UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TÁCHIRA
VICE-RECTORADO ACADÉMICO
DECANATO DE DOCENCIA
DEPARTAMENTO DE MATEMÁTICA Y FÍSICA
UNIDAD CURRICULAR ESTADÍSTICA APLICADA A LA PSICOLOGÍA
Tema 2. Conceptos Básicos
Variable. Es una característica de la población o de la muestra cuya medida puede cambiar de valor. Se
representa simbólicamente mediante las letras del alfabeto. Según su naturaleza puede ser cualitativa y
cuantitativa.
Variable cualitativa. Es aquella que representa cualidades, atributos o características no numéricas y
estas pueden ser nominales y ordinales.
Variable cuantitativa. Es aquella característica de la población o de la muestra que es posible
representar numéricamente. Éstas pueden ser continua y discreta.
Variable continua. Es una variable cuantitativa. Es la característica de la población, cuyos valores están
representados mediante el conjunto de los números reales. Puede tomar cualquier valor real dentro de
un intervalo. Por ejemplo, la velocidad de un vehículo puede ser 80,3 km/h, 94,57 km/h.
Variable discreta. Es una variable cuantitativa. Es la característica de la población, cuyos valores están
representados mediante el conjunto de los números naturales. Por ejemplo, el número de alumnos de
un aula.
Variable aleatoria. Conocida también como variable estocástica o probabilística. Es la característica
considerada en un experimento aleatorio cuyo valor de ocurrencia sólo puede saberse con exactitud
una vez observado.
Variable bidimensional. Es aquella que proporciona información sobre dos características de la
población (por ejemplo: edad y altura de los alumnos de una clase).
Variable determinística. Es aquella cuyo valor puede ser predicho con exactitud.
Dato. Conocido también como información, es el valor de la variable asociada a un elemento de una
población o una muestra.
Dato cualitativo. Es aquel que representa alguna característica de los elementos de una muestra o una
población que presentan, atributos, actitudes o son opiniones. Son datos no numéricos.
Dato cuantitativo. Es aquel dato numérico que representa aspectos de una muestra o una población
que es medible o que se puede contar.
Censo. Es una investigación estadística que consiste en el
recuento de la totalidad de los elementos que componen la
población por investigar. Es necesario que se especifique el
espacio y el tiempo al que se refiere el recuento.
Población o universo (N). Es cualquier conjunto de unidades o
elementos claramente definido, en el espacio y el tiempo, donde
los elementos pueden ser personas, granjas, hogares, manzanas,
condados, escuelas, hospitales, empresas, y cualquier otro. Las
poblaciones pueden ser finitas e infinitas.
Población finita. Es aquella en la que es posible enumerar (contar) físicamente los elementos que
pertenecen a la población.
Población infinita. Es aquella en la que no es posible enumerar (contar) físicamente los elementos que
pertenecen a la población. Dicho de otra manera, cuando los elementos de la población son ilimitados.
Población objetivo. Es el conjunto de elementos de los que nos interesa obtener información o tomar
decisiones.
Muestra. Es un subconjunto representativo de la población a
partir del cual se pretende realizar inferencias respecto a la
población de donde procede. Los elementos seleccionados con
cierta técnica reúnen ciertas características que la hacen ser
representativa, significativa y confiable y que en base a ella se
pueden hacer inferencias respecto a la población. La muestra
puede ser probabilística y no probabilística.
Muestra probabilística. Es aquella muestra obtenida por un
mecanismo de probabilidades, en el cual cada elemento de la
población total o universo tiene una probabilidad conocida de
selección. (Ver muestreo aleatorio).
Muestra no probabilística. Es aquella que se obtiene mediante
juicio de la persona que selecciona los elementos de la muestra
que usualmente es un experto en la materia. Este método está
basado en los puntos de vista subjetivos de una persona y la
teoría de la probabilidad no puede ser empleada para medir el
error de muestreo. Las principales ventajas de una muestra de
juicio son la facilidad de obtenerla y que el costo usualmente es
bajo.
¿Cómo se determina el tamaño de la muestra de la población objeto de estudio?
