Apuntes de Estadstica Descriptiva

Elsa Karina Lpez Lugo

Francisco Jurez Garca






























Primera Edicin, 2004
2004 Francisco Jurez Garca
Instituto Nacional de Psiquiatra Ramn de la Fuente,
Direccin de Investigacin Epidemiolgicas y Psicosociales
Calzada Mxico Xochimilco 101,
Col. San Lorenzo Huipulco,
14370 Mxico, D. F.
Tel.: 56 55 28 11 ext. 202 fax: 55 13 34 46
e-mail: pacojg@imp.edu.mx

Reservados todos los derechos
ISBN:
Impreso en Mxico / Printed in Mexico

Agradeceremos todos los comentarios relativos a esta gua, estos deben ser enviados a la direccin
arriba mencionada.

El presente trabajo debe ser citado como sigue:

Lpez, E. K. y Jurez, F. (2004). Apuntes de Estadstica Descriptiva. Mxico, D. F.: Instituto Nacional
de Psiquiatra Ramn de la Fuente.
3
Contenido

Presentacin ....................................................................................................................................... 5
Introduccin al Anlisis Estadstico de Datos................................................................................... 6
La estadstica en Psicologa .............................................................................................................. 6
Importancia y utilidad en la Psicologa .......................................................................................... 6
Tipos de estadstica .......................................................................................................................... 6
Estadstica Descriptiva .................................................................................................................. 7
Estadstica Inferencial ................................................................................................................... 7
Conceptos bsicos para el anlisis estadstico ................................................................................... 7
Variables ....................................................................................................................................... 7
La estadstica y la computadora ...................................................................................................... 10
Codificacin de datos .................................................................................................................. 10
Frecuencias ...................................................................................................................................... 15
Tabla de frecuencias ....................................................................................................................... 15
Tabla de frecuencia de datos no agrupados .................................................................................. 15
Tabla de frecuencia de datos agrupados ....................................................................................... 16
Columna de datos o categoras .................................................................................................... 17
Frecuencia absoluta (f) ................................................................................................................ 17
Frecuencia absoluta acumulada (fa) ............................................................................................. 17
Frecuencias relativas o porcentajes (%) ....................................................................................... 17
Frecuencias relativas acumuladas o porcentajes acumulados (%a) ............................................... 19
Requerimientos para la elaboracin de tablas:................................................................................. 19
Representacin Grfica de Datos .................................................................................................... 20
Datos Cualitativos .......................................................................................................................... 20
Grfica de barras ......................................................................................................................... 20
Grfica Circular .......................................................................................................................... 20
Grfica Pictrica o Pictograma .................................................................................................... 21
Datos Cuantitativos ........................................................................................................................ 21
Histograma.................................................................................................................................. 21
Polgono de frecuencia ................................................................................................................ 21
Grfica Lineal o Poligonal........................................................................................................... 22
Requerimientos para la elaboracin de grficas .............................................................................. 22
Grficas engaosas ......................................................................................................................... 22
Medidas de Tendencia Central ....................................................................................................... 23
Media aritmtica ( x ) ..................................................................................................................... 23
Moda (Mo) ..................................................................................................................................... 24
Mediana (Md) ................................................................................................................................. 24
Medidas de Posicin ........................................................................................................................ 27
Cuartiles ......................................................................................................................................... 27
Percentiles ...................................................................................................................................... 27
Medidas de Dispersin o Variabilidad ............................................................................................ 31
Valores mnimo y mximo ............................................................................................................. 31
4
Rango o amplitud ........................................................................................................................... 31
Varianza ......................................................................................................................................... 32
Desviacin Estndar o Tpica (s) .................................................................................................... 34
Medidas de Distribucin.................................................................................................................. 36
Caractersticas de la Curva Normal ............................................................................................... 40
Bibliografa: ..................................................................................................................................... 42
5
Presentacin

En el aprendizaje de la Psicologa es necesario considerar diversas herramientas que permitirn el
ptimo desarrollo en el campo profesional. Entre estas herramientas se encuentran las relacionadas con
investigacin, la manera de realizarla (mtodo) y la forma de analizar los datos obtenidos y de interpretar los
resultados (estadstica)
La estadstica es una herramienta invaluable dentro de la Psicologa. El dominio de esta materia
permite, no solo el anlisis de las investigaciones propias, sino tambin permite la comprensin de los
trabajos realizados por otros, como es el caso de los artculos cientficos.
Esta material tiene como finalidad brindar a herramientas metodolgicas utilizadas en Psicologa y
despertar el inters en la investigacin en esta rea. En un primer momento se reflexiona acerca de la
importancia de aprender la estadstica, ms all de su relacin con las matemticas, como una forma de
organizar e interpretar datos, en el trabajo creativo necesario para la investigacin. Posteriormente se sientan
las bases para poder realizar un anlisis estadstico de los datos para, finalmente a revisar cada uno de los
procesos estadsticos descriptivos.


Objetivos:
Al finalizar el lector:
- Reconocer la estadstica cmo una herramienta importante en el campo de la Psicologa
- Podr elegir el estadstico adecuado para describir las caractersticas de los sujetos de una
investigacin, de acuerdo con el nivel de medicin de las variables
- Interpretar los resultados obtenidos


Nivel: Introductorio
6
Introduccin al Anlisis Estadstico de Datos

La estadstica en Psicologa

La estadstica es una rama de las matemticas aplicadas. que tiene como objetivo la descripcin y el
anlisis de los fenmenos de inters social.
La mayor parte de los fundamentos de estadstica aplicada y su uso apropiado pueden dominarse sin
hacer referencia a habilidades en matemticas avanzadas, de hecho, los conocimientos que se requieren para
el aprendizaje de la estadstica estn relacionados con las matemticas bsicas y el lgebra.

Importancia y utilidad en la Psicologa
En la Psicologa una de las funciones ms importantes que realizamos es la observacin de los
fenmenos que acontecen a nuestro alrededor. Sin embargo para que estas observaciones se consideren sin
interferir el criterio del observador, es necesario echar mano de herramientas cientficas que nos permitan
hacer vlido el proceso de recoleccin de datos.
En todas las disciplinas, y en la psicologa en particular, la estadstica permite dar una explicacin
ms cientfica de los fenmenos de estudio. Debido a su objetividad en la medicin de dichos fenmenos.
En Psicologa los nmeros nos sirven para:
Describir a los sujetos de una poblacin. Decir cuntas personas hay y con qu caractersticas.
Obtener parmetros para ubicar a los sujetos de una poblacin con base en una caracterstica. Por
ejemplo: En la interpretacin de las pruebas psicolgicas comparamos a cada persona con una norma
ya establecida.
Hacer predicciones de cmo se comportarn los fenmenos a futuro. Con mediciones sistemticas a
lo largo del tiempo los modelos estadsticos van a permitir suponer cmo se seguirn comportando
posteriormente.
La importancia de medir en Psicologa est presente en todas sus reas de trabajo:
Investigacin: Ayuda a conocer y prevenir problemas sociales e individuales.
Clnica: Permite conocer las caractersticas individuales de los pacientes y sus padecimientos, para as
poder ayudarlos ms efectivamente.
Educativa: Determina las caractersticas y las necesidades de la poblacin escolar para desarrollar
programas que les permitan mejorar.
Organizacional: En empresas es importante conocer las caractersticas de los empleados, para as
poder ubicarlos en el mejor puesto o potencializar sus habilidades.

Tipos de estadstica
Existen dos corrientes que han influenciado el desarrollo de los mtodos estadsticos:
El primero se relaciona con las actividades de conteo, medicin, descripcin, tabulacin,
ordenamiento y levantamiento censal. Este tipo de estadstica permite describir la poblacin con la
que se est trabajando. Estadstica Descriptiva.
El segundo tipo est basada en la exactitud de la probabilidad matemtica y se origin de los juegos
del azar. Permite hacer inferencias del comportamiento: Estadstica Inferencial.

7
Estadstica Descriptiva

La mente humana no puede extraer fcilmente toda la importancia de una serie de datos
desorganizados, sin la ayuda de tcnicas especiales. De manera que cuando los conjuntos de datos muy
grandes deben experimentar un proceso de organizacin y resumen para que sean entendibles para las
personas que no estn familiarizadas con la investigacin.

Es por ello que la Estadstica Descriptiva proporciona herramientas para organizar, simplificar y
resumir informacin bsica a partir de un conjunto de datos que de otra forma sera poco manejable. Incluye
la tabulacin, representacin y descripcin de conjuntos de datos tanto de variables numricas como de
variables categricas. Es la primera tarea a realizar en el anlisis de los datos, ya que su misin es describir
los datos, valores o puntuaciones obtenidos para cada variable y sirve de base para otros anlisis ms
avanzados.


Estadstica Inferencial
Proporciona mtodos para estimar las caractersticas de un grupo total o poblacin, basndose en
datos de un subconjunto obtenido de la poblacin o muestra de observaciones. Realiza inferencias objetivas
basadas en los datos obtenidos. Utiliza la estadstica descriptiva como el primer paso antes de la realizacin
de inferencias.

Conceptos bsicos para el anlisis estadstico

El objetivo del presente escrito es dar a conocer los principales usos de la estadstica descriptiva, as
como el desarrollo de sus estadsticos y frmulas. Para ello, es necesario que antes se conozcan algunos
conceptos que servirn como base para el mejor entendimiento de los contenidos.

