Vocabulario de Terminos Estadisticos

Vocabulario de Estadstica y
Metodologa.
Metodologa.
41
Redpsicologa. Biblioteca de psicologa y ciencias afines
Mdulo 402
Estadstica y Metodologa: Vocabulario
Vocabulario de estadstica
Alcance Anlisis Anova - Chi cuadrado - Clase Codificacin Coeficiente - Confiabilidad
Correlacin Cuantil Curva - Dato - Desviacin Distribucin Error - Estadstica
Estadstico Estandarizacin Estimacin estadstica - Fractil Frecuencia Hiptesis
Histograma ndice - Inferencia estadstica Interpolacin - Interpretacin de datos Intervalo - Manova Media - Mediana Medicin Medida - Moda Muestra - Nivel Nmero Parmetro Percentil Poblacin Polgono de frecuencia Porcentajes - Probabilidad
Prueba de significacin - Prueba estadstica Prueba t para grupos independientes Puntaje
- Razn crtica - Recoleccin de datos Regresin - Representacin - Sesgo Tabla - Tasa
Universo Validez Varianza
Vocabulario de metodologa
Anlisis Bloque Confirmacin Contraprueba Definicin operacional Descripcin Diseo - Efectos del experimentador mico/tico Emprico - Encuesta - Entrevista Espureidad - Estudio de casos - Etnografa Etnometodologa - Experimento Falsacin
Fenmeno - Grupo Hiptesis - Idea Investigacin - Mtodo Observacin Operacionalizacin - Postest - Pretest Problema - Procedimiento Referencia bibliogrfica
Registro Replicabilidad Sociograma Sociometra Tcnica Teora Tesis Test- Validez Variable
Actualizado Junio 2007. Ms informes: pcazau@gmail.com
Vocabulario de estadstica
Pablo Cazau
ALCANCE
Definicin.- Es la distancia entre los valores ms bajo y ms alto de un conjunto de datos.
Las distribuciones de extremo abierto no tienen alcance. Conceptos similares son los
siguientes: a) Alcance intercuartil: diferencia entre los valores del primer y tercer cuartiles;
esta diferencia representa el alcance de la mitad central del conjunto de datos. B) Alcance
interfractil: medida de la dispersin entre dos fractiles de una distribucin; es decir, la
diferencia entre los valores de dos fractiles.
Levin R y Rubin D (1996) Estadstica para administradores. Prentice Hall, Sexta edicin.
ANLISIS
Anlisis de datos.- Conjunto de transformaciones numricas de los datos encaminado a
lograr que stos sean interpretables en relacin a la hiptesis de investigacin. En Psicologa
tales transformaciones suelen ser de ndole estadstico.
Len O y Montero I, Diseo de investigaciones, Introduccin a la lgica de la investigacin en
psicologa y educacin, McGraw Hill, Madrid, 1995, pg. 22.
Metodologa.
Anlisis de datos.- 1. El anlisis de los datos se efecta utilizando la matriz de datos. 2. El
tipo de anlisis o pruebas estadsticas a realizar depende del nivel de medicin de las
variables, las hiptesis y el inters del investigador. 3. Los anlisis estadsticos que pueden
realizarse son: estadstica descriptiva para cada variable (distribucin de frecuencias,
medidas de tendencia central y medidas de variabilidad), la transformacin a puntuaciones
z, razones y tasas, clculos de estadstica inferencial, pruebas paramtricas, pruebas no
paramtricas y anlisis multivariados. Los anlisis estadsticos se llevan a cabo mediante
programas para computadora, utilizando paquetes estadsticos. Los paquetes estadsticos
ms conocidos son: BMDP, ESP, OSIRIS, SAS y SPSS. Estos paquetes se utilizan consultando
el manual respectivo.
Hernndez Sampieri R, Fernndez Collado C y Lucio P, Metodologa de la investigacin, Mxico,
McGraw-Hill, 1996. Resumen del captulo 10: Anlisis de los datos, pg. 429.
Anlisis de regresin lineal.- Procedimiento para determinar la ecuacin algebraica de la

lnea de mejor ajuste para predecir las calificaciones de una variable dependiente a partir de
una o ms variables independientes.
Aiken L (2003) Tests psicolgicos y evaluacin. Mxico: Pearson. 11 edicin (pgina 458).
Anlisis de regresin mltiple.- Mtodo estadstico para analizar las contribuciones de dos
o ms variables independientes a la prediccin de una variable dependiente.
Anlisis de supervivencia.- Relaciona un conjunto de variables con el tiempo de

ocurrencia de un suceso (por ejemplo fallecimiento o recada de un paciente).
Vallejo Ruiloba J y otros, Introduccin a la psicopatologa y la psiquiatra, Masson, Barcelona, 1999, 4
edicin, pg 75.
Anlisis discriminante.- Halla el mejor sistema de prediccin de la categora a la que

pertenece un sujeto sobre la base de la informacin proporcionada por diversas variables. Es
similar a la regresin mltiple, pero aqu la variable que se predice es de tipo nominal.
edicin, pg 75.
Anlisis factorial.- Analiza las correlaciones de un conjunto amplio de variables intentando

hallar unas pocas dimensiones subyacentes que expliquen la mayor parte de la varianza.
Intenta eliminar redundancias en la informacin para simplificar un campo de estudio.
edicin, pg 75.
Anlisis multivariado.- Los anlisis multivariados ms utilizados son:

PRUEBA
Regresin mltiple
Anlisis lineal path
Anlisis de factores
Anlisis multivariado
de varianza
(MANOVA) y
correlacional
cannica
Anlisis
discriminante
VARIABLES INVOLUCRADAS Y NIVELES

DE MEDICION
Una dependiente (intervalos o razn) y dos
o ms independientes (cualquier nivel de
medicin)
Varias, secuencia causal (cualquier nivel de
medicin)
Varias (Intervalos o razn)
TIPOS DE
HIPOTESIS
Correlacional
Causal
Correlacional
Causal
Correlacional
Causal
Varias independientes y varias dependientes

(intervalos o razn)
Varias independientes (intervalos o razn) y

una dependiente (nominal u ordinal)

41
Metodologa.
ANOVA
Definicin.- El anlisis de variable es un conjunto de instrumentos estadsticos designados
para comparar dos o ms grupos de observaciones. Sirve para determinar si la diferencia
entre los grupos se debe a la influencia experimental o es meramente aleatoria (Kaplan y
otros, 1997:203).
Kaplan H, Sadock B y Grebb J (1997) Sinopsis de psiquiatra. Buenos Aires: Editorial Mdica
Panamericana. 7 edicin.
CHI CUADRADO
Definicin.- Procedimiento estimativo de una distribucin dada que permite apreciar el
grado en que la misma difiere de valores esperados o tericos, y si tal grado refleja la
actuacin de factores ajenos al azar. Consiste en la suma de los cocientes que se obtienen al
dividir los cuadrados de cada diferencia entre una frecuencia real y la frecuencia esperada.
Szkely B (2000) Diccionario de Psicologa. Buenos Aires: Editorial Claridad.
Definicin.- Prueba estadstica que indica la probabilidad de que la distribucin observada

de dos atributos o variables sea el resultado de factores puramente aleatorios. Cuando se
desea verificar la hiptesis segn la cual cierta proporcin de la poblacin presenta
determinado atributo, se extrae una muestra del universo total y determina qu proporcin
de l posee el atributo en cuestin y cun no lo posee. // La significacin de ji cuadrado
(X2) consiste en establecer qu posibilidades existen de que la proporcin observada sea
desviacin aleatoria de la proporcin esperada. // La prueba de significacin X2 puede
aplicarse en una variedad de situaciones en las que las categoras se encuentran definidas de
manera adecuada y en las que exista base para la determinacin terica de las frecuencia
esperadas (pgina 131).
Tamayo M (1999) Diccionario de investigacin cientfica. Mxico: Limusa.
Definicin.- Proposicin que se pregunta hasta qu punto la proporcin observada se aparta

significativamente o no de la proporcin esperada (pgina 131).
CLASE
Definicin.- Subdivisin de escala de datos.
Valds Fernando, Comprensin y uso de la estadstica, Glosario, Universidad Rmulo Gallegos, 1998.
CODIFICACIN
Definicin.- Las respuestas obtenidas mediante los instrumentos de medicin se codifican.
Esta codificacin implica: a) Codificar los tems o equivalentes no precodificados. b) Elaborar
el libro de cdigos. c) Efectuar fsicamente la codificacin. d) Grabar y guardar los datos en
un archivo permanente.
McGraw-Hill, 1996. Resumen del captulo 9: Recoleccin de los datos, pg. 338.
Definicin.- Mtodo para calcular la media de datos agrupados mediante la recodificacin de

los valores de los puntos medios de las clases a valores ms sencillos.
Mediante esta tcnica, podemos eliminar el problema de tener puntos medios muy grandes o
inconvenientes. En lugar de utilizar los puntos medios reales para llevar a efecto nuestros
clculos, podemos asignar enteros consecutivos de valor pequeo, conocidos como cdigos,
a cada uno de los puntos medios. El entero cero puede ser asignado a cualquier punto
medio, pero para que nuestros enteros sean pequeos, asignaremos cero al punto medio de
la parte media de la distribucin (o la parte ms cercana a sta). Podemos asignar enteros
negativos a los valores menores a dicho punto medio y enteros positivos a los valores ms
grandes.
Los estadsticos usan xo para representar el punto medio al que se le ha asignado el cdigo 0
y u para el punto medio codificado:
x = xo + w [(u f)] / n
41
Metodologa.
w = ancho numrico del intervalo de clase
u = cdigo asignado a cada punto medio de clase
Levin R y Rubin D, (1996) Estadstica para administradores. Prentice Hall, 6 ed.
COEFICIENTE
Definicin.- En matemticas, cantidad que acompaa a otra como factor.
Aristos (1969), Diccionario Ilustrado de la Lengua Espaola. Barcelona: Sopena.
Definicin.- En estadstica, nmero que caracteriza cantidades de datos al compararlos con

otras cantidades de datos.
Farr Mart J (1999), Diccionario de Psicologa. Barcelona: Ocano, pg. 76.
Definicin.- En matemticas, es el nmero o smbolo que se coloca frente a un variable o

a una incgnita en una ecuacin. En la ecuacin, por ejemplo, x - 10x - 5x= 0, los
coeficientes son 5 y 10. En fsica y en mecnica es el nmero que define las caractersticas
especiales de una sustancia. Si, por ejemplo, tomamos una varilla de cobre de un largo L a
0 C. y la calentamos hasta 1 C y la calentamos hasta que se extender a lo largo de L1.
Ahora, por experimentacin, se comprobar que es siempre constante. Si a esta fraccin le
damos el nombre de a, tendremos entonces la ecuacin simple L1 = L (1 at) con la cual se
puede calcular la expansin de una varilla de cobre a cualquier temperatura (Speck,
1966:79).
Speck G (comp) (1966) Diccionario cientfico ilustrado. New York: Editors Press Service.
Coeficiente de variacin.- Medida relativa de la dispersin, comparable por medio de

distribuciones diferentes, que expresa la desviacin estndar como porcentaje de la media.
Proporcin o porcentaje de la media que representa la desviacin estndar.
El coeficiente de variacin (CV) se calcula dividiendo el desvo estndar por la media
aritmtica y multiplicando el resultado por cien.
La desviacin estndar no puede ser la nica base para la comparacin de dos distribuciones.
Si tenemos una desviacin estndar de 10 y una media de 5, los valores varan en una
cantidad que es el doble de la media misma. Si, por otro lado, tenemos una desviacin
estndar de 10 y una media de 5.000, la variacin con respecto a la media es insignificante.
En consecuencia, no podemos conocer la dispersin de un conjunto de datos hasta que
conocemos su desviacin estndar, su media y cmo se compara la desviacin estndar con
respecto a la media.
Lo que necesitamos es una medida relativa que nos proporcione una estimacin de la
magnitud de la desviacin con respecto a la magnitud de la media. El coeficiente de variacin
es una de estas medidas relativas de dispersin. Se relaciona la desviacin estndar y la
media, expresando la desviacin estndar como porcentaje de la media.
CONFIABILIDAD
Definicin.- La confiabilidad se refiere al grado en que la aplicacin repetida de un
instrumento de medicin al mismo sujeto u objeto, produce iguales resultados. La
confiabilidad se determina calculando un coeficiente de confiabilidad. Los coeficientes de
confiabilidad varan entre 0 y 1 (0 = nula confiabilidad, 1 = total confiabilidad). Los
procedimientos ms comunes para calcular la confiabilidad son la medida de estabilidad, el
mtodo de formas alternas, el mtodo de mitades partidas, el coeficiente alfa de Cronbach y
el coeficiente KR-20.
Definicin.- O fiabilidad. La fiabilidad es el grado en que un test aporta resultados vlidos, y

se pone a prueba evaluando la consistencia de las puntuaciones obtenidas en dos mitades
del test, o en formas alternadas del test, o mediante su repeticin tarda.
Myers David, Psicologa, Editorial Mdica Panamericana, Madrid, 3 edicin, pg. 319.
Definicin.- La fiabilidad indica en qu grado la repeticin del procedimiento de medida,

cuando no se han modificado las condiciones, da lugar a resultados equivalentes.
41
Metodologa.
Vallejo Ruiloba J y otros, Introduccin a la psicopatologa y la psiquiatra. Masson, Barcelona, 1999, 4
edicin, pg 71.
Evaluacin.- La evaluacin de la fiabilidad de cualquier mtodo de medida consiste en

determinar en qu medida la variacin de puntuaciones entre sujetos es debida a
inconsistencias en la medida. Fiabilidad o confiabilidad de una medida implica que est libre
de errores variables.
Si estamos seguros de la validez, no necesitamos verificar su confiabilidad, pero no podemos
tener la seguridad de la validez, por lo que tambin conviene demostrar la confiabilidad.
Mtodos para determinar la fiabilidad de la medida.- Sera deseable realizar muchas
mediciones idnticas de los mismos individuos y bajo las mismas condiciones, como base
para la estimacin de los errores aleatorios. El hecho de tomar mediciones repetidas, sin
embargo, trae algunos problemas, como el hasto, etc.
Entre los mtodos para conocer la fiabilidad estn la estabilidad, la equivalencia, y una
combinacin de ambos.
La estabilidad se refiere a la estabilidad de la posicin de los sujetos a travs del tiempo que
va de un test a otro, lo que se mide mediante un coeficiente de estabilidad. La estabilidad se
determina en base a la consistencia de las medidas luego de aplicaciones repetidas. Las
inconsistencias que pueden aparecer pueden deberse a cambios genuinos en la caracterstica
medida o a factores extraos, que pueden ser ambientales o del mismo instrumento.
El coeficiente de estabilidad indica el grado en que la medida refleja las diferencias en
caractersticas relativamente persistentes entre individuos y que afectan a la medida.
La equivalencia en cambio, se ocupa de conocer en qu grado los distintos investigadores,
que miden los mismos individuos al mismo tiempo (usando iguales o distintos instrumentos
de medida), llegan a resultados consistentes.
As, el coeficiente de equivalencia indica el grado en que concuerdan las medidas de los
mismos individuos al mismo tiempo. El coeficiente de equivalencia no tiene en cuenta la
inestabilidad con el paso del tiempo como fuente de inseguridad, por lo que debemos aplicar
conjuntamente la equivalencia y la estabilidad.
En qu consiste una fiabilidad satisfactoria?.- No es fcil contestar esto, pues depende del
objetivo y del mtodo de estimacin de la fiabilidad. En general, cualquier falta de fiabilidad
en un test disminuye su validez, pues, en el grado en que las puntuaciones obtenidas por la
aplicacin de un instrumento de medida estn influidas por errores variables (falta de
fiabilidad), ya no son ndices exactos de la posicin de un individuo en trminos de la
caracterstica que se busca medir (falta de validez).
Los errores variables o aleatorios en la medicin de una variable (es decir, la inseguridad del
instrumento de medida), reduce claramente la posibilidad de descubrir en qu grado se halla
una variable relacionada con otra.
Todos los mtodos para estimar la fiabilidad consisten bsicamente en determinar si las
medidas en distintos momentos y distintos protocolos del instrumento ubican a los individuos
en la misma situacin en relacin con la totalidad del grupo que ha sufrido las pruebas. Si un
test arroja para tres sujetos las puntuaciones 30-40-50 y otro para las mismas personas y la
misma caracterstica 35-45-55, no hay inseguridad, sino fiabilidad. De todo esto surgen tres
consecuencias: 1) el grado de seguridad de un procedimiento de medida es siempre
contingente al grado de uniformidad de la caracterstica dada dentro de la poblacin sujeta a
la medida; 2) la seguridad en alto grado es ms importante si deseamos hacer distinciones
sutiles entre individuos que si simplemente deseamos la identificacin de los individuos
situados en los extremos; y 3) la estimacin de la fiabilidad supone la fiabilidad medida de
puntuaciones del os individuos en un grupo.
Formas de aumentar la fiabilidad.- La fiabilidad puede aumentarse tomando precauciones
respecto de las posibles fuentes de error. As por ejemplo pueden estandarizarse las
condiciones de medida: iluminacin, ruidos, temperatura, presencia de observadores, etc.
Existen dos mtodos muy potentes para aumentar la fiabilidad, que suponen la seleccin y
acumulacin de operaciones de medida ms que los cambios en las condiciones bajo las
cuales se hacen las medidas.
Un primer mtodo es aadir o acumular operaciones de medida del mismo tipo que las
usadas al principio, y asignar al sujeto una puntuacin basada en la suma de los resultados
de todas las operaciones de medida.
Por ejemplo aumentar la longitud del test, o el nmero de observadores, o la cantidad de
observaciones, etc. Para esto utilizamos la frmula llamada Spearman-Brown, que puede dar
1.00 (mxima fiabilidad) o menos. Dicha frmula supone que la correlacin entre cualquier
41
Metodologa.
operacin de medida o tem y cualquier otro tem es aproximadamente la misma para todos
los pares de tems estudiados: en la medida que aadimos tems u operaciones de medida
que no se correlacionan con los restantes, la frmula indicar menos fiabilidad.
Un segundo mtodo para aumentar la fiabilidad comienza por suponer que s existen
diferencias apreciables en la correlacin de los tems entre s. El problema es entonces
seleccionar de entre todos los tems disponibles u operaciones de medida aquellos que
guardan una mayor correlacin entre s, y aumentar la fiabilidad por el aumento de la
consistencia interna.
Selltiz, Jahoda, Deutsch y Cook, Mtodos de investigacin en las relaciones sociales. Madrid: Rialp.
CORRELACIN
Definicin.- Cuando dos fenmenos sociales, fsicos o biolgicos crecen o decrecen de forma
simultnea y proporcional debido a factores externos, se dice que los fenmenos estn
positivamente correlacionados. Si uno crece en la misma proporcin que el otro decrece, los
dos fenmenos estn negativamente correlacionados. El grado de correlacin se calcula
aplicando un coeficiente de correlacin a los datos de ambos fenmenos. Una correlacin
positiva perfecta tiene un coeficiente + 1, y para una correlacin negativa perfecta es -1. La
ausencia de correlacin da como coeficiente 0. Por ejemplo, el coeficiente 0,89 indica una
correlacin positiva grande, -0,76 es una correlacin negativa grande y 0,13 es una
correlacin positiva pequea.
Correlacin mltiple.- Estima la intensidad de asociacin entre una variable y una

combinacin lineal de un conjunto de otras variables. Es una generalizacin de la correlacin
simple y de ella se deriva la ecuacin de regresin mltiple a efectos predictivos.
edicin, pg 75.
CUANTIL
Definicin.- Algunos autores (1) consideran los cuantiles como medidas de dispersin. Sin
embargo, en un sentido ms estricto, las medidas de dispersin que corresponden a los
cuantiles son los desvos intercuantlicos, como por ejemplo, los desvos intercuartlicos Q1,
Q2 y Q3 (Pablo Cazau).
Cuartiles, Deciles y Percentiles.- Si un conjunto de datos est ordenado por magnitud, el
valor central (o la media de los dos centrales) que divide al conjunto en dos mitades iguales,
es la mediana. Extendiendo esa idea, podemos pensar en aquellos valores que dividen al
conjunto de datos en cuatro partes iguales. Esos valores denotados Q 1, Q2, y Q3, se llaman
primer cuartl, segundo cuartl y tercer cuartl, respectivamente. EL Q2 coincide con la
mediana.
Anlogamente, los valores que dividen a los datos en 10 partes iguales se llaman deciles, y
se le denotan D1, D2,...,D9, mientras que los valores que lo dividen en 100 partes iguales se
llaman percentiles, denotados por P1, P2,...,P99. El 5 decil y el 50 percentil coinciden con la
mediana. Los 25 y 75 percentiles coinciden con el primer y tercer cuartiles.
Colectivamente, cuartiles, deciles y percentiles se denominan cuantiles.
Valds Fernando, Comprensin y uso de la estadstica, Glosario, Universidad Rmulo Gallegos, 1998).
(1) Por ejemplo Vessereau A, La estadstica, Buenos Aires, Eudeba, 1963, 2da. edicin, pg. 12.
CURVA
Curva normal.- La forma prevista de la distribucin normal pequea.
Curva normal.- La curva o distribucin normal es un modelo terico sumamente til, su

media es 0 (cero) y su desviacin estndar es 1 (uno).
McGraw-Hill, 1996, pg 429.
Clasificacin.- Las curvas pueden ser asimtricas y simtricas.- a) Curva asimtrica: "Si una
curva no es simtrica, entonces es asimtrica. Cuando una curva es asimtrica en forma
41
Metodologa.
positiva, la mayor parte de los datos aparecen en los valores menores del eje horizontal y la
curva se reduce hacia el extremo superior. Cuando una curva es asimtrica en forma
negativa, gran parte de los datos aparecen en los valores mayores y la curva se reduce hacia
el extremo inferior del eje horizontal". b) Curva simtrica: Una curva "es simtrica si sus dos
lados coinciden al doblarla a la mitad".
Pagano R, Estadstica para las ciencias del comportamiento, Mxico, International Thomson Editores,
1999, 5ta. edicin, pg. 55.
Definicin.- Los datos son los valores cualitativos o cuantitativos mediante los cuales se
miden las caractersticas de los objetos, sucesos o fenmenos a estudiar pequea.
DESVIACIN
Definicin.- Diferencia entre un valor y otro valor medio o tpico pequea.
DISTRIBUCIN
Distribucin de frecuencias.- Tabulacin de las frecuencias por clases cuando stas estn
dispuestas por orden de magnitud. // Separacin de una variable en clases excluyentes y el
nmero de individuos por cada clase (pgina 89).
Distribucin de frecuencias.- Distribucin que "presenta los valores de los datos y su

frecuencia de aparicin. Al ser presentados en una tabla, los valores de los datos se
enumeran en orden, donde por lo general el valor del dato menor aparece en la parte inferior
de la tabla".
Pagano R., Estadstica para las ciencias del comportamiento, Mxico, International Thomson Editores,
1999, 5ta. edicin, pg. 35.
Distribucin de frecuencias.- Las distribuciones de frecuencia presentan cuatro

caractersticas fundamentales: 1) medidas de tendencia central y de posicin; 2) mediciones
de variacin; 3) medidas de asimetra; y 4) curtosis.
Cohan N., Diseo estadstico, Buenos Aires, Eudeba, 1994, pg. 69.
Distribucin de frecuencias.- Las distribuciones de frecuencias contienen las categoras,

cdigos, frecuencias absolutas (nmero de casos), frecuencias relativas (porcentajes) y
frecuencias acumuladas (absolutas o relativas). Las distribuciones de frecuencias
(particularmente hablando de las frecuencias relativas) pueden presentarse grficamente.
Una distribucin de frecuencias puede representarse a travs del polgono de frecuencias o
curva de frecuencias.
Distribucin muestral.- Cuando el tamao de la muestra (n) es ms pequeo que el

tamao de la poblacin (N), dos o ms muestras pueden ser extradas de la misma
poblacin. Un cierto estadstico puede ser calculado para cada una de las muestras posibles
extradas de la poblacin. Una distribucin del estadstico obtenida de las muestras es
llamada la distribucin en el muestreo del estadstico.
Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos A, B, C),
es posible extraer 3 muestras ( AB, BC Y AC) de la poblacin. Podemos calcular la media
para cada muestra. Por lo tanto, tenemos 3 medias mustrales para las 3 muestras. Las 3
medias mustrales forman una distribucin. La distribucin de las medias es llamada la
distribucin de las medias muestrales, o la distribucin en el muestreo de la media. De la
misma manera, la distribucin de las proporciones (o porcentajes) obtenida de todas las
muestras posibles del mismo tamao, extradas de una poblacin, es llamada la distribucin
en el muestreo de la proporcin.
Rodas O y otros, Teora bsica del muestreo. Disponible en www.monografias.com/trabajos11
41
Metodologa.
Distribucin muestral.- De una poblacin pueden considerarse muestras de un tamao
determinado y encontrarse los estadsticos de cada una de ellas; la distribucin que con ellos
se obtiene se llama distribucin muestral.
Si se obtienen las medias de cada una de las muestras se la llama distribucin muestral de
medias. Si se obtienen los desvos estndar se denomina distribucin muestran de
desviaciones. Y para cada una de estas distribuciones puede calcularse la media, el desvo,
etc.
Ejemplo:
Los nmeros posibles al arrojar un dado son: u = {1,2,3,4,5,6}
La media muestral es u = 21/6 = 3,5 (en u palito arriba)
As, tomemos las muestras de tamao 2:
(1,1)
X=1 (en X palito arriba)
(1,2)
X=1,5 etc
La distribucin muestral de medias ser:
Xi 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 (en Xi palito arriba)
fi 1 2 3 4 5 6 5 4 3 2 1
Clases de Estadstica (1993). Ctedra de Estadstica. Facultad de Psicologa. Buenos Aires, Universidad
de Belgrano.
ERROR
Definicin.- Desviacin de una medida en relacin con el valor real de lo que se mide
(pgina 95).
Tipos.- Posibles fuentes de error en una investigacin descriptiva puede ser errores
muestrales o errores no muestrales. Dentro de los errores no muestrales, pueden aparecer
error en la respuesta o error por falta de respuesta (por ejemplo a un cuestionario).
Tambin pueden identificarse errores del investigador (error en la definicin de la poblacin,
error en el marco muestral, error en la formulacin del cuestionario, error de procesamiento,
error en el anlisis de los datos), errores del entrevistador (error en la seleccin de los
entrevistados, error al preguntar, error de registro, error por engao), y errores del
entrevistado (error por falta de voluntad o por incapacidad).
Gonzlez Gustavo (1990) Estudios de mercado: mdulo 2. Publicacin interna de la ctedra Estudios de
mercado, Buenos Aires, Universidad de Belgrano.
Error aleatorio.- Es inherente a la propia tcnica muestral. Recibe igualmente el nombre de

error estndar (pgina 95).
Error accidental.- Es el que se presenta despus de haber eliminado las posibles fuentes de
error susceptibles de control. Generalmente es de una proporcin mnima (pgina 95).
Error constante.- Llamado tambin sistemtico, es el debido as predisposiciones en la

observacin instrumental o de otro tipo, que persiste en una direccin y que, por lo tanto, no
puede eliminarse como error ocasional (pgina 96).
Error de estimacin.- Es la desviacin que se da a una serie de valores y sus estimaciones

(pgina 96).
Error de sesgo.- Es el que se presenta cuando al elegir una muestra no se tiene en cuenta
su representatividad (pgina 96).
Error estndar.- Describe las variaciones que se produciran si repitisemos numerosas

veces el mismo muestreo en la misma poblacin. Por consiguiente, nos indica el grado de
inexactitud del procedimiento empleado. Es funcin de: el tipo de muestreo, la
heterogeneidad de la poblacin y el tamao de la muestra.
41
Metodologa.
edicin, pg 70.
Error estndar.- La desviacin estndar de una distribucin, en el muestreo de un

estadstico, es frecuentemente llamada el error estndar del estadstico. Por ejemplo, la
desviacin estndar de las medias de todas la muestras posibles del mismo tamao,
extradas de una poblacin, es llamada el error estndar de la media. De la misma manera,
la desviacin estndar de las proporciones de todas las muestras posibles del mismo tamao,
extradas de una poblacin, es llamada el error estndar de la proporcin. La diferencia entre
los trminos "desviacin estndar" y "error de estndar" es que la primera se refiere a los
valores originales, mientras que la ltima est relacionada con valores calculados. Un
estadstico es un valor calculado, obtenido con los elementos incluidos en una muestra.
Error instrumental.- Es el que se presenta en investigacin experimental a partir de un

registro con un instrumento medidor defectuoso (pgina 96).
Error de muestreo.- Es la falta de representacin por causa de fluctuaciones aleatorias. //

Desviacin de los valores presentados por una muestra en relacin con el valor total de la
poblacin (pgina 96).
Error muestral.- La diferencia entre el resultado obtenido de una muestra (un estadstico) y
el resultado el cual deberamos haber obtenido de la poblacin (el parmetro
correspondiente) se llama el error muestral o error de muestreo. Un error de muestreo
usualmente ocurre cuando no se lleva a cabo la encuesta completa de la poblacin, sino que
se toma una muestra para estimar las caractersticas de la poblacin. El error muestral es
medido por el error estadstico, en trminos de probabilidad, bajo la curva normal. El
resultado de la media indica la precisin de la estimacin de la poblacin basada en el
estudio de la muestra. Mientras ms pequeo el error muestras, mayor es la precisin de la
estimacin. Deber hacerse notar que los errores cometidos en una encuesta por muestreo,
tales como respuestas inconsistentes, incompletas o no determinadas, no son considerados
como errores mustrales. Los errores no mustrales pueden tambin ocurrir en una encuesta
completa de la poblacin.
Error probable.- Medida de seguridad que se calcula a partir de alguna medida obtenida.
(Media, coeficientes de correlacin. Indica la posibilidad de que dentro de los lmites
aparezca o no esa cantidad (pgina 96).
Error sistemtico.- Es el que se presenta cuando en la seleccin de un conjunto de

muestras de una poblacin, sus valores promediados se desvan del verdadero valor de la
poblacin. Igualmente segn la forma de recoger y tratar los datos y tiende a divergir de lo
real en forma continua y en la misma direccin (pgina 96).
Error tpico.- Para obtener una puntuacin tpica de una media, se divide la diferencia entre
sta y la media real de la poblacin, y el resultado se multiplica por la desviacin tpica de
esta ltima (pgina 96): { (X - ) / }. De esta forma se podr calcular la probabilidad
de ocurrencia de una determinada media (bajo el supuesto de que la distribucin es normal).
// La raz cuadrada de la varianza constituye el error tpico (pgina 97).
Error tipo I.- Posible error al rechazar la hiptesis nula cuando en realidad es cierta. Su
probabilidad se representa mediante la letra griega alfa. Como mnimo su valor ha de ser
inferior a 0.05. Es decir, riesgo de equivocarnos en el 5% de los casos.
edicin, pg 74.
41
Metodologa.
Error tipo II.- Posible error al aceptar la hiptesis nula. Su probabilidad se representa por
beta. Su valor ha de ser inferior a 0,20, es decir, 20%.
edicin, pg 74.
ESTADSTICA
Definicin.- La Estadstica estudia los mtodos cientficos para recoger, organizar, resumir y
analizar datos, as como para sacar conclusiones vlidas y tomar decisiones razonables
basadas con tal anlisis.
En un sentido menos amplio, el trmino estadstica se usa para denotar los propios datos, o
nmero derivados de ellos, tales como los promedios. As se habla de estadstica de empleo,
estadstica de accidentes pequea.
http://www.cortland.edu/flteach/stats Valds Fernando, Comprensin y uso de la estadstica, Glosario,
Universidad Rmulo Gallegos, 1998.
Definicin.- Es la tcnica o proceso matemtico de recoleccin, descripcin, organizacin,

anlisis e interpretacin de datos numricos. Constituye un instrumento fundamental de
medida y de investigacin dada su capacidad de expresin cuantitativa. // Conocimiento de
las relaciones, caractersticas o propiedades de los fenmenos que se repiten o se presentan
con cierta regularidad llegando a constituir una clase especial de fenmenos (pgina 99).
Utilidad.- Cuando tenemos muchos datos numricos referidos a grupos o poblaciones, los
mtodos estadsticos nos permiten resumir numricamente toda esa enorme informacin
mediante medidas de posicin y dispersin, y tambin establecer como varan los datos unos
en funcin de los otros, mediante las medidas de correlacin. La estadstica inferencial nos
permite por su parte decidir si podemos extender lcitamente nuestras conclusiones sobre la
muestra a toda la poblacin.
Cohen M y Nagel N, (1979) Introduccin a la lgica y al mtodo cientfico (Tomo II: Lgica aplicada y
mtodo cientfico). Buenos Aires: Amorrortu.
Precauciones.- Al trabajar en estadstica, debe tenerse presente: a) la estadstica dice

como se comporta un grupo, no un individuo; b) la estadstica no dice como se comportar
un grupo con seguridad, sino con cierta probabilidad; c) cuando la estadstica prueba que
hay una correlacin, esto no significa necesariamente causalidad; d) es siempre preferible
tomar una muestra representativa de la poblacin; e) no debe confundirse lo que sucede en
la realidad con nuestros estudios y mtodos para estudiarla: va en aumento determinada
enfermedad o simplemente hoy tenemos ms informacin sobre ella?
Estadstica bivariada.- Analiza el grado de interaccin de dos variables apareadas

dependientes. Entre los coeficientes usados para evaluar la intensidad de una relacin est
el coeficiente de Pearson (para dos variables de intervalos), los coeficientes de Spearman y
de Kendall (para dos variables ordinales), el coeficiente biserial puntual (para una variable
nominal y una de intervalos), y los coeficientes tetracrico y el coeficiente k (para vincular
dos variables nominales).
edicin, pg 74.
Estadstica deductiva.- Comprende el proceso de muestreo o seleccin, para su estudio, de

un pequeo grupo (muestra) al que se supone representativo de otro ms numeroso
(poblacin) y del cual procede (pgina 99).
Estadstica descriptiva.- "Si estudiamos una caracterstica de un grupo, sea en una

poblacin o en una muestra, por ejemplo talla, peso, edad, cociente intelectual, ingreso
mensual, etc. y lo describimos sin sacar de ello conclusiones estamos en la etapa de la
estadstica descriptiva" (Cohan N., Diseo estadstico, Buenos Aires, Eudeba, 1994, pg. 25).
La estadstica descriptiva o inductiva es la estadstica que slo se ocupa de describir y
analizar un grupo dado, sin sacar conclusiones sobre un grupo mayor, se llama estadstica
41
Metodologa.
descriptiva o deductiva. Si una muestra es representativa de una poblacin, es posible inferir
importantes conclusiones sobre las poblaciones a partir del anlisis de la muestra. La fase de
la estadstica que trata con las condiciones bajo las cuales tal diferencia es vlida se llama
estadstica inductiva o inferencia estadstica. Ya que dicha inferencia no es del todo exacta, el
lenguaje de las probabilidades aparecer al establecer nuestras conclusiones.
Estadstica descriptiva.- Es aquella que utiliza tcnicas y medidas que indican las
caractersticas de los datos que tiene por objeto resumir y describir los hechos que han
proporcionado la informacin, y que por lo general toman la forma de tablas, grficos,
cuadros e ndices. Se llama descriptiva por ser su fin primordial la descripcin de las
caractersticas principales de los datos obtenidos (pgina 100).
Estadstica inferencial.- "Si estudiamos en una muestra una caracterstica cualquiera e

inferimos, a partir de los resultados obtenidos en la muestra, conclusiones sobre la poblacin
correspondiente, estamos haciendo estadstica inductiva o inferencial y como estas
diferencias no pueden ser exactamente ciertas, aplicamos el lenguaje probabilstico para
sacar las conclusiones" (Cohan N., Diseo estadstico, Buenos Aires, Eudeba, 1994, pg. 25).
"La interpretacin estadstica supone dos fases esenciales: una inductiva, que permite el
pasaje de la muestra a la poblacin total, y la otra deductiva, que sita la muestra, sealada
con una tasa de probabilidad, en el grupo de todas las eventualidades que pueden intervenir
por extraccin al azar en el seno de la poblacin total. Si hay varias hiptesis admisibles, se
elegir aquella que conduzca, para la muestra, a la probabilidad mxima. La primera fase del
trabajo supone una cierta intuicin; la segunda, que se realiza matemticamente basada en
las normas del clculo de probabilidades, constituye la crtica de la primera"
Vessereau A., La estadstica, Buenos Aires, Eudeba, 1963, 2da. edicin, pg. 28.
Estadstica inferencial.- La estadstica inferencial es para efectuar generalizaciones de la

muestra a la poblacin. Se utiliza para probar hiptesis y estimar parmetros. Asimismo, se
basa en el concepto de distribucin muestral.
McGraw-Hill, 1996, pg 429.
Estadstica inferencial.- (O analtica) Es el conjunto de tcnicas y clculos que auxilian al

investigador sobre la posible influencia de la variable independiente sobre los resultados y a
generalizarlos a la poblacin de la cual se torn la muestra para el estudio (pgina 99).
Estadstica multivariada.- En situaciones complejas interesa analizar simultneamente

mltiples variables dependientes e independientes. Para ello, se han generalizado los
procedimientos de la estadstica uni y bivariada, configurndose la estadstica multivariante.
Entre los procedimientos ms utilizados en psiquiatra se cuentan Manova, correlacin
mltiple, regresin logstica, anlisis factorial, anlisis discriminante, anlisis de clusters,
anlisis de supervivencia, modelo log-lineal y modelo estructural.
edicin, pg 74.
Estadstica univariada.- Los diseos estadsticos clsicos mencionados en la tabla adjunta

se basan en el estudio de los efectos de una o ms variables independientes sobre una
variable dependiente, por lo que las tcnicas se denominan univariantes.
Contrastes de hiptesis para la comparacin de grupos
Tipos de comparacin
Dos muestras
Datos no apareados
Datos apareados
Ms de dos muestras
Contrastes
Paramtricos
t de Student para datos no
apareados
t de Student para datos apareados
No paramtricos
Mann-Whitney
Wilcoxon
41
Metodologa.
Datos no apareados
Datos apareados
ANOVA (Anlisis de la varianza)