Uno de los procedimientos a utilizar para este propósito es haciendo uso de fórmulas estadísticas,
dependiendo si población es infinita o infinita, y que se va a estimar, si es media poblacional o
proporción poblacional. A continuación, se mencionan las respectivas fórmulas:
Para estimar la media Para estimar la proporción
Población
(variables cuantitativas) (variables categóricas)
𝒁𝜶/𝟐 ∗ 𝝈 𝟐 𝒁𝜶/𝟐 ∗ 𝑷 ∗ 𝑸 𝟐
Infinita 𝒏= ( ) 𝒏= ( )
𝒆 𝒆
𝑵 ∗ 𝒁2𝜶⁄2 ∗ 𝝈2 𝑵 ∗ 𝒁2𝜶⁄2 ∗ 𝑷 ∗ 𝑸
Finita 𝒏= 𝒏=
𝒆2 (𝑵 − 1) + 𝒁2𝜶⁄2 ∗ 𝝈2 𝒆2 (𝑵 − 1) + 𝒁2𝜶⁄2 ∗ 𝑷 ∗ 𝑸
Siendo n tamaño de la muestra, N tamaño de la población, Z valor utilizado para el grado de confianza
especificado (normalmente se utilizan 90%, 95% y 99%) cuyo valor se busca en la tabla de distribución
normal (1.65, 1.95 y 2.58, respectivamente), s desviación estándar de la población, P proporción del
hecho que se está estudiando (en ocasiones cuando se desconoce, se asume 0,5), Q = 1 - P y, e factor
de error más o menos permitido asumido por el investigador.
El tamaño de la muestra debe ser:
Representativa: Hace referencia a que todos los miembros de un grupo de personas tengan las mismas
oportunidades de participar en la investigación.
Adecuada: Se refiere a que el tamaño de la muestra debe de ser obtenido mediante un análisis que
permite resultados como disminuir el margen de error.
Muestreo. Es un conjunto de métodos y procedimientos estadísticos destinados a la selección de una
o más muestras es la técnica seguida para elegir muestras. El objetivo principal de un diseño de muestreo
es proporcionar procedimientos para la selección de muestras que sean representativas de la población
en estudio. Existen dos métodos de muestreo: probabilístico y no probabilístico
MUESTREOS PROBABÍLISTICOS
Muestreo aleatorio simple. También llamado irrestrictamente
aleatorio. Es un método de muestreo donde una muestra
aleatoria simple es seleccionada de tal manera que cada muestra
posible del mismo tamaño tiene igual probabilidad de ser
seleccionada de la población. Una muestra aleatoria es también
llamada una muestra probabilística es aquella cuyos elementos
se seleccionan individualmente de la población en forma
aleatoria, y es preferida por los estadísticos porque la selección
de las muestras es objetiva y el error muestral puede ser medido
en términos de probabilidad bajo la curva normal. Por
conveniencia, este método puede ser reemplazado por una tabla
de números aleatorios cuando una población es infinita.
Muestreo estratificado aleatorio. Es un método de muestreo
que se aplica cuando se divide la población en grupos, llamados
estratos, donde los datos son más homogéneos pero un estrato
frente al otro muy distintos. Para extraer la muestra aleatoria se
aplica el muestreo aleatorio simple a cada estrato y el tamaño es
la suma de los tamaños de todos los estratos. Para determinar los
tamaños de los estratos se puede utilizar la asignación
proporcional, óptima y óptima económica. Si no se conoce la
variabilidad de los datos se aplica la asignación proporcional.
Afijación igual. Todos los estratos tienen el mismo número de elementos en la muestra. Se elije el
mismo número de individuos de cada estrato, basta entonces con dividir el número de elementos que
queremos en la muestra entre el número de estratos y obtendremos el número de elementos a elegir
en cada estrato.
𝐧
𝐧𝐢 =
𝐤
Siendo 𝐧𝐢 la cantidad de individuos en el estrato i (i = 1, 2, 3, ..., k), n es el tamaño de la muestra, k es
la cantidad estrato.
Afijación proporcional. Cada estrato tiene un número de elementos en la muestra proporcional a su
tamaño. Para cada estrato hay que hacer una proporción, por tanto, basta con dividir el tamaño de la
muestra entre el tamaño de la población y multiplicar por el tamaño de cada estrato. En la escena
basta con introducir el tamaño de la población, el tamaño de la muestra y el tamaño de un estrato y
obtendremos los elementos de la muestra que debemos elegir en ese estrato.
