Aplicacion de La Estadistica A La Psicologia

Esta investigacin, arbitrada por pares acadmicos, se privilegia con
el aval de la institucin propietaria de los derechos correspondientes.
Ia edicin, julio del ao 2005

Ia reimpresin, junio del ao
2012
2005-2012 UNIVERSIDAD NACIONAL AUTNOMA DE
MXICO FACULTAD DE ESTUDIOS SUPERIORES ZARAGOZA
2005-2012
Por caractersticas tipogrficas y de diseo
editorial
MIGUEL NGEL PORRA, librero-editor
Derechos reservados conforme a

la ley
ISBN 970-701-587-X
Queda prohibida la reproduccin parcial o total, directa o indirecta del
contenido de la presente obra, sin contar previamente con la
autorizacin por escrito de los editores, en trminos de la Ley Federal del
Derecho de Autor y, en su caso, de los tratados internacionales
aplicables.
A Osiris, Alan y Astrid, por lo que representan para m. A

Javier y Monse, por ser lo ms importante en mi vida.
En la realizacin de este libro particip un grupo de

personas con aportaciones que fueron valiosas para el
buen trmino de este proyecto: Cinthia Cruz del Castillo,
Anglica Romero Palencia, Gerardo Benjamn, Tonatiuh
Villanueva Orozco, Blanca Ins Vargas Nez y Claudia
Lpez Becerra.
Tambin queremos agradecer a Argentina Lpez
Becerra por ayudar a transcribir estos apuntes
MIRNAYSOFA
Prlogo
La
investigacin en psicologa es fundamental para el entendimiento del
comportamiento humano y para el desarrollo de programas e intervenciones

efectivas. Adicionalmente, la investigacin representa un proceso complejo en el
que
los
fenmenos
constructos
investigar
son
multidimensionales,
multicausales y multideterminados. Hacer justicia a los eventos y problemticas

estudiadas y asegurar la validez y confiabilidad de los hallazgos requiere de una
sofisticacin conceptual y tcnica profunda y sistemtica. De hecho, es necesario
que diferentes investigadores indaguen distintos aspectos de un mismo problema,
obtenindose as resultados que contribuyen a explicar el fenmeno de manera
integral.
La
obtencin
de
hallazgos
contundentes
replicables
implica
una
conceptualizacin terica slidamente fundamentada y la realizacin de una serie

de pasos metodolgicos y estadsticos sistematizados -protocolo cientfico- que
permitan sopesar la congruencia de los resultados con la realidad y su grado de
generalizacin. Como uno de estos pasos, el anlisis estadstico de los datos,
implica la seleccin de pruebas estadsticas contingentes con el nivel de medicin,
consistentes con el mtodo planteado y aplicados e interpretados por el
investigador de manera apropiada.
Para los psiclogos que consumen investigacin para sus intervenciones,
realizan investigaciones o estn en formacin, la tarea de elegir la prueba
estadstica adecuada, requiere de apoyo didctico. En este sentido, el que ese sea el
objetivo principal de este libro es un evento afortunado, lo cual slo es superado
por el hecho de que su utilidad se multiplique al ser un texto planteado en
trminos didcticos, sencillos y precisos, que les permita discernir la lgica
inherente a la estadstica en general y a cada prueba en particular.
Con el propsito de arribar a un utensilio concreto, aplicable, prctico, claro y

til, las autoras del texto desarrollan paso a paso las diferentes pruebas
estadsticas necesarias a la investigacin psicolgica, acompaadas de su manejo
minucioso a travs del paquete estadstico para las ciencias sociales (SPSS),
acompaados de la forma correcta de interpretacin de los resultados. Los
elementos de la obra hacen de ella una consulta indispensable, a partir de un
material bsico y comprensible. Colateralmente, el libro ofrece la aplicacin de la
estadstica a partir de ejemplos relacionados a los problemas sociales del pas.
Como punto final, adems de recomendar ampliamente el uso de la obra, felicito a
las autoras y al programa PAPIME de la UNAM que a travs del financiamiento del
proyecto EN314903 hizo este trabajo posible.
ROLANDO DAZ LOVING
Introduccin
La
curiosidad del ser humano por saber por qu? y para qu? de las
relaciones interpersonales, y cmo ocurren stas en diferentes contextos -pareja,

familia, amigos, trabajo, escuela, etctera- ha generado infinidad de explicaciones y
descripciones en tomo al tema. Algunas de estas explicaciones surgen de la vida
cotidiana y se asumen como hechos verdaderos, sin ser cuestionados; por ejemplo,
la aseveracin de que las mujeres son emocionalmente dbiles. Esta es una
afirmacin compartida por muchos, sin embargo, carece de evidencia emprica y
sustento terico que la respalde, elementos que marcan la diferencia entre las
aseveraciones populares y aquellas que estn sustentadas tericamente y que son
medidas rigurosamente.
En el ejemplo anterior surgen preguntas como, todas las mujeres?, las que
caen dentro de un rango de edad determinado?, las solteras, casadas, viudas,
divorciadas o que viven en unin libre?, las que tienen determinado nivel de
escolaridad?, las que trabajan o las que son amas de casa?... De una afirmacin
aparentemente simple emanan una serie de interrogantes, lo que conduce a uno de
los puntos centrales de la investigacin: el objetivo que se quiere alcanzar, esto es,
para delimitar lo que se va a investigar es necesario tener claridad en el propsito
de la investigacin.
En este escenario, la estadstica es una herramienta que emplea el investigador para describir sus datos y para tomar decisiones. El tipo de prueba
estadstica a usar depender del objetivo de la investigacin, de su diseo, del
tamao de la muestra y de sus hiptesis.
De esta forma, la estadstica es una coleccin de hechos numricos que
permiten hacer inferencias de una muestra a una poblacin. Se clasifica en
descriptiva e inferential. La estadstica inferencial a su vez se clasifica en no

paramtrica y paramtrica.
13
As, la estadstica es una herramienta imprescindible del psiclogo,

sobre todo cuando realiza investigacin. Su aplicacin en el campo de la
psicologa no es nueva, tal como lo seala Downie y Heat (1973) quienes
refieren que en la dcada de 1880 Cattell se relacion con estadsticos
europeos, evento que influy en la aplicacin de los mtodos estadsticos
en el mbito de la psicologa.
De igual forma, tampoco es de sorprender la complejidad que representa comprender y aplicar las pruebas estadsticas a situaciones
especficas de investigacin. Es el caso que al incursionar en el rea de la
investigacin surja una serie de interrogantes con relacin a, qu prueba
es la ms adecuada para lo que se est investigando?, el tipo de medicin
elegido ser el apropiado para la prueba elegida?, el modelo estadstico
seleccionado: paramtrico o no paramtrico es congruente con el tamao
de la muestra y con el tipo de medicin empleado?
En fin, pueden ser muchas las dudas, y cuando se toman decisiones
inapropiadas los resultados y conclusiones derivados de esa investigacin
pueden ser falsos, adems de que se tiene el riesgo de cometer el error
estadstico tipo 1 (Alfa) o el error estadstico tipo 2 (Beta) los cuales se
describirn en este texto.
Precisamente este manuscrito tiene la intencin de proporcionar a los
estudiantes y profesionales de la psicologa un texto que incluya los elementos bsicos de la estadstica, descritos de una manera sencilla y apoyados con ejercicios, algunos de ellos, derivados de la investigacin de la
psicologa en Mxico, tratando de evitar explicaciones complicadas, por lo
que las frmulas que se presentan, as como el desarrollo de las mismas,
tienen como propsito que el lector conozca las operaciones que subyacen a cada una de stas con la intencin de que comprenda la lgica
mediante la cual se obtienen.
Al presente, por cuestiones prcticas es poco probable que el tratamiento de los datos, derivados de una investigacin, se realice en forma
manual -sobre todo cuando las muestras son grandes- lo que conduce a
utilizar el paquete estadstico SPSS que permite en poco tiempo obtener
Sofa Rivera Aragn

14 Mirna Garca Mndez
resultados precisos. Sin embargo, si las instrucciones dadas al SPSS fueron

errneas, los resultados se vern alterados lo que conlleva a interpretaciones equivocadas.
Con la intencin de disminuir estos errores, despus del desarrollo de
las frmulas inherentes a los estadsticos incluidos en el libro, se exponen
ejercicios paso a paso de las pruebas estadsticas, a travs del Statistical
Package for the Social Science (SPSS: paquete estadstico aplicado a las
ciencias sociales). En ambos casos -frmulas desarrolladas y SPSS- cada
ejercicio concluye con la interpretacin de los resultados.1
Con base en lo aqu expuesto, el libro inicia con la exposicin de los niveles de medicin por considerarse fundamentales en la toma de decisiones
referentes a los pasos que proceden en la investigacin. Posteriormente se
aborda lo relacionado con la estadstica descriptiva en el captulo 2, estadstica que nos permite hacer una descripcin de los hallazgos empricos. En
este captulo se hace nfasis en el tipo de distribucin, medidas de tendencia central y de variabilidad, a travs de una serie de ejemplos que tienen
como objetivo facilitar la comprensin de los elementos expuestos.
En el captulo 3 se expone lo que compete a la estadstica inferencial, la cual nos permite adems de describir los datos encontrados, realizar
generalizaciones a partir de los hallazgos reportados en una muestra a una
poblacin en trminos de probabilidad. En esta parte del texto se presentan
los principios que sustentan a los dos grandes modelos estadsticos
derivados de la estadstica inferencial: la estadstica no paramtrica y la
estadstica paramtrica.
Los captulos 4 y 5 abordan de manera especfica algunas de las
pruebas no paramtricas y paramtricas ms empleadas por el investigador
social. En estos dos captulos, la explicacin de las pruebas es acompaada
por ejemplos que permitan una mejor comprensin de las mismas.
1Debido
al uso de este sofware (SPSS), varias de las tablas reportadas en los diferentes
captulos de este libro aparecern en ingls.
Introduccin 15
Como parte final pero no por ello menos importante, cabe destacar que el
contenido de este libro se basa en los apuntes de la ctedra sobre estadstica,
dictada por la doctora Sofa Rivera Aragn, en el doctorado de psicologa de la
Facultad de Psicologa de la Universidad Nacional Autnoma de Mxico. Es
conveniente denotar que para su publicacin se cont con la autorizacin y
coautora de la doctora Rivera Aragn.
Medicin
Del o los objetivos de investigacin derivan las fases subsiguientes del

proceso de investigacin. Una de estas fases se refiere al tipo de medicin
empleada para evaluar una o ms variables de estudio, componente que tiene
una relacin directa con la estadstica empleada en el tratamiento de los
datos.
De esta manera la medicin consiste en reglas que asignan smbolos a
objetos, de tal forma que a) representan numricamente cantidades o
atributos, o b) definen si los objetos caen en las mismas o en diferentes
categoras con respecto a un atributo de medicin. En esta definicin, las
reglas se refieren a que la asignacin de nmeros sea explcita; y los atributos
denotan que la medicin implica caractersticas particulares del objeto, esto
es, los objetos per se no pueden medirse, se miden sus atributos (Nunnally y
Bernestein, 1995). Nunnally y Bernestein, indican que los nmeros
representan cantidades en escalas de medicin, lo que significa que la
cuantificacin implica qu tanto de un atributo est presente en un objeto.
En la literatura se mencionan cuatro niveles de medicin, aunque en
psicologa generalmente se emplean tres: nominal, ordinal e intervalar, los que
se describen a continuacin.
Escalas de medicin
Nominal
Es el nivel ms bajo de medicin de una variable en el que se le asignan

nmeros a los objetos, personas o caractersticas que se deseen evaluar,
las cuales no pueden ordenarse o sumarse. Precisamente a todos los miem-
bros de un conjunto se les asigna el mismo valor numrico, e.g. al preguntarles a

100 ciudadanos del Distrito Federal, para usted la infidelidad es positiva o
negativa? Se est empleando una medida nominal al registrar la frecuencia de las
respuestas, dndole el valor de 1 a la infidelidad positiva y el valor de 2 a la
infidelidad negativa, lo que se muestra en la tabla 1.
TABLA 1
OPININ DE LOS CIUDADANOS DEL DISTRITO FEDERAL SOBRE LA INFIDELIDAD
Infidelidad Frecuencia
1
2
40
60
Esta medicin coloca los casos dentro de categoras o conjuntos, y se cuenta la

frecuencia de ocurrencia, sin asignar el mismo valor a dos categoras, e.g. sexo, no
se puede clasificar a la misma persona como hombre y mujer.
Ordinal
Requiere que los objetos de un conjunto de variables puedan ser ordenados por
rangos respecto a una caracterstica o propiedad. Los valores numricos asignados
a los objetos ordenados se llaman valores de rango. En esta medicin los nmeros
no indican cantidades absolutas ni tampoco que los intervalos entre los nmeros
sean iguales, por lo que marca la organizacin de los rangos pero no seala la
magnitud de las diferencias entre stos, e.g. las etapas del desarrollo humano:
Niez
Adolescencia
Adultez
Vejez
Sofa Rivera Aragn

Otro ejemplo es el ciclo de vida de la pareja de acercamiento-alejamiento

(Daz-Loving, 1999):
1. Extrao/desconocido
2. Conocido
3. Amistad
4. Atraccin
5. Pasin
6. Romance
7. Compromiso
8. Mantenimiento
9. Conflicto
10. Alejamiento
11. Desamor
12. Separacin
13. Olvido
Como se puede observar en ambos ejemplos, no existe una distancia exacta
entre cada una de las etapas y tampoco se sabe con exactitud cundo termina una
e inicia la siguiente.
Intercalar
Esta medicin posee las caractersticas de las escalas nominales y ordinales, de

manera particular las de rango. Las distancias numricamente iguales de los
intervalos representan distancias iguales en la propiedad de la variable que se
mide. En este nivel de medicin se incluyen las escalas tipo Likert, e.g. la
clasificacin de la inteligencia a travs de la escala WAIS (Barragn, Benavides,
Brugman y Lucio, 1988) presentada en la tabla 2.
Tal como se observa en la tabla 2, existe la misma distancia entre los
diferentes niveles de medicin de la inteligencia, lo que indica una distribucin
igual de los intervalos de medicin.
Medlcin 21
TABLA 2
CLASIFICACIN DE LA INTELIGENCIA EN ADULTOS
Coeficiente intelectual
130 o ms
120-129
110-119
90-109
80-89
70-79
50-69
30-49
29 o menos
Clasificacin
Muy superior
Superior
Normal brillante
Normal
Subnormal
Limtrofe
Deficiente mental superficial
Deficiente mental medio
Deficiente mental profundo
De razn
Es el nivel ms alto de medicin de una variable. Es una medida poco empleada en

la psicologa, por ende, no se hablar ms de l.
Con base en lo expuesto, a continuacin se presenta un ejemplo que involucra
tres de los cuatro niveles de medicin: nomina], de rangos e intervalar.
Ejemplo
En una investigacin que tiene por objetivo conocer la relacin entre la
satisfaccin marital, la escolaridad y el sexo. El sexo (hombres y mujeres) es una
variable nominal en la que a los hombres (H) se les asigna el valor numrico de 1 y
a las mujeres (M) se les asigna el valor numrico
2. El nivel de escolaridad (primaria, secundaria, preparatoria, licenciatura y
posgrado) es una variable ordinal que va de menor a mayor escolaridad, ordenada
de la siguiente manera:
Primaria
Secundaria
Preparatoria
Licenciatura
Posgrado
Sofa Rivera Aragn

Garca Mndez
22 Mirna
TABLA 3
REPRESENTACIN DE LOS DIFERENTES NIVELES DE MEDICIN

Clasificacin
Definicin
Funcin
Propiedad
Estadstica
empleada
Nominal
Categoriza
una variable.
Nombra
Igualdad
No
Ordinal
Ordena una
variable.
Jerarquiza las
categoras
Intervalo
Conoce la
distancia entre
intervalos.
Cuantifica una Cero

Relativo.
variable.
Paramtrica.
Conoce
la Cuantifica una Cero
absoluto.
proporcin
variable.
entre las variables.
Paramtrica.
Razn
categoras.
paramtrica.
>o<
(mayor
menor)
La satisfaccin marital se medir con el
IMSM
No
o paramtrica
Ejemplo
Estado civil:
solteros, casados, unin
libre, viudos,
divorciados:
sexo: hombres y
mujeres.
Escolaridad:
primarla, secundarla, preparatoria.
Inteligencia:
limtrofe, normal, nomal
brillante, superior.
Las medidas de
distancia:
metro, decmetro, hectmetro y
kilmetro.
integrado por 47 enunciados
positivos, con intervalos de respuesta del 1 al 5 (Corts, Reyes, Daz-Loving, Rivera

y Monjaraz, 1994).
Me gusta mucho = 5 Me
gusta = 4
Ni me gusta, ni me disgusta = 3 Me
disgusta = 2 Me disgusta mucho = 1
Medicin
23
Por sus caractersticas, este inventario evaluar la satisfaccin marital de

manera intervalar, debido a que medir las distancias o intervalos del constructo
de inters.
Las variables nominal (sexo) y ordinal (escolaridad) son generalmente
denominadas variables sociodemogrficas o de clasificacin por el investigador.
Ahora bien, si la satisfaccin marital se mide preguntndoles a las personas si
estn o no satisfechas con su relacin de pareja, la respuesta ser dicotmica S o
No, convirtindose la medicin en nominal. Los resultados que se obtendrn sern
frecuencias en relacin con el nmero de hombres y mujeres que estn satisfechos
o insatisfechos maritalmente. Este ejemplo denota que el tipo de medicin utilizada, estar en funcin de los objetivos que pretenda alcanzar el investigador.
De esta manera, se observa que cada una de las escalas de medicin tiene
caractersticas y funciones especficas, las que se presentan en la tabla 3.
Estadstica descriptiva
La estadstica descriptiva permite conocer la distribucin de los datos a partir de

la cuantificacin de los atributos de una categora o variable. De acuerdo con
Nunnally (1995) no necesariamente incluye la generalizacin.
Sus funciones son:
a) Conocer el tipo de distribucin.
b) Representacin grfica.
c) Obtener medidas de tendencia central (toma de decisiones).
d) Calcular medidas de variabilidad.
Conocer el tipo de distribucin

1. Frecuencia absoluta (f)
2. Frecuencia relativa (fr %)
3. Frecuencia ajustada (fa %)
4. Frecuencia acumulada (fa)
La frecuencia absoluta describe objetos, la relativa los ordena en porcentajes,
la ajustada recalcula las frecuencias absolutas y relativas, eliminando datos con
base en valores perdidos o missing, y la acumulada los ordena de mayor a menor o
viceversa.
Estas frecuencias se obtienen en el programa estadstico SPSS en cualquiera de
sus versiones. Despus de haber elaborado una base de datos e insertado los datos
en bruto, se le pide al SPSS las frecuencias de la variable de estudio y despliega los
cuatro tipos de frecuencia en una tabla.
27
Para comprender la lgica de las operaciones involucradas en la

distribucin de frecuencias, se expondr un ejemplo a partir del cual se
explicar la forma en la cual se obtiene cada una de las frecuencias.
Ejemplo
Se encuesto con un cuestionario abierto a una muestra de 300 personas,
hombres y mujeres, sobre el significado del funcionamiento familiar. Una vez
que se obtuvieron los datos se procedi a su organizacin, lo que se hizo
mediante una distribucin de frecuencias, tal como se observa en la tabla 4.
TABLA 4
TOTAL DE HOMBRES Y MUJERES QUE OPINARON SOBRE EL SIGNIFICADO DEL

FUNCIONAMIENTO FAMILIAR
Sexo
Hombres
144
Mujeres
156
Total
300
Esta tabla muestra el total de hombres y mujeres que participaron en la

investigacin, sin embargo, para identificar la preferencia de hombres y
mujeres por uno u otro de los significados del funcionamiento familiar, se
obtuvieron las frecuencias absolutas de ocurrencia de respuesta por sexo.
Estos resultados se presentan en la tabla 5.
En la tabla 5 se enuncian las frecuencias absolutas (f) de ocurrencia de
respuesta de la categora de anlisis sexo: hombres (H) y mujeres (M), en
cada uno de los significados generales de funcionamiento familiar. En
este ejemplo la muestra no tiene una distribucin igual en cuanto al nmero de H y M incluidos, por lo que para comparar a los dos grupos aun
28
Sofa Rivera Aragn

Mirna Garca Mndez
TABLA 5
FRECUENCIAS DEL SIGNIFICADO DE FUNCIONAMIENTO FAMILIAR EN HOMBRES Y

MUJERES
Significados generales
Organizacin y estructura
Emocional-valorativa
Afectivo-funcional
Funcional
Afectiva
total
Hombres
Mujeres
25
44
53
16
6
144
20
66
54
13
3
156
cuando existen diferencias en su tamao se emplea la frecuencia relativa (fr %).

La frecuencia relativa (fr %) se refiere a la ocurrencia de los niveles de una
categora -en este ejemplo (H y M)- por cada 100 casos. Su clculo se obtiene al
multiplicar cualquier proporcin dada por 100 (Levin y Levin, 2002).
Siguiendo con el ejemplo de los significados generales del funcionamiento

familiar, para obtener la frecuencia relativa de los H que respondieron el
cuestionario, se multiplica 100 por 144 y el resultado se divide entre 300 que es el
total de personas que participaron en la investigacin, y se extrae la fr que es de 48
por ciento.
La tabla 6 presenta que del total de la muestra, el 48 por ciento son hombres y
el 52 por ciento son mujeres.
Estadstica descriptiva 29
TABLA 6
FRECUENCIAS ABSOLUTA Y RELATIVA DE LA CATEGORA SEXO
Sexo
fr (%)
Hombres
144
48.0
Mujeres
Total
156
52.0
300
100
Con respecto a las respuestas de la muestra en relacin con los significados

del funcionamiento familiar, stas varan tal como se observa en la tabla 5 por lo
que tambin se aplica la frecuencia relativa al igual que en la categora de sexo. Los
datos se presentan en la tabla 7.
TABLA 7
FRECUENCIAS ABSOLUTA Y RELATIVA DEL SIGNIFICADO DE FUNCIONAMIENTO

FAMILIAR EN HOMBRES Y MUJERES
Hombres
f
fr(%)
Mujeres
f
r(%)
25
17.4
20
12.8
Afectivo-funcional
Funcional
Afectiva
Total
44
53
16
30.6
36.8
66
42.3
34.6
8.3
11.1
54
13
4.2
1.9
144
100
156
100
La frecuencia ajustada recalcula la frecuencia absoluta quitando datos o con

base en elementos perdidos que generalmente se computan con cero (en el SPSS
aparecen como missing). Estos elementos perdidos se refieren a los enunciados o
preguntas que la muestra no respondi. Con base en el ejemplo del significado del
funcionamiento familiar en H y M, la tabla 8 presenta las frecuencias absolutas,
las relativas y las ajustadas.
Sofa Rivera Aragn

Garca Mndez
30 Mirna
TABLA 8
FRECUENCIAS ABSOLUTA, RELATIVA Y AJUSTADA DEL SIGNIFICADO DE
FUNCIONAMIENTO FAMILIAR EN HOMBRES Y MUJERES
Afectivo-funcional
Funcional
Afectiva
Total
Hombres
Mujeres
fr (%)
25
17.4
17.4
20
12.8
20
44
53
16
6
144
30.6
36.8
11.1
4.2
100
30.6
36.8
11.1
4.2
100
66
54
13
3
156
42.3
34.6
8.3
1.9
100
86
140
153
156
fa (%)
fr (%)
fa (%)
En esta tabla la fr y fa (%) son iguales debido a que no hubo valores perdidos.
Con fines de ejemplificar la fa (%) la tabla 9 muestra las frecuencias del estado civil
de la muestra.
Tabla 9
FRECUENCIAS DEL ESTADO CIVIL DE HOMBRES Y MUJERES
Estado civil
fr(%)
Casado
120
40.0
40.3
Soltero
Unin libre
Divorciado
Separado
Viudo
Total
151
13
8
3
3
298
2
50.3
4.3
2.7
1.0
1.0
99.3
.7
50.7
4.4
2.7
1.0
1.0
100.0
300
100.0
Valores perdidos
(missing)
0
Total
fa (%)
La frecuencia acumulada (la) ordena los puntajes del total de casos de una
categora. Se obtiene al sumar la frecuencia de un puntaje dado a la frecuencia de
la categora debajo de ella. Al resultado de esta operacin, se suma en forma
acumulativa el puntaje de la categora debajo de ella, y as sucesivamente hasta
tener incluidos el total de los casos. Siguiendo el ejercicio de los significados de
funcionamiento familiar, la tabla 10 presenta las frecuencias absolutas, relativas,
ajustadas y acumuladas por hombres y mujeres.
TABLA 10
FRECUENCIAS ABSOLUTAS, RELATIVAS, AJUSTADAS Y ACUMULADAS DE HOMBRES Y
MUJERES CON RELACIN AL SIGNIFICADO DEL FUNCIONAMIENTO FAMILIAR
Significados
generales
Hombres
f
fr (%) fa (%)
Mujeres
fa
fr(%)
fa (%)
fa
20
66
54
13
3
12.8
42.3
34.6
8.3
1.9
100
12.8 12.8
42.3 55.1
34.6 89.7
8.3
98.1
1.9 100.0
100
Organizacin
y estructura
Afectivo-funcional
Funcional
Afectiva
total
25
44
53
16
6
144
17.4 17.4 17.4

30.6 30.6 47.9
36.8 36.8 84.7
11.1 11.1 95.8
4.2
4.2 100.0
100 100 156
Ejercicio SPSS
Para obtener los cuatro tipos de frecuencia en SPSS de las 300 personas, se realizan
los siguientes pasos:
Paso 1. En la base de datos se coloca el cursor en Analyze, se presiona el

botn izquierdo del mouse.
Paso 2. Al presionar Analyze, aparece un men en el que se coloca el cursor

en Descriptive Statistics, se presiona con el botn izquierdo del mouse y aparece
otro men, se coloca el cursor en Frequencies y una vez ms se presiona con el
botn izquierdo del mouse.
32
Sofa Rivera Aragn

Mirna Garca Mndez
Paso 3. Al presionar Frequencies, se abre un men que contiene las

variables de la investigacin, se marca con el botn izquierdo del mouse la
variable siggene (significados generales del funcionamiento familiar).
Paso 4. Una vez sealada la variable siggene, se coloca el cursor en el

icono que est entre las variables de estudio y variable(s), se presiona el botn izquierdo del mouse, de esta operacin siggene aparece en el cuadro de
variable(s).
Paso 5. Se coloca el cursor en el icono de OK, se presiona el botn izquierdo del mouse obtenindose los cuatro tipos de frecuencias, en donde:
frequency es frecuencia absoluta, percent es frecuencia relativa, valid percent
es frecuencia ajustada y cumulative percent es frecuencia acumulada.
Sofa Rivera Aragn
34 Mima Garca Mndez
SIGNIFICADOS GENERALES
Frequency Percent
Valia
Percent
Cumulative
Percent
15.0
36.7
35.7
9.7
3.0
100.0
15.0
51.7
87.3
97.0
100.0
Valid organizacin
y estructura
emocional-valorativa
afectivo-funcional
funcional
afectiva
Total
45
110
107
29
9
300
15.0
36.7
35.7
9.7
3.0
100.0
Estos resultados indican que los significados de funcionamiento familiar con

mayor ocurrencia de respuesta fueron el emocional-valorativo y el afectivofuncional.2
Una vez descritos los cuatro tipos de frecuencias, se proseguir con la
distribucin de frecuencias agrupadas, las que se emplean para incluir las
frecuencias absolutas en intervalos de clase (Levin y Levin, 2002; Downie y Heat,
1973). Estos intervalos de clase son comnmente empleados cuando la
distribucin de frecuencia es tan amplia que resulta poco prctica. Es el caso del
ejemplo de la tabla 11 que presenta una distribucin de frecuencias por edad en
una muestra de
351 personas, que vara de 21 a 60 aos.
La tabla 11 indica que se tiene una persona de 21 aos, dos personas de 22
aos, 13 personas de 23 aos y as sucesivamente.
Con el propsito de que los datos tengan una presentacin sencilla y clara, se
obtienen los intervalos de clase que para este caso es de cinco, tal como se observa
en la tabla 12. La decisin del tamao del intervalo es responsabilidad del
investigador, quien generalmente parte de su base de datos y de los objetivos de su
investigacin.
2Con fines didcticos se presentarn las tablas del SPSS, aunque stas no se reportan en
una investigacin, se abstraen los datos que el investigador desea resaltar y se muestran en
otro formato.
TABLA 11
DISTRIBUCIN DE EDAD POR FRECUENCIAS EN HOMBRES Y MUJERES.
Edad
Edad
21
31
22
32
23
13
24
Edad
Edad
15
41
51
18
42
52
33
16
43
1
1
7
53
13
34
13
44
54
25
11
35
16
45
55
26
17
36
46
56
27
11
37
18
47
57
28
13
38
14
48
58
29
19
39
15
49
59
30
15
40
13
50
60
Total
4
351
TABLA 12
DISTRIBUCIN DE EDAD POR INTERVALOS EN HOMBRES Y MUJERES
Intervalo de clase
56-60
51-55
46-50
41-45
16
30
37
36-40
31-35
26-30
21-25
69
78
75
40
Total 351
A su vez los intervalos de clase tienen un lmite inferior y un lmite superior

(vase tabla 13).
Como se observa en la tabla 13, el lmite inferior del intervalo de edad 21-25 es
20.5 y su lmite superior es 25.5, que tambin es el lmite inferior del intervalo 2650, esto es, el lmite superior de cada uno de los intervalos se convierte en el lmite
inferior del intervalo subsiguiente.
36
Sofa Rivera Aragn

