Jesus Amon CCATEDRATICO DE PSICOLOGIA MATEMATICA ‘ELA FACULTAD DE PSICOLOGIA DE LA UNWVERSIOAD COMPLUTENSE DE MADRIO ESTADISTICA para PSICOLOGOS II Probabilidad. Estadistica inferencial EDICIONES PIRAMIDECOLECCION “PSICOLOGIA" Dissto de cubes: C. Carina ‘Novensedicin, 1993 Reims, 2002 oer foo hos. contenido sexta obra eat protegido por la Ley, que stable peas de pst fo mules, hes Ae las conespondignesinlentzsciones por stony pension, para quenes eprodujte. losin dstrbyereno comonearen pu facie n todo o en parte un dr ea, httstiea 0 eiemea, 0 su trnaformacioa, imerretaion 9 ssseton atten jada ea lalgues tipo de soporte w comumteada través de cule oro mei, sina preset ‘asutoracin © Jesis Amin © Falcone Piramide (Grupo Anaya, S.A.) 2002 Suan Janes Lc de Tene 1.28037 Maid Telefonor91 39589 89 eww ediconespinmides| Deposit legal M 38.64.2002 ISBN: 84-368-0081-8 (Odea complet) ISBN: 84-368-0153.9 (Tomo lt) Printed ia Spi Impresoen Lave, S.A, Poligono Instr Los Llanes. Gran Cana, 12 mares de Mads (Madrid) PROLOGO En la redaccion de este segundo Volumen hemos seguido el mismo criterio que presidid la redaccién del primero, a saber, no limitaros & presentar un mero ca- lilogo de instrumentos estadisticos, cada uno de ellos acompaado de las corres pondientes instrucciones «pricticas» (!!!) que permitan su aplicacién mas o menos ciega. Este punto de vista engaflosamente préctico no s6lo es extremadamente clemental, sino, también, bastante irresponsable y hasta peligroso en algunas oce siones. Creemos itl le aplicacién de los instruments estadistcos en la investigacion psicoldgica (en caso contrario, no habriamos publicado esta obra), pero juzgamos, asimismo, que esta utilidad quedaré muy menguada si el investigador se limita a seguir mecénicamente unas reglas euya fundamentacion desconoce. Es nesesario gue el psic6logo conozea personalmente los instrumentos que va a usar, Existe, por tanto, una necesidad y ella ha sido la razn de este segundo volumen. Intenta- mos en él ofrecer (dentro de unos limites razonables) el fundamento y deduecién de las diversas téenicas que vayan siendo expuestas, el problema o problemas que ‘motivan su aparicién y las condiciones que cada téenica estadistiea implica para ‘que su aplicacién sea vilida. Creemos que sélo asi el psicdlogo podré llevar a cabo su tarea especifica que es offecer de modo responsable una interpretacién psico- logica apropiada de los resultadas numéricos obtenidos en sus investigaciones. Parece claro que el enfoque cuantitativo de los problemas cientiicos va siendo ‘cada ver mas universal atin en dreas que no hace muchos aiios parccian irreducti- blemente refractarias a un planteamiento matemitico. Como eta de esperar, esto ha sucedido con la Psicologia y otras ciencias emparentadas con ella, Sin embargo, no conviene olvidar que en toda investigacién aplicada To fundamental son los contenidos. Una investigacién psicolégiea serd sumamente valiosa si es valioso su contenido, aunque no haya sido enfocada cuantitativamente, y seré perfectamente init! si carece de contenido relevante, por més sofsticada que haya sido la ins- trumentacién matemética utilizada. Creemos que la aproximacion cuantitativa puede ser muy oportuna en bastantes campos psicoligicos, pero, a la vez, desacon- sejamos dicha aproximacién si no va acompafiada de una preparacién matemitica moderadamente sélida. Por desgracia, en no pocas tesis doctorales sobre temas psicélogos se acude quiza con mayor frecuencia de lo debido, a enfoques estadis- ticos y con menor preparacion estadistica, ciertamente, de Ia requerida,8 / Estadisticn para Psicstogos Con alguna frecuencia los psieblogos ereen que deben ser adiestrados tnica- mente en la aplicacion «prictica» de las