Variables
Las variables son todos aquellos atributos que se pueden medir, controlar y estudiar en una
investigacin.
Las variables son construcciones hipotticas o propiedades que se estudian.
Una variable es una propiedad que adquiere distintos valores. Es una cosa que vara.
Es un atributo o concepto al que se le asignan nmeros o valores.
8
Las variables adquieren valor para la investigacin cientfica cuando pueden ser relacionadas con otras
variables.
Existen diferentes clasificaciones de las variables, las cuales dependen de:
A. La cantidad de valores
Dicotmica. Es aquella variable en la que slo existen dos valores. Generalmente se refiere a la
existencia o no existencia de la caracterstica o a la clasificacin en dos categoras.
Ejemplo: Sexo: Masculino y femenino.
Politmicas. Es cuando el fenmeno puede presentarse en tonalidades o matices diferentes, o en
grados, magnitudes o medidas distintas. Ejemplo: Edad, religin, estado civil, sueldo, estatura, etc.
Por sus caractersticas, las variables politmicas pueden convertirse en dicotmicas, al agrupar los
nmeros o las categoras, pero no puede existir el procedimiento inverso. Esto depende de los
objetivos de investigacin.
Ejemplo de ello es la variable estado civil que originalmente es politmica al tener muchos valores,
pero que puede convertirse en dicotmica como lo muestra el siguiente esquema:
Soltero
Casado
Divorciado
Unin libre
Viudo
Con pareja
Sin pareja
ESTADO CIVIL POLITMICA ESTADO CIVIL DICOTMICA


B. El tipo de valores
Categrica. Es aquella en la que el fenmeno tiene valores referidos a clasificaciones o categoras sin
un correlato numrico directo. Ejemplo: Sexo (hombres y mujeres), estado civil (soltero, casado,
divorciado, etc.).
Numrica. Es cuando los valores de la variable se presentan naturalmente en nmeros. Esto es, las
respuestas a las preguntas van a ser datos numricos. Ejemplo: Edad, Peso, Talla, etc.
Las variables continuas pueden convertirse en categricas, al agrupar los nmeros en categoras, pero
no puede existir el procedimiento inverso.
Ejemplo: La edad es una variable numrica por naturaleza, pero en ocasiones debe convertirse en
categrica para el mejor manejo de la informacin, como se muestra a continuacin:

EDAD NUMRICA 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
EDAD CATEGRICA Adolescentes Jvenes Adultos jvenes

C. El nivel de medicin
En la interpretacin de una variable influye la escala con la que fue medida. As, existen 4 escalas o
niveles de medicin:
9
Nominal
Es el nivel de medida ms bsico.
Agrupa unidades en categoras basndose en uno o ms atributos o propiedades.
No existe un correlato numrico.
Las categoras no reflejan ningn orden o jerarqua entre unas y otras.
Ejemplos: Sexo, estado civil, carrera, religin, deporte favorito, ocupacin, pasatiempo, etc.
Ordinal
Las observaciones pueden colocarse en un orden jerrquico.
Se utilizan categoras que no representan un orden.
No existe una diferencia exacta entre un valor y otro. Esto es, no se sabe si hay la misma distancia
entre una categora y otra.
No hay indicacin de cuanto se posee del atributo.
Ejemplos: Escolaridad, grado acadmico, puesto en el trabajo, semestre, etc.
Intervalar o de intervalo
Son valores numricos.
Los nmeros son consecutivos y marcan intervalos iguales o cantidades iguales entre ellos.
No tienen un cero absoluto, esto es, el cero no representa la ausencia de la caracterstica, puede ser un
valor ms de la escala.
Se sabe cuanto se diferencian los objetos uno de otro.
Por su forma de ser medidas, las variables referidas a caractersticas psicolgicas son intervalares.
Ejemplos: Temperatura, depresin, actitud, etc.
Se compara un sujeto con respecto a otro o con respecto a la media poblacional.
Ejemplo: La diferencia entre un C. I. de 120 a 125 es la misma que entre 112 y 117 (125-120 = 5,
117-112= 5).
De proporcin o razn
Tiene las mismas caractersticas que los intervalares, pero el cero es absoluto, esto es, el cero indica la
ausencia de la caracterstica.
Inicia la medicin a partir de cero.
Se compara un sujeto con respecto al cero absoluto.
Las medidas fsicas, en su mayora, tienen este nivel de medicin.
Ejemplos: Longitud, tiempo, peso, rea, costo por estudiante, calificaciones, etc.

Caractersticas de los niveles de medicin
Nominal Ordinal Intervalar Proporcin
A diferente de B

A mayor que B

A excede en X unidades a B

A excede en X % a B



10
Aplicaciones en psicologa
En todas las reas de la psicologa, y especialmente en investigacin, se utilizan variables con diferentes
niveles de medicin: Estos nos indican la forma o escala por la que fueron medidas dichos datos. Se
clasifican en:
Nominales. Pacientes clasificados por padecimientos, fumadores y no fumadores, personas que
tienen una enfermedad o no la tienen, etc.
Ordinales. Nivel de patologa: Ausente, leve, moderado, alto
Intervalares. Calificacin de inteligencia, autoestima, depresin.
De razn. Tiempo en el que la rata cruza un laberinto, tiempo de reaccin, promedio escolar.

La estadstica y la computadora
Otra herramienta indispensable en la actualidad para el desarrollo de la Psicologa, es la computadora,
instrumento mediante el cual podemos hacer una cantidad de tareas con mayor facilidad y rapidez.
Entre estas tareas se encuentran:
Elaboracin de textos y grficas para artculos o tareas con buena presentacin.
Presentaciones visuales de nuestros trabajos.
Bases de datos que permitan el acceso ms rpido de la informacin que buscamos. Por ejemplo: la
biblioteca.
Anlisis de datos de manera ms rpida y precisa.
Este ltimo se realiza, en Psicologa, mediante paquetes de anlisis estadstico de datos como el
programa SPSS (Statistical Package for Social Sciences). Dicho programa nos permite desde obtener una
descripcin general de nuestros sujetos, hasta un anlisis complicado que nos permita predecir como se
comportar el fenmeno a futuro.
En la actualidad el anlisis de datos se lleva a cabo por computadora. Ya prcticamente nadie lo hace
de forma manual, especialmente si hay un volumen de datos considerable. Es por ello que casi todas las
instituciones de educacin superior, centros de investigacin y empresas, disponen de sistemas de cmputo
para archivar y analizar datos.

Codificacin de datos
Una vez que se han aplicado los cuestionarios de una investigacin, es necesario preparar los datos
obtenidos para poder analizarlos estadsticamente. Para ello hay que realizar dos actividades:
Codificar las respuestas
Realizar una gua de codificacin

Codificar las respuestas
Es asignar nmeros preestablecidos a cada una de las respuestas dadas al cuestionario aplicado. Esto
es, asignar valores a cada una de las opciones de una variable.

La razn de codificar es hacer que los datos de investigacin sean comparables entre s y poder tener
un mayor control de ellos. Aunque se pueden capturar categoras alfabticas, cuando se utilizan letras para la
computadora las letras minsculas y maysculas son caracteres diferentes, lo que permite una combinacin
muy grande de ellos en una misma palabra, por ejemplo: En una variable cuyas opciones de respuesta son no
11
o si, la palabra Si es diferente de la palabra si y de la palabra SI y de la palabra sI, como puede apreciarse, an
con dos letras, la combinacin posible es de cuatro opciones distintas posibles que se pueden capturar, con
cuatro cdigos completamente distintos, de una sola de las opciones, ms otras cuatro de la respuesta No. Si
en lugar de eso definimos para la opcin Si el cdigo 1 y para el No el cdigo 2, esta situacin se vuelve ms
controlable.

Procedimiento para codificar
Primeramente es necesario identificar las variables y las respuestas que puede adquirir cada una de
ellas. En el siguiente ejemplo se tienen: una variable nominal (sexo), una ordinal (escolaridad) y una
intervalar (edad).
Variables Sexo Escolaridad Edad
Respuestas
Hombre
Mujer
Primaria
Secundaria
Preparatoria
Licenciatura
6
8
12
17
Posteriormente se asignan valores determinados por el investigador a las opciones de cada variable
categrica, cabe aclarar que las variables continuas mantienen su valor pues su significado numrico no
necesita mayor interpretacin. Es as que las variables categricas como sexo y escolaridad se les asigna un
valor, para las variables nominales no importa cul le corresponda a cada opcin pues nicamente permitirn
identificar y diferenciar (en este caso hombre con 1 y mujer con 2, aunque esto puede invertirse) y para la
variable ordinal los cdigos deben reflejar el orden que representan las categoras (la menor escolaridad es
primaria por lo que le corresponde el valor ms pequeo, seguida de secundaria y preparatoria, la mayor es
licenciatura por lo que debe asignrsele el valor mas alto).

Variables Sexo Escolaridad Edad
Respuestas
Hombre
Mujer
Primaria
Secundaria
Preparatoria
Licenciatura
6
8
12
17
Valores
1. Hombre
2. Mujer
1. Primaria
2. Secundaria
3. Preparatoria
4. Licenciatura
6
8
12
17

La asignacin de cdigos a las variables se realiza de manera arbitraria, esto es, cada investigador
asigna los cdigos que el mismo establece. Sin embargo, cuando dicha investigacin va a ser retomada en un
tiempo lejano o por otras personas, es difcil adivinar los cdigos asignados, es por ello que se debe realizar
una gua de codificacin que permita evitar errores al respecto.

Gua de codificacin
La gua de codificacin es como un ndice en donde se especifican todas y cada una de las variables
del estudio, sus caractersticas y los valores que se les asignaron al codificarlas.
12
Es una herramienta muy importante por las siguientes razones:
Contiene toda la informacin que se requiere a lo largo del proceso.
Homogeneiza la elaboracin de bases de datos y documentos derivados del anlisis.
Permite que otra persona identifique las caractersticas de los datos utilizados, por lo que sirven de
consulta para investigaciones posteriores.

