09.

PSICOLOGA EXPERIMENTAL
128 09.02. ESTADSTICA

09.02.02 ESTADSTICA DESCRIPTIVA sujeto de la media, mientras que las tpicas

nos dicen cuntas desviaciones tpicas se
APLICADA AL ESTUDIO DE
separa la puntuacin de la media.
UNA SOLA VARIABLE

PREGUNTAS REPRESENTATIVAS

ORIENTACIONES 089. Considerando una variable nominal, la medida des-

criptiva que tiene sentido es:

Tema en el que se abordan los distintos esta-

1) La marca de clase.
dsticos utilizados en el estudio de una sola 2) La dispersin relativa.
variable, desde funciones que nos permiten 3) La media y la varianza.
saber el valor medio de la distribucin, hasta 4) La moda.
5) El coeficiente de variacin.
conocer la posicin de una puntuacin con res-
pecto a su grupo, o distintos tipos de puntua- PIR 05, RC 4 (tambin en PIR 94 036, PIR 04 089).
cin. Dentro de la estadstica descriptiva, este
tema es de uno de los que ms preguntas ha 111. Se tiene una variable Xi, con un nmero de personas
en la muestra igual a n, y se genera una nueva variable Yi
suscitado en el examen PIR. Es importante a partir de los valores de Xi, siendo: Yi = 2Xi + 3, se cono-
conocer las caractersticas de cada uno de los ce la media de Xi (que es X ). Cunto vale la media de
estadsticos, as como los valores que toman la variable Yi (Y) ?:
dichos estadsticos cuando se aplica una trans-
1) Y = 2X .
formacin lineal sobre la variable. 2) Y = 2n X .
3) Y = 2X + 3 .
4) Y = X+3 .
5) Y = 2n X + 3n .
ASPECTOS ESENCIALES
PIR 01, RC 3 (tambin en PIR 01 120).

1. Los estadsticos de tendencia central se

utilizan para saber el valor medio de la dis-
tribucin, y la utilizacin de uno u otro de-
pender del nivel de medida de la variable.
2. Los estadsticos de posicin nos dan in-
formacin acerca de la posicin relativa de
una puntuacin con respecto al grupo que
procede.
3. Los estadsticos de variabilidad nos hablan
de lo dispersos que estn los datos en la
distribucin, es decir, la distancia que exis-
te entre las distintas puntuaciones.
4. Las distintas puntuaciones nos permiten
interpretar la informacin de formas dife-
rentes. As, la puntuacin diferencial nos
informa sobre los puntos que separan al
047. Si el CI de un individuo es 95 y ocupa el percentil 30
consideramos que:
1) El 95% de los sujetos se encuentra por encima
del valor.
2) El 70% de los sujetos supera el CI 95.
3) El 30% de los sujetos supera el CI.
4) El 5% de los sujetos se encuentra por debajo del
valor 30.
5) Ninguna alternativa es correcta.
PIR 03, RC 2 (tambin en PIR 95 87, PIR 96 35).
082. Para comparar la dispersin de variables que corres-
ponden a poblaciones extremadamente desiguales pode-
mos utilizar:
1) La varianza.
2) La cuasivarianza.

CEDE - C/ Cartagena, 129 - 28002 Madrid

C E D E www.pir.es Tel.: 91 564 42 94
 09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 129
3) La amplitud intercuartil.
4) La mediana.
5) El coeficiente de variacin.

PIR 05, RC 5 (tambin en PIR 94 35, PIR 03 46, PIR

96 -36-, PIR 98 44).

077. En una distribucin de frecuencias, cmo denomi-

namos al nmero de veces que se repite en la muestra un
determinado valor de la variable o cualquier otro valor
inferior?:

1) Proporcin.
2) Frecuencia absoluta acumulada.
3) Porcentaje acumulado.
4) Frecuencia absoluta.
5) Frecuencia relativa acumulada.

PIR 13, RC 2.

CEDE - C/ Cartagena, 129 - 28002 Madrid

Tel.: 91 564 42 94 C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
130 09.02. ESTADSTICA

Por ltimo, abordaremos las distintas expresiones que

09.02.02 ESTADSTICA DESCRIPTIVA puede tomar una puntuacin: directa, diferencial y tpica.
APLICADA AL ESTUDIO DE Adelantaremos tambin algunas ideas acerca de la distri-
UNA SOLA VARIABLE bucin ms comn en psicologa: la curva normal.

2. ORGANIZACIN DE LOS DATOS

1. Introduccin
2. Organizacin de los datos En el tema introductorio comentamos que la primera tarea
2.1. Concepto y tipos de variable de la estadstica descriptiva es la recogida de datos; en la
2.2. Modalidades y clases medida que esta tarea exige conocimientos de probabili-
2.3. Distribucin de frecuencias dad, alteramos el orden y abordamos la organizacin de
2.4. Diagrama de tallo y hojas los mismos.
2.5. Representacin grfica de la variabilidad:
Diagrama de caja y bigotes 2.1. CONCEPTO Y TIPOS DE VARIABLE
3. Estadsticos de tendencia central
3.1. Media aritmtica Una variable no es ms que una caracterstica (peso, sexo,
3.2. Mediana longitud, inteligencia, velocidad, nmero de ensayos, etc.)
3.3. Moda que puede manifestarse al menos bajo dos modalidades.
3.4. Media, mediana, moda y asimetra
3.5. Apuntamiento o curtosis Si una caracterstica no puede manifestarse ms que bajo
4. Estadsticos de posicin: los cuantiles una sola modalidad consideraremos que la misma es una
4.1. Cuartiles constante.
4.2. Deciles
4.3. Percentiles Las variables pueden clasificarse segn la escala o nivel
5. Estadsticos de variabilidad y dispersin de medida que se les pueda aplicar, esto es, segn las
5.1. Desviacin media operaciones que con los nmeros atribuidos a sus modali-
5.2. La varianza dades se puedan realizar:
5.3. Amplitud total
5.4. Amplitud semi-intercuartil Variable cualitativa
5.5. Coeficiente de variacin
6. Puntuaciones directas, diferenciales y tpicas Es toda aquella caracterstica que sIo puede ser conside-
6.1. Puntuacin directa rada a nivel nominal. Como ejemplos podemos citar: sexo,
6.2. Puntuacin diferencial grupo sanguneo, nacionalidad, lugar de residencia, profe-
6.3. Puntuacin tpica sin, etc. Con los nmeros que se atribuyen a las distintas
6.4. Otras transformaciones de las puntuaciones modalidades de cada una de las anteriores caractersticas
6.5. Interpretacin de puntuaciones directas, sIo se pueden verificar relaciones de igualdad-desi-
diferenciales y tpicas gualdad. La representacin grfica de las variables cualita-
6.6. La curva normal tivas se realiza con un diagrama de barras, con rectngu-
los separados de igual base y alturas proporcionales a las
frecuencias (proporciones, porcentajes) correspondientes.
1. INTRODUCCIN Otras representaciones grficas posibles son ciclogramas,
pictogramas, diagramas de sectores... El fin de todas ellas
Comenzaremos el estudio de la estadstica descriptiva es representar de modo intuitivo las frecuencias de cada
planteando la organizacin y presentacin de los datos una de las modalidades o clases de modalidades. En este
referidos a una nica variable. caso, en el diagrama de barras las modalidades pueden
ser colocadas en cualquier orden porque representan
A continuacin, repasaremos los principales estadsticos distintos aspectos, no ordenados, de una caracterstica.
de tendencia central: media, moda, mediana.
Variable cuasi-cuantitativa
Posteriormente haremos lo mismo con los estadsticos de
dispersin o variabilidad: amplitud, varianza, desviacin, etc. Es aquella caracterstica que puede alcanzar un nivel de
medida ordinal, como mximo. Como ejemplos tenemos:
nivel cultural, clase social, grado acadmico, etc. Los n-

CEDE - C/ Cartagena, 129 - 28002 Madrid

C E D E www.pir.es Tel.: 91 564 42 94
 09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 131
meros atribuidos a sus modalidades slo muestran relacio- Grfico de barras
nes de igualdad-desigualdad y orden. La representacin
grfica ms tpica de las variables cuasi-cuantitativas es
tambin el diagrama de barras; sin embargo, en este caso
las clases ya deben ser colocadas segn un orden deter-
minado pues representan aspectos ordenados de una
caracterstica.

Variable cuantitativa

Es toda caracterstica que puede considerarse como mni-

mo a nivel de intervalos (PIR 00, 12). Como ejemplos:
altura, peso, edad, inteligencia, fuerza fsica, nmero de
hijos, extroversin, creatividad, etc. Con los nmeros que
se atribuyen a las modalidades son posibles algunas ope-
raciones aritmticas. Grfico de sectores

En las variables cuantitativas es posible distinguir dos

tipos:

Cuantitativa discreta:

No es posible una modalidad intermedia entre dos modali-

dades determinadas: uno tiene dos o tres hijos, pero no 2,5
hijos. Cuando se Ianza un dado, son posibles resultados
enteros del 1 al 6, jams un resultado del tipo 3,3.

Cuantitativa continua:
Histograma y polgono de frecuencias
Es una caracterstica que admite una modalidad intermedia
entre dos cualesquiera. Una persona puede pesar 60 kg.,
pero tambin 60,3 Kg., o bien 60,78 kg. Si existen limita-
ciones a los valores intermedios proceden ms del instru-
mento de medida (sensibilidad de la bscula en este caso)
que de Ia variable en s. Otros ejemplos seran la fuerza
fsica, la longitud, la inteligencia, la extraversin o el tiempo
que tarda un paciente en abandonar el hbito tabquico
(PIR 12, 16), etc.