Mirna Garca Mndez
TABLA 13
LMITES SUPERIOR E INFERIOR DE LOS INTERVALOS DE EDAD EN UNA

MUESTRA DE 351 SUJETOS
Limits inferior
Intervalo de clase
Lmite superior
55.5
50.5
45.5
56-60
51-55
46-50
60.5
55.5
50.5
40.5
35.5
30.5
25.5
41-45
36-40
31-35
26-30
45.5
40.5
35.5
30.5
20.5
21-25
25.5
Representacin grfica
Los resultados que se obtienen de la investigacin se pueden representar en tablas
o grficas, pero nunca se debern emplear ambas alternativas para presentar los
mismos datos; por ejemplo, si la escolaridad de la muestra se presenta en tablas,
ya no se utilizar la figura, porque ello implica repetir la informacin. Hay
investigadores que se inclinan por el uso de figuras debido a que atraen la atencin
visual del observador.
Una de las caractersticas de las grficas consiste en que se basan en una
recta numrica (vase grfica 1).
GRFICA 1
REPRESENTACIN DE LA RECTA NUMRICA
Estadstico descriptiva 37
Las grficas que se utilizan con mayor regularidad son:
1. Barras
2. Pastel
3. Histograma
4. Ojivas
5. Polgonos de frecuencia
Las grficas de barras y pastel se aplican nicamente a variables nominales y
ordinales; mientras que los histogramas, ojivas y polgonos de frecuencia se
emplean en variables ordinales, intervalares y de razn.
Grfica de barra
En esta figura no hay continuidad en las barras cuando se emplea en datos

nominales, razn por la que estn separadas. La grfica 2 muestra el grado de
escolaridad de los 300 sujetos a los que se les aplic el cuestionario abierto del
significado de funcionamiento familiar. Los nmeros que aparecen al interior de
cada una de las barras son opcionales, se incluyen si el investigador quiere indicar
el nmero de sujetos que corresponde a cada nivel educativo. As el nmero 22 que
aparece en la barra de primaria, indica que de la muestra total de 300 personas,
22 de ellas tienen educacin primaria.
La grfica 3 presenta las cinco categoras que resultaron de la aplicacin del
cuestionario abierto del significado de funcionamiento familiar (organizacin y
estructura, emocional-valorativa, afectivo-funcional, funcional y afectiva) as como
la distribucin de la muestra en cada categora.
La diferencia entre las grficas 2 y 3, es que en la grfica 2 cada barra muestra
el nmero exacto de sujetos ubicados en cada grado escolar, mientras que en la
grfica 3 se observa de manera general la distribucin de la muestra en las cinco
categoras de funcionamiento familiar. La eleccin de una u otra figura est en
funcin de lo que el investigador quiera resaltar de sus resultados.
38
Sofa Rivera Aragn

Mirna Garca Mndez
GRFICA 2
NIVELDEESCOLARIDAD
GRFICA 3
DISTRIBUCIN DE LA MUESTRA EN LAS CATEGORAS DE

Grfica de pastel o de sectores

Se utiliza con frecuencias absolutas y relativas, es til para mostrar diferencias de frecuencias en categoras de nivel nominal. La grfica 4
presenta la variable ocupacin de una muestra de 352 personas, hombres y
mujeres del Distrito Federal.
Grfica 4
OCUPACIN DE HOMBRES Y MUJERES
Cada seccin de la grfica tiene el nmero de individuos agrupados por

cada uno de los cinco tipos de ocupacin.
Tambin con la figura de pastel se puede presentar la distribucin de la
muestra con porcentajes, como se aprecia en la grfica 5. Del total de las
352 personas que integran la muestra, su escolaridad se distribuye de la
siguiente manera: 18 por ciento tiene primaria, 36 por ciento secundaria,
31 por ciento preparatoria y 25 por ciento licenciatura.
Grfica de histograma
Se emplean en variables continuas3 y se elaboran con base en el lmite
inferior del intervalo. La grfica 6 muestra los intervalos de edad de la
Una variable continua es aquella que asume un conjunto ordenado de valores dentro de un
rango (Kerlinger y Lee, 2001).
Sofa Rivera Aragn

GRFICA 5
NIVELESDEESCOLARIDADENHOMBRESYMUJERES
muestra de 351 sujetos de las tablas 12 y 13. Las barras estn unidas porque denotan continuidad del intervalo de menor edad (21-25) al de mayor
edad (56-60).
GRFICA 6
INTERVALOS DE EDAD EN UNA MUESTRA DE 351

HOMBRES Y MUJERES
Otro ejemplo relacionado con los histogramas es el caso del constructed esperanza, medida por una escala cuyos intervalos de respuesta
van del 1 al 5. Esta escala se constituye por dos dimensiones: importancia y
probabilidad, cada una con 10 factores (Vargas, Garca-Mndez, DazLoving y Rivera, 2004). El histograma de la figura 7 muestra el comportamiento de uno de los factores de probabilidad -ayuda paterna- en una
muestra de 300 personas del D.E
GRFICA 7
NMERO DE PERSONAS POR INTERVALO DE RESPUESTA EN EL FACTOR DE AYUDA

PATERNA EN LA ESCALA DE ESPERANZA
Grfica de ojiva o de polgono de

frecuencia acumulada
Se basa en la frecuencia absoluta y se grafica con el lmite superior. En esta
figura, la lnea que conecta los puntos es ascendente, razn por la que no
toca la lnea base horizontal (Downie y Heath, 1973). La grfica 8 presenta
los rangos de edad de una muestra de 351 personas, rangos distribuidos
con base en el lmite superior presentado en la tabla 13 de este captulo.
42
Sofa Rivera Aragn

Mirna Garca Mndez
G RFICA 8
RANGOS DE EDAD
Grfica de polgonos de frecuencia

Se conoce tambin como curva. Es ms fcil de graficar despus de hacer
un histograma. Un ejemplo de polgonos de frecuencia se expone en la
grfica 9, en una muestra de 168 parejas heterosexuales, cuyos aos de
unin se distribuyeron por rangos.
Grfica 9
RANGOS AOS DE UNIN
Obtener medidas de tendencia central

Es comn en el mbito de la investigacin, querer saber lo tpico o el
promedio en el que se encuentra la muestra de estudio, con la finalidad de
describirla en forma global. Este promedio o valor se conoce como medida
de tendencia central debido a que se encuentra en el centro de una
distribucin en la que se localizan la mayora de los puntajes de la muestra
(Levin y Levin, 2002). La forma de obtener este promedio es a travs de las
medidas de tendencia central: media, mediana y moda expuestas en la
tabla 14.
1.
2.
3.
Media es un promedio.
Mediana divide en dos a la muestra.
Moda es el valor que se repite con mayor frecuencia.
Tabla 14
MEDIDAS DE TENDENCIA CENTRAL
Representacin
Paramtrica
No paramtrica
X (media)
Md (mediana)
Mo (moda)
Nivel de medicin
Intervalar
Ordinal
Nominal
Exactitud
Exacta
Variable
Inestable
Como se observa en la tabla 14 es usual emplear letras latinas para representar las caractersticas de una muestra y las letras griegas para los
parmetros de una poblacin (Downie y Heath, 1973). En el caso de la tabla
14, la X(media) es un estimador debido a que es un valor que representa
una caracterstica de la muestra, y la (media) es un parmetro, porque es
un valor que representa las caractersticas de una poblacin.
Estas medidas de tendencia central son empleadas en la toma de
decisiones e indican el punto medio de una distribucin, tal como se
observa en la grfica 10.
44
Sofa Rivera Aragn

Mirna Garca Mndez
GRFICA 10
DISTRIBUCIN NORMAL
Media
La media aritmtica X es la medida de tendencia central ms utilizada en la
investigacin, se obtiene al sumar el total de puntajes obtenido por la muestra,
dividido entre el nmero total de la muestra (Clark-Carter, 1997; Levin y Levin,
2002; Downie y Heath, 1973). Su frmula es:
Donde:
La media.
La suma expresada por la letra griega sigma
Datos crudos
Nmero de casos
Esta frmula se emplea en datos no agrupados (datos crudos) en muestras
pequeas.
45
Ejemplo 1
Conocer la media de edad de una muestra de diez sujetos
Cuando se trabaja con datos agrupados por frecuencias o por intervalos y con
muestras grandes, la media se obtiene con la siguiente frmula:
donde:
La media.
La suma expresada por la letra griega sigma
Los puntajes en crudo de la muestra
Un puntaje multiplicado por su frecuencia de ocurrencia
La suma de los fx
Nmero de casos
46
Sofa Rivera Aragn

Mirna Garca Mndez
Ejemplo 2
Se aplic a una muestra de 330 hombres y mujeres la escala de depresin de Zung
(1965) (SDS).4 La presencia o ausencia de depresin se evalu con base en cuatro
niveles:
1 = < 50% sin depresin
2 = > 50% depresin leve
3 = > 60% depresin moderada
4 = > 70% depresin grave
Primero se obtienen las frecuencias de ocurrencia en cada uno de los niveles de
depresin.
Niveles de depresin
1
2
3
4
f
264
45
14
7
Despus se obtiene la fx, al multiplicar cada una de las frecuencias por el nivel
de depresin correspondiente.
4 SDS
son las siglas del nombre de la escala en ingls: Self-Rating Depression Scale.
Esta media de 1.3 indica que la mayora de los 330 sujetos se ubican en el
nivel 1, lo que significa que en promedio la muestra no tiene depresin.
Ejemplo 3
Para obtener la media de aos de unin de una muestra de 352 sujetos que
vivan con una pareja al momento de la investigacin, los datos se agruparon en
intervalos. Una vez derivados los intervalos, se obtiene la marca de clase (Mx) o
punto medio de cada intervalo donde 33 es el, punto medio del intervalo 31-35
porque 33 + 2 = 35 y 33- 2 = 31.
Intervalo
Mx
31-35
33
26-30
21-25
16-20
11-15
6-10
1-5
28
23
18
13
8
3
Enseguida se obtiene la frecuencia de ocurrencia (f) de cada intervalo, as en

el intervalo de 26-30 aos de unin, se encuentran 24 personas.
48
Intervalo
Mx
31-35
33
26-30
21-25
16-20
11-15
6-10
1-5
28
23
18
13
8
3
24
34
49
84
110
43
Sofa Rivera Aragn

Mirna Garca Mndez
Posteriormente se multiplica cada frecuencia por su respectiva Mx y

se consiguen de esta manera las fx.
De esta manera se concluye que la media de aos de unin de esta muestra es

de 13.3.
Mediana
La mediana (Md) es el valor medio de la distribucin, divide el total de los casos

en dos, razn por la que se dice que divide en dos a la muestra, dejando el mismo
nmero de casos a cada lado de ella (Downie y Heath, 1973).
Cuando se tiene un nmero impar de casos, la Md se ubica exactamente a la
mitad de la distribucin. En los datos que a continuacin se presentan, la Md de
edad de los 145 sujetos es de 21 aos y le quedan tres rangos de edad hacia arriba
y tres rangos de edad hacia abajo.
Edad
18
21
19
20
21
22
23
24
22
32
26
14
18
12
n = 145
De acuerdo con Levin y Levin (2002) la posicin del valor de la Md tambin

se puede obtener con la frmula:
Posicin de la Md
Siguiendo con el ejemplo de la edad:
Posicin de la Md
Para localizar el nmero 73 se saca la frecuencia acumulada (fa) la cual se
revis al inicio de este captulo.
Edad
fa
18
21
145
19
20
21
22
23
24
22
32
26
14
18
12
n= 145
124
102
70
44
30
12
Una vez obtenida la fa se localiza la posicin de la Md 73 en la columna

de la fa. El nmero ms cercano al 73 es el 70 por lo que la Md de edad es 21.
Si el nmero de casos es par, entonces se procede de acuerdo con el
siguiente ejemplo. En una muestra de 90 sujetos, la posicin de la Md 45.5 se
ubica entre las fa 35-50 por lo que la Md es de 10.5 aos de escolaridad,
situada a la mitad de la distribucin.
Moda
La moda (Mo) es una medida de tendencia central para datos no agrupados, cuyo valor se presenta ms veces. En el ejemplo anterior la Mo es
50
Sofa Rivera Aragn

Mirna Garca Mndez
10 aos de escolaridad, debido a que su frecuencia es la ms alta en la

distribucin: son 15 los sujetos que tienen estos aos de escolaridad.
Ejercicio
SPSS
Para obtener las medidas de tendencia central en
SPSS ,
se retomar el ejercicio de
los significados generales del funcionamiento familiar desarrollado para extraer

los cuatro tipos de frecuencias. Recuerde que despus de realizar los pasos 1, 2, 3
y 4 en el SPSS se obtuvo un men. En este men, ahora se coloca el cursor en el
icono de statistics y se presiona el botn izquierdo del mouse:
Al presionar statistics aparece un men en el que se coloca el cursor en cada

uno de los cuadros de las tres medidas de tendencia central de nuestro inters media, mediana y moda se presiona en estos cuadros con el botn izquierdo
del mouse, enseguida se coloca el cursor en el cono de continue que se
presiona con el botn izquierdo del mouse.
Al presionar el icono de continue reaparece el men del paso 4 y se presiona el

icono OK.
Sofa Rivera Aragn

Despus de presionado el icono de OK aparecen en una tabla las medidas de

tendencia central con sus respectivos valores.
STATISTICS
N
Valid
Missing
Mean
Median
Mode
300
0
2.4900
2.0000
2.00
El valor de la media, mediana y moda es de 2, lo que indica una

distribucin normal de las respuestas de la muestra.
Calcular medidas de dispersin (variabilidad)
Las medidas de dispersin son importantes en la descripcin de la distribucin, debido a que indican el grado en que varan los datos con relacin a
la parte central de la curva normal, lo que las convierte en un elemento
inseparable de las medidas de tendencia central; adems estas medidas de
dispersin slo pueden aplicarse a medidas de rango e intervalares. Las ms
empleadas son:
1. Rango
2. Desviacin estndar
3. Varianza
4. Sesgo
5. Curtosis
6. Error estndar
Rango (R)
El rango tambin conocido como recorrido (Mendenhall, 1982; Downie

y Heath, 1973) es la distancia entre el valor mnimo y el valor mximo de
53
una distribucin. Su clculo es fcil y rpido, no requiere de frmula y se puede

utilizar en medidas ordinales e intervalares. Su desventaja radica en su inestabilidad,
esto es, de una muestra a otra, presenta grandes variaciones, por lo que se
recomienda emplearse como una medida preliminar.
Un ejemplo de esta medida de variabilidad es conocer el rango de
rendimiento escolar de 42 alumnos, cuya calificacin ms alta fue de 9 y la ms
baja de 2. El R se obtiene de la resta 9-2 esto es el R = 7.
Desviacin estndar
(o = parmetro de la poblacin) (s = estimador de la muestra)
La desviacin estndar nicamente se puede emplear en medidas intervalares.
Es una puntuacin que indica la distancia con relacin a la media, razn por la
que la media no tiene significado sin la desviacin. De esta forma, como se
observa en la grfica 11, la desviacin representa la variabilidad promedio de una
distribucin.
G RFICA 11
REPRESENTACIN DE LA DESVIACIN ESTNDAR EN
UNA DISTRIBUCIN NORMAL
54
Sofa Rivera Aragn

Mirna Garca Mndez
Su frmula es:
donde:
s = Desviacin estndar
Suma de frecuencias de puntajes crudos elevados al cuadrado
n = Nmero total de casos
(X)2 = Media elevada al cuadrado
Para entender la desviacin estndar de la cual depende la significancia, es
necesaria la curva (vase grfica 12) que representa el 100 por ciento de la
probabilidad. De esta manera, 100 por ciento es el rea bajo la curva.
GRFICA 12
REPRESENTACIN DE LA SIGNIFICANCIA A PARTIR DE LA DESVIACIN
ESTNDAR EN UNA DISTRIBUCIN NORMAL
54
Ejemplo
Para calcular la desviacin estndar del nmero de hijos en una muestra de

176 parejas, se realiza lo siguiente:
1. Se obtiene la distribucin de frecuencia (/)
Nm. de hijos (x)
49
2
3
4
5
74
34
15
4
n = 176
2. Se multiplica cada frecuencia por el nmero de hijos, esto es, 49 parejas

tienen un hijo, se multiplica 49 X 1; 74 parejas tienen dos hijos, se multiplica 74 X
2, y as sucesivamente.
Nm. de hijos (x)
fx
49
49
2
3
4
5
74
34
15
4
n = 176
148
102
60
20
S/x = 379
3. Se multiplica cada fx por el nmero de hijos y as se obtienen las fx2.
Nm. de hijos (x)
56
fx
fx2
49
49
2
3
4
5
148
102
60
20
296
306
240
100
2/x2 = 991
Sofa Rivera Aragn

Mirna Garca Mndez
De acuerdo con la frmula de la desviacin estndar

falta obtener la media
por lo que
se toma del punto dos.
4. Una vez que se tiene la X = 2.15 hijos, sta se eleva al cuadrado (X)2 4.62
y entonces:
Varianza (s2 o 2)
La varianza es la desviacin estndar al cuadrado, indica una distancia con

respecto a la X, su aplicacin es el anlisis de varianza (Anova)5 e indica cunto
de la variabilidad de la variable dependiente es explicada por la variable
independiente. De esta forma muestra qu tanto de la variabilidad de la variable
dependiente es explicada por las diferencias de los individuos, proceso al que se
le conoce como varianza de error.
Siglas en ingls del anlisis de varianza.
57
Sesgo
El sesgo se refiere a la variacin de una distribucin, es el grado de asimetra de
la distribucin observada por el nmero de casos agrupados en una sola
direccin. Su interpretacin est asociada con el valor y el signo, esto es:
Valor - 4 a + 4
Signo + El signo implica el nivel de asimetra de la curva, cuando ms cercana est al
cero, la curva es normal, cuando ms cercana est al cuatro, la curva es asimtrica
o sesgada.
Ejemplos
Una muestra de 60 mujeres se clasific por la actividad que realizaban de la
siguiente manera: 1. estudiantes, 2. empleadas, y 3. sin actividad. En la grfica 13
se puede ver que la mayora de la muestra era estudiante, lo que se refleja en el
sesgo positivo de la grfica 13.
GRFICA 13
ACTIVIDADES REALIZADAS POR MUJERES
Sofa Rivera Aragn

Al indagar en torno a los elementos que intervienen en el funcionamiento

familiar en una muestra de 300 sujetos, se encontr que 232 reportaron que la
comunicacin es un indicador que interviene en el funcionamiento familiar. Estos
hallazgos se observan en la grfica 14 que muestra un sesgo negativo debido a que la
curva est cargada a la derecha.
GRFICA 14
LA COMUNICACIN COMO ELEMENTO DEL
Curtosis (K)
Es el nivel de picudez de una curva, esto es, su grado de elevacin o
aplanamiento. A diferencia del sesgo, la curtosis es una z4 sobre el nmero de
sujetos.
La curtosis al igual que el sesgo depende del valor y del signo:

a) Valor. Si el cero va de + 4 a - 4 la curva es mesocrtica.
b) Signo. Si es positivo se habla de una curva leptocrtica.
59
Ejemplos
El nmero de hijos en una muestra de 176 parejas fluctu entre uno y cinco,
predominando las parejas con dos hijos, tal como se observa en la grfica 15, lo
que hace que la curva sea alta o picuda (leptocrtica).
GRFICA 15
NMERO DE HIJOS
La grfica 16, representa una curva mesocrtica, esto es, una distribucin
normal en una muestra de 60 mujeres, 30 con diagnstico que indica problemas
de alimentacin y 30 sin problemas alimenticios.
La grfica 17, muestra una curva platocrtica hipottica, que se caracteriza
por su distribucin relativamente plana.
De esta manera se observa que el sesgo y la curtosis indican la asimetra, el
sesgo hacia uno u otro lado de la curva y la curtosis a travs de la elevacin de la
misma.
60
Sofa Rivera Aragn

Mirna Garca Mndez
GRFICA 16
DIAGNSTICO DE PROBLEMAS EN LA ALIMENTACIN
G RFICA 17
CURVA PLATOCRTICA
Error estndar ( o e)
El error estndar es la diferencia entre la media muestral y la media
poblacional, est vinculado al error de muestreo.
61
Ejercicio SPSS
Para obtener las medidas de dispersin en
SPSS
de una muestra de 300 personas a
las que se les aplic la escala de depresin de Zung (1965) se llevan a cabo los
siguientes pasos:
Paso 1. En la base de datos se coloca el cursor en analyze, se presiona el botn
izquierdo del mouse, aparece un men en el que se coloca el cursor en descriptive
statistics y se presiona el botn izquierdo del mouse, nuevamente se muestra un
men en el que se presiona con el botn izquierdo del mouse, frequencies.
Paso 2. Al presionar frequencies, se abre un men que contiene las variables de

la investigacin, se marca con el botn izquierdo del mouse la variable rangos
(niveles de depresin).
Paso 3. Una vez sealada la variable rangos, se coloca el cursor en el icono que
est entre las variables de estudio y variable(s), se presiona el botn izquierdo del
mouse, lo que resulta en que rangos aparece en el cuadro de variable(s).
Posteriormente se coloca el cursor en el icono de statistics y se presiona el botn
izquierdo del mouse.
Sofa Rivera Aragn

Paso 3
Paso 4. Al presionar el icono de statistics aparece un men en el que se

colocar el cursor en cada uno de los cuadros de las tres medidas
de dispersin -desviacin estndar, varianza y rango- para despus presionar en cada cuadro con el botn izquierdo del mouse. De igual forma se
63
coloca el cursor en el cuadro de kurtosis y se presiona el botn izquierdo del mouse.
Paso 5. Despus de presionar las medidas de dispersin y la curtosis, se coloca

el cursor en el icono de continue y se presiona con el botn izquierdo del mouse, de
lo que resulta el men del paso tres. En el men del paso tres, se coloca el cursor
en el icono de OK, se presiona el botn izquierdo del mouse y aparecen las medidas
de dispersin y la curtosis con sus respectivos valores.
STATISTICS
Rangos
N
Valid
Missing
Std. Deviation
Variance
Kurtosis
Std Error of Kurtosis
Range
64
Sofa Rivera Aragn

Mirna Garca Mndez
330
22
.6458
.4171
6.138
.268
3.00
Los valores de la tabla del SPSS indican que de los 330 casos analizados, 22
quedaron fuera debido a que dejaron sin contestar varios de los reactivos que
incluye la escala. Los valores de la desviacin estndar y la varianza indican una
distribucin normal, la curtosis muestra que la mayora de las personas se ubica
en uno de los cuatro rangos de depresin, y el rango seala que de los cuatro
intervalos de respuesta de la escala, el 3 fue el que obtuvo mayor frecuencia.
Como parte final de este captulo, la tabla 15 presenta las pruebas de la
estadstica descriptiva y los tipos de grficas asociadas con el nivel de medicin
revisados en el captulo uno.
TABLA 15
ESTADSTICA DESCRIPTIVA
Nominal
Grficas
Barras
Medidas de
tendencia central
Medidas
dispersin
de
Correlacin
Moda
No hay
Coeficiente Phl
C de contingencia
V de Cramer
Pastel
Ordinal
Barras
Pastel
Moda
Mediana
No hay
Tau b de Kendall
Tau c de Kendall
Gamma de KrusKal y
Godman
Spearman
Incertldumbre
Intervalar
Ojiva
Polgonos de
frecuencia
Histograma
Moda
Mediana
Media
1.
Rango
2. Error
3. Desviacin
4. Varianza
5. Sesgo
6. Curtosis
Eta
Pearson
65
Estadstica inferencial
La estadstica inferencial se basa en la prueba de hiptesis, se define como un

conjunto de tcnicas que permiten al investigador obtener conclusiones a partir
de una muestra para despus ser generalizadas a una poblacin. De este modo,
su principal funcin es la generalizacin en una poblacin (parmetros)
habitualmente en trminos de probabilidad (Nunnally y Bernstein, 1995) a partir
de las conclusiones obtenidas, resultado de la manipulacin de variables en
muestras observadas.
Aplicaciones de la
estadstica inferencial
a) Comparar parmetros. Un parmetro es cualquier caracterstica de una

poblacin.
b) Aplicar pruebas de hiptesis.
Hiptesis conceptual
Deriva del marco terico, parte de una teora, un modelo terico o un
metanlisis. Son hiptesis que ya fueron planteadas por otro investigador.
Ejemplo
A mayor frustracin mayor agresin (Dollar, Doob, Miller, Mowrer y Sears,

1939).
Hiptesis de trabajo
Estas hiptesis se refieren a lo que espera encontrar el investigador a partir
de un marco terico.
69
Ejemplo
Existe relacin entre el aprovechamiento escolar y la autoestima.

Hiptesis estadsticas
Se clasifican en nulas y alternas, presentan las siguientes caractersticas: 1.
implican la relacin entre variables, y 2. se plantean slo cuando se aplica
estadstica en la investigacin (vase tabla 16). Un punto importante de sealar
es que en los estudios exploratorios no se debern proponer ninguna de estas
hiptesis (nulas y alternas).
TABLA 16
HIPTESIS ESTADSTICAS
Tipo
Notacin
Nula
Ho
Definicin
Niega la relacin o
diferencia
entre
variables
Formas
a)
b)
Funcin
Comparacin Diferencias entre grupos

Relacin
Asociacin entre variables
Alterna H1
70
Presencia
de
la
relacin o la diferencia
Sofa Rivera Aragn

Mirna Garca Mndez
a) Comparacin I. Con direccin. Indica que

b) Relacin
uno de los parmetros es
ms bajo o ms alto que
otro.
II. Sin direccin. Slo
compara grupos.
II. Con direccin. Indica
que las variables aumentan o disminuyen.
II. Sin direccin. Slo
establece relaciones.
Ejemplos
Ho de comparacin
Se identifica la variable dependiente (VD) y la independiente (VI) o de
clasificacin (VE).
VD =
Asertividad
vc = Sexo: hombres y mujeres

Ho = No existen diferencias estadsticamente significativas en la asertividad
entre hombres y mujeres.
Con notacin estadstica
Ho de relacin
V1 = Agresin (X)
v2 = Niveles de testosterona (Y)
Ho = No existe relacin entre agresin y el nivel de testosterona en hombres.
Ho: rxy = 0
H1 de comparacin sin direccin. Utiliza los dos lados de la curva.
Estadstica inferencial 71
VD =
Calidad de vida
vc = Estado civil: casados y solteros
H1 = S hay diferencias estadsticamente significativas en la calidad de vida
entre solteros y casados.
H1 de comparacin con direccin. Se ocupa de un solo lado de la curva
Los solteros tienen mayor calidad de vida que los casados. Con notacin
estadstica
H1 de relacin sin direccin

V1 = identidad nacional (X)
V2 - Edad (Y)
72
Sofa Rivera Aragn

Mirna Garca Mndez
H1 = Existe relacin entre la identidad nacional y la edad en los universitarios.

H1 = rxy 0
H1 de relacin con direccin
H1 = a mayor identidad nacional mayor edad en los universitarios

H1 = rxy > + 0
H1 = a mayor identidad nacional menor edad en los universitarios

H1 = rxy > - 0
Clasificacin de la estadstica inferencial
No paramtrico
Es una estadstica de distribucin libre, se basa en frecuencias, porcentajes y

rangos, estos ltimos basados en rangos de ordenacin los cuales son buenas
medidas de variabilidad para muestras pequeas, no as para muestras grandes.
Las pruebas de la estadstica no paramtrica se enfocan en las diferencias entre
las medianas y parten de un modelo que especifica nicamente condiciones muy
generales en torno a la distribucin de la cual fue obtenida la muestra (Siegel y
Castellan, 2003).
73
Ventajas
a) Se puede aplicar a muestras pequeas en las que la n > 4.

b) Sus niveles de medicin son nominal y ordinal. En el nivel nominal se
pueden tratar datos que impliquen clasificacin (sexo: hombre o mujer). En
el nivel de medicin ordinal, el investigador concluye que algunos sujetos
de investigacin tienen ms o menos del atributo medido, sin determinar
qu tanto ms o qu tanto menos.
c) Si se aplica a variables intervalares, stas debern ser convertidas en
categoras. Por ejemplo:
d) Est libre de parmetros. Se refiere a que su distribucin es libre.
Desventajas
Cuando se aplica a variables intervalares sin ser convertidas en categoras, se

infla el valor de la prueba y se comete el error estadstico conocido como error
tipo 1 o alfa que consiste en rechazar la Ho cuando es verdadera, situacin que
conduce a conclusiones falsas.
Dadas las caractersticas de la estadstica no paramtrica, existe una
diversidad de pruebas que pueden ser empleadas con base en los requisitos
citados. En la tabla 17 se presentan las pruebas no paramtricas ms utilizadas,
as como una serie de elementos que facilitan la toma de decisiones con relacin
a las condiciones que se deben cubrir para emplear una u otra prueba.
74
Sofa Rivera Aragn

Mirna Garca Mndez
TABLA 17
PRUEBAS DE LA ESTADSTICA NO PARAMTRICA
Prueba
Objetivo
Nivel de
medicin
X2
Conocer la
distribucin de
la muestra
Nominal y
ordinal
Bondad de
ajuste
Por homogeneidad
Conocer si
existen diferencias entre
dos o ms grupos
IndepenConocer si
dencia
existe relacin
entre dos o ms
variables
Correccin de Conocer difeYates
rencias o asociacin entre
variables en
muestras pequeas
McNemar
Comparar si
existen diferencias antes y
despus de un
evento
T de
Comparar si
Wilcoxon
existen diferencias antes y
despus de un
evento
U de Mann
Comparar si
Whitney
dos grupos
Nominal y
ordinal
Anlisis de
varlanza de
KrusKall Wallis
Comparar si
tres o ms grupos
Diseo
De una muestra
Muestreo
Instrumentos
No
probabilsticos
Cuestionarios:
abiertos cerrados
Jerarquizacin
observaciones
De dos o ms
muestras independientes
Nominal y
ordinal
De una muestra
Nominal y
ordinal
De una muestra o
de dos muestras
independientes
Nominal y
ordinal
Pretest-postest
No probaAntes-despus
bilstico
Una sola muestra
medida dos veces
Cuestionarios:
abiertos cerrados
jerarquizacin
observaciones
Ordinal
No probaPretest-postest
bilstico
Antes-despus
Una sola muestra
medida dos veces
Los mismos que

en X2 y McNemar
Ordinal
Dos muestras independ entes
No probabilstico
Los mismos que

en las pruebas
anteriores,
adems de escalas
Ordinal
Ms de dos
Probabilstico
Escalas
Estadstica Inferencial
75
TABLA 17
(Continuacin)
Prueba
Nivel de
medicin
Diseo
Muestreo
Instrumentos
Comparar
tres o ms
mediciones en
un grupo
Ordinal
De medidas
repetidas
Tres o ms
muestras relacionadas
No probabilstico
Probabilstico
Escalas
Spearman rho Conocer re(rs) coeficiente laciones entre

de asociacin dos variables
Ordinal
De una sola
muestra
Escalas
Phi Coeficiente Conocer re-
Nominal.
De una sola
Se aplica a
muestra
tablas de
contingencia
de 2x2 (tablas
pequeas)
No probabilstico
Probabllstico
No probabilstico en
muestras
grandes
Anlisis de
varianza de
Friedman
Objetivo
Pruebas* comparadas que se

aplican en
de asociacin
laciones entre
dos variables
C de contingencia
Conocer relaciones entre

dos variables
Nominal.
De una sola
Se aplica a
muestra
tablas de
contingencia
mayores de
2x2 (tablas medianas)
No probabilstico
Pruebas comparadas que se

aplican en X2
V de
Cramer
Conocer relaciones entre

dos variables
Nominal.
De una sola
Correccin a la muestra
C de
contingencia
No probabilstico
Cuestionarios:
abiertos
cerrados
jerarquizacin
observaciones
*La prueba Phi y la C de contingencia dependen de la X2.