𝐧
𝐧𝐢 = ∗ 𝐍𝐢
𝐍
Siendo 𝐧𝐢 tamaño de cada estrato i, n es el tamaño de la muestra total, N es el tamaño de la población
y 𝐍𝐢 es el tamaño de muestra de cada estrato i.
Ejemplo. Supongamos que, en un centro universitario de 1.100 estudiantes, hay 350 estudiantes que
cursan ingeniería, 300 en administración, 250 en psicología, y 200 en educación; y queremos estudiar
el número de estudiantes que aprueban todas las asignaturas. Pensamos que puede haber diferencias
entre las distintas especialidades, por lo que nos interesa que en la muestra estén representados todos
los cursos.
1. ¿Cuál será el tamaño de la muestra, para un nivel de confianza del 95% y un error muestral del 5%?
Calculamos el tamaño de la muestra mediante la estimación proporcional, asumiendo que la variable
“Aprueba las asignaturas” es categórica y binomial, por lo que valor de P se desconoce la asumimos.,
en este caso, 0,50 siendo Q = 1 – P = 0,50. El valor de Z para un nivel de confianza del 95% sería 1,96.
N ∗ Zα2⁄2 ∗ P ∗ Q
n=
e2 (N − 1) + Zα2⁄2 ∗ P ∗ Q
1100 ∗ 1,962 ∗ 0,50 ∗ 0,50 1056,44
n= 2 2
= = 284,91 = 285
0,05 (1100 − 1) + 1,96 ∗ 0,50 ∗ 0,50 2,7475 + 0,9604
Se seleccionarán aleatoriamente 285 estudiantes del centro universitario.
2. ¿Cuántos estudiantes se seleccionarán de cada estrato?
350 estudiantes de ingeniería
300 estudiantes de administración
250 estudiantes de psicología
200 estudiantes de educación
Aplicando el método de afijación igual, el tamaño de cada estrato sería:
n
ni =
k
Como hay 4 estratos, entonces k = 4
285
𝑛1 = 𝑛2 = 𝑛3 = 𝑛4 = = 71,25 = 72
4
Se tomará de cada estrato 72 estudiantes.
Aplicando el método de afijación proporcional, el tamaño de cada estrato sería:
n
ni = ∗ Ni
N
285
n1 = ∗ 350 = 90,68 = 91 estudiantes de ingeniería
1100
285
n2 = ∗ 300 = 77,72 = 78 estudiantes de administracion
1100
285
n3 = ∗ 250 = 64,77 = 65 estudiantes de psicología
1100
285
n4 = ∗ 200 = 51,81 = 52 estudiantes de educación
1100
Estrato 𝐍𝐢 𝐧𝐢
Ingeniería 350 91
Administración 300 78
Psicología 250 65
Educación 200 52
TOTAL 1100 286
En la tabla se indica la cantidad de estudiantes que debemos seleccionar al azar por especialidad del
centro universitario para estudiar el número de estudiantes que aprueban todas las asignaturas, para
un nivel de confianza del 95% con un error muestral del 5%.
Muestreo sistemático. Es una variante del método aleatorio
simple de selección de cada elemento de la muestra. Se aplica
cuando la población está listada en algún orden. Consiste en
seleccionar un número aleatorio menor que N/n y luego los (n-1)
elementos de la muestra se eligen agregando al primer aleatorio:
el entero K obtenido por K=N/n y así sucesivamente. El primer
elemento de la muestra es seleccionado al azar. Por lo tanto, una
muestra sistemática puede dar la misma precisión de estimación
acerca de la población que una muestra aleatoria simple cuando
los elementos en la población están ordenados al azar.