La representacin grfica de estas variables se realiza

mediante histogramas y polgonos de frecuencias (acumu-
ladas o no acumuladas). En el histograma, se levantan Pictograma
rectngulos consecutivos cuya base se corresponde con la
amplitud de los intervalos y cuya altura (y rea) es propor-
cional a la frecuencia (proporcin o porcentaje) del interva-
lo correspondiente. Si los rectngulos no tienen la misma
amplitud, el rea de cada rectngulo es proporcional a la
correspondiente frecuencia pero no as la altura; sin em-
bargo, este caso no suele ser habitual porque normalmen-
te se emplean intervalos de la misma amplitud.

CEDE - C/ Cartagena, 129 - 28002 Madrid

Tel.: 91 564 42 94 C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
132 09.02. ESTADSTICA

2.2. MODALIDADES Y CLASES
Las variables pueden contener un nmero elevado de
modalidades; por ejemplo en el caso de la variable peso
definida sobre un conjunto amplio de individuos puede dar
lugar a un nmero elevado de modalidades o pesos (aun-
que algunos individuos coincidan en el peso). En estos
casos es ms prctico agrupar las modalidades en clases.
Cada clase abarcara un nmero determinado de modali-
dades; en nuestro ejemplo una clase contendra las moda-
lidades o pesos de 50 a 59 kg, la siguiente de 60 a 69 kg,
etc. Las clases deben ser mutuamente exclusivas, de
modo que ninguna modalidad pueda pertenecer a ms de
una, y exhaustivas, con el fin de que toda modalidad posi-
ble pertenezca necesariamente a alguna clase.
Para representar esa exclusividad se utilizan parntesis y
corchetes. As, si el intervalo comienza con un parntesis
implica que el dato que sigue al parntesis no corresponde
a ese intervalo, mientras que si le acompaa un corchete
s que lo har.
una de ellas. La suma de todas las frecuencias nos Ileva al
n total de la muestra.
En la siguiente columna nos encontramos con las Propor-
ciones (o frecuencias relativas) de cada clase, obtenidas
por el cociente entre la frecuencia absoluta de cada clase y
el nmero total de observaciones (en todas las clases). La
suma de todas las proporciones ser igual a uno. Ej.: 1/10
= 0,1.
En la ltima columna se registran los Porcentajes de cada
clase, que resultan de multiplicar la proporcin o frecuencia
relativa de cada clase por 100. El total del porcentaje
siempre es 100, obviamente. Ej.: 0,1 x 100 = 10.
El conjunto de los anteriores ndices (frecuencias, propor-
ciones o porcentajes) junto con sus respectivas clases o
sus correspondientes nmeros asignados, conforman una
distribucin de frecuencias. sta puede expresarse en el
cuadro representado o bien mediante un Diagrama de
barras o un Pictograma.

Por ejemplo, en el intervalo (50-60], el 50 no entrara en 2.3.1. Frecuencia, proporcin y porcentajes acumula-
este intervalo, mientras que s que lo hara el 60. dos

2.3. DISTRIBUCIN DE FRECUENCIAS Adems de los anteriores ndices suele emplearse la Fre-
cuencia acumulada (con sus respectivas proporciones
Supongamos que encuestamos a una muestra de 10 suje- acumuladas y porcentajes acumulados). Este ndice se
tos acerca de su afiliacin poltica, posteriormente las emplea con las variables cuasi-cuantitativas (nivel ordinal)
distintas modalidades (en este caso partidos polticos a los y con las cuantitativas.
que pertenecen) las agrupamos en tres clases (Izquierda,
Centro y Derecha). En este ejemplo la variable es cualitati- Supongamos que investigamos la distribucin de frecuen-
va y por tanto situada a un nivel de medida nominal. cias de la caracterstica o variable clase social en una
muestra de 50 estudiantes de psicologa de un centro
Tras recoger los datos procedemos a organizarlos del universitario. Tras la recogida de datos organizamos las
siguiente modo: distintas modalidades en cuatro clases: alta, media alta,
media media, media baja y baja. Como es una variable
Frecuencia Proporcin de nivel ordinal (son verificables entre las modalidades las
AFILIACIN Porcentaje
(fa) (p)
relaciones de igualdad-desigualdad y orden) al asignarles
Izquierda 1 0,1 10
nmeros debe respetarse el orden. En la siguiente tabla
Centro 5 0,5 50
Derecha 4 0,4 40 recogemos la distribucin de frecuencias obtenida:
TOTALES 10 1,0 100
CLASE Fr. Prop. Porc.
Frec. Prop. Porc.
SOCIAL ac. ac. ac.
En la primera columna tenemos las tres clases en las que
Alta (5) 4 0,08 8 50 1,00 100
hemos agrupado las modalidades; al ser una variable a Media alta (4) 6 0,12 12 46 0,92 92
nivel nominal no importa en qu orden se organicen las Media media (3) 20 0,40 40 40 0,80 80
clases, el resultado sera el mismo si se alterase su pre- Media baja (2) 12 0,24 24 20 0,40 40
Baja (1) 8 0,16 16 8 0,16 16
sentacin.
TOTALES 50 1,00 100

En la siguiente columna figuran las Frecuencias (tambin

denominadas Frecuencias absolutas) de cada clase, esto La Frecuencia acumulada de la clase baja es su Frecuen-
es, el nmero de observaciones contenidas dentro de cada cia absoluta; la Frecuencia acumulada de la clase media
baja se forma sumando la Frecuencia absoluta de la clase