Paramtrica
La estadstica inferencial paramtrica se sustenta en supuestos o parmetros

y para poder emplearla es necesario cubrir los siguientes principios:
1. Distribucin normal.
Indica que los grupos tienen una curva normal o mesocrtica (esta curva
se describe en el captulo 2, figura 8). Con esta afirmacin se asume
que las muestras (n) con las que se est trabajando se han extrado de
76
Sofa Rivera Aragn

Mirna O a roa Mndez
poblaciones normalmente distribuidas, si no es ste el caso, se dice que las

pruebas estadsticas que dependen del principio do normalidad estn
viciadas, razn por la que las conclusiones obtenidas a partir de las
observaciones de estas muestras estarn en tela de juicio.
2. Homecedasticidad de varianza u homogeneidad de varianza.
La distancia entre la calificacin de un grupo y los de otro grupo deben ser
iguales, esto es, la distancia de las X a todas las puntuaciones individuales.
Este principio supone que las varianzas dentro de los grupos son estadsticamente las mismas, o sea, que las varianzas son homogneas de un
grupo a otro (Kerlinger y Lee, 2001). Esta situacin puede provocar el error
estadstico tipo 2 o beta, que consiste en aceptar la Ho cuando es falsa.
3. Seleccin y asignacin aleatoria.
Slo se aplican muestreos probabilsticos entendidos como la tcnica en la
cual todos los sujetos tienen la misma probabilidad de ser elegidos. Tambin
en la estadstica paramtrica se utiliza el muestreo no probabilstico,
definido como aquel en el que las personas no tienen la misma probabilidad
de ser elegidos. Sin embargo, al emplear alguna de las tcnicas de muestreo
no probabilstico es conveniente replicar los estudios. De acuerdo con
Kerlinger y Lee (2001) el muestreo probabilstico no es necesariamente
superior al no probabilstico en todas las situaciones. Refieren que en el
primero el nfasis est en el mtodo y la teora que lo sustenta, mientras que
en el segundo, el nfasis se encuentra en la persona que hace el muestreo.
Puesto que no es el propsito de este apartado profundizar en las tcnicas
de muestreo, en la tabla 18 se mencionan algunas de ellas.
4. La variable dependiente debe ser medida a nivel intervalar.
Esto significa que las medidas debern ser continuas con intervalos iguales,
ejemplo, las escalas tipo Likert de estilos y estrategias de poder (Rivera y
Daz-Loving, 2001) y el inventario multifactico de satisfaccin marital
(Caetas, 2000). Ambas son pruebas con cinco intervalos de respuesta.
77
TABLA 18
TCNICAS DE MUESTREO
Tcnicas de muestreo probabilstico
Tcnicas de muestreo no
probabilstico
Aleatorio simple
Accidental
Aleatorio con reemplazo

Estratificado
Por conglomerado
Estratificado
Intencional
Por cuota
La tabla 19 muestra las pruebas paramtricas ms empleadas por el

investigador social, adems de los criterios que se deben tomar en cuanta para
emplear una u otra prueba. La revisin en detalle de algunas de estas pruebas se
expondr en el captulo 5 de este texto.
TABLA 19
PRUEBAS DE LA ESTADSTICA PARAMTRICA*
Prueba
Objetivo
Nivel de
medicin
Diseo
Muestreo
Coeficiente
Relacionar dos
Productovariables
m o m e n t o de
Pearson
Intervalar
De una sola
muestra
Correlacional bivariado
Proba bilistico:
Muestra
grande
Prueba t de
student
VD a nivel
De dos muestras Probabilstico:
I n t e r v a l a independientes
Muestra
r
pequea n
<30
VI {Nominal De dos muestras
VC {y
independientes
VE {Ordinal
Muestra
Dos muestras
grande n >
relacionadas
30
pretest-postest
Antes-despus
Discriminacin de
reactivos
Comparar dos
grupos
Comparar dos
condiciones o
mediciones
Prueba post hoc
del Anova
78
Sofa Rivera Aragn

Mirna Garca Mndez
Instrumentos
Escalas
Escalas
Prueba
Objetivo
Nivel de
medicin
Anova
(anlisis de
varianza)
Compara tres o La VD debe ser

ms grupos
in-ervalar
Diseo
Muestreo
Tres o ms
Probabilistico:
Muestra
grande
Factoriales
Muestra
grande 15
sujetos mnimo por celdilla
Instrumentos
Escalas
a) simple de
una va
b) factorial de Comparar dos o
dos vas
ms variables
Independientes
con tres o ms
categoras
vi {Nominal
vc {y
ve {Ordinal
*VC se refiere a las variables de clasificacin y VE a las variables de estmulo.
Pruebas de la estadstica no
paramtrica
Cuando
existe
duda
respecto a la normalidad de la poblacin o
cuando la poblacin no es normal es conveniente emplear una prueba no

paramtrica, que como ya se mencion en el captulo 3 no parten del principio
de normalidad. Asimismo, las pruebas no paramtricas se clasifican en tres
grupos: para una muestra simple, para muestras relacionadas y para muestras
independientes.
Debido a la amplia variedad de pruebas en cada uno de estos grupos, en
este captulo slo se describirn las de mayor uso en la investigacin en
psicologa.
Pruebas para una muestra simple
Generalmente las pruebas para una muestra simple son pruebas de bondad de
ajuste que tienen como objetivo conocer la distribucin de la muestra.
Chi cuadrada (X2)
La chi cuadrada es la prueba ms empleada en la investigacin en psicologa.

Esta prueba se aplica para comparar las frecuencias esperadas (poblacionales)
y las frecuencias obtenidas (muestra) y a partir de esta comparacin decidir si
existen diferencias significativas. Las frecuencias esperadas se refieren a la
hiptesis nula (Ho) y las frecuencias obtenidas son los resultados alcanzados
por el investigador. De este modo, mientras mayor sea el valor de X2 menor es
la probabilidad de que las frecuencias obtenidas se deban a la poblacin, esto
83
significa que el valor de chi cuadrada es significativo si la diferencia entre las

frecuencias esperadas y las frecuencias obtenidas es lo suficientemente grande
(Siegel y Castellan, 2003; Levin y Levin, 2002). Su frmula es:
donde:
suma de todas las casillas, de la primera a la ltima.
frecuencia obtenida,
frecuencia esperada.
La frmula para obtener las fe es
fe= N /k
donde:
N = nmero de personas.
k = nmero de categoras o columnas.
De esta manera, el procedimiento para obtener la X2 consiste en restar cada
frecuencia esperada de su correspondiente frecuencia obtenida, la diferencia de
esta resta, se eleva al cuadrado y se divide entre la frecuencia esperada, estos
resultados parciales se suman y se obtiene el valor de la chi cuadrada.
Una vez que se obtiene el valor de la chi cuadrada, se requiere conocer los
grados de libertad (gl) que se definen como la amplitud de variacin contenida
en una condicin de investigacin, lo que significa la posibilidad de variacin
(Kerlinger y Lee, 2001; Downie y Heath, 1973). Asimismo, junto con los grados
de libertad, se requiere de una tabla de valores de X2 para conocer de acuerdo
con los gl y al valor de la X2, si sta es o no significativa.
84
Sofa Rivera Aragn

Mirna Garca Mndez
La frmula para obtener los grados de libertad es:

gl = k - 1
donde:
k = nmero de columnas de la tabla de contingencia
Tambin la X2 se utiliza en muestras independientes, en este caso se le
conoce como prueba de homogeneidad y su objetivo es conocer si existen
diferencias entre dos o ms grupos.
Un tercer uso de esta prueba, es como prueba de independencia, aqu su
objetivo es conocer si existen relaciones entre dos o ms variables en una
muestra.
Un cuarto uso es como prueba de correccin por continuidad de Yates, la cual le
da mayor precisin a la X2 cuando tiene fe pequeas.
En los tres primeros casos -bondad de ajuste, homogeneidad, independencia- la chi
cuadrada se obtiene con la misma frmula.
Reglas para su empleo
1. Las observaciones deben ser independientes, no se puede observar o

medir a la misma persona ms de una vez.
2. El nivel de medicin utilizado ser nominal u ordinal.
3. Se aplicar en muestreos no probabilsticos.
4. La muestra deber ser mayor a 20 {N > 20).
5. Si la muestra N < 20 entonces se utiliza la prueba de probabilidad exacta
de Fisher.
6. Las frecuencias esperadas deben ser mayores a 5.
7. Si la frecuencia esperada es > 5 y < 10, entonces se aplica la correccin por
continuidad de Yates.
8. Si la N > 20 y < 40, se aplica la prueba de correccin por continuidad de
Yates.
9. Si la tabla de contingencias es de 1 X i columnas, se aplica la X2 de
bondad de ajuste.
Pruebas de la estadstica
no paramtrica
85
10. Si la tabla de contingencia ese de 2 x 2 y cumple los requisitos 7 y 8, se

aplica la prueba de correccin por continuidad de Yates.
Procedimiento
1. Plantear las hiptesis estadsticas.

2. Determinar la probabilidad con la que se trabajar: p = .05, p = .01.
3. Distribuir los puntajes en la tabla de contingencia.
4. Calcular las frecuencias esperadas:
5. Aplicar la frmula.
6. Obtener los gl.
7. Plantear regla de decisin.
Este estudio tiene como propsito identificar el consumo de productos chatarra,
en una muestra de 60 nios preescolares de la ciudad de Mxico, as como la
preferencia por alguno de estos productos. Entendindose por productos
chatarra: pastelitos, frituras, refrescos y dulces.
Paso 1. Hiptesis.
Ho: no existen diferencias significativas en el consumo de productos
chatarra en nios preescolares.
H1: existen diferencias significativas en cuanto al consumo de productos
chatarra por parte de los nios preescolares.
Paso 2. Nivel de significancia p = .05.
Paso 3. Distribucin de los datos.
Pastelitos
Frituras
fo
15
fo
28
fe
15
Paso 4. Clculo de fe.
86
Sofa Rivera Aragn

Mirna Garca Mndez
fe
15
Refrescos
fo
0
fe
15
Dulces
fo
7
60
fe
15
Paso 5. Desarrollo de la frmula.
Paso 6. Obtener los grados de libertad.

gl = k - 1
gl = 4 - 1
gl = 3
Paso 7. Regla de decisin.
X2 X2t
H1 se acepta y Ho se rechaza.
X2t = chi cuadrada en tablas. En la tabla A del apndice, se busca en la parte

horizontal, el nivel de significancia previamente establecido .05, y en la parte
vertical los gl, que en este ejemplo fue de 1. Esto resulta en lo siguiente:
17.18 7.82. Se acepta la H1
no paramtrica
87
Interpretacin de resultados
Se encontraron diferencias significativas X2 = 1 7 . 1 8 , p = .05 en el consumo de

alimentos chatarra en los nios preescolares, lo que significa que difieren en el
consumo de estos productos.
Ejercicio SPSS
Se emplear el mismo ejercicio desarrollado por la frmula de preferencias de
productos chatarra por nios preescolares.
Paso 1. Se crea una variable que se denominar preferencias e incluir 5
niveles de respuesta: 1 = pastelitos; 2 = frituras; 3 = refrescos; y 4 = dulces.
Debido a que incluir las respuestas de los 60 nios en la base de datos implica
mucho espacio, nicamente se presentarn los datos de 10 nios, pero el anlisis y
los resultados se llevarn a cabo con el total de las respuestas de los participantes.
De esta manera la base de datos queda as:
88
Sofa Rivera Aragn

Mirna Garca Mndez
Paso 2. Se coloca el cursor en Analyze, se presiona el botn izquierdo del mouse y

se muestra un men en el que se coloca el cursor en Non-parametric test, aparece un
men en el que se coloca el cursor en Chi- Square y se da clic.
Paso 3. Al hacer clic en Chi-Square se abre un men.
no paramtrica
89
Paso 4. En el men del paso 3, se marca con el cursor la variable preferencias, se

da clic en el icono ubicado entre la variable preferencia y Test Variable List,
inmediatamente la variable preferencias aparece en Test Variable List.
Paso 5. Se da clic en OK y se muestran los resultados en tablas.

PREFERENCIAS
Observed N
Expected N
Pastelillos
15
15.0
.0
Frituras
Refrescos
Dulces
Total
28
10
7
60
15.0
15.0
15.0
13.0
-5.0
-8.0
90
Sofa Rivera Aragn

Mirna Garca Mndez
Residual
TEST STATISTICS
Preferencias
Chi-Squarea
df
Asymp. Sig.
17.200
3
.001
a.0 cells (.0%) have expected frequencies less than 5. The

minimum expected cell frequency is 15.0.
Estas tablas no se presentan en el reporte de investigacin, los datos

contenidos en ellas se pueden presentar en tablas en otro formato.
TABLA 20
DIFERENCIAS EN EL CONSUMO DE PRODUCTOS CHATARRA

Pastelitos
15
Frituras
Refrescos
Dulces
X2
28
10
17.20
gl
3
p
.00 1
N = 60.
Como se puede observar en la tabla 20, la X2 y la p difieren un poco de los

resultados con la frmula desarrollada, esto se debe a que en el
SPSS
las
operaciones se realizan en forma precisa.
Se encontraron diferencias significativas X2 = 17.20, p = .001 en el consumo

de alimentos chatarra en los nios preescolares, lo que significa que difieren en
el consumo de estos productos.
Pruebas para muestras relacionadas
Estas pruebas implican dos medidas de una sola muestra. Se emplean cuando
el investigador desea conocer si un tratamiento es mejor que otro o si
dos tratamientos son diferentes. En este tipo de estudios se pueden em-
no paramtrica
91
plear dos grupos, sin embargo, los resultados que se obtengan pueden estar
relacionados con un conjunto de eventos ajenos al tratamiento. Estos eventos se
conocen como variables extraas. Con la finalidad de controlar el efecto de
estas variables extraas, la persona puede fungir como su propio control, esto
es, se le expone a ambas condiciones en diferentes ocasiones. Otra alternativa es
el mtodo de apareamiento, en el que se seleccionan pares de personas lo ms
semejantes posible en torno de las variables extraas que puedan influir en los
resultados del tratamiento. El inconveniente de este mtodo es que depende de
la capacidad del investigador para establecer que tan iguales son los pares
(Siegel y Castellan, 2003).
McNemar
Es una prueba til en los diseos antes-despus (lvarez, 1995) en los que cada
sujeto se utiliza como su propio control. En la prueba de McNemar el objetivo es
probar la significacin de los cambios observados a partir de una tabla de
contingencia 2x2 (Siegel y Castellan, 2003; Conover, 1980).
Para probar la significancia de los cambios observados, los datos en la tabla

expresan lo siguiente:
92
Sofa Rivera Aragn

Mirna Garca Mndez
Los signos positivo y negativo slo se emplean para indicar que hubo un
cambio sin connotacin de bueno o malo.
Como se observa en la tabla, A + D son las personas cuyas respuestas
cambiaron. De esta manera, la Ho plantea que el nmero de cambios en cada
direccin es el mismo.
Sustituyendo la frmula:
donde:
suma
frecuencia obtenida
frecuencia esperada
se obtiene lo siguiente:
Los grados de libertad empleados en McNemar es 1. gl = 1.

Para obtener resultados ms precisos, se emplea la correccin por
continuidad que permite eliminar la fuente de imprecisin que resulta de
emplear una distribucin continua para aproximarse a una distribucin discreta
(Siegel y Castellan, 2003).
Con esta correccin, la frmula se expresa de la siguiente manera:
El signo | indica que al resultado de la resta de A - D, sin importar el signo +

o - se le resta el 1. Por ejemplo, 6-15 = - 9, entonces se resta 9 - 1 = 8
no paramtrica
93
En mediciones nominales y ordinales.

Que el nmero total de cambios sea mayor a 10.
Cuando la frecuencia esperada es menor a 5, se debe usar otra prueba.
Procedimiento
1. Plantear las hiptesis estadsticas.

2. Determinar la probabilidad con la que se trabajar p=05, p = . 0 1 .
3. Distribuir los puntajes en la tabla de contingencia.
5. Plantear regla de decisin.
Ejercicio
Para evaluar la efectividad de un programa de intervencin con 50 padres

de familia de ciudad Nezahualcyotl, se les pregunt si estaban de acuerdo o en
desacuerdo con que sus hijos recibieran educacin sexual en la escuela, tema a
tratar como parte del programa a travs de un taller. Antes del taller se les
pregunt si estaban de acuerdo o en desacuerdo y al trmino del taller se les
volvi a hacer la misma pregunta.
Paso 1. Hiptesis
Ho. La probabilidad de las madres que cambiaron de acuerdo a desacuerdo
es igual a la probabilidad de las madres que cambiaron de desacuerdo a
acuerdo en lo concerniente a que sus hijos reciban educacin sexual en la
escuela.
H1. Despus de haber asistido a un taller, las madres aceptan que sus hijos
reciban educacin sexual en la escuela.
Paso 2. Nivel de significancia a emplear p = .05.
94
Sofa Rivera Aragn

Mirna Garca Mndez
Paso 3. Distribucin de las respuestas de los padres antes y despus del taller.
Despues
Desacuerdos
Acuerdos
Acuerdos
Desacuerdos
30
Antes

X2 X2t H1 se acepta e Ho se rechaza.
X2t = chi cuadrada tablas. En la tabla A del apndice, se busca en la parte
horizontal, el nivel de significancia previamente establecido .05, y en la parte
vertical los gl, que en este ejemplo fue de 1. Esto resulta en que se acepta la H1.
10.25 3.84. Se acepta la H1.
Estos resultados indican que el taller influy en la opinin, ya que las

madres que estaban en desacuerdo con que sus hijos reciban educacin
sexual en la escuela, ahora en su mayora estn de acuerdo (X2 =10.25, p=.05)
no paramtrica
95
Ejercicio SPSS
La base de datos contiene las respuestas de los 50 padres de familia; sin embargo,
con fines prcticos en esta tabla nicamente se incluye la informacin de 20
padres. La base de datos del paso 2, slo incluye 10 de los 20 casos, no obstante
los anlisis que se presentan son a partir de todos los casos
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
Paso 2. Al hacer clic en Analyze, aparece un men en el que se coloca el cursor

en Descriptive statistics, se da clic y aparece otro men, se coloca el cursor en
Crosstabs, se da clic.
96
Sofa Rivera Aragn

Mima Garca Mndez
Paso 3. Al hacer clic en Crosstabs, se abre un men en el que aparecen las dos
condiciones de investigacin (antes/despus), se da clic en el cuadro de Statistics.
no paramtrica
97
Paso 4. Al hacer clic en Statistics se coloca el cursor en Chi-square y en McNemar,

se da clic en el cuadro de cada una de stas pruebas,- se coloca el cursor en
Continue y se da clic.
Paso 5. Al hacer clic en Continue reaparece el men del paso 3 de la

investigacin. Se coloca el cursor en antes y se da clic en el icono que est entre
antes-despus y Row(s), entonces antes se muestra en Row(s).
Sofa Rivera Aragn

Se coloca el cursor en despus y se da clic en el icono que est entre antesdespus y Column(s), entonces despus aparece en Column(s). Se hace clic en OK y
se muestran los resultados en tablas.
ANTES-DESPUS CROSSTABULATION
Count
Despus Acuerdo Desacuerdo
ANTES
Acuerdo
Desacuerdo
30
36
Total
Total
15
5
14
35
50
CHI-SQUARE TESTS
Pearson Chi-Square
Countinity Correctiona
Likelihood Ratio
Value
df
Asymp.Sig. Exact sig. Exact sig. (1

(2-sided) (2-sided)
sided)
10.884b
.001
8.735
.003
10.397
.001
Fisher's Exact Test

Linear-by-Linear
.002
10.667
.002
.001
Association
McNemar Test
N of Valid Cases
.00lc
50
Computed only for a 2x2 table.

l cells (25.0%) have expected count less than 5. The minimum expected count is 4.20.
cBinomial distribution used.
a
Una forma de presentar estos resultados es la siguiente:

La distribucin de las respuestas de los padres de familia antes y despus de
haber tomado el taller se presenta en la tabla 21.
no paramtrica
99
TABLA 21
DISTRIBUCIN DE RESPUESTAS DE LOS PADRES DE FAMILIA.
Despus
Antes
Desacuerdos
Acuerdos
Acuerdos
Desacuerdos
30
Con base en esta distribucin de respuestas, se obtuvo una X2 10.88, p =

.001 lo que indica diferencias significativas en los acuerdos/desacuerdos por
parte de los padres, antes y despus de asistir al taller, modificndose la
respuesta de desacuerdo por acuerdo en lo concerniente a que sus hijos reciban
educacin sexual en la escuela.
t de Wilcoxon (t w)
La prueba t de Wilcoxon considera la magnitud relativa y la direccin de las

diferencias, lo que la convierte en una prueba poderosa. Esta prueba otorga
mayor peso a los pares que tienen mayores diferencias entre el antes y despus
que a los pares cuya diferencia es pequea. De esta manera el investigador
puede determinar qu miembro del par es ms grande que, por lo que puede
hacer juicios de mayor que entre los valores de cualquier par (Siegel y Castellan,
2003).
Procedimiento
1. Plantear hiptesis.
2. Determinar probabilidad alfa ( ).
3. Obtener las calificaciones de la muestra antes y despus.
4. Obtener las diferencias de la primera y segunda aplicacin.
5. Ordenar de mayor a menor las diferencias (R) (se toma en cuenta el
signo). Cuando la diferencia es cero, no se ordena.
6. Sumar por separado los rangos de los valores positivos ( R+) Y los
rangos de los valores negativos ( R-).
100
Sofa Rivera Aragn

Mirna Garca Mndez
7. Elegir el valor ms pequeo de la R + o R - el cual constituye la t de

Wilcoxon.
8. Plantear la regla de decisin: t we t wr entonces ( ) la hiptesis alterna
se acepta y la hiptesis nula se rechaza.
Ejercicio
El Instituto Nacional Indigenista plantea que en Mxico existe discriminacin, si no al color de la piel, s a los rasgos indgenas. De hecho se usa la
expresin "eres un indio" como sinnimo de tonto, no hablas bien, etctera. Para
probar esta aseveracin, se llev a cabo un estudio con una muestra de nueve
estudiantes que se distribuyeron en comunidades del sureste, con el propsito
de que convivieran en estas comunidades. Antes de irse, se les aplic una escala
de actitudes hacia la discriminacin indgena, misma que se les aplic cuando
regresaron.
Paso 1. Hiptesis.
Ho. No existen diferencias significativas en las actitudes hacia la discriminacin de los indgenas, antes y despus de convivir en comunidades
indgenas.
H1. Si existen diferencias en las actitudes hacia la discriminacin de los
indgenas, antes y despus de convivir en comunidades indgenas.
Paso 2. Nivel de significancia utilizado p = .05.
Paso 3. Obtencin de las calificaciones.
Antes
Despus
118
100
120
141
51
170
179
47
161
N=9
100
90
38
60
171
64
89
52
101
N=9
no paramtrica
101
Pasos 4 y 5. Se obtienen las diferencias de las calificaciones antes-despus, por ejemplo, 118 - 100 = 18. Se ordenan los rangos de menor a mayor,
el rango 1 es para la diferencia ms pequea, que en este caso es -5. Como la
diferencia es negativa, el rango tambin ser negativo.
Antes
Despus
118
100
120
141
51
170
179
100
90
38
60
171
64
89
52
101
47
161
Rd
18
10
82
81
-120
106
90
-5
60
3
2
6
5
-9
8
7
-1
4
Paso 6. Se obtiene la suma de rangos positivos y negativos.

R + = 3 + 2 + 6 + 5 + 8 + 7 + 4
R+ = 35
R - = -9 - 1
R- = -10
Paso 7. Se elige el valor ms pequeo resultado de la suma de rangos

positivos y negativos. En este ejercicio el valor menor lo tiene la suma de rangos
negativos, convirtindose en el valor tw.
tw = -10
t we t wt se acepta la Ho.
102
Sofa Rivera Aragn

Mirna Garca Mndez
donde:
t we = El valor obtenido con el desarrollo de la frmula (-10).
t wt = Es el valor en tablas, que en este caso se busca en la tabla B del

apndice, siguiendo el procedimiento descrito en chi cuadrada y McNemar. El
resultado es 6.
10 > 6 se rechaza la H1.
Estos resultados indican que no existen diferencias respecto a las actitudes

hacia la discriminacin de los indgenas antes y despus de haber convivido con
ellos.
Ejercicio SPSS
Para este ejercicio se retomarn los datos del Instituto Nacional Indigenista.
mouse.
no paramtrica
103

en Nonparametric tests, se da clic y aparece otro men, se coloca el cursor en 2 Related
Samples y se da clic.
Paso 3. Al hacer clic en 2 Related Samples, se abre un men que contiene las
variables de estudio. En este men se da clic en el cuadro de Wilcoxon.
104
Sofa Rivera Aragn

Mirna Garca Mndez
Paso 4. Se coloca el cursor en la variable antes y se da clic en el icono que est

entre las variables de estudio y Test Pair(s) List, antes aparece en variable 1, se sigue el
mismo procedimiento con la variable despus e igual aparece en variable 2.
Paso 5. Se da clic en el icono que est entre las variables de estudio y Test
Pair(s) List, las variables antes despus aparecen en Test Pair(s) List y se eliminan de
variable 1 y variable 2.
no paramtrica
105
Se da clic en el icono de OK y se muestran los valores de la prueba t de

Wilcoxon en tablas.
RANKS
N
Despues-Antes Negative Ranks
Positive Ranks
Ties
Total
Mean-Rank
Sum of Ranks
7a
5.00
35.00
2
0C
9
5.00
10.00
Despus < antes.

Despus > antes.
c Antes = despues.
a
TEST STATISTICSb
Despus-Antes
Z
Asymp. Sig.(2-tailed)
-1.481a
.139
Based on positive ranks.

Wilcoxon Signed Ranks Test.
De acuerdo con los resultados, no se encontraron diferencias significativas

en la actitud hacia la discriminacin de los indgenas antes y despus de haber
convivido con ellos en sus comunidades.
Pruebas para muestras independientes
Los mtodos no paramtricos de anlisis de varianza dependen del ordenamiento

de rangos. Las pruebas empleadas en este rubro son: U de Mann Whitney y
anlisis de varianza en una direccin por rangos de Krus-Kal-Wallis (Kerlinger y
Lee, 2001).
Sofa Rivera Aragn

U de Mann Whitney (U)
La prueba U de Mann Whitney se aplica en muestras aleatorias extradas

independientemente (N I y N 2 ) cuyos tamaos pueden ser diferentes. En esta
prueba las puntuaciones de la distribucin de ambas muestras se ordenan por
rangos de acuerdo con valores crecientes en magnitud. De esta manera, a la
puntuacin de ambas distribuciones con menor puntaje se le asigna el rango 1, la
subsiguiente, el rango 2, y as sucesivamente. Cuando una puntuacin aparece
en ambas distribuciones, se promedian y el resultado se asigna en los dos casos
(Downie y Heath, 1973).
Su frmula es:
donde:
N1 = muestra 1.
N2 = muestra 2.
R1 = suma de rangos muestra 1.
R2= suma de rangos muestra 2.
En mediciones ordinales.
En muestras independientes cuyos tamaos sean iguales o diferentes.
En datos expresados por rangos.
La frmula aplica para N2 > 9 personas.
Procedimiento
1. Plantear las hiptesis.