téenicas estadisticas. La teoria, se dice, debe quedar relegada al mundo de los matemiticos, mientras que la aplicacién pictica debe ser Ia tarea propia de los psicélogos. Esta afirmacién debe ser ma tizada, En principio, es mis propio de los matemiticos dedicarse a la creacion y manejo de modelos matematicos, asépticamente formales, vacios de contenidos ‘especificos y es més propio de los psicblogos dedicarse a la aplicacién de fos mismos ‘en sus investigaciones coneretas. La cuestién radica en definir qué entendemos por «practicidad» o, mejor ain, por «practicidad responsable». Es claro que, dada la complejidad de los fendmenos psicologicos, los instrumentos estadisticos apli- cables a ellos deben ser complejos si deseamos que sean «pricticos». Todo modelo simple aplicado a una realidad compleja es, en el mejor de los casos, decididamente ineficaz. Ahora bien, el manejo responsable de un instrumento complicado exige tun conecimiento razonable del mismo y este conocimiento no va incluido en el ceatilogo de normas apracticas» que acompaiian al instrumento y permiten su aplicaeion mis © menos mecénica, Para ejecutar ciegamente estas normas, tenemos los ordenadores que realizan los cleulos previstos con mis rapidez y seguridad {que el hombre, La tarea propia de éste es conocer lo mejor posible la naturaleza de los diversos instrumentos estadisticos a su disposicién, para saber cudl debe usar en eada ocasidn conereta, las condiciones requeridas por el mismo instrumento ‘legido, la deduccién de las formulas que le acompafan, etc., todo lo cual implica unos conocimientos bisicos matematico-estadisticos no superficiales y en algunos ‘ea80s algo profundos, Por tanto, el adiestramiento prictico (si éste ha de ser respon- sablemente préetico) de un psicdlogo implica una buena dosis de teoria estadistica. Notese finalmente que muchos de los grandes tebricos estadisticos han vivido in ‘mersos en la solucion prictica de problemas coneretos, Por no alargar demasiado este prélogo, nos limitamos a recordar que Ronald Aymer Fisher (uno de los es- tadisticos teéricos mayores de nuestro sigh) trabajé durante largos ailos en resolver problemas pricticos dentro de una estacién agricola y fue previsamente la urgencia de estos problemas agrieolas cotidianos la que le motivé a crear instrumentos es- tadisticos nuevos. De todo lo dicho se infiere ficilmente que el propésito de este libro es ofrecer 4 los psiedlogos (pedagogos, socidlogos, bidlogos, ctc.) una serie de téenicas es- tadisticas inferenciales (aplicables a sus problemas especificos) de modo fundamen- tado, es decir, de manera que quede reducido lo més posible el nimero de actos de Je que deba hacer el lector frente a las afirmaciones que se le vayan presentando, ‘Asi, por ejemplo, no nos contentaremos con afirmar que tal o cual cestadistico» 0 ‘eestimador» obedeve a tal o cual «distribucidn muestrab», sino que, ademas, trata- remos de legitimar por qué obedece a esa y no a otra. Hemos procurado exponer estos razonamientos legitimadores del modo mis asequible que hemos podido, Jo cual no quita que en agin momento la comprensién de ellos exija cierto esfuerzo ppor parte del lector @ quien va dirigido este libro. No obstante, este pequeiio es- fuerzo quedard generosamente recompensado con la satisfaccion de saber por qué y bajo qué condiciones un «estadistico» determinado es apropiado para someter 4 comprobacién experimental cierta hipétesis. Protogo | 9 En los primeros capitulos exponemos unas breves nociones sobre probabilidad, «que son indispensables para legitimar las técnicas inferenciales futuras. Por azones didiicticas, introduciremos la probabilidad separadamente, primero en el caso dlscreto y Iuego en el continuo, Son, en