CEDE - C/ Cartagena, 129 - 28002 Madrid

C E D E www.pir.es Tel.: 91 564 42 94

baja y de la media baja (ej.: 8 + 12 = 20); la Frecuencia
acumulada de la clase media media es el resultado de
sumar las Frecuencias absolutas de las clases baja, media
baja y media media. El resto de las Frecuencias acumula-
das se obtiene del mismo modo, tal que la Frecuencia acu-
mulada de la clase superior coincide con el nmero total de
observaciones de la muestra o sumatorio de las frecuencias
absolutas. Por lo tanto, llamaremos Frecuencia Absoluta
Acumulada al nmero de veces que se repite en la mues-
tra un determinado valor o cualquier otro valor inferior (PIR
13, 77). Mientras que la Frecuencia Relativa Acumulada
(o Proporcin acumulada) de un determinado valor, sera
el cociente entre su Frecuencia Absoluta Acumulada y el
tamao de la muestra.
Hemos de tener en cuenta que la Proporcin acumulada
de la clase superior igual a 1, y el Porcentaje acumulado
igual a 100.
2.3.2. Distribucin de frecuencias en variables cuanti-
tativas continuas
El tiempo es una variable cuantitativa continua, pues admi-
te siempre modalidades intermedias entre dos modalida-
des cualesquiera. No obstante, como sucede con otras
muchas variables de este tipo, la realidad obliga a conside-
rar un nmero finito de posibles modalidades, consecuen-
cia de los instrumentos de medida. Si tenemos un cron-
metro cuya unidad de medida ms pequea es la centsi-
ma parte de un segundo, y lo utilizo para medir los tiempos
de reaccin en una tarea, las medidas obtenidas sern
siempre del tipo 0,56; 0,57; 0,58; etc. Aunque el tiempo es
una variable continua, nuestro instrumento la convierte en
discreta pues no permite distinguir modalidades entre 0,56
y 0,57, por ejemplo.
Sin embargo existe un modo de guardar la continuidad de
una variable, pues podemos suponer que cada valor dis-
creto representa a todos los infinitos valores situados me-
dia unidad de medida a su izquierda y media unidad a su
derecha. Como se puede observar en el dibujo, la modali-
dad 0,57 segundos es convertida en una clase que contie-
ne todas las infinitas modalidades que van desde 0,565
sgs. hasta 0,575 sgs. Y lo mismo podemos decir del resto
de los tiempos.
intervalo
elemental
CEDE - C/ Cartagena, 129 - 28002 Madrid
Tel.: 91 564 42 94
09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 133
Cada una de estas clases se define como intervalo ele-
mental; en el caso de la clase o intervalo representado por
0,57, diremos que el valor 0,565 es el lmite exacto infe-
rior de dicho intervalo, siendo 0,575 el lmite exacto su-
perior. Obviamente, estos valores sern a su vez los lmi-
tes correspondientes de los intervalos superior e inferior.
El intervalo elemental siempre lleva asociada una amplitud
equivalente a la unidad (media unidad por debajo y media
unidad por encima). Ahora bien, el intervalo compuesto (o
intervalo sin ms) se compone de varios intervalos elemen-
tales consecutivos.
Supongamos que tras un examen la nota ms baja es 2 y
la ms alta 10. Podramos definir intervalos elementales (1,
2, 3, , etc.) o bien agrupar varios intervalos elementales
para formar un nmero menor de intervalos compuestos;
en este caso cogemos tres:
1,5-4,5 (Comprende los intervalos elementales 2, 3 y 4).
4,5-7,5 (Intervalos elementales 5, 6 y 7).
7,5-10,5 (Intervalos elementales 8, 9 y 10).
Los tres intervalos representados figuran con sus lmites
exactos inferiores y superiores, ahora bien, es posible
nombrarlos de otro modo, a saber:
2-4.
5-7.
8-10.
En una distribucin de frecuencias los intervalos aparecen
de este modo, siendo estos lmites denominados lmites
aparentes.
Por amplitud de un intervalo se entiende la diferencia
entre su lmite exacto superior y su lmite exacto inferior
(en nuestro ltimo ejemplo la amplitud del intervalo 2-4, as
como Ia del resto, es de tres unidades, pues: 4,5 1,5 =
3). El punto medio de cada intervalo es la media aritmti-
ca de sus dos lmites exactos (en nuestro ltimo ejemplo el
punto medio del intervalo 2-4 es tres unidades, pues: 1,5 +
4,5/2 = 3).
La amplitud total de una serie de valores numricos es la
diferencia entre el lmite exacto superior del intervalo m-
ximo y el lmite exacto inferior del intervalo mnimo; en
nuestro ejemplo la amplitud total es: 10,5 1,5 = 9.
Cuando agrupamos una serie de datos en intervalos esta-
mos haciendo ms manejable la informacin, al reducir el
nmero de categoras o modalidades, sin embargo tam-
C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
134 09.02. ESTADSTICA
bin distorsionamos el conjunto de los datos, pues, por
ejemplo, todas las calificaciones de los alumnos que com-
prendan desde el 1,5 hasta el 4,5 se registrarn bajo el
intervalo 2-4, y a efectos de clculo estadstico, se consi-
deran equivalentes a su punto medio, esto es, la puntua-
cin 3.
2.4. DIAGRAMA DE TALLO Y HOJAS
El diagrama o grfico de tallo y hojas es una alternativa a
la representacin grfica de distribuciones de frecuencias
que sirve tambin para resumir y exponer conjuntos de
datos de una variable cuantitativa. Fue ideado por Tukey
(1977) en el contexto del enfoque denominado anlisis
exploratorio de datos.
Aunque no es exactamente una representacin grfica,
sino una construccin utilizada para la descripcin de va-
riables cuantitativas (discretas o continuas), representa la
particularidad de permitir visualizar globalmente la distribu-
cin de frecuencias manteniendo la individualidad de los
datos.
Para su obtencin, se redondearn los datos a dos o tres
cifras significativas, tomndose como tallos la primera o
dos primeras cifras de cada dato y como hojas las ltimas
cifras de cada dato. A continuacin, separados por un
punto, se dispondrn los tallos a la izquierda y las hojas a
la derecha del tallo correspondiente. De esta manera cada
tallo, que se representa una sola vez, define una clase y el
nmero de hojas representa la frecuencia de dicha clase.
C E D E www.pir.es
De este modo, los pasos a seguir son los siguientes:
Se identifican los valores mximo y mnimo observados.
Se toma una decisin acerca del nmero ms apropiado
de tallos distintos (en general, un nmero de tallos entre 5
y 20 suele ser apropiado).
Se listan todos los tallos distintos en una columna, orde-
nados de forma creciente de arriba hacia abajo.
Se escribe cada hoja junto al tallo que le corresponda,
preferiblemente ordenados segn su valor.
Las ventajas del Diagrama de tallo y hojas son:
a) Permite identificar cada puntuacin individual.
b) Ofrece simultneamente tanto un listado de puntuacio-
nes como un dibujo de la distribucin (si tumbamos el
diagrama obtenemos una especie de histograma).
c) Es ms fcil de modificar para obtener un dibujo con un
nivel de detalle distinto de la distribucin ya que contiene
los valores de cada observacin.
d) Pueden representarse dos conjuntos de datos simult-
neamente en el mismo diagrama, con lo que se facilita la
comparacin.
e) Permite identificar datos atpicos.
Vemoslo con un ejemplo. El diagrama de tallo y hojas
representa las edades de una muestra de pacientes que
fueron hospitalizados por presentar un brote psictico por
primera vez.
La amplitud tomada para el tallo es de diez, por lo que en
la lnea de tallos tenemos las decenas y en las hojas, las
unidades.
Edad ingreso hospitalario
Frecuencia Tallo y Hojas
8 2 . 02344556
3 3 . 225
3 4 . 688
2 5 . 18
0 6.
1 7.6
As, vemos en este grfico que hay 8 personas que han
tenido el primer brote psictico que requiri ingreso hospi-
talarios con veintitantos aos, 3 con treinta y tantos, 3 con
cuarenta y tantos Adems, podremos observar que un
sujeto tuvo este primer brote psictico con 20, otro con 22,
otro con 23, dos con 24, dos con 25 y uno con 26. As
podramos hacer con todas las frecuencias.
CEDE - C/ Cartagena, 129 - 28002 Madrid
Tel.: 91 564 42 94
 09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 135
El grfico de tallo y hojas nos sirve, igual que el diagrama
de caja, para identificar la presencia de valores atpicos.
Obsrvese que, a la luz de estas distribuciones del ejem-
plo, podramos plantearnos si es posible que una persona
presente un primer brote ms all de los 60 aos y qu
hacer con esos casos.

2.5. REPRESENTACIN GRFICA DE LA VARIABILI-

DAD: DIAGRAMA DE CAJA Y BIGOTES

La tcnica desarrollada por Tukey denominada caja y

bigotes (box and whiskers), tambin conocida como dia-
grama o grfico de caja (boxplot), es una representacin
grfica que transmite de una manera directa y simple la
variabilidad observada en un conjunto de valores. Para la
construccin de esta representacin, se calculan previa-
mente la mediana, los cuartiles Q1 y Q3 (PIR 02, 171) y los
valores extremos LI y LS, siendo LI (lmite inferior) la me-
nor observacin mayor o igual que [Q1 1,5 (Q3 Q1 )] y
LS (lmite superior) la mayor observacin menor o igual
que [Q3 + 1,5 (Q3 Q1 )]. Las observaciones que caen
fuera del intervalo (LI, LS) se consideran datos atpicos.
Para la representacin grfica se marcan seales de tal
forma que las distancias entre ellas sean proporcionales a
las distancias entre la puntuacin mxima, la mnima y los
tres cuartiles. Con los tres cuartiles se forma una especie
de ficha de domin (la caja), cuya longitud se corresponde
con el recorrido intercuartlico. Aunque en el grfico que
sirve como ejemplo la mediana se encuentra en el medio
As, observando este tipo de grficos podemos determinar
la tendencia central (mediana), la variabilidad de los datos
(longitud de la caja), identificar la posible presencia de
observaciones atpicas (valores extremos y outliers) y
valorar la asimetra (segn la posicin de la mediana res-
pecto a la caja.
3. ESTADSTICOS DE TENDENCIA
CENTRAL
Los estadsticos de tendencia central indican cul es la
puntuacin global de un grupo de puntuaciones.
3.1. MEDIA ARITMTICA
Si tenemos n valores numricos, la media aritmtica viene
definida por su suma dividida por el nmero de valores:

/n = x /n
de la caja, no tendra que ser obligatoriamente as, ya que
X = x1 + x 2 + + x n i
podemos encontrrnosla en cualquier punto dentro de la
caja. Podemos observar que: si la mediana est en la parte
inferior de la caja, entonces los datos son asimtricos En el caso de que los datos estn agrupados en intervalos
positivos; si la mediana se aproxima a la parte superior de Ia frmula vara:
la caja diremos que la distribucin es asimtrica negativa.
A los lados se aaden dos prolongaciones (los bigotes)
que se corresponden con 1,5 veces la longitud de la caja.
X = n1x1 + n2 x 2 + + nr x r /n + n
1 2
+ + nr = nj x j /n
Los valores que se distancian entre 1,5 y 3 longitudes de
caja se denominan outliers. A los valores que se distancian n1 ... nr = Nmero de observaciones o frecuencia absoluta
3 longitudes o ms se les conoce como extremos (extre- en cada uno de los intervalos.
me) (PIR 11, 257). X1 ... Xr = Puntos medios de cada uno de los intervalos.
n = Nmero total de observaciones.

Ej.: 4, 6, 5, 8, 3; X = 26 5 = 5,2

El valor de la media aritmtica calculado a partir de un

conjunto de valores numricos no agrupados en intervalos
diferir generalmente si se calcula agrupando los misrnos
datos en intervalos. Solamente coincidirn ambas medias
si el agrupamiento en intervalos se realiza definiendo inter-
valos elementales (intervalos de amplitud unidad).

