UNIVERSIDAD PERUANA CAYETANO HEREDIA

FACULTAD DE PSICOLOGIA
GABINETE DE INSTRUMENTOS PSICOLGICOS

MATERIALES DE INFORMTICA

ESTADISTICOS
PARA TABLAS DE
CONTINGENCIA
Lic. Andrs Burga Len
Lic. Giancarlo Ojeda Mercado
LIMA, 2003

Derechos Reservados
Universidad Peruana Cayetano Heredia
Facultad de Psicologa

PRESENTACION DE LA SERIE

El presente programa constituye el primero de una serie producida por el

Gabinete de Instrumentos Psicolgicos de la Facultad de Psicologa de la
Universidad Peruana Cayetano Heredia, dirigida a estudiantes y profesionales
de la psicologa y diversas especialidades.
Esta serie, denominada Materiales De Informtica surge a partir de la
experiencia de los docentes de los cursos vinculados a las reas de
matemticas, estadstica y psicometra, pues el realizar los clculos de forma
manual, si bien fomenta el aprendizaje matemtico, hace ms probable la
ocurrencia de errores de clculo, los cuales pueden impactar de forma
negativa al proceso de toma de decisiones.
Sabemos que una decisin se toma sobre la base de la informacin, y esta
informacin debe ser lo ms vlida y confiable posible.
En ese sentido, con esta serie de programas, creemos que al reducir la
probabilidad del error de clculo, estamos contribuyendo de una forma
sustancial a la calidad de la informacin de base cuantitativa sobre la cual se
basan muchas de las decisiones profesionales.
En nuestro medio, adems en muchos caso no encontramos un software
accesible por cuestiones econmicas que cumpla las funciones que
desempean los programas de esta serie, que por su sencillez, creemos que
presentan una gran utilidad.

La serie hasta el momento cuenta con los siguientes paquetes informticos:

TAPF v.1.0, programa para el manejo de notas

Estadsticos para Tablas de Contingencia

Estimacin de Parmetros y Prueba de Hiptesis

Mdulo de Clculos Psicomtricos

Esperemos que esta segunda entrega le resulte til y sea de su agrado.

Andrs Burga Len

INDICE

PRSENTACION DEL PROGRAMA..................................................................

1.

INTRODUCCIN.....................................................................................
1.1

QU ES LA ESTADSTICA?........................................................

1.2

VARIABLES Y CONSTANTES......................................................

1.3

TIPOS DE VARIABLES..................................................................

2.

LAS ESCALAS DE MEDICIN..............................................................

3.

PRUEBA DE HIPTESIS.........................................................................

4.

LAS MEDIDAS DE ASOCIACIN.........................................................

5.

LAS TABLAS DE CONTINGENCIA......................................................

6.

USO DEL PROGRAMA ESTADSTICO PARA TABLAS DE

CONTINGENCIA..................................................................................
6.1

INICIO DEL ANALISIS..................................................................

6.2

PRUEBAS CON AMBAS VARIABLES NOMINALES................

6.2.1

CHI CUADRADA..................................................................3

6.2.2

COEFICIENTE C DE CONTINGENCIA..............................3

6.2.3

COEFICIENTE Q DE YULE.................................................3

6.2.4

COEFICIENTE PHI ().....................................................3

6.2.5

COEFICIENTE LAMBDA ()...............................................3

6.2.6

EL COEFICIENTE T DE TSCHRUPROW...........................3

6.2.7

EL COEFICIENTE V DE CRAMER.....................................3

6.3

PRUEBAS CON UNA VARIABLE NOMINAL Y OTRA

ORDINAL.......................................................................................

6.3.1

COEFICIENTE PHI ().....................................................3

6.3.2

COEFICIENTE WILCOXON.............................................3

6.4

PRUEBAS CON AMBAS VARIABLES ORDINALES.................

6.4.1

TAU A DE KENDALL...........................................................3

6.4.2

EL COEFICIENTE d DE SOMMERS...................................3

6.4.3

TAU B DE KENDALL...........................................................3

6.5
6.5.1

PRUEBAS CON VARIABLES DICOTOMIZADAS.....................

