio. Por ejemplo, tomando al azar 35 de Primero, 20 de segundo y 15 de cada uno de los tres cursos restantes, tendriamos luna ‘muestra de 100 alumnos en cuya composicién se ha tenido en cuenta Ia influencia del curso en la actitud hacia la universidad. Las conclusiones que extrai- amos de csa muestra acerca de la poblaciOn de estudiantes de psicologia de la AM serén probablemente mis certeras que las extraidas a partir de una muestra Compuesta s6lo por alumnos de primero. Aunque el objetivo mas importante de toda investigacién sucle ser la extraccién : conclusiones acerea de Ia poblacién a partir de la informacién contenida en la Musstra observada, es claro que ese objetivo sélo se alcanzard plenamente en la Tysid €® que esa informacién se aproveche correctamente y en todas sus posibi- tidades. Por ello un primer objetivo de la estadistica deseriptiva consiste en com. Graut Testimenes de los datos en indices compactos y de gran calidad informa. iva, laciones pueden caracterizarse a partir de unas constantes denominadas ‘Como normalmente los parametros son desconocidos, una de las tareas sai stdlistica es In de hacer conjeturas lo mis acertadas posibles acerca do esas “Aotidades. Para ello se utilizan cantidades andlogas obtenidas en las mucstras, que24 | Anslcis de datos en psicologia | se denominan estadisticos. Por tanto, podemos establecer las siguientes definicio- Un MEMES cs una propiedad ae una Un fig) es una propiedad eu Por ejemplo, el estrés medio de los seres humanos o el tiempo medio que invertiria ‘nuestro sujeto en todas sus hipotéticas realizaciones de la tarea c, son ejemplos de pardmetros. Como estas cantidades son desconocidas, normalmente hacemos conjetu- ras sobre ellas a partir de cantidades similares obtenidas en las muestras. Asi, es casi seguro que el estrés medio de los 40 individuos de nuestra muestra antes de aplicar el tratamiento no es idéntico al de la poblacién, pero si la muestra utilizada es realmente representativa probablemente la media poblacional, o parametro, no difiera mucho de la media muestral, 0 estadistic. Los parémetros y estadisticos no sélo son medias, sino que pueden ser otros tipos de cantidades, como porcentajes. Ejemplo de ello es nuestro sondeo, en el que el porcentaje de individuos de la poblacién con intencién de votar Si se considera un parimetro, Veamos otro ejemplo tomado de la psicologia. Suponga~ ‘mos que un investigador esté estudiando la eficacia de un método terapéutico en la rehabilitacion de enfermos alcohélicos. Ante la imposibilidad material y la dificultad econémica que supone utilizar para la experiencia a todos los enfermos alcohélicos, decide tomar 100 individuos que vienen a su consulta a lo largo de un mes. Esta muestra es una muestra representativa de la poblacién de alcohéticos. Utiliza el método con cada uno de los 100 enfermos y tras el seguimiento correspondiente observa que no reinciden 60. Esto significa que se ha rehabilitado el 60 por 100 de los alcohélicos. El valor 60 es un estadistico. Si al cabo de algin tiempo desea replicar la experiencia y toma otra muestra de alcohélicos y se recuperan $8, tendremos el mismo estadistico en otra muestra. Repitiendo sucesivamente la expe- riencia con muestras de 100 sujetos aleohélicos, se encontrar con distintos porcen- tajes. Ninguno de ellos puede considerarse con seguridad el verdadero porcentaje de los que se rehabilitarian en Ia poblacion con cl método en cuestién, pero cada uno de ellos puede utilizarse para hacer conjeturas acerca de ese verdadero porcentaje 0 parémetro. En la prictica no serd preciso estar repitiendo el experimento; bastard con obtener una nica muestra y, por tanto, a partir de ella tratar de estimar el pardmetro. Para ello es fundamental que Ia muestra sea representativa de la pobla- cidn y que el estadistico calculado re(ina la informacion nevesaria y suficiente para que a partir de él podamos decir algo acerca de la verdadera eficacia del tratamien- to, el verdadero porcentaje de los que se rehabilitarian con ese nuevo método, es decir, el parametro. Desde un punto de vista simbélico conviene indicar, para distinguirlos apropia- damente, que los pardmetros se suelen representar por letras griegas (14, 0, x, etc), Conceptos generaes | 25 mientras que los estadisticos se suelen simbolizar por letras latinas (X, S, P, ete.) En la primera fase de una investigaciOn se obtienen los estadisticos, y en la segunda se utilizan los valores obtenidos para hacer inferencias acerca de los pardmetros. ‘Cuando estudiamos las entidades