Ejemplo. Siguiendo con el ejemplo anterior, tenemos que la población de estudiantes (N) es 1.100, y
vamos a tomar una muestra (n) de 285 estudiantes, por tanto, al aplicar la fórmula K=N/n = 1100/285
= 3,85 = 4, es decir, cada 4 estudiantes es la selección sistemática de la muestra. El procedimiento a
seguir es el siguiente: Se numeran los elementos del 1 al 1.100, se toma al azar un número entre este
intervalo, por ejemplo 10, a partir de este se comienza sistemáticamente a elegir la cantidad de
elementos hasta completar n. Lo recomendable es hacerlo sin reemplazamiento, es decir, aquel
estudiante seleccionado no se vuelve a introducir a la población.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68
69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 100 101 102 103 11000
Los números resaltados son los estudiantes que se tomaran como muestra de estudio. Si es necesario
volver al principio debe hacerse porque debe seleccionarse la cantidad de n = 285.
Muestreo por conglomerados. Es un método de muestreo en el
cual la población está en grupos debido a la organización
administrativa u otro (conglomerados). Ejemplo: Colegios,
Universidades, manzanas de casas, entre otros. Al interior de los
conglomerados no se puede garantizar homogeneidad. Cada
conglomerado es una unidad donde la muestra se selecciona como
en el muestreo aleatorio simple y se aplica la encuesta a todos los
elementos del conglomerado. Una muestra de conglomerados,
usualmente produce un mayor error muestral (por lo tanto, se
obtiene menor precisión de las estimaciones acerca de la
población) que una muestra aleatoria simple del mismo tamaño.
Los elementos individuales dentro de cada "conglomerado"
tienden frecuentemente a ser iguales.
Ejemplo. Un grupo de investigadores quiere conocer las características de las estudiantes que
ingresan a las universidades públicas en Venezuela. Para realizar la muestra representativa, se siguen
los pasos del muestreo por conglomerados:
− Se selecciona a todos los estudiantes universitarios de nuevo ingreso como población
objetivo, por ejemplo, de una entidad o región. Cada universidad será un conglomerado.
− Se calcula que de las N universidades públicas que hay en el país, se necesitarán n
conglomerados para elaborar la muestra.
− Se realiza una lista de las universidades públicas.
− Se seleccionan n universidades al azar y con un muestreo aleatorio simple se escoge a X
estudiantes de cada una.
Ventajas y desventajas de los muestreos probabilísticos
Muestreo Ventajas Desventajas
Muestreo − Es un muestreo de comprensión − Requiere un listado previo de toda la
aleatorio sencilla. población.
simple − Las medias y varianzas se calculan − Si la muestra es pequeña puede que
rápidamente. no sea representativa.
− Se basan en datos estadísticos para
el análisis de resultados
Muestreo − Este muestreo pretende representar − Se debe conocer la forma en que se
estratificado la población en función de las encuentra distribuida la población
variables de estudio. para realizar la estratificación.
− Las estimaciones son con un alto Muchas veces se requiere la
nivel de precisión. ponderación y complica el análisis.
− Su objetivo es conseguir una
muestra lo más semejante a la
población en lo que a la o las
variables estratificadoras se refiere.
Muestreo − Tiene facilidad de aplicación. − Se pueden dar estimaciones con
sistemático − No es un requisito fundamental nivel sesgado, si el muestreo se
tener la población enlistada. asocia al fenómeno de interés.
− Si la población se encuentra
ordenada vamos a tener una
tendencia conocida.
Muestreo por − Es realmente útil cuando la − Existe mayor error estándar que le
conglomerados población es dispersa y grande. muestreo estratificado o simple.
− Costos reducidos. − Existe complejidad en el cálculo de
− No tiene un nivel de precisión de la error.
población en general solo de las
muestras.
MUESTREOS NO PROBABILÍSTICOS
Muestreo por conveniencia. Es una técnica de muestreo no probabilística donde las muestras de la
población se seleccionan solo porque están convenientemente disponibles para el investigador. Estas
muestras se seleccionan solo porque son fáciles de reclutar y porque el investigador no consideró
seleccionar una muestra que represente a toda la población. Esta técnica de muestreo no probabilística
es más común, debido a su velocidad, costo-efectividad y facilidad de disponibilidad de la muestra.
Ejemplo de muestreo por conveniencia sería utilizar a estudiantes voluntarios que sean conocidos del
investigador. El investigador puede enviar la encuesta a los estudiantes y ellos en este caso actuarían
como muestra.