2. Determinar la probabilidad.
no paramtrica
107
3. Ordenar las respuestas de las muestras N1 y N2 de menor a mayor.

4. Obtener los rangos de cada respuesta, dndole el rango menor 1 a la
respuesta ms pequea, el 2 a la siguiente y as sucesivamente. Cuando se
repiten dos respuestas en ambas muestras, stas se suman y se dividen entre
dos, el resultado de esta operacin es el rango para ambas respuestas. Por
ejemplo, el nmero 11 se repite en ambos grupos en el desarrollo de la
frmula (paso 2), les corresponde los rangos 7 y 8, entonces, se suman 7 +
8 = 1 5 , este resultado se divide entre dos, que se refiere a los dos rangos, el
resultado 7.5 es para los dos valores de 11.
5. Desarrollar la frmula.
6. Plantear la regla de decisin.
Ejercicio
Se realiz un estudio con la finalidad de identificar los efectos de

reforzamiento positivo como parte de una terapia de aprendizaje para
problemas de dislexia en nios de cuatro a seis aos de edad. Se tuvieron dos
muestras, una con ocho nios (con reforzamiento) y la otra con 10 nios (sin
reforzamiento) se registr la frecuencia de respuestas correctas de un total de 20
palabras presentadas en ambos grupos.
Paso 1. Hiptesis.
Ho. El aprendizaje de los nios con problemas de dislexia, es el mismo con o
sin reforzamiento positivo.
H1. El reforzamiento positivo favorece el aprendizaje de los nios con
problemas de dislexia.
Paso 2. Nivel de significancia a emplear p = .05.
Pasos 3 y 4. se ordenan las respuestas de menor a mayor y se obtienen los
rangos en cada N.
108
Sofa Rivera Aragn

Mirna Garca Mndez
Respuestas
correctas N1
15
18
19
16
14
17
11
10
N1 = 8
R1
13.5
17
18
15
11.5
16
7.5
6
R 1 =104.5
Respuestas
correctas N2
8
6
13
9
7
15
12
11
5
14
N 2 = 10
R2
4
2
10
5
3
13.5
9
7.5
1
11.5
R 2 = 66.5
no paramtrlca
109
Prueba de comprobacin:
N I N 2 = (8)(10) = 80
U1 U2 = (11.5)(68.5) = 80
Paso 6. Regla de decisin:
U Ut se acepta H1
11.5 13 se acepta H1
Para encontrar el valor en tablas, de acuerdo con Runyon y Haber (1987) se

busca en la parte vertical de tablas N1 (el total de personas en la muestra 1) y en
la parte horizontal N2 (el total de personas en la muestra 2).
A manera de ejemplo, se presenta un fragmento de la tabla de valores
crticos de U de Mann-Whitney (vase tabla C del apndice) retomados de
Downie y Heath (1970) al nivel de significancia .01.
n1
n2
10
11
12
13
14
15
16
17
18
19
20
2
5
9
12
16
20
23
2
6
10
13
17
22
26
3
7
11
15
19
24
28
3
7
12
16
21
26
31
4
8
13
18
23
28
33
4
9
14
19
24
30
36
4
9
15
20
26
32
38
5
10
16
22
28
34
40
9
1
2
3
4
5
6
7
1
3
5
7
9
11
1
3
8
77
13
1
4
7
9
12
15
2
5
8
11
14
17
Se observaron diferencias significativas U = 11.5, p = .01 entre los nios que

tuvieron reforzamiento positivo durante la terapia de aprendizaje y los nios
que no lo tuvieron, lo que sugiere un mejor aprendizaje en los nios con
reforzamiento positivo.
110
Sofa Rivera Aragn

Mirna Garca Mndez
Ejercicio
SPSS
El paso 1 contiene la base de datos con las variables a manipular. La variable grupo
con/sin, se refiere a los dos grupos de estudio (1 = con reforzamiento, 2 = sin
reforzamiento), re a re20, son las respuestas a cada una de las 20 palabras (1 =
respuesta correcta y 2 = respuesta incorrecta).
Paso 2. Para obtener la frecuencia de respuestas correctas es necesario

crear una nueva variable, para ello se da clic en transform y aparece un men
en el que se da clic en count y aparece un men.
Paso 3. En el men de count, en Target Variable, se escribe el nombre de
la nueva variable, en este caso ser rescorre. En Target Label se escribe
el
nombre
completo
de
la
variable:
respuesta
correcta.
Ensegui-
no paramtrica
111
Paso 2
da se marcan con el cursor las 20 respuestas ( r e . . ,re20) que estn debajo del
cuadro de Target Label, se da clic en el icono que se encuentra entre r e 1 . . , re20 y
Variables, entonces las 20 respuestas aparecen en el cuadro de Variables que ahora se
denomina Numeric Variables.
Paso 3
Sofa Rivera Aragn

Paso 4. Una vez que se tienen las Numeric Variables, se presiona el icono Define
Values y se muestra el siguiente men, en el que se escribe en Values, el nmero 1, se
da clic en Add y el nmero 1 se pasa a Values to Count, posteriormente se presiona el
icono de Continue y se muestra el men del paso 3 en el que se presiona OK.
Paso 5. Al presionar if se muestra un men que tiene marcado include cases, se da

clic en Continue.
no paramtrica
113
Paso 6. Cuando se da clic en Continue se muestra nuevamente el men del paso 3

en el que se da clic en OK y aparece la base de datos con la nueva variable rescorre
que contiene las frecuencias de respuestas correctas por nio. Para fines prcticos,
slo se incluir parte de la informacin de la base de datos.
Paso 7. Al hacer clic en Analyze, aparece un men en el que se coloca el cursor en

Nonparametric tests, se da clic y aparece otro men, se coloca el cursor en 2 independent
sample y se da clic.
Sofa Rivera Aragn

Paso 8. Al hacer clic en 2 Independent Samples, se abre un men que contiene las
variables de estudio y se marca Mann-Whitney.
Paso 9. La variable rescorre se marca con el cursor, se da clic en el icono que est
entre las variables de estudio y Test Variable List, lo que resulta en que rescorre
aparecer en el cuadro de Test Variable List. La variable grupo con/sin sigue el mismo
procedimiento, slo que se da clic en el icono que est entre las variables de
estudio y Grouping Variable mostrndose Grupo ?? en el cuadro de Grouping Variable.
Se da clic en Define groups.
no para mtrica 115
Paso 10. Despus de dar clic en Define groups aparece una ventana en la que se
pone el nmero 1 en group 1, y el nmero 2 en group 2. Esto se hace as porque la
variable grupo con/sin que se muestra en los pasos 1, 2 y 3 tiene dos niveles: 1 (con
reforzamiento) y 2 (sin reforzamiento).
Posteriormente se da clic en continue y reaparece el cuadro del paso 4,

sustituidas las interrogaciones de Grouping Variable por los nmeros 1 y 2, se da clic
en el icono de OK y se muestran los resultados de la prueba U de Mann Whitney.
RANKS CORRECTA
Grupo con/sin
Mean-Rank
Sum of Ranks
correcta
13.06
1 04.50
control
Total
10
18
6.65
66.50
Respuesta
correcta
116
Sofa Rivera Aragn

Mirna Garca Mndez
TEST STATISTICSb
Respuesta
correcta
Mann-Whitney U
Wilcoxon W
Z
Asymp.Sig (2-tailed)
Exact Sig (2*(1 -tailed
Sig.))
11.5000
66.500
-2.536
.011
.009a
Not corrected for ties.

Grouping variable: grupo control/experimental.
Estos resultados indican diferencias significativas entre el grupo con reforzamiento R1 = 104.5, X = 13.06 y el grupo sin reforzamiento R2 = 66.50, X =
6.65, lo que sugiere que el reforzamiento positivo favorece el aprendizaje en los
nios con problemas de dislexia p = .009.
Anlisis de varianza en una direccin
por rangos de KrusKal-Wallis (H)
El anlisis de varianza en una direccin de KrusKal-Wallis es una alternativa no

paramtrica al anlisis de varianza (razn F) utilizada para comparar varias
muestras independientes (Levin y Levin, 2002).
Cuando la nica forma factible de medicin es la ordinal o el rango, la
opcin es emplear la prueba de KrusKal-Wallis (Kerlinger y Lee, 2001). Su
frmula es:
donde:
N = el nmero total de casos.
no paramtrica
117
n = el nmero de casos en una muestra dada.

R1 = la suma de los rangos para una muestra dada.
12, 1 y 3 son constantes.

En mediciones ordinales.
En comparaciones de tres o ms muestras independientes.
Procedimiento
1. Plantear las hiptesis estadsticas:

Ho: Ml = M2 = M3
HI: M1 M2 = M3
2. Definir el nivel de probabilidad alfa ( )( = 95 o 99%).
3. Ordenar las calificaciones de menor a mayor y obtener los rangos de la
misma manera que para la prueba U de Mann Whitney.
4. Sumar los rangos.
6. Plantear la regla de decisin.
Ejemplo
La literatura plantea que el locus de control interno mejora el aprendizaje.

Para confirmar este planteamiento se aplic la escala de locus de control De la
Rosa (1986) a 14 personas distribuidas en tres grupos: nios, adolescentes y
adultos. El investigador plantea que a mayor edad, las personas tienen un locus
de control preferentemente externo debido a los efectos de la socializacin. As,
a mayor calificacin, mayor locus de control externo, y a menor calificacin,
mayor locus de control interno.
118
Sofa Rivera Aragn

Mirna Garca Mndez
Paso 1. Hiptesis.
Ho. No existen diferencias en el locus de control a partir de la edad de las
personas.
H1. Existen diferencias en el locus de control a partir de la edad de las
personas.
Paso 2. Nivel de significancia p =.05.
Pasos 3 y 4.
Calificaciones
nios
Calificaciones
adolescentes
Calificaciones
adultos
100
10
90
70
150
13
85
60
160
14
75
50
120
11
65
40
130
12
N1= 5
R1 =60
N2= 4
R2=29
25
N3= 5
R3 =16
Paso 5. Aplicacin de la frmula.
no paramtrica
119
H Ht
11.08 7.82
Para que los resultados sean significativos, la H tiene que ser igual
o mayor que el valor de Ht en tablas. En la tabla D del apndice, se busca en los
renglones, los tamaos de las tres muestras, en este caso son N1 5, N2= 4 y N3
= 5. Junto a estos valores se encuentra el valor de H y su nivel de significancia
que es de .01.
Existen diferencias en el locus de control a partir de la edad de las personas

H = 11.08 p = .01, lo que significa que hay mayor locus de control externo en los
nios y mayor locus de control interno en los adultos.
Ejercido SPSS
Paso 1. Una vez capturada la informacin en la base de datos, es necesario

obtener los rangos de calificaciones. Para obtener estos rangos, se coloca el
cursor en Transform, se da clic y aparece un men en el que se da clic en Rank
Cases.
Es importante aclarar que la variable edad fue creada para incluir la
informacin concerniente a las tres muestras. Sus valores son: nios = 1,
adolescentes = 2 y adultos = 3.
Paso 2. Al hacer clic en Rank Cases se muestra el men en el que se
encuentran las variables.
120
Sofa Rivera Aragn

Mirna Garca Mndez
Paso 1
Paso 2
no paramtrica 121
Paso 3. Se coloca el cursor en califica, se da clic en el icono ubicado entre los

cuadros de las variables y Variable(s), entonces califica aparece en Variable(s).
El crculo de Smallest value debe estar marcado al igual que el cuadro de Display
summary tables, de no ser as se marcan con el cursor, posteriormente se da clic en
Rank Types.
Paso 4. Al hacer clic en Rank Types, surge un men en el que se da clic en el

cuadro de Rank y en Continue.
Sofa Rivera Aragn

Paso 5. Despus de marcar Rank, en el men del paso 4 se da clic en Ties y se

muestra un men en el que se da clic en Mean y en Continue.
Paso 6. Al hacer clic en Continue, reaparece el men del paso 4 en el que se da

clic en OK. El resultado de esta operacin aparece en la base de datos con la nueva
variable rcalific (son los rangos de las calificaciones). En la base de datos se da clic
en Analyze, aparece un men, se da clic en Non-parametric tests, aparece un men, se
da clic en K independent samples.
no paramtrica 12 3
Paso 7. Al hacer clic en K independent samples, aparece el siguiente men.
Recuerde que el propsito de esta investigacin es saber si el locus de control

se modifica con la edad y con ello el aprendizaje.
Paso 8. Se coloca el cursor en la variable RANK of CALIFICA (rcalific) que se refiere a los
rangos de calificacin, se da clic en el icono ubicado entre las variables y Test
Variable List, entonces (rcalific), aparece en Test Variable List. Enseguida se repite el
mismo procedimiento con la variable edad (edad), slo que ahora se da clic en el
icono que est entre las variables y Grouping variable, aparece en este cuadro edad {??).
Se da clic en Define range.
Sofa Rivera Aragn

Paso 9. Al dar clic en Define range, aparece el siguiente men. En el cuadro de

Minimum se escribe el nmero 1, que corresponde a la muestra 1 integrada por
nios. En el cuadro de Maximum se escribe el nmero 3, que corresponde a la
muestra de adultos. Enseguida se da clic en Continue.
Paso 10. Al hacer clic en Continue reaparece el men del paso 8 en el que se da
clic en OK mostrndose los resultados en tablas.
RANKS
Rank of califica
Edad
Mean-Rank
nios
12.00
adolecentes
adultos
Total
4
5
14
7.25
3.20
TEST STATISTICSab
Rank of
califica
Chi-Square
df
Asymp. Sig.
aKruskal
11.083
2
.004
Wallis Test.
Variable: edad.
bGrouping
no para mtrica 125
La interpretacin de estos resultados es igual a la presentada en el ejercicio

de la frmula desarrollada, slo que aqu, la p = .004 lo que se relaciona con la
exactitud de las operaciones realizadas por el
SPSS.
Es conveniente destacar que
el valor de la-Chi es el mismo reportado en ambos ejercicios.

Chi cuadrada para muestras
independientes X2
La chi cuadrada tambin se emplea en muestras independientes, una de las

diferencias con las pruebas U de Mann Whitney y anlisis de varianza en una
direccin por rangos de KrusKal-Wallis, es que no emplea rangos. En este rubro,
la chi cuadrada se emplea para determinar diferencias significativas entre dos
grupos, es el caso de la X2 por homgeneidad.
Ejercicio. X2 por homogeneidad
Este ejemplo se sustenta en una investigacin de Romero y Rivera (2004) que

indagaron sobre los elementos que motivan a hombres y mujeres a ser infieles,
contenidos en cinco categoras: motivos emocionales, motivos circunstanciales,
motivos instrumentales, motivos de personalidad y motivos sexuales. La
muestra estuvo constituida por 454 personas, 181 hombres y 273 mujeres, sus
respuestas observadas se presentan en la tabla 22.
Paso 1
Ho. Los hombres y las mujeres consideran que los motivos emocionales,
circunstanciales, instrumentales, de personalidad y sexuales son elementos
que favorecen de igual forma la infidelidad.
H1. Existen diferencias entre hombres y mujeres con relacin a los motivos
emocionales, circunstanciales, instrumentales, de personalidad y sexuales
que favorecen la infidelidad.
126
Sofa Rivera Aragn

Mirna Garca Mndez
Paso 2. La probabilidad que se emplear es p = .05.

Paso 3. Distribucin de los puntajes.
TABLA 22
FRECUENCIAS OBSERVADAS POR CATEGORA EN HOMBRES Y MUJERES
Categoras
f0
fo
Hombres
mujeres
Motivos emocionales
53
87
Motivos circunstanciales
Motivos instrumentales
Motivos de personalidad
Motivos sexuales
Total
31
64
23
10
181
19
125
22
20
273
Paso 4. Obtencin de las frecuencias esperadas (fe) de cada una de las

categoras enunciadas en la tabla 23 sustituyendo la frmula en motivos
emocionales:
fe = N/k
donde:
W = 140. Total de hombres y mujeres que respondieron en motivos
emocionales (fe)
k = 2 (nmero de categoras o columnas-, hombres y mujeres)
no paramtrlca 127
Motivos sexuales
Los resultados se presentan en la tabla 23.
TABLA 23
FRECUENCIAS OBSERVADAS Y ESPERADAS POR CATEGORA
EN HOMBRES Y MUJERES
Categoras
fo
hombres
fo
mujeres
fo
Motivos emocionales
53
87
31
19
64
125
94.5
23
22
22.5
Motivos sexuales
10
20
15
Paso 5. Aplicacin de la frmula para cada una de las categoras
Motivos emocionales
Sofa Rivera Aragn

70
25
no paramtrica
129
Motivos sexuales
Paso 6. Una vez que se obtuvieron las .X2 de cada categora, se obtienen los
gl:
gl = k - 1
gl = 2-1
El nmero 2 se refiere a las dos columnas de la tabla 23 (hombres y
mujeres):
gl= 1
Con el valor de la X2 y los grados de libertad, se busca en tablas su nivel de
significancia. Los resultados se muestran en la tabla 24.
130
Sofa Rivera Aragn

Mirna Garca Mndez
TABLA 24
ELEMENTOS QUE MOTIVAN LA INFIDELIDAD

Categoras
fo
fo
fo
hombres
mujeres
Motivos emocionales
53
87
70
Motivos sexuales
31
64
23
10
19
125
22
20
25
94.5
22.5
15
X2
8.25
.01
2.88
19.68
0.02
3.32
.001
Estos resultados indican que existen diferencias significativas entre hombres

y mujeres, en dos de los elementos que ellos consideran favorecen la infidelidad.
Estas diferencias se encuentran en las categoras de motivos emocionales X2 =
8.25, p = .01 y motivos instrumentales X2 = 19.68, p = .001, que de acuerdo con
las frecuencias observadas, para las mujeres tienen mayor importancia que para
los hombres. Se rechaza la Ho.
Ejercicio SPSS
Con el propsito de conocer el significado del funcionamiento familiar, se aplic

un cuestionario abierto a 300 hombres y mujeres de la ciudad de Mxico.
Para este ejercicio nicamente se emplear lo concerniente a los significados
de la comunicacin y afectividad en el funcionamiento familiar y la informacin
presentada en la base de datos slo incluye una pequea parte de lo recabado de
las 300 personas.
Hiptesis:
Ho. Los hombres y las mujeres le otorgan la misma importancia a la
comunicacin y afectividad en el funcionamiento familiar.
H1. Los hombres y las mujeres difieren en cuanto a la importancia que
tienen la comunicacin y la afectividad en el funcionamiento familiar.
no paramtrica 131
Paso 1. Se coloca el cursor en Analyze, se da clic en el botn izquierdo del mouse.6

en Descriptive Statistics, se da clic y aparece otro men, se coloca el cursor en
Crosstabs y se da clic.
En lo subsiguiente, al indicar que se da clic, se asumir que se presiona el botn izquierdo del
mouse y que el cursor est colocado en la operacin a realizar.
Sofa Rivera Aragn
13 2 Mirna Garca Mndez
Paso 3. Al hacer clic en Crosstabs, se abre un men que contiene las variables de
la investigacin.
Paso 4. Las variables comunica y afectiva se marcan con el cursor, se da clic en

el icono que est entre las variables de estudio y Row(s) lo que resulta en que
comunica y afectiva aparecern en el cuadro de Row(s). Se sigue el mismo
procedimiento para la variable sexo, slo que se da clic en el icono que est entre las
variables de estudio y Column(s) mostrndose la variable sexo en el cuadro de
Column(s).
Enseguida se pone el cursor en el icono de Statistics y se da clic con el botn
izquierdo del mouse.
no paramtrica
133
Paso 5. Al hacer clic en Statistics, aparece un men, se da clic en Chi-square (X2).
Una vez seleccionada la prueba estadstica, se da clic en continue y reaparece el

men del paso cuatro, se da clic en OK y se muestra el resultado de la prueba chi
cuadrada en tablas. La primera incluye la distribucin de los sujetos por sexo y el
nmero de frecuencias obtenida en la variable comunicacin.7
CROSSTAB
Count
comunicacin
Sexo
Ausente
Presente
Total
Total
masculino
femenino
34
34
68
110
144
122
156
232
300
La segunda tabla muestra los resultados de la chi cuadrada, los que indican el
valor de la prueba y su nivel de significancia. Estos datos debern ser
interpretados por el investigador con base en las hiptesis planteadas.
7Con fines didcticos se muestran los resultados de la prueba chi cuadrada, tal como los
reporta el SPSS; sin embargo, nunca se presentan as en un reporte de investigacin.
Sofa Rivera Aragn

CHI-SQUARE TESTS
Pearson Chi-Square
Continuity Correction
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases 300
Value
df
Asymp. Sig. Exact sig.

(2-sided)
(2-sided)
.141b
.707
.056
.141
1
1
.812
.707
.783
.140
Exact sig.
(1sided)
406
.708
Computed only for a 2x2 table
0 cells (.0%) have expected count less than 5. The minimum expected count is 32.64.
Las siguientes dos tablas presentan lo concerniente a las variables de

afectividad y sexo.
CROSSTAB
Count
Afectividad
Sexo
Masculino
Ausente
Presente
Total
Total
Femenino
94
76
170
50
144
80
156
130
300
CHI-SQUARE TESTS
Pearson Chi-Square
Countinity Correction0
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases
Value
df
Asymp.Sig.
(2-sided)
8.362b
7.702
8.415
1
1
1
.004
.006
.004
8.334
300
Exact Sig.
(2-sided)
Exasig.
(1sided)
.005
.003
.004
Computed only for a 2x2 table.

0 cells (0% have expected count less than 5. The minimum expected count is 62.40.
d
6
a
b
no paramtrica
135
Una de las formas de presentar la informacin obtenida en el
SPSS,
se
muestra en la tabla 25.
TABLA 25
DIFERENCIAS EN LOS SIGNIFICADOS DEL
FUNCIONAMIENTO FAMILIAR POR SEXO
Sexo
Significados
Comunicacin
Afectiva
Masculino
76.4%
34.7%
Femenino
78.2%
51.3%
X2
.141
NS
8.362
.004
Interpretacin de los resultados
Los resultados indican que hombres y mujeres le otorgan el mismo valor a la

comunicacin en el funcionamiento familiar. En cuanto a la afectividad, se
encontraron diferencias significativas en ambos sexos, X2 = 8.362, p = .004, lo que
sugiere que para las mujeres tiene mayor importancia que para los hombres el
aspecto afectivo en el funcionamiento familiar.
Estadstica paramtrica
Caractersticas
Las
primeras tcnicas inferenciales fueron las paramtricas que hacen
suposiciones a los parmetros de la poblacin que se obtuvieron, es decir, dan

suposiciones acerca de la poblacin de donde se extrajo la muestra. Obtienen
diferencias entre medias.
La estadstica paramtrica, hace un buen nmero de suposiciones acerca de
la naturaleza de la poblacin de la que se obtuvieron los puntajes. Se llama
Paramtrica puesto que los valores de la poblacin son parmetros.
Los supuestos son:
a) Distribucin normal.
b) Homocedasticidad de varianza.
c) Nivel de medicin intervalar.
d) Seleccin y asignacin aleatoria.
Las pruebas paramtricas fijan su atencin en la diferencia entre las medias
de dos o ms conjuntos de puntajes. Esta se interesa en dos cosas:
a) Estimacin de parmetros.
b) Pruebas de hiptesis.
139
Pruebas paramtricas.
Prueba de coeficiente de correlacin de
producto-momento de Pearson
Introduccin
En la vida diaria hemos escuchado muchas cosas, que aunque no han sido
comprobadas cientficamente, suceden en forma imprevista, por ejemplo, se dice
"que a mayor velocidad de un carro, menor consumo de gasolina"; o que si "un
adolescente tiene los pies grandes es porque va a ser muy alto", tambin hemos
visto que las personas satisfechas en su relacin de pareja son ms
comunicativas. Al hacer esta serie de afirmaciones sin un fundamento se expresa
la suposicin de que existe alguna correlacin entre las variables.
La correlacin indica o representa la relacin entre dos variables. De entre
los ejemplos planteados aqu, el ltimo plantea como variables, a la satisfaccin
con la relacin y la comunicacin. Si quisiramos comprobar la relacin
existente entre estas dos variables tomaramos en forma aleatoria a una muestra
de personas que actualmente tuvieran una relacin de pareja. Posteriormente les
preguntaramos qu tan satisfechos se encuentran con su relacin? (en una
escala del 1 al 10) y qu tanto se comunican con su pareja? (en una escala del 1
al 10). Si encontramos que puntajes altos en satisfaccin se relacionan con
puntajes altos en comunicacin, podemos decir que la observacin fue acertada.
Si nosotros podemos hablar de que existe una relacin entre estas variables,
por ende podemos predecir una a partir de otra. Esto es, se puede decir que las
personas con un valor de 10 en satisfaccin es ms probable que tengan un valor
de 10 en comunicacin.
Definicin
Este coeficiente como su nombre lo indica nos da un ndice (valor) que habla del
nivel de relacin que tienen dos variables.
140
Sofa Rivera Aragn

Mirna Garca Mndez
Para representar este coeficiente se usa la letra "r".

El coeficiente de correlacin producto-momento de Peargon tiene varios
usos:
Conocer el grado de relacin que existe entre dos variables o atributos. Por ejemplo
cuando hablamos de la relacin entre el grado de violencia y el grado de
satisfaccin marital.
Indica la direccin de la asociacin. Es decir, a travs del signo que obtiene el
valor de la correlacin se puede decir si a mayor violencia, menor satisfaccin
marital o viceversa a mayor violencia mayor satisfaccin marital.
Obtener la significancia de la asociacin. En este caso nos menciona adems si lo
que obtuvimos cae en la zona de aceptacin o en la zona de rechazo. Es decir si
nuestra hiptesis se comprueba o no.
Requisitos
Como se sabe, este coeficiente al pertenecer a la estadstica inferencial

paramtrica presenta varios requisitos los cuales ya fueron descritos anteriormente, entre ellos:
a) Que los puntajes sean lineales (es decir se agrupen en una recta). Ya sea
en forma directamente proporcional o inversamente proporcional.
b) Que haya homocedasticidad de varianza (se agrupan en una elipse). Es

decir que los datos se distribuyan alrededor de esa lnea recta.
141
c) Que las variables tengan un nivel de medicin intervalar. Por ejemplo:

edad, escolaridad en aos, temperatura.
d) Que haya una seleccin y asignacin aleatoria de los participantes.
Interpretacin
El coeficiente de correlacin producto-momento de Pearson se interpreta de

acuerdo a tres puntos:
1. Fuerza.
2. Direccin.
3. Significancia.
i. Fuerza: Esta indica el grado de relacin que hay entre dos variables.
De acuerdo con el valor obtenido, que slo puede ir de 0 a 1 pasando por
valores positivos y negativos (-1 a +1). La fuerza la da el valor de la correlacin y
este puede ser interpretado de la siguiente forma:
Valor
0 a .30
.31 a .79
.90 a 1
Interpretacin de la correlacin
Baja
Media
Alta
Siempre el cero indica ausencia de relacin y el 1 una correlacin perfecta.
Sofa Rivera Aragn

2. Direccin: Indica hacia qu lado de la curva se encuentra nuestra

correlacin. La direccin la da el signo. Los signos se interpretan de la siguiente
forma:
Signo
Interpretacin
+ (positivo)
Directamente Proporcional
- (negativo)
Inversamente Proporcional
3. Significancia: Finalmente este rubro indica cul es la probabilidad de

aceptar o rechazar una hiptesis alterna. De acuerdo a ello se debe plantear una
regla de decisin:
Si rc r0 entonces la correlacin es significativa.
Donde rc es el valor obtenido en la frmula y r0 es el valor obtenido en una
tabla de significancia de los valores de r.
Antes de conocer el grado o fuerza de la relacin debemos saber cmo se
comportan las puntuaciones. Para ver ese tipo de distribucin se usa un
dispersigrama.
Un dispersigrama es una representacin grfica de la forma en que se
distribuyen los datos. Siempre una de las variables se grafica en el eje de las "y"
(ordenadas) y otra en el eje de las "x" (abcisas). Siempre se coloca la variable
predictora en el eje de las "x" y la predicha en el eje de las "y". O en su defecto la
variable dependiente en el eje de las "x" y la variable independiente en el eje de
las y (vase grfica 18).
Ejemplo de dispersigrama:
Variables (ambas escalas fueron evaluadas con puntuaciones del 1 al 10):
Satisfaccin con la relacin
Comunicacin marital
143
Los puntajes obtenidos son:
Puntaje de satisfaccin
Puntaje de comunicacin
10
8
8
7
10
9
6
5
4
8
9
10
9
6
9
8
7
4
4
7
El dispersigrama quedara como lo muestra la grfica 18, recordando que

no importa cul de las variables queda en el eje de las "y" y cul en el de las "x",
ya que la correlacin no implica causalidad.
GRFICA 18
DISPERSIGRAMA DE COMUNICACIN Y
SATISFACCIN
Frmula
La frmula que se aplica para obtener este coeficiente es:
144
Sofa Rivera Aragn

Mirna Garca Mndez
donde:
r = Coeficiente de Pearson.
N = Nmero total de pares en x y y.
x = Puntaje crudo de la variable x.
y = Puntaje crudo de la variable y.
XY = Multiplicar el puntaje de x por el de y.
Elevar al cuadrado los puntajes.
= Sumar el producto de x y y.
= Sumar las puntuaciones y elevar la suma al cuadrado.
Regla de decisin para obtener la significancia
Para obtener la significancia, se calculan en primer lugar los grados de libertad.