que conforman una poblacién nos interesamos por alguna de las propiedades de sus elementos, y esas propiedades adoptan distin- tas variedades (Amén, 1984): Una una propiedad 0 Una cada una d las HABA como se presenta Si trabajamos con la poblacién espfiol, sus elementos tienen las caractritcas sexo (que adopta dos modaidades:varbn y hembra), estado civil oltero,casado, indo.» esatura (cada una de las estaturas diferentes que adoptan los espafoes), intelgencia(eada uno de los posible valores diferentes que adoptarian los espafoles to intlignci, segin el instrumento que uticemos para evalual), et. Por supuesto, ln picologia fe centra en aquellas caracteriticas que son propias desu objeto de estudio, como la intligenci, Ia memoria, la personalidad, et. Enel pincio Je nuestros cjerplos no intreadbames por un asgo de perconalidad, en el Segundo por el nivel de estés, en el teearo pore tiempo de reacciéninvertido, yen él cuarto por la intencin de voto. Cada ua de esas caractersias puede mostrar Gistntas modalidades (grado en que se tiene el patron 4, nivel de estes, distintas cantidades de tempo J opciones de voto). 1.3. Medicién La estadistica no realiza sus funciones directamente sobre las modalidades obser- vvadas, sino que éstas se representan por niimeros, y la estadistica realiza sus funcio- nes sobre esos nimeros. Se lama geaiein al proceso de(@URISHEHURERDs 2 las caracteristicas. La asignacién de niimeros a las caracteristicas se hace siguiendo unas reglas; del sstudio de los modelos mediante los cuales conocemos las reglas para una correcta atribuciOn de los nimeros se ocupa lf ‘Ya hemos visto que las caracteristicas permiten calificar a los individuos. Algu- tos de ellos adoptan la misma modalidad de una caracteristica, mientras que otros adoptan modalidades diferentes. De algunas caracteristicas incluso podemos decir ‘que unos individuos la exhiben en mayor medida que otros. Es decir, a partir de una26 / Andisis de datos on psicologle | caracteristica se puede establecer smpirico, porque se refiere a entidades y relaciones reales). [gualmente, el sistema numérico esta formado por un conjunto de entidades (ntimeros) y unas relaciones entre ellos. Es decir, que strat den QP bien, el objetivo de la medicién de una caracteristica €5 lacional empirico y un sistema relacional numérico, de tal forma que las relaciones entre las entidades se reflejon en Tas relaciones entre los nimeros que los simbolizan. Sélo si se consigue este objetivo ‘ocurriré que de las relaciones entre los nimeros podran hacerse inferencias vAlidas ‘acerca de las relaciones entre las entidades. Esta puesta en relaci6n es lo que Stevens: (1949) llamaba schemapiric union. Por ejemplo, las modalidades que adopta la variable estatura son tales que se podria decir que una determinada modalidad es tuna estatura superior a otra determinada modalidad. Pues bien, los niimeros que se atribuyan a esas modalidades en el proceso de medicién deben reflejar esa superiori- dad. Por el contrario, lo éinico que podemos decir al comparar las modalidades de ‘dos individuos en la variable sexo es si esas modalidades son la misma o no; no tiene sentido decir que una de las modalidades supone tener mas sexo que la otra. Los riimeros asignados a esas modalidades deben reflejar simplemente ese hecho diferen- cial, y de la comparacién de los nimeros no podra deducirse conclusiOn alguna distinta a la de que esos individuos tienen 0 no el mismo sexo. Es habitual asignar los valores 0 y 1 a las modalidades de variables como el sexo, pero en ningin caso tun 1 representa joridad sobre un 0. es, a estudia las condiciones de de representaciones Ios xrollados para la mediciOn se llam: Aunque éste no es el sitio rar en profundidad en el complejo camy edicion (para una exposicién més detallada y técnica puede consultarse la obra de Jéiez, 1989), vamos a exponer las caracteristicas fundamentales del sistema de clasificacién de escalas propuesto por Stevens (1946; véase también el libro de Stevens de 1975), y ue es todavia la clasificacién Pcersticas que considera relevant para su trabajo deinvestigaion y a elas aplica un esquema de clasifcacin, sin el cual no trode sealizar su trabajo de registrar, ordenar y comunicar 10 obervado, En so forma mis simple y primitiva, un eaquema no es mis que una rela que permite ‘ciraie ls observations en clacs de equivalenci, de manera que las oboervaco- seertue son includes en la misma case son consderadas como cualitaivaments Ipuale y ls que son inclidas en clases dilerentes son consideradas como