Muestreo intencional u opinático. En este caso los elementos son escogidos con base en criterios o
juicios preestablecidos por el investigador. Es decir, el investigador elige solo a aquellos que estos creen
que son los adecuados (con respecto a los atributos y la representación de una población) para
participar en un estudio de investigación. La desventaja del muestreo intencional es que los resultados
pueden estar influenciados por nociones percibidas del investigador. Por lo tanto, hay una gran cantidad
de ambigüedad involucrada en esta técnica de investigación. Este tipo de método de muestreo se puede
utilizar en estudios piloto. Por ejemplo, para un estudio sobre la atención en el servicio de psicología en
un centro de salud, previamente, se establecen como criterios de selección de la muestra los siguientes:
ser paciente del servicio, haber acudido mínimo tres consultas, ser mayor de 18 años y menor de 40
años. Por supuesto, la muestra la integrarán sólo aquellos que cumplan con las condiciones anteriores.
Muestreo casual o accidental. Es un procedimiento que permite elegir arbitrariamente los elementos
sin un juicio o criterio preestablecido. Por ejemplo, Un encuestador se ubica en un sector y aborda a los
transeúntes que pasan por el lugar. Lógicamente, las personas que no circulen por la zona, carecen de
toda probabilidad para integrar la muestra.
Muestreo por cuotas. Se basa en la elección de los elementos en función de ciertas características de
la población, de modo tal que se conformen grupos o cuotas correspondientes con cada característica,
procurando respetar las proporciones en que se encuentran en la población. Por lo tanto, el muestreo
por cuotas ayuda a dividir la población en estratos o grupos. En el ejemplo anterior, supongamos que
deseamos tomar una muestra de 50 pacientes, por lo que debemos seleccionar un numero proporcional
de hombres y mujeres, lo que significa que debe haber 25 hombres y 25 mujeres. Como esto es
improbable, los grupos o estratos se seleccionan mediante el muestreo por cuota.
Muestreo de bola de nieve. Este tipo de técnica de muestreo ayuda a los investigadores a encontrar
muestras cuando son difíciles de localizar. Los investigadores utilizan esta técnica cuando el tamaño de
la muestra es pequeño y no está disponible fácilmente. Este sistema de muestreo bola de
nieve funciona como el programa de referencia. Una vez que los investigadores encuentran
sujetos adecuados, se les pide a estos ayudas para buscar a sujetos similares y así poder formar una
muestra de buen tamaño. Por ejemplo, este tipo de muestreo se puede utilizar para realizar
investigaciones que involucran una enfermedad particular en pacientes o tal vez una enfermedad rara
también. Los investigadores pueden buscar ayuda de las personas enfermas para que estos refieran a
otros que sufran de la misma dolencia y con esto formar una muestra subjetiva para llevar a cabo el
estudio.
¿Cuándo usar el muestreo no probabilístico?
− Este tipo de muestreo se usa para indicar si existe un rasgo o característica particular en una
población.
− Esta técnica de muestreo es ampliamente utilizada cuando los investigadores realizan
investigaciones cualitativas, estudios piloto o investigación exploratoria.
− El muestreo no probabilístico se usa cuando los investigadores tienen un tiempo limitado para
llevar a cabo la investigación o tienen limitaciones presupuestarias.
− El muestreo no probabilístico se realiza para observar si un tema en particular necesita un análisis
en profundidad.
Ventajas del muestreo no probabilístico
− El muestreo no probabilístico es un método práctico para los investigadores que implementan
encuestas en el mundo real. Aunque claro, cabe mencionar que los estadistas prefieren el
muestreo probabilístico porque arroja datos en forma de números. Pero la realidad es que, si
se hace correctamente, el muestreo no probabilístico puede arrojar resultados similares, si no
es que de la misma calidad.
− Obtener respuestas utilizando el muestreo no probabilístico es más rápido y más rentable en
comparación al muestreo probabilístico ya que el investigador conoce la muestra.
Comúnmente los participantes están motivados para responder rápidamente en comparación
con las personas que se seleccionan al azar.
Desventajas del muestreo no probabilístico
− En el muestreo no probabilístico, el investigador necesita pensar las posibles razones de los
sesgos. Es importante tener una muestra que represente de cerca a la población.