a)
gl = N - 2 N
= Nmero de pares en x y y.
Se busca en la tabla de valores crticos de r, los grados de libertad y la
probabilidad ( ).
En la tabla E del apndice se encuentra la r0 (valor de la correlacin

observada) que permite rechazar y aceptar las hiptesis estadsticas.
b) Posteriormente se aplica la regla de decisin que es:
Es decir que como la r de la frmula es ms grande que la de las tablas

entonces se acepta la hiptesis alterna.
145
Ejercicio
Un investigador desea conocer si existe relacin entre la puntuacin que se

obtuvo en una escala de agresin y la puntuacin que se obtuvo en una escala de
frustracin en estudiantes universitarios. El investigador plantea que a mayor
agresin, mayor frustracin.
Los datos obtenidos se presentan a continuacin siguiendo el procedimiento
del coeficiente de correlacin producto-momento de Pearson.
Procedimiento:
a) Se establece el nivel de confianza al cual se desea trabajar, por ejemplo en
este estudio se desea obtener un nivel de confianza del 95 por ciento. Por lo tanto
se trabajar con un error del .05.
b) Se plantean las hiptesis derivadas de la investigacin, por ejemplo, las
hiptesis con las que se trabajar son de dos colas (sin direccin).
Ho. No existe relacin entre la agresin y la frustracin en estudiantes
universitarios.
H1. S existe relacin entre la agresin y la frustracin en estudiantes
universitarios.
c) Se obtienen los cuadrados de cada puntuacin y se suman ( X2 y y2) y
la suma del producto de las puntuaciones de "x" y "y" ( XY)
TABLA DE DATOS OBTENIDOS PARA LA CORRELACIN
Agresin
Y
Frustracin
X2
Y2
xy
12
12
144
144
144
10
6
8
6
16
11
10
8
11
100
36
256
64
81
144
64
36
121
100
64
121
80
36
176
80
72
132
y =66
X s =825
y* = 650
XY =720
12
x =73
Sofa Rivera Aragn

d) Una vez calculadas las diferentes columnas se sustituye en la frmula de

Pearson:
Por ltimo, se compara con la tabla (valores crticos de r) para ver si la

correlacin es significativa, aplicando la regla de decisin. El proceso a seguir,
incluye los pasos que a continuacin se detallan.
1. Se calculan los grados de libertad:
gl = 7-2 = 5
147
En el apndice, se busca en la tabla E de valores crticos de r, los grados de

libertad y la N.
N = Nmero de pares en x y y.
2. Se sustituye en la regla de decisin:

rc ro H1 se acepta.
.754 .754 H1 se acepta.
En este caso el valor calculado es igual al de la tabla E del apndice por lo
tanto se acepta la hiptesis alterna.
H1. S existe relacin entre la agresin y la frustracin en estudiantes
universitarios.
3. Finalmente se interpreta el valor obtenido.
r = .754 es una correlacin media, directamente proporcional y significativa.
Es decir a mayor agresin mayor frustracin en estudiantes universitarios.
Ejercicio
SPSS
Con la finalidad de conocer cmo los factores de la escala de estilos de

negociacin y los factores de satisfaccin marital se relacionan (Rivera y DazLoving, 2002) se aplic el coeficiente de correlacin producto-momento de
Pearson.
Se plantearon las siguientes hiptesis:
H0. No existe relacin entre la satisfaccin marital y los estilos de negociacin ante el conflicto en parejas.
H1. S existe relacin entre la satisfaccin marital y los estilos de negociacin
ante el conflicto en parejas.
Sofa Rivera Aragn

Posteriormente, una vez capturados los datos se siguieron los pasos que a
continuacin se encuentran:
mouse.8

Correlate, se da clic y aparece otro men, se coloca el cursor en Bivariate y se da clic.
En lo subsiguiente, al indicar que se da clic, se asumir que es con el botn izquierdo del mouse y
que el cursor est colocado en la operacin a realizar.
Estadstico paramtrica
149
Paso 3. Al hacer clic en Bivariate, se abre un men que contiene las variables de
la investigacin.
Paso 4. Las variables de estilos de negociacin y satisfaccin se marcan con el

cursor, se da clic en el icono que est entre las variables de estudio y la siguiente
ventana. Se pasan las variables seleccionadas a la ventana vaca para ser
analizadas.
Sofa Rivera Aragn

Una vez seleccionada la prueba estadstica, se da clic en OK y se muestra el

resultado de la correlacin de Pearson.9
La tabla 26 muestra los resultados de la correlacin de Pearson que son los que
indican el valor de la prueba, el nivel de significancia y el nmero de participantes
considerados para el anlisis. Estos datos debern ser interpretados por el
investigador, y de esta forma, responder a las preguntas e hiptesis de
investigacin.
TABLA 26
RESULTADOS DE SPSS DE LA CORRELACIN DE PEARSON
Correlations
Acuerdo
Satasf
Satrel
Insrel
Incapr
Insfam
Satcat
Sinapre
Inscre
Inaf
Sorfun
Sfisex
Acomoda
Conten
Evitaci
Pearson Correlation
,628**
,452**
-,245**
,235**
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
,000
291
,618**
,000
304
-,513**
,000
300
-,493**
,000
306
-,258**
,000
302
,620**
,000
291
,582**
,000
304
-,082
,175
275
-,425**
,000
296
,625**
,000
296
,582**
,000
300
,000
298
,333**
,000
310
-,178*
,002
308
-,209**
,000
314
-.088
,121
311
,444**
,000
295
,322**
,000
312
,075
,208
280
-, 1 23*
,032
304
,377**
,000
303
,331**
,000
306
,000
291
-, 184**
,001
301
,250**
,000
298
,302**
,000
304
,281**
,000
300
-,208**
,000
289
-,201**
,000
302
,187**
,002
273
,257**
,000
295
-, 145*
,013
294
-, 166*
,004
297
,000
291
,122*
,033
302
-,044
,449
301
-,104
,070
305
-, 120*
,037
302
, 194**
,001
289
,179**
,002
303
-,006
,925
271
-,141*
,016
294
,150*
,010
295
,138*
,017
299
* Correlation is significant at the 0.05 level (2-tailed).

** Correlation is significant at the 0.01 level (2-tailed).
9 Con fines didcticos se muestran los resultados de la correlacin de Pearson, tal como los
reporta el SPSS, sin embargo, nunca se presentan as en un reporte de investigacin.
Estadstica paramtrica 151
Reporte de Investigacin de la correlacin

producto-momento de Pearson
SPSS,
en un
reporte de investigacin basado en el estudio sobre estilos o formas de

negociar un conflicto en la pareja y la satisfaccin que perciben en su relacin
(Rivera, Daz-Loving, Cruz y Vidal, 2004) es presentada a continuacin:
En la tabla 27 se observa en general para los hombres que estilos positivos
de negociar el conflicto incrementan la satisfaccin y que estilos negativos la
decrementan. As se encuentra que el estilo de acuerdo-colaboracin es el que
presenta las correlaciones ms altas, seguido del de Acomodacin. En ambos
casos se encuentra mayor satisfaccin en la relacin, en las reas afectiva, de
comunicacin, familia, atraccin fsica, sexual, intimidad, trato hacia los hijos,
organizacin y funcionamiento, y participacin y distribucin de las tareas en
el hogar. Al igual que los dos anteriores, la evitacin presenta correlaciones
positivas con varios factores de satisfaccin, como son: afecto, comunicacinapoyo, atraccin fsica, intimidad, organizacin y funcionamiento, y
satisfaccin sexual. Finalmente en cuanto al estilo competitivo, se observa que
entre ms alto es el puntaje en ste ms insatisfaccin percibe el hombre en
todas las reas (vase tabla 27).
t de student
Introduccin
Comnmente hacemos generalizaciones con respecto a diferentes grupos

de la poblacin. Por ejemplo, se dice que las mujeres son ms emocionales
que los hombres, o que los hombres son ms fuertes fsicamente que las mujeres. Tambin se habla de que el idioma espaol es ms difcil que otros
idiomas. Los carros rojos sufren ms accidentes que los carros blancos. Los
hombres tienen un pensamiento ms abstracto que las mujeres. Como se
ve podemos hacer un sinfn de comparaciones y de conjeturas. As estamos
Sofa Rivera Aragn

afirmando que la media de una muestra es ms grande, ms fuerte y/o ms

difcil que la otra. No obstante debemos comprobar si realmente se dan estas
diferencias. Este apartado se dedicar a conocer una de las pruebas que puede
examinar si las diferencias propuestas son significativas.
La distribucin t es tambin llamada la teora estadstica de la muestra
pequea (Young y Veldman, 1983). En la distribucin t se estima la media
verdadera a travs de la media de la muestra ( ).
Definicin
La t de student es una prueba de hiptesis que observa las diferencias entre dos
grupos.
Esta prueba tiene varios usos:
Encontrar diferencias entre las medias de dos grupos.
Obtener la discriminacin de reactivos por grupos extremos.
En este apartado slo hablaremos del primer uso.
Requisitos
La prueba t tiene varios requisitos o supuestos, entre ellos:

a) Que los puntajes se distribuyan normalmente.
b) Que haya homocedasticidad de varianza. Es decir que la distancia entre la media y

un puntaje crudo sea muy similar de una muestra a otra.
Sofa Rivera Aragn


puntaje de inteligencia, calificacin obtenida en la escala de satisfaccin laboral.
Clasificacin de la prueba t
a) Muestras independientes, se refiere a la comparacin entre dos muestras

tomadas de la misma poblacin o de poblaciones diferentes. Por ejemplo:
1. Muestras independientes de la misma poblacin: hombres y mujeres de
una universidad pblica.
2. Muestras independientes de poblaciones diferentes: hombres y mujeres
de una universidad pblica y una universidad privada.
b) Muestras correlacionadas, se refiere a la comparacin de una misma
muestra durante dos mediciones, dos aplicaciones, etctera.
155
Por ejemplo:
Medir a una muestra antes y despus de un curso sobre matemticas para
ver si se incrementa o decrementa el rendimiento escolar obtenido en la materia.
Clculo de t para muestras
independientes con N Iguales
Esta prueba t se aplica cuando se tienen dos muestras diferentes tomadas de la

misma poblacin o de poblaciones diferentes, pero en ambas muestras el tamao
es igual. Por ejemplo:
Variable dependiente: Locus de Control.
Variable de clasificacin: Sexo.
En este caso, cada una de las categoras de sexo debe tener el mismo nmero
de participantes; por ejemplo: 100 hombres y 100 mujeres.
Para calcular esta prueba se aplica el siguiente procedimiento:
a) Plantear las hiptesis estadsticas.
b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis.
c) Calcular las medias para cada grupo

La frmula para calcular la media para cada grupo es:
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.

N = Nmero de participantes por grupo.
156
Sofa Rivera Aragn

Mirna Garca Mndez
d) Calcular la desviacin estndar de cada muestra ( 1 y 2)

La frmula para calcular la desviacin estndar para cada grupo es:
donde:
Sumar los cuadrados de las puntuaciones de cada una de las
Elevar la media de cada grupo al cuadrado.
e)Encontrar el error estndar de cada media
La frmula para el clculo del error estndar para cada grupo es:
donde:
= Desviacin estndar para cada grupo,
N y 1= Constantes.
f) Encontrar el error estndar de la diferencia (diff ).
donde:
x 1 = Error estndar de la media para cada grupo,
g) Sustituir en la frmula de t.
157
h) Para obtener la significancia, se calculan en primer lugar los grados de

libertad.
4.
gl = NI + N2 - 2
donde
NI = Nmero de participantes en el grupo 1.
N2 = Nmero de participantes en el grupo 2.
1
= Constante.
5. Se busca en la tabla de valores crticos de t los grados de libertad y la

probabilidad ( ).
En la tabla F del apndice, se encuentra la tQ (valor de la t de student

3. Posteriormente se aplica la regla de decisin que es:
tc t0 H1 se acepta.
Es decir que como la t de la frmula es ms grande que la de la tabla F
Ejercicio
Un investigador desea conocer si el grado de autoritarismo difiere entre

maestros de escuelas particulares incorporadas y escuelas pblicas. Para ello
aplica la escala de Vigano (1986) y encuentra los siguientes datos:
158
Sofa Rivera Aragn

Mirna Garca Mndez
Maestros de escuela particular
Maestros de escuela pblica
X1
X1 2
X2
X22
140
19,600
90
8,100
110
12,100
95
9,025
128
16,384
65
4,225
110
12,100
70
4,900
100
10,000
45
2,025
95
9,025
35
1,225
44
1,936
22
484
36
1,296
60
360
21
441
18
324
x2 = 500
x22= 30668
X1 = 784
X12 =102482
Para calcular los datos del estudio con la t de student se siguen estos pasos:
a) Se plantean las hiptesis estadsticas:
Ho. No existen diferencias estadsticamente significativas en el grado de
autoritarismo entre maestros de escuelas particulares y maestros de escuelas
pblicas.
H1. S existen diferencias estadsticamente significativas en el grado de
autoritarismo entre maestros de escuelas particulares y maestros de escuelas
pblicas.
b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis:
= .05.
Calcular las medias para cada grupo
c) Calcular la desviacin estndar de cada muestra (1 y 2):
d) Encontrar el error estndar de cada media (x 1 y x 2):
e) Encontrar el error estndar de la diferencia (diff):
f) Sustituir en la frmula de t:
g) Para obtener la significancia, se calculan en primer lugar los grados de

libertad.
1.
gl = 9 + 9 - 2 = 16
2. Se busca en la tabla F de valores crticos de t los grados de libertad y la

probabilidad (a).
En la tabla F del apndice, se encuentra la t0 (valor de la t de student

observada) que permite rechazar o aceptar las hiptesis estadsticas.
tc ta H1 se acepta.
1.17 2.12 H1 se rechaza.
Sofa Rivera Aragn

Es decir que como la t de la frmula es ms pequea que la de la tabla F

entonces se acepta la hiptesis nula. Es decir, no existen diferencias
estadsticamente significativas en el grado de autoritarismo entre maestros de
escuelas particulares incorporadas y escuelas pblicas.
independientes con N desiguales
Esta prueba t se aplica cuando se tienen dos muestras diferentes tomadas de la

misma poblacin o de poblaciones diferentes, pero cada muestra tiene un
tamao diferente. Es decir el nmero de participantes del grupo 1 difiere del
nmero de participantes del grupo 2 (N1 N2 ). Por ejemplo:
Variable dependiente: Satisfaccin con la vivienda
Variable de clasificacin: Tipo de vivienda. Personas que viven en departamento y personas que viven en casa.
En este caso cada una de las categoras del tipo de vivienda debe tener un
nmero diferente de participantes. Por ejemplo, 50 personas que viven en
departamento y 60 personas que viven en casa.
Para calcular esta prueba se aplica un procedimiento similar al de la prueba
t de student para muestras iguales, lo que difiere aqu es que ya no se calcula el
error estndar de la media y cambia la frmula del error estndar de la
diferencia. El proceso a seguir es:
A)
Plantear las hiptesis estadsticas.
b) Plantear la probabilidad a la cual se comprobarn dichas hiptesis.

donde:
X= Sumar las puntuaciones obtenidas de la variable dependiente por

d) Calcular la desviacin estndar de cada muestra ( 1 y 2).
donde:
X2 = Sumar los cuadrados de las puntuaciones de cada una de las
calificaciones para cada grupo.

(X)2 = Elevar la media de cada grupo al cuadrado.
e)Encontrar el error estndar de la diferencia (diff).
donde:
12 = Desviacin estndar del grupo 1.
21 = Desviacin estndar del grupo 2.
NI = Nmero de participantes en el grupo 1.
N2 = Nmero de participantes en el grupo 2.
f) Sustituir en la frmula de t.
162
Sofa Rivera Aragn

Mirna Garca Mndez

libertad.
1.
gl = N1 + N2 - 2
donde:
NI = Nmero de participantes en el grupo 1,
N2 = Nmero de participantes en el grupo 2,
2 = Constante.
2. En el apndice, se busca en la tabla F de valores crticos de la prueba t de
student los grados de libertad y la probabilidad ( ).
En la tabla F se encuentra la t0 (valor de la t de student observada) que

permite rechazar y aceptar las hiptesis estadsticas.
tc tQ H1 se acepta.
Ejercicio
Un investigador desea saber si existen diferencias entre un grupo

experimental y un grupo control, los cuales fueron sometidos a una
investigacin sobre el grado de altruismo en presencia de una persona con
poder. Los datos obtenidos en la investigacin son los siguientes:
163
Grupo Experimental
Grupo Control
X1
X11
X2
X22
115
13,225
95
9,025
120
180
100
110
140
155
167
191
X1 =1,278
14,400
32,400
10,000
12,100
19,600
24,025
27,889
36,481
X12 =190,120
65
45
75
85
37
46
4,225
2,025
5,625
7,225
1,369
2,116
X2 = 448
X22 =
31,610
Para calcular los datos del estudio con la t de student para muestras
diferentes se siguen estos pasos:
a) Se plantean las hiptesis estadsticas.
Ho. No existen diferencias estadsticamente significativas en el grado de
altruismo por la presencia o ausencia de una persona con poder. H1. S
existen diferencias estadsticamente significativas en el grado de altruismo
por la presencia o ausencia de una persona con poder.
=. 05
d) Calcular la desviacin estndar de cada muestra (1 y 2).
Sofa Rivera Aragn

e) Encontrar el error estndar de la diferencia (diff ).

libertad.
1.
gl = 9 + 7- 2 = 14
4. Se busca en la tabla F de valores crticos de t, del apndice, los grados

de libertad y la probabilidad ( ).
En la tabla F del apndice, se encuentra la t0 (valor de la t de student

observada) que permite rechazar o aceptar las hiptesis estadsticas.
tc to H1 se acepta.
5.43 2.14 H1 se acepta.
Es decir que como la t de la frmula es ms grande que la de la tabla

F del apndice, entonces se acepta la hiptesis alterna. Es decir, existen diferencias estadsticamente significativas en el nivel de altruismo
entre el grupo control y el grupo experimental. Esto quiere decir que en
165
presencia de personas con poder, los integrantes del grupo experimental fueron
ms altruistas.
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias entre hombres y mujeres en las
historias de amor (Romero, 2003) se aplic la prueba
para muestras
independientes.
Ho. No existen diferencias estadsticamente significativas en las historias de amor
H1. S existen diferencias estadsticamente significativas en las historias de amor
Posteriormente una vez capturados los datos se siguieron los pasos que a
mouse.

en Compare Means, se da clic y aparece otro men, se coloca el cursor en IndependentSamples T-Test y se da clic.
Sofa Rivera Aragn
Paso 3. Al hacer clic en Independent-Sarriples T-Test, se abre un men que contiene

las variables de la investigacin.
Paso 4. Las variables de historias de amor se marcan con el cursor, se da clic en

el icono que est entre las variables de estudio y la siguiente ventana. Se pasan las
variables seleccionadas a la ventana vaca donde se colocan las variables
dependientes, y la variable de clasificacin que en este caso es el sexo se le coloca
donde estn los grupos.
Una vez definidas las variables, se da clic en OK y se muestra el resultado de

la prueba t de student.10 Las tablas 28 y 29 muestran los resultados de la prueba t
de student que son los que indican el valor de la prueba, el nivel de significancia,
el nmero de participantes considerados para el anlisis, as como los grados de
libertad y el valor de la diferencia entre varianzas. Estos datos debern ser
interpretados por el investigador y, de esta forma, responder a las preguntas e
hiptesis de investigacin.
Reporte de investigacin de la prueba t para

Una de las formas de presentar la informacin obtenida en el SPSS, en un reporte
de investigacin basado en el estudio sobre la diferencia entre historias de amor
por sexo (Romero, 2003) es presentada a continuacin:
A partir de los resultados obtenidos (vase tabla 30) mediante la prueba t de
student (Romero, 2003) se encuentra que en general los hombres presentan
puntajes significativamente mayores que las mujeres en las historias de romance,
sexual, atraccin bizarra y sacrificio-dependencia,
10Con fines didcticos se muestran los resultados de la prueba t para muestras relacionadas, tal
como los reporta el SPSS, sin embargo, nunca se presentan as en un reporte de investigacin.
168
Sofa Rivera Aragn

Mirna Garca Mndez
TABLA 28
ESTADSTICAS DESCRIPTIVAS DE SPSS DE LA PRUEBA T DE STUDENT
Group statistic
Sexo
Factor 1: Romance
Factor 2: Organizacin
Factor 3: Sexual
Factor 4: Atraccin-misterio
Factor 5: Humor
Factor 6: Maestro-estudiante
Factor 7: Guerra
Factor 8: Polica-prfugo
Factor 9: Atraccin bizarra
Facto 10: Control-variedad
factor 11: Sacrificio-dependencia
Factor 12: Desconfianza mutua
Factor 13: Jardinera
Mean
Std.
Deviation
Std.
Error
Mean
Masculino
160
20.26
5,136
.406
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
masculino
Femenino
Masculino
Femenino
171
160
171
160
171
160
171
160
171
160
171
160
171
158
171
160
171
160
171
160
171
160
169
159
169
19.15
19.97
20.99
12.26
11.11
9.39
9.48
9.68
9.39
18.08
18.04
11.49
11.19
10.06
10.25
8.06
7.39
12.09
11.60
9.99
9.25
6.59
6.87
14.59
14.29
4,854
4,440
3,287
3,501
3,551
2,189
2,377
2,954
3,076
3,699
3.305
4,011
3,763
3,514
4,282
3,133
2,633
3,310
3,365
2,687
2,268
2,167
2,159
3,701
3.217
.371
.351
.251
.277
.272
.173
.182
.234
.235
.292
.253
.317
.288
.280
.327
.248
.201
.262
.257
.212
.173
.171
.166
.294
.247
mientras que las mujeres obtienen puntajes significativamente mayores que los
hombres en la historia de organizacin. En las historias restantes no se
encontraron diferencias significativas. Lo anterior indica que los hombres en sus
relaciones en general se enfocan ms en aspectos tales como el cario, la
conquista, la sexualidad, la prctica variada del erotismo, el misterio y las
caractersticas fuera de lo comn, as como la dependencia y la necesidad de la
pareja, mientras que las mujeres se centran ms en aspectos tales como la
organizacin, las reglas y las estructuras determinadas para el buen
funcionamiento de la relacin.
169
TABLA 30
DIFERENCIAS POR SEXO EN LAS HISTORIAS DE AMOR
Media por sexo

Historias de amor
Hombres
Mujeres
Romance
20.26
19.15
2.011
.045*
Organizacin
Sexual
Atraccin
Humor
Maestro-estudiante
Guerra
Polica-prfugo
Atraccin bizarra
Control-variedad
Sacrificio-dependencia
Desconfianza
Jardinera
19.97
12.26
9.39
9.68
18.08
11.49
10.06
8.06
12.09
9.99
6.59
14.59
20.99
11.11
9.48
9.39
18.04
11.19
10.25
7.39
1 1.60
9.25
6.87
14.29
-2.398
2.967
-.366
.853
.105
.704
-.435
2.094
1.354
2.699
-1.157
.788
.017*
.003**
.715
.394
.917
.482
.664
.037*
.177
.007**
.248
.431
*p 0.05.
**p 0.01.
Clculo de t para muestras relacionadas
Esta prueba se aplica cuando la misma muestra es medida en dos ocasiones o

bajo dos situaciones.
Por ejemplo:
Variable dependiente: Actitud hacia el consumo de alcohol
Variable independiente: Curso sobre los daos que el alcohol causa al
organismo.
En este caso se aplica una escala de actitudes ante el consumo de alcohol
antes y despus del curso a la misma muestra.
donde:
separado en cada grupo,

d) Calcular la desviacin estndar de la muestra (1).
donde:
D2 = Sumar los cuadrados de las diferencias de cada una de las
calificaciones de la muestra.
(X) 2 = Elevar la media de cada grupo al cuadrado.
d) Encontrar el error estndar de la diferencia ( diff).
donde:
= Desviacin estndar del grupo.
172
Sofa Rivera Aragn

Mirna Garca Mndez

libertad.
1.
gl = N - 1
donde:
N= Nmero de participantes de la muestra.
1 = Constante.
2. Se busca en la tabla de valores crticos de t los grados de libertad y la
probabilidad ( ).
En la tabla F del apndice se encuentra la t0 (valor de la t de student

tc t0 H1 se acepta.
Es decir que como la f de la frmula es ms grande que la de la tabla F
Ejercicio
Un investigador quiere observar si existen diferencias en las actitudes que

asumen los adultos de diferentes clases sociales ante la contaminacin ambiental
antes y despus de pasar una pelcula sobre los efectos de sta sobre el
ambiente.
Los datos obtenidos fueron los siguientes:
173
Antes
Despus
D2
100
90
10
100
200
180
90
49
110
185
170
165
160
= 1,409
60
75
85
40
65
75
95
85
70
=740
140
105
5
9
45
110
75
80
90
19,600
11,025
25
81
2,025
12,100
5,625
6,400
8,100
D2= 65,081
Para obtener el resultado a travs de la prueba t para muestras relacionadas

de los datos anteriores se siguen los pasos que a continuacin se detallan:
Ho. No existen diferencias estadsticamente significativas en la actitud hacia
la contaminacin ambiental antes y despus de ver la pelcula.
H1. S existen diferencias estadsticamente significativas en la actitud hacia
la contaminacin ambiental antes y despus de ver la pelcula.
=.05
d) Calcular la desviacin estndar de la muestra ( 1 ).

Sofa Rivera Aragn

e) Encontrar el error estndar de la diferencia ( diff).
g)Para obtener la significancia, se calculan en primer lugar los grados de

libertad.
1.
gl= 1 0 - 1 = 9
2. Se busca en el apndice en la tabla F de valores crticos de t los grados de

libertad y la probabilidad ( ).
En la tabla F del apndice se encuentra la t0 (valor de la t de student

4.45 2.26 Hi se acepta.
entonces se acepta la hiptesis alterna. Aqu podramos decir que s hubo un
cambio en la actitud hacia la contaminacin ambiental, ya que despus de la
pelcula, la actitud fue ms desfavorable (puntajes ms bajos).
175
Ejercicio
SPSS
Con la finalidad de conocer si existen diferencias en la actitud hacia el sida antes

y despus de una pltica sobre el tema en adolescentes (Pavaan, 2004) se aplic la
prueba t para muestras relacionadas.
Ho. No existen diferencias estadsticamente significativas en los conocimientos y actitudes hacia el sida en adolescentes, antes y despus de recibir una
pltica sobre el tema.
H1. S existen diferencias estadsticamente significativas en los conocimientos
y actitudes hacia el sida en adolescentes, antes y despus de recibir una pltica
sobre el tema.
mouse.

en Compare Means, se da clic y aparece otro men, se coloca el cursor en PairedSamples T-Test y se da clic.
Sofa Rivera Aragn

Paso 3. Al hacer clic en Paired-Samples T-Test, se abre un men que contiene las
variables de la investigacin.
Paso 4. Las variables de las calificaciones antes y despus de la pltica se

marcan con el cursor, se da clic sobre las variables de estudio y se pasan las
variables seleccionadas a la ventana de current selection.
Paso 5. Las variables que se encuentran en la ventana de current selection al dar

clic al icono entre las ventanas stas son pasadas de esta ventana por pares a la
ventana vaca (paired variables).
Una vez definidas las variables, se da clic en OK y se muestra

el resultado de la prueba t de student.11 La s tablas 31 y 32 muestran los
11Idem.
Sofa Rivera Aragn

resultados de la prueba t de student que son los que indican las estadsticas
descriptivas, el valor de la prueba t. el nivel de significancia, el nmero de
participantes considerados para el anlisis, as como grados de libertad y el valor
de la correlacin. Estos datos debern ser interpretados por el investigador, y de
esta forma, responder a las preguntas e hiptesis de investigacin.
TABLA 31
ESTADSTICAS DESCRIPTIVAS DE SPSS
DE LA PRUEBA T DE STUDENT:
Paired Samples
Statistics
Mean
Pair 1
Antes
9.2027
Despus
20.0135
Paired Samples Correlations

Pair 1
Antes y Despus
Std.
Deviation
Std. Error
Mean
74
74
11.81592
10.84952
1.37357
1.26123
Correlation
74
.068
Sig.
.566
TABLA 32
VALORES DE LA PRUEBA T DE STUDENT
PARA MUESTRAS RELACIONADAS DE SPSS:
Paired
Samples Test
Paired
Differences
Mean
Pair 1
Antes Despus
-10.8108
Std
Std. Error
Deviation
Mean
15.48988 1.80066
95% Confidence Interval

of the Difference
Lower
Upper
-14.3995 -7.2221 -6.004
Sig. (2tailed)
df
73 .000
179
Reporte de investigacin de la prueba

t para muestras relacionadas
SPSS,
en un
reporte de investigacin basado en el estudio sobre la diferencia en las

actitudes y conocimientos hacia el
SIDA
en adolescentes antes y despus de
una pltica (Pavaan, 2004) es presentada a continuacin:

A partir de los resultados obtenidos (vase tabla 31) mediante la prueba t
de student para muestras relacionadas se encuentra que con respecto al rea
de conocimientos existen diferencias significativas antes y despus de la
pltica, ya que al recibir informacin, aumentaron los conocimientos sobre
epidemiologa, desarrollo de la enfermedad, prevencin y mecanismos de
transmisin de la misma.
Por otro lado, no se encontraron diferencias significativas en lo que se
refiere a los conocimientos sobre sntomas del
SIDA
antes y despus de la
pltica.
En cuanto a las actitudes, se encontr que despus de dar la pltica
aumenta el apoyo a los enfermos con
SIDA,
tambin la disposicin a la uti-
lizacin de mtodos de sexo seguro y disminuye el miedo a tener el mal.

