Sie sind auf Seite 1von 36
Media, varianza, desvio estandar y puntuaciones Z Descripcién del capitulo > Media. > Resumen. > Medidas alternativas de la tendencia > Términos clave. central. > Ejercicios. } Varianza y desvio estandar. > Apéndice del capitulo: formulas > Puntuaciones Z. optativas para el célculo de la > Controversias y limitaciones: la tirania varianza y el desvio estandar. de la media. D> Lamedia y el desvio esténdar segin se describen en publicaciones cientificas. ‘omo sefialamas en el capitulo 1, el propésito de la estadistica descriptiva es hacer f4- cilmente comprensibles un grupo de observaciones. Hemos visto algunas formas de lograr esa comprensi6n a través de tablas y gréficos. Es este capltulo, considerare- ‘mos las principales técnicas estadisticas para describir un grupo de observaciones utilizando ciertos nimeros. Estos ntimeros son: la media, la varianza, el desvio es- andar y las puntuaciones Z. La media es el promedio. La varianza y el desvio esténdar describen el grado de variacién de las observaciones. Una puntuacién Z describe la desviacién de una ob- servacién en particular respecto del promedio. MEDIA ‘Com#énmente, el mejor nimero para describir un grupo de observaciones es el promedio normal, s decir, la suma de todas las observaciones dividida por la cantidad de observaciones. En estadis tica, ese promedio se denomina media. A veces se dice que el promedio o media de un grupo de registros muestra la tendencia central o el valor t{pico 0 representativo de un grupo de observa- ciones, Més adelante veremos que existen otras formas, ademés de la media, para describir la ten- dencia central de un grupo de observaciones. ‘Supongamos que una psicoterapeuta observé cudntas sesiones hal pacientes en completar una terapia brev 7,8,8,7,3,1,6,9,3,8 n tardado sus dltimos 20 Las cantidades de sesiones eran las siguientes: La media de tas 10 observaciones anteriores es 6 (la suma de 60 sesiones dividida por 10 pa- cientes), Es decir, en promedio, los ultimos 10 pacientes de fa terapeuta habian asistido a 6 sesio- nes, Asi, la informacién referida a los 10 pacientes se resume sélo en este ntimero. ‘A muchos estudiantes les resulta itl visualizar la media como una especie de punto de equilibrio de la distribucién de observaciones. Intentemos visualizar una tabla en equilibrio sobre un tronco, como un 35 Figura 2-1, Media de ladistribucién de cantidad de s siones de terapia realizadas segiin un ejemplo ficticio, : ilustrada a través de una analogia con cubos apoyados encima de una tabla en equilibrio sobre un tronco. sube y baja rudimentario. Imaginemos pilas de cubos distribuidos a lo largo de la tabla segtin los valo- res que representan, es decir, un cubo para cada observacién de la distribuci6n, (La figura resultante es similar a.un histograma construido con cubos). La media seria el punto de la tabla donde el peso de los cubos se equilibra perfectamente, La figura 2-1 representa lo antedicho utilizando el ejemplo de la Cantidad de sesiones a las que asistieron los 10 pacientes de nuestra terapeuta imaginaria. La figura 2-2 muestra algunos otros ejemplos. Cabe destacar, que ni siquiera es necesario que haya un cubo exactamente en el punto de equilibrio. Es decir, la media no necesariamente debe corresponder a una observacién real en la distribucién. La media es simplemente el promedio de las observaciones, el punto de equilibrio. La media incluso podria ser un nimero cuya aparicién en a distribucién fuera imposible, como en el caso de una media representada por un niimmero de- cimal cuando todos los niimeros en la distribucién deben ser nimeros enteros (2,3 nifios, por ejemplo). Otra caracterfstica es que los cubos pueden estar muy separados o muy juntos y que no necesiten estar distribuidos en forma pareja. En cualquiera de esos casos, aun es posible encontrar un punto de equilibrio. (Cabe mencionar que esta analogfa, que utiliza cubos en equilibrio encima de una tabla apoyada sobre un tronco, funcionarfa en la realidad sdlo si Ia tabla no tuviera peso). Férmula para obtencién de la media y simbolos estadisticos La regla para el célculo de la media consiste en sumar todas las observaciones y dividirlas por la cantidad de las mismas. Se expresa a través de la siguiente formula: ualX 1) N 123 656788 12345 6789 12345678 9 12345 6789 Figura 2-2. Medias de varias distribuciones ficticias ilustradas utilizando la analogfa de los cubos apoyados encima de una tabla en equilibrio sobre un tronco. 36. Estadistca para psicologia ‘Mes.un simbolo que representa la media. (Mas adelante aprenderemos otro simbolo para repre- sentar fa media, la letra griega jx “mu”, que se utiliza en circunstancias particulares. También es bastante utilizado un tercer simbolo, X, a veces denominado ¥X-raya). Z, la fetra griega mayiiscula “sigma,” es el simbolo que representa la “‘suma de”; significa “suma de todas las cantidades siguientes”. Es el simbolo aritmético especial mas comunmente uiilizade en estadistica. La X se refiere a las observaciones en la distribuciGn de la variable X. Podrfamos haber elegi- do cualquies otra letra. Sin embargo, cuando existe s6lo una distribucién, generalmente se la de- nomina X. En capftulos posteriores veremos situaciones en las que se analizan dos distribuciones al mismo tiempo. En ese caso, se utiliza una segunda letra, generalmente la Y. Otra alternativa es utilizar subindices, como por ejemplo X, y X,. En el caso de un tratamiento matemético mas for- mal de la estadistica, los simbolos utilizados en varias f6rmulas son ain més complejos. Es preci- samente esa complejidad la que permite que las férmulas representen casos complicados sin confusién. Sin embargo, los libros de estadistica para psicdtogos, aun [os textos ms avanzados, utilizan sfmbolos simples, La forma més simple rara vez crea ambigiedad en las formulas esta- disticas que utilizan los psicélogos. ‘EX significa “ta suma de X”, Indica que se deben sumar todos los valores observados de la dis twibucién de la variable X. Supongamos que X se refiere a la cantidad de sesiones de terapia en fa dis- wibucién de nuestro ejemplo. EX serfa igual a 60, la surna de 7+8+8+7+3+1+6+9+3+8, N es unndmero, Se utiliza en estadistica para indicar la cantidad de obsesvaciones de una dis- tribucién. En nuestro ejemplo existen 10 observaciones, por lo tanto, Nes igual a 10. Resumiendo, la formula indica dividir la suma de todas las observaciones de la distsibucién de la variable X por la cantidad total de observaciones N. En nuestro ejemplo, significa que debe- ‘mos dividir 60 por 10. La formula serfa la siguiente: ~ 2X _ 60 N10 Otro ejemplo de célculo de Ja media Analicemos los ejemplos del capftulo 1. Las puntuaciones de estrés (Aron et al., 1995) fueron las siguientes: 4,7,7,7, 8,8, B 4,6,6, 7.5, Catculando la media se a resumir toda esta informacién en un sélo mero. La media se calcula sumando (odas fas puntuaciones de estrés y dividiendo el resultado por la cantidad de puntuaciones de estrés, Es decir, se suman las puntuaciones de estrés,4+7+7+7+8+8, y ast sucesivamente, obteniendo un total de 975. Luego se divide el total por 151, es decir, la canti- dad de observaciones. La formula nos indica gue la puntuaci6n promedio de estrés ent la escata de {0 puntos fue de 6.46 (redondeando), Esta cifra se encuentra claramente por encima del punto medio de la escala. El ‘Media, varianza, desvio esténdat y puntuaciones 2 37 ejemplo también puede representarse grdficamente. Consideremos otra vez et histograma como tuna pila de cubos encima de ana tabla, y la media 6,46 como el punto en el que la tabla se equili bra sobre el fulcro que tiene debajo. (véase figura 2-3). Este tinico numero simplifica enorme- mente la informacién de las 151 puntuaciones de estrés. De modo similar, analicemos el ejemplo de las interacciones sociales de Jos alunos (McLaughlin-Volpe et al., 1998). Las cantidades de interacciones de los 94 alumnos durante una semana fueron las siguientes: 48, 15, 33, 3, 21, 19, 17, 16, 44, 25, 30, 3, 5,9, 35, 32, 26, 13, 14, 14, 47, 47, 29, 18, 11, 5, 19,24, 17, 6, 25, 8, 18, 29, 1, 18, 22, 3, 22, 29, 2, 6, 10, 29, 10, 21, 38, 41, 16, 17, 8. 40, 8, 10, 18, 7, 4, 4, 8 ff, 3, 23, 10, 19, 21, 13, 12, 10, 4, 17, 22, 22, 9,8, 7, 5, 3, 22, 14, 25, 4, 11, 10, 18, 1, 28, 27, 19, 24, 38, 9, 30, 8, 26 . 10, 1, 9, La tabla de frecuencias, la tabla de frecuencias agrupadas, el histograma y el poligono de frecuen- cias que construimos en el capitulo | simplificaron considerablemente la visualizaciéa de los da- tos. Pero incluso, después de todo ese proceso también seria wtil obtener un resumen de un solo mimero. Por lo tanto, podemos calcular la media en la forma usual. En este caso: Es decir, si sumamos las cantidades de interacciones de los 94 alumnos, la “suma de X” da 1.635. AI dividir este nimero por la cantidad de observaciones, obtenemos una media de interacciones de 17,40. La figura 2-4 grafica este caso. Figura 2-3. Analogia de cubos apoya- dos encima de una tabla en equilibrio sobre un punto de apoyo (utilizando ‘un histograma) que representa la me- dia de las puntuaciones del nivel de estrés dadas por 151 estudiantes de estadistica. (Fuente: Aron, Paris, & Aron, 1995). Frecuencia Nivel de Estrés unio de Equilibrio 38 _ Estadistica para psicologta Otro de los principales ejemplos anatizados en el capftulo 1 se referfa al tiempo utilizado para leer oraciones ambiguas. La media se calcula en la forma usual: 2X _ 2755 N 100 La figura 2-5 representa este caso gréficamente, 755 Figura 2-4, Analogia de cubos apoya- dos encima de una tabla en equilibrio sbre un punto de apoyo (utilizando un hhistograma) que representa la media de la cantidad de interacciones socia- les vividas por 94 alumnos universi- tarios durante una semana (Fuente: ‘McLaughlin-Volpe et al., 1998). BS TS WS 35 25 45 (Cantidad de interacciones sociales 25°75 125 Figura 2-5, Analog{a de cubos apo- yados encima de una tabla en equi- librio sobre un punto de apoyo (utilizando un histograma} que re- presenta la media de una distribu- cién ficticia del tiempo utilizado por 100 sujetos para leer oraciones ambiguas (en segundos). 2525 2515 2.825 2615 27284775 ZBL 2875 2.925 2975 ‘Tiempo de lectura (segundos) varianza, desvfo esténdar y puntuaciones 2 39 Otro de los principales ejemplos anatizados en el capitulo 1 se referia al tiempo utilizado para leer oraciones ambiguas. La media se calcula en la forma usual: 3X _ 2755 SEPP? 22,755 N10 La figura 2-5 representa este caso gréficamente. Figura 2-4. Analogfa de cubos apoya- dos encima de una tabla en equilibrio sobre un punto de apoyo (utilizando un ‘histograma) que tepresenta la media de la cantidad de interacciones soci les vividas por 94 alumnos universi- tarios durante una semana (Fuente ‘McLaughilin-Volpe et al., 1998). 