ANOVA para datos apareados
Kruskal-Wallis
Friedman

edicin, pg 74.
Definicin.- Es un conjunto de mtodos cientficos para recolectar, organizar, resumir y

analizar muchos datos numricos relativos a un conjunto de individuos u observaciones, y
que nos permiten extraer conclusiones vlidas y tomar decisiones lgicas sobre dicha base.
La estadstica estudia los fenmenos atpicos, o sea aquellos que se presentan en grandes
nmeros y en condiciones generalmente complejas, o sea, donde intervienen muchas
causas diversas.
En suma: la estadstica se aplica en los casos donde hay que realizar una gran cantidad de
observaciones. A continuacin, debe sospecharse que la variacin entre frecuencias
correspondientes a diversos juegos de observaciones es significativa. Por ltimo, debe
plantearse la hiptesis de que esa variacin est influida en cierta medida desconocida por
el azar.
As, la estadstica tiene dos partes: a) Descriptiva: partiendo de un conjunto de datos,
obtiene conclusiones que no rebasan el conjunto de conocimientos que esos datos nos
procuran. b) Inductiva o inferencial: cuando las conclusiones rebasan los lmites del
conjunto de datos aportados y nos permiten inferir, siempre en forma probable, valores para
un individuo o un conjunto mayor. Por tanto, la estadstica inferencial tiene un carcter
predictivo.
Kohan N y Carr J (1968) Estadstica aplicada. Buenos Aires: Eudeba.
Clasificacin.- Hay una estadstica descriptiva (que describe una determinada muestra), y
con la estadstica inferencial (que busca establecer si la muestra y la poblacin
correspondiente se corresponden o no, y en qu medida, respecto de los parmetros de
ambas). Al describir una muestra recurrimos por ejemplo a las medidas de tendencia central,
de dispersin, de correlacin, al anlisis factorial, al anlisis discriminatorio, etc.
Tambin suele distinguirse entre una estadstica que se ocupa del muestreo de personas y
otra que se ocupa del muestreo del contenido (tems del test). Una cosa es considerar que
un conjunto de personas es una muestra de toda la poblacin, y otra considerar que los
tems que aparecen en un test son una muestra de todos los tems posibles (universo de
tems hipotticamente infinitos que miden el mismo rasgo). Al realizar anlisis estadsticos,
es prcticamente imposible considerar simultneamente estas dos dimensiones. Como
muestras distintas de personas (o de tems) pueden dar resultados o puntajes distintos,
deben tenerse en cuenta ambas dimensiones de muestreo. Lo habitual es considerar
explcitamente una sola dimensin y al mismo tiempo tomar en cuenta simplemente las
posibles influencias de la otra dimensin. Otra forma de corregir posibles errores de
muestreo consiste en tomar una muestra ms grande; pero todo esto apunta a resguardar la
confiabilidad de la medicin. Esta confiabilidad no depende slo del muestreo de personas
como habitualmente se cree- sino tambin del muestreo de contenido, pues la confiabilidad
de un test depende tambin del nmero de sus tems.
Nunnally J (1973) Introduccin a la medicin psicolgica. Buenos Aires: Paids.
Estadstica e investigacin cientfica.- La utilizacin de la estadstica en la investigacin

experimental queda, de este modo, totalmente justificada, ya que constituye una ayuda
eficaz para la obtencin de conclusiones e inferencias vlidas. El cientfico pretende alcanzar
conclusiones vlidas a partir de los resultados de su experimento, recurriendo para ello a la
estadstica. La estadstica, por su parte, ofrece la posibilidad de reducir los datos en formas
cuantificables para estudiar y analizar varianzas; proporciona medios adecuados para la
estimacin probabilstica de las inferencias que obtiene a partir de sus observaciones. En
estadstica se afirma: la inferencia que se ha hecho a partir de los datos es correcta a tal o
cual nivel de significacin. Se puede proceder como si la hiptesis fuera verdadera, pero
teniendo siempre en cuenta tal o cual riesgo de que no sea.
Por todo lo expuesto es razonable que, desde el punto de vista modernista, algunos autores
consideren la estadstica como la disciplina que trata sobre la toma de decisiones bajo
incertidumbre.
Arnau Gras Jaime (1980) Psicologa experimental. Un enfoque metodolgico. Mxico: Trillas. Pgina 278.
ESTADSTICO
41
Metodologa.
Definicin.- Unidad de medida referente a la muestra. Se le llama estadstico tambin a la
persona que trabaja con la estadstica pequea.
Definicin.- Un estadstico es una medida usada para describir alguna caracterstica de una
muestra, tal como una media aritmtica, una mediana o una desviacin estndar de una
muestra.
ESTANDARIZACIN
Definicin.- Un buen test debe estar estandarizado, de modo que el rendimiento de una
persona pueda ser comparado significativamente con el rendimiento de otras. La
estandarizacin es la definicin de puntuaciones significativas comparadas con el rendimiento
de un grupo de estandarizacin al que se administr previamente el test.
ESTIMACIN ESTADSTICA
Definicin.- El proceso de estimacin en inferencia estadstica puede ser descrito como el
proceso de estimar un parmetro a partir del estadstico correspondiente, tal como usar una
media muestral (un estadstico) para estimar la media de la poblacin (un parmetro).
Definicin.- La estimacin estadstica es, junto con la decisin estadstica, una de las dos
tareas de la estadstica inferencial. La estimacin estadstica busca resolver dos tipos de
problemas:
a) Estimar cual es el valor de la media poblacional, conociendo la media muestral. Para ello
se determina un intervalo de confianza de la media poblacional, partiendo de la media
muestral. Por ejemplo, primero obtenemos la media muestral. Despus determinamos un
intervalos de confianza, y decimos que con una cierta probabilidad (habitualmente se toma
un 95%, o sea un riesgo de error del 5%) la media poblacional estar comprendida dentro
de l. La media poblacional es siempre un valor desconocido. Adems del intervalo de
confianza, tambin podemos querer saber la precisin de la estimacion: cuanto ms amplitud
tenga el intervalo es MAS seguro, pero MENOS preciso. Por ello que al estimar un intervalo
exigimos cierta precisin.
b) Averiguar de qu tamao debera ser la muestra si queremos asegurarnos una cierta
precisin (o error) en la estimacin anterior.
Clases de Estadstica (1993). Ctedra de Estadstica. Facultad de Psicologa. Buenos Aires, Universidad
de Belgrano.
FRACTIL
Definicin.- En una distribucin de frecuencias, es la posicin de un valor en, o por encima
de, una fraccin dada de los datos. Los fractiles pueden ser: cuartiles (fractiles que dividen
los datos en cuatro partes iguales), deciles (fractiles que dividen los datos en diez partes
iguales) o percentiles (fractiles que dividen los datos en 100 partes iguales).
FRECUENCIA
Definicin.- Nmero de veces en que se repite un dato.
Definicin.- Es la cantidad de individuos que entran dentro de un conjunto o categora.

Puede expresarse como porcentaje o proporcin, como por ejemplo: hay un 40% de
individuos catlicos en tal poblacin.
ONeil W (1968), Introduccin al mtodo en psicologa. Buenos Aires: Eudeba, 2 edicin.
41
Metodologa.
Frecuencia relativa.- Es la proporcin entre la frecuencia de un intervalo y el nmero total
de datos pequea.
HIPTESIS
Hiptesis alternativa.- Afirma la existencia de diferencias no atribuibles al azar.

edicin, pg 74.
Hiptesis estadstica.- Son suposiciones sobre una poblacin estadstica que, en virtud de
la informacin obtenida a partir de los datos observados, se decide aceptar o rechazar
(pgina 120).
Hiptesis nula.- Enuncia que no existen diferencias entre las poblaciones de donde
proceden las muestras. Las diferencias observadas son atribuidas a errores aleatorios de
muestreo.
edicin, pg 74.
Hiptesis nula.- Con ella indicamos que la informacin a obtener es contraria a la hiptesis
de trabajo. Es una hiptesis de tipo estadstico que establece la no existencia de diferencia
entre una funcin estadstica y un valor hipottico de la poblacin, ambos basados en
muestras o entre dos (o ms) funciones estadsticas de igual base (pgina 121).
HISTOGRAMA
Definicin.- Es una serie de rectngulos con bases iguales al rango de los intervalos y con
rea proporcional a sus frecuencias.
Definicin.- Grfica de frecuencia de distribucin en la cual el nmero de casos dentro de

cada clase est representado por la altura de la lnea horizontal trazada sobre el eje o base
X; cada lnea horizontal tiene la longitud de un intervalo de clase, y estn conectadas con las
verticales erigidas en los lmites sucesivos de cada clase (pgina 122).
NDICE
Definicin.- Llamaremos ndice o escala a todo instrumento de medicin que no consta de
un solo tem. Necesitamos ndices no slo por la complejidad de la variable latente sino por la
inestabilidad de las respuestas. Respecto de esto ltimo, varios tems del mismo ndice
compensan estadstica o probabilsticamente la inestabilidad de las respuestas. En suma: si
va a medirse una dimensin que no puede ser observada directamente en las unidades de
anlisis, hay fuertes razones para preferir medirla tomando varias observaciones que
tomando una sola, y combinar despus las observaciones en un ndice nico.
Mora y Araujo (1971) Medicin y construccin de ndices. Buenos Aires: Nueva Visin.
Construccin.- Una vez seleccionados los indicadores, se explicitan las operaciones para
medirlos y se los toma aisladamente, aunque lo comn es hacer alguna combinacin
sumatoria entre los indicadores y obtener de esta manera un ndice.
A los efectos de construir ndices, debemos tener en cuenta cuatro posibilidades:
1) Variables no relacionadas: independientes tanto estadstica como tericamente.
2) Variables relacionadas estadstica pero no tericamente: se refieren a una regularidad
emprica.
3) Variables relacionadas terica pero no estadsticamente. Por ejemplo educacin e ingresos
estn tericamente relacionadas, pues ambas son referentes empricos de posicin social.
Cuando las variables son dependientes tericamente pero no estadsticamente, por lo
41
Metodologa.
general habr que pensar que alguna de ambas variables es inadecuada como indicadora del
concepto.
4) Variables relacionadas estadstica y tericamente: son muy apropiadas para integrar una
medida nica (ndice) del concepto latente. No obstante, indicadores de una misma variable
no tienen porqu estar entre s altamente correlacionados, aunque habitualmente s lo estn.
Debe cuidarse de no poner indicadores bajo el mismo concepto por el slo hecho de estar
altamente correlacionados.
El pre-test nos permite discriminar qu ndices son necesarios para el test final, o sea qu
conjunto de ellos producen una variedad suficiente de respuestas. Si la hiptesis es capaz de
predecir un ndice, pensaremos que est confirmada, pero si falla tenderemos a dudar del
ndice (fue mal elegido) y no de la hiptesis. Es una forma de validar externamente la
hiptesis.
ndice y proporcin.- Los ndices o razones relacionan una caracterstica con otra
caracterstica distinta. Por ejemplo, la relacin entre 300.000 blancos y 150.000 no blancos
es la razn entre ambos valores, o sea 2.
Las proporciones o porcentajes, en cambio, relacionan una caracterstica con el total de
todas las caractersticas. Por ejemplo la relacin entre 300.000 blancos y 900.000 personas
en total es la proporcin del 33% (hay un 33% de blancos) (Bancroft, 1960:103).
Bancroft H (1960) Introduccin a la bioestadstica. Buenos Aires: Eudeba.
INFERENCIA ESTADSTICA
Generalidades.- La inferencia estadstica se interesa en dos tipos de problemas: la
estimacin de los parmetros de la poblacin, y las pruebas de hiptesis.
A la inferencia estadstica le interesa sacar conclusiones sobre muchos acontecimientos,
fundndose en la observacin de parte de los mismos.
Un problema comn de la inferencia estadstica es averiguar, en trminos de probabilidad, si
las diferencias entre dos muestras significa que pertenecen o no a diferentes poblaciones. Si
la diferencia se debe slo al azar, pertenecen a la misma poblacin, pero si las diferencias
son mayores, debemos pensar que, con cierta probabilidad, son de poblaciones diferentes.
Las tcnicas estadsticas pueden ser paramtricas (si se hacen bastantes suposiciones acerca
de los parmetros de la poblacin), o no paramtricas (donde no se hacen suposiciones
numerosas ni severas respecto a dichos parmetros).
Siegel S, Estadstica no paramtrica. Aplicada a las ciencias de la conducta.
Generalidades.- Es aplicar resultados de estudios de una muestra a la poblacin y emitir

juicios o conclusiones sobre esa poblacin en general. Ejemplo:
Estudio: Causas de la desercin estudiantil en la Universidad Rmulo Gallegos.
Poblacin: 4000 alumnos.
Muestra: 10% de la poblacin.
Resultados del Estudio de la Muestra: La situacin econmica, dificultad en el aprendizaje.
Conclusiones: Se puede inferir que las causas de desercin de los alumnos de la Universidad
Rmulo Gallegos son la situacin econmica y la dificultad en el aprendizaje.
INTERPOLACIN
Definicin.- Proceso por el cual se estima un valor o valores intermedios entre dos valores
determinados de una serie (pgina 128).
INTERPRETACIN DE DATOS
Definicin.- La estadstica recolecta, ordena e interpreta los datos, es decir, explica su
significado, reflexiona sobre ellos, a fin de establecer conclusiones acerca de los hechos
estudiados, implicando la explicacin de si la hiptesis de que se parti, y que dio lugar a la
estadstica, se cumpli o no y en qu medida (pgina 128).
41
Metodologa.
INTERVALO
Intervalo de confianza.- Se calcula a partir del error estndar. Es un intervalo por encima
y por debajo de la estimacin puntual en el que se puede asegurar, con un determinado nivel
de confianza, que se sita el valor de la poblacin.
edicin, pg 70.
Intervalo de confianza.- El nivel de significancia y el intervalo de confianza son niveles de

probabilidad de cometer un error o equivocarse en la prueba de hiptesis o la estimacin de
parmetros. Los niveles ms comunes en ciencias sociales son los del .05 y .01.
McGraw-Hill, 1996, pg. 429.
Intervalo de confianza.- Es un intervalo que consigue calcular la media de poblacin con

un determinado nivel de confianza. Para un intervalo de confianza del 95 %, se estima que
95 cambios de cada 100 estn dentro del intervalo en el que cae la verdadera media
(pgina 203).
Kaplan H, Sadock B y Grebb J (1997) Sinopsis de psiquiatra. Buenos Aires: Editorial Mdica
Panamericana. 7 edicin.
Intervalo de clase.- Pequea seccin de la escala segn la cual se agrupan las

puntuaciones de una distribucin de frecuencia.
Intervalo, lmites del.- Son los valores extremos que tiene el intervalo de clase, inferior y
superior, entre los cuales van a estar los valores de los datos agrupados en ese intervalo de
clase.
MANOVA
Definicin.- Anlisis mltiple de la varianza similar al ANOVA, pero con diversas variables
dependientes simultneas.
edicin, pg 75.
MEDIA
Media aritmtica.- Se define "como la suma de los datos dividida por el nmero de los
mismos". Entre las propiedades de la media se cuentan: 1) la media es sensible al valor
exacto de todos los datos de la distribucin; 2) la suma de las desviaciones con respecto a la
media es cero; 3) la media es muy sensible a los datos extremos; 4) la suma de los
cuadrados de las desviaciones de todos los datos en torno a su media es la mnima posible;
5) para un gran nmero de circunstancias, de todas las medidas utilizadas para calcular la
tendencia central, la media es la que menos se sujeta a la variacin debida al muestreo. Esta
ltima propiedad se relaciona con el uso de la media para la inferencia estadstica.
1999, 5ta. edicin, pg. 62-65.
Media aritmtica: ventajas y desventajas.- La media aritmtica, en su carcter de un

solo nmero que representa a un conjunto de datos completo, tiene importantes ventajas: a)
Se trata de un concepto familiar para la mayora de las personas y es intuitivamente claro. b)
Cada conjunto de datos tiene una media, es una medida que puede calcularse y es nica
debido a que cada conjunto de datos posee una y slo una media. c) Es til para llevar a
cabo procedimientos estadsticos como la comparacin de medias de varios conjuntos de
datos.
Desventajas: a) Puede verse afectada por valores extremos que no son representativos del
resto de los datos. b) Resulta tedioso calcular la media debido a que utilizamos cada uno de
los puntos de dato de nuestro clculo. c) Somos incapaces de calcular la media para un
conjunto de datos que tiene clases de extremo abierto, ya sea en el inferior o en el superior
de la escala.
41
Metodologa.
Levin R y Rubin D, (1996) Estadstica para administradores. Prentice hall, 6 ed.
MEDIANA
Definicin.- "Es el valor central o medida de posicin de la variable que divide una
distribucin estadstica con igual nmero de observaciones por debajo y por encima. Se
utiliza en lugar de la media aritmtica cuando el nmero de datos es pequeo y pueden ser
sensibles a unos cuantos valores grandes que distorsionaran el valor central. En estos casos
la mediana es ms real que una media aritmtica".
Ander-Egg E, Tcnicas de investigacin social, Buenos Aires, Hvmanitas, 1987, 21 edicin, pg. 363.
Ventajas y desventajas.- En cuanto a las ventajas, los valores extremos no afectan a la

mediana tan intensamente como a la media. La mediana es fcil de entender y se puede
calcular a partir de cualquier tipo de datos incluso a partir de datos agrupados con clases de
extremo abierto a menos que la mediana entre en una clase de extremo abierto.
Podemos encontrar la mediana incluso cuando nuestros datos son descripciones cualitativas,
en lugar de nmeros.
Ciertos procedimientos estadsticos que utilizan la mediana son ms complejos que aquellos
que utilizan la media. Debido a que la mediana es una posicin promedio, debemos ordenar
los datos antes de llevar a cabo cualquier clculo. Esto implica consumo de tiempo para
cualquier conjunto de datos que contenga un gran nmero de elementos. Por consiguiente, si
deseamos utilizar una estadstica de muestra para estimar un parmetro de poblacin, la
media es ms fcil de usar que la mediana.
MEDICIN
Definicin.- Medir significa comparar una cantidad con otra tomada como unidad.
Definicin.- Medir es el proceso de vincular conceptos abstractos con indicadores empricos,

mediante clasificacin y/o cuantificacin. En toda investigacin medimos las variables
contenidas en la hiptesis. Un instrumento de medicin debe cubrir dos requisitos:
confiabilidad y validez. No hay medicin perfecta, pero el error de medicin debe reducirse a
lmites tolerables.
Definicin.- Stevens ha definido medicin como la asignacin de nmeros a objetos o

hechos segn una regla, a lo cual puede agregarse: de modo tal que expresen las relaciones
cuantitativas entre los datos.
Definicin.- Medir significa atribuir a los objetos valores que conceptualmente representan
propiedades de los mismos. Antes de recoger los datos se deben buscar instrumentos para
recogerlos y medirlos.
Definicin.- Asignacin que se hace a las categoras o clases de acuerdo a ciertas reglas o
smbolos. Consiste en la recopilacin de datos y su utilizacin mediante el empleo de una
serie de normas de tipo estadstico. // Representacin simblica de un dato o serie de datos
obtenidos por algn tipo de observacin (pgina 141).
Definicin.- Se llama medicin al proceso de atribuir nmeros a las caractersticas

(Botella, 1993:25).
Botella R (1993) Anlisis de datos en psicologa I. Buenos Aires: Paids.
Requisitos.- Un buen procedimiento de medida debe reunir varios requisitos: 1) debe

producir una informacin vlida, o sea libre de errores sistemticos; 2) debe ser seguro
(confiabilidad); 3) debe ser capaz de hacer distinciones lo suficientemente finas para el
41
Metodologa.
propsito de la investigacin; 4) debe poder determinar cunta gente difiere del resto en una
determinada caracterstica; y 5) debe medir personas usando atributos aplicables a las
personas, o sea que describan efectivamente lo que se quiere medir.
Generalidades.- Primero aparecieron medidas directas, o sea que haba una relacin obvia
y directa entre ellas y los fenmenos observados. Por ejemplo la rapidez de reaccin fue
medida en unidades de tiempo, el aprendizaje en cantidad de errores, etc.
Ms tarde aparecieron las medidas indirectas, por ejemplo, para medir la inteligencia se
recurri a varias medidas: edad, habilidad manual, comprensin de palabras, etc. Las
medidas indirectas miden fenmenos ms complejos, y hubo que desarrollar ms los
instrumentos de medicin para ellas. As, por ejemplo, se crearon los tests.
Segn los propsitos usaremos una medida directa o una indirecta. Por ejemplo el peso para
medir peso (directa) o para medir salud (indirecta).
En cualquier instrumento de medicin deben tenerse en cuenta dos cosas: su validez (grado
en que el instrumento mide lo que se propone medir), y su confiabilidad (hasta donde se
obtienen resultados concordantes en el uso sucesivo del mismo instrumento).
La validez se apoya en criterios externos y a veces tambin internos. En el primer sentido la
validez es considerada como la relacin existente entre los resultados obtenidos con el
instrumento y los obtenidos por algn criterio exterior. El mejor de estos ltimos est dado
por algunas medidas de desempeo real obtenidas durante un periodo considerable de
tiempo. La validez interna aumenta, en cambio, a medida que vamos suprimiendo tems de
un test que no guardan correlacin significativa con la funcin total que se quiere medir (es
como purificar el test).
Una vez establecida la validez del instrumento, ahora se los prueba con un nuevo grupo de
sujetos y se lo vuelve a comparar con los criterios de validez. Esto se llama validacin
transversal, o normalizacin. En esta, el instrumento es frecuentemente escalonado
tomndolo a grupos de nios de varias edades o niveles cualesquiera.
Los tres mtodos para determinar la confiabilidad del instrumento son: el grado de
correlacin 1) de los resultados obtenidos sobre repeticiones de la misma medida; 2) de los
resultados sobre dos formas similares pero no idnticas de medida; y 3) del resultado
obtenido por la suma de las respuestas a los tems impares con el resultado obtenido por la
suma de las respuestas de los tems pares.
Al determinar la validez y la confiabilidad, los investigadores minuciosos generalmente
calculan los coeficientes de confiabilidad en un estrecho rango de edad, por lo comn un ao,
para poder eliminar la heterogeneidad debida a la edad.
En la determinacin de la validez o la confiabilidad tambin debe tenerse en cuenta la
contaminacin, o sea que no haya otras variables desconocidas que estn actuando sobre la
relacin entre las variables en estudio.
Condensado de Anderson John, Mtodos de psicologa infantil. Incluido en Carmichael L (dir) Manual de
Psicologa Infantil. Buenos Aires: El Ateneo. 2 edicin.
Importancia.- En la ciencia es esencial a los efectos de la exactitud del conocimiento y de la

posibilidad de descubrir principios explicativos generales, reemplazar proposiciones
cualitativas por cuantitativas, es decir, proposiciones que indiquen el grado o cantidad de los
atributos o propiedades de las cosas, y para ello la medicin es fundamental.
El empleo de nmeros y la accin de contar y medir permite al cientfico formular leyes
numricas, las cuales representan ciertas relaciones invariables entre propiedades fsicas.
Tambin pueden establecerse relaciones numricas entre las mismas leyes.
Problemas.- Los principales problemas de la medicin son: 1) qu observaciones hacer para

obtener indicadores, 2) como combinar los indicadores para medir el concepto, y 3) como
establecer si es ese el concepto efectivamente medido (el problema de la validez). Como el
concepto existe independientemente del indicador, pueden elegirse para un concepto entre
un nmero tericamente mus grande de indicadores posibles. En ciencias sociales hay muy
pocas variables que podamos medir mediante una medicin fundamental o una derivada.
41
Metodologa.
Definicin.- Segn Campbell, medir es asignar un nmero a una observacin de tal forma
que esos nmeros puedan analizarse manipulndolos segn ciertas reglas. Las propiedades
de los nmeros que son ms importantes para la medicin son tres:
1) Identidad
- a es igual a b o diferente de b (no hay tercera alternativa)
- Si a=b, entonces b=a (simetra o reflexibilidad)
- Si a=b y b=c, entonces a=c (transitividad)
2) Orden jerrquico
- Si a>b entonces b<a (asimetra)
- Si a>b y b>c entonces a>c (transitividad)
3) Aditividad
- Si a=p y b>0 entonces a+b>p (aditividad)
- a+b=b+a (conmutatividad)
- Si a=p y b=q entonces a+b=p+q (objetos idnticos pueden sustituirse)
- (a+b)+c=a+(b+c) (asociatividad)
Definicin.- La medicin consiste en un conjunto de normas para asignar nmeros a los

objetos de modo tal que estos nmeros representen cantidades de atributos. A veces la
medicin es fcil y no requiere muchas normas explcitas, como cuando debe medirse con un
metro una madera, pero otras veces requiere explicitar las normas, como en variables
complejas del tipo de la inteligencia.
En psicologa es importante la estandarizacin. Se dice que una medicin est bien
estandarizada cuando personas diferentes obtienen resultados muy semejantes al
emplearla. Un test de inteligencia est bien estandarizado si diferentes examinadores
asignan aproximadamente el mismo puntaje a los mismos nios.
Se miden atributos, no objetos: no se mide al nio sino su inteligencia. Por ello la medicin
implica abstraer. Una segunda razn para destacar que la medicin se ocupa de atributos es
que obliga a considerar cuidadosamente la ndole del atributo antes de intentar medirlo. Por
ejemplo, el no poder medir un atributo puede hacer pensar que este no existe. Otros
atributos no pueden referirse a trminos tales como fuerza yoica, percepcin
extrasensorial, etc, y tambin puede suceder que una medida se refiera a una mezcla de
atributos y no a uno solo, como cuando se mide adaptacin.
En la definicin de medicin tambin se alude a objetos. Estos habitualmente son personas o
animales, pero pueden ser tambin cosas como palabras (por ejemplo cuando se mide el
placer que despiertan ciertas palabras, situacin donde las personas actan solamente como
parte del proceso de medicin).
La prueba de la utilidad de cualquier medicin cientfica est dada por el grado en el cual
aumenta el valor de la explicacin cientfica, o sea si la medicin relaciona o no variables
importantes o relevantes. No basta entonces con establecer reglas para medir, hay que ver si
lo que se mide sirve para una ulterior explicacin de la conducta. No obstante, debe tambin
tenerse en cuenta que las reglas para medir no sean ambiguas, o sea para que cuantifiquen
sin ambigedad las propiedades de los objetos.
Medicin en psicologa.- La medicin psicolgica es importante no slo en la investigacin

aplicada (como medir el rendimiento de un alumno en un examen, la personalidad de los
cnyuges en un matrimonio exitoso, etc) sino tambin en la investigacin bsica (la reaccin
pupilar al sonido, etc). Lograr adecuados mtodos de medicin es el problema ms
importante en psicologa, sobre todo cuando se quieren medir variables como el
dogmatismo, la ansiedad, la creatividad, etc.
Dos factores contribuyeron a hacer lentos los desarrollos de la medicin: la complejidad
intrnseca del ser humano (es difcil medir lo humano) y las ideas equivocadas sobre el
propsito de la psicologa, como por ejemplo pensar que la psicologa slo atiende lo
directamente observable (Kant deca que como la psicologa se ocupaba de lo inobservable
nunca sera una ciencia). Tambin sufri la psicologa la nefasta influencia del dualismo
psicofsico (dividir lo psicolgico en fenmenos fsicos y psquicos), lo que llev a discusiones
innecesarias sobre sus mutuas relaciones. Lo importante no es si el fenmeno es o no
observable, sino si es comprobable aplicando las reglas de la investigacin. Lo inobservable
debe hacerse equivaler a algo observable, y slo as se podr medirlo y comprobarlo.
41
Metodologa.
Hay barreras emocionales que dificultan la medicin en psicologa: muchos sujetos pueden
pensar que cuando los miden se entromete el psiclogo en su vida ntima o en sus creencias
religiosas o ticas, pero la psicologa no parte de puntos de vista apriorsticos acerca de la
naturaleza humana: slo busca regularidades del comportamiento.
Medicin en psicologa.- Se emplea en campos como la psicologa clnica, social, fisiolgica

y diferencial. En algunos es ms difcil la medicin, como por ejemplo en clnica (cmo
medir la mejora de un paciente?).
En psicologa experimental las mediciones buscan leyes E-R, como por ejemplo para ratas y
hombres, pero tambin diferencias individuales y no slo leyes generales. Las diferencias
individuales se refieren ms a comparar una respuesta con otra (R-R), como por ejemplo
correlacionar inteligencia y memoria, que son dos respuestas. La bsqueda de leyes E-R y la
bsqueda de leyes R-R estn relacionadas: en casi todos los experimentos, las diferencias
promedio entre los grupos de tratamiento tienden a ser pequeas en comparacin con las
diferencias individuales entre los sujetos. En psicologa debemos poder unir las leyes E-R y
las R-R. Quienes buscan leyes E-R (experimentos psicolgicos) deben tener en cuenta las
amplias diferencias individuales que dificultan la investigacin de las leyes E-R, y quienes
investigan diferencias individuales aprovecharn la riqueza de las leyes E-R y la firme
metodologa empleada en los experimentos psicolgicos.
La psicologa diferencial estudia dos tipos de problemas: 1) las tcnicas para medir
diferencias individuales y su fundamento, y 2) estudiar cmo surgen las diferencias
individuales y cmo se relacionan entre s. El primer problema tiene que ver con los
instrumentos de medicin, y el segundo con los hechos medidos. No obstante, de las
diferencias individuales no podemos obtener muchas conclusiones sobre la conducta
humana, aunque en EEUU est muy difundido su estudio, difusin debida a la idiosincrasia de
dicho pas, donde importa mucho la competencia.
Ejemplos de medidas psicolgicas.- Un primer ejemplo es el aprendizaje de la discriminacin,
referido a la velocidad con que los sujetos aprenden a distinguir con xito las seales que les
permiten alcanzar una meta (salir del laberinto y alcanzar la comida, en el caso de la rata).
Otro se refiere al reconocimiento perceptual, o facilidad para reconoce visualmente algo
expuesto en muy breve tiempo (taquitoscopio). Otros se refieren a la vigilancia perceptual, o
estado de alerta o atencin; otros a la medicin de la memoria a corto plazo (se pide
recordar una serie de nmeros al azar mostrados hace poco), etc.
Tambin puede medirse el conformismo. Frente a un estmulo visual se pide a cuatro sujetos
que digan qu lnea es ms larga. Tres de los sujetos conocen la experiencia y deben dar
respuestas errneas; todo esto mide hasta qu punto el cuarto sujeto se deja influenciar o
no por las otras respuestas.
Los sujetos humanos pueden comunicar verbalmente sus emociones, lo que nos permite
poder medir stas ltimas en trminos de respuestas verbales. Otros experimentos miden
comprensin de la lectura, donde se pide a los sujetos que lean un prrafo y luego contesten
un cuestionario sobre su contenido. Muy importantes son tambin las mediciones de la
inteligencia.
Las mediciones resultan tiles para explicar e investigar teoras, pero no para crearlas: para
esto ltimo estn las ideas del experimentador.
Medicin en psicologa.- La matemtica es un valioso auxiliar que sirve de modelo para

describir la realidad, lo cual puede hacerse siempre que haya correspondencia entre el
modelo matemtico y las variables empricas, lo cual a su vez se consigue cuantificando o
midiendo las variables. La medicin es uno de los aspectos ms importantes de la psicologa
experimental. Las mediciones se realizan a partir de los datos que obtenemos de la realidad.
Medir es asignar nmeros a objetos o hechos. Dada la peculiaridad del objeto que estudia la
psicologa, Stevens vio la necesidad de crear nuevas regla especiales para medir en
psicologa, de las cuales surgieron diversas escalas de medida. Slo es posible hacer este
tipo de escalas cuando suponemos que hay un isomorfismo entre las relaciones empricas y
las propiedades del esquema formal, o regla terica.
Otra cuestin importante es la siguiente: a la informacin que nos dan los datos empricos se
agrega otra informacin, determinada por el tipo de medida que usamos para medirlos. En
fsica esto no tendra mucha importancia, pero s en psicologa. As, en este mbito no todas
las propiedades de los nmeros corresponden exactamente con las operaciones empricas
41
Metodologa.
que podamos aplicar a los fenmenos de conducta, sobre todo porque en psicologa casi no
hay escalas con origen en un cero absoluto y una unidad constante de medida. La mayora
de las escalas son ordinales o bien de intervalos (con cero arbitrario). Estas dificultades
impulsaron a los cientficos a desarrollar una teora de la medicin psicolgica.
Condensado de Arnau Gras J (1980) Psicologa experimental. Mxico: Trillas. Captulo 13.
Medicin y matemtica.- Ambas actividades suponen la cuantificacin, pero la matemtica

es un sistema abstracto no necesariamente vinculado a datos empricos donde lo nico que
importa es la coherencia interna. En cambio la medicin supone una referencia a los datos
empricos, porque ella se ocupa de establecer cunto est presente de un atributo, lo que
requiere una expresin numrica. En el nivel ms bajo de cuantificacin, la medicin se
ocupa slo de la presencia o ausencia de un determinado atributo. Si en la matemtica
importa la coherencia lgica, en la medicin importa sobre todo que las cantidades expresen
adecuadamente los datos empricos y ayuden a la explicacin de la realidad. La medicin
pide ayuda a la matemtica para examinar las relaciones internas de los datos obtenidos por
medicin y para poder relacionar diferentes medidas entre s.
Medicin y observacin.- Lo que puede observarse directa o indirectamente es un

conjunto de rasgos de algn sistema concreto. Para ser precisa, la observacin tiene que ser
cuantitativa, porque los sistemas concretos tienen propiedades cuantitativas, aunque no sea
ms que porque existen en determinadas cantidades y en el espacio-tiempo. La observacin
cuantitativa es la medicin. Siempre que se atribuyen nmeros a ciertos rasgos sobre la base
de la observacin se estn practicando mediciones (Bunge, 1971:769).
Bunge M (1971) La investigacin cientfica: su estrategia y su filosofa. Barcelona: Ariel.
Medicin, escalas de.- Agrupacin progresiva de valores, cada uno de los cuales constituye
un valor estndar, los cuales son utilizados para medir diversos tipos de datos (pgina 97).
Medicin, escalas de.- Hay cuatro escalas de medicin, que son las siguientes:
a) Escala nominal.- Equivale a clasificar, a asignar nmeros arbitrariamente. La nica
condicin es que las cosas a clasificar o enumerar sean equivalentes o idnticas (todas
ciudades, todos mdicos, etc.). Por lo tanto slo vale la propiedad de la identidad, indicada
antes ms arriba.
En esta escala se pueden hacer algunas operaciones estadsticas como sacar frecuencias,
porcentajes, modos, y alguna medida de correlacin como el coeficiente de contingencia, y
tambin aplicar algunas pruebas de hiptesis como la de chi cuadrado (x al cuadrado).
b) Escala ordinal.- Adems de distintos, los elementos deben tener aqu una relacin de
orden (mayor que, ms duro que, etc.). Valen aqu no slo las propiedades de identidad sino
tambin las de orden jerrquico.
La medida estadstica de tendencia central ms apropiada es la mediana, y todos los
mtodos estadsticos no paramtricos.
c) Escala de intervalos iguales.- Su propiedad ms importante es que distancias
numricamente iguales representan distancias empricamente iguales (lo cual no
necesariamente ocurre en la escala ordinal, donde interesa el orden ms que la distancia).
La relacin que podemos establecer entre dos intervalos es independiente de la unidad de
medida usada y del punto cero (o sea, la unidad de medida y el cero son arbitrarios). Esto
se advierte bien cuando comparamos dos escalas distintas de temperatura (Farenheit y
Celsius), pudiendo transformarse una en otra mediante frmulas de conversin a pesar de
tener distintas unidades de medida y distinta ubicacin del punto cero.
Por lo tanto la relacin de las diferencias en una de las escalas es igual a la relacin de las
diferencias equivalentes en la otra escala:
Celsius
Farenheit
0
32
10
50
30
86
100
212
por tanto
30 10
86 - 50
---------- = ---------10 0
50 - 32
Ntese que en cambio las razones son distintas:

30
86
41
Metodologa.
---- distinto a -------10
50
En esta escala se pueden aplicar todas las medidas estadsticas ms conocidas, excepto el
coeficiente de variacin.
d) Escala de cocientes o razones.- Presenta todas las propiedades anteriores, ms un punto
cero verdadero en su origen.
Kilogramos
Litros
1
2,2
2
4,4
3
6,6
4
8,8
5
etc
3
6,6
---- = ------2
4,4
Estamos en una escala de cocientes cuando se pueden establecer cuatro tipos de relaciones:
equivalencia, mayor o menor que, relacin entre dos intervalos cualesquiera, y relacin
entre dos valores cualesquiera de la escala. Slo es arbitraria la unidad de medida, pero no
el cero.
En la escala ordinal slo se admiten transformaciones monotnicas (puedo sumar, restar,
multiplicar, dividir todos los nmeros por una misma constante y la escala no vara, y, por lo
tanto, tampoco la informacin que me suministra).
En la escala de intervalos iguales se admiten, adems, las transformaciones lineales
(y=a+bx).
En la escala de cocientes o razones, adems, se admiten las transformaciones por
multiplicacin por una constante (y=bx, donde b puede ser mayor o menor que cero, pero
no igual a cero).
Medicin, escalas de.- La medida es posible solamente porque existe una cierta
correspondencia entre las relaciones empricas entre objetos y sucesos, por un lado, y reglas
matemticas por el otro.
Segn Stevens existen escalas nominales, ordinales, de intervalos y de razones, siendo las
ltimas las ms fuertes que las primeras porque suministran ms informacin.
Escalas nominales.- Una escala nominal consiste en dos o ms categoras conocidas, en las
que se clasifican objetos, individuos o respuestas. La nica relacin entre las categoras es
que tienen que ser distintas, no habiendo referencia a mayor o menor. El nico requisito es la
equivalencia o posibilidad de incluir a un individuo en una categora en forma unvoca.
Escalas ordinales.- Es la que define un ordenamiento, es decir, la posicin relativa de objetos
o individuos con respecto a una caracterstica, sin implicacin alguna en cuanto a la distancia
entre posiciones. Esta escala debe ser capaz de determinar el orden, o sea si un individuo
est con ms o menos atributo que otro, sin especificar cunto.
Escalas de intervalos.- Aqu no solamente se ordenan las posiciones en trminos de mayor,
igual o menor; las unidades, o intervalos de medida lo son igualmente. As, la distancia entre
las posiciones 1 y 2 es igual a la distancia entre 2 y 3, etc. Aqu debe determinarse qu
intervalos son iguales. Por ejemplo: la escala de temperatura.
Escalas de razones.- Adems de tener las caractersticas de la escala de intervalos, contiene
un cero absoluto. Las operaciones empricas necesarias para establecer una escala de
razones incluyen mtodos para determinar no solamente la equivalencia o no equivalencia
(escalas nominales), orden de rango (escalas ordinales), e igualdad de intervalos (escala de
intervalos), sino adems la igualdad de razones. Slo tiene sentido establecer igualdad de
razones si hay un cero absoluto, o sea, decir por ejemplo A es dos veces ms pesado que B,
o Yo gast la mitad que t. Son ejemplos el peso, el tiempo, la longitud, las reas, los
ngulos, etc, e incluso la misma escala de nmeros cardinales (1, 2, 3, etc).
En suma, una escala ordinal me dice que un puntaje 10 es mayor que otro 15; una escala de
intervalos me dice que 15 es tan elevado respecto del 10, como 10 lo est de 5; una escala
de razones, adems de todo lo anterior, me dice que el de la posicin 10 posee dos veces el
atributo, en cantidad, que el 5.
En ciencias sociales se utilizan principalmente las escalas nominales y ordinales, existiendo
ms dificultad para aplicar las otras, sobre todo la de razones.
41
Metodologa.
Medicin, escalas de.- Se han distinguido las siguientes escalas de medicin: nominal
(Stevens), parcialmente ordenada (Coombs), ordinal (Stevens), mtrica ordenada (Coombs),
por intervalos (Stevens) y por cocientes (Stevens).
Para que la medicin sea posible, algunos casos deben poder discernirse como iguales o
desiguales a otros. As, las relaciones bsicas son la igualdad y la desigualdad.
La igualdad es simtrica (si A=B entonces B=A) y transitiva (Si A=B y B=C entonces A=C),
pero la desigualdad es simtrica pero no es transitiva (pues si A no igual a B y B no igual a
C, no necesariamente A no igual a C). La asignacin de un nmero a cada libro en una
biblioteca supone una de estas dos relaciones y es, por tanto, una escala nominal.
Si la relacin que se mantiene en los casos desiguales fuera mayor que o menor que
(siendo ambas asimtricas y transitivas) obtenemos una escala ordinal. Por ejemplo en la
secuencia A-B-C-D-E, A es mayor que B, B mayor que C, etc. Una variante de esta escala
ordinal es la escala parcialmente ordenada, donde no todos los casos estn ordenados de
mayor a menor. Por ejemplo si bien a es mayor que B y que C, no hay indicacin de cmo
son B y C entre s, aunque sepamos que ambos son mayores que D.
Cuando, adems de conocer que A mayor que B y B mayor que C, tambin podemos conocer
los intervalos entre ellos, es decir, cuando podemos saber tambin que (A-C)=(C-D), o que
(A-C) es mayor o menor que (C-D), entonces tenemos una escala mtrica ordenada. Una
informacin adicional, que nos permite decir qu proporcin es un intervalo de otro, produce
una escala de intervalos. As, podemos determinar que (A-C)= x (C-d), donde x es un factor
determinable.
La escala de edades mentales es mtrica ordenada, mientras que la de temperatura es de
intervalos.
Finalmente, cuando tenemos alguna informacin sobre la ubicacin de un cero absoluto,
tendremos una escala de cocientes. Aqu s tiene sentido decir que 100 es el doble que 50,
pero esto no lo podemos hacer en una escala de intervalos, donde por ejemplo 100 grados
de temperatura no es el doble de 50 grados, ni un CI de 50 es la mitad de inteligencia que
un CI de 100.
Medicin, escalas de.- Caracterizacin y ejemplos de las escalas de medicin:

ESCALA
CARACTERSTICAS
BSICAS
Nominal
Los nmeros
identifican y
clasifican objetos
Ordinal
Los nmeros indicas

las posiciones
relativas de los
objetos, pero no de
las magnitud de las
distancias entre ellos
RELACIN
ENTRE
VALORES
Desigualdad.
Desigualdad.
Orden
jerrquico.
EJEMPLOS
Ejemplos
comunes:
Sexo; tipologas
de personalidad;
mtodos de
enseanza.
Ejemplos en
mercadotecnia:
Tipos de
packaging;
publicitarias;
clasificacin por
rubros.
Ejemplos
comunes:
Nivel de
educacin; clase
social;
caractersticas
psicolgicas
medidas por test
psicomtricos
(Domins,
Raven).
Ejemplos en
ESTADSTICAS
PERMITIDAS
Descriptivas
Porcentajes;
moda.
Inferenciales
Chi cuadrada;
prueba
binominal.
Descriptivas
Percentiles;
mediana.
Inferenciales
Correlacin
rango-imagen.
41
Metodologa.
Intervalar
De
cocientes
La distancia entre
los objetos puede
compararse. El
punto cero es
arbitrario
Desigualdad.
Orden
jerrquico. Igual
distancia.
La escala parte de
un cero absoluto.
Pueden calcularse
relaciones de
magnitud entre los
valores de la escala
Desigualdad.
Orden
jerrquico. Igual
distancia.
Proporcionalidad.
mercadotecnia:
Ranking de
marcas; ndices
de evocacin (top
of mind); escalas
de preferencias;
escalas de
actitudes (Likert).
Ejemplos
comunes:
Escalas de
temperatura
(Fahrenheit y
Celsius);
caractersticas
psicolgicas
medidas por test
psicomtricos
(CI).
Ejemplos en
mercadotecnia:
Escalas de
actitudes
(Thurstone y
Guttman).
Ejemplos
comunes:
Edad; longitud;
peso; cantidad de
sesiones;
cantidad de
horas-trabajo;
ingresos.
Ejemplos en
mercadotecnia:
Volumen de
ventas; costos;
participacin en
el mercado;
frecuencia de
compra; tasas de
rotacin de
productos.
Descriptivas
Rango; media;
desviacin
estndar.
Inferenciales
Pruebas de
diferencias de
medias (t y z);
ANOVA;
regresin;
correlacin (R
de Pearson);
anlisis
factorial.
Descriptivas
Media
geomtrica;
media armnica.
Inferenciales
Coeficiente de
variacin.
Gonzlez Gustavo (1988) Estudios de mercado. Mdulo II. Publicacin interna de la materia homnima.
Buenos Aires. Universidad de Belgrano. Facultad de Humanidades.
Medicin, escalas de.- Resumen de escalas de medida (Botella, 1993:34):

Tipo
Informacin deducible
Nominal
Relaciones igual que o

distinto que
Relaciones mayor que
o igual que
Ordinal
Intervalo
Razn
Igualdad o desigualdad
de diferencias
Igualdad o desigualdad
de razones
Transformaciones
admisibles
Aplicaciones inyectivas
Funciones crecientes
a + b.x
(b distinto de cero)
b.x
(b distinto de cero)
Botella R (1993) Anlisis de datos en psicologa I. Buenos Aires: Paids.
Ejemplos
Sexo, estado civil,
diagnstico clnico
Dureza, nivel
socioeconmico, grado de
asertividad
Temperatura, calendario,
inteligencia
Longitud, peso
41
Metodologa.
Medicin, escalas de.- Hay cuatro:
Escala de intervalos.- Es una medicin de mayor precisin, pues establece el orden en las
posiciones relativas a los objetivos o individuos, y mide la distancia existente entre los
intervalos. Conviene tener en cuenta el punto de partida (convencional) para la escala y la
relacin, mayor o menor entre los objetos ordenados. Para esta medida puede
estadsticamente emplearse: mediana, desviacin estndar, correlaciones de distinto tipo
(pgina 99).
Escala de razones.- Es una escala de intervalos, que tiene un cero absoluto, el cual
representa la nulidad de lo que se estudia. En los objetos que se ordenan, hay orden
jerrquico, igualdad de intervalos y ratios, y adems, los nmeros empleados son reales. Se
emplea estadsticamente la media geomtrica y el coeficiente de variacin (pgina 97).
Escala nominal.- O de clasificacin, la cual consiste en clasificar objetos reales segn ciertas
caractersticas o tipologas, asignndoles un nombre o smbolo, y que son ordenados en
relacin a una igualdad o equivalencia de un aspecto o caracterstica. El tratamiento
estadstico es muy limitado, pero se puede emplear: modo, frecuencia y coeficiente de
contingencia (pgina 98).
Escala ordinal.- O de orden jerrquico, establece posiciones relativas de objetos o individuos
en relacin con una caracterstica, sin reflejar distancia entre ellos, es decir, indica
nicamente el orden de preferencia sin sealar distancia entre una y otra eleccin. Puede
emplearse estadsticamente en este tipo de escala: mediana, percentil, Sperman V, Kendall
T, Kendall W (pgina 98).
Medicin, escalas de.- Las discusiones en torno a las escalas de medicin se refieren
siempre a la legitimidad de emplear determinados procedimientos matemticos como
medidas de atributos psicolgicos, ya que los diferentes tipos de escalas de medicin
implican usos distintos de los nmeros. Veamos algunos de estos tipos de empleos.
Rtulos.- A veces se usan nmeros para representar objetos sin pretensin de operar
matemticamente sobre dichos nmeros. Estos no representan cantidades de atributos sino
simplemente objetos, por ejemplo a cada persona de un experimento asignarle un nmero.
Categoras.- Aqu los nmeros rotulan grupos de objetos, y no los objetos individuales. Por
ejemplo dar un nmero a cada profesin, a cada sexo, etc. Las nicas diferencias a usar un
nmero como rtulo o como categora es que en este ltimo caso a cada nmero le
corresponde ms de un objeto, y adems todos los objetos del mismo nmero tienen al
menos un atributo en comn. En ninguno de ambos casos el nmero tiene una connotacin
cuantitativa.
Escalas ordinales.- Poseen tres caractersticas: 1) en esta escala una serie de objetos o
personas est ordenada de mayor a menor con respecto a un atributo; 2) no hay indicacin
de cunto posee en sentido absoluto cualquiera de los objetos; y 3) no existe indicacin de
cunto se diferencian los objetos respecto del atributo. Es una forma muy bsica y primitiva
de medir, y da poca informacin. Por ejemplo ordenar un grupo de jvenes del ms alto al
ms bajo. Esto no nos informa sobre la altura promedio, y menos an sobre el desvo
estndar.
Escalas de intervalos.- Es aquella en la cual: 1) se conoce el orden por rangos (escala
ordinal) de los objetos con respecto a un atributo; 2) se sabe cunto se diferencian los
objetos uno de otro, pero 3) no se dispone de ninguna informacin acerca de la cantidad
absoluta del atributo con respecto a ninguno de los objetos. Obtendremos por ejemplo una
escala de intervalos para la altura de un grupo de jvenes si, en lugar de medirlos
directamente, se midiera la altura de cada uno con respecto al ms bajo del grupo. Entonces
el ms bajo tendra altura 0 (cero), el que tiene 2 cm tendra altura 2, etc. Pero en psicologa
es ms habitual tomar como base la altura media /y no el ms bajo) de forma que quien
tuviera 2 cm ms que la media tendra +2, quien tuviera 3 cm menos que la media, tendra
-3, etc. O sea pueden calcularse los intervalos con respecto a la altura media sin saber
realmente cunto se aparta una persona del punto 0 (cero).
La escala de intervalos no nos informa sobre la magnitud absoluta del atributo. Decir que un
sujeto tiene altura +6 nada nos dice cunto mide realmente. Esta escala se llama tambin de
intervalos iguales, lo que significa que por ejemplo la diferencia entre 100 y 105 como CI se
presupone igual a la diferencia entre 120 y 125. Hay la misma diferencia de inteligencia,
pero las consecuencias prcticas pueden ser distintas.
41
Metodologa.
Escalas de cocientes.- La obtenemos cuando:1) se conoce el orden por rangos de las
personas respecto del atributo; 2) se conocen los intervalos entre las personas; y 3) para
cada persona se conoce adems la distancia desde un cero racional. Esta escala sera un
caso particular de escala de intervalos respecto de un cero racional y no de un cero arbitrario
(por ejemplo el joven ms bajo). Obviamente si disponemos de una escala de intervalos de
altura y conocemos adems la altura absoluta de uno cualquiera de los jvenes, podremos
calcular la altura absoluta de los dems.
Las escalas ordinales, de intervalos y de cocientes son escalas bsicas, pero existen muchas
variantes y combinaciones posibles de stas. Por ejemplo la escala mtrica ordenada y la
escala logartmica de intervalos de Stevens.
41
Medicin, escalas de.- Los experimentalistas utilizaron nmeros para expresar fenmenos.
Si a esos nmeros aadimos las operaciones que la matemtica nos permite hacer,
tendremos un modelo matemtico para describir las relaciones entre aqullos fenmenos
psicolgicos.
Pero no siempre hay una correspondencia exacta, isomrfica, entre el sistema numeral y las
propiedades psicolgicas. A ciertos fenmenos podemos aplicar ciertas reglas matemticas
(axiomatologa) y a otros otras reglas distintas: de aqu las diversas escalas de medicin.
En la escala nominal se pueden transformar los datos mediante un grupo de permutacin:
x=f(x). As, si clasificamos tres categoras como A-B-C podemos sustituirlas por 1-2-3.
En la escala ordinal se pueden transformar los datos mediante un grupo de transformacin
isotnico (funcin montona creciente), de la siguiente forma: x=f(x). Los nmeros 1-2-3-4
se pueden sustituir por primero-segundo-tercero, etc.
En la escala de intervalos recurrimos a una funcin lineal (grupo de transformacin lineal):
x=ax+b. Por ejemplo las puntuaciones de rendimiento, sumadas a una constante, no alteran
el contenido.
En la escala de razn slo se admite la multiplicacin por una constante, y se emplea el
grupo matemtico de semejanza: x=ax. Por ejemplo la intensidad del sonido, la brillantez,
etc.
El siguiente esquema sintetiza las diferencias entre las distintas escalas de medida:
Escalas
Nominal
Operaciones
empricas
bsicas
Determinacin
de igualdad
Ordinal
Determinacin
de mayor o
menor
De
intervalos
Determinacin
de igualdad de
intervalos o
diferencias
De razn
Determinacin
de igualdad de
razones
Estructura
matemtica del
grupo
Grupo de
permutacin
x=f(x)
Donde f=(x)
significa cualquier
sustitucin
biunvoca.
Grupo isotnico
x=f(x)
Donde f=(x)
significa cualquier
funcin montona
creciente.
Grupo de funcin
lineal
x=ax+b
Grupo de semejanza
x=ax
Estadsticos
aplicables
Ejemplos tpicos
Frecuencia
Moda
Correlacin de
contingencia
Numeracin de
jugadores de ftbol
Asignacin de
nmeros tipo
modelo a clases
Mediana
Percentiles
Correlacin
ordinal
Dureza de los
minerales
Grados de mrito
Agrado de olores
Media
Desviacin tpica
Correlacin
Temperatura
Energa
Fechas calendario
Puntuaciones
tpicas de los tests
de rendimiento?
Longitud, peso,
densidad,
resistencia, etc
Escala de tonos
(mels)
Escala de sonidos
Media
geomtrica
Coeficiente de
variacin
Transformacin
de decibeles
Metodologa.
(sones)
Descripcin de las principales escalas de medida
Escala nominal.- En la escala nominal los nmeros representan caractersticas de los objetos
pero sin relacin con su magnitud. Los nmeros son meros smbolos o etiquetas para
clasificar los objetos. Por ejemplo clasificar los estmulos en visuales, auditivos, tctiles, etc.
Si x e y son dos datos, para poder incluirlos en una escala nominal deben cumplir slo una
de cualquiera de estas caractersticas: ser iguales o ser desiguales. Dicha relacin, adems,
deber ser simtrica (si x=y entonces y=x) y transitiva (si x=y, e y=z, entonces x=z).
Para una escala nominal es suficiente tener un criterio de pertenencia a una clase de
equivalencia (o categora), y as podemos saber cuntos sujetos entran dentro de una
categora, usando frecuencias absolutas o porcentuales. Tambin podemos calcular el
coeficiente de contingencia, o sea si la pertenencia a cierta clase de un dato, afecta o no la
probabilidad de pertenecer a otra clase, dentro de otra escala nominal.
Escala nominal parcialmente ordenada.- Dentro de las escalas nominales hay una especial,
llamada escala nominal parcialmente ordenada. En ella algunos (no todos) de los elementos
pueden relacionarse en trminos de mayormenor. Por ejemplo cuando A es mayor que B o
que D, y C es menor que B o que D, pero no sabemos cual es mayor o menor entre B y D.
Estas escalas se usan al emplear categoras que no pueden sumarse, por ejemplo ingresos y
cultura, para dar otra caracterstica, como el estado socioeconmico.
Escala ordinal.- Si la relacin mayor puede aplicarse a todos los pares de miembros de las
diferentes categoras o clases, tendremos una escala ordinal. Con ella se puede ordenar los
sujetos por rangos (A es mayor que B, B es mayor que C, etc). Se puede sacar tambin la
mediana. La mayora de las escalas usadas en psicologa son ordinales, siendo muy difcil
usar otra de nivel superior.
Escala mtrica ordenada.- Esta escala dice que no slo A es mayor que B y B mayor que C,
sino adems informa sobre si la relacin A-B es la misma o no que la distancia B-C. Es como
una ordenacin por rangos pero de los intervalos, y entonces esta escala da mayor
informacin que la ordinal, pero menos que la de intervalos.
Escala de intervalos.- Mide la diferencia entre intervalos (o su igualdad, si son iguales). Esto
se consigue mediante el empleo de una unidad de medida. Se pueden comparar entonces los
intervalos A-B y B-C diciendo que el primero es el doble del segundo, por ejemplo, pues
contiene dos unidades de medida y el otro una sola.
Estas escalas tienen un cero arbitrario, pues no miden el atributo en forma absoluta en cada
sujeto. El hecho de que un sujeto haya obtenido 50 en un test de rendimiento y otro 10, no
significa que el primero sea 5 veces ms habilidoso que el segundo. Segn Stevens, las
escalas de intervalos pueden ser lineales o logartmicas.
Escala de razones.- Es el nivel ms alto de cuantificacin, donde es posible medir la
magnitud absoluta de la caracterstica poseda por los sujetos. En las escalas de intervalos se
pueden multiplicar (o sumar) lo puntajes por un nmero sin que la estructura se modifique,
debido a la ubicacin arbitraria del punto de origen. En la escala de razn se parte del cero
absoluto y las operaciones aritmticas no slo se aplican a las diferencias, sino a los mismos
valores de la escala. Por ello se puede calcular la razn significativa entre dos valores de la
misma.
Medidas fundamentales, derivadas y arbitrarias en psicologa.- Las medidas fundamentales y
las derivadas se establecen dentro de un marco terico determinado. Se utilizan en fsica,
pero en psicologa slo dentro de la psicofisiologa (distancia para medir ilusiones pticas,
tiempo para medir velocidad de reaccin, etc). De las fundamentales proceden las medidas
derivadas, que se definen en funcin de aqullas. Por ejemplo el aprendizaje verbal, que
deriva de la cantidad de palabras aprendidas, o nmero de lecturas de una lista de palabras.
Las medidas arbitrarias no dependen de un marco terico; antes bien muchas veces se
utilizan para construirlo. Usamos medidas arbitrarias cuando la teora no nos ensea cmo
deben medirse los fenmenos.
Medicin, escalas de.- Blalock describe las siguientes:

Escalas nominales.- Es clasificar individuos en categoras exhaustivas y mutuamente
excluyentes. Por ejemplo, clasificar adultos en catlicos, protestantes, judos y otros. Luego,
contar la cantidad de adultos que entran en cada categora.
41
Metodologa.
Escalas ordinales.- Cuando las categoras se pueden ordenar segn algn criterio de mayormenor o mejor-peor, hablamos de escalas ordinales. Por ejemplo, clasificar ocupaciones
segn su grado de prestigio.
La escala ordinal debe cumplir la propiedad transitiva: siendo A, B y C categoras, debe
cumplirse que si A mayor que B y B mayor que C, entonces A mayor que C.
Escalas de intervalos y escalas de razones.- A veces se puede usar una unidad de medida o
patrn, con lo cual podemos conocer la magnitud numrica entre los puntajes. Por ejemplo el
tiempo, el ingreso mensual, etc. Cuando la existencia de una unidad estandarizada (horas,
dlares) de esta ndole permite comparar las diferencias de puntaje, estamos ante una
escala de intervalos.
Si, adems, el punto cero se elige de una manera no arbitraria, se vuelve posible comparar
la razn de dos puntajes, y tenemos la escala de razones. En la prctica, cuando contamos
con una unidad definida de medicin, como el dlar o el centmetro, el punto cero no
carecer de significado real, pues representan un ingreso o una longitud nula. En estos casos
podemos comparar tambin razones y extraer afirmaciones significativas, diciendo por
ejemplo que el ingreso de un individuo es el doble que el de otro.
La temperatura es escala de intervalos pero no de razones. En este caso el cero (cero grados
centgrados) es arbitrario, y por ende no tiene sentido decir que 40 grados sea el doble de
temperatura que 20 grados, pero s tendr sentido decir que la diferencia de temperaturas
entre 40 y 20 grados es la misma que hay entre 80 y 60 grados.
Condensado de Blalock H, Introduccin a la investigacin social. Captulo 3.
Medicin escalas de, en psicologa.- En psicologa se emplean todas las escalas bsicas.
Por ejemplo al medir el tiempo que usa una rata para cruzar un laberinto empleamos una
escala de cocientes, pues aqu tiene sentido hablar de cantidad 0 (cero) de tiempo, o sea es
un cero racional. Tambin tiene sentido hablar de un aprendizaje cero cuando deben
recordarse veinte pares de palabras, y no recordar ninguna sera el aprendizaje cero. No
obstante estos ejemplos, la gran mayora de los datos psicolgicos son expresables mediante
escalas de intervalos. No tiene sentido por ejemplo hablar de inteligencia 0 (cero) o de
autoestima 0 (cero), como tampoco tiene sentido decir que una persona tiene una vez y
media ms capacidad de razonamiento que otra, etc. Para hacer anlisis de correlaciones o
anlisis de variancia slo se requieren escalas de intervalos.
Medicin escalas de, en psicologa.- En psicologa no hay un nico sistema de medicin:

algunos datos se pueden tratar con un nivel de medicin pero no con otro. Potencialmente,
los niveles de medicin pueden ser infinitos, pero Stevens y Coombs hicieron algunas
sistematizaciones prcticas. Comenz Stevens, llamando escalas a esos niveles de medicin,
las cuales funcionan como definiciones operacionales ya que indican qu operacin emprica
debemos realizar para conseguir cierto orden o rigor.
Stevens clasific las escalas en: nominal, ordinal, de intervalos y de razn.
Esta clasificacin est hecha en funcin del principio de invarianza, referido al tipo de
transformaciones que permite una escala sin que se altere su estructura u ordenamiento
bsico. Cuanto ms preciso y riguroso es el nivel de medicin (por ejemplo el nivel de
razn), ms restricciones se imponen a los fenmenos observados, pero se gana en poder de
medicin.
Para Coombs, las dos primeras son escalas dbiles, cualitativas, pues no tienen precisin, a
diferencia de las dos ltimas, cuantitativas. En los primeros momentos de la constitucin de
una ciencia conviene empezar con escalas dbiles pues ellas implican pocas suposiciones
acerca de cmo pueden describirse adecuadamente los resultados. Cuando la ciencia avanza
ms, se puede pasar a las escalas ms fuertes.
MEDIDA
Definicin.- Las medidas son respuestas a las preguntas acerca de cunto de alguna
propiedad que puede variar de caso en caso por un grado infinitamente pequeo, es posedo
por cada uno de esos casos.
Dicha propiedades medibles pueden ser extensivas (longitud, peso) o intensivas (dureza,
brillo, inteligencia). La diferencia est en que las propiedades extensivas tienen aditividad:
si queremos medir la longitud de un objeto, debemos determinar cuntas unidades de
41
Metodologa.
longitud de diez metros es diez veces ms largo que uno de un metro. Esto no sucede en las
propiedades intensivas como la dureza. Si damos el valor diez al diamante y uno al talco, ello
no implica que el primero sea diez veces ms duro que el talco. Si hemos puesto nmeros a
las durezas es para hacer un orden de quin raya a quin (si el diamante tiene diez es
porque es capaz de rayar al talco, pero no ste al diamante).
Se suele distinguir tambin entre medidas directas o fundamentales, y medidas derivadas.
Una medida directa es la longitud (metros), pero la velocidad es una medida derivada pues
se extrae a partir de medidas directas como la longitud y el tiempo.
Medida de dispersin.- Medida que describe cmo se dispersan o distribuyen las

observaciones de un conjunto de datos. Cantidades que describen la variabilidad de los
datos.
Medida de distancia.- Medida de dispersin en trminos de la diferencia entre dos valores

del conjunto de datos.
Medida de tendencia central.- Medida que indica el valor esperado de un punto de datos
tpico o situado en el medio. Cantidades numricas que dan una idea sobre la ubicacin de la
distribucin de frecuencias.
Las medidas de tendencia central se conocen como medidas de posicin. La tendencia central
se refiere al punto medio de una distribucin.
Relacin entre las medidas de tendencia central.- Entre la media, la mediana y la moda hay
ciertas relaciones definidas. Cuando trabajamos un problema de estadstica, debemos decidir
si vamos a utilizar la media, la mediana o la moda como medidas de tendencia central. Las
distribuciones simtricas que slo contienen una moda, siempre tienen el mismo valor para
la media, la mediana y la moda. En tales casos, no es necesario escoger la medida de
tendencia central, pues ya est hecha la seleccin.
En una distribucin positivamente sesgada (es decir, sesgada hacia la derecha), la moda
todava se encuentra en el punto ms alto de la distribucin, la mediana est hacia la
derecha de la moda y la media se encuentra todava ms a la derecha de la moda y la
mediana.
En una distribucin negativamente sesgada, la moda sigue siendo el punto ms alto de la
distribucin, la mediana est hacia la izquierda de ella y la media se encuentra todava ms a
la izquierda de la moda y la mediana.
Cuando la poblacin est sesgada negativa o positivamente, con frecuencia la mediana
resulta ser la mejor medida de posicin, debido a que siempre est entre la moda y la
media. La mediana no se ve altamente influida por la frecuencia de aparicin de un solo valor
como es el caso de la moda, ni se distorsiona con la presencia de valores extremos como la
media.
MODA
Definicin.- "Llamada tambin mdulo, modo, valor prevalente, promedio tpico, valor
dominante, etc., es la medida de posicin que nos da la magnitud del valor que se presenta
con ms frecuencia en una serie. Dicho en otras palabras: se trata del valor de la variable
que tiene mayor frecuencia absoluta".
Ander-Egg E., Tcnicas de investigacin social, Buenos Aires, Hvmanitas, 1987, 21 edicin, pg. 364.
Ventajas y desventajas.- La moda, al igual que la mediana, se puede utilizar como una
posicin central para datos tanto cualitativos como cuantitativos.
Tambin, al igual que la mediana, la moda no se ve mayormente afectada por los valores
extremos. Incluso si los valores extremos son muy altos o muy bajos, nosotros escogemos el
valor ms frecuente del conjunto de datos como el valor modal. Podemos utilizar la moda sin
importar qu tan grandes o qu tan pequeos sean los valores del conjunto de datos, e
independientemente de cul sea su dispersin.
La podemos utilizar aun cuando una o ms clases sean de extremo abierto.
41
Metodologa.
Muy a menudo, no existe un valor modal debido a que el conjunto de datos no contiene
valores que se presenten ms de una vez. En otras ocasiones, cada valor es la moda, pues
cada uno de ellos se presenta el mismo nmero de veces. Otra desventaja consiste en que
cuando los datos contienen dos, tres o ms modas, resultan difciles de interpretar y
comparar.
MUESTRA
Variacin en las muestras.- As como hay variacin de un individuo a otro dentro de una
muestra, del mismo modo existen variaciones de una muestra a otra cuando a estas se las
considera en conjunto. Si de un universo extraemos muestras sucesivas al azar, del mismo
tamao y calculamos los valores medios de estas muestras, el centro de la distribucin de
estos valores medios ser la media del universo del que fueron extradas aquellas muestras.
La variacin observada depender de dos factores: primero, de las caractersticas de
variacin en el universo del que se extrajo la muestra; y segundo, del tamao de la muestra
(Bancroft H, 1960:87).
Indices y proporciones estn sujetos a variacin durante la extraccin de muestras, del
mismo modo que lo estn los valores medios y otras constantes estadsticas asociadas a
datos provenientes de mediciones (Bancroft, 1960:125).
Variacin en las muestras.- Bancroft (1960) seala que las diferencias entre muestras
pueden consistir en que tienen valores medios diferentes (1960:95) o bien en que tienen
razones o proporciones diferentes (1960:141).
1) Una de las pruebas ms importantes que derivan del anlisis estadstico es la de
establecer si la diferencia entre los valores medios de dos muestras es lo suficientemente
grande como para justificar la conclusin de que las muestran representan dos universos
diferentes (Bancroft, 1960:95). Estas pruebas se aplican cuando hay alguna duda acerca del
significado de las diferencias, lo cual ocurre en la mayora de las veces. Un ejemplo de
prueba es la prueba t, que se aplica especialmente en los casos donde las muestras son
pequeas (Bancroft, 1960:205).
2) Para poder afirmar que la razn o proporcin en una muestra es significativamente
diferente de las de otra muestra, es necesario probar que las muestras son razonablemente
comparables, que es improbable que la diferencia entre ambas haya ocurrido por azar, o que
la frecuencia con que deba esperarse que ocurriera por la simple intervencin del azar es
relativamente pequea (Bancroft, 1960:141). Existen diversas pruebas estadsticas que
permiten determinar si una proporcin dada es significativamente diferente de otra
proporcin. El ejemplo es la prueba de chi cuadrado, que viene la ventaja adicional de que
puede utilizarse cuando se desea comparar ms de dos grupos (Bancroft, 1960:159).
NIVEL
Nivel de confianza.- Porcentaje de posibilidades de que sea cierta nuestra afirmacin. Se
considera aceptable a partir del 95%. A igualdad de los restantes parmetros, un incremento
en el nivel de confianza implica aumento del intervalo de confianza. Es decir, si se quiere
mayor seguridad en la afirmacin hay que ser menos preciso en la estimacin.
edicin, pg 70.
Nivel de significacin.- El nivel de significancia y el intervalo de confianza son niveles de

