Indices Descriptivos y N 1

CAPTULO 5
Aprendiendo a definir, aplicar e interpretar las

medidas descriptivas en Psicologa
Rocio Tron lvarez
Margarita Chvez Becerra
Un criterio que frecuentemente es utilizado para evaluar los hallazgos de las

investigaciones aplicadas es el criterio estadstico, el cual recurre a conceptos y
procedimientos estadsticos con la finalidad de conocer el comportamiento de la
o las variables de inters.
Estos procedimientos estadsticos pertenecen a las denominadas estadstica

descriptiva y estadstica inferencial. El anlisis de los datos a nivel descriptivo
incluye una serie de conceptos y procedimientos que permiten clasificar,
representar, resumir y describir el comportamiento de las variables objeto de
estudio.
Entre otros procedimientos, los mtodos estadsticos descriptivos ms utilizados

comprenden la organizacin, representacin y descripcin de datos a travs de
tablas, grficas, medidas o ndices de tendencia central y de dispersin. Estos
mtodos son el contenido clsico de la literatura dedicada al estudio de la
estadstica aplicada en cualquier rea de conocimiento, adems los ndices de
tendencia central y de dispersin son las medidas cuantitativas bsicas para la
comprensin y aplicacin de anlisis estadsticos ms avanzados.
Bajo estas consideraciones, el propsito del presente captulo se centra en la

exposicin, aplicacin, clculo e interpretacin de las medidas o ndices de
tendencia central y dispersin.
Medidas de tendencia central

Las medidas de tendencia central son los ndices estadsticos descriptivos ms
comunes, y se definen como aquellas medidas que resumen un conjunto de
datos en un valor numrico, lo que permite conocer la concentracin de los datos
en torno a un valor central. Las medidas de tendencia central ms usuales son
la moda, la mediana y la media.
La moda es la nica medida que se puede obtener con datos en cualquier escala
de medicin, para la mediana los datos deben de ser cuando menos ordinales y
finalmente, la media requiere que los datos sean numricos, es decir, que se
encuentren en escala de intervalo o de razn.
La moda
La moda (Mo) es la medida de tendencia central ms fcil de obtener y se define
como la categora o puntuacin que se repite un mayor nmero de veces, o bien
en otras palabras que se presenta con mayor frecuencia. La moda se puede
obtener por simple inspeccin, como se har evidente por medio de los ejemplos
que aqu se presentan.
A continuacin se muestra la forma de obtener la moda cuando los datos se
expresan en diferentes niveles de medicin (nominal, ordinal o de
intervalo/razn) y en diferentes formas de presentacin de los datos, ya sea un
conjunto de datos ordenados por su magnitud, una distribucin de frecuencia
simple o bien una distribucin de datos agrupados. Cada uno de los siguientes
ejemplos se acompaa de su representacin grfica mostrando el valor de la
moda.
La moda cuando los datos son nominales

Considrense los siguientes problemas por los que asisti un grupo de 100 nios
a la clnica universitaria de la salud (ver tabla 5.1).
Tabla 5.1. Tipo de problema

Categoras
Moda
Problemas auditivos
10
Problemas de lenguaje
20
Problemas de conducta
40
Problemas visuales
15
Problemas de lecto-escritura
15
n 100
Con estos datos se identifica la categora que se repite un mayor nmero de

veces (mayor frecuencia), la que corresponde a la categora de problemas de
conducta, por lo que Mo problemas de conducta (ver figura 5.1).
40
30
Mo
20
10
0
Auditivos
Conducta
Lecto-escritura
Tipo de problema
Figura 5.1. Tipo de problema por el que 100 nios asistieron

a la clnica universitaria.
La moda cuando los datos son ordinales

Un grupo de 120 personas de la tercera edad, califican el servicio de atencin de
las clnicas del ISSSTE de la siguiente forma (ver tabla 5.2).
Tabla 5.2. Calidad de la atencin

Calidad de la atencin
Moda
Psimo
15
Malo
63
Regular
30
Bueno
10
Muy bueno
2
n 120
Con mayor frecuencia las personas de la tercera edad califican el servicio de

atencin como malo, siendo esta categora la que asume el valor de la moda
Mo Malo (ver figura 5.2).
70
60
50
40
Mo
30
20
10
0
Psimo
Malo
Regular
Bueno
Muy bueno
Calificacin
Figura 5.2. Calificacin al servicio de atencin que se proporciona

en las clnicas del ISSSTE.
La moda cuando los datos son numricos (escala de intervalo o de

razn)
Un conjunto de datos ordenados por su magnitud
Considrese la serie de datos ordenados de menor a mayor (ver figura 5.3).
10
10
10
11
14
Figura 5.3. Horas de estudio extra clase a la semana de ocho

estudiantes universitarios a finales de semestre.
La moda para este grupo de estudiantes es de 10 horas de estudio, por ser la

puntuacin que se repite un mayor nmero de veces (Mo = 10). Cabe aclarar
que la moda es el valor que se repite un mayor nmero de veces o el ms
frecuente, y no la frecuencia de esta puntuacin (3 veces se presenta el valor
10).
Por otra parte existen situaciones en las que: a) dos puntuaciones adyacentes
comparten la frecuencia mayor, b) dos puntuaciones no adyacentes tienen la
mayor de las frecuencias, c) cuando existen tres o ms puntuaciones no
adyacentes que comparten la frecuencia mayor y d) todas las puntuaciones
tienen la misma frecuencia.
a) En el caso en el que dos puntuaciones adyacentes comparten la frecuencia
mayor, la moda es el promedio de las dos puntuaciones (ver figura 5.4).
11
11
11
13
14
16
Figura 5.4. Horas de estudio de trece estudiantes.

La moda para este conjunto de observaciones es 10, dado que 9 ms 11 igual a
20, dividido entre dos es igual a 10: 9 11 20 / 2 10 , Mo 10 horas de estudio
b) Cuando dos puntuaciones no adyacentes comparten la frecuencia mayor se
dice que existen dos modas y se denomina a ese conjunto de datos como
bimodal (ver figura 5.5).
10
10
11
12
Figura 5.5. Horas de estudio de once estudiantes.

En este caso la moda es 6 y 10 (bimodal); ya que ambas aparecen con una
frecuencia de dos, Mo 6 y 10 horas de estudio (ver figura 5.6).
Mo
1,5
Mo
Mo
0,5
0
4
10
11
12
Horas
Figura 5.6. Horas de estudio.

c) Cuando en un conjunto de datos existen tres o ms puntuaciones no
adyacentes que comparten la frecuencia mayor, se dice que el conjunto de datos
es multimodal (ver figura 5.7).
10
10
11
Figura 5.7. Horas de estudio de diez estudiantes.
La moda es 6, 8 y 10, ( Mo 6, 8 y 10 horas de estudio ). En la figura 5.8 se

presenta la frecuencia de las horas de estudio con sus respectivos valores
modales.
1,5
Mo
Mo
Mo
0,5
0
5
10
11
Horas de estudio
Figura 5.8. Frecuencia de horas de estudio.

d) Cuando todas las puntuaciones tienen la misma frecuencia, se dice que
no existe moda (ver figura 5.9).
11
13
14
16
Figura 5.9. Horas de estudio de ocho estudiantes.
En este conjunto de datos no hay moda.
Datos ordenados en una distribucin de frecuencia simple

Para obtener la moda cuando los datos se presentan en una distribucin de
frecuencia simple se debe, primeramente observar la frecuencia ms alta y
posteriormente identificar la categora o puntaje al que le corresponde esa
frecuencia ms alta.
Si se observa la tabla 5.3 que presenta las horas de estudio de un grupo de 30

estudiantes, tenemos que la frecuencia ms alta es 10, y esta frecuencia
corresponde al puntaje de 8 horas de estudio, por lo tanto la moda es 8 ( =
8 ).
Tabla 5.3. Horas de estudio
Horas
10
Frecuencia
mayor
Moda
10
En la figura 5.10 se presentan estos datos y se resalta el valor modal
10
Mo
f
4
0
5
10
Horas
Figura 5.10. Frecuencia de horas de estudio a la semana.
Datos ordenados en una distribucin de frecuencia agrupada

En una distribucin de frecuencia agrupada, la moda se designa como el punto
medio del intervalo de clase con la frecuencia mayor.
Para obtener la moda se siguen los siguientes pasos:

1. Observar la frecuencia ms alta.
2. Identificar el intervalo al que le corresponde esa frecuencia ms alta.
3. Calcular el punto medio del intervalo con la frecuencia ms alta.
En la tabla 5.4 se presenta el nmero de aciertos obtenidos en el examen de

admisin a la carrera de Psicologa, por un grupo de 120 aspirantes.
Tabla 5.4. Nmero de aciertos obtenidos
en el examen de ingreso a la carrera de
Psicologa
N de aciertos
Intervalo
Punto medio /
Intervalo de clase
Marca de clase
21 - 35
28
20
36 - 50
43
25
51- 65
58
45
66- 80
73
15
81- 95
88
10
96- 110
103
Frecuencia
mayor
La frecuencia ms alta es 45 y corresponde al intervalo de 51 a 65 aciertos, al

calcular el punto medio se suma 51 ms 65 y se divide entre dos:
51 65 116
2 2 58 Mo 58 aciertos, la que se representa en la figura 5.11.
50
40
Mo
30
f
20
10
0
28
43
58
73
88
103
Aciertos
Figura 5.11. Nmero de aciertos en un examen de ingreso

a la carrera de psicologa.
La mediana
La mediana (Mdn) es el valor que divide a un conjunto de datos ordenados por
su magnitud o a una distribucin de frecuencias en dos partes iguales, de tal
forma que la mitad de las puntuaciones son menores a la mediana y la otra mitad
son mayores a ella. Lo que origina que quede igual nmero de puntuaciones en
cada mitad.
La obtencin de la mediana para datos ordenados por su magnitud vara

dependiendo de si el conjunto de observaciones es impar o par.
1. Cuando se tiene un conjunto de datos impares la mediana es el valor que

divide en dos partes iguales ese conjunto de observaciones, por lo que
queda el 50% de datos debajo de ese valor y el otro 50% arriba de ste.
Por ejemplo, en la tabla 5.5 se muestran los puntajes de Coeficiente
Intelectual (CI) de nueve nios que asisten a terapia de educacin
especial, en ella se puede observar que el puntaje 79 (que ocupa la quinta
posicin), es el valor que divide en dos partes iguales este conjunto de
observaciones (quedando 4 valores menores a 79 y 4 mayores), por lo
que el valor de la mediana corresponde al CI de 79 ( =
79 ).
Tabla 5.5. Coeficiente intelectual de nueve nios

CI
75
76
77
78
79
80
81
82
83
Posicin 1a
2a
3a
4a
5a
6a
7a
8a
9a
50%
Mdn = 79
50%
2. En el caso de un conjunto de datos pares, el valor de la mediana ser el

promedio de los dos valores centrales; considrense los puntajes de Coeficiente
Intelectual (CI) de 12 nios que se presentan en la tabla 5.6, como son doce
datos, la mediana se encuentra entre los valores centrales 84 y 86 (sexta y
sptima posicin), esto es, son los valores centrales porque dejan cinco
puntuaciones debajo de ellas y cinco por arriba, valores que se promedian y se
84 86 170
85 ( Mdn 85 puntos de CI ).
2
2
obtiene que
Tabla 5.6. Coeficiente intelectual de doce nios

CI
74
76
78
80
82
84
Posicin 1 a
2a
3a
4a
5a
6a
50%
86
7a
88
90
92
8a
9a
10a 11a 12a
Mdn 85
94
96
50%
La mediana en distribuciones de frecuencia simple
Para el clculo de la mediana cuando los datos se ordenan en una distribucin

de frecuencia simple, se siguen los siguientes pasos:
1) Se obtiene la frecuencia acumulada fa de los datos de la distribucin.
2) Se calcula la posicin de la mediana, sumndole 1 al total de
observaciones (n) y dividindolo entre 2. Posicin de la mediana
n 1
.
2
3) Se localiza la posicin de la mediana en la columna de frecuencia

acumulada.
4) Se identifica a qu puntaje corresponde esa posicin, siendo ste el valor
de la mediana.
Frecuentemente, a la obtencin de la mediana, mediante este procedimiento, se
le denomina mediana aproximada.
A manera de ejemplo, se tiene en la tabla 5.7 el nmero de errores de ortografa,
en un ensayo de diez cuartillas, de 91 estudiantes universitarios. Siguiendo los
pasos antes sealados tenemos que:
1. Se calcula la frecuencia acumulada
de la distribucin, la que se
obtiene al sumar la frecuencia con la que se presenta un puntaje, ms

la frecuencia anterior (como se ejemplifica en la tercera columna de la
Tabla 5.7).
2. Se obtiene la posicin de la mediana al sumarle 1 al total de
91 1 92
46 . El valor de
observaciones y se divide entre dos:
2
2
la mediana ocupa la posicin 46.

3. Se localiza la posicin de la mediana (46) en la columna de frecuencia
acumulada, la que est contenida en la fa 60 .
4. Se identifica a qu puntaje o valor corresponde la fa 60 , en este
caso le corresponde al 6, por lo que ste es el valor que divide la
distribucin en dos partes iguales Mdn 6 errores ortogrficos .
Tabla 5.7. Errores de ortografa en un

ensayo de 10 cuartillas
No. de
Obtencin
errores
de fa
fa
2+7=9
14
9+14=23
23
21
23+21=44
44
16
44+16=60
60
12
60+12=72
72
72+9=81
91
81+8=89
89
10
89+2=91
91
Mdn=6
En esta fa se encuentran
contenidas desde la
primera hasta la posicin
60. Por lo que es aqu en
donde se ubica la
posicin 46
= 91
De acuerdo al valor de la mediana se puede afirmar que el 50% de los
estudiantes cometi 6 o ms errores de ortografa, o bien, que el 50% obtuvo 6
o menos errores.
La mediana se representa grficamente, lo que se consigue trazando el polgono

de frecuencias del nmero de errores de ortografa, posteriormente en el eje de
las X se ubica el valor de la mediana y se traza una lnea paralela al eje de las
Y, hasta tocar los bordes del polgono, tal y como aparece en la figura 5.12.
25
20
15
f
10
Mdn= 6
5
Nmero de errores
Figura 5.12. Nmero de errores de ortografa.
La mediana exacta con distribuciones de frecuencia simple

La mediana exacta cuando los datos estn organizados en una distribucin de
frecuencia simple, se calcula utilizando la frmula siguiente:
n
fa
2
Mdn Li
f
En donde:
Li Lmite inferior real de la clase que contiene a la mediana aproximada
n Nmero total de observaciones
fa Frecuencia acumulada anterior al puntaje que contiene a la mediana
aproximada
f Frecuencia del puntaje en el que se encuentra la mediana

aproximada
Para obtener la mediana exacta con los datos presentados en la tabla 8, hay que
seguir los siguientes pasos:
1. Obtener la posicin de la mediana al dividir el total de observaciones entre

91
dos: 45.5 . El valor de la mediana ocupa la posicin 45.5.

2
2. Se obtiene la frecuencia acumulada para la distribucin.