CEDE - C/ Cartagena, 129 - 28002 Madrid

Tel.: 91 564 42 94 C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
136 09.02. ESTADSTICA
La media aritmtica es un estadstico de tendencia central
apropiado para variables cuantitativas (nivel de medida
de intervalos o superior).
3.1.1. Propiedades de la media aritmtica
La suma de las diferencias de n puntuaciones respecto a
su media vale cero:
(X i X) = (X1 X) + (X 2 X) + + (X n X) = 0
Si a un conjunto de valores numricos (con un nivel de
medida de intervalos o superior) le aplicamos una trans-
formacin admisible del tipo: (Y = aX + b), la media aritm-
tica sufrir idntica transformacin (PIR 01, 111, 120):
X Y = aX + b
X1 aX1 + b
X2 aX2 + b
X3 aX3 + b
X Y = aX + b
Con un ejemplo lo veremos fcilmente:
X Y = 2X + 3
1 5
2 7
3 9
X =2 Y =7
La media puede considerarse el centro de gravedad de
una distribucin de frecuencias, esto es, si representamos
una distribucin de frecuencias mediante un histograma, Ia
media ser aquel punto en el eje de abscisas que permiti-
ra mantener en equilibrio la distribucin.
La media no es el estadstico ms apropiado cuando la
distribucin es muy asimtrica, esto es, cuando existen
una o muy pocas puntuaciones en uno de sus extremos,
ya que es muy sensible a las variaciones de los datos.
Si tenemos r grupos con n1, n2, ..., nr puntuaciones cada
uno, y siendo X1 , X 2 , ..., X r sus correspondientes me-
dias, entonces Ia media del conjunto de n puntuaciones es
la siguiente:
/
X = (n1X1 + n2 X 2 + + nr X r ) n
C E D E www.pir.es
3.1.2. Clases de medias
Adems de la media aritmtica, que es generalmente a la
que nos referiremos cuando hablemos de media sin espe-
cificar, existen otros tipos de medias. A continuacin pre-
sentaremos las principales:
Medias robustas: son aquellas que se ven menos afecta-
das por los datos atpicos.
Media recortada: excluir en el clculo un porcentaje
de los casos extremos de la distribucin.
Media winsorizada: en lugar de excluir un porcentaje
de casos extremos, se sustituyen estos por el valor in-
mediatamente superior o inferior a ese porcentaje de
valores.
Media central: es el promedio de la parte central de
la distribucin.
Trimedia (o mediana recortada): ndice ponderado que
utilizada los tres cuartiles para su clculo.
X TRI = (Q1 + 2Q2 + Q3 )/4
Meda: mediana de las desviaciones absolutas de la me-
diana. En el intervalo mediana +/ meda se encuentra, al
menos, el 50% de las observaciones.
MEDA = Mdn |xi Mdn|
Media ponderada:
Es una media aritmtica calculada sobre puntuaciones a
las que el investigador otorga pesos especficos. En su
frmula, en el numerador se suman las puntuaciones,
multiplicadas cada una de ellas por su peso especfico. En
el denominador figura la suma de los pesos de todas las
puntuaciones:
/
X = (n1X1 + n2 X 2 + + nr X r ) (n1 + n2 + + nr )
Medias aritmticas generalizadas:
Dentro de lo que se denomina medias aritmticas genera-
lizadas se incluyen la media geomtrica, la media armni-
ca y la media cuadrtica. Su nombre hace referencia al
hecho de que haciendo alguna transformacin sobre estas
medias aritmticas generalizadas podramos llegar a la
media aritmtica.
CEDE - C/ Cartagena, 129 - 28002 Madrid
Tel.: 91 564 42 94

Media geomtrica:
La media geomtrica de n valores es la raz ensima
del producto de esos n valores:
X g = n (X1) (X 2 ) (Xn )
Si los datos estuvieran agrupados en intervalos la fr-
mula sera la siguiente:
Xg = n (X 1 )n1 (X 2 )n2 (X n )nr
n1, n2, ..., nr = nmero de observaciones o valores en
cada intervalo.
X1 ... Xr = Puntos medios de cada uno de los intervalos.
n = Nmero total de observaciones.
La media geomtrica es un valor tal que su logaritmo
es igual a la media aritmtica de los datos. La media
geomtrica se usa con ms frecuencia que la aritmtica
en investigaciones sobre promedios de tiempos o de
razones (PIR 04, 90).
Media armnica:
La media armnica de n valores es el recproco de la
media aritmtica de los recprocos de esos n valores. Si
nos fijamos en la frmula, la definicin resulta ms sen-
cilla:
/
X a = 1 (1/ X1 + 1/ X 2 + + 1/ X n ) n
Si los datos estuviesen agrupados en intervalos:
/
X a = 1 (n1 / X1 + n2 / X 2 + + nr / X r ) n
n1, n2, ... nr = Nmero de observaciones o valores en
cada intervalo.
X1 ... Xr = Puntos medios de cada uno de los intervalos.
n = Nmero total de observaciones.
La media armnica es un valor tal que su recproco es
igual a la media aritmtica de los recprocos de los da-
tos. Se suele emplear en clculos en los que la variable
pone en relacin diferentes unidades de medida, como
por ejemplo la velocidad (espacio/tiempo), siendo estas
variables muy comunes en estudios de psicofsica, por
ejemplo.
CEDE - C/ Cartagena, 129 - 28002 Madrid
Tel.: 91 564 42 94
09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 137
Media cuadrtica:
La media cuadrtica de n valores es la raz cuadrada
de la media aritmtica de los cuadrados de esos n valo-
res. Expresado matemticamente sera:
Xc = { (X )1
2
+ (X 2 )2 + + (X n )2 }/n
Para datos agrupados en intervalos:
Xc = { n (X )
1 1
2
+ n2 (X 2 )2 + + nr (X r )2 } /n
n1, n2, ..., nr = Nmero de observaciones o valores en
cada intervalo.
X1 ... Xr = Puntos medios de cada uno de los intervalos.
n = Nmero total de observaciones.
La media cuadrtica es un valor tal que su cuadrado es
igual a la media aritmtica de los cuadrados de los da-
tos. Esta media se utilizar, por ejemplo, en los clcu-
los necesarios en el ANOVA.
3.2. MEDIANA
La mediana es el punto o valor numrico que deja por
debajo el 50% de las observaciones. Es un estadstico de
tendencia central (aunque tambin de posicin) que admite
ser calculado para variables cuantitativas discretas e inclu-
so para cuasi-cuantitativas, no obstante lo ms frecuente
/ es que se utilice en variables cuantitativas continuas.
Su clculo vara en funcin de si los datos se agrupan en
intervalos o no.
/ 3.2.1. Clculo de la mediana en datos no agrupados
en intervalos
En primer lugar tenemos que ordenar todas las puntuacio-
nes de menor a mayor, para a continuacin proceder del
siguiente modo segn que el nmero de observaciones
sea par o impar:
Nmero impar de observaciones:
Ej.: 3, 2, 6, 8, 1. Ordenados: 1, 2, 3, 6, 8.
La mediana es la puntuacin u observacin que ocupa el
lugar central.
C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
138 09.02. ESTADSTICA

Nmero par de observaciones:

Ej.: 3, 2, 6, 8, 1, 9. Ordenado: 1, 2, 3, 6, 8, 9.
(3 + 6)/2 = 4,5.
La mediana es la media aritmtica de las puntuaciones
correspondientes a las dos observaciones que ocupan los
lugares centrales.
3.2.2. Clculo de la mediana en datos agrupados en
intervalos
( / )
Md = L i + ((n / 2) nb ) nd I
Li = Lmite exacto inferior del intervalo crtico (19,5).
(n/2) = Mitad o 50% de las observaciones (72/2).
nb = Nmero de observaciones bajo el intervalo crtico (26).
nd = Nmero de observaciones dentro del intervalo crtico
(20).
I = Amplitud del intervalo crtico (5).
Md = Mediana (en nuestro ejemplo corresponde a la pun-
tuacin 22).

Supongamos que tenemos una muestra de 72 alumnos y La mediana puede obtenerse mediante la misma frmula
sus correspondientes puntuaciones en un examen tipo test pero utilizando el lmite exacto superior del intervalo crtico
(la puntuacin ms baja obtenida ha sido de 10 y la ms en lugar del inferior, y el nmero de observaciones por
alta de 34); a continuacin elaboramos una distribucin de encima del intervalo crtico en vez del nmero de observa-
frecuencias agrupando los datos en intervalos y registran- ciones bajo el intervalo.
do en cada uno de ellos la frecuencia absoluta o nmero
de alumnos que han obtenido una puntuacin correspon- 3.2.3. Propiedades de la mediana
diente a dicho intervalo:
La suma de las diferencias, en valor absoluto, de n pun-
PUNTUACIONES FRECUENCIA tuaciones respecto a su mediana es igual o menor que la
30-34 8 suma de las diferencias, en valor absoluto, de esas pun-
25-29 18 tuaciones respecto a cualquier otro valor.
20-24 20
15-19 16 La mediana es menos sensible que la media a las varia-
10-14 10 ciones de cada una de las puntuaciones. En algunos casos
puede quedar invariable, cosa que en muchas ocasiones
72
no sucede con la media (basta que vare una sola de las
puntuaciones para que sta vare).
Antes de aplicar la frmula del clculo de la mediana hay
que localizar el intervalo crtico. Como la mediana es la
La mediana es un punto tal que la vertical levantada
puntuacin que deja por debajo y por encima el 50% de
sobre el mismo, divide el rea total del histograma en dos
observaciones, y dado que el n de observaciones en nues-
reas con idntica superficie. Es importante precisar que la
tro ejemplo es de 72, la mediana se corresponder aqu
mediana no tiene porqu coincidir con la media. Cuando la
con la puntuacin que deje por debajo y por encima 36
distribucin es muy asimtrica es preferible como estads-
observaciones. El intervalo crtico es entonces aqul que
tico de tendencia central a la media.
contenga dicha puntuacin; si nos fijamos en la distribucin
la puntuacin 14 (lmite aparente superior del primer inter-
Dados r grupos con sus correspondientes medianas, la
valo) deja por debajo slo 10 observaciones, por lo tanto la
mediana del grupo total es igual o mayor que la mediana
mediana no puede estar en l. En el siguiente intervalo el
mnima e igual o menor que la mxima.
lmite aparente superior deja por debajo (16 + 10) = 26
observaciones, luego tampoco puede contener la mediana.
3.3. MODA
El lmite aparente del intervalo superior sin embargo se
pasa, pues deja por debajo (10 + 16 + 20) = 46 observa-
La definicin de la moda vara segn que la variable sobre la
ciones. Es precisamente en el intervalo 20-24 (o ms exac-
que se defina se encuentre a un nivel de medida de interva-
tamente 19,5-24,5 si lo expresamos con los lmites exac-
los o razn, ordinal o nominal (PIR 04, 89; PIR 05, 89).
tos) donde se encuentra la mediana, la puntuacin que
Adems, se distingue de la media y la mediana en que no
deja por debajo y por encima 36 observaciones.
necesariamente es nica, pues en una distribucin pueden
existir dos o ms modas, si a varios valores o categoras les
Una vez localizado el intervalo crtico empleamos la si-
corresponda una idntica frecuencia mxima. En el caso de
guiente frmula para localizar la mediana:
que solo haya una moda, hablaremos de distribuciones

CEDE - C/ Cartagena, 129 - 28002 Madrid

C E D E www.pir.es Tel.: 91 564 42 94
 09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 139
unimodales, mientras que si existe ms de una moda, esta-
remos ante distribuciones multimodales.