Los elementos que conforman una gua de codificacin son:
Nombre de la variable (NAME).
- Se requiere un nombre resumido con el cual se identificar la variable en el anlisis. Debe:
- Ser una clave de mximo 8 caracteres
- Comenzar con una letra
- No debe incluir espacios, acentos, ni caracteres especiales como: ?#$%(/)\+-*.
Tipo de variable (TYPE).
- Se refiere al tipo de datos que contendr la variable. Existen muchos, pero los ms usuales son:
Alfabtica. Cuando las respuestas del cuestionario estn dadas en letras y no en nmeros.
Limita la realizacin de anlisis estadsticos, por lo que se recomienda primeramente codificar
la variable y pasarla a numrica, ya que as se tendrn ms posibilidades para el anlisis.
Numrica. Permite la captura de nmeros solamente. Es el ms recomendado ya que permite
realizar ms anlisis estadsticos que los otros tipos. Adems, al hacer la codificacin siempre
se asignan nmeros a las categoras, por lo que es el tipo ms usado.
Nmero de campos (WIDTH) y decimales (DECIMALS).
- Se trata del nmero de dgitos que componen la respuesta de la variable. Se cuenta el nmero de
espacios necesarios para capturar todas las opciones de una variable. En el conteo deben incluirse
el punto y los decimales.
Ejemplo:
Sexo: Se codific como (1) Hombre y (2) Mujer, para capturar estas
opciones se requiere de una columna o espacio. Esto puede
simbolizarse como 1.0, ya que se utilizar una columna sin
decimales.

Escolaridad: Se codific como (1) Primaria, (2) Secundaria, (3)
Preparatoria y (4) Licenciatura, para capturar estas opciones se
requiere de una columna o espacio. Al igual que la anterior se
simboliza como 1.0.

Edad: Para esta variable se captura la respuesta directa de los sujetos que
en este caso va de 6 a 17 aos. Para poder capturar esta variable se
requieren dos columnas. En este caso se describe como 2.0, es
decir una variable de dos espacios sin decimales.

Estatura en metros: Para variables con decimales, debe contabilizarse la
posicin del punto decimal, por lo que en este ejemplo que se
tienen estaturas de 1.54 a 1.72 metros, se ocuparn cuatro
columnas de las cuales dos de ellas estn despus del punto
decimal. Para referirnos al formato de esta variable se puede

1
2
1
2
3
4
6
8
1 2
1 7
13
escribir como 4.2, indicando que utilizar cuatro columnas, de las
cuales las ltimas dos son ocupadas por decimales.


Etiqueta de la variable (LABEL).
- Permite escribir el nombre completo de la variable o la pregunta que se indaga. Se pueden utilizar
hasta 80 caracteres, con sus respectivos espacios, acentos y otros caracteres como parntesis,
comillas, diagonales o apstrofes.
Valores (VALUES).
- Es donde se indica a qu se refiere cada uno de los valores codificados. Slo se utiliza para
variables categricas cuyos valores se codificaron, Se debe especificar:
Cdigo de la variable
Etiquetas de los valores
Variable Cdigos Etiqueta del valor
Escolaridad
1
2
3
4
Primaria
Secundaria
Preparatoria
Licenciatura

Valores perdidos (MISSING VALUES).
- Se asigna un valor determinado a las situaciones donde no se obtiene respuesta o sta no entra
dentro del rango de respuesta establecido por el investigador.
- Generalmente se utiliza el 9 o cadenas de nueves para asignar este valor.
- Est estrechamente relacionada con el nmero de espacios que se le asign a cada variable.
Ejemplo: En una variable como el sexo que ocupa solo un espacio su valor perdido es 9

Variable
Numero de
Campos
Valor perdido
Escolaridad 1 9
Pasatiempo 2 99
Sueldo
mensual
5 99999

Nivel de medicin (MEASURE).
- Indica el nivel de medida de la variable, lo que ayuda a elegir los estadsticos a utilizar.
- Pueden ser de tres tipos: nominal, ordinal y escalar. En este ltimo se agrupan las variables
numricas (De razn e intervalar).

La gua de codificacin se debe realizar utilizando una tabla como la siguiente, donde cada rengln
indica una variable. Esto es, tendremos tantos renglones como variables en el estudio.
1 . 7 2
1 . 6 8
1 . 5 4
1 . 6 5
14

GUA DE CODIFICACIN
Nombre de
variable
Tipo Campos
Etiqueta de la
variable
Valores
Valores
perdidos
Nivel de
medicin










Una vez que se tienen las respuestas de los sujetos listas para analizar, se utiliza la estadstica descriptiva de
tres maneras:
Tablas de frecuencia
Grficas
Anlisis estadsticos

15
Frecuencias

La recoleccin de datos constituye la materia prima con la que debe trabajar un investigador para
analizar sus datos, obtener resultados y probar sus hiptesis sobre la naturaleza de la realidad social.
La informacin estadstica puede comunicarse ms fcilmente si se organiza en tablas y se muestra en
grficas, las cuales se describen a continuacin:

Tabla de frecuencias
Al resumir grandes colecciones de datos, resulta til distribuirlos en clases o categoras, y determinar
el nmero de individuos que pertenecen a cada clase, lo cual se denomina frecuencia de clase. As, las
frecuencias son el nmero de veces que ocurre un evento.
Una disposicin tabular de los datos por clases junto con las correspondientes frecuencias de clase se
conoce como distribucin de frecuencias o tabla de frecuencias.
La comparacin entre distribuciones de frecuencia es un procedimiento que se utiliza a menudo para
aclarar resultados y agregar informacin.
Existen dos tipos de tablas de frecuencia:
De datos no agrupados
De datos agrupados
Tabla de frecuencia de datos no agrupados
La distribucin de frecuencias no agrupadas contiene en una columna todos los valores posibles y
en la otra la cantidad de veces que este nmero o categora se presenta, esto es, su frecuencia (f).
Ejemplos:
Tabla 1. Sexo Tabla 2. Edad
Categora f Categora f
Mujeres 200 60 1
Hombres 600 61 1
Total 800 62 2
63 3
64 5
66 4
67 6
68 3
70 4
71 6
72 3
73 1
74 1
Total 40
La tabla 1 muestra la distribucin del gnero de 800 empleados, donde 600 son hombres y el resto
mujeres.
16
En la tabla 2 se observa que se entrevistaron a 40 personas entre 60 y 74 aos, donde las edades ms
frecuentes fueron 67 y 71 aos.

Tabla de frecuencia de datos agrupados
Es aquella que sus valores se presentan en intervalos. Se utilizan nicamente con variables numricas
y cuando la variabilidad de los datos es muy amplia.
Pasos para construir una distribucin de frecuencia agrupada:
1. Calcular el rango. El rango es la diferencia entre el valor ms grande y el valor ms pequeo de la
distribucin de datos. Suponiendo que el mayor dato sea 74 y el menor sea 60, el rango corresponde
a: 74 60 = 14.
2. Determinar el nmero de intervalos. Lo ms indicado es tomar entre 5 y 20 intervalos de clase,
segn la distribucin de los datos. Generalmente se utilizan 7 que no es tan pequeo ni tan grande,
pero esto siempre depende del inters del investigador, de sus objetivos y de la variabilidad de datos.
As, si los datos varan poco es recomendable agruparlos en pocos intervalos y viceversa.
3. Determinar el ancho del intervalo (w). Se calcula dividiendo el rango entre el nmero deseado de
intervalos. Siempre debe ser un nmero entero o redondearse para que lo sea. Se debe dividir el rango
en un nmero de intervalos de clase del mismo tamao.
4. Especificar los lmites del intervalo. Deben ser estandarizados para evitar las decisiones contrarias
en cada caso:
o Lmite inferior. El intervalo debe comenzar con un mltiplo de w. El primer intervalo
comienza con el mltiplo de w que sea menor o igual al mnimo del rango. Ejemplo: si w es =
3 y el valor mnimo de la distribucin es 62 deber iniciarse en 60.
o Lmite superior. Debe sumarse el lmite inferior de cada intervalo con el resultado de restar
una al rango. El intervalo debe comenzar con un mltiplo de w. El primer intervalo comienza
con el mltiplo de w que sea menor o igual al mnimo del rango: lmites inferiores + (w-1).
Esto con el objeto de que en cada intervalo queden exactamente el nmero de dgitos
establecido en el rango: 28, 29, 30, 31.
5. Hallar las frecuencias de clase. Contar los valores que caen en cada intervalo para encontrar la
frecuencia de cada intervalo.
Es importante considerar que no siempre resulta exacto el nmero de intervalos debido a la regla de
los rangos.