3. Se localiza la posicin de la mediana en la columna de frecuencia
acumulada (la que se encuentra en la fa 60 ).
4. Se identifica que el valor que ocupa la posicin nmero 45.5,
corresponde a 6 errores de ortografa, siendo ste el valor con base al
cual se desarrolla la frmula.
n
fa
2
Mdn Li
f
De acuerdo a los datos de la tabla 5.8, se tiene:

Li 5.5 (se obtiene restando .5 al 6, que es el valor que contiene a la
mediana aproximada)
n 91
fa 44
fi 16
Tabla 5.8. Errores de ortografa en un

ensayo de 10 cuartillas
Lmite inferior
No. de
real (Li)
errores
fa
1.5
2.5
3.5
14
23
4.5
21
44
5.5
16
60
6.5
12
72
7.5
91
8.5
89
9.5
10
91
Mdn =
6
fa
n=91
Sustituyendo:
n
91
44
fa
2
5.5 2
5.5 45.5 44 5.5 1.5
Mdn Li
f
16
16
16
5.5 0.0938 5.5939 6 Mdn 6
Empleando esta frmula se tiene el mismo resultado
Mdn 6
que con el
procedimiento de la mediana aproximada, sin embargo, con este procedimiento

se obtiene en lugar de un valor aproximado (mediana aproximada) un valor
exacto (mediana exacta).
La mediana exacta en distribuciones de frecuencia agrupada

Su clculo se realiza de manera similar al de las distribuciones de frecuencia
simple, con la salvedad de que en la frmula, se incluye la amplitud de intervalo
de clase.
fa
2
c
Mdn Li
f
En donde:
Li Lmite inferior real del intervalo que contiene a la mediana
aproximada
n Nmero total de observaciones
fa Frecuencia acumulada anterior al intervalo que contiene a la
mediana aproximada
f Frecuencia del intervalo en el que se encuentra la mediana

aproximada
c Amplitud del intervalo de clase (nmero de elementos que contiene

el intervalo, se obtiene Ls Li 1 ).
Para ilustrar lo anterior, considrese el nmero de aciertos en el examen de

ingreso a la carrera de Psicologa por 130 estudiantes, para la estimacin de la
mediana exacta con datos en una distribucin de frecuencia agrupada (ver tabla
5.9).
Para identificar el intervalo que contiene a la mediana aproximada se divide el
n
total de observaciones entre dos, y el resultado se busca en la columna de
2
frecuencia acumulada.
Tabla 5.9. Nmero de aciertos en el

examen de ingreso a la carrera de
Psicologa
Intervalo
que
contiene a
la Mediana
Intervalo de clase
fa
21 35
20
20
36 50
25
45
51- 65
45
90
66- 80
15
105
81- 95
15
120
96- 110
10
130
fa
n 130
n 130
65 , valor que
El total de observaciones n=130, se divide entre dos:
2
2
indica que la mediana aproximada ocupa la posicin 65, se busca en la columna

de la frecuencia acumulada; en este ejemplo, la frecuencia 65 se ubica en el
intervalo de 51 a 65 aciertos. Una vez identificado el intervalo, el lmite inferior
real corresponde a 50.5, se determina la amplitud del intervalo de clase que
corresponde a 15 y con esta informacin se procede a desarrollar la frmula.
En donde:
Li 50.5 51 .05 50.5
n 130
fa 45
f 45
c 15 65 51 1 15
Sustituyendo:
130
45
fa
2
c 50.5 2
15 50.5 65 45 15
Mdn Li
f
45
45
20
50.5 15 50.5 0.444415 50.5 6.666
45
57.16 57Mdn 57
Por lo que en este caso, el valor que divide la distribucin en dos partes iguales
es 57 Mdn 57 , es decir, el 50% de los aspirantes obtienen 57 o ms aciertos
en el examen de ingreso a la carrera de Psicologa.
Su representacin grfica se obtiene de la misma forma sealada con la

distribucin de frecuencia simple (ver figura 5.13).
50
40
30
20
Mdn=57
10
0
28
43
58
73
88
103
Aciertos
Figura 5.13. Nmero de aciertos en un examen de ingreso a la universidad.
La media
La media es el ndice de tendencia central ms sensible, importante, y
frecuentemente utilizado en el anlisis de las investigaciones psicolgicas.
Se define como la suma de las puntuaciones o valores de la caracterstica

medida, dividida entre el nmero total de puntuaciones, por lo que en esencia es
un promedio. Es comn encontrar en los textos de estadstica denotar a la media
como X , sin embargo, tambin puede encontrarse en algunos textos de
Psicologa como Y .
La expresin numrica para la obtencin de la media es:

n
X
i 1
En donde:
X Notacin de la media y se le refiere como X barra o testada
n Nmero de valores observados
X i Cada uno de los elementos del conjunto de datos observados
La definicin y frmula anterior corresponden a lo que se denomina media

aritmtica, la ms usual y frecuente.
A fin de mostrar la obtencin de la media aritmtica, considrese el nmero de

errores de tipo ortogrfico, durante una tarea de dictado, a cinco nios de
segundo ao. Donde el nmero de errores por nios fue: 8, 10, 12, 13 y 14,
identificando los elementos de la frmula de la media, se tiene que:
n5
X i 8, 10, 12, 13, y 14
Sustituyendo en frmula de la media:
n 5
X
i 1
8 10 12 13 14 57
11.4 11
5
5
Este resultado indica que los cinco nios cometieron en promedio 11 errores de
tipo ortogrfico en la tarea de dictado X 11 .
La media en distribuciones de frecuencia simple

El clculo de la media en distribuciones de frecuencia simple se obtiene
desarrollando la siguiente frmula:
fX
i 1
En donde:
X Notacin de la media
X i Cada uno de los elementos del conjunto
f i Nmero de veces (frecuencia) con que aparece cada uno de los

elementos del conjunto
fi X i Producto de cada uno de los elementos del conjunto por su

frecuencia
Continuando con el ejemplo anterior, pero con un mayor nmero de datos, se

presenta en el tabla 5.10 una distribucin de frecuencia de los errores de tipo
ortogrficos que cometieron 48 nios.
Tabla 5.10. Nmero de errores ortogrficos

que cometieron 48 nios de segundo ao de
primaria
N de errores
Xi
fi
fi X i
32
54
10
90
11
11
121
12
108
13
78
14
42
n 48
fX
n 48
525
i 1
Sustituyendo en la frmula se tiene que:

n 48
fX
i
i 1
8 4 9 6 10 9 1111 12 9 13 6 14 3
48
525
10.93 11
48
Este resultado indica que en promedio los cuarenta y ocho nios cometieron 11
errores ortogrficos en el dictado ( X 11 ) y la media se representa en la figura
5.14.
12
10
f
4
Media=11
2
0
8
10
11
12
13
14
Errores de ortografa
Figura 5.14. Nmero de errores de ortografa de un grupo de 48

nios de 2 ao de primaria.
La media en distribuciones de frecuencia agrupada

El clculo de la media en distribuciones de frecuencia agrupada, se obtiene
desarrollando la misma frmula que se emplea con distribuciones de frecuencia
simple, con la variante de que se toma X i como el punto medio del intervalo de
clase:
n
fX
i 1
En donde:
X Notacin de la media
X i Punto medio del intervalo de clase
Li Ls
2
f i Frecuencia (nmero de veces) con que aparece cada uno de los

elementos del conjunto de datos
fi X i Producto de cada punto medio por su frecuencia
A partir del ejemplo del nmero de aciertos en el examen de ingreso a la carrera

de Psicologa, se calcular la media para datos agrupados (ver tabla 5.11):
Tabla 5.11. Distribucin de frecuencia de los aciertos obtenidos en el

examen de ingreso a la carrera de Psicologa en una universidad
Intervalo de clase
Punto medio
Xi
fi
fi X i
21 - 35
28
20
560
36 - 50
43
25
1075
51 - 65
58
45
2610
66 - 80
73
15
1095
81 - 95
88
15
1320
96 - 110
103
10
1030
n 130
fX
i
n 130
i 1
7690
Sustituyendo la sumatoria de los productos de cada uno de los valores de X i

n 130
por su respectiva frecuencia f i X i 7690 en la frmula:

i 1
n 130
i 1
fi X i
n
7690
59
130
Conociendo la media, se tiene que los 130 estudiantes obtuvieron en promedio

59 aciertos ( X 59 ) en el examen de ingreso a la universidad (ver figura 5.15).
50
40
30
f
20
10
Media=59
0
28
43
58
73
88
103
Aciertos
Figura 5.15. Nmero de aciertos en el examen de ingreso a

la carrera de Psicologa en una universidad.
Propiedades de la media
La media tiene dos propiedades que es importante conocer y tener presentes.
a) La primera propiedad enuncia, que la suma de las desviaciones de las

puntuaciones respecto a la media es igual a cero, representndola
estadsticamente:
n
X 0
i 1
Para ilustrar esta propiedad se deben seguir los siguientes pasos:

n
1. Obtener la media X
X
i 1
2. Restar la media a cada una de las puntuaciones
X
n
3. Sumar estas diferencias
X i X
i 1
Para ejemplificar esta propiedad en la tabla 5.12, se presentan los errores de

sustitucin de la letra b por d en un dictado de una prosa, en cinco nios que
cursan el tercer ao de primaria.
Tabla 5.12. Errores de sustitucin

en el dictado de una prosa
Xi
Xi X
10
n 5
i 1
n5
30
n 5
X
i 1
X 0
Siguiendo los pasos sealados se tiene:

n 5
1- Media X
X
i 1
30
6
5
2- Restar la media a cada una de las puntuaciones
X X 2 6 4 6 6 6 8 6 10 6
3- Sumar estas diferencias
n 5
X X 4 2 0 2 4 0
i 1
n 5
Esto es:
X
i 1
X 0
Al sumar las diferencias de cada puntaje con respecto a la media, la suma es

igual a 0, tal y como lo enuncia esta primera propiedad.
b) La segunda propiedad de la media enuncia, que la suma de los cuadrados

de las desviaciones respecto a la media, es menor que la suma de los
cuadrados de las desviaciones respecto a cualquier otro valor del conjunto
de datos observados, que no sea la media. Esta propiedad se conoce
como mnimos cuadrados y en notacin estadstica se expresa como:
n
Xi X
i 1
n
2
Xi Xn
i 1
Para mostrar esta propiedad, nuevamente se recurre a los datos de los errores
de sustitucin de la letra b por d.
En la tabla 5.13 se presentan los clculos necesarios para poder desarrollar la

suma de los cuadrados de las diferencias respecto a la media ( X 6 ).
n
Xi X
i 1
1) Obtener la diferencia de cada puntaje con respecto a la media
2 6 , 4 6 , 6 6 , 8 6 y 10 6
2) Elevar a cuadrado cada una de las diferencias de los puntajes con

respecto a la media
3) Sumar cada una de las diferencias elevadas al cuadrado
n 5
X 2 6 4 6 6 6 8 6 10 6
2
i 1
2 0 2 4 16 4 0 4 16 40
2
n 5
Esto es:
X
i 1
40
Tabla 5.13. Desarrollo numrico de los cuadrados

de las diferencias respecto a la media
Xi
Xi X
X i X 2
X1 2
16
X2 4
X3 6
X4 8
X 5 10
16
n 5
i 1
30
n 5
X X 0
i 1
n 5
X
i 1
i X
40
n5
El desarrollo para obtener la suma de los cuadrados de las desviaciones

respecto a cualquier otro valor del conjunto de datos observados, que no sea la
n
2
media X i X n , se presenta en la tabla 5.14 y como se puede tomar
i 1
cualquier valor, en este ejemplo se elige el segundo valor X 2 4 . Por lo que:
1) Obtener la diferencia de cada puntaje con respecto al valor igual a 4
X 2 4
X i X 2 2 4, 4 4, 6 4, 8 4, 10 4
2) Elevar al cuadrado cada una de las diferencias de los puntajes con
respecto al valor cuatro X 2 4
X i X 2 2 2 42 , 4 42 , 6 42 , 8 42 , 10 42
3) Sumar cada una de las diferencias elevadas al cuadrado

n 5
Xi X 2
i 1
n 5
X i 4 2 0 2 4 6
2
i 1
4 0 4 16 36 60
n 5
Esto es:
X
i 1
X 2 60
2
Tabla 5.14. Desarrollo numrico para obtener la suma de

los cuadrados de las desviaciones respecto a X 2 4
Xi
Xi 4
X i 4 2
X1 2
-2
X2 4
X3 6
X4 8
16
X 5 10
36
n 5
30
i 1
n 5
X
i 1
4 60
2
n5
Con lo anterior queda demostrada la segunda propiedad de la media, siendo

menor la sumatoria de los cuadrados de las desviaciones de los puntajes con
respecto a la media, que la sumatoria de los cuadrados de las desviaciones de
los puntajes con respecto a cualquier otro valor.
n
Xi X
i 1
n
2
40
<
X i X n 60
i 1
Medidas de dispersin
La dispersin se refiere a la variabilidad que existe en un conjunto de
observaciones, de tal manera que si todas las puntuaciones son iguales no hay
variabilidad, pero s las puntuaciones son diferentes, la variabilidad se presenta
en mayor o menor medida. La magnitud de esta variabilidad ser mayor, cuando
existan diferencias considerables entre las puntuaciones de un conjunto de
datos; por otro lado esta magnitud ser menor cuando las diferencias entre las
puntuaciones sean muy pequeas. Los ndices estadsticos descriptivos que
permiten estimar cuantitativamente este grado de dispersin, variabilidad o
heterogeneidad de un conjunto de datos, son las medidas de dispersin.
Las medidas de dispersin a revisar en este apartado son: el rango, la desviacin

estndar, la varianza y el coeficiente de variabilidad. Para poder calcular estas
medidas es necesario que las variables sean numricas.
El rango
El rango permite conocer la variacin o dispersin total de un conjunto de
observaciones; es el ndice de dispersin ms sencillo de conocer, ya que slo
es necesario obtener la diferencia entre el puntaje ms alto Pa y el puntaje
ms bajo Pb .
Con el fin de mostrar la obtencin del rango, considrese el siguiente conjunto

de datos que representa el nmero de berrinches de un nio, registrados durante
cinco das: 8, 9, 10, 11, 12. Con estos datos, el rango se obtiene al restar de la
puntuacin ms alta la puntuacin ms baja, esto es, Pa Pb 12 8 4 , por lo
que la variacin total de los berrinches del nio durante los cinco das de registro
fue de 4.
Este rango es conocido como rango excluyente, por que deja fuera una de las
puntuaciones, es decir, al tener 5 datos y el obtener un rango de 4 se excluye un
valor. Para no dejar una puntuacin fuera se puede recurrir al rango incluyente,
el que se obtiene al sumar una unidad al resultado de la diferencia entre la
puntuacin ms alta y la ms baja Pa Pb 1 12 8 1 5 , en este caso s
se consideran los cinco los valores.
Rango en distribuciones de frecuencia simple y frecuencia agrupada

El rango es una medida que no est influida por la frecuencia en la que se
presentan los datos, de este modo tanto en una distribucin de frecuencia simple
como en una agrupada, para obtener el rango, slo se requiere restar a la
puntuacin ms alta la puntuacin ms baja Pa Pb , tal y como se realiz con
los datos organizados de menor a mayor.
Para ejemplificar la obtencin del rango de datos organizados en una distribucin
de frecuencia simple, en la tabla 5.15 se presenta la distribucin del nmero de
errores de ortografa en un ensayo de 10 cuartillas en que incurren 91
estudiantes de nivel medio superior, obtenindose un rango de variacin total de
8 errores ortogrficos, dado que la puntuacin ms alta es 10 y la ms baja es 2
( Pa Pb 10 2 8 )
Tabla 5.15. Errores de ortografa

en un ensayo de 10 cuartillas
Puntuacin
ms baja
Puntuacin
ms alta
N de errores
fi
14
21
16
12
10
2
n 91
Para obtener el rango de variacin de datos presentados en una distribucin de

frecuencia agrupada, considrese la distribucin del nmero de aciertos logrados
en el examen de ingreso a la carrera de Psicologa, por 130 estudiantes (ver
tabla 5.16). Como la puntuacin ms alta es 110 y la ms baja 21, se tiene que
el rango de variacin de los aciertos en el examen es de 89 aciertos, dado que
Pa Pb 110 21 89 .
Tabla 5.16. Aciertos obtenidos en

el examen de ingreso a la carrera
de Psicologa
Puntuacin
ms baja
Puntuacin
ms alta
Intervalo de clase
fi
21 - 35
20
36 - 50
25
51 - 65
45
66 - 80
15
81 - 95
15
96 - 110
10
n 130
Desviacin estndar o tpica