probabilidad de cometer un error o equivocarse en la prueba de hiptesis o la estimacin de
parmetros. Los niveles ms comunes en ciencias sociales son los del .05 y .01.
NMERO
Usos.- En estadstica y metodologa de la investigacin, los nmeros pueden tener al menos
tres usos distintos: a) como rtulos de identificacin (ejemplo el nmero de documento de
41
Metodologa.
identidad); b) como signos que indican cualidades en trminos de grados (ms grande que,
ms azul que, etc). Por ejemplo, formar una serie de objetos de grandes a pequeos y
asignar a cada uno un nmero convencional, como 1-2-3 o 1-5-10. La serie 1-2-3 no indica
que el primer objeto es tres veces ms grande que el primero, puesto que aqu los nmeros
se consideran convencionales, pudiendo reemplazarse entonces 1-2-3 por 1-5-10; y c) como
signos para medir cualidades extensionales (las anteriores eran intensionales), como por
ejemplo el peso, que es aditivo porque ahora s tiene sentido decir que 3 kg es tres veces
ms pesado que 1 kg.
Nmero ndice.- La elaboracin de nmeros ndices es un procedimiento basado en la

aplicacin combinada de los valores medios y de los valores proporcionales. Tiene por
finalidad medir y comparar las diferencias de magnitud de un fenmeno que vara en el
tiempo, o que realizndose en el mismo momento, vara en el espacio o circunstancia. Se
trata, pues, de una comparacin de dos situaciones, que en lenguaje estadstico se
denominan situacin de base y situacin actual.
Se pueden clasificar en simples y complejos. El nmero ndice simple se calcula para una sola
variable, y se expresa dividiendo a situacin actual (por ejemplo en 1999 hay 234 casos),
por la situacin de base (si se toma 1961 como base, all hubo 200 casos), y el resultado se
multiplica por cien.
El nmero ndice complejo representa la evolucin de una pluralidad de hechos (costo de
vida, un flujo econmico, etc) que es la sntesis de una serie de compuestos elementales.
Hay nmeros ndices sin ponderar (media aritmtica simple por ejemplo) y ponderados
(ndices de Laspeyres, de Paasche, de Fisher). El ndice del costo de vida es la aplicacin ms
conocida del nmero ndice. Se trata de un indicador representativo de la variacin de los
precios al consumo y del poder de compra del estrato socioeconmico incluido en la muestra
aleatoria seleccionada para el estudio (Ander-Egg, 1987:403).
Ander-Egg E (1987) Tcnicas de investigacin social. Buenos Aires: Hvmanitas.
PARMETRO
Definicin.- Valor numrico que describe las caractersticas de una poblacin completa,
representado generalmente por letras griegas. Ejemplos: media aritmtica poblacional,
desvo estndar poblacional.
Definicin.- Una parmetro es una medida usada para describir alguna caracterstica de una
poblacin, tal como una media aritmtica, una mediana o una desviacin estndar de una
poblacin.
Definicin.- Estimacin acerca de los valores de un dato. // Valor real de la medida

estadstica correspondiente de toda poblacin. Debe ser deducido de las estimaciones de la
muestra elegida al azar que pueden ser medidas. // Valor que resume una serie particular de
observaciones cuantitativas. // Valor calculado partiendo de una muestra para caracterizar el
universo de donde ha sido tomada. // Es una constante en una ecuacin que contiene dos o
ms variables por cada valor, de las cuales se da una curva determinada en un sistema de
curvas (pgina 163).
PERCENTIL
Definicin.- Un percentil o "punto percentil es el valor sobre la escala de medida, debajo del
cual cae un porcentaje dado de los datos de la distribucin" .
1999, 5ta. edicin, pg. 43.
POBLACIN
41
Metodologa.
Definicin.- Universo o colectivo, constituye la totalidad de un conjunto de elementos,
seres u objetos que se desea investigar y de la cual se estudiar una fraccin (la muestra)
que se pretende que rena las mismas caractersticas y en igual proporcin (Ander-Egg,
1987:179).
POLGONO DE FRECUENCIA
Construccin.- Se obtiene conectando los puntos medios de cada intervalo de un
histograma de frecuencias acumuladas con segmentos rectilneos.
PORCENTAJES
Ventajas.- Pasar cifras absolutas a porcentajes tiene dos ventajas: 1) se obtienen nmeros
ms pequeos (habitualmente menores que 100) con lo que es ms fcil multiplicar o dividir;
2) se pueden comparar magnitudes relativas.
Los porcentajes sirven tambin para comparar aumentos o disminuciones. Si la compaa A
aument sus ventas de 1 a 2 millones y la B de 4 a 7 millones, si bien la primera aument
slo un milln y la segunda tres millones, en proporcin fue la primera que aument ms sus
ventas (aument un 100% contra un 75% de la segunda).
Si uno quiere defender a la B podr decir que esta compaa vendi tres veces ms (tres
millones contra un milln de la A): en estos casos no se usan porcentajes.
A los porcentajes conviene expresarlos mediante una cifra decimal (por ejemplo 27.6%) para
equilibrar sencillez y exactitud. La excepcin es cuando los porcentajes a comparar son muy
similares, caso en el cual usaremos dos y hasta tres decimales.
No conviene usar, asimismo, cifras mayores que 100: en lugar de decir que algo aument un
2700%, es ms claro y til decir que aument 28 veces.
A una tabla donde hay porcentajes se puede agregar en ciertos casos los nmeros absolutos
(parciales o totales). En suma: los porcentajes sirven fundamentalmente para simplificar la
lectura de las relaciones numricas y para cuando es importante comparar dos o ms cifras.
Zeisel H (1986) Dgalo con nmeros. Mxico: FCE.
Modalidades.- En un cuadro bivariado los porcentajes plantean el problema del sentido en

que hay que calcularlos. En general, deberemos aplicar la regla de causa y efecto: los
porcentajes deben computarse en el sentido del factor que queremos considerar como
causal. Ejemplo:
Cuadro I (porcentajes verticales)
Raza
Blanca
Negra
Cnce
r
94%
6%
100%
Otras
86%
14%
100%
Cuadro II (porcentajes horizontales)

Raza
Blanca
Negra
Cnce
r
12%
5%
-
Otra
s
88%
95%
-
100%
100%
El contenido de ambos cuadros es el mismo: slo varan en el sentido en que se sacaron los
porcentajes.
La cifra 94% del cuadro I indica el porcentaje de blancos sobre el total de la poblacin que
muere de cncer. La cifra 12% del cuadro II indica el porcentaje de blancos que muere de
cncer sobre el total de blancos.
41
Metodologa.
Aplicamos ahora la regla de causa y efecto: si deseamos estudiar los efectos de la causa
(raza) sobre la muerte por cncer, es mejor el cuadro II pues all vemos que la incidencia de
muerte por cncer entre los negros es menor de la mitad (5% contra 12%), cosa que con los
porcentajes verticales del cuadro I no se puede saber.
A veces, en otros casos, la misma naturaleza de la muestra no permite la aplicacin de esta
regla de causa y efecto: ello ocurre cuando la muestra no es representativa o, si lo es, los
sub-grupos de la misma no son representativos de la poblacin.
Zeisel H (1986) Dgalo con nmeros. Mxico: FCE.
PROBABILIDAD
Definicin.- Es el conjunto de posibilidades de que un evento ocurra o no en un momento y
tiempo determinado. Dichos eventos pueden ser medibles a travs de una escala de 0 a 1,
donde el evento que no pueda ocurrir tiene una probabilidad de 0 y uno que ocurra con
certeza es de 1.
Ejemplo: Cuando se lanza una moneda, se desea saber cual es la probabilidad de que se
sello o cara, es decir existe un 0,5 (50%) de que sea cara o 0,5 (50%) de que sea sello.
PRUEBA DE SIGNIFICACIN
Generalidades.- El principio bsico que rige la utilizacin de pruebas de significacin es la
comparacin del resultado emprico obtenido de la investigacin con lo que cabra esperar si
solo hubiese actuado al azar. Tomemos el ejemplo del lanzamiento del dado; segn las leyes
del azar, sabemos que la cara 5 tiene 1/6 de probabilidad de que salga en una sola tirada. Si
lanzando 48 veces el dado se obtiene 11 veces dicha cara, podemos preguntarnos hasta qu
punto dicho resultado difiere significativamente de lo que cabe esperarse segn las leyes del
azar. En nuestro caso el resultado esperado sera ocho veces dicha cara (48 X 1/6 = 8).
Entonces, la pregunta que podemos formularnos es la siguiente: Qu probabilidad tenemos,
segn el azar, de que ocurra dicho resultado?
Esta pregunta resume sintticamente el principio bsico que regula las pruebas de
significacin. El experimentador deber ser, pues, escptico y no dar crdito a los resultados
hasta que tenga de ellos una prueba fidedigna. Para esto puede utilizar una serie de pruebas
(o tests) estadsticos, que suelen conocerse con el nombre de pruebas de significacin. El
principio fundamental que se cumple en cada una de estas pruebas es, como ya hemos
indicado, el mismo. Dicho principio podra enunciarse de la siguiente forma: Todos los
resultados son debidos al azar hasta que no se demuestre lo contrario.
La estrategia fundamental adoptada por el investigador, en el momento de analizar sus
datos, consiste en establecer como hiptesis bsica la expectacin del azar. Si sus datos no
se ajustan al modelo del azar, concluir que son significativos o pertinentes a su hiptesis
experimental.
Usos.- Suele utilizarse cuando se necesita conocer hasta qu punto una deferencia entre dos
medidas es mayor de lo que cabe esperarse debido al azar, para muestras cuyo nmero de
elementos es inferior a treinta (N 30). La prueba de significacin t es eficiente cuando se
comparan dos grupos y mediante dos situaciones bsicas: 1) que los dos grupos sean
independientes y 2) que los dos grupos se hallen relacionados.
El principio que rige la utilizacin de las pruebas de significacin es la comparacin del
resultado emprico obtenido en la investigacin, con lo que solo cabra esperar si se hubiere
actuado al azar. Dicho principio se enuncia de la siguiente forma: todos los resultados son
debidos al azar mientras no se demuestre lo contrario (pgina 173).
PRUEBA ESTADSTICA
El uso de las pruebas estadsticas en investigacin.- Para decidir con objetividad si una
hiptesis es confirmada por un conjunto de datos, se utiliza un procedimiento que, por lo
comn, tiene los siguientes pasos:
41
Metodologa.
1) Hiptesis de nulidad.- Formulacin de la hiptesis de nulidad (H o), que se formula con la
idea de ser rechazada. Si los datos nos permiten rechazarla, entonces corroboramos nuestra
hiptesis alterna (H1), que es la hiptesis de investigacin que queremos poner a prueba.
2) Eleccin de la prueba estadstica.- Eleccin de una prueba estadstica adecuada para
probar Ho. Debemos decidirnos entre una prueba paramtrica o una no paramtrica.
3) Nivel de significacin y tamao de la muestra.- Especificacin del nivel de significacin (a)
y del tamao de la muestra (N). El nivel de significacin lo establecemos de antemano, y
define el riesgo de error que estamos dispuestos a aceptar. Por ejemplo, un a = 0.01
significa que la probabilidad de error aceptable es 0.01 (el 1%). Esto se llama Error Tipo I
(rechazar Ho siendo verdadera), pero tambin est el Error Tipo II (aceptar Ho siendo falsa).
La potencia de una prueba estadstica mide la probabilidad de rechazar acertadamente la H o
(o sea cuando es falsa). En trminos generales, la potencia de una prueba aumenta al
aumentar el tamao de la muestra (N).
4) Distribucin muestral.- Encuentro (o suposicin) de la distribucin muestral de la prueba
estadstica conforme a Ho. Conociendo la distribucin muestral, podemos hacer aseveraciones
de probabilidad acerca de la ocurrencia de ciertos valores numricos que nos interesan.
5) Regin de rechazo.- En base a 2, 3 y 4, definicin de la regin de rechazo. La regin de
rechazo es una zona de la distribucin muestral, y contiene todos los valores posibles
conforme a Ho.
6) Decisin.- Clculo del valor de la prueba estadstica con los datos obtenidos de la (s)
muestra (s). Si ese valor cae dentro de la regin de rechazo de la hiptesis nula, sta debe
rechazarse; si cae fuera de dicha regin, la hiptesis nula no puede rechazarse al nivel de
significacin escogido.
41
Eleccin de la prueba estadstica adecuada.- Los siguientes factores intervienen en la

determinacin de qu prueba estadstica ser la ms adecuada para analizar datos de una
investigacin en particular:
Potencia de la prueba.
Forma de obtencin de la muestra de puntajes.
Naturaleza de la poblacin de la que se extrajo la muestra.
Tipo de escala de medicin usada para los puntajes. Respecto de esto ltimo, las
operaciones permitidas con un conjunto de puntajes dado dependen del nivel de medida
que se logre. El siguiente esquema indica cuatro niveles de medida, as como las
operaciones, estadsticas y pruebas estadsticas permitidas en cada nivel.
ESCALA
RELACIONES DEFINIDAS
EJEMPLOS DE ESTADISTICAS
APROPIADAS
PRUEBAS ESTADISTICAS
APROPIADAS
NOMINAL
Equivalencia
Pruebas estadsticas no
paramtricas
ORDINAL
Equivalencia
Orden
Modo
Frecuencia
Coeficiente de
contingencia
Mediana
Percentiles
Idem anterior
Spearman rs
INTERVALO
Equivalencia
Orden
Proporcin conocida de un
intervalo a cualquier otro
PROPORCION
Equivalencia
Orden
Kendall r
Kendall W
Media
Desviacin stndard
Correlacin del productomomento de Pearson
Correlacin del mltiple
momento-producto
Media geomtrica
Coeficiente de variacin
Pruebas estadsticas
paramtricas y no
paramtricas
Idem anterior
Metodologa.
intervalo a cualquier otro

valor a cualquier otro
Prueba no paramtrica.- Los anlisis o pruebas estadsticas no paramtricas ms utilizadas

son:
PRUEBA
Ji-cuadrada (x)
Coeficientes de correlacin e independencia para
tabulaciones cruzadas: Phi, C de Pearson, V de
Cramer, Lambda, Gamma, Taub, D de Somers y
Eta.
Coeficientes Spearman y Kendall
TIPOS DE HIPOTESIS
Diferencia de grupos para establecer
correlacin
Correlacional
Correlacional
Las pruebas no paramtricas se utilizan con variables nominales u ordinales.

Prueba paramtrica.- Los anlisis o pruebas estadsticas paramtricas ms utilizadas son:

PRUEBA
Coeficiente de correlacin de Pearson
Regresin lineal
Prueba t
Contraste de la diferencia de proporciones
Anlisis de varianza (ANOVA): unidireccional y factorial,
unidireccional con una variable independiente y factorial con
dos o ms variables independientes
Anlisis de covarianza (ANCOVA)
TIPOS DE HIPOTESIS
Correlacional
Correlacional
Causal
Diferencia de grupos
Causal
Correlacional
Causal
En todas las pruebas estadsticas paramtricas las variables estn medidas en un nivel por
intervalos o razn.
PRUEBA T PARA GRUPOS INDEPENDIENTES

Condiciones.- En caso de que se utilice la t para grupos independientes debern cumplirse
las siguientes condiciones: 1) que los grupos no estn relacionados, 2) que los sujetos de los
grupos sean seleccionados al azar y asignados aleatoriamente a cada uno de ellos, 3) que las
distribuciones de los datos, en la poblacin de origen, sean normales, 4) que el tamao de la
muestra sea aproximadamente el mismo, pero menor que 30 (pgina 173).
PUNTAJE
Puntaje estandarizado: ventajas.- Si no hubiera medidas estandarizadas quedaran slo
apreciaciones subjetivas, juicios personales, intuiciones sobre la inteligencia. Encontramos
que las medidas estandarizadas poseen cuatro ventajas: objetividad, cuantificacin,
comunicacin y economa.
Objetividad significa que cualquier enunciado fctico que formule un cientfico puede ser
verificado en forma independiente por otros. Si no hemos estandarizado la media de la
fuerza del yo, diferentes cientficos obtendrn distintas medidas en el mismo sujeto. En este
sentido los conceptos del psicoanlisis no tienen objetividad.
41
Metodologa.
En cuanto a la cuantificacin encontramos dos ventajas: primero, los ndices numricos
permiten comunicar los resultados con mayor detalle que los juicios personales; segundo, la
cuantificacin permite el empleo de mtodos eficaces de anlisis matemtico, lo cual es
esencial parea elaborar teoras y analizar experimentos.
Al disponerse de medidas estandarizadas se facilita mucho la comunicacin de resultados
cientficos de un investigador a otros. Recordar que un investigador retoma investigaciones
anteriores.
Respecto de la economa, si bien establecer medidas estandarizadas significa a menudo
mucho esfuerzo, una vez establecidas representan una economa de tiempo y dinero mucho
mayor que las evaluaciones subjetivas, quedando entonces tiempo para hacer tareas ms
importantes, por ejemplo de tipo creativo.
Puntaje z.- Un puntaje z "es un dato transformado que designa a cuntas unidades de
desviaciones estndar por arriba o por debajo de la media se encuentra un dato en bruto".
Pueden resaltarse tres caractersticas de los puntajes z: 1) los puntajes z tienen la misma
forma que el conjunto de datos en bruto; 2) la media de los puntajes z siempre es igual a
cero; 3) la desviacin estndar de los datos z siempre es igual a uno.
1999, 5ta. edicin, pgs. 84-87.
Puntaje z.- Las puntuaciones z son transformaciones de los valores obtenidos a unidades
de desviacin estndar.

Puntaje z.- La puntuacin tpica z expresa la desviacin en funcin de la desviacin tpica

(o) y eso es de gran utilidad para reducir las puntuaciones de cualquier distribucin a una
medida comparable (pgina 175).
Puntaje z.- El ndice o razn Z puede ser utilizado como prueba de significacin estadstica
de la diferencia entre dos medias, tiene fundamento en la distribucin terica muestral de las
medias de los grupos que comparamos. La puntuacin Z se calcula al dividir la diferencia
entre determinado valor de X (variable experimental) y su media, multiplicndola por la
desviacin de X (pgina 173).
Puntaje derivado Z.- Es una transformacin de la puntuacin Z que evita la posible

confusin resultante de las puntuaciones negativas (por debajo de la media), y que tambin
elimina los decimales. Para ello se multiplica la puntuacin Z por 10 y se le suma 50. La
media de la distribucin es siempre 50 y la desviacin estndar (tpica) es 10 (pgina 174).
RAZN CRTICA
Definicin.- Es el significado de la diferencia entre dos medias mediante un valor numrico.
Cuando se consulta la tabla estadstica apropiada (tabla de t) esta medida indica un nivel de
confianza para el rechazo de la hiptesis nula (pgina 183).
RECOLECCIN DE DATOS
Definicin.- Recolectar los datos implica seleccionar un instrumento de medicin disponible
o desarrollar uno propio, aplicar el instrumento de medicin y preparar las mediciones
obtenidas para que puedan analizarse correctamente.
REGRESIN
41
Metodologa.
Definicin.- "Tema que analiza la relacin entre dos o ms variables para determinar una
prediccin".
1999, 5ta. edicin, pgs. 127.
Regresin logstica.- Similar a la correlacin mltiple, pero la variable a predecir es la

probabilidad de un suceso.

edicin, pg 75.
REPRESENTACIN
Representacin grfica.- Presentacin en una forma simple y visual de las cifras o datos
obtenidos, mediante una figura (grfica) cuyas proporciones corresponden al monto de las
cantidades que se intenta expresar. // Representa los datos de forma expresiva y
comparativa mediante ciertos artificios grficos o diagramas: curvas, barras, mapas,
pictogramas, circulares (pgina 185).
Representacin tabular.- Es el ordenamiento de los datos numricos en filas y columnas

con las especificaciones correspondientes acerca de la naturaleza y relaciones de los mismos.
// Representacin estadstica de datos recogidos en forma de tablas o cuadros compuestos
en esencia de renglones y columnas, ya sin arreglar, como fuente de informacin, o bien,
elaborados de tal forma que resalten los datos y las relaciones de mayor inters (pgina
185).
SESGO
Definicin.- Grado en que una distribucin de puntos est concentrada en un extremo o en
el otro; falta de simetra. Asimetra en distribuciones de frecuencias no simtricas.
Generalidades.- Las curvas que representan los puntos de datos de un conjunto de datos
pueden ser simtricas o sesgadas. Las curvas simtricas, tienen una forma tal que una lnea
vertical que pase por el punto ms alto de la curva dividir el rea de sta en dos partes
iguales. Cada parte es una imagen espejo de la otra. En las curvas sesgadas, los valores de
su distribucin de frecuencias estn concentrados en el extremo inferior o en el superior de
la escala de medicin del eje horizontal. Los valores no estn igualmente distribuidos. Las
curvas pueden estar sesgadas hacia la derecha (positivamente sesgadas) o sesgadas hacia la
izquierda (negativamente sesgadas).
Definicin.- Es el grado de asimetra, o falta de simetra, de una distribucin. Si la curva de

frecuencias de una distribucin tiene una cola ms larga a la derecha del mximo central
que a la izquierda, se dice de la distribucin que est sesgada a la derecha o que tiene sesgo
positivo. Si es al contrario, se dice que est sesgada a la izquierda o que tiene sesgo
negativo (pgina 190).
Sesgo de muestreo.- Cuando la muestra no refleja las caractersticas de la poblacin,

decimos que hay sesgo de muestreo (pgina 190).
TABLA
Definicin.- Serie de conjuntos de nmeros, valores o unidades relacionadas entre s, los
cuales se presentan en columnas para facilitar sus relaciones, comparaciones o referencias
(pgina 197).
41
Metodologa.
Tabla de frecuencias.- Tabulacin de datos que muestra el nmero de casos existentes
para cada puntuacin (pgina 197).
TASA
Definicin.- Una tasa es la relacin entre el nmero de casos de una categora y el nmero
total de casos, multiplicada por un mltiplo de 10.
Teorema del lmite central.- Las estimaciones derivadas de cierto nmero de muestra
elegidas al azar diferirn entre s. Si se incluyen en una grfica esas estimaciones, adoptarn
una forma de distribucin que se aproxima a la curva normal. Este principio es conocido
como el teorema del lmite central (pgina 200).
UNIVERSO
Definicin.- Poblacin de la que se ha extrado la muestra y a la que quieren hacerse
extensivos los resultados.
edicin, pg 70.
Definicin.- Totalidad de elementos o fenmenos que conforman el mbito de un estudio o

investigacin. // Poblacin total de la cual se toma una muestra para realizar una
investigacin (pgina 208).
VALIDEZ
Definicin.- Un test, y, en general cualquier instrumento de medicin debe ser vlido, o sea
que mida lo que supuestamente quiere medir. A veces es suficiente una validez de contenido,
es decir, que mida lo que pretende medir. En otros casos se evala la validez de un test
comparndolo con otros tests que miden lo mismo, y en otros casos se aplica la validez
predictiva, segn la cual un test es vlido si puede predecir una puntuacin en el futuro.
Generalidades.- La validez se refiere al grado en que el instrumento de medicin mide

realmente la(s) variable(s) que pretende medir. Se pueden aportar tres tipos de evidencia
para la validez: evidencia relacionada con el contenido, evidencia relacionada con el criterio y
evidencia relacionada con el constructo.
Los factores que principalmente pueden afectar la validez son: improvisacin, utilizar
instrumentos desarrollados en el extranjero y que no han sido validados a nuestro contexto,
poca o nula empata, factores de aplicacin.
La validez de contenido se obtiene contrastando el universo de tems contra los tems
presentes en el instrumento de medicin. La validez de criterio se obtiene comparando los
resultados de aplicar el instrumento de medicin contra los resultados de un criterio externo.
La validez de constructo se puede determinar mediante el anlisis de factores.
Validez interna.- 1. Para lograr el control o la validez interna los grupos que se comparen
deben ser iguales en todo, menos en el hecho de que a un grupo se le administr el estmulo
y al otro no. A veces graduamos la cantidad del estmulo que se administra, es decir, a
distintos grupos (semejantes) les administramos diferentes grados del estmulo para
observar si provocan efectos distintos. 2. La asignacin al azar es normalmente- el mtodo
preferible para lograr que los grupos del experimento sean comparables (semejantes). 3.
Hay nueve fuentes de invalidacin interna: historia, maduracin, inestabilidad,
administracin de pruebas, instrumentacin, regresin, seleccin, mortalidad, interaccin
entre seleccin y maduracin. 4. Los experimentos que hacen equivalentes a los grupos y
41
Metodologa.
que mantienen esta equivalencia durante el desarrollo de aquellos, controlan las fuentes
invalidacin interna. 5. Lograr la validez interna es el objetivo metodolgico y principal
todo experimento. Una vez que se consigue es ideal alcanzar validez externa (posibilidad
generalizar los resultados a la poblacin, otros experimentos y situaciones
experimentales).
de
de
de
no

McGraw-Hill, 1996. Resumen del captulo 6: Diseos experimentales de investigacin, pg. 182.
Generalidades.- En la validez debemos preguntarnos si estamos midiendo lo que queremos

realmente medir. La validez se define como el grado en que las diferencias en puntuacin de
un instrumento de medida reflejan verdaderas diferencias entre individuos respecto de la
caracterstica que se busca medir, o bien diferencias del mismo individuo de una ocasin a
otra, ms que los errores constantes o variables.
Puesto que en general, no sabemos nada de la verdadera posicin de una persona respecto
de la variable a medir, no hay una forma de determinar de manera directa la validez de la
medida. Por lo tanto, deberemos medir la validez por el grado en que sus resultados son
compatibles con otras evidencias significativas. Este carcter significativo depende del tipo y
propsito del instrumento de medida.
La evidencia ms directa significativa es la capacidad del instrumento para predecir: la
validez as obtenida, llamada pragmtica es juzgada en trminos de la exactitud de las
predicciones hechas en base a los resultados del test. Pero cuando los instrumentos no
conducen a predicciones especficas, debemos entonces recurrir a otro tipo de evidencia, y
entonces estamos en la validez llamada constructiva.
Validez pragmtica.- Puede ser concurrente o predictiva. Un test que ayude al investigador a
distinguir a los sujetos que difieren en su status actual tiene validez concurrente. En cambio
la idoneidad del test para distinguir a los sujetos que diferirn en el futuro se llama validez
predictiva.
En el intento pragmtico de validez, el inters se centra en la utilidad del instrumento de
medida como indicativo o previsor de alguna otra conducta o caracterstica de la persona.
Validez constructiva.- O conceptual. A veces puede no interesar un test como simple
predictor de comportamientos, sino como base para inferir si hay o no en el sujeto una
determinada caracterstica no identificable mediante ningn comportamiento especial, o sea
una abstraccin o construccin. Ejemplos de construcciones son la inteligencia, el
autoritarismo, la ansiedad, etc. Como ellas tienen varias variables en juego la validez
constructiva ser la posibilidad de predecir las relaciones entre esas variables.
Debemos diferenciar esta validez de la validez pragmtica en tres sentidos: 1) las
predicciones de la validez constructiva son distintas a las de la validez pragmtica; 2) en la
validez pragmtica se considera que predecimos una sola caracterstica, a saber, aquella que
mide el test, pero en la validez constructiva juegan varias variables y su mutua relacin,
todas las cuales se refieren al constructo o concepto complejo a predecir; 3) la validez
constructiva supone no slo la validacin del instrumento de medida sino tambin de la
teora que la justifica. Se ha sugerido que en la investigacin de la validez constructiva
debemos considerar dos tipos de evidencia: la evidencia de que distintas medidas del
concepto llevan a resultados semejantes, y la evidencia de que el concepto tal como ha sido
medido puede ser diferenciado de otros conceptos.
La validez conceptual no puede determinarse por un solo procedimiento, pues la evidencia
depende de varios factores como la correlacin con otros tests, con otros comportamientos,
la consistencia interna de las preguntas, la estabilidad a travs del tiempo, etc.
Relaciones entre los distintos ensayos de validacin.- Los ensayos pragmticos y
conceptuales para la validacin no son mutuamente excluyentes. Un mismo test puede
usarse para distintos objetivos, cada uno de los cuales tendr su propio tipo de validacin.
Es la validez de una medida evidente por s misma? An cuando un test mida un
comportamiento en forma directa (por ejemplo la velocidad de lectura, que se mide por
cantidad de pginas por minuto), deben tenerse en cuenta para la validez dos cuestiones: 1)
si el instrumento mide realmente lo que quiere medir, y 2) si es una muestra adecuada de
esa clase de comportamiento.
VARIANZA
41
Metodologa.
Definicin.- Variacin que observamos en las medidas tomadas de la variable dependiente.
La llamada varianza sistemtica se refiere a la desviacin que presenta los datos de una
direccin o tendencia, ms que en otra (pgina 215). // Suma de las desviaciones
cuadrticas de los valores muestrales con respecto a la media, dividida por el tamao de la
distribucin (pgina 214).
Clasificacin.- La varianza como variacin de la variable dependiente puede ser primaria o

secundaria. La primaria es aquella que refleja los efectos de la manipulacin directa de la
variable independiente. Denominada igualmente varianza intergrupos o varianza
experimental. La secundaria es la desviacin sistemtica de los datos obtenidos de la
medicin de la variable dependiente, debido a la intervencin de un factor extrao a los
propsitos de la investigacin (pgina 215).
Generalidades.- La varianza se caracteriza por una serie de cambios y fluctuaciones que se

presentan en un conjunto de datos tomados de situaciones experimentales. La varianza se
divide en dos grandes categoras: varianza sistemtica y varianza de error. A su vez, la
varianza sistemtica puede ser primaria y secundaria. Se entiende por varianza primaria, la
varianza pretendida que refleja los cambios de los valores introducidos en la situacin
experimental. La varianza secundaria tiene su origen en una serie de factores independientes
extraos que pueden llegar a contaminar, en forma decisiva, los resultados.
Por su parte, la varianza de error abarca el conjunto de fluctuaciones que son consecuencia
de factores imprevisibles y, por tanto, difciles de controlar. Un buen plan experimental
deber alcanzar los siguientes objetivos: a) maximizar la varianza producida por los
tratamientos experimentales y b) utilizacin de los valores ptimos.
Las principales tcnicas de control de la varianza secundaria son las siguientes: eliminacin
de la variable extraa; mantenimiento constante de la variable extraa; aleatorizacin;
sistematizacin de la variable concomitante; apareo de sujetos; el sujeto como su propio
control; contrabalanceo; y control estadstico.
Varianza de error.- Conjunto de fluctuaciones que presentan las medidas como

consecuencia de la variacin del azar. Es absolutamente impredecible (pgina 215). Se llama
varianza del error a los factores no controlados. Diferencias individuales del sujeto. Errores
de medidas (pgina 215).
Tipos.- Puede distinguirse una variancia de la poblacin y una variancia muestral entendidas
como medidas de dispersin. Existe tambin una variancia sistemtica, o variacin de las
medidas debidas a una influencia conocida o desconocida. Dentro de esta ltima la ms
importante es la variancia entre grupos o variancia experimental, que refleja las diferencias
sistemticas entre grupos de medidas. En cambio, la variancia de error son las fluctuaciones
de las medidas debidas al azar, o sea, es una variancia aleatoria. Un diseo de investigacin
aspira a maximizar la variancia sistemtica, controlar la variancia sistemtica extraa y
minimizar la variancia del error (variancia esta ltima debida a diferencias individuales entre
los sujetos, los errores de medicin, el acertar las respuestas por plpito, etc) (Kohan,
1994:360-361).
Kohan N (1994) Diseo estadstico para investigadores de las ciencias sociales y de la conducta. Buenos
Aires: Eudeba.
Vocabulario de metodologa
Pablo Cazau
ANLISIS
Anlisis de clusters.- Este procedimiento, sobre la base de diversas variables medidas en
una muestra de sujetos, los agrupa en subconjuntos homogneos. Su aplicacin ms
importante es la elaboracin de nosologas empricas.
41
Metodologa.
Vallejo Ruiloba J y otros (1999) Introduccin a la psicopatologa y la psiquiatra. Barcelona: Masson, 4
edicin, pg 75.
Anlisis de resultados.- Es el proceso de convertir los fenmenos observados en datos

cientficos, para que a partir de ellos, se puedan obtener conclusiones vlidas (pgina 53).
Anlisis funcional.- Proceso por el cual se modifican las condiciones en las que existe un
objeto, o se da un fenmeno con el fin de comprobar las condiciones necesarias para que
tenga lugar dicho objeto o fenmeno (pgina 54).
Anlisis multivariado.- Anlisis simultneo de dos o ms variables, bien sea para

prediccin o control de los factores seleccionados (pgina 54).
BLOQUE
Definicin.- Grupo o unin de elementos para una accin o tratamiento conjunto (pgina
59).
CONFIRMACIN
Definicin.- Estrategia de contrastacin de hiptesis consistente en buscar datos que la
apoyen.
CONTRAPRUEBA
Definicin.- (Diseo experimental). Supresin de la aplicacin de la variable independiente,
de tal forma que la variable dependiente vuelva a ser semejante en ambos grupos. Se espera
obtener resultados iguales (pgina 69).
Definicin operacional experimental.- Descripcin del tipo de acciones que deber

realizar el experimentador a fin de manipular directamente la variable (pgina 79).
DESCRIPCIN
Generalidades.- Describir es presentar las propiedades de un sujeto, objeto u
acontecimiento, sea actual o en su evolucin histrica. Un acontecimiento puede ser fsico o
psquico. La descripcin puede tomar dos formas: de caso y de clase.
1) Descripcin de caso.- Es la descripcin de un acontecimiento nico y aislado, como por
ejemplo un accidente, o la indagacin de un hecho, como por ejemplo, si determinado barrio
cuenta o no con asistencia social.
2) Descripcin de clase.- Es la descripcin de hechos generales, comunes a muchos casos.
Por ejemplo, todos los informes sobre accidentes ocurridos en tal ao. Aqu la clase seran
todos los accidentes acaecidos entonces. Las descripciones de clase se centran entonces en
uniformidades, en repeticiones. La proposicin que afirma la existencia de una uniformidad
social se llama generalizacin emprica. A diferencia de los no cientficos, el cientfico social,
si bien se interesa en la descripcin de caso en un comienzo, luego pasa inmediatamente a la
descripcin de clase para hacer generalizaciones.
Condensado de Greenwood E (1973) Metodologa de la investigacin social. Buenos Aires: Paids.
Captulo 3.
DISEO
Definicin.- Es la estructura a seguir en una investigacin ejerciendo el control de la misma
a fin de encontrar resultados confiables y su relacin con los interrogantes surgidos de la
41
Metodologa.
hiptesis problema. // Constituye la mejor estrategia a seguir por el investigador para la
adecuada solucin del problema planteado (pgina 82).
Diseo bifactorial.- Tipo de diseo en el que intervienen dos grupos; experimental y

control, en cuya dinmica debe persistir una igualdad de condiciones en la realizacin del
experimento, producindose variaciones nicamente en el sector experimental, el cual es
sometido a un tratamiento especfico, determinado por la por la presencia de la variable
independiente (pgina 82).
Diseo bifactorial mixto.- O de dos factores. Es el que combina dos factores