3.3.1. La moda a nivel de intervalos o razn

Datos no agrupados:

Es la puntuacin a la que corresponde frecuencia mxima,

esto es, la puntuacin que ms se repite.

Ej.: 2, 4, 8, 2, 6. Moda: 2.

Datos agrupados en intervalos: * En las distribuciones asimtricas positivas encontraremos ms

frecuencia de valores bajos.

Es el punto medio del intervalo al que corresponde fre-

cuencia mxima. Considerando como ejemplo la distribu-
cin de frecuencias citada en el epgrafe de la mediana, en
sta la moda es la puntuacin 22, pues es el punto medio
del intervalo (20-24), al que corresponde la frecuencia
mxima (20 observaciones).
3.3.2. La moda a nivel ordinal
Una distribucin ser asimtrica negativa cuando la cola
de la distribucin vaya hacia la izquierda. En este caso
ocurrir al contrario, y nos encontraremos antes el valor
medio de la distribucin que el valor que deja por debajo
de s al 50% de los datos. Dicho de otra manera, la media-
na ser mayor que la media (PIR 02, 160; PIR 03, 48).

Es la categora o el valor ordinal al que corresponde la

frecuencia mxima. En el epgrafe 2.3.1 presentbamos un
ejemplo de distribucin de frecuencias en una variable de
nivel ordinal (clase social). En dicha distribucin la moda
es la categora media media o valor numrico 3, pues le
corresponde la frecuencia ms alta de toda la distribucin
(20 observaciones o sujetos pertenecen a dicha clase).

3.3.3. La moda a nivel nominal

Es muy similar a la moda a nivel ordinal, pues se trata de

* En las distribuciones asimtricas negativas existir ms frecuen-
la modalidad o categora nominal a la que corresponda la
cia de valores altos.
frecuencia mxima. En el ejemplo de distribucin de fre-
cuencias del apartado 2.3 (afiliacin poltica), con una
3.5. APUNTAMIENTO O CURTOSIS
variable a nivel nominal, la moda se corresponde con la
categora nominal centro.
La curtosis se refiere al apuntamiento o aplanamiento
de la grfica, lo que tiene su origen en que las frecuencias
3.4. MEDIA, MEDIANA, MODA Y ASIMETRA
de la moda y las de los valores prximos a ella superen en
mayor o menor grado las correspondientes a los restantes
Si la distribucin es simtrica media y mediana coincidirn
valores de la variable. Por ello, las medidas de apunta-
en el mismo valor, y tambin con la moda (si es unimodal)
miento o curtosis tienen significado vlido slo en el caso
tal y como ocurre en la curva normal (PIR 14, 227).
de distribuciones con simetra o ligera asimetra y unimo-
dales, tratando de medir la mayor o menor cantidad de
Una distribucin ser asimtrica positiva cuando la cola de
datos que se encuentran prximos a la moda:
la distribucin vaya hacia la derecha. En este caso, la
mediana ser menor que la media, ya que es ms proba-
Si hay gran cantidad de datos agrupados en torno a la
ble que encontremos antes el valor que deje por debajo al
moda (frecuencias altas para valores prximos a la moda),
50% de la muestra que el valor medio de la distribucin.
la grfica ser muy apuntada en esa zona, y se dice que
es de tipo leptocrtico:

CEDE - C/ Cartagena, 129 - 28002 Madrid

Tel.: 91 564 42 94 C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
140 09.02. ESTADSTICA
Si la cantidad de datos prximos a la moda es slo mo-
deradamente alta con relacin a las dems frecuencias,
entonces se dice que la grfica es de tipo mesocrtico
(ej.: curva normal):
Si la cantidad de datos agrupados en torno a la moda es
slo ligeramente superior al resto de los valores, la grfica
tiende ms al aplanamiento que al apuntamiento y se dice
que es de tipo platicrtico:
Cuando en una distribucin existe mnima variabilidad
significa que los sujetos se mueven todos en un intervalo
de valores muy pequeo. Esto, en otras palabras, significa
que muchos de los sujetos se agrupan en torno a la moda
(distribucin leptocrtica). Si la variabilidad es muy grande,
C E D E www.pir.es
los sujetos se distribuyen por un amplio intervalo de valo-
res y el nmero de sujetos en torno a la moda sera solo
ligeramente superior al resto de valores (distribucin plati-
crtica) (PIR 12, 19).
El grado de apuntamiento de una distribucin estadstica
puede calcularse mediante determinados estadsticos, uno
de los cuales es el coeficiente de apuntamiento de Fis-
her, segn el cual:
Un valor 0 o muy prximo a 0 implica una distribucin de
tipo mesocrtico.
Un valor positivo implica una distribucin de tipo lep-
tocrtico (PIR 05, 83).
Un valor negativo implica una distribucin de tipo plati-
crtico.
La frmula es la siguiente:
Coeficiente de apuntamiento de Fisher =
Ap =
(xi x)4 n 3
N S4
siendo: Ap: coeficiente de apuntamiento
S4: desviacin tpica elevada a 4
xi: valor cualquiera (i) de la distribucin o marca
de clase del intervalo (valor central del intervalo)
x: media total
ni: frecuencia correspondiente al valor xi
N: muestra total
4. ESTADSTICOS DE POSICIN:
LOS CUANTILES
Los estadsticos de posicin nos indican la situacin o
posicin de una puntuacin o valor numrico con respecto
al grupo del que procede. Aunque los estadsticos de ten-
dencia central son considerados tambin estadsticos de
posicin, los cuantiles son un ejemplo ms paradigmtico
de este tipo de medidas. Los cuantiles son valores que
permiten estudiar la posicin relativa de un individuo en
una variable (PIR 03, 43). Se pueden definir tambin como
un conjunto de K puntos que permiten dividir la distribucin
en K+1 partes iguales. Los ms conocidos son los cuarti-
les, los deciles y, muy especialmente, los centiles o per-
centiles. Todos ellos constituyen una escala ordinal, sin
unidad de medida constante, y, por tanto, no se da igual-
dad de diferencia (es decir, la distancia entre el centil 98 y
el 99 no es la misma que la distancia entre el 50 y el 51), y
en general las distancias son mayores en los extremos de
la distribucin que en el centro (PIR 03, 69; PIR 04, 83;
PIR 05, 92). Por ejemplo, si estamos ante una distribucin
normal de CI, entre el centil 50 y 53 habr un 3% de la
muestra, al igual que entre el centil 96 y 99. La diferencia
CEDE - C/ Cartagena, 129 - 28002 Madrid
Tel.: 91 564 42 94