Ejemplo (tomando los datos de la tabla de edad anterior):
Paso 1.
min max
rango x x = , 14 60 74 rango = =
Paso 2. No. de Intervalos = 5
Paso 3.
intervalos de No.
rango
= w , 8 . 2
5
14
= = w , redondeado = 3
Paso 4. Lmite inferior: base el valor ms pequeo con incrementos de w: 60, 63, 66, 69, 72
Limite superior = lmites inferiores + (w-1): 62, 65, 68, 71, 74


17
Paso 5. Obtener las frecuencias de clase
Intervalo f
60-62 4
63-65 8
66-68 13
69-71 10
72-74 5
40
Todas las tablas de frecuencias de datos, tanto las agrupadas como las no agrupadas, deben contener
las siguientes columnas:
Columna de datos o categoras
Consiste en datos recogidos que no han sido organizados numricamente. Para darle orden a una fila
de datos se construye un conjunto de datos numricos en orden creciente o decreciente.
Cuando se trata de variables categricas, la fila de datos contiene cada una de las categoras de la
variable.
Frecuencia absoluta (f)
Es el conteo de los datos de cada una de las categoras. Es el nmero de veces en que se repite cada
uno de los eventos. La sumatoria total de cada uno de esto eventos constituye el nmero total de
sujetos de la muestra.
Frecuencia absoluta acumulada (fa)
La Frecuencia acumulada se define como el nmero total de casos que tengan cualquier puntaje dado
o uno que sea mas bajo.
La frecuencia acumulada para cualquier categora se obtiene sumando la frecuencia total para todas
las categoras abajo de ella. Esto es, tomar la frecuencia de la categora y sumarla a la frecuencia de la
categora posterior, y as consecutivamente. La ltima frecuencia acumulada debe ser igual al nmero
de sujetos entrevistados.
Una tabla que presente tales frecuencias acumuladas se denomina distribucin de frecuencias
acumulada, tabla de frecuencias acumuladas, o bien, distribucin acumulada.
Ejemplo:
Edad Frecuencia
Frecuencia
acumulada
60-62 4 4
63-65 8 12
66-68 13 25
69-71 10 35
72-74 5 40
Frecuencias relativas o porcentajes (%)
La frecuencia relativa de una clase es su frecuencia dividida por la frecuencia total de todas las clases
y multiplicada por 100. Se expresa generalmente como porcentaje.
Por ejemplo, la frecuencia relativa de la clase 6668 (ver la tabla de frecuencias) es 13 (frecuencia de
clase): ( ) 5 . 32 100
40
13
=
|
.
|

\
|

18
La suma de las frecuencias relativas de todas las clases debe dar 100% o un dato muy cercano,
considerando las variantes debidas a los decimales.
Ejemplo general:
Intervalo F %
60-62 4 10
63-65 8 20
66-68 13 32.5
69-71 10 25
72-74 5 12.5
Total 40 100

Si se sustituyen las frecuencias por las correspondientes frecuencias relativas, la tabla resultante se
denomina distribucin de frecuencias relativas, distribucin de porcentajes, o bien, tabla de frecuencias
relativas.

Un porcentaje es la relacin que se establece entre una de las partes con respecto al todo o total
multiplicado por cien. Por ejemplo, si un conjunto de personas es dividido en dos subconjuntos (hombres y
mujeres), el coeficiente que resulta de dividir el nmero de hombres con relacin al total de personas y
multiplicado por cien, indica el nmero de hombres por cada cien personas que integran ese conjunto:
Mujeres 200
Hombres 600
Total 800
% 25 ) 100 (
800
200
) 100 (
personas de total
mujeres de #
mujeres de % = = =
% 75 ) 100 (
800
600
) 100 (
personas de total
hombres de #
hombres de % = = =

La principal funcin de los porcentajes es la de poder comparar de manera ms precisa, ya que con las
frecuencias la interpretacin puede ser errnea. Ejemplo: En la Facultad de Ciencias Polticas y Sociales se
inscribieron, en el ao de 1967, un total de 1365 alumnos. Si se desea conocer el tipo de escuela primaria de
la que provienen (pblica o privada) y, adems, su relacin con el sexo, es conveniente transformar los datos
absolutos a porcentajes, con el fin de establecer mejor dicha relacin. As:

Escuela Mujeres Hombres Total
Oficial 146 668 814
Privada 225 336 561
Total 371 1004 1375

Los datos absolutos no indican claramente en qu medida los hombres y mujeres provienen, en mayor
o menor proporcin, de escuelas oficiales. Si bien se puede apreciar que la mayor parte de las mujeres
provienen de escuelas particulares y que los hombres provienen, en mayor proporcin, de escuelas oficiales,
19
resulta difcil sealar cmo se da esta diferencia, pues las relaciones se ven oscurecidas por la dimensin
absoluta de las cifras. Si se reducen el total de mujeres y el total de hombres a la base de 100 y se evalan los
porcentajes correspondientes a ambos subconjuntos (escuelas oficiales y privadas), las diferencias se
presentan con claridad. De esta forma se observa lo siguiente:

Escuelas
Mujeres Hombres Total
f % f % f %
Oficial 146 39 668 67 814 59
Privada 225 61 336 33 561 41
Total 371 100 1004 100 1375 100

Al reducir los valores absolutos a relativos, se aprecia que de cada 100 mujeres inscritas, 39
provienen de escuelas oficiales y que de cada 100 hombres inscritos, 67 provienen de escuelas oficiales.

Frecuencias relativas acumuladas o porcentajes acumulados (%a)
Se define como el porcentaje total de casos que tengan cualquier puntaje dado o uno que sea mas
bajo. El porcentaje acumulado para cualquier categora se obtiene sumando el porcentaje total para todas las
categoras abajo de el. Esto es, tomar el porcentaje de la categora y sumarlo al porcentaje de la categora
anterior. El ltimo porcentaje acumulado debe dar 100.

Ejemplo general:
Intervalo F fa % % a
60-62 4 4 10 10
63-65 8 12 20 30
66-68 13 25 32.5 62.5
69-71 10 35 25 87.5
72-74 5 40 12.5 100
Total 40 100

Requerimientos para la elaboracin de tablas:
Adems de las columnas las tablas de frecuencia deben cumplir con ciertos requisitos como son:
Ser autoexplicativa, esto es, que no se necesite recurrir a otra fuente para entender su contenido.
Llevar un ttulo corto pero que describa claramente lo que contiene.
Especificar a que se refiere cada una de las columnas y las categoras.
Puede llevar una nota al pie donde se indiquen aclaraciones sobre la tabla o la fuente de donde
provino-

20
Representacin Grfica de Datos

Hecha la recopilacin de los datos, el siguiente paso es la correcta organizacin para que brinde
informacin fiel y de utilidad. De la misma manera que las tablas de frecuencia, las grficas permiten
presentar de manera resumida los datos encontrados en una investigacin.
Una grfica es la representacin de datos, generalmente numricos, mediante lneas, superficies o
smbolos, para ver la relacin que esos datos guardan entre s. Son de gran utilidad debido a que permiten la
visualizacin rpida de los resultados, son atractivas por lo que captan la atencin del lector, adems de que
son fciles de entender e interpretar. Sin embargo, pese a que son muy utilizadas es necesario tener en cuenta
que las grficas no son de uso indiscriminado, esto es, dependiendo de los datos recolectado es el tipo de
grfica que se va a utilizar.
Para hacer la eleccin, es necesario considerar la naturaleza de los datos de acuerdo con el propsito
para el cual fueron recopilados. Si las observaciones se hicieron atendiendo a ciertas cualidades o atributos de
una poblacin se les llama datos cualitativos. Si, por el contrario, las observaciones se hicieron atendiendo a
caractersticas que pueden representarse numricamente como son: estatura, peso, temperatura, volumen,
costos, entre otras, de una poblacin se les llama datos cuantitativos. A continuacin se representan las
grficas ms apropiadas tanto para datos cualitativos como para cuantitativos.

Datos Cualitativos

Grfica de barras
Es una forma muy usual para representar datos
cualitativos. Se hacen dibujando rectngulos o
barras, que indican diversos valores bajo una
escala comn y teniendo un mismo origen que
representa cero.
Las barras pueden presentarse vertical u
horizontalmente. La escala de valores se coloca
sobre dos rectas perpendiculares, en el eje X se
ponen las categoras y en el Y las frecuencias o
porcentajes. Este tipo de grfica puede utilizarse
tanto para variables nominales como para
ordinales.
Grfica 1. Nmero de Alumnos por Materia

Grfica Circular
Este tipo de grfica se representa, generalmente,
en un crculo y las divisiones que presenta son
proporcionales a las diferencias cuantitativas que
se tratan de representar.
La abertura de cada sector del crculo representa
el porcentaje correspondiente. Asimismo, este
tipo de grfica debe utilizarse exclusivamente
para variables nominales o que describan las
caractersticas de la poblacin.
Grfica 2. Porcentajes de la poblacin de Mxico por
grupos de edad


21
Grfica Pictrica o Pictograma
Son llamadas tambin grfica de figuras,
estadstica de figuras o lenguaje estadstico
internacional. Son equivalentes a las grficas de
barras, pero son ms llamativas y de fcil
comprensin por su sencillez.
En lugar de barras se utilizan dibujos referentes a
lo que se quiere expresar. Dichos dibujos
expresan cantidades parciales o totales: Signos de
pesas para dinero, sacos de harina para
agricultura, etc. Para interpretar estas grficas
basta conocer el valor de cada figura o signo.