25 75 125 ANS 25 275 325 375 428 475 (Canidad de interacciones sociales Figura 2-5. Analogfa de cubos apo- Yaros encima de una abla eneqo- ibrio sobre un punta de apoyo (utiizando un histograma) que re- presenta la media de una distribu- i6n ficticia del tiempo utilizado ppor 100 sujetos para leer oraciones ambiguas (en segundos). Frecuencia 12525 2515 2,625 2615, ‘Tiempo de lectura (segundos) (795 2.825 2.875 2,925 2,915, ‘Media, varianza, desvio esténdar y puntuaciones 2, 39 MEDIDAS ALTERNATIVAS DE TENDENCIA CENTRAL La media es s6lo uno de los varios medios descriptivos de la tendencia central, el valor tipico o re- presentativo, Otra alternativa es la moda. La moda es el valor observado més comin en una dis- tribucidn, En nuestro ejemplo sobre las sesiones de terapia, la moda es 8, porque existen tres pacientes que asistieron a 8 sesiones y no existe ninguna otra cantidad de sesiones que haya sido ‘completada por igual o mayor cantidad de pacientes. La moda también puede considerarse el va- lor con mayor frecuencia en una tabla de frecuencias, o bien el punto alto o pico de la distribucién en.un poligono de frecuencias 0 en un histograma (tal como lo ilustra la figura 2-6). En una distribucién perfectamente siméirica y unimodal, la moda coincide con la media. {Qué ocurre cuando la media y la moda no coinciden? En ese caso, la moda coincide en menor grado que la media, por lo cuai, en Ifneas generales, considerarfamos un valor bien representativo de la distribucién, Ademés, es posible cambiar algunas de las observaciones de una distribucién (véase la figura 2-7) sin afectar la moda, mientras que précticamente cualquier cambio que se rea- lice afecta la media. Por lo tanto, la media es més representativa de todas las observaciones de una distribucién. Por estas y otras razones, los psicélogos rara vez utilizan la moda. Oltra alternativa de la media es la mediana. Si ordenamos todas las observaciones de menor a mayor, el valor del medio es ta mediana. La figura 2-8 muestra los registros correspondientes a la cantidad de sesiones de terapia, ordenados de menor a mayor. En este ejemplo, el quinto y sexto caso (los dos del medio) son iguales a 7. Es decir, en cualquiera de los dos casos, la mediana es 7. Uno de los errores mas comunes que cometen los estudiantes de estadistica al calcular la mediana es no ordenar primero las observaciones de menor a mayor. Cuando existe una cantidad par de casos, la mediana puede estar entre dos niimeros diferen- tes. En el ejemplo anterior, tenfamos una cantidad par de registros, pero los dos casos del medio presentaban el mismo nimero; por lo tanto, no surgia ningiin inconveniente. Cuando los dos ca- ses medios son diferentes, se utiliza el promedio de los dos, En el ejemplo del tiempo requerido para leer oraciones ambiguas hay exactamente 100 casos. El caso 50 (de menor a mayor) es de 2,76,y el 51 de 2,78. La mediana es, por lo tanto, 2,77; el promedio de 2,76 y 2.78. Enciertos casos, la mediana indica con més precisin que la media la tendencia central de un grupo de observaciones. Esto sucede cuando existen unas pocas observaciones extremas que afectarfan notoriamente la media pero no influirfan en la mediana. Por ejemplo, supongamos que de 100 familias que trabajan en una plantacién de bananas en América Central, 99 obtienen un in- greso anual de $100 y 1 (la familia del propietario) obtiene un ingreso anual de $90.100. La me- dia del ingreso familiar en esta plantacién serfa de $1000 (99 x 100 = 9.900; 9.900 + 90.100 = 100.000; 100.000/100 = 1.000). Sin embargo, ninguna de las familias obtiene un ingreso siquiera cercano a los $1.000, por lo que esta cantidad resulta ser completamente engafiosa. En este caso, la mediana det ingreso por familia serfa de $100, una cifra mucho ms representativa de cualquier persona a la que uno pudiera acercarse por azar en la plantaci6n. Los resultados del tiempo de reaccién son otro ejemplo de los casos en los que podria ser pre- ferible la mediana. Supongamos que los tiempos en cinco pruebas fueron (en segundos) 0,74, 0,86, 2,32, 0,79 y 0,81. La marca de 2,32 segundos puede haber ocurrido porque la persona se distrajo momentdneamente. Por lo tanto, podrfa ser mejor utilizar la mediana para describir la tendencia central, ya que esto le quitaria influencia a la Gnica observacién extrema, y probable- mente sea lo correcto. La importancia del indicador de tendencia central utilizado se refleja en una reciente contro- versia entre psicélogos que estudian la base evolutiva de la eleccién de la pareja humana. Una se- rie de te6ricos (p. ej., Buss & Schmitt, 1993) sostienen que a lo largo de sus vidas los hombres preferirfan tener muchas més parejas que las mujeres. Segtin esta visién, la evolucién serfa la cau- 40 Estadistica para ogi ‘Figura 2-6. Representacién grifica de la moda co- mo punto més alto én el histograma de una distri- bbucién, utilizando el ejemplo ficticio de la cantidad / de sesiones de terapia tomadas por {6 pacientes. ‘Figura 2-7. Representacisn grifica del efecto ‘ausado en a media y en la moda por el cam- Moda = 8 bio de algunos valores, utilizando el ejemplo fcticio de fa cantidad de sesiones de terapia tomadas por 10 pacientes. Media = 83 2345678 9 on Mods =8 Mota =8 iesia=7 2345678 9 0 Figura 2-8. Representacién gréfica de la mediana co- imo el valor del medio al ordenar los registros de menor 133 6 7.7 8 8 8 9 a mayor, utifizando ef ejemplo ficticio de fa cantidad \ de sesiones de terapia tomadas por 10 pacientes. ee sade que las mujeres prefieran tener s6lo una pareja estable, debido a que una mujer sélo puede tener una pequefta cantidad de hijos durante su vida, y es mas probable que los genes de la mujer sobrevivan si esos pocos hijos son bien cuidados. Los hombres, sin embargo, pueden tener una gran cantidad de hijos durante su vida; por eso, segin la misma teoria, para ellos lo mejor es una postura semejante al disparo de escopeta, Si tienen muchas parejas es mas probable que sus genes sobrevivan, Coherentemente con esta presuncién, los psicdlogos evolucionistas descubrieron que ios hombres expresaban necesitar muchas mas parejas que fas mujeres. Media, varianza, desvio estindar y puntuaciones Z 41 Otros te6ricos (p.¢j., Miller & Fishkin, 1998), sin embargo, han cuestionado esta visién. Sos- tienen que hombres y mujeres preferirian aproximadamente la misma cantidad de parejas debido a que los individuos que tienen una predisposicién bésica a buscar un lazo {ntimo fuerte son los que tienen las mayores probabilidades de sobrevivir a la nifiez, y que este deseo de lazos fuertes perdura (y tiene otros beneficios) en la etapa adulta. Los mismos investigadores también pregun- taron a mujeres y hombres cudntas parejas necesitaban, y los resultados mostraron la misma dife- rencia en cuanto a las medias; los hombres necesitaban un promedio de 64,32 y las mujeres un promedio de 2,79. Sin embargo, la escena cambia drésticamente si observamos-la mediana o la moda (véase tabla 2-1). La figura 2-9, tomada directamente de la publicacién preparada por los investigadores, nos explica la situaciGn, La mayorfa de las mujeres y los hombres desean s6lo una pareja; unos pocos desean més de una, y algunos desean muchas més. La gran diferencia reside en que hay muchos mas hombres dentro del pequefio grupo que desea muchas mas parejas. (Los valores observados més extremos estaban tan alejados ~los hombres que deseaban més de 100 pa- rejas-, que los investigadores ni siquiera los incluyeron al calcular las medias). Por lo tanto, ;cusl de las dos teorfas es la correcta? Tal vez uno podria sostener cualquiera de las dos formas para analizar esta informacién. La verdad es que concentrarse sélo en la media, en este caso, desfigura drasticamente la realidad de la distribucién. Medias de a tendencia cent Media Medina Hombres 643 1 | » | Mujeen 281 (Canad de parejas desea para lo pros 30 ao Figura 29, Distibuciones de la cantidad idea! de parejas deseadas para un periodo de 30 afos por hom- res y mujeres. Nota: Con el fin de incluir todos los datos, juntamos las categorias que se encontraban més alejadas a 10 largo de la cola de estas distribuciones. Si cada categorta representara sélo un nimero, seria més evidente que la cola es muy chata y que las distrbuciones son atin mas asimétricas de lo que aqui parece. (Fuente: Miller, L. C., & Fishkin, 8. A. (1997), fig. 8-1. “Sobre la dindmica del enlace humano y el éxito reproducti- vo: buscando ventanas én ia interfase ambiental adaptada a humanos”. En: J. A. Simpson & D. T. Kendrick (Eds.), Psicologia Social Evolutiva (Evolutionary Social Psychology]. Mahwah, NJ: Lawrence Erlbaum Associates, Inc., Editores. | 42 Estadistica para psicologia De un modo més general, la mediana (y a veces la moda) se utiliza ocasionatmente en psico- logia como estadistica descriptiva. Como hemos visto, es mAs probable que se utilice en situacio- nes en las que existen algunos registros extremos que harian que la media no represente el cuerpo principal de casos. También existen circunstancias en las que los psicélogos utilizan Ja mediana como parte de técnicas estadisticas mds complejas, ‘Tabla 2-1. Respuestas de 106 hontbres y {60 mujeres a fa pregunta: “;Cudntas parejas desearfa tener en los préximos 30 afios?” Media ‘Mediana Moda Mujeres 28 1 1 Hombres 643 1 1 Fuente: Millet & Fishkin, 1997. Sin embargo, a menos que existan valores extremos, los psicélogos casi siempre utilizan ta media como medida de 12 tendencia central. En realidad, la media cumple la funcién de piedra angular para la mayoria de las otras técnicas estadisticas. VARIANZA Y DESV{O ESTANDAR ‘Ademés de la tendencia central, los investigadores necesitan conocer fa dispersi6n de una distri- bucién. Por ejemplo, supongamos que alguien preguntara: “,Cudntos afios tienen los alumnos de determinada clase de estadfstica?” En una universidad ubicada en una ciudad con muchos estu- diantes que retoman los estudios o estudian por horas, 1a edad media podria llegar a ser 38, Uno podria decir a quien le preguntara: “La edad promedio es 38”. Pero esto no reflejaria toda la situa- ci6n, Seria posible, por ejemplo, tener una media de 38 porque cada estudiante en la clase tiene exactamente 38 afios de edad. O podriamos tener una media de 38 porque la mitad de la clase tie- ne 18 affos y la otra mitad 58. Serfan dos situaciones muy distintas. La figura 2-10 representa tres distribuciones de frecuencias diferentes, con la misma media pero con diferentes grados de dispersién de las observaciones alrededor de la media; y otras tres con diferentes medias pero con el mismo grado de dispersi6n.' Varianza La varianza de un gripo de observaciones indica la dispersi6n de esos valores alrededor de la media. Para ser mds precisos, la varianza es el promedio de los cuadrados de la diferencia entre cada observaci6n y la media. A continuaci6n, detallamos los pasos para calcular la varianza: " Bsta secci6n esté dedicada ala varianza yal desv{oesténdar como indicadores de dispersiGn, Exist ota forma de des- cribir la dispersién de un grupo de observaciones, la amplitud, el registro mayor menos el registro menor. Supongarmos {que en una clase en particulate registro mds alto en un examen parcel es 98 ye! menor es 60, fa amplitud es 38 (es de- Gir 98~ 60 = 38). La ampiitudrara vez esutilizada por investigadores psicol6gicos ya que se tata de un medio muy bur- do de desert a spe. Es burda debido aque no ene en cuenta distancia ene as chservaciones dentro dea distrbucin, ‘Media, varianza, desvio estindar y puntuacionesZ 43, 32 Figura 2-10. Ejemplos de distribuciones con (a) la misma media con diferentes grados de dispersién y (b) diferentes medias con el mismo grado de dispersién. 