COEFICIENTE DE CORRELACIN TETRACRICO......3

REFERENCIAS..................................................................................................

PRSENTACION DEL PROGRAMA

El programa Estadstico para Tablas de Contingenciaha sido

desarrollado con la finalidad de facilitar los procedimientos de
clculo de diversas medidas de asociacin entre variables
nominales y ordinales, tanto dicotmicas como politmicas.
Adems le permitir realizar de manera muy fcil los clculos
necesarios para probar hiptesis estadsticas relativas a la
asociacin entre variables, basadas en la Chi Cuadrada.
Esperamos que este programa le resulte muy til tanto a los
estudiantes como profesionales de la Psicologa y Ciencias
Sociales en general.
Lic. Andrs Burga Len
Lic. Giancarlo Ojeda Mercado.

1.

1.1

INTRODUCCIN

QU ES LA ESTADSTICA?

La estadstica una rama aplicada de las matemticas que se encarga del estudio
de los mtodos para recoger, organizar, resumir y analizar datos. Todo esto se
realiza para poder extraer conclusiones vlidas y tomar decisiones razonables
basadas en los datos numricos.
El trmino estadstica tambin es usado para denotar los propios datos, o
nmero derivados de ellos, tales como los promedios.

1.2

VARIABLES Y CONSTANTES

La estadstica trabaja con variables y constantes, mediante las cuales se realizan

las diferentes operaciones matemticas, tanto descriptivas como inferenciales.
Una variable puede ser entendida como algo que vara, es decir, algo que puede
obtener diferentes valores. Adems las variables generalmente reciben un
nombre mediante el cual se las identifica.
Por ejemplo, la variable llamada sexo, puede recibir los valores masculino
o femenino. Tambin podemos poner como ejemplo a la variable Nota en
lenguaje, que segn nuestro sistema educativo, puede obtener cualquier valor
entre 0 y 20. Otro ejemplo de variable puede ser Coeficiente Intelectual, que
podra recibir valores como 102, 98, 121, 110, etc.
9

En cambio una constante tiene valores fijos y generalmente se representa por

letras. Por ejemplo, si decimos que en la siguiente ecuacin (llamada ecuacin
lineal simple):

Y = a + bX

a y b son constantes con valores 3 y 2

respectivamente; adems X e Y son variables, la ecuacin puede definirse

numricamente como: (7) = 3 + 2(2) (11) = 3 + 2(4) (9) = 3 + 2(3), etc.
Vemos que los valores de a y b no han cambiado(son constantes) y los
valores de X e Y si han cambiado (son variables).

1.3

TIPOS DE VARIABLES

En general podemos diferenciar entre diferenciar entre variables continuas y

discretas.
Las variables discretas tienen nicamente valores enteros. Es decir, la variable
B puede recibir valores como 2, 5, 6, 8, 12.
Las variables continuas pueden tener valores decimales. Es decir, la variable A
puede recibir valores como 12.33, 5.39, 6.81, 8.34, 12.01.
Otra forma de clasificar a las variables est dada por le nmero de categoras,
teniendo bsicamente slo dos categoras o ms de dos categoras.
Se denomina variable politmica a aquella que tiene ms de dos valores. Por
ejemplo, los puntajes directos de una prueba de inteligencia, o los niveles
socio-econmicos (alto, medio, bajo).
Cuando la variable tiene nicamente dos valores nos podemos encontrar frente
a dos casos: las variables dicotmicas y las variables dicotomizadas.
10

Una variable dicotmica tiene nicamente dos valores, por ejemplo sexo slo
tiene los valores masculino y femenino. La repuesta a una pregunta de
opcin mltiple solo tiene acierto o fallo.
La variable dicotomizada si bien presente slo dos categoras, es en realizada
una variable politmica que a sido recodificada en dos. Por ejemplo, las notas
en una curso de matemticas (entre 0 y 20) pueden ser dicotomizadas en
aprobados (11 a 20) y desaprobados (0 a 10).

2.