Datos Cuantitativos
Histograma
El histograma puede interpretarse como una
grfica especial de barras o rectngulos, los cuales
se trazan de tal manera que su ancho es igual al
intervalo de clase; como todos los intervalos son
iguales, todos los rectngulos tienen el mismo
ancho. La altura de cada barra es igual a la
frecuencia correspondiente a dicho intervalo. Para
tal efecto, se trazan dos ejes coordenados: en el
horizontal se marcan los intervalos de clase y en
el vertical las frecuencias. As pues, esta grfica
se utiliza para variables de tipo intervalar o de
razn y sus barras deben ir juntas.
Grfica 4. Distribucin de edad de un grupo de
adolescentes


Polgono de frecuencia
Es una grfica lineal que se obtiene marcando los
puntos medios de cada intervalo de clase en las
abscisas y como ordenada la frecuencia
correspondiente al intervalo.
Posteriormente, se unen con rectas dichos puntos
para formar la poligonal que se limita en los
puntos medios del intervalo anterior y del
intervalo que sigue a los marcados en la tabla.
Puede ser una grfica que combina las grficas
lineales con el histograma.
Este tipo de grfica se utiliza para variables
intervalares o de razn.
Grfica 5. Nmero de sntomas de depresin en un
grupo de mujeres mayores


22
Grfica Lineal o Poligonal
Las grficas lineales se representan en una cuadrcula a base de lneas horizontales y verticales, expresando a
la izquierda y, en la base de dicha cuadrcula, dos tipos diferentes de escalas normalmente que se refieren a
cantidad y tiempo.
Sirven fundamentalmente para comparar y
observar la evolucin de ascenso y descenso en
todo tipo de fenmeno, sea social, econmico,
industrial, comercial, fsico, etc.
Este tipo de grfica sirve tambin para llevar un
registro pormenorizado de cualquier fenmeno y
est considerada como una de las grficas ms
exactas. Se utiliza principalmente para variables de
razn.
Grfica 6. Crecimiento Poblacional en la Repblica
Mexicana


Requerimientos para la elaboracin de grficas
Al igual que las tablas de frecuencia, las grficas deben cumplir con ciertos requisitos como son:
Ser autoexplicativa, esto es, que no se necesite recurrir a otra fuente para entender su contenido.
Llevar un ttulo corto pero que describa claramente lo que contiene la grfica.
Especificar a que se refiere cada uno de los ejes (sexo, edad, etc.) y las unidades representadas
(frecuencia, porcentaje).
Puede llevar una nota al pie donde se indiquen aclaraciones sobre la grfica o la fuente de donde
provino-
En la elaboracin de un documento es recomendable poner grfica y tablas para representar diferente
datos, pero nunca debe ponerse una grfica y una tabla para representar lo mismo.

Grficas engaosas
Una forma muy comn de mentir con la estadstica es a travs de las grficas. En muchas ocasiones se
presentan grficas que son ambiguas por lo que la interpretacin de ellas puede variar, mientras que en otros
momentos las grficas estn presentadas propositivamente para resaltar un resultado no muy relevante, pero
encaminado a influir en la percepcin del lector. De esta manera, se amplan las escalas de las grficas,
haciendo ver diferencias importantes donde no las hay, o por el contrario, se minimizan las escalas para que
se ven pocas diferencias entre los grupos.

Es por ello que debe serse muy cuidadoso al interpretar una grfica, tomando en cuenta, los datos que
se estn graficando, el nmero de personas entrevistadas y sobre todo la escala de medida que se grafica
(frecuencias, porcentajes, etc.).


23
Medidas de Tendencia Central

Son aquellas que nos indican que tanto se agrupan los datos o se acercan a un punto medio.
Media aritmtica ( x )
La media aritmtica, o promedio aritmtico, se define como la suma de todos los valores entre el
nmero total de ellos. Es un puntaje que equilibra todos los puntajes ubicados a uno y otro lado de ella. Es el
promedio que se encuentra usualmente. Las frmulas son las siguientes:
Para datos no agrupados: Para datos agrupados:
n
x
x

=
n
fx
x

=
En donde: x = calificacin o punto medio de la calificacin
n = nmero de calificaciones o datos
f = frecuencia
Se interpreta como el promedio de los datos obtenidos, es decir, el dato alrededor del cual se
encuentran los dems datos de la distribucin. Por ejemplo: si promediamos la edad de un grupo de alumnos
de secundaria probablemente obtengamos 14 aos, lo que las edades de los alumnos estn alrededor de esta
edad pudiendo ser mayores o menores.
La media no es siempre el puntaje que ocurre ms a menudo, ni el ms cercano al medio en una
distribucin. Media es el punto alrededor del cual las desviaciones positivas y negativas de la distribucin se
equilibran.

Ejemplos:
Datos no agrupados
Si quisiramos encontrar la media
del coeficiente intelectual de los 8
entrevistados. En resultado indica
que el coeficiente intelectual del
grupo en promedio fue 107.87.
Entrevistado C.I.
87 . 107
8
863
= = =

n
x
x
Leticia 125
Francisco 92
Sara 72
Miguel 125
Rebeca 120
Roco 99
Benjamn 130
Pablo 100
Total 863

Datos agrupados
Si obtenemos el promedio de
calificaciones de matemticas de
un grupo de secundaria, el
resultado indica que en promedio
la calificacin del grupo fue 6.76,
esto es, que hay tanto
calificaciones mayores como
menores a esta.
x f fx
76 . 6
25
169
= = =

n
fx
x
10 1 10
9 3 27
8 6 48
7 4 28
6 5 30
5 2 10
4 4 16
Total 25 169

24
Moda (Mo)
La moda es el valor que se presenta con mayor frecuencia en un conjunto de datos. De todas las
medidas de tendencia central, la moda es la ms fcil de determinar, puesto que, en el caso de las
distribuciones con datos no agrupados, se obtiene por inspeccin, no por cmputo. Por otra parte, cuando los
datos estn agrupados, la moda se define como el promedio los valores mnimo y mximo del intervalo de
mayor frecuencia.
A una distribucin que cuenta con una sola moda se le denomina unimodal. Las bimodales refieren
dos valores que tienen frecuencias mximas similares. Las multimodales, por su parte, son distribuciones de
mediciones que tienen varias modas.
Se interpreta como el dato que se repite el mayor nmero de veces en una distribucin, es decir, es el
dato de mayor frecuencia.

Entrevistado C.I. x f fx
Leticia 125 10 1 10
Francisco 92 9 3 27
Sara 72 8 6 48
Miguel 125 7 4 28
Rebeca 120 6 5 30
Roco 99 5 2 10
Benjamn 130 4 4 16
Pablo 100 Total 25 169
Total 864
La moda o coeficiente intelectual ms
frecuente es 125 que se presenta en dos
entrevistados
La calificacin de matemticas ms
frecuente en un grupo de secundaria
es 8. Este dato constituye la moda.

Mediana (Md)
Es el valor o punto en una serie que divide los valores ordenados en dos grupos de igual tamao. De
manera que el 50 % de los sujetos tiene puntajes iguales o menores a la mediana y el otro 50 % de
individuos, tiene calificaciones iguales o mayores a la mediana.

Procedimiento para datos no agrupados:
Ordenar los datos de manera ascendente o descendente.
Identificar la posicin de la mediana, esto es, al sujeto que est justo en medio de la distribucin
mediante alguna de las siguientes frmulas.

Cuando n es par: Cuando n es impar:
2
1 +
=
n
Md
2
n
Md =
El resultado de la frmula se busca en las frecuencias acumuladas. A ese dato se le conoce como
posicin de la mediana.
Identificar el valor o calificacin que pertenece al sujeto que est a la mitad de la distribucin. Ese
valor corresponde al valor numrico de la mediana.
25

Ejemplo de datos no agrupados:
X f fa

5 . 11
2
23
2
. = = =
n
Md

Md = 11.5 = 4
7 2 2
6 3 5
5 4 9
4 5 14
3 4 18
2 3 21
1 2 23
Total 23

El dato obtenido de la frmula (11.5) se busca en las frecuencias acumuladas. En este caso cae en la
Fa 14 en donde se encuentran los sujetos del 10 al 14. Posteriormente se ubica el valor correspondiente al
sujeto. El valor es 4. Lo que indica que la Mediana es igual a 4.

Interpretacin: Se obtuvieron las calificaciones de 23 personas, observando que el 50% de ellas
obtuvieron un puntaje igual o mayor a 4.

Procedimiento para datos agrupados:
Identificar la posicin de la mediana, esto es, al sujeto que est justo en medio de la distribucin
mediante alguna de las frmulas anteriores.
El resultado de la frmula se busca en las frecuencias acumuladas. A ese dato se le conoce como
posicin de la mediana. El intervalo donde se encuentre esta ser el que se utilice en la frmula.
Identificar el valor o calificacin que pertenece al sujeto que est a la mitad de la distribucin, dentro
del intervalo seleccionado. Para lo cual se utiliza la siguiente frmula:

) (
) 5 . 0 (
i
f
faa n
LRI Md

+ =
Donde:
LRI = Lmite real inferior del intervalo
donde se encuentra la mediana
faa = Frecuencia acumulada anterior
f = Frecuencia del intervalo
i = Tamao del intervalo
El resultado de la frmula es el valor numrico de la mediana.

Ejemplo de datos agrupados:
Se aplic un examen cuya calificacin mayor fue 98 y la menor 64, elabore 7 intervalos y obtenga la mediana




26
x f x f x f x f x f
64 1 71 4 78 5 85 4 92 2
65 2 72 3 79 6 86 4 93 2
66 1 73 3 80 6 87 4 94 4
67 2 74 4 81 6 88 4 95 3
68 2 75 5 82 7 89 5 96 2
69 3 76 5 83 7 90 5 97 2
70 5 77 5 84 4 91 3 98 2

i f fa LRI
64-68 8 8 63.5
69-73 18 26 68.5
74-78 24 50 73.5
79-83 32 82 78.5
84-88 20 102 83.5
89-93 17 119 88.5
94-98 13 132 93.5

5 . 66
2
133
2
1
. = =
+
=
n
Md

81 ) 5 (
32
50 66
5 . 78 ) 5 (
32
50 ) 132 5 . 0 (
5 . 78 ) (
) 5 . 0 (
=

+ =

+ =

+ = i
f
faa n
LRI Md

Interpretacin: Se aplic un examen a 132 personas, observando que la calificacin mayor fue 98 y la menor
64. El 50% de las personas obtuvo una calificacin entre 64 y 81, mientras que la otra mitad obtuvo entre 81
y 98.
27
Medidas de Posicin
Son aquellas que se utilizan para conocer el lugar exacto que ocupa un dato dentro de la distribucin.
Las medidas de distribucin ms populares son el cuartil, el percentil y el decil.