1. Restar la media a cada observacién para obtener el desvio de cada una de ellos. El desvfo indica la distancia entre la observaci6n en cuesti6n y la media, 2. Elevar cada uno de los desvfos al cuadrado (multiplicar cada uno de ellos por sf mismo). Se obtiene asi el desvio cuadratico de cada registro. 3. Sumar los desvios cuadréticos. El total logrado con este célculo se denomina suma de los cuadrados. 4. Dividir la suma de los cuadrados por la cantidad de desvios cuadraticos (es decir, por la cantidad de observaciones). Se obtiene asf el promedio o media de desvios cuadraticos, es decir, Ja varianza, Aunque este procedimiento pueda parecer un poco extrafio o dificil de recordar al principio, en verdad funciona muy bien. Supongamos que una distribuciGn es mas dispersa que otra. La dis- tribucién con mayor dispersi6n presenta una varianza mayor porque la misma dispersién hace que los desvios sean mayores. Si los desvios son mayores, los desvios cuadrdticos también lo son Y, por lo tanto, también la varianza. En el ejemplo de la clase en la que todos tenfan 38 afios de edad, la varianza serfa exactamen- te 0. Es decir, no habria varianza. (En términos numéricos, el desvio de cada persona seria 38 - 38 =0; 0 al cuadrado es 0. El promedio de 0 es 0). Por el contrario, la clase con la mitad de 44 Estadistica para psicologia los alumnos de 18 afios de edad y la otra mitad de 58 aiios de edad tendrfa una varianza bastante alta, es decir, 400, (Los alumnos de [8 afios de edad tendrian cada uno un desvio de 18 - 38 = -20. Los alunos de 58 afios de edad tendrfan desvios de 58 - 38 = 20. En ambos casos, los desvios cuadraticos, tanto -20 al cuadrado como 20 al cuadrado, darfan como resultado 400. Y, cuando to- dos los ntimeros son 400, el promedio es 400). La varianza es importante en muchos otros procedimientos estadisticos (incluso en fa mayoria de Jos temas tratados en la segunda mitad de este libro). Sin embargo, [a varianza se utiliza s6lo ocasio- nalmente como estadistica descriptiva, debido a que est basada en desvios cuadréticos, y los desvios Cuadréticos no tznsmiten claramente la dispersién de las observaciones. Son verdaderos desvios 0 son no cuadréticos. Por ejemplo, queda claro que una clase con una varianza de 400 pre- senta una distribucién mucho més dispersa que otra cuya varianza es 200. Sin embargo, el nimero 400 no refleja con claridad la variacién real entre las edades, ninguna de las cuales se acerca a 400.7 Desvio estandar La estadistica més ampliamente utilizada para describir la dispersién de una distribucién es el desvio esténdar. El desvio esténdar es la rafz cuadrada positiva de la varianza: para encontrar el desvio esténdar, primero es necesario calcular 1a varianza y luego sacar su rafz cuadrada. Si la varianza de una distribucién es 400, el desvio estandar es 20; si la varianza es 9, ef desvio esténdar 3, ysi la varianzaes 100, el desvio esténdar es 10. La varianza se basa en los desvios de [a media, al cuadrado. Por lo tanto, su raiz cuadrada, el desvio esténdar, se basa en la distancia simple, no elevada al cuadrado, de la media. Sin entrar en detalles, el desvio estdndar es el promedio de las diferencias entre las observaciones y la media. Por ejemplo, analicemos una clase donde las edades presentan un desvio esténdar de 20 afios. Esto nos indicarfa que las edades se dispersan, en promedio, aproximadamente 20 afios en cada direccién a partir de la media. Conocer el desvio estdndar ofrece una idea general del grado de dispersién. Daremos otro ejemplo, La distribucién de la cantidad de hijos por familia en un pafs en par- ticular podria tener una media de 4 y un desvio est4ndar de 1. Significarfa que, por cada familia con exactamente cuatro hijos (desvio 0 de la media), bien podrfamos encontrar una con seis 0 dos hijos (desvio de 2 hijos de la media). Sin embargo, podria no funcionar de esa forma. Podria ser que la mitad de las familias tuvieran exactamente 5 y la otra mitad exactamente 3. O podria ser que la mayorfa tuviera 4, pero unas pocas no tuvieran ninguno y otras pocas tuvieran 8 (véase fi- gura 2-11). No obstante, conocer el desvio esténdar brinda una nocién general del grado de dis- persiOn, aun cuando no indique Ja forma precisa de distribucién, El desvio esténdar no es exactamente el promedio de las diferencias entre las observaciones y la media. Para ser precisos, el desvio estndar es la rafz cuadrada del promedio de los desvios cuadréticos de la media. Elevar los desvios al cuadrado, promediarlos, y luego calcular la rafz, cuadrada, da un resultado ligeramente diferente al simple promedio de los desvios de los registros con respecto a la media. Aun asi, el resultado de este procedimiento tiene ventajas técnicas que superan Ia ligera desventaja de dar s6lo una descripcién aproximada de la variacién promedio con respecto a la media (véase nota al pie N° 2). 2 G1 alumno seguramente se estard preguntando por qué ls estaisticos no trabajan slo con los desvios, simplemente haciendo que todos los desvios sean positivos,y Ulizando sus promedios. En realidad, en el pasado, ese cra el proce mmiemto. El promesio de los desvios (tratando a todos los desvigs como positives) se denomina desvio promedio o des- vio medio’ En efecto, alguns picloges hap hecho rere esta custiOncbservand algunas ventas sues del Uesvio promedio (Catanzaro & Tayley, 1996). Sin embargo, a pesar de su simplicidad conceptual y de célculo, el desvio promedio no funciona muy bien como parte de procedimientos estadisticos més complejos,debido aque resulta dificil fealizar manipulaciones algebraicas con Una formula que ignora ls signos de algunos de sus nimeros. Media, v inza, desvio estindar y puntuaciones Z 45, Figura 2-11. Representacién gréfica de varias posibles distribuciones de un ejemplo ficticio de composi- cciGn familiar en el que la media es 4 y el desvio esténdar es 1 Férmulas para obtener la varianza y el desvio estandar Hemos visto que la varianza es el desvio cuadrético promedio con respecto a la media. Se calcula con la formula: 3(x-My N sD? (2-2) ‘SD? es el simbolo de varianza. (Més adelante aprenderemos sus otros simbolos, S? y 6”, la letra griega “sigma” mindscula al cuadrado. Los diferentes simbolos corresponden a diferentes cir- Cunstancias en las que se utiliza la varianza y, en algunos casos, incluso a célculos ligeramente di- ferentes). SDes la abreviatura de desvio esténdar; recalca que la varianza es el desvio esténdar ele- vado al cuadrado. La parte superior de la formula describe la suma de los desvios cuadriticos. 46 Estadistica para psicologia X se refiere a cada observacién en la distribucién. M es [a media. Por lo tanto, X - M es la ob- servacién menos la media, es decir, el desvfo. El indice sobrescrito 2 indica que se debe elevar ¢1 desvio al cuadrado. Finalmente, el signo de suma (£) indica que sé deben sumar todos los desvios cuadraticos. La suma de los cuadrados es un célculo importante en muchos procedimientos estad{sticos; or lo tanto, tiene su propio simbolo, SS. Por esta raz6n, algunas veces la formula de fa varianza se escribe utilizando este simbolo en el numerador, en lugar de Z (X- M)*: sp? =58 23) N Ya sea que se utilice el simbolo simplificado SS o la descripcién completa de la suma de cuadra- dos, la parte inferior de la férmula es simplemente N, la cantidad de observaciones. Es decir, fa f6rmula indica dividir la suma de cuadrados por la cantidad de desvios cuadréticos (la cantidad de observaciones en la distribucién). El desvio estindar es 12 rafz cuadrada de la varianza. De modo tal que si se conoce la varian- a, Ja formuta es simplemente: Ssp= sp? (2-4) La férmula del desvio estindar comenzando desde el principio es la rafz cuadrada del célculo de Ja varianza: SD. (2-5) (2-6) Ejemplo de calculo de la varianza y el desvio estandar La tabla 2-2 ilustra el célculo de varianza y desvio esténdar del ejemplo de las sesiones de terapia, (En la tabla se presume que ya hemos calculado que la media es de 6 sesiones), Generalmente es més sencillo realizar los céiculos utilizando una calculadora, especialmente una que incluya la funcién para calcular la raiz.cuadrada. Otro ejemplo de célculo de la varianza y el desvio estindar La tabla 2-3 muestra el procedimiento aritmético para calcular la varianza y el desvio esténdar del ejemplo referido a las interacciones sociales, (Con el fin de ahorrar espacio, la tabla muestra s6lo Jas primeras y iltimas observaciones). Sin entrar en detalles, este resultado significa que la cantidad de interacciones sociales de un estudiante en una semana varia de la media un promedio de 11,49 puntos. El resultado también puede representarse con un histograma (figura 2-12). Finalmente, analicemos el ejemplo referido ai estudio de la cantidad de tiempo requerido pa- ra leer oraciones ambiguas, La tabla 2-4 muestra el célculo de estos datos (otra vez, s6lo con las Me , varianza, desvio estindar y puntuaciones Z_ 47 X se refiere a cada observacién en la distribucién. M es la media. Por lo tanto, X - M es la ob- servacién menos la media, es decir, el desvio. El indice sobrescrito 2 indica que se debe elevar el desvio al cuadrado. Finalmente, el signo de suma (3) indica que se deben sumar todos los desvios cuadraticos. La suma de los cuadrados es un célculo importante en muchos procedimientos estadisticos; por {o tanto, tiene su propio simbolo, SS. Por esta raz6n, algunas veces la férmula de la varianza se escribe utilizando este simbolo en el numerador, en lugar de E (X - M)*: ss = 5S 2. W (2-3) Ya sea que se utilice el simboto simplificado SS o la descripcién completa de la suma de cuadra- dos, la parte inferior de la férmula es simplemente N, la cantidad de observaciones. Es decir, la f6rmula indica dividir la suma de cuadrados por la cantidad de desvios cuadraticos (la cantidad de observaciones en la distribucién). El desvio estdndar es la rafz cuadrada de la varianza. De modo tal que si se conoce la varian- za, la formula es simplemente: sp? Si Asp? (2-4) La formula del desvio estandar comenzando desde el principio es Ja rafz cuadrada del célculo de Ja varianza; sp= (Bm? (2-5) \oUN 6 sD AS 2-6) Ejemplo de cétculo de la varianza y el desvio estindar Latabla 2-2 ilustra el célculo de varianza y desvio estandar del ejemplo de las sesiones de terapia. (En la tabla se presume que ya hemos calculado que la media es de 6 sesiones). Generaimente es mis sencillo realizar los céiculos utilizando una calculadora, especialmente una que incluya la funcién para calcular la rafz cuadrada. Otro ejemplo de calculo de la varianza y el desvio estandar La tabla 2-3 muestra el procedimiento aritmético para calcular la varianza y el desvio estiindar det ejemplo referido a las interacciones sociales. (Con el fin de ahorrar espacio, ta tabla muestra s6lo las primeras y tltimas observaciones). Sin entrar en detalles, este restttado significa que la cantidad de interacciones sociales de un estudiante en una semana varia de la media un promedio de 11,49 puntos. El resultado también puede representarse con un histograma (figura 2-12). Finalmente, analicemos el ejemplo referido al estudio de la cantidad de tiempo requerido pa- ra leer oraciones ambiguas, La tabla 2-4 muestra el cdlculo de estos datos (otra vez, s6l0 con las, ‘Media, varianza, desvio estindar y puntuaciones Z 47. ‘Tabla 2-2. Calculo de varianza y desvio estandar del ejemplo referido a la cantidad de sesiones de terapia. Observacién Media (cantidad de - (cantidad media = Desvio sesiones) de sesiones) Desvio cuadratico 7 6 1 U 8 6 2 4 8 6 2 . 