Es la medida estadstica descriptiva ms ampliamente utilizada para la
estimacin de la dispersin o variabilidad de un conjunto de observaciones;
mediante este ndice se analiza y mide la variacin de las caractersticas de las
variables en estudio, entre individuos.
La desviacin estndar s , se define como el promedio de dispersin de un
conjunto de observaciones con respecto a su media.
Para el clculo de la desviacin estndar se requiere de las desviaciones de los

puntajes con respecto a la media
cuadrado
X i X 2 ,
X i X ,
elevadas cada una de ellas al
para posteriormente sumarlas. Elevar al cuadrado las
diferencias entre cada uno de los valores y su media evita que al obtener la
sumatoria, sta sea igual a cero. La suma de las diferencias al cuadrado es
conocida como suma cuadrtica o suma de cuadrados, la cual se divide entre el
total de observaciones y del resultado de la divisin, se obtiene raz cuadrada, lo
que nos proporciona el valor de la desviacin estndar.
Enseguida se presentan los pasos a seguir cuando se calcula la desviacin

estndar con datos organizados de menor a mayor o de mayor a menor, tanto
en distribuciones de frecuencia simple como en datos agrupados.
La frmula para obtener el valor de la desviacin estndar en un conjunto de

datos organizados de mayor a menor o de menor a mayor es:
i 1
En donde:
s Smbolo de la desviacin estndar
X i X Restar la media a cada uno de los puntajes

X i X 2 Elevar al cuadrado cada una de las diferencias
X
n
X
2
Sumar cada
una de
las
diferencias elevadas al
i 1
cuadrado (suma cuadrtica o suma de cuadrados)
X
n
i 1
Dividir la suma de cuadrados entre el nmero de datos
X
n
obtener la raz cuadrada de la suma de cuadrados entre

n
el nmero de datos
i 1
Ejemplo. Al aplicar el inventario de depresin de Beck a ocho estudiantes

universitarios, se obtienen los puntajes que aparecen en la tabla 5.17; en donde
tambin se muestran los clculos necesarios implicados en el desarrollo de la
frmula:
n 8
i 1
Tabla 5.17. Puntajes de depresin en el inventario de Beck

obtenidos por 8 estudiantes universitarios
Xi
X i X
X i X 2
39
-12.13
147
44
-7.13
50.77
48
-3.13
9.766
51
-0.13
0.0156
53
1.88
3.516
56
4.88
23.77
58
6.88
47.27
60
8.88
78.77
n 8
X
i 1
n 8
409
i 1
361
n 8
Desarrollando la frmula:
1) Clculo de la media
n 8
X
i 1
409
51.13
8
2) Obtener la diferencia (restar) de cada puntaje con respecto a la media
X (39 51.13),(44 51.3), 48 51.13 ,...,(60 51.13)
3) Elevar al cuadrado cada una de las diferencias de los puntajes con

respecto a la media
( 12.13) 2 ,( 7.13) 2 , 3.13 ,...,(8.88) 2

2
4) Sumar las diferencias al cuadrado y dividirlas entre el nmero de datos

n 8
X
i 1
147 50.7 9.766 ... 78.77 361
45.13
8
8
5) Obtener la raz de la sumatoria de las diferencias al cuadrado entre el

nmero de datos
n 8
i 1
i X
45.13 6.7
La desviacin estndar para estos datos es de 6.7, redondeando 7 s 7 , es

decir, en promedio los puntajes de depresin varan 7 puntos con relacin a la
media.
Desviacin estndar para distribuciones de frecuencia simple

La estimacin de la desviacin estndar para datos presentados en esta
modalidad a diferencia de como se calcul con los datos ordenados, requiere
incorporar a la frmula, la multiplicacin de las frecuencias con que aparecen los
datos en la distribucin, por las desviaciones al cuadrado de cada puntaje con
respecto a la media, tal y como lo indica la frmula:
f X
n
i 1
En donde:
X i X Restar la media a cada uno de los puntajes

fi X i X Multiplicar la frecuencia con que aparecen los datos por
cada una de las diferencias elevadas al cuadrado
2
f X
i
X Sumar los productos de las frecuencias por cada una

2
i 1
de las diferencias elevadas al cuadrado
f X
i
i 1
Dividir la suma, de los productos de las frecuencias por

n
cada una de las diferencias elevadas al cuadrado, entre el
nmero de datos
f X
i
Obtener la raz cuadrada de la divisin de los productos
i 1
de las frecuencias por cada una de las diferencias elevadas al

cuadrado, entre el nmero de datos
Para mostrar su desarrollo en la tabla 5.18 se muestran los puntajes de

depresin en el inventario de Beck, obtenidos por 35 estudiantes universitarios,
y las operaciones requeridas para el desarrollo de la frmula.
Tabla 5.18. Desarrollo numrico para obtener la desviacin estndar con

el mtodo de las diferencias cuadrticas
X i X X
fi X i X
Xi
fi
fi X i
39
117
-11.14
124.1
372.3
44
176
-6.140
37.70
150.8
48
336
-2.140
4.580
32.06
51
408
0.860
0.740
5.917
53
318
2.860
8.180
49.08
56
224
5.860
34.34
137.4
58
116
7.860
61.78
123.6
60
60
9.860
97.22
97.22
n 35
n 35
fi X i 1755
i 1
n 35
f X
i
i 1
X 968.3
2
Desarrollando:
1) Estimacin de la media
n 35
fX
i
i 1
1755
50.14
35
2) Restar la media a cada uno de los puntajes
X (39 50.14),(44 50.14), 48 50.14 ,...,(60 50.14)
3) Elevar al cuadrado cada una de las diferencias
( 11.14) 2 ,( 6.14) 2 , 2.14 ,...,(9.86) 2

2
4) Multiplicar la frecuencia con que aparecen los datos, por cada una de las
diferencias elevadas al cuadrado
n 35
f X
i 1
3(124.1),4(37.7),7 4.58 ,...,1(97.22)
5) Sumar los productos de las frecuencias por cada una de las diferencias
elevadas al cuadrado
n 35
f X
i 1
372.3 150.8 32.06 ... 97.22 968.3
6) Dividir la suma, de los productos de la frecuencia por cada una de las

diferencias elevadas al cuadrado, entre el nmero de datos
n 35
f X
i 1
968.3
27.67
35
7) Obtener la raz cuadrada de la divisin de los productos de la frecuencia

por cada una de las diferencias elevadas al cuadrado, entre el nmero de
datos
n 35
f X
i
i 1
27.67 5.26 5
La desviacin estndar para estos datos es de 5 s 5 , por lo que se dice que

el promedio de dispersin de los puntajes de depresin con respecto a su media,
es de 5 puntos para la muestra estudiada.
La estimacin de la desviacin estndar utilizando el clculo de las diferencias

al cuadrado, tal y como en los ejemplos anteriores se realiz, se designa como
el mtodo de las diferencias cuadrticas.
Existe un mtodo alterno para conocer la desviacin estndar, que se desarrolla

sin calcular los cuadrados de las desviaciones de las puntuaciones con respecto
a la media, se efecta con los puntajes originales, por lo que se le denomina
mtodo de puntuaciones originales y proporciona el mismo resultado que el
mtodo de desviaciones al cuadrado, su frmula es:
f X
i 1
En donde:


X La media
f i X i Multiplicacin
2
de
cada
uno
de
elevado l cuadrado por su frecuencia
los
elementos
del
conjunto
Desarrollando este mtodo de puntuaciones originales, con el ejemplo anterior

se tiene que (ver tabla 5.19):
Tabla 5.19. Desarrollo numrico para obtener la desviacin
estndar con el mtodo de puntuaciones originales
fi ( X i )2
Xi
fi
fi X i
Xi
39
117
1521
4563
44
176
1936
7744
48
336
2304
16128
51
408
2601
20808
53
318
2809
16854
56
224
3136
12544
58
116
3364
6728
60
60
3600
3600
n 35
n 35
fi X i 1755
i 1
n 35
f (X )
i
88969
i 1
1) Elevar al cuadrado cada una de las puntuaciones
Xi
(39)2 ,(44)2 ,(48)2 ,...,(60)2
2) Multiplicar la frecuencia de cada puntaje por el cuadrado de cada una de

las puntuaciones
f i ( X i ) 2 3(1521), 4(1936),7 2304 ,...,1(3600)
3) Obtener la sumatoria de los productos de las frecuencias por el cuadrado

de cada uno de los valores observados
n 35
f (X )
i 1
4563 7744 16128 ... 3600 88969
Didividir la suma de los productos de las frecuencias por el cuadrado de

las puntuaciones entre el nmero de estudiantes
n 35
f (X )
i 1
88969
2541
35
4) Obtener la media y elevarla al cuadrado

n 35
fX
i
i 1
1755
50.14
35
( X )2 (50.14)2 2514
5) Restar a la divisin, de la sumatoria de los productos de las frecuencias

por el cuadrado de las puntuaciones entre el nmero de observaciones,
la media elevada al cuadrado (X ) 2
n 35
f (X )
i
i 1
( X ) 2 2541 2514 27
6) Obtener la raz cuadrada
n 35
f (X )
i
i 1
X 27 5.196 5
2
Como se puede observar, con el mtodo de puntuaciones originales y el de

diferencias al cuadrado, se obtiene el mismo resultado, una desviacin estndar
de 5 puntos en el inventario de depresin s 5 .
Desviacin estndar para distribuciones de frecuencia agrupada

El clculo de la desviacin estndar en distribuciones de frecuencia agrupada, al
igual que ocurre con las distribuciones de frecuencia simple se puede realizar
tanto con el mtodo de puntuaciones originales como por el de las diferencias
cuadrticas, con la salvedad de que el valor de X i corresponde al punto medio
o marca de clase de cada intervalo. Enseguida se muestra su estimacin con el
mtodo de diferencias cuadrticas y su desarrollo mediante la expresin:
f X
n
i 1
En donde:
X i X
Restar la media a cada uno de los puntajes (punto medio)

f1 X i X Multiplicar la frecuencia por cada una de las
2
diferencias
n
f X
i
X Sumar los productos de la frecuencia por cada una de

2
i 1
las diferencias elevadas al cuadrado

n
f X
i
i 1
Dividir la suma de los productos de la frecuencia por
cada una de las diferencias elevadas al cuadrado, entre el nmero de

datos
n
f X
i
i 1
Obtener la raz cuadrada de la divisin de los
productos de la frecuencia por cada una de las diferencias

elevadas al cuadrado, entre el nmero de datos
En la tabla 5.20, se despliegan los puntajes de depresin alcanzados en el

inventario de Beck por una muestra de 60 estudiantes universitarios, as como
las operaciones necesarias para la estimacin de la desviacin estndar con
datos agrupados, mediante el mtodo de diferencias cuadrticas.
Tabla 5.20. Puntajes de depresin obtenidos por 60 estudiantes en el inventario

de Beck y desarrollo numrico para la estimacin de la desviacin estndar con
el mtodo de diferencias cuadrticas
Intervalos
PM
fi
X i X X
fi X i
fi X i X
Xi
10-19
14.5
43.50
-44
1936
5808
20-29
24.5
98.00
-34
1156
4624
30-39
34.5
241.5
-24
576
4032
40-49
44.5
356.0
-14
196
1568
50-59
54.5
490.5
-4
16
144
60-69
10
64.5
645.0
36
360
70-79
74.5
521.5
16
256
1792
80-89
84.5
507.0
26
676
4056
90-99
94.5
283.5
36
1296
3888
100-109
104.5
209.0
46
2116
4232
110-119
114.5
114.5
56
3136
3136
n 60
n 60
fX
i
i 1
3510
n 60
f X
i 1
33640
1) Calculando la media se tiene que

n 60
fX
i
i 1
3510
58.5
60
2) Restar la media X a cada punto medio

X i X (14.5 58.5),(24.5 58.5), 34.5 58.5 ,...,(114.5 58.5)
3) Elevar al cuadrado los valores obtenidos al restar la media a cada punto

medio ( X i )
( 44) 2 ,( 34) 2 , 24 ,...,(56) 2

2
4) Multiplicar la frecuencia con que aparece cada uno de los datos, por cada
una de las diferencias elevadas al cuadrado
fi X i X
3(1936), 4(1156),7(576),...,1(3136)
n 60
f X
i 1
i X
5808 4624 4032 ... 3136 33640
6) Dividir la suma de los productos, de la frecuencia por cada una de las

diferencias elevadas al cuadrado, entre el nmero de datos
n 60
f X
i 1
33640
560.7
60
7) Obtener la raz cuadrada de la divisin de los productos de la frecuencia

por cada una de las diferencias elevadas al cuadrado, entre el nmero de
datos
n 60
f X
i 1
560.7 23.68 24
La desviacin estndar para estos datos es de 23.68
s 24 ,
esto es, los
puntajes de depresin varan 24 puntos con respecto a su media para la muestra

estudiada.
Para la estimacin de la desviacin estndar con puntuaciones originales, se
desarrolla la siguiente expresin:
f X
i 1
En donde:

X i Punto medio (PM) de cada intervalo

X Media
fi ( X i )2 Multiplicacin de cada uno de los elementos del conjunto

elevados al cuadrado por su frecuencia
A fin de ejemplificar la estimacin de la desviacin estndar con este mtodo de

puntuaciones originales para datos agrupados, en la tabla 5.21 se muestran los
puntajes de depresin de 60 estudiantes en el inventario de Beck y los clculos
para su desarrollo.
Tabla 5.21. Puntajes de depresin de 60 estudiantes en el inventario de Beck

y desarrollo numrico para la estimacin de la desviacin estndar con el
mtodo de puntuaciones originales
PM
fi ( X i )2
fi X i
Xi
14.5
43.50
210.3
630.8
24.5
98.00
600.3
2401
30-39
34.5
241.5
1190
8332
40-49
44.5
356.0
1980
15842
50-59
54.5
490.5
2970
26732
60-69
10
64.5
645.0
4160
41603
70-79
74.5
521.5
5550
38852
80-89
84.5
507.0
7140
42842
90-99
94.5
283.5
8930
26791
100-109
104.5
209.0
10920
21841
110-119
114.5
114.5
13110
13110
Xi
fi
Xi
10-19
20-29
n 60
n 60
fX
i 1
3510
n 60
f (X )
i 1
238975
Sustituyendo:
1) Elevar al cuadrado cada uno de los valores observados (punto medio)
Xi
(14.5)2 ,(24.5)2 ,(34.5)2 ,...,(114.5) 2
2) Multiplicar la frecuencia de cada intervalo por el cuadrado de cada uno

de los valores observados
f i ( X i )2 3(210.3),4(600.3),7(1190)...,1(13110)
n 60
f (X )
i 1
630.8 2401 8332 ... 13110 238975
4) Dividir la sumatoria, de los productos de las frecuencias por el cuadrado

de los valores observados, entre el nmero de datos observados
n 60
f (X )
i 1
238975
3982
60
( X )2 (58.5)2 3422
6) Restar a la divisin, de la sumatoria de los productos de las frecuencias
n 60
f (X )
i 1
( X ) 2 3982 3422 560
7) Obtener la raz cuadrada
n 60
i 1
fi ( X i )2
n
560 23.66 24
Como se puede apreciar con cualquiera de los dos mtodos, desviaciones

cuadrticas o puntuaciones originales, se obtiene el mismo resultado, una
desviacin estndar de 24 puntos en el inventario de depresin s 24 .
La varianza
La varianza s 2 , al igual que la desviacin estndar, es una medida a la que se

recurre con mucha frecuencia para la estimacin de la variabilidad o dispersin
de un conjunto de observaciones con respecto a su media. De la misma manera
que con la desviacin estndar, el desarrollo numrico para su obtencin, implica
la estimacin de la sumatoria de las diferencias cuadrticas de los puntajes con
n
respecto a la media X i X
i 1
. Sumatoria que se divide entre el total de