independientes. El primer factor (A) se aplica en todos sus valores, a cada sujeto; el segundo
factor (B) se aplicar al azar a diferentes grupos de sujetos, de acuerdo con la cantidad de
niveles. Este diseo goza de las ventajas del diseo factorial (pgina 82).
Diseo contrabalaceado.- Diseo en el cual uno de los sujetos es sometido a todas las
condiciones experimentales. Llamado tambin alternativo. Busca lograr una mxima
precisin y control. // El diseo contrabalanceado es un diseo intrasujeto, en el que cada
sujeto pasa por todas las condiciones experimentales (pgina 88).
Diseo cuasiexperimental.- Llamados tambin de control parcial. Son aquellos en los

cuales el investigador carece de un completo control de las variables siendo imposible aplicar
el ideal de experimentacin. Dado el deficiente control que implican los diseos
cuasiexperimentales, debe prestarse mxima atencin a las variables extraas que no han
podido controlarse, y reconocer siempre la posibilidad de que sus resultados se deban ms a
la accin de tales variables que a la del determinismo (pgina 88).
Diseo de comparacin esttica.- Permite la comparacin de un grupo que ha sido

sometido a una condicin de tratamiento, con otro grupo que no ha sufrido el efecto de dicho
tratamiento. Es una muestra de investigacin de post facto, dado que la variable
independiente no es manipulada por el experimentador y se espera que ocurra de una forma
natural (pgina 82).
Diseo compensado.- Rotativo o conmutativo, se emplea cuando hay un nmero limitado

de Ss, no se administra el pretest y se pone a prueba ms de una variacin de X. Cada
grupo de Ss se expone a la accin de cada una de las X en diferentes momentos del
experimento, se computa la medida de la columna correspondiente a cada X y la
comparacin entre los puntajes medios de las columnas revela el efecto de las X
Diseo de dos grupos apareados.- Diseo que busca la obtencin de sos muestras de
sujetos que, en relacin con alguna caracterstica conductual, presenten una media y una
desviacin tpica lo ms idnticas posibles. Se asignan al azar, a cada uno de los dos grupos,
pares de sujetos con caractersticas similares en relacin con la variable dependiente (pgina
83).
Diseo de grupo de control con postest nicamente.- Se conforma con dos ltimos
grupos de diseo para cuatro grupos de Solomon. Se comparan los puntajes para descubrir
el efecto de X y se aplica una prueba de significacin, con el fin de determinar si esa
diferencia es mayor de lo que poda esperarse segn un clculo de posibilidades (pgina 83).
Diseo de grupo nico.- En el cual se aplica un tratamiento a un solo grupo, siendo

imposible establecer una relacin de dependencias estrs stas y la condicin independiente
(pgina 83).
41
Metodologa.
Diseo de series temporales.- Consiste en tomar una serie de medidas de un sujeto o un

grupo de sujetos, antes y despus de la aplicacin de un tratamiento. Se le conoce tambin
con el nombre de diseo de medidas repetidas (pgina 83).
Diseo experimental.- Es un modelo particular de variacin y constancia para un

experimento, junto con el modo de alcanzar dicho modelo. El diseo elegido depende del
propsito del experimento, pero puede haber varios diseos con un mismo propsito, por lo
que interesan tambin ciertas consideraciones tcnicas.
Diseo experimental.- Plan, estructura o estrategia que se adopta para el estudio preciso
de un fenmeno psicolgico. // Es el modelo particular de variacin y constancia. Variacin
porque a travs de l se estudian los efectos de dos o ms condiciones experimentales.
Constancia, porque con el diseo se pretende mantener constantes una serie de factores
extraos capaces de comprometer la validez de los tratamientos experimentales. // Es un
plano estructura unitaria determinada por una serie de prescripciones operativas referentes a
la seleccin de los grupos experimentales, a la aplicacin de los respectivos tratamientos y a
la utilizacin de determinadas pruebas estadsticas (pgina 84).
Diseo factorial.- Permite manipular dos o ms variables independientes al mismo tiempo,

y evaluar por separado los efectos de cada una de ellas, haciendo posible determinar hasta
qu punto una variable independiente interacta con otra variable independiente, para
producir una variable dependiente o efecto esperado. Este diseo pretende conocer hasta
qu punto la variacin sistemtica de un factor depende o no de la forma en que varan los
restantes, lo cual supone la elaboracin de un plan experimental en el cual se describan las
posibles combinaciones de los niveles de variacin de un factor con los de los restantes
(pgina 85).
Diseo factorial.- El diseo factorial ms simple es de 2 por 2 (2 x 2), en el cual se

analizan los efectos de dos Xs (factores), cada uno de los cuales se hace variar de dos
maneras (dos niveles o dos valores). Existen diseos de 2 por 3 (2 x 3) (dos variables
independientes: una vara en dos sentidos; la otra, en tres). Las caractersticas
fundamentales de los diseos factoriales residen en que permiten verificar gran nmero de
hiptesis simultneamente (pgina 86).
Diseo multisectorial.- La comparacin inter-grupal permite configurar los diseos los

diseos multisectoriales, denominados de control riguroso, con los cuales se pretende
determinar con mayor precisin, la magnitud de la influencia que pueda tener la variable
independiente o experimental dentro de la investigacin. Se hace necesaria la manipulacin
de variables de acuerdo a ciertas pautas fijadas por el experimentador de dos o ms
sectores, los cuales se han denominado control y experimental (pgina 88).
Diseo para cuatro grupo (Solomon).- Este diseo permite controlar los diseos del
pretest y los efectos de la interaccin entre el pretest y X, aadiendo al experimento dos
grupos (3 x 4), a los que no se les administra el pretest (pgina 86).
Diseo pretest-postest.- Tamayo describe tres modalidades de este diseo:

a) Diseo pretest-postest para un solo grupo.- En este tipo de diseo, la variable
dependiente es medida antes y despus de que la aplique o elimine la variable
independiente. Luego se mide la magnitud del cambio, si es que se ha producido.
Pretest
Tratamiento
Postest
Ejemplo:
T1
X
T2
41
Metodologa.
Al comparar las medidas T1 y T2 se descubre la diferencia producida por X. Luego, mediante
tcnicas estadsticas se deduce si la diferencia es significativa (pgina 86).
b) Diseo de pretest-postest con grupo de control, seleccionado al azar.- Este tipo de diseo
selecciona los Ss de una poblacin con base en criterios aleatorios. Asigna los Ss y X a los
grupos por medio del azar. Revisa los grupos en relacin con la variable dependiente y halla
en el puntaje medio del pretest para el grupo experimental (T1E para el grupo experimental y
T1C para el grupo control). Mantienen las condiciones de ambos grupos, los Ss
experimentales son expuestos a la accin de la variable X durante un tiempo determinado.
Se examina a los grupos con respecto a la variable dependiente y halla el puntaje medio del
postest para cada grupo, T2E y T2C. Busca la diferencia entre las medias de T1 y T2 para
grupo DE y DC. Se compara DE y DC para determinar si la aplicacin de X provoc un cambio
significativo en los puntajes del grupo experimental en relacin con el grupo control. Se
aplica un procedimiento estadstico que permita averiguar si la diferencia entre los puntajes
es suficientemente notoria como para ser considerada una diferencia real, o si por el
contrario obedece solamente a factores casuales (pgina 87).
Ejemplo:
POSTEST
T2E
AZAR
PRETEST
TRATAMIENTO
GE
T1E
GC
T1C
T2C
Diferencia entre los puntajes medios del pretest y el postest
GRUPO
GRUPO
E)
C)
T2E - T1E = DE
T2C - T1C = DC
c) Diseo pretest-postest con grupo de control, no al azar.- Es similar al diseo pretestpostest seleccionado al azar, pero en ste los sujetos no se distribuyen en grupos al azar,
sino que se seleccionan previamente debiendo ser tan semejantes como sea posible, y se les
administra el pretest. Luego se comparan los puntajes medios, para verificar su similitud
(pgina 87).
PRETEST
TRATAMIENTO
POSTEST
GE
GC
T1E
T1C
X
X
T2E
T2C
Diseo simple.- Diseo de una sola variable independiente, que presenta la estructura
bsica del diseo clsico, con el que se pretende conocer el efecto de un solo factor sobre el
fenmeno observado. Requiere un adecuado control sobre las posibles variables extraas
(pgina 87).
EFECTOS DEL EXPERIMENTADOR

Definicin.- Distorsiones en los resultados experimentales
comportamiento o las caractersticas del investigador.
producidas
por
el
Vander Zanden James, Manual de Psicologa Social, Barcelona, Paids, 1986, pg. 618.
MICO/TICO
Definicin.- Designan dos modos de acercamiento, descripcin o comprensin de
fenmenos culturales. Son trminos acuados por Pike en 1954, aunque adquirieron
relevancia en las investigaciones antropolgicas y etnogrficas a partir de la dcada del 60.
La descripcin mica es la que ofrece el nativo (por ejemplo para un aborigen cierta
enfermedad es obra de los dioses), mientras que la descripcin tica es el punto de vista del
41
Metodologa.
observador exterior (por ejemplo un etngrafo que visita la tribu y para l la misma
enfermedad es entendida de acuerdo a su cultura occidental).
Lo mico sera todo aquello que tras haber sido recogido por el etngrafo es reconocido por
el nativo como real, significativo y apropiado. La traduccin cientfica, no familiar al nativo
sera el etic, que segn Harris sera el emic del etngrafo.
club.telepolis.com/torrefdz/antropusi36.htm
Definicin.- La perspectiva tica se refiere a las afirmaciones generalizadas sobre los datos,
que el investigador establece en funcin de un conocimiento transcultural; mientras que la
mica se refiere a los modelos y patrones que se observan en una cultura particular
concreta. Lo tico es externo y lo mico es interno; en el primero el investigador se coloca
fuera de las culturas, comparando unas con otras; en lo segundo el investigador descubre
desde dentro lo especfico de una cultura particular.
Pimienta Lastra Rodrigo (2002), Reflexiones sobre Pensamiento Epistmico. El uso de los datos en la
investigacin aplicada. En Cinta de Moebio No. 13. Marzo 2002. Facultad de Ciencias Sociales.
Universidad de Chile. Disponible en http://www.moebio.uchile.cl/13/frames11.htm
Generalidades.- Existe cierta posicin epistemolgica que sostiene que para estudiar la
conducta, los mtodos y las ideas desarrolladas en una cultura son igualmente vlidos en
otra (por ejemplo EEUU y Amrica Latina). Esta postura de ciertos investigadores de pases
en desarrollo es preocupante porque la mayora de los conceptos, instrumentos y
metodologas que utilizamos a diario provienen de culturas radicalmente diferentes a la
nuestra.
Lonner propone que el psiclogo interesado en comparaciones entre culturas tiene que
enfrentarse a tres consideraciones metodolgicas importantes cuando se estudian los
factores de conducta: 1) la distincin entre lo mico y lo tico, 2) el establecimiento de
equivalencias, y 3) el control del efecto de la cultura subjetiva sobre las variables
dependientes. Examinaremos estos tres puntos.
Debemos como investigadores aprender a distinguir entre lo universal y aplicable a todas las
culturas (lo tico) y lo que refleja las peculiaridades de un grupo cultural determinado (lo
mico). O sea se debe ser conciente de la utilidad diferencial de ciertos constructos o ideas
cuando estos se importan de otras culturas. Esta distincin no implica juicios valorativos,
pues ambos son importantes. Esta distincin proviene de la diferencia entre fontica (lo
tico) y fonmica (lo mico).
Por ejemplo a nivel conceptual debemos saber si ciertos constructos (como depresin,
autoritarismo) tienen el mismo significado en una cultura que en otra. Por ejemplo atraccin
interpersonal, en pases anglosajones se define a partir de la similaridad de actitudes,
mientras que en culturas latinoamericanas a partir de la simpata. Un peligro metodolgico es
usar conceptos seudo-ticos, es decir, que creemos que tienen validez universal cuando slo
valen para determinada cultura. A pesar de su dificultad, es necesario construir instrumentos
micos, y no es suficiente con importar elementos ticos, traducirlos y adaptarlos. Esos
instrumentos micos podrn medir en forma apropiada la influencia de la cultura subjetiva de
la conducta.
En segundo lugar debemos poder descubrir equivalencias apropiadas, que pueden ser de tres
tipos: conceptuales (donde las ideas o constructos tienen el mismo significado en las
diversas culturas), lingsticas (donde las palabras tienen el mismo significado connotativo y
denotativo), y mtrico.
Establecer una equivalencia a nivel conceptual implica tomar un concepto de otra cultura y, si
cabe, reformularlo en trminos de la cultura nuestra; as, al usar un test, o un procedimiento
teraputico deben establecerse las equivalencias conceptuales del constructo. No es lo
mismo definir la variable nivel socioeconmico en pases desarrollados que en pases en vas
de desarrollo. Incluso hay diferencias entre los mismos pases latinoamericanos (en Brasil se
lo define a partir de la educacin de los padres, en Guatemala a partir del tamao y clase de
vivienda y otros, etc). La idea es poder desarrollar un indicador que sea apropiado (mico y
tico) para los grupos de referencia, derivable empricamente y no a partir de suposiciones
culturales forneas.
Otra equivalencia importante es la lingstica. Se us el mtodo de la doble traduccin y
tambin el empleo de bilinges. As, se pide a sujetos bilinges que respondan al
instrumento en ambos idiomas y luego se correlacionan las respuestas; se espera que esta
sea alta, pero existe el problema que estos sujetos tienen una doble personalidad donde
cada faceta se ajusta a las caractersticas culturales de cada idioma.
41
Metodologa.
Tambin debemos poder hacer equivalencias mtricas, si no sera imposible comparar los
resultados. Una cultura mide una variable de forma distinta a otra, y as los sujetos medidos
obtienen distintas calificaciones. Lograr una equivalencia es parte tambin del problema de la
validez y la confiabilidad de los instrumentos de medicin. Puede por ejemplo reducirse la
validez y la confiabilidad si en vez de tomar un test verbalmente lo hacemos con lminas y
papel a los analfabetos, pues aqu intervienen problemas de deseabilidad social. En una
prueba a latinoamericanos aparecieron menos sntomas cuando el test era verbal que cuando
era escrito.
Otra cuestin importante es la familiaridad del instrumento en cada cultura. Ciertas culturas
rechazan ciertos instrumentos por ser aburridos, y si los emplean lo hacen mal (contestar en
forma abierta a cuestionarios cerrados, por ejemplo). Tambin es importante que cuando se
archiva mucha cantidad de informacin (censos, etc), los tests o cuestionarios estn hechos
con el mismo criterio, para poder luego comparar los resultados.
Una tercera cuestin es el efecto de la cultura subjetiva sobre las variables dependientes.
Debemos conocer de qu manera las caractersticas de la cultura latinoamericana afectan o
no la forma en que los individuos responden a los instrumentos de investigacin (tests, etc).
Por ejemplo las respuestas de los sujetos pueden estar influenciadas por variables
latinoamericanas tpicas como la deseabilidad social, la dignidad y el respeto, etc. Preguntas
poco dignas no se contestan o se contestan elusivamente. La deseabilidad social implica que
ciertas personas tienen tendencia a mentir para sostener una imagen. Tambin debe tenerse
en cuenta la aquiescencia, o tendencia a estar de acuerdo con un tem o una pregunta
independientemente de lo que el sujeto piense o haya sido su historia personal.
En conclusin, nos importar saber discriminar qu es universal (lo tico) y qu lo propio de
nuestra cultura (lo mico). Usando instrumentos culturalmente apropiados podremos ahorrar
mucho esfuerzo evitando investigaciones intiles. Para ello debe tenerse en cuenta no slo la
cultura del sujeto sino tambin la peculiaridad cultural del investigador. Por tanto, debemos
cuestionar la universalidad de ciertos constructos y ver si los mantenemos as o si debemos
adaptarlos a cada cultura.
Marn G, Consideraciones metodolgicas bsicas para conducir investigaciones psicolgicas en Amrica
Latina (artculo).
EMPRICO
Definicin.- Emprico significa literalmente originado en la experiencia, pero en las ciencias
sociales debemos ampliar este concepto, incluyendo no solamente los datos primarios sino
tambin los secundarios, porque es frecuente que en estas ciencias un investigador vuelva a
analizar datos recolectados previamente por otro investigador, con propsitos diferentes.
Captulo 1.
ENCUESTA
Encuesta por muestreo.- Esta tcnica, tpica de los estudios descriptivos, busca neutralizar
las interpretaciones parciales o subjetivas de los datos elaborados por el observador
participante, y para ello recurre a tres procedimientos fundamentales:
a) Estandarizacin de los datos: significa recoger los datos de manera tal que todos los
interrogados enfrenten situaciones casi idnticas, o sea, que tengan una anloga relacin con
el investigador o entrevistador y que deba contestar el mismo grupo de preguntas en el
mismo orden.
b) Muestreo probabilstico: la caracterstica fundamental de una muestra probabilstica es
que cada individuo de la poblacin total posee una probabilidad conocida de aparecer en la
muestra. Es importante entonces que la muestra sea representativa y que lo analizado en
ella pueda generalizarse a toda la poblacin.
Hay tres tipos de muestras probabilsticas: 1) Aleatoria: donde cada individuo tiene la misma
chance de ser elegido para la muestra que los dems; 2) Estratificada: implica elegir al azar
tambin, pero dentro de estratos (por ejemplo clases sociales) delimitados de antemano; y
3) Por reas: se elige al azar o en forma estratificada pero dentro de ciertas reas
geogrficas previamente elegidas, tambin al azar.
c) Estandarizacin del anlisis: consiste en especificar criterios estndar para los
procedimientos de anlisis, para que distintos investigadores puedan alcanzar conclusiones
similares al analizar los mismos datos, ya que existen muchas maneras de interpretarlos.
41
Metodologa.
ENTREVISTA
Definicin.- Procedimiento sistemtico para obtener informacin al plantear preguntas y, en
general, al interactuar verbalmente con una persona (el entrevistado).
Entrevista de diagnstico.- Entrevista diseada para obtener informacin sobre los

pensamientos, sentimientos, percepciones y comportamiento de una persona; se utiliza para
tomar una decisin de diagnstico acerca de la persona.
Entrevista estructurada.- Procedimiento de entrevista en el cual al entrevistado se le

plantea un conjunto predeterminado de preguntas.
ESPUREIDAD
Definicin.- La espureidad se aplica a situaciones en las cuales se ha descubierto que una
variable distinta de la explicacin aparente ha producido el efecto observado, siempre que
esa otra variable no forme parte intrnsecamente de la secuencia de desarrollo que dio origen
a la explicacin aparente (Hyman, 1984:318).
Hyman H (1984) Diseo y anlisis de las encuestas sociales. Buenos Aires: Amorrortu.
ESTUDIO DE CASOS
Definicin.- En el estudio de casos se describe en forma detallada las caractersticas de un
individuo en condiciones especiales (Len y Montero, 1995:228). Sealan los autores
mencionados que generalmente se trata de pacientes, y bsicamente consiste en la narracin
de su evolucin asociada a las sucesivas intervenciones del terapeuta. Normalmente este tipo
de investigacin no tiene controles (ya que hace muy difcil repetir el mismo proceso con otra
persona y otro investigador) ni permite hacer generalizaciones, no obstante lo cual pueden
presentar informaciones de una relevancia tal que obliguen al planteamiento de nuevas
hiptesis o que fuercen la revisin de conocimientos bien asentados.
Len O y Montero I (1995) Diseo de investigaciones. Barcelona: McGraw Hill.
ETNOGRAFA
Definicin.- Aproximacin descriptiva de investigacin que se enfoca en la vida dentro del
grupo e intenta comprender el significado de los eventos para las personas involucradas.
Woolfolk A (1996) Psicologa educativa, Mxico, Prentice-Hall Hispanoamericana SA, pg. 14.
ETNOMETODOLOGA
Definicin.- Los etnometodlogos se interesan por las actividades prcticas cotidianas de las
personas, en especial los mtodos que emplean para la produccin y manejo de sus asuntos.
Procuran esclarecer aquellas actividades corrientes presupuestas o sobreentendidas que
caracterizan la vida. Son las cosas que todo el mundo sabe y que, pese a su influencia en la
conducta, en su mayora no son sometidas a examen. Este enfoque fue creado por Garfinkel
y, a diferencia de los interaccionistas simblicos que estudian la interaccin en s, ponen el
acento en los mtodos por los cuales los individuos construyen la interaccin y su imagen de
la vida social. Se atiende aqu especialmente a la manera en que las personas se las ingenian
para producir y mantener un sentido de orden social. Por ejemplo Garfinkel observ como se
portaban los miembros de un jurado: experimentaban sus deliberaciones como parte del
sistema jurdico. Ellos modelaban esta realidad no slo para darse a s msmos un sentido de
orden social, sino para que las dems personas los percibieran como miembros competentes
de la sociedad.
Vander Zanden J (1986) Manual de Psicologa Social. Barcelona: Paids.
EXPERIMENTO
41
Metodologa.
Generalidades.- El experimento cientfico es la ms rica de todas las formas de experiencia
humana: aade a la observacin el control de ciertos factores en base a supuestos teorticos
y, cuando es preciso, supone medicin. El experimento cientfico, cuando se realiza con su
ayuda y se orienta a contrastar ideas, resulta propiamente del mtodo experimental, y el
mtodo experimental se considera a su vez frecuentemente como caracterstico de la ciencia
moderna (Bunge, 1971:819).
Definicin.- Estudio en el cual el investigador manipula o vara una o ms variables

(llamadas variables independientes) y mide otras variables (llamadas variables
dependientes).
Definicin.- 1. En su acepcin ms general, un experimento consiste en aplicar un estmulo

a un individuo o grupo de individuos y ver el efecto de ese estmulo en alguna(s) variable(s)
del comportamiento de stos. Esta observacin se puede realizar en condiciones de mayor o
menor control. El mximo control se alcanza en los <experimentos verdaderos>. 2.
Deducimos que un estmulo afect cuando observamos diferencias en las variables que
supuestamente seran las afectadas- entre un grupo al que se le administr dicho estmulo y
un grupo al que no se le administr, siendo ambos iguales en todo excepto en esto ltimo. 3.
Hay dos contextos en donde pueden realizarse los experimentos: el laboratorio y el campo.
4. En los cuasiexperimentos no se asignan al azar los sujetos a los grupos experimentales,
sino que se trabaja con grupos intactos. 5. Los cuasiexperimentos alcanzan validez interna
en la medida en que demuestran la equivalencia inicial de los grupos participantes y la
equivalencia en el proceso de experimentacin. 6. Los experimentos <verdaderos>
constituyen estudios explicativos, los preexperimentos bsicamente son estudios
exploratorios y descriptivos; los cuasiexperimentos son fundamentalmente- correlacionales
aunque pueden llegar a ser explicativos.
McGraw-Hill, 1996. Resumen del captulo 6: Diseos experimentales de investigacin, pg. 182.
Definicin.- Un experimento es un mtodo de observacin en el cual se ejerce un control

sobre las condiciones en que ocurre un fenmeno en estudio. Lo distintivo del experimento
es que es un modelo de constancia y variacin de una ocasin a otra: todas las condiciones
importantes se mantienen constantes, excepto una, que se modifica sistemticamente.
La funcin tpica, pero no exclusiva del experimento, es la comprobacin de una hiptesis.
Tambin puede excluir alguna hiptesis alternativa (experimentos cruciales). En los primeros
tramos de una investigacin un experimento puede servir tambin para explorar las
diferentes relaciones entre variables supuestamente significativas. Estos experimentos
suelen ser triviales (estudio de casos, sondeos de opinin, etc).
Usar instrumentos o medir no significa necesariamente experimentar, y experimentar no
implica necesariamente usar instrumentos de medicin. Tampoco es caracterstico del
experimento el hecho de que el investigador produce intencionalmente un hecho o prepara
una situacin.
Experimento en psicologa.- En el experimento, la sola presencia del observador o su

intervencin activa puede influir sobre el hecho observado: esto se llama accin retroactiva,
y es especialmente importante en psicologa.
Las dificultades del experimento en psicologa surgen de tres fuentes: a) la conducta humana
es muy compleja, hay muchas variables y por ello se dificulta su control; b) en psicologa
suelen haber hiptesis poco precisas, no aptas para someter a experimento; c) experimentar
con seres humanos tiene limitaciones ticas.
Experimento en psicologa social.- El experimento es la tcnica ms frecuentemente

utilizada en psicologa social. Aqu, se manipulan ciertas variables (independientes) y se trata
de establecer en qu medida son factores causales de otras variables (dependientes). La
lgica del experimento es entonces esta: si en presencia de una determinada variable
ocurren ciertos cambios en otra, y no ocurren en ausencia de esa variable (mientras se
41
Metodologa.
mantiene bajo control todos los otros elementos extrnsecos para que no intervengan),
entonces los cambios deben adjudicarse a la variable dada.
El experimento puede ser de laboratorio o de campo. En el primer caso se efecta en un
recinto especial para controlar las condiciones con ms cuidado. En el segundo se realiza el
experimento en el mundo real, introduciendo en la vida cotidiana de las personas la variable
independiente. El problema del experimento, sea cual fuere, es que el mismo experimento
puede distorsionar los resultados (sesgo experimental), pues por ejemplo los sujetos saben
que son parte de un experimento y esto puede influir en los resultados.
Definicin.- Observacin o serie de observaciones emprendidas con fines cientficos y en las

cuales ciertas observaciones se disponen cuidadosamente, para descubrir relaciones o
principios especficos (pgina 103).
Definicin.- Se conoce por experimento aquella situacin en la que el investigador introduce

un estmulo o modifica alguno de los componentes de aqulla y a continuacin observa cmo
reacciona el individuo, de lo cual se deduce que lo que se pretende con los mtodos
experimentales es provocar una respuesta en el sujeto (pgina 144).
Experimento controlado.- Muy simplificadamente, el modelo cientfico para estudiar las

relaciones de causa-efecto es el experimento controlado, en el cual las respuestas de un
grupo experimental, expuesto al estmulo decisivo, se comparan con las de un grupo de
control equivalente, al que se ha privado del estmulo (Hyman H, 1984:302)
Hyman H (1984) Diseo y anlisis de las encuestas sociales. Buenos Aires: Amorrortu.
Experimento por demostracin.- Procedimiento para recoger datos en el cual el

investigador introduce una sorpresa solapada o perturba de algn modo las interacciones
entre las personas, con el fin de poner de relieve expectativas de las que normalmente no se
tienen conciencia.
FALSACIN
Definicin.- Estrategia de contrastacin de hiptesis consistente en buscar datos que la
refuten.

FENMENO
Condiciones determinantes.- Se considera que existe una multiplicidad de condiciones
determinantes que posibilitan la ocurrencia de un fenmeno. Distinguiremos cinco tipos de
condiciones determinantes.
a) Necesarias.- Si no estn el fenmeno no se produce. Por ejemplo, la capacidad
discriminativa es condicin necesaria para el aprendizaje.
b) Suficientes.- Si estn el fenmeno se produce: un conflicto grupal es suficiente para su
bajo rendimiento. Una condicin puede ser necesaria y suficiente al mismo tiempo, pero
tambin suficiente y no necesaria (por ejemplo el conflicto grupal, ya que el bajo rendimiento
puede deberse a otras razones como la inestabilidad laboral, etc). Tambin puede ser
necesaria pero no suficiente (como la capacidad discriminativa para aprender). Ello significa
que debemos atender a otras condiciones determinantes: las contribuyentes, las
contingentes y la alternativas.
c) Contribuyentes.- Son las que aumentan la probabilidad de ocurrencia de un fenmeno,
pero no lo hacen seguro (Selltiz); no son condiciones necesarias: por ejemplo la motivacin,
el ambiente familiar, etc.
d) Contingentes.- Suelen interactuar con las condiciones principales o bsicas, que son las
necesarias y las suficientes. En el caso del aprendizaje puede ser por caso el tipo de tarea,
que puede ser sencilla para un grupo pero para otro no.
41
Metodologa.
e) Alternativas.- Se dan cuando los factores antecedentes no agotan la totalidad explicativa
del fenmeno, en cuyo caso debern buscarse condiciones determinantes alternativas que
abarquen todas las posibles explicaciones.
GRUPO
Definicin.- Reunin de elementos con caractersticas y propiedades similares que pueden
tratarse como un todo. // Suma de unidades de poblacin determinadas para un
experimento. // Sistema con una relacin de interaccin binaria fuertemente conectada;
todas las uniones estn fuertemente conectadas entre s (pgina 114).
Grupo al azar.- Reunin de sujetos al azar (sin eleccin) tomados de una poblacin a fin de
constituir una muestra representativa en relacin con una caracterstica que se investiga
(pgina 114).
Grupo control.- Es el que no es sometido a la accin de la variable X, o es sometida a otra

X, a fin de que se puedan establecer las comparaciones. // Es el que le permite al
investigador cerciorarse de que la variable independiente es el nico factor determinante de
los cambios que se producen en la variable dependiente (pgina 114).
Grupo emparejado.- Es el que se forma con individuos o unidades de poblacin que se

igualan o emparejan de dos en dos, para fines experimentales, igualndose o emparejndose
cada miembro del grupo de prueba, en los aspectos considerados como significativos en
relacin con el problema que se estudia o investiga (pgina 115).
Grupo experimental.- Es aquel que est sometido a los efectos de la variable X (pgina
115).
HIPTESIS
Validacin e inferencia de la hiptesis.- Uno de los primeros pasos para validar una
hiptesis es reunir los datos del experimento en forma de un reporte de evidencia, o sea una
proposicin que muestra que dadas ciertas condiciones, se obtiene tal efecto. Por ejemplo:
a es un grupo de sujetos de alta ansiedad y a es fcilmente sugestionable. La hiptesis
ser confrontada con este reporte de evidencia.
Puede ocurrir que una proposicin b sea el consecuente de varias hiptesis alternativas (por
ejemplo a implica b, a1 implica b, a2 implica b). Aqu debern tenerse en cuenta las distintas
probabilidades de las hiptesis alternativas.
Verificacin y confirmacin.- Verificar una hiptesis es establecer con certeza su verdad o
falsedad. En rigor no pueden verificarse en tal sentido, sino slo su grado de probabilidad, y
a esto lo llamamos confirmacin.
Formas de validacin de hiptesis.- Hay dos formas. La validacin directa se hace con
hiptesis que contienen variables empricas, y la validacin indirecta, con hiptesis que
contienen al menos una variable terica.
Por ejemplo, se validan en forma directa la repeticin mejora el rendimiento, que contiene
variables empricas. La validacin indirecta implicar contrastar consecuencias derivables de
la hiptesis con lo que realmente se observa, siguiendo el mtodo hipottico-deductivo.
Se validan directamente las hiptesis empricas, e indirectamente las tericas. Ambas se
llaman hiptesis principales, por ser aquellas que nos proponemos investigar. Cuando
estudiamos y queremos probar hiptesis tericas, debemos agregar tambin a la
investigacin hiptesis suplementarias, que no tienen que ver directamente con el tema de
la investigacin sino con el tratamiento estadstico que necesitamos hacer (pruebas de
significacin, etc) para garantizar que estn bien hechos los procedimientos experimentales
(como la homogeneidad de los ensayos, las pruebas y los sujetos).
41
Metodologa.
Proceso de validacin de la hiptesis.- Toda hiptesis se funda sobre ciertos postulados o
suposiciones indemostrables que constituyen su estructura terica. La prueba emprica de la
hiptesis consiste, bsicamente, en la comprobacin fctica de los teoremas derivados de los
postulados de las hiptesis. De esta forma la secuencia del proceso de validacin sera la
siguiente: 1) postulados implcitos, 2) teorema comprobable, 3) prueba emprica, y 4)
resultados confirmatorios.
Inferencia de la hiptesis.- Consiste en establecer, a partir de un experimento, el grado de
validez de la hiptesis, es decir del postulado, y generalmente la probabilidad para aceptarla
se estima entre 0.40 y 0.90.
Para confirmar una hiptesis deberemos tener en cuenta tres tipos de evidencia: 1) variacin
concomitante entre X e Y, 2) prioridad cronolgica de la variable independiente, y 3) control
o neutralizacin de cualquier otro factor que pueda afectar a la variable dependiente. Esos
factores de contaminacin experimental pueden ser los siguientes: historia de los sujetos,
cualidades personales, factores actuales, cambios madurativos durante el experimento,
efectos de la medida (sentirse objeto de estudio), etc.
IDEA
Generalidades.- 1. Las investigaciones se originan en ideas, las cuales pueden provenir de
distintas fuentes y la calidad de dichas ideas no est necesariamente relacionada con la
fuente de donde provengan. 2. Frecuentemente las ideas son vagas y deben ser traducidas
en problemas ms concretos de investigacin, para lo cual se requiere una revisin
bibliogrfica de la idea. 3. Las buenas ideas deben alentar al investigador, ser novedosas y
servir para la elaboracin de teoras y la resolucin de problemas.
McGraw-Hill, 1996. Resumen del captulo 1: La idea: nace un proyecto de investigacin, pg. 6.
INVESTIGACIN
Definicin.- Forma sistemtica y tcnica de pensar que emplea instrumentos y
procedimientos especiales con miras a la resolucin de problemas o adquisicin de nuevos
conocimientos. // Es el proceso formal, sistemtico e intensivo de llevar a cabo el mtodo
cientfico del anlisis, es decir, un procedimiento reflexivo, sistemtico, controlado y crtico,
que permite describir nuevos hechos o datos relaciones o leyes, en cualquier campo del
conocimiento humano (pgina 129).
Definicin.- La investigacin puede definirse como el uso de procedimientos estandarizados

(sistemticos y ordenados) o generalizados para la bsqueda del conocimiento. Esta
estandarizacin permite que tales procedimientos puedan ser repetidos por otros
investigadores, es decir, son de uso general.
La investigacin implica tambin producir conocimiento pblico, es decir, novedoso que
pueda incorporarse al acervo cientfico. Se hace constar, por ltimo, que la investigacin
cientfica no es el nico procedimiento para obtener conocimiento: este tambin puede
obtenerse de manera asistemtica, pragmtica, como ocurra antes de surgir la ciencia
moderna.
Captulo 1.
Caractersticas.- Recoge nuevos conocimientos o datos a partir de fuentes de validez

