PRUEBAS ESTADISTICAS EN PSICOLOGÍA

 Investigación: conjunto de procesos sistemáticos, críticos y empíricos que se aplican

al estudio de un fenómeno. Pretende el hallazgo de nuevos sucesos o la interrelación
de los que ya existentes.
 El paradigma cuantitativo: usa la recolección de datos para probar hipótesis, base en la
medición numérica y el análisis estadístico, para establecer patrones de
comportamiento y probar teorías.
 Etapas de la inv cuantitativa:
 Línea de investigación: Selección del tema, qué es lo que quiero estudiar, cual es el
fenómeno que me llama la atención.
 Planteamiento del problema: dentro de esto va el ‘’PRIV’’: Pertinencia-Relevancia-
Impacto-Validez.
- Objetivos: lo que quiero lograr con la investigación.
- Preguntas de investigación: va de la mano con el objetivo.
- Justificación: hay que colocar ‘’datos duros’’ información que este verificada. Con
porcentajes si es posible. Información mensurable y verificable.
- Viabilidad: con cuales recursos se cuenta para poder hacer la investigación.
- Evaluación de las deficiencias en el conocimiento del problema: hasta dónde
está mi alcance, que tanto conozco del tema o que tanto no, así como que tanto me puedo
apoyar de otra persona.
 Revisión de literatura: si hay o no estudios/trabajos sobre el tema del mío.
 Alcance del estudio: hasta donde se puede llevar mi investigación.
 Hipótesis: se derivan del planteamiento del problema de mis objetivos.
 Diseño de investigación: en que se va a enfocar. Y cual tipo de diseño.
 Muestra: dependiendo del diseño se escoge el tipo de muestra.
 Recolección de datos: cómo voy a obtenerlos (cuestionario, lista de cotejo, etc).
 Análisis de resultados: con los datos recolectados se hace el análisis.
 Generación de reporte: cómo realicé la investigación de manera detallada y con
conclusiones. Se puede presentar en una institución, evento o revista.
 El paradigma cualitativo usa la recolección de datos sin medición numérica para
descubrir o afinar preguntas de investigación en el proceso de interpretación.
 Tipos de investigación dentro del paradigma cuantitativo:
- Inv exploratoria: su objetivo es examinar un tema o problema de investigación
poco estudiado. No se plantea hipótesis. Se enfoca más en describir y prefigurar. Ej
‘’estrés por COVID en estudiantes que presentarán la prueba EGEL’’.
- Descriptiva: busca especificar propiedades, características, rasgos y perfiles
importantes de personas, grupos, comunidades, etc. Se selecciona un numero de
cuestiones y se mide o recolecta información. Ej. ‘’censo nacional de población’’. Se puede
hacer una inv descriptiva si solo se quiere ver cómo vive en sujeto/lo investigado.
- Correlacional: evalúa la relación que existe entre dos o más conceptos,
categorías o variables. Cuantifica esa relación (mide el grado de relación), si puede ser
positiva (cuando ambos datos aumentan) o negativa (cuando uno sube y otra baja). Ej
‘’horas de estudio-calificación). Existe el riesgo de que haya ‘’correlación espúrea’’.
- Explicativa: pretende establecer las causas de los eventos, sucesos o fenómenos
que se estudian. Son más estructuradas. Ej. ‘’¿Por qué alguien vota por un candidato y
otros por otro?’’.
 Diseños de investigación: Plan o estrategia concebida para responder a la
pregunta de investigación.
Existen 2 tipos de diseño
 Experimental: dentro de este hay 3 tipos
- Preexperimental
- Cuasi experimental
- Experimento puro
 No experimental: dentro de este hay 2 tipos
- Transversal o transeccional: se hace la medición en un solo momento en el
tiempo.
- Longitudinal o evolutivo: se hacen mediciones a lo largo del tiempo. Ej. En
grupos con las mismas características.
 APLICACIÓN DE LA ESTADISTICA EN PSICOLOGIA Y EL ANALISIS DE DATOS
 Relación de la estadística en los modelos cuantitativos
 Herramientas de investigación
- Encuestas, cuestionarios: preguntas y respuestas, pueden ser respuestas
escala Likert, respuestas de si o no o pueden ser respuestas abiertas.
- Escalas: se determina la variación para la respuesta. Ej ‘’del 1 al 6, del 1 al 5 o del
1 al 10’’.
- Entrevistas y guías de entrevistas.
- Grupos focales: se usan más en met. cualitativa.
- Observación.
- Diario de campo: suele usarse más en met. cualitativa.
- Estudios de caso.

