.- Definir la finalidad de las normas de las pruebas. Actualizar los conocimientos del lector sobre estadistica descriptiva: tipos de escalas, distribuciones de frecuencia, términos para describir las formas de las distribuciones, mediciones de tendencia central, mediciones de variabilidad y puntuaciones z. . Identificar los diversos tipos de puntuaciones naturales de las pruebas. _ Reeonacer el significado de theta. Definir cada uno de estos tipos de normas: percentiles y rangos percentilares, puntuaciones esténdar, normas de desarrollo. Resumir las fortalezas y debilidades de cada tipo de norma. . Precisar las caracteristicas de cada tipo de grupos de normas: nacional, conveniente, de usuarios, subgrupo, local e institucional. Diferenciar entre las interpretaciones referidas al criterio y ala norma. . Explcar como se determina la utilidad de un grupo normativo.. 47Pruebas psicolégicas, Una introduccién préctica (Capitulo 3) — FINALIDAD DE LAS NORMAS oe EE Matt realiz6 correctamente 36 reactivos en Ia prueba de vocabulario, {e0 es bueno o malo? Meg respon- dis “si” a 14 de los 30 reactivos en un indicador de ansiedad en la prueba, ;significa eso que es inusual- mente ansiosa o tranquila al someterse a una evalua- ciéa? Dan respondié correctamente a 52 de los 80 Teactivos en una prueba de .ectura ya 24 de 40 en una prucba de ciencias, ;es relativamente mejor en lectu- ta.oen ciencias? Esta clase de preguntas se abordan bajo el tema de normas de las pruebas. |.a idea fun- damental consiste en traducir lo que se denomina pun- tuacin natural en algtin tipo de puntuacién nor- ‘malizada. La puntuacién natural es el resultado més © menos inmediato de las respuestas de un individuo a una prucba. En el sistema de puntuaeién normali- zada, la puntuacién natural del individuo se compara con las puntuaciones de los individuos que forman parte del grupo normativo; estas puntuaciones se conocen también como derivadas o escalares, Este ca- pftulo aborda dos preguntas cruciales sobre las normas de las pruebas, a saber: ,cudles son los tipos dé nor- mas que suelen ser utilizadas’, y qué son los grupos normativos, es decir, de dénde provienen las normas? Alas puntuaciones naturales las determinan, en par- te, caracteristicas camo fa longitud de la prueba, la eleccién del limite de tiempo, las dificutades de los ‘eactivos y las circunstancias en las que se aplica el instrumento. Esto dificulta la interpretacién de las Puntuaciones naturales en ausencia de mas informa ci6n. La interpretacién y al andlisis estadistice puede facilitarse al convertir las puntuaciones naturales en Un conjunto completamente aistinto de valores llama- dos puntuaciones derivadas 0 puntuaciones escalares, Esténdares, (AERMAPA/NCME, 1999, p. 49)! Las nociones fundamentales sobre las normas no son exelusivas del campo de las pruebas psicolégicas, las 1 En el capitulo 1, se describe la importante funcién que esempeitan los Standards for Fiducational and Prycho. logécal Testing (Estindares para las Pruebas Educativas y Psicol6gicas), publicados en forma conjunta por ia American Educational Research Association, la American Psychological Association y-e! National Council on Measu- rement in Education (AERA, APA, NCME, 1999), Los capitulos 3 a 6 contienen extractas breves de este docu: mento, abreviado, ya que sucle figurar en la bibliogratia, sencillamente comd “Esténdares” para ayudar a Hlustrar los aspectos planteados en el texto. nociones de puntuacién natural y posicién relativa dentro de un grupo se utitizan en diversas circunstan- ssias cotidianas, Considere estos ejemplos, ;Resulta alto la estatara de 1.94 metros?, no para un &rbol, pero sf paraun humane ¢ incluso entre los humanos, no es muy impresionante en el caso de un jugador de Ta National Basketball Association, aunque sf impresio: ante para un estudiante de sexto grado. :Qué pasa €on un pulso de 100?, no sorprende en un bebe recic nacido o en un adulto que acaba de realizar un ejere cio vigoroso, pero serfa un sigmo de peligro para un adulto en estado de reposo, {Qué opina usted de co rer los 100 metros planos en 24.01 sepuados?, para ‘un equipo de atletismo de bachillerato 0 universitario ¢€5 un tiempo malisimo, pero Erwin Jaskulski hizo ese tiempoen mayo de 1999 y establecié una marca mun- dial en la categorfa de mayores de 95 afios de edad (Runner's World, 1999), Estos ejemplos ilustran Ia tendencia de los seres humanos a valerse de las com- paraciones dentro de un grupo para diversos tipos de Interpretaciones en la vida cotidiana. En psicometsia, estas comparaciones se vuelven operativas, a manera de normas. Algunos ejemplos adicionales de puntuaciones naturales ofrecen un adecuado contexto para el andli- sis de las normas que se haré mis adelante en cl capi- tulo, + Matt resolvi6 de manera correcta 36 reactivos en la prueba de memoria de conto plazo, ;Qué tan buena es su memoria’ Meg respondié “st” a 14 preguntas en el indicador de ansiedad en la prueba, ;Se le facilita someterse a exdimenes 0 ¢ un caso perdido? Dan realiz6 cortectamente 32 reactivos en la prac- bade lectura y 24 en la de mateméticas. {Es relati- vamente mejor en lectura o en satemiticas? Sheri mide 1.57 metros. Es especialmente alta, baja © como el promedio? EI pulso de Tom es de 71 latidos por minuto, (Es normal? Lapequefia Abigail obtuvo una calificacidn de 7 en Iaescala de 10 puntos sobre afabilidad. j canto 0 una fiera? OY REVISION DE ESTADISTICA: PRIMERA PARTE Las normas de las pruebas se basan en nociones ele- mentales de la estadistica descriptiva. Se da por hecho. que el lector realiz6 ya un eurso de iatroduccién a leNormas de las pruebas + 49 istica, aungue se supone que tal vez necesite ha tun repaso de los temas cubiertos en ese curso. Tal < objetivo de esta seccién, no pretende repetir todo curso de estadistica o enseiiarle cGmo calcular esta isticas, sino revisar brevemente algunos temas y plan- tear las ideas clave de la estadistica univariada. El capitulo 4 incluye un repaso de Ia estadistica bivariada, es decir, la correlacién y la regresién, En los ejemplos dé esta secci6n se emplean ‘nos Conjuntos pequefios de datos para ilustrar diversas cestadisticas. En la prética, por lo general se cuenta con conjuntos de datos mucho més grandes, a menudo mi- tes de casos; para aplicar la estadistica a estos grandes conjuntos de datos se utiliza paqueteria computacional Entre los paquetes mais empleados se encuentran el SPSS, cl SAS, Minitab y SYSTAT; el programa Excel de Microsoft, orientado mas hacia otras aplicaciones, rambign elabora estadisticas. En el Apéndice D apare- con varios conjuntos de datos que el lector puede utili- zarparacalcular cualquiera de las estadisticas revisadas en esta seccidn. Entender el material de este capitulo no exige estar familiarizado con ninguno de esos pa: quetes estadisticos; sin embargo, a algunos lectores tal vez les resulte itil aplicar algune de estos. paquetes a Jos conjuntos de datos del Apéndice D. iINTENTELO! we Sino esté familirizado con algunos de los programas esta disticos presentados en el pérrafo anterior, averigie cual de cellos est disponible. Los ejercicios al final de los dos si uientes capitulos le perritirén aplcar el paquete. VARIABLES, {Cémo se relaciona el campo de laestadistica con el de las pruebas psicolégicas? Para responder a esta pre- ‘gunta, es imprescindible entender fos matices del tér- ‘miino variable. Unacienciase constituye en toro las. variables que estudia; algunos ejemplos de éstas en psigologia son inteligencia, extroversién, desadaptacién ¥ agudeza visual. Los objetos de estudio (humanos, alas, etc.) varfan alo largo de cada una de estas cate- gorlas de arriba hacia abajo, de mas a menos o algin conjunto similar de catificativos. Las variables pueden describirse en tres niveles de generalidad. En el nivel mis general, una variable es un constructo, aqui, se hacen deseripciones verbales y definiciones dé ella. Por ejemplo, es posible definir inteligencia como la capa- cidad para manipular simbolos abstractos; desadap- tacién puede describirse ya sea como el sentimiento o 1a evidencia objetiva de dificultades significativas para realizar actividades de la vida cotidiana. En un segundo nivel, la variable es medida; se trata de su definicién operacional, La psicomeiria ficiones, estudia sus caracteristicas y cataloga las mediciones existentes. En el tercer nivel, se obtienen datos naturales, es decir, los némeros que resultan de la aplicacién de las mediciones. Las estadisticas operan sobre datos naturales, el nivel mis especifico de una variable. Dado que los datos naturales provienen dc las ediciones que los investigadores obtienen, la