Finalmente no se encontraron diferencias significativas en lo que se refiere al
temor a contagiarse con el VIH y al cambio en la conducta sexual para prevenir
la enfermedad.
Anlisis de varianza (Anova)
Introduccin
Como se vio en la prueba anterior, se plantea que en general divulgamos

informacin
sobre
varios
grupos
de
la
poblacin,
comparndolos.
Sin embargo, en el apartado de la prueba t de student vimos cmo comnmente comparbamos dos grupos afirmando que uno era ms
grande que el otro o ms difcil, etctera. No obstante cuando hablamos
de ms de dos grupos, como por ejemplo, que hay ms satisfaccin laboral
en los niveles medios que en el mando ejecutivo y operativo de una em-
180
Sofa Rivera Aragn

Mirna Garca Mndez
TABLA 33
DIFERENCIAS ANTES Y DESPUS EN ACTITUDES Y CONOCIMIENTOS HACIA EL SIDA EN
ADOLESCENTES
reas
Media antes despus
Epidemiologa
1.50
1.66
-7.81
.000**
Desarrollo de la enfermedad
Prevencin
Sntomas
Mecanismos de transmisin
Apoyo a los enfermos de sida
Temor al contagio del VIH
Miedo a tener sida
Cambio de la conducta sexual
Sexo seguro
1.36
1.61
1.31
1.64
3.45
3.56
3.03
3.42
3.22
1.58
1.71
1.40
1.85
3.84
3.66
2.88
3.39
3.44
-5.83
-3.67
-0.83
-6.33
-3.18
-0.65
1.81
0.40
2.52
.000**
.001**
.410
.000**
.002**
.517
.05*
.692
.01**
*P 0.05.
**p 0.01.
presa, o que decimos que los solteros estn ms satisfechos con su relacin
que los casados y los divorciados, o que los hombres jvenes estn ms
satisfechos sexualmente que los hombres maduros y las mujeres jvenes,
estamos haciendo comparaciones con tres o ms grupos y adems estamos
combinando las caractersticas de estos grupos para poder ver en qu
medida difieren. De la misma forma que en el apartado anterior, estamos
afirmando que la media de una muestra es ms grande, ms fuerte y/o ms
difcil que la otra. Empero, tambin debemos comprobar si nuestras
afirmaciones son ciertas en trminos de probabilidad. Esta parte del libro se
abocar a explorar una de las pruebas que puede examinar si las diferencias
propuestas son significativas en tres o ms grupos.
El anlisis de varianza, Anova (del ingls, analysis of variance), es uno de
los mtodos estadsticos ms utilizados en la investigacin moderna.
Para iniciar el anlisis de varianza debemos hablar de la varianza
total, la varianza entre grupos y la varianza intragrupos. Estos conceptos
son bsicos en el Anova ya que describen la lgica del mismo (Levin y
181
Levin, 2002). La varianza entre los grupos plantea la comparacin entre las
medias de los grupos. La varianza dentro de los grupos hace referencia a la
distancia entre los puntajes crudos y su media de grupo.
Definicin
El Anova es una prueba de hiptesis que observa si tres o ms grupos presentan

una diferencia significativa con respecto a una variable dependiente.
Esta prueba tiene varios usos:
Encontrar diferencias entre las medias de tres o ms grupos.
Conocer la interaccin entre variables: este es un nuevo concepto que
implica un efecto combinado de las variables independientes o de
clasificacin.
Requisitos
El Anova tiene varios requisitos o supuestos, entre ellos:

a) Que los puntajes se distribuyan normalmente.
b) Que haya homocedasticidad de varianza. Es decir que la distancia entre

la media y un puntaje crudo sea muy similar de una muestra a otra.
182
Sofa Rivera Aragn

Mirna Garca Mndez

calificacin de motivacin al logro o promedio escolar.
CLASIFICACIN DEL ANOVA
I. Anova simple:
Se refiere a la comparacin entre tres o ms muestras tomadas de la misma
poblacin o de poblaciones diferentes, con respecto a una variable dependiente.
Por ejemplo:
a) Anova simple para muestras iguales: comparar si existen diferencias en el
grado de dolor por celos que sienten 100 solteros, 100 casados y 100
reconstituidos.
b) Anova simple para muestras diferentes: comparar la conducta sexual
entre 50 parejas con hijos, 60 parejas sin hijos y 55 parejas donde la mujer
esta en proceso de gestacin.
2. Anova de doble clasificacin o de doble entrada Este se refiere a la

interaccin de dos variables de clasificacin o independientes con dos categoras
o grupos, cada una con respecto a una variable dependiente. Por ejemplo: Medir
una muestra de adultos y jvenes, hombres y mujeres con respecto a la
identidad nacional, para ver si sta vara con respecto al sexo y a la edad por un
lado y a la interaccin de ambos por otro. El diseo de 2 X 2 que se plantea en
este ejemplo quedara esquematizado como sigue:
Edad
Jvenes
Sexo
Adultos
Hombres
Mujeres
3. Anlisis factorial de varianza:

Este anlisis se refiere a la comparacin de dos variables independientes o
ms, de tres o ms categoras o grupos con una variable dependiente.
Por ejemplo: Medir una muestra de diferentes niveles escolares de hombres
y mujeres con respecto a la actitud hacia la infidelidad, para ver si sta vara con
respecto al sexo y a la escolaridad por un lado y a la interaccin de ambos por el
otro. El diseo de 2 x 4 que se plantea en este ejemplo quedara esquematizado
como sigue:
Escolaridad
Primaria
Sexo
Secundaria
Preparatoria
Licenciatura
Hombres
Mujeres
Anlisis de varianza simple cuando el

tamao (N) de los grupos es igual
Esta prueba se aplica cuando se tienen tres o ms muestras diferentes tomadas

de la misma poblacin o de poblaciones diferentes, pero en los tres grupos o ms
el tamao es igual. Por ejemplo:
184
Sofa Rivera Aragn

Mirna Garca Mndez
Variable dependiente: Orientacin al logro.

Variable de clasificacin: Estudiantes de 1o., 2. y 3o. grados de secundaria.
En este caso cada uno de los grados escolares debe tener el mismo nmero
de participantes: por ejemplo 60 de lo., 60 de 2o. y 60 de 3o. de secundaria.
c) Obtener la sumatoria de los puntajes para cada grupo (X i ).
d) Obtener el cuadrado de la sumatoria (X) i 2
e) Elevar al cuadrado cada puntaje crudo y sumarlo (X) i 2
f) Calcular el factor de correccin (FC).
La frmula para calcularlo es:
donde:
Sumar todos los puntajes crudos de todos los grupos y elevarlos al
cuadrado.
K= Nmero de grupos a comparar.
N = Nmero de participantes por grupo,
g) Obtener la varianza total (SCT).
La frmula para calcular la SCT es:
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas y sumarlas,
para cada grupo.
FC= Factor de correccin.
h) Obtener la suma de cuadrados entre los grupos (SCE). La frmula para

calcular la SCE es:
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos.
FC = Factor de correccin.
Obtener la suma de cuadrados intragrupos {SCI).
La frmula para calcular la SCI es:
SCI = SCT - SCE
Calcular los grados de libertad (gl).

Las frmulas para calcular los grados de libertad son:
gltotal = N 1
glentre = k - 1
glintra = N - k
donde:
N = Nmero total de participantes en todos los grupos.
K = Nmero de grupos que se estn comparando.
1 = Constante.
k) Obtener la media de cuadrados entre grupos (MCE). La
frmula para calcular la MCE es:
186
Sofa Rivera Aragn

Mirna Garca Mndez
l) Obtener la media de cuadrados intragrupos (MCI). La

frmula para calcular la MCI es:
m) Sustituir en la frmula de F (prueba de significancia del Anova):
n) Construir la tabla de procedencia:
Tabla de procedencia
SC
gl
MC
Entre
Intra
Total
o) Para obtener la significancia, se busca en el apndice en la tabla G de

valores crticos de F los grados de libertad entre grupos en la parte horizontal de
la tabla y los grados de libertad intragrupos en la parte vertical. Para cada
probabilidad ( ) hay una tabla independiente.
En la tabla G del apndice, se encuentra la F0 (valor de la F observada) que

187
Posteriormente se aplica la regla de decisin, que es:
Fc F0 H1 se acepta.
Es decir que como la F de la frmula es ms grande que la de la tabla G del
apndice, entonces se acepta la hiptesis alterna.
p) Finalmente si se encuentran diferencias significativas entre los grupos hay
que calcular las medias para cada grupo (X1, X2 y X3 ) e interpretar la magnitud
de las diferencias.
donde:

N Nmero de participantes por grupo.
Ejercicio
Un investigador desea conocer si existen diferencias entre la media de los

grupos (nios de 4 a 5 aos, de 6 a 7 y de 8 a 9) en su calificacin de autoestima.
Los datos obtenidos se presentan a continuacin:
Nios por grupo de edad

4 a 5 aos
X1
10
8 a 9 aos
X2
22
X3
X32
100
14
196
11
121
15
225
10
100
10
100
18
324
81
81
20
400
49
36
25
625
8
48
64
49
X22= 490
X3 = 43
X32= 387
X1 = 88
188
a 7 aos
12
X12 = 1674 X2 =
Sofa Rivera Aragn

Mirna Garca Mndez
Para obtener el resultado a travs del Anova simple para muestras iguales
de los datos anteriores se siguen los pasos que a continuacin se detallan:
a) Se plantean las hiptesis estadsticas
Ho. No existen diferencias estadsticamente significativas en la autoestima
en nios de diferentes edades.
H1. S existen diferencias estadsticamente significativas en la autoestima en
nios de diferentes edades.
= .05
c) Obtener la sumatoria de los puntajes para cada grupo.
d) Obtener el cuadrado de la sumatoria para cada grupo.
e) Elevar al cuadrado cada puntaje crudo y sumarlo para cada grupo.
h) Obtener la suma de cuadrados entre los grupos (SCE).
i) Obtener la suma de cuadrados intragrupos (SCI).

SCI = 414.94-243.34 = 1 7 1 . 6
j ) Calcular los grados de libertad (gl).
gltotal = 15 1 = 14
glentre = 3 1 = 2
glintra = 15 3 = 12
k) Obtener la media de cuadrados entre grupos (MCE).
l) Obtener la media de cuadrados intragrupos (MCI).
190
SC
gl
Entre
243.34
121.67
Intra
Total
171.6
414.94
12
15
14.3
Sofa Rivera Aragn

Mirna Garca Mndez
MC
F
8.50
o) Para obtener la significancia, se busca en el apndice en la tabla G de

valores crticos de F los grados de libertad entre grupos en la parte horizontal de
la tabla y los grados de libertad intragrupos en la parte vertical.

Posteriormente se aplica la regla de decisin que es:
8.50 3.89 H1 se acepta.
Es decir que como la F de la frmula es ms grande que la de la tabla G,
entonces se acepta la hiptesis alterna. En este caso decimos que existen
diferencias significativas en la autoestima de nios de diferentes edades.
que calcular las medias para cada grupo (X1, X2 y X3) e interpretar la magnitud
de las diferencias.
Con respecto a estos valores se puede observar que los nios de 5 a 6 aos
presentan una media ms alta en autoestima que los nios de mayor edad. Cabe
aclarar hasta aqu que el Anova indica diferencias entre grupos, pero no nos dice
entre cules. Para ello habra que aplicar una prueba post-hoc (Scheffe, Duncan o
Tukey).
Anlisis de varianza simple para N desiguales
Esta clasificacin se aplica cuando se tienen tres o ms muestras diferentes

tomadas de la misma poblacin o de poblaciones diferentes, pero en los tres
grupos las muestras son diferentes. Por ejemplo:
191
Variable dependiente: Estilo de comunicacin positivo.

Variable de clasificacin: estado civil = solteros, casados, unin libre,
reconstituidos
En este caso cada una de las categoras del estado civil debe tener un
nmero diferente de participantes: por ejemplo 115 solteros, 100 casados, 99
unin libre y 102 personas en relaciones reconstituidas.
Para calcular esta prueba se aplica el procedimiento que a continuacin se
detalla. Algo importante de mencionar es que los pasos son similares al Anova
para muestras iguales solamente cambian las frmulas de la SCE y el PC.
c) Obtener la sumatoria de los puntajes para cada grupo ( X)
d) Obtener el cuadrado de la sumatoria ( X)2
e) Elevar al cuadrado cada puntaje crudo y sumarlo X12
donde:
Sumar todos los puntajes crudos de todos los grupos y elevarlos
al cuadrado.
N = Nmero de participantes para cada grupo.
192
Sofa Rivera Aragn

Mirna Garca Mndez
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas
y sumarlas.
FC= Factor de correccin.
h) Obtener la suma de cuadrados entre los grupos {SCE). La frmula
para calcular la SCE es:
donde:
haciendo lo mismo para todos los grupos,
N= Nmero de participantes en cada grupo.
Obtener la suma de cuadrados intragrupos (SCI).
SCI = SCT-SCE
gltotal = N 1
glentre = k - 1
glintra = N - k
donde:
N = Nmero total de participantes en todos los grupos.
k = Nmero de grupos que se estn comparando.
1 = Constante.
193
k) Obtener la media de cuadrados entre grupos (MCE). La frmula para

calcular la MCE es:
l) Obtener la media de cuadrados intra grupos (MCI). La frmula para

calcular la MCI es:
SC
gl
MC
Entre
Intra
Total
o) Para obtener la significancia, se busca en la tabla G de valores crticos de F

los grados de libertad entre grupos en la parte horizontal de la tabla y los grados
de libertad intragrupos en la parte vertical. Para cada probabilidad ( ) hay una
tabla independiente.
194 Sofa Rivera Aragn

Mirna Garca Mndez
Fc F0 H1 se acepta.
apndice, entonces se acepta la hiptesis alterna.
que calcular las medias para cada grupo
e interpretar la magnitud
de las diferencias.
donde:

Ejercicio
Un psiclogo desea saber si existen diferencias estadsticamente significativas en el tiempo que tardan para resolver un rompecabezas nios con
diferentes sistemas escolares: Montesori, Dalton, Piaget.
Para obtener el resultado a travs del Anova simple para muestras
diferentes de este ejemplo se siguen los pasos que a continuacin se detallan:
Ho. No existen diferencias estadsticamente significativas en el tiempo que
tardan los nios para resolver un rompecabezas dependiendo del sistema
educativo (Montesori, Dalton, Piaget).
195
Tiempo de resolucin de un rompecabezas

Piaget
Montesori
Dalton
25
49
4
5
5
4
5
4
5
5
4
16
25
25
16
25
16
25
25
16
3
4
3
4
5
3
2
4
3
4
9
4
X2 = 42
16
9
16
25
9
4
16
9
16
4
16
X22 = 154
8
10
12
10
9
9
7
5
3
16
64
100
144
100
81
81
49
25
9
X1 = 46
X1 2 =
214
X2 = 84
X32
718
H1. S existen diferencias estadsticamente significativas en el tiempo que

tardan los nios para resolver un rompecabezas dependiendo del sistema
educativo (Montesori, Dalton, Piaget).
= .05
d) Obtener el cuadrado de la sumatoria para cada grupo.
e) Elevar al cuadrado cada puntaje crudo y sumarlo para cada grupo.
196
Sofa Rivera Aragn

Mirna Garca Mndez

SCT = 2 1 4 + 1 5 4 + 7 1 8 - 8 9 6 . 4 8 = 1 8 9 . 5 2
h) Obtener la suma de cuadrados entre los grupos {SCE).

SCI = 1 8 9 . 5 2 - 1 0 3 . 1 3 = 8 6 . 3 9

gltotal = 33 1 = 32
glentre = 3 1 = 2
glintra = 33 3 = 30
l) Obtener la media de cuadrados intragrupos (MCI).
197

gl
MC
SC
Entre
103.13
51.56
Intra
Total
86.39
189.52
30
32
2.87
F
17.96
o) Para obtener la significancia, se busca en la tabla de valores crticos de F

de libertad intragrupos en la parte vertical.
En la tabla G se encuentra la Fa (valor de la F observada) que permite

rechazar y aceptar las hiptesis estadsticas.
17.96 3.32 H1 se acepta.
apndice, entonces se acepta la hiptesis alterna. En este caso decimos que
existen diferencias significativas en el tiempo que tardan los nios que estn bajo
diferentes sistemas educativos.
que calcular las medias para cada grupc
de las diferencias.
198
Sofa Rivera Aragn

Mirna Garca Mndez
e interpretar la magnitud
Con respecto a estos valores se puede observar que los nios de cinco a seis
aos presentan una media ms alta en el tiempo que tardan en resolver un
rompecabezas con un sistema Dalton. Cabe aclarar hasta aqu que el Anova indica
diferencias entre grupos, pero no nos dice entre cules. Para ello habra que
aplicar una prueba post-hoc (Scheffe, Duncan o Tukey).
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias a travs del ciclo vital en la
relacin de pareja en las historias de amor (Romero, 2003) se aplic el Anova
simple.
Ho No existen diferencias estadsticamente significativas en las historias de
amor de acuerdo con cada una de las etapas del ciclo vital.
H1 S existen diferencias estadsticamente significativas en las historias de
amor de acuerdo con cada una de las etapas del ciclo vital.
mouse.
199
Paso 2. Al hacer clic en Analyze aparece un men en el que se coloca el cursor en

Compare Means, se da clic y aparece otro men, se coloca el cursor en One-WayAnova y se da clic.
Paso 3. Al hacer clic en One-Way-Anova, se abre un men que contiene las

Sofa Rivera Aragn

Paso 4. Las variables de historias de amor se marcan con el cursor. Se da clic

en el icono que est entre las variables de estudio y la siguiente ventana. Se pasan
las variables seleccionadas a la ventana vaca donde se colocan las variables
dependientes, la variable de clasificacin, que en este caso es la etapa del ciclo
vital de la relacin, se le coloca donde estn los grupos.
Una vez definidas las variables, se da clic en OK y se muestra el resultado del

Anova simple.12 La tabla 34 muestra los resultados del Anova que son los que
indican el valor de la prueba, el nivel de significancia, el nmero de participantes
considerados para el anlisis, as como los grados de libertad y el valor de la
diferencia entre varianzas. Estos datos debern ser interpretados por el
investigador, y de esta forma, responder a las preguntas e hiptesis de
investigacin.
12 Con fines didcticos se muestran los resultados del Anova factorial, tal como los reporta el
SPSS; sin embargo, nunca se presentan as en un reporte de investigacin.
TABLA 34
ANOVA SIMPLE
Anova
Sum of
Squares
Factor 1: Romance
Between Groups
Within Groups
Total
Factor 2: Organizacin
Between Groups
Within Groups
Total
Factor 3: Sexual
Between Groups
Within Groups
Total
Between Groups
Factof 4: Atraccin- misterio
Within Groups
Total
Factor 5: Humor
Between Groups
Within Groups
Total
Between Groups
Factor : Maestro- estudiante
Within Groups
Total
Factor 7: Guerra
Between Groups
Within Groups
Total
Factor 8: Polica prfugo
Between Groups
Within Groups
Total
Factor 9: Atraccin bizarra
Between Groups
Within Groups
Total
Factor 10: Control-variedad
Between Groups
Within Groups
Total
Between Groups
Factor 11: SacrificioWithin Groups
dependencia
Total
Factor 12: Desconfianza mutua Between Groups
Within Groups
Total
202
Sofa Rivera Aragn

Mirna Garca Mndez
539.102
7,762.221
8,301.323
460.866
4,597.883
5,058.749
205.048
3,997.054
4,202.103
209.848
1,513.505
1,723.353
81.644
2,920.833
3,002.477
260.314
3,772.477
4,032.792
488.694
4,483.409
4,972.103
298.978
4,760.116
5,059.094
312.706
2,463.028
2,775.734
238.263
3,448.927
3,687.190
154.639
1,912.304
2,066.943
63.394
1,472.600
1,535.994
df
5
325
330
5
325
330
5
325
330
5
325
330
5
325
330
5
325
330
5
325
330
5
323
328
5
325
330
5
325
330
5
325
330
5
323
328
Mean
Square
Sig.
107.820
4.514
.001
92.173
14.147
6.515
.000
41.010
12.299
3.334
.006
41.970
4.657
9.012
.000
16.329
8.987
1.817
.109
52.063
11.608
4.485
.001
97.739
13.795
7.085
.000
59.796
14.737
4.057
.001
62.541
7.579
8.252
.000
47.653
10.612
4.490
.001
30.928
5.884
5.256
.000
12.679
4.559
2.781
.018
23.884
Reporte de investigacin del
anlisis de varianza simple
Para probar la hiptesis del investigador se aplic un anlisis de varianza simple

(Romero, 2003) el cual mostr diferencias significativas en todas las historias de
amor a lo largo del ciclo vital de la pareja, excepto en la historia de humor. Para
la historia de romance se detect que el apego y el cario son menores durante
el noviazgo, incrementan significativamente al inicio del matrimonio y
decrementan con la llegada de los hijos. De los siete a los catorce aos de matrimonio repuntan nuevamente, decrementan despus de los 14 aos de
matrimonio. Para la historia de organizacin, se encuentra que los esquemas, las
reglas y las estructuras son ms importantes en la ltima etapa de noviazgo y la
primera del matrimonio. Al igual que en la historia de romance, la organizacin
decrementa con la llegada de los hijos, de los siete a los catorce aos de
matrimonio tiene un repunte importante para obtener su mnimo puntaje en la
ltima etapa del ciclo vital de la pareja. La historia sexual se mantiene ms o
menos estable a lo largo de las primeras etapas hasta los tres aos de
matrimonio, entre los tres y siete aos de matrimonio el erotismo y la
exploracin sexual aumentan, para posteriormente decrementar y alcanzar su
mnimo puntaje en la ltima etapa del ciclo vital de la pareja. En cuanto a la
historia de atraccin-misterio se observa que los puntajes ms altos se localizan
en las etapas del noviazgo, donde el hecho de no conocer totalmente a la pareja
le confiere mayor atraccin a la relacin. Por ltimo para la etapa de maestroestudiante se sealan decrementos importantes en la ltima etapa del
matrimonio probablemente debido al amplio conocimiento que los miembros de
la pareja han obtenido el uno del otro con el paso de los aos.
Lo anterior demuestra que el matrimonio no es una etapa esttica en la vida
de los seres humanos (vase tabla 35), sino que constantemente tiene cambios en
todos los aspectos relacinales de la pareja.
203
TABLA 35
DIFERENCIAS POR ETAPA DE CICLO VITAL EN LAS HISTORIAS DE AMOR
Etapa
Factor
0a6
meses
noviazgo
Ms de 6 D e 0 a
meses de 3 aos de
noviazgo mat.
De 3 a 7 De 7 a 14 Ms de 14
aos de aos de
aos de mat
mat.
mat.
Romance
18.75
19.49
22.21
18.35
20.39
18.95
4.51
.001**
Organizacin
19.73
21.82
21.30
19.67
21.61
18.67
6.51
.000**
Sexual
11.58
11.59
11.00
13.19
11.93
10.69
3.33
.006**
Atraccinmisterio
10.79
10.26
8.98
9.02
8.61
8.93
9.01
.000**
Humor
9.54
10.23
9.94
9.28
9.43
8.69
1.81
.109
MaestroEstudiante
18.88
18.59
18.34
18.43
18.86
16.69
4.48
.001 **
*p< 0.05.
**p< 0.01.
Anlisis de varianza de doble clasificacin
Este anlisis introduce el concepto de interaccin, el cual, como ya se haba

mencionado, aduce a la combinacin de las categoras de dos variables
independientes o de clasificacin con respecto a una variable dependiente. El
procedimiento al clculo es similar al anlisis de varianza simple, slo que ste
adems calcula los componentes de la varianza entre grupos de los efectos
principales de cada una de las variables independientes por separado, adems
de la interaccin entre las mismas. Por ejemplo:
Variable dependiente: Creatividad
Variables de clasificacin:
Sexo: Hombres y mujeres Escolaridad:
Media superior y superior El diseo
quedara como sigue:
Escolaridad/Sexo Hombres
Media superior
Superior
204
Sofa Rivera Aragn

Mirna Garca Mndez
Mujeres
En este caso, cada una de las variables por separado implica el efecto
principal, y la combinacin la interaccin de las mismas, para predecir la
creatividad.
c) Obtener la sumatoria de los puntajes para cada grupo ( x).
d) Obtener el cuadrado de la sumatoria ( x)2.
e) Elevar al cuadrado cada puntaje crudo y sumarlo X1.
donde:
Sumar todos los puntajes crudos de todos los grupos y elevarlos al
cuadrado,
N = Nmero de participantes por grupo,
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas y sumarlas.
FC Factor de correccin.
205
h) Obtener la suma de cuadrados entre los grupos (SCE). La

frmula para calcular la SCE es:
donde:
FC= Factor de correccin,
N= Nmero de participantes por grupo.
SCI = SCT -SCE

gltotal = N - 1
glentre = k - 1
glintra N k
donde:
N Nmero total de participantes en todos los grupos,
K = Nmero de grupos que se estn comparando,
1 = Constante.
206
Sofa Rivera Aragn

Mirna Garca Mndez

La frmula para calcular la MCE es:
l) Obtener la media de cuadrados intra grupos (MCI).

La frmula para calcular la MCI es:
SC
gl
MC
Entre
Intra
Total
o) Para obtener la significancia, se busca en el apndice la tabla G de valores

crticos de F, los grados de libertad entre grupos en la parte horizontal de la
tabla y los grados de libertad intragrupos en la parte vertical. Para cada

207

Fc F0 H1 se acepta.
Es decir que como la F de la frmula es ms grande que la de la tabla G
p) Si se encuentran diferencias significativas entre los grupos hay que
calcular las medias para cada grupo
e interpretar la magnitud de
las diferencias.
donde:
X= Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo,

q) Una vez que se calcul el anlisis de varianza simple se acomodan los
valores de las variables en una tabla de 2 x 2. Tomando el ejemplo anterior

quedara como sigue:
Variable dependiente: Creatividad
Sexo: Hombres y mujeres
Escolaridad: Media superior y superior
El diseo quedara como sigue:
Escolaridad/Sexo
Media superior
Superior
208
Sofa Rivera Aragn

Mirna Garca Mndez
Hombres
Mujeres
r) Una vez acomodados se obtiene la suma de cuadrados de los efectos

principales de las variables en estudio.
1. Obtener la suma de cuadrados de la variable que se encuentra en las filas
de la tabla (SCV1). En este ejemplo sera la escolaridad.
La frmula para obtenerla es:
donde:
(f1)2 = Sumar los valores de la fila 1 y elevarlos al cuadrado.
(f2)2 = Sumar los valores de la fila 2 y elevarlos al cuadrado.
K = Nmero de categoras o grupos de las variables.