4 1 6 1 1 3 6 3 9 1 6 “3 25 6 6 0 0 9 6 3 9 3 6 3 9 8 6 2 4 B0 66 primeras y iltimas observaciones para ahorrar espacio). En términos aproximados, el tiempo pro- medio que tarda un participante en leer una oracién ambigua varia 0,142 segundos de la media de 2,755 segundos. La figura 2-13 representa los datos mencionados. ‘Tabla 2-3, Caiteuto de la varianza y el desvio estandar de la cantidad de interacciones sociales vividas por 94 estudiantes universitarios durante una semana. Cantidad de - ‘media de = Desvfo interacciones interacclones Desvio cuadraitico 48 17,40 30,60 936,36 1s 17,40 2,40 5.76 3 1740 15,60 243,36 3 17.40 14.40 207,36 a 17,40 3,60 12,96 35 17.40 17,60 309.76 9 17,40 8.40 70:56 30 17,40 12,60 158.76 8 17,40 5.40 88,36 6 17,40 8.0 23.96 3: 0,00 12,406.44 SUK- a0? _12.406.44 Sp? = 2AM _ 12406 44 W 8 Desvio estindar = VSD? = VI3T,98 = 11,49 Variana; 31,98 Fuente: McLaughlin-Volpe etal. (1998). 48 Estadistica para psicologia INTERVALO FRECUENCIA 45-099 3 6g 6s 16 n & ro M (Cantidad de internciones durante ura semana Figura 2-12, Descripcién grifica del desvio estandar como la distancia a lo largo de 1a base de un histogra- ‘ma, utilizando el ejemplo referido a la cantidac de interacciones sociales vividas en una semana, (Fuente: McLaughlin-Volpe et at, £998). Tabla 2-4. Célculo de la varianza y el desvio esténdar en un estudio ficticio del tiempo de lectura de or ambiguas. ‘Valor Media Desvio (tiempo de lectura) (tiempo de lectura) = Desvio cuadratico 272 2.155 = 0,035 0.0012 284 2755 0,085 00072 263 2,155 = 0,125 0.0156 21 2755 = 0245 0,0600 254 2.755 = 0215 0,0462 2,98 2755 0.225 10,0506 252 2955 ~ 0235 0.0552 2.66 2755 = 0,095 0.0090 274 2.755 = 0015 0.0002 273 2755 = 0,025 0,006 288 2755 0,125 0.0156 285 2755 0.095 9.0090 0,000 72,0330 XK-My?_ SS 2,033, Varanza = sb? = = a +z =0,0203, Desvio estindar = SD = VSD" 142 Media, varianza, desvio estindar y puntuaciones Z 49 Figura 2-13. Descripciones gréficas del desvio esténdar como la distancia a lo largo de la base de un histograma, utili- zando el ejemplo referido al tiempo ne- cesario (en segundos) para leer oraciones ambiguas (datos ficticios). Frecuencia 12525 2575 2,625 2,675 2,725 2,775 2,825 2,875 2,925 2.975 ris iso F150 2785 Me ‘Tiempo de lecture (segundos) Férmulas de calculo de la varianza y el desvio estandar En investigaciones reales, los psicélogos frecuentemente deben calcular la varianza y el desvio estandar de distribuciones que involucran una gran cantidad de casos, y los cAlculos generalmen- te incluyen decimales o grandes niimeros. Debido aello, el proceso puede llevar demasiado tiem- po, aun utilizando una calculadora. Para resolver este problema, se desarrollaron ciertos métodos que simplifican los calculos. Una formula simplificada con el fin arriba mencionado se denomina formula de célculo En el apéndice de éste capitulo presentamos las férmulas de cdleulo de la va- rianza y el desvio estindar. Sin embargo, en la actualidad, las f6rmulas de célculo son interesantes principalmente desde el punto de vista hist6rico. Los investigadores las utilizan slo cuando no disponen de computa- doras para realizar los célculos. De hecho, incluso muchas calculadoras estén preparadas de tal modo que s6lo es necesario ingresar los datos y presionar una o dos teclas para obtener la varian- za y el desvfo estdndar. En este libro presentamos las férmulas de caiculo en los apéndices de varios capitulos, en ca- so de que algiin alumno esté realizando un proyecto de investigacién que incluya demasiados nti- meros y no disponga de una computadora. Sin embargo, no consideramos que las frmulas de cAlculo sean tities para aprender estadistica. Mas bien, tienden a oscurecer el significado de los cAlculos. Al realizar los ejercicios, conviene utilizar las f6rmulas que presentamos en cada capitu- lo, ya que esas formulas han sido disefiadas para ayudar a profundizar la comprensién del signifi- cado de los célculos. Las formulas que presentamos en los capitulos se denominan férmulas de definicién, EI propésito de este libro es ayudar a comprender los procedimientos estadisticos, y no con- vertir al alumno en una computadora, haciéndole memorizar y aplicar f6rmulas de célculo que ra- ra vez volverd a utilizar, si es que alguna vez lo hace. (De todos modos, para simplificar los cAlculos reales, nuestros ejercicios generalmente utilizan pequefios grupos de ntimeros enteros. Para los alumnos que disponen de una computadora, la Guta de estudio y cuaderno de ejerc' cios para computadora [Study Guide and Computer Workbook], que acompaiia este libro, inclu- ye material preparado especialmente para que adquieran experiencia realizando estadisticas del modo en que normalmente lo harfan los psicdlogos, trabajando con programas estadisticos estan- darizados en una computadora). 50 Estadistica para psicologia La varianza como la suma de cuadrados dividida por N-1 ‘Unaspecto que debemos tener en cuenta es que los psicdlogos a menudo utilizan una formula de Ja varianza ligeramente diferente ala que hemos visto, ya sea para definirla 0 calcularla, Nosotros hemos definido la varianza como el promedio de los desvfos cuadriticos, es decir, como la suma de cuadrados dividida por la cantidad de observaciones, SS/V. Sin embargo, en el capitulo 9 vere- ‘mos que en muchos casos es correcto definir ta varianza como la suma de cuadrados dividida por Ja cantidad de observaciones menos 1; en esos casos, la varianza es SS/(N ~ 1). La varianza (0 su raiz cuadrada, el desvio esténdar) que aparece en las publicaciones cientifi- cas, con frecuencia se calcula utilizando SS/(N — 1). Incluso cuando }as caiculadoras 0 computa- doras calculan automnSticamente ta varianza 0 el desvfo estdndar, a veces lo hacen con ese mismo método. Pero no debemos preocupamos por esto ahora. El método que estamos aprendiendo en este capitulo, la varianza = SS/N, es completamente correcto para los fines para los que lo hemos estado utilizando (describir la variacién de un grupo de registros), para el material tratado en el resto de este capftuto (puntuaciones Z) y para el material que veremos en los capitulos 3 al 8. Mencionamos el otro método aqui, la varianza = SS/(N - 1), s6lo para evitar cualquier confusién que pueda surgir cuando el alumno lea sobre la varianza 0 el desvfo esténdar en otcos textos, 0 si Ta calculadora o el programa de Ja computadora que el alumno utiliza arroja un nimero para el desvio esténdar que parece equivocado. Para simplificar las cosas, no trataremos la raz6n de ser y el uso del método N— 1 sino hasta que sea necesario, es decir, a partir del capitulo 9. PUNTUACIONES Z Hasta aqui hemos aprendido a describir una distribucién de observaciones en funcién de 1a media y la varianza, En esta seccién, aprenderemos cémo describir una observacién en particular segiin €1 lugar que ocupe dentro del grupo de observaciones en conjunto, Es decir, aprenderemos a des- cribir una observaci6n segdn la misma se encuentre sobre o debajo del promedio y seguin a qué distancia hacia abajo por encima del mismo esté ubicada. ‘Supongamos que nos informan que alguien llamado Alan tomé 9 sesiones con la psicotera- peuta (la misma a la cual nos hemos referido en este capitulo). Supongamos también que desco- nocfamos la cantidad de sesiones tomadas por otros pacientes con la misma terapeuta. En ese caso, seria dificil decir si Alan asistié 2 muchas 0 pocas sesiones en relaciGn con otros pacientes. Sin embargo, supongamos que sf sabernos que la media es 6 y el desvio esténdar es 2,57.Con esos datos, queda claro que Alan asistié auna cantidad de sesiones superior al promedio, También podemos ver que la cantidad de sesiones en las que Alan se excedié det promedio (3 sesiones més) era un poco mas alta que la cantidad de sesiones en que los pacientes de la terapeuta general mente varian con respecto al promedio. La figura 2-14 muestra el caso gréficamente. Figura 2-14. Relacién entre la cantidad de se- sD sD SD SD siones tomadas por un paciente llamado Alan y eta enter ena la distribucién general de las cantidades de se- os 4360 " me siones commadas por todos los pacientes de una terapeuta en particular (datos ficticios). ‘Cantidad media de sesiones. Cantidad de sesiones ‘de todos los pciertes_tornadas por Alan Media, varianza, desvo estindar y puntuaciones Z. 51 (ere La verdadera alegria (si, alegria) que provoca el anilisis estadistico. {Estamos aprendiendo estadistica porque ros gusta, verdad? ,No? O tal vez sf, des- pués de todo, Porque si nos convertimos en psic6logos, en algin momento planteare- ‘mos una hip6tesis, recolectaremos datos y los analizaremos. (Aun cuando planifique- Tos nuestras carreras como psicoterapeu- tas, es posible que con el tiempo deseemos someter a prueba alguna idea sobre ia na- turaleza de nuestros pacientes y sus difi- cultades), Esa hipétesis, nuestra propia idea original, y los datos recolectados para pro- barla serda muy importantes para nosotros. Inciuso es posible que nuestro coraz6n Ile- gue a latir emocionado al analizar las esta- dfsticas, ‘Veamos algunos comentarios de psi- célogos sociales que entrevistamos para nuestro libro El corazén de la psicologta social [The Heart of Social Psychology} (Aron & Aron, 1989), Deborah Richard- son, quien estudia relaciones interperso- nales, nos confié que para ella lo mejor de Ser psic6loga social es observar los resul- tados estadisticos de los andlisis computa- rizados: Es como armar un rompecabezas... Es ‘una experiencia muy emocionante y positiva para mf, A menudo tengo pe- riodos de euforia. Incluso cuando la informacién no arroja el resultado que ‘yo espero... [existe una] respuesta psi- coldgica ... Es emocionante ver cémo van surgiendo los datos, jes realmente como yo pensé que seria? y luego, pensar en las altenativas. Harry Reis, ex editor de la seccin de Proce- so Grupal y Relaciones Interpersonales de la Revista Cientifica de Psicologta Social y de la Personalidad (Journal of Personality and 52 Estadistica para psicologia Social Psychology], ve su profesién del mis- mo modo: . La mejor recompensa es, por mucho, ‘cuando uno obtiene nueva informacién y comienze a analizarla y comienzan a ‘susgit cosas que, al principio, y hasta cierto punto, son la confirmacién de lo 4que nos indujo a realizar el estudio, pero después también surgen otras cosas... “;Por qué ocurre esto?” Uno Intenta encontrarle sentido. Son el tipo de ideas que