culitai vamente diferentes. Se ulliza una dase por Tas modabidadee qu adopts eS (GRIMIBGARIES sir, cade observcion es incu en una y so una clase. Supongs- moe que tenemos un eonjunto de objets (On =» 25 ave nen una caracteristica sro, atudie nos interna, Bea saracterisuca adopta un nimero k de modalidades distintas; representamos por m(o,) a la modalidad del objeto o,, Asignamos nimeros Sr einer en funcien de modalidad que presentan ‘en esa caracersca, + etscahanes por nf) al admero asgnad al objeto o, Establecemos una reg de Conceptos genereles | 27 asignacion de ntimeros a los objetos de tal forma que se cumplan las siguientes condiciones: Si_n(o) = nfo), entonces_m(o) = m(o,) Si rfo) # m(0), —entonces mo) # m(o) A sencillo tipo de medicin que cumple estas condiciones se le lama escalamien- to cualitativo 0 nominal, y al conjunto de clases que la integran se le Hama escala nominal En realidad no haria falta asignar nimeros a las clases formadas; podrian utilizarse otros simbolos, como letras, palabras, etc, puesto que los niimeros asigna~ dos no se van a utilizar como tales, sino como simples cédigos de identificacién. ‘Yeamnos algunos ejemplos de escalas nominales. Un ejemplo muy sencillo que suele utlizarse para ilustrar este tipo de escalas es el sexo. Esta cs una caracteristica con la {que podemos diferenciar a las personas. Podriamos tomar una muestra representa vay clasificar a sus elementos segin esta caracteristica, que adopta slo dos modal Gades, asignando el valor a los varones y el valor 0 alas hembras, Tras realizar esa operacién tendremos a los elementos de la mucstra clasificados en dos clases de equivalencia, una por cada modalidad, que son mutuamente exclusivas (ninguno de Jos clementos es incluido simultaneamente en mas de una clase) y exhaustivas (todos Jos elementos han sido asignados a alguna de las clases utilizadas). Ahora podemos Utilizat los niimeros utilizados para extracr informaciones como las siguientes: todo par de individuos a Jos que se les ha asignado el mismo niimero tienen el mismo sexo, y todo par de individuos a los que se ha asignado distinto nimero tienen distinto sexo. Tal y como hemos dicho antes, podriamos no haber utilizado nime- ros, sino otros simbolos, como letras (x y f) 0 palabras («varén», «aujer»). Otros ejemplos de caracteristicas que se miden a nivel nominal son los diagnésticos pPsicopatologicos (neurosis, picosis, psicopatias, etc), el estado civil (Soltero, casado, vido, ete), la comunidad auténoma donde han nacido los miembros de una mues- tra de espaiiles (Andalucia, Arag6n, etc), el tipo de sangre de los seres humanos (A, B, AB o 0), ola asignatura preferida por los estudiantes de COU de un instituto determinado (matematicas, biologia, etc). La clave de estas escalas de medida es que sélo informan de la igualdad o desigualdad de los individuos en una caracteristica, pero no de posibles ordenaciones, puesto que la caracterstica Ia que se refieren no se tiene en mayor o menor medida, sino que simplemente adopta formas cualitativa- mente distintas, No puede decirse que las hembras tengan «més sexo» que los varones, que los «neurSticos» tengan més psicopatologia que los psicopatas, que los castellanos tengan mas comunidad de origen que los madrilefos, ni tiene sentido sacar conclusiones comparativas de las asignaturas a partir de los cédigos con los ue se representan en los impresos de matricula Un concepto intimamente ligado al concepto de escala, y que de hecho las cay que hace referencia al problema de la ‘cuestion de Ia unicidad puede plantearse de la siguiente28 / Ansivis ce detos en psicologie | forma: jes la representacién numérica que hemos construido la ‘inica posible? En general la respuesta seri negativa. Mas bien seran muchas las representaciones alternativas que serian correctas, por cumplir las condiciones exigidas en la escala correspondiente. De un conjunto de valores correctamente atribuidos se puede pasar 2 otro también correctamente atribuido mediante una transformacién admisible. En otras palabras, se dice que una transformacién de los nimeros asignados en una scala es una transformacién admisible si preserva las caracteristicas que definen a esa escala, es decir, si los némeros transformados también representan al sistema empirico, Por ejemplo, ,podriamos utilizar los cddigos 5 y 3 para representar a los dos sexos en lugar de los valores 1 y 0? Electivamente, podriamos haber utilizado 80s eédigos para hacer la medicién, y también podemos ahora transformar los, «unos» y «cer0s» asignados