2. Obtener la suma de cuadrados de la variable que se encuentra er las
columnas de la tabla (SCVc). En este ejemplo sera el sexo.
donde:
(c1)2= Sumar los valores de la columna 1 y elevarlos al cuadrado.
(c2 )2= Sumar los valores de la columna 2 y elevarlos al cuadrado.
K= Nmero de categoras o grupos de las variables.

s) Calcular la interaccin de las variables (SCINT).
La frmula para calcular la interaccin es:
SCINT = SCE SCVf - SCVc
209
donde:
SCVf = Suma de cuadrados de la variable que se encuentra en las filas.
SCVc = Suma de cuadrados de la variable que se encuentra en las columnas.
SCE = Suma de cuadrados entre grupos.
t) Calcular los grados de libertad de los efectos principales y de la interaccin.
glvf = K - 1 (grados de libertad de la variable de las filas),

glrc = K - 1 (grados de libertad de la variable de las columnas),
gfint = (Kf- 1) (Kc - l)(grados de libertad de la interaccin).
donde:
k = Nmero de categoras o grupos de la variable en estudio.
1 = Constante.
u) Calcular la media de cuadrados de los efectos principales y de la interaccin.
media de cuadrados de la variable de las filas)

media de cuadrados de la variable de las columnas)
(media de cuadrados de la interaccin)
v) Sustituir en la frmula de F (prueba de significancia del Anova)
tanto para efectos principales como de la interaccin:
(prueba f para la variable de las filas)
(prueba f para la variable de las columnas)
(prueba f para la variable de la interaccin)
210
Sofa Rivera Aragn

Mirna Garca Mndez
w) Construir la tabla de procedencia:

SC
gl
MC
Entre
Filas
Columnas
Interaccin
Intra
Total
x) Para obtener la significancia, se buscan en la tabla de valores crticos de F

de libertad intragrupos en la parte vertical. Para cada probabilidad (a) hay una
tabla independiente y deben buscarse todos los valores de la prueba F tanto para
efectos principales como para la interaccin.
En la tabla G del apndice se encuentra la F0 (valor de la F observada) que

permite rechazar y aceptar las hiptesis estadsticas planteadas por cada
variable y la interaccin.
Fc F0 H1 se acepta.
entonces se acepta la hiptesis alterna. Esto se aplica en todas las F (pruebas de
significancia del Anova) que aparecen en la tabla (efectos principales e
interaccin).
211
y) Finalmente si se encuentran diferencias significativas ya sea por los

efectos principales o por la interaccin, hay que calcular las medias para cada
grupo (X1, X2 y X3 ) e interpretar la magnitud de las diferencias.
donde:

Ejercicio
Un investigador desea saber si hay diferencias en el grado de altruismo,

dependiendo del sexo y la edad de los participantes. Los datos se presentan a
continuacin:
Jvenes
Adultos
Hombre
Mujer
16
9
9
10
81
81
100
X2 = 32 X12 = 278
4
5
6
X2 =16
Hombre
X
1
16
25
36
X22=78
3
7
7
7
X3=74
Mujer
2
X2
16
49
49
49
X32=156
4
4
8
X4=20
16
16
64
X42= 112
Para calcular el resultado de esta investigacin se aplica el siguiente

procedimiento:
212
Sofa Rivera Aragn

Mirna Garca Mndez
d) Obtener el cuadrado de la sumatoria:
e) Elevar al cuadrado cada puntaje crudo y sumarlo:
f) Calcular el factor de correccin (FC):
g) Obtener la varianza total (SCT):

SCT = 2 7 8 + 7 8 + 1 5 6 + 1 1 2 - 5 2 9 = 9 5
h) Obtener la suma de cuadrados entre los grupos (SCI):
i) Obtener la suma de cuadrados intragrupos (SCI):

SCI = 9 5 - 3 5 = 6 0
;) Calcular los grados de libertad (gl)

gltotal = 1 6 - 1 = 1 5
glentre 4 - 1 = 3
glintra = 1 6 - 4 = 1 2
213
k) Obtener la media de cuadrados entre grupos (MCE):
l) Obtener la media de cuadrados intra grupos (MCI):

Entre
Intra
Total
SC
91
MC
35
60
95
3
12
15
11.67
5
2.33
o) Para obtener la significancia, se busca en el apndice la tabla G de

valores crticos de F, los grados de libertad entre grupos en la parte horizontal
de la tabla y los grados de libertad intragrupos en la parte vertical. Para cada
En la tabla G se encuentra la F0 (valor de la F observada) que permite

rechazar y aceptar las hiptesis estadsticas.
214
Sofa Rivera Aragn

Mirna Garca Mndez
Es decir que como la F de la frmula es ms pequea que la de la tabla G

entonces se rechaza la hiptesis alterna. Es decir, no hay diferencias entre los
cuatro grupos en el nivel de altruismo.
p) En este caso no se encontraron diferencias entre todos los grupos por
ende no se calcularon las medias generales.
valores de las variables en una tabla de 2 x 2.
Sexo
Edad
Jvenes
Adultos
Hombres
Mujeres
9
9
10
4
5
6
X1 =32
X2=l6
3
7
7
7
4
4
4
8
X3=24
(C I )=56
X4=20
(C2)=36
(f1)=48
(f2)=44

1. Obtener la suma de cuadrados de la variable que se encuentra en las
filas de la tabla (SCVf). En este ejemplo sera la edad:

columnas de la tabla (SCV0). En este ejemplo sera el sexo:
215

SC INT = 35 -25 -1 = 9
glvf =2-1 = 1 (grados de libertad de la variable de las filas)
glvc =2-1 = 1 (grados de libertad de la variable de las columnas)
glint = (2f 1) (2C 1) (grados de libertad de la interaccin)
u) Calcular la media de cuadrados de los efectos principales y de la
interaccin.
v) Sustituir en la frmula de F (prueba de significancia del Anova) tanto para

efectos principales como de la interaccin:
216
Sofa Rivera Aragn

Mirna Garca Mndez
SC
gl
MC
S Entre
35.0
11.67
2.33
Sexo
Edad
Sexo x Edad
Dentro
Total
25.0
1.0
9.0
60.0
95
1
1
1
12
15
25.0
1.0
9.0
5.0
5.0
0.20
1.80
x) Para obtener la significancia, se busca en al apndice en la tabla G de

valores crticos de F los grados de libertad entre grupos en la parte horizontal
de la tabla y los grados de libertad intragrupos en la parte vertical. Para cada
probabilidad ( ) hay una tabla independiente y deben buscarse todos los
valores de la prueba F tanto para efectos principales como para la interaccin.
Prueba F para el efecto principal de edad:
Prueba F para el efecto principal de sexo:
Prueba F para la interaccin:
217
En la tabla G se encuentra la F0 (valor de la F observada) que permite

rechazar y aceptar las hiptesis estadsticas planteadas por cada variable y la
interaccin.
Posteriormente se aplica la regla de decisin.
Efecto principal de edad:
Efecto principal de sexo:
5 4.75 H1 se acepta.
Efecto de la interaccin:
Es decir que como la F de la frmula es ms grande que la de la tabla G solo
para el efecto principal de sexo, entonces se acepta la hiptesis alterna.
y) Finalmente si se encuentran diferencias significativas ya sea por los
grupo (X1 y X2) e interpretar la magnitud de las diferencias. En este caso slo se
calcula para hombres y mujeres ya que ah es donde encontramos diferencias
significativas.
S hay diferencias en las medias del puntaje de altruismo entre hombres y

mujeres. Siendo ste ms alto en los hombres.
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias por sexo (hombres y mujeres)

y trabajo (quines trabajan fuera del hogar y quines no trabajan) en los estilos
de amor (Rivera y Daz-Loving, 2002) se aplic un anlisis de varianza de doble
clasificacin.
Sofa Rivera Aragn


H0 No existen diferencias estadsticamente significativas en los estilos
de amor entre hombres y mujeres.
H1. S existen diferencias estadsticamente significativas en los estilos
de amor entre hombres y mujeres.
1. H0 No existen diferencias estadsticamente significativas en los estilos de
amor entre personas que trabajan y las que no trabajan.
2. H1. S existen diferencias estadsticamente significativas en los estilos de
amor entre personas que trabajan y las que no trabajan.
Interaccin:
H0 No habr interaccin entre sexo y trabajo.
H1 S habr interaccin entre sexo y trabajo.
mouse.
219
Paso 2. Al hacer clic en Analyze, aparece un men en el que se coloca el

cursor en General Lineal Model, se da clic y aparece otro men, se coloca el
cursor en Univariate y se da clic.
Paso 3. Al hacer clic en Univariate, se abre un men que contiene las

Paso 4. Las variables de estilos de amor se marcan con el cursor, se da

clic en el icono que est entre las variables de estudio y la siguiente ventana. Se pasan las variables seleccionadas a la ventana vaca (dependent
220
Sofa Rivera Aragn

Mirna Garca Mndez
variables) donde se colocan las variables dependientes y las variables de

clasificacin que en este caso son el sexo y el trabajo, se les coloca donde estn los
factores (fixed factors).
Una vez definidas las variables, se da clic en OK y se muestra el resultado del

Anova de doble clasificacin.13 Las tablas 36 y 37 muestran los resultados del
Anova que son los que indican el valor de la prueba el nivel de significancia, el
nmero de participantes considerados para el anlisis, as como los grados de
libertad y el valor de la diferencia entre varianzas. Estos datos debern ser
interpretados por el investigador, de esta forma, responder a las preguntas e
hiptesis de investigacin.
TABLA 36
ANOVA DE DOBLE CLASIFICACIN
Case Processing Summary
Cases
Included
N
515
Percent
76.6
Excluded
N
157
Total
Percent
23.4
Percent
672
100.0
13 Con fines didcticos se muestran los resultados del Anova de doble clasificacin, tal como los
221
Cell Means
Amistoso
Trabajo fuera de Sexo

Casa
Mean
Eros
Agape
Mania
Mean
Mean
Mean
Masculino S
3,9194
248
3,9556
248
3,5948
248
2,9004
248
No
3,9462
15
3,8923
15
3,6867
15
2,8615
15
Total
3,9209
263
3,9520
263
3,6000
263
2,8982
263
Femenino S
3,9084
130
3,9183
130
3,0354
130
2,9154
130
No
3,8797
122
3,8260
122
3,2484
122
2,9224
122
Total
3,8945
252
3,8736
252
3,1385
252
2,9188
252
Total S
3,9156
378
3,9428
378
3,4024
378
2,9056
378
No
3,8870
137
3,8332
137
3,2964
137
2,9158
137
Total
3,9080
515
3,9137
515
3,3742
515
2,9083
515
aGrand Mean.
bAmistoso, Eros,
Agape, Mania by Sexo, Trabajo fuera de casa.
Anlisis factorial de varianza
Este anlisis es muy similar al anlisis de varianza de doble clasificacin, la

diferencia estriba en que aqu se puede introducir una variable dependiente o
una variable de clasificacin ms o en su defecto cada una de las variables
independientes puede tener tres o ms categoras.
Por ejemplo:
Variable dependiente: Coeficiente intelectual
Sexo: Hombres y mujeres Clase social: Alta, media y baja
El diseo sera de 2 x 3 y quedara como sigue:
Clase social/Sexo
Alta
Media
Baja
222
Sofa Rivera Aragn

Mirna Garca Mndez
Hombres
Mujeres
TABLA 37
VALORES DEL ANOVA DE DOBLE CLASIFICACIN.
Anova
Experimental
Method
Mean
Square
Slg.
Sum of
Squares df
Amistoso Main Effects
2-Way Interactions
Model
Residual
Total
Main Effects
Eros
2-Way Interactions
Agape
Model
Residual
Total
Main Effects
2-Way Interactions
Mana
Model
Residual
Total
Main Effects
2-Way Interactions
Model
Residual
Total
aAmistoso,
(Combined)
.116
.058
.131
.878
Sexo
Trabajo fuera
de casa
Sexo *
Trabajo fuera
de casa
.034
.034
.076
.783
.026
.026
.060
.807
.036
.152
226.996
227.148
1.375
.168
1
3
511
514
2
1
.036
.051
.444
.442
.688
.168
.080
.114
.777
.952
1.158
.282
.315
.595
.584
.584
.983
.322
.010
1.385
303.463
304.848
30.215
29.084
1
3
511
514
2
1
.010
.462
.594
.593
15.107
29.084
.016
.777
.898
.507
23.335
44.925
.000
.000
2.805
2.805
4.333
.038
.169
30.384
330.822
361.207
.055
.044
1
3
511
514
2
1
.169
10.128
.647
.703
.027
.044
.261
15.644
.609
.000
.102
.165
.903
.685
.000
.000
.001
.981
.024
.079
136.737
136.816
1
3
511
514
.024
.026
.268
.266
.091
.099
.763
.961
(Combined)
Sexo
Trabajo fuera
de casa
Sexo *
Trabajo fuera
de casa
(Combined)
Sexo
Trabajo fuera
de casa
Sexo *
Trabajo fuera
de casa
(Combined)
Sexo
Trabajo fuera
de casa
Sexo * Trabajo
fuera de casa
Eros, Agape, Mania by Sexo, Trabajo fuera de Casa.
223
En este caso, cada una de las variables por separado implica el efecto
principal, y la combinacin, la interaccin de las mismas para predecir el
coeficiente intelectual.
Para calcular esta prueba se aplica el siguiente procedimiento, el cual es
similar al Anova de doble clasificacin:
a)
b)
c)
d)
Plantear las hiptesis estadsticas.

Plantear la probabilidad en la cual se comprobarn dichas hiptesis.
Obtener la sumatoria de los puntajes para cada grupo (X ).
Obtener el cuadrado de la sumatoria (X )2
e) Elevar al cuadrado cada puntaje crudo y sumarlo X2

donde:
Sumar todos los puntajes crudos de todos los. grupos y elevarlos al cuadrado.
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas y
sumarlas,
224
Sofa Rivera Aragn

Mirna Garca Mndez
g)
Obtener la suma de cuadrados entre los grupos (SCE).
La frmula para calcular la SCE es;
donde:
FC = Factor de correccin,
N = nmero de participantes por grupo.
i) Obtener la suma de cuadrados intragrupos (SCI).
SCI = SCT - SCE
j) Calcular los grados de libertad (gl).
gltotal = N - l
glentre = k - l
glintra = N k
donde:
N Nmero total de participantes en todos los grupos,
K = Nmero de grupos que se estn comparando.
l= Constante.
j)
Obtener la media de cuadrados entre grupos (MCE).
La frmula para calcular la MCE es:
k) Obtener la media de cuadrados intra grupos (MCI).

La frmula para calcular la MCI es:

gl
SC
MC
Entre
Intra
Total
o) Para obtener la significancia, se busca en la tabla de valores crticos de F

los grados de libertad entre grupos en la parte horizontal de la tabla y los
grados de libertad intragrupos en la parte vertical. Para cada probabilidad ( )
hay una tabla independiente.
En la tabla G del apndice, se encuentra la Fa (valor de la F observada) que

Fc F0 H1 se acepta.
p) Si se encuentran diferencias significativas entre los grupos hay que
calcular las medias para cada grupo
las diferencias.
226
Sofa Rivera Aragn

Mirna Garca Mndez
e interpretar la magnitud de
donde:

valores de las variables en una tabla de 2 x 3. Tomando el ejemplo anterior
quedara como sigue:
Variable dependiente: Coeficiente intelectual
Sexo: Hombres y mujeres Clase
Social: Alta, media y baja.
Clase Social/Sexo
Hombres
Mujeres
Alta
Media
Baja

filas de la tabla (SCVf). En este ejemplo sera la escolaridad.
donde:
( f 1 ) 2 = Sumar de los valores de la fila 1 y elevarlos al cuadrado.
( f 2 ) 2 = Sumar de los valores de la fila 2 y elevarlos al cuadrado.
K = Nmero de categoras o grupos de las variables.
227

columnas de la tabla (SCVc). En este ejemplo sera el sexo.
donde:
(c1)2= Suma de los valores de la columna 1 y elevarlos al cuadrado.
(c2)2= Suma de los valores de la columna 2 y elevarlos al cuadrado.
K= Nmero de categoras o grupos de las variables.

N= Nmero de participantes por grupo.
SCINT = SCE - SCVf - SCVc
donde:
SCVf = Suma de cuadrados de la variable que se encuentra en las filas.
SCVc = Suma de cuadrados de la variable que se encuentra en las columnas.
SCE = Suma de cuadrados entre grupos.
glVf = K - l (grados de libertad de la variable de las filas)
glvc = K - l (grados de libertad de la variable de las columnas)
glint = (Kc- l) (Kc - l) (grados de libertad de la interaccin)
donde:
k = Nmero de categoras o grupos de la variable en estudio.
l= constante.
228
Sofa Rivera Aragn

Mirna Garca Mndez
u) Calcular la media de cuadrados de los efectos principales y de la

interaccin.
(media de cuadrados de la variable de las filas)
(media de cuadrados de la variable de las columnas)
(media de cuadrados de la interaccin)
v) Sustituir en la frmula de F (prueba de significancia del Anova)

tanto para efectos principales como de la interaccin:
(prueba f para la variable de las filas)
(prueba f para la variable de las columnas)
(prueba f para la variable de la interaccin)
SC
gl
MC
Entre
Filas
Columnas
Interaccin
Intra
Total
x) Para obtener la significancia, se busca en la tabla de valores crticos de F

los grados de libertad entre grupos en la parte horizontal de la tabla y los
grados de libertad intragrupos en la parte vertical. Para cada probabilidad (a)
hay una tabla independiente y deben buscarse todos los valores de la prueba F,
tanto para efectos principales como para la interaccin.
229
En la tabla G del apndice se encuentra la F0 (valor de la F observada) que

permite rechazar y aceptar las hiptesis estadsticas planteadas por cada
variable y la interaccin.
Fc F0 H1 se acepta.
entonces se acepta la hiptesis alterna. Esto se aplica en todas la "F' (pruebas de
significancia del Anova) que aparecen en la tabla (efectos principales e
interaccin).
y) Finalmente, si se encuentran diferencias significativas, ya sea por los
grupo
e interpretar la magnitud de las diferencias.
donde:
X = Suma las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo

Ejercicio
Un fabricante de medicinas ha producido una medicina para el pie de

atleta que puede tomarse en forma de pldoras. Cuando la compaa somete los
resultados de sus investigaciones referentes a la medicina, a la asociacin de
comida y medicamentos, la solicitud es
230
Sofa Rivera Aragn

Mirna Garca Mndez
objetada. Un qumico del gobierno nota que la frmula para la nueva medicina
y la de las tabletas de sal son muy similares. Sospechndose la posibilidad de
efectos secundarios tales como sed exagerada, hace que se mantenga en espera
la solicitud hasta una nueva investigacin experimental.
El problema que deben resolver los qumicos de la compaa, en este
momento, no es que las pastillas curen o no el pie de atleta, sino el ver si estas
pastillas causan mucha sed a las personas.
Se realiz un nuevo experimento para poner a prueba la hiptesis de que el
gobierno est equivocado en su apreciacin. Tres condiciones (niveles) son
usadas para representar cada una de las magnitudes del problema. Una de las
dimensiones es la cantidad de la nueva droga que toma el paciente, y los tres
niveles son designados:
0 unidades
1 unidades
4 unidades
Debido a que antes se haba observado que la eficiencia del medicamento
vara con la edad del consumidor, una segunda dimensin, la edad, fue usada
en el diseo y sus niveles fijados a los:
20 aos
40 aos
60 aos
La variable dependiente, medida de la respuesta de la sed, es el nmero de
vasos de agua que el sujeto dice haber bebido en el da del experimento. Se
usan dos personas en cada una de las nueve celdillas del diseo. Los
participantes con 0 medicamentos tomaron un placebo (pldora de azcar). No
se les dijo a los participantes el propsito del experimento hasta que termin el
da. Los datos de los 18 participantes en los nueve grupos, pueden verse en la
siguiente tabla:
CALIFICACIONES DEL EXPERIMENTO CON MEDICAMENTOS
Dosis
4 unidades
2 unidades
0 unidades
Edad 20
Edad 40
Edad 60
4
X1=10
2
4
X4 =6
1
0
X7 =1
C1 =17
3
X2=7
2
3
X5=5
2
1
X8 =3
C2 =15
1
X3=3
2
2
X6 =4
5
4
X9=9
c3= 16
f1=20
f2=15
f4=13
total 48
Hay N = 2 participantes por celdilla, cada celdilla representa una

combinacin particular de dos dimensiones del diseo. El procedimiento a
seguir es el mismo, lo nico que cambia es el nmero de categoras en las
variables.
TABLA DE PROCEDENCIA FINAL EN EL EXPERIMENTO DEL ANLISIS DE
MEDICAMENTO
Fuente de Variacin
se
gi
MC
Intergrupos
Medicamento (M)
Edad (E)
MxE
Intragrupos (error)
Total
35.00
4.33
.33
30.33
7.00
42.00
8
2
2
4
9
17
4.37
2.17
0.17
7.58
0.78
5.60
2.78
0.22
9.72*
* P .05.
En este caso no hubo diferencias por efectos principales, solo en la interaccin ya que de acuerdo a la regla de decisin la razn, F de tablas es: 4.26
para llegar al nivel de significancia de 0.05 con 2 y 9 gl. De acuerdo con la regla
de decisin 9.72 > 4.26
H1 se acepta, es decir hay una interaccin entre el
medicamento y la edad para predecir el consumo de vasos de agua.
232
Sofa Rivera Aragn

Mirna Garca Mndez
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias entre hombres y mujeres y

por ocupacin en el estilo autoritario y el estilo laissez faire, as como si estas dos
variables interactan para predecir estos estilos (Cruz, 2002) se aplic el Anova
factorial.
Efecto principal sexo:
Ho No existen diferencias estadsticamente significativas en los estilos de
poder entre hombres y mujeres.
H1. S existen diferencias estadsticamente significativas en los estilos de
poder entre hombres y mujeres.
Efecto principal ocupacin:
Ho No existen diferencias estadsticamente significativas en los estilos de
poder de acuerdo con la ocupacin del participante.
H1. S existen diferencias estadsticamente significativas en los estilos de
poder de acuerdo con la ocupacin del participante.
Interaccin:
Ho. No habr interaccin entre sexo y ocupacin.
H1. Habr interaccin entre sexo y ocupacin.
Posteriormente una vez capturados los datos, se siguieron los pasos que a
mouse.
233

General Lineal Model se da clic y aparece otro men, se coloca el cursor en Univariate y
se da clic.
Sofa Rivera Aragn
Paso 3. Al hacer clic en Univariate, se abre un men que contiene las variables de
la investigacin.
Paso 4. Las variables de estilos de poder se marcan con el cursor, se da clic en

el icono que est entre las variables de estudio y la siguiente ventana. Se pasan las
variables seleccionadas a la ventana vaca (dependent variables) donde se colocan las
variables dependientes y la variable de clasificacin que en este caso son el sexo y
la ocupacin, se les coloca donde estn los factores (fixed factores).
235
Una vez definidas las variables, se da clic en OK y se muestra

resultado del Anova
factorial.14
el
La tabla 38 muestra los resultados
del Anova que son los que indican el valor de la prueba, el nivel de signiTABLA 38
ANOVA FACTORIAL
Case Processing Summary

Cases
Included
N
Percent
269
28
90.6
Excluded
Percent
9.4
N
297
Total
Percent
100.0
Cell Means
Sexo
Ocupacin
Stiauto
Mean
Masculino
Femenino
Total
3.5235
17
2
3
4
5
Total
1
2
3
4
5
Total
1
2
3
4
5
Total
3.8440
3.7089
3.5907
3.7708
3.6972
3.8222
3.8385
4.0524
3.8395
3.8848
3.8822
3.7068
3.8409
3.9326
3.7480
3.8368
3.8093
25
15
25
24
106
27
32
28
43
33
163
44
57
43
68
57
269
Grand Mean
Stiauto by Sexo, Ocupacin.
14
Con fines didcticos se muestran los resultados del Anova simple, tal como los

Sofa Rivera Aragn
Anova
Experimental
Method Sum of
Squares df
Stiauto Main Effects
(Combined)
2-Way Interactions
Model
Residual
Total
a
Mean
Square
Sig.
3,690
,738
1,438
,211
Sexo
2,220
Ocupacin
1,491
Sexo * Ocupacin 1,024
4,714
132,928
137,642
1
4
4
9
259
268
2,220
,373
,256
,524
,513
,514
4,325
,039
,575
,737
,424
726
,499
1,021
Stiauto by Sexo, Ocupacin
ficancia, el nmero de participantes considerados para el anlisis, as como

los grados de libertad y el valor de la diferencia entre varianzas. Estos datos
debern ser interpretados por el investigador, y de esta forma, responder a
las preguntas e hiptesis de investigacin.
Reporte de investigacin del
anlisis factorial de
varianza
Para poder comprobar las hiptesis que se plantearon de si existen diferencias por sexo y ocupacin (variables de clasificacin), as como en la
interaccin de las mismas (sexo por ocupacin), con respecto a los factores
de la escala estilos de poder (variables dependientes) se aplic un anlisis
factorial de varianza (Cruz, 2002). A continuacin se mostrarn dos ejemplos
referentes al anlisis realizado: en el primer ejemplo (factor autoritario) se
muestran una interaccin significativa entre las variables de sexo por
ocupacin. En el segundo ejemplo (factor laissez faire) se muestra un efecto
principal por ocupacin y una interaccin significativa.
De acuerdo con la tabla 39, podemos observar que para el
factor autoritario se encuentra una interaccin significativa, en la que los
hombres que se perciben como ms speros, violentos y bruscos son
los
empleados
con
profesin,
observando que la media ms baja
237
la reportan los estudiantes. Sin embargo, todas las medias se observan por
debajo de la media terica. Mientras que las mujeres que se perciben como ms
speras y violentas son las empleadas con carrera tcnica, la media ms baja se
observa en las empleadas con profesin. Cabe resaltar que todas las medias se
encuentran por debajo de la media terica. Con respecto a los efectos
principales por sexo y ocupacin no se presentaron diferencias significativas
(vase tabla 39).
TABLA 39
ANLISIS DE VARIANZA PARA EL FACTOR AUTORITARIO
Media
Media
Autoritario
Terica
Hombres
2.81
Ocupacin
Mujeres
2.94
Empl.
Prof.
2.88
interaccin
Empl.
Carr.Tc
3.06
Empleado c/
Profesin
Empleado c/
Carrera Tcnica
Empleado c/ Oficio
Estudiantes
Hogar
*p
Sexo
Empl.
Oficio
3.26
Estud. Hogar
2.83 2.69
Hombres
Mujeres
3.00
2.71
2.96
2.83
2.42
-
3.11
2.87
3.04
.986
.322
.691
.599
3.263
.022*
0.05.
Con respecto al factor laissez faire, los resultados mostraron un efecto

principal por ocupacin y en la interaccin. Los estudiantes se perciben como
ms permisivos y abiertos. La media ms baja en este factor se encuentra en los
empleados con carrera tcnica, no obstante esta diferencia, todos los grupos se
encuentran por arriba de la media terica.
238
Sofa Rivera Aragn

Mirna Garca Mndez
Con respecto a la interaccin en este mismo factor, se observa que los hombres
que se perciben como ms liberales, permisivos y comprometidos, son los
empleados con oficio. La media ms baja para el grupo de los hombres, fue
reportada por los empleados con profesin, sin embargo, pese a esta diferencia,
todas las medias estn por debajo de la media terica. Las mujeres que se
perciben como ms abiertas, liberales y comprometidas son las estudiantes. La
media ms baja se encuentra en el grupo de las empleadas con oficio, no
obstante esta diferencia, todas las medias se encuentran por arriba de la media
terica. Finalmente en los efectos principales por sexo no existieron diferencias
significativas (vase tabla 40).
TABLA 40
ANLISIS DE VARIANZA PARA EL FACTOR LAISSES FAIRE
Media
Laisses
Sexo
Faire
Hombres
Mujeres
5.37
Ocupacin
5.25
Empl.
Prof.
5.24
Interaccin
Empl.
Carr.Tc.
4.92
Media
terica
1.067
.303
Hogar
5.00 4
3.92
.004**
3.80
.011*
Empl.
Oficio
5.10
Hombres
Estud.
5.53
Mujeres
Empleado c/
*p
Profesin
Empleado c/
5.22
5.26
Carrera Tcnica
Empleado c/ Oficio
5.51
5.75
4.59
4.66
Estudiantes
Hogar
5.45
5.57
-
0.05, **p
0.01.
Apndice
Tabla A
VALORES CRTICOS DE CHI CUADRADA
gl
Probabilidad conforme a H0 de que X2 chi cuadrada

.99 .98
.95
.90
.80 .70
.50
.30
.20
.10
.05
.02
.01
.001
.00016. .00003 .0039
.016
.064
.15
.46
1.07
1.64
2.71
3.84
5.41
6.64
10.83
.02
.04
.10
.21
.45
.71
1.39
2.41
3.22
4.60
5.99
7.82
9.21
13.82
.12
.18
.35
.58
1.00
1.42
2.37
3.66
4.64
6.25
7.82
9.84
11.34
16.27
.30
.43
.71
1.06
1.65
2.20
3.36
4.88
5.99
7,78
4.49
11.67
13.28
18.46
.55
.75
1.14
1.61
2.34
3.00
4.35
6.06
7.29
9.24
11.07
13.39
15.09
20.52
10.64
12.59
15.03
16.81
22.46
14.07
16.62
18.48
24.32
15.51
18.17
20.09
26.12
6
7
.87
1.13
1.64
2.20
3.07
3.83
5.35
7.23
8.56
1.24
1.56
2.17
2.83
3.82
4.67
6.35
8.38
9.80
1.65
2.03
2.73
3.49
4.59
5.53
7.34
9.52
11.03
12..02
13.36
2.09
2.53
3.32
4.17
5.38
6.39
8.34
10.66
12.24
14.68
16.92
19.68
21.67
27.88
10
2.56
3.06
3.94
4.86
6.18
7.27
9.34
11.78
13.44
15.99
18.31
21.16
23.21
29.59
11
3.05
3.61
4.58
5.58
6.99
8.15
10.34
12.90
14.63
17.28
19.68
22.62
24.72
31.26
12
3.57
4.18
5.23
6.30
7.81
9.03
11.34
14.01
15.81
18.55
21.03
24.05
26.22
32.91
13
4,11
4.76
5.89
7.04
8.63
9.93
12.34
15.12
16.98
19.81
22.36
25.47
27.69
34.53
14
4.66
5.37
6.57
7.79
9.47
10.82
13.34
16.22
18.15
21.06
23.68
26.87
29.14
36.12
15
5.23
5.98
7.26
8.55
10.31
11.72
14.34
17.32
19.31
22.31
25.00
28.26
30.58
37.70
16
5.81
6.61
7.96
9.31
11.15
12.62
15.34
18.42
20.46
23.54
26.30
29.63
32.00
39.29
17
6,41
7.26
8.67
10.08
12.00
13.53
16.34
19.51
21.62
24.77
27.59
31.00
33.41
40.75
18
7.02
7.91
9.39
10.86
12.86
14.44
17.34
20.60
22.76
25.99
28.87
32.35
34.80
42.31
19
7.63
8.57
10.12
11.65
13.72
15.35
18.34
21.69
23.90
27.20
30.14
33.69
36.19
43.82
20
8.26
9.24
10.85
12.44
14.58
16.27
19.34
22.78
25.04
28.41
31.41
35.02
37.57
45.32
21
8.90
9.92
11.59
13.24
15.44
17.18
20.34
23.86
26.17
29.62
32.67
36.34
38.93
46.80
22
9.54
10.60
12.34
14.04
16.31
18.10
21.24
24.94
27.30
30.81
33.92
37.66
40.29
48.27
23
10.20
11.29
13.09
14.85
17.19
19.02
22.34
26.02
28.43
32.01
35.17
38.97
41.64
49.73
24
10.86
11.99
13.85
15.66
18.06
19.94
23.34
27.10
29.55
33.20
36.42
40.27
42.98
51.18
25
11.52
12.70
14.61
16.47
18.94
20.87
24.34
28.17
30.68
34.38
37.65
41.57
44.31
52.62
26
12,20
13.41
15.38
17.29
19.82
21.79
25.34
29.25
31.80
35.56
38.88
42.86
45.64
54.05
27
12.88
14.12
16.15
18.11
20.70
22.72
26.34
30.32
32.91
36.74
40.11
44.14
46.96
55.48
28
13.56
14.85
16.93
18.94
21,59
23.65
27.34
31.39
34.03
37,92
41.34
45.42
48.28
56.89
29
14.26
15.57
17.71
19.77
22.48
24.58
28.34
32.46
35.14
39.09
42.56
46.69
49.59
58.80
30
14.95
16.31
18.49
20.60
23.36
25.51
29.34
33.53
36.25
40.26
43.77
47.96
50.89
59.70
Fuente: S. Siegal y N.J. Castelan (2003), Estadstica no paramtrica. Aplicada a las ciencias de la
conducta, 3a. reimp., Mxico, Trillas.
T ABLA B
TABLA DE VALORES CRTICOS DE T EN LA PRUEBA DE LOS RANGOS SEALADOS
DE PARES IGUALADOS DE WILCOXON
Nivel de significacin para prueba de una cola

.025
.01
Nivel de significacin para prueba
N
.05
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
2
4
6
8
11
14
17
21
25
30
35
40
46
52
59
66
73
81
89
.005
de dos colas
.02
.01
0
2
3
5
7
10
13
16
20
24
28
33
38
43
49
56
62
69
77
0
2
3
5
7
10
13
16
20
23
28
32
38
43
49
55
61
68
Fuente: N.M. Downie y R.W Heat (1973), Mtodos estadsticos aplicados, Mxico, Harla.
244
Sofa Rivera Aragn