LAS ESCALAS DE MEDICIN

Los datos que se utilizan como resultado de las mediciones en los

procedimientos de recoleccin de datos, pertenecen a diversas escalas de
medicin. Estas escalas difieren en el tipo de informacin que pueden brindar,
as tenemos escalas nominales o categricas, escalas ordinales, escalas de
intervalo y escalas de razn.
Las escalas nominales son aquellas que nos permiten determinar la presencia o
no de un atributo en un objeto y brindan informacin con respecto a la
frecuencia con que el atributo se presenta en una coleccin de objetos. Estas
escalas no implican ningn tipo de relacin matemticas aparte del conteo. Por
ejemplo uno puede ser clasificado segn la variable Religin como
Catlico, Protestante, Mormn, Judo, sin que ello implique que una
religin e mejor que otra.
Las escalas ordinales nos permiten, como su nombre lo indica, ordenar una
coleccin de objetos en funcin a la propiedad mayor que o menor que,
11

referidas a la magnitud con que presentan un determinado atributo. Por

ejemplo, podemos referirnos a la clase social, que segn un conjunto de
indicadores podra categorizarse como Alta, Media y Baja.
Las escalas de intervalo permiten medir la magnitud con que se presenta un
atributo en una objeto y adems brinda informacin con respecto a la magnitud
de la diferencia que presenta un objeto con respecto a los dems que objetos
que poseen

la misma propiedad en distintas magnitudes. Sin embargo, el

establecimiento del punto cero es arbitrario. Es decir, no existe un cero

absoluto. Como ejemplo podemos sealar a las escalas de temperatura C y F.
Tambin se considera que las puntuaciones directas de la mayora de prueba
psicolgicas constituyen escalas de intervalo.
Las escalas de razn tienen las mismas propiedades que las escalas de
intervalo, pero adems poseen un cero absoluto. Como ejemplo podemos
mencionar a los grados Kelvin, que tiene un cero absoluto de temperatura, cuyo
equivalente en grados centgrados es 273 grados.

12

3.

PRUEBA DE HIPTESIS

La gran parte de la labor de la investigacin esta orientada a determinar en que

medida las hiptesis planteadas son aceptables. Para realizar una decisin
objetiva es necesario utilizar procedimientos que lleven a un criterio objetivo
para aceptar o rechazar las hiptesis; es este el papel que desempean las
pruebas estadsticas planteadas. La puesta a prueba de una hiptesis estadsticas
implica:
1) Formular la hiptesis de nulidad (Ho).
2) Elegir la prueba estadstica de contraste
3) Especificar el nivel de significancia () y el tamao de la muestra (n).
4) Suponer la distribucin muestral de la prueba estadstica segn Ho
5) Definir la regin de rechazo de la Ho y calcular el valor de la prueba
estadstica con los datos obtenidos en la muestra
6) Si el valor del estadstico calculado se halla dentro de la regin de rechazo
se descarta la hiptesis nula y se acepta la hiptesis alterna.
Una alterativa para la toma de decisiones (aceptacin o rechazo de Ho) se basa
el valor p que equivale a la probabilidad de obtener un resultado estadstico
(valor del estadstico calculado) tan extremo como el observado, siendo la
hiptesis nula verdadera.
Los diferentes programas informticos para el manejo estadstico arrojan entre
sus resultados el valor p asociado a la distribucin muestral del estadstico de
contraste, y se suele rechazar Ho cuando su valor es inferior al nivel de
significancia previamente establecido. Generalmente, cuando el valor p es

13

menor a 0.05 se rechaza Ho, aunque pueden establecerse valores ms

conservadores como 0.01.
4.