est en que el centil 50 se corresponde con la puntuacin
100, y el 53 con la puntuacin 101. En cambio, con valores
extremos, la diferencia entre puntuaciones puede ser mu-
cho mayor (la puntuacin que ocupa el centil 96 es 127,
mientras que el centil 99 es 134).
100 101 127 134
Pc:50 Pc:53 Pc:96 Pc:99
Dif. en puntos = 1 Dif. en puntos = 7
Dif. en percentil = 3 Dif. en percentil = 3
4.1. CUARTILES
Son tres valores (si echamos mano de la definicin de
cuantil, estaramos hablando de K valores) de la variable
que dividen a la distribucin en cuatro partes iguales (si-
guiendo con la definicin general, K+1 partes iguales),
cada una de las cuales supone un 25% del total (PIR 01,
112). Se simbolizan por las letras Q1 Q2 y Q3, y se corres-
ponden con los percentiles P25, P50 (= Mdn) y P75 respecti-
vamente.
4.2. DECILES
Son nueve valores de la variable que dividen la distribucin
en diez partes iguales de modo que cada parte ser una
dcima o un 10% del total. Se emplea para designarlos el
smbolo DK (K = 1, 2 .... 9). El D5 equivale al Q2 y por tanto
a la mediana.
4.3. PERCENTILES
Si se ha comprendido el significado de la mediana, ser
sencillo entender lo que significa un percentil, pues la me-
diana se puede considerar como un percentil 50, esto es,
aquella puntuacin que deja por debajo y por encima el
cincuenta por ciento de las observaciones.
CEDE - C/ Cartagena, 129 - 28002 Madrid
Tel.: 91 564 42 94
09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 141
En este sentido el percentil J, ser, genricamente, aque-
lla puntuacin que deje por debajo de s a J% de observa-
ciones (PIR 02, 154; PIR 08, 192). Por ejemplo, el percentil
15 (P15) ser la puntuacin que deja por debajo del s al
15% de los datos.
El percentil ya no es necesariamente un ndice de tenden-
cia central, pues por ejemplo el percentil 5 se encuentra
alejado de la mediana por definicin. S lo es, sin embargo
de posicin, pues nos indica qu proporcin de observa-
ciones se encuentran por encima y por debajo de una
puntuacin dada. Si obtenemos en un examen una califi-
cacin de 7 y queremos compararnos con el rendimiento
de los dems alumnos, un modo eficaz puede ser identifi-
car el percentil que corresponde a la puntuacin 7. Si ste
es elevado, entenderemos que un gran porcentaje de
sujetos ha obtenido notas inferiores a la nuestra. Si por el
contrario es bajo, concluiremos que la mayora de los suje-
tos ha obtenido calificaciones por encima de 7.
El modo de calcularlo es similar al que emplebamos a la
hora de obtener la mediana, pues la frmula es muy similar
(proponemos la que se emplea en el clculo del percentil
para datos agrupados en intervalos):
/
PJ = L i + ((Jn / 100) nb ) nd I
Recurramos al ejemplo de distribucin que utilizamos en el
clculo de la mediana para datos agrupados; nos propo-
nemos ahora calcular el Percentil 60, esto es, aquella
calificacin que deje por debajo el 60% de las observacio-
nes, o dicho de otra manera, el que deje por encima de s
el 40% de los datos (PIR 03, 47). Lo primero que tenemos
que hacer es identificar el intervalo crtico, aqul que con-
tiene dicha calificacin. El nmero total de observaciones
es de 72, de modo que el 60% de observaciones es:
(72 60) / 100 = 43,2
El percentil 60 ser por tanto una puntuacin que deje por
debajo de s 43,2 observaciones. El lmite inferior del inter-
valo (20-24) deja por debajo de s 26 observaciones, el
lmite superior de este intervalo deja 46; por lo tanto es
ste el intervalo crtico que contiene el Percentil 60 (en
este tipo de clculos es cuando resulta til un ndice como
Ia frecuencia acumulada o el porcentaje acumulado). A
continuacin slo queda aplicar la frmula:
Li = Lmite exacto inferior del intervalo crtico (19,5).
(Jn/100) = Nmero de observaciones que corresponden al
60% (43,2).
nb = Nmero de observaciones bajo el intervalo crtico (26).
C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
142 09.02. ESTADSTICA
nd = Nmero de observaciones dentro del intervalo crtico
(20).
I = Amplitud del intervalo crtico (5).
P60 = En nuestro ejemplo corresponde a la calificacin
23,8. Esta calificacin deja por debajo el 60 por ciento de
las observaciones. Desde un punto de vista grfico signifi-
ca que en el histograma de esta distribucin, la vertical
levantada sobre el Percentil 60 divide la distribucin en dos
reas, siendo una de ellas equivalente al 60% de la super-
ficie total y la otra al 40%.
Podemos concluir que el valor de la mediana coincidir con
el del cuartil 2, el del decil 5 y el del percentil 50, para un
mismo conjunto de datos y tambin son ciertas otras igual-
dades, entre ellas por ejemplo: (PIR 13, 78)
Decil 1 = centil 10
Cuartil 1 = percentil 25
5. ESTADSTICOS DE VARIABILIDAD
Y DISPERSIN
Si en los anteriores apartados nos dedicamos a analizar
los estadsticos de tendencia central y posicin, a conti-
nuacin vamos a centrarnos en aqullos que hacen refe-
rencia a la variabilidad.
Los estadsticos de variabilidad nos informan acerca de si
las puntuaciones se encuentran muy prximas entre s
o muy dispersas. De este modo, es posible encontrar dos
grupos de puntuaciones con idntica media, pero con
diferente variabilidad o dispersin. La variabilidad nunca
puede ser negativa, siempre ser 0.
5.1. DESVIACIN MEDIA (DM)
Es la media de las diferencias, en valor absoluto (de Io
contrario sera cero el resultado), de las puntuaciones
respecto a su media aritmtica. Expresado matemtica-
mente:
) /n = X
DM = (X 1
X + X 2 X + + Xn X i
X n
En el caso de tener que calcular la Desviacin Media para
datos agrupados en intervalos la frmula sera la siguiente:
DM = nj X j X /n
nj = Nmero de observaciones en el intervalo j (o fre-
cuencia absoluta).
Xj = Punto medio del intervalo j.
n = Nmero total de observaciones.
C E D E www.pir.es
5.2. LA VARIANZA (Sx2)
En la Desviacin Media evitbamos que la suma de las
diferencias de las puntuaciones respecto a la media fuera
cero, utilizando slo el valor absoluto de dichas diferencias.
Otro modo de obtener un ndice de dispersin es elevar al
cuadrado estas diferencias, con lo cual se anula el signo
de cada diferencia. De este modo nace la varianza, cono-
cida mediante el smbolo S2 cuando hace referencia a una
muestra (estadstico) y como 2 cuando alude a la pobla-
cin (parmetro).
Expresado matemticamente la varianza de n puntuacio-
nes sera:
2 2 2
Sx = ((X X) + (X2 X) + + (Xn X)
1
2
/ 2
n = (Xi X) / n
De esta frmula se pueden derivar otras expresiones equi-
valentes que permiten un clculo ms sencillo y rpido:
S2x = X i2
/ n X 2
Cuando los datos se presentan agrupados en intervalos las
tres frmulas se modifican ligeramente:
S2x = nj (X j X)2 /n
/
S2x = nj X 2j (n X 2 )
S2x = (n nj X 2j ( nj X j )2 ) n2 /
nj = Nmero de observaciones en el intervalo j (o fre-
cuencia absoluta).
Xj = Punto medio del intervalo j.
n = Nmero total de observaciones.
Cuanto mayor sea la variabilidad o dispersin de las pun-
tuaciones, mayor ser la varianza. Generalmente la va-
/ rianza es un valor numrico muy elevado, por lo que se
prefiere expresarla como Desviacin tpica o estndar
(Sx). sta no es ms que la raz cuadrada de la varianza:
Sx = S2x
La varianza es un ndice de dispersin adecuado cuando la
variable se encuentra a nivel de medida de intervalos como
mnimo, y cuando la distribucin de la misma no es dema-
siado asimtrica, si as fuera es ms apropiado un ndice
como la Amplitud Semi-intercuartil.
CEDE - C/ Cartagena, 129 - 28002 Madrid
Tel.: 91 564 42 94
 09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 143
La Cuasivarianza se define: Sy = a S x

n
(X i X)2 n
Si tomamos el mismo ejemplo que en el caso de la varian-
S2c =
i =1
= S2 za, la desviacin de Xi sera 0.82, mientras que la de Y
n1 n1 x sera 2 0,82 = 1,64.

Es semejante a la Varianza, excepto que la divisin es por
n 1 (tamao de la muestra) y no por N (tamao del grupo
de datos). Este estadstico es apropiado para obtener
estimaciones de la Varianza de la poblacin en el anlisis
inferencial de datos.
5.2.1. Propiedades de la Varianza y la Desviacin tpica
Si a un conjunto de puntuaciones le sumamos una cons-
tante, la varianza y la desviacin tpica de las nuevas pun-
tuaciones ser igual que la varianza y la desviacin tpica
de las originales, pues al aadir una constante lo que se ha
hecho es trasladar todas las puntuaciones una misma
distancia, sin alterar la posicin relativa que tienen todas
entre s, con lo cual la dispersin permanece inalterada.

El valor de la varianza y de la desviacin tpica siempre La varianza y la desviacin tpica de una distribucin se
ser mayor o igual que cero. modifican con que cambie una sola de las puntuaciones de
Cuando a una variable (X) le aplicamos una transforma- dicha distribucin. La razn es que estos ndices de dis-
cin admisible (Ver epgrafe de V. Cuantitativas), la varian- persin dependen de la media, y sta se altera con cual-
za de las nuevas puntuaciones es el resultado del producto quier modificacin en las puntuaciones que la constituyen.
de la primitiva varianza por el cuadrado de la pendiente (la
constante que multiplica a la variable): La desviacin tpica viene expresada en las mismas
unidades que los datos. Si tenemos una distribucin cuyas
Xi Yi = aXi + b puntuaciones expresan distancia en metros, la desviacin
tpica nos vendr dada en metros. No as con la varianza,
X1 Y1 = aX1 + b
que en este caso vendr expresada en metros cuadrados.
X2 Y2 = aX2 + b

La varianza total de un grupo de puntuaciones, cuando

se conocen los tamaos, las medias y las varianzas de

varios subgrupos hechos a partir del grupo total, mutua-

mente exclusivos y exhaustivos, puede obtenerse suman-

do la media (ponderada) de las varianzas y la varianza

(ponderada) de las medias (PIR 03, 44). Es decir:
Xn Yn = aXn + b

X Y = aX + b S2T = [( nj S2j ) / nj] + [ nj (x j x T )2 / nj]

S2x S2y = a 2S2x
El porcentaje de puntuaciones que quedan entre la media
+/ k desviaciones tpicas es, como mnimo el [1 (1/k2) x
Por ejemplo, 100] de las observaciones. Esta propiedad es conocida
como desigualdad de Tchebychev ya que recoge el he-
Xi Yi = 2Xi + 3 cho de que las distancias menores hasta la media son ms
frecuentes que las distancias mayores.
1 5

2 7 Aplicando la frmula obtenemos que como mnimo entre la

media +/ dos desviaciones tpicas se encuentran el 75%
3 9 de la muestra, y entre tres se encuentra al menos el 88,9%
de los datos sea cual sea el tipo de distribucin. En el caso
X =2 Y =7
concreto de la curva normal, se dan los siguientes datos
2
S = 0,7
x S2y = 22 0,7 = 2,7 (PIR 12, 69):

Como la desviacin tpica es el resultado de la raz cua-

drada de la varianza, en el caso de una transformacin
admisible, la desviacin tpica de las nuevas puntuaciones
ser:

CEDE - C/ Cartagena, 129 - 28002 Madrid

Tel.: 91 564 42 94 C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
144 09.02. ESTADSTICA

ASI = (P75 P25 )/2 = (Q3 Q1)/2

5.4.1. Propiedades de Ia Amplitud Semi-intercuartil

En distribuciones muy asimtricas es preferible a la va-

rianza o a la desviacin tpica.
Se aplica solo en variables definidas a nivel ordinal o
superior.
Es menos sensible que la varianza y que la desviacin
tpica a la variacin de los datos.
5.3. AMPLITUD TOTAL

5.5. COEFICIENTE DE VARIACIN

Es la diferencia entre la puntuacin mxima y la mnima.
Aunque tambin puede venir expresada como la diferencia
Cuando se trata de comparar la dispersin o variabilidad
entre la puntuacin mxima y la mnima ms una unidad,
de dos conjuntos de datos, los anteriores ndices son pro-
en el caso de que se consideren las puntuaciones como
blemticos en dos sentidos:
intervalos elementales.