surgen de los datos... Adoro anali- zatlos. Bibb Latane, un eminente psicélogo cono- cido, entre otras cosas, por su trabajo sobre laraz6n por la cual las personas no siempre imtervienen para ayudar otros que se en- cuentran en problemas, cuenta c6mo espe- aba ansiosamente: Los primeros resplandores de lo que surgié ... [y] poder utilizarlos para for- mular lo que deberfa ser la pregunta si- guiente... Uno necesita utilizar todo lo que tiene [..] cada pizca de experien- cia ¢ intuicién., Es cuando se obtiene el. mayor efecto, es lo menos parecido a la rutina. Uno esté frente a la realidad, ccara a cara con la esencia de lo que es- +4 desarrollando, en el momento de la verdad. Bill Graziano, cuyo trabajo integra la psico- logfa social y de desarrollo, Hama “gran di- versi6n, s6lo gran diversiGn” al andlisis de su informacién. Y del mismo modo, Margaret Clark, quien estudia la emoci6n y la cogni- ci6n, declara que “lo més divertido es obte- ner datos y analizarlos”. Queda claro entonces que la estadistica al servicio de nuestras propias ideas creati- vas puede ser realmente un placer, iQué es una puntuacién 2? Una puntacién Z.es la transformacién de una observacién que describe mejar el lugar que esa obser- vaci6n ocupa en la distribucién, Especificamente, una puntuacién Z indica a qué camtidad de desvios estandar por encima de la media se encuentra dicha observacién (si es positivo), o bien por debajo de la media (si es negativo). Et desvio esténdar se transforma asi en una especie de patrén, una unidad de medida propiamente dicha. En el ejemplo de la psicoterapia, Alan, que asistié a 9 sesiones, tiene una puntacién Z de +1,17. Es decir que Alan esté 1,17 desvios esténdar por encima de la media (un poco més de 1 desvio estindar de 2.57 sesiones por encima de la media). Otra paciente, Sarah, asisti6 a 6 se- siones con la terapeuta, y presenta una puntuacién Z de 0, ya que el valor que le corresponde es coinci- dente con fa media, Es decir, su valor observado es de 0 desvios estindar por encima o por debajo de la media. {Qué pasarfa con un paciente que asistiera sélo a una sesién? Ese paciente habria asistido a 5 sesiones menos que el promedio, casi 2 desvios esténdar por debajo de la media (una puntuacidn Z de =1,95). En funcién de la cantidad de sesiones, el paciente estaria por debajo del promedio el doble de veces de lo que varian tipicamente con respecto al promedio los pacientes de la terapeuta, Puntaciones Z utilizadas como escala La figura 2-15 muestra, utilizando el ejemplo de las sesiones de terapia, una escala de puntuacio- nes Z dispuesta en comparacién con una escala de puntuaci6n bruta, (Una puntacién bruta es un valor observado antes de ser convertido en una puntuacién Z). Las dos escalas se asemejan a una regla con pulgadas de un lado y centimetros del otro, 0 a un termémetro con la escala Fahrenheit de ua lado y 1a de Celsius det otro. Oteos ejemplos En la préctica, las puntuaciones Z tienen muchos usos. También son parte importante de muchos de tos procedimientos estadisticos que aprenderemos en lo que resta del libro. Es importante fa- miliarizarse con ellos. Analicemos otro ejemplo, Supongamos que un psicélogo especiatizado en el desarratto ob- servé a un niffo de tres affos, Namado Peter, en una situacién estandar de laboratorio, mientras jus gaba con otros nifios de su edad. Durante la observacién, el psicdlogo controlé la cantidad de veces que Peter habiaba con los otros nifios, El resultado, luego de varias observaciones, fue que Peter hablo con los otros nifios aproximadamente 8 veces por hora de juego. Sin ningiin patrén de comparacién, sesia dificil sacar alguna conclusidn a partir de esta informacisn. Supongamos, sin embargo, que se sabia, por investigaciones previas, que en similares condiciones la cantidad me- dia de veces que los nifios hablan por hora de juego es 12, con un desvio esténdar de 4. Con esa informacin, ahora podemos ver que Peter hablé con menos frecuencia que otros nifios en gene- ral, pero no con una frecuencia extremadamente menor. Peter tendria una puntuacién Z de —1 (si M= I2y SD=4, una observacién de 8 esté 1 SD por debajo de ia Af). Supongamos que observa- ‘mos conversar a Tan con otros nifios 20 veces en una hora, Quedaria claro que Tan es inusualmen- te locuaz, con una puntuacién Z de + 2. Jan no s6lo hablarfa mAs que el promedio, sino dos veces més de lo que los nifios tienden a desviarse del promedio. (Véase figura 2-16). Figura 2-15. Escalas de puntuaciones Zy puntuacién bruta en elcaso de las Puntuacibn 2 sesiones de psicoterapia. Puntuacién 986 343 6 357s anza, desvio esténdar y puntuaciones 2 53 Puntuscion Z: 3 248 bt Cantidad de converssciones porhor: 0 8 $8216 Figura 2-16, Cantidad de veces por hora que dos nifios conversan, expresada en puntuaciones brutas j pun- tuaciones Z (datos ficticios).. Puntuaciones Z como patrones de comparacién generalizados Otra ventaja de las puntuaciones Z es que, convirtiendo las observaciones de variables completamente diferentes en puntuaciones Z, podemos compararlas entre sf. Con las puntuaciones Z, la media es siempre 0 y el desvio esténdar es siempre 1. Supongamos que los mismos nifios de nuestro ejemplo fueran medidos en una prueba de capacidad lingiifstica. Podriamos comparar directamente las pun- tuaciones Z correspondientes a esa capacidad con las puntuaciones Z correspondientes al nivel de conversaci6n con otros nifios. Supongamos que Peter obtuvo una puntuacién bruta de 100 en la prueba lingiifstica, Si la media en la prueba era 82 y el desvio estandar era 6, entonces Peter tiene una capacidad lingdjstica claramente superior al promedio, con una puntuacién Z de + 3. Es impro- bable que el grado de conversaci6n con otros nifios, menor al usual, demostrado por Peter, se deba a una capacidad lingtifstica menor a la usual (véase figura 2-17). El ejemplo nos muestra que, utilizando puntuaciones Z, podemos comparar directamente los resultados de observaciones psicolégicas del grado de conversacién con los resultados de una prueba de capacidad lingiifstica, jEsto es casi tan fabuloso como poder comparar manzanas con naranjas! Convertir un niimero en una puntuaci6n Z se asemeja a convertir los términos y unida- des de medida desconocidos en otros que todos podamos entender; es como convertir codos y pulgadas, por ejemplo, en centimetros. Es realmente una herramienta muy valiosa. Figura 2-17. Escalas de puntua- Peter cién Z y puntaciones brutas t Pais Caiad de comers acl 32 Hoo ciones por hora y la capaci Pants 7: Pip ft ft! 42 +P ingtistica, con is observacio- ‘Cantidad de 0 4 8 12 16 20 uw nes del primer nifio en cada ‘conversaciones: una de ellas (datos ficticios). porto: 7 Puntecion 2: 32 to 4 oe + Copecitas om % am a % 10 Tingulstien Formula para convertir una puntuaci6n bruta en una puntuacion Z Una observacién directa se denomina puntuacién bruta. Como hemos observado, una puntuacién Z indica la cantidad de desvios estandar por encima de la media (0, si es negativo, por debajo) en 54 Estadistica para psicologia que se encuentra la puntuacién bruta, Para calcular una puntuacidn Z, se resta la media a la pun- tuacién bruta, obteniendo el desvio. Luego se divide e] desvio por el desvio estandar. En simbo- fos, fa formula es la siguiente: X-M ait 2-7 ‘3D (2-7) Por ejemplo, si aplicamos la férmula al ejemplo det nifio con un registro de 100 en la prueba de capacidad lingdfstica, la férmula seria la siguiente: 7a XaM _ 100-82 _ 18 “SD 6 6 Formula para la conversi6n de una puntuacién Z en una puntuacién bruta Para volver a convertir una puntuacién Z en una puntuacién bruta se invierte ef proceso: se multiplica la puntuacién Z por el desvio esténdar y fuego se le suma la media. La f6rmula es 1a siguiente: X=(Z)(SD)+M (2-8) Por ejemplo, si un niflo presema una puntuacién Z de ~1,5 en la prueba de capacidad lingtifsti- ca, quiere decir que se encuentra 1,5 desvios estandar por debajo de la media. Dado que el des- vio estandar en este caso es de 6 puntos brutos, el nifo esta 9 puntos brutos por debajo de ta media. La media es 82, Por lo tanto, 9 puntos por debajo de effa es 73. Utilizando la formula, tendriamos: X = (Z)(SD) + M = (-1,5)(6) + 82 = -9 + 82 = 73 Pasos para convertir una puntuacién bruta en una puntuacién Z Para convertir una puntuacién bruta en una puntuacién Z: 1. Calcular e! desvio; restar la media a la puntuacién bruta. 2. Calcular la puntuacidn Z: dividir el desvio por el desvio estandar. Pasos para convertir una puntuacién Z en una puntuacién bruta Para convertir una puntuacién Z en una puntuacién bruta: 1. Calcular el desvio: multiplicar ta puntuacién Z por el desvio esténdar. 2. Calcular la puntuacién bruta: sumar la media al desvio, Ejemplos de catcufo de una puntuacién Z a partir de una puntuacién bruta y viceversa Analicemos el primer ejemplo que utilizamos en e! capitulo 1, es decir, las puntuaciones de estrés de 151 alumnos de estadistica (Aron et al., 1995). La media de esa distribucién era 6,46, y el des- vio esténdar era de 2,30 (SS = 797,5; SD? = 797,5/151 = 5,28; SD = 5,28 = 2,30). ‘Media, varianza, desvio estindar y puntuaciones Z 55 La figura 2-18 muestra la relacién entre las escalas de puntuaciones brutas y de puntuaciones Z. Si la puntuacién bruta del estrés de un alumno era 9, ese alumno se encuentra claramente por encima de la media. Especificamente, al utilizar la férmula obtendriamos: X-M _9-646 _ 254 wD 23° 23 En comparacién, otro alumno presenta una puntuaciGn Z de -2,37, un nivel de estrés claramente menor la media, Utilizando la formula, la puntuacién bruta exacta se calcula de la siguiente forma: X = (Z)(SD) + M = (-2,37)(2,3) + 6,4 10 (2-7) —5,45 + 6,46 = 1,0 Analicemos algunos ejemplos tomados del estudio sobre la cantidad de interacciones sociales vi- vvidas por estudiantes en una semana (McLaughlin-Volpe et al., 1998). Recordemos que la media era 17,4 y el desvio esténdar 11,49. Un alumno que tuvo 17 interacciones en una semana presenta un desvio de ~ 0,4 (es decir 17 - 17,4 = - 0,4). Por lo tanto, la puntuacién Z es ~ 0,03 (es decir ~0,4/11,49 = -0,03). Esta cantidad de interacciones se encuentra apenas por debajo de lz media. De modo similar, un estudiante que vivié 36 interacciones sociales en una semana presenta un desvio de 18,6 (es decir, 36 - 17,4 = 18,6), La puntuacién Z es 1,62 (es decir 18,6/11,49 = 1,62). Este alumno se encuentra a 1,62 desvios estindar por sobre la media en lo que se refiere a interac- ciones sociales vividas en el plazo de una semana. Para hacerlo del modo inverso, supongamos que supiéramos que la puntuacién Z de un alumno fue 0,57. La puntuacién bruta de ese alumno (referido a la cantidad de interacciones sociales) seria igual a la puntuacién Z por el desvio esténdar mas la media: (0,57 x 11,49) + 17,4 = 23,95 (redondeando, esta persona tuvo 24 interacciones sociales). La figura 2-19 muestra estas relaciones. Finalmente, analicemos el ejemplo referido al tiempo de lectura de oraciones. Recorde- mos que en ese estudio calculamos que la media del tiempo de lectura de 100 estudiantes era 2,755 segundos y el desvio esténdar de 0,143 segundos. Un alumno con un tiempo de lectura de 2,88 segundos presenta una puntuacién Z calculada de la siguiente forma: a XiM _ 288-2755 _ 0,125 SD 0,143 0,143 Un alumno con una puntuacién Z de 2,0 presenta un tiempo de lectura calculado de la si- guiente forma: 0,87 X = (Z)(SD) + M = (2,0)(0,143) + 2,755 = 0,286 + 2,755 041 Figura 2-18, Escalas de puntua- 90) ciones brutas y puntuaciones Z ‘Alum | referidas alos valores de estrés { de 151 alamnos de estates 7 Pie (Fuente: Aron, Paris, & Aron, powcr 1995), con las observaciones Puntacién de estes: G16 686-876 11.06 1236 de dos alumnos tomados como muestra. 