utilizando la siguiente regia: «sustituir todo 1 por un 3 y todo 0 por un 5», Esta transformacién de los valores originales es una transformacion admisible porque los valores obtenidos mediante su aplicacién siguen cumpliendo las condiciones especificadas anteriormente para toda escala nominal. En términos mas técnicos diriamos que en una escala nominal son admisibles todas las transformacio- ‘nes que supongan aplicaciones inyectivas. Como veremos, el conjunto de transforma- ciones admisibles determina el tipo de escala o grado de unicidad de la medida. Debemos advertir que algunos autores consideran que las escalas nominales no son casos de auténtica medicién, puesto que consideran que para que haya medicién la caracteristica con la que se esté trabajando debe exist en alguna medida, y las modalidades que adopte no son més que las diferentes magnitudes con las que se presenta esa caracteristica. En los tres tipos de escala que vamos a ver a continua- cién se da esta circunstancia, de forma que los nimeros asignados a las diferentes modalidades no sélo van a reflejar similaridades o diferencias, sino que van a permitir concluir acerca de las magnitudes relativas con las que se presenta la caracteristica, ‘Supongamos que contamos de nuevo con un conjunto de objetos (04, 03, 2) ‘que difieren en una caracteristica que cada uno posee en una cierta cantidad [c(0,), (02), «» ¢{0,)}. De nuevo el proceso de medicién debe consist en la aplicacion de una regla de asignacién de nimeros a las diferentes cantidades, pero ahora de tal forma que los niimeros asignados a los objetos (n(0,), (03), «» n(0,)} reflejen esos distintos grados en los que se presenta la caracteristica. De esta forma, los nimeros asignados nos permitiran extraer conclusiones acerca de las magnitudes. Sin embargo, 2 veoes lo nico que esos nimeros nos permiten infrir son relaciones del tipo «mayor ‘que> 0 «menor que». En conereto, a veces la escala con la que estamos trabajando ‘cumple s6lo las dos siguientes condiciones, para todo par de objetos 0, y 0, Si n(o) = n(o}, entonces (0) = co) Si_n(o) > n(o), —entonces_e(0) > c(o) emai 2 08 90s corps erecta 0 Lr tame s. También se dice que se est haciendo una medicién a nivel ordinal. ‘Obsérvese que las condiciones mencionadas anteriormente implican un paso més Conceptos goneroles | 29 allé de las escalas nominales. Al igual que en estas Giltimas, de dos objetos con el ‘mismo niimero asignado podemos concluir que presentan la misma modalidad (en este caso tienen la misma cantidad de esa propiedad), pero de dos objetos a los que se han asignado nimeros diferentes no slo puede decirse que son diferentes en esa caracteristica, sino que pueden establecerse relaciones del tipo «mayor que» o menor que», puede decirse cuél de esos objetos presenta una mayor magnitud de esa caracteristica. Dicho de otro modo, los objetos pueden ordenarse, y de ahi ol nombre de la escala. Un ejemplo tradicionalmente utilizado para ilustrar este tipo de escalas es Ja medicion de la dureza de los minerales. Supongamos que tomamos cuatro minerales (0,, 02, 03 ¥ 04) y tratamos de rayar unos con otros, haciendo todas jas eombinaciones posibles. Cuando un mineral raya a otro se dice que el primero cs més duro que el segundo. Dos minerales con distinta dureza no s6lo son di- ferentes en esa caracteristca, sino que se puede decir que la poseen en distinta magnitud. El proceso de medicién, 0 asignacién de niimeros, debe ser tal que refleje esas distintas magnitudes. Supongamos que 0, ha rayado a todos los demis, mientras que 0, ha rayado a 03 y 0,,¥ por tiltimo 0, ha rayado a 03. La ordenacién de los objetos segin su dureza seria la siguiente: oy, 0;, 04, 0, Pues bien, en tuna escala ordinal los niimeros asignados deben respetar esa ordenacién. Por ejemplo, podriamos hacer la siguiente asignacién: n(0,) = 4, n(0,) = 3, n(0,) = 2y n(o,) = 1. La comunicacion de esta informacion permite al receptor extraer conelusiones del tipo «el objeto 3 tiene una mayor dureza que el objeto 4 0 «el objeto 2 tiene una menor dureza que cl objeto 3n. En psicologia son muchas las caractersticas cuya medicién se considera que esti a nivel ordinal, pues son muchos los casos en los que lo unico que puede decirse es que un individuo es mas extravertido que otro, que un nifio es mas hiperactivo que otro, 0 ue el aprendizaje es més rapido con el método A que con el método B. Igualmente, si fomamos las ealficaciones como un indice de los conocimientos de un estudiante, entonces lo tinico que podemos decir de un estudiante con