1. Si comparamos las variabilidades de dos variables distin-

Por ejemplo, dadas las siguientes puntuaciones:
tas, definidas sobre un grupo de sujetos, sus respectivas
desviaciones tpicas vendrn expresadas cada una en
20, 32, 50, 61, 73
unidades de medida diferentes (por ejemplo: peso en kilos y
altura en metros), con lo cual no ser posible compararlas.
La amplitud total puede ser la diferencia entre la puntua-
cin mxima (73) y la mnima (20), esto es: 53; aunque
2. Otra dificultad surge cuando an siendo la misma varia-
tambin es vlido considerar las puntuaciones como inter-
ble, los dos conjuntos cuyas variabilidades queremos com-
valos elementales de amplitud una unidad y entonces
parar poseen medias muy diferentes (PIR 03, 46; PIR 05,
calcular la amplitud total restando los lmites exactos: Lmi-
82). La desviacin tpica del peso de un grupo de recin
te exacto superior de la puntuacin mxima Lmite exac-
nacidos puede ser de 0,5 Kg., mientras que la de un grupo
to inferior de la puntuacin mnima: (73,5 19,5 = 54).
de nios de primero de Educacin Primaria bien pudiera
estar en torno a 5 Kg. Cul de los dos grupos tiene mayor
En el caso de que las puntuaciones se agrupen en interva-
variabilidad? No podemos saberlo mediante la desviacin
los (esto es, en intervalos compuestos o de ms de una
tpica.
unidad de amplitud), la amplitud total ser la diferencia
entre el punto medio del intervalo mximo y el punto medio
Para soslayar estas dificultades dividimos las desviaciones
del intervalo mnimo. Ahora bien, aqu la amplitud total
tpicas de los grupos que queremos comparar por sus
tambin puede calcularse mediante la diferencia entre el
respectivas medias. La frmula, entonces, del Coeficiente
lmite exacto superior del intervalo mximo y el lmite exac-
de Variabilidad es la siguiente:
to inferior del intervalo mnimo.

Una de las caractersticas de la amplitud total como ndice CV = Sx /X

de dispersin es que si las puntuaciones mxima y mnima
Se aplicara por tanto dicha frmula a cada una de las varia-
permanecen constantes pero varan las intermedias, sta
bles, y los resultados s se podran comparar, ya que elimi-
no variar pero s lo harn la varianza y la desviacin me-
namos la unidad de medida de cada una de las variables (el
dia. La amplitud total tambin se conoce como recorrido o
CV tiene su propia unidad de medida).
rango.

Con frecuencia el CV se expresa multiplicando el cociente

5.4. AMPLITUD SEMI-INTERCUARTIL
por 100:
Es la mitad de la distancia (de ah lo de semi-intercuartil)
entre el tercer cuartil y el primer cuartil, esto es, entre el CV = (Sx / X) 100
percentil 75 y el percentil 25. Para hallarlo utilizamos el
50% central de los datos (PIR 05, 84), y lo dividimos por la
mitad. Expresado matemticamente:

CEDE - C/ Cartagena, 129 - 28002 Madrid

C E D E www.pir.es Tel.: 91 564 42 94

5.5.1. Propiedades del Coeficiente de Variacin
Si a cada una de las puntuaciones de un conjunto se les
suma una cantidad positiva, el CV disminuir, pues la
desviacin tpica se mantendr constante, pero la media
aumentar en esa cantidad. Por tanto el cociente disminui-
r ya que la media constituye su denominador. Por el con-
trario si se lleva a cabo una resta, el CV aumentar.
Si a cada una de las puntuaciones de un conjunto se las
multiplica por una constante positiva el CV no se alterar,
pues el numerador (la desviacin tpica) y el denominador
(la media) quedarn multiplicados por la misma cantidad.
El CV podra ser tericamente negativo, pues la media es
en algunos casos un valor negativo. No obstante, por defi-
nicin, se tomar el valor absoluto, pues ningn estadstico
de dispersin tiene sentido como valor negativo.
6. PUNTUACIONES DIRECTAS,
DIFERENCIALES Y TPICAS
6.1. PUNTUACIN DIRECTA
Es la puntuacin que resulta de aplicar la escala de medi-
da correspondiente a una variable. Hasta ahora todos los
ejemplos que hemos presentado se han basado en este
tipo de puntuaciones. En Estadstica se representan por
letras maysculas latinas. Una puntuacin expresada en
su forma directa no nos permite conocerla en relacin al
resto de las puntuaciones.
6.2. PUNTUACIN DIFERENCIAL
Es la puntuacin directa menos la media. En Estadstica
suele representarse por una letra latina minscula. Esta
transformacin a puntuaciones diferenciales s que permite
conocer cmo se encuentra una puntuacin respecto a las
dems, ya que si la puntuacin diferencial que se obtiene
es positiva, entonces la puntuacin directa que ha origina-
do la diferencial se encuentra por encima de la media; si
por el contrario es negativa, la puntuacin directa estar
bajo la media. Si la puntuacin diferencial fuese cero, signi-
ficara que puntuacin directa y media coinciden.
xi = X X
As, si un sujeto obtiene una puntuacin diferencial de 2,
significar que se encuentra dos puntos por encima de la
media, mientras que si tiene una puntuacin diferencial de
2 significar que el sujeto est 2 puntos por debajo de
dicha media.
CEDE - C/ Cartagena, 129 - 28002 Madrid
Tel.: 91 564 42 94
09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 145
6.3. PUNTUACIN TPICA
Se obtiene dividiendo la puntuacin diferencial por la des-
viacin tpica. Este tipo de puntuaciones se representa en
estadstica por la letra latina minscula (z).
zi = x i /S x
La puntuacin tpica nos indica cuntas desviaciones tpi-
cas se separa el sujeto de la media de la muestra a la que
pertenece, por lo que es la calificacin estndar ms ele-
mental y til (PIR 04, 92). As, una puntuacin tpica de 2
quiere decir que el sujeto se encuentra dos desviaciones
tpicas por encima de la media (PIR 01, 127), mientras que
una puntuacin tpica de -2 significa que est dos desvia-
ciones tpicas por debajo de la media.
6.3.1. Propiedades de las puntuaciones diferenciales y
tpicas
La media de las puntuaciones diferenciales es cero (PIR
01, 113). La transformacin de puntuaciones directas a
diferenciales es una transformacin admisible aplicada
sobre todas y cada una de las puntuaciones de un conjun-
to. Si tenemos en cuenta las propiedades que expusimos
acerca de la media, tenemos que la media de las puntua-
ciones diferenciales es:
Xi xi = Xi X
X1 x1 = X1 X
X2 x2 = X2 X
X xn = Xn X
x = X + ( X) = 0
X
Basndonos en las propiedades de la varianza y la des-
viacin tpica (varianza y desviacin de puntuaciones obte-
nidas por transformaciones admisibles) tendremos que la
desviacin tpica de las puntuaciones diferenciales es
equivalente al producto del cuadrado de la pendiente por la
desviacin tpica de las puntuaciones directas; como la
pendiente es (1) la desviacin tpica de las puntuaciones
diferenciales es igual a la desviacin tpica de las pun-
tuaclones directas de las cuales proceden.
SX Sx = (1) SX
C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
146 09.02. ESTADSTICA

La media de las puntuaciones tpicas es cero (PIR 01,
114; PIR 05, 91). Una puntuacin tpica es tambin el
resultado de una transformacin admisible, con lo que la
media puede calcularse del mismo modo que en el caso de
las puntuaciones diferenciales. Como la media de las pun-
tuaciones diferenciales es cero, por consiguiente la de las
tpicas tambin lo ser:
el usuario del test. Si a un conjunto de puntuaciones tpicas
les aplicamos una transformacin lineal admisible, obten-
dremos un segundo tipo de puntuaciones que se denomi-
nan puntuaciones tpicas derivadas o transformadas.
La transformacin aplicada es la siguiente:
T= z ST + T

xi zi = x i /S x
Al tratarse de una transformacin lineal, respeta la distribu-
cin original en la que estaban las puntuaciones directas.
x1 z1 = x /S
i x El usuario del test puede fijar arbitrariamente la media y la
= x /S
desviacin tpica deseadas; sin embargo hay una serie de
x2 z2 i x
escalas lineales derivadas de amplio uso. Por ejemplo, de
este procedimiento se derivan las puntuaciones T como

una transformacin lineal de las puntuaciones tpicas, en la

que la media es 50 y la desviacin tpica 10. Las puntua-

ciones de CI, asimismo, suelen tener una media 100 y una

desviacin tpica de 15 o 16 (PIR 03, 52; PIR 04, 93).