2
observaciones, lo que nos proporciona el valor de la varianza. Por lo que la

varianza se define como el promedio cuadrtico de dispersin y simblicamente
se representa como:
X
n
s2
i 1
En donde:
s 2 Smbolo de la varianza
X i X Restar la media
X X 2
X
n
a cada uno de los puntajes
Elevar al cuadrado cada una de las diferencias
X Sumar cada una de las diferencias elevadas al cuadrado

2
i 1
(suma cuadrtica o suma de cuadrados)

n
X
i 1
= Dividir la suma de cuadrados entre el nmero de datos
Ejemplo. En la tabla 5.22 aparece el nmero de cigarrillos, que reportan fumar

cinco personas al da, as como los clculos necesarios para la estimacin de la
varianza siguiendo los siguientes pasos: 1) calcular la media, 2) obtener la
diferencia de cada puntaje con respecto a la media, 3) elevar al cuadrado cada
una de las diferencias, 5) sumar cada una de las diferencias cuadrticas (suma
de cuadrados) y 6) dividir la suma de cuadrados entre el nmero de
observaciones.
Tabla 5.22. Nmero de cigarros fumados por

cinco personas en un da y los clculos
necesarios para la estimacin de la varianza
N de cigarros
Xi
X i X
X i X 2
-4
16
-2
10
16
n 5
X
5
X i 30
i 1
i 1
40
n5
Sustituyendo los clculos:

n 5
1) X
X
i 1
X
i 1
X 40
n 5
3) s 2
30
6
5
2)
X
i 1
16 4 0 4 16 40
8
5
5
La varianza para estos datos es de 8 s 2 8 , es decir, la dispersin o variabilidad

cuadrtica promedio, del nmero de cigarros fumados por cinco personas en un
da es de 8.
La varianza en distribuciones de frecuencia simple

La varianza en distribuciones de frecuencia simple mediante el mtodo de las
diferencias cuadrticas se obtiene al desarrollar la siguiente frmula:
s2
f X
i 1
En donde:
X i X Restar (diferencia) la media a cada uno de los puntajes

X X 2
Elevar al cuadrado cada una de las diferencias
fi X i X Multiplicar la frecuencia por cada una de las diferencias

2
n
f X
i
X Sumar el producto de la frecuencia por cada una de las

2
i 1
diferencias elevadas al cuadrado
f X
n
i 1
= Dividir la suma del producto de la frecuencia por cada una
de las diferencias elevadas al cuadrado, entre el nmero de datos
Ejemplo. En la tabla 5.23 se presenta el nmero de pensamientos negativos en

un da que reportan tener un grupo de 26 personas, as como los clculos
necesarios para sustituir en la frmula de la varianza.
Como primer paso se obtiene la media:
n 26
i 1
fi X i 304
11.69
n
26
Una vez que se conoce la media se realizan los clculos como se muestra en la
tabla 5.23, para finalmente sustituir en la frmula.
Tabla 5.23. Nmero de pensamientos negativos en un da en un

grupo de 26 personas y desarrollo numrico para la estimacin de
la varianza con el mtodo de diferencias cuadrticas
X i X X
fi X i X
Xi
f1
fi X i
-3.69
13.62
13.62
-2.69
7.236
7.236
10
30
-1.69
2.856
8.568
11
55
-0.69
0.4761
2.381
12
108
0.31
0.0961
0.8649
13
52
1.31
1.716
6.864
14
42
2.31
5.336
16.01
n 26
n 26
fi X i
i 1
n 26
f X
i
X
2
i 1
304
55.54
Sustituyendo:
1) Restar la media a cada valor ( X 11.69 )
X X (8 11.69),(9 11.69),(10 11.69),...,(14 11.69)

X X
( 3.69) 2 ,( 2.69) 2 ,( 1.69) 2 ,...,(2.31) 2
3) Multiplicar por su frecuencia cada una de las diferencias al cuadrado

f i ( X i X ) 2 1(13.62),1(7.236),3(2.856),...,3(5.336)
n 26
f X
i 1
13.62 7.236 8.568 ... 16.01 55.54
5) Dividir la suma anterior entre el nmero de datos

n 26
s2
f (X
i 1
X )2
55.54
2.14 2
26
La varianza para el nmero de pensamientos negativos es de 2.14, es decir, el

promedio de variabilidad cuadrtica, redondeando es de 2.
Como en la desviacin estndar, es posible la estimacin de la varianza sin
calcular las desviaciones de las puntuaciones con respecto a la media, utilizando
el mtodo de puntuaciones originales, procedimiento que proporciona el mismo
resultado que el mtodo de desviaciones al cuadrado, su frmula es:
n
s2
f (X )
i 1
( X )2
En donde:

X Media
fi X i Multiplicacin de cada uno de los elementos del conjunto por su

frecuencia
En la tabla 5.24 aparecen los clculos a seguir para obtener la varianza mediante
este procedimiento de puntuaciones originales.
Tabla 5.24. Nmero de pensamientos negativos en un da en un grupo

de 26 personas y desarrollo numrico para la estimacin de la varianza
con el mtodo de puntuaciones originales
fi ( X i )2
Xi
fi
fi X i
Xi
64
64
81
81
10
30
100
300
11
55
121
605
12
108
144
1296
13
52
169
676
14
42
196
588
n 26
n 26
fi X i
i 1
n 26
f (X )
i
3610
i 1
304
Sustituyendo en la formula se tiene:

1) Elevar al cuadrado cada uno de los valores observados
Xi
(8)2 ,(9)2 ,(10)2 ,...,(14) 2
2) Multiplicar la frecuencia de cada puntaje por el cuadrado de cada uno de

los valores observados
fi ( X i )2 1(64),1(81),3(100)...,3(196)
n 26
f (X )
i 1
64 81 300 ... 588 3610
4) Dividir la sumatoria de los productos de las frecuencias por el cuadrado

de los valores observados entre el nmero de datos observados
n 26
f (X )
i 1
3610
138.85
26
n 26
i 1
fi X i 304
11.69
n
26
( X )2 11.692 136.66
6) Restar a la divisin de la sumatoria, de los productos de las frecuencias
n 26
s2
f (X )
i 1
( X ) 2 138.85 136.66 2.19 2
La varianza es igual a 2 s 2 2 , el mismo resultado obtenido con el mtodo de

diferencias cuadrticas.
Clculo de la varianza en distribuciones de frecuencia agrupada

Para la estimacin de la varianza en distribuciones de frecuencia agrupada, se
utiliza el mismo desarrollo numrico que para distribuciones de frecuencia
simple, tanto por el mtodo diferencias cuadrticas o el de puntuaciones
originales, con la nica diferencia de que el valor de X i corresponde al punto
medio o marca de clase de cada intervalo.
Para mostrar el clculo de la varianza utilizando el mtodo de diferencias

cuadrticas, considrese el nmero de pensamientos negativos agrupados en
intervalos, de un grupo de 48 personas (ver tabla 5.25).
Tabla 5.25. Nmero de pensamientos negativos en un da en un grupo de 48

personas; y desarrollo numrico para la estimacin de la varianza con el
mtodo de desviaciones cuadrticas
PM
Xi
Xi
f1
fi X i
X i X 2
X i X 2
fi X i X
8-12
10
40
-16.67
277.8
1111
13-17
15
75
-11.67
136.1
680.6
18-22
20
120
-6.67
44.44
266.7
23-27
25
200
-1.67
2.778
22.22
28-32
30
12
360
3.33
11.11
133.3
33-37
35
245
8.33
69.44
486.1
38-42
40
240
13.33
177.8
1067
n48
n 48
fX
i
n 48
f X
i 1
i 1
1280
3767
Estimacin de la media:
n 48
fX
i
i 1
1280
26.67
48
Una vez que se conoce la media se desarrolla la frmula de la varianza con el

mtodo de las desviaciones cuadrticas:
s2
f X
i 1
En la tabla 5.25 aparece paso a paso el desarrollo de las operaciones requeridas.

Sustituyendo se tiene:
1) Restar la media a cada valor ( X 26.67 )
X (10 26.67),(15 26.67),(20 26.67),...,(40 26.67)
( 16.67) 2 ,( 11.67) 2 ,( 6.67) 2 ,...,(13.33) 2
3) Multiplicar por su frecuencia cada una de las diferencias al cuadrado
fi X i X
4(277.8),5(136.1),6(44.44),...,6(177.8)
n 48
f X
i 1
1111 680.6 266.7 ... 1067 3767
5) Dividir la suma anterior entre el nmero de datos

n 48
s2
f X
i 1
3767
78.46 78
48
Esto es, el promedio de variabilidad cuadrtica de los pensamientos negativos
en un da que reportan los 48 participantes es de 78 s 2 78
Ahora bien, para la estimacin de la varianza mediante el procedimiento de

puntuaciones originales se desarrolla la expresin:
s2
f (X )
i
i 1
( X )2
En la tabla 5.26 se desglosa el desarrollo numrico que se debe seguir para

estimar la varianza con este mtodo.
Tabla 5.26. Nmero de pensamientos negativos en un da en un

grupo de 48 personas y desarrollo numrico para la estimacin de
la varianza con el mtodo de puntuaciones originales
Xi
fi
PM
fi X i
Xi
fi ( X i )2
Xi
8-12
10
40
100
400
13-17
15
75
225
1125
18-22
20
120
400
2400
23-27
25
200
625
5000
28-32
12
30
360
900
10800
33-37
35
245
1225
8575
38-42
40
240
1600
9600
n 48
n 48
fi X i
i 1
1280
n 48
f (X )
i
i 1
37900
Sustituyendo se tiene:
1) Elevar al cuadrado cada uno de los valores observados (punto medio)
Xi
(10)2 ,(15)2 ,(20) 2 ,...,(40) 2
2) Multiplicar la frecuencia de cada intervalo por el cuadrado de cada uno

de los valores observados
fi ( X i )2 4(100),5(225),6(400)...,6(1600)
n 48
f (X )
i 1
400 1125 2400 ... 9600 37900
4) Dividir la sumatoria de los productos, de las frecuencias por el cuadrado

de los valores observados, entre el nmero de datos observados
n 48
f (X )
i 1
37900
789.6
48
n 48
fX
i
i 1
1280
26.67
48
( X ) 2 26.67 711.3
2
6) Restar a la divisin de la sumatoria de los productos de las frecuencias

n 48
s2
f (X )
i 1
( X ) 2 789.6 711.3 78.30 78
El valor obtenido para la varianza con el mtodo de puntuaciones originales es
el mismo que con el mtodo de desviaciones cuadrticas s 2 78
La varianza como se seal al inicio del apartado es una de las medidas de

dispersin ms utilizadas, sin embargo, su interpretacin se complica al estar
expresada en unidades cuadrticas, por lo que se requiere, hacer una
transformacin, que permita la expresin de la dispersin en las unidades
originales en que se midieron las caractersticas de las variables en estudio. En
dos de los ejemplos aqu desarrollados para la estimacin de la varianza, el
nmero de cigarrillos fumados y el nmero de pensamiento negativos,
constituyen las unidades de medicin originales.
La transformacin de las unidades cuadrticas proporcionadas por la varianza a

unidades originales, se consigue obteniendo la raz cuadrada positiva de la
varianza
s , lo que conduce a la obtencin de la desviacin estndar, tal y

2
como se puede apreciar en la siguiente expresin:
X
n
s2 s
i 1
La facilidad de la interpretacin de la desviacin estndar al expresar la

dispersin en las unidades originales de medicin, explica el por qu es ms
comn su eleccin para la evaluacin de la dispersin que la varianza. Es
conveniente resaltar que la varianza y la desviacin estndar, son medidas
estrechamente relacionadas y que al obtener cualquiera de ellas, fcilmente se
consigue la otra mediante su respectiva transformacin. De tal manera que si se
conoce la desviacin estndar s , al elevarla al cuadrado se tiene la estimacin
de la varianza s 2 y, si se calcula la varianza primero, la desviacin estndar se

obtiene mediante la raz cuadrada positiva de las varianza
s .
2
Coeficiente de variabilidad
El coeficiente de variabilidad es un ndice que estima la dispersin de un conjunto
de observaciones en trminos relativos, mediante la transformacin de la
desviacin estndar en un porcentaje de variacin. Dicha transformacin en
porcentaje facilita la interpretacin y comunicacin de la variabilidad, as como la
comparacin entre variables expresadas en unidades de medicin diferentes.
El coeficiente de variabilidad (CV) se obtiene al dividir la desviacin estndar s
de un conjunto de observaciones entre el valor de su media ( X ), resultado que
se multiplica por 100, lo que se expresa con la siguiente notacin:
CV
s
100
X
Para ejemplificar la obtencin del coeficiente de variabilidad, se retoma el

ejemplo de los puntajes de depresin obtenidos por ocho estudiantes en el
inventario de Beck (ver Tabla 17), en el cual se obtuvo una media de 51 ( X 51
) y una desviacin estndar de 7 puntos s 7 , sustituyendo estos valores se
tiene:
CV
s
100 7 100 0.137(100) 13.7% 14%
X
51
Esto significa que las puntuaciones de los ocho estudiantes en el Inventario de