estadistica ofrece los re- siimenes y tatamientos de las mediciones (pruebas) de mayor interés para los profesionistas. Por supues to, desde el principio hay mayor motivacién al nivel de constructo de la variable. Las dos principales divisiones de la estadistica son Ja descriptiva y Ja inferencial. En la mayor parte de los estudios se obtienen muchos datos naturales: por ejem- plo, es posible contar con varias puntuaciones de pruc- bas de cientos de individuos. La estadistica descrip- tiva ayuda a resumir 0 describir estos datos naturales para que los datos se entiendan mejor. Con mucha fre caencia, éstos provienen de una muestra de individuos ¥ al especialista le interesa principalmente conocer la poblacidn de la cual se extrajo esta muestra. Lu esta- distica inferencial ayuda 2 sacar conclusiones — inferencias— sobre lo que tiene probabilidades de ser verdadero en una poblacién, sobre la base de lo.que se descubri6 acerca de la muestra. TIPOS DE ESCALAS Las variables se miden en escalas, Stevens (1951) las lasifies en cuatro clases, a las que se alude muchoen ‘estadistica y psicometria, Las distinciones entre estos | Resumen de puntos clave 3-1 Tres niveles para definir una variable Constructo Definicién general de la variable } + | Medicin _Definicién operacional, a menudo tuna prvebal Datos Némeros que resultan dé | naturales lamedicién50 * Pruebas psicolégicas. Una introduccién préctica tipos de escalas son importantes porque permiten rea- lizar ciertas operaciones aritméticas y estadisticas con algunas escalas, pero no con otras. Las escalas se tipifican en orden de complejidad creciente. En el nivel menos complejo o mas primitive seencuentralaescala nominal, que distingue los obje~ tos codificando a cada uno con un némero; los nme 108 no significan mas o menos, mas grande 0 més pequetio © alguna otra distineién cuantitativa. Ejem: plos de esto son los numerales en las camisetas de ba- Joncesto, los niimeros del Seguro Social o los c6digos Oy 1 que se asignan a varones y mujeres, respectiva- mente, para fines de codificacién de cmputo. En una escala ordinal, a los objetos se les asig- nan numerales que indican un ordenamiento, como seria més o menos de un rasgo, sin especificar nada sobre las distancias entre los objetos en Ta escala, Es- tos ordenamientos de rango ilustran un escalamiento ‘ordinal, por ejemplo, las reservas del fitbol ameri no colegial oftecen una clasificacién de los equipos: 1,2,3,4... 25. Como se entiende, estos mimeros es- tan en una escala ordinal, no puede: inferirse que el equipo 2 sea mucho mejor que él 3, pues el equipo 1 es mejor que el 2. De hecho, los equipos 1 y 2 tal vez s6lo sean ligeramente distintos, mientras que el equi- po 3 puede ser muy inferior al equipo 2. La escala de intervalo ubica los objetos en or- den y Io hace a intervalos iguales. Por tanto, én una escala de intervalo, la distancia entre 2 y 4 ¢s la mis- ma que la distancia entre 6 y 8 0 entre 20 y 22. No obstante, la escala de intervalo carece de un punto cero verdadero, por lo comin cuenta con un punto cero, pero éste no indica la ausencia completa de la varia ble medida. El ejemplo clésico de una escala de inter- valo es el termémetro Fahrenheit, donde cero no indica Ja ausencia complcta de calor. La suma y la resta son operaciones legitimas en una escala de intervalo, asi, la diferencia entre 30° y 40° significa lo mismo que Ia de puntos clave 3-2 | Resumen de tipos de escalas Escala Propiedades Nominal ‘Ordinal De intervaio: Deiaéo Glesifica, asigna numeraies 4 Ubica en orden de magritad (Capitulo 3) diferencia entre 50° y 60°, No obstante, no son legiti- ‘mas la multiplicacién y Ia divisién: 60°F no represen- ta el doble de calor que 30°F o Ja mitad que 120°F, Para hacer tales afirmaciones, se necesitaria utilizar laeseala Kelvin, que cuenta con un punto cero verda- dero, punto en el que no hay calor en absoluto. La eseala de razén, la mas compleja, ubica los objetos en orden y Io hacea intervalos iguales; ademés posse un punto cero verdadero. Casi todas las medi- iones fisicas cotidianas que se realizan, como las de longitud y peso, son sobre escalas de razdn. En con- traste, Ia mayor parte de las mediciones psicol6gicas hechas son sobre escalas ordinales 0 de intervalo. {Cuil es la importancia de estas distinciones al parecer cripticas para quien se interesa en las medi- ciones psicolégicas? Considérese el caso de la escala de CI, que es tan familiar; no se trata de una escala de raz6n —carece de un punto cero verdadero—, por tanto, no es legitimo decir que una persona con un CI de 150 es el doble de inteligente que alguien que tie- ne un CI de 75; ademés, si la escala de CI es s6lo ordinal, no se puede afirmar que la diferencia entre Jos Cl 80 y 100 signifique lo mismo que la diferencia entre los Cl 120 y 140. Es necesario que los profe- sionistas se interesen en la naturaleza de sus escalas para hacer afirmaciones fundadas sobre sus propias mediciones 0, en todo caso, para no decir cosas ab- surdas sobre ellas. El método de clasificacién de es- alas de Stevens (1951), aunque muy citado, no es la linica forma de pensar en las escalas, pero es un re- curso muy ttil para considerarlas. ORGANIZACION DE DATOS NATURALES Al enfrentar una masa de datos naturales, normalmente se quiere organizarlos; Ia manera mas comin de ha- cerlo es con una distribueién de frecuencia, la cual + Intervalos iguales en: la escala + Punto cero verdaderowa los datos por grupos de puntuaciones adya- tes. La figura 3-1 presenta un conjunto de datos rales y una distribucién de frecuencia de éstos; si es dificil dar sentido a una serie de este tipo de , 1a distribuci6n de frecuencia revela con facili- caractcristicas como el rango de las pantuaciones frea en la que éstas se concentran, La distribu- de frecuencia de la figura 3-1 muestra los inter- jos de las puntuaciones en los que éstas se tran categorizados, la frecuencia o el conteo las puntuaciones que caen en cada intervalo y la -ncia acumulativa (f acum), ¢s decir, la frecuen- que hay en y por debajo de cada intervalo. Una distribucién de frecuencia sucle convertirse forma grifica. Las dos modalidades mas comunes esta conversién son el histograma de frecuen- yy el poligono de frecuencia, La figura 3-2 pre- estas grificas para la distribuci6n de frecuencia figura 3-1. IDENCIA CENTRAL , convene contar con un indice que repre- mejor el conjunto complete de datos. Tal indice se como medida de tendencia central —e! centro Normas de las pruebas = 51 La media es el promedio aritmético, se represen- ta ya sea con M 0 X (Iéase X-barra, o simplemente “media”. Su formula es: Férmula 3-4 donde puntuacidn dato natural numero de puntuaciones. X-= signo de sumatoria, que indica “sumar todo esto (XY La mediana es la puntuacién intermedia cuando las Puntuaciones estén distribuidas en orden de inferior a superior, divide la distribucién de las puntuaciones por la mitad. La moda es la puntuacién que ocurre con mayor frecuencia. La figura 3-3 expone ejem- plos de las tres medidas de tendencia central en un Pequetio conjunto de datos. iINTENTELO!. |. Se sugiere al lector determinar las tres medidas de tenden. cla central de este conjunto de puntuaciones. Punuaciin: 25 4 5 3 4 5 2 6 10 del cual los datos naturales tienden a agrupar- Media = Mediana = _ Moda= - Son tres las medias de tendencia central que se ‘conmayor frecuencia: media, medianay moda... | = Puntuaciones (W'= 100) 2 110 908 tay toy 378 tsa O92 8108135610318) tt 73 123 115-105 112,S«138 100158103 141 7ST gs tS ww 108 99 «sue 103s wet st 121 103 a7 10a 1 118388 7enos 145mg 102, 7” 99 111 7 98 115 12 116 80 96 1% 108119123109, 132100 105 77) 100131105108 113 tata Distribucién de frecuencia Intervato F Facum oe, ae 10-149 3 7 190139 7 23 120-129 10 36 Ho119 18 76 100-108 2 58 90:99 9 2 50-89 9 16 70-79 6 7 60-69 1 1 Figura 3-1. Ejemplo de muestra de puntuaciones naturales y distiaucidn do frecuencia22 + Pruebas psicologicas. Una introduccin préctice Frecuencia eB 4 CS 0a BR TH aaa a a es 0b Pasha (Capitulo 3) Frecuencia, 7a aaa ON TID Te TIO Tab G0 1a Pomacén Figura 3-2. Histograme de frecuencia y poligono de frecuencia VARIABILIDAD Una medida de tendencia central ofrece un resumen de datos muy conveniente, pero priva de cualquier sentido de variabilidad en los datos. Por ejemplo, dos conjuntos de datos pueden tener la misma media, pero en un conjunto todas las puntuaciones se encuentran dentro de dos puntos de la media, en tanto que en el ‘otTo conjunto las puntuaciones estan muy dispersas, De modo que para describir mejor los datos natura: es, se oftece un indice de variabilidad. El indice de variabilidad mds sencillo es el