LAS MEDIDAS DE ASOCIACIN

Se dice que entre una variable Y

y una o ms variables Xi, existe

asociacin, cuando la modificacin de los valores en cualquiera de ellas induce

modificaciones significativas en los valores de la otra..
Estas modificaciones inducidas son adems siempre anlogas. Es decir, la
respuesta a una modificacin dada de una(s) variable(s) es siempre del mismo
tipo y, por tanto, total o parcialmente previsible.
Por ejemplo, entre la talla y el peso de las personas existe cierto grado de
asociacin, en el sentido de que aumentos de estatura implican, en trminos de
media, aumentos del peso (lo cual no quiere decir que esto ocurra para cada
persona considerada individualmente, sino para las medias de conjuntos de
personas).
En el origen de las variables talla y peso, existen causas comunes: gentica,
alimentacin, circunstancias medioambientales, etc. Por ello y en general, las
dos variables estn emparentadas por lo cual se puede apreciar una covarianza
entre ellas (ambas varan de forma conjunta).
Cuando el conjunto de causas generadoras de la variable Y coincide totalmente
con el de una variable X, ambas variables son dos formas diferentes de decir lo
mismo y estarn relacionadas mediante una funcin matemtica.
Dicha funcin constituye el enlace entre variables o relacin funcional, de
carcter determinista, ya que dado un valor de una de las variables, a la otra le
14

corresponde siempre el mismo valor asociado o respuesta, obtenido a travs de

la funcin de enlace.
Por ejemplo, cuando decimos que 1 kilogramo tiene 100 gramos, estamos
estableciendo la asociacin funcional: Y = f(X), que se concreta en:
Y = 100*X.
Normalmente el conjunto de causas no coincide totalmente, por lo que el grado
de enlace entre variables depender del grado de coincidencia de las causas,
como podemos apreciar a travs del mencionado ejemplo de la talla y el peso.
Los comportamientos de una de las variables que se expliquen por causas no
comunes a ambas sern considerados como varianza no comn. Esto quiere
decir, que el 100% de la varianza de una variable no puede generalmente ser
explicado por el 100% de la varianza en otra variable. En este caso ya no se
habla de relaciones funcionales, sino de relaciones probabilsticas o funciones
estadsticas.
Determinar cunta relacin corresponde a cada tipo de varianza, o lo que es lo
mismo, cuanto del cambio en una variable puede ser explicado por el cambio es
otra variable, es una de las tareas de la estadstica, que ha establecido un
conjunto de coeficientes llamados grado de enlace, nivel de asociacin, o
medidas de asociacin entre variables.

Generalmente estos tipos de relacin, son cuantificados por diversos

coeficientes que tiene valores entre 1 y 1, indicando el signo la direccin de la
asociacin, y el valor absoluto, la fuerza de la asociacin. Es decir, los valores
negativos nos dicen que al aumentar una variable, los valores de la otra
disminuyen. Adems, mientras mayor sea el coeficiente en trminos de su valor
absoluto, mas fuerte ser la asociacin entre las variables.
15

5.

LAS TABLAS DE CONTINGENCIA

Una tabla de contingencia sirve para resumir resultados en los cuales se cruzan
dos o ms variables.
Por ejemplo, observemos la siguiente tabla:

A
X
Y

X,A
Y,A

B
X,B
Y,B

C
X,C
Y,C

En las casillas se ingresan valores que corresponden a las frecuencias absolutas

(conteo) y/0 a frecuencias relativas (porcentajes) para el cruze de las diferentes

de lenguaje en pruebaResultados

categora en ambas variables. Veamos un ejemplo ms concreto de ello:

Aprobado
Desaprobado

Alta
40
30

Clase Social
Media
20
10

Baja
30
40

En la tabla anterior por ejemplo se puede observar que en la casilla

correspondiente a la interseccin entre la clase social alta y el resultado
aprobado en la prueba de lenguaje, el valor 40. Esto significa que cuarenta
personas de la clase social alta han aprobado el mencionado examen. Lo mismo
16

podemos sealar para cada una de las casillas. Por ejemplo, 10 personas de la
clase social media han desaprobado.

17

6.

USO DEL PROGRAMA ESTADSTICO PARA TABLAS DE

CONTINGENCIA

A continuacin presentaremos las instrucciones referidas al uso del presente

programa, as como una breve descripcin de los diferentes estadsticos que se
pueden obtener en las tablas de contingencia de doble entrada.

6.1

INICIO DEL ANALISIS

Cuando usted ingrese al programa la primera pantalla que observar se ver

como la siguiente:

18

All deber colocar el nombre de la variable que ira colocada en las columnas y
el de la variable que ira colocada en filas, as como los niveles que pueden
asumir cada una de ellas.
En las casillas de verificacin seale el tipo de escala en la cual se han obtenido
los datos. Estas pueden ser: Ambas nominales, una nominal y otra ordinal,
ambas ordinales o ambas dicotomizadas.
Una vez realizado lo anterior haga click sobre la pestaa con el ttulo Tabla ,
la pantalla que usted ver a continuacin tendr una apariencia similar a la del
siguiente grfico.