Beck, en promedio presentan una variabilidad del 14%.
Retomando dos ejemplos de los puntajes de depresin obtenidos por

estudiantes universitarios, desarrollados para la estimacin de la desviacin
estndar tanto con una distribucin de frecuencia simple (ver tabla 5.18) como
con una distribucin de frecuencia agrupada (ver tabla 5.20), en la tabla 5.27 se
muestran sus respectivas medias, desviaciones estndar y coeficientes de
variabilidad.
Tabla 5.27. Coeficiente de variabilidad de dos grupos

n
(s )
s
(100)
X
CV
35
50.14
5
(100)
50.14
9.97 10 %
58.5
24
24
(100)
58.5
60
41.03 41%
De acuerdo a los valores obtenidos en los coeficientes de variabilidad, se tiene

que para el caso del grupo de 35 estudiantes, el promedio de variacin o
dispersin de los puntajes de depresin con respecto a la media es del 10%.
Para el caso de la muestra de 60 estudiantes, el promedio de dispersin es del
41%. Es claro que la muestra de 35 estudiantes tiene una variabilidad menor
CV 10%
que la muestra de 60 estudiantes CV 41% .
Hasta aqu, se ha resaltado la estimacin de los ndices de medida central y

dispersin, as como su utilidad para describir las propiedades de un conjunto de
observaciones, a travs de las cuales se estudia el comportamiento de las
variables de inters. En el siguiente apartado se ilustra la utilidad de estas
medidas como ndices comparativos.
Medidas de tendencia central y dispersin como ndices

comparativos
Este apartado tiene un doble propsito, por una parte repasar la obtencin de los
ndices antes expuestos, as como mostrar su aplicacin e interpretacin al ser
utilizados para comparar dos o ms grupos de observaciones.
Con frecuencia se intenta dar respuesta a preguntas tales como Las mujeres
obtienen mayores puntajes de depresin que los hombres?, El nmero de
cigarrillos que consume un grupo de estudiantes fumadores en perodo de
exmenes y entrega de trabajos es mayor del que habitualmente consumen?,
Los estudiantes que tienen el hbito de la lectura cuentan con una mejor
ortografa que los estudiantes que no tienen el hbito de leer?, Hay diferencias
en el rendimiento acadmico entre alumnos que nicamente se dedican a
estudiar y los que adems de estudiar trabajan?
Ntese que la respuesta a estas interrogantes implica necesariamente una

comparacin entre grupos. Una forma de hacer dicha comparacin, es mediante
la utilizacin de los diferentes ndices de tendencia central y dispersin;
especficamente, la media es el ndice ms utilizado para llevar a cabo estas
comparaciones, siempre y cuando las variables de estudio sean variables
numricas.
A continuacin se presenta un ejemplo, que nos permitirn comparar dos grupos
empleando los ndices de tendencia central y dispersin.
Ejemplo. Promedio de calificacin de dos grupos de estudiantes que cursan la

carrera de Psicologa, un grupo de estudiantes nicamente estudian y otro grupo
de alumnos que adems de estudiar trabajan (Tabla 5.28).
Tabla 5.28. Promedio de calificacin de dos grupos de

estudiantes que cursan la carrera de Psicologa
Grupo 1 Alumnos que
Grupo 2 Alumnos que
nicamente estudian
estudian y trabajan
Xi
fi
Xi
fi
13
11
10
10
n 35
n 35
Grupo 1. Estimacin de los ndices descriptivos de los promedios de calificacin

de los alumnos que nicamente se dedican a estudiar. En la tabla 5.29, se
presentan los clculos necesarios para la estimacin de las medidas de
tendencia central y dispersin.
Tabla 5.29. Grupo 1. Desarrollo numrico para la estimacin
de los ndices de tendencia central y dispersin de los
promedios de calificacin de los alumnos que nicamente
estudian.
Xi
fi
fa
fi X i
Xi
18
36
108
Md
n
10
49
49
343
19
72
64
576
M
o
11
30
99
81
891
10
35
50
100
500
n 35
n 35
fi X i
i 1
288
fi ( X i )2
n 35
f (X )
i
i 1
2418
De acuerdo a los promedios de calificacin para el grupo de estudiantes que

nicamente se dedican a estudiar (ver tabla 5.29), el valor que se presenta con
mayor frecuencia
11 es la calificacin de 9, siendo ste el valor modal
Mo 9 .
La calificacin que divide en dos partes iguales a los promedios de los 35
n 1 35 1 36
18 , posicin que se
estudiantes, ocupa la posicin 18
2
2
2
encuentra contenida en la frecuencia acumulada igual a 19 fa 19 , por lo que

el promedio de calificacin con la posicin 18 corresponde al valor 8, esto es, la
mediana es la calificacin de 8 Mdn 8 .
La media de los promedios de calificacin del grupo de alumnos que slo se

dedican a estudiar es de 8.23 X 8.23 , valor que se obtiene al desarrollar la
frmula de la media:
35
fX
i 1
288
8.23
35
En cuanto a las medidas de dispersin, al restar a la puntuacin ms alta la

puntuacin ms baja, se obtiene un rango igual a 4 Pa Pb 10 6 4 . La
desviacin estndar estimada a travs del mtodo de puntuaciones originales es
igual a 1.17 s 1.17 . Valor que se obtiene al sustituir en la formula, la sumatoria
de los productos de los cuadrados de X i por su respectiva frecuencia (ver tabla
5.29).
35
f (X )
i 1
2418
2418
(8.23)2
(67.73)
35
35
(69.09) (67.73) 1.36 1.166 1.17
n 35
Para obtener la varianza se sustituye
f (X )
i
i 1
2418 , en la frmula:
35
s2
f (X )
i 1
( X )2
2418
2418
(8.23) 2
67.73 69.09 67.73 1.36
35
35
Por lo que la varianza es igual a 1.36 s 2 1.36 , valor que tambin es posible
conseguir al elevar al cuadrado la desviacin estndar, tal y como se seal al
final del apartado de la varianza:
s 1.166 ,
Si
al
elevar
al
cuadrado
2
1.166 ,
se
obtiene
1.36 :
s 2 1.166 2 1.36
El Coeficiente de Variabilidad es igual a 14.17% CV 14.17% :
CV
s
1.166
100
100 0.1417(100) 14.17
8.23
X
Grupo 2. Estimacin los ndices descriptivos de los promedios de calificacin de

los alumnos que estudian y trabajan. El desarrollo numrico para el clculo de
las medidas de tendencia central y dispersin se muestra en la tabla 5.30.
Tabla 5.30. Grupo 2. Desarrollo numrico para la estimacin de los ndices de

tendencia central y dispersin del promedio de calificacin de estudiantes que
estudian y trabajan
Mo y
Mdn
Xi
fi
fa
fi X i
Xi
18
36
108
11
56
49
392
13
24
104
64
832
33
81
81
729
10
35
20
100
200
n 35
n 35
i 1
f i X i 279
fi ( X i )2
n 35
f (X )
i
i 1
2261
Considerando los datos de la tabla 30, la calificacin que se presenta con mayor
frecuencia en el grupo de los 35 alumnos que adems de estudiar trabajan es 8,
siendo este el valor modal Mo 8 . En cuanto a la calificacin que divide en dos
partes iguales los promedios de estos estudiantes, ocupa la posicin 18
n 1 35 1 36
18 , valor que corresponde al promedio de 8, por lo tanto 8
2
2
2
n 35
fX
es el valor de la mediana ( Mdn 8) . Al sustituir
279 en la frmula de la
i 1
media como se muestra enseguida, se encuentra que sta es igual a 7.97
7.97 .
35
fX
i 1
279
7.97
35
Para las medidas de dispersin, se tiene que el rango es igual a 4
Pa Pb 10 6 4 .
n 35
Sustituyendo
f (X )
i
2261 en la frmula de la
i 1
desviacin estndar por el mtodo de puntuaciones originales, se obtiene un

promedio de dispersin de 1.04 s 1.04 :
35
f (X )
i 1
2261
(7.97) 2
35
2261
(63.52)
35
(64.6) (63.52) 1.08 1.04
n 35
Para el clculo de la varianza, se sustituye
f (X )
i
2261 en:
i 1
35
s
2
f (X )
i 1
( X )2
2261
2261
(7.97) 2
7.97 64.6 63.52 1.08
35
35
La varianza de acuerdo al desarrollo de la frmula es de 1.06 s 2 1.06 . Otra

manera de obtenerla es elevar al cuadrado la desviacin estndar, tal y como se
realiz con el grupo 1:
2
2
2
s 1.04 , al elevar al cuadrado 1.04 , se obtiene 1.08: s 1.04 1.08
La variabilidad en trminos relativos es de 13.05% CV 13.05% :
CV
s
1.04
100
100 0.1305(100) 13.05
7.97
X
Una vez calculados los ndices de tendencia central y dispersin para ambos
grupos los resultados se presentan en la tabla 5.31, con base a ella se puede
decir que en el Grupo 1 Mo 9 hay mayor nmero de alumnos que tienen un
promedio de 9 que en el Grupo 2 Mo 8 ; en ambos grupos, el 50% de los
estudiantes obtienen una calificacin igual o mayor a 8 ( Mdn 8) ; el promedio
de calificacin es ms alto para el grupo de estudiantes que nicamente estudian
X 8.23
(ver figura 5.16); comparten el mismo rango de variacin R 4 , su
dispersin tanto en desviacin estndar como en la varianza es mayor para el

Grupo 1, y esto se puede apreciar claramente al observar los valores del
coeficiente de variacin, que muestran que el porcentaje de variacin
CV 14.%
es mayor para los estudiantes que no trabajan comparndolos con
los alumnos que estudian y adems trabajan CV 13% .
Con base a lo anterior y recordando que se realiz un anlisis descriptivo, se

podra decir que aun cuando el grupo 1 tiene un promedio de calificacin ms
alto, la diferencia con respecto al promedio de calificacin del grupo 2, es muy
pequea.
Tabla 5.31. Medidas descriptivas del promedio de calificacin

del Grupo 1 y Grupo 2
*
Mo
Mdn
s2
Grupo 1
8.23
1.17
1.36
14%
Grupo 2
7.97
1.04
1.08
13%
*Los valores se presentan redondeados
CV
14
12
10
8
6
Grupo 1
Grupo 2
2
0
5
10
Calificacin
Figura 5.16. Promedio de calificacin del grupo de alumnos

que slo estudian y del grupo que estudia y trabaja.
Otros ndices descriptivos utilizados en algunas situaciones son las medidas de
posicin y las de forma. ndices que se presentan de manera general en los
siguientes apartados.
Medidas de posicin
Los ndices o medidas de posicin permiten identificar el lugar o nivel en que se
encuentra una o varias puntuaciones en referencia a un conjunto o grupo de
observaciones. Por ejemplo, cuando un profesor afirma que uno de sus
estudiantes alcanz una calificacin en matemticas ms alta que el 75% del
grupo, est utilizando un ndice de posicin. As tambin, mediante la obtencin
de estas medidas, el profesor puede determinar que entre el 50% y 75% de sus
alumnos tienen una calificacin de 7.0 a 8.5, o bien sealar que slo el 10%
obtuvo una calificacin menor a 7. 0.
Los ndices de posicin ms conocidos son los cuartiles, deciles y percentiles (la
mediana tambin es un ndice de posicin). Para estimar estos ndices siempre
se debe considerar al conjunto de datos como el 100%, de tal forma que con los
cuartiles Q se divide el conjunto de datos en cuatro partes iguales, en los
deciles D en diez y en los percentiles P en cien. A cada una de las partes se

le denomina cuartil, decil y centil, respectivamente.
D0
D10
D5
D1
D2
D3
D4
D6
D7
D8
Deciles
D9
Q4
Q0
Q2
Q1
P0
Cuartiiles
Q3
P50
P10
P20
P30
P40
P100
P60
P70
P80
P90
Percentiles
La obtencin de estas medidas se consigue desarrollando la expresin siguiente:

k *n
fa
i
c
Z Li
fi
En donde:
Z Medida de posicin a estimar, por lo que si se calculan percentiles en

el lugar de Z , se debe cambiar por P si son percentiles, si son deciles
por D y si son cuartiles por Q .
Li Lmite inferior real del intervalo de clase que contiene la particin a
estimar
k Nmero de particin a computar (decil, 1, 2, 3, ..10; cuartil 1. 2, 3,
4, percentil, 10, 24, 33, 56, 80, 100)
* Multiplicar
i Partes en las que se dividir el conjunto de datos (4, 10 100)

n Nmero de observaciones
fa Frecuencia acumulada anterior al valor que contiene la particin de
inters
f i Frecuencia del intervalo de clase que comprende la particin

c Amplitud del intervalo de clase
Puesto que la estimacin numrica de las medidas de posicin sigue la misma

lgica, nicamente se ejemplifica el desarrollo e interpretacin de los cuartiles.
Ejemplo. Nmero de aciertos de 130 aspirantes en un examen de ingreso a una

universidad. El examen consta de 120 reactivos, con una puntuacin mnima de
0 y mxima de 120 (ver tabla 5.32).
Tabla 5.32. Nmero de aciertos en
un examen de ingreso a una
universidad
Intervalo de clase
fi
21 35
20
36 50
25
51 - 65
45
66- 80
15
81- 95
15
96- 110
10
n 130
Como los ndices de inters son los cuartiles, la expresin para su estimacin
queda como:
k *n
fa
i
c
Qi Li
fi
En donde:
Qi Cuartil a calcular
Li Lmite inferior real del intervalo de clase que contiene la particin del
cuartil a estimar Q1 25%, Q2 50%, Q3 75%, Q4 100%
k Nmero de cuartil a computar (1, 2, 3, 4)
i Las 4 partes en las que se dividir el conjunto de datos
n Nmero de observaciones
fa Frecuencia acumulada anterior al intervalo que contiene el cuartil de
inters
f i Frecuencia del intervalo de clase que comprende el cuartil a conocer

c Amplitud del intervalo de clase
Para conocer el lmite inferior real del intervalo de clase que contiene la particin
del cuartil a estimar, se calcula el porcentaje, posteriormente se obtiene el
porcentaje acumulado, y se localiza en ste el intervalo de clase que contenga,
el 25% de los casos Q1 , el 50% Q2 , y el 75% Q3 .
Con los aciertos obtenidos por los 130 aspirantes a la universidad, en la tabla
5.33, y de acuerdo con la columna de porcentaje acumulado se tiene que:
El 25% de los casos se encuentra en el intervalo 36-50
Tabla 5.33. Nmero de aciertos en el examen de ingreso
Intervalo de
clase
fi
fa
%acumulado
21 35
20
20
15.4
15.4
36 50
25
45
19.2
34.6
Q1 43
51- 65
45
90
34.6
69.2
Q2 57
66- 80
15
105
11.5
80.8
Q3 73
81- 95
15
120
11.5
92.3
96- 110
10
130
7.7
100.0
n 130
Con los datos presentados en la tabla 33 se puede desarrollar la frmula para

estimar el cuartil 1 Q1 :
k *n
fa
i
c
Q1 Li
fi
En donde:
Li 35.5 Lmite inferior real del intervalo que contiene el 25% de los casos
k 1 Nmero de cuartil a estimar Q1

i 4 Las cuatro partes en que se dividir el conjunto de observaciones
n 130 Total de observaciones
fa 20 Frecuencia acumulada anterior al intervalo que contiene el 25% de
los casos
fi 25 Frecuencia del intervalo que contiene el 25% de los casos

c 15 Amplitud del intervalo de clase
Sustituyendo en la frmula:
1 * 130
130
20
20
4
15 35.5 4
15 35.5 32.5 20 15
Q1 35.5
25
25
25
35.5
12.5
15 35.5 0.515 35.5 7.5 43 Q1 43
25
Para obtener el cuartil 2
Q2 ,
se siguen los mismos pasos que con Q1 .
Identificados cada uno de los elementos necesarios para el desarrollo de la

frmula, se tiene:
2 *130
260
45
45
4
15 50.5 4
15 50.5 65 45 15
Q2 50.5
45
45
45
50.5
20
15 50.5 0.4415 50.5 6.66 57.16 57 Q2 57
45
Como era de esperarse el valor del cuartil dos Q2 57 corresponde al valor de

la mediana Mdn 57 , estimado en la seccin correspondiente a la mediana
para distribuciones de frecuencia agrupada.
La estimacin del cuartil 3 Q3 , se obtiene al desarrollar:
3 *130
390
90
90
4
15 65.5 4
15 65.5 97.5 90 15
Q3 65.5
15
15
15
65.5
7.5
15 65.5 0.515 65.5 7.5 73 Q3 73
15
Una vez calculados los cuartiles podemos afirmar que el 25% de los aspirantes
a la universidad, alcanzan una puntuacin menor a 43 aciertos; el 50% una
puntuacin menor a 57 y finalmente, el 75 % obtienen una puntuacin menor a
73. Dicho de otra forma, el 25% logra puntuaciones mayores a 73 Q3 aciertos,
el 50% entre 43 Q1 y 73 Q3 puntos y el 25% restante, consigue menos de 43
Q1 aciertos (ver figura 5.17).
50
40
30
20
f
10
Q1
Q2
Q3
0
28
43
58
73
88
103
Aciertos
Figura 5.17. Presentacin de los cuartiles en el nmero de aciertos

en un examen de ingreso a la universidad.
Medidas de forma: asimetra y curtosis

La asimetra y la curtosis son medidas que ayudan a describir la forma de una
distribucin. La asimetra permite analizar hasta que punto los datos se reparten
de forma equilibrada alrededor de la media, mientras que la curtosis hace
referencia al nivel de apuntamiento o aplanamiento de una distribucin.
Distribucin simtrica
Se dice que una distribucin es simtrica cuando los datos se reparten de forma
equilibrada por abajo y encima de la media, en este caso la media coincide con
la moda (ver figura 5.18).
Figura 5.18. Distribucin simtrica.
Distribucin asimtrica
Cuando los datos no se reparten de forma equilibrada alrededor de la media se
dice que hay una asimetra. Si la mayora de los datos se concentran por debajo
de la media, se produce una asimetra positiva. En estos casos, la moda es
menor que la media y la mayor parte de los datos se acumulan en la parte
izquierda de la grfica (ver figura 5.19).
Figura 5.19. Asimetra positiva.
Se conoce como asimetra negativa cuando la mayora de los puntajes se