56 Estadistica para psicologia El tiempo de lectura de um alumno con una puntuacién Z de -1,1 es el siguiente: X= (Z)(SD) + M = (-1,1)(0,143) + 2,755 = -0,157 + 2,755 = 2,598 La figura 2-20 ilustra estas relaciones, Algunas caracteristicas de las puntuaciones Z La media de una distribucién de puntuaciones Z siempre es exactamente 0, debido a que la con- versiGn de observaciones a puntuaciones Z involucra restar la media de cada puntuacién bruta. Para decirlo de otro modo, la suma de las puntuaciones Z.positivas de una distribucidn siempre debe ser igual a la suma de las puntuaciones Z negativas de dicha distribucién. El desvfo estandar de una distribucién de puntuaciones Z siempre es exactamente 1, debido a gue la conversi6n de observaciones a puntuaciones Z involucra dividir cada desvio por el desvio estindar. Ademés, dado que el desvio esténdar es 1, la varianza, es decir el desvio estandar efeva- do al cuadrado, también es siempre 1, La tabla 2-5 indica las puntuaciones Z correspondientes al estudio de las sesiones de terapia, junto con los célculos de la media y e} desvio esténdar de esas puntuaciones Z. Este ejemplo demuestra que, traténdose de puntuaciones Z, 1a media es 0 y el desvio estandar (y varianza) es 1. Las puntuaciones Z se denominan a veces puntuacién esténdar, debido a que presentan valo- res estindares para la media y el desvio estndar. También se debe a que, como vimos anteriormen- te, las puntuaciones Z brindan una especie de escala de medicién esténdar para cualquier variable. (Sin embargo, a veces el término puntuacién estindar se utiliza sélo cuando las puntuaciones Z se refieren a una distribucién que es una curva normal. Como veremos més adelante, en el capitulo 5, las puntuaciones Z son aun mis utiles cuando la distribucién es una curva normal). Ademés, a veces se catcutan puntuaciones similares a puntuaciones Z cuya media es un niimero distinto de 0 y cuyo desvio estandar es un nimero distinto de 1. Por ejempto, en aigu- nas pruebas utilizadas por psicétogos clinicos, se crean escalas especiales en las que la media es 50 y el desvio estandar es 10. Por lo tanto, un registro de 65, en esta escala, serfa igual a una puntuaci6n Z de 1,5. “igura 2-19. Escalas de puntuaciones brut y puntuaciones 2 referidas a 249) la cantidad de interacciones sociales Aumnao3 vividas por 94 alumnos durante una 79) |" B69) semana, con las Observaciones de et tres alumnos tomados como mues- + 1 ta, (Fuente: McLaughlin-Volpe et Puntuscién Z-3 1 0 ot ek al., 1998) -—+—+- 2 Registro de actitud: S91 1740 2889 4038 Figura 2-20. Escalas de puntuacio- mes brutas y puntuaciones Z refe- 2598) 238) Gou ridas al tiempo de lectura de ora- ‘Aluimne 3 Alumno t Alurino 2 ciones ambiguas por parte de 100 } + } alumnos (datos ficticios),con 105 punyuaciones 2: — om 4 2 registro de tres casos tomados co- ‘mo muestra, Tiempo de lectura: 2.326, 2612 2755 2898 30H 3,184 Media, varianza, desvio estindar y puntuaciones 2 57 El tiempo de lectura de un alumno con una puntuacién Z de —i,1 es el siguiente: X = (Z)(SD) + M = (~1,1)(0,143) + 2,755 = -0,157 + 2,755 = 2,598 La figura 2-20 ilustra estas relaciones. Algunas caracteristicas de las puntuaciones Z La media de una distribucién de puntuaciones Z siempre es exactamente 0, debido a que la con- versién de observaciones a puntuaciones Z involucra restar fa media de cada puntuacién bruta, Para decirlo de otro modo, la suma de las puntuaciones Z positivas de una distribucién siempre debe ser igual a la suma de las puntuaciones Z negativas de dicha distribucién. E{ desvio estandar de una distribucién de puntuaciones Z siempre es exactamente 1, debido a que la conversién de observaciones a puntuaciones Z invofucra dividir cada desvio por el desvio estdndar. Ademés, dado que el desvio estandar es 1, la varianza, es decir el desv{o estandar eleva- do al cuadrado, también es siempre 1. La tabla 2-5 indica fas puntuaciones Z correspondientes al estudio de las sesiones de terapia, junto con los célculos de la media y el desvio estindar de esas puntuaciones Z. Este ejemplo demuestra que, tratdndose de puntuaciones Z, la media es 0 y el desyfo estandar (y varianza) es 1 Las puntuaciones Z se denominan a veces puntuacién estindar, debido a que presentan valo- res esténdares para la media y el desvio estndar, También se debe a que, como vimos anteriormen- te, las puntuaciones Z brindan una especie de escata de medici6n estindar para cualquier variable, (Sin embargo, a veces el término puntuacién estandar se utiliza s6lo cuando las puntuaciones Z se refieren a una distribucién que es una curva normat. Como veremos mas adelante, en el capftulo 5, fas puntuaciones Z son aun més tiles cuando la distribuci6n es una curva normal) ‘Ademds, a veces se calculan puntuaciones similares a puntuaciones Z cuya media es un niimero distinto de 0 y cuyo desvio estandar es un ntimero distinto de 1, Por ejemplo, en algu- nas pruebas utilizadas por psicélogos clfnicos, se crean escalas especiales en las que la media es 50 y el desvio estandar es 10. Por lo tanto, un registro de 65, en esta escala, seria igual a una puntuacién Z de 1,5. Figura 2-19, Escalas de puntuaciones dnetas y puntaciones Z referidas a aan) la cantidad de interacciones sociales a Cai een vividas por 94 alumnos durante una i Semana, con las observaciones de ‘unao | alumoo 2 tres alumnos tomados como mues- + tra. (Fuente: McLaughlin-Volpe et Puntuacién Z: al., 1998). Regis de acta: 591740 2899 4038 Figura 2-20. Escalas de puntuacio- nes bratas y puntuaciones Z rete: 253) @88 Gout, ridas al tiempo de lectura de ora- Ammo 3 Alumna! Ata 2 ciones ambiguas por parte de 100 { + 4 alumnos (datos ficticios), con los ees registros de tres casas tomados co- ie ‘mo muestra. Tiempo de lectura; 2.326 2.469 2612 2.755 2898 3,081 3.184 Puntuaciones 2: ~: ‘Media, varianza, desvio esténdar y puntuaciones 2 57 Tabi: Calculo de la media y el desvfo esténdar de puntuaciones Zen el ejemplo de la cantidad de sesiones de terapia, Cantidad de sesiones —-Puntuacién Z ‘Media Desvfo de Desvio (Puntuacién bruta) dela cantidad punto Z Ja puntuacién Z, cuadritico de sesiones. de la puntuacién Z 0,39 0 0,39 OS 0.78 ° 0.78 O61 078 a 0,78 “061 039 0 0,39 oS. “117 0 117 137 -195, 0 195 0,00 0 0,00 ‘17 0 117 7 0 -117 0 0.78 sp=NT: 4 Sino hubiera errores de redondeo, el resultado sera igual a 10 CONTROVERSIAS Y LIMITACIONES: LATIRANIA DE LA MEDIA Aun cuando el uso de la estadistica en psicologfa es tan generalizado que pareciera ser la Gnica herramienta o el Gnico lenguaje de esta disciplina, siempre ha existido una corriente en desacuer- do con el método puramente numérico. Es nuestra intencién informar al lector, a lo largo del li- bro, sobre las controversias que existen en el campo de [a psicologia con respecto a la estadistica. Consideramos que un buen tema para comenzar a hacerlo es precisamente el debate referido al abuso de las estadisticas. El “padre de la psicologfa”, Wihelm Wundt, pensaba que los experimentos y las estadisticas debfan limitarse a temas tales como la percepcién y la memoria, una opinién que rara vez se men- ciona. El método apropiado para las otras areas de la psicologia era el andlisis y la interpretacién del significado, procedimientos que prescinden de los nimeros (McLeod, 1996). El conductismo se describe con frecuencia como la escuela de psicologia hist6ricamente mas dedicada a mantener este campo dentro de un ambito estrictamente cientifico. El conductismo se inicié alrededor del aio 1913, con el rechazo por el estudio de los estados interiores del individuo debido a la imposibilidad de observarlos objetivamente. Pero el mas ardiente portavoz del con- ductismo, B. F. Skinner, se oponia rotundamente a la estadistica, Skinner Ileg6 incluso a decir: “Preferiria ver a un graduado en psicologia asistir a un curso de fisico-quimica que de estadistica. E incluiria (presumiblemente antes que la estadistica) otras ciencias, incluso poesfa, musica y ar- te” (Evans, 1976, p. 93). . {Por qué Skinner se oponfa tan rotundamente a la estadistica? El sostenfa que observar el com- portamento es la mejor forma de comprenderlo, y se referia a la observacién de casos individuales. 58 Estoditica para psicologia Hacfa notar constantemente los datos que se perdfan por promediar los resultados de varios casos. Por ejempto, Skinner (1956) mencionaba el ejemplo de tres ratones que comfan en exceso: uno na- turalmente obeso, otro envenenado con oro y otto cuyo hipotéiamo habja sido alterado. Cada uno presentaba una curva de aprendizaje diferente (patron de velocidad de aprendizaje) en relacién con la destreza necesaria para presionar una barra y alcanzar el alimento; esto revelaba muchos aspec- tos acerca de los habitos alimenticios ocasionados por cada una de las distintas enfermedades. Si se hubieran sumado o unificado estadisticamente las Curvas de aprendizaje, el resultado no hubiera re- presentado los habitos alimenticios reales de ningtin ratén real. Segiin el mismo Skinner, “estas tres curvas individuales contienen mds informacién de la que podria haber sido generada por medidas que requirieran un tratamiento estadistico; sin embargo, las mismas serén analizadas con descon- fianza por muchos psicélogos porque representan casos individuales”. (p. 232) Diferente fue el pedido de precaucién emitido por la psicologia humanistica, cuyos comien- zos datan de la década de 1950 como “tercera fuerza” en contraposicién al conductismo y a la principal alternativa del momento, el psicoandlisis freudiano. Ei tema central de la psicologfa hu- manistica establecfa que la conciencia humana debfa ser estudiada fntegramente, como un todo, exactamente como es experimentada por el individuo. No es posible explicar totalmente la expe- riencia humana reduciéndola a niimeros (asi como tampoco es posible explicarla reduciéndola a palabras). La experiencia de un individuo es compleja y tnica. En el rea de la psicologia clinica y del estudio de la personalidad, a menudo se han levanta- do voces para argumentar que puede aprenderse mucho més sobre aquello que es realmente im- portante en psicologia a partir del andlisis profundo de una persona, que respecto de promedios entre varias de ellas. Es decir, el método idiogréfico contra el nomotético, pars utilizar los térmi- nos que Gordon Ailport tomé de Wilhelm Windelband (véase Hilgard, 1987). ¥ la base filos6fica del andlisis profundo de los individuos puede encontrarse en la fenomenologia, que nacié en Eu- ropa después de la Primera Guerra Mundial (véase Husserl, 