19

En esa pantalla usted observar cinco tablas de doble entrada, en la primera de

ellas deber colocar las frecuencias observadas para cada uno de los niveles de
ambas variables. A medida que usted vaya realizando esta operacin en las
tablas de doble entrada siguientes se ir completando automticamente la
informacin relacionada con las frecuencias relativas sobre el total de los datos,
las frecuencias relativas sobre la columnas, las frecuencias relativas sobre las
filas y finalmente las frecuencias esperadas conforme a la hiptesis nula (no
asociacin entre las variables).
Una vez terminado el ingreso de los datos haga click sobre la pestaa con la
etiqueta Resultados, la pantalla que aparecer se ver como la siguiente:

En esta pantalla podr observar los valores calculados para las pruebas
estadsticas de: Chi cuadrada, Phi, C de Pearson, T de Tschrupow y Lambda,
as como el nivel de significancia.
20

6.2

PRUEBAS CON AMBAS VARIABLES NOMINALES

6.2.1

CHI CUADRADA

La prueba Chi cuadrado se utiliza para medir la asociacin entre dos variables
medidas en escalas nominales, clasificndose los atributos en tablas de
contingencia.
La hiptesis nula que se prueba es que las variables son independientes.
Generalmente los niveles de significancia menores a 0.05 permiten aceptar la
hiptesis alterna, la cual afirma la relacin entre las variables; esto va ha
depender del grado precisin que se desee obtener.
En el grfico 1 se observan los datos con los cuales se desea probar la
hiptesis que plantea la posible relacin entre las variables sexo y satisfaccin
laboral.
Los datos que se hallan en la primera tabla de doble entrada muestran las
frecuencias absolutas para cada uno de los niveles de las variables.
En la segunda tabla de doble entrada se pueden apreciar las frecuencias
relativas sobre el total de los datos, en la tercera tabla se observan las
frecuencias relativas por el total de columnas, en la cuarta tabla se ve las
frecuencias relativas por el total de filas y en la quinta tabla las frecuencias
esperadas conforme a la hiptesis de nulidad.

21

Grfico 1 : Hoja "Tablas"

22

En el grfico 2 se pueden observar los resultados obtenidos a partir de los datos

de este ejemplo, en ella se puede observar que el valor de la Chi cuadrada es de
16.67 con un nivel de significancia de 0.00, lo cual estara indicando que si
existe una asociacin significativa entre las variables Sexo y Nivel de
Satisfaccin Laboral.

Grfico 2 : Hoja "Resultados"

23

6.2.2

COEFICIENTE C DE CONTINGENCIA

El Coeficiente de Contingencia C es una medida del grado de asociacin

entre dos conjuntos de atributos. Los datos deben haber sido medidos en una
escala nominal y las frecuencias ordenadas en tablas de contingencia. La
manera de comprobar la significancia del Coeficiente C de contingencia es
determinando la significancia de Chi Cuadrado, si esta es significativa tambin
lo es C.
En el grfico 3 se observan los datos ingresados en la tabla de contingencia con
respecto a las variables Nivel de Instruccin y Actitud Religiosa, as como los
resultados de las pruebas de asociacin. En este caso se puede observar que el
Coeficiente C tiene un valor de 0.30, el cual si se compara con el Coeficiente C
(0.38) obtenido en el ejemplo de la Chi Cuadrada estara mostrando que las
variables en este segundo ejemplo se hallan asociadas con menos fuerza.

24

Grfico 3 : Hoja "Tablas"

25

6.2.3

COEFICIENTE Q DE YULE.

El Coeficiente Q de Yule sirve para conocer si dos variables medidas en

escalas nominales u ordinales y ordenadas en tablas de 2x2 son
independientes.
La hiptesis nula es aceptada si el valor de la Q de Yule es igual a 0. Los
limites de este coeficiente son 1, los que se obtienen cuando una de las casillas
es igual a 0, sin embargo, el uso de este coeficiente no es recomendable en
estos casos puesto que da un resultado falso.