Cuartiles
Son puntos que parten la distribucin en cuatro partes o cuartos. El punto que divide el cuarto inferior
(25%) de los tres cuartos superiores de la distribucin, es el primer cuartil (Q
1
). El segundo cuartil (Q
2
) es
idntico a la mediana, ya que divide a la poblacin en 2 partes iguales. El tercer cuartil (Q
3
) divide el cuarto
superior de los tres cuartos inferiores de la distribucin. La divisin se realiza de acuerdo a la proporcin de
frecuencias observadas.


Percentiles
Son puntos que dividen en centsimas (cien partes iguales) la distribucin. Esto es, son puntos bajo
los cuales cae un porcentaje dado P de los casos. P
50
es equivalente a la mediana y al punto Q
2
. Asimismo,
P
25
es equivalente a Q
1
y, por ltimo, P
75
equivale a Q
3
.



Clculo de las medidas de posicin de datos NO agrupados:
Cuartiles
Ordenar los datos de manera ascendente.
Identificar la posicin del cuartil mediante alguna de las siguientes frmulas.
4
1
n
Q =
4
2
2
n
Q =
4
3
3
n
Q =
El resultado de la frmula se busca en las frecuencias acumuladas. A ese dato se le conoce como
posicin del cuartil.
Identificar el valor numrico del cuartil localizando la calificacin que pertenece a la posicin.

Percentiles
Ordenar los datos de manera ascendente.
Identificar la posicin del percentil que se desea con la siguiente frmula.
100
xn
P
x
=
El resultado de la frmula se busca en las frecuencias acumuladas. A ese dato se le conoce como
posicin del percentil.
28
Identificar el valor numrico del percentil localizando la calificacin que pertenece a la posicin.

Ejemplo de datos no agrupados
Se les pregunt a un grupo de padres la edad en meses en que sus hijos haban tenido la primera expresin
verbal. Los datos se muestran a continuacin:
13 17 15 16 15 17 15 16 15 19 17 18 15 16 21
15 16 13 17 16 18 15 15 19 16 18 19 23 17 23
17 14 16 20 18 13 15 18 16 18 20 21 20 16 16
23 18 15 18 16 16 18 16 21 16 17 22 21 17 24

Obtener los cuartiles 1,2 y 3 y los percentiles 15 y 80.
Valores f Fa Porcentaje % acumulado
13 3 3 5.00 5.00
14 1 4 1.66 6.66
15 10 14 16.66 23.32
16 14 28 23.33 46.65
17 8 36 13.33 59.98
18 9 45 15.00 74.98
19 3 48 5.00 79.98
20 3 51 5.00 84.98
21 4 55 6.66 91.64
22 1 56 1.66 93.3
23 3 59 5.00 98.3
24 1 60 1.66 99.96
Total 60 99.96

16 15
4
60
1
= = = Q 17 30
4
) 60 ( 2
2
= = = Q 18 45
4
) 60 ( 3
3
= = = Q

15 9
100
) 60 ( 15
15
= = = P 19 48
100
) 60 ( 80
80
= = = P


Los resultados se interpretan de la siguiente manera:
El 25% de los bebes dicen su primera palabra entre los 13 y los 16 meses; el 50% antes de los 17
meses; el 25% entre los 18 y los 24 meses; el 15% de los bebes entre los 13 y los 15 meses y el 20% que se
tarda ms en hablar lo hace entre los 19 y los 24 meses.

Clculo de las medidas de posicin para datos agrupados:
El procedimiento tanto para cuartiles como para percentiles es el mismo, lo nico que cambia es el
multiplicador en la frmula. Es por ello que se explicarn juntos los procedimientos.
Identificar la posicin distribucin mediante alguna de las frmulas anteriores.
29
Identificar el valor numrico con alguna de las siguientes frmulas:

) (
) 4 / (
i
f
faa xn
LRI Q
x

+ = ) (
) 100 / (
i
f
faa xn
LRI
Px

+ =
Donde:
LRI = Lmite real inferior del intervalo
donde se encuentra la medida buscada
faa = Frecuencia acumulada anterior
f = Frecuencia del intervalo
i = Tamao del intervalo
x = Nmero de percentil o cuartil que se
quiere obtener.

Ejemplo de datos agrupados
Se aplic una prueba para conocer el nivel de autoestima de un grupo de empleados de una empresa.
Obtener los cuartiles y los percentiles 10 y 60.

Intervalos f fa % % acumulado Punto Medio LMI
50 54 6 6 3.09 3.09 52 49.5
55 59 12 18 6.18 9.27 57 54.5
60 64 21 39 10.82 20.09 62 59.5 P
10

65 69 32 71 16.49 36.59 67 64.5 Q
1

70 74 46 117 23.71 60.29 72 69.5 Q
2
P
60

75 79 39 156 20.10 80.39 77 74.5 Q
3

80 84 20 176 10.30 90.69 82 79.5
85 89 18 194 9.27 99.96 87 84.5
Total 194 99.96

5 . 48
4
194
1
= = Q 97
4
) 194 ( 2
2
= = Q 5 . 145
4
) 194 ( 3
3
= = Q

4 . 19
100
) 194 ( 10
10
= = P 4 . 116
100
) 194 ( 60
60
= = P


98 . 65 ) 5 (
32
39 5 . 48
5 . 64 ) 5 (
32
39 ) 194 25 . 0 (
5 . 64 ) (
) 25 . 0 (
1
=

+ =

+ =

+ = i
f
faa n
LRI Q

32 . 72 ) 5 (
46
71 97
5 . 69 ) 5 (
46
71 ) 194 5 . 0 (
5 . 69 ) (
) 5 . 0 (
2
=

+ =

+ =

+ = i
f
faa n
LRI Q

30
15 . 79 ) 5 (
39
117 5 . 145
5 . 75 ) 5 (
39
117 ) 194 75 . 0 (
5 . 75 ) (
) 75 . 0 (
3
=

+ =

+ =

+ = i
f
faa n
LRI Q

83 . 59 ) 5 (
21
18 4 . 19
5 . 59 ) 5 (
21
18 ) 100 / ) 194 ( 10 (
5 . 59 ) (
) 100 / ) ( 10 (
10
=

+ =

+ =

+ = i
f
faa n
LRI P

43 . 74 ) 5 (
46
71 4 . 116
5 . 69 ) 5 (
46
71 ) 100 / ) 194 ( 60 (
5 . 69 ) (
) 100 / ) ( 60 (
60
=

+ =

+ =

+ = i
f
faa n
LRI P

Los resultados se interpretan de la siguiente manera:
El 25% de los sujetos obtuvo 65.98 o menos en la prueba; el 50% de los empleados obtuvo ms de
72.32; el 75% sac de 79.15 para arriba en la prueba, estos son lo que tienes una mayor autoestima. Adems,
el 60% de los empleados obtuvo un puntaje menor o igual a 74.43, mientras solo el 10% tiene menos de
59.83, esto es, los de menor autoestima en el grupo.




31
Medidas de Dispersin o Variabilidad

Las dos caractersticas ms importantes de cualquier conjunto de datos son:
Su tendencia central
Su variabilidad o dispersin
Estos conceptos nos sirven para resumir las caractersticas principales de un conjunto de datos.
Ambos son requisito indispensable para poder interpretar una observacin.
Las medidas de tendencia central estn relacionadas con el promedio o valor tpico o representativo
de la distribucin. Mientras que la variabilidad entre los valores, se refiere a qu tan grandes son las
diferencias entre ellos.
Las medidas de variabilidad cuantifican el grado de dispersin o la extensin de las diferencias
individuales en la distribucin.
Las medidas de dispersin son:
Valor mnimo y mximo
Rango
Varianza
Desviacin estndar o tpica

Valores mnimo y mximo
Estos valores sirven para describir a la poblacin y funcionan como indicadores para determinar dnde se
encuentran los sujetos con respecto a la variable evaluada. Asimismo, van a utilizarse para obtener el rango
de la distribucin.

Rango o amplitud
El rango mide la extensin total de un conjunto de datos y se calcula utilizando nicamente dos
nmeros. Para encontrar el rango se restan los dos extremos de la medicin, la medicin ms grande menos
medicin ms pequea.
MIN MAX
X X R =
El rango sirve para describir la distribucin de datos y se interpreta como el valor que indica la
cantidad de unidades que se encuentran comprendidas entre el valor mnimo y el valor mximo de la
distribucin. Se interpreta como el valor que indica la amplitud de la base de la curva de distribucin.
El rango de la muestra an cuando es fcil de calcular, a menudo es calificado de ineficiente porque
ignora toda la informacin disponible en los valores intermedios de la muestra. Sin embargo, para muestras
pequeas, la eficiencia es suficientemente alta. As el rango de la muestra goza de una aceptacin favorable y
uso amplio, debido a la facilidad para calcularlo en aplicaciones estadsticas como control de calidad, donde
las muestras son pequeas.

Ejemplo
Durante un mes determinado del verano, los ocho vendedores de aparatos electrnicos de una
empresa vendieron el siguiente nmero de ventiladores: 8, 11, 5, 14, 8, 11, 16, 11. Obtener el rango.
32
MIN MAX
X X R = R = 16 5 = 11 unidades
Interpretacin: La amplitud de lo vendido es de 11, lo que indica que hay una diferencia de 11
unidades entre el que ms vendi y el que menos vendi.