concentran por encima de la media, en estos casos la media es menor que la
moda y se produce una acumulacin de datos en los valores altos de la variable
(ver figura 5.20).
Figura 5.20. Asimetra negativa.
Curtosis
Es una medida que permite calcular el nivel de apuntamiento de una distribucin.
Una distribucin es mesocrtica cuando su apuntamiento es similar al de una
distribucin normal y el valor del ndice de curtosis ser prximo a 0. Si el grado
de apuntamiento es superior al de la curva normal tendr un ndice de curtosis
positivo y se trata de una distribucin leptocrtica. Y por ltimo, si el grado de
apuntamiento es menor al de la normal (es ms plana) se le denomina
platicrtica, en este caso, el ndice de curtosis ser negativo (ver figura 5.21).
#REF!
#REF!
#REF!
Figura 5.21. Curtosis: distribucin mesocrtica, leptocrtica y platicrtica
RESUMEN
Las medidas de tendencia central y dispersin, son presentadas como ndices
que posibilitan la descripcin de las caractersticas de las variables de estudio.
Cada una de las medidas de tendencia central (media, mediana y moda) y de
dispersin (rango, desviacin estndar, varianza y coeficiente de variabilidad),
son conceptualizadas y explicadas a travs de ejemplos contextualizados en el
mbito de la Psicologa; mostrando paso a paso el desarrollo para su estimacin,
as como su interpretacin y representacin grfica. Se destaca su aplicacin
para describir las caractersticas de la variable en estudio con un slo grupo de
observaciones, as como su utilidad para emplearlos como ndices comparativos
entre grupos.
Otras medidas descriptivas tratadas son las medidas de posicin y de forma,

medidas a las que se puede recurrir en situaciones especficas, tales como las
planteadas en el apartado correspondiente.
ACTIVIDADES
Para llevar a la prctica el clculo, interpretacin y comparacin de las medidas
de tendencia central y dispersin, a continuacin se presentan dos ejercicios. A
partir de los cuales se sugiere que obtengas, para cada uno de ellos, los valores
que se te piden en el siguiente cuadro, elabores una grfica comparativa y
redactes una interpretacin, comparando los grupos.
Mo
Mdn
s2
CV
Grupo 1
Grupo 2
5.1 Con los puntajes obtenidos en la escala global de estrs postraumtico, por
dos grupos de mujeres que vivieron violencia domstica. El grupo 1 est
constituido por 90 mujeres que cuentan con apoyo social y familiar, mientras
que en el grupo 2 lo integran, 90 mujeres pero quienes no cuentan con apoyo
social ni familiar.
Puntajes obtenidos en la Escala Global de Estrs

Postraumtico
Con apoyo social y
Sin apoyo social y
familiar
familiar
fi
fi
15
19
16
20
17
21
18
22
19
23
20
24
10
21
25
11
22
13
26
12
23
11
27
10
24
28
25
29
26
30
n 90
n 90
5.2 Considerar los errores de ortografa entre estudiantes de la carrera de

psicologa con hbitos de lectura y los que no tienen ese hbito, en un ensayo
de 3 cuartillas sobre su perspectiva de la psicologa (conceptualizacin, campos
de accin, etc.).
Errores de ortografa de dos grupos de estudiantes de

psicologa
Grupo 1. Errores de
Errores de ortografa en
ortografa en un grupo
un grupo de estudiantes
de estudiantes con el
sin el hbito de lectura.
hbito de lectura.
X
fi
fi
1-3
1-3
4-6
10
4-6
7- 9
11
7- 9
10 -12
10 -12
13 -15
13 -15
10
16 -18
16 -18
19 -21
19 -21
13
n 45
n 45
CAPTULO 6
Los ndices descriptivos en los diseos N=1
Margarita Chvez Becerra
Rocio Tron lvarez
Los mtodos de investigacin en Psicologa han sido clasificados de acuerdo a

diversos criterios tales como, el objetivo de investigacin, el grado de control de
las variables, el nmero de sujetos y por la temporalidad en que se recolectan
los datos, entre otras categorizaciones. Los diseos N=1 constituyen una
estrategia de investigacin que se ubica en la clasificacin por el nmero de
sujetos, sin embargo, sus aplicaciones no se limitan nicamente a este campo
sino tambin como una estrategia de evaluacin de programas de intervencin
en diferentes mbitos aplicados como el clnico, educativo y de la salud, entre
otros, permitiendo la evaluacin diagnstica, la efectividad del programa
empleado, as como el seguimiento.
Es en estos diseos N=1 donde se enmarca el objetivo de este captulo, el cual

se centra en presentar la definicin, desarrollo numrico e interpretacin de los
ndices cuantitativos utilizados para el anlisis de la informacin recabada al
utilizar diseos N=1; al mismo
tiempo que se
muestra su utilidad en la
evaluacin de los efectos de intervencin en reas especficas del campo de la

Psicologa.
Qu caractersticas tiene un diseo N=1?
Los diseos N=1, tambin conocidos como de replicacin intrasujeto, de caso

nico, o de series temporales, se caracterizan por el tamao de la unidad de
anlisis que se emplea, la cual puede estar conformada por un slo individuo o
un grupo pequeo de participantes a los que se observa en periodos sucesivos,

registrando la conducta o conductas de inters.
El medir y registrar la conducta o conductas en los mismos participantes, antes

y durante una manipulacin experimental, permite comparar la ejecucin de
los individuos con su propio desempeo entre las condiciones, a fin de derivar
conclusiones acerca de la efectividad del tratamiento o intervencin.
Los diseos N = 1 requieren como mnimo de dos condiciones, tal es el caso del
diseo A-B o de un solo componente, donde A implica un periodo de
observaciones sin la presencia de la manipulacin experimental (fase de lnea
base) y la fase B, que es el periodo de observaciones durante el tiempo que
dura el tratamiento (fase experimental) (ver figura 6.1).
LB
FE
Figura 6.1 Lnea base y fase experimental.
Existe una amplia variedad de diseos derivados de esta estructura bsica,

entre los que se puede mencionar, el diseo A-B-A, tambin conocido como
diseo de retirada de tratamiento o reversible; el diseo de lnea base mltiple,
el cual consiste en obtener la lnea base de dos o ms conductas, individuos o
situaciones, para posteriormente aplicar la misma intervencin en las mismas
conductas y observar por separado el efecto del tratamiento; los diseos
multinivel y los diseos de tratamiento mltiple. Se sugiere revisar los autores,
mencionados en la bibliografa, para mayor informacin sobre la diversidad y
caractersticas de estos diseos.
Ventajas y desventajas de los diseos N=1

La ventaja de este tipo de diseos con respecto a los de grupo, consiste en que
al trabajar con el mismo individuo, se reduce el efecto que sobre la variable
dependiente pudieran tener las diferencias entre los sujetos de estudio (entresujetos), como por ejemplo edad, sexo, nivel socioeconmico, entre otras. Sin
embargo, permanece la incidencia de las variables generadas por el propio
sujeto (intrasujeto), como historia, aprendizaje, madurez, fatiga, motivacin,
entre otras (existen estrategias que permiten controlar estas variables extraas,
como la constancia y eliminacin).
Ejemplos de la aplicacin de los diseos N=1

Un caso de habilidades sociales
Alonso es un nio de 10 aos, aislado, tmido, a quien le resulta difcil establecer

y mantener relaciones interpersonales, por lo que a sugerencia de sus padres y
maestros, ingresa a un programa de entrenamiento de habilidades sociales.
Una de las medidas para obtener informacin de su nivel de interaccin antes de
iniciar el programa de entrenamiento, consisti en registrar durante tres
semanas, el porcentaje de tiempo que durante el recreo permanece aislado, es
decir, sin iniciar ni mantener actividades con sus compaeros, a esta fase se le
denomina lnea base.
Posterior a este perodo de observacin (lnea base), durante 12 semanas el

psiclogo trabaja con el nio en un programa para mejorar sus habilidades
sociales bsicas (mantener contacto visual, iniciar y mantener una platica, hacer
y pedir favores, hacer y recibir cumplidos, hacer invitaciones y dar respuesta a
las de otros para participar en alguna actividad, entre otras). Durante este tiempo
se contino registrando el porcentaje de tiempo, que durante el recreo, Alonso
permanece aislado. A esta fase se le conoce como fase experimental (ver figura
6.2)
LB
FE
Semanas
Figura 6.2. Promedio de porcentaje de tiempo de conducta aislada de

Alonso. Lnea base y fase experimental.
Esta figura permite apreciar los promedios de porcentaje de tiempo por semana
de la conducta aislada del nio. En lnea base se aprecia un porcentaje alto de
tiempo de conducta aislada, en tanto en la fase experimental se observa como
el porcentaje de tiempo desciende gradualmente hasta llegar a niveles promedio
de 30%, esto es, se consigue que el nio inicie y mantenga actividades con sus
compaeros en un promedio del 70% del tiempo del recreo, lo anterior se toma
como un indicador de la efectividad del entrenamiento en habilidades sociales.
Un caso de hiperactividad
Too es un nio de siete aos, cursa el segundo ao de primaria en una escuela

pblica del Distrito Federal, su profesor lo define como un nio muy inquieto,
ansioso e incapaz de prestar atencin. Se mueve continuamente por el saln de
clase, no termina sus trabajos, interrumpe continuamente las explicaciones del
profesor, se levanta de su lugar, alborota y molesta a sus compaeros de clase.
El maestro ha platicado con los padres de Too acerca de su comportamiento,

quienes a su vez mencionan que en casa es destructivo con los juguetes, que
no permanece quieto en ninguna parte, salvo cuando ve caricaturas, y en general
que les es difcil controlarlo. Por lo que acuerdan
enviarlo a un centro
psicopedaggico para su atencin.
En el centro se le realiza una evaluacin psicopedaggica en la que se descartan

otros problemas, ms all de sus dificultades para mantener la atencin (se
dedicaba a explorar visual y manualmente los objetos), adems de su incesante
habla en busca de atencin.
Como consecuencia de la evaluacin, uno de los objetivos se centra en

conseguir que el nio en el saln de clases permanezca sentado en su lugar. El
tratamiento estuvo a cargo del profesor, quien dedicaba 25 minutos a trabajar de
manera individual con Too, con el fin de que aprendiera conducta alternativas
e incompatibles con las de hiperactividad, a travs de realizar actividades de
atencin, concentracin y autocontrol (laberintos, crucigramas, rompecabezas,
dibujos de bsqueda de diferencias e igualdades, adems de un contrato
conductual que inclua elegir un premio si permaneca sentado).
Con el propsito de evaluar los efectos de esta intervencin se emplea un diseo
de N=1 (A-B), en el que antes de aplicar la estrategia de intervencin, se obtiene
un registro del porcentaje de tiempo que el nio permanece sentado en su lugar
durante 10 das (lnea base). Posteriormente, se aplica el programa de
intervencin y se contina registrando el porcentaje de tiempo durante 10 das
ms (fase experimental).
A continuacin se representa grficamente el porcentaje de tiempo registrado en

que Too permanece sentado durante la clase, tanto en lnea base como en fase
experimental (ver figura 6.3).
FE
LB
Das
Figura 6.3. Porcentaje de tiempo que Too permanece sentado en su lugar.

Lnea base y fase experimental.
Los datos presentados en la figura 6.3, muestran un cambio importante entre

lnea base y fase experimental. En lnea base se puede observar que a medida
que transcurren los das de observacin, va disminuyendo el porcentaje de
tiempo que el nio permanece sentado en su lugar. En tanto que en el primer da
de aplicacin del programa de intervencin, se presenta un cambio abrupto, es
decir, se incrementa de manera sbita el porcentaje de tiempo, mantenindose
alto en el resto de las sesiones. Por lo que estos datos permiten aseverar la
efectividad del tratamiento.
Adems de la interpretacin visual de los datos mediante la grfica, es posible
llevar a cabo un anlisis estadstico, que permite contar con ms elementos para
valorar la ejecucin de los participantes en cada una de las fases, los cambios
entre fases y
finalmente derivar conclusiones acerca de la efectividad del
programa de intervencin.
El anlisis estadstico que se propone en este material, es la utilizacin de los

ndices descriptivos para diseos N=1. Este anlisis comprende la obtencin de
los ndices de nivel, tendencia, estabilidad, y variabilidad dentro de cada
condicin, lo que posibilita examinar y contrastar los cambios que se presentan
entre condiciones, con el fin de tener elementos que apoyen o sustenten la
eficacia del programa de intervencin. Antes de pasar a obtener numricamente

los ndices sealados se describe cada uno de ellos y la manera de apreciarlos
a la simple inspeccin visual, mediante las figuras.
Nivel
El nivel se refiere al grado de ejecucin que alcanza un participante o los
participantes, en un periodo y en una fase dada; esta medida permite describir
la conducta como un promedio de desempeo, durante los periodos observados.
El nivel se obtiene tanto en lnea base como en la fase experimental, lo que nos
permite su comparacin, como un indicador de cambios entre las fases. En la
figura 6.4 se muestra un cambio de nivel entre lnea base y fase experimental:
a) cuando el objetivo es incrementar la conducta, mientras que en b) se presenta
un cambio de nivel entre fases, cuando la finalidad es decrementar una conducta
LB
FE
LB
FE
b
Figura 6.4. Cambio de nivel entre lnea base y fase experimental.
Tendencia
La tendencia se refiere a la direccin que pueden tomar los datos, esta direccin
puede ocurrir tanto en lnea base como en fase experimental. Si en la grfica se
aprecia una direccin ascendente de los datos, se dice que la tendencia es
positiva, mientras que si la direccin es descendente, la tendencia es negativa
(ver figura 6.5).
Positiva
Negativa
Figura 6.5. Tendencia positiva y negativa.
Variabilidad
La variabilidad hace referencia a un conjunto de datos que fluctan sin direccin
definida, o bien, con un rango de fluctuacin pequeo o muy amplio. En la figura
6.6 se puede observar una lnea base con poca variabilidad, mientras que en la
fase experimental se aprecia una gran variabilidad, lo cual impedira atribuir
algn efecto a la manipulacin experimental. Una lnea base con poca
variabilidad se considera estable.
LBa
FE
Figura 6.6. Variabilidad en lnea base y fase experimental.
Estabilidad
La estabilidad es un ndice que toma mayor sentido en la lnea base, al ser esta
condicin el punto de comparacin para poder comprobar la influencia que sobre
la conducta tiene el tratamiento. La estabilidad se refiere bsicamente a la
ausencia de una tendencia o variabilidad en un nivel de ejecucin. Se considera
una lnea base no estable cuando hay una gran variabilidad en la conducta
observada o cuando se presenta una tendencia. Si bien, es de esperar que en la

fase de lnea base haya fluctuaciones, lo deseable es que stas sean mnimas.
En cuanto a la ausencia de una tendencia, se hace una excepcin cuando se

espera que la intervencin modifique la conducta en direccin opuesta a la
tendencia observada en la lnea base.
En la figura 6.7 se muestra una lnea base no estable, con una direccin
ascendente, la misma tendencia se continua en la fase experimental, si el
propsito durante la fase experimental fuera incrementar la conducta,
difcilmente se podra suponer la efectividad del tratamiento.
LB
FE
Figura 6.7. Lnea base y fase experimental con tendencia ascendente.