− Al elegir una muestra en un muestreo no probabilístico, los investigadores deben tener
cuidado con los reclutas que puedan distorsionar los datos. Al final del día, la investigación se
lleva a cabo para obtener información valiosa y datos útiles.
Muestreo con reposición. Es el método para obtener una muestra con reposición. Esta muestra
consiste en que, al seleccionar un segundo elemento, el primero debe haber sido devuelto a la
población. De este modo un elemento puede repetirse en la muestra. Es decir, con este método una
unidad en particular puede quedar incluida más de una vez en la muestra, pudiendo ser hasta "n veces".
El universo o población se mantiene permanentemente con un tamaño N.
Muestreo sin reposición. Es el procedimiento para seleccionar cada elemento de la población éste no
se repone o considera de nuevo en la población, por lo que no puede ser seleccionado nuevamente. En
este caso el tamaño de la población o universo se irá reduciendo en cada selección N-1, N-2, N-3, ...,etc.
unidades de muestreo hasta N – n elementos.
Escala de medida. Una escala de medición es el conjunto de los posibles valores que una cierta variable
puede tomar. Es un continuo de valores ordenados correlativamente, que admite un punto inicial y otro
final. El nivel en que una variable puede ser medida determina las propiedades de medición de una
variable, el tipo de operaciones matemáticas que puede usarse apropiadamente con dicho nivel, las
fórmulas y procedimientos estadísticos que se utilizan para el análisis de datos y la prueba de hipótesis
teóricas.
Clasificación de Variables y Escala de Medición
CUALITATIVA CUANTITATIVA
Discreta Continua
Nominal Ordinal
Intervalos Razón
Nominal. Describe variables de naturaleza categórica que difieren en
cualidad más que en cantidad. Ante las observaciones que se realizan
de la realidad, es posible asignar cada una de ellas exclusivamente a
una categoría o grupo. Este nivel de medición es exclusivamente
cualitativo y sus variables son por lo tanto cualitativas. Este tipo de
variables sólo permite establecer relaciones de igualdad/desigualdad
entre los elementos de la variable, pero no operaciones aritméticas.
La asignación de los valores se realiza en forma aleatoria por lo que
NO cuenta con un orden lógico y generan categorías mutuamente
excluyentes y exhaustivas. Ejemplos: Género, estado civil,
procedencia geográfica, nacionalidad, religión, ideología política, etc.
Ordinal. Se establecen categorías con dos o más niveles que implican
un orden inherente entre sí. El nivel ordinal incorpora valores
numéricos a los caracteres de tal forma que se asignan los números
más altos a los elementos que poseen más de la característica que se
mide. En este caso las variables no sólo se asignan a grupos, sino que
además pueden establecerse relaciones de mayor que, menor que o
igual que, entre los elementos. Ejemplos: Rangos militares, categoría
de docentes universitarios, orden de llegada en una carrera, la
entrega de medalla en una olimpiada, cuestionarios fraseados en
escala, etc.
Intervalo. Son variables numéricas cuyos valores representan
magnitudes y la distancia entre los números de su escala es igual.
Con este tipo de variables podemos realizar comparaciones de
igualdad/desigualdad, establecer un orden dentro de sus valores y
medir la distancia existente entre cada valor de la escala. Las variables
en escala de intervalo el valor cero de la escala no es absoluto, sino
un cero arbitrario, es decir, no refleja ausencia de la magnitud
medida, por lo que las operaciones aritméticas de multiplicación y
división no son apropiadas. Ejemplos: Temperatura, escala
cronológica, etc.
Razón. Las variables de razón poseen las mismas características de
las variables de intervalo, con la diferencia que cuentan con un cero
absoluto; el valor cero (0) representa la ausencia total de medida, por
lo que se puede realizar cualquier operación Aritmética (Suma, Resta,
Multiplicación y División) y Lógica (Comparación y ordenamiento).
Este tipo de variables permiten el nivel más alto de medición.
Ejemplos: altura, salario, peso, ingresos, ventas, unidades producidas,
distancia, etc.