En met. cuantitativa (estadística) se utilizan más las encuestas, cuestionarios y escalas.

 Estadística descriptiva
 Frecuencias, porcentajes: tablas y graficas.
 Medidas de tendencia central:
- Moda: dato que más se repite. Cuando no tiene moda se le dice: ‘’amodal’’.
- Mediana: el dato que se encuentra a la mitad.
- Media: promedio. Este dato puede fallar cuando hay un dato muy alto o muy bajo
(rango).
 Medida de posición: donde se encuentra un dato en específico y sirve para establecer
cómo se está comportando mis datos en ese conjunto de datos.
- Cuartiles: cuando se divide la población en 4 partes.
- Mediana: tomo nada más los datos centrales.
- Percentiles: divido en 10 partes.
 Medidas de dispersión: indican cómo se comporta mi población, si los datos son muy
similares o están muy dispersos y a partir de ahí se puede tener un gráfico.
Existen 3 tipos de medidas de dispersión:
 Mesocúrtica, están bien distribuidos los datos.
 Leptocúrtica: están juntos los datos.
 Platicúrtica; están muy dispersos los datos.
- Rango: del dato más alto al dato más bajo.
- Varianza: Es una medida en estadística que nos dice qué tan dispersos o alejados
están los datos de un conjunto respecto a su promedio. Es decir, nos ayuda a entender si
los valores están muy juntos o muy separados entre sí.
- Desviación estándar: herramienta estadística que ayuda a entender la dispersión
de los datos y cómo se relacionan con la media del grupo.
 Medidas de distribución:
- Asimetría: es cuando los datos no son equilibrados.
- Curtosis: el grado en el que se están dispersando los datos. Cuando es menor a
1 es platicurtica, cuando es mayor a 1 es leptocúrtica y cuando es igual 1 mesocúrtica
(distribución normal o simétrica).
 Distribución de frecuencias: conjunto de puntuaciones ordenadas en sus
respectivas categorías (tablas, histogramas, gráficas).
- Frecuencia relativa: porcentaje.
- Frecuencia absoluta: cantidad de sujetos que presentan la característica de la
variable.
- Frecuencia acumulada: la suma.
 Datos
 Codificación de datos: una vez que se han aplicado los cuestionarios de una
investigación, no es necesario preparar los datos obtenidos para poder analizarlos
estadísticamente. Para ello hay que realizar dos actividades:
- Codificar las respuestas.
- Realizar una guía de codificación.
 Polígonos de frecuencias: un polígono de frecuencias es una gráfica de línea
que presenta las frecuencias de clase graficadas contra las marcas de clase. Se puede
obtener conectando los puntos medios de las partes superiores de los rectángulos de un
histograma. Se usa para ver cómo se comportan los datos.
 Tipos de curvas de frecuencias:
- Normal: distribución de datos simétrica. Cuando la asimetría es igual a 0.

- Bimodal: se da cuando tenemos 2 modas, o sea tener 2 o 3 datos que más se

repiten.

- Rectangular: cuando no hay mucha variación los datos se comportan de manera

plana.
- Asimetría positiva: hacia el lado izquierdo. (ej en el caso de un examen si los
resultados están más hacia este lado es que esta difícil el examen, si se hace una
encuesta sobre cómo funciona bb y sale más este lado es que no gusta y es malo, si se
hace una encuesta para medir estrés y sale más hacia este lado es que hay un estrés
elevado). Cuando la asimetría es mayor a 0.

- Asimetría negativa: hacia el lado derecho. (ej. todo lo contrario de la asimetría

positiva). Cuando la asimetría es menor a 0.