sobresaliente es que tiene mejores conocimientos que otro con notable, y éste que otro con suficiente Apliquemos de nuevo el concepto de transformacién admisible a este tipo de escalas. Como el lector habra ya anticipado, no todas las transformaciones que eran ‘dmisibles en las escalas nominales lo son para las escalas ordinales. Es indiscutible ue en lugar de la asignacién propuesta para los metales podriamos haber utilizado ‘muchas otras, como por ejemplo el cuarteto de valores n(o,) = 8, m(0,) = 6 nl04) = 4, n(o,) = 20 el cuarteto n(o,) = 35, n(o,) = 24, n(o,) = 23, n(o3) = 5. En ‘cambio, no hubiera sido correcto el euarteto n(03) = 1, n(o,) = 5,m(og) = 9, n(03) 8, puesto que no respeta las condiciones mencionadas anteriormente. Pues bien, al ‘gual que en las escalas nominales, las ordinales tienen unas transformaciones admi- Sibles, que logicamente serdn todas aquellas que preserven las caracteristicas de la ‘scala ordinal. Se puede demostrar que esto ocurre con todas aquellas transforma- no), entonces ¢[n(o)] > #Ln(o)) Por ejemplo, podriamos tomar los valores asignados en nuestro ejemplo de la dureza de metales y hacer la transformacién 1, = n(o):5 + 8 En cambio, las transformaciones %; = n(o)-(—5) 0 = I/n(o) no serian admisibles, porque los valores obtenidos con estas transformaciones no respetarian las reglas de esta escala, de medida. La limitacién de las escalas ordinales es que aunque nos informa de que un objeto presenta la caracteristica en cuestién en una mayor magnitud que otro ‘objeto, no nos dice en cuinto més. Para poder extraer conclusiones més precisas, como la de en cuanto mas presenta la caracteristica un objeto sobre otro, hay que contar con una unidad de medida, y para ello hay que pasar al siguiente tipo de scala. Un ejemplo de este tipo de escalas en ciencias sociales podria ser el del nivel cultural en nuestro estudio sobre la inoculacién de estrés. Supongamos que asignamos alos sujetos los siguientes valores: | sino tiene estudios; 2 si son primarios; 3 para secundarios, y 4 para estudios universitarios. Estos mimeros pueden utilizarse, con cierto margen de error, para hacer inferencias del tipo «igual que» o «mayor quem. ‘Supongamos ahora una escala en la que ademés de las dos condiciones expresadas para las escalas ordinales se cumple una tercera, segin la cual para cualquier objeto o, no) A este tipo de escala se le ama @SBBIAMEIMERB. La tercera condicién afiadida a las exigidas para una escala ordinal impone que el nimero asignado al objeto 0, y ‘que representamos por n(o), sca una funcidn lineal de la magnitud real que ese objeto presenta en la caracteristica en cuestién.* La clave que encierra esta tercera condicion, y que supone una mejora sustancial con respecto a las escalas ordinales, es que se cuenta con una nidad de medida, sin importar que tanto esta unidad de medida como el origen de la escala scan arbitrarios. Lo cierto es que si se cumple festa tercera condicién podemos extraer consecuencias acerca de Ia igualdad 0 desigualdad de diferencias. Es decir, que para todo cuarteto de objetos, 0% 0 04 se cumplen las siguientes condiciones: at b-co) — sindo 6 #0 Si no) — n(o) = nlo,) — rio), entonces —¢(0) — e(0,) = e(0,) ~ (0) y Si nfo) ~ nlo)) > nfo) ~ nfo) entonces —efo,) — e{0) > ela) — c(o) * Aunque en el eaptulo 10 abordaremos mis en profundidad las funciones Hindle, recordaremos ‘gui al lector que'unafuncion lies! et aquella que adopts la forma Y~ A+ BX, siendo BO. Conceptos generates | 31 igs decir, que sila diferencia entre los nimeros asignados a dos objetos es igual a la Giferencia entre los nimeros asignados a otros dos, entonees también son iguales fas diferencias en magnitudes entre estos dos pares. ¥, por el contrario, una mayor diferencia entre los nimeros asignados implica una mayor diferencia entre las magnitudes representadas. Elejemplo clasico de este tipo de escalas es el de las temperaturas. Para construir fa escala centigrada se enfria el agua hasta la temperatura de congelacién, y se pone tn cero en la altura que alcanza la columna de mercurio. Después se calienta el agua hasta el punto de ebullicién, y donde se encuentre Ia altura de la columna de mercurio se marca un cien. Posteriormente se divide el espacio entre esas dos marcas fn cien partes iguales, a las que se llaman grados centigrados. Si utilizamos este instramento para medir la temperatura de los objetos, podemos extraer conclusiones ‘como las siguientes: «si los objetos 0, y 03 estén a 25 y 20 grados, respectivamente, y Ios objetos 0, y 0, estan a 17 