efecto, més asequibles los conceptos pro- babilisticos dentro de un contexto iinicamente discreto que dentro de un contexto ‘mixto discreto-continuo. Asimiladas las nociones probabilisticas en el caso dis- cereto, es relativamente facil extenderlas al caso continuo, Después de introducir las nociones de funcin de probabilidad y de funciOn de densidad de probabilidad, cconsideraremos con algin detalle aquellas funciones de probabilidad (Bernoulli, binomial, Poisson, multinomial) y aquellas funciones de densidad de probabilidad (uniforme, normal, 72, 1 y F) que suelen ser las mis utilizadas en las inferencias estadisticas dentro de las investigaciones psicologicas. Hay dos capitulos dedicados a conceptos intermediarios que nos permiten pasar de [a muestra a 1a poblacion, Entre ellos se encuentran los de musstreo, es- fimador y el fundamental de distribucion muestral de los estimadores. Expuestos los conceptos generales, nos detendremos a estudiar la distribucién muestral, 0 conducts probabilistica, de algunos estimadores que serim utilizados con gran Frecuencia en capitulos posteriores ‘A continuacién exponemos los conceptos de estimacion y comprobacién de hipétesis, aplicando dichos conceptos a una larga serie de casos coneretos que ‘ocupan el resto del libro. Mas en particular, comprobaremos hipotesis acerca de una y dos medias, de una y dos varianzas, de una y dos proporciones; acerca de los pardmetros de la recta de represi6n y acerea de diversos coeficientes de correlacion, Consideraremos con bastante detaile la comprobacién de hipétesis acerca de la qualdad de varias medias, consideradas conjuntamente, iniciando al lector en el ‘anilisis de varianza y covarianza con mayor tigor que el que suele encontrarse en tuna gran mayoria de libros de Estadistica para psicdlogos. Creemos que, aunque se trata de una mera iniciacin, debe ser suficientemente solida debido a la frecuente incidencia de dichos analisis de varianza y covarianza en las investigaciones psi- coldgicas, Tiemos dediado un capitulo a cbondad de austen yun apne final is amadas téenieas no paramétricas, razonando la introduccién de estas ultima y exponiendo ligeramente algunas de ella. El nivel matematico requerido, sin ser excesivo, es algo superior al que ordina- riamente se suele exigir en libros de este tipo. El objetivo de esta obra es legitimar, dentro de lo posible, la mayoria de las afirmaciones que se proponen y esto implica incvitablemente un cierto rigor. No es un libro estrictamente tedrico, pero tampoco es un mero recetario prictico. Para conseguir que su lectura sea mis asequible, bastantes demostraciones han quedado relegadas a diversos apéndices que pueden ser pasados por alto en una primera lectura. Cuando aparezcan citadas expresio- ries como 3.4, 12.1, ete. se trata de encabezamientos de apartados. En cambio, cuando aparezean citadas esas mismas expresiones dentro de paréntesis (3.4), (12.1), ete, se trata de formulas coneretas dentro de algiin apartado, ‘Agradecemos a los protesores del Departamento de Psicologia Matemética de la Universidad Complutense su colaboracién desinteresada. De un modo es-10 / Estadisticn pars Psiedlogos pecial lo hacemos al doctor Luis Jitier y a Vicente Ponsoda que han compartide ‘con el autor la fatigosa tarea de corregir pruebas, han entresacado algunos ejem= plos de la literatura psicoldgica y han hecho que mejorara la redaccién ditima de este volumen con sus observaciones siempre oportunas. Mi agradecimiento, finalmente, @ Ediciones Pirimide, tanto por su tesa en urgirme una y otra vez a concluir la redaccién de la obra como por sit paciencia en esperar la finalizacion de la misma, asi como por la agilidad en su realizacién, ‘que ha subsanado mi tatdanza en la entrega del manuscrito original INDICE GENERAL Prélogo 1. Introduccion LL Objetivo de Ia Estadistica Inferencitl y Cateulo de Probabitidades 12. Definiiones previas 13. Reglas de eontar Fietcicios. 