Varianza
Es una medida de dispersin que se abrevia S
2
e indica que tanto se alejan los datos con relacin a la
media. La varianza se basa en el cuadrado de la diferencia entre cada uno de los valores del conjunto de datos
y la media del grupo.
La varianza toma en cuenta la distancia de cada medida con respecto a la media; esta distancia se
llama desviacin. Si una sola medicin cae a la izquierda de la media sobre una grfica de datos, se dice que
la medida tiene una desviacin negativa con respecto a la media; si cae a la derecha de la media, se dice que
tiene una desviacin positiva. Si tratamos de calcular la distancia promedio de cada medida con respecto a la
media, la suma de las desviaciones positivas invalida la suma de las desviaciones negativas. El resultado de
la suma numrica es cero, es decir, representa una medida intil de variabilidad. Para evitar este problema se
elevan las desviaciones al cuadrado (de este modo se eliminan los signos negativos) y entonces, se promedia
la suma de los cuadrados. Este clculo produce la varianza que indica la desviacin con respecto a la media
de cada medida de la muestra.
La varianza para datos agrupados se obtiene restando el punto medio del intervalo mayor del punto
medio del intervalo ms pequeo, obteniendo as los valores de x.
La varianza se obtiene mediante la siguiente frmula:

Para datos no agrupados: Para datos agrupados:
n
x x
s


=
) (
2
2

n
x fx
s

=
) (
2
2


La varianza no tiene una interpretacin descriptiva, pero es bsica para el clculo de anlisis
estadsticos ms avanzados.

Ejemplo
A continuacin se presentan varias muestras de calificaciones obtenidas por cuatro grupos en una prueba.

Conjunto Calificaciones de la prueba Media
1 70, 70, 70, 70, 70 70
2 68, 69, 70, 71, 72 70
3 60, 70, 70, 70, 80 70
4 60, 65, 70, 75, 80 70

En los cuatro conjuntos la media es la misma, 70, pero los conjuntos son, desde luego, completamente
diferentes. No hay variabilidad alrededor de la media en el conjunto uno, mientras que existe una gran
variabilidad alrededor de la media en el conjunto cuatro. Es obvio que la media en s misma no refleja en
33
forma alguna la variabilidad de estas calificaciones. Por tanto para encontrar el nmero que refleje la
variabilidad de las calificaciones de la prueba se emplea el rango, mediante el cual se determina la diferencia
entre la calificacin ms alta y la ms baja.

Conjunto Calificaciones de la prueba Media Rango
1 70, 70, 70, 70, 70 70 0 (70-70=0)
2 68, 69, 70, 71, 72 70 4 (72-68=4)
3 60, 70, 70, 70, 80 70 20 (80-60=20)
4 60, 65, 70, 75, 80 70 20 (80-60=20)

Como puede observarse, el rango slo toma la medida mayor y menor, as que para considerar todas
las medidas se utiliza la varianza, la cual toma en cuenta la distancia de cada medida con respecto a la media.
A continuacin se desglosa el clculo de la varianza de uno de los conjuntos de calificaciones

Valor Media
x
Desviacin
E(x- x )
Desviacin al
cuadrado (x- x )
2

68 70 -2 (-2)
2
= 4
69 70 -1 (-1)
2
= 1
70 70 0 0
2
= 0
71 70 1 1
2
= 1
72 70 2 2
2
= 4
Total = 350 Total = 0 E(x- x )
2
=10
Como N = 5, la varianza es igual a: 2
5
10
) (
2
2
= = =


n
x x
s

Si de la misma manera calculamos la varianza para cada conjunto, los resultados nos indican que a
mayor variabilidad en los datos mayor ser la varianza, aunque la media de cada conjunto sea la misma.

Conjunto Calificaciones de la prueba Media Rango Varianza
1 70, 70, 70, 70, 70 70 0 (70-70=0) 0
2 68, 69, 70, 71, 72 70 4 (72-68=4) 2
3 60, 70, 70, 70, 80 70 20 (80-60=20) 40
4 60, 65, 70, 75, 80 70 20 (80-60=20) 50

34
Desviacin Estndar o Tpica (s)
La desviacin tpica equivale al promedio de la variabilidad de los datos. Es una medida de dispersin
utilizada en la interpretacin de los datos. Sirve para conocer la normalidad de una distribucin, puesto que la
normalidad refiere la suma y resta de dos desviaciones a la media.
Su frmula es:
Para datos no agrupados: Para datos agrupados:
n
s
x x
=
) (
2

n
s
x fx

=
) (
2


Se interpreta como el dato que refiere el promedio de la distancia a la que se encuentran las
puntuaciones con respecto a la media. Si la desviacin estndar es pequea con respecto a la media, indica
que las calificaciones son homogneas, es decir estn muy cercanas, pero si es grande, las puntuaciones son
heterogneas, esto es, muy diferentes entre s.

Ejercicio de datos no agrupados
Obtener la media y la desviacin estndar de la edad de los asistentes a un curso de capacitacin:

Edad x- x (x- x )
2
25 -12.88 165.89
27 -10.88 118.37
32 -5.88 34.57
33 -4.88 23.81
38 0.12 0.01
39 1.12 1.25
43 5.12 26.21
48 10.12 102.41
56 18.12 328.33
Total 341 800.89

n
x
x

= 88 . 37
9
341
= = x
n
s
x x

=
) (
2
43 . 9
9
89 . 800
= = s

El promedio de la edad de los asistentes es 37.88 aos y el promedio de la distancia a la que se
encuentran las edades con respecto a la media es 9.43. Esto significa que las edades se desvan en promedio
24 aos hacia arriba y hacia abajo de la media.

35
Ejercicio para datos agrupados
Se aplic una prueba de matemticas a 200 estudiantes que deseaban ingresar a la Licenciatura en
Ingeniera. Obtener la media y la desviacin estndar.

Calificaciones f
pm
(x)
Fx x- x (x- x )
2
32 34 2 33 66 -21.99 479.61
35 37 4 36 144 -18.99 357.21
38 40 4 39 156 -15.99 252.81
41 43 16 42 672 -12.99 166.41
44 46 16 45 720 -9.99 98.01
47 49 18 48 864 -6.99 47.61
50 52 22 51 1122 -3.99 15.21
53 55 22 54 1188 -0.99 0.81
56 58 24 57 1368 2.11 4.41
59 61 22 60 1320 5.11 26.01
62 64 16 63 1008 8.11 65.61
65 67 12 66 792 11.11 123.21
68 70 10 69 690 14.11 198.81
71 73 6 72 432 17.11 292.41
74 76 4 75 300 20.11 404.01
77 79 2 78 156 23.11 533.61
Total 200 10998 3065.76
99 . 54 200 / 10998 = = =

n
fx
x 32 . 15
200
76 . 3065
) (
2
= = =


n
S
x x


El promedio de las calificaciones de la prueba de matemticas es 54.99, mientras que el promedio de
la distancia a la cual se encuentran las calificaciones con respecto a la media es 15.32. Esto indica que las
calificaciones se desvan 15 puntos por arriba y por abajo del promedio o media.

Las medidas de tendencia central, por s solas, no son suficientes, lo cual puede comprobarse si se
considera el hecho de que dos o ms conjuntos de datos pueden tener la misma media, mediana o moda sin
que dichos conjuntos sean los mismos. Por lo tanto, son necesarias tambin las medidas de variabilidad o
dispersin para describir los valores de forma ms individual.

36
Medidas de Distribucin

Basadas en las grficas que existen para representar los datos encontrados en variables numricas,
existen variaciones de las mismas que permiten conocer como se distribuyen los datos del fenmeno
estudiado (Hopkins, Hopkins, y Glass, 1997). Entre las distribuciones ms frecuentes en Psicologa se
encuentran:




a) Rectangular. Distribucin simtrica con una frecuencia
constante para todos los valores. Por ejemplo nacimientos por
cada da de la semana. No tiene una moda ya que todos los
valores tienen aproximadamente la misma frecuencia. La
media y la mediana pueden ser las mismas.



b) Bimodal. Cuando existen 2 modas en la distribucin. Por ejemplo en la distribucin de las estaturas
de hombres y mujeres, ya que sus estaturas difieren generalmente. Puede ser que una moda sea
ligeramente ms pequea que la otra, en eso caso se habla de moda mayor y menor. Esta distribucin
tambin se presenta cuando las opiniones hacia un fenmeno se encuentran polarizadas. Por ejemplo
la actitud hacia el aborto. La media y la mediana pueden ser las mismas.


c) Normal. Se llama distribucin de campana o distribucin normal. Tiene dos caractersticas
principales:
- Es simtrica respecto a la lnea vertical de la mediana (Asimetra = 0)
- La moda y la media son iguales a la mediana
- Unimodal
- 96% de la poblacin cae dentro (normal) y el 4% cae fuera (anormal)
Por ejemplo la estatura de las mujeres.
d) Asimtricas. Son distribuciones que no son iguales para ambos lados. La asimetra puede ser desde
ligera hasta muy extrema. Dependiendo de la direccin puede ser:
- Positivas. Se alarga hacia la derecha, hacia el extremo de valores ms alto. Por ejemplo:
Nmero de faltas a una materia en un semestre.
- Negativas. Se alarga hacia la izquierda, hacia el extremo de valores ms bajo. Por ejemplo:
Las calificaciones de un examen muy fcil.
En las distribuciones asimtricas la media es jalada hacia los valores extremos de la cola, por lo que
en la positiva es mayor que la mediana y la moda, mientras que en la negativa es menor.

Numero de personas que consultan la
pgina de la Secretara de Salud
1000
6000
11000
16000
e
n
e
r
o
m
a
r
z
o
m
a
y
o
ju
lio
s
e
p
t
ie
m
b
r
e
n
o
v
ie
m
b
r
e
37

Estatura Mujeres Hombres
Media 163.75 167.25
Mediana 163 168
Moda 163 168
Distribucin Positiva Negativa









Estatura Mujeres Hombres
158 1 0
159 2 1
160 3 1
161 4 1
162 5 1
163 6 1
164 5 2
165 4 3
166 3 4
167 2 5
168 1 6
169 1 5
170 1 4
171 1 3
172 1 2
173 0 1
TOTAL 40 40


Distribucin Normal

La distribucin normal es la representacin grfica de las observaciones de un fenmeno y se
denomina campana de Gauss. Se ha encontrado que si un fenmeno es observado en repetidas
ocasiones, este tiene variaciones naturales que se distribuyen de manera regular y que de manera
grfica se convierten en la curva normal. Por ejemplo: la estatura se distribuye normalmente en al tener
personas de la misma edad.