RELACIÓN ENTRE LAS ESCALAS DE MEDIDA Y LAS TÉCNICAS ESTADÍSTICAS
Parámetro. Los parámetros son medidas cuantitativas que describen una característica de la población,
entre ellas están: media aritmética, desviación estándar, varianza, proporción, coeficiente de variación,
entre otras medidas estadísticas.
Estadístico o estadígrafo. Los estadígrafos o estadísticas son medidas cuantitativas que describen una
característica de la muestra y se consideran estimadores para la población.
Dato estadístico. Es cada uno de los valores que se ha obtenido al realizar un estudio estadístico. Por
ejemplo, el sexo de una persona (masculino y femenino), la edad de la persona.
Constructo. En la ciencia de la psicología no todo es observable y, por ello, se utiliza el término
constructo, que no es sino un término que se aplica a un conjunto de comportamientos que no se
pueden observar directamente, por lo que no existe una realidad empírica. Los constructos se utilizan
para conocer fenómenos como la inteligencia, la conciencia, la autoestima, las habilidades sociales o la
depresión, entre otros muchos.
Actividad de repaso del tema 2
1. Es un sondeo de opinión acerca de lo que la gente pensaría si se adoptasen medidas restrictivas en
el consumo de tabaco. La idea es anticiparse a las reacciones, de forma que interesa conocer la opinión
general a partir de las preguntas realizadas en el sondeo. Sin duda, lo más preciso sería preguntarles a
todos y cada uno de los españoles por su opinión, pero por razones económicas esto no sería sensato.
Decidimos, en consecuencia, seleccionar un grupo de 2.500 españoles de todas las comunidades
autónomas y edades, consultándoles acerca de su opinión (a favor/en contra) sobre esta cuestión.
Responder lo siguiente: (a) mencione la variable de estudio, será cuantitativa o cualitativa; (b) ¿cuál es la
escala de medida?; (c) ¿qué tipo de muestreo se aplicó?, explique su escogencia.
2. En el siguiente listado de situaciones que se mencionan a continuación, indique si es población (finita
o infinita) o muestra (probabilística o no probabilística):
a) Pacientes que asisten a consulta a un centro médico.
b) Personas que acuden a una peregrinación.
c) Selección de pacientes entre 18 y 25 años para un diagnóstico clínico.
d) Escogencia del 25% de los habitantes de una comunidad.
e) Proporción de personas con una enfermedad mental.
f) Rendimiento académico de estudiantes de educación primaria del estado Táchira.
g) Personas que son tratadas con un fármaco para el control de la tensión arterial en una comunidad.
h) Personas diagnosticada con COVID-19 en el año 2020.
3. Señale el tipo de variable y escala de medida a la que pertenecen las siguientes variables:
a) Lugar de la residencia del paciente.
b) Grado de aceptación (totalmente de acuerdo; de acuerdo; en desacuerdo; totalmente en desacuerdo)
de la regulación de la muerte asistida.
c) Diagnóstico clínico.
d) Numero de estímulos visuales detectados.
e) Inteligencia medida con el Test de Inteligencia WAIS III para adultos.
f ) Distancia tolerada a un estímulo fóbico.
g) Nivel de adecuación (adecuado, neutro, inadecuado) de una conducta en un estadio de fútbol.
h) Orientación terapéutica seguida por un psicólogo.
i) Gravedad del diagnóstico clínico.
j) Años de ejercicio profesional de un psicólogo clínico.
k) Sexo del paciente.
l) Selección de un color (nada adecuado; adecuado; totalmente adecuado) asociado a una emoción.
4. Supóngase que se desea conocer la incidencia de la aplicación de un programa de capacitación a los
empleados de una empresa X. Se sabe que la misma dispone de 350 trabajadores, distribuidos en tres
departamentos: A = 150, B = 85, C = 115. Ahora bien, el gerente de recursos humanos no desea tomar
toda la población de empleados, por lo que decide buscar un especialista para que realice el calculo de
cuántos empleados debe elegirse aleatoriamente de cada departamento, a un nivel de confianza del
95% y un error del 10%.
5. Indique cuatro ejemplos, donde establezca tipo de variable, codificación y nivel de medición, como
se muestra en el ejemplo.
Nombre de la variable Tipo de variable Codificación Nivel de medición
Accidente laboral Cualitativa Grave, moderado, leve Ordinal