ran- decir, la distancia de Ja puntuacién mas baja a a mas alta. Para indiear el rango, se identifican las Puntuaciones mds baja y mas elevada o la diferencia entre éstas. Para los datos naturales de la figura 3-1, se puede decir que el rango es 65-158 0 que el rango es 93. La desviacién estiindar es cl indice de variabili- dad més uti ido. Se denota en varios contextos me- diante cualquiera de estos simbolos: S, DE 0 a Su férmulaes: DE= yf 3x- MF N Formula 3-2 Tambign suele escribirse como: pe= /=x* N Formula 3-3 donde x= X ~ M, Estes formulas dan la definicién for- mal de la desviaei6n esténdar. Cuando ésta se calcula bolo G que sc lee como sigma, es la letra griega s (mintiscula), En estadistica, se ecurre a las letras de alfa. eto griego para designar medidas de tada una poblacién y letras del alfabeto latino (p. ej., 5) para designar medi- as sobre muestras, Por tanto, S es la desviacién estindar de una muestra, s es la desviaciGn estindar de la pobla- iGn. La distincién no se observa con mucho rigor en la bibliogratia sobre psicometria. en una muestra pero se entiende como estimacién de Ja DE en una poblacién, la “N” en Ja férmula se reem— plaza por “N — 1”, La formula ofrece pocos indicios sobre la forma. en que la DE mide la variabilidad, no obstante, tiene consecuencias matemiticamente acertadas para uso ulkerior, de modo que el especialista se acostumbra sin mas a “su presencia desgarbada”. En secciones posteriores sc emplea constantemente la DE, Un indice de variabilidad bastante relacionado es Ja varianza, que es simplemente la DE?. A la inversa. Ja DE es la raiz cuadrada de Ia varianza. En ciertos trabajos avanzados de estadistica, ésta se utiliza mas que la DE. En las pruebas psicoligicas, se recurre ala DE con mayor frecuencia, aunque no de manera ex- clusiva. La figura 34 presenta la DE, la varianza y el rango de un pequefto conjunto de datos. TINTENTELO! . Ellector habré de calcularla DE estandar y el rengo de este Conjunto de datos, Puntuaciones: 1 0 4 7 Datos naturales: 2, 5, 3.6,6,7.6,4,8,3, 4 Media: M= == 5411 = 4.91 Mediana:5 Moda: Figura 9-8. Medidas de tendencia central de un pequ conjunto de datos.Una cuarta medida de variabilidad es el rango iintercuartilar. Como su nombre lo indica, sé de la mitad de Ta distancia entre los cuartiles pri 0 Y tetcero, los cuales corresponden a los per- tiles 25 y 75, respectivamente, Si ya se dispone de tiles, como suele suceder con Jos datos de las bas psicolégicas, el rango semiintercuartilar se sermina con facilidad, aunque pocas veces se utili- -en la prictica. INTUACIONES 2 puntuaciénz o, sencillamente z, se define como: Formula 34 X esuna puntuacién individual o datos puntua- Mes la media y DE es la desviacién estandar. La ibucién de las puntuaciones = tiene una media ‘yuna DE= 1. Portanto, al margen de cuales sean walores de las puntuaciones originales, cuando se jerfen en puntuaciones z, siempre son idénticas fia y desviacion estindar. Las puntuaciones z se usan para “delinear” la cur: mal en términos de dreas bajo la curva, La figu- 5 ilustra el uso de las puntuaciones = para marcar bajo la curva normal, se tendrén presentes de dreas bajo la curva normal de Ta estadistica < AN +100 Figura 3-5, Ejemplos de puntuaciones Puntuaciones: 6 9 455 1 M= SXN=906=5 K-mae 1 4-100 4 xia 16 1005 Veins (346 = 298 | 0E=238 — Vatianza = DE* = 5.66 lang 9 Normas de las pruebas + 53 ra 8-4. adidas de variabilidad de un pequefio conjunte de datos. elemental. Dado que las puntuaciones z poseen una media (0) y una DE (1) comiin sin importar los valo- res de las puntuaciones originales, desempefian una funcién crucial en el desarrollo de algunas de las nor- mas de las pruebas FORMAS DE LAS DISTRIBUCIONES Hay una referencia frecuente en la psicometria a la forma de la distribucién de frecuencia de las puntua- ciones de las pruebas, es menester familiarizarse con los tézminos empleados para describir estas formas. El pardimetro o distribucién de referencia es la curva normal o distribuci6a normal. Su nombre popular es “curva dé carmpana”. aunque sdlo tiene la forma de una campana en forma aproximada, La curva, gene- rada por una férmula bastante limitada,’ es una fun- cidn de densidad, es decir, que el drea bajo la curva csté lena de datos puntuales. La distribuci6n en la figura 3-5 es una curva normal, estd dispuesta con ‘una media de 0 en su centro y un esela establecida por unidades de est.indar DE (llamadas en ocasiones unidades 9} en su base. Obsérvese con atencién la posiciGn de las unidades de la DE 1 Esta ecuaciéa genera la curva normal: Y = (N/ (62m) : : que marcan éreas bajo la curva normal.54 + Praebas psicolégicas. Una introduceién préctica (Capitulo 3) Esta distribucidn es unimodal: cuenta con una moda o “monte”. Es simétrica alrededor de su eje central, una linea imaginaria erigida.en forma perpen- dicular a la base en la media, Alrededor de este eje ceniral, el lado izquierdo es el reflcjo del lado dere- cho de la curva. Las “colas” (0 extremos) de la curva son asintétieas con relaci6n a la base, es decir, conti nan hasta el infinito, aceredndose cada vez més a la base, pero sin alcanzarla nunca. Por supuesto, esto s6lo se aplica en la curva normal teérica; en la précti- ca, los datos se detienen en algtia punto finito. Ad- viertael lector que casi todas las areas (cerea de 99.8%) bajo la curva estén dentro de +/- 3 unidades & Las distribuciones pueden “desviarse de la nor- malidad”, es decir, ser diferentes de la curva normal, de varias maneras. La figura 3-6 representa estas des- viaciones de la normalidad. La primera es en témni- nos de curtosis, el “punto miximo” de a distribucién. ‘Una distribucidn leptoctrtica esti mas acentuada y una distribuci6n platocirtica esta més plana que la distribuciéa normal tra forma de desviacién de la normalidad se da en términos del sesgo, el grado de simetria de los la- Noxmal Leptocirtica Con sesgo negative Bimodal ab Oe Figura 3-6. Ejemplos de varias distribuciones. ‘Con seego positive dos derecho ¢ izquierdo de la curva. El sesgo negati- vo o hacia la izquierda tiene un extremo alargado ha- cia Ia izquierda y una acumulacién de puntuaciones hacia la derecha. El sesgo positivo o hacia la derecha cuenta con un extremo alargado hacia la derecha y una acumulacién de puntuaciones hacia la izquierda. Un Giltimo tipo de desviacién de la normalidad es términos de la modalidad de la distribucién, Si bien distribucién normal es unimodal, una distribuci puede tener mas de una moda, por ejemplo, una uribucién bimodal, como se aprecia en a parte inte rior de Ia figura 3-6. {Por qué es importante la curva normal en psicometsfa? Muchos fenémenos que ocurren en fi ma natural tienden a distribuirse en forma normal ejemplo, para personas de ua deteminado sexoy: las siguientes variables que se miden con facilic suelen distribuirse normalmente: estatura, rango memoria a corto plazo de digitos, tiempo de reacci fuerza de sujecién y muchas otras variables. Estat dencia hacia la normalidad es tan frecuente que c\ do la distribucién real de una variable se desconc no es aventurado suponer que quiz sea normal. Platoctitica J i¢ muchas pruebas se elaboran con 1a finalidad de jerar una distribuci6n de puntuaciones aproxima- nte normal, Si embargo, en ocasiones de ma- 1 intencional se disefian pruebas que generan sribuciones con sesgo positive o negativo, como se 4 en el capitulo 6. También sucede que algunas Gstribuciones que ocurren de manera natural no Son males, como las distribuciones del ingreso, el peso la poblacién urbana. Con este repaso de Ia estadistica basta por ahora profundizar en este capitulo, se ampliard la revi- jn de la estadistica al principio del capitulo 4. PUNTUACION NATURAL a Todas las normas de las pruebas son transformaciones Se puntuaciones naturales, portanto, conviene tomarla cen consideracién antes de definir los tipos de normas de las pruebas, La puntuacién natural es el resultado “qxs inmediato de la calificaci6n de una pruca, se pre Senta en formas diferentes. La puntuacion aatural pue- “de ser la cantidad de respuestas correctas que se dan a ‘ana prueba de aprovechamiiento, 0 cl total de pregun- ‘tas alas que se respondc en cierta direcci6n, por ejem- plo, “si” 0 “de acverdo” en un inventario de personalidad ‘0 de intereses, También puede ser la suma de las res- ‘puestas numéricamente codificadas en una serie de ‘reactivos de actitudes, por ejemplo, una escala de acti- “aades pucde contar con 10 reactivos, cada uno de los ‘cuales exige una respuesta en una escala de 5 puntos, ‘que Van de Completamente en desacuerdo (1) 2 Com- "pletamente de acuerdo (5). La puntuacidn natural es la Suma de Jas respuestas numéricas a los 10 reactivos. Reactive 4, El Algebra es muy divertica. 