xn zn = x i /S x
x =0 z = (1/ Sx ) x + 0 = 0
Aplicando otra vez las propiedades de la varianza y la
desviacin tpica para transformaciones admisibles, encon-
tramos que la desviacin tpica de las puntuaciones tpicas
es igual a la unidad (PIR 02, 163), al igual que su varianza
(PIR 01, 121):
Sx Sz = (1/ Sx) Sx = 1
Si multiplicamos las puntuaciones tpicas por una cons-
tante A y sumamos a esos productos otra constante B, las
nuevas puntuaciones tendrn como media a B y como
desviacin tpica a A .
6.4. OTRAS TRANSFORMACIONES DE LAS PUNTUA-
CIONES
La transformacin a puntuaciones tpicas representa la
transformacin lineal de las puntuaciones ms comn. No
supone una alteracin de la distribucin original de las
puntuaciones, ya que la respeta: si la distribucin original
era normal, permanece as despus de la transformacin;
si por el contrario era sesgada positiva o negativamente,
platicrtica o multimodal, estas caractersticas tambin se
mantienen despus de la transformacin.
6.4.1. Puntuaciones tpicas derivadas o transformadas
Una vez realizada la transformacin a puntuaciones tpi-
cas, stas pueden transformarse de nuevo linealmente a
una nueva escala con media y desviacin tpica fijadas por
6.4.2. Transformaciones no lineales
Adems de las transformaciones lineales, pueden realizar-
se transformaciones no lineales sobre las puntuaciones.
Estas transformaciones no lineales s alteran la forma de
las distribuciones originales.
Una de estas transformaciones seran los rangos percen-
tiles, escala muy utilizada para comunicar los resultados
de los tests normativos a los no expertos. Ya que las esca-
las de percentiles son una transformacin no lineal de la
distribucin original. En diferentes regiones de la escala de
puntuaciones directas una diferencia de un punto puede
corresponder a diferencias distintas en la escala de rangos
percentiles. Su distribucin es desigual (sobre todo en los
extremos); por ello no deben realizarse clculos aritmticos
ni estadsticos tales como medias o comparaciones de
grupos con puntuaciones en escala de rangos percentiles
(ni compararlas si se han obtenido en diferentes pruebas)
(PIR 11, 57).
La segunda transformacin no lineal posible es la normali-
zacin. Las distribuciones de las puntuaciones directas y
sus transformaciones lineales dependen de ciertas carac-
tersticas del instrumento de medida empleado y por ello
suele ser conveniente transformar la escala a algn otro
sistema de puntuaciones o de unidades independiente de
las caractersticas del instrumento de medida particular
utilizado y, en cierto sentido, igualmente espaciadas: la
distribucin normal. Esta normalizacin es especialmente
aconsejable si conocemos que el rasgo psicolgico medido
se distribuye normalmente en la poblacin. Las puntua-
ciones tpicas normalizadas diferirn de las tpicas linea-

CEDE - C/ Cartagena, 129 - 28002 Madrid

C E D E www.pir.es Tel.: 91 564 42 94

les ms o menos, segn la desviacin de la normalidad de
la distribucin original. Estas puntuaciones tpicas normali-
zadas se basan en los percentiles: a partir del percentil
correspondiente a una puntuacin, se obtiene la puntua-
cin z correspondiente en la distribucin normal. Por ejem-
plo, si en una determinada distribucin de puntuaciones, la
puntuacin 7 supone un percentil 40 ya que deja por deba-
jo de s el 40% de los datos, habr que buscar la puntua-
cin tpica normal que se corresponda con una p = 0,40,
que es zn = 0,25. Y as se irn transformando todas las
puntuaciones.
Basndonos en las puntuaciones tpicas normalizadas
pueden realizarse nuevas transformaciones lineales fijando
previamente la media y la desviacin tpica de la escala
deseada, obteniendo as puntuaciones tpicas normali-
zadas derivadas. Entre las escalas normalizadas deriva-
das ms comunes se encuentra la Escala de eneatipos o
estaninos. Los eneatipos o estaninos (cuyo nombre pro-
cede de la adaptacin al castellano de los trminos stan-
dard nine) son una transformacin lineal de puntuaciones
tpicas normalizadas, con una media 5 y una desviacin
tpica aproximada de 2, tal que:
Eneatipo = 2 zn + 5
Esta escala slo admite valores enteros entre 1 y 9, y tiene
porcentajes preasignados basados en la distribucin nor-
mal, divididos en intervalos con amplitud correspondiente a
desviacin tpica, excepto los dos extremos que son
abiertos.
6.5. INTERPRETACIN DE PUNTUACIONES DIREC-
TAS, DIFERENCIALES Y TPICAS
Una persona obtiene una calificacin en un examen tipo
test de 40 puntos (puntuacin directa). Apenas podemos
decir nada de esta persona en relacin a su grupo de refe-
rencia (por ejemplo sus compaeros de examen). Ahora
bien, si calculamos la media y restamos a la puntuacin
directa esta ltima, obtenemos una puntuacin diferencial.
Supongamos que la media es 30, entonces la puntuacin
diferencial de este alumno ser de 10; al ser positiva nos
informa de que nuestro alumno tiene una calificacin que
es superior a la media de sus compaeros (en concreto 10
puntos superior). Ahora bien, es muy superior a la media
o slo ligeramente superior? Si la mayora de sus compa-
eros se desvan de la media en 10 o ms puntos (hay una
alta variabilidad), el mrito de este alumno es modesto.
Por el contrario, si la mayora se sitan en torno a la media
(poca variabilidad), entonces este alumno se ha destacado
mucho respecto al grupo. La puntuacin tpica nos permite
un juicio objetivo sobre cunto se aparta una puntuacin
CEDE - C/ Cartagena, 129 - 28002 Madrid
Tel.: 91 564 42 94
09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 147
respecto de la media en relacin al resto de puntuaciones.
Si en nuestro ejemplo la desviacin tpica del grupo fuese
10, la puntuacin tpica de nuestro alumno sera (10/10 =
1), lo cual significa que este alumno se sita respecto a
sus compaeros a una desviacin tpica (o a una unidad
tpica) por encima de la media.
El uso de puntuaciones tpicas tambin tiene otras venta-
jas. Supongamos que el anterior examen lo hemos pasado
a dos grupos de alumnos muy distintos. Ambos obtienen
medias y desviaciones tpicas muy diferentes entre s, con
lo que resultara muy difcil comparar las puntuaciones de
los dos grupos. Un modo de solucionarlo es expresar las
puntuaciones de ambos grupos en puntuaciones tpicas.
En la medida que la media de puntuaciones tpicas vale
cero y la desviacin tpica de las mismas uno, tendremos
dos distribuciones con idntica media y desviacin, lo cual
facilitar la comparacin. Por otra parte, la unidad tpica es
un nmero abstracto sin los problemas de unidad de medi-
da que dificultan la comparacin entre diferentes caracte-
rsticas.
De lo anterior no se debe deducir necesariamente que dos
puntuaciones tpicas, cada una de un grupo distinto, signi-
fiquen exactamente lo mismo, pues detrs de cada una de
ellas habr puntuaciones directas posiblemente distintas y
percentiles diferentes (cada una podr dejar por debajo
distintos porcentajes de sujetos). No obstante, en psicolo-
ga, ocurre que la mayora de las caractersticas se distri-
buyen normalmente (las representaciones grficas de las
distribucionos de frecuencias se asemejan a la curva nor-
mal o Campana de Gauss), de modo que cuando trans-
formamos en tpicas las puntuaciones de dos grupos, po-
demos considerar que, a idnticas puntuaciones tpicas, se
corresponden idnticos porcentajes de observaciones por
debajo o por encima de las mismas.
6.6. LA CURVA NORMAL
Aunque hablaremos ms detenidamente de ella cuando
tratemos la Estadstica Inferencial, merece la pena desta-
car algunos aspectos de la distribucin ms habitual que
aparece en los tratados de psicologa.
Si construimos un test de inteligencia y lo aplicamos a una
poblacin de sujetos, lo ms probable es que la distribu-
cin de las puntuaciones directas obtenidas en el test por
dicha poblacin adquiera, en su representacin grfica, la
forma de Ia campana de Gauss o curva normal. Toda
distribucin normal tiene las siguientes caractersticas
bsicas:
C E D E www.pir.es
 09. PSICOLOGA EXPERIMENTAL
148 09.02. ESTADSTICA

Tiene un nico punto mximo, para X = (media pobla-

cional).
Tiene dos puntos de inflexin:
X=
X=+
Se acerca asintticamente al eje de abscisas, esto es se
acerca ms y ms a ese eje, tanto por la derecha como por
la izquierda, sin llegar a tocarlo en ningn punto finito.
La distribucin normal se caracteriza por ser simtrica
respecto al eje vertical que pasa por la media. Su mediana
divide su representacin grfica de modo que una de las
reas es reflejo de la otra, como si la mediana fuese un
espejo. En toda distribucin simtrica la mediana y la me-
dia coinciden (PIR 02, 166). En el caso de la curva normal
la mediana y la media coinciden adems con la moda, por
ser sta una distribucin unimodal.

Normal

Si a continuacin transformamos las puntuaciones directas

de esta poblacin en puntuaciones tpicas tendremos de
nuevo otra curva normal, pero en este caso sabemos que
la media valdr cero y la desviacin tpica la unidad. Esta
curva se llama normal tipificada. Por otro lado, la mayor
parte del rango de la distribucin se encontrar compren-
dida entre las puntuaciones tpicas (3) y (+3), en concreto
el 99,74% del rea contenida bajo la curva.

Normal tipificada

CEDE - C/ Cartagena, 129 - 28002 Madrid

C E D E www.pir.es Tel.: 91 564 42 94
 09. PSICOLOGA EXPERIMENTAL
09.02. ESTADSTICA 149

ESQUEMA DE CONTENIDOS

CEDE - C/ Cartagena, 129 - 28002 Madrid

Tel.: 91 564 42 94 C E D E www.pir.es