Pablo Cazau

Estadstica y metodologa de la investigacin

Presentacin
Captulo 1: Introduccin a la estadstica
Captulo 2: Estadstica descriptiva
Captulo 3: Probabilidad y curva normal
Captulo 4: Correlacin y regresin
Captulo 5: Estadstica inferencial
Captulo 6: Investigacin e investigacin cientfica
Captulo 7: Tipos de investigacin cientfica
Captulo 8: Causalidad y experimento
Captulo 9: Las etapas de la investigacin tpica
Captulo 10: Problema, bibliografa, teora y objetivos
Captulo 11: Hiptesis y variables
Captulo 12: Tcnicas de muestreo e instrumentos de medicin
Captulo 13: El diseo de investigacin
Captulo 14: El procesamiento de los datos
Captulo 15: Redaccin y publicacin de los resultados
Captulo 16: Investigaciones especiales
Referencias bibliogrficas de estadstica
Otras fuentes consultadas para estadstica
Referencias bibliogrficas de metodologa
Anexos de estadstica
Anexos de metodologa

LA FORMA DE CITAR LA PRESENTE BIBLIOGRAFA ES LA SIGUIENTE:
Cazau Pablo (2011), Estadstica y metodologa de la investigacin. Buenos Aires: Biblioteca
Redpsicologa.

Buenos Aires, Junio 2012. Ms informes: pcazau@gmail.com

INDICE GENERAL

Presentacin

PARTE I: ESTADSTICA

CAPTULO 1: INTRODUCCIN A LA ESTADSTICA

1. DEFINICIN Y UTILIDAD DE LA ESTADSTICA
2. CLASIFICACIONES DE LA ESTADSTICA
3. POBLACIN Y MUESTRA
4. ESTRUCTURA DEL DATO
5. LA MEDICIN

CAPTULO 2: ESTADSTICA DESCRIPTIVA

1. GENERALIDADES
2. ORDENAMIENTO Y AGRUPACIN DE LOS DATOS: MATRICES Y TABLAS
3. VISUALIZACIN DE LOS DATOS: GRFICOS
4. SNTESIS DE LOS DATOS: MEDIDAS ESTADSTICAS DE POSICIN
5. SNTESIS DE LOS DATOS: MEDIDAS ESTADSTICAS DE DISPERSIN
6. SNTESIS DE LOS DATOS: ASIMETRA Y CURTOSIS
NOTAS

CAPTULO 3: PROBABILIDAD Y CURVA NORMAL

1. EL CONCEPTO DE PROBABILIDAD
2. ANLISIS COMBINATORIO
3. DEFINICIN Y CARACTERSTICAS DE LA CURVA NORMAL
4. PUNTAJES BRUTOS Y PUNTAJES ESTANDARIZADOS
5. APLICACIONES DE LA CURVA NORMAL
NOTAS

CAPTULO 4: CORRELACIN Y REGRESIN

1. INTRODUCCIN
2. EL ANLISIS DE CORRELACIN
3. CLCULO GRFICO DE LA CORRELACIN
4. CLCULO ANALTICO DE LA CORRELACIN
5. UN EJEMPLO: CONSTRUCCIN Y VALIDACIN DE TESTS
6. EL ANLISIS DE REGRESIN
7. CLCULO ANALTICO DE LA REGRESIN
8. CLCULO GRFICO DE LA CORRELACIN
NOTAS

CAPTULO 5: ESTADSTICA INFERENCIAL

1. INTRODUCCIN
2. ESTIMACIN DE PARMETROS
3. PRUEBA DE HIPTESIS
4. EJEMPLOS DE PRUEBAS DE HIPTESIS
5. EL CONCEPTO DE SIGNIFICACIN ESTADSTICA
NOTAS

PARTE II: METODOLOGA DE LA INVESTIGACIN

CAPTULO 6: INVESTIGACIN E INVESTIGACIN CIENTFICA

1. QU ES INVESTIGACIN
2. TIPOS DE INVESTIGACIN
3. LA INVESTIGACIN CIENTFICA
4. EL MTODO EN LA INVESTIGACIN CIENTFICA
5. EL ENCUADRE EN LA INVESTIGACIN CIENTFICA
6. LA FORMACIN DEL INVESTIGADOR CIENTFICO

CAPTULO 7: TIPOS DE INVESTIGACIN CIENTFICA

1. INVESTIGACIN PURA, APLICADA Y PROFESIONAL
Bases cientficas de la investigacin
Investigacin y tica
Interrelaciones entre los tres tipos de investigacin
Los tres tipos de investigacin y los contextos de la ciencia
2. INVESTIGACIN EXPLORATORIA, DESCRIPTIVA, CORRELACIONAL Y EXPLICATIVA
Investigacin exploratoria
Investigacin descriptiva
Investigacin correlacional
Investigacin explicativa
Otras consideraciones
Un anlisis crtico de la propuesta tipolgica
Algunos ejemplos de investigaciones descriptivas y explicativas
3. INVESTIGACIN TERICA Y EMPRICA
4. INVESTIGACIN CUALITATIVA Y CUANTITATIVA
5. INVESTIGACIONES PRIMARIA Y BIBLIOGRFICA
6. CONCLUSIONES

CAPTULO 8: CAUSALIDAD Y EXPERIMENTO

1. CAUSA Y CAUSALIDAD
Unicausalidad y policausalidad
Hacia una definicin de causa
Requisitos de causalidad
2. EL EXPERIMENTO
Definicin
Medicin de la variable dependiente
Manipulacin de la variable independiente
Grupo experimental y grupo de control
Experimento y no experimento
Limitaciones del experimento
Experimento y diseo experimental
Validez interna y validez externa del experimento
Las variables extraas
Control de las variables extraas
Pruebas de confirmacin y pruebas de refutacin
Experimentos bivariados y multivariados
Un inventario de relaciones entre variables
3. LOS CNONES DE STUART MILL
Una presentacin de los mtodos de Mill
Crticas y comentarios a los mtodos de Mill
Antecedentes histricos
Los mtodos de Mill y los mtodos experimentales actuales

CAPTULO 9: LAS ETAPAS DE LA INVESTIGACIN TPICA

CAPTULO 10: PROBLEMA, BIBLIOGRAFA, TEORA Y OBJETIVOS

1. PLANTEO DEL PROBLEMA
2. REVISIN BIBLIOGRFICA
3. PLANTEO DEL MARCO TERICO
4. PLANTEO DE OBJETIVOS

CAPTULO 11: HIPTESIS Y VARIABLES

1. HIPTESIS
Definicin
Clasificacin de las hiptesis
Componentes de la hiptesis: los conceptos
2. VARIABLES
Definicin
Relacin entre variables y unidades de anlisis
La definicin conceptual de las variables
Clasificacin de las variables
Categorizacin de las variables
La definicin operacional de las variables u operacionalizacin
Relaciones entre la categorizacin y la operacionalizacin

CAPTULO 12: TCNICAS DE MUESTREO E INSTRUMENTOS DE MEDICIN

1. DEFINICIN DE LA POBLACIN
2. SELECCIN DE LA TCNICA DE MUESTREO
3. SELECCIN DEL INSTRUMENTO DE MEDICIN

CAPTULO 13: EL DISEO DE INVESTIGACIN

1. VERSIN CAMPBELL Y STANLEY
Diseos preexperimentales
Diseos experimentales propiamente dichos
Diseos cuasiexperimentales
2. VERSIN LEN Y MONTERO
Diseos de investigacin con encuestas
Diseos experimentales con grupos
Diseos de N = 1 (diseos de sujeto nico)
Diseos cuasi experimentales
3. VERSIN ARNAU GRAS
Diseos experimentales
Diseos experimentales simples
Diseos experimentales factoriales
Diseos experimentales de bloques homogneos
Diseos intrasujeto (o de medidas repetidas)
Diseos experimentales no estadsticos
Diseos preexperimentales
Diseos cuasiexperimentales
4. VERSIN SELLTIZ ET AL
5. OTRAS VERSIONES
Versin Kohan
Versin Hernndez Sampieri et al
Versin Lores Arnaiz
Versin Greenwood
Versin ONeil
6. CONCLUSIONES

CAPTULO 14: EL PROCESAMIENTO DE LOS DATOS

1. RECOLECCIN DE LOS DATOS
La observacin
La entrevista
El cuestionario
El test
2. ORGANIZACIN DE LOS DATOS
Pasos de la organizacin de los datos
El anlisis factorial
3. ANLISIS DE LOS DATOS
El anlisis de la varianza
4. INTERPRETACIN DE LOS DATOS

CAPTULO 15: REDACCIN Y PUBLICACIN DE LOS RESULTADOS

1. REDACCIN DE LOS RESULTADOS
La forma del texto
El contenido del texto
La bibliografa
La conexin entre una cita bibliogrfica y una referencia bibliogrfica
Algunos errores posibles
Precauciones
2. PUBLICACIN DE LOS RESULTADOS
3. COMO HACER UNA MONOGRAFA

CAPTULO 16: INVESTIGACIONES ESPECIALES

1. INVESTIGACIN MDICA
2. INVESTIGACIN GRAFOLGICA
La cientificidad de la grafologa
La investigacin en grafologa
Grafologa y psicologa
Conclusiones

REFERENCIAS BIBLIOGRFICAS DE ESTADSTICA

OTRAS FUENTES CONSULTADAS PARA ESTADSTICA

REFERENCIAS BIBLIOGRFICAS DE METODOLOGA

ANEXOS DE ESTADSTICA

ANEXO 1: NOMENCLATURA UTILIZADA EN ESTA GUA
ANEXO 2: TABLA DE REAS BAJO LA CURVA NORMAL ESTANDARIZADA
Tabla 1 reas desde z hacia la izquierda
Tabla 2 reas desde z = 0 hacia la izquierda o hacia la derecha
ANEXO 3: TABLA DE LA DISTRIBUCIN t

ANEXOS DE METODOLOGA

ANEXO 1. PREGUNTAS MULTIPLE CHOICE
ANEXO 2. EJERCITACIONES VARIAS
ANEXO 3. EJERCITACIN CON INVESTIGACIONES
ANEXO 4. NORMAS DE PUBLICACIN DE LA APA Y COMPARACIN CON LAS NORMAS DE VANCOUVER
ANEXO 5. NORMAS PARA HACER REFERENCIA A DOCUMENTOS CIENTFICOS DE INTERNET EN EL ESTILO
WEAPAS (LAND, 1998)
ANEXO 6. GUA PARA MONOGRAFAS.
PRESENTACIN

El presente texto abarca dos grandes partes: estadstica y metodologa de la investigacin.
El material de estadstica fue pensado como un manual de consulta para alumnos de diversas carreras
universitarias de grado y posgrado que cursan asignaturas donde se ensea la estadstica como
herramienta de la metodologa de la investigacin cientfica. Se brinda aqu un panorama general e
introductorio de los principales temas de una disciplina que opera en dos grandes etapas: la estadstica
descriptiva y la estadstica inferencial. Tambin se desarrollan los conceptos de probabilidad y curva
normal, bsicos para la comprensin de la estadstica inferencial, y los conceptos de correlacin y
regresin vinculados, respectivamente, con las etapas descriptiva e inferencial.
El material de metodologa de la investigacin, fruto de varios aos de enseanza universitaria en los
niveles de grado y posgrado, intenta explicar cmo procede el cientfico cuando investiga la realidad en
el mbito de las ciencias sociales.
Esencialmente, la investigacin tiene dos etapas: proponer una hiptesis como respuesta a un
problema, y luego probarla. Para la primera puede necesitarse intuicin y creatividad, y el cientfico no
est tan sujeto a normas como en la segunda etapa, en la cual se requiere un mtodo provisto de reglas
especficas que cuidarn que la hiptesis planteada quede efectivamente confirmada (o refutada).
El presente texto trata acerca de los pasos concretos que habitualmente da el cientfico cuando realiza
una investigacin tpica en ciencias sociales, que se presentan en forma panormica en uno de los
captulos, el 9.
La primera edicin de este libro (Noviembre 1991) form parte de la bibliografa obligatoria de la ctedra
de Investigacin Psicopedaggica II (Carrera de Psicopedagoga. Buenos Aires, Universidad de Belgrano.
Profesora titular: Lic. Liliana Hernndez).
La segunda edicin (Julio 2002) form parte de la bibliografa obligatoria de las ctedras de Metodologa
de la Investigacin (Carrera de Trabajo Social. Buenos Aires, Universidad del Museo Social Argentino.
Profesora titular: Lic. Norma Ramljak de Bratti), y Metodologa de la Investigacin I, II y III (Carrera de
Especialista en Ortodoncia. Buenos Aires, Fundacin Favaloro y Asociacin Argentina de Odontodologa.
Profesor titular: Lic. Pablo Cazau). Tambin sirvi de base para el desarrollo de investigaciones en la
Asociacin Panamericana de Grafologa.

Pablo Cazau. Buenos Aires, Junio 2012.
PARTE I: ESTADSTICA

CAPTULO 1: INTRODUCCIN A LA ESTADSTICA

1. DEFINICIN Y UTILIDAD DE LA ESTADSTICA

La Estadstica es una disciplina que utiliza recursos matemticos para organizar y resumir una gran
cantidad de datos obtenidos de la realidad, e inferir conclusiones respecto de ellos.
Por ejemplo, la estadstica interviene cuando se quiere conocer el estado sanitario de un pas, a travs de
ciertos parmetros como la tasa de morbilidad o mortalidad de la poblacin. En este caso la estadstica
describe la muestra en trminos de datos organizados y resumidos, y luego infiere conclusiones respecto
de la poblacin. Por ejemplo, aplicada a la investigacin cientfica, hace inferencias cuando emplea
medios matemticos para establecer si una hiptesis debe o no ser rechazada.

A veces la estadstica ha sido cuestionada por mentir distorsionando los datos de la realidad, pero ello no la hace
menos cientfica: en todo caso se trata de un uso tendencioso de la estadstica para lograr algn fin. Una errnea
lectura de la informacin estadstica puede dar lugar a algunas de las siguientes conclusiones un tanto risueas:
a) La tasa de natalidad es el doble que la tasa de mortalidad; por lo tanto, una de cada dos personas es inmortal.
b) El no tener hijos es hereditario; si tus padres no tuvieron ninguno, lo ms probable es que t tampoco los
tengas. c) En Nueva York un hombre es atropellado cada diez minutos. El pobre tiene que estar hecho polvo. d)
La probabilidad de tener un accidente de trfico aumenta con el tiempo que pasas en la calle. Por tanto, cuanto
mas rpido circules, menor es la probabilidad de que tengas un accidente. e) El 33 % de los accidentes mortales
involucran a alguien que ha bebido. Por tanto, el 67 % restante ha sido causado por alguien que no haba bebido.
A la vista de esto y de lo anterior, esta claro que la forma mas segura de conducir es ir borracho y a gran
velocidad.

La estadstica puede aplicarse a cualquier mbito de la realidad, y por ello es utilizada en fsica, qumica,
biologa, medicina, astronoma, psicologa, sociologa, lingstica, demografa, etc.
Cuando en cualquiera de estas disciplinas se trata de establecer si una hiptesis debe o no ser rechazada,
no siempre es indispensable la estadstica inferencial.
Por ejemplo, si sobre 60 veces que se mira un dado, sale un dos 10 veces, no se requiere la estadstica
para rechazar la hiptesis el dado est cargado. Si sale un dos en 58 ocasiones sobre 60, tampoco se
necesita la estadstica para aceptar la hiptesis el dado est cargado.
Pero, qu ocurre si el nmero dos sale 20, 25 o 30 veces? En estos casos de duda, la estadstica
interviene para determinar hasta qu cantidad de veces se considerar rechazada la hiptesis (o bien
desde qu cantidad de veces se la considerar aceptada). En otras palabras, la estadstica interviene
cuando debe determinarse si los datos obtenidos son debidos al azar o son el resultado de un dado
cargado.
Otro ejemplo. Si una persona adivina el color (rojo o negro) de las cartas en un 50% de los casos, se
puede rechazar la hiptesis la persona es adivina. Si, en cambio, acierta en el 99% de los casos el color
de las cartas, se puede aceptar la mencionada hiptesis. Los casos de duda corresponden a porcentajes
de acierto intermedios, como el 60%, el 70%, etc., en cuyos casos debe intervenir la estadstica para
despejarlos.
La importancia de la estadstica en la investigacin cientfica radica en que la gran mayora de las
investigaciones son casos de duda.

2. CLASIFICACIONES DE LA ESTADSTICA

Existen varias formas de clasificar los estudios estadsticos.
1) Segn la etapa.- Hay una estadstica descriptiva y una estadstica inferencial. La primera etapa se
ocupa de describir la muestra, y la segunda etapa infiere conclusiones a partir de los datos que describen
la muestra (por ejemplo, conclusiones con respecto a la poblacin).
Tanto la estadstica descriptiva como la estadstica inferencial se ocupan de obtener datos nuevos. La
diferencia radica en que la estadstica descriptiva procede a resumir y organizar esos datos para facilitar
su anlisis e interpretacin, y la estadstica inferencial procede a formular estimaciones y probar hiptesis
acerca de la poblacin a partir de esos datos resumidos y obtenidos de la muestra. Puesto que estas
ltimas operaciones llevarn siempre a conclusiones que tienen algn grado de probabilidad, la teora de
la probabilidad constituye una de sus herramientas principales. Tngase presente que en s misma la
teora de la probabilidad no forma parte de la estadstica porque es otra rama diferente de la matemtica,
pero es utilizada por la estadstica como instrumento para lograr sus propios objetivos.
La estadstica descriptiva tambin incluye explcita o implcitamente- consideraciones probabilsticas,
aunque no resultan ser tan importantes como en la estadstica inferencial. Por ejemplo, la eleccin de un
determinado estadstico para caracterizar una muestra (modo, mediana o media aritmtica) se funda
sobre ciertas consideraciones implcitas acerca de cul de ellos tiene ms probabilidades de representar
significativamente el conjunto de los datos que se intenta resumir.
Tanto la estadstica descriptiva como la inferencial implican, entonces, el anlisis de datos. Si se realiza
un anlisis con el fin de describir o caracterizar los datos que han sido reunidos, entonces estamos en el
rea de la estadstica descriptiva Por otro lado, la estadstica inferencial no se refiere a la simple
descripcin de los datos obtenidos, sino que abarca las tcnicas que nos permiten utilizar los datos
muestrales para inferir u obtener conclusiones sobre las poblaciones de las cuales fueron extrados dichos
datos (Pagano, 1998:19).
La estadstica inferencial se ocupa de problemas como los siguientes: 1) Relacin entre muestra y
poblacin: estimar parmetros poblacionales a partir de estadsticos muestrales, determinar la
probabilidad que una muestra pertenezca a una poblacin, o examinar de si hay diferencia significativa
entre muestra y poblacin. 2) Relacin entre dos muestras: determinar si hay diferencias significativas
entre dos muestras de una poblacin, o determinar si la diferencia entre dos muestras significa que las
poblaciones muestreadas son ellas mismas realmente diferentes.
Kohan, por su parte, sintetiza as su visin de las diferencias entre ambos tipos de estadstica: Si
estudiamos una caracterstica de un grupo, sea en una poblacin o en una muestra, por ejemplo talla,
peso, edad, cociente intelectual, ingreso mensual, etc., y lo describimos sin sacar de ello conclusiones
estamos en la etapa de la estadstica descriptiva. Si estudiamos en una muestra una caracterstica
cualquiera e inferimos, a partir de los resultados obtenidos en la muestra, conclusiones sobre la poblacin
correspondiente, estamos haciendo estadstica inductiva o inferencial, y como estas inferencias no
pueden ser exactamente ciertas, aplicamos el lenguaje probabilstico para sacar las conclusiones
(Kohan, 1994:25). Kohan emplea la palabra inductiva porque las inferencias realizadas en este tipo de
estadstica son razonamientos inductivos, modernamente definidos como razonamientos cuya conclusin
es slo probable.
En suma: la estadstica descriptiva debe preocuparse de si la muestra est o no bien descripta a partir
de los datos de los individuos, mientras que la estadstica inductiva se preocupar de establecer la
representatividad de la muestra respecto de la poblacin. Ms generalmente, la primera es
eminentemente descriptiva y no ampla mayormente nuestro conocimiento: mas bien lo resume
mediante las medidas estadsticas. En cambio la segunda s ampla nuestro conocimiento pues lo
extiende (con cierto margen de error) a toda la poblacin, y de all su carcter predictivo.
2) Segn la cantidad de variables estudiadas.- Desde este punto de vista hay una estadstica univariada
(estudia una sola variable, como por ejemplo la inteligencia), una estadstica bivariada (estudia la
relacin entre dos variables, como por ejemplo inteligencia y alimentacin), y una estadstica
multivariada (estudia tres o ms variables, como por ejemplo como estn relacionados el sexo, la edad y
la alimentacin con la inteligencia).
El siguiente esquema ilustra la relacin entre dos clasificaciones de la estadstica: descriptiva / inferencial
y univariada / bivariada.