Muchas medidas en psicologa tienen una distribucin parecida a la de la curva normal. Aunque
nunca se tiene una curva distribucin normal perfecta, pero se acerca a esta entre ms sujetos se
incluyen.

Para saber el grado en que una curva de distribucin se parece a una curva normal, se utilizan
dos medidas: curtosis y asimetra.



COMPARACION DE ESTATURAS DE HOMBRES Y MUJERES
0
1
2
3
4
5
6
7
1
5
8
1
5
9
1
6
0
1
6
1
1
6
2
1
6
3
1
6
4
1
6
5
1
6
6
1
6
7
1
6
8
1
6
9
1
7
0
1
7
1
1
7
2
1
7
3
ESTATURAS
F
R
E
C
U
E
N
C
I
A
Mujeres
Hombres
38

Curtosis

Describe el grado en que las proporciones observadas difieren de las de la curva normal. Se
refiere a la amplitud de la curva en una distribucin normal, esto es la agudeza que presenta el perfil de
una curva unimodal.

La curtosis est relacionada con el nmero de sujetos que estamos observando. En la medida
que el nmero de sujetos es ms pequeo, la curva se hace ms anchas y conforme crece el nmero de
sujetos las curva es menos ancha y se parece ms a una distribucin normal.

De acuerdo a la curva que reflejen las distribuciones pueden ser de 3 tipos
Cuando los puntajes obtenidos al aplicar una prueba psicolgica tienden a agruparse en el
centro de la distribucin en un intervalo reducido de valores, se tiene una curva aguda o leptocrtica.
Cuando esto ocurre, se dice que el grupo es homogneo con respecto a lo que se mide. Cuando el
resultado de la curtosis es positivo y mayor a 1, indica que hay ms casos en medio de la curva que en
una distribucin normal.



> 1





Si el intervalo en el que tienden a agruparse los puntajes de un agrupo no es tan reducido, la
curva se denomina semiaguda o mesocrtica. Esta equivale a la curva normal. La distribucin normal
tiene una curtosis igual a 1. Entre ms se aleje este valor del 1, menos se parecer a una distribucin
normal estricta.



= 1




Un caso opuesto a la curva leptocrtica es el que corresponde a una distribucin donde existe
un intervalo amplio de puntajes con una agrupacin mnima en el centro. A esta curva se le llama
aplanada o platocrtica. Los datos en esta distribucin son heterogneos entre s. Una curtosis menor
a 1 o negativa indica ms casos en los extremos de la curva que en una distribucin normal.



< 1




39
As<0



Asimetra o sesgo (Skeeness)
Describe la falta de simetra en una distribucin. La asimetra (As) se presenta cuando una
curva de distribucin, en una de sus colas, se extiende ms lejos que la otra en una direccin.

Existen dos tipos de asimetra:
Sesgo Negativo: Describe distribuciones simtricas en las que la mediana excede a la media, la cola de
la distribucin es hacia los valores bajos. Cuando la cola se extiende hacia la izquierda, el valor del
estadstico es negativo
Sesgo Positivo: Describe distribuciones asimtricas en las que la media excede a la mediana, la cola de
la distribucin es hacia los valores altos. Es cuando est ms extendida la cola de la derecha de la
curva, el valor del estadstico es positivo.

Si la asimetra es igual a cero, se obtiene una curva normal.

El llamado coeficiente de asimetra se calcula con la siguiente frmula:
s
Mo x
As

=
donde:
As = Coeficiente de asimetra de Pearson Mo = Moda
X = Media aritmtica muestral S = Desviacin estndar muestral
As=0
As>0
POSITIVA
AAA
NEGATIVA
POSITIVA
NORMAL
40
Caractersticas de la Curva Normal

La curva normal es un modelo terico o ideal sobre cmo debe comportarse la distribucin de
las variables en una muestra, se obtuvo de una ecuacin matemtica. Se utiliza como parmetro de
comparacin para diferentes fenmenos. Sus principales caractersticas son (Ritchey, 2002):

Las variables que representan debe ser numrica, esto es, con un nivel de medicin intervalar o
de razn.
Representa una curva de distribucin de frecuencias en la que la mediana, la moda y la media
de una variable son iguales y dividen en dos partes iguales a la distribucin.
Tiene forma de campana
Es geomtricamente simtrica, lo cual indica que la mitad derecha es el espejo perfecto de la
mitad izquierda.
Aunque los valores de la Media y la desviacin estndar cambiaran dependiendo de las
variables observadas, cada curva normal es simtrica y tiene siempre el mismo porcentaje de
observaciones que cae entre la media y las desviaciones.
Permite conocer la distribucin de situaciones reales.

Muchas variables relacionadas a atributos psicolgicos, como la inteligencia medida en
trminos de Coeficiente Intelectual (CI), se distribuyen en la poblacin tomando la forma de la curva
normal, en que la mayora de los casos se encuentran en el centro (Moda), existiendo pocos casos en
los extremos, siguiendo el ejemplo del CI, existen pocos sujetos con inteligencia muy baja por un lado
y pocos genios por el otro, esto es lo que da a la curva normal su caracterstica forma de campana
(Ritchey, 2002).

El rea bajo la curva.
- Representa el 100%, 50% de cada lado
- Es igual a 1 (convertida en trminos de probabilidad)
- Se calcula sumando y restando desviaciones estndar a la media.

% 26 . 68 1 = s x % 95 2 = s x % 99 3 = s x














Utilizando esta informacin se puede calcular el rea comprendida entre dos puntos con base en
las puntuaciones crudas. Por ejemplo: Una poblacin de 1000 sujetos, tiene una media de edad de 75
aos y una desviacin estndar de 8, cuntas personas tienen entre 67 y 75 aos?
-3 -2 -1 0 +1 +2 +3
68.26%

95%

99%

34.13%

41











Sustituyendo la media (75) en el centro y las desviaciones estndar a la izquierda o negativas (-
8) y a la derecha o positivas (+8), la respuesta es el 34.13% del total de la poblacin es decir 341
sujetos tienen entre 67 y 75 aos.
Sin embargo si tenemos a un sujeto evaluado en 2 variables o 2 escalas diferentes, es difcil
hacer la comparacin con los puntajes brutos. Para ello se utilizan las calificaciones estandarizadas.
Las calificaciones estandarizadas son puntuaciones que pueden ser comparadas transformando los
valores brutos y sirven de parmetros de comparacin.
Las calificaciones estandarizadas ms conocidas son los puntajes z y se refieren a calificaciones
expresadas en unidades de desviaciones estndar de la media. La distribucin de calificaciones Z tiene
parmetros fijos:

0 = x 1 = s
s
x x
z

=
x = Valor bruto

Ejemplo:
Se quiere comparar la inteligencia de dos personas, cada una de ellas medidas con escalas diferentes.
Para lograr esta comparacin se convierten las calificaciones naturales (x) en calificaciones
estandarizadas (z). Observando que los puntajes naturales indican que el segundo sujeto tiene mayor
inteligencia que el primeo, los puntajes Z indican que el sujeto medido con la escala A tiene un
coeficiente mayor.

x x s z
Depresin
Escala A
80 90 5 -2
Depresin
Escala B
90 100 7 -1.43

Depresin Escala A: Depresin Escala B:
2
5
90 80
=

= z 47 . 1
7
100 90
=

= z


51 59 67 75 83 91 99
34.13%
341
42

Bibliografa:

1. Christensen, H. (1983). Estadstica paso a paso. Mxico: Trillas.
2. Coolican, H. (1997). Mtodos de Investigacin y Estadstica en Psicologa. Mxico: Manual
Moderno.
3. Downie, M. & Heath, R. (1973). Mtodos estadsticos aplicados. Mxico: Harper & Row
Latinoamericana.
4. Elorza, H. (2000). Estadstica para las ciencias sociales y del comportamiento. Mxico:Oxford.
5. Ferrn, M. (1996). SPSS para Windows. Programacin y anlisis estadstico. Madrid: McGraw-
Hill.
6. Glass, G. y Stanley, J. (1970). Mtodos estadsticos aplicados a las Ciencias Sociales. Madrid:
Prentice Hall.
7. Hernndez, S.R., Fernndez, C.C. y Baptista, L.P. (1999). Metodologa de la Investigacin.
Mxico: McGraw-Hill.
8. Hopkins, K.D., Hopkins, B.R. y Glass, G.V. (1997). Estadstica Bsica para las Ciencias Sociales
y del Comportamiento. Mxico: Prentice Hall.
9. Kerlinger, F.N. (1998). Investigacin del Comportamiento. Mxico: McGraw-Hill.
10. Leach, C. (1983). Fundamentos de Estadstica. Mxico: Limusa.
11. Levin, J. (1979). Fundamentos de Estadstica en la Investigacin Social. Mxico: Harla.
12. Maxim, P.S. (2002). Mtodos Cuantitativos aplicados a las ciencias sociales. Mxico: Oxford
University Press.
13. Ostle, B. (2000). Estadstica Aplicada. Mxico: Limusa Noriega Editores.
14. Ritchey, F. J. (2002). Estadstica para las Ciencias Sociales: El Potencial de la Imaginacin
Estadstica. Mxico: Mc Graw Hill.
15. Siegel, S. (1982). Estadstica no paramtrica aplicada a las ciencias de la conducta. Mxico:
Trillas.
16. SPSS Inc. (1998). SPSS Manual. USA: SPSS Inc.