6.2.4

COEFICIENTE PHI ()

Este coeficiente permite calcular la asociacin entre variables medidas en

escalas nominales, ordinales o de intervalo, cuyos datos representan
dicotomas.

El nivel de significancia de

para la aceptacin o rechazo de la hiptesis nula

se determina por su relacin con Chi Cuadrado.

6.2.5

COEFICIENTE LAMBDA ()

El Coeficiente Lambda de Goodman y Kruskal se utiliza para medir la

asociacin entre dos variables nominales con dos o ms niveles. Este
coeficiente vara de +1 a -1, el primero indica que se pueden hacer predicciones
sin error, ya que este coeficiente se basa en la idea de la ganancia en la
prediccin de una variables si el valor de la otra es conocida.
26

6.2.6

EL COEFICIENTE T DE TSCHRUPROW

Este coeficiente permite comparar tablas de diferente tamao, es decir, es un

coeficiente estandarizado si son cuadradas o con igual n.
El lmite superior de T es 1 para tablas cuadradas ( K x K), para tablas m x n, si
m n T < 1, para tablas con igual grado de libertad, el valor mximo de T es
el mismo, lo que puede servir como elemento de comparacin.

6.2.7

EL COEFICIENTE V DE CRAMER

Este coeficiente se puede aplicar en tablas de contingencia de m*n categoras.

Su clculo se basa en Chi cuadrado, pretendiendo ser una mejor estadarizacin
de Chi que la T de Tschuruprow. Sus valores fluctan entre 0 y 1 para tablas de
m*n, siendo mayor la asociacin entre variables cuanto ms cercano sea su
valor a 1.
En el caso de tablas de 2x2 se puede calcular la V con una formula alternativa a
la basada en Chi cuadrado, que da valores entre 1 y 1, pudiendo hablarse en
este caso de relaciones directas e inversas entre ambas variables.

27

6.3

PRUEBAS

CON

UNA

VARIABLE

NOMINAL

OTRA

ORDINAL.
6.3.1

COEFICIENTE PHI ()

En estos casos tambin se puede aplicar el coeficiente phi, obteniendose valores

entre 0 y 1.
6.3.2

COEFICIENTE WILCOXON

Este coeficiente corresponde al concepto de reduccin proporcional del error

como medida predictiva. Se basa en la diferencia de informacin entre la tabla
global (marginales) y su desglose en niveles marcados por la variable ordinal.
Los valores cercanos a cero nos indican que predecir los valores de una variable
a partir de la otra no da mejores resulatados que una clasificacin
completamente aleatoria.

6.4
6.4.1

PRUEBAS CON AMBAS VARIABLES ORDINALES

TAU A DE KENDALL

El Coeficiente tau a de Kendall varia entre 1 y +1, el valor de cero indica la

incapacidad de una variable para reducir los errores que cabra esperar al
distribuir al azar los valores de la otra variable.
Kendall defini este coeficiente como un calculo de la diferencia entre los pares
semejantes y desemejantes en relacin a todos los pares posibles.
28

Cuando la asociacin es negativa el coeficiente va acompaado de signo

negativos, mientras que el signo positivo indica una asociacin positiva.
En el grfico 4 se observan los resultados obtenidos a partir del ordenamiento
realizado por dos observadores en un ranking de 1 a 5.
El signo positivo del coeficiente estara indicando que la asociacin es positiva.
En el ejemplo un coeficiente cercano a cero (0.05) estara indicando que la
prediccin del ordenamiento de un observador a partir del ordenamiento del
otro no sera muy superior al que se obtendra considerando una distribucin al
azar.