1970 La fenomenologia es una posicién filos6fica opuesta a! positivismo l6gico. El positivismo 16- gico sostiene que existe una realidad objetiva a ser conocida. Es la posicién filos6fica que susten- ta tradicionalmente los esfuerzos cientificos. Se considera que la ciencia puede descubrir esa realidad objetiva o verdadera dado que utiliza experimentos que cualquiera puede observar o re- petir para obtener los mismos resultados. Los fenomenélogos sostienen, sin embargo, que inclu- 0 estas reiteradas observaciones son en realidad hechos particulares realizados en forma consciente. Uno no puede saber si lo que entiende por “verde” o “Ia rata presion6 la barra siete ve- ces” es lo que cualquier otro entiende por esas mismas palabras. Segtin los feomendlogos, no existe una realidad objetiva de la cual todos podamos estar seguros. En la actualidad, el principal desafio para la estadistica proviene del fuerte renacimiento del interés en los métodos “cualitativos” de investigacién. Ha habido una creciente preocupacién en- tre algunos psicdlogos con respecto a que, luego de cien afios de investigacién estadistica cuanti- tativa, Ia psicologia ha producido lo que ellos consideran conocimientos de muy poca utilidad social (Jessor, 1996). Esperan que, analizando cuidadosamente como un todo a unos pocos seres hhumanos en su contexto se puedan obtener mejores resultados Highlen y Finley (1996) describen cinco posibles posiciones filoséficas que acompafian la in- vestigacién cualitativa. La primera adopta el positivismo ldgico y busca una realidad objetiva a través de métodos cualitativos. También existe el pospositivismo, que sostiene la existencia de ‘una realidad verdadera pero que nunca conoceremos completamente, No obstante, esforzéndonos podemos acercamos a ella, La visiGn del constructivismo subraya la existencia de miltiples rea- lidades, Cada uno de nosotros construye un significado a partir de la experiencia, y la psicologia deberia intentar comprender algunos de esos significados. La visién critica también nicga cual- quier realidad objetiva. Sostiene que toda ciencia sirve al propésito de alguien, y el propésito co- Media, va anza, desvio estindar y puntuaciones 2 59 recto es la liberacién de los més débiles a través de, por ejemplo, el feminismo o el neomarxis- mo. Finalmente, a visién postestructural persigue el objetivo de desafiar toda realidad social- mente establecida, la cual es considerada el producto de quienquiera que detente el poder. Si el alumno atin no ha considerado este tema, aconsejamos averiguar y leer al respecto para comenzar a formar una opinién propia. Cualquiera sea la posicién filos6fica subyacente, os métodos cualitativos incluyen andlisis de casos, etnografia, fenomenologia, interaccionismo simbélico, andlisis de sistemas ¢ “investi- gacién de la acciGn” (Highlen & Finley, 1996). Estos métodos se desarrollaron principalmente en antropologia, en donde el conductismo y el positivismo légico nunca tuvieron la influencia que lograron en la psicologta. Los métodos cualitativos usualmente implican largas entrevistas u ob- servaciones de unos pocos individuos; mientras se realizan las entrevistas, el investigador alta- mente capacitado decide qué aspectos merecen ser recordados, registrados y analizados por medio de otras preguntas y observaciones. Segtin esta postura, la mente del investigador es la he- rramienta principal, ya que s6lo esa mente puede localizar las relaciones importantes entre las, muchas categorfas de hechos que surgen de las palabras de quien responde. Algunos psicélogos (p. ej., Kenney, 1995; McCracken, 1988) sostienen que los métodos cuantitativos y cualitativos pueden y deben complementarse. Primero deberfamos descubrir las categorfas importantes a través de un enfoque cualitativo, y luego determinar su incidencia en una poblacién mayor a través de métodos cuantitativos. Este grupo de psicélogos sostiene que, con frecuencia, los investigadores cuantitativos deciden apresuradamente cudles son las categoria importantes sin explorar primero la experiencia humana con respecto a ellas, a través de entrevis- tas de preguntas abiertas u observaciones. ‘También resultan de interés las opiniones muy originales del psiquiatra Carl Jung sobre lo que él Ilamaba “el estado de dnimo estadistico”. Tal como lo expresara la analista jungiana Marie Louise von Franz (1979), “tenemos un estado de énimo estadistico cuando caminamos por una calle y observamos los cientos de rostros inexpresivos y comenzamos a sentirnos disminuidos”. Nos sentimos simplemente uno més de la multitud, comunes, O bien, cuando estamos enamora- dos, sentimos que a otra persona es tinica y maravillosa; no obstante, cuando nuestro estado de 4nimo es estadistico, nos damos cuenta de que la otra persona es comiin, igual a muchas otras. ‘Von Franz sefiala, sin embargo, que si sucediera una catéstrofe, cada persona responderfa de forma iinica. En la vida existe al menos tanta irregularidad como regularidad. El hecho de que esta mesa no levite sino que permanezca donde esta s6lo se debe a que los miles y miles y miles de millones de electrones que la forman tienden a comportarse de ese modo estadis- ymente. Pero cada electr6n por si mismo podria comportarse de modo diferente. (p. 1v-17) Seguin Franz, el estado de Snimo estadistico es dafiino para el amor y la vida, Para contrarres- tarlo, “se necesita un acto de lealtad para con nuestros propios sentimientos” (p. 1V-18). Los senti- mientos “hacen que la vida, al igual que tas relaciones y los actos parezcan tnicos y les dan un valor definido” (pp. 1v-18-1v-19). En particular, sentir !a importancia de nuestras acciones indivi- duales hace menos posibles las inmoralidades, como por ejemplo la guerra y el homicidio. No po- demos contar los muertos como si fueran nimeros sino que debemos trataslos como personas, con emociones y objetivos, como nosotros mismos. Para resumir, podemos decir que siempre han existido buenas razones para limitar nuestro pensamiento estadistico a su propio territorio, y dejar que nuestro corazdn gobierne libremente los otros. 60 Estadistica para psicologia tA MEDIA ¥ EL DESV{O ESTANDAR SEGUN SE DESCRIBEN EN PUBLICACIONES CIENTIFICAS. En las publicaciones cientificas normalmente s¢ hace referencia a la media y al desvio esténdar. ‘Aunque la varianza y las puntuaciones Z son extremadamente importantes como pasos de procedi- mientos avanzados que aprenderemos més adelante, rara vez son mencionadas en las publicaciones. En algunas oportunidades, la media y el desvio estandar son incluidos en el texto de una pu- blicacién. Por ejemplo, nuestra psicoterapeuta ficticia podria escribir: “La cantidad media de se- siones tomadas por ios tiltimos [0 pacientes fue 6,0 (SD = 2,57).” En las tablas, frecuentemente se hace referencia a la media o al desvio estdndar, en especial cuando se involucran varios grupos 0 cuando los participantes en la investigacién son analizados en varias condiciones diferentes. Por ejemplo, Orbach y sus colegas (1997), en un estudio realiza- do en Israel, compararon un grupo de pacientes suicidas de un hospital para enfermos con proble- mas mentales (individuos que babian realizado intentos serios de suicidio), pacientes no suicidas de un hospital para enfermos con problemas mentales con diagnosis similares, y un grupo de con- trol (voluntarios de la comunidad). El objetivo del estudio era probar la teoria de que los suicidas tienen mayor tolerancia at dotor fisico; que su mAs alto umbral de dolor hace que para ellos sea mis sencillo realizar los dolorosos actos que implica un suicidio, Los investigadores realizaron las pruebas de rutina para medir el umbral de dolor y otras sensaciones, y entregaron varias cues- Gionarios a fos tres grupos. La tabla 2-6, reproduccidn de la que aparece en su articulo, refleja la media de cada grupo en todas las mediciones. ‘Tabla 2-6. Medias y desvios estandar de medidas de dolor, tendencias suicidas, disociacién y medidas emocio- rales del grupo de estudio, Suicidas Psiquiétricos Normales Medicién MSD OM SD M ‘SD Umpral de percepeién 38.09 5313593314 33,03 0s2 Umbral de dolor 4537 4814228 3.68 40,01 363 Tolerancia al dolor 48.29 260 4668 3 4631 422 Maxima toterancia 255 243 0661.29 LN 191 Estimacién de magnitud 054 0120.57 0089009, Atraccién hacia la vida 288 098 = 3480914 056 Atraccisn hacia la muerte 362 604 262,87 = 2.60080 Repulsi6n aa vida 302 «0920-241 0.76 1.93 066 Repulsin a la muerte 185 082 © 280 ©1004. 2.64 101 Disociacién afectiva 236 067 «= 212,49 DO a2 Disociacién cognitiva 210072 «176 037, 77a Disociacién relacionada con elcontrol 207 0,73 193 OST) 6852 Desesperatiza 1006-5399 5554234373170 Depresion 28 121 230 090 184 075 Angustia 236 090-204 088.95 0,68 ‘Nota: Altos indices de atraccién hacia la vida y repulsi6n a la muerte representan bajas tendencias suicidas; bajos indi- ces de repulsign a la muerte y atraccidn hacia la vida representan altas tendencias suicidas. Fuente: Orbach, I etal. (1997), tab. 1."Umbral y tolerancia al dolor fisico en adolescentes suicidas y no suicidas”. Re- vista Ciennfica de Psicologia de Asesoramiento y Clinica [Journal of Consulting and Clinical Psychology), 65. 646-652. Copyright, 1997, por la Asociacién Americana de Psicologia {American Psychological Association}, Reim- reso con autorizacién, Media, varianaa, desvio estindar y puntuaciones Z 61 Como podemos observar en Ia tabla, coincidentemente con las predicciones de los investiga- dores, el grupo suicida presentaba un umbral més alto de dolor que los otros dos grupos y diferfa de éstos también en varias otras medidas. (Cabe destacar especialmente la gran diferencia entre el ‘grupo suicida y los otros dos grupos en cuanto la “desesperanza”), Por supuesto, tal como lo in- dican los desvios esténdar, hay mucha superposicién entre los grupos con respecto a estas medi ciones. Es decir, aunque teniendo en cuenta el promedio, el grupo suicida presenta un mayor umbral de dolor; existen muchos pacientes suicidas con umbrales de dolor menores a los de los otros grupos, y muchos individuos no suicidas con mayor umbral de dolor. La tabla 2-7 (tomada de Norcross et al., 1996) presenta un ejemplo particularmente interesan- te, No muestra desvios estndar pero s{ medias y medianas. Por ejemplo, en 1992, la media de as- pirantes a doctorados de asesoramiento psicol6gico era 120,2, pero la mediana era s6lo 110. Esto sugiere que existian ciertos programas con una gran cantidad de aspirantes que tornaban asimétri- calla distribucién. De hecho, podemos ver en la tabla que en casi todos los casos, y tanto para so- licitudes como para inscripciones, las medias son usualmente mayores que las medianas. (Es probable que resulte asombrosa la competitividad que presenta el ingreso a un doctorado en mu- chas de las dreas de la psicologfa. Segiin nuestra experiencia, uno de los factores con bastante in- fluencia en este aspecto, es haber tenido éxito en los cursos sobre estadistica). Tabla 2-7. Estadistica de solicitudes e inscripciones per dea y aiio: Doctorados, Solicitudes Inscripeiones \N*de programas M ‘Man Man Programa 197% 197% 1992 197 1979 19921973" 197 1992 1992 192 Clinica los 130-225 314.4 2526 191k 290 234s D8 Cognit 47 246 2 26 «2 Comunitaria 4 2 5 905 24 60 B 32 2 ‘Asesoramiento 2 43 1334 «909 1302-120 st Desarrallo. 