 Medidas de tendencia central: son aquellos que nos indican que tanto se
agrupan los datos o se acercan a un punto medio.
Un promedio es un valor típico o representativo de un conjunto de datos. Como estos
valores típicos tienden a encontrarse en el centro de los conjuntos de datos, ordenados de
acuerdo con su magnitud, a los promedios se les conoce también como medidas de
tendencia central.
Se pueden definir varios tipos de promedios; los más usados son la media aritmética, la
mediana, la moda, la media geométrica y la media armónica. Cada una de ellas tiene
ventajas y desventajas de acuerdo con el tipo de datos y el propósito de su uso.
 Medidas de dispersión: El grado de dispersión de los datos numéricos respecto
a un valor promedio se llama dispersión o variación de los datos.
 USO DE SOFTWARE PARA ANALISIS DE DATOS
 Estadística
- Descriptiva: organiza, simplifica y resume información básica a partir de un
conjunto de datos.
- Inferencial: prueba de hipótesis, inferencias objetivas, generalización de datos.
 Estadística inferencial: Se utiliza para: Probar hipótesis: determina si la hipótesis
es congruente con los datos de la muestra. Estimar parámetros: dependerá de la elección
de una muestra probabilística con un tamaño que asegure un nivel de significancia
adecuado.
 Tipos de datos:
 Paramétrica: comparación de medias y varianzas.
- Depende de la curva normal.
- Los datos deben tener posibilidad de comparación.
- Escalas de intervalo y razón.
 No paramétrica
- Implica lo que el investigador requiere hacer con sus datos.
- Se fundamenta en frecuencias observadas (aceptan distribuciones asimétricas).
- Escalas nominal y ordinal.
 Pruebas
 Paramétrica
- Coeficiente de correlación de Pearson y regresión lineal.
- Prueba T.
- Prueba de contraste de la diferencia de proporciones.
- Análisis de varianza unidireccional (ANOVA oneway).
- Análisis de covarianza (ANCOVA).
- MANOVA.

 No paramétrica (pruebas que van a hacer lo mismo que las paramétricas pero que se
aplican cuando la distribución no es normal).
- Chi cuadrada.
- Coeficientes de correlación e independencia para tabulaciones cruzadas.
- Coeficientes de correlación por rangos ordenados de Spearmen y Kendall.
- U de mann-whitney.
- Kruskall Wallis.
- Wilcoxon.
- McNemar.
- Q Cochran.
 ESCALAS DE MEDICION Y TIPOS DE VARIABLES
 Por su función
- Variable independiente: la causa.
- Variable dependiente: lo que estoy midiendo.
- Variable intermitente: las variables extrañas. Puede estar o no estar.
 Por su naturaleza (Kelinger):
- Atributivas: no manipulables.
- Activas: manipulables.
 Por su naturaleza (Lugo)
- Cualitativa: cuando estamos viendo solo la cualidad a la variable.
- Cuantitativa: cuando la variable nosotros la podemos obtener a partir de un valor
numérico.
 Por su característica
 Categóricas (cualitativas)
- Nominales: color de ojos, genero, zona donde viven.
- Ordinales: además de clasificarlas por alguna categoría, las ordenamos, quien va
primero, después y quien al final.
 Cuantitativas
- Continuas: es la que lleva punto decimal.
- Discretas: número entero.

 Ejemplos de variables
- Vi: método de lectura.
- Variables extrañas: interés del alumno y entusiasmo del profesor.
- Vd: cantidad y calidad de comprensión lectora.
 Hipótesis

Son pre-respuestas a nuestros problemas de investigación.

Son explicaciones tentativas del fenómeno investigado, formulada a manera de

proposiciones.

Son elementos que determinan la ruta o camino en la que se dirigirá la investigación.

Existen 3 tipos de hipótesis:

 Nula:
- Son el reverso de lo que sería una h de investigación.
- Sirven para refutar o negar lo que afirma la hipótesis de investigación.
 De trabajo: Proposiciones tentativas acerca de las posibles relaciones entre dos o
más variables.
 Alterna: Posibilidades alternas ante las hipótesis de trabajo y la nula; ofrecen otra
explicación o descripción distinta a la que proporcionan estos tipos de hipótesis.

Las hipótesis se pueden clasificar dependiendo de las características de la misma.