Grfico 4 : Hoja "Resultados"

29

6.4.2

EL COEFICIENTE d DE SOMMERS

Este Coeficiente se utiliza para conocer la reduccin proporcional en los errores

que se cometen al predecir el ordenamiento de los casos en una variable
dependiente cuando se tiene en cuenta el ordenamiento de los casos en la
variable independiente. Los valores de este coeficiente pueden variar al tomarse
de una misma tabla, dependiendo de s una variable es considerada como
dependiente o independiente.
En el grfico 4, un valor de 0.07 para la d de Sommer estara indicando que la
reduccin del error que se comete al realizar la prediccin considerando las
filas como variable independiente es de 7%. Si se considera a las columnas
como variable independiente en este ejemplo tambin se puede considerar que
el porcentaje del error que se reduce al predecir las filas es tambin de 7%.

6.4.3

TAU B DE KENDALL

El coeficiente tau b de Kendall permite encontrar el grado de asociacin en

variables que se hallen asociadas asimtricamente

teniendo en cuenta los

empates que se tengan en una u otra variable, pero no los empates que se
forman en ambas. Este coeficiente puede considerarse como un promedio de
los dos coeficientes de sommers, los cuales se calculan a partir de la misma
tabla.
El coeficiente tau b puede tomar valores que oscilan entre 1 y +1, segn el
sentido de la asociacin, pero cuando la tabla no es cuadrada este coeficiente no
puede asumir el valor de extremo dado que cuando hay un nmero diferente de

30

filas que de columnas existirn ms pares empatados en una variable ( la que

tiene menos categoras) que en la otra variable.
En el ejemplo mostrado en el grfico 4 se puede observar que el coeficiente tau
b de Kendall es de 0.07, el cual se interpretara como la existencia de una
asociacin positiva, pero con una asociacin sumamente debil.

6.5
6.5.1

PRUEBAS CON VARIABLES DICOTOMIZADAS

COEFICIENTE DE CORRELACIN TETRACRICO

Este coeficiente mide el grado de asociacin en el caso de que se analicen dos

variables dicotomizadas provenientes de escalas de intervalo o de razn, en las
cuales existe una continuidad, aunque tambin puede usarse en el caso de
variables provenientes de escalas ordinales con rango superior a cinco.
El coeficiente de correlacin tetracrico vara entre 1 y +1 y se interpreta
como el coeficiente de correlacin r de Pearson.

31

Grfico 5 : Hoja "Tablas"

En el grfico 5 se observan los datos correspondientes a las variables

dicotomizadas neuroticismo y necesidad de logro.

El valor del coeficiente rt de correlacin tetracrico para los datos mostrados es

de 0.26, como se puede apreciar en el grfico 6.

32

Grfico 6 : Hoja "Resultados"

33

7.

7. REFERENCIAS

ALARCN.

R.

(1991)

Mtodos

Diseos

de

Investigacin

del

Comportamiento. Lima. Fondo Editorial universidad Peruana Cayetano

Heredia.
AMON, J. (1993-96) Estadstica para psiclogos. Madrid: Pirmide.
CALZADA, J. (1966) Estadstica General con nfasis en Muestreo. Lima:
Jurdica.
CRAMMER, H. (1963) Mtodos Matemticos de Estadstica. Madridi. Aguilar.
DAVIES, O. (1960) Mtodos estadsticos Aplicados a la Investigacin y a la
Produccin. Madrid: Aguilar.
ELORZA, H. (1987) Estadstica para Ciencias del Comportamiento. Mxico:
Harla.
EVERITT, B. (1996) Making Sense of Statistics in Psychology. Oxford: Oxford
University Press.
GARRET, H. (1971) Estadpistica en psicologa y Educacin. Buenos Aires:
Paids.
GUILFORD, J.P. y FUCHTER, B. (1986) Estadstica Aplicada a la Psicologa y
la Educacin. Mxico: MCGraw Hill.
HAYS, W. (1973) Statistics for the Social Science. Londrwes: Holt, Rinehart y
Winston.
MARTINEZ, C. (1997) Estadstica y Muestreo. 8 ed. Bogot. Fondo Educativo
Interamericano.
PARDO,A y SAN MARTN, R. (1999) Anlisis de datos en Psicologa II.
Madrid. Pirmide
PEREZ, F.J. y otros. (1999) Anlisis de Datos en Psicologa. Madrid: Pirmide.
SIEGEL, S. (1991) Estadstica No Paramtrica. Mxico: Trillas.

34