y 12 grados, respectivamente, podemos decir que la diferencia de temperaturas entre los objetos 0, y 0, es igual a la diferencia de temperaturas entre los objetos 03 y 04. Por otra parte, si los objetos 0, y 0g estan a 10y 7 grados, respectivamente, entonces podemos decir que la diferencia entre los dos primeros pares ¢s mayor que la diferencia entre este ultimo par. En las escalas cordinales no podiamos hacer este tipo de afirmaciones acerca de las diferencias de magnitudes. La condicién para que una transformacion de los mimeros asignados en una scala de intervalos sea una transformacién admisible cs que esa transformacion sea el tipo @ + 6: n(o), siendo 6 > 0. Si en la condiciOn afiadida para este tipo de escalas sc decia que los némeros asignados deben ser transformaciones lineales de Jas magnitudes reales, entonces son admisibles las transformaciones que sean tam- bin lineales, puesto que una transformacion lineal hecha sobre otra transformacion lineal también representa una transformacién lineal sobre las magnitudes iniciales Por tanto, también preservan las condiciones de la escala. Las transformaciones admisibles para las escalas de intervalo no significen més que un cambio en la lunidad de medida y en el origen asignado a la escala, valores ambos arbitrarios en se tipo de escalas. La constante multiplicada, 6, ha de ser positiva, porque en caso de ser negativa conduciria a una ordenacién inversa, violando la condicién de que la ‘tansformacién sca oreciente, y en caso de ser nula conduciria a una constante. La principal fimitacin de este tipo de escalas es que, aunque cuenta con una 10. Es decir, el niamero En el caso de laro que €l valor cero no significa temperatura nula, puesto que pueden observarse tempe {urasinferiores. Un ejemplo de transformacién admisible de esta escala es su tradue- ion a grados farenbeit. Esta transformacion se hace con la formula °F = 0/5) °C + 32 {Que pertenece al tipo indicado de las funciones lineales. En la escala centigrada cada Srado cs igual a nueve quintos de un grado farenheit (la unidad de medida es32 / Anilisis de detos en psicologia 1 distin y ol cero se aigna a una canidad de temperatura que corespondera a 32 ‘grad vescala farenheit (el origen de la escala es distinto). Otro ejemplo tipico ee Puede dere que el empo iranscurido desde 1960 hasta 1966 co el mismo que desde 1984 hasta 1990, puesto que el ano cs una unidad de medida constante. Por el contrario, no puede decirse que hasta el afio 1000 haya pasado el doble de tempo que hasia el aio 500, porque el valor ero no representa, el comicozo del emp, sino que es un orien arbitaio. Efectivamente, la limitacin de esta escala es que no cuenta con un cero absolu- to; el nimero cero no se corresponde con una ausenia real de esa earacteratca Esto lo que impide no poder extract conclusiones todavia. mis pi nde eta Unita aos leva al evato tip de ecaay, mada MBO ca as ges stuye I erera condi de as exes de itervalo por otra més restrictiva. En concreto, se requiere que para todo objeto, o, nfo) = aco), siendo a > 0 Esta tercera condicién 61 icado del valor ]@ oe orm sue em Por seul la medicién de las distancias puede hacerse con el sistema métrico decimal, en ‘metros y centimetros, o con el sistema norteamericano, en yardas, pies y pulgadas, Pero en ambos casos cuando se dice que algo mide cero significa lo mismo. Esto no ‘curria con la temperatura, en la cual el cero de la excala Farenheit no correspondia ‘con el cero en ta escala centigrada. La consecuencia fundamental de la presencia de un origen absoluto, y no arbitrario, es que ademés de poder extraer conclusiones acerca de la igualdad o desigualdad de diferencias, también puede hablarse de la ‘gualdad 0 desigualdad de razones. As, para todo cuarteto de objet0s, 2p 2p 2p 0 S€ ccumplen las siguientes condiciones: si aa - 2, one) He y entonces oa > Dicho en palabras, si al medir distancias decimos que el objeto 0, mide 10 y €l objeto 0, mide 5, entonces podemos decir que el objeto 0, mide el doble que el objeto 0,, al igual que siempre que el cociente entre dos mediciones de distancias nos Conceptos generales | 33 CUADRO 11 Las escalas de medida individuos se clasiica simbolizando con ui Posteriormente se hace una transformacién admi Oasylo3, ‘Transform, MM | Medien | 0 0 admisble [ 5 5 MoM oo 5 Iv ti 3 uev[ — oof — 53 GRDIRAD: 1 RETA sisins mes ge ee Ronen et cxdencon, POOR une undormecon atl Gecir, una que respeta esa ordenacién. Transform. Meticiin [2 admisible [21 ° 1 1 le 4 8s — af — 8 INTERVALO: Las cantidades de