 Clasificación de las hipótesis

 Descriptiva
- Predicen el valor de una o más variables.
- Afirmaciones invariadas por la ausencia de relaciones.
- El aumento en el número de abortos en adolescentes entre 15 y 18 años será del
15% para 2022. (no se explique el porqué).
 Correlacional:
- Especifican relación y cómo es dicha relación entre dos o más variables.
- A mayor autoestima en adolescentes de 16 años menor temor al éxito mostrarán
(Ejemplo).
 Causales
- Establece relación de causa efecto entre dos o más variables.
- Pueden ser bivariadas (dos variables) o multivariadas (pueden ser 2, 3 o más
variables).
- Percibir que una persona del sexo opuesto es similar en cuanto a creencias, no
provoca mayor atracción hacia ella (Ejemplo).
 Diferencia de grupos
- Establece relación de causa efecto entre dos o más variables (bivariadas o
multivariadas).
- Grupos independientes y relacionados.
- El efecto persuasivo de dejar de fumar no será igual en los adolescentes que
asisten al taller con respecto a los que solo se les da un tríptico. Ejemplo.
 Niveles de medición de variables
 Categórico o cualitativa: Clasificar o jerarquizar cualidades sin darle un rango
muy específico.
- Nominal: clasificar en grupos.
- Ordinal: además de clasificar lleva un orden (quien va primero, segundo, tercero,
etc). Este es más específico porque se coloca en grados, porque se agrupa y se acomoda
dependiendo del nivel de importancia. Ej: escala Likert.
 Cuantitativo: es igual a escala.
- Intervalo: temperatura.
- Razón: número de integrantes en una familia, puntuaciones en un examen o
inventario.
 Probabilidad:
Propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con
certeza, y estudia sus consecuencias lógicas.
La probabilidad es un método por el cual se obtiene la frecuencia de un acontecimiento
determinado mediante la realización de un experimento aleatorio, del que se conocen
todos los resultados posibles bajo condiciones suficientemente estables.