En la figura 6.8 se muestra una lnea base inestable, con una direccin no
claramente definida, lo que al igual que en el caso anterior, no permite contar
con un parmetro de comparacin adecuado.
LB
FE
Figura 6.8. Lnea base y fase experimental inestables.
En la figura 6.9, se observa una lnea base estable y al pasar a la fase

experimental, se presenta un cambio de nivel.
LB
FE
Figura 6.9. Lnea base estable y cambio de nivel en fase

experimental.
Hasta aqu, se ha hecho referencia a la apreciacin de manera grfica de los

parmetros: nivel, tendencia, estabilidad y variabilidad para su utilizacin en la
obtencin de conclusiones acerca de una manipulacin experimental. A
continuacin se presentarn los procedimientos estadsticos para la estimacin
de estos parmetros de manera numrica.
Estimacin cuantitativa de los ndices: nivel, tendencia,

variabilidad y estabilidad
En el caso de Too y de acuerdo a la evaluacin realizada, se decide intervenir
a fin de ensearle conductas alternativas e incompatibles con las conductas de
hiperactividad. A continuacin se detallan los procedimientos estadsticos para
la estimacin numrica de los ndices descriptivos para los diseos N=1, tanto
para los datos de lnea base como para los de la fase experimental de la
conducta de permanecer en su lugar, para posteriormente hacer la comparacin
entre fases.
En la tabla 6.1 se muestran los registros del porcentaje de tiempo que Too
permanece en su lugar, durante los 10 das de observacin de lnea base. Cabe
sealar que el registro de lnea base se obtiene en ausencia del tratamiento.
Tabla 6.1 Porcentaje de tiempo que

Too permanece en su lugar.
Lnea base
Das
Porcentaje de
tiempo
Xt
Yt
40
48
40
40
30
25
25
13
24
10
24
Nivel
Como se mencion, el nivel se refiere al grado de ejecucin que alcanza un
participante en un periodo y en una fase dada; este ndice permite describir la
conducta como un promedio de la unidad de medida de la conducta de inters
durante los periodos observados. El procedimiento estadstico para calcular el
nivel de ejecucin en las diferentes fases, consiste en sumar los valores
obtenidos en cada perodo de observacin durante una fase y dividirlos entre el
nmero de sesiones o periodos de observacin, es decir, se obtiene el promedio
de la conducta medida a travs del tiempo.
Estimacin del nivel en lnea base

Para calcular el nivel del porcentaje de tiempo que Too permanece en su lugar
en esta fase, se tienen que sumar los porcentajes de tiempo registrados durante
los 10 das y dividir esta suma entre el total de perodos observados, en este
caso 10. As, el nivel de la serie de tiempo se determina mediante el desarrollo

de la siguiente expresin matemtica:
n
Yt
t 1
Sumando los porcentajes de tiempo ( Yt ) de las diez sesiones de la lnea base

que se presentan en la tabla 6.2, se tiene que la sumatoria es igual a 309:
n 10
Y
t 1
40 48 ... 24 24 309 y
n 10
Por lo tanto, al sustituir la sumatoria de los porcentajes de tiempo de las diez

sesiones en la expresin para obtener el nivel se tiene que:
n 10
Yt
t 1
309
30.9 31
10
Tabla 6.2. Porcentaje de tiempo que Too

permanece en su lugar. Lnea base
Das
% de tiempo
Xt
Yt
40
48
40
40
30
25
25
13
24
10
24
n10
t 1
309
Este nivel de ejecucin Y t 31 muestra que el promedio de porcentaje de

tiempo que Too permanece sentado es de 31 minutos, durante los 10 das de
registro en esta fase. Este valor se grafica mediante una lnea continua y
paralela al eje de las X, con interseccin en el eje Y, en el porcentaje 31, como
se muestra en la figura 6.10.
Y 31
Das
Figura 6.10. Porcentaje de tiempo que Tno permanece en su lugar.

Lnea base.
Tendencia
Conocer la tendencia de una serie de datos implica identificar su direccin y
conocer su magnitud, lo que posibilita determinar la velocidad de crecimiento
de la serie, esto es, el promedio de los incrementos o decrementos de la
conducta observada a travs del tiempo. El parmetro que permite determinar
esta magnitud es la estimacin de la pendiente b de la serie. Si el resultado de
la estimacin de b es positivo indica una direccin ascendente, por el contrario
si b es negativa la direccin es descendente. En trminos generales: a) si b > 0,
la serie de observaciones presenta incrementos, b) si b < 0, la serie presenta
decrementos, en tanto c) si b = 0, la serie no presenta ninguna tendencia (ver
figura 6.11).
a) b > 0
b) b < 0
c) b = 0
Figura 6.11. Tendencia ascendente, descendente y sin tendencia.
Estimacin de la magnitud de la tendencia en lnea base

El clculo de este ndice se obtiene mediante el desarrollo numrico de la
siguiente expresin:
n
n
n
n X t Yt X t Yt
t 1
t 1
t 1
b
2
n
n
2
n X t X t
t 1
t 1
Al desarrollar cada uno de los elementos que conforman la expresin con los
valores para esta fase (Tabla 6.3) se tiene que:
Tabla 6.3. Porcentaje de tiempo que Too permanece en

su lugar. Lnea base
Das
% de tiempo
Xt
Yt
X tYt
Xt
40
40
48
96
40
120
40
160
16
30
150
25
25
150
36
25
175
49
13
104
64
24
216
81
10
24
240
100
n 10
n 10
X t 55
X t 309
t 1
t 1
n 10
X tYt 1451
t 1
n 10
2
t
385
t 1
1) n 10
n 10
2)
t 1
X tYt 1(40) 2(48) ... 9(24) 10(24) 1451
n 10
3)
t 1
X t 1 2 ... 9 10 55
n 10
4)
Y
t 1
n 10
5)
t 1
40 48 ... 24 24 309
X t 2 1 2 ... 9 10 385
2
n 10
2
6) X t 55 3025
t 1
Sustituyendo:
10 1451 55 309
2
10 385 55
14510 16995
2485
3
3850 3025
825
Este valor negativo de b permite identificar en un primer momento que la

tendencia es negativa, esto es, descendente mientras que la magnitud de
= - 3 indica que en promedio el porcentaje de tiempo en que Too permanece

en su lugar disminuye da a da 3 minutos.
Estimacin del ndice de variabilidad en lnea base
El procedimiento numrico para determinar las fluctuaciones o variaciones

absolutas de la conducta respecto al nivel promedio de ejecucin, es el ndice de
variabilidad, el cual cuantitativamente se obtiene dando solucin a la siguiente
expresin:
n
n Y
t 1
Para la estimacin de la variabilidad en lnea base, los datos se presentan en la

tabla 6.4 y desarrollando el procedimiento marcado por la expresin matemtica
se tiene que:
permanece en su lugar. Lnea base
Das
% de
tiempo
2
Xt
Yt
Yt
40
1600
48
2304
40
1600
40
1600
30
900
25
625
25
625
13
169
24
576
10
24
576
n 10
t 1
10575
1) n 10
n 10
2)
Y
t 1
3)
40 48 ... 24 24 10575
2
31 961
n 10
nY
t 1
10575 10 (31) 2
10575 10 (961)
10
10
10575 9610
965
96.5 9.8
10
10
El resultado obtenido indica que el porcentaje de tiempo en el que Too

permanece en su lugar vara en promedio 9.8 minutos, respecto al nivel
registrado en esta fase (Yt 31) .
Para una apreciacin ms clara de la variabilidad, sta se representa

grficamente mediante el rango de variabilidad, el cual se obtiene al sumar y
restar el ndice de variabilidad, al nivel de ejecucin de esta fase, en donde
Y t V es el lmite superior del rango mientras que Y t V es el lmite inferior,

como se muestra a continuacin:
Lmite inferior del rango de variabilidad Y t V 31 9.8 21.2 21
Lmite superior del rango de variabilidad Y t V 31 9.8 40.8 41
De acuerdo a
los resultados obtenidos, el rango de variabilidad para
el
porcentaje de tiempo de permanecer en su lugar en esta fase flucta entre 21 y

41 minutos, en la grfica se presenta este rango con dos lneas continuas que
intersectan en el eje Y en los valores de 21 y 41 respectivamente (Figura 6.12).
Das
Figura 6.12. Porcentaje de tiempo que Too permanece en su lugar. Lnea base.
El ndice de variabilidad es una expresin en valores absolutos (las unidades de

medida de la variable), en este caso porcentaje de tiempo; para tener una
apreciacin de la variabilidad en trminos relativos, se recomienda obtener el
coeficiente de variabilidad, el cual se calcula al dividir el ndice de variabilidad
entre el nivel:
CV
V
100
Y
De acuerdo a los datos de lnea base, se tiene:
CV
9.8
100 31.61 32%
31
Esto es, el porcentaje de variacin (32%) en esta fase, es una variabilidad

moderada.
Estimacin del ndice de estabilidad en lnea base

La estabilidad es un ndice de mayor importancia durante la fase de lnea base,
la recomendacin de la literatura especializada menciona, que para una
comparacin adecuada entre las fases se requiere de una lnea base estable. A
excepcin de aquellos casos con una lnea base que presenta una tendencia en
direccin contraria al objetivo en la fase experimental.
Para estimar la estabilidad durante la fase de lnea base se calcula el estadstico

C de Tryon (1982), adems de su error estndar y finalmente se obtiene el
estadstico Z, que corresponde a la razn del ndice C con respecto a su error
estndar. Con base a las observaciones del ejemplo que se ha estado
trabajando, se desarrolla la obtencin de cada uno de estos ndices en la fase
de lnea base (ver tabla 6.5).
Tabla 6.5. Operaciones para calcular la estabilidad en Lnea base
Xt
Yt
Yt 1 Yt
(Yt 1 Yt ) 2
Yt Y
(Yt Y ) 2
40
64
81
48
-8
64
17
289
40
81
40
-10
100
81
30
-5
25
-1
25
-6
36
25
-12
144
-6
36
13
11
121
-18
324
24
-7
49
10
24
-7
49
101
n 10
Y Y
( Yt 1 Yt 518
2
t 1
t 1
I) Clculo del estadstico C de Tryon
n 1
C 1
Yt
t 1
t 1
2 Yt Y
t 1
1027
De acuerdo a los registros en lnea base de la conducta de Too, se desarrolla

el estadstico como se indica:
Paso 1. Para obtener el numerador de la expresin, se inicia con la sumatoria de

las diferencias cuadrticas de los valores registrados, empezando con el
segundo valor. Se obtiene la diferencia entre un valor de la serie y el anterior a
ste, es decir, al valor observado en el segundo da de registro del porcentaje de
tiempo que permanece Too en su lugar, se le resta el valor registrado en el
primer da, y se contina con el del tercer da menos el del segundo; y el cuarto
menos el tercero, y as sucesivamente, como se muestra a continuacin:
10 1
Y
t 1
Yt 48 40 40 48 40 40
2
t 1
30 40
... 24 13 24 24 518
Paso 2. Desarrollo del denominador del estadstico C. Se obtiene la sumatoria

de las diferencias cuadrticas de cada valor registrado en lnea base menos el
nivel de ejecucin obtenido en esa fase Y 31 :
n 10
t 1
40 31 48 31 ... 24 31 ...
24 31 1027
2
El resultado de la sumatoria se multiplica por la constante 2

n 10
2 Yt Y
t 1
2 1027 2054
Paso 3. Se substituyen los valores obtenidos para el numerador y denominador

del estadstico C, restando el resultado de esta divisin a la constante 1:
C 1
518
518
1
1 0.2522 .7478
2 (1027)
2054
II) Obtener el error estndar
Sc
n2
(n 1)( n 1)
10 2
(10 1)(10 1)
(11)(9)
8
0.0808 0.2842
99
III. Estimacin del estadstico Z
C 0.7478
2.63
Sc 0.2842
Una vez obtenido el valor de Z, se busca la probabilidad asociada a l en la

tabla de valores Z (rea bajo la curva normal), valor que se compara con 0.05, y
si la probabilidad asociada al valor de Z obtenido es mayor que .05 (p>.05), se
dice que los datos analizados muestran estabilidad, por el contrario, si la
probabilidad asociada a Z es menor que .05 (p<.05) se determina que no hay
estabilidad. De acuerdo al valor obtenido para el ejemplo en lnea base, Z= 2.63,
se busca la probabilidad asociada a este valor en la tabla de reas bajo la curva
normal, la cual es de p = .004 que es menor a .05 (Z =2.63; p < .05), por
consiguiente
la lnea base no es estable. Aplicando estrictamente estos
resultados se recomendara no continuar con la fase experimental, sin embargo,

al analizar la direccin de la tendencia en esta fase (b = - 3) se observa que es
negativa y por consiguiente en direccin contara al objetivo de la intervencin,
que es incrementar el porcentaje de tiempo que Too permanece en su lugar,
por lo tanto, se considera la lnea base como un fase adecuada para la
contrastacin con la fase experimental.
Estimacin del nivel en fase experimental

El nivel durante esta fase se obtiene, dando solucin a la expresin para obtener
el nivel tal y como se efectu con la lnea base, con la salvedad de que los valores
a considerar corresponden a los registrados durante la fase experimental.
n 10
Yt
t 1
Substituyendo los registros correspondientes a esta fase de intervencin en la

ecuacin (ver tabla 6.6), se tiene que la sumatoria de los valores de Yt es
n10
Y
t 11
73 73 ... 90 90 841
n 10
Por lo que el nivel en fase experimental es:
n 10
Yt
Y
t 11
841
84.1 84
10
Tabla 6.6 Porcentaje de tiempo que

Too permanece en su lugar.
Fase experimental
Das
% de tiempo
Xt
Yt
11
73
12
73
13
79
14
82
15
88
16
88
17
88
18
90
19
90
20
90
n 10
841
t 11
Este valor del nivel indica que en esta fase el promedio fue de 84 minutos que
Too logra permanecer en su lugar, bajo la condicin de tratamiento (aprender
conductas alternativas incompatibles con la hiperactividad
y contrato
conductual). Valor que al igual que en lnea base se representa de forma grfica
(ver figura 6.13).
95
90
85
Y 84
80
%
75
70
65
60
11
12
13
14
15
16
17
18
19
20
Das
Figura 6.13. Porcentaje de tiempo que Too permanece en su lugar.