calor, (0), pueden representarse por distintos con- juntos de mimeros, en tanto en evanto en ellos se mantenga que la diferencia de ‘emperatura entre los abjetos | y 2 sea la misma que la diferencia entre los objetos 3 y 4, y ambas sean mayores que la diferencia entre los objetos 2 y 3, Estas condiciones las cumplen tanto la escala centigrada como la escalafarenbeit. Ade- ‘mas, de cualquiera de ellas puede pasarse ala otra, pues cada una es una transfor- mmacion admis le para la otra. Cada una tiene su propia unidad de medida y su origen propio (0) ep a ee ee34 / Andisis de detos en psicologie 1 CUADRO 1.1 (continuacién) GHD. Las longitudes, fo), pusden epresenarse también por distintos conjuntos de nlimeros, en tanto en cuanto en ellos se mantenga que el objeto 2 tenga el doble {que el objeto 1, y que el cociente entre los nimeros asignados alos objetos 3 y I sea ‘mayor que el cociente entre los niimeros asignados a los objetos 2 y 1. Estas ‘condiciones se cumplen tanto al medir en metros como al medir en yardas. Se puede pasar de una a otra; son transformaciones mutuamente admisibies, ya que ‘aunque cada una tiene su Unidad de medida, ambas respetan el cero absoluto, que coincide en las dos, y representa la ausencia de esa caracteristica. CUADRO 12 Resin de las escalas de medida Tipo Informacion deducile — jemplos GED) Relaciones deuat quer —| Aptcacones | AED « 0 estinto que» inyectvas | ~ elo. Relaciones «mayor queen | Funciones | Dureca oeconémiea 0 gual que» crecientes | grado de asertvidad No |femidd o deigutad de Jo + «| ERE) diferencias a) inteligenci, (me | teuatdac o desigualdad de | b-x | Longitud, peso. ‘razones b#H dé igual a 2 significara que una mide el doble que la otra. Por otra parte, un mayor cociente entre dos mediciones siempre indicaré una mayor razon de las magnitudes de los objetos, en este ejemplo distancias. Conceptos gonerales | 35 La tinica transformacién admisible en una escala de razén es 1a multiplicacién jor una constante positiva, puesto que sélo estas transformaciones preservan cl Fro, mientras que permiten un cambio cn la unidad de medida. Por tanto, las transformaciones admisibles son del tipo b: n(o), siendo b > 0. Estas transformacio- pes no son mas que un cambio en la unidad de medida Las variabl 134 : clasificacién y notacién En el proceso de medicién se asignan nimeros a los objetos segiin unas reglas, y cl conjunto de valores numéricos atribuidos a las modalidades de una caracteristica ‘constituyen lo que llamamos variable estadistca. Por tanto, podemos dat la siguien- te definicidn: Une gb ¢s una ceRSERASOROEE de una ERED Este término refleja el hecho de que los valores atribuidos a las correspondientes modalidades de una caracteristica permiten diferenciar a los objetos, que varian tnire sien esa caracteistca, En el caso de I psicologia,éxta se oentra en el estudio de as variables que le son pr jo. Por el tontrario, hay woos en ue (siricta- meal hablando,no seria una carateristea}en ee caso todas las entidades estudia- das adoptarian el mismo valor numérico, y decimos que se trata de uné He. Las variables pueden clasificarse de varias formas. Ya hemos visto que segin el tipo de escala al que pertenecen las variables pueden clasificarse en nominales, ordinales, de intervalo y de raz6n. En el cuadro 1.2 aparecen algunos ejemplos de cada tipo Las variables ean de intervalo 0 de razén) pueden a su vez clasificarse en , en funcién del numero de valores asumib ‘quella que adopta valores Bislados Por tant, fijados dos consecutvos, no puede tomar ninguno intermedi Ejemplos de este tipo de variables son el nimero de ic las familias espafiolas, el nimero. de ue conservan los infos de una residenia. ds fancanos, ln os el pasado veran, el nimero de aciertos en un "st el nimero de asignatras probed el curso pasado el nero de scidents Carretera durante el patado fn de semana, Todas eas variables adoptan valores onsecutvos entre los cuales no pueden adoptarse otros valores Por el contario, en las variables o@HUBMihtce dos valores culesquiera, por Broximos que sean, sempre pueden encontrar valores intrmedios. Ejmplon de as variables son la long a de fos sucesos ip) Por pareidas ue sean las longitudes de dos objtos, mientras no midan lo mismo siempre es Porible encontrar un objeto con una longitu intermedia entre ambos36 / Ansisis de datos on psicologia 1 Aunque la distinciOn entre variables discretas y continuas es importante desde un punto de vista tedrico, en la préctica las variables continuas no pueden representarse ‘numéricamente como