 Principios básicos
 Espacio muestral:
- Es el conjunto de todos los posibles resultados de un experimento o estudio.
- En el contexto psicológico podría ser el conjunto de todos los posibles puntajes en
una prueba psicométrica.
 Evento
- Es un subconjunto del espacio muestral, es decir, un conjunto de resultados
posibles.
- Un evento podría ser el conjunto de puntajes que indica si un individuo aprueba o
no una evaluación.
 Probabilidad
- Es una medida cuantitativa de la posibilidad de que ocurra un evento. Se expresa
como un numero entero 0 y 1.
- Podría utilizarse para describir la probabilidad de que un individuo obtenga
determinado puntaje en una prueba.
 Probabilidad condicional
- Es la probabilidad de que un evento A ocurra dado que otro evento B ha ocurrido.
- Puede ser útil para entender la probabilidad de tener un determinado
comportamiento dado cierto estado emocional.
 Probabilidad conjunta
- Es la probabilidad de que dos eventos A y B ocurran al mismo tiempo.
- Puede aplicarse cuando se estudian relaciones entre dos variables, como la
probabilidad conjunta de tener un trastorno de ansiedad y un trastorno depresivo.
 Independencia de eventos
- Dos eventos son independientes si la ocurrencia de uno no afecta la probabilidad
de que ocurra el otro.
- Podría aplicarse al examinar si dos variables psicológicas están relacionadas o si
son independientes entre sí.
 Distribución de probabilidad
- Es una función que asigna a cada evento en el espacio muestral una probabilidad.
- En psicometría, se puede utilizar para describir la distribución de puntajes en una
prueba y la probabilidad asociada a cada puntaje.
 MUESTREO
La población (N) es la totalidad de elementos que poseen las principales características
objeto de análisis y sus valores son conocidos como parámetros.
La muestra (n) es un subgrupo de la población. Las medidas obtenidas e las muestras
reciben el nombre de estadísticos (media, moda, mediana, etc).
Ejemplo:
Población: adolescentes entre 15 y 17 años en Naucalpan de Juárez, estado de México.
Muestra: 90 adolescentes de entre 15 y 17 años de la zona de satélite.
 Probabilístico: todas las personas tienen la misma oportunidad de participar.
- Simple: al azar y todos tienen el mismo chance de participar.
- Estratificado: se tiene un porcentaje total del cual se toma y segmenta a la
población por características de la población. Ej: mujeres y hombres, cristianos y
musulmanes). Se puede tener proporcional y no proporcional.
No proporcional: es cuando se saca la misma cantidad de todos los segmentos.
Proporcional: se trabaja con porcentajes.
- Multietápico: se trabaja por etapas. Como en los concursos de belleza o en el
mundial. En la primera etapa se trabaja con una cantidad, luego se colocaría un criterio se
saca a los que no cumplen y sigue otra etapa y así sucesivamente. Se van eliminando
según las características que cumplen o no. Se empieza en grande.
- Racimos, cluster o conglomerados: por ej, se selecciona una cantidad de
hospitales para buscar cuales son los que tienen pacientes con cáncer de mama y se
escoge nada mas a los que si tengan, los que si los tengan esas serían los clusters.
- Sistemático: intervalo. De una lista se va escogiendo ya sea de 3 en 3 o de 5 en
5, ej.
 No probabilístico
- Cuotas: Se parece al estratificado. Se divide a la población en subgrupos de
acuerdo a ciertas características: sexo, edad, escolaridad, etc. Por ejemplo; mujeres
mayores de 20 años de edad, hombres solteros, etc. Posteriormente se eligen a los
sujetos de acuerdo al criterio del investigador (se respeta el % elegido según la población).
- Muestra de expertos: Se utilizan cuando se requiere que sean personas
especializadas a quienes se deben ir a buscar. Deliberadamente eliges a las personas
quienes tienen más información de la población o del fenómeno, que estudias. Ej. En un
pueblito quien te contará los problemas más comunes de la comunidad son: el padre de la
iglesia, el tendero de la farmacia, etc.
- Intencional o selectivo: Se utiliza cuando se requiere tener casos que puedan
ser representativos de la población estudiada. La selección se hace de acuerdo al
esquema de trabajo. Por ejemplo: aplicación de entrevistas estructuradas a informantes
clave (si se desea realizar una investigación sobre el comportamiento de los padres con
sus hijos se eligen a personas que tengan hijos).
- Sujetos voluntarios: Son cuando los sujetos llegan por convocatoria o de manera
casual a la investigación. Se utiliza generalmente en investigaciones sociales o
conductuales. Por ejemplo: medicina, sueño, sujetos para pruebas proyectivas.
- Sujetos tipo: Se utiliza en estudios exploratorios y en investigaciones de tipo
cualitativo, donde el objetivo es la riqueza, profundidad y calidad de la información, y no la
cantidad y estandarización. Ejemplo: estudio de análisis de conductas del consumidor; se
eligen segmentos a los que va dirigido un producto (el yogurt griego tiende a ser
consumido por jóvenes, amas de casa, etc. aquellos que requieren mayor fuente de
calcio).
- Bola de nieve: Sujetos que van recomendando a otros sujetos que cumplen con
las características requeridas por los investigadores.
 PRUEBA DE HIPÓTESIS Y NIVEL DE SIGNIFICANCIA
La hipótesis de trabajo (hi) siempre plantea que las medidas que se comparan son
diferentes.
La hipótesis nula (ho) siempre plantea que las medias que se comparan son iguales.
Planteamos las hipótesis:
Hi: La opinión de los estudiantes de bachillerato “hace 10 años era más sencillo elegir
carrera” es diferente a la opinión de los estudiantes universitarios.
Ho: La opinión de los estudiantes de bachillerato “hace 10 años era más sencillo elegir
carrera” es igual a la opinión de los estudiantes universitarios.
 Prueba de hipótesis: Para realizar este análisis, es necesario que separemos en
la idea a los estudiantes de bachillerato y a los estudiantes universitarios y se obtengan la
media, la varianza y la desviación estándar por separado.

 Nivel de significancia:
En estadística esto se conoce como nivel de significancia o error tipo I e implica la
seguridad para generalizar sin equivocarse.
Se simboliza con α y generalmente se trabaja con un error de 0.05, lo que quiere decir que
el investigador tiene el 95% de certeza en los resultados obtenidos y sólo un 5% en contra.
Este es el nivel de significancia o de error más usado, aunque hay otros niveles.
En el modelo probabilístico en vez de considerar los datos en términos porcentuales se
consideran en términos de proporciones.