2. La geometria es para los-pejaros. 8, Me gusta realizar calculos. 4. Las mateméticas me son muy atilos.. 5. Me gusta Ia estadistca, 6. Las ecuaciones me causan escalotrios. ul u me u a 01 Figura 3-7. Derivacion de la puntuacién natural Normas de las pruebas + 55 En la figura 3-7 se aprecia una muestra de este tipo de puntuacién natural en una prueba de 6 zeactivos de ac- fitudes hacia las matemiticas; en este ejemplo, los reactivos con formulacién 0 connotacién negativa ha- cen necesario invertir los valores de a escala con la finalidad de determinar la puntuacién natural Las mediciones antropomeitricas y fisiolégicas también pueden considerarse como puntuaciones na- turales, Sheri mide 157 metros de estatura; cl pulso de Dan es de 54 latidos por minuto; Amanda nada en estilo mariposa 180 metros en 2:30...todas estas me diciones son puntuaciones naturales. Ubicarlas en un ‘contexto normative ayuda a interpretarlas. Las nor- ‘mas son titiles para responder preguntas como éstas: {Sheri es muy alta para su edad, jel pulso de Dan es normal?, ;Amanda tiene un nivel de natacién para competencia olimpica? Por lo general, la calficacion empieza con respues- tas a eactivos aislados en las pruebas, qué a menu- do estén codificados con 0 @ 1 para representar respuesias incorrecta/eorrecta © negativalpositiva, pero a ve0es con valores numéricos para indicar gra- dos de respuesta més finos. Entonoes, las punta ciones del reactivo se combinan, a menudo por adicién, pero en ocasiones se hace mediante un pro~ ‘cedimiento mds elaborado, para obtener una punta ccidn natural. Esténdares.. (AERA/APAINCME, 1999, p. 49) Los procedimientos de algunas pruebas cxigen una puntuacin natural “comegida” 0 “ajustada”. El mas popular de estos ajustes es la correccién por adivi- racién que se aplica a ciertas pruebas de capacidad o de aprovechamiento en las que se utiliza un formato de opcidn miltiple. La teorfa plantea que en una prucba de opciGn maliple ¢s posible obtener algunas respuestas corfectas adivinando. De manera més precisa, alguien Completamente (Puntuacisn deacuerdo del reactivo} 2 3 4 5 wm oO O 2 1 ot on «) noo u ou a 1 om o 0 eo mou uf @ tot mM ol @ Puntwacign natural para una escala de actitud hacia las matomaticas56% Pruebas psicolégicas. Una introduccién préctica {Capitulo 3) puede responder de manera correcta a 1/K de las pre- guntas adivinando, donde K es la cantidad de opcio- nes en el reactive de apcidn miiltiple. En un reactivo de verdadero 0 falso, K es 2. En una prueba de 100 Preguntas, compuesta por reactivos de opeién multi ple con custro opciones por cada uno, Ia puntuacién esperada de adivinar todos los reactivos es de 25 co- rrectos, Por supuesto que un examinado pocas veces adivinarfa en todos los reactivos, sin embargo, tal vez €l conozca la respuesta a 50, conteste éstos correcta. mente, deje 10 reactivos en blanco y adivine en los 40 estantes. De estos diltimos 40, 10 serdin correctos por razones debidas al azar, lo que genera una puntuacién de 50 + 10 = 60. Las respuestas a 30 reactivos son incorrectas, sin incluir los 10 que quedaron en blan- co, En la comecei6n por adivinacién, se aplica la fore mula siguiente: 1 PN. Ka PNo— Formula 3-5 donde PN, = puntuaciéa natural comegida puntuaci6n natural original cantidad de respuestas incosrectas cantidad de opciones en los reactives de opcisn maltiple Nota: los reactivos omitides no se euentan coma incorrectos. Vease algunos ejemplos adicionales que ilustran el fancionamiento de la f6rmula: + En una prueba de 50 reactivos compuesta de reactivos de opeién mtiltiple con cinco opciones, Tom obtuvo 40 correctos y 10incorrectos. {Cual es Ta puntuacién cuando se aplica la correccién por adivinacidn? 40 — [(10(5 — 1)] =40-2.5 = 37.5 + Suponga que Tom reatizé con acierto 40 y omitié los 10 reactivos restantes. {Cudl es su puntuacién corregida? 40-0240 + Envuna prueba de 50 preguntas de verdadero falso, Jen realizé de manera correcta 25 reactivos y 25 incorrectamente. ;Cudles su puntuacién corregida? 25~ [25/(2-1)] =25-25=0 La correccién por adivinacién supone que una per sona adivina en forma aleatoria entre las opciones dis ponibles, desde luego, en ocasiones puede elimninar algunas de las opciones incorrectas y luego adivinar entre las opciones restantes, Las correcciones 0 ajus- tes también aplican a algunas puntuaciones en prue- bas de personalidad para adecuar ciertos conjuntos de respuestas. Para un andlisis sobre este tema, véase el capitulo 12. EL CASO ESPECIAL DE theta (6) Elector recordaré el anilisis de 1a teoria de respuesta fem (TRI) que se plantes en el primer capitulo, Si bien una prucha calificada en la forma convencional genera una puntuaciGn natural que es Ia suma de las respuestas a todos los reactivos en laprucba, una prue- ba calificada segtin Iz TRI no es la simple suma de las respuestas. La puntuaci6n TRI es una funcién de las respuestas del examinado que interactéan con las caracterfsticas de los reactives, La puntuaciéa. ‘TRI sucle denominarse theta (q), considérese dos ejemplos de cémo puede darse q, en ambos es crucial que los reactivos se seleccionen por unidimensiona- lidad y se esealen por dificultad en un programa de investigacion previo, En el capitulo 6, s¢ consideran mis a fondo las earacteristieas TRI de los reactivos: su calificaciéa real segiin los procedimientos TRI es compleja, ya que exige programas de cémputo com plejos. No consiste tan solo en sumar respuestas co- Trectas, aunque en este momento, es posible dar una idea aproximada del modo en que metodologia genera una puntuaciGn theta. En primer lugar, se deben considerar los datos la figura 3-8, los reactivos estén dispuestos en ord de dificultad de izquierda a derecha, aquellos con numeracién mas baja son muy sencillos y los que nen lanumeracién mas elevada son muy dificiles. ejemplo, si ésta fuese una prueba de operaciones ar méticas para estudiantes de ensefianza elemental, reactivo I podria ser 6 +3 . el reactivo serfa 740-698 =__y el reactivo 20 serfa 56 1,05. Aqui se han clasificado simplemente los react como ficiles, moderados o dificiles. En una aplie cin real, se utilizarian valores de dificultad exact (Los reactivos de una prueba deben disponerse fs mente en orden de dificultad, pero para los ejemp! que aqui se muestra conviene mostrar la disposicii de esta manera.) Cada “x” en la figura representa’ respuesta correcta. A Mike se le presentaron reactivos 1 a 10 y sespondié de manera correcta a7 Ned se le dieron los reactivos 11 4.20 y contests acierto a 7, Dado que Ned respondis en formac ta.a los reactivos més diffciles, obtiene una pant ci6n thera mas elevada, pese al hecho- de que examinados realizaron 7 reactives correctame: Desde luego, este procedimiente no funcion: menos que los reactivos se esealaran, en primer por grado de dificultad.1234686789 Facil X= respuesta correcta a Normas de las pruebas © 57 10 11 12 13 14 18 16 17 18 19 20 Dict Figura 3-8. Derivacién de una puntuacién theta de diferentes conjuntos de reactivos. ENTELO! una demostracién excelente en Internet de a interaccién as respuestas del examinado con ls carecteristicas de los que emplean la metodologia TRI, la direccién es: CAE.NET/scripts/cat. Se trata del mismo portal ERICAE do como fuente clave de informacion en el capitulo 2. ssugiere al estudiante regjstrarse y responder Ia prueba: ‘observer como se ajusta la “estimacién de capacidad” pués de cada respuesta. Aunque las puntuaciones se in ran como percentiles o alguna otra puntuacién norma: 3, estas puntuaciones son transformaciones de theta, Que actualizan luego de cada respuesta ‘menos algunas aplicaciones de la metodologia TRI ten examinar el patrén de respuestas, lo mis- que Ta cantidad de respuestas conrectasy ese pa puede generar ajustes en la cantidad de respuestas rectas al determinar theta. Considérense los datos Ja figura 3-9, ahi a ambos examinados se les pre= tan los 20 reactivos. Una vez més, se conocen los 0S de a dificultad de los reactivos y éstos estén puestos en orden de dificultad. Jen, en general, no tiene un desempeiio muy vado;sin embargo, se observa que realiz6 de ma- ‘correcta un reactivo muy dificil (el 20), quiz una adivinaci6n afortunada. Kristen respondié con acierto a casi todas los reactivos, pero fall6 en uno muy sencillo (el 2), tal vez por descuido. Muchos procedimientos de calificacién TRI consideran el pa- trén de respuestas total para determinar la puntuacin theta de la persona, pero existen numerasos procedi- mientos especifices para calificar las pruebas segdn los métodos TRI; dichos procedimientos dependen del modelo particular