(principios) a) es una exploracin sistemtica y exacta, b) es lgica y objetiva, c) organiza
los datos en trminos cuantitativos, si es posible, y los expresa como medidas numricas y
d) registra meticulosamente y se redacta con ella un detallado informe (pgina 129).
Caractersticas.- Investigar, implica una permanente bsqueda de equilibrio entre la

importancia de la investigacin y el tiempo, esfuerzo y dinero empleados en ella. A veces es
preciso gastar ms esfuerzo para controlar mejor las variables extraas, pero este ideal no
puede cumplirse nunca en forma total, y debe aceptarse con tolerancia.
41
Metodologa.
Investigacin, tipos.- Segn la fuente de los datos utilizados, la investigacin puede ser
emprica (utiliza datos primarios, tomados por el investigador) o bibliogrfica (utiliza datos
secundarios, que se obtienen de fuentes escritas).
En la investigacin emprica los datos son observaciones directas, no analizadas, y en la
investigacin bibliogrfica son producto de estudios hechos sobre el tema. En el rea de
humanidades el principal mtodo es el bibliogrfico, mientras que en el mbito cientfico es el
mtodo emprico. No obstante ello, el mtodo bibliogrfico suele usarse mucho en las
ciencias sociales, residiendo su utilidad en que permite tener una visin panormica del tema
y evitar repetir errores de otros investigadores.
Captulo 1.
Investigacin, tipos.- Aunque el abanico terminolgico es muy amplio, el anlisis de la

realidad como proceso de investigacin puede ser planteado fundamentalmente de tres
formas: como Investigacin Bsica, como Investigacin Aplicada, y como InvestigacinAccin Participativa.
Rubio J y Varas J (1997), El anlisis de la realidad, en la intervencin social. Mtodos y tcnicas de
investigacin. Madrid: Editorial CCS, pg. 121.
Investigacin, tipos.- Blalock distingue los estudios exploratorios, los descriptivos y los
experimentales. Cada uno utiliza ciertas tcnicas de recoleccin de datos: la observacin
participante es tpica de estudios exploratorios, y la encuesta descriptiva por muestreo es
tpica de estudios descriptivos. Se trata de dos tipos de estudios ms exploratorios, es decir,
donde no se cuenta con tanta informacin sobre el fenmeno como ocurra en los estudios
experimentales.
Investigacin, tipos.- La combinacin de las clasificaciones de la investigacin (pura y

aplicada, descriptiva y terica), da como resultado cuatro tipos de investigacin:
Tipo de investigacin
Pura
Aplicada
Descriptiva
A. Pura descriptiva
C. Aplicada descriptiva
Terica
B. Pura terica
D. Aplicada terica
A diferencia del cientfico social, el asistente social tpico no es un producto de conocimientos

sino un consumidor del conocimiento terico; no se ocupa de expandir el conocimiento sino
de aplicarlo prcticamente a la solucin de problemas. Sin embargo, el servicio social debe
fomentar la investigacin en la teora prctica (tipo D), pues sin ella el caudal de
conocimiento profesional no puede crecer suficientemente.
Captulo 3.
Investigacin aplicada.- En contraste con la Investigacin social Bsica, la Aplicada

antepone la resolucin de los problemas sociales al inters cientfico. Consiste en la
aplicacin y puesta en prctica de los descubrimientos para crear, desarrollar o mejorar
estrategias y acciones concretas de accin social. Indican Rubio y Varas que la principal
crtica que recibe la investigacin aplicada es que responden a exigencias meramente
institucionales, dejando de lado el inters de los usuarios as como su participacin. En este
sentido, otro tipo de investigacin viene a compensar esta insuficiencia (ver InvestigacinAccin).
Rubio J y Varas J (1997), El anlisis de la realidad, en la intervencin social. Mtodos y tcnicas de
investigacin. Madrid: Editorial CCS, pg. 121.
Investigacin de campo.- Es la que se realiza con la presencia del investigador o cientfico

en el lugar de ocurrencia del fenmeno (pgina 130).
Investigacin de mercado.- Se entiende por investigacin de mercado al conjunto de

procedimientos sistemticos y objetivos orientados a la obtencin de informacin con la
finalidad ltima de optimizar los procesos de toma de decisiones de marketing. Por ejemplo:
41
Metodologa.
anlisis cuali y cuantitativo del mercado (por ejemplo estudio de los consumidores), anlisis
e productos, anlisis de la publicidad y promocin, anlisis de la competencia, y anlisis
sobre canales de distribucin.
Relaciones entre investigacin de mercado, marketing y psicologa del consumidor: La
investigacin de marcado es la disciplina instrumental del marketing y la psicologa del
consumidor es su disciplina terica. La investigacin de mercado toma las principales
variables de la psicologa del consumidor como objetos de estudio.
Gonzlez G y Guntern M, Estudios de mercado. Publicacin interna de la ctedra de Estudios de Mercado,
Buenos Aires, Facultad de Humanidades, Universidad de Belgrano.
Investigacin descriptiva.- Estudios que recopilan informacin detallada acerca de

situaciones especficas, los cuales a menudo utilizan la observacin, encuestas, entrevistas,
grabaciones o una combinacin de estos mtodos.
Investigacin descriptiva.- Tiene como objetivo conocer las situaciones, costumbres y

actitudes predominantes mediante la descripcin exacta de las actividades, objetos, procesos
y personas. -Interpreta la realidad de los hechos, es decir, condiciones o conexiones
existentes, prcticas que prevalecen, opiniones, puntos de vista que se sostienen, procesos,
efectos o tendencias a desarrollar. La investigacin descriptiva va ms all de la toma y
tabulacin de datos. Supone un elemento interpretativo del significado o impotencia de lo
que describe, combinando as el constante, la interpretacin y la evaluacin. // La
investigacin descriptiva consiste en algo ms que la recogida y tabulacin de datos; se
ocupa del anlisis e interpretacin de los datos que han sido reunidos con un propsito
definido, el de la comprensin y solucin de problemas. La investigacin descriptiva puede
ser utilizada para identificar metas u objetivos y sealar los caminos por los que pueden ser
alcanzados (pgina 130).
Investigacin descriptiva: mtodos.- Los dos grandes mtodos utilizados en la

investigacin descriptiva son la observacin y la encuesta.
Investigacin documental.- Es la que se realiza con base en la revisin de documentos,

manuales, revistas, peridicos, actas cientficas, conclusiones de simposios y seminarios y/o
cualquier tipo de publicacin considerado como fuente de informacin (pgina 130).
Investigacin evaluativa.- Proceso que consiste en obtener informacin sistemtica y

objetiva acerca de un fenmeno y en interpretar dicha informacin a fin de relacionar entre
distintas alternativas de decisin. // Suministra la informacin bsica para disear y
redisear programas de accin (pgina 130).
Investigacin ex post facto.- En este tipo de investigacin, el cientfico espera que ocurra
la variable independiente a fin de estudiar sus posibles efectos a travs de los cambios
esperados en la variable dependiente (pgina 131).
Investigacin experimental.- Es la descripcin y anlisis de lo que ser u ocurrir en

condiciones cuidadosamente controladas. El supuesto bsico de la investigacin experimental
descansa sobre la ley de la variable nica descrita por Mill en una de sus leyes. // En la
investigacin experimental el investigador posee un control directo de la variable
independiente, es decir, manipula directamente las condiciones de ocurrencia de los
fenmenos, lo cual constituye una de las caractersticas fundamentales del procedimiento o
tcnica experimental (pgina 130).
Investigacin experimental.- La investigacin experimental sigue los siguientes pasos: 1)

plantear con precisin un problema o hiptesis; 2) definir una poblacin para trabajar; 3)
41
Metodologa.
sacar una muestra; y 4) ordenar las observaciones y mediciones para obtener el mximo de
informacin. En la experimentacin deben poder controlarse todos los factores, sea por
mtodos deliberados o de laboratorio, por grupos paralelos o por anlisis estadstico.
Sintetizando los pasos de la investigacin; primero planteamos un problema significativo.
Segundo planificamos para obtener respuestas y sacamos una muestra. Tercero, la medicin
de la muestra. Cuarto, procedimientos de medicin, de registro, etc. Quinto, resultados,
donde se ve si se estudiaron todos los aspectos esenciales del problema. Y sexto,
conclusiones e interpretaciones. Estos seis puntos deben examinarse para evaluar si un
estudio est bien hecho.
Condensado de Anderson John, Mtodos de psicologa infantil. Incluido en Carmichael L (dir) Manual de
Psicologa Infantil. Buenos Aires: El Ateneo. 2 edicin.
Investigacin social.- Es el proceso que, utilizando el mtodo cientfico, permite obtener

nuevos conocimientos en el campo de la realidad social (investigacin pura) o bien estudiar
una situacin para diagnosticar necesidades y problemas a efectos de aplicar los
conocimientos con fines prcticos (investigacin aplicada).
Ander-Egg E, Tcnicas de investigacin social Hvmanitas, Buenos Aires, 1987, pg. 59.
Investigacin social.- La investigacin social busca nuevos conocimientos sobre la realidad

social, y sus objetivos pueden ser tres: 1) comprobar empricamente una teora buscando
regularidades entre variables, 2) aplicar una teora comprobada a un problema especial (por
ejemplo como puede modificarse una situacin indeseable), y 3) hacer una simple
descripcin de un rea de la realidad, para comenzar a conocerla.
En cualquier caso debe seguirse una secuencia: formular un problema, elegir los criterios
para obtener datos, recolectar los datos y por ltimo analizarlos.
Investigacin social: dimensiones.- Existen tres dimensiones de investigacin (social):

la investigacin del individuo, la del grupo y la de la institucin o sociedad, lo que da lugar a
tres tipos de anlisis: el psicosocial, que parte del individuo hacia fuera; el sociodinmico,
que analiza el grupo como estructura; y el institucional, que toma todo un grupo, toda una
institucin o todo un pas como objeto de investigacin. No existe una separacin neta entre
los campos de investigacin psicosocial, sociodinmica e institucional: son campos que se
van integrando sucesivamente (Pichon Riviere E, 1985:22).
Pichon Riviere E (1985), Teora del vnculo. Buenos Aires: Nueva Visin.
Investigacin en ciencias sociales, tipos.- Otra forma de clasificar las investigaciones es

como investigaciones descriptivas y explicativas. Las primeras buscan establecer
uniformidades sociales para poder formular generalizaciones sobre el mundo social, mientras
que las segundas buscan confirmar, ampliar o revisar las teoras que el cientfico formula con
el fin de explicar las generalizaciones.
1) Investigacin descriptiva.- Tambin llamada investigacin de hecho, tienen un nivel ms
bajo de abstraccin pero son igualmente necesarias para luego proponer teoras y encarar
investigaciones explicativas.
2) Investigacin explicativa.- Llamada tambin investigacin terica o investigacin
analtica, estas investigaciones presentan tres formas: investigaciones donde se busca poner
a prueba directa la teora, investigaciones donde se busca extender el alcance de una teora
para ver si puede explicar hechos diferentes, e investigaciones donde se busca determinar si
la teora es capaz de conciliar contradicciones aparentes entre varias generalizaciones sobre
un fenmeno dado. Todas estas formas buscan siempre probar la capacidad explicativa de la
teora.
El proceso de investigacin explicativa tiene tres pasos: a) un paso lgico, donde se extraen
hiptesis a partir de la formulacin terica general; b) un paso tcnico, donde se someten a
prueba esas hiptesis predicciones. Para esto el cientfico necesita definir qu
observaciones necesita, planificar las observaciones, determinar como se registrarn estas, y
fijas la manera en que los datos (observaciones) se van a analizar; c) interpretacin de los
datos recogidos a travs de evaluar la coherencia entre los resultados empricos y las
hiptesis.
El procedimiento para deducir hiptesis de una teora y someterlas a prueba se llama mtodo
hipottico-deductivo, y el mtodo cientfico es esencialmente as.
41
Metodologa.
Destaquemos por ltimo dos aspectos de la investigacin cientfica: primero, su funcin es
proveer hechos precisos y seguros sobre los cuales poder hacer generalizaciones y teoras;
segundo, la investigacin incluye dos aspectos, uno concreto (la investigacin misma), y otro
especulativo (formulacin de teoras).
Captulo 3.
Tipos.- Oneil (1968:201) distingue cuatro tipos de investigacin: humana, natural, terica y
tecnolgica. La historia humana se refiere al hecho particular en su determinacin especfica.
La historia natural es predominantemente un intento para describir y clasificar los fenmenos
naturales tal como se presentan, donde los especimenes naturales son tomados como casos
de un tipo general ms que como asuntos de inters en s mismos. El cientfico terico por su
lado se preocupa por la generalidad, pero su acento se dirige ms a la regularidad dinmica
que a a la realidad estructural, interesndose ms por la explicacin y menos por la
descripcin. Finalmente, una tecnologa es un conjunto de tcnicas aplicadas a problemas
prcticos de preocupacin humana, tcnicas derivadas en gran parte del conocimiento
cientfico y aplicadas dentro del cuadro de referencias de ese conocimiento. La psicologa
posee un poco de estos cuatro tipos de investigacin.
ONeil W (1968) Introduccin al mtodo en psicologa. Buenos Aires: Eudeba.
Tipos.- Len y Montero (1995:256) distinguen investigacin pura o terica e investigacin

aplicada en relacin a la validez interna y externa de los experimentos. En la investigacin
aplicada se pone el nfasis en la validez externa. La investigacin aplicada hace referencia a
los casos donde el objetivo principal es probar que algo funciona, es decir que una
determinada intervencin ayuda a modificar la situacin en un sentido socialmente
aceptable. Por regla general, los objetivos de la investigacin bsica y aplicada no tienen
porqu entrar en conflicto. Sin embargo, existen algunos casos donde el conflicto es
inevitable. El ejemplo del tratamiento de la adiccin al alcohol puede ser uno de ellos.
Cuando en un diseo de N = 1 tratamos de evaluar la bondad del tratamiento en funcin de
los resultados, el objetivo de la investigacin bsica pasa por tener la certeza de que se
cumplen las condiciones que permiten establecer la relacin causal entre tratamiento y
mejora. El objetivo de la investigacin aplicada, es, per se, que aparezca la mejora, que sea
importante y que permanezca despus de la retirada del tratamiento.
Len O y Montero I (1995) Diseo de investigaciones. Introduccin a la lgica de la investigacin en
psicologa y educacin. Madrid: McGraw-Hill.
Definicin.- Los procedimientos empricos por los cuales se someten a prueba las ideas
referentes a los hechos son la observacin, la medicin y el experimento. Se trata de
operaciones empricas de orientacin cognoscitiva, es decir, destinadas a averiguar datos,
producir conjeturas o contrastar stas (Bunge, 1971:715).
Tipos de investigacin.- Por investigacin primaria <<se entiende cualquier tipo de

indagacin en la que el investigador analiza la informacin que l mismo obtiene, mediante
la aplicacin de una o varias tcnicas de obtencin de datos. Por el contrario, la investigacin
secundaria se limita al anlisis de datos recabados por otros investigadores (con anterioridad
al momento de la investigacin)>> (Cea DAncona, 1996: 220).
Estas dos formas de investigacin pueden realizarse de forma independiente o
complementaria; de hecho, la investigacin secundaria suele ser un paso obligado para la
mayor parte de los anlisis de la realidad. Sin embargo, hay que advertir que cada vez son
ms frecuentes las investigaciones de carcter secundario, lo que obedece a varios motivos:
1. En primer lugar, hay que destacar el aumento progresivo de la produccin de datos por
parte de diferentes organismos tanto pblicos como privados.
2. En segundo lugar, est el desarrollo y generalizacin, en esta ltima dcada, de
programas informtico de uso personalizado que dan la posibilidad tanto de acceder a bases
de datos, ficheros, etc., como de realizar anlisis estadsticos con datos que estos
proporcionan.
3. En tercer lugar, las investigaciones secundarias evitan el elevado coste, en trminos
econmicos y temporales, que supone la elaboracin de una investigacin primaria.
Siguiendo a Hakim (1994, en Cea DAncona, 1996) podemos distinguir tres tipos de
investigacin secundaria:
41
Metodologa.
a) La revisin de investigaciones: supone un examen de la investigacin existente acerca del
objeto de estudio que centra el inters del investigador. Y aunque es un paso obligado de
cualquier proceso de investigacin, resulta por s misma una forma suficiente de
investigacin. Su utilidad consiste tanto en la posibilidad de sintetizar datos y explicaciones
del fenmeno estudiado, como en la sugerencia de nuevas hiptesis, ideas o lneas temticas
de investigacin. Asimismo, la revisin de investigaciones es una forma valiossima de
rastrear y evaluar las estrategias metodolgicas ms adecuadas para abordar los diferentes
aspectos de un fenmeno o situacin social.
b) El meta-anlisis: supone el anlisis estadstico de diferentes estudios, y puede sintetizar la
informacin aportada en ellos. A tal fin, se ha de comprobar la significatividad estadstica de
los resultados de cada uno de esos anlisis. Esta operacin supone segn Cea DAncona
(1996: 221):
- La descripcin de los hallazgos y cmo varan de un estudio a otro. Los hallazgos se
convierten en la variable dependiente (en los anlisis estadsticos), mientras que las
caractersticas (sustantivas y metodolgicas) de los estudios, en las variables
independientes.
- La comprobacin de su significatividad.
- La determinacin de su magnitud conjunta.
Rubio M y Varas J (1997) El anlisis de la realidad en la intervencin social. Mtodos y tcnicas de
investigacin. Madrid: Editorial CCS. Pginas 309 y 310.
Este autor cita la siguiente referencia bibliogrfica: Cea DAncona M (1996) Metodologa cuantitativa.
Estrategias y tcnicas de investigacin social. Madrid: Sntesis.
Investigacin en psicologa.- Las investigaciones experimentales en psicologa, aunque

sencillas, fueron fuente de inspiracin de muchas ideas nuevas. En los ltimos tiempos se
busc aplicar diseos experimentales a escala mucho mayor (y no restringiendo el
experimento a pequeos grupos de laboratorio), pero stos presentan mayores dificultades
prcticas, sobre todo de ndole poltica.
La investigacin cientfica segn Samaja.- El proceso de investigacin es una actividad

que aparece como siendo realizada por unos seres muy "concretos" y singulares: los
cientficos, con el fin de obtener cierto producto. Este producto tiene a su vez tres
finalidades: el conocimiento por s msmo, el conocimiento como instrumento de la prctica,
y una tercera finalidad menos notoria, que es el conocimiento como funcin de
autorregulacin de la vida social. El proceso de investigacin es complejo. En l, pueden
discernirse tres aspectos o dimensiones importantes: su producto, su mtodo y sus
condiciones de realizacin, que son objeto de estudio, respectivamente, de la epistemologa,
la metodologa y la sociologa de la ciencia (ver esquema adjunto).
a) Producto: El tipo de producto que la investigacin est destinada a producir es el
'conocimiento cientfico', entendido como una definida combinacin de componentes tericos
y componentes empricos (teoras y hechos), que debe culminar en una explicacin cientfica
(Samaja, 1995:27, 29). As, estn aqu incluidas las teoras o hiptesis encargadas de
explicar o hacer comprensibles los hechos, y las pruebas empricas aportadas (Samaja,
1995:26).
b) Mtodo: Son el conjunto de acciones destinadas a obtener el producto anterior. Es la
'investigacin cientfica misma', e incluye tanto las acciones que se rigen por los
procedimientos destinados a descubrir conocimientos, de hechos o de normas que an no se
poseen, cuanto las que se rigen por procedimientos destinados a validar conocimientos de
hechos o teoras que ya se conocen (Samaja, 1995:26, 35).
c) Condiciones de realizacin: Son los medios de los que el investigador dispone en el curso
de la investigacin, lo que incluye tanto los medios tcnicos, como las normas y contextos
institucionales (Samaja, 1995:26). Medios de investigacin son, as, todos aquellos
elementos que el sujeto investigador interpone entre l y su objeto y que, de hecho,
constituyen las condiciones de realizacin de todo el proceso (Samaja, 1995:41).
El texto de Samaja abarca cuatro partes: en la primera se describen las dimensiones del
proceso de investigacin antes indicadas, en forma general; en la segunda parte se estudia
el producto; en la tercera parte se intenta una reflexin sobre una de las fases (la fase 3),
del proceso de la investigacin desde el punto de vista del mtodo, el que se detalla luego en
la cuarta parte. La quinta y ltima parte se refiere a las condiciones de realizacin del
proceso de investigacin.
41
Metodologa.
Proceso de Investigacin
Dimensiones
del proceso
Son
estudiadas
por
en estas
partes del libro
PRODUCTO
METODO
(Objeto)
(Curso de accin)
Teoras
Validacin
Hechos
Descubrimiento
Epistemologa
PARTE II
Metodologa
PARTE IV
CONDICIONES DE
REALIZACION (Medios)
Institucionales
Tcnicos
Sociologa de la ciencia
PARTE V
En general, el propsito del libro de Samaja es aportar algunas ideas para la comprensin del
proceso dialctico que se da entre teora y hecho, validacin y descubrimiento, y norma y
tcnica (Samaja, 1995:48), que corresponden, respectivamente, a las dimensiones del
producto, del mtodo y de las condiciones de realizacin del proceso de investigacin.
En lo que sigue, describiremos el proceso de la investigacin cientfica desde el punto de
vista metodolgico (desarrollado en la cuarta parte del texto de Samaja).
La expresin 'proceso de investigacin' designa la totalidad de las acciones que desarrolla el
cientfico individual y la comunidad cientfica. El proceso de investigacin incluye el 'diseo de
la investigacin' y el 'proyecto de la investigacin' (Samaja, 1995:202).
El 'diseo de la investigacin' hace referencia al momento de la adopcin de una estrategia
metodolgica para la resolucin del problema (Samaja, 1995:203). Es una porcin reducida
del proceso de investigacin, aunque decisiva porque se ubica en el ncleo de las
operaciones que transforman en mero consumo de conocimiento previo o la especulacin
filosfica, en un dispositivo de conexin de ese conocimiento previo con la informacin
existente fuera de l: en la realidad misma (Samaja, 1995:205).
El proyecto de investigacin, en cambio, se refiere a un documento destinado a un
organismo o instancia de control y que contiene, adems de la informacin central sobre el
diseo, una informacin concisa sobre los objetivos, las metas en tiempo y espacio, el plan
de actividades, la estructura del presupuesto, etc. Es decir, contiene la informacin necesaria
para el control de gestin de la investigacin (Samaja, 1995:203). Casi invariablemente se
trata de una informacin escrita y presentada de acuerdo a un cierto formato establecido por
un sujeto supervisor (o sistema regulador administrativo) (Samaja, 1995:205).
Samaja ha dividido el proceso de investigacin en 'instancias de validacin'. Estas, a su vez,
incluyen 'fases', y estas, finalmente, incluyen 'momentos' (ver esquema adjunto). Antes de
describir brevemente cada una, veamos como el autor caracteriza las categoras de instancia
de validacin, fase y momento.
Las fases y momentos aluden a las acciones o tareas en la perspectiva de su 'eficacia' para
hacer avanzar el conocimiento; en cambio con la categora de 'instancias de validacin', el
autor propone un agrupamiento de las mismas acciones o tareas de investigacin, pero en la
perspectiva de su adecuacin a los controles de cientificidad o a los patrones normativos
propios de cada comunidad cientfica segn que predominen normas de validacin
conceptuales, empricas, operativas o expositivas (Samaja, 1995:207).
Esto significa que las acciones que llevan al descubrimiento (contexto de descubrimiento) y
las que llevan a la validacin (contexto de justificacin) no son dos etapas cronolgicas
sucesivas y separadas sino que se dan conjuntamente en forma dialctica, y que si se ha
41
Metodologa.
privilegiado a las instancias de validacin como categoras ms general es solamente por
razones 'estticas', como indica Samaja en un apartado (Samaja, 1995:209).
Esquema del proceso de la investigacin cientfica segn Samaja
(Los nmeros remiten a las pginas del texto de este autor)
INSTANCIAS
207, 208, 217 a 224
Validacin conceptual
209,220
FASES
207, 210
1. Planteamientos
213,225
2. Formulacin
213,214,238
Validacin emprica
209,220,251 a 253
3. Diseo de objeto
214,253,254
4. Diseo de los
procedimientos
215
Validacin operativa
209,222
5. Recoleccin y
procesamiento
215
6. Tratamiento y
anlisis de datos
216
Validacin expositiva
209,223 a 224
7. Elaboracin de
informes parciales
216
8. Exposicin
sistemtica
216,217
MOMENTOS
207, 211
A. Planteamientos del problema 213,226 a 229
B. Planteamiento de la hiptesis 213,230 a 232
C. Planteamientos de marcos tericos 213,232 a 236
D. Planteamientos sobre propsitos 213,236 a 238
A. Formulacin del problema central y conexos 214,239
a 241
B. Formulacin de hiptesis sustantivas 214,241 a 243
C. Formulacin del marco terico 214,243 a 247
D. Formulacin de los objetivos 214,248 a 251
A. Diseo del universo de UA 214,254 a 256
B. Diseo del universo de variables 214,256
C. Anlisis de las fuentes de datos 214,256 a 261
D. Definiciones operacionales 214,261 a 263
A. Diseo de las muestras posibles 214,263 a 278
B. Plan de tratamiento y anlisis de los datos 215,278 a
299
C. Plan de actividades en contextos 215,299 a 302
D. Construccin de los instrumentos 215,302 a 305
A. Pilotajes 215
B. Recoleccin 215
C. Procesamientos 215
D. Tabulacin y graficacin 215
A. Lectura de resultados 216
B. Interpretacin 216
C. Pruebas complementarias 216
D. Conclusiones 216
A. Evaluacin de lo actuado 216
B. Ordenamiento de los materiales 216
C. Balance y perspectivas 216
D. Redaccin 216
A. Marco retrico 217
B. Preparacin de la tesis 217
C. Argumentacin 217
D. Exposicin 217
1. Validacin conceptual.- Esta instancia se debe ocupar esencialmente de probar dos

aseveraciones implcitas en toda hiptesis sustantiva: 1. que la hiptesis contesta de manera
satisfactoria las preguntas planteadas; y 2. que es coherente con el saber previo,
considerado satisfactoriamente establecido.
Dicho de otra forma: una hiptesis cientfica es vlida (que no es lo mismo que 'verdadera')
si es una buena respuesta a las preguntas planteadas y si no reabre, de manera estril,
interrogantes que ya haban sido resueltos previamente.
El objetivo tanto del planteamiento preliminar con de la formulacin ser finalmente
establecer, exponer y defender, de manera convincente, que las hiptesis sustantivas de la
investigacin explican el fenmeno estudiado y desarrollan, completan o corrigen al conjunto
de conocimientos considerado como el mejor establecido (Samaja, 1995:220).
Hiptesis sustantivas son aquellas que contienen las respuestas a los problemas centrales de
la investigacin. Son las "hiptesis" por antonomasia, ya que todo el diseo de investigacin
est destinado a su confirmacin o falsacin; de ellas se deducen directamente las llamadas
"hiptesis de trabajo" (Samaja, 1995:218).
Fase 1: Planteamientos
El objeto general de esta fase es familiarizarse lo ms que se pueda y profundizar el
conocimiento del proceso en el que se presenta el problema, adems de confirmar el inters
o importancia de dicho proceso a fin de justificar el esfuerzo de investigacin que se propone
emprender (Samaja, 1995:213).
41
Metodologa.
Momento A: Planteamientos del problema: examen y discusin de los problemas, tanto del
problema central como de los problemas conexos.
Momento B: Planteamiento de las hiptesis: examen y discusin de las hiptesis que evocan
los problemas.
Momento C: Planteamientos de marcos tericos: apropiacin y revisin de los conocimientos
previos, propios o anlogos, tanto de carcter terico, cuanto de hechos cientficamente
establecidos.
Momento D: Planteamientos sobre la relevancia: revisin y discusin sobre los contextos
materiales e institucionales de los problemas (deliberaciones sobre el inters, la
justificabilidad y el impacto que puede llegar a tener si se alcanzaran resultados positivos).
Aqu la palabra clave es "propsitos".
Fase 2: Formulacin
El objeto central de la fase formulativa es lograr las definiciones conceptuales y los anlisis
de las estructuras de las redes conceptuales implcitas en el problema, en las hiptesis, en el
marco terico y en los objetivos (Samaja, 1995:213).
Momento A: Formulacin del problema central y los problemas conexos a la investigacin.
Momento B: Formulacin de las hiptesis sustantivas: formulacin de la/s hiptesis
sustantiva y de las principales hiptesis de trabajo, es decir, explicitacin de las principales
categoras puestas en juego y del tipo de conexiones o vnculos que se predican entre ellas.
Momento C: Formulacin del marco terico: explicitacin de las relaciones lgicas implcitas
en los conocimientos previos, especficos o de las analogas. Aqu la palabra clave es "marco
referencial" o "marco terico".
Momento D: Formulacin de los objetivos: Adopcin y formulacin de los objetivos.
2. Validacin emprica.- Esta instancia se encarga de validar las hiptesis indicadoras, es
decir, lo que se conoce como "establecer la validez de los datos" (Samaja, 1995:209).
La validez emprica se refiere a la relacin que debe darse entre el concepto y sus
dimensiones observables. Para que la informacin emprica que se produzca tenga el valor de
prueba o de evidencia sobre los problemas investigados, ser necesario aportar dos series de
"razones": a) las dimensiones elegidas para construir los indicadores han de ser realmente
relevantes y 'expresar' lo esencial del concepto en juego; y b) las dimensiones elegidas estn
adecuadamente discriminadas de otras que 'podran intervenir' de manera no advertida.
La validez de una investigacin va a depender de que realmente los datos que se producen o
leen expresen realmente los conceptos de la teora y no otros factores ajenos a ese modelo
(Samaja, 1995:220-221). Lo que se procura validar en esta instancia de validacin emprica
son las hiptesis indicadoras, de validez o instrumentales, es decir, presupuestos que
relacionan las variables conceptuales o latentes con los observables de dichas variables, o
indicadores (Samaja, 1995:218-219). Samaja relaciona la validacin emprica con la llamada
'validez de los datos', y la validacin operativa -que viene luego- con la llamada
"confiabilidad" (Samaja, 1995:222).
Fase 3: Diseo de objeto
El objeto general de esta fase es decidir cul ser el objeto emprico de la investigacin. Esto
quiere decir: escoger los tipos de unidades de anlisis, las variables y las fuentes que se
emplearn en el estudio.
Contiene dos pasos sucesivos: por un lado decidir una forma de recortar el objeto, de entre
muchas formas posibles; es decir, de escoger este universo y no este otro, estas variables y
no otras, etc. Y por otro lado, se trata de trabajar en ese sistema de matrices de datos
elegido transformndolo de mero sistema conceptual en un sistema operacional. Tiene, pues,
como fin especfico traducir el lenguaje de variables como atributos o propiedades "latentes"
al lenguaje de los observables, que permitan la contrastacin emprica (Samaja, 1995:214).
Momento A: Diseo del universo de UA: Anlisis de la estructura del objeto de la
investigacin y de sus diversos niveles de integracin; traduccin de estas poblaciones
'tericamente posibles' a universos de unidades de anlisis bien delimitados.
Momento B: Diseo del universo de variables: Anlisis de la hiptesis y de su estructura (de
sus componentes y relaciones); traduccin de estos "espacios de atributos, tericamente
posibles" a universos de variables, bien delimitados. Palabra clave: universo de variables o
espacio de atributos.
Momento C: Anlisis de las fuentes de datos: Anlisis de las praxis sobre el objeto y
disponibilidad o accesibilidad a las fuentes de datos que esta praxis genera; incluye un
primer examen de las hiptesis de validez que se pondrn en juego.
41
Metodologa.
Momento D: Definiciones operacionales: dimensionamiento de las variables y anlisis de la
relevancia de las dimensiones encontradas, a fin de establecer criterios de validez, para
definirlas operacionalmente.
Fase 4: Diseo de los procedimientos
Esta fase tiene como objeto la toma de decisiones acerca de los procedimientos mediante los
que se determinarn en cada caso las unidades de anlisis que se sometern a estudio; las
dimensiones y procedimientos que se aplicarn para ubicarlas en las respectivas categoras
de las variables y el tratamiento que se les dar a posteriori de la recoleccin. Es en estos
momentos en que se elaboran los "diseos", tanto de la muestra como del o los instrumentos
de medicin y del plan de anlisis (Samaja, 1995:215).
Momento A: Diseo de las muestras posibles: Examen de las muestras posibles;
determinacin del tamao y de las tcnicas de muestreo, conforme a los objetivos de la
investigacin. Palabra clave: Muestreo.
Momento B: Plan de tratamiento y anlisis de los datos: Examen de las operaciones
implicadas en la reconstruccin de las variables y de las relaciones de cada variable con las
restantes, segn las hiptesis sustantivas, a fin de establecer el plan de tratamiento y
anlisis de los datos.
Momento C: Plan de actividades en contextos: Determinacin precisa de los recursos y
contextos de aplicacin de los instrumentos de medicin (determinacin de tiempos,
espacios y dems recursos de ejecucin. Se incluyen 'diseos' de pruebas de 'confiabilidad').
Momento D: Construccin de los instrumentos: Determinacin precisa de los procedimientos
de los indicadores, y diseo y construccin de los instrumentos con los que se producirn y
registrarn los datos (por ejemplo: cdula de encuesta, planillas de observaciones,
cuestionarios, fichas clnicas o epidemiolgicas. Se incluyen 'diseos' de pruebas de
'validez'). Palabra clave: Instrumentos de medicin.
3. Validacin operativa.- Esta instancia es la encargada de validar las hiptesis operativas o
de generalizacin, es decir, lo que se conoce como "establecer la confiabilidad de los datos y
la confiabilidad de la muestra" (209). En otras palabras, las hiptesis operativas abarcan
tanto las hiptesis acerca de la confiabilidad del dato obtenida para cada unidad de anlisis,
cuanto la confiabilidad de las inferencias al universo que haremos a partir de la muestra
(Samaja, 1995:222).
Hiptesis operativas son aquellas que abarcan dos conjuntos de presupuestos: a) de que las
operaciones de medicin se hicieron de manera apropiada y, consecuentemente, de que la
respuesta obtenida por el observador es tan confiable como lo permite el instrumento, y los
presupuestos de que el instrumento mismo es razonablemente confiable; y b) de que las
operaciones de medicin se efectuaron sobre una muestra representativa, y en
consecuencia, de que los resultados que se obtengan pueden ser extrapolados al universo de
estudio. Algunos autores llaman validez externa a este tipo de confiabilidad (Samaja,
1995:219).
Fase 5: Recoleccin y procesamiento
Esta fase tiene como objetivo llevar a cabo la recoleccin de los datos y su procesamiento.
Estos momentos forman parte de la instancia de validacin operativa pues el investigador
deber poder justificar la forma cmo ha procedido 'realmente' para seleccionar cada sujeto
de estudio, y la manera 'concreta' como ha efectuado las mediciones conforme al criterio de
'confiabilidad' (tanto de los datos de cada medicin cuanto del conjunto de las observaciones
de las unidades de la muestra) (Samaja, 1995:215).
Momento A: Pilotajes: realizacin de pruebas piloto y dems controles del plan de
actividades. Incluye la 'ejecucin' de las pruebas de 'confiabilidad'.
Momento B: Recoleccin: recoleccin, registros y controles de la informacin en terreno,
laboratorio o gabinete.
Momento C: Procesamientos: Procesamiento de la informacin (cmputos y dems
operaciones de sntesis conforme al plan, tratamiento y anlisis de datos. Se incluye la
'ejecucin' de pruebas de 'validez').
Momento D: Tabulacin y graficacin: tabulacin, graficacin y otras formas de
presentaciones resumidas de los datos procesados para su discusin y anlisis.
Fase 6: Tratamiento y anlisis de los datos
Esta fase tiene como objeto la discusin y la interpretacin de los datos a la luz del plan de
anlisis y de las hiptesis formuladas (tanto las hiptesis sustantivas, cuanto de las hiptesis
de validez y de generalizacin) (Samaja, 1995:216).
41
Metodologa.
Momento A: Lectura de resultados: Discusin y anlisis de lo que se observa en la tablas,
grficos y dems instrumentos de presentacin de datos. Incluye la revisin de los resultados
a la luz de las hiptesis de validez y de generalizacin.
Momento B: Interpretacin: Formulacin y defensa de las hiptesis de interpretacin. Incluye
el examen crtico de las hiptesis alternativas de interpretacin que se descartan.
Momento C: Pruebas complementarias: Desarrollo de pruebas complementarias que se
desprenden de las hiptesis de interpretacin o de la crtica de las hiptesis alternativas
anteriores.
Momento D: Conclusiones: Establecimiento de las conclusiones 'firmes' (lo que no significa
'definitivas') y examen de las nuevas cuestiones que han sido abiertas por los resultados
obtenidos.
4. Validacin expositiva.- Esta instancia se encarga de validar las hiptesis retricas, esto es,
el esquema expositivo y la estrategia de argumentacin o exposicin demostrativa (Samaja,
1995:209). Por ejemplo, cuando el investigador se dispone a exponer los resultados de su
investigacin, se encuentra en medio de un campo 'normativo' que rige su actividad cuando
est destinada a lograr la persuasin, la adhesin o el reconocimiento (Samaja, 1995:223).
Las hiptesis retricas consisten en las premisas ms generales o "lugares comunes"
normalmente implcitas en las matrices disciplinarias vigentes (en el sentido de Kuhn) y que
intervienen en el momento de organizar y realizar las exposiciones pblicas de resultados
(Samaja, 1995:219).
Fase 7: Elaboracin de informes parciales
El objetivo central de esta fase expositiva es informar a los interlocutores ms inmediatos de
la comunidad cientfica acerca de la marcha de la investigacin y de los resultados que se
vienen consiguiendo (incluye los informes de avance, presentacin en ateneos de la
comunidad ms prxima de investigadores, e incluso, el informe final que se presenta a una
entidad subsidiadora) (Samaja, 1995:216).
Momento A: Evaluacin de lo actuado: Examen y evaluacin del periodo o tramo del proceso
de investigacin que se informa por referencia al plan de actividades y a las metas trazadas.
Momento B: Ordenamiento de los materiales: Anlisis y evaluacin de los resultados que se
han logrado, de los materiales ya escritos, seleccin y ordenamiento de las tablas, grficos y
otros resmenes ms significativos.
Momento C: Balance y perspectivas: Reconocimiento y examen de los nuevos diseos que se
deducen de los exmenes anteriores.
Momento D: Redaccin: Redaccin formal de los escritos correspondientes; informes,
artculos, monografas.
Fase 8: Exposicin sistemtica
El objetivo general es aqu exponer los resultados obtenidos tal como se piensa que ellos se
incorporan al cuerpo terico principal del cual se ha partido. No se trata de informes de
carcter tcnico; su propsito no es el "control de gestin" del proceso de investigacin; sus
destinatarios no son los interlocutores inmediatos de la comunidad cientfica, sino "los
cientficos" en general (Samaja, 1995:216).
Momento A: Marco retrico: Reconocimiento y valoracin de los destinatarios posibles de la
exposicin (relevamiento de adversarios y jueces). Seleccin de los destinatarios particulares
del 'paper', monografa o tratado.
Momento B: Preparacin de la tesis: Delimitacin, anlisis y ordenamiento de la tesis que se
quiere presentar. Eleccin de las tesis adversarias que se confrontarn y evaluacin de los
ordenamientos posibles.
Momento C: Argumentacin: Desarrollo de los argumentos destinados a: 1) validar
conceptualmente las tesis (seleccin de referencias tericas), 2) validar empricamente las
tesis (seleccin de evidencias empricas propias y de otros estudios), y 3) validar las
inferencias de generalizacin (caracterizacin cualitativa y cuantitativa de los casos y
muestras estudiados).
Momento D: Exposicin: Produccin del discurso cientfico. Conduccin del proceso que vaya
entre: 1) el compromiso acadmico (tico-poltico como sujeto ltimo del discurso); 2)
explotacin de los lugares comunes, la trama lgica y la teatralidad discursiva, y 3)
prevencin minuciosa de las posibles situaciones de plagio y cuidadosa explicitacin de
deudas intelectuales y de informacin (incluye el control de citas y parfrasis).
Resumen de Samaja Juan (1995) Epistemologa y metodologa. Elementos para una teora de la
investigacin cientfica. Buenos Aires: Eudeba, 3 edicin.
41
Metodologa.
MTODO
Definicin.- Es el camino a seguir mediante una serie de operaciones, reglas y
procedimientos fijados de antemano de manera voluntaria y reflexiva, para alcanzar un
determinado fin que puede ser material o conceptual.
Definicin.- Se define como el camino a seguir mediante una serie de operaciones, reglas y
procedimientos fijados de antemano de manera voluntaria y reflexiva, para alcanzar un
determinado fin que puede ser material o conceptual (pgina 41).
Mtodo cientfico.- Conjunto de pasos reglados que utiliza la Ciencia para la ampliacin de
sus conocimientos. Len y Montero distinguen tres variantes: a) Deductivo: variante
consistente en partir de una ley general para, mediante la lgica, extraer implicaciones que
puedan ser contrastadas en la realidad. b) Hipottico-deductivo: variante donde el
investigador utiliza, en los distintos momentos del proceso de investigacin, tanto la
induccin como la deduccin. c) Inductivo: variante donde el investigador parte de la
informacin recogida mediante sucesivas observaciones para, mediante la generalizacin,
establecer una ley de mbito lo ms universal posible.
Mtodo cientfico.- Manera sistemtica de adquirir conocimientos con exactitud. //