Mirna Garca Mndez
T ABLA C
VALORES CRTICOS DE U DE MANN WHITNEY.
Valores crticos de U en un contraste unilateral al .005
y en un contraste bilateral al .002
n1
1
2
3
4
5
6
7
3
9
10
11
12
13
14
15
16
17
18
19
20
n2
9
1
2
3
5
7
7
10
12
14
15
17
19
21
23
25
26
10
11
0
1
3
5
5
8
10
12
14
17
19
21
23
25
27
29
32
0
2
4
6
8
10
12
15
17
20
22
24
27
29
32
34
37
12
13
14
15
16
17
18
19
20
0
2
4
7
9
12
14
17
20
23
25
28
31
34
37
40
42
1
3
5
8
11
14
17
20
23
26
29
32
35
38
42
45
48
1
3
6
9
12
15
19
22
25
29
32
36
39
43
46
50
54
1
4
7
10
14
17
21
24
28
32
36
40
43
47
51
55
59
2
5
8
11
15
19
23
27
31
35
39
43
48
52
56
60
65
0
2
5
9
13
17
21
25
29
34
38
43
47
52
57
61
66
70
0
3
6
10
14
18
23
27
32
37
42
46
51
56
61
66
71
76
0
3
7
11
15
20
25
29
34
40
45
50
55
60
66
71
77
82
0
3
7
12
16
21
26
32
37
42
48
54
59
65
70
76
82
88

n1
1
2
3
4
5
6
7
3
9
n2
9
10
11
1
3
5
7
9
11
14
1
3
6
8
11
13
16
1
4
7
9
12
15
18
12
2
5
8
11
14
17
21
13
14
15
16
17
18
19
20
0
2
5
9
12
16
20
23
0
2
6
10
13
17
22
26
0
3
7
11
15
19
24
28
0
3
7
12
16
21
26
31
0
4
8
13
18
23
28
33
0
4
9
14
19
24
30
36
1
4
9
15
20
26
32
38
1
5
10
16
22
28
34
40
Apndice
245
TABLA C (Continuacin)
n2
n1
10
11
12
13
14
15
16
17
18
19
20
10
16
19
22
24
11
30
33
36
38
41
44
47
11
12
13
14
15
16
17
18
19
20
18
21
23
26
28
31
33
36
38
40
22
24
27
30
33
36
38
41
44
47
25
28
31
34
37
41
44
47
50
53
28
31
35
38
42
46
49
53
56
60
31
35
39
43
47
51
55
59
63
67
34
38
43
47
51
56
60
65
69
73
37
42
47
51
56
61
66
70
75
80
41
46
51
56
61
66
71
76
82
87
44
49
55
60
66
71
77
82
88
93
47
53
59
65
70
76
82
88
94
100
50
56
63
69
75
82
88
94
101
107
53
60
67
73
80
87
93
100
107
114
Fuente: N.M. Downie y R.W. Heat (1973), Mtodos estadsticos aplicados. Mxico, Harla.

n2
n1
10
11
12
13
14
2
4
7
10
12
15
17
20
23
26
28
31
34
37
39
42
45
48
3
5
8
11
14
17
20
23
26
29
33
36
39
42
45
48
52
55
3
6
9
13
16
19
23
26
30
33
37
40
44
47
51
55
58
62
4
7
11
14
18
22
26
29
33
37
41
45
49
53
57
61
65
69
4
8
12
16
20
24
28
33
37
41
45
50
54
59
63
67
72
76
5
9
13
17
22
26
31
36
40
45
50
55
59
64
67
74
78
83
15
16
17
18
19
20
7
12
18
24
30
36
42
48
55
61
67
74
80
86
93
99
106
112
7
13
19
25
32
38
45
52
58
65
72
78
85
92
99
106
113
119
8
13
20
27
34
41
48
55
62
69
76
83
90
98
105
112
119
127
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
246
Sofa Rivera Aragn

Mirna Garca Mndez
5
10
14
19
24
29
34
39
44
49
54
59
64
70
75
80
85
90
6
11
15
21
26
31
37
42
47
53
59
64
70
75
81
86
92
98
2
6
11
17
22
28
34
39
45
51
57
63
67
75
81
87
93
99
105
y en un contraste bilateral al. 10

ni
n2
10
11
12
13
14
15
16
1
4
7
11
14
17
20
24
27
31
34
37
41
44
48
51
55
58
62
1
5
8
12
16
19
23
27
31
34
38
42
46
50
54
57
61
65
69
2
6
10
15
19
24
28
33
37
42
47
51
56
61
65
70
75
80
84
2
7
11
16
21
26
31
36
41
46
51
56
61
66
71
77
82
87
92
3
7
12
18
23
28
33
39
44
50
55
61
66
72
77
83
88
94
100
17
18
3
9
15
20
26
33
39
45
51
57
64
70
77
83
89
96
102
109
115
4
9
16
22
28
35
41
48
55
61
68
75
82
88
95
102
109
116
123
19
20
4
10
17
23
30
37
44
51
58
65
72
80
87
94
101
109
116
123
130
4
11
18
25
32
39
47
54
62
69
77
84
92
100
107
115
123
130
138
9
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
3
6
9
12
15
18
21
24
27
30
33
36
39
42
45
48
51
54
5
9
13
17
21
26
30
34
38
42
47
51
55
60
64
68
72
77
3
8
14
19
25
30
36
42
48
54
60
65
71
77
83
89
95
101
107
Tabla D
TABLA DE PROBABILIDADES ASOCIADAS CON VALORES TAN GRANDES COMO
VALORES OBSERVADOS DE H EN EL ANLISIS DE VARIANZA DE UNA CLASIFICACIN
POR RANGOS DE KRUSKAL WALLIS
Tamao de muestras
n3
Tamao de muestras
n1
n2
2.7000
.500
2
2
2
2
1
2
3
3
1
2
1
1
3.6000
4.5714
3.7143
3.2000
4.2857
3.8571
5.3572
.200
.067
.200
.300
.100
.133
.029
n1
4
n2
n3
6.4444
.008
6.3000
5.4444
5.4000
4.5111
4.4444
6.7455
6.7091
.011
.046
.051
.098
.102
.010
.013
Apndice
247
TABLA D (Continuacin)
Tamao de muestras
n1
n2
n3
Tamao de muestras
n1
n2
5.7909
.046
n3
4.7143
.048
4.5000
.067
5.7273
.050
4.4643
.105
4. 7091
.092
5.1429
.043
4.7000
.101
4.5714
.100
6.6667
.010
4.0000
.129
6. 1667
.022
6.2500
.011
4.9667
.048
5.3611
.032
4.8667
.054
5.1389
.061
4.1667
.082
4.5556
.100
4.0667
.102
4.2500
.121
7.0364
.006
7.2000
.004
6.8727
.011
6.4889
.011
5.4545
.046
5.6889
.029
5.2364
.052
5.6000
.050
4.5545
.098
5.0667
.086
4.4455
.103
4.6222
.100
7.1439
.010
3.5714
.200
7.1364
.011
4.8214
.057
5.5985
.049
4.5000
.076
5.5758
.051
4.0179
.114
4.5455
.099
6.0000
.014
4.4773
.102
5.3333
.033
7.6538
.008
5.1250
.052
7.5385
.011
4.4583
.100
5.6923
.049
4.1667
.105
5.6538
.054
5.8333
.021
4.6539
.097
5.2083
.050
4.5001
.104
5.0000
.057
3.8571
.143
4.0556
.093
5.2500
.036
3.8889
.129
5.0000
.048
4.4500
.071
4.2000
.095
4.0500
.119
7.7604
7.7440
.009
.011
Sofa Rivera Aragn

6.5333
6.1333
.008
.013
5.1600
.034
5.6571
.049
5.0400
.056
5.6176
.050
4.3733
.090
4.6187
.100
Tamao de muestras
n1
n2
n3
4.2933
.122
6.4000
4.9600
4.8711
4.0178
3.8400
6.9091
6.8218
5. 2509
5.1055
4.6509
4.4945
7.0788
6.9818
5.6485
5.5152
4.5333
4.4121
6.9545
6.8400
4.9855
4.8600
3.9873
3.9600
7.2045
7.1182
5.2727
5.2682
4.5409
4.5182
7.4449
7.3949
5.6564
5.6308
4,5487
4.5231
.012
.048
.052
.095
.123
.009
.010
,049
.052
.091
.101
.009
.011
.049
.051
.097
.109
.008
.011
.044
.056
.098
.102
.009
.010
.049
.050
.098
.101
.010
.011
.049
.050
.099
.103
Tamao de muestras
n1
n2
n3
4,5527
.102
7.3091
6.8364
5.1273
4.9091
4.1091
4.0364
7.3385
7.2692
5.3385
5.2462
4.6231
4.5077
7.5780
7.5429
5.7055
5.6264
4.5451
4.5363
7.8229
7.7914
5.6657
5.6429
4.5229
4.5200
8.0000
7.9800
5.7800
5.6600
4.5600
4.5000
.009
.011
.046
.053
.086
.105
.010
.010
.047
.051
.097
.100
.010
.010
.046
.051
.100
.102
.010
.010
.049
.050
.099
.101
.009
.010
.049
.051
.100
.102
Fuente: S. Siegal y N.J Castelan (2003), Estadstica no paramtrica. Aplicada a las ciencias de la
conducta, 2a. ed., 3a. reimp., Mxico, Trillas.
Apndice 249
T ABLA E
VALORES CRTICOS DE R
Valores de r al nivel de confianza de 0.05 y 0.01
gl
.05
.01
.99692
.999877
2
3
4
5
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
60
70
80
90
.95000
.8783
.8114
.7545
.7067
.6664
.6319
.6021
.5760
.5529
.5324
.5139
.4973
.4821
.4683
.4555
.4438
.4329
.4227
.3809
.3494
.3246
.3044
.2875
.2732
.2500
.2319
.2172
.2050
.990000
.95873
.91720
.8745
.8343
.7977
.7646
.7348
.7079
.6835
.6614
.6411
.6226
.6055
.5897
.5751
.5614
.5487
.5368
.4869
.4487
.4182
.3932
.3721
.3541
.3248
.301 7
.2830
.2673
Fuente: I. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
250
Sofa Rivera Aragn

Mirna Garca Mndez
T ABLA F
VALORES CRTICOS DE T
Valores de t al nivel de confianza de 0.05 y 0.01
gi
.05
.01
12.706
63.657
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
2.797
2.787
2.779
2.771
2.763
2.756
2.750
2.704
2.660
2.617
2.576
OO
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social. 2a.
ed., Mxico, Oxford.
Apndice
251
T ABLA G
VALORES CRTICOS DE E
Valores de F al nivel de confianza de .05 y .01
gl
12
(gl para el numerador) P = .05

(gl para el 1
denominador) 2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
OO
161.4 199.5
18.51 19.00
10.13 9.55
7.71
6.94
6.61
5.79
5.99
5.14
5.59
4.74
5.32
4.46
5.12
4.26
4.96
4.10
4.84
3,98
4.75
3.88
4.67
3.80
4.60
3.74
4.54
3.68
4.49
3.63
4.45
3.59
4.41
3.55
4.38
3.52
4.35
3.49
4.32
3.47
4.30
3.44
4.28
3.42
4.26
3.40
4.24
3.38
4.22
3.37
4.21
3.35
4.20
3.34
4.18
3.33
4.17
3.32
4.08
3.23
4.00
3.15
3.92
3.07
3.84
2.99
215.7
19.16
9.28
6.59
5.41
4.76
4.35
4.07
3.86
3.71
3.59
3.49
3.41
3.34
3.29
3.24
3.20
3.16
3.13
3.10
3.07
3.05
3.03
3.01
2.99
2.98
2.96
2.95
2.93
2.92
2.84
2.76
2.68
2.60
224.6
19.25
9.12
6.39
5.19
4.53
4.12
3.84
3.63
3.48
3.36
3.26
3.18
3.11
3.06
3.01
2.96
2.93
2.90
2.87
2.84
2.82
2.80
2.78
2.76
2.74
2.73
2.71
2.70
2.69
2.61
2.52
2.45
2.37
230.2
19.30
9.01
6.26
5.05
4.39
3.97
3.69
3.48
3.33
3.20
3.11
3.02
2.96
2.90
2,85
2.81
2.77
2.74
2.71
2.68
2.66
2.64
2.62
2.60
2.59
2.57
2.56
2.54
2.53
2.45
2.37
2,29
2.21
234.
19.3
8,94
6.16
4.95
4.28
3,87
3.58
3.37
3.22
3.09
3.00
2.92
2.85
2.79
2.74
2.70
2.66
2.63
2.60
2.57
2.55
2.53
2.51
2.49
2.47
2.46
2.44
2.43
2.42
2.34
2.25
2.17
2.09
238.9
19.37
8.84
6.04
4.82
4.15
3.73
3.44
3.23
3.07
2.95
2,85
2,77
2.70
2.64
2.59
2.55
2.51
2.48
2.45
2.42
2.40
2,38
2.36
2.34
2.32
2.30
2.29
2.28
2.27
2.18
2.10
2.02
1.94
243.9
19.41
8.74
5.91
4.68
4.00
3.57
3,28
3.07
2.91
2.79
2.69
2.60
2.53
2.48
2.42
2.38
2.34
2,31
2,28
2.25
2.23
2.20
2.18
2.16
2.15
2.13
2.12
2,10
2.09
2.00
1.92
1.83
1.75
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
252
Sofa Rivera Aragn

Mirna Garca Mndez
gl
12
(gl para el numerador) P = .01

(gl para el 1
denominador) 2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
OO
4052
98.49
34.12
21.20
16.26
13.74
12.25
11.26
10.56
10.04
9.65
9.33
9.07
8.86
8.68
8.53
8.40
8.28
8.18
8.10
8.02
7.94
7.88
7.82
7.77
7.72
7.68
7.64
7.60
7.56
7.31
7.08
6.85
6.64
4999
5403
99.01
99.17
30.81
29.46
18.00
16.69
13.27
12.06
10.92
9.78
9.55
8.45
8.65
7.59
8.02
6.99
7.56
6.55
7.20
6.22
6.93
5.95
6.70
5.74
6.51
5.56
6.36
5.42
6.23
5.29
6.11
5.18
6.01
5.09
5.93
5.01
5.85
4.94
5.78
4.87
5.72
4.82
5.66
4.76
5.61
4.72
5.57
4.68
5.53
4.64
5.49
4.60
5.45
4.57
5.42
4.54
5.39
4.51
5.18
4.31
4.98
4.13
4.79
3.95
4.60
3.78
5625
5764
99.25
99.30
28.71
28.24
15.98
15.52
11.39
10.97
9.15
8.75
7.85
7.46
7.01
6.63
6.42
6.06
5.99
5.64
5.67
5.32
5.41
5.06
5.20
4.86
5.03
4.69
4.89
4.56
4.77
4.44
4.67
4.34
4.58
4.25
4.50
4.17
4.43
4.10
4.37
4.04
4.31
3.99
4.26
3.94
4.22
3.90
4.18
3.86
4.14
3.82
4.11
3.78
4.07
3.75
4.04
3.73
4.02
3.70
3.83
3.51
3.65
3.34
3.48
3.17
3.32
3.02
5859
5981
6106
99.33 99.36
99.42
27.91 27.49
27.05
15.21
14.80
14.37
10.67 10.27
9.89
8.47
8.10
7.72
7.19
6.84
6.47
6.37
6.03
5.67
5.80
5.47
5.11
5.39
5.06
4.71
5.07
4.74
4.40
4.82
4.50
4.16
4.62
4.30
3.96
4.46
4.14
3.80
4.32
4.00
3.67
4.20
3.89
3.55
4.10
3.79
3.45
4.01
3.71
3.37
3.94
3.63
3.30
3.87
3.56
3.23
3.81
3.51
3.17
3.76
3.45
3.12
3.71
3.41
3.07
3.67
3.36
3.03
3.63
3.32
2.99
3.59
3.29
2.96
3.56
3.26
2.93
3.53
3.23
2.90
3.50
3.20
2.87
3.47
3.17
2.84
3.29
2.99
2.66
3.12
2.82
2.50
2.96
2.66
2.34
2.80
2.51
2.18
Apndice
253
Bibliografa
LVAREZ CCERES, R. (1995), Estadstica multivariante y no paramtrica con SPSS. Aplicacin
a las ciencias de la salud, Espaa, Ediciones Daz de Santos.

BARRAGN, L., J. Benavides, A.M. Brugman y E. Lucio (1988), "El uso del wais y
wisc en psicologa clnica", en Programa de Publicaciones de Material Didctico.

Evaluacin de la Personalidad, unidad n. Universidad Nacional Autnoma de
Mxico, Facultad de Psicologa.
CAETAS, S. Rivera y R. Daz-Loving (2000), "Desarrollo de un instrumento
multidimensional de satisfaccin marital", La Psicologa Social en Mxico, viii,

pp. 266-274.
CLARK-CARTER, D. (2002), Investigacin cuantitativa en psicologa, Mxico, Oxford.
CONOVER, W.J. (1980), Practical Nomparametric Statistics, 2a. ed., Nueva York, John
Wiley & Sons.

CORTS, S., D. Reyes, R. Daz-Loving, S. Rivera y J. Monjaraz (1994), "Elaboracin
y anlisis psicomtrico del inventario multifactico de satisfaccin marital

(IMSM)". La Psicologa Social en Mxico,
v, pp. 123-130.
CRUZ del C., C. (2002), Autoconcepto y estilos de poder en la pareja, tesis de licenciatura,
Facultad de Psicologa, UNAM.

DAZ-LOVING, R. (1999), "Una teora bio-psico-socio-cultural de la relacin de
pareja", en R. Daz-Loving (comp.), Antologa psicosocial de la pareja, Mxico,

Asociacin Mexicana de Psicologa Social, Miguel ngel Porra.
DOLLAR, J., L. Doob, N.E. Miller, O.H. Mowrer y R.R. Sears (1939), Frustratation and
Agression, Newhaven, Yale University Press.

DOWNIE, N.M, y R.W Heath (1973), Mtodos estadsticos aplicados, Mxico, Hara.
KERLINGER, EN. y H.B. Lee (2001), Investigacin del comportamiento. Mtodos de
investigacin en ciencias sociales, 4a. ed., Mxico, McGraw-Hill.
257
NUNNALLY, J.C. e I.J. Bernestein (1995), Teora psicomtrca, 3a. ed., Mxico,
McGraw-Hill.
LEVIN, J. y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.

Pavaan, C.G. (2004), Actitud hacia el sida de adolescentes mexicanos, tesis de
licenciatura, Facultad de Psicologa, UNAM.

RIVERA, S. y R. Daz-Loving (2000), La cultura del poder en la pareja, Mxico, Miguel
ngel Porra.
RIVERA, S., R. Daz-Loving, C. Cruz del Castillo y F Vidal (2004), "Negociacin
del conflicto y satisfaccin en la pareja", La Psicologa Social en Mxico, AMEPSO,

X, pp.
135-140.
ROMERO, A. y S. Rivera (2004), "Qu motiva a un hombre y a una mujer a ser
infiel?", La Psicologa Social en Mxico, AMEPSO, X, pp. 141-146.

ROMERO, PA. (2003), Historias de amor y la satisfaccin en la relacin de pareja, tesis de
licenciatura no publicada, Mxico, Facultad de Psicologa, Universidad

Nacional Autnoma de Mxico.
ROSA, Jorge la (1986), Escalas de locus de control y autoconcepto, tesis de doctorado en
psicologa social no publicada, Mxico, Facultad de Psicologa, UNAM.

RUNYON, R. y A. Haber (1987), Estadstica para las ciencias sociales, Wilmington,
Delawere, Addison-Wesley Iberoamercana y Mxico, Sistemas Tcnicos de

Edicin.
SIEGEL, S. y N.J. Castellan (2003), Estadstica no paramtrica aplicada a las ciencias de la
conducta, 3a. reimp., Mxico, Trillas.

VARGAS, I. M. Garca-Mndez, R. Daz-Loving y S. Rivera (2004), ponencia en el
X Congreso Mexicano de Psicologa Social, Mxico, AMEPSO.

VIGANO, D. (1986), Autoritarismo y rendimiento escolar en adolescentes, "tesis
de maestra no publicada, Mxico, Facultad de Psicologa,. Universidad

Nacional Autnoma de Mxico.
YOUNG R. y D. Veldman (1983), Introduccin a la estadstica aplicada a las ciencias de la
conducta, Mxico, Trillas.

ZUNG, W., C. Richards y M. Short (1965), "Self-Rating Depression Scale in an
Outpatient Clinic", Arch Gen Psychiat, 13, pp. 508-515.
268
Sofa Rivera Aragn

Mirna Garca Mndez
ndice
PRLOGO
Rolando Daz Loving ......................................................................................
INTRODUCCIN ......................................................................................................
11
Captulo 1
MEDICIN ...................................................... ........................................................
17
Escalas de medicin .............................................................................................
19
Nominal ............................................................................................................
19
Ordinal ..............................................................................................................
20
Intervalar .................................................................................... .....................
21
De razn ............................................................................................................
22
Captulo 2
ESTADSTICA DESCRIPTIVA....................................................................................
25
Conocer el tipo de distribucin .........................................................................
27
Ejercicio SPSS ...................................................................................................
32
Representacin grfica ............................................. . ........................................
37
Grfica de barra ...............................................................................................
38
Grfica de pastel o de sectores .................... ................................................
40
Grfica de histograma ............................................................................. . .
40
Grfica de ojiva o de polgono de frecuencia acumulada
42
Grfica de polgonos de frecuencia ...................................................... .. .
43
Obtener medidas de tendencia central ..
44
Media .................................................................................................................
45
Mediana.............................................................................................................
49
Moda .............................................................................................................. ..
50
Ejercicio SPSS ...................................................................................................
51
Calcular medidas de dispersin (variabilidad) .............................................
53
Rango (R) ..........................................................................................................
53
Desviacin estndar ......................................................................................
54
Varianza
(s2
o ) ............................................................................................
57
Sesgo ..................................................................................................................
58
Curtosis (K) .......................................................................................................
59
Error estndar ( o e) .....................................................................................
61
Ejercicio SPSS ................................................................................................
62
Captulo 3
ESTADSTICA INFERENCIAL ....................................................................................... 67
Aplicaciones de la estadstica inferencial .......................................................
69
Clasificacin de la estadstica inferencial .....................................................
73
No paramtrica ...............................................................................................
73
Ventajas ............................................................................................................
74
Desventajas ....................................................................................................
74
Paramtrica ......................................................................................................
76
Captulo 4
PRUEBAS DE LA ESTADSTICA NO PARAMTRICA .................................................... 81
Pruebas para una muestra simple ........................................................................ 83
Chi cuadrada (x2) ................................................................................................. 83
Ejercicio SPSS ....................................................................................................... 88
Pruebas para muestras relacionadas .................................................................... 91
McNemar .............................................................................................................. 92
Ejercicio SPSS ....................................................................................................... 96
t de Wilcoxon (tw) ............................................................................................ 100
Ejercicio SPSS ....................................................................................................... 103
Pruebas para muestras independientes ............................................................. 106
U de Mann Whitney (U) .................................................................................. 107
Ejercicio SPSS ....................................................................................................... 111
Anlisis de varianza en una direccin por rangos de
KrusKal-Wallis (H) ........................................................................................... 117
Ejercicio SPSS ...................................................................................................120

Chi cuadrada para muestras independientes x 2 .......................................126
Ejercicio x 2 por homogeneidad ...................................................................126
Ejercicio SPSS ...................................................................................................131
Captulo 5
ESTADSTICA PARAMTRICA..................................................................................... 137
Caractersticas .................................................................................................... 139

Pruebas paramtricas. Prueba de coeficiente de
correlacin de producto-momento de Pearson .........................................140
Introduccin .............................................................................. . ..................140
Definicin .......................................................................................................140
Requisitos ............................................................................................ .. 141
Interpretacin .................................................................................................142
Frmula .................................................................................. ......................144
Regla de decisin para obtener la significancia ......................................145
Ejercicio SPSS ...................................................................................................148
Reporte de investigacin de la correlacin
producto-momento de Pearson ...............................................................152
t de student .............................................................................................. ......... 152
Introduccin ...................................................................................................152
Definicin .......................................................................................................154
Requisitos .......................................................................................................154
Clasificacin de la prueba t ........................................................................155
independientes con N iguales ................................................................156
independientes con N desiguales ...........................................................161
Ejercicio SPSS .. ...............................................................................................166
Reporte de investigacin de la prueba t
para muestras independientes ....................................................................168
Clculo de t para muestras relacionadas ...................................................171
Ejercicio SPSS ...................................................................................................176
Reporte de investigacin de la prueba t

para muestras relacionadas ......................................................................... 180
Anlisis de varianza (Anova) ..........................................................................180
Introduccin...180
Definicin...182
Requisitos...182
Anlisis de varianza simple cuando
el tamao (N) de los grupos es igual .................................................... 184
Anlisis de varianza simple para N desiguales ...................................... 191
Ejercicio SPSS .................................................................................................. 199
Reporte de investigacin del anlisis de varianza simple 203
Anlisis de varianza de doble clasificacin ............................................ 204
Ejercicio SPSS .................................................................................................. 218
Anlisis factorial de varianza ..........................................................................222
Ejercicio SPSS .................................................................................................. 233
Reporte de investigacin del anlisis factorial de varianza . . . 237
APNDICE ................................................................................................................... 241
BIBLIOGRAFA ............................................................................................................ 255
ISBN 970-701 -587-X

Aplicacion de La Estadistica A La Psicologia

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Aplicacion de La Estadistica A La Psicologia

Uploaded by

Copyright:

Available Formats

Esta investigacin, arbitrada por pares acadmicos, se privilegia con

el aval de la institucin propietaria de los derechos correspondientes.

Ia edicin, julio del ao 2005

Derechos reservados conforme a

A Osiris, Alan y Astrid, por lo que representan para m. A

En la realizacin de este libro particip un grupo de

investigacin en psicologa es fundamental para el entendimiento del

comportamiento humano y para el desarrollo de programas e intervenciones

multicausales y multideterminados. Hacer justicia a los eventos y problemticas

conceptualizacin terica slidamente fundamentada y la realizacin de una serie

Con el propsito de arribar a un utensilio concreto, aplicable, prctico, claro y

relaciones interpersonales, y cmo ocurren stas en diferentes contextos -pareja,

descriptiva e inferential. La estadstica inferencial a su vez se clasifica en no

As, la estadstica es una herramienta imprescindible del psiclogo,

Sofa Rivera Aragn

resultados precisos. Sin embargo, si las instrucciones dadas al SPSS fueron

captulos de este libro aparecern en ingls.

Del o los objetivos de investigacin derivan las fases subsiguientes del

Es el nivel ms bajo de medicin de una variable en el que se le asignan

bros de un conjunto se les asigna el mismo valor numrico, e.g. al preguntarles a

Esta medicin coloca los casos dentro de categoras o conjuntos, y se cuenta la

Sofa Rivera Aragn

Otro ejemplo es el ciclo de vida de la pareja de acercamiento-alejamiento

Esta medicin posee las caractersticas de las escalas nominales y ordinales, de

CLASIFICACIN DE LA INTELIGENCIA EN ADULTOS

Es el nivel ms alto de medicin de una variable. Es una medida poco empleada en

Sofa Rivera Aragn

REPRESENTACIN DE LOS DIFERENTES NIVELES DE MEDICIN

Cuantifica una Cero

La satisfaccin marital se medir con el

integrado por 47 enunciados

positivos, con intervalos de respuesta del 1 al 5 (Corts, Reyes, Daz-Loving, Rivera

Por sus caractersticas, este inventario evaluar la satisfaccin marital de

La estadstica descriptiva permite conocer la distribucin de los datos a partir de

Conocer el tipo de distribucin

Para comprender la lgica de las operaciones involucradas en la

TOTAL DE HOMBRES Y MUJERES QUE OPINARON SOBRE EL SIGNIFICADO DEL

Esta tabla muestra el total de hombres y mujeres que participaron en la

Sofa Rivera Aragn

FRECUENCIAS DEL SIGNIFICADO DE FUNCIONAMIENTO FAMILIAR EN HOMBRES Y

cuando existen diferencias en su tamao se emplea la frecuencia relativa (fr %).

Siguiendo con el ejemplo de los significados generales del funcionamiento

Con respecto a las respuestas de la muestra en relacin con los significados

FRECUENCIAS ABSOLUTA Y RELATIVA DEL SIGNIFICADO DE FUNCIONAMIENTO

La frecuencia ajustada recalcula la frecuencia absoluta quitando datos o con

Sofa Rivera Aragn

17.4 17.4 17.4

Paso 1. En la base de datos se coloca el cursor en Analyze, se presiona el

Paso 2. Al presionar Analyze, aparece un men en el que se coloca el cursor

Sofa Rivera Aragn

Paso 3. Al presionar Frequencies, se abre un men que contiene las

Paso 4. Una vez sealada la variable siggene, se coloca el cursor en el

Estos resultados indican que los significados de funcionamiento familiar con

A su vez los intervalos de clase tienen un lmite inferior y un lmite superior

Sofa Rivera Aragn

LMITES SUPERIOR E INFERIOR DE LOS INTERVALOS DE EDAD EN UNA

REPRESENTACIN DE LA RECTA NUMRICA

Las grficas que se utilizan con mayor regularidad son:

En esta figura no hay continuidad en las barras cuando se emplea en datos

Sofa Rivera Aragn

DISTRIBUCIN DE LA MUESTRA EN LAS CATEGORAS DE

Grfica de pastel o de sectores

OCUPACIN DE HOMBRES Y MUJERES