utilizado para ajustar los datos. Aqui no se revisaran estos modelos, no obstante se ¢xami- narén las caracteristicas de los reactivos segtin la TRL en cl capitulo 6, Theta posee ciertas propiedades de una puntua- cién natural y de una normalizada. Es como una pun- tuaci6n natural en cuanto a que es un resultado relativamente inmediato de lus respuestas del exami- nado, Ademas, como puntuacién natural, tiene en si poco sentido. Theta es como una puntuacién norma- Tizada en cvanto @ que no es una suma simple de las espuestas del examinado, depende no sélo de sila respuesta es correcta (o “si” otra respuesta asi), sino también de los valores TRI de los reactivos a los que se dan las respuestas. Theta ubica al examinade én un rasgo 0 capacidad que se supone que subyace al con {Junto completo de reactivos en el banco de la prueba; ‘no obstante, los valores numéricos de la dimensién son arbitrarios y, por ende, no se interpretan con fac Tidad. Si bien los valores auméricos thera son arbitra- 129456789 Fécil KxxK x x KOORK KKK KR = respuosta conecta 10 11 12:13:14 «18 16 «17 18 19 20 Moderada Ditici Ae Ne eR Figura 3-9. Los patrones de respuesta pueden ayudar a determinar una puntuacién theta.58 + Pruebas psicolégicas. Una introduccion pritctica Tios, suelen establecerse con 0,00 como valor central ¥ un rango de cerca de ~4.0 a 44.0, En consecuencia, Pueden verse como puntuaciones z, aunque no alu. den auna posicién dentro de un grupo normativo bien definido. Auunglue estos valores theta pueden ser cl resulta- do inmediato de las respuestas del examinado en un entomno TRI, su interpretacién préictica con mucha fre- cuencia se logra mediante el uso de las puntuaciones normalizadas presentadas en este capitulo, es decir, se convierten en percentiles, puntuaciones estindar, equi- valentes de grado, etc. De hecho, en un informe de pun- tuaciones de prueba, se podria considerar un percentil © puntuaciGn T sin percatarse siquiera de que es una ‘ransformaci6n de la puntuaciém theta, en lugar de-una Puntuacién natural convencional EL CASO ESPECIAL DE LAS PUNTUACIONES IPSATIVAS Las puntuaciones ipsativas (del latin jpse, que significa “yo") son autorreferenciadas, ocurren cuando una pruc- ba genera mis de una puntuacién y los reactivos de la Prueba se califican de tal modo que una determinada Tespuesta produce el incremento de una puntuacién y, al mismo tiempo, a disminucién de otra puntuacién o, al menos, impide que otra puntuacién aumente, De ‘modo que las puntuaciones ipsativas muestran la fuer. Za “telativa” de las puntuaciones en lugar de su fuerza “absoluta”. Un ejemplo aclarari la situaci6n. A fin de medir los intereses de la gente en activi- dades verbales y cuantitativas, tome en cuenta los dos métodos siguientes para realizar esta tarea. + Formato A En cada par de reactivos, marque el que més le guste: a. Sumar nmeros ob. Buscar pala- brasenundic- -cionario ‘a Resolver ecuaciones 0 by Leer libros + Formato B Marque si le gusta (G) 0 le disgusta (1D) cada acti vidad: a) Sumar némeros GD ) Buscar palabras en un diccionario. GD ©) Resolver ecuaciones G D 4) Leer libros GD En cl formato B, al lector tal vez le gusten o disgusten todos los reactivos puede utilizar cualquier otra com- binacién de respuestas. Al asignar 1 punto por cada respuesta “Gusta”, su puntuacién puede ser 2, 1 00en Interés Verbal y 2, 10 0 en Interés Cuantitativo, No obstante, en el formato A, conforme aumenta su. pun- (Capitulo 3 tuaciGn Verbal, disminuye (o no aumenta) su puntua- cin Cuantitativa. Los posibles patrones de puntuacién son 2 Verbal y 0 Cuantitativo, | Verbal y 1 Cuantitati- ¥o, 00 Verbal y 2 Cuantitativo. En el formato A, no se puede calificar 2 en ambas areas de interés, tampoco es Posible calificar 0 en ambas reas. El formato A genera ‘Puntuaciones ipsativas. Las puntuaciones muestran una fuerza relativa y no una fuerza absoluta de intereses, por ejemplo, tal ver. odie todas las actividades, pero epudie mais los reactivos cuantitativos que los verba- les. O bien, tal ver Ie agraden todas las actividades, aunque las verbales més que las cuamitativas, Las puntuaciones ipsativas se emplean con cier- tas pruebas de personalidad ¢ inventarios de intere- ses. Se sugiere consultar los capitulos sobre estas pruebas para conocer casos concretos. Las puntuacio- nes ipsativas se contrastan con las puntuaciones nor- mativas, se dice que las primeras aluden al individuo én tanto que las segundas reficren al grupo normati- Yo. Sin embargo, ese-es un contraste potencialmente engafioso ya que las puntuaciones ipsativas también pueden referirse a normas, Las puntuaciones naturales y las puntuaciones theta en si mismas por lo cammin carecen de significa do, son bastante estériles y dificiles de interpretar. La forma mis comiin de darles cierto significado en las puntuaciones naturales consiste en convertirlas o trans- formarlas en algtin tipo de norma. La puntuacién nor- malizada —también amada puntuacién derivada- ubica Ia puntuacién del individuo en el contexto de Jas puntuaciones que obtienen otros examinados; es- tos tltimos constituyen el grupo normativo, ee TIPOS DE NORMAS a En esta seccién se analizan los tipos de normas que se utilizan con mayor frecuencia en las pruebas psicolé gicas. Hay tres principales categorias de normas, con varias subcategorias, aqui se describe eada tipo de norma y después se identifican sus fortalezas y debi lidades. Se dispone de varios tipos de normas, no slo de uno, para muchas pruebas; casi todos ellos se rela cionan en forma sistemstica entre si, de modo que es posible hacer una conversién de un tipo de prueba a olf0, alungue esto no puede realizarse con todos los pos de normas. Estas relaciones son importantes, suelen conceptuarse en el contexto de la curva nor- mal que ya se revis6 en este capitulo. Muchas de las relaciones se muestran en la figura 3-10, la cual me- rece un estudio cuidadoso; en este libro se aludira a ella con frecuencia en las secciones subsiguientes deNormas de las pruebas + 59 el cuadro 3-1, este capitulo. Muchas de las relaciones representadas cen la figura 3-10 se representan en forma tabular en RANGO PERCENTILARES Y PERCENTILES Uno de los tipos mas comunes de normas para las prue- ‘bas psicolégicas es el rango percentilaro percentil. Hay una distineién técnica entre estos dos términos. El ran- {g0 percentilar (RP) indica cl porcentaje de casos en el ‘grupo normativo que se ubican por debajo de una de- terminada puntuacién natural. Si una puntuacién natu- ral de 48 tiene un RP de 60, esto significa que 60% de log casos en el grupo normativo se califican en © por debajo de una puntuacién natural de 48. Por supuesto, algunos casosen el grupo normative obtienen una pun- ‘twacién exacta de 48; esta puntuacin se consideracomo un intervalo de 47.5 a 48.5, en el cual 48.0 es el punto medio del intervalo; por tanto, en algunas aplicacio- aa as a Tot i | Peer = ae Se ~~ a a eee Et = owe | 1 10 20 30 40 t 60 * oo *\ 98 | | Teer ppl py Peers | | ss a idep oe Qa a st = 3 we 32 8 100 ne = s Figura 3-10. Equivaloncia de varios tipos de normas en ia eurva normal.GO + Pruebas psicolégicas. Una introduccién préctica (Capitulo 3) Guadiro 3-1. Equivalentes de percentil de varios sistemas dé puntuacién esténdar Estanina, ECN | Ci(15) | CI(16) | PuntuaciénT| SAT | Puntuaciénz| cal 99 2 oo | 183 195 74 740 J 24 ma) 26 2 93 130 132 70 700 20 | sr 9 | 90 | 29 480 69 890 18 97 36 2 a7 127 128 68 eo | te 96 35 8 6 | 18 | a6 8s 660 16 95 | 8 8 123 108 4 3 8 | a | te 128 nn) 48 93 so / se | oo 721 1 64 640 14 92 91 8 78 720 11 ot £0 8 7 19 | 6 630 13 90 69 8 8 120 89 88 7 | 8B 118 19 «2 620 12 as a | 7 ta 17 ta 8 85 7 | @B 116 "7 61 610 1 8 85 7 R 85 ao) 7 n ns 116 60 600 10 8 83 7 | | | | 83 & z es 16 50 590 09 #2 at z a) 14 | at 80 z oa | | 80 m | & | ve | tp a) oa = 73 7 65 73 7 z 85 am ary | 7 7% | 6 6 | | 57 sm | o7 78 7% | 6 6 110 m 8 78 8 8 7% 3 a) 109 110 56 560 06 73 R 8 82 BR n 6 62 108 | n 70 6 e108 70 8 6 | 60 108 s | so | os 69 88 6 60 107 68 7 6) 8 107 «7 66 6 59 106 | to os 66 65 a) | 108 65 @ | 6 | 5 } | | sa &3 8 7 wos | | 63 2 | 6 56 105 53 530 03, 2 a 6 | 56 roe | | 6 60 6 55 104 60 59 5 55 | 83 8 5 Ba 103 | 103 2 5 | a2 | gg a7 5 54 | 57 58 5 53 | 56 55 5 | 8 402 12 | | 55 M 5 | 88 5 510 oa 54 5S 52 ton | | 53 52 s | oa | 101 | Be St So ge | | |= Bt ss so | (100 10 | 8 500 oo | 50 42 | 5s | gs | 49 a | s | @ {| 9 | | 48 a | 5 48 %@ | | 7 6 5 | 48 i) “a 6 5 5 a 98 28 5 aa 5 a | | | 44 43 5 | 48 | 3B 2 | os 6 x | er 48 480 02 a a 5 45 | 4a #{e} 8) | ws | 3 9 | 4 “4 86 9 38 4 a 95 a7 a0 03 38 37 @ & | os | | | i sb | 4 | @ 36 35 4 2 9 35 34 4 41 oe er) 4 34 a | 4 ai 3 | | 33 a | | = aaa) - 