Fase experimental.
Estimacin de la magnitud de la tendencia en fase experimental

El parmetro de b para esta fase,
siguiendo el procedimiento
sealado es:
n
n
n
n X t Yt X t Yt
t 1
t 1
t 1
b
2
n
n
2
n X t X t
t 1
t 1
Donde al calcular cada elemento se obtiene (ver tabla 6.7):

1) n 10
n 10
2)
t 11
n 10
3)
t 11
X tYt 11 73 12 73 ... 19 90 20 90 13208

X t 11 12 ... 19 20 155
n 10
4)
t 11
n 10
5)
t 11
73 73 ... 90 90 841
X t 2 11 12 ... 19 20 2485
2
numrico
n10
2
6) X t 155 24025
t 11
Sustituyendo en la expresin para la estimacin de la magnitud de la pendiente

se tiene:
b
10 13208 155 841

2
10 2485 155
132080 130355
1725
2.09 2
24850 24025
825
El resultado del valor de b para esta fase de tratamiento indica que la tendencia
es positiva con una magnitud de incremento promedio de 2 minutos. En otras
palabras, el porcentaje de tiempo que Tono permanece sentado en su lugar
increment, en promedio, dos minutos diariamente.
Tabla 6. 7. Porcentaje de tiempo que Too permanece en
su lugar. Fase experimental
Das
% de tiempo
Xt
Yt
X tYt
Xt
11
73
803
121
12
73
876
144
13
79
1027
169
14
82
1148
196
15
88
1320
225
16
88
1408
256
17
88
1496
289
18
90
1620
324
19
90
1710
361
20
90
1800
400
n 10
X
t 11
155
n 10
t 11
841
n 10
X Y
t
t 11
13208
n 10
X
t 11
2
t
2485
Estimacin del ndice de variabilidad en fase experimental

Para estimar la variabilidad de la conducta de Too durante el tratamiento, se
sigue el mismo procedimiento que para la lnea base, slo que ahora con la
informacin que se presenta en la tabla 6.8, que corresponde a la fase
experimental. Desarrollando nuevamente la expresin para el clculo del ndice
de variabilidad se tiene:
1) n 10
n 10
2)
t 11
3)
73 73 ... 90 90 71155
2
Y
t 11
84 7056
n 10
n Y
71155 10 (84) 2
10
71155 70560
10
71155 10 (7056)
10
595
59.5 7.71 8
10

permanece en su lugar. Fase experimental
Das
% de tiempo
Xt
Yt
Yt
11
73
5329
12
73
5329
13
79
6241
14
82
6724
15
88
7744
16
88
7744
17
88
7744
18
90
8100
19
90
8100
20
90
8100
n 10
71155
t 11
De acuerdo al valor obtenido del ndice de variabilidad, el porcentaje de tiempo

vara 8 minutos respecto al nivel Y t 84 en esta fase.
Representando grficamente este ndice de variabilidad, se trazan lneas

paralelas al nivel de ejecucin, mediante el rango de variabilidad (ver figura 6.14),
el cual se obtiene al sumar y restar el ndice de variabilidad al nivel de ejecucin,
de la misma manera como se realiz en lnea base.
Lmite inferior del rango de variabilidad Y t V 84 8 76
Lmite superior del rango de variabilidad Y t V 84 8 92
Al estimar el coeficiente de variabilidad durante las sesiones de terapia, se

encontr un porcentaje de variabilidad de 9.5, el cual se obtuvo al sustituir el
valor del ndice de variabilidad para esta fase y su respectivo nivel.
V
8
CV 100 100 9.5%
Y
84
LS 92
Y 84
LI 76
%
Das
Figura 6.14. Porcentaje de tiempo que Too permanece en su lugar.

Fase experimental.
Estabilidad fase experimental

Siguiendo el mismo procedimiento que en lnea base, el ndice de estabilidad en
fase experimental es (ver tabla6.9):
Tabla 6.9. Operaciones para calcular la estabilidad en fase experimental
Xt
Yt
Yt 1 Yt
(Yt 1 Yt ) 2
Yt Y
(Yt Y ) 2
11
73
-11
121
12
73
36
-11
121
13
79
-5
25
14
82
36
-2
15
88
16
16
88
16
17
88
16
18
90
36
19
90
36
20
90
6
10 1
( Yt 1 Yt 85
2
t 1
36
n 10
Y
t 1
427
I. Clculo del estadstico C

n 1
C 1
Yt
t 11
n
t 1
2 Yt Y
t 11
85
85
1
1 0.0995 0.9005
2(427)
854
II. Obtener el error estndar
Sc
n2
10 2
8
8
0.0808 0.2842
(n 1) (n 1)
(10 1) (10 1)
(11) (9)
99
III. Estimacin del estadstico Z
C
0.9005
3.16
Sc
0.2842
Al buscar la probabilidad de Z = 3.16 en las tablas del rea bajo la curva normal,
se obtiene una probabilidad de .00 la que en definitiva es menor que .05 (Z=3.16;
p< .05), por consiguiente la fase experimental no es estable, lo que era de
esperarse puesto que, como se aprecia en la grfica 6, los datos durante estas
sesiones de tratamiento muestran un claro incremento del porcentaje de tiempo
que Antonio permanece en su lugar, lo que se corrobora con el signo positivo y
el valor de la pendiente (b = 2), lo cual indica una tendencia positiva y un
incremento promedio de dos minutos por sesin.
Comparacin e interpretacin de los ndices estadsticos entre fases

Comparando los ndices descriptivos entre fases, antes y despus de la
intervencin, del porcentaje de tiempo que Too permanece sentado en su lugar
(ver tabla 6.10 y figura 6.15), se hacen las siguientes apreciaciones:
Tabla 6.10. ndices descriptivos en las dos fases
Nivel
Tendencia
Rango de variabilidad
Coeficiente de
Estabilidad
variabilidad
Lnea base
Lmite inferior = 21
Y t 31
b=-3
CV = 32%
Lmite inferior = 76
Fase
experimental
Lmite superior = 41
Z = 2.63
Y t 84
b= 2
Lmite superior = 92
p < .05
Z = 3.16
CV = 9.5%
p< .05
1) Un cambio de nivel drstico y favorable al objetivo, esto es, en lnea base el

promedio de porcentaje de tiempo que el nio permaneca sentado en su lugar
era de 31 minutos, promedio que en los das en que se asiste a terapia aumenta
a 84 minutos.
2) La tendencia para la lnea base fue negativa, lo cual indica que durante el
transcurso de los periodos de observacin el porcentaje de tiempo en que Too
permaneca en su lugar disminua, y que este decremento en promedio fue de 3
minutos. Al asistir a terapia la direccin cambia a una tendencia positiva, en
donde se observa un incremento promedio de 2 minutos. El cambio de direccin
en la fase experimental, indica que el porcentaje de tiempo aumentaba a medida
que transcurran las sesiones de intervencin.
3) De acuerdo al coeficiente de variabilidad se aprecia un mayor porcentaje de

variacin del porcentaje de tiempo que Too permanece en su lugar en lnea
base, en tanto durante la fase experimental este porcentaje se reduce en un
22.5%, con respecto a la fase de lnea base. Considerando la magnitud del
decremento en lnea base y del incremento en la fase experimental es entendible

que la variabilidad en lnea base sea mayor que en fase experimental.
4) El ndice de estabilidad en las dos fases no muestran estabilidad, y esto es

comprensible considerando la presencia de una clara tendencia en las dos
fases. La estabilidad fue sealada como una condicin necesaria en lnea base
para poder pasar a la fase experimental, no obstante, tambin se menciona que
se puede prescindir de esta estabilidad cuando el objetivo de la intervencin es
provocar cambios en direccin contraria a la tendencia en lnea base, siendo esta
situacin en la que se enmarca el caso de Too.
En suma, los cambios de nivel y tendencia entre fases, proporcionan indicadores

para aseverar que la modificacin en el porcentaje de tiempo que Too
permanece en su lugar se debe al programa de intervencin aplicado. Es decir,
se demuestra la efectividad del programa de intervencin (aprendizaje de
conductas alternativas incompatibles con la hiperactividad y contrato conductual)
con el fin de incrementar el porcentaje de tiempo que Too permanece en su
lugar.
100
90
Porcentaje de tiempo
80
70
60
50
40
30
20
10
0
1
10 11 12 13 14 15 16 17 18 19 20
Das
Figura 6.15. Porcentaje de tiempo que Too permanece sentado en su

lugar. Lnea base y fase experimental.
RESUMEN
Para analizar la informacin generada al utilizar un diseo N = 1 como una
estrategia de investigacin o intervencin dentro del campo de la Psicologa, se
recurre a la estimacin de los ndices cuantitativos descriptivos: nivel, tendencia,
variabilidad y estabilidad. ndices que se calculan, representan e interpretan
tanto en lnea base como en fase experimental a fin de compararlos y tener
indicadores cuantitativos para atribuir los posibles cambios entre fases a la
intervencin o manipulacin realizada. Se define cada una de estos ndices y a
travs de un caso especfico en el campo de las necesidades educativas
especiales se ejemplifica su desarrollo numrico, se representan grficamente,
se interpretan en cada una de las fases, se comparan y finalmente se derivan las
conclusiones acerca de la efectividad del programa de intervencin.
Este captulo cumple con el objetivo planteado al inicio, mostrando la aplicacin

y utilidad de los ndices estadsticos para el anlisis de la informacin generada
a partir de los diseos de N=1, como una estrategia para la valoracin de los
efectos de intervencin.
ACTIVIDADES
Con la finalidad de que el lector lleve a la prctica la estimacin de los ndices
descriptivos para diseos N=1, los grafique, los interprete y derive las
conclusiones apropiadas acerca de la efectividad del programa de tratamiento,
se presentan dos situaciones de intervencin psicolgica, para las que se
proporcionan las observaciones registradas de la conducta de inters, tanto en
lnea base como en fase experimental, para cada uno de los casos propuestos.
6.1 Edgardo es un nio de 7 aos de quien sus maestros reportan dificultades

de aprendizaje, por lo que es canalizado a un centro de atencin
psicopedaggica. Despus de realizar la entrevista y evaluacin inicial se toma
la decisin de someterlo a un programa que le permita superar sus problemas
de aprendizaje, una de las reas en las que se identifican problemas es su
dificultad para resolver operaciones aritmticas bsicas (suma y resta, con uno
y dos dgitos).
Para esta situacin en especfico y con el fin de valorar la efectividad de la

estrategia psicopedaggica empleada, se decide recurrir a un diseo N=1 (A
B), por lo que inicialmente se obtiene la lnea base en la que se registra durante
5 sesiones de observacin, el nmero de aciertos en 10 ensayos por sesin, en
los que Edgardo tiene que elegir la respuesta correcta de sumas y restas (con
uno y dos dgitos), entre 4 opciones, presentadas mediante un programa de
computo (www.hverdugo.cl/juegos/ejercicios_de_aritmetica.htm) (ver figura
6.16).
Ejercicios de aritmtica
Seleccione la dificultad
Seleccione la operacin
Experto (0-100)
Suma
2
+
16
?
23
37
18
Haga clic en el botn de su respuesta.

Informacin del jugador:
Nombre:
Edgardo
Correctas:
Incorrectas:
Porcentaje:
0%
32
Tiempo
0 seg
- - - - - - Mejores resultados - - - - - Nombre
Dificultad
Porcentaje
Tiempo
Figura 6.16. Formato que ilustra el modo en el que aparece en pgina web.
El nmero de aciertos de Edgardo registrados durante las 5 sesiones de

observacin en lnea base y las 10 sesiones de fase experimental se presentan
en la Tabla siguiente, con base a esta informacin, calcul los ndices
estadsticos por fase, represente grficamente, realice la comparacin entre
fases e interprete. Usted podr consultar los valores de cada uno de los ndices
para las dos fases en el apartado solucin a las actividades propuestas.
Nmero de aciertos de Edgardo

Lnea base
Sesiones
Num. de
Fase experimental
Sesiones
Num. de
respuestas
respuestas
correctas
correctas
10
11
12
12
15
13
15
14
15
15
15
2.2 Bety es una persona con un alto nivel de estrs, asociado a alteraciones en
su presin arterial, por lo que ella decide ingresar a un programa de
entrenamiento en relajacin. Se registra durante 10 das la presin, a fin de
obtener sus niveles en lnea base, posteriormente inicia el programa de
entrenamiento en relajacin, y se contina registrando la presin arterial, durante
15 das ms (fase experimental). Los registros de la presin arterial diastlica de
Bety en lnea base y fase experimental se muestran en la siguiente tabla. Con
la informacin presentada en la tabla, estime los ndices estadsticos por fase,
represente grficamente, realice la comparacin entre fases e interprete. Usted
podr consultar los valores de cada uno de los ndices para las dos fases en el
apartado solucin a las actividades propuestas
Presin diastlica de Bety
Lnea base
Das
Fase experimental
mm de
Das
mercurio
mm de
mercurio
Xt
Yt
Xt
Yt
100
11
102
100
12
102
102
13
100
103
14
99
104
15
99
104
16
98
105
17
97
104
18
96
105
19
95
10
105
20
95
21
94
22
93
23
92
24
91
25
90

Indices Descriptivos y N 1

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Indices Descriptivos y N 1

Încărcat de

Drepturi de autor:

Formate disponibile

CAPTULO 5

Aprendiendo a definir, aplicar e interpretar las

Un criterio que frecuentemente es utilizado para evaluar los hallazgos de las

Estos procedimientos estadsticos pertenecen a las denominadas estadstica

Entre otros procedimientos, los mtodos estadsticos descriptivos ms utilizados

Bajo estas consideraciones, el propsito del presente captulo se centra en la

Medidas de tendencia central

La moda cuando los datos son nominales

Tabla 5.1. Tipo de problema

Con estos datos se identifica la categora que se repite un mayor nmero de

Figura 5.1. Tipo de problema por el que 100 nios asistieron

La moda cuando los datos son ordinales

Tabla 5.2. Calidad de la atencin

Con mayor frecuencia las personas de la tercera edad califican el servicio de

Figura 5.2. Calificacin al servicio de atencin que se proporciona

La moda cuando los datos son numricos (escala de intervalo o de

Considrese la serie de datos ordenados de menor a mayor (ver figura 5.3).

Figura 5.3. Horas de estudio extra clase a la semana de ocho

La moda para este grupo de estudiantes es de 10 horas de estudio, por ser la

Figura 5.4. Horas de estudio de trece estudiantes.

Figura 5.5. Horas de estudio de once estudiantes.

Figura 5.6. Horas de estudio.

Figura 5.7. Horas de estudio de diez estudiantes.

La moda es 6, 8 y 10, ( Mo 6, 8 y 10 horas de estudio ). En la figura 5.8 se

Figura 5.8. Frecuencia de horas de estudio.

Figura 5.9. Horas de estudio de ocho estudiantes.

En este conjunto de datos no hay moda.

Datos ordenados en una distribucin de frecuencia simple

Si se observa la tabla 5.3 que presenta las horas de estudio de un grupo de 30

Tabla 5.3. Horas de estudio

En la figura 5.10 se presentan estos datos y se resalta el valor modal

Figura 5.10. Frecuencia de horas de estudio a la semana.

Datos ordenados en una distribucin de frecuencia agrupada

Para obtener la moda se siguen los siguientes pasos:

En la tabla 5.4 se presenta el nmero de aciertos obtenidos en el examen de

La frecuencia ms alta es 45 y corresponde al intervalo de 51 a 65 aciertos, al

2 2 58 Mo 58 aciertos, la que se representa en la figura 5.11.

Figura 5.11. Nmero de aciertos en un examen de ingreso

La obtencin de la mediana para datos ordenados por su magnitud vara

1. Cuando se tiene un conjunto de datos impares la mediana es el valor que

Tabla 5.5. Coeficiente intelectual de nueve nios

2. En el caso de un conjunto de datos pares, el valor de la mediana ser el

Tabla 5.6. Coeficiente intelectual de doce nios

10a 11a 12a

La mediana en distribuciones de frecuencia simple

Para el clculo de la mediana cuando los datos se ordenan en una distribucin

3) Se localiza la posicin de la mediana en la columna de frecuencia

obtiene al sumar la frecuencia con la que se presenta un puntaje, ms

la mediana ocupa la posicin 46.

Tabla 5.7. Errores de ortografa en un

La mediana se representa grficamente, lo que se consigue trazando el polgono

Figura 5.12. Nmero de errores de ortografa.

La mediana exacta con distribuciones de frecuencia simple

fa Frecuencia acumulada anterior al puntaje que contiene a la mediana

f Frecuencia del puntaje en el que se encuentra la mediana

1. Obtener la posicin de la mediana al dividir el total de observaciones entre

dos: 45.5 . El valor de la mediana ocupa la posicin 45.5.

2. Se obtiene la frecuencia acumulada para la distribucin.

De acuerdo a los datos de la tabla 5.8, se tiene:

Tabla 5.8. Errores de ortografa en un

Empleando esta frmula se tiene el mismo resultado

procedimiento de la mediana aproximada, sin embargo, con este procedimiento

La mediana exacta en distribuciones de frecuencia agrupada