2. Probabilidad (espacio muestral discreto) 24, Probubiidad 2.1. Enfogue interpretative 2.12. Enfogue formal. 2.2. Probubilidad condicional 23, ‘Teorema del prodiveto 3.4. Suoesos independientes 255, Formula de Bayes Ejercicios. 3. Funciones de probabilidad y distribucién (variables alea- torias discretas) 3.1. Variable slestoria 32. Funcién de probabilidad (una sola variable aleatoria disereta) 33. Funeién de distribucién (una sola variable aleatoria discret) 34. Funcion de probabilidad y de distibueién (dos variables aleatorias diseetas). 355. Independencia de variables aleatorias discretas 46. Algunas funciones de probabilidad y de distribucion (una sola va. discret). 361. Introduccion 362. Distrihucién do Bernoul 36.3. Distihucion binomial 364, Distibucion de Poisson 8 38 8 2 46 4 ” 33 o o % n 4 2 86 86 6 88 212 / Esadistice para Poiedionos Apindice 3.1, Funcién de probubilidad y de dstibucidn (tes © mis va dscrets), Apéndice 32, DistribuciOn multinomial disreta Ejercicos 4, Valores esperados y momentos (variables aleatorias dis- cretas) . : 4.1. Valor esperido @ esperanza matemética 42. Valor esperido de y media de la distibucién empiriea de unt muestra 43. Valor esperado y juegos de azar 464, Propicdades de los valores esperadon 45, Valores esperados e independencia 46. Momentor 47. Propiedudes de algunos momentos 48. Valor esperado y varianza de algunas va. discreas 48:1. Bemoul 482. Binomial 483. Poisson 484 Mulinomial 49. Desigualdad de Tehebychet. Apéndice 4.1. Funeién generatriz de momentos Apéndice 4.2. Propiedades de algunos momentos (demostraién) Flercicios 6. Probabi lad (espacio muestral continuo) S.. Wea general 52. Funeion de densidad de probabildad y de distrbucibn (una sola v2. continua). 533. fla) interpretable como fansidn de densidad de probabilidad SA. Propiedades de la funcién de distibucion 5.5. Comparacién del e1so disereto con el continuo. 56, Fai. y Funcion de distribucisn (dos va. continuas) 5.2. Fp. y funeién de distibucion (mis de dos va. continu). 58, Independencia de v.a. continuas 59, Algunas funciones de densidad de probabilidad mis usuales 59.1. Uniforme o rectangular 59.2. Nosmal (univariada) soa 7 soa f sos. F 596. Novinl (bivariada) Apéndice 5.1. Valor de P(X = x) en el caso discreto y en el continue Apendice $2. Cambio de variable ‘Apéndice 53. Observaciones sobre ta eurva normal ‘Apendive $8 Tablas Bjrcicios. 96 % 101 ut uw U3. ig 6 Us 10 as 128 Bs bs re} i bo BI rg bs ut M41 46 ur 150 151 153 153 5a ‘sr 18 19 160 16) 6s 164 69 m Indice 113 6. Valores esperados y momentos (variables aleatorias con- tinuas) 6. Valor esperado 0 esperanza matemitica 6.2. Propiedades de los valores esperados. 63. Valores esperados ¢ independencia 64, Momentos 65. Propiedades de algunos momentos. 66. Valor esperado y varianza de algunas Fp. 6.6.1. Uniforme o rectangular 6.6.2. Normal 663. 2 664 665. F. 62. Desigualdad de’ Tehebychet 68. Aproximacion de la fp. binomial s la fp. normal Apéndice 6.1. Funeibn generatriz de momentos Ejercicos 7. Ideas previas a la Estadistica Inferencial .... TA. Introuceid 72. Muestreo aleatorio (poblacidn fnita) 7.2.1, Mucstea aleatorio sin reposicion 72.2. Muestreo aleatorio con reposicién 73. Muestreo aleatorio (poblacion infnita) 74, Mucstreo aleatorio simple 755, Poblacion, muestia sleatoria simple y espacio muestra 76. Distribucidn empirica y distribucién teérien 7.7. Owos tipos de muestreo 17.1. Muesteo aleatorio extratifend 77.2. Muestreo alestorio de conglomerados 17.3. Muestieo aleatorio sstematico 