22Normas de las pruebas + 61 Cuadro 3-1. (Continuacién) cis) Gi (n6) a a 3 4 4 4 4 4 4 4 4 4 3 3 3 3 3 3 8 a a 2 s 3 2 2 2 2 2 2 2 4 1 1 pprusbas que utlizan une M=500 y una DE = 100. Puntuacién T -Reproducide de Hogan, T.P. (198). Abreviaturas: ECN, equivalente de curva normal. ‘nes, el RP se calcula de modo que incluya ala mitad de Jos casos en el intervalo de la puntuacién natural Un percentil (que suele abreviarse como “éil) es punto en una escala por debajo del cual se ubica ‘porcentaje especffico de los casos. La diferencia tre un percentil y un rango percentilar podria mmirse de la siguiemte manera: en el percentil, se spieza con un determinado porcentaje, luego se en- tra la puntuaci6n natural correspondiente a ese to. En el caso de un rango percentilar, se inicia una puntwaciOn determinada, luegose hallael por- ntaje de casos que se encuentran por debajo de esa smacién. En la préctica, los términos percentil y 10 percentilar suelen emplearse en forma indistin- sin problema, A veces los investigadores se topan con ramifi- jones del sistema de percentiles, las cuales inclu- a los deciles, los quintiles y los cuartiles. Como, deriva de sus raices latinas, estos sistemas dividen distribucién en décimos, quintos y cuartos, respec nte, En consecuencia, ¢s posible considerar los centiles como un sistenia que divide la distribu ‘en centésimos, La figura 3-10 ilustra el lugar de los rangos per- centilares en la curva normal. EI RP (rango percentilar) de una puntuacién baja de 1 auna elevada de 99, don- de 50 es el pumto imtermedio o mediana. La relacién entre los rangos percentilares y las puntuaciones z se define por el cuadro de reas bajo la curva normal que se estudia en la introducci6n a la estadistica. iINTENTELO! See ‘Se sugiere al estudiante usar la figura 3-10 para responder a estas preguntas. Dar estimaciones. Poner la puntuacion z aproximada en cada uno de estos rangos percentilares. Lue- go, con ayuda del cuadro 3~1, revisar las estaninas. RP zestimada (figura 3-10) z del cuadro (cuadro 3-1) 50 84 16 25 9962 * Pruebas psicolégicas. Una introduccién préctica (Capitulo 3) Fortalezas y debilidades de los rangos percentilares Los RP poseen varias caracteristicas atractivas, pri- mero, porque cl concepto de RP es sencillo, facil de captar y se explica con rapidez, incluso a alguien que fo est versado en estadistiea. Ademis, los RP se cal- culan con facilidad a partir de un grupo normativo; por tales razones, los RP se utilizan en forma muy generalizada ‘Los RP tienen dos principales inconvenientes. En primer lugar, el lego con frecuencia confunde el RP con la puntuacién de porcentaje correcto, la cual se utiliza en muchas pruebas que se realizan en las aulas. Segiin la tradicién, en el sistema de puntuaciGn de por centaje correcto, 90% equivale a una A, 60% equivale areprobar y asi sucesivamente. Por tanto, un RP de 72, ‘que se encuentra por encima del desempeiio prome dio, puede mal interpretarse como desempeiio apenas aprobatorio. Un RP de 51, que se halla cerca del pro- medio, suena como si se tratara de un desempedio pési- moencl sistema de porcentaje correcto. Los psicélogos deben distinguir con sumo cuidado entre RP y puntus. ciones de porventaje correcto, sobre todo al interpretar Tas puntuaciones para los legos. E] segundo inconveniente importante del RP cs Ja marcada desigualdad de las unidades ea diversos puntos en la escala, En concreto, los RP se “agrupan” a la mitad de la distribucién y se “dispersan" en los dos extremos de ella. Al principio, esta peculiaridad pareceria un tecnicismo trivial, no obstante, tiene con- secuencias précticas muy sustanciales. Una determi- nada diferencia de puntuacién natural, por ejemplo de 3 puntos, abarcaraé muchos puntos de percentil a la mitad de la distribuciGn, pero s6lo unos cuantos pun tos de percentil en cualquiera de sus extremos. El fe- némeno puede indicarse en las normas del RP de cualquier prueba. Esta dificultad no es una propiedad de los RP. sino del hecho de que se aplican a una va- tiable que tiene una distribuciGn normal, Io cual se ‘djudica de manera aproximada a Ia mayor parte de pruchas psicoldgicas. La dificultad no surgiria en cercunstancia inusual en la que Ja variable tuviese sxe destnbucidn rectangular, el fenémeno se reverti- ‘gze= realidad en una distribucidn en forma de U. Ls ge 1! mestra las normas percentilares Se es Se esas facetas en la escala de escrupulosidad 21 NEO PER * Ea exas normas, el pasar de una pun- twaciée sameal de 102 13 genera un movimiento in- significante ex Ta eseala de percentiles, sélo de un punto, del percentil 2 af 3. Empero, ir de una puntua- cién natural de 20 2 23 comesponde a una diferencia 3 ELNEO PER es una prueba de personalidad que se utiliza en forma generalizada, Se describe con mayor detalle en el capitulo 12, percentilar de 27 puntos (43-70). También es posible observar este fenémeno al revisar la figura 3-10. PUNTUACIONES ESTANDAR ‘Las puntuaciones csténdar son otro tipo de norma que se utiliza con frecuencia con las prucbas éducativas y psicolsgicas, Constituyen una familia de normas, exis- ten versiones de puntuaciones estindar muy utiliza- das y una variedad en potencia infinita de otras versiones. Aquf se describird primero lo que es co- rin a todas las puntuaciones esténdar y luego'se iden- tificardn las propiedades de las versiones especificas. En el cuadro 3-2 se muestran algunos ejemplos. Un sistema de puntuacién estandar es una con- ‘versiGn de puntuaciones z (ya comentadas en este ca- pftulo) en un nuevo sistema que tiene una media (M) ‘yuna DE clegidas de manera arbitraria. Las nucvas Mf Y DE suelen elegirse para que sean cifras fheiles de recordar como 50 y 10 0500 y 100, En contados ¢a- 9 Se busean otras caracteristicas deseables. A fin de convertir una puntuacidn natural en una puntuacién estandar, primero se traducira la puntua- cin natural en puntuaci6n z. Luego, se multiplicard la puntuaci6n z por la nueva DE (puntuacicn estiindar) y se sumard Ja nueva media (puntuacién estindar). Las etapas se resumen en la figura 3-12. La férmula siguiente realiza estas etapas: pe= PE (x_n) +m, DE, Formula 3-5 donde PE = puntuacién estindar deseada DE, = desviaci6n estéindar en el sistema de puntuacién estindar puntuacidn esténdar en ¢l sistema de puntuacién natural M, = media.en el sistema de puntuacién na- tural M, = media en el sistema de puntuacién cestindar = puntuacién natural DE, (Cuando Ia puntuacién (X) se traduce en forma de pun tuaci6n z, la formula es: PE=2(DE,)+M, Férmula 3-6 Ena prictica comtin, todas estas etapas ya se han rea- lizadoy s6lo se utiliza un cuadro del manual de Ia procba para convertir una puntuaci6n natural en una puntua- ion estndar. En la figura 3-13 aparece un ejemplo de este tipo de cuadros, slo se incluye una seccién del euadro, no el rango de puntuaciones completo.Normas de las pruebas + 63 fold a, pana | Percentil 22 2 3 4 7 11 16 26 33 43 52 6 70 79 8 93 96 98 99 Figura 3-11. Puntuacion natural para, conversién a percentil de @ escala NEO PI-R, nsformaciones lineales y no lineales de Ja figura 3-12 aplican. Las transformaciones no lineales se emplean para generar una distribuciGn de puntuaciones normales, por lo cual, ¢l resultado en ocasiones se denomina puntuacién estindar norma- lizada; su efecto se ilustra en la figura 3-14. Por lo comén, la transformacién no lineal se consigue ba- lineal, en tales casos, ni esa férmulaniel ejemplo —_sdndose em la relaci6n entre puntuaciones z y per- centiles, en reas bajo Ia curva normal, por tal razén, a veces se la conoce como transformacién de rea. ‘Aunque parezca complicado, el proceso es bastante simple. En este capitulo se asume que las puntuacio- nes estindar son transformaciones lineales, a menos que se indique de otro modo, mayor parte de las puntuaciones estndar son Puntuaciones naturales Puntuaciones T Las puntuaciones T, conocidas también como pun- tuaciones 7’ de McCall, son puntuaciones esténdar con M=S0y DE=10. El rango efectivo de puntuaciones Tes de casi 20 (correspondientes a -3 z) a alrededor de 80 (+ 3 2). Las puntuaciones T (en maytiscula) de- ben distinguirse de los valores z de Student (en mi- miscula) utilizados en pruebas de significancia esta- distica. Las puntuaciones T se emplean de manera generalizada con las pruebas de personalidad, aun- que también con otro tipo de instrumentos, como en el Inventario Multifisico de la Personalidad Minnesota ‘que se describe en el capitulo 12 yen el Strong Interest Inventory (SII; Inventario de Intereses Strong) que se analiza en el capitulo 14. La figura 3-10 muestra la distribucién de puntuaciones T. DE=6 X=? 