tales. Los instrumentos de medida son imprecisos y s6lo perni ten atribuir nimeros diseretos. La medicién en la préctica supone una diseretizacin artificial de las variables. Cuando decimos que un suceso ha durado 20 segundos lo {que queremos decir es que el nimero de segundos mas cercano a su duracién es 20;¢s decir, que su duracién esté en el intervalo 20 + 0.5. El 20 se llama valor informado, ‘mientras que los valores 19,5 y 20,5 se llaman limites exactos de la medida, y se cobtienen sumando y restando al valor informado la mitad de la unidad de medida utilizada, que pueden ser unidades, dévimas, centésimas, etc. (véase Fig. 1.2) ‘Las longitades de los objets ab ede, fy « x miden comparando sus magnitudes con un metro Sin embargo! insrumenta de medion tiene una preaion de centimetre, y no discrimi ‘ene longitudes menores. A cada objeto se Je asjgna una longitud igual al nimero de Ctimetros eateros mis ceeano a su longitud real Diriamos que los objets a, by c miden 185, fmetos, yf 184, msnteas que ey g iden 186. Es dec, se aigna el mismo valor nominal a {ebjetos que, de hecho, no enen le misma longitu. Incluso hay casos paradéjcos, por ejemplo, a Sierencia de longitudes entre a y ds menor que la diferencia entre fin embargo, estos dos ‘lunes comparten ia miss medicién, y distinta ala de a En realidad, se asigna el valor 185.3 todos aquellos objetoscuyas longitudes estén comprendidas entre 185 + 03. 186 aes se woe aeerereterirer, are Figura 1.2-—BI problema de ln precisn en ln medida, No hay que confundir los valores diseretos con los valores enteros, aunque en ‘muchos casos coincidan, como en los ejemplos que hemos mencionado unas lineas ‘més arriba. Por el contrario, un ejemplo en el que no se da esta coincidencia seria la proporcion de aciertos en un test de 100 preguntas. Si asignamos a cada sujeto como representacion de sus conocimientos el nimero que se obtiene al dividir el nimero de respuestas correctas por el niimero de preguntas del test, estos valores pueden ser 0, 001, 0,02, ete. Entre los valores 0,58 y 0,59, por ejemplo, no puede haber ninguno intermedio, (tra cuestién que suele ser fuente de confusiones es la idea de que las variables son caracteristicas intrinsecas de los individuos u objetos, y no siempre cs asi A veves, Conceptos genersles | 37 jas modalidades de las caracteristicas son asignadas por el investigador. Por ojem- plo, si queremos estudiar la supuesta ventaja del método de enseiianza A sobre el B jodemos tomar dos grupos escolares y aplicarles un método a cada uno. Us fariable seré por supuesto el aprendizaje, que nos indicara qué método es mejor, ro otra variable en estc caso es el propio método de ensefianza aplicado. Seria una fariable nominal con dos modalidades (4 y B), pero el que a un individuo se le gsocic una u otra depende de la asignacién previa que se haga, y no de algo propio de él. Lo mismo ocurria con la variable referida al grupo en el estudio sobre la eficacia de la inoculacién de estrés. CUADRO 1.3 Clasificacién de los ejemplos y sus variables Ejemplo | Tipo de estudio Variables Tipo de eecala 1 aay Grado de patron 4 | Intervalo Grupo Nominal [Nivel cultural Ordinal Inteligencia Intervalo Estrés Intervalo, te on |S Las variables estadisticas se simbolizan por letras maytisculas latinas: U, V, X, ¥,-» gencralmente con un subindice, para distinguirlas de las constantes. Por Siemplo: U, Vp X» Y, El subindice i sirve para indicar, ademas, la posicion que Ghia va determinado valor en el conjunto de valores de una variable. En particu- Aer sla variable X; tomara los valores 7; 6,1; 45 y 38, el simbolo X, representard al Magee ¥ al valor 64, eX, al valor 43 y el X, al valor 38. En consecuencia, el qiuindloe 65 un nimero que nada tiene que ver con la magnitud del valor al que se Tefitendo, sino simplemente al lugar que dicho valor ocupa dentro de una serie Yalores. EI simbolo X, 10 utilizamos para identficar al dltimo valor de la serie. En g,ctie anterior tendremos que Y, = X, = 38. El simbolo X, se dice que es el ino general y representa a cualquier Valor de la serie. ar teeuente que una variable se mida en varios grupos, por lo que para simboli- Genie tot cuslauiera de dicha variable seria preciso utilizar dos subindices, por sate Xp donde taj se refiere al grupo y la (a un valor de la variable X. Ash, X35 Solizara al valor segundo de la variable X en el grupo tercero. Supongamos que para comprobar el efecto de una droga sobre la percepcion de ‘mulo un investigador toma o hace tres grupos de sujetos; al primero, formado un