La estadstica descriptiva se ocupa de muestras, y la estadstica inferencial infiere caractersticas de la
poblacin a partir de muestras.
A su vez, ambas etapas de la estadstica pueden estudiar una variable por vez o la relacin entre dos o
ms variables. Por ejemplo, a) en el caso de la estadstica univariada, el clculo de medidas de posicin y
dispersin en una muestra corresponde a la estadstica descriptiva, mientras que la prueba de la media
corresponde a la estadstica inferencial; b) en el caso de la estadstica bivariada, el anlisis de correlacin
de variables en una muestra corresponde estrictamente hablando a la estadstica descriptiva, mientras
POBLACION

MUESTRA

Parmetros

x
1
x
2

x
n


Estadsticos

x
1

y
1


x

y

x

y

Una variable

Dos (o ms) variables

que el anlisis de regresin o las pruebas de hiptesis para coeficientes de correlacin (Kohan N,
1994:234) corresponden a la estadstica inferencial.
3) Segn el tiempo considerado.- Si se considera a la estadstica descriptiva, se distingue la estadstica
esttica o estructural, que describe la poblacin en un momento dado (por ejemplo la tasa de
nacimientos en determinado censo), y la estadstica dinmica o evolutiva, que describe como va
cambiando la poblacin en el tiempo (por ejemplo el aumento anual en la tasa de nacimientos).
La estadstica descriptiva dinmica o evolutiva estudia las llamadas series temporales o cronolgicas. Se
trata de series determinadas por dos variables, una de las cuales es el tiempo generalmente medido en
aos. La serie se ordena de acuerdo a la variable tiempo (X) y, en funcin de su variacin, variar la otra
variable, que puede ser por ejemplo cantidad de habitantes o temperaturas mximas (Y).
De acuerdo a como vara la variable Y, las series cronolgicas pueden ser crecientes (cuando Y va
aumentando a lo largo del tiempo), decrecientes (cuando Y va disminuyendo a lo largo del tiempo),
alternadas (cuando Y aumenta y disminuye cclicamente), y estacionarias (cuando los valores de Y
difieren poco respecto de un valor medio).
Las series temporales no sirven solamente para describir la evolucin de Y en el tiempo, sino tambin
para hacer predicciones, aunque estas generalmente se hacen a corto plazo porque son muchos los
factores que pueden incidir en la evolucin de Y, tornndose entonces incierta la prediccin.
Existen diversos procedimientos para describir o predecir en las series temporales: el mtodo grfico, el
mtodo de los dos promedios, el mtodo de las medias mviles y el mtodo de los cuadrados mnimos.
Los diferentes valores que adquiere Y a lo largo del tiempo pueden descomponerse en partes, llamadas
componentes de la serie, y que bsicamente son cuatro: tres componentes sistemticos y una
componente aleatoria. Los componentes sistemticos estn sujetos a leyes precisas y son la Tendencia
(describe como evoluciona Y a corto y largo plazo), el componente Estacional (describe modificaciones
repetitivas observables en la evolucin de Y en periodos definidos dentro de un periodo mayor), y el
componente Cclico (describe variaciones mayores en la evolucin de Y en lapsos repetitivos no definidos
dentro de uno mayor). La diferencia entre Estaconal y Cclico reside especialmente en el tiempo
considerado: menor para lo Estacional (por ejemplo cada ao hay variaciones estacionales), y mayor
para lo Cclico (por ejemplo cada diez aos hay periodos de prosperidad o depresin econmica). La
componente aleatoria describe la evolucin de Y en tanto depende del azar, y es por tanto impredecible.

3. POBLACIN Y MUESTRA

Puesto que la estadstica se ocupa de una gran cantidad de datos, debe primeramente definir de cules
datos se va a ocupar. El conjunto de datos de los cuales se ocupa un determinado estudio estadstico se
llama poblacin.
No debe confundirse la poblacin en sentido demogrfico y la poblacin en sentido estadstico.
La poblacin en sentido demogrfico es un conjunto de individuos (todos los habitantes de un pas, todas
las ratas de una ciudad), mientras que una poblacin en sentido estadstico es un conjunto de datos
referidos a determinada caracterstica o atributo de los individuos (las edades de todos los individuos de
un pas, el color de todas las ratas de una ciudad).
Incluso una poblacin en sentido estadstico no tiene porqu referirse a muchos individuos. Una poblacin
estadstica puede ser tambin el conjunto de calificaciones obtenidas por un individuo a lo largo de sus
estudios universitarios.
La poblacin o universo, definible como el conjunto de todas las unidades de anlisis, puede ser finita o
infinita, segn tenga o no un nmero determinado de individuos: se puede considerar infinito al
conjunto de todos los individuos posibles segn su combinacin gentica. La poblacin tambin puede
ser real o potencial: una poblacin real es el conjunto de todos los argentinos mayores de 18 aos y
menores de 20, y poblacin potencial es por ejemplo el conjunto de todas las personas que podran
utilizar el servicio de psicopatologa de un hospital.

En el siguiente esquema pueden apreciarse algunas formas de considerar los datos individuales, segn
que correspondan a muchas personas o a una sola, y tambin segn que hayan sido recolectados en un
instante de tiempo determinado, o bien a lo largo del tiempo.

De muchos individuos De un solo individuo
En un instante de tiempo Notas de todos los alumnos en el
primer parcial de tal mes y tal ao.
Notas de un solo alumno en el
primer parcial de las materias que
cursa en ese momento.
A lo largo del tiempo Notas de todos los alumnos durante
los 6 aos de carrera.
Notas de un alumno a lo largo de
los 6 aos de carrera.

Los datos de la totalidad de una poblacin pueden obtenerse a travs de un censo. Sin embargo, en la
mayora de los casos no es posible hacerlo por razones de esfuerzo, tiempo y dinero, razn por la cual se
extrae, de la poblacin, una muestra, mediante un procedimiento llamado muestreo. Se llama muestra
a un subconjunto de la poblacin, que puede o no ser representativa de la misma, y que puede estar
formada por uno o muchos individuos.
Por ejemplo, si la poblacin es el conjunto de todas las edades de los estudiantes de la provincia de
Buenos Aires, una muestra podra ser el conjunto de edades de 2000 estudiantes de la provincia de
Buenos Aires tomados al azar.
Obviamente, hay que asegurarse de que la muestra sea representativa de la poblacin: si se quiere
tomar una muestra de los habitantes de una ciudad y slo se seleccionan veinte enfermos mentales de
un hospicio, esta muestra no representar adecuadamente a la poblacin. En cambio si se selecciona la
misma cantidad de sujetos tomando uno de cada 100 de la gua telefnica aqu ya se puede empezar a
pensar ms en la posibilidad de cierta representatividad, pues estn tomados ms al azar.
An as no hay un azar total, pues en la gua no figuran por ejemplo individuos de clase baja (no tienen
telfono); y si se elige por una lista de empadronamiento para votar, all no figurarn los extranjeros
residentes. Un procedimiento bastante aleatorio, en cambio, consiste en elegir un individuo por cada
manzana.
El tamao elegido para la muestra es tambin importante, y variar de acuerdo a cada investigacin
pudiendo ser el 5%, el 20%, etc., de la poblacin total. Suele ser difcil elegir el tamao justo, ya que
no se puede pecar por defecto (un solo individuo no representa a una ciudad, an tomndolo al azar) o
por exceso (una muestra que sea el 80% de la poblacin es altamente confiable pero no econmica, ya
que con menos esfuerzo y dinero puede obtenerse una muestra considerablemente ms pequea sin
que vare en forma significativa su grado de representatividad).

Para saber cuando el tamao de una muestra es aceptable, debe considerarse, adems de la varianza
poblacional (heterogeneidad de la poblacin), otros dos factores que son el nivel de confianza y el mximo
error permitido en las estimaciones (tambin llamado error muestral).
En principio, cuanto ms homognea es la poblacin, menor ser el tamao requerido de la muestra.
Para determinar el tamao de la muestra, deber primero determinarse un nivel de confianza y un mximo
error permitido (valores que determinar el investigador). Una vez conocidos estos valores, se puede
determinar el tamao de la muestra por varios caminos. Por ejemplo (Kohan, 1994:181) (Rubio y otro,
1997:290):
a) Utilizar la frmula de N (tamao de la muestra), donde el numerador es el producto entre el cuadrado del
nivel de confianza y la varianza poblacional, y el denominador el cuadrado del error permitido. Esta frmula es
aplicable slo en poblaciones infinitas (ms de 100.000 elementos), y cuando el procedimiento de muestreo fue
aleatorio simple. Tambin hay frmulas especiales para poblaciones finitas, donde se introduce un factor de
correccin con una especificacin del tamao de la poblacin.
b) Si no se quiere utilizar una frmula, puede recurrirse a tablas especiales ya preparadas para estos
menesteres, como por ejemplo las tablas de Tagliacarne. Para consultarlas, es preciso conocer antes qu nivel
de confianza y qu error muestral ser considerado.

Los muestreos se dividen clsicamente en probabilsticos y no probabilsticos. Lo esencial del muestreo
probabilstico es que cada individuo de la poblacin total tiene la misma o aproximadamente la misma
probabilidad de estar includo en la muestra. Si se toma una muestra de los habitantes de Londres
considerando uno de cada 100 de un listado alfabtico, la probabilidad que tiene de haber sido
seleccionado el seor Smith es la misma que tiene el seor Brown o cualquier otro (en este caso, la
probabilidad del uno por ciento).
Hay varias tcnicas para realizar muestreos probabilsticos, y todas se basan en la seleccin de
individuos al azar ya que es ste quien presuntamente garantiza la equiprobabilidad. El muestreo puede
ser: a) simple: partiendo de toda la poblacin se toman individuos al azar segn diversos
procedimientos; b) estratificado: previamente se seleccionan en la poblacin estratos (por ejemplo
clases sociales: alta, media y baja), y dentro de cada estrato se toman individuos al azar segn el
muestreo simple; c) por reas o conglomerados: se delimitan previamente reas geogrficas
(provincias, ciudades) y dentro de cada una de ellas se toman individuos al azar segn el muestreo
simple o estratificado.
En el muestreo no probabilstico los individuos de la poblacin no tienen todos la misma probabilidad de
aparecer en la muestra, ya que aqu no se hace una estricta seleccin al azar sino que se toman casos
tpicos (que se suponen representativos de la media poblacional) o casos en forma accidental (los que
tenemos ms a mano), etc.
Una vez obtenida la muestra (preferiblemente mediante muestreo probabilstico), se procede a
describirla, para lo cual se usan ciertas medidas especiales diferentes a las medidas que usamos para
medir individuos. Si se quiere describir sujetos individuales se usa una medida individual: Juancito tiene
cociente intelectual 110, o Pedrito tiene poco inters en poltica, etc. Pero, si se quiere describir una
muestra se usar lo que se llama una medida estadstica. Por ejemplo, tal muestra se compone de
sujetos cuyo promedio de cocientes intelectuales es 120, o tal otra muestra tiene un 70% de sujetos
con poco inters en poltica, etc. Como se ve, estas medidas estadsticas son verdaderas sntesis o
resmenes de muchas medidas individuales, y un ejemplo tpico es la media aritmtica, o sea, un
simple promedio.

4. ESTRUCTURA DEL DATO

Los datos son la materia prima con que trabaja la estadstica, del mismo modo que la madera es la
materia prima con que trabaja el carpintero. As como este procesa o transforma la madera para obtener
un producto til, as tambin el estadstico procesa o transforma los datos para obtener informacin til.
Tanto los datos como la madera no se inventan: se extraen de la realidad; en todo caso el secreto est
en recoger la madera o los datos ms adecuados a los objetivos del trabajo a realizar. El dato es siempre
el resultado de un proceso de medicin.
De una manera general, puede definirse tcnicamente dato como una categora asignada a una variable
de una unidad de anlisis. Por ejemplo, Luis tiene 1.70 metros de estatura es un dato, donde Luis es
la unidad de anlisis, estatura es la variable, y 1.70 metros es la categora asignada.
Como puede apreciarse, todo dato tienen al menos tres componentes: una unidad de anlisis, una
variable y una categora.

La unidad de anlisis es el elemento del cual se predica una propiedad y caracterstica. Puede ser una
persona, una familia, un animal, una sustancia qumica, o un objeto como una dentadura o una mesa.
Por ejemplo: a) las personas son unidades de anlisis si consideramos su edad, su sexo, su inteligencia,
su salario o la cantidad de sillas que posee, como variables; b) las sillas son unidades de anlisis si
consideramos su precio, su color o su estado como variables; c) los colores son unidades de anlisis si
consideramos su tono o su longitud de onda como variables.
La variable es la caracterstica, propiedad o atributo que se predica de la unidad de anlisis. Por ejemplo
puede ser la edad para una persona, el grado de cohesin para una familia, el nivel de aprendizaje
alcanzado para un animal, el peso especfico para una sustancia qumica, el nivel de salud para una
dentadura, y el tamao para una mesa.
Pueden entonces tambin definirse poblacin estadstica (o simplemente poblacin) como el conjunto de
datos acerca de unidades de anlisis (individuos, objetos) en relacin a una misma caracterstica,
propiedad o atributo (variable).
Sobre una misma poblacin demogrfica pueden definirse varias poblaciones de datos, una para cada
variable. Por ejemplo, en el conjunto de habitantes de un pas (poblacin demogrfica), puede definirse
una poblacin referida a la variable edad (el conjunto de edades de los habitantes), a la variable
ocupacin (el conjunto de ocupaciones de los habitantes), a la variable sexo (el conjunto de condiciones
de sexo de los habitantes).
La categora es cada una de las posibles variaciones de una variable. Categoras de la variable sexo son
masculino y femenino, de la variable ocupacin pueden ser arquitecto, mdico, etc., y de la variable edad
pueden ser 10 aos, 11 aos, etc. Cuando la variable se mide cuantitativamente, es decir cuando se
expresa numricamente, a la categora suele llamrsela valor. En estos casos, el dato incluye tambin
una unidad de medida, como por ejemplo aos, cantidad de hijos, grados de temperatura, cantidad de
piezas dentarias, centmetros, etc. El valor es, entonces, cada una de las posibles variaciones de una
variable cuantitativa.

Datos individuales y datos estadsticos.- Un dato individual es un dato de un solo individuo, mientras
que un dato estadstico es un dato de una muestra o de una poblacin en su conjunto. Por ejemplo, la
edad de Juan es un dato individual, mientras que el promedio de edades de una muestra o poblacin de
personas es un dato estadstico. Desde ya, puede ocurrir que ambos no coincidan: la edad de Juan puede
ser 37 aos, y el promedio de edades de la muestra donde est includo Juan es 23 aos. Por esta razn
un dato estadstico nada dice respecto de los individuos, porque solamente describe la muestra o
poblacin.
Los datos estadsticos que describen una muestra suelen llamarse estadsticos (por ejemplo, el
promedio de ingresos mensuales de las personas de una muestra), mientras que los datos estadsticos
descriptores de una poblacin suelen llamarse parmetros (por ejemplo, el promedio de ingresos
mensuales de las personas de una poblacin) (Kohan N, 1994:143).

5. LA MEDICIN

Los datos se obtienen a travs un proceso llamado medicin. Desde este punto de vista, puede definirse
medicin como el proceso por el cual asignamos una categora (o un valor) a una variable, para
determinada unidad de anlisis y para un determinado lugar y tiempo. Ejemplo: cuando decimos que
Martn es varn, estamos haciendo una medicin, porque estamos asignando una categora (varn) a una
variable (sexo) para una unidad de anlisis (Martn), y aqu y ahora. Como puede verse, la medicin va
ms all del clsico empleo de la regla y el nmero.

A veces se ha definido medir como comparar, lo cual puede referirse a diversos tipos de comparacin: 1)
comparar una cantidad con otra tomada como unidad Sentido clsico de comparacin); 2) comparar dos
categoras de una misma variable en el mismo sujeto y distinto tiempo; 3) comparar dos categoras de una misma
variable en distintos sujetos al mismo tiempo; y 4) categoras de variables distintas (debe usarse puntaje
estandarizado), en el mismo sujeto o en sujetos distintos.

Las mediciones individuales recaen sobre sujetos, mientras que las mediciones estadsticas recaen sobre
muestras o poblaciones. As por ejemplo decimos que medimos una muestra A cuando le asignamos la
media aritmtica 120 respecto de la variable inteligencia. Obviamente, las medidas estadsticas se
derivan de las individuales pues no se puede obtener un promedio si desconocemos los valores
individuales de los sujetos de la muestra.
Para llevar a cabo una medicin, necesitamos obligatoriamente tres cosas: a) un instrumento de
medicin, b) un sistema de medicin (o escala), ya que hay diferentes grados de precisin en la
medicin, y c) un procedimiento para hacer la medicin. Nos ocuparemos brevemente de los dos
primeros.

Instrumentos de medicin.- Un instrumento de medida es un artificio usado para medir. Una balanza es
un instrumento para medir peso, un test mide personalidad, inteligencia, aptitud vocacional, etc., un
cuestionario mide conocimientos, etc., pero sea cual fuere el instrumento utilizado, para que sea eficaz
debe reunir dos requisitos: confiabilidad y validez.
Si la misma balanza hoy me informa que peso 70 kg, maana 80 kg y pasado 63 kg, es un instrumento
poco confiable. Un test puede tambin ser poco confiable si, respecto del mismo sujeto, arroja
resultados dispares en diferentes momentos de administracin. Confiabilidad significa, entonces,
estabilidad o constancia de los resultados.

Esta constancia no es nunca perfecta. El hecho de que puedan existir ligeras variaciones debidas al azar no
compromete la confiabilidad del instrumento de medida, siempre que esas variaciones sean poco significativas.
Tambin debemos tener en cuenta los cambios propios del sujeto cuya propiedad medimos. Si el sujeto aumenta
de peso o mejora su rendimiento intelectual por un efecto madurativo habr una variabilidad en los resultados, lo
cual no implica necesariamente que el instrumento no sea confiable. En la confiabilidad, como aqu la
entendemos, la constancia o la variabilidad en los resultados depende de la labilidad del instrumento mismo, no
del sujeto. Por ejemplo si el instrumento tiene una consigna de aplicacin ambigua, podr ser aplicado de manera
distinta antes y despus, y los resultados podrn ser diferentes.

Un test o cualquier otro instrumento puede ser confiable pero no vlido: es vlido cuando mide lo que
efectivamente pretende medir, lo cual puede parecer una perogrullada pero que no es tal si nos damos
cuenta de los casos de instrumentos que queran medir una propiedad y medan otra. Si con un
determinado test pretendemos medir memoria pero slo medimos ansiedad, no es vlido. La validez de
un test puede establecerse prospectivamente: nos percatamos que un test de aptitud para la ingeniera
es vlido cuando, andando el tiempo, constatamos que quienes obtuvieron altos puntajes hoy son
buenos ingenieros, y quienes sacaron bajos puntajes no lo son.

Para determinar la confiabilidad de una prueba, hay muchos procedimientos, siendo uno de ellos el Coeficiente
Alfa de Cronbach.
a) Cmo se determina la confiabilidad de un test utilizando la escala alfa de Crombach? Para aplicar el
coeficiente alfa de Cronbach se requieren conocimientos y experiencia en estadstica. No obstante, con un
conocimiento mnimo bsico y algo de audacia se puede calcular la fiabilidad de un test mediante el Cronbach
utilizando software de estadstica como por ejemplo el SPSS (preferiblemente la versin 4), uno de los ms
conocidos y utilizados para estas cuestiones. La informacin que debe ingresarse es por lo menos cuantos tems
tiene el test y las respuestas obtenidas de una muestra de sujetos.
Si no se dispone del software y se cuenta con cierto conocimiento estadstico, la frmula para calcular el alfa de
Cronbach tiene como numerador el nmero de tems de la escala, y como denominador, el producto de dicho
nmero menos 1, multiplicado por el cociente entre la sumatoria de varianzas de los tems y la varianza de toda
la escala.
Si se est usando un test ya estandarizado, no hay necesidad de calcular su Coeficiente Cronbach, pues se
supone que dicho test es lo suficientemente vlido y confiable. An as, los creadores de la prueba suelen dar
informacin sobre estas propiedades, incluyendo un coeficiente Cronbach o algn otro que tambin mida
fiabilidad (como el clsico coeficiente Kappa, que mide la equivalencia o concordancia entre observadores, o el
coeficiente r de correlacin de Pearson de la prueba de test-retest, que mide la estabilidad de las respuestas.
El Cronbach, por su parte, mide la confiabilidad a partir de la consistencia interna de los tems, entendiendo por
tal el grado en que los tems de una escala se correlacionan entre s). En estos casos, en el informe de
investigacin debe indicarse el coeficiente Cronbach asignado al test utilizado.
En cambio, si se ha creado un test o cuestionario ad hoc, ser conveniente determinar su fiabilidad mediante el
Cronbach para que los lectores sepan cun confiable o fiable es el test que se est usando. Este coeficiente
Cronbach se utilizar, sin embargo, cuando la prueba tenga muchos tems, ya que lo que evala es la
confiabilidad a partir de la consistencia interna de los mismos. Si no es as, un tcnico estadstico podr
recomendar qu otra prueba de fiabilidad utilizar.
b) Qu indica un ndice de confiabilidad de 0.9 utilizando dicha escala? Cronbach desarroll su coeficiente en la
dcada del 50 dentro del contexto de investigaciones educativas. En principio, un Cronbach de 0.90 es bastante
alto, con lo cual la confiabilidad de test est prcticamente asegurada y puede ser utilizado sin problemas, ya
que est indicando una consistencia interna satisfactoria. En general, se admite que por encima de 0.80, la
prueba es confiable. El alfa de Cronbach vara entre 0 y 1 (0 es ausencia total de consistencia, y 1 es
consistencia perfecta). El valor 0.90 es satisfactorio si, como dijimos antes, el test tiene muchos tems. Si el test
llegara a tener pocos tems, se pueden aceptar valores alfa de Cronbach de 0.60 y 0.50 (como sostienen
Carmines y Zeller 1979; Pedhazur y Schmelkin 1991).
Finalmente, digamos que puede ocurrir que un test tenga varios alfa de Cronbach distintos. Por lo regular esto
significa que el test est midiendo una variable compleja, multidimensional, y entonces se ha obtenido un alfa
para cada dimensin. No obstante, an en estos casos puede obtenerse un alfa nico para toda la variable.