25 (X-MYDE= (47 ~ 386 M=50 DE=10 PE=6S PE = (DE,/DE,)(X—M,) + Mi, 10/6) (47-98) + 50= 65 Figura 3+12. llustracién de conversién de un sistema de puntuacién natural a uno de puntuacién estéindar,64 > Pruebas psicolégicas. Una introduccién préctica (Capitulo 3) Puntuacién natural: .. 60 61 Puntuacién esténdar: .. 55 56 62 63 G4 65 66 67 G8 69 .. 66 S7 58 59 60 GI 62 63 Figura 3-13, Ejemplo de purtuscién natural convertida a puntuacién esténdar (puntuacion 7). Las pruebas SAT y GRE Enla Scholastic Assessment Test (SAT; Prueba de Eva- luacién Académica) y en los Graduate Record Exa- minations (GRE) (Examenes de Registro de Gradua- dos) se utiliza un sistema de puntuacién estindar con M=500y DE = 100, mismo que también se aplica a las principales prucbas de esta serie: Verbal y Mate: miiticas en el SAT, y Verbal, Cuantitativa, Analitica y Jas diversas pruebas Avanzadas en los GRE. Las prue- bas a menudo se combinan para generar una puntua- cign total, por ejemplo, en el SAT se utiliza a menudo ‘una puntuacién combinada de las pruebas Verbal y de Matematicas. Cuando asf sucede, las medias son aditivas, pero las Dé no; es decir, la media de la pun- macién combinada o Total es 500 + 500, pero la DE dela puntuacién total noes 100 + 100. La DE de las pun- tuaciones totales es menor de 200, ya que las dos pruebas, que se integran no estén correlacionadas a la per- feccién. Este fenémeno no es particular de las pruebas SAT y el GRE, se emplea en cualquier fusién de prue- bas que no estan correlacionadas en forma perfecta. Cl de desviacion La definicién tradicional del CI (coeficiente de inteli- gencia) es: CI= (EM/EC) x 100, donde EM es edad mental (para una descripcién de edad mental, véase mis adelante), EC es edad cronolégica y 100 es un multiplicador que sirve para eliminar el punto deci- mal. Asi, por ejemplo, Ia EM de Zelda es de 10 atios, fesumen de puntos clave 3-4 Modalidades de puntuaciones esténdar Puntuaciones. T Scholastic Assessment Test (SAT) y Graduate Record Examinations (GRE) Cl de desviacion Estaninas Equivalentes de cura normal | Puntuaciones esténdar mutinivel (o esealadas) SUEC es de 8 afios, de modo que su Cles (10/8) x 100 = 12S. Lo anterior se denomina razén de CI ya que representa la raz6n de EM a EC, iINTENTELO! “ ie ‘Se sugiere al estudiante calcular los Cl de razén de estos casos. La EM de Matt es de 78 meses (6 aftos, 6 meses), ‘su EC es de 84 meses (7 afos, 0 meses). éCudl ‘es su razén de CI? La edad mental de Meg es de 192 meses, su EC es. de 124 meses. iCudl es su razén de CI? La razdn de CI se utiliz6 con las primeras prue- bas de inteligencia, pero se observé que la DE de es- tos CT no eran iguales a niveles de edad diferentes; en concreto, las DE tendfan a aumentar con la edad. Asi, unaraz6n de CI de 120 se desvia menos del promedio (100) a los 18 que a los 6 afios de edad y, a la inversa, una raz6n de CT de 70 se desvia més de 100 alos 7 que 2 los 17 afios de edad. Tal variacion en el signifi- cado de un Cla diferentes niveles de edad es desafor- tunada ¢ indescable. Figura 3-14, llustracién de la transformacién no lineal de na distrituci6n no normal de puntuaciones naturales en el sistema de puntuacién estandar que la aproxima a una dis- tribucién normal.Normas de las pruebas + 65 Cuadro 3-2. Sistemas de puntuacién estindar utilizados en forma generalizada Los CI que se obtienen de las pruebas de inteli- encia modernas no son de razén, son puntuaciones stindar con M = 100 y una DE establecida normal- sente en 15.0 16, Estas puntuaciones estéindar se sue~ en conocer como CI de desviaci6n. La M = 100 se ira por deferencia a la definicién (razén) tradicio- al del Cl. Los CI de raz6n en la prueba Stanford- Binet original generaban una DE de 16 a ciertas ciades, esta DE se adopt como la DE de las pun- aciones esténder empleadas en algunas pruebas de ateligencia. Otras pruebas, de las cuales destacan las Wechsler (WAIS, WISC, WPPSD), optaron por una = 15. Algunos segmentos de la comunidad psicolégica +han con todas sus fuerzas por evitar el término “CT”, yue mantienen la tradicién de emplear un sistema puntuacidn estindar con M= 100 y DE = 150 16. Lo que aqui se denomina CI de desviacién en acasio- es aparece en los manuales de las pruebas y Jos in- es de las puntuaciones con nombres diferentes, omo indice de capacidad escolar. Esos nombres temmos suelen reconocerse con facilidad como siste- as de puntuacién estindar, que cuentan con las M y ya familiares para los lectores de este texto. taninas estaninas, contracci6n en inglés de “standerd ", son un sistema de puntuacién estandar con M Media bE as Wechsler Verbal, de Ejecucién y Total 100 15 as Stanford-Binet y Otis-Lennon 100 16 Puntuaciones de las subescalas Wechsler 10 a ‘Pruebas de adimisin a las facultades de derecho 150 10 scholastic Assosement Tost (SAT) 500 400 ate Record Examinations (GRE) 00 100 =5y DE =2 (aproximadamente), Se elaboraron para: a) dividir la distribuciGn normal en 9 unidades y, 'b) hacer que las unidades abarcaran distancias igua- les sobre la base de la curva normal, excepto por aquellas que cubren los extremos de la distribuci6n, esdecir, la | y la9. Cuando se cumple con estas dos condiciones, la M serd.de 5 y laDE un poco superior a2; estas dos propiedades de las estaninas se ilus- tran en la figura 3-10, vea también la figura 3-15 y note que las unidades 2-8 involucran distancias igua- les sobre la base de la curva normal. Como la densi- dad de la curva varia en diferentes secciones, estas distancias iguales cubren varios porcentajes de los casos en la distribuci6n, por ejemplo, Ia estanina 2 comprende 7% de los casos (del percentil 4 al 11), fen tanto que la estanina 4 cubre 17% de los casos, (del percentil 23 al 40). IINTENTELO! Con ayuda de la figura 3-10 0 3-15, el lector determiner Iaestanina correspondiente a cada uno de estos percentiles Pereentil: 2 3 52 Las estaninas siempre se derivan en relacién con Jas desviaciones de los percentiles que se aprecian en Ja figura 3-15 y no por medio de la frmula 3-5. Las estaninas generan una transformacién no lineal de puntuaciones naturales (2 menos que la distribucién original ya sea perfectamente normal). Se emplean de manera generalizada para informar puntuaciones wal va eel el tel tel a atetstet7ires Estaninas Rangos de percent! Figura 8-15. Distribucion de las estaninas.66 + Pruebas psicolégicas. Una introduccién préctica (Capinuto 3) em pruebas de aprovechamiento estandarizadas y en algunas pruebas de capacidad mental, en las escuclas de ensefianza elemental y secundaria: no se usan mu- cho en otros contextos, Una ligera variaci6n de la estanina es la estén, contraccidn en inglés de “standard ten”. Se trata de un sistema de puntuacién estindar con valores que van de 1 a 10 y con M=5.5 y DE = 2 (aproximada- mente), Losestén 2 a9 cuentan con distancias iguales sobre la base de la curva normal, en tanto que los es- tén I y 10 que cubren Jos extremos de Ia distribucion son abiertos. Los estén se encuentran en publicacio- nes del Institute for Personality and Ability Tests (PAT, Instituto para las pruebas de personalidad y capaci dad); la mejor conocida de estas pruebas es el Cues- tionario de 16 factores de la personalidad (16PF)*. Equivalentes de curva normal El equivalente de curva normal (ECN) es un siste- ma de puntuaciones estindar desasrollado para que los ECN sean iguales aos rangos percentilares en los puntos 1, 50 y 99. Cuando se cumple con esta condi- Gin, el sistema ECN tiene M = 50 y DE (mas 0 me- 10s) 21. Los ECN se emplean en forma casi exclusiva para cumplir con ciertos requisitos federales de infor- ‘macién sobre las pruebas de aprovechamiento en las escuelas publicas. En la figura 3-10, se aprecia la re- lacién entre los ECN y otras normas. Puntuaciones esténdar de multinivel Una prueba multinivel es un instrumento que cuenta con pruebas distintas, al menos en parte, para dife- rentes edades o en distintos grados. Los principales ejemplos de estas prucbas son las baterias de apro- vechamiento (véase el capitulo 11) y las pruebas de capacidad cognitiva aplicadas a grupos (véase el ca- pitulo 9) que se utilizan en las escuelas de ensefianza clemental y secundaria. Si bien una de estas pruebas tal vez tenga el mismo nombre (p.