360 72097 S41 3896 $130 Educacional 2% 28 «= 3078397 0 4H Experimentaly general 118.127.7862 332313 #2 SH Salud 7 407 30 445 IndustiaVorganizacionl = «202259 S47 66237 8 D9 Personalidad B Is 10 m7 23033 17 Percepcion/psicofisica 15 83 6 1 1 Fisiologiafbiopsicologia. §=« «40, 43,76 23 20 2 2% wD 39 2 Escolar we 956 Sao 313 33S Social S889 467 09 471 2k Oras 737273 66 Hl 8H TSS Total 566645 1.089 1061 85,2 69.8 316 Nota: Los afios académicos corresponden a las ediciones de postrado de psicologia de 1975-1976, 1981-1982, y 1994 respectivamente "Fuente: Stoup y Benjamin (1982). Fuente: Norcioss, J.C, Hanych, J. M., & Terranova, R. D. (1996), tab. 7. Postgrado de Psicologia: 1992-1993. Psicdlo- go Americano (American Psychologist), $1, 631-643. Copyright 1996, por la Asociacién Americana de Psicologia {American Psychological Association). Reimpreso con autorizacin, 62 Estadistica para psicologia Resumen La media es un promedio comin, es decir, la suma de las observaciones dividida por la cantidad de ellas, Expresado en simbolos, M = EX/N. Otras formas alternativas menos comunes de descripcién de la tendencia central de una distri- buci6n son la moda (el valor més comiin) y la mediana (et valor del registro medio después de or- denar todas las observaciones de menor a mayor). La variaci6n de un grupo de observaciones puede ser descripta a través de la varianza, es de- cir, el promedio de los desvios cuadraticos de cada observacién con respecto ala media. Expresa- do en simbolos: SD? =£(X - MYIN. La suma de fos desvios cuadréticos también se simboliza como SS, Por Jo tanto SD? = SSIN. El desvfo esténdar es la rafz cuadrada de la varianza. Expresado en s{mbolos: SD = VSD*. Para explicarlo en forma més clara, es aproximadamente el promedio de las diferencias entre las observaciones y la media. ‘Una purtuacién Z indica a cudntos desvfos estindar por encima o por debajo de la media se encuentra una puntuacién bruta. Entre otras cosas, las puntuaciones Z sirven para comparar ob- servaciones de variables que tienen diferentes escalas. Siempre ha habido psicélogos que advirtieron los riesgos que implica el uso de la metodolo- afa estadistica, ya que en el proceso de resumir los datos en un promedio se pierde informacién sobre cada caso individual. Las publicaciones cientfficas generalmente hacen referencia a la media y al desvfo estandar, tanto en el texto como en las tablas. En cambio, rara vez se refieren a la varianza y a las puntua- ciones Z. Términos clave ~Tendencia central. = Moda. + Suma de cuadrados (SS). - Formulas de cdiculo. -N. ~ Varianza (SD?), - Formulas de definicién. -Puntuaciones brutas. _~ Puntuaciones Z. - Desvio. - Desvio cuadratico. -E - Media (M). = Desvio esténdar (SD). - Mediana, ~ Puntuaciones esténdar. Ejercicios Para adquirir practica en la utilizacién de Los ejercicios implican 1a realizacién de célculos (con la ayuda de una calculadora). La mayorfa de los problemas estadisticos reales se resuelven por computadora, pero aunque exista la posibilidad de utilizar una computa- dora, es Conveniente realizar estos ejercicios manualmente para incorporar el método de trabajo. una computadora, para resolver problemas es- tadfsticos, se puede utilizar la seccién de com- putacién de cada capitulo, publicada en la Guia de estudio y libro de tareas de computacién pa- ra el alumno [Student's Study Guide and Com puter Workbook} que acompafia este libro. Todos los datos de esta secci6n son ficti- cios (a menos que se especifique lo contrario). Las respuestas a los ejercicios de fa serie I se encuentran al final del libro. Media, varianza, desvio esténder y puntuaciones Z 63 SERIET 1. Para cada serie de observaciones deter- mine lo siguiente (muestre los pasos a seguir): a) media, b) mediana, c) SS (suma de cuadra- dos), d) varianza y e) desvio esténdar. Serie A: 32, 28, 24, 28, 28, 31, 35, 29, 26. Serie B: 6, 1, 4,2, 3, 4, 6,6. 2. El 26 de diciembre, en Montreal, la temperatura, medida en 10 oportunidades elegidas al azar y en grados Celsius, fue de - 5,-4,-1, -1, 0, -8, -5, -9, -13, y -24. Describa Ja temperatura tipica y la variaci6n de la tem- peratura a una persona que nunca ha asistido aun curso de estadistica. Presente tres mane- ras diferentes de describir la temperatura ti- pica y dos formas de describir la variacién, explicando las diferencias entre ellas y cémo fueron calculadas. (Aprenderé mis si intenta escribit primero su propia respuesta, antes de leer la nuestra. Su propia respuesta no nece- sariamente debe ser tan completa como la respuesta modelo dei libro). 3. Se realiza un estudio sobre la cantidad de suefios narrados por 30 personas en psicote- rapia, durante un perfodo de dos semanas. En ‘una publicacién que describe los resultados, los autores informan: “La cantidad media de suefios fue 6,84 (SD = 3,18).” Explique el sig- nificado del enunciado anterior a una persona que nunca ha asistido a un curso de estadistica. 4. En una medicién de angustia, la media es 79 y el desvio estindar es 12. ,Cudles son las puntuaciones Z correspondientes a cada una de Jas siguientes puntuaciones brutas? a) 81, b) 68, ©) 103. 5. En una prueba de inteligencia en par- ticular, la cantidad media de items correctos es 231, y el desvio estindar 41. ;Cudles son las puntuaciones brutas en esta prueba para perso- nas con ct (Cociente intelectual) de a) 107, b) 83, yc) 100? (Elcres igual a 100, més 16 multipli- ‘ado por la puntuacién Z. La medida de los ct es 100 y el desvio estindar 16.) (Nota: para re- solver este problema, primero calcule la pun- tuacién Z correspondiente a cada ct; luego uti- 64 Estadistica para psicologia lice esa puntuacién Z para calcular la puntua- cién bruta), 6. Seis meses después de divorciarse, ca- da uno de los ex esposos de una pareja realiza una prueba para medir su adaptacién al di- vorcio, El registro de la esposa es 63 y el del esposo 59. Por lo general, la media para mu- jeres divorciadas que realizan esta prueba es 60 (SD = 6); la media para hombres divorcia- dos es 55 (SD = 4). {Cudl de los dos se ha adaptado mejor al divorcio en relacién con otras personas divorciadas del mismo sexo? ‘Explique su respuesta a una persona que nun- caha asistido a un curso de estadistica. SERIE Ih 1. Defina media, mediana y moda. Cite un caso en el que la mediana serfa la medida pre- ferida de la tendencia central. 2. Para cada serie de observaciones deter- mine lo siguiente (muestre los pasos a seguir): a) media, b) mediana, c) SS (suma de cuadra- dos), d) varianza ye) desvio estindar. Serie A: 2,2, 0,5, 1,4, 1,3, 0,0, 1,4,4,0, 1,4, 3,4,2, 1,0 Serie B: 1.112, 1.245, 1.361, 1.372, 1.472 Serie C: 3,0, 3,4, 2,6, 3,3, 3,5, 3,2 3. Un psicdlogo interesado en el eompor- tamiento politico midié los pies cuadrados de los escritorios de los despachos de cuatro go- bernadores de los Estados Unidos de Nortea- mérica y de cuatro ejecutivos de alto nivel de importantes corporaciones norteamericanas. Las cifras correspondientes a los gobernadores eran 44, 36, 52 y 40. Las cifras correspondien- tesa los ejecutivos eran 32, 60, 48 y 36. Calcu- le la media y el desvio estindar de los gobernadores y de los ejecutivos, y explique su céleulo a una persona que nunca ha asistido a un curso de estadistica. Observe también de qué forma difieren las medias y los desvios es- tindar e intente explicar el significado de esas diferencias, suponiendo que estos casos repre- sentan a los gobernadores y a los ejecutivos de ‘grandes corporaciones de los Estados Unidos de Norteamérica en general. 4, Un estudio mide la cantidad de dias que 216 empieados de una gran empresa fal- taron a su trabajo durante el afio anterior a la medicién. Como parte de los resultados el in- vestigador informa jo siguiente: “La cantidad de dfas de ausentismo durante el afio anterior (M =9,21; SD = 7,34) fue...” Explique la infor- ‘macién contenida entre paréntesis a una persona que nunca ha asistido a un curso de estadistica. 5. En una medicién esténdar de capacidad auditiva, le media es 300 y ef desvio estindar es 20, a) Calcule las puntuaciones Z de las per- sonas que presentaron registros de 340, 310 y 260. b) Caleule las puntuaciones brutas de aguellas personas cuyas puntuaciones Z, en es- ta prueba, fueron 2,4, 1,5, Oy 4,5. 6. La puntuacién de una persona en una prucba de aptitud verbal es de 81, y de 6,4 en una prueba de aptitud numérica. En el caso de Ja prueba de aptitud verbal, la media para las personas en general es 50 y el desvio esténdar €s 20. En el caso de la prueba de aptitud numé- rica, 1a media para las personas en general es 0 yel desvio estindar es 5. {Cul es la mayor ap- titud de esta persona, la verbal o la numérica? Explique su respuesta a una persona que nunca ha asistido a un curso de estadistica. APENDICE DEL CAPITULO: FORMULAS DE CALCULO OPTATIVAS DE LA VARIANZA Y EL DESVIO ESTANDAR Se han desarrollado formas alternativas pero mateméticamente equivalentes a Jas f6rmulas de varianza y desvio esténdar con el fin de facilitar los cAlculos cuando se realizan a mano, tal co- mo era necesario antes de la invencién de la computadora o de la calculadora con funcién para el célculo del desvio. Como mencionamos anteriormente, ésta es la formula de definicién para el célculo de la varianza: = 3(X=mP N Es muy tedioso realizar este cAlculo a mano, ya que primero deberiamos calcular el desvfo de ca- da caso. Sin embargo, el numerador de esta ecuacién, la suma de cuadrados, puede manipularse algebraicamente de modo tal que sélo sea necesario utilizar la suma de todas las observaciones (algo que ya habré sido calculado para encontrar la media) y la suma de los cuadrados de cada ob- servaci6n Feal (Jo que resulta mucho més répido de calcular que tener que encontrar primero cada desvio y luego elevarlo al cuadrado). Esta formula alternativa es la siguiente: Ex? - (Ex) IN N Observemos que LX? implica que se eleva al cuadrado cada observacién y luego se suman esos cuadrados. Por otro lado, (EX)? implica que primero se suman todas las observaciones y luego se eleva esa suma al cuadrado. La formula de célculo del desvio esténdar es 1a rafz cuadrada de la férmula de céleulo de la varianza: sp so (2-9) [sx?-(sxy7n_ N SbD= 65 ‘Media, varianza, desvio esténdar y puntuaciones Z La tabla 2-8 muestra el célculo de la varianza y el desvfo estndar de la informacién corres- pondiente a nuestro ejemplo sobre sesiones de terapia, utilizando la f6rmula de célculo, Compare este célculo con el que aparece en la tabla 2-2, que se basa en la misma informacién pero utiliza la formula de definicién, Tabla 2.8, Calculo deta varianza y ef desvfo esténdar correspondiente al ejemplo sobre sesiones de terapia, utilizando tas f6rmulas de célculo. Cantidad de sestones Cantidad de sesiones alcuadrado 3) (x 7 9 8 64 8 oa 1 49 3 9 1 1 6 36 9 a1 3 9 8 64 5:60 426 EXC (EAVIN __ 426-6010 _ 426-3.600/10 426-360 66 _ 6 N 10 10 100 SD =\SD? = 166 =2,57 66. Estadistica para psicologia