Puntuacin, validez y confiabilidad en los tests psicomtricos.- La eficacia de cualquier instrumento de
medicin, como por ejemplo una balanza o un test, depender de su grado de validez y confiabilidad (o
fiabilidad, o consistencia). Cuanto ms vlido y confiable sea el instrumento, mejor medir la variable.
Por ello, quienes construyen el instrumento de medicin deben determinar o calcular su grado de validez
y confiabilidad.
En lo que sigue se describen los conceptos de validez y confiabilidad aplicados a ciertos instrumentos de
medicin especiales, llamados habitualmente tests psicomtricos, es decir, pruebas que permiten medir
variables psicolgicas en funcin de algn tipo de puntaje numrico. Por lo tanto, antes explicaremos
sucintamente la puntuacin, es decir, la asignacin de puntajes a los resultados de los tests.
1) Puntajes brutos y derivados.- Los nmeros que se asignan a las respuestas de un test se llaman
puntajes brutos o directos. Tales puntajes no permiten comparar al sujeto con la poblacin o el grupo
normativo representado en un baremo (por ejemplo con los dems sujetos de su misma edad o pas), y
por ello se requiere transformar los puntajes brutos en puntajes derivados o transformados. Estos ya
pueden interpretarse estadsticamente, o sea, permiten comparar al sujeto con los dems de la
poblacin, ya que el baremo expresa estadsticamente el desempeo de la poblacin en dicho test.
Ejemplos de puntajes transformados son los puntajes estandarizados, que toman como unidad
desviaciones estndar o fracciones de la misma. Algunos ejemplos son el puntaje z (que puede valer
entre -3 y +3), el puntaje CI (coeficiente intelectual), la edad mental, el eneatipo (que puede valer entre
1 y 9) y el decatipo (entre 1 y 10).
Existen tambin los puntajes llamados percentiles (que pueden valer entre 1 y 100, y donde cada valor
se llama centil o percentil). Por ejemplo si un sujeto obtuvo un percentil 30, ello significa que supera al
30% de la poblacin y el superado por el 70%. Los puntajes derivados pueden transformarse unos en
otros. Por ejemplo, un puntaje percentil puede transformarse en uno z o viceversa.
2) Validez.- Un instrumento de medicin es vlido si realmente mide aquello que pretende medir. Si un
test pretende medir inteligencia pero mide simplemente memoria, no es vlido. En casos de variables
simples como el peso no hay mayores problemas para establecer su validez: una balanza mide el peso,
pero cuando se trata de variables psicolgicas la cuestin de la validez no es tan sencilla.
Estadsticamente, la validez suele definrsela como la proporcin de la varianza relevante para los fines
del test, o sea, la proporcin de las pruebas del test atribuibles a la variable que pretende medir. Ello
significa que la validez es una cuestin de grado: un test ser ms vlido, entre otras cosas, si tiene ms
cantidad de pruebas, tems o subtests que realmente expresan la variable a medir. Tngase presente que
la validez no es un atributo del test en s mismo sino que las inferencias que se hagan a partir de l.
La validez no es algo fijo e invariable para todos los tests, sino que depender tambin de lo que el
entrevistador quiera medir. Para determinar la validez de un test deben considerarse diferentes aspectos,
que algunas veces fueron denominados tipos de validez, lo cuales se influencian recprocamente
formando un todo articulado.
Pueden mencionarse los siguientes tipos o categoras de validez:
a) Validez de contenido.- Un test es vlido si el conjunto de sus tems son una muestra representativa de
la variable que pretende medir. Esto es esencial cuando deben hacerse generalizaciones a partir de los
resultados del test. Se utiliza especialmente en los tests de rendimiento como por ejemplo un test de
vocabulario: un conjunto de expertos seleccionar algunas palabras para incluir en el test de manera tal
que representen adecuadamente la totalidad del vocabulario, las cuales pueden elegirse al azar (si se
seleccionan slo palabras muy fciles, el test disminuye su validez).
Un tipo especial de validez de contenido es la validez aparente o de facie: un test tiene validez aparente
cuando produce en el sujeto que hace el test la impresin que mide realmente la variable que se quiere
medir. Si esto no ocurre no estarn motivados para responder los tems (por ejemplo porque los juzgan
dem asiado inapropiados para su edad o instruccin).
b) Validez de constructo.- Es especialmente importante cuando se miden variables complejas definidas
desde alguna teora en particular. No es lo mismo un test que mida inteligencia segn Weschler que
inteligencia segn Piaget: cada uno de ellos da definiciones o constructos diferentes. Un test entonces
tendr menor validez si no estn representados en l los diversos aspectos del constructo o variable que
propone la teora, o bien si la teora de la cual se parte es errnea. Algunos autores actuales consideran
que la validez de constructo es la nica admisible.
Para estimar la validez de constructo se pueden utilizar mtodos intraprueba, que ofrecen una llamada
validez factorial (por ejemplo examinando el grado de correlacin entre los tems del test, o pidiendo a
los sujetos que razonen en voz alta sus respuestas), mtodos de manipulacin experimental (modificar
los valores de la variable a medir y viendo qu efectos producen sobre la puntuacin del test), y otros
mtodos, como por ejemplo la determinacin de la validez convergente y la validez discriminante.
Hay validez convergente cuando las mediciones del mismo rasgo realizadas con distintos mtodos tienen
alta correlacin, lo cual aumenta la probabilidad de la existencia real del rasgo.
Hay validez discriminante cuando las mediciones de distintos rasgos con un mismo mtodo tienen una
baja correlacin en comparacin con la que muestran las medidas del mismo rasgo con diferentes
mtodos, lo que indica que los rasgos son independientes entre s, e independientes al sistema de
medicin utilizado.
c) Validez predictiva.- Es el grado en que un test puede predecir el rendimiento o el comportamiento
futuro del sujeto. Por ejemplo, en seleccin de personal un test de liderazgo es vlido si, una vez que el
postulante entr y obtuvo alto puntaje, a lo largo del tiempo demuestra que efectivamente es un buen
lder. Se llama tambin validez de pronstico, y se puede estimar a partir de un coeficiente de validez,
que correlaciona el puntaje del test con la produccin posterior. Esta produccin anterior es llamada por
algunos autores criterio o sea cualquier produccin en la vida real, no en un test. Es importante definir
la forma en que ser medido ese criterio o comportamiento ulterior: algn psiclogo puede medir el
liderazgo en trminos de influencia real del lder sobre los dems, y otro en trminos de si es o no elegido
en su trabajo para un puesto de liderazgo.
Una variante de la validez predictiva es la validez retrospectiva, donde el test mide algn
comportamiento o criterio del pasado del sujeto que por alguna razn no es accesible al conocimiento.
d) Validez concurrente.- Un test tiene validez concurrente cuando se da una correlacin alta entre los
puntajes del mismo y otro test que mide lo mismo y que ya fue validado previamente. Por ejemplo el
Test A de inteligencia es vlido concurrentemente si las puntuaciones de los sujetos sin similares a las
puntuaciones de otro Test B de inteligencia ya validado.
3) Confiabilidad.- Un test es confiable cuando al ser administrado al mismo sujeto en diferentes
momentos, da aproximadamente los mismos puntajes. Si el test se administra en distintos momentos
puede ocurrir que varen las condiciones de cada uno, que pueden atribuirse a que el examinador no
aplic siempre la misma consigna (usualmente explicitada en el manual del test) y/o a que el examinado
est atravesando distintas experiencias (un da est ms relajado y atento, otro ms angustiado, un mes
madur o aprendi ms que el anterior, un da hay ms luz o ms humedad ambiental y otro menos,
etc.).
Incluso aunque siempre se aplique la misma consigna y el examinado est aproximadamente en las
mismas condiciones, los distintos puntajes tienen pequeas variaciones atribuibles al azar.
La confiabilidad de un test es un indicador de la estabilidad del mismo, de su consistencia y del grado de
precisin con que mide la variable. Para medir este grado de confiabilidad hay varios procedimientos,
como por ejemplo la prueba test-retest (tomar dos o ms veces el mismo test y examinar el grado en
que se correlacionan los puntajes: el coeficiente de correlacin ser el coeficiente de confiabilidad); la
prueba paralela (tomar al mismo sujeto dos tests distintos que midan lo mismo y examinar el grado de
correlacin entre ambos puntajes, lo que da un coeficiente de confiabilidad llamado coeficiente de
equivalencia); la prueba de las dos mitades (se comparan los puntajes obtenidos en dos mitades del test
y se examina su grado de correlacin, lo cual indica la consistencia interna del test y su confiabilidad). En
esta ltima prueba ambas mitades deben ser equivalentes (por ejemplo tomar en una los tems pares y
en otra los impares, pues a veces los tests presentan los tems en un orden de complejidad creciente).
Hay otros mtodos para determinar la consistencia interna de los tests como el coeficiente de Cronbach,
Kuder-Richardson, y el coeficiente Beta, til para determinar la confiabilidad de una batera de tests
(conjunto de tests), que ofrece una medida de la consistencia interna de los puntajes de cada uno.
A la obtencin de estos diferentes tipos de coeficientes de confiabilidad debe tambin agregarse una
estimacin del error estndar de medida (que se obtiene mediante una frmula), que permite estimar
dentro de qu intervalo de puntajes posibles estar el verdadero puntaje. Recordemos que administrar
varias veces un mismo test arroja puntajes diferentes debido al azar, es decir, a errores aleatorios o no
sistemticos.
Mientras en la confiabilidad influyen los errores aleatorios, en la validez influyen los errores constantes o
sistemticos, pues si un test mide otra variable a la que se pretende medir, arrojar siempre
aproximadamente un mismo error.

Escalas de medicin.- Se pueden hacer mediciones con mayor o menor grado de precisin. Cuanto ms
precisa sea la medicin, ms informacin nos suministra sobre la variable y, por tanto, sobre la unidad de
anlisis. No es lo mismo decir que una persona es alta, a decir que mide 1,83 metros.

Los niveles de medicin se definen a partir de escalas de medicin. Desde el punto de vista de la teora de la
medicin, una escala es una lnea que representa el campo de variabilidad de una variable. Por ejemplo: la lnea
indicadora de kilos en una balanza, la lnea indicadora de kilmetros en un mapa, la lnea indicadora de grados
en un termmetro, etc.
Los elementos constitutivos de una escala son: a) una longitud, generalmente expresada en centmetros. Por
ejemplo, un termmetro de uso clnico puede tener 10 centmetros entre el valor mximo y el valor mnimo de
temperatura; b) Un valor mnimo y un valor mximo de la variable, llamados cota inicial y cota final. Por
ejemplo: 0 grados y 45 grados centgrados; c) Valores intermedios entre la cota inicial y la final. Por ejemplo:
5-10-15-20-25-30-35-40 grados centgrados; d) Una determinada correspondencia entre la variable a
representar (por ejemplo temperatura) y la variable longitud. Por ejemplo: un centmetro representa una
variacin de 5 grados centgrados. Se llama mdulo de la escala al cociente entre la longitud de la escala
(numerador) y la resta entre la cota final y la cota inicial (denominador).
Existen escalas uniformes, donde el valor representado es siempre proporcional al valor en longitud elegido
para representarlo, y escalas funcionales, donde el valor representado nunca lo es, como sucede en las escalas
logartmicas (en este ltimo caso, por ejemplo, 0 cm corresponde a x=10, 4 cm corresponde a x=100, y no a
x=40, etc.).

Habida cuenta de que hay maneras ms precisas y menos precisas de medir variables, Stevens
estableci en 1948 cuatro niveles de medicin en orden de precisin creciente: nominal, ordinal, de
intervalos iguales y de cocientes o razones. Posteriormente, Coombs agreg otros niveles intermedios: la
escala parcialmente ordenada y la escala mtrica ordenada.
En cada uno de los cuatro niveles de medicin, la obtencin del dato o resultado de la medicin ser
diferente:

Ejemplos de datos en diferentes niveles de medicin

Nivel de
medicin
Nivel nominal Nivel ordinal Nivel cuantitativo
discreto
Nivel cuantitativo
continuo
DATO Martn es
electricista
Elena termin la
secundaria
Juan tiene 32
dientes
Mara tiene 70
pulsaciones por
minuto
Unidad de
anlisis
Martn Elena Juan Mara
Variable Oficio Nivel de
instruccin
Cantidad de piezas
dentarias
Frecuencia cardaca
Categora o
valor
Electricista Secundaria
completa
32 70
Unidad de
medida
------------- ------------ Diente Pulsaciones por
minuto

En el nivel nominal, medir significa simplemente asignar un atributo a una unidad de anlisis (Martn es
electricista).
En el nivel ordinal, medir significa asignar un atributo a una unidad de anlisis cuyas categoras pueden
ser ordenadas en una serie creciente o decreciente (la categora secundaria completa puede ordenarse
en una serie, pues est entre secundaria incompleta y universitaria incompleta).
En el nivel cuantitativo, medir significa adems asignar un atributo a una unidad de anlisis de modo tal
que la categora asignada permita saber cunto mayor o menor es respecto de otra categora, es decir,
especifica la distancia o intervalo entre categoras (por ejemplo, la categora 70 es el doble de la
categora 35).
Las variables medibles en el nivel cuantitativo pueden ser discretas o continuas. Una variable discreta es
aquella en la cual, dados dos valores consecutivos, no puede adoptar ningn valor intermedio (por
ejemplo entre 32 y 33 dientes, no puede hablarse de 32.5 dientes). En cambio, una variable es continua
cuando, dados dos valores consecutivos, la variable puede adoptar muchos valores intermedios (por
ejemplo entre 1 y 2 metros, puede haber muchas longitudes posibles).
Algunas veces una misma variable puede ser considerada como discreta o continua. Por ejemplo, la
variable peso es discreta si solamente interesan los pesos sin valores intermedios (50 kg, 51 kg, etc.),
mientras que ser continua si interesan tambin los valores intermedios (50,3 kg, 50,35 kg, 50,357 kg,
etc.). Obviamente, al considerar una variable como continua se obtendr mayor precisin, es decir,
mayor informacin.

La precisin es una cualidad importante de la medicin. Se pueden hacer mediciones ms precisas y menos
precisas, o tan precisas como lo permita el instrumento de medicin. El primer nivel de medicin es el menos
preciso, y el ltimo el ms preciso. Por ejemplo, una mujer puede estar interesada en medir el amor de su
pareja, para lo cual podr interrogarla solicitndole diferentes grados de precisin: me quers? (nivel nominal),
me quers ms que a la otra? (nivel ordinal), Cunto me quers, del 1 al 10? (nivel cuantitativo).
De la misma manera, diferentes grados de precisin para la variable temperatura pueden ser: A es un objeto
caliente (nivel nominal), A es ms caliente que B (nivel ordinal), A tiene 25 grados Celsius (nivel cuantitativo). Los
ejemplos del amor y de la temperatura ilustran tambin el hecho de que una variable puede en principio medirse
en cualquiera de los niveles de medicin.

Los niveles de medicin pueden tambin ser clasificados de acuerdo a un criterio diferente, que afecta
especficamente a los dos ltimos. As, los niveles de medicin pueden ser clasificados (Stevens) como
nominal, ordinal, de intervalos iguales y de cocientes o razones.
Estos cuatro niveles son cada vez ms precisos y exactos, con lo cual aumenta la informacin que
recibimos al hacer la medicin. Somos ms precisos y decimos ms si afirmamos que Juan tiene 52
aos (escalas cuantitativas) que si decimos solamente que es adulto (escalas cualitativas). De idntica
forma, la medicin es ms precisa si decimos que un objeto cae a 9,8 m/sg2 (escala de cocientes o
razones), que si solamente decimos que ese objeto cae ms velozmente que otro (escala ordinal).

Cierto da un emperador, que deba invadir una fortaleza, reunin a cuatro de sus espas para que ingresaran en
ella y obtuviesen informacin. Luego de varios das se presentan los cuatro espas con sus respectivos informes.
El espa nmero 1 informa que adentro de la fortaleza hay un jefe. El espa nmero 2 informa que adentro de la
fortaleza hay un jefe que es ms alto que el hijo. El espa nmero 3 informa que adentro de la fortaleza hay un
jefe que es dos veces ms alto que el hijo. El espa nmero 4 informa que adentro de la fortaleza hay un jefe que
mide 1,90 metros. Los cuatro espas utilizaron respectivamente los cuatro niveles de medicin: el primero
inform realmente muy poco, en comparacin con el ltimo, que proporcion la informacin ms precisa.
De idntica manera, no es lo mismo decir que es de noche, es una hora avanzada de la noche y son las once
de la noche, siendo sta ltima informacin ms precisa que la primera.

Esta precisin creciente es debida a que las propiedades de cada nivel son acumulativas: el nivel 4 tiene
las caractersticas de los tres anteriores, ms alguna nueva. El nivel 3 tiene las caractersticas de los dos
anteriores, ms otras nuevas que harn que ese nivel sea ms exacto y por tanto, ms informativo
acerca de la propiedad o variable a medir.
En un sentido genrico, una escala es el conjunto de categoras (o valores) de una variable, conjunto
que, como qued dicho, debe ser exhaustivo y mutuamente excluyente. Estas categoras o valores
podemos representarlas grficamente mediante los puntos de una lnea recta para una mejor
visualizacin. Ejemplos:

FIGURA 1




Una escala nominal es simplemente un conjunto de dos o ms categoras de una variable, sin que
interese el orden o la jerarqua entre ellas. La escala nominal de la variable religin son sus distintas
categoras: judo, catlico, etc. El requisito fundamental que deben reunir es que sean distintas entre si
de manera que no puede haber dos categoras con el mismo nombre, ni dos categoras que se
superpongan (como cristianos y catlicos). Obviamente, adems las categoras deben ser
homogneas: todas deben referirse a religiones y no a partidos polticos, oficios o lugares de
nacimiento.

Una escala nominal para la variable profesin puede representarse de cualquiera de las siguientes
maneras, entre otras:

FIGURA 2



Este ejemplo muestra que en una escala nominal no interesa ni el orden en que colocamos las
categoras, ni la distancia que hay entre ellas. Si la variable hubiese sido prestigio de una profesin
aqu s hubiera importado el orden, pues hay profesiones ms prestigiosas y menos prestigiosas.
Tampoco la escala nominal informa sobre las distancias entre las categoras: subjetivamente podemos
pensar que la distancia entre un mdico y un dentista no es la misma que hay entre un ingeniero y un
arquitecto, pero esta informacin no nos es suministrada por la escala nominal.
Otro ejemplo de variable medible nominalmente es la numeracin del 1 al 11 de los jugadores de un
equipo de ftbol. Aqu, puesto que las categoras son numricas podramos pensar que estamos ante
Mdico Dentista Psiclog
o
Veterin Ingenier
o
Arquitecto
Dentista Veterin Psiclog
o
Mdico Arquitecto Ingenier
o
-2 -1 0 +1 +2 +3
Escala
nominal
Escala
ordinal
Escala de
intervalos
Escala de
cocientes
Ejemplo:
religin
Ejemplo:
dureza
Ejemplo:
temperatura
Ejemplo:
altura
Jud
o
Catl Bud
i
Prot Otr
o
Diam Hierr
o
Cuer Cart
n
Papel
0 m 1 m 2 m 3 m
una variable cuantitativa y por tanto medible en los niveles 3 o 4, pero si pensamos as estaremos
equivocados. Aqu los nmeros no funcionan como tales en el sentido que no podemos manipularlos
aritmticamente sumndolos, restndolos, etc., sino slo como simples etiquetas: el 1 representa
simplemente la palabra arquero, el 10 delantero, etc. Nadie afirmara que el jugador con el nmero
6 es dos veces ms capaz que el jugador nmero 3. Los nmeros empiezan a funcionar como
indicadores de cantidad recin en las escalas cuantitativas.
En la escala ordinal, adems de la homogeneidad y la diferenciabilidad entre categoras, importa el
orden en que ellas se disponen. Las variables dureza de los materiales y prestigio de una profesin
son ordinales, pues los materiales pueden ordenarse segn su dureza y las profesiones de acuerdo a su
prestigio. Una escala ordinal para la variable prestigio ocupacional puede graficarse de cualquiera de
las siguientes formas, entre otras:

FIGURA 3



Esto nos muestra que sea cual fuere la forma de representacin, siempre ha de respetarse el orden.
Este tipo de escalas tiene una ventaja sobre las nominales, pero tambin tiene una limitacin: la escala
ordinal me informa si un individuo tiene mayor o menor prestigio ocupacional que otro, pero no me dice
cunto en forma objetiva. Esto ltimo es importante porque subjetivamente uno podra pensar que
un ejecutivo tiene tres veces ms prestigio que un zapatero, pero este criterio no sera compartido por
otras personas, y una escala ha de ser la misma para todos. Otros ejemplos de variables medibles
ordinalmente son el grado de mrito, el grado militar y la gradacin de tonos de colores.
Segn la escala nominal, decimos que hemos hecho una medicin simplemente cuando afirmamos que
Fulano es mdico, y segn la escala ordinal cuando afirmamos que Fulano tiene una ocupacin ms
prestigiosa que Zutano, aunque no sepamos cunto ms prestigiosa es. Mientras una escala nominal
permite hacer identificaciones, o poner nombres (de all la expresin nominal), la escala ordinal
permite hacer comparaciones cualitativas.
Las comparaciones cuantitativas, o sea la medicin numrica, se hace posible recin con las escalas
cuantitativas. Si examinamos las escalas cualitativas (nominales y ordinales) veremos que los intervalos
o distancias entre las categoras (o sea las distancias entre los puntos de la recta) son irregulares y no
responden a ningn criterio objetivo, aunque s a muchos subjetivos. En la figura 3 vemos que
zapatero puede estar ms cerca de basurero segn algunos, o ms cerca de ejecutivo segn otros.
La escala ordinal permite comparar profesiones en cuanto a prestigio, pero no permite comparar
distancias entre profesiones, o sea no es posible saber cunto mayor es la distancia de basurero a
zapatero respecto de la distancia entre zapatero y ejecutivo.
En este sentido, las escalas cuantitativas son an ms informativas. A los requisitos de homogeneidad,
diferenciabilidad y orden se agrega uno nuevo: los intervalos deben ser regulares, y ms
especficamente iguales. Las siguientes tres escalas representan todas ellas intervalos iguales, o sea que
los intervalos o distancias entre los puntos estn determinados segn un cierto criterio matemtico:

FIGURA 4



1 2 3 4 5 6 7 8 9
10
1 2 3 4 5
1 2 4 8 16
Basurer
o
Zapatero Ejecutiv
o
Basurer
o
Zapatero Ejecutiv
o
En la primera vemos que los intervalos son iguales, pues la distancia que hay de 1 a 2 es igual a la
distancia que hay entre 2 y 3, etc., todo lo cual, dicho matemticamente, equivale a afirmar que 1-2 =
2-3, etc. Por la misma razn en la segunda escala las distancias tambin son iguales aunque hayamos
tomado intervalos mayores. En la tercera ya parecera que los intervalos no son iguales pues van
aumentando cada vez ms hacia la derecha, pero si consideramos que se trata de una escala
logartmica (y no lineal como las dos anteriores), veremos que tambin sus intervalos son iguales segn
la siguiente serie de igualdades, donde en vez de restar, dividimos:

1 2 4 8
------ = ------ = ------ = ------ = etc
2 4 8 16

Esta misma serie, expresada logartmicamente, es log1-log2 = log2-log3, etc., o sea que en vez de
restar nmeros como en la escala lineal restamos logaritmos, pero igualmente sigue cumplindose la
condicin de igualdad de intervalos.
Toda escala que tenga intervalos iguales se llama escala mtrica, y a este nivel ya s tiene sentido
definir medicin ms familiarmente como la operacin por la cual comparamos una cierta cantidad con
otra tomada como nidad. Por ejemplo, decimos que hemos medido el peso de Fulano cuando hemos
dicho que pesa 60 kg, o sea, su peso entra 60 veces en la unidad de medida de 1 kg.
Estas escalas mtricas, tpicas de los niveles cuantitativos de medicin, siguen conservando las
caractersticas de diferenciabilidad (o identidad), y orden de la escala ordinal, pero se agregan otras
nuevas: no slo me dice que los pesos 35 kg y 70 kg son distintos (identidad), y no slo me dice que 70
es un peso mayor que 35 (orden), sino que adems me agrega nueva informacin al decirme: (a) que
70 kg es cuantitativamente tan distinto de 35 kg como 35 kg lo es de 0 kg; y (b) que 70 kg es dos
veces ms pesado que 35 kg, o sea, me informa acerca de cunto ms pesado es un objeto que otro.
Las escalas de intervalos iguales slo nos pueden dar la informacin (a), mientras que la escala de
cocientes o razones, adems, nos suministra la informacin (b), con lo cual esta ltima resulta ser ms
precisa o con mayor contenido informativo.
Establezcamos ms en detalle las diferencias entre ambas escalas cuantitativas, para lo cual
comenzaremos por distinguir las escalas absolutas y las relativas. Supongamos que tomamos cinco
objetos cualesquiera y medimos sus alturas, graficando del siguiente modo sus valores respectivos:

FIGURA 5



Es indudable que estas alturas son reales: el objeto A mide efectivamente dos metros, el objeto B tres
metros, etc. A estas escalas cuyos nmeros representan realmente el atributo fsico las llamamos
absolutas y en ellas, obviamente, la cifra 0 corresponder a la ausencia de altura. Pero supongamos
ahora que queremos considerar la altura A, que es dos metros, como altura 0 en forma arbitraria. La
escala anterior y la nueva quedarn entonces correlacionadas del siguiente modo:

FIGURA 6



En esta nueva escala el objeto B no tiene realmente un metro de altura: slo nos dice que B es un
metro ms alto que A, es decir marca su ubicacin respecto de otro objeto. De la misma forma esta
escala no dice que A no tenga altura, sino que arbitrariamente le hemos asignado el valor 0 para que
sirva de punto de referencia de los dems valores: es una escala relativa o arbitraria. Obviamente, si
disponemos de una escala relativa y conocemos adems la altura absoluta de uno cualquiera de los
2m 3m 4m 5m 6m
A B C D E
Escala absoluta
Escala relativa
0m 1m 2m 3m 4m
1m 2m 3m 4m 5m
A B C D E
objetos, podremos calcular la altura absoluta de los dems (tambin necesitamos una regla de
transformacin, pero de esto no nos ocuparemos).
Tambin podramos haber asignado el valor cero no a 2 sino a la media aritmtica, que en nuestro
ejemplo coincide con 4 metros. La nueva escala relativa quedara entonces representada del siguiente
modo:

FIGURA 7



Estrictamente hablando no tiene sentido decir que algo mide menos 2 metros (-2), pues no hay
alturas negativas, pero no obstante esa cifra aparecida en la nueva escala nos est diciendo algo: que el
objeto A es tan alto con respecto al objeto B como ste con respecto al C, que es la media, y el signo
negativo nos indica solamente que la altura de A est por debajo de la media aritmtica. Del mismo
modo la altura cero no significa aqu ausencia de altura, error que cometi aquel tipo que, cuando le
dijeron que haca cero grado de temperatura exclam alborozado: No hace ni fro ni calor!. Galeno
haba sugerido como punto cero de temperatura un calor neutro que no era ni fro ni calor, pero
Galeno estaba en realidad proponiendo una simple convencin. Vemos as que la escala de temperatura
es un tpico ejemplo de escala relativa (con un cero arbitrario).
En las escalas de intervalos iguales tenemos escalas relativas (o sea con un cero arbitrario) y en las
escalas de cocientes o razones tenemos escalas absolutas (con un cero absoluto o real). El cero
arbitrario no corresponde con la ausencia de la magnitud (cero grado no significa ausencia de
temperatura), pero el cero absoluto es real (cero metros significa ausencia de altura). Ntese que lo que
interesa es la ausencia de la variable, no del individuo. Tanto cero metros como cero cantidad de hijos
significa ausencia de altura y ausencia de hijos, y no interesa que el primer valor corresponda a un
individuo inexistente y el segundo a una pareja que s podra existir.
Las escalas de cocientes o razones son muy difciles de encontrar en psicologa y en general en las
ciencias sociales: en estas disciplinas se manejan variables que, como motivacin, inteligencia o
aprendizaje, son muy difciles (o carecera de sentido) identificar su ausencia real, o sea asignarles un
cero absoluto, y en general sus valores se consiguen establecer por comparacin con otros valores.
Efectivamente, existen ciertas variables a las cuales no puede asignrsele un cero real, por cuanto no se
considera que esa variable pueda estar ausente en la realidad. Tal es el caso de la ansiedad o la
inteligencia: nadie, por menos ansioso o por menos inteligente que sea, puede tener ansiedad o
inteligencia nulas.

Pero, ms exactamente, porqu las variables psicolgicas suelen medirse con escalas relativas y las variables
fsicas con escalas absolutas? O, si se prefiere, qu nos obliga a medir ciertas variables mediante escalas
relativas, cuando en rigor sera preferible usar escalas absolutas por ser ms precisas y exactas?
Esta interesante cuestin tiene su complejidad, no obstante lo cual orientaremos una respuesta en algn sentido
que pueda interesarnos como investigadores en ciencias sociales. Para ello comparemos un fsico que debe medir
la altura de 10.000 objetos, y un psiclogo que debe medir la inteligencia de 10.000 sujetos de la misma edad.
Una vez que hicieron sus respectivas mediciones, cada uno obtiene un promedio: el promedio de alturas es 1,53
metros, y el promedio de inteligencias es 100.
Acto seguido, si ahora el psiclogo encuentra una persona y, tras medir su inteligencia encuentra que tiene un
valor 60, con justa razn puede decir que tiene una inteligencia inferior a lo normal; pero si el fsico encuentra un
objeto que mide apenas 0,42 metros no tendr sentido que diga que su altura es inferior a lo normal o que se
trata de un objeto retrasado en cuanto a altura. No es este el tipo de comparacin que le interesa hacer al
fsico, pero s al psiclogo. Este ltimo desea saber si una persona est por encima o por debajo de la media de
su edad. Las escalas relativas como la inteligencia toman como punto de referencia no un cero absoluto sino un
promedio estadstico al cual puede asignrsele tanto el valor 0 como el valor 100 o cualquier otro, y entonces
estas escalas relativas son especialmente aptas para comparar la situacin de un individuo respecto de otros y
ver as si tiene ms o si tiene menos inteligencia que el resto. Ms an: si quien mide altura no es un fsico sino
un mdico o un psiclogo (por tanto ya estamos midiendo personas, no objetos), empiezan a cobrar sentido las
expresiones altura normal o altura anormal, por la misma razn que tiene sentido hablar de inteligencia
normal o inteligencia anormal.
Quienes construyeron los tests de inteligencia no empezaron eligiendo a un individuo con inteligencia nula (o
sea, un cero absoluto) y a partir de all luego los dems valores (10, 20, 30, etc.). Ellos comenzaron eligiendo
una gran cantidad de individuos y luego obtuvieron un promedio (supuestamente el promedio de toda la
poblacin humana, si acaso la muestra fuese representativa). A dicho promedio le adscribieron
convencionalmente el valor 100 y as, si algn nuevo sujeto llegara a obtener cero segn esta nueva escala, no
2m 3m 4m 5m 6m
A B C D E
Escala absoluta
Escala relativa
-2m -1m 0m 1m
2m
significar que no tiene inteligencia (cero absoluto), sino slo que su capacidad intelectual est muy por debajo
de la media poblacional (cero relativo).
Hasta aqu puede quedar justificado el uso de escalas relativas en ciencias sociales, pero, entonces, porqu
ciertas magnitudes fsicas como la temperatura se miden habitualmente en escalas relativas y no absolutas, que
ya dijimos seran preferibles? En el caso especial de la temperatura podemos invocar razones histricas y
prcticas. Tomemos con la mano un objeto cualquiera: inferimos que tiene una cierta temperatura a juzgar por la
sensacin trmica que nos produce. Supongamos ahora que el cuerpo que sostenemos se empieza a enfriar.
Llegar un momento en que el fro es tan intenso que nuestros dedos se congelan y dejan de funcionar nuestros
termorreceptores, o sea, no experimentamos ya ninguna sensacin y quedamos anestesiados. Significa esto que
el cuerpo no puede seguir enfrindose? No. Puede seguir hacindolo aunque ya no podamos darnos cuenta por el
tacto, y entonces, para averiguarlo, decidimos tomar otro punto de referencia, como por ejemplo su dureza.
Podemos as saber si se sigue o no enfriando examinando si su dureza aumenta o no, pero aqu tambin la
dureza puede tener un lmite, y el hecho de que el cuerpo haya alcanzado una dureza mxima y no pueda
endurecerse ms, ello no significa necesariamente que no pueda seguir enfrindose. De hecho, podemos seguir
eligiendo ms criterios hasta el infinito, pero la termodinmica ha venido a resolver este problema tomando como
punto de referencia no la sensacin trmica ni la dureza del cuerpo, sino el movimiento de sus molculas. Y as,
cuando las molculas cesan todo movimiento el cuerpo ya no podr seguir enfrindose alcanzando entonces lo
que se llama su temperatura absoluta, designada convencionalmente como el cero grado en la escala Kelvin,
creada a tal efecto. Esta escala es absoluta porque el cero grado corresponde realmente a la ausencia de
temperatura. Podra argumentarse que esto no es as que cero grado est indicando un fro intenssimo en lugar
de ausencia de temperatura pero no debemos olvidar que la termodinmica, al crear esta escala, equipar
temperatura a movimiento molecular y no a sensacin trmica y entonces el cero grado, al indicar ausencia de
movimiento molecular, indica tambin ausencia de temperatura. Si nuestros termorreceptores pudiesen
hipotticamente percibir la sensacin trmica a cero grado Kelvin sin quedar arruinados, seguramente
retiraramos violentamente la mano y nadie podra convencernos de que all no hay temperatura, pero esto es
porque estamos habituados a equiparar temperatura con sensacin trmica y no con movimiento molecular. Por
lo dems, se supone que el cero absoluto es inalcanzable tanto tcnicamente como en teora, porque si cesara el
movimiento molecular la materia dejara de existir.
La idea de equiparar temperatura con movimiento molecular deriva de la teora cintica del calor del siglo pasado,
y sostiene que el movimiento genera calor. Entonces, si las molculas comienzan a moverse cada vez ms
rpidamente, el cuerpo empezar a aumentar su temperatura. Obviamente que esto no es ms que una teora: el
da de maana puede aparecer otra que tome como referencia de temperatura no el movimiento sino otro
parmetro hoy desconocido, con lo cual se construir una nueva escala con el cero ms alejado y donde el cuerpo
podr seguir enfrindose an cuando haya cesado todo movimiento molecular. Esto prueba que, en el fondo, el
cero absoluto es paradjicamente relativo, pues todo depender de qu significado le demos a temperatura: si
sensacin trmica, dureza, movimiento molecular o un parmetro an no descubierto.
Histricamente, la primera escala de temperatura que se cre no fue la escala Kelvin, ya que no exista la idea de
vincular la temperatura con el movimiento molecular y construir, sobre esa base, una escala. Pero los fsicos
necesitaban contar igualmente con alguna que pudiese medir esta magnitud, y fue as que se crearon varias,
como la escala centgrada (Celsius), la escala Farenheit y la escala Reamur. La escala Celsius le adjudic un poco
arbitrariamente el cero al punto de congelamiento del agua y el 100 a su punto de ebullicin (todo a presin
atmosfrica normal), dividindose luego en 100 partes iguales la escala entre uno y otro valor. Presumiblemente
la practicidad de esta escala radica en el hecho de que la mayora de los objetos que manipulamos o los
ambientes donde habitamos estn entre 0 y 100 grados Celsius, utilizndose la escala Kelvin slo para objetos
muy fros. Haciendo las transformaciones necesarias (0 grado Kelvin corresponden a -273 grados Celsius)
podramos usar tambin la escala Kelvin pero no lo hacemos, entre otras razones, por una cuestin psicolgica o
de acostumbramiento a las mismas cifras de siempre. En otros casos el desacostumbramiento puede ser menos
difcil, y es cuando no hay que habituarse a nuevas cifras sino simplemente a nuevas denominaciones. Tal es el
caso del pasaje de los milibares a los hectopascales (escala de presin atmosfrica): aqu no se cambi de escala
sino de nombre, ya que, por ejemplo, 1008 hectopascales siguen siendo 1008 milibares.

Adems del hecho de que una tiene un cero arbitrario y la otra un cero absoluto, hay otra diferencia
entre las escalas relativas y absolutas, y que de alguna forma ya empezamos a adelantar.
En las escalas de intervalos iguales, que son relativas, no se puede decir que un sujeto con CI 160
tenga el doble de inteligencia que otro de 80, del mismo modo que dos grados no es el doble de
temperatura que un grado en la escala Celsius. A lo sumo podemos llegar a decir que la diferencia de
inteligencia que hay entre 120 y 140 es la misma que hay entre 100 y 120. En las escalas de cocientes,
que son absolutas, podemos obtener en cambio ambos tipos de informacin como ocurre con las escalas
de peso, sonido, longitud o densidad. Adems de la inteligencia, otras escalas de intervalos iguales son
la energa y las fechas del calendario: del 2 al 4 de junio hay el mismo intervalo temporal que hay entre
4 y 6 de junio, pero carecer de sentido decir que el 4 de junio es el doble del 2 de junio.
Observemos la figura 6. En la escala absoluta s tiene sentido decir que 6 metros (altura del objeto E) es
el doble de 3 metros (la altura de B). O sea, se cumple la igualdad E = 2.B. Si intentamos trasladar esto
mismo a la escala relativa esta igualdad no se cumple, pues 4 no es el doble de 1. Para que la expresin
E = 2.B valga en la escala relativa debemos sumarle el nmero 2, que es la distancia que hay entre el
cero arbitrario y el absoluto (ya que aqu la escala relativa aparece corrida dos lugares). La nueva
frmula para esta escala ser E = 2.B + 2, y entonces s se cumple que 4 = 2.1 + 2. Todo esto es
bastante terico, porque slo lo podemos hacer si conocemos el corrimiento de la escala relativa
respecto de la absoluta, o sea, si conocemos la distancia del cero arbitrario al cero absoluto, cosa que
no siempre podemos hacerlo ni tampoco necesitarlo. Desde este punto de vista, la escala absoluta pasa
a ser un caso especial de la escala relativa donde la distancia entre los ceros arbitrario y absoluto es
nula.
Esta clasificacin en cuatro niveles ya es clsica y corresponde a Stevens, pero no han faltado otras
variantes entre las que podemos mencionar la de Coombs, quien agrega dos niveles ms:
a) Entre la nominal y la ordinal incluye la escala parcialmente ordenada (figura 8). Se trata en ltima
instancia de una variante de la escala ordinal donde en algunas categoras, como B y C, no se conoce la
relacin de mayor o menor que tienen entre s: A es mayor que B o que C, y por otro lado B o C son
mayores que D, pero se desconoce si B es mayor, menor o igual a C.

FIGURA 8



b) Entre la ordinal y la de intervalos iguales, Coombs agrega la escala mtrica ordenada, una variante
de la escala de intervalos iguales donde en vez de ser estos iguales son distintos pero estn ordenados
creciente o decrecientemente. A diferencia de la escala meramente ordinal, aqu no slo se ordenan las
categoras, sino tambin los intervalos de acuerdo a su tamao. Evidentemente informa ms que la
simple escala ordinal pero menos que la de intervalos iguales propiamente dicha, pues no aclara cunto
mayor es un intervalo que otro.

Siempre estamos haciendo mediciones. Por ejemplo, cuando decimos que tal o cual individuo es catlico
(medicin nominal), o que tal sujeto tiene ms mrito que otro (medicin ordinal), o cuando decimos
que tal otro sujeto tiene 30 aos (medicin intervalar). Pero la importancia de la medicin no reside
simplemente en el hecho de que siempre estamos haciendo mediciones, sino en que el acto de medir
nos permite conocer cmo varan los fenmenos de la realidad tanto en cantidad como en calidad, lo
cual a su vez es muy importante porque es gracias a que existen unas variaciones que dependen
causalmente de otras, que podemos organizar nuestro conocimiento del mundo.

CAPTULO 2: ESTADSTICA DESCRIPTIVA

1. GENERALIDADES

El propsito fundamental de la estadstica descriptiva es resumir y organizar una gran cantidad de
datos referentes a una muestra (lo ms habitual) o a una poblacin. Se supone que los datos resumidos
y organizados permiten describir adecuadamente la muestra o la poblacin a los efectos de conocerla y,
eventualmente, utilizarlos en la estadstica inferencial para obtener conclusiones a partir de ellos.
Para resumir y organizar los datos se utilizan diferentes procedimientos, llamados tcnicas
descriptivas: la matriz de datos permite ordenarlos, las tablas de frecuencias (o tablas de distribucin
de frecuencias) permiten agruparlos, los grficos permiten visualizarlos, y las medidas estadsticas y las
medidas de asimetra y curtosis permiten resumirlos reducindolos a un solo dato.

Secuencia para organizar y resumir datos individuales

A medida que se van utilizando estos procedimientos, los datos van quedando cada vez ms resumidos y
organizados. El empleo de dichos procedimientos propios de la estadstica descriptiva sigue un orden
determinado, como puede apreciarse en el siguiente esquema:

A > B > C > D > E Escala ordinal
Escala parcialmente ordenada
B
A > > D > E
C


Como puede verse:
a) Los datos quedan recolectados mediante entrevistas, cuestionarios, tests, etc.
b) Los datos quedan ordenados mediante una matriz de datos (lo cual permite resumir la informacin en
unas pocas pginas).
c) Los datos quedan agrupados mediante tablas de frecuencias (lo cual permite resumir la informacin en
una sola pgina).
d) Los datos quedan visualizados mediante grficos.
e) Los datos quedan sintetizados mediante las medidas estadsticas y otras (lo cual permite resumir la
informacin en uno o dos renglones).
Puede entonces decirse que, mediante una matriz de datos, una tabla de frecuencias (1), un grfico o
con medidas estadsticas, etc., la muestra o la poblacin (conjuntos de datos) puede quedar
adecuadamente descrita.
Estas sucesivas abstracciones estadsticas implican: a) la reduccin del espacio fsico donde queda
guardada la nueva informacin, y b) la desaparicin de considerable informacin irrelevante.
Debe distinguirse el fin o propsito perseguido (por ejemplo ordenar los datos), del medio utilizado para
ello, que e la tcnica descriptiva (por ejemplo, la matriz de datos).