¢}.. la Metropolitan Achievement Test (Prueba de Aprovechamiento Metropolitan] o 1a Otis-Lennon School Ability Test [OLSAT; Prucba de Capacidad Escolar Otis-Lennon]) alo largo de un amplio margen de edades 0 grados, obviamente no se utilizan los mismos reactivos en el rango completo. La prucba se divide en varios niveles diferentes, uno puede usarse en los grados 1 a2, otzo om los grados 3 a-4 y aside manera sucesiva, Las puntuaciones estindar obtenidas a partir de diferentes niveles en tales pruebas suelen relacionarse ‘mediante un sistema de puntuaciones estandar que abar- catodos los niveles; en ocasiones se alude a elas como *N. del E.: Publicado en espafol por Editorial El Manual, ‘Modemo, México. puntuaciones escaladas. Las puntuaciones estindar de niveles méltiples son dificiles de interpretar, poseen una media y una DE convenientes (p. é...500 y 100) ea un nivel, por lo general para un grado o-edad a la mitad del rango que cubre toda Ia serie, pero la media y la DE diferirdn en otros niveles de-edad o de grado. Por tanto, una puntuacién esténdar de 673 de un estudiante de séptimo grado en la prueba de lectura no tiene un s nificado que resulte facil de interpretar. Las puntuaciones esténdar de niveles miltiples pueden ser titiles para medir el crecimiento por gra- dos o edades, el sistema de calificacin suele desarro- Marse con ell fin de aproximarse a una escala de intervalo; sin embargo, para la interpretacién comin de las pruebas, las puntuaciones estindar de niveles miltiples no son muy titiles, Fortalezas y debilidades de las puntuaciones esténdar Las puntuaciones estdndar constituyen un sistema métrico conveniente para interpretar el desempeno en las pruebas en muy diversas circunstancias, Dado que muchos rasgos de interés para los psicdlogos, se su- pone, estan distribuidos en forma normal, son ttiles las conexiones entre las puntuaciones estandar y las puntuaciones z. Con las puntuaciones estndar s¢ evi- tael problema del percentil respecto a la desigualdad marcada de unidades en diversas regiones de la distri buciGn normal, por ello, estas puntuaciones son mas acordes a los ediculos estadisticos. Empero, las puntuaciones estindar tienen algunos inconvenientes, En primer lugar, hay que reconocer que s6lo una fracciGn samamente pequefia de Ia raza huma- na tiene idea de lo que es un curva normal o una puntua i6n z; ast que vincular las puntuaciones estindar con el contexto de la curva normal y de las puntuaciones 2 tie~ ne poco valor, salvo cuando se trabaja con entendidos en Ja materia. En segundo lugar, para que una puntuacién estdndar tenga sentido, se debe recordar la M y la DEdel sistema. En parrafos anteriores se mencionaron algunos de os conocides sistemas de puntuaciGn esténdar en los ‘que se reduce all minimo este problema, por ejemplo, Mf =100y DE= 1Senel casode los Cl. de desviaciénen las prucbas de capacidad mental. No obstante, hay muchos otros sistemas de puntuacién estindar —quizd una va- riedad infinita, ya que se puede elegir cualquier valor para M y DE—. Por ejemplo, la Law School Admission: ‘Tests (LSAT; Pruebas de Admisién a las Facultades de Leyes) y la prueba de ingreso a la universidad ACT tie nen, cada una, sistemas de puntuacién estdndar distinti~ vos. Que implica una puntuacién de 130 en el LSAT? Qué significa una puntuacién de 26 en el ACT? Es im- posible saberfo sin consultar el manual de la prucba y ver cudles son los valores de M y DE en estos sistemas: de puntuacin estdndas.‘repumse uorsenund op Sensis soyso wa 377K jy 9p SBHOTEA SOT HOS SeTFTO Jaa C eganud p] ap jenuew [2 TeRSUOD ms OpLageS o[q;Sod AES GIO 1 9.97 op uopenmund eun eoyTUsIs ang? ELVST P? 42 O¢1 9p UOleMund Eun KoNduNT sng)? “soa “nunstp repuyis9 uotoemund ap seusoysts “un wpe ‘uu “2h Ly PepISAATUN Bf osaudut ap eqenad BL A (SeKa] 9p sopeipnoe,{ Se] UOISRUpY ap seqantg “IVST) HSL UOISSTUPY [OOPS ste] ey “ojdurafe Jog —ACr A py ered sofea Zambpeno s18aja apand as anb ef euuyu pepau “ea tun gzmb— spuRnso uprsemund ap seuists sono Sonam eq “aEISQO ON TeuaU! pepIsedea ap seqarud SBI UD UOLDELASOP 9p J.) SO] 2p oser 9 U2 ST =F LOO |W ‘o(duiafe sod ‘euiaygoud aso oumun [@ 2onparasanb Soj ua JepUFIss uoLsentUnd ap seUIZStS SopI30U09 Sof 3p soun3[e uoseuotsuau as saxouayre soyeured uy “TaIaySIS os PPAC PLA We] Lepodar2gap 3s ‘opnuas EBUM IepUPISI nopemund eun onb esed ‘men, opanSos wey “ousreas Bf ‘wo Soprpumua woo Bfeqan as opuend oes “s0feA ood au 09 of) 2 ssuotsenund se] op £ peuLoW amd ej op orxotuOD woo epupise souersemund sey rejnouta enb yse *2 wor -eniund Bun o TeuWOU RAM3-UN se anb of ap Papi auan LU -cuung ¢ex 8] 3p tyonbod suoureums upto run O19 sejeinjeu seuoroeniungs S25 o vyjauresap 2= sSemed 005 seaeo y emuaTmeysaAosde (35 5 507] ‘pepe “soons}peasa s0nayeo so] & Sopu0ae sSogonur vo> ‘(wa) spur wos sauorzemmund seso ‘ol[9 40d *feuLion upiong, sss e| “onvaqu0 a152 SSemipe ua uesn 25 sso soy { (cT) Pepe SS Q{0pU) uise op seu seriou osreurutowp sm fo wo vONEUINSTS sab ose [2 opuen.) -tnstp ¥[ 2p souotfou ses3aaip uo sopepiun ap epeaseut pepfenstsap rye oyadsau nussrad jap ewa[goud joe “ina 9s sepurise seuojsenund sey wo,) “2 sauetsemund sof A repuyisa soueisenund se] anua souorxouod se] ‘SoTAN Vos “TEULION UILJO] US sopingrnstp weiss suod -ns 95 ‘soSopoatsd soy exed spzsaut ap so¥ses soypnut ‘onb opecy “seiaurysunou1o sesioatp Anus ua seqorud sey ‘wa ogaduasap [a sejaudioqur ered aquaruaauo. oomut 3G 3G SVINNON TUDISIS UN UadnIMsuos sepuRIss ssuoToennd se-T Jepugisa sauolsemund se] ap sapepiigep A seza|eyio “sa{un Knut vos ou soqdnqnut S2[eatu ap sepuprsa souorsemund sey ‘seqonud se] ap unWO9 upIoe}aidsovul | Exed ‘oequio Uls SopeAISTUL 2p vppose vun e asreurxosde ap UY [> U0D ase] -oumESap a[aNs UOTOBITTTED ap EUIEISTS Je ‘Ssapepeo sop ni 10d oqwamma19 [3 pour tard soy 19s uapond sojdnjnur sopaaru 2p sepuyysa souoisenjund se] ~sejasdsam 9p Te] aynsaz anb opeaytu 2s un ausn ou e230] ap eqonud ry Wo ope oumdas ‘9p aqueIpnise Un ep ¢9 ep sepuRIse ugioeMmund wun “ouure 10¢ “OpRAS ap 6 PEP 9p S9}OATT SOMO UI URIOITD iq P| £ vrpaus vy orad ‘ous p] epoy auqna anb ofurz [Pp permmeye pepo o opesé un wed ye12Ua8 of sod “yaatu ‘un ua (op1 & gos “f “d) sswamanuos gq eun £ expout ‘bun uaasod ‘miaidiqul ap sajfouIp wos sajdaynu sojanru 2p sepunIso souorsemund st] sepeqeass sopenyund sano ua o1sd ‘ugt> sepeo210d sol v “oy Bs sons ‘ofip as vk seagu9 28 of[920d Separsa ugioenund stew. pun uosa0 SSpeumoyesap upI9 eesoTeambs sor] = cred seping ame sso “efeIvN bum 59 ROE] OP aseq eT aIgos SpeLASap ‘SeIpOUI 21g Soo 9S OU PessU9z Ssojut as offy ns ap pesuiafo 30d ‘Teoma sayund se] TeuNoput sn ‘SPUIUTISA SEI ap sony ostoaad sq “ODINDIN OULDPOY, yeaueyy ty fepOUpg sod rouedse va opeoqgnd a PP'N ‘outloo sefo apne as souorses0 Uo s9jant So] SopO} wD rege anb repupise seuorzeruand ap euiaysis un swexpout asreuo!De[ar uajans seqanad sare ua sajaaru somwazayIp ap mind & sepmuago sepugise sauoioemund se] “palsooms BISUEM ap Ise fe ¢ SOpUrS so] uo ‘ono ZB | Sopess so uo aszesn apand oun ‘sequazayIp ‘sojaatU sous wo apLatp as eqanad wr] “o19}daI09 oBuer Jp Ue Soanoear sowstur soy uezTNN as ou ayuauTELAgo “sopexd 0 sopepa op wow ondwe un 2p ofr] of & {{uouus]-sng 1ejoosg peproede.y ap eqanig ‘IvS1O] asa], ANGY fooyos uouUTT-sNO v] o [umodonay olusumysovordy op eganag] say, wwataAaTysy uneyqodonayy x] “fo -d) siquiou ows [> P8uaIZ2A [AL seqonid seiso ap bun waIg Ig “eEepunsas X jejuaMa|9 ‘Ezueyesua ap sejanoso sel uo wezrnn as anb (6 ojmyd 89 [p asepa) sodnud v sepeayde eanrudoa peprsedea ‘ep seqansd sey X (11 ormide> jo asega} onmarmreysos -oids ap seuaqeq se] uos seqonad seisa ap sojdarala somediouuid so"] ‘sopeid sowunsip us 0 sopepa sxquat -opfp ered ‘oud wo souaw je ‘sermpstp seqonad wos ‘gano onb omaumnsut wn sa jaTeNTHUT egonad vu, J@ug|NW ap JepugIsa sauoIeMUN, “seuuzou seno £ NOY Soy anua uo] -21] proaude as ‘Q1-¢ EMS By We “seOTIaNA seponaso se] us oqsmmeysanaide ap seqanid se] 2190s upioeut ~s0jut ap safesapay sousinbax souar9 woo srjdwn3 ered -eaisnjs3a oe9 UMNO] WO Mes|dmNa 98 NVA SOT “Iz (Sou 2 0 sem) 7q A OS = JW BAN NOW PMA [2 “UOLD -tpuoo w1s9 woo apdumo 98 opueN,) “66 K OS *T Sound so] ua sommjnusoiad sogues Soy? s3yenst UBOS NSO] anb ered opefjouesap sepuyise sauorsenund 3p vu -aasys un so (Nog) FewuoU eam ap ayuapeamnbo [y Jewsou eAIND op SayUopeAinb3 “e(1a91) peprewosiad vy] op souorsey 91 ap oLeUON -son_) |p $9 seqanud seysa ap eproouos sofsui v| “(pep -toede) peprevosiad ap seqonad se] ered ommmnsuy ‘nval) s1say, Aray pure Arreuosrag roy ammsuy jp sou -olawarjgnd ua Wenuenaue 85 UaISe SO’] “SOUAIgE wos "UDIONgINSIp vy Bp soutanxs soy usugns amb gE £ | Uy -s9 So] anb oyu] Ud “TeuLIOU Earn. z| ap aseq F] 22408 soqend] selounistp woo TeMaND GF Z UpISI 307 (=}HOuL -epsunxoads) ¢ = ¥q & ¢°¢ = wos £ OL eT op wea ‘nb saiojea woo sepupise upIemund ap euLaIsIs un 2p Ben 9g 297 PIMPUMIS,, 3p spISUr uD UpII.eNUOD “ugyse v] $9 Pulse v| ap UOIeEA exe CUP] “Solxalmoo sono wa oY> -nur upsn 9s ou tepepunoas & TruDura|9 EzIEUISUD op ‘seonasa se] ua “[eqwau peprsede> ap seqanud seunsye wa £ sepezumpumiso oworuqsoxoxde ap seqarud us (g oad) POMIPIT UPIINPUNA UY) SDHINONSI MGI » OD