78. Valor esperado y varianza de la media TSI. Caso de muestieo aleatoria con Feposicion 7.82. Mucstreo aleatorio sin reposicién 79, Ley (dtbil) de los grandes nimeros Apéndice 7.1. Tablas de niimeros aleatorios Fjerscios 8. Distribucién muestral de algunos estadisticos 8.1. abstadistco» y «distibucion muestra 82. Distribucion mucstral de algunos estadsticos 821, Distribucion muestral de la media, $22) Distribucign mucstral de m/e? 180 180 82 183 8s 188 189 189 190 190 190 191 wi 191 Ws 9s 200 200 200 200 206 2 213 2is 216 ix is Is 224 22s 230 20 231 2 2M14 / Extadistice pare Poicdtogos 2.3. Distribueién de {= $23 Dibuddn de E=2 824, Distribucidn de 528 (con ¢, Apéndice 1.” Funclén genera Je momento de Y= Fy 4 oo 4H blo las condiciones expuestas en 8.21 . Bjerccios jacién puntual de pardmetros 9.1. Introdvecién 9.2. Fstimacién puntual de parimeteos 9.3. Delinicion de estimador 9.4, Propiedades deseables en un estimador DAI. Careneia de sesg. 9.42. Consistencia 943. Eficiencia 944 Suiicencia 915, Métodos para calcula estimadores 9.6. Propiedades de los estimadores de maxima verosimiltud Apéndive 8.1. Sufiiencia Bjercicios, 10. Comprobacién de hipétesis estadisticas e intervalos con- fidenciales . 10.1. Hipotesis estdisticn 102. Hipotesis simple y compuesta 103. Hipotesis mola e hipdtesis alternative 104. Region evitica y entero de decision 105. Exeotes del tipo Ly del tipo I In. Poteaci, 107. Constastes uniaterales y bilaerales 108, Cuna de poteacas. 109. Relaciones entte 2, fy 10.10, Intervalo confidencia 10.11. Intervalo eontidencial y tepidn evitic 10.12. Intervalo confidencial y coefiiente confidencial 10.13. Amplitud det intervalo confidencial y tamao de la muestra Ejerscios 11. Comprobacién de hipétesis acerca de algunos parame- ‘tos, oe LA, Intvoduecén 112. Comprobacién de hipatsis acevee de ia modi. T12.L Una sola media 236 237 237 235 an 280) 281 283 28s 290 21 asi Indice { 11.22, Dos medias (diferencia de medias) con observaciones independientes 2.3. Dos mats (uieencia de medias) eon observacones dependicaes 1.3, Comprobacion de hipstens-asteu dela varianza TER. Una sola varianza 32. Dos varianzas con observciones independienes 1.33. Dox vacineas con observaciones dependientes 114. Comprobacién de hipsesis aoreu de proporiones. 141 Una sola proporeion $2. Dor proporciones con obsorvaciones independents 11.43, Dos propareiones con observaciones dependienes n= 20x) = Ex} aid Ed ays? Apéndige 11.1, Distribucion muestral de Bjecicios 12, Comprobacién de hipétesis acerca de los parimetros de la regresion 12.1, Intraduesién 12.2, Modelo matemitico en el caso’ de regresibn lineal simple 123, Estimadores de 2 y fF segin el eriterio de minimos cuadrados 124. Propiedades de a y b 124.1. Lineatidad (en as Y)) 1242. Carencis de seg 1243, Varianza minima 128. Varianza de a, varianza de b, covarianza de @ y 6: 126. Comprobacién de hipétesis acerea del parémetro f 126.1. Introduccion previa 1262. Comprobucion de hipdtesis 12.7. Comprobacidn de hipstesis acerea del parametro « 128, Comprobacion de hipstesis aceren del parimetro 0° 129. Comprobaciin de hipétesis acerea del parimeto E(Y|X = x,) 0 Apéndice 121. Estmadores de 2 yf sgn €) principio de minima’ verotiid Apéndice 122. Regresién lineal miltiple Bjereicis, 13. Comprobacién de hipétesis acerca de coeficientes de correlacion . 13.1. Introd 132. Coeficiente de corrslacion de Pearson 132.1. Un solo cveficient, p 132.2. Dos coeficientes (diferencia de coeicientes, oy — 7.) 133, Otros coetcientes de cortelacion . 1.1. Cosfciente de cortelacion biseril puntudl, 9, 1332, Covlciente de eortelacion, ¢ 1333. Coeficiente de corvelacia biserial, 0, 16 204 29 50s 305 310 31 Si 316 320 33 34 399 399 360 30 363 367 367 367 68