2. ORDENAMIENTO Y AGRUPACIN DE LOS DATOS: MATRICES Y TABLAS

Una vez que los datos han sido recolectados, se procede a continuacin a ordenarlos en una matriz de
datos y luego a agruparlos en una tabla de frecuencias.
La forma de ordenarlos y agruparlos depender del tipo de variable considerada. Por ejemplo, si son
datos relativos a variables cualitativas (niveles de medicin nominal y ordinal), no podremos utilizar
tablas de frecuencias por intervalos. El siguiente cuadro indica de qu manera se pueden ordenar y
agrupar los datos segn cada nivel de medicin de la variable:

Ejemplos de organizacin de los datos segn el nivel de medicin

Datos ordenados Datos agrupados por frecuencia Datos agrupados por
intervalos
Nivel nominal
(Ejemplo:
variable
religin)
Matriz de datos
Sujeto x (religin)
Juan Catlica
Pedro Catlica
Mara Juda
Antonio Protestante
Luis Protestante
Jos Protestante
Tabla de frecuencias
x (religin) f
Catlica 2
Juda 1
Protestante 3
n = 6

f = frecuencia
n = tamao de la muestra


DATOS RECOLECTADOS
(entrevistas, cuestionarios, tests, etc.)
DATOS ORDENADOS
(matriz de datos)
DATOS AGRUPADOS POR
FRECUENCIA
(tabla de frecuencias)
DATOS AGRUPADOS POR
INTERVALOS
(tabla de frecuencias por intervalos)
DATOS VISUALIZADOS
(grficos)
DATOS SINTETIZADOS
(medidas estadsticas y medidas de asimetra y curtosis)
Nivel ordinal
(Ejemplo:
variable clase
social)
Matriz de datos
Sujeto x (clase
social)
Juan Alta
Pedro Media
Mara Media
Antonio Media
Luis Baja
Jos Baja
Tabla de frecuencias
x (clase social) f
Alta 1
Media 3
Baja 2
n = 6

f = frecuencia
n = tamao de la muestra

Nivel
cuantitativo
(Ejemplo:
variable edad)
Matriz de datos
Sujeto x (edad)
Juan 15
Pedro 15
Mara 15
Antonio 16
Luis 16
Jos 16
Ana 16
Gabriela 16
Susana 17
Martn 17
Sergio 17
Pablo 17
Daniel 17
Graciela 17
Daniela 17
Beatriz 17
Oscar 18
Felipe 18
Alberto 18
Mnica 19
Marta 19
Mariana 20
Tabla de frecuencias
x (edad) f
15 3
16 5
17 8
18 3
19 2
20 1
n = 22

f = frecuencia
n = tamao de la muestra
Tabla de frecuencias por
intervalos
x (edad) f
15-16 8
17-18 11
19-20 3
n = 22

f = frecuencia
n = tamao de la muestra

Una vez confeccionada la matriz de datos, se procede luego a resumir an ms esta informacin
mediante una tabla de frecuencias o, si cabe, en una tabla de frecuencias por intervalos. Una tabla de
este ltimo tipo se justifica cuando la tabla de frecuencias original es demasiado grande y por tanto de
difcil manejo para procesar la informacin. Sea de la forma que fuere, los datos ordenados segn sus
frecuencias suelen denominarse distribucin de frecuencias (13).

Las tablas de frecuencias contienen tres elementos importantes: las frecuencias, el tamao de la muestra
y los intervalos (en este ltimo caso slo para variables cuantitativas).

a) Frecuencia.- La frecuencia (f) se define como la cantidad de datos iguales o que se repiten. Por
ejemplo: la frecuencia 2 indica que el dato catlico se repite dos veces, la frecuencia 3 que el dato
clase media se repite tres veces, y la frecuencia 8 que el dato 17 aos se repite ocho veces.
A veces resulta necesario expresar las frecuencias de otra manera, como puede apreciarse en la siguiente
tabla ilustrativa:

Tipos de frecuencias que pueden indicarse en una tabla de frecuencias

x (edad) f f% F F% fr F
r

15 3 15% 3 15% 0.15 0.15
16 7 35% 10 50% 0.35 0.50
17 8 40% 18 90% 0.40 0.90
18 2 10% 20 100% 0.10 1
n = 20 n = 100% ------ ------ n = 1 ------

Frecuencia absoluta (f).- Es la cantidad de datos que se repiten. Por ejemplo, la frecuencia 3 indica que
hay tres personas de 15 aos. La suma de todas las frecuencias absolutas equivale al tamao de la
muestra.
Frecuencia porcentual (f%).- Es el porcentaje de datos que se repiten. Por ejemplo, la frecuencia
porcentual 15% indica que el 15% de la muestra tiene la edad de 15 aos. La suma de todas las
frecuencias porcentuales es 100%.
Frecuencia acumulada (F).- Es el resultado de haber sumado las frecuencias anteriores. Por ejemplo, la
frecuencia acumulada 10 resulta de sumar 7+3, e indica la cantidad de veces que se repiten las edades
16 y 15. La ltima de todas las frecuencias acumuladas, que en el ejemplo es 20, debe coincidir con el
tamao de la muestra.
Frecuencia acumulada porcentual (F%).- Es el porcentaje de las frecuencias acumuladas.
Frecuencia relativa (f
r
).- A veces tambin llamada proporcin, es el cociente entre la frecuencia de un
dato x y la frecuencia total o tamao de la muestra. En la prctica, el tamao de la muestra se considera
como 1, a diferencia del tamao de la muestra en la frecuencia porcentual, que se considera 100%.
Frecuencia relativa acumulada (F
r
).- Es el resultado de haber sumado las frecuencias relativas
anteriores. Por ejemplo: la frecuencia relativa 0.90 indica que en 0.90 casos sobre 1 las edades estn
comprendidas entre 15 y 17 aos.
Frecuencias parciales y frecuencia total.- Tanto las frecuencias absolutas como las porcentuales o las
relativas pueden ser frecuencias parciales o una frecuencia total, siendo sta ltima la suma de todas
frecuencias parciales.
Las frecuencias porcentuales y las frecuencias relativas comparan la frecuencia parcial con la frecuencia
total, y sirven para establecer comparaciones entre muestras distintas. Por ejemplo, si en una muestra
de 1000 hombres, solo votaron 200, y en una muestra de 600 mujeres solo votaron 200 mujeres, en
trminos de frecuencias absolutas existe la misma cantidad de votantes masculinos y femeninos, es decir
200, pero en proporcin, las mujeres votaron ms (la tercera parte del total) que los hombres (la quinta
parte del total). Esta informacin se obtiene al convertir las frecuencias absolutas en frecuencias
porcentuales o en frecuencias relativas (o proporciones).

2) Tamao de la muestra.- Otro concepto importante es el tamao de la muestra (n), que designa la
cantidad total de datos. Obviamente, la suma de todas las frecuencias f debe dar como resultado el
tamao n de la muestra, por lo que el tamao de la muestra coincide con la frecuencia total.

3) Intervalos.- Un intervalo, tambin llamado intervalo de clase, es cada uno de los grupos de valores
ubicados en una fila en una tabla de frecuencias. Por ejemplo el intervalo 15-16 significa que en esa fila
se estn considerando las edades de 15 a 16 aos. La frecuencia correspondiente a un intervalo es igual
a la suma de frecuencias de los valores en l includos (2). Los intervalos presentan algunas
caractersticas, que son las siguientes:
Tamao del intervalo (a).- Tambin llamado amplitud o anchura del intervalo, es la cantidad de valores
de la variable que se consideran conjuntamente en ese intervalo. Por ejemplo, el intervalo 15-16 aos
tiene una amplitud de 2, puesto que se consideran dos valores: 15 y 16. En otro ejemplo, el intervalo 20-
25 aos tiene una amplitud de 6, puesto que se consideran seis valores.
En general, puede calcularse el tamao de un intervalo restando el lmite superior y el inferior y sumando
al resultado el nmero 1. Por ejemplo, 25 menos 20 da 5, y sumndole 1 da 6.
Los ejemplos indicados corresponden a variables discretas, lo que significa que no podrn encontrarse
valores intermedios entre dos intervalos. Por ejemplo, entre los intervalos 15-16 y 17-18 no se
encontrarn valores intermedios entre 16 y 17 aos.
Tngase presente que: a) preferiblemente los intervalos deben tener un tamao constante, de manera tal
que no se pueden considerar como intervalos 15-16 y 17-20, porque tienen diferentes tamaos; y b) los
intervalos han de ser mutuamente excluyentes, de manera tal que cuando se trata de variables discretas,
no pueden definirse los intervalos 15-16 y 16-17, porque el valor 16 aos est en ambos intervalos y no
se podr saber con seguridad en qu intervalo ubicar dicho valor.
El problema se puede presentar con las variables continuas, donde, por definicin, podra aparecer algn
valor intermedio entre dos intervalos. Por ejemplo, si se considera la variable continua ingresos
mensuales y se consideran en ella los intervalos 1000-2000 dlares y 3000-4000 dlares, puede ocurrir
que un dato obtenido de la realidad sea 2500 dlares, con lo cual no podr ser registrado en ningn
intervalo. En tal caso se deberan reorganizar los intervalos como 1000-2999 dlares y 3000-4999
dlares, con lo cual el problema estara resuelto.
Desde ya, puede ocurrir que aparezca un ingreso mensual de 2999,50 dlares, en cuyo caso en principio
deberan reorganizarse nuevamente los intervalos como 1000-2999,50 dlares y 2999,51-4999 dlares.
La forma de reorganizar los intervalos depender entonces del grado de precisin que pretenda el
investigador o del grado de precisin del instrumento de medicin disponible.
Lmites del intervalo.- Todo intervalo debe quedar definido por dos lmites: un lmite inferior y un lmite
superior. Estos lmites, a su vez, pueden ser aparentes o reales (Pagano, 1998:38-39). Considrese el
siguiente ejemplo:

Lmites aparentes Lmites reales
95-99 94.5-99.5
90-94 89.5-94.5
85-89 84.5-89.5
80-84 79.5-84.5
75-79 74.5-79.5

Si la variable considerada es discreta, carecer de sentido la distincin entre lmites reales o aparentes.
Si se conviene que los valores que la variable puede adoptar son nmeros enteros, se considerarn
solamente los intervalos 95-99, 90-94, etc. Estos intervalos son en rigor reales, porque expresan los
valores reales que puedan haber, que no son fraccionarios.
Slo en el caso de las variables continuas adquiere sentido la distincin entre lmites reales y aparentes.
Si la variable es continua, deberan tenerse en cuenta los lmites reales. Por ejemplo, si un valor resulta
ser 94.52, entonces ser ubicado en el intervalo 94.5-99.5. Sin embargo, an en estos casos, lo usual es
omitir los lmites reales y presentar slo los lmites aparentes (Pagano, 1998:39). En todo caso, los
lmites reales se utilizan a veces cuando se intenta transformar la tabla de frecuencias por intervalos en
un grfico.
En principio, en ningn caso deber haber una superposicin de valores, como en el caso de los
intervalos 20-21 y 21-22, donde el valor 21 est includo en ambos intervalos, violndose as la regla de
la mutua exclusin. Si acaso se presentara esta situacin, o bien podr ser adjudicada a un error del
autor de la tabla, o bien deber traducrsela como 20-20.99 y 21-22.99.
Punto medio del intervalo (x
m
).- Es el valor que resulta de la semisuma de los lmites superior e inferior,
es decir, el punto medio del intervalo se calcula sumando ambos lmites y dividiendo el resultado por dos.
Por ejemplo, el punto medio del intervalo 15-20 es 17.5. El punto medio del intervalo sirve para calcular
la media aritmtica.
Intervalos abiertos y cerrados.- Idealmente, todos los intervalos deberan ser cerrados, es decir, deberan
estar especificados un lmite superior y uno inferior de manera definida. Sin embargo, en algunos casos
se establecen tambin intervalos abiertos, donde uno de los lmites queda sin definir. En el siguiente
ejemplo, 18 o menos y 29 o ms son intervalos abiertos. Obviamente, en este tipo de distribucin los
intervalos dejan de ser de tamao constante.

Intervalos
18 o menos
19-23
24-28
29 o ms

Cantidad de intervalos.- La cantidad de intervalos es inversamente proporcional al tamao de los
mismos: cuanto menor tamao tienen los intervalos, ms numerosos sern.
El solo hecho de emplear intervalos supone una cierta prdida de la informacin. Por ejemplo, si se
considera el intervalo 15-18 aos, quedar sin saber cuntas personas de 16 aos hay. Para reducir esta
incertidumbre, podra establecerse un intervalo menor (15-16 aos), pero con ello habr aumentado la
cantidad de intervalos hasta un punto donde la informacin se procesar de manera ms difcil.
Consiguientemente, al agrupar los datos hay que resolver el dilema entre perder informacin y presentar
los datos de manera sencilla (Pagano R, 1998:37) (Botella, 1993:54), es decir, encontrar el justo
equilibrio entre el tamao de los intervalos y su cantidad.
En la prctica, por lo general (Pagano, 1998:37) se consideran de 10 a 20 intervalos, ya que la
experiencia indica que esa cantidad de intervalos funciona bien con la mayor parte de las distribuciones
de datos (3).

Se pueden sintetizar algunas reglas importantes para la construccin de intervalos de la siguiente
manera:
a) Los intervalos deben ser mutuamente excluyentes.
b) Cada intervalo debe incluir el mismo nmero de valores (constancia de tamao).
c) La cantidad de intervalos debe ser exhaustiva (todos los valores deben poder ser includos en algn
intervalo).
d) El intervalo superior debe incluir el mayor valor observado (Botella, 1993:54).
e) El intervalo inferior debe incluir al menor valor observado (Botella, 1993:54).
f) En variables continuas, es aconsejable expresar los lmites aparentes de los intervalos, que los lmites
reales.

3. VISUALIZACIN DE LOS DATOS: GRFICOS

Una vez que los datos han sido organizados en tablas de frecuencias, es posible seguir avanzando
organizndolos, desde all, de otras maneras diferentes y con distintos propsitos. Una de estas maneras
es la utilizacin de representaciones grficas, algunas de las cuales son aptas para representar variables
cualitativas (niveles nominal y ordinal) y otras para variables cuantitativas. Al tratarse de esquemas
visuales, los grficos permiten apreciar de un golpe de vista la informacin obtenida.

Diagrama de tallo y hojas

Esta tcnica de visualizacin de datos es aqu mencionada en primer lugar porque puede ser considerada
un procedimiento intermedio entre la tabla de frecuencias y el grfico. Fue creada por Tukey en 1977
(citado por Botella, 1993:59) y presenta, entre otras, las siguientes ventajas: a) permite conocer cada
puntuacin individual (a diferencia de la tabla de frecuencias por intervalos, donde desaparecen en ellos);
y b) puede ser considerada un grfico si hacemos girar 90 el listado de puntuaciones o datos.

A continuacin se describe la forma de construir un diagrama de tallo y hojas, tomando como ejemplo la
siguiente distribucin de datos ordenados:

32-33-37-42-46-49-51-54-55-57-58-61-63-63-65-68-71-72-73-73-73-75-77-77-78-83-85-85-91-93

Tallo Hojas Procedimiento para realizar el diagrama de tallo y hojas

a) Se construye una tabla como la de la izquierda con dos columnas: tallos y
hojas.
b) Se identifican cules son los valores extremos: 32 y 93.
c) Se consideran los primeros dgitos de cada valor: 3 y 9.
d) En la columna tallos se colocan los nmeros desde el 3 hasta el 9.
e) En la columna hojas se colocan los segundos dgitos de cada valor que
empiece con 3, con 4, con 5, etc.
3 237
4 269
5 14578
6 13358
7 123335778
8 355
9 13

Girando la tabla obtenida 90 hacia la izquierda, se obtendr algo similar a un grfico de barras, que
muestra por ejemplo que la mayor concentracin de valores es la que comienza con 7.

Una utilidad adicional del diagrama de tallo y hojas es que permite comparar visualmente dos variables,
es decir, dos conjuntos de datos en los anlisis de correlacin, como puede apreciarse en el siguiente
ejemplo:

Hojas (Grupo control) Tallo Hojas (Grupo experimental)
87655 1 9
44322110 2 124
876655 3 5667788899
111000 4 00023344
5 555

Visualmente es posible darse una idea de los resultados del experimento: los datos del grupo
experimental tienden a concentrarse en los valores altos, y los del grupo de control en los valores bajos.

Pictograma

Es una representacin grfica en la cual se utilizan dibujos. Por ejemplo, en el siguiente pictograma cada
cara puede representar 100 personas:



Sector circular

Representacin grfica de forma circular donde cada porcin de la torta representa una frecuencia. Para
confeccionarlo se parte de una tabla de frecuencias donde estn especificadas las frecuencias en grados
(f), las cuales se calculan mediante una sencilla regla de tres simple a partir de las frecuencias absolutas
(f).
Por ejemplo, si 825 es a 360, entonces 310 es igual a 360 x 310 dividido por 825, lo cual da un
resultado de 135. Por lo tanto, para representar la frecuencia 310 deber trazarse un ngulo de 135.
Estos valores pueden verse en el ejemplo siguiente, donde se han representado dos sectores circulares
distintos, uno para varones y otro para mujeres:
Varones
Mujeres
100 personas

x
(patologa)
Sexo Total f
(varones)
f
(mujeres) Varones Mujeres
Angina 310 287 597 135 113
Bronquitis 297 429 726 130 169
Sarampin 123 120 243 54 47
Otras 95 80 175 41 31
Total 825 916 1691 360 360



Para realizar estos sectores se traza un ngulo de por ejemplo 130 y dentro de coloca la palabra
bronquitis, y as sucesivamente.
El crculo para mujeres es algo mayor que el crculo para hombres, porque en la muestra hay ms
mujeres que hombres. Para lograr estos tamaos debe calcularse el radio. Por ejemplo, si se ha elegido
un radio masculino de 4 cm, el radio femenino puede calcularse mediante la frmula siguiente:
El radio femenino es igual al radio masculino multiplicado por la raz cuadrada del n femenino, resultado
que se dividir por la raz cuadrada del n masculino, donde n = tamao de la muestra de cada sexo. Si el
radio masculino es 4 cm, con esta frmula se obtendr un radio femenino de 4,22 cm.

Diagrama de barras

Representacin grfica donde cada barra representa una frecuencia parcial. En el eje de las ordenadas se
indican las frecuencias absolutas, y en el eje de absisas se representan los valores de la variable x. De
esta manera, las barras ms altas tienen mayor frecuencia.
Existen diferentes tipos de diagramas de barras, de los cuales se ilustran tres: las barras simples, las
barras superpuestas y las barras adyacentes. Los dos ltimos tipos dan informacin sobre dos variables
al mismo tiempo, que son sexo y estado civil en los ejemplos que siguen:

Varones
Mujeres
Bronquitis
Angina
Saram
pin
Otras
Bronquitis
Angina
Saram
pin
Otras


Las barras tambin pueden disponerse horizontalmente.
Mediante el diagrama de barras pueden representarse variables cualitativas y cuantitativas discretas.

Histograma de Pearson

Utilizado para representar variables cuantitativas continuas agrupadas en intervalos, este grfico se
compone de barras adyacentes cuya altura es proporcional a las respectivas frecuencias parciales. En el
ejemplo siguiente, se presenta la tabla de frecuencias por intervalos y su histograma correspondiente:

x (longitud) f
1-1.99 3
2-2.99 5
3-3.99 2
Total 10


f

25

20

15

10

5

Barras simples
f

25

20

15

10

5

Solteros Casados Separados
x
Barras superpuestas
f

25

20

15

10

5

Solteros Casados Separados x
Barras adyacentes
Solteros Casados Separados x
Adolescentes
Adultos


Como pude apreciarse, en las absisas se indican los lmites inferiores de los intervalos.
Cuando los intervalos no son iguales, en lugar de indicar las frecuencias absolutas pueden indicarse las
alturas (h). Esta ltima se obtiene dividiendo la frecuencia parcial por el tamao del intervalo
correspondiente.

Polgono de frecuencias

Es un grfico de lneas rectas que unen puntos, siendo cada punto la interseccin del punto medio del
intervalo (indicado en las absisas) y la frecuencia correspondiente. Tomando el ejemplo anterior, el
polgono de frecuencias sera el siguiente:



Un polgono de frecuencias puede obtenerse tambin a partir del histograma correspondiente. Para ello
basta con indicar los puntos medios de cada lnea horizontal superior de cada barra del histograma, y
luego unirlos con lneas rectas.
Otra alternativa para este tipo de diagrama es el polgono de frecuencias acumuladas, donde se indican
las frecuencias acumuladas en lugar de las frecuencias habituales.

Ojiva de Galton

Grfico en el cual se consignan en las ordenadas las frecuencias acumuladas y en las absisas los lmites
superiores de cada intervalo (aunque tambin pueden indicarse los puntos medios de cada intervalo). Por
ejemplo:

x (longitud) f F
1-1.99 3 3
2-2.99 5 8
3-3.99 2 10
Total 10

f

5

4

3

2

1

1.5 2.5 3.5 punto medio (xm)
f

5

4

3

2

1

1 2 3 4
x


La ojiva de Galton tambin puede representar frecuencias acumuladas decrecientes.

4. SNTESIS DE LOS DATOS: MEDIDAS ESTADSTICAS DE POSICIN

Los datos individuales pueden ser sintetizados mediante medidas de posicin, medidas de dispersin
(ambas se llaman medidas estadsticas), medidas de asimetra y medidas de curtosis. En este tem se
describen las medidas de posicin.

Definicin

Las medidas de posicin pueden ser definidas de diversas formas (4). En esta nota proponemos la
siguiente definicin: Las medidas de posicin son datos estadsticos que intentan representar un conjunto
de datos individuales respecto de una variable.
Esta definicin se refiere a tres cuestiones:

1) Son medidas estadsticas, es decir, no son medidas individuales. Una medida de posicin representa a
todo un conjunto de datos, y no son los datos individuales. Por ejemplo, un promedio de edades
representa a todas las edades del grupo, y no es la edad individual de uno de sus miembros, aunque
pueda coincidir numricamente con ella. As, si el promedio de edades es 20 aos y una de las personas
del grupo tiene 20 aos, el primer dato es una medida estadstica y el segundo una medida individual.
En otros trminos, las medidas estadsticas no describen individuos, sino poblaciones o muestras. Por
ejemplo, no tiene sentido explicar que una persona es anciana porque vive en una poblacin cuyo
promedio de edad es 70 aos.
2) Son medidas representativas, es decir, intentan representar y sintetizar a todas las medidas
individuales. El conjunto de todas las medidas individuales puede recibir diversos nombres, tales como
muestra y poblacin, con lo cual tiene sentido afirmar proposiciones tales como una medida de posicin
representa una muestra o una poblacin.
Por ejemplo, es posible representar las notas obtenidas por un grupo de alumnos de diversas maneras:
a) El promedio de las notas es de 7.35 puntos (en este caso usamos una medida de posicin llamada
media aritmtica).
b) La mitad de los alumnos ha obtenido una nota superior a 6,5 puntos (en este caso utilizamos otra
medida de posicin llamada mediana).
c) La nota que ms se ha repetido fue 7 puntos (en este caso usamos la medida de posicin llamada
modo).
La pregunta acerca de cul de las tres medidas de posicin representa mejor al conjunto de datos
individuales es el problema de la representatividad de la medida de posicin, y la estadstica suministra,
F

10

9

8

7

6

5

4

3

2

1
1.99 2.99 3.99 lm superior (Ls)
como se ver, diversos criterios para evaluar la mejor forma de representar un cierto nmero de datos
individuales.
3) Son medidas que miden una variable, es decir, algn atributo o propiedad de los objetos. En el
ejemplo anterior la variable medida es el rendimiento acadmico, pero tambin pueden obtenerse
medidas de posicin representativas de un conjunto de edades, de profesiones, de clases sociales, de
puntuaciones de un test, de cantidad de dientes, etc.
De otra manera: no tiene sentido decir que una medida de posicin represente un conjunto de personas,
pero s tiene sentido decir que representan las edades de un conjunto de personas.

Caractersticas de las principales medidas de posicin

Las medidas de posicin pueden ser de tendencia central y de tendencia no central. Las primeras se
refieren a los valores de la variable que suelen estar en el centro de la distribucin (Kohan, 1994:69).
Por ejemplo: la media aritmtica, la mediana y el modo son las ms conocidas, pero tambin est la
media aritmtica ponderada (til cuando hay valores que se repiten y que requieren atencin diferencial),
la media geomtrica (Kohan, 1994:71-72), la media armnica, la media antiarmnica, la media
cuadrtica, la media cbica, etc.
Las medidas de posicin no centrales son los cuartiles, deciles y percentiles (Kohan, 1994:79), que
reciben genricamente el nombre de cuantiles o fractiles (5). Los cuantiles se clasifican entonces en
cuartiles, quintiles, deciles y percentiles, segn que dividan la serie ordenada de valores en cuatro, cinco,
diez o cien partes iguales.
De acuerdo a Botella (1993:99), las medidas de posicin no centrales son datos o valores que ocupan
una posicin especial en la serie de datos. Cuando una medida de posicin es un dato que ocupa un lugar
central, la llamamos medida de tendencia central.

En el siguiente cuadro se especifican las definiciones y caractersticas principales de las medidas de
posicin.

Medida Definicin Caractersticas
MODO Es el dato o
valor que ms
se repite, o
sea, el de
mayor
frecuencia.
Resulta til si hay muchos datos repetidos (altas frecuencias).
Puede calcularse cuando hay valores muy extremos.
El modo muestral no es un estimador suficiente del modo poblacional
porque no incluye todos los datos.
En distribuciones multimodales es posible que la muestra no sea
homognea, y que est constituda por varios estratos.
Es posible convertir una distribucin multimodal en una modal
reorganizando los intervalos.
Si una distribucin no tiene modo, podra obtenerse reorganizando los
datos en intervalos.
MEDIANA Es el dato o
valor que
divide por la
mitad la serie
de datos
ordenados
creciente o
decrecienteme
nte, es decir,
es el valor
central de la
serie.
Es la medida ms til en escalas ordinales siempre que los valores
centrales sean iguales.
No est influenciada por los valores extremos (por ello por ejemplo
puede aplicarse desconociendo estos o sea cuando hay lmites
superiores o inferiores abiertos).
Puede usarse cuando hay intervalos abiertos, siempre que el orden de
la mediana no se corresponda con ellos.
Es til cuando unos pocos datos difieren mucho del resto.
No es til si hay muchos datos repetidos (altas frecuencias).
La mediana muestral no es un estimador suficiente de la mediana
poblacional porque no incluye todos los datos.
Es til es distribuciones muy asimtricas (extremos no compensados).
La mediana coincide con el Q2 (cuartil 2), el D5 (decil 5) y el P50
(percentil 50) (8).
MEDIA
ARITMTICA
Es el promedio
aritmtico de
todos los
datos o
valores.
Est influenciada por los valores extremos (por ejemplo, no puede
utilizarse cuando hay valores extremos desconocidos o intervalos
abiertos, salvo que estos puedan cerrarse).
No conviene cuando los valores extremos son muy altos o muy bajos.
Es til en distribuciones simtricas (con extremos compensados).
No puede usarse en escalas nominales ni ordinales.
Es siempre superior a la media geomtrica y a la media armnica.
La media muestral es un estimador suficiente de la media poblacional
porque incluye todos los datos.
No necesariamente coincide con alguno de los valores.
La media aritmtica tiene varios otras propiedades (7).
CUANTIL Es el dato o
valor que
Es til cuando hay gran cantidad de valores.
Puede tambin utilizarse como medida de dispersin.
divide la serie
ordenada de
datos en
partes iguales.
Suelen utilizarse los cuartiles, los deciles y los percentiles.
-Cuartiles Valores que
dividen la
serie en
cuatro partes
iguales.
Tres cuartiles dividen la serie en cuatro partes iguales.
-Deciles Valores que
dividen la
serie en diez
partes iguales.
Nueve deciles dividen la serie en diez partes iguales.

-Percentiles Valores que
dividen la
serie en cien
partes iguales.
Noventa y nueve percentiles dividen la serie en cien partes iguales.
Tambin se llaman centiles.


Relacin entre modo, mediana y media aritmtica.- a) La experiencia indica que la relacin entre estas
tres medidas es:
Modo = (3 . Mediana) (2 . Media aritmtica). Esta relacin es conocida como la frmula de Pearson. b)
Cuanto ms simtrica es una distribucin (por ejemplo en una curva normal), ms tienden a coincidir los
valores de las tres medidas.

Media armnica y media geomtrica.- Otras medidas de posicin asociadas a la media aritmtica son la
media armnica y la media geomtrica.
La media armnica es una medida de posicin que suele utilizarse cuando se comparan cantidades
constantes de una variable con cantidades variables de otra. Se emplea por ejemplo en fsica o en
msica.
La media armnica se utiliza en problemas tales como el siguiente: Cul es la velocidad promedio de un
mvil que recorre una trayectoria sobre un cuadrado de 200 km de lado? Las cantidades variables son las
velocidades diferentes en cada lado del cuadrado, mientras que la cantidad constante es 200 km. Para
calcularla, se utiliza una frmula donde el numerador es la cantidad de lados (en este caso cuatro), y el
denominador es la suma de las inversas de las diferentes velocidades (por ejemplo 1/200 kmh, ms
1/150 kmh, etc.).
La media geomtrica es una medida de posicin utilizada en variables tales como tasas de crecimiento,
tasas de mortalidad, tasas de inters o cualquier otra expresada en porcentajes. La media geomtrica no
est tan influenciada por los valores extremos como en la media aritmtica
La media geomtrica se utiliza en problemas tales como el siguiente: En un banco se colocan 100$ al
10% en el primer mes, al 6% en el segundo mes, al 4% en el tercer mes y al 8% en el cuarto mes. Cul
es la tasa de inters promedio obtenida?
Para calcular la media geomtrica, es decir, la tasa de inters promedio, se utiliza la frmula
correspondiente. En este caso se multiplican los valores $110, $106, $104 y $108, que expresan el
capital no acumulado ms el inters de cada mes, y el resultado se lo eleva a la raz cuarta (porque son
cuatro los meses). El resultado es $106.9 que, restado a $100, da $6.9. Esto significa que la tasa de
inters promedio es del 6.9%.

Clculo analtico de las medidas de posicin: frmulas

Para calcular una determinada medida de posicin puede haber diversas frmulas. La eleccin de la
frmula adecuada depender de la forma en que estn organizados los datos individuales.
En principio, los datos pueden estar organizados de cuatro maneras:
1) Datos desordenados. Por ejemplo, las edades de un grupo de cuatro personas son 17, 29, 17 y 14.
Cuando se recolecta informacin, generalmente se obtienen datos desordenados, frente a lo cual
convendr ordenarlos.
2) Datos ordenados. Por ejemplo, las edades del mismo grupo de personas son 14, 17, 17 y 29, si hemos
decidido ordenarlas en forma creciente, aunque tambin podemos ordenarlas decrecientemente.
3) Datos agrupados por frecuencia. Por ejemplo, hay dos edades de 17 aos, una edad de 14 aos y una
edad de 29 aos. O, lo que es lo mismo, la frecuencia de la edad 17 es 2, y la frecuencia de las restantes
edades es 1.
4) Datos agrupados por intervalos. Por ejemplo, hay 3 edades comprendidas en el intervalo 14-17 aos,
y una edad comprendida en el intervalo 18-29 aos.
La estadstica va agrupando los datos siguiendo el orden anterior. Cuanto ms avance en este proceso,
ms habr logrado sintetizar y organizar los datos individuales.
En el siguiente cuadro se sintetizan las diversas reglas o frmulas para calcular las medidas de posicin,
segn como estn organizados los datos individuales y segn los niveles de medicin que admiten.
Ntese que en algunos casos no es posible especificar ninguna frmula, y entonces el clculo se har
siguiendo la regla indicada para los mismos. Por ejemplo: para calcular el modo de un conjunto de datos
ordenados, debe buscarse el dato o valor que ms se repite (6).

Clculo de medidas de posicin segn los niveles de medicin que admiten y segn la forma de organizacin de los datos individuales.
Preparado por: Pablo Cazau

Medida de
posicin
Nivel de
medicin
Datos ordenados Datos agrupados por frecuencia Datos agrupados por intervalos
Modo Nominal Valor que ms se repite Valor con la mayor frecuencia
------------
Ordinal Valor que ms se repite Valor con la mayor frecuencia
------------
Cuantitativo Valor que ms se repite Valor con la mayor frecuencia
f - f
ant

Mo = L
i
+ ---------------------- . a
(f - f
ant
) + (f- f
pos
)
Mediana Ordinal Valor central de la serie
ordenada de valores
Valor que corresponde a la frecuencia acumulada n/2
------------
Cuantitativo Valor central de la serie
ordenada de valores
Valor que corresponde a la frecuencia acumulada n/2
n/2 - F
ant

Mn = L
i
+ ---------------------- . a
f
Media
aritmtica
Cuantitativo
E x
X = -----
n
E (x.f)
X = ---------
n
E (x
m
.f)
X = ---------
n
Cuartil Cuantitativo Valores que dividen la serie
en cuatro partes iguales.
Por tanto, hay 3 cuartiles: Q1,
Q2 y Q3
Valor que corresponde a la frecuencia acumulada t.n/4, expresin
llamada cuartil de orden o Q
0
(1)
Donde t puede valer 1, 2 o 3.
Por tanto, hay 3 cuartiles: Q1, Q2 y Q3
t.n/4 - F
ant

Q
t
= L
i
+ ---------------- . a
f
Decil Cuantitativo Valores que dividen la serie
en diez partes iguales.
Por tanto, hay 9 deciles:
desde el D1 hasta el D9
Valor que corresponde a la frecuencia acumulada t.n/10, expresin
llamada decil de orden o D
0
(1)
Donde t puede valer entre 1 y 9.
Por tanto, hay 9 deciles: desde el D1 hasta el D9
t.n/10 - F
ant

D
t
= L
i
+ ---------------- . a
f
Percentil Cuantitativo Valores que dividen la serie
en cien parte iguales.
Por tanto, hay 99 percentiles:
desde el P1 hasta el P99
Valor que corresponde a la frecuencia acumulada t.n/100, expresin
llamada percentil de orden o P
0
(1)
Donde t puede valer entre 1 y 99.
Por tanto, hay 99 percentiles: desde el P1 hasta el P99
t.n/100 - F
ant

P
t
= L
i
+ ---------------- . a
f

(1) Si no puede identificarse unvocamente una frecuencia acumulada, y por tanto un valor determinado de x, puede ser calculada por interpolacin. En realidad, los cuantiles se
utilizan preferentemente cuando los datos estn agrupados por intervalos.

A continuacin, se suministran ejemplos de cmo calcular cada medida de posicin teniendo en cuenta
las reglas y frmulas del esquema anterior.

a) Clculo del modo para datos ordenados (niveles nominal, ordinal y cuantitativo)

Nivel nominal: perro, perro, gato, gato, gato, gato (por tanto, el modo es gato)
Nivel ordinal: grande, grande, mediano, mediano, mediano, chico, chico, chico, chico (por tanto, el
modo es chico)
Nivel cuantitativo: 6, 6, 7, 7, 7, 7, 8, 9, 10, 10, 11 (por tanto, el modo es 7)

b) Clculo del modo para datos agrupados en frecuencia (niveles nominal, ordinal y
cuantitativo)

Nivel nominal Nivel ordinal Nivel cuantitativo
x (religin) f
Catlicos 56
Protestantes 78
Judos 45
Budistas 24
Otros 31
x (dureza) f
Muy duro 18
Duro 8
Intermedio 13
Blando 16
Muy blando 7
x (edad) f
30 aos 6
31 aos 14
32 aos 19
33 aos 24
34 aos 15
El modo es Protestantes El modo es Muy duro El modo es 33 aos

Como puede verse, el modo es el valor de la variable x que est ms repetido.

c) Clculo del modo para datos agrupados por intervalos (nivel cuantitativo)

x (cantidad piezas dentarias) f
10-18 6
19-27 8
28-36 24
37-45 2
n=40

Una vez confeccionada la tabla de frecuencias por intervalos, se procede en dos pasos:

a) Se identifica cul es el intervalo de mayor frecuencia. En este caso, es 28-36.
b) Se aplica la frmula correspondiente:

f - f
ant

Mo = L
i
+ ---------------------- . a
(f - f
ant
) + (f- f
pos
)

24 - 8
Mo = 28 + ---------------------- . 8 = 31.37 piezas dentarias
(24 - 8) + (24 - 2)

d) Clculo de la mediana para datos ordenados (niveles ordinal y cuantitativo)

Para hallar la mediana de un conjunto de datos, primero hay que organizarlos en orden descendente o
ascendente. Si el conjunto de datos contiene un nmero impar de elementos, el central es la mediana. Si
hay un nmero par, la mediana es el promedio de los dos datos centrales.

Ejemplos para el nivel ordinal:

Nmero impar de datos: alto, alto, alto, alto, medio, medio, medio, medio, medio, medio, bajo (por
tanto, la mediana es = medio).
Nmero par de datos: En el nivel ordinal no puede calcularse un promedio si los dos valores centrales son
distintos. Si los dos valores centrales son iguales, ese es el valor de la mediana.

Ejemplos para el nivel cuantitativo:

Nmero impar de datos: 13, 13, 13, 14, 14, 17, 18, 19, 19 (por tanto, la mediana es 14)
Nmero par de datos: 11, 11, 12, 13, 14, 15, 16, 18, 18, 18 (por tanto, la mediana es el promedio entre
14 y 15, o sea 14.5).


Pgina 35 de 325
35
e) Clculo de la mediana para datos agrupados por frecuencia (niveles ordinal y cuantitativo)

x (das) f F
1 7 7
2 9 16
3 14 30
4 10 40
5 2 42
n = 42

La variable es aqu cantidad de das de posoperatorio.
El procedimiento es el siguiente:
a) Se calcula la mediana de orden:

Mn
0
= n/2 = 42/2 = 21

b) Se identifica cul es el valor de x que corresponde a la frecuencia acumulada que contiene el valor 21:

Dicha frecuencia acumulada es 30, y, por lo tanto Mn = 3 das

f) Clculo de la mediana para datos agrupados por intervalos (nivel cuantitativo)

x f F
0-3 8 8
3-6 10 18
6-9 11 29
9-12 12 41
12-15 9 50
15-18 7 57
18-21 6 63
21-24 5 68
n = 68

Ntese que para calcular la mediana se precisa informacin sobre frecuencias acumuladas, razn por la
cual se ha agregado la columna respectiva.
Se procede en dos pasos:
a) Se identifica cul es el intervalo que debe ser considerado, para lo cual se calcula la mediana de
orden:

Mn
0
= n/2 = 68/2 = 34
Tomando en cuenta las frecuencias acumuladas, el valor 34 entra en la frecuencia acumulada 41, y, por
lo tanto, el intervalo a considerar ser 9-12.
b) Se aplica la frmula de mediana:

n/2 - F
ant

Mn = L
i
+ ---------------------- . a
f

34 - 29
Mn = 9 + ---------------------- . 3 = 10.25
12

Tngase presente que si la variable fuera discreta y medible slo en nmeros enteros, sera Mn = 10.
Si la variable fuese cantidad de materias aprobadas, el alumno con 10 materias aprobadas est en el
lugar central de la serie, es decir, habra un 50% de compaeros con menos materias aprobadas y un
50% con ms materias aprobadas.

g) Clculo de la media aritmtica para datos ordenados (nivel cuantitativo)

Dados los siguientes dados ordenados: 2-2-3-4-4-4-5-5-6-7-8-10
Se puede calcular la media aritmtica aplicando la frmula:

E x
X = -----
n

Pgina 36 de 325
36

2+2+3+4+4+4+5+5+6+7+8+10 60
X = ---------------------------------------- = --------- = 5
12 12


h) Clculo de la media aritmtica para datos agrupados por frecuencia (nivel cuantitativo)

x (edad) f f . x
18 3 54
19 1 19
20 2 40
23 4 42
25 2 50
26 2 52
28 2 56
n = 16 363

Ntese que para el clculo de la media aritmtica se ha agregado una columna con los productos de x . f.
Se aplica la frmula de media aritmtica:

E (x.f) 54+19+40+42+50+52+56 363
X = --------- = ----------------------------------- = -------- = 22.68 aos = 23 aos.
n 16 16


i) Clculo de la media aritmtica para datos agrupados por intervalos (nivel cuantitativo)

x f x
m
x
m
.f
0-3 8 1.5 12
3-6 10 4.5 45
6-9 11 7.5 82.5
9-12 12 10.5 126
12-15 9 13.5 121.5
15-18 7 16.5 115.5
18-21 6 19.5 117.6
21-24 5 22.5 112.5
n = 68 732.5

Ntese que para el clculo de la media aritmtica se ha agregado una columna con los puntos medios de
los intervalos y otra con los productos de las frecuencias por los puntos medios.
Se aplica la frmula de media aritmtica:

E (x
m
.f) 732.5
X = ------------- = ---------- = 10.77
n 68

El mtodo corto y el mtodo clave son dos mtodos alternativos para calcular la media aritmtica, siendo
el ltimo slo aplicable cuando el tamao de los intervalos es constante.
De acuerdo al mtodo corto, la media aritmtica se calcula sumando al punto medio del intervalo de
mayor frecuencia, el cociente entre la sumatoria de los productos entre cada frecuencia y la diferencia
entre el punto medio de cada intervalo menos el punto medio del intervalo de mayor frecuencia, y la
sumatoria de frecuencias (n).
De acuerdo al mtodo clave, la media aritmtica se calcula sumando al punto medio del intervalo de
mayor frecuencia, el producto entre el tamao del intervalo y un cociente, donde el numerador es la
sumatoria de los productos entre las frecuencias y el llamado intervalo unitario (que resulta de dividir la
diferencia entre cada punto medio y el punto medio del intervalo de mayor frecuencia, por el tamao del
intervalo), y donde el denominador es la sumatoria de frecuencias (n).

j) Clculo del cuantil para datos ordenados (nivel cuantitativo)

1-1-1-1-1-2-2-2-3-3-3-3-4-5-6-6-6-6-7-7-8-8-9


Pgina 37 de 325
37
Si en la serie anterior resaltamos los tres valores que la dividen en cuatro partes iguales, esos valores
sern los cuartiles Q
1
, Q
2
y Q
3
:

1-1-1-1-1-2-2-2-3-3-3-3-4-5-6-6-6-6-7-7-8-8-9

Q
1
= 2
Q
2
= 3
Q
3
= 6

Sin embargo, es ms prctico agrupar los datos por frecuencias o por intervalos, a los efectos del clculo
de los cuantiles (cuartiles, deciles o percentiles).

k) Clculo del cuantil para datos agrupados por frecuencia (nivel cuantitativo)

x (edad) f F
18 3 3
19 1 4
20 2 6
23 4 10
25 2 12
26 2 14
28 2 16
n = 16

Se pueden calcular, por ejemplo, Q
1
, Q
2
y Q
3
.

El primer paso consiste en averiguar los respectivos cuartiles de orden.

Para Q
1
es Q
0
= t.n/4 = 1.16/4 = 4
Para Q
2
es Q
0
= t.n/4 = 2.16/4 = 8
Para Q
3
es Q
0
= t.n/4 = 3.16/4 = 12

El segundo y ltimo paso consiste en identificar el valor de x correspondiente al cuartil de orden
respectivo.

Q
1
= 4
Q
2
= Est entre 20 y 23
Q
3
= 25

l) Clculo del cuantil para datos agrupados por intervalos (nivel cuantitativo)

x (puntaje) f F
0-10 1 1
10-20 3 4
20-30 5 9
30-40 6 15
40-50 10 25
50-60 12 37
60-70 13 50
70-80 9 59
80-90 4 63
90-100 3 66
n = 66

Se pueden calcular, por ejemplo, Q
3
, D
7
y P
45
.

El primer paso consiste en averiguar los cuantiles de orden:

Para Q
3
es Q
0
= t.n/4 = 3.66/4 = 49.5
Para D
7
es D
0
= t.n/10 = 7.66/10 = 46.2
Para P
45
es P
0
= t.n/100 = 45.66/100 = 29,7

El segundo paso consiste en identificar el intervalo que corresponde al cuantil de orden en la columna de
frecuencias acumuladas:

El valor 49.5 corresponde al intervalo 60-70

Pgina 38 de 325
38
El valor 46.2 corresponde al intervalo 60-70
El valor 29.7 corresponde al intervalo 50-60

El tercer y ltimo paso consiste en aplicar la frmula basndose en la informacin del intervalo
identificado. Si la frmula pide el dato de la frecuencia acumulada anterior y esta no existe, se coloca 0
(cero).
En el ejemplo del clculo del D7, se aplica la siguiente frmula:

t.n/10 - F
ant

D
t
= L
i
+ ------------------- . a
f

46.2 - 37
D
7
= 60 + ---------------- . 11 = 67.78
13


Clculo visual de las medidas de posicin: grficos

Es posible utilizar un procedimiento grfico para calcular ciertas medidas de posicin, tales como el modo
y la mediana. Por ejemplo, el modo se puede calcular a partir de un histograma. La mediana tambin
puede calcularse con un histograma, aunque lo ms habitual es hacerlo mediante una ojiva.

a) Clculo del modo mediante un histograma

Una vez construido el histograma a partir de una tabla de datos agrupados por intervalos:
1) Se considera el rectngulo de mayor frecuencia (mayor altura).
2) Dentro del mismo se trazan dos rectas como est indicado en el grfico siguiente.
3) Por la interseccin de ambas rectas se traza una recta perpendicular al eje de absisas.
4) El punto del eje de las absisas por donde pasa la recta perpendicular corresponde al modo (en el
ejemplo, el modo es 4.80).



b) Clculo de la mediana mediante una ojiva

En este caso pueden utilizarse dos procedimientos:
1) Una vez trazada la ojiva, a) se ubica en el eje de las ordenadas a la mediana de orden (Mn
0
); b) por
la mediana se orden se traza una recta paralela al eje x hasta que intersecte la ojiva; c) por este punto
de interseccin se traza una recta paralela al eje y hasta que intersecte el eje x. En este punto estar
ubicada la mediana.
2) Se trazan en el mismo eje de coordenadas las ojivas creciente y decreciente de la misma distribucin
de datos. Luego, a) se traza una recta paralela al eje y que pase por la interseccin de ambas ojivas y
por algn punto del eje x; b) el punto del eje x por donde pasa dicha recta corresponde a la mediana.

Criterios de eleccin de medidas de posicin

1) La eleccin de una medida de posicin debe tener en cuenta el nivel de medicin de la variable que se
mide:
f

5

4

3

2

1

1 4 7 10
x

Pgina 39 de 325
39

Nivel nominal Nivel ordinal Nivel cuantitativo
Modo SI SI SI
Mediana NO SI. Siempre y cuando los dos
valores centrales con n = par
sean iguales. En caso
contrario usar el Modo.
SI
Media
aritmtica
NO NO SI Cuando no haya valores extremos
alejados ni valores extremos abiertos. En
caso contrario, usar el Modo o la Mediana
(*).
Cuantiles NO NO SI

(*) Hay al menos tres situaciones donde se preferir la mediana a la media (Botella, 1993:115): a) cuando la variable
es ordinal, b) cuando haya valores extremos que distorsionen la interpretacin de la media, y c) cuando haya
intervalos abiertos, como en el caso de variables como ingresos mensuales.

2) La eleccin de una medida de posicin debe tener en cuenta la forma en que estn organizados los
datos. Por ejemplo: en ocasiones, el azar hace que un solo elemento no representativo se repita lo
suficiente para ser el valor ms frecuente del conjunto de datos. Es por esta razn que rara vez
utilizamos el modo de un conjunto de datos no agrupados como medida de tendencia central. Por esta
razn, debemos calcular el modo en datos agrupados en una distribucin de frecuencias (Levin y Rubin,
1996).

3) La eleccin de una medida de posicin de una muestra debe tener en cuenta el grado de fidelidad con
que representa a la medida de posicin poblacional.
Botella (1993:114) afirma, en este sentido, que si no hay ningn argumento en contra, siempre se
preferir la media, no slo porque permite la utilizacin de otras medidas estadsticas (por ejemplo el
desvo estndar), sino porque es ms representativa de la media poblacional que el modo o la mediana
con respecto al modo o la mediana poblacional.

5. SNTESIS DE LOS DATOS: MEDIDAS ESTADSTICAS DE DISPERSIN

Definicin

Las medidas de dispersin, llamadas tambin medidas de variabilidad o de variacin, son datos
estadsticos que informan acerca del grado de dispersin o variabilidad de los datos individuales de una
muestra o una poblacin, respecto de una variable. En otras palabras, indican el grado de homogeneidad
o de heterogeneidad del conjunto de los datos. Por ejemplo, indican cun alejados o cun cercanos se
encuentran los datos de algn valor central como la media aritmtica: una muestra cuyos datos son 3-4-
5 es menos dispersa que una muestra cuyos datos son 1-4-7.

Algunos autores (Botella, 1993:325) han relacionado la dispersin de los datos -para los niveles de
medicin nominal y ordinal- con los conceptos de entropa y de incertidumbre e incluso han propuesto
a la primera como una medida que permite cuantificar la dispersin: a mayor dispersin de los datos, hay
mayor entropa y mayor incertidumbre.
Por ejemplo, las siguientes dos muestras tienen cada una 40 sujetos que han elegido determinados
colores para representar la idea de paz:

Blanco Verde Amarillo Celeste Rosa
Muestra A: 28 3 3 3 3
Muestra B: 8 8 8 8 8

Si habra que adivinar qu color eligi determinado sujeto de la muestra A, cabra proponer el color
blanco porque fue el ms elegido. En cambio, la incertidumbre aumenta si habra que elegir lo mismo en
la muestra B. En esta muestra hay ms entropa, es decir, ms desorden, mientras que en la muestra A
los datos estn ms ordenados alrededor de un valor muy repetido, como el blanco.
La muestra B es ms dispersa, es decir, ms heterognea, mientras que la muestra A es menos dispersa,
es decir, ms homognea. La homogeneidad no debe relacionarse con la repeticin de frecuencias (3-3-
3-3) sino con la repeticin de valores iguales o muy cercanos entre s (28 sujetos eligieron blanco).

Una medida de posicin no alcanza para describir adecuadamente una muestra. Se obtiene una
informacin ms precisa y completa de ella cuando adems se utiliza una medida de dispersin.
Por ejemplo, la muestra 1 de datos 3-4-5 y la muestra 2 de datos 1-4-7 tienen la misma medida de
posicin: la media aritmtica en ambos casos es 4. Sin embargo, se trata evidentemente de dos
muestras diferentes, por cuanto la segunda es ms dispersa que la primera, es decir, sus datos estn
ms alejados de la media aritmtica.

Pgina 40 de 325
40
En la primera muestra el promedio de las desviaciones respecto de la media es 1 (de 3 a 4 hay 1, y de 5
a 4 hay 1), mientras que el promedio de las desviaciones en la segunda muestra es 3 (de 1 a 4 hay 3, y
de 7 a 4 hay 3). Por lo tanto, ambas muestras pueden representarse de la siguiente manera:

Muestra 1: 4 + 1 (se lee 4 ms/menos 1)
Muestra 2: 4 + 3 (se lee 4 ms/menos 3).

Las medidas de dispersin tienen una importancia adicional porque (Levin y Rubin: 1996): a)
Proporcionan informacin adicional que permite juzgar la confiabilidad de la medida de tendencia central.
Si los datos se encuentran ampliamente dispersos, la posicin central es menos representativa de los
datos. b) A veces resulta indispensable conocer la dispersin de una muestra porque muestras
demasiado dispersas pueden no ser tiles para poder sacar conclusiones tiles sobre la muestra. Levin y
Rubin indican que, ya que existen problemas caractersticos para datos ampliamente dispersos,
debemos ser capaces de distinguir los que presentan esa dispersin antes de abordar esos problemas.

Caractersticas de las principales medidas de dispersin

En general, las medidas de dispersin ms utilizadas sirven para la medicin de variables en el nivel
cuantitativo. Seguidamente se examinarn las siguientes medidas de dispersin: rango, desviacin
media, varianza, desvo estndar, desvo intercuartlico y coeficiente de variacin.

En el siguiente cuadro se especifican las definiciones y caractersticas principales de las medidas de
dispersin.

Medida Definicin Caractersticas
RANGO Es la diferencia
entre los valores
mximo y mnimo
de la variable.
De uso limitado, no es una buena medida de dispersin.
Es muy sensible a los valores extremos e insensible a los valores
intermedios.
Est muy vinculada al tamao de la muestra: es probable que la muestra
de mayor tamao presente mayor rango aunque las poblaciones de
referencia tengan igual dispersin (Botella, 1993).
Se llama tambin amplitud.
DESVIACION
MEDIA
Es el promedio de
las desviaciones de
todos los valores
respecto de la
media aritmtica.
Considera desviaciones absolutas, es decir, no las considera con valores
negativos (de otro modo, el promedio de las desviaciones, por un teorema
de la media aritmtica, dara cero). Esto representa una dificultad de
clculo, por lo que se utiliza la varianza.
VARIANZA Es el promedio de
los cuadrados de
las desviaciones
con respecto a la
media aritmtica.
Es un valor esencialmente no negativo (10).
Matemticamente es buena medida de dispersin, pero da valores muy
altos, por lo cual en estadstica descriptiva se utiliza el desvo estndar
(9).
Se apoya en una propiedad de la media aritmtica segn la cual la suma
de los cuadrados de las desviaciones respecto a la media es un valor
mnimo.
La varianza permite comparar la dispersin de dos o ms muestras si sus
medias aritmticas son similares (Botella, 1993).
Si se suma una constante a un conjunto de valores, la varianza no se
modifica (Botella, 1993).
Si se multiplica por una constante a un conjunto de valores, la varianza de
los nuevos valores el igual al producto de la varianza de las originales por
el cuadrado de la constante (Botella, 1993).
DESVIO
ESTNDAR
Es la raz cuadrada
de la varianza (11)
Es un valor esencialmente no negativo (10).
Es la medida de dispersin ms utilizada.
Se la emplea conjuntamente con la media aritmtica como medida de
posicin.
La raz cuadrada permite compensar el cuadrado de la varianza.
Si se suma una constante a un conjunto de valores, el desvo estndar no
se modifica (Botella, 1993).
Si se multiplica por una constante a un conjunto de valores, el desvo
estndar de los nuevos valores el igual al producto del desvo estndar de
las originales por el cuadrado de la constante (Botella, 1993).
Se llama tambin desviacin tpica, o tambin desviacin estndar
(Pagano, 1998:71).
DESVIO
INTER
CUARTILICO
Es la diferencia
entre el Q
3
y el Q
1
.
Expresa el rango del 50% central de la serie de valores.
Se llama tambin amplitud intercuartil.

Pgina 41 de 325
41
COEFICIENTE
DE
VARIACION
Es el cociente entre
el desvo estndar y
la media aritmtica.
Permite comparar la dispersin de dos o ms muestras con diferentes
medias aritmticas: a mayor coeficiente de variacin, mayor dispersin.
No se expresa en unidades como la variable en estudio (por ejemplo, para
edad, no se expresa en aos).
Puede considerarse como un ndice de la representatividad de la media
aritmtica: cuanto mayor es el coeficiente de variacin, menos
representativa es la media (Botella, 1993).

Clculo analtico de las medidas de dispersin: frmulas

En este tem se indican las frmulas para calcular medidas de dispersin, y se suministran ejemplos de
cada caso.

Clculo de las medidas de dispersin segn la forma de organizacin de los datos individuales
Preparado por: Pablo Cazau

Medida de
dispersin
Datos ordenados Datos agrupados por frecuencia Datos agrupados por intervalos
Rango
R = x
may
- x
men
R = x
may
- x
men

No
Desviacin
media
E | x X |
D
m
= ---------------
n
E | x X | . f
D
m
= ------------------
n
E | x
m
X | . f
D
m
= --------------------
N
Desvo
estndar
E ( x X )
2

S = ----------------
n
El segundo miembro es a
la raz cuadrada
E ( x X )
2
. f
S = -------------------
n
El segundo miembro es a la raz
cuadrada
E ( x
m
X )
2
. f
S = ----------------------
n
El segundo miembro es a la raz cuadrada
Varianza Es el cuadrado del
desvo estndar (S
2
)
Es el cuadrado del desvo estndar
(S
2
)
Es el cuadrado del desvo estndar
(S
2
)
Desvo
intercuartlico
D
Q
= Q
3
Q
1
D
Q
= Q
3
Q
1
D
Q
= Q
3
Q
1

Coeficiente
de variacin
S
CV = -----
X
S
CV = -----
X
S
CV = -----
X

Cuando hay que calcular varianza o desvo estndar poblacionales, se utiliza n en el denominador, pero
cuando se calculan las correspondientes medidas muestrales (o cuando la muestra es muy pequea), se
utilizar n1 (12).

a) Clculo del rango para datos ordenados y para datos agrupados por frecuencia

Se puede aplicar a estas muestras la frmula del Rango R = x
may
- x
men


Muestra 1: 80, 100, 100, 110, 120. Aqu el rango R es = 120 80 = 40.
Muestra 2: 30, 50, 70, 120, 180. Aqu el rango R es = 180 30 = 150

Como se ve, la muestra 2 es ms dispersa porque tiene mayor rango.

No se puede calcular el rango para datos agrupados por intervalos porque se desconocen cules son los
valores mximo y mnimo.

b) Clculo de la desviacin media para datos ordenados

La serie ordenada de datos puede ser la siguiente: 2, 3, 5, 6, 7, 9, 10
Como primer paso se calcula la media aritmtica:

2+3+5+6+7+9+10
X = --------------------------- = 6
7

Como segundo y ltimo paso, se calcula la desviacin media:

E | x X | |2-6| + |3-6| + |5-6| + |6-6| + |7-6| + |9-6| + |10-6|
Dm = --------------- = --------------------------------------------------------------------- = 2.29
N 7

Pgina 42 de 325
42

c) Clculo de la desviacin media para datos agrupados por frecuencia

A la siguiente tabla de frecuencias (f) deber agregarse una columna (f.x) para calcular la media
aritmtica, y luego otras dos columnas (x-X) y (| x-X | . f) para calcular la desviacin media:

x f f . x | x - X | | x - X | . f
70 45 3150 35 1575
80 63 5040 25 1575
90 78 7020 15 1170
100 106 10600 5 530
110 118 12980 5 590
120 92 11040 15 1380
130 75 9750 25 1875
140 23 3220 35 115
n = 600 62800 160 8810

Primero se calcula la media aritmtica:

E (x.f) 62800
X = --------- = ------------ = 104.66 = 105
n 600

Finalmente se calcula la desviacin media:

E | x X | . f 8810
Dm = ------------------ = ------------ = 14.68
n 600

d) Clculo de la desviacin media para datos agrupados por intervalos

Se procede de la misma manera que en el caso anterior, con la diferencia que en lugar de considerar los
valores x, se consideran los puntos medios de los intervalos (x
m
).

e) Clculo del desvo estndar para datos ordenados

Para la serie de valores 5, 6, 10, su media aritmtica es 7. Una vez conocido este valor, puede obtenerse
el desvo estndar de la siguiente forma:

E ( x X )
2
(5-7)
2
+ (6-7)
2
+ (10-7)
2

S = \ ------------------- = \ ------------------------------------ = \ 4.66 = 2.2
n 3

f) Clculo del desvo estndar para datos agrupados por frecuencia

x (edad) f f . x x X ( x X )
2
( x X )
2
. f
18 3 54 -5 25 75
19 1 19 -4 16 16
20 2 40 -3 9 18
23 4 42 0 0 0
25 2 50 +2 4 8
26 2 52 +3 9 18
28 2 56 +5 25 50
n = 16 363 185

Primero se calcula la media aritmtica, que arroja un valor de X = 23.
Finalmente, se aplica la frmula de desvo estndar:

E ( x X )
2
. f 185
S = \ ---------------------- = \ ------------ = \ 11.56 = 3.2
n 16

Puede tambin utilizarse una frmula ms sencilla a los efectos del clculo (Bancroft, 1960:80):

E x
2
.f
S = ----------- - (X)
2


Pgina 43 de 325
43
n

Donde el primer trmino del segundo miembro es a la raz cuadrada.

g) Clculo del desvo estndar para datos agrupados por intervalos

Se procede del mismo modo que en el caso anterior, con la diferencia que se calcula el punto medio x
m
de los intervalos en lugar del valor x.

h) Clculo de la varianza

El procedimiento es el mismo que en el caso del desvo estndar. Slo debe tenerse presente que la
varianza es el cuadrado del desvo estndar.

i) Clculo del desvo intercuartlico

Dada la siguiente serie, obtener el desvo intercuartlico:

x f
0-20 2
20-40 4
40-60 5
60-80 8
80-100 1
n = 20

Primero se calculan los Q
3
y Q
1
aplicando la frmula explicada en medidas de posicin.
Finalmente, se aplica la frmula del desvo intercuartlico:

D
Q
= Q
3
Q
1
= 70 35 = 35

Una variante es el empleo del desvo semi-intercuartlico, es decir, el desvo intercuartlico dividido dos.
Se trata de una medida de dispersin propuesta por Galton en 1889, y que resulta recomendable cuando
hay algn valor extremo que pudiera distorsionar la representatividad de la media aritmtica (Botella,
1993).

j) Clculo del coeficiente de variacin

Si una muestra tiene una media aritmtica 111 y el desvo estndar 18, entonces su coeficiente de
variacin es:

S 111
CV = ----- = ---------- = 0.16
X 18

Cuanto mayor es el CV, mayor es la dispersin.
Tambin puede calcularse un coeficiente de variacin porcentual, multiplicando CV por 100. En el
ejemplo:

CV% = 0.16 . 100 = 16%.

Clculo visual de las medidas de dispersin: grficos

Botella (1993:143) menciona dos procedimientos para expresar grficamente medidas de dispersin: el
diagrama de caja y bigotes (Tukey, 1977) y el diagrama de bigotes verticales.

Diagrama de caja y bigotes


Pgina 44 de 325
44


Puede apreciarse a simple vista que la distribucin de valores B es ms dispersa que A no slo porque la
diferencia entre los valores mximo y mnimo (rango) es mayor, sino tambin porque lo es la diferencia
entre los cuartiles primero y tercero.

Diagrama de bigotes verticales



El grfico representa las medias aritmticas de nivel de ansiedad de diversos cursos de alumnos. En cada
media aritmtica se han trazado bigotes verticales que representan los respectivos desvos estndar.
Puede entonces apreciarse, por ejemplo, que a medida que aumenta la media aritmtica, tiende tambin
a aumentar el desvo estndar.

6. SNTESIS DE LOS DATOS: ASIMETRA Y CURTOSIS

Un conjunto de datos o distribucin de datos queda exhaustivamente descrito cuando pueden
especificarse una medida de posicin, una medida de dispersin, un ndice de asimetra y un ndice de
curtosis. Las medidas de asimetra y curtosis se refieren a la forma de la distribucin y, aunque no son
tan importantes como las medidas de posicin y dispersin y son muy poco utilizadas, aportan tambin
informacin sobre la distribucin de los valores de una muestra o poblacin.

Asimetra

La asimetra hace referencia al grado en que los datos se reparten equilibradamente por encima y por
debajo de la tendencia central (Botella, 1993:169). Por ejemplo, en la siguiente tabla se puede apreciar
que en el curso A muchos alumnos obtuvieron buenas notas, en el curso C muchos alumnos obtuvieron
bajas notas, y en el curso B estn equilibrados.

x (nota) f (curso A) f (curso B) f (curso C)
10 5 2 1
9 10 5 2
8 15 8 3
7 22 10 6
Nivel de
ansiedad
4 5 6 7 8
Curso
75 80 85 90 95 100 105 110 115 120 125 130
A
B
Xmn Xmx
Xmx Xmn
Q1 Q3
Q1 Q3

Pgina 45 de 325
45
6 16 15 8
5 12 20 12
4 8 15 16
3 6 10 22
2 3 8 15
1 2 5 10
0 1 2 5
n = 100 n = 100 n = 100

Representando las tres distribuciones de datos con curvas en un grfico con las frecuencias en las
ordenadas y los valores de x en las absisas, se obtiene lo siguiente:



Han sido propuestos diversos ndices de asimetra para cuantificar el grado de asimetra de una
distribucin de datos. De entre ellos pueden citarse los siguientes (Botella, 1993:170):

Indice de
asimetra media-
modo

Indice de asimetra
media-mediana
(Kohan, 1994:93)
Indice de asimetra
de Pearson
Indice de asimetra
intercuartlico
Es la distancia entre
la media y el modo,
medido en desvos
estndar:
X - Mo
As = -------------
S
Es la distancia entre la
media y la mediana
multiplicada por tres,
medida en desvos
estndar:
X - Mn
As= -------------
S
Es el promedio de los
valores z elevados al
cubo (donde z es el
cociente entre la
diferencia entre x y la
media aritmtica, y el
desvo estndar).
Es el cociente entre la
diferencia Q
3
-Q
2
y Q
2
-Q
1
,
y la diferencia Q
3
-Q
1


Los tres ndices se interpretan de manera similar: si resultan ser nmeros negativos, la curva ser
asimtrica hacia la derecha, y si dan resultados positivos, la curva ser asimtrica a la izquierda. El
resultado 0 (cero) indicar asimetra nula (simetra perfecta).
Existen otros muchos tipos de curvas: parablicas, hiperblicas, bimodales, etc., pero una forma usual es
la curva simtrica, llamada tambin curva normal o campana de Gauss.

Curtosis

La curtosis hace referencia a la forma de la curva de la distribucin de datos en tanto muy aguda (mayor
apuntamiento o mayor curtosis: leptocrtica) o muy aplanada (menor apuntamiento o menor curtosis:
platicrtica).

Curso A Curso C Curso B
Media Modo Modo Media Media
Modo
Asimetra
negativa
(curva hacia
la derecha)
Asimetra
cero
Asimetra
positiva
(curva hacia
la izquierda)

Pgina 46 de 325
46


Del mismo modo que sucede con la asimetra, tambin se han propuesto diversos ndices de curtosis. Si
el ndice es positivo, su apuntamiento es mayor que el de una distribucin normal y la curva ser
leptocrtica, y si es negativo, su apuntamiento es menor y la curva ser platicrtica (Botella, 1993).

NOTAS

(1) Segn Botella (1993:49) la distribucin de frecuencias es un instrumento diseado para cumplir tres funciones:
a) proporcionar una reorganizacin y ordenacin racional de los datos recogidos; b) ofrecer la informacin necesaria
para hacer representaciones grficas; y c) facilitar los clculos necesarios para obtener los estadsticos muestrales.
(2) Cuando se confecciona una tabla de frecuencias por intervalos con la intencin de elaborar grficos o medidas
estadsticas a partir de ella, deben asumirse ciertos supuestos que implican un margen de error, pero que son
imprescindibles. Estos supuestos, llamados supuestos de concentracin intraintervalo, son dos. a) El supuesto de
concentracin en el punto medio del intervalo, segn el cual todos los valores de la variable son el mismo, a saber, el
punto medio del intervalo. b) El supuesto de distribucin homognea, segn el cual los valores incluidos en un
intervalo se reparten con absoluta uniformidad en su interior. Es decir, que si en un intervalo hay cinco observaciones
[valores observados en la variable] aceptaremos que sus valores son los que tendramos si partiramos al intervalo en
cinco subintervalos de igual amplitud y asignramos a cada individuo el punto medio de un subintervalo (Botella,
1993:56).
(3) Hay quienes recurren a la frmula de Sturges para calcular la cantidad de intervalos que resulta deseable tomar en
funcin del tamao de la muestra. Esta frmula es: Nmero de intervalos = 1 + (log n / log 2), donde n designa el
tamao de la muestra. Por ejemplo, aplicando la frmula para n = 40, la cantidad deseable de intervalos es 6.3, con lo
cual podrn elegirse entre 6 o 7 intervalos. Una vez determinada la cantidad de intervalos, slo resta dividir el tamao
de la muestra por 6 o 7, de lo que resultar el tamao de cada intervalo.
(4) Por ejemplo, las medidas de posicin son aquellas que caracterizan la posicin de un grupo respecto de una
variable (Kohan, 1994:69). Otras definiciones se refieren a la utilidad de estas medidas, y entonces por ejemplo se
definen como ndices diseados especialmente para revelar la situacin de una puntuacin con respecto a un grupo,
utilizando a ste como marco de referencia (Botella, 1993:83).
(5) Estrictamente hablando, ciertos cuantiles como el cuartil 2, el decil 5 y el percentil 50 resultan ser medidas de
tendencia central, ya que coinciden con la mediana.
(6) Estrictamente, dato y valor no son sinnimos, aunque aqu se emplearn indistintamente ambas expresiones. El
valor es uno de los componentes del dato: los otros dos son la unidad de anlisis y la variable.
(7) Botella (1993:105-111) describe seis propiedades de la media aritmtica: 1) La suma de las diferencias de n
puntuaciones de la media aritmtica, o puntuaciones diferenciales, es igual a cero. 2) La suma de los cuadrados de las
desviaciones de unas puntuaciones con respecto a su media es menor que con respecto a cualquier otro valor. 3) Si
sumamos una constante a un conjunto de puntuaciones, la media aritmtica quedar aumentada en esa misma
constante. 4) Si multiplicamos una constante a un conjunto de puntuaciones, la media aritmtica quedar multiplicada
por esa misma constante. 5) La media total de un grupo de puntuaciones, cuando se conocen los tamaos y medias de
varios subgrupos hechos a partir del grupo total, mutuamente exclusivos y exhaustivos, puede obtenerse ponderando
las medias parciales a partir de los tamaos de los subgrupos en que han sido calculadas. 6) Una variable definida
como la combinacin lineal de otras variables tiene como media la misma combinacin lineal de las medias de las
variables intervinientes en su definicin.
(8) Equivalencias entre cuantiles (Botella, 1993:89):

Cuartiles Deciles Percentiles
D1 P10
D2 P20
Q1 P25
D3 P30
D4 P40
Q2 D5 P50
D6 P60
D7 P70
Leptocrtica Platicrtica Mesocrtica

Pgina 47 de 325
47
Q3 P75
D8 P80
D9 P90

(9) Para la varianza, las unidades son el cuadrado de las unidades de los datos. Estas unidades no son intuitivamente
claras o fciles de interpretar. Por esta razn, tenemos que hacer un cambio significativo en la varianza para calcular
una medida til de la desviacin, que sea menos confusa. Esta medida se conoce como la desviacin estndar, y es la
raz cuadrada de la varianza. La desviacin estndar, entonces, est en las mismas unidades que los datos originales
(Levin y Rubin, 1996). La varianza como tal se utiliza ms frecuentemente en estadstica inferencial (Pagano,
1998:77).
(10) La raz cuadrada de un nmero positivo puede ser tanto positiva como negativa. Cuando tomamos la raz
cuadrada de la varianza para calcular la desviacin estndar, los estadsticos solamente consideran la raz cuadrada
positiva (Levin y Rubin, 1996).
(11) La desviacin estndar nos permite determinar, con un buen grado de precisin, dnde estn localizados los
valores de una distribucin de frecuencias con relacin a la media. El teorema de Chebyshev dice que no importa qu
forma tenga la distribucin, al menos 75% de los valores caen dentro de + 2 desviaciones estndar a partir de la
media de la distribucin, y al menos 89% de los valores caen dentro de + 3 desviaciones estndar a partir de la
media.
Con ms precisin:
Aproximadamente 68% de los valores de la poblacin cae dentro de + 1 desviacin estndar a partir de la media.
Aproximadamente 95% de los valores estar dentro de + 2 desviaciones estndar a partir de la media.
Aproximadamente 99% de los valores estar en el intervalo que va desde tres desviaciones estndar por debajo de la
media hasta tres desviaciones estndar por arriba de la media (Levin y Rubin, 1996).
(12) Esto se debe a que los especialistas en estadstica pueden demostrar que si tomamos muchas muestras de una
poblacin dada, si encontramos la varianza de la muestra para cada muestra y promediamos los resultados, entonces
este promedio no tiende a tomar el valor de la varianza de la poblacin, a menos que tomemos n1 como
denominador de los clculos (Levin y Rubin, 1996).
(13) El concepto de distribucin de frecuencias es uno de los ms bsicos de la estadstica descriptiva, y hace
referencia a un conjunto de valores de una variable ordenados de acuerdo con sus frecuencias. Las distribuciones de
frecuencias pueden expresarse en forma de tablas, grficos, medidas de posicin, medidas de dispersin, de asimetra
y de curtosis. Estas ltimas cuatro medidas pueden considerarse propiedades o caractersticas bsicas de una
distribucin frecuencial.


CAPTULO 3: PROBABILIDAD Y CURVA NORMAL

La curva normal es uno de los temas fundamentales de la estadstica que utiliza la informacin provista
por la estadstica descriptiva y permite el paso a la estadstica inferencial en el sentido de proveer una
herramienta para obtener conclusiones respecto de la poblacin. La comprensin de este tema exige un
conocimiento mnimo de la teora de la probabilidad.

1. EL CONCEPTO DE PROBABILIDAD

Se entiende por probabilidad el grado de posibilidad de ocurrencia de un determinado acontecimiento.
Dicha probabilidad puede calcularse en forma terica o emprica, a partir de las llamadas probabilidad
clsica y frecuencial, respectivamente. El concepto de probabilidad ha demostrado ser de importante
utilidad en ciertos enfoques sistmicos, especialmente en los mbitos de la termodinmica y la teora de
la informacin.

1. Concepto de probabilidad.- Entendida como medida de la posibilidad de la ocurrencia de un
determinado acontecimiento, la probabilidad abarca un espectro que se extiende desde la certeza (el
acontecimiento ocurrir con total seguridad), hasta la imposibilidad (es imposible que el acontecimiento
ocurra), pasando por todos los grados intermedios (es muy probable que ocurra, es medianamente
probable, es poco probable, etc.).
Por ejemplo, el suceso 'obtener un nmero entre 1 y 6 tirando un dado' equivale a la certeza; el suceso
'obtener un 7 arrojando un dado' equivale a la imposibilidad; y el suceso 'obtener un 2 arrojando un
dado' equivale a uno de los grados intermedios de probabilidad.
Es habitual representar el grado de probabilidad mediante un nmero que puede variar entre 1 (certeza)
y 0 (imposibilidad). La probabilidad puede entonces valer 1, 0, 0.50, 0.80, etc. Por ejemplo, una
probabilidad de 0.1 es muy baja, y una probabilidad de 0.98 muy alta. Una probabilidad intermedia es
0.50 o tambin, si la expresamos en trminos de porcentajes corriendo la coma dos lugares hacia la
derecha, obtenemos una probabilidad del 50 por ciento. Tal el caso de obtener una cara arrojando una
moneda.
Los aspectos ms importantes del concepto de probabilidad han sido sintetizados en los llamados
axiomas de probabilidad:
Axioma 1: Evento seguro.- La probabilidad del conjunto universal o espacio muestral es igual a 1. Por
ejemplo, el espacio muestral para un dado es 1, 2, 3, 4, 5, 6.
Axioma 2: Evento imposible.- La probabilidad del conjunto vaco es igual a 0. Por ejemplo, que salga un 7
tirando un dado.

Pgina 48 de 325
48
Axioma 3: Evento aleatorio.- La probabilidad de un evento es un nmero real mayor o igual que 0 y
menor o igual que 1.
Axioma 4: Eventos aleatorios compuestos excluyentes.- La probabilidad de un evento ms la probabilidad
del evento contrario es igual a 1. Por ejemplo, la probabilidad que un dado salga 1 o 2 ms la
probabilidad que un dado salga 3, 4, 5 o 6 es igual a 1. En smbolos: p + q = 1.

2. Probabilidad clsica y probabilidad frecuencial.- Si bien existen diferentes teoras y enfoques acerca de
la probabilidad, explicaremos a continuacin los dos planteos ms habituales, siguiendo un ordenamiento
histrico e incluso sistemtico: el clsico y el frecuencial. En ltima instancia, se trata de dos modos
diferentes de calcular la probabilidad de la ocurrencia de un fenmeno.
a) Probabilidad clsica (Laplace).- Suele tambin denominarse probabilidad terica o a priori, y se define
como el cociente entre el nmero de casos favorables y el nmero de casos equiprobables posibles.
Aclaremos esta aparentemente engorrosa definicin.
Sabemos que un dado tiene seis caras, numeradas del uno al seis. La probabilidad de obtener la cara
tres, por ejemplo, es de un sexto, es decir de un caso favorable (porque hay una sola cara con el tres)
sobre seis casos equiprobables y posibles (caras 1-2-3-4-5-6). Aplicando la definicin de probabilidad, es:

Casos favorables 1
p= ----------------------------------------------------- = 0.1666
Casos equiprobables posibles 6

Para poder calcular esta probabilidad necesitamos, obviamente, conocer todos los casos posibles
(requisito de exhaustividad), pero adems debemos saber que todos esos casos posibles tienen la misma
probabilidad de salir (requisito de equiprobabilidad), vale decir, debemos tener la suficiente seguridad de
que ninguna cara tendr mayor o menor probabilidad de salir que otra cara cualquiera, como puede
ocurrir, por ejemplo, con los dados 'cargados'.
Una aclaracin respecto de la expresin 'casos favorables'. Debemos evitar aqu la connotacin subjetiva
del trmino. Un caso favorable es simplemente un caso del cual queremos conocer la probabilidad de su
ocurrencia. Puede incluso tratarse de un terremoto o una enfermedad, aunque estos eventos no sean
'favorables' desde otro punto de vista ms subjetivo.
Respecto de la expresin 'casos equiprobables posibles', esta alude al hecho antes indicado de que para
calcular una probabilidad en sentido clsico, deben cumplirse los dos requisitos de exhaustividad y
equiprobabilidad.
Puede suceder, en efecto, que alguno de estos requisitos no se cumpla. 1) Exhaustividad: Este requisito
puede no cumplirse en dos casos. Primero, puede ocurrir que al arrojar un dado, este quede parado en
equilibrio sobre alguno de sus vrtices o aristas. Como posibilidad existe, pero es remotsima. Debido a
que esta posibilidad es muy baja, a los efectos prcticos la consideramos nula y seguimos aplicando la
definicin clsica de probabilidad, como si todos los casos posibles fueran, como en el caso del dado,
solamente seis. Segundo, puede ocurrir que no sepamos cuntas caras tiene el dado (en la situacin
anterior s sabamos esta cantidad, descartando las alternativas remotas), an cuando sepamos que
todas tienen la misma probabilidad de salir. En este caso, al desconocer el nmero de casos posibles, la
definicin clsica de probabilidad resulta inaplicable, quedndonos la opcin de aplicar la probabilidad
frecuencial. 2) Equiprobabilidad: Este requisito puede no cumplirse cuando el dado est 'cargado' lo que
hace que, por ejemplo, el tres tenga mayores probabilidades de salir que el cuatro. En este caso,
podemos calcular la probabilidad mediante la probabilidad frecuencial.
En sntesis hasta aqu: cuando ninguno de estos requisitos, o ambos, no pueden cumplirse, nos queda
an la opcin de calcular la probabilidad en forma emprica, lo que nos lleva al tema de la llamada
probabilidad frecuencial.
b) Probabilidad frecuencial.- Suele tambin denominarse probabilidad emprica o a posteriori, y es
definible como el cociente entre el nmeros de casos favorables y el nmero de casos observados. En un
ejemplo, supongamos que no conocemos cuntas caras tiene un dado (es decir desconocemos la
cantidad de casos posibles), y queremos averiguar qu probabilidad tiene de salir el uno. Obviamente no
podemos decir 'un sexto' o 'uno sobre seis' porque no sabemos cuntas caras tiene el dado. Para hacer
este clculo decidimos hacer un experimento, y arrojamos un dado comn de seis caras (aunque
nosotros ignoramos este detalle) por ejemplo diez veces, constatando que el uno sali cinco veces, cosa
perfectamente posible. Conclumos entonces que la probabilidad de obtener un uno es de cinco sobre
diez, es decir, de 0.5. Si tomamos al pie de la letra este valor, podramos concluir que el dado tiene... 2
caras!, cada una con la misma probabilidad de 0.5. Aplicando la definicin de probabilidad frecuencial,
resulta:

Casos favorables 5
p= -------------------------------- = 0.5
Casos observados 10

Otro ejemplo: supongamos que conocemos perfectamente que el dado tiene seis caras, pero no sabemos
si las probabilidades de salir son iguales o no para todas ellas, ya que sospechamos que el dado puede

Pgina 49 de 325
49
estar 'cargado'. Para determinar la probabilidad de salir del nmero uno hacemos el mismo experimento,
dndonos un valor de 0.7. Este valor, si lo tomamos al pie de la letra, nos hara pensar que el dado est
preparado para que tenga tendencia a salir el nmero uno, ya que su probabilidad de ocurrencia es
bastante alta.
La probabilidad frecuencial se llama tambin 'a posteriori' debido a que 'slo despus' de hacer nuestra
observacin o nuestro experimento podemos saber el valor de la probabilidad, y no 'antes', como en el
caso de la probabilidad clsica, donde 'antes' de arrojar el dado ya sabemos que la probabilidad de cada
cara es de 0.1666.
La denominacin 'frecuencial' alude al hecho de el clculo de probabilidades se realiza en base a la
frecuencia con que sale una determinada cara o posibilidad, frecuencia que es relativa porque la
comparamos con la cantidad de casos observados. Por ejemplo, en nuestro ltimo ejemplo la frecuencia
absoluta es 7, porque de 10 veces que arrojamos el dado, 7 veces sali el nmero deseado. En cambio la
frecuencia relativa es 0.7, y resulta de dividir la frecuencia absoluta por el nmero de casos observados.

Las probabilidades clsica y frecuencial se llaman tambin probabilidades lgica e inductiva, respectivamente. a)
Probabilidad lgica: si yo tengo un dado perfectamente balanceado (o sea que las seis caras tienen la misma
probabilidad de salir), no necesitar arrojarlo para saber qu probabilidad tiene de salir el nmero 3. Como ya s
que tiene seis caras equiprobables, su probabilidad ser de uno sobre seis (p=1/6). b) Probabilidad inductiva:
puede ocurrir, sin embargo, que el dado no est balanceado, o que yo no sepa si el nmero 3 figura en dos
caras y el 5 en ninguna, etc., y slo s que tiene 6 caras. A priori, o sea antes de arrojar los dados, en estos
casos no puedo saber qu probabilidad tiene el 3 de salir, debido a mi desconocimiento del dado. No obstante
tengo un medio de saberlo: arrojo el dado una gran cantidad de veces (cuantas ms veces mejor) y voy
anotando los nmeros que aparecieron. Si constato que el 3 sali en un 50% de los casos, entonces puedo
concluir que la probabilidad ser de tres sobre seis (p=3/6=1/2). Este dato no me aclara definitivamente si el
dado estaba desbalanceado o si en realidad en tres de sus caras estaba el nmero 3; slo me sugiere la
probabilidad de aparicin del nmero en cuestin.
En suma: en la probabilidad lgica y debido a que conozco el dado, puedo calcular qu probabilidad tiene de salir
determinado nmero sin necesidad de hacer ninguna prueba. Es una probabilidad deductiva, puesto que deduzco
de los datos conocidos la probabilidad de cada alternativa. En cambio en la probabilidad inductiva no conozco la
naturaleza del dado, y entonces slo puedo concluir la probabilidad de aparicin de un cierto nmero siguiendo
un razonamiento inductivo, vale decir, a partir de los casos observados que fui anotando.
Las mismas consideraciones que hicimos con las caras de un dado tambin podemos hacerlas con los naipes de
un mazo y con los individuos de una poblacin. En estadstica, puesto que generalmente desconocemos la
naturaleza de la poblacin, el tipo de probabilidad empleado es el inductivo.

c) La ley de los grandes nmeros.- Tambin llamada principio de la estabilidad de la frecuencia relativa,
nos permite unificar conceptualmente los dos tipos de probabilidad recin examinados, y puede
expresarse de la siguiente manera: a medida que aumenta la cantidad de ensayos, el valor de la
probabilidad emprica obtenido se va aproximando cada vez ms al valor de la probabilidad terica.

Ley de los Grandes Nmeros

Cantidad de ensayos arrojando
una moneda
Probabilidad terica de salir
cara
Probabilidad emprica obtenida
para cara
una vez 0.5 0
2 veces 0.5 0.5
3 veces 0.5 0.3333
4 veces 0.5 0.25
10 veces 0.5 0.3
100 veces 0.5 0.4
1000 veces 0.5 0.45
1000000 veces 0.5 0.4999999999999

Siguiendo el esquema adjunto, si arrojamos una moneda por primera vez (primer ensayo), la
probabilidad terica de salir cara es de 0.5, cosa que sabemos ms all de hacer o no