Procedimiento para descubrir las condiciones en que se presentan ciertos fenmenos de
manera tentativa, verificable mediante la observacin emprica. // El mtodo cientfico es un
rasgo caracterstico de la ciencia pura o de la ciencia aplicada. // Es un instrumento que
emplea el investigador para resolver diversos tipos de problemas que se le plantean.
Procedimiento mediante el cual podemos alcanzar un conocimiento objetivo de la realidad.
Se define el mtodo cientfico en funcin de los procedimientos o tcnicas que se utilizan
para resolver problemas planteados. Uno de los objetivos bsicos del procedimiento cientfico
es llegar a la comprensin de los fenmenos o hechos que se estudian (pgina 142).
Mtodo cientfico: caractersticas.- El mtodo cientfico consiste en establecer unas

reglas o procedimientos generales que aseguren una investigacin cientficamente
significativa. Las ms importantes caractersticas del mtodo cientfico son las siguientes: a)
Es fctico en el sentido de que los hechos son su fuente de informacin y de respuesta. b)
Trasciende los hechos: si bien el mtodo cientfico parte del conocimiento de los hechos
particulares, no se detiene en ellos: mediante un salto del nivel observacional al terico, los
trasciende. c) Se atiene a reglas metodolgicas formalizadas (operaciones y procedimientos
establecidos de antemano), pero no por ello desecha la imaginacin y la intuicin. d) Se vale
de la verificacin emprica para formular respuestas a los problemas planteados y para
apoyar sus propias afirmaciones. e) Esta permanente confrontacin hace que el mtodo sea
adems autocorrectivo y progresivo: ajusta sus conclusiones a los nuevos datos, y sus
conclusiones no son finales. f) Sus formulaciones son generales: el hecho en particular
interesa en tanto es miembro de una clase o caso de una ley. g) Es objetivo en tanto busca
alcanzar la verdad fctica, independientemente de los valores y creencias del cientfico.
Mtodo cientfico: pasos.- Los pasos del mtodo cientfico son: formular correctamente el
problema y descomponerlo; proponer una tentativa de explicacin verosmil y contrastable
con la experiencia; derivar consecuencias de esas suposiciones; elegir los instrumentos
metodolgicos para realizar la investigacin; someter a prueba los instrumentos elegidos;
obtener los datos que se buscan mediante la contrastacin emprica; analizar e interpretar
los datos recogidos; y estimar la validez de los resultados obtenidos y determinar su mbito
de validez: hacer inferencias a partir de lo que ha sido observado o experimentado.
Ander-Egg E, Tcnicas de investigacin social Hvmanitas, Buenos Aires, 1987, pg. 44-45.
Mtodo en psicologa.- La afirmacin de que la psicologa requiere un mtodo distinto del

de las ciencias naturales depende de qu quiera decir la palabra mtodo. Si por mtodo
41
Metodologa.
entendemos reglas para poder justificar una hiptesis o teora (sistema de hiptesis),
entonces hay un solo mtodo: el hipottico-deductivo, para todas las ciencias. Pero si por
mtodo entendemos la tcnica de obtencin de datos, entonces cada ciencia tendr el suyo
propio, porque cada una tiene su propia forma de obtener datos.
Las tcnicas sirven para suministrar informacin, sean datos primarios (observaciones) o
derivados (interpretaciones): sobre esta base se construye la teora, la cual a su vez se
verificar mediante el mtodo hipottico-deductivo. Las ciencias se diferencian por sus
tcnicas y por su objeto (lo fsico, lo biolgico, lo psicolgico, etc), pero se unifican por el
mtodo (hipottico-deductivo). Por tanto no hay que confundir mtodo con tcnica.
Ejemplos de reglas importantes del mtodo cientfico son estas: 1) formule sus ideas de
forma de poder deducir de ellas hiptesis observacionales, y de forma que en determinadas
condiciones se podrn observar esos hechos (o no); 2) verifique si realizando esas
observaciones se cumple o no lo previsto; 3) slo considere vlidas esas ideas si obtiene
esas observaciones. Tales reglas valen para todas las ciencias, pues estn vinculadas con el
mtodo hipottico deductivo.
Incluso dentro de la religin se recurre a este procedimiento, como por ejemplo probar que
Dios existe porque se han observado milagros. Los cientficos por tanto no inventaron el
mtodo, sino que lo descubrieron. Lo que diferencia, as, al cientfico del no cientfico no es la
estructura formal del mtodo sino el grado de exigencia crtica que ambos se imponen. El
cientfico es mucho ms cuidadoso en las observaciones, pues intenta eliminar la
ambigedad del significado de ellas. Adems no otorgan tanto poder a una observacin como
para que ella por s sola demuestre una hiptesis.
Es entonces importante cumplir la regla 1) antes indicada, y para ello, o sea para poder
deducir del concepto hiptesis observacionales, debemos definirlo conceptualmente (por
ejemplo inteligencia es capacidad de aprendizaje) pero adems operacionalmente (por
ejemplo inteligencia es un factor cuya variabilidad depende de los puntajes de los individuos
en el test de Stanford-Binet). La definicin operacional permite vincular lo inobservable
(inteligencia) con lo observable (puntajes), es decir, remite a una denotacin (entidades
reales a los cuales el trmino, en este caso inteligencia, se refiere). La definicin operacional
permite eliminar la ambigedad que pueda tener la definicin conceptual.
En psicologa muchos conceptos son an precientficos (Edipo, neurosis, inteligencia) pues
provienen de la filosofa o resultan de observaciones clnicas muy ambiguas. Se est
trabajando para refinarlos y hacerlos cientficos, sobre todo perfeccionando los instrumentos
de observacin y medicin (tcnica), que sean a la vez vlidos y confiables. El mayor avance
se logr con los tests y con el concepto de inteligencia, concretamente con los tests
psicomtricos y la tcnica del anlisis factorial. Este se basa en la bsqueda de correlaciones
empricas (y lo mismo se hizo por ejemplo en fsica).
Conceptos como neurosis o psicosis no se desarrollaron tanto: intentos de Eysenck por
querer indagar en su cientificidad, desembocaron en la conclusin que eran ambiguos (un
mismo sujeto poda llegar a tener igual puntaje de neurosis y psicosis). Un prerrequisito para
hacer cientficos estos conceptos es formularlos operacionalmente de manera correcta, o sea
de forma que satisfagan las reglas metodolgicas antes prescriptas.
La formulacin y la contrastacin de las hiptesis en psicologa debe ser estadstica. O sea la
hiptesis debe formularse en trminos de conexin causa-efecto para admitir un tratamiento
estadstico y determinar luego en la contrastacin el grado de correlacin, utilizando por
ejemplo los mtodos de Mill. El experimento debe disearse de tal forma que pueda saberse
con relativa certeza que A es causa de B y de que no interviene ninguna otra variable
extraa. En psicologa no se dispone an de procedimientos de control de variables ajenas
tan estrictos. Y an cuando pudieran controlarse las variables extraas, las conclusiones slo
serviran para el sujeto del experimento y no se podra generalizar. La imposibilidad de
controlar variables extraas hace necesario un tratamiento estadstico y no basarse en el
estudio de un solo caso. La metodologa estadstica posee reglas de muestreo, que permiten
decidir sobre cmo elegir una muestra, no slo significativa sino adems de forma tal que se
anule la influencia de las variables extraas.
El descuido en la formulacin de las ideas que se usan en psicologa es muchas veces la
causa de que se creen entidades mitolgicas, como por ejemplo la idea de gestalt,
planteada como si fuera una entidad misteriosa que habita las cosas. Tambin se formularon
leyes mticas, como la ley de la proximidad, la cual es en el fondo una tautologa porque se
concluye que hay proximidad cuando hay gestalt y hay gestalt cuando hay proximidad.
Klimovsky dio ejemplos de este tipo de procedimiento vicioso, consistente en confirmar una
41
Metodologa.
hiptesis mediante un dato O que slo confirma a la hiptesis cuando se lo interpreta con un
significado que slo se deduce de la hiptesis.
Mtodo y tcnica se refieren a un conjunto de reglas para llegar a un fin. La diferencia es
que en el primero se trata de reglas generales (como las tres antes enunciadas), y en la
tcnica hay reglas ms especficas slo aplicables en cada ciencia en particular. El mtodo es
ms general o slo se refiere al procedimiento de justificar o verificar, y no a la invencin de
una hiptesis (una cuestin ms psicolgica donde no interesa la consideracin de reglas).
Cuando hablamos de verificar (de veritas verdad) aclaremos que la verdad cientfica no es
nunca absoluta: lo verdadero solo se considera altamente probable.
Hay quienes dicen que en psicologa est el mtodo fenomenolgico o el comprensivo, pero
estos criterios no son vlidos. El primero, segn Husserl prescriba atenerse al fenmeno sin
prejuicios y luego aprehender una idea o esencia como representante de toda la clase de
fenmenos relacionados con ella. Esto permitira alcanzar una intuicin eidtica que
suministrara un conocimiento apodctico, o sea indubitable, del fenmeno en cuestin (su
esencia). Hasta ahora esto no se logr en psicologa, pues aqu se us un mtodo
escuchando las descripciones que hacan los pacientes de sus vivencias y explicarlas segn
ciertos supuestos existencialistas.
El mtodo comprensivo (Dilthey) prescriba por su lado comprender al paciente
empticamente a partir de observar su conducta y escuchar sus declaraciones introspectivas
y autobiografas. Este mtodo propone captar los inobservables en lugar de inferirlos
racionalmente a partir de lo dicho por el paciente. Esta comprensin sirve ms al contexto de
descubrimiento que al de justificacin, por lo que no podemos considerarla como mtodo.
Tanto este mtodo comprensivo como el fenomenolgico son simplemente tcnicas de
obtencin de datos. Si estos datos son confiables y vlidos, entonces podrn incorporarse a
la psicologa como tcnicas.
Hay quienes tambin llaman mtodo en psicologa al mtodo clnico (o idiogrfico) y al
mtodo estadstico (o nomottico). Estas dos en realidad dos formas distintas y vlidas de
aplicar el mtodo hipottico deductivo: observando un solo caso, o trabajando con muchos
individuos y sacar inferencias respecto de todos ellos (poblacin). El mtodo clnico se
emplea sobre todo en psicologa aplicada, y el estadstico en el contexto de justificacin, o
sea cuando debe probarse una hiptesis.
La psicologa no est unificada: est dividida en muchas escuelas, cada una de las cuales
sostiene que su mtodo es el mtodo de la psicologa, y su objeto es el objeto. No deben
confundirse las escuelas con las ramas, pues es ndice de progreso cientfico la proliferacin
de ramas de una ciencia pero no la proliferacin de escuelas. Las ramas se unifican por el
mtodo pero se diferencian por su objeto, mientras que las escuelas se diferencian por
ambos.
Las escuelas nacen cuando no se pueden verificar las hiptesis mediante el mtodo
hipottico deductivo, sea por razones tcnicas o ideolgicas. Las escuelas se basan en
hiptesis controvertidas, y en rigor no se diferencian entre s por su objeto sino por sus
divergencias tericas y metodolgicas acerca de los mismos objetos, aunque cada escuela
diga que tiene su propio objeto. Slo las ramas de la psicologa estudian distintos objetos
(psicologa del aprendizaje, de la percepcin, psicopatologa, etc) y no las escuelas (Gestalt,
psicoanlisis, etc). No obstante las escuelas cumplen una funcin histrica de preparar el
advenimiento del conocimiento cientfico: la astronoma actual surgi de la polmica entre
escuelas (geocentrista y heliocentrista). En las ciencias desarrolladas no hay escuelas, salvo
en cierto sector donde la ciencia est avanzando por nuevos caminos.
Freud construy una escuela sobre la base de pensar que la conducta es regulada por
procesos psquicos inconcientes. La existencia de los mismos la bas en observaciones
(sugestiones poshipnticas, lapsus, sntomas, sueos, etc). Si bien prob que hay ciertos
comportamientos donde intervienen factores de los que no podemos percatarnos mediante la
introspeccin (inconcientes) no pudo Freud probar que eran esos procesos inconcientes de
naturaleza psquica, y no fsica. No podemos saber qu clases de datos confirman la hiptesis
de la existencia de procesos inconcientes psquicos. No obstante, esta hiptesis puede llegar
a ser formulada en forma cientfica.
Musso J, Los mtodos de investigacin en psicologa. Artculo includo en Ziziemsky y otros (1971)
Mtodos de investigacin en psicologa y psicopatologa. Buenos Aires: Nueva Visin.
Mtodo en psicoanlisis.- El psicoanlisis es tres cosas: teora, mtodo de investigacin, y

terapia. Es frecuente encontrar una indiferencia de los psicoanalistas por el mtodo, y una
indiferencia de los metodlogos por el psicoanlisis. Tambin vemos el psicoanlisis como
41
Metodologa.
una ciencia menor al lado del modelo de ciencia natural, y tambin que el psicoanlisis no
necesita de dicho modelo y tiene sus propios modos de buscar evidencia.
El psicoanlisis plantea un nuevo objeto de estudio, y un nuevo mtodo basado en la
comprensin y la interpretacin. No se puede llevar el mtodo de la ciencia natural al
psicoanlisis pues los objetos de estudio son distintos. El mtodo tradicional es insuficiente
para abordar la complejidad humana.
Como objeto de estudio, el psicoanlisis se centra en el estudio de la relacin interpersonal
paciente-analista (transferencia, contratransferencia, etc.).
El psicoanlisis no puede esperar ayuda del mtodo de la ciencia natural, pero ente mtodo
s puede recibir ayuda del psicoanlisis en cuanto ste puede darle menos estrechez y ms
humanizacin.
Lo revolucionario del aporte freudiano no es su modelo del psicoanlisis como ciencia
personal (metapsicologa) sino como psicologa comprensiva hermenutica, buscadora de
sentidos tras la conducta. Por eso el psicoanlisis logr algo que la ciencia natural no pudo
hacer: descubrir, comprender, en vez de recolectar datos. Adems, el psicoanlisis aporta
conocimiento para conocer al mismo investigador, su mundo interno.
La metodologa de la ciencia natural es apta para verificar, pero no para descubrir, lo que s
hizo el psicoanlisis.
La oposicin entre la ciencia natural y el psicoanlisis no pasa por la antitesis objetividadsubjetividad ni racionalidad-irracionalidad, pues se puede ser objetivo estudiando a un
sujeto, y estudiar fenmenos irracionales no implica que el mtodo mismo para estudiarlos
tambin lo sea.
El psicoanlisis debe desarrollarse sin dejarse presionar por la exigencia metodolgica de las
ciencias naturales, y tratando de indagar sobre sus propios mtodos. Esto no implica
considerar los aportes metodolgicos de las ciencias de la naturaleza. As, pueden hacerse
experimentos para comprobar ideas del psicoanlisis, pero sern ellos slo instrumentos
auxiliares del psicoanlisis.
El psicoanlisis opera en tres contextos: clnico, aplicado y operativo (este ltimo introducido
por Bleger). El contexto clnico se refiere al aspecto experimental, reglado, pautado. Aqu se
trata el problema de la verificacin de la interpretacin, la cual debemos aclarar si depende
de su validez o de su eficacia.
Psicoanlisis aplicado significa aplicarlo a cosas menos directas y comprometidas, como una
obra de arte, un diario personal, etc. Aqu el psicoanlisis se aplica pero no se lo utiliza,
como en el psicoanlisis clnico.
El psicoanlisis operativo utiliza el conocimiento en grupos, instituciones, etc., y tiene la
ventaja sobre el psicoanlisis aplicado en que aqu se puede comprender observando sus
efectos, y se diferencia del clnico en que est menos pautado o reglado. Cuando hablamos
de mtodo psicoanaltico nos referimos slo al usado en el psicoanlisis clnico.
Hoy en da el psicoanlisis no tiene autocrtica, audacia ni creatividad: se tiende a defender
una doctrina establecida en vez de formar genuinos investigadores. Se tiende a ver en el
psicoanlisis una forma de curar, en vez de un forma de investigar.
El psicoanalista trabaja con significados o sentidos, que deduce de lo que observa o de lo que
vivencia. Debemos saber aqu distinguir entre comprender e interpretar, pues no todo lo que
se comprende es interpretado, y muchas veces lo que se interpreta no son significados.
Debemos distinguir tambin entre la eficacia y la validez (de la interpretacin) es decir su
valor para curar o su valor para conocer al paciente.
Condensado de Bleger J, Cuestiones metodolgicas del psicoanlisis. Artculo incluido en Ziziemsky y
otros, Mtodos de investigacin en psicologa y psicopatologa.
Mtodo en sociologa.- La sociologa comienza con Augusto Comte, quien cre el trmino
sociologa para estudiar las leyes evolutivas de las sociedades humanas, un tema
relacionado con las obras de Cordorcet y Marx. Por su lado, Qutelet propuso aplicar a la
sociologa (o como l la llamaba, fsica social) los mismos mtodos que las ciencias
naturales: recoger observaciones sobre hechos sociales y hacer una teora para explicarlos.
Montesqui se centr ms, en cambio, ne la sociedad como sistema coherente constituida
por partes interdependientes. Durkheim sigue la orientacin de Comte y Qutelet al intentar
descubrir leyes evolutivas de las sociedades. Como se ve, la sociologa tiene una diversidad
de mtodos, en parte por querellas histricas entre autores, en parte porque se plantea
problemas muy diversos que exigen mtodos de abordaje diferentes.
Hoy en da, los diferentes enfoques en sociologa se pueden agrupar de acuerdo al siguiente
cuadro:
41
Metodologa.
MARCOS
TEMAS
AUTORES
Sociedades globales
Cambios
Sociedades globales
Sistemas
Estudios cualitativos
Weber / Durkheim / Tocqueville / Goldmann
Estudios cuantitativos
Durkheim / Sorokin / Simiand / Henry y Short
Montesqui / Parsons / Murdock / Dahrendorf
Individuos
Individuos + medio
Tarde / Durkheim / Halbwachs / Stouffer y col.
Unidades naturales, grupos,

instituciones, comunidades
White / Crozier / Bernot y Blancard
41
Como vemos, hay tres grandes marcos de anlisis en sociologa:

A) Sociedades globales.- Estudian la sociedad en conjunto, globalmente. Dentro de este
enfoque global, hay a su vez dos posibilidades: el estudio de los cambios sociales, y el
estudio de los sistemas sociales. A su vez, dentro del anlisis de los cambios sociales, estn
aquellos que estudian los cambios cualitativos, y aquellos que estudian los cambios
cuantitativos.
B) Individuos, Individuos + medio.- Aqu, el marco de anlisis no es la sociedad considerada
en forma global sino el complejo formado por el individuo y por el campo social en el cual
est situado. Se utiliza aqu como mtodo, por ejemplo, la encuesta por sondeo de opinin,
donde se piden opiniones a individuos, los que contestan en funcin de campo social donde
estn ubicados. Por ejemplo, sondear preferencias polticas, religiosas, etc.
C) Unidades naturales, grupos, instituciones, comunidades.- Aqu se estudian unidades
sociales "naturales" y directamente observables, como grupos, instituciones o comunidades.
Por ejemplo, con el mtodo etnolgico se estudian comunidades (como viven, como estn
organizadas socialmente, etc.). Tambin se han estudiado instituciones, como empresas,
crceles, etc.
Condensado de Boudon Raymond, Los mtodos en sociologa. Introduccin.
Mtodo en sociologa.- Los mltiples orgenes de la sociologa y la diversidad de

problemas que aborda, han provocado una serie de falsas querellas de mtodo que conviene
disipar.
1) Comprensin y explicacin.- Lo social, se comprende o se explica? La querella surge
cuando Dilthey y otros autores consideraron que en sociologa los fenmenos se
comprenden (a partir de sus relaciones significativas y nicas) y en ciencias de la naturaleza
los fenmenos se explican (a partir de leyes naturales). Se trata de una falsa oposicin: la
comprensin se utiliza en ciertos momentos de la investigacin sociolgica, pero ella sola no
basta: tambin los hechos sociales deben ser explicados.
2) El carcter especfico de lo humano.- Aqu la cuestin es si el hecho de que el hombre sea
capaz de proyectos, deseos y previsiones no le impone usar un mtodo especfico que
considere esta caracterstica.
Este mtodo que considera los deseos parece oponerse al otro mtodo que considera las
causas de las conductas, que pueden ser distintas a los deseos o aspiraciones de las
personas. Por ejemplo, la conducta de un consumidor puede ser explicada a partir de una
frmula que se refiera a sus causas, pero las razones subjetivas que lo llevan a comprar
pueden ser muy distintas y variadas. En realidad, los deseos interesan al socilogo slo en
la medida en que se traducen en hechos sociales, en modalidades de consumir, y desde aqu
la tarea del socilogo es explicar estos resultados observados. Los deseos, aspiraciones,
etc., afectan indudablemente las variables sociolgicas, pero basta con reemplazar esos
nombres con smbolos formales (tipo frmula matemtica, por ejemplo), para que puedan
ser tratados como enunciados de las ciencias naturales.
3) La querella de la totalidad.- Se sostiene que la sociologa debe estudiar la sociedad en su
conjunto, como totalidad, y que si se la estudia en partes aisladas no podran llegar a
comprenderse los hechos sociales.
Para Gurvich, en efecto, no podemos comprender la sociedad si no se intenta comprender
todos sus niveles de profundidad, y en este sentido critica los mtodos de sondeo de opinin
Metodologa.
por ser demasiado simples y rudimentarios. Sin embargo esto no es as: muchos de estos
sondeos pueden explorar toda la complejidad de la sociedad en su conjunto. La nocin de
"totalidad" puede entenderse de tres maneras: 1) como descripcin exhaustiva de la
realidad social, b) como anlisis de la sociedad como todo compuesto de partes
interdependientes, y c) como anlisis del cambio social considerando todos los elementos de
la realidad social. La posicin de Gurvich se refiere a este tercer sentido de totalidad, y para
l la sociedad debe ser entendida como un sistema en cambio permanente. Existen, sin
embargo, investigaciones sociolgicas que no consideran totalidades pero que son
igualmente valiosas; adems, debe especificarse cul de los tres sentidos de totalidad se
est considerando.
Condensado de Boudon Raymond, Los mtodos en sociologa. Captulo 1.
OBSERVACIN
Definicin.- Comprende el registro de los patrones conductuales de personas, objetos y
sucesos en forma sistemtica para obtener informacin sobre el fenmeno de inters.
Clasificacin.- Segn su grado de estructuracin puede ser estructurada y no estructurada.
Segn su modo de aplicacin, puede ser observacin natural (oculta o abierta) y artificial.
Segn la forma de obtencin de los registros puede ser personal y mecanizada. Y segn su
campo de aplicacin, puede ser auditoras, anlisis comunicacional y anlisis de vestigios.
Elementos.- La observacin comporta siempre cinco elementos: el sujeto que observa, lo

observado, los medios (sentidos como la vista u odo), los instrumentos (medios que sirven
de apoyo a los anteriores), y el marco terico (que gua la observacin) (pgina 198).
Observacin naturalista.- En la observacin naturalista se observa y registra el

comportamiento de las personas tal como se produce dentro de su marco natural. Es
importante aqu la observacin participante, donde el investigador se introduce dentro del
grupo que va a estudiar, a veces interactuando tambin l con las personas en estudio. Una
variante es el experimento por demostracin (Garfinkel) donde el investigador introduce una
perturbacin dentro de las interacciones para ver cmo las personas reaccionan.
Observacin participante.- Procedimiento para la recoleccin de datos en el cual el

investigador se introduce en el medio natural y dedica buen tiempo a notar y observar lo que
all sucede, y a veces a interactuar con las personas que estudia.
Observacin participante.- La observacin participativa es un mtodo para conducir la

investigacin descriptiva en el cual el investigador se convierte en un participante de la
situacin a fin de comprender mejor la vida de ese grupo.
Observacin participante.- La observacin participante es un procedimiento para la

recoleccin de datos en el cual el investigador se introduce en el medio natural y dedica
buen tiempo a notar y observar lo que all sucede, y a veces a interactuar con las personas
que estudia (Vander Zanden J, 1986:623).
Vander Zanden James (1986) Manual de Psicologa Social. Barcelona: Paids.
Observacin participante.- Tcnica de investigacin, usada sobre todo por los

antroplogos culturales, en la cual un observador intenta minimizar lo intrusito de su persona
y actividades de observacin convirtindose en parte del grupo o situacin que est siendo
observada, por ejemplo, al vestirse y actuar como otras personas en el grupo o situacin.
Observacin participante.- Es una tcnica ideal para la investigacin exploratoria, ya que

en sta el cientfico debe sumergirse en los datos y verlos desde diferentes perspectivas sin
41
Metodologa.
hiptesis especficas y sin disponer de una pequea lista de variables posiblemente
relevantes.
Por ejemplo el antroplogo convive con una tribu y procura que su presencia no interfiera el
curso normal de los acontecimientos. Esta y otras tcnicas de observacin participante son
tiles para buscar ideas y pistas para precisar mejor el problema y la hiptesis, pero tienen
el riesgo de la subjetividad del investigador y la desventaja de que las observaciones no
pueden repetirse cada vez que uno quiera.
Generalidades.- La observacin es un tipo de instrumento de recoleccin de datos, e

implica describir y comprender la conducta tal como esta ocurre. Se pueden observar
situaciones autnticas o situaciones producidas el laboratorio. La observacin puede ser no
estructurada o estructurada.
La observacin no estructurada puede a su vez ser participante (el observador asume roles
dentro del grupo observado, participa como uno ms), o no participante (desde fuera del
grupo). La observacin no estructurada se presta ms para estudios exploratorios.
En la observacin estructurada ya se conocen qu aspectos son los relevantes, y por tanto se
hace un plan previo para recoger y organizar los datos segn su contenido. La observacin
estructurada se presta ms para estudios descriptivos y explicativos.
La ventaja de la observacin es que puede aplicarse cuando los sujetos no pueden o no
quieren informar por s mismos. En cuanto a sus desventajas, se cuenta el hecho de que no
siempre estamos presentes cuando el fenmeno ocurre. Adems, la observacin no informa
sobre inobservables como creencias, motivaciones, proyectos, ni sobre la conducta pasada o
la privada. Para compensar estos ltimos factores se utilizan los cuestionarios y entrevistas.
Observacin y experimento.- La observacin es el procedimiento emprico bsico. Tanto

la medicin cuanto el experimento suponen observacin, mientras que sta se realiza sin
precisin cuantitativa (o sea, sin medicin) y sin cambiar deliberadamente los valores de
ciertas variables (o sea, sin experimentacin). El objeto de la observacin es, naturalmente,
un hecho actual; el producto de un acto de observacin es un dato, o sea, una proposicin
singular o existencial que exprese algunos rasgos del resultado de la accin de observar. Hay,
entonces, un orden natural: hecho-observacin-dato (Bunge, 1971:717).
POSTEST (T2)
Definicin.- Prueba que se aplica a los sujetos (Ss) una vez que han recibido la accin o
influencia de la variable independiente (X) (pgina 165).
PRETEST (T1)
Definicin.- Prueba a que se someten los sujetos (Ss) antes de ser expuestos a los efectos
de la variable independiente (X) (pgina 168).
PROBLEMA
Generalidades.- Respecto del origen de los problemas, se pueden establecer cuatro posibles
fuentes: una laguna en nuestro conocimiento, los resultados contradictorios, la
generalizacin de hiptesis, y la contrastacin de hiptesis y teoras.
Respecto de las condicionas bsicas para el correcto planteo de problemas, la condicin
bsica es la resolubilidad. Las normas presentadas para un correcto planteo de problemas
son: formular el problema con claridad, identificar los constituyentes, determinar los
presupuestos, simbolificacin, bsqueda de problemas anlogos y extensin de problemas a
otros mbitos cientficos.
La resolubilidad o irresolubilidad del problema constituye un concepto relativo, ya que
depende de una serie de factores tales como el estado de la ciencia, y el desarrollo de una
adecuada metodologa.
41
Metodologa.
PROCEDIMIENTO
Definicin.- Plan de actuacin del investigador a la hora de recoger los datos en el que se
detallan los aspectos relativos a instrumentos utilizados, medidas empleadas, unidades de
observacin, pasos seguidos, etc..
REFERENCIA BIBLIOGRFICA
Definicin.- Registro o anotacin completa de las partes esenciales de un libro que sirven
para su identificacin (pgina 184).
REGISTRO
Registro de observaciones.- El registro de lo observado forma parte de un primer paso
que es la recogida de datos (luego del cual vendr la cuantificacin, y luego el anlisis y la
interpretacin de los datos).
Registro significa expresin de los datos en forma numrica, grfica o mecnicamente, es
decir de los cambios que se operan en la conducta del individuo. Los registros deben ser lo
ms completo posibles para que informen ampliamente sobre las variables implicadas en la
hiptesis de estudio.
Es fcil registrar medidas fsicas (tiempo, velocidad, etc) pero es ms difcil hacerlo con
medidas psicolgicas. Las primeras suelen registrarse mediante instrumentos como
polgrafos, etc, que suministran un alto grado de precisin. Se llaman registro automticos.
Reglas de utilizacin de registros automticos.- Son fundamentalmente tres, segn Davis: 1)
el registro debe tener una relacin directa con la variable medida; este es un requisito de
validez; 2) el aparato no debe ejercer una accin deformadora de la variable observada, o
sea no debe tener accin retroactiva. Por ejemplo la influencia del aparato sobre el sujeto al
que sometemos a estudio puede amilanarlo, etc; 3) deberemos conocer la sensibilidad del
instrumento en el registro de las observaciones. Ello ayuda a evaluar el valor de los registros
y hasta ayudar a decidir cuntos registros son necesarios para corregir el posible error de
medida.
REPLICABILIDAD
Definicin.- Caracterstica propia del mtodo cientfico consistente en que los hallazgos de
un investigador puedan ser obtenidos por cualquier otro colega que utilice el mismo mtodo
(Len y Montero, 1995:22).
Len O y Montero I (1995) Diseo de investigaciones. Introduccin a la lgica de la investigacin en
psicologa y educacin. Madrid: McGraw-Hill.
SOCIOGRAMA
Definicin.- Nos ofrece una relacin rpida de las relaciones intergrupales, y nos permite
observar la posicin que ocupa cada individuo en el grupo, y las relaciones establecidas entre
los mismos, la formacin de subgrupos y el grado de integracin y cohesin que posee el
grupo (pgina 192).
SOCIOMETRA
Definicin.- Es la tcnica que se emplea en las ciencias sociales para la obtencin de datos
acerca de la interaccin social que se produce entre los miembros de un grupo con quienes
deseara asociarse para llevar a cabo determinadas actividades y viceversa. // Medicin de
los fenmenos sociales. Descripcin cuantitativa de las relaciones humanas y otros
fenmenos sociales. Tiene como objeto medir la red de atraccin y repulsin observada entre
los individuos de un grupo (pgina 192).
41
Metodologa.
Definicin.- Mtodo objetivo para evaluar criterios de atraccin, rechazo o indiferencia que
operan entre los miembros de un grupo.
TCNICA
Tcnica y mtodo.- El mtodo no basta ni es todo; se necesitan procedimientos y medios
que hagan operativos los mtodos. A este nivel se sitan las tcnicas. Estas, como los
mtodos, son respuestas al como hacer para alcanzar un fin o resultado propuesto, pero se
sitan a nivel de los hechos o de las etapas prcticas que, a modo de dispositivos auxiliares,
permiten la aplicacin del mtodo, por medio de elementos prcticos, concretos y adaptados
a un objeto bien definido.
TEORA
Definicin.- Manera de conferir sentido a un conjunto confuso de datos mediante una
construccin simblica; la red que tendemos para atrapar al mundo de la observacin.
Definicin.- Conjunto de hiptesis relacionadas que ofrecen una explicacin verosmil de un

fenmeno o grupo de fenmenos.
Definicin.- Una teora de acuerdo con F Kerlinger- es un conjunto de conceptos,

definiciones y proposiciones vinculadas entre s, que presentan un punto de vista sistemtico
de fenmenos especificando relaciones entre variables, con el objeto de explicar y predecir
los fenmenos.
McGraw-Hill, 1996. Resumen del captulo 3: La elaboracin del marco terico: revisin de la literatura y
construccin de una perspectiva terica, pg. 54.
TESIS
Tesis emprica.- Una tesis emprica, estudia el comportamiento de una teora, hiptesis o
variables seleccionadas por el investigador contrastndola con hechos positivos. Puede
estudiar tambin la bsqueda de relaciones a partir de la observacin, control y registro del
comportamiento de una o ms variables seleccionadas. El investigador emprico prioriza la
obtencin de datos o fenmenos en la realidad estudiada a travs de instrumentos propios
de su disciplina (test, cuestionarios, inventarios, etc.) y de una metodologa apropiada
(diseos experimentales, investigacin cualitativa, observacin de campo, anlisis de
discurso, estudios etnogrficos, entrevistas, etc.).
Droppelmann A (coordinador Escuela de Psicologa) (2002), Procedimientos para la elaboracin de
proyecto y tesis de grado y proceso de titulacin (Reglamento interno).
Tesis terica.- Una Tesis terica, es un tipo de investigacin que tiene como objeto de
estudio conceptos, teoras, modelos, leyes o hiptesis propias del campo y de la tradicin
psicolgica. Su desarrollo y operaciones se basan en la bsqueda de nuevas relaciones, en la
generacin de hiptesis, el anlisis y la discusin critica de algn concepto o variable de una
teora. Una investigacin terica enfatiza la interpretacin de los conceptos, la aclaracin y
profundizacin de enunciados, el estudio del alcance y consecuencias de las teoras, modelos
y conceptos al interior de la tradicin psicolgica. Para el desarrollo de la investigacin se
deben recopilar antecedes e informacin extrada fundamentalmente de material
bibliogrfico. Sin embargo una tesis terica no se reduce solo a la revisin bibliogrfica sino
que debe procurar establecer relaciones, proponer lecturas y examinar crticamente el
material recopilado.
Droppelmann A (coordinador Escuela de Psicologa) (2002), Procedimientos para la elaboracin de
proyecto y tesis de grado y proceso de titulacin (Reglamento interno).
41
Metodologa.
TEST
Definicin.- Instrumento que emplea el investigador para medir las actitudes de los sujetos;
est compuesto por una serie de tems que hacen relacin a los factores que pretenden
medir. Tienen como fin describir y medir las diferencias individuales, proporcionando los
datos necesarios a partir de los cuales pueden desarrollarse mejores principios y prcticas,
obtener muestras de conducta que permitan formular juicios sobre: intereses o rasgos de
personalidad. // Medida objetiva y tipificada de una muestra de conducta que mediante ina
situacin experimental estandarizada, sirve de estmulo a un comportamiento (pgina 201).
VALIDEZ
Validez externa.- Control del proceso metodolgico asociado a la generalizacin y
representatividad de los logros de la investigacin (pgina 211).
Validez interna.- Mnimo de exigencia para determinar hasta qu punto la variacin

observada en la variable dependiente ha sido causada por la presencia de la variable
independiente (pgina 211).
Tipos.- Hay tres tipos de validez para un mtodo:

1) Validez interna: asegura que las variables pertinentes estn controladas, para lo cual hay
varios procedimientos. Una forma es mantener constante la variable pertinente, y otra es
conocer el valor de su influencia sobre VD, para luego restarla de la influencia de VI.
Variables pertinentes.- Para la hiptesis el consumo de nicotina provoca enfermedades
pulmonares, hay variables pertinentes como smog, genes, edad, sexo, tipo de trabajo. En
cambio nutricin e instruccin no porque no parece haber conocimiento disponible que ligue
directamente ambas variables a enfermedades pulmonares.
2) Validez externa: grado en que podemos generalizar legtimamente los resultados de una
investigacin.
3) Validez ecolgica: grado en que puedo generalizar los resultados a situaciones naturales.
Aqu ya no se generaliza sobre los sujetos, sino sobre las condiciones en que se llev a cabo
el experimento.
Lores Arnaiz M (2000) Mdulos de Metodologa de la Investigacin psicolgica (Ctedra de Metodologa
de la Investigacin, Facultad de Psicologa, Universidad de Buenos Aires).
Amenazas a la validez interna.- Estas amenazas tienen el problema que introducen

explicaciones rivales alternativas. Algunas de las ms comunes son las siguientes:
1) Asignacin sesgada de sujetos a las condiciones experimentales: los efectos pueden
deberse a que los grupos no son equivalentes, en vez de deberse a la VI.
Para asegurarnos que los grupos son prcticamente equivalentes antes de manipular la VI
hay diferentes procedimientos:
A) Asignacin aleatoria simple.
B) Asignacin aleatoria apareada: si los grupos son pequeos puede ocurrir que la
asignacin aleatoria simple no genere grupos equivalentes, recurrindose entonces a este
segundo procedimiento: a) Se ordenan los sujetos por puntaje, desde el ms alto al ms
bajo, mediante un pretest de la VD. b) Se aparean los sujetos formando bloques o racimos
de tamao k, donde k es el nmero de condiciones experimentales. c) Si por ejemplo k=4,
entonces se toman los cuatro puntajes ms altos y asignamos al azar cada sujeto a cada
una de las cuatro condiciones, procediendo igual con los restantes sujetos, siempre tomados
de a cuatro.
C) Medidas repetidas: un solo grupo sirve para todas las condiciones del experimento. Se
llama medidas repetidas porque cada sujeto es medido ms de una vez. Una ventaja es que
requiere menos sujetos, y una desventaja es que el orden en que se presentan las
condiciones puede afectar la conducta de los sujetos. Otra es que puede haber suma de
efectos (los efectos de una condicin puede subsistir cuando se aplica la segunda condicin).
2) Variables confundidas: introduccin de diferencias sistemticas entre las condiciones
experimentales, distintas de los diferentes valores de VI.
41
Metodologa.
3) Prdida diferencial de sujetos durante el estudio: aqu la amenaza es menor si afecta
aleatoriamente a todas las condiciones experimentales.
4) Sensibilizacin debida al pretest: implica el riesgo de que los efectos se deban a la
influencia combinada de VI y pretest.
5) Historia: Eventos fuera de la situacin experimental.
6) Maduracin: Cambios en los sujetos mismos pueden crear nuevas variables confundidas,
en especial en experimentos prolongados.
7) Expectativas del experimentador (efecto Rosenthal): por ejemplo, un grupo de ratas
rindi ms porque a los investigadores se les dijo que eran ms inteligentes.
8) Deseabilidad: Afecta a los sujetos. Por ejemplo, el grupo que poda apretar un botn de
pnico lo apret, a pesar que tuvo la misma deprivacin sensorial que el grupo que no tena
dicho botn.
Las expectativas del experimentador y de los sujetos pueden eliminarse mediante el recurso
del doble-ciego: ninguno de ambos conoce la condicin experimental de cada sujeto.
9) Efecto placebo: Cambio fisiolgico o psicolgico producido como resultado de la mera
sugestin de que el cambio va a ocurrir. El experimentador debe mostrar que el grupo
experimental mejora significativamente ms que el grupo placebo, para mostrar que el
tratamiento es efectivo.
Fuentes de la varianza de error.- 1) Diferencias individuales preexistentes: sujetos

incluso sometidos a la misma condicin experimental pueden responder diferencialmente a
la VI. 2) Estados transitorios: como el entusiasmo, el cansancio, etc, diferentes en cada
sujeto. 3) Factores ambientales: por ejemplo el ruido exterior puede distraer a algunos
sujetos y a otros no. 4) Tratamiento diferencial: En investigador debe tratar de igual modo a
todos los sujetos. 5) Error de medicin: lo que hace que los puntajes varan en forma no
sistemtica.
VARIABLE
Definicin.- Cuando los cientficos operan con constructos susceptibles de tomar diversos
valores, prefieren emplear el trmino variable, que designa un smbolo al que se pueden
asignar valores o nmeros. Ejemplos: edad, inteligencia, hbito, motivacin, nivel
socioeconmico, etc.
Arnau Gras J (1980) Psicologa experimental. Mxico: Trillas
Definicin.- Es un aspecto o dimensin discernible de un objeto de estudio o fenmeno,

que tiene la propiedad de asumir distintos valores. La variable se llama tambin dimensin
de variacin o variante.
Korn F, El significado del trmino variable en sociologa. Artculo incluido en Korn F y otros, Conceptos y
variables en la investigacin social, Buenos Aires, Nueva Visin, 1969.
Definicin.- Todo concepto capaz de asumir diferentes valores. En la proposicin las clases
sociales tienen condiciones de vida diferenciales, las variables son clase social y
condiciones de vida. Muchas veces las variables se definen conceptualmente (sea una
definicin nominal o real) de acuerdo al marco terico. Pero ellas solas no bastan pues dejan
a la variable relativamente alejada del plano emprico. Por ello es preciso hacer una
definicin operacional, que ofrece conceptos empricos para representar a los tericos. Para
ello se recurre a los indicadores.
Korn F, Qu es una variable en la investigacin social, Buenos Aires, Facultad de Filosofa y Letras de la
Universidad de Buenos Aires, ficha OPFYL N 476, ao 1965. Artculo.
Modos de definicin de las variables.- Segn Kerlinger, las variables pueden definirse de
dos formas: constitutivamente y operacionalmente. En la definicin constitutiva se relaciona
la variable con otras variables del sistema. Por ejemplo definir expectancia como
probabilidad subjetiva. Estas definiciones tienen utilidad terica pero no prctica, como s
las tienen las definiciones operacionales.
41
Metodologa.
Estas ltimas son aquellas donde especificamos las operaciones necesarias para medirlas o
manipularlas. Por ejemplo definir aprendizaje en funcin de la cantidad de respuestas
emitidas, o frustracin como la cantidad de interferencia interpuesta entre el sujeto y su
meta.
Arnau Gras J (1980) Psicologa experimental. Mxico: Trillas.
Generalidades.- Mora y Araujo hacen referencia a las variables designndolas como

conceptos. Para ellos, el concepto alude a una propiedad latente, que se medir a partir de
propiedades manifiestas llamadas indicadores. Habitualmente no se usan indicadores
aislados sino formando ndices. Los indicadores poseen tems, que pueden ser por ejemplo
un estmulo provocado o una conducta espontneamente observada por el investigador. El
concepto incluye casi siempre varias dimensiones. El concepto industrializacin incluye
nmero de industrias, potencia instalada, porcentaje de ocupacin industrial sobre el total,
etc.
Definicin.- Aspecto o dimensin de un fenmeno que tiene como caracterstica la

capacidad de asumir distintos valores. -Smbolo al cual se le asignan valores o nmeros
(pgina 212).
Variables, tipos.- En un diseo experimental encontramos dos tipos de variables: a)

Dependiente: aquella que queremos comprender o controlar. Se parte del supuesto que
sobre ella actan otras llamadas independientes, y se representa con Y. b) Independiente:
tiene prioridad causal. Se representa con X.
Suele considerarse a X como causa y a Y como efecto, aunque no exista una prueba
definitiva y absoluta de conexiones causales.
En el enunciado la frustracin produce agresin, frustracin es la variable independiente X
y agresin la variable dependiente Y. Observemos el siguiente grfico:
Agresin (Y)
Frustracin (X)
Aqu podemos observar varias cosas:

1) Los resultados obtenidos (estrellas) no pertenecen todos a la curva ideal. Hay factores de
perturbacin de la relacin X-Y que pueden ser errores de medicin y/o influencia de
variables extraas. Cuanto mayor es la dispersin de las estrellas en torno a la curva, ms
debemos sospechar la influencia de variables extraas.
41
Metodologa.
2) La curva es siempre ms precisa que el simple enunciado a mayor frustracin, mayor
agresin, pues muestra por ejemplo que a niveles altos de frustracin, la agresin no
aumenta en la misma proporcin.
Variable activa.- Aquella susceptible de manipulacin directa por parte del experimentador,
suele llamarse variable experimental (pgina 212).
Variable asignada.- Aquella cuya manipulacin directa resulta imposible o, al menos, difcil
de lograr. No puede ser provocada por el experimento. Inteligencia, sexo, edad (pgina 212).
Variable confundida.- El cambio de valores de un factor acompaado sistemticamente por

el cambio de otro factor no controlado (pgina 214).
Variable contaminada.- Es aquella que vara junto con la variable independiente, y el

objetivo de la investigacin es justamente controlar esos factores extraos que suelen variar
sistemticamente con el tratamiento experimental. Esto no implica que a veces se utilicen
variables contaminadas en un primer experimento, como por ejemplo utilizar la comida para
refuerzo de una conducta, an a sabiendas que la variable comida tiene muchas dimensiones
(valor nutritivo, etc), cada una de las cuales puede ser la causa del refuerzo.
Arnau Gras J (1980) Psicologa experimental. Mxico: Trillas.
Variable contaminada.- Aquellas que varan junto con el tratamiento, siempre que en el
experimento se d un factor incontrolado (pgina 214).
Variable dependiente.- Factor que resulta afectado dentro de un marco experimental;

aquello que ocurre o cambia como resultado de la manipulacin de otro factor (la variable
independiente).
Variable dependiente.- En un sentido general, fenmeno que se pretende explicar con

una hiptesis.
Variable dependiente.- Es la variable sobre la que se quiere analizar los efectos de las
variables independientes.

edicin, pg 73.
Variable extraa.- Variable independiente no relacionada con el propsito de estudio.

Puede presentar efectos sobre la variable dependiente (pgina 213).
Variable extraa.- Un problema central en la investigacin es saber si las variables

extraas han sido controladas de forma de asegurarnos que no distorsionarn la relacin X-Y.
El hecho de que aparezca una gran dispersin en el grfico anterior puede deberse no slo a
la posible influencia de variables extraas, sino tambin a que realmente no exista conexin
causal entre X e Y (relacin esprea): X e Y pueden aparentar tener una relacin causal,
pero en realidad dependen independientemente de una tercera variable Z:
41
Metodologa.
Z
Y
41
La alta dispersin puede ser verdaderamente aleatoria o deberse a una distorsin sistemtica
producida por variables no controladas del tipo Z. Casi siempre habr errores de estos dos
tipos, pero como estamos en condiciones de evaluar sus magnitudes relativas, procuraremos
eliminar las fuentes posibles de error.
Los errores de aleatoriedad y distorsin sistemtica (que muestran una correlacin falsa)
pueden controlarse mediante el proceso llamado aleatorizacin (Fischer), segn el cual se
asignan a los sujetos tratamientos experimentales exclusivamente por el azar (seleccin al
azar). Si bien este procedimiento no establece ningn control rgido sobre ningn factor, en
la prctica confiamos en que las leyes de la probabilidad produzcan distribuciones similares
en todos loa factores intervinientes. Se trata entonces de seleccionar variables al azar, pero
algunas importantes y efectivamente controlables se controlan; los efectos del resto de las
variables se anulan o pierden importancia en los resultados.
Como se ve, la aleatorizacin es un procedimiento mucho ms eficaz que el de mantener
constantes todas las variables, an cuando stas sean conocidas. Carecera de sentido tratar
de medir todos esos factores uno por uno con sumo cuidado y controlarlos estrictamente
cuando, en la prctica, la aleatorizacin permite al investigador suponer sin mayor riesgo que
sus efectos se han anulado.
Clasificacin.- Se ha propuesto una clasificacin de las variables atendiendo a tres criterios:

el metodolgico, el terico-explicativo y el manipulativo. Desde
el punto de vista
metodolgico las variables se han dividido en independientes y dependientes. Amplindose
en concepto de variable dependiente a travs de sus principales caracterizaciones. Desde el
punto de vista terico-explicativo, las variables se han dividido en: variables estmulo,
variables de respuesta y variables intermediarias o intervinientes. Por ltimo desde el punto
de vista manipulativo, se ha propuesto la divisin de las variables en: variable activa y
variable asignada. Este criterio hace referencia al tipo de acciones que debe realizar el
experimentador para utilizarlas.
Respecto de la definicin de las variables, pueden darse dos tipos de definiciones: las
constitutivas y las operacionales. Las definiciones constitutivas son propias de los constructos
de la teora: las definiciones operacionales hacen referencia a lo emprico. A los efectos
metodolgicos y cientficos, las definiciones operacionales son ms interesantes que las
constitutivas.
Variable interviniente.- A modo de sntesis, diremos que la variable intermedia es

cualquier tipo de proceso inaccesible a la observacin directa, pero que admite un
determinado nivel de manipulacin y control. Tenemos, pues, una variable intermediaria,
cuando existe camino de acceso a la misma mediante algn tipo de manipulacin emprica.
As, el concepto de arousal se puede interpretar como variable intermediaria, porque
mediante una serie de operaciones empricas podemos llegar a manipularlo e incluso
cuantificar los efectos que ejerce sobre la conducta. Un ruido blanco es capaz de suscitar el
arousal de un organismo, pudiendo medirse sus efectos en los cambios producidos en las
pautas del encefalograma. Las variables intervinientes admiten, pues, un manejo directo a
travs de sus condiciones antecedentes y sus efectos en la conducta son susceptibles de
cuantificacin.
Por otra parte, el constructo hipottico se presenta como un concepto explicativo dentro de
un sistema o estructura terica, la cual le confiere una serie de propiedades, relacionndolo
Metodologa.
funcionalmente con los restantes elementos del sistema. Constituye, por tanto, un
componente terico, mediante el cual explicamos una serie de observaciones. El concepto de
arousal actuara de constructo hipottico si lo utilizramos para explicar cualquier forma de
comportamiento motivado. El constructo hipottico se presenta como un concepto definido
mediante una serie de propiedades. Si stas se van confirmando en gran cantidad de
situaciones diversas, el valor explicativo de dicho concepto adquiere cada vez ms fuerza y
significacin real.
En suma, las variables intervinientes, aunque sean inaccesibles a la observacin, son
susceptibles de manipulacin y sus efectos pueden ser medidos en forma cuantitativa y
exacta. En cambio, los constructo hipotticos son elementos de teora cientfica cuyas
propiedades y relaciones funcionales con los restantes componentes del sistema sirven para
explicar gran cantidad de fenmenos observados. El hecho de que su identidad real sea
localizable o no, no altera la situacin del constructo hipottico. Su valor depende de su
poder explicativo. Se les llama hipotticos porque, en la mayora de los casos, se postula su
existencia por necesidades explicativas, no porque se haya confirmado empricamente. Esto
no significa que el sustrato real de tales componentes no pueda llegar a ser identificado.
Variable extraa.- El mero hecho de someter a un sujeto a un experimento ya puede influir

sobre su conducta. Por ello algunos cientficos tratan de que el experimento no parezca tal y
que sea algo natural. As, un grupo de obreras aument su rendimiento no porque haba
mayor iluminacin u horarios con descanso (pues cuando se suprimi esto siguieron
aumentando su rendimiento) sino porque el solo hecho de haberlas aislado para hacer el
experimento las halag pues crean estar siendo objeto de un trato preferencial. Cuando se
investiga, deben tenerse en cuenta adems los efectos de las mediciones previas y la
influencia de los sucesos no controlados (como fatiga, hambre, o, si el experimento es de
largo plazo, cierta experiencia de aprendizaje), e incluso, en casos ms complicados, los
efectos de interaccin de estos con la variable experimental.
Variable independiente.- Factor manipulado en un marco experimental; factor causal o

condicin determinante de la relacin que se estudia.
Variable independiente.- En forma general, factor que se considera explicacin del

fenmeno que se est estudiando.
Variable independiente.- Variable cuya influencia sobre la dependiente se quiere estudiar.

En los estudios experimentales se halla bajo el control directo del investigador (de ah su
nombre). En los observacionales los sujetos se asignan a diferentes grupos sobre la base de
su valor. En este tipo de situaciones quiz sea ms apropiado denominarla predictor, y
criterio a la variable dependiente.
edicin, pg 73.
Variable independiente.- El hecho que se estudia es la variable dependiente, y las

condiciones consideradas importantes para ese hecho son las variables independientes, que
a su vez comprenden las condiciones experimentales (o modificadas) y de control (o
constantes).
Variable independiente.- La que se presenta como causa y condicin de la variable

dependiente. -Es la manipulada por el investigador. Recibe el nombre de variable
experimental (pgina 213).
Variable intercurrente.- La que no puede ser controlada con precisin, por ser desconocida
o por no estar directamente relacionada con el fenmeno en cuestin, pero que interfiere en
la relacin de la variable independiente y la dependiente (pgina 213).
41
Metodologa.
Variable interviniente.- La que aparece interponindose entre la variable independiente y

la dependiente y al relacionar las variables su intervencin es notoria (pgina 213).
Variables experimentales mltiples.- Las variables experimentales mltiples surgen

cuando al investigador le interesa estudiar los efectos de dos o tres variables experimentales
a la vez. Por ejemplo si quiere conocer la influencia del suelo, del fertilizante y del tipo de
semilla sobre la abundancia de la cosecha.
En estos casos los controles deben ser ms rgidos, lo cual se consigue no slo con la
aleatorizacin sino tambin con la simetra. La simetra implica analizar por separado (y
luego conjuntamente) la influencia de las distintas variables experimentales o
independientes, para poder discernir los efectos principales de los efectos de interaccin
(pues puede haber interaccin, por ejemplo cuando cierto fertilizante acta mejor con
determinado tipo de suelo).
Blalock cita un ejemplo de psicologa y dice que si queremos estudiar la agresividad infantil
(variable dependiente) podemos considerar tres variables independientes: mtodo de control
de la agresividad, personalidad del maestro, y tamao de la clase. Si suponemos que hay
interaccin entre estas variables, el diseo experimental se complica, pero si suponemos
interacciones nulas, el diseo adoptara la siguiente forma:
Clase chica
Clase mediana
Clase grande
Maestro 1
A
B
C
Maestro 2
B
C
A
Maestro 3
C
A
B
Donde A-B-C son los tres mtodos de enseanza.

Este cuadrado latino permite aislar los tres efectos principales con muy pocas repeticiones
(y por tanto con menor costo), pero exige suponer que no hay interaccin.
Relaciones entre variables.- El cientfico no se basa solamente en los hechos, sino

tambin en ciertos supuestos, muchas veces inverificables: los hechos no hablan por s solos
si no estn interpretados segn ciertos supuestos, diferentes para cada investigador. La
ciencia avanza cuando se adoptan supuestos realistas y tiles que permiten dar cuenta de
una variedad siempre creciente de hechos. As, por ejemplo, el hecho de que haya una alta
correlacin entre variables, no debe hacernos suponer que haya un vnculo causal entre
ellas.
Inferencia de relaciones causales a partir de correlaciones.- Consideremos los siguientes tres
cuadros:
Cuadro I: Empleados y obreros
Protestantes
Republicanos
52
Demcratas
38
Catlicos
38
62
Cuadro II: Empleados solamente

Protestantes
Republicanos
56
Demcratas
14
Catlicos
24
6
Cuadro III: Obreros solamente

Protestantes
Republicanos
6
Demcratas
24
Catlicos
14
56
Analizando el cuadro I podemos suponer, dada la alta correlacin, que la religin (X) es
causa de la preferencia poltica (Y), suposicin que hacemos sobre la base de que no existen
otros factores que acten sobre la preferencia poltica.
41
Metodologa.
Pero supongamos que s, que influye un factor que es la ocupacin (Z). Para comprobar esta
influencia, desglosamos del cuadro I los cuadros II y III segn la variable de control
ocupacin. La lectura de estos dos ltimos cuadros nos dir que s, que la ocupacin influye
sobre la preferencia poltica, con lo cual la relacin original X-Y pasa a ser falsa (esprea). La
nueva explicacin queda entonces esquematizada as:
Z
41
donde:
Z = ocupacin (variable de control)
X = religin
Y= preferencia poltica
En suma, ninguna investigacin, por ms perfecta que sea, puede controlar totalmente todos
los factores. Al estudiar el vnculo X-Y siempre actan otros factores que no podemos
controlar totalmente. Son algunas complicaciones que surgen especialmente en las
investigaciones no experimentales, que se explican a continuacin.
Algunas complicaciones.- El modelo de las tres variables X-Y-Z tal como aparece en el
esquema anterior, no es an nada realista, pues siempre existen factores que complican la
formulacin de inferencias en la investigacin no experimental. Algunas de estas
complicaciones son las siguientes.
1. Modelos alternativos.- El modelo X---Z---Y es un modelo alternativo que incluye las
mismas variables que el caso anterior y que explica igualmente bien los hechos. Slo nos
decidiremos por este ltimo si conocemos las secuencias temporales y segn ellas vemos
que Z ocurre despus que X, y no antes. Si ocurre antes elegiremos el primer modelo
(modelo de espureidad).
2. Variables adicionales.- Una segunda complicacin es cuando las fuentes de espureidad son
dos o ms, como ocurre en este esquema:
Z
X
Y
W
donde:
X = religin
Y = preferencia poltica
Z = ocupacin
W = regin geogrfica
Para poder probar la incidencia de estas variables adicionales W y Z necesitamos desglosar la

tabla inicial en muchas tablas (donde cada una combina dos variables cualesquiera), con lo
Metodologa.
cual necesitamos una muestra muy grande para que las sub-muestras de cada tabla sean
representativas. Por ejemplo, para 3 o 4 variables adicionales (y no para solamente dos
como en el caso W y Z), podremos llegar a necesitar 40 tablas.
Se pueden sin embargo controlar todas las variables simultneamente, pero el diseo es ms
complejo.
3. Variables independientes correlacionadas.- Esta complicacin surge cuando existen varias
variables independientes que concurren para producir un efecto Y, y no podemos aislarlas
para conocer su influencia propia sobre dicho efecto (ya que en la realidad estn confundidas
y no siempre correlacionadas: gente con poca instruccin que gana mucho, etc., por lo que
hay que elegir muestras muy grandes). Por ejemplo:
41
X1
X2
X3
X4
X5
donde:
X1 = poca instruccin
X2 = bajos ingresos
X3 = familia desunida
X4 = bajas aspiraciones
X5 = desempleo
Y = Alta criminalidad
En estos casos se suelen tomar todas las variables X en bloque como un solo sndrome
(pobreza) y estudiar su efecto global sobre Y.
4. Errores de medicin.- Cuanto ms alta sea la correlacin de las variables causales, ms
graves sern las distorsiones producidas por los errores de medicin. En situaciones simples
es ms fcil medir la influencia de los errores de medicin.
5. Efectos de interaccin.- Normalmente los efectos entre variables son aditivos (Blalock los
llama efectos principales), pero la complicacin aparece cuando dichos efectos dejan de serlo
y empiezan los efectos de interaccin.
Ejemplo: educacin, sexo y raza determinan aditivamente el ingreso mensual ($2000 por ser
varn, $2000 por ser blanco, etc.). Pero aparecen efectos de interaccin cuando se
distorsiona la simple aditividad, como por ejemplo cuando la diferencia de ingresos entre
blancos y negros es pequea en un bajo nivel ocupacional, pero mucho ms grande en altos
niveles educacionales. Es una complicacin ms que obliga a considerar muchas ms
relaciones entre estas variables.
6. Causacin recproca.- Se da cuando X afecta Y, pero Y tambin afecta a X.
Sabemos que los bajos salarios y la poca educacin producen baja motivacin y desercin
escolar en la siguiente generacin, y a su vez esto produce en esta generacin bajos salarios
y poca educacin (causacin recproca). Un problema que puede presentarse aqu es que en
poblaciones muy grandes es difcil saber a qu generacin pertenece exactamente cada
individuo, con lo que entonces deberan estudiarse familias aisladas.
Otra solucin es investigar lapsos largos de tiempo, y otra encontrar alguna variable adicional
que no dependa de ninguna otra. Por ejemplo: la produccin de trigo (X) y su precio (Y) se
influyen mutuamente pero a su vez ambos dependen de la lluvia, que no depende de ningn
otro factor (hasta tanto no aparezca un aparato para hacer llover).
Metodologa.
Solucionar cualquiera de las complicaciones vistas no es nada fcil, y no podemos apelar
para ello al sentido comn o a la intuicin. La solucin pasa inevitablemente por emprender
investigaciones arduas y costosas.
Las complejidades anteriores son un obstculo para simplificar los anlisis y la teora, pero
en ciencias sociales se avanz poco en este sentido. Se han hecho intentos, como por
ejemplo elaborar teoras que muestren conceptos sensibilizadores, alertadores de la
importancia de ciertas variables, pero la teora misma no ha progresado en forma
sistemtica, es decir, no se avanz hacia teoras que intentan explicar ciertos fenmenos de
manera lo suficientemente clara y concreta como para sugerir un conjunto de hiptesis
interrelacionadas y aplicables a fenmenos en apariencia muy diversos. La teora sociolgica
sufre la carencia de estas teoras de alcance medio, como lo seal originalmente Merton,
es decir, hay teoras para cierto tipo de fenmenos pero inaplicables para otros (considerados
desviaciones), por lo que se precisan teoras ms generales. Sin embargo, la bsqueda de
principios generales suele dar como resultado principios complejos: a medida que la teora
aumenta en complejidad, sus conceptos o variables se tornan ms abstractos y difciles de
medir.
41

Vocabulario de Terminos Estadisticos

Uploaded by

Document Information

Original Description:

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Vocabulario de Terminos Estadisticos

Uploaded by

Copyright:

Available Formats

Vocabulario de Estadstica y

Actualizado Junio 2007. Ms informes: pcazau@gmail.com

Anlisis de regresin lineal.- Procedimiento para determinar la ecuacin algebraica de la

Anlisis de supervivencia.- Relaciona un conjunto de variables con el tiempo de

Anlisis discriminante.- Halla el mejor sistema de prediccin de la categora a la que

Anlisis factorial.- Analiza las correlaciones de un conjunto amplio de variables intentando

Anlisis multivariado.- Los anlisis multivariados ms utilizados son:

VARIABLES INVOLUCRADAS Y NIVELES

Varias independientes y varias dependientes

Varias independientes (intervalos o razn) y

Hernndez Sampieri R, Fernndez Collado C y Lucio P, Metodologa de la investigacin, Mxico,

Definicin.- Prueba estadstica que indica la probabilidad de que la distribucin observada

Definicin.- Proposicin que se pregunta hasta qu punto la proporcin observada se aparta

Definicin.- Mtodo para calcular la media de datos agrupados mediante la recodificacin de

Definicin.- En estadstica, nmero que caracteriza cantidades de datos al compararlos con

Definicin.- En matemticas, es el nmero o smbolo que se coloca frente a un variable o

Coeficiente de variacin.- Medida relativa de la dispersin, comparable por medio de

Definicin.- O fiabilidad. La fiabilidad es el grado en que un test aporta resultados vlidos, y

Definicin.- La fiabilidad indica en qu grado la repeticin del procedimiento de medida,

Evaluacin.- La evaluacin de la fiabilidad de cualquier mtodo de medida consiste en

Correlacin mltiple.- Estima la intensidad de asociacin entre una variable y una

Curva normal.- La curva o distribucin normal es un modelo terico sumamente til, su

Distribucin de frecuencias.- Distribucin que "presenta los valores de los datos y su

Distribucin de frecuencias.- Las distribuciones de frecuencia presentan cuatro

Distribucin de frecuencias.- Las distribuciones de frecuencias contienen las categoras,

Distribucin muestral.- Cuando el tamao de la muestra (n) es ms pequeo que el

Error aleatorio.- Es inherente a la propia tcnica muestral. Recibe igualmente el nombre de

Error constante.- Llamado tambin sistemtico, es el debido as predisposiciones en la

Error de estimacin.- Es la desviacin que se da a una serie de valores y sus estimaciones

Error estndar.- Describe las variaciones que se produciran si repitisemos numerosas

Error estndar.- La desviacin estndar de una distribucin, en el muestreo de un

Error instrumental.- Es el que se presenta en investigacin experimental a partir de un

Error de muestreo.- Es la falta de representacin por causa de fluctuaciones aleatorias. //

Error sistemtico.- Es el que se presenta cuando en la seleccin de un conjunto de

Definicin.- Es la tcnica o proceso matemtico de recoleccin, descripcin, organizacin,

Precauciones.- Al trabajar en estadstica, debe tenerse presente: a) la estadstica dice

Estadstica bivariada.- Analiza el grado de interaccin de dos variables apareadas

Estadstica deductiva.- Comprende el proceso de muestreo o seleccin, para su estudio, de

Estadstica descriptiva.- "Si estudiamos una caracterstica de un grupo, sea en una

Estadstica inferencial.- "Si estudiamos en una muestra una caracterstica cualquiera e

Estadstica inferencial.- La estadstica inferencial es para efectuar generalizaciones de la

Estadstica inferencial.- (O analtica) Es el conjunto de tcnicas y clculos que auxilian al

Estadstica multivariada.- En situaciones complejas interesa analizar simultneamente

Estadstica univariada.- Los diseos estadsticos clsicos mencionados en la tabla adjunta

ANOVA (Anlisis de la varianza)

Vallejo Ruiloba J y otros, Introduccin a la psicopatologa y la psiquiatra, Masson, Barcelona, 1999, 4

Definicin.- Es un conjunto de mtodos cientficos para recolectar, organizar, resumir y

Estadstica e investigacin cientfica.- La utilizacin de la estadstica en la investigacin

Definicin.- Es la cantidad de individuos que entran dentro de un conjunto o categora.

Vallejo Ruiloba J y otros, Introduccin a la psicopatologa y la psiquiatra, Masson, Barcelona, 1999, 4

Definicin.- Grfica de frecuencia de distribucin en la cual el nmero de casos dentro de

Generalidades.- Es aplicar resultados de estudios de una muestra a la poblacin y emitir

Intervalo de confianza.- El nivel de significancia y el intervalo de confianza son niveles de

Intervalo de confianza.- Es un intervalo que consigue calcular la media de poblacin con

Intervalo de clase.- Pequea seccin de la escala segn la cual se agrupan las

Media aritmtica: ventajas y desventajas.- La media aritmtica, en su carcter de un

Ventajas y desventajas.- En cuanto a las ventajas, los valores extremos no afectan a la

Definicin.- Medir es el proceso de vincular conceptos abstractos con indicadores empricos,

Definicin.- Stevens ha definido medicin como la asignacin de nmeros a objetos o

Definicin.- Se llama medicin al proceso de atribuir nmeros a las caractersticas

Requisitos.- Un buen procedimiento de medida debe reunir varios requisitos: 1) debe

Importancia.- En la ciencia es esencial a los efectos de la exactitud del conocimiento y de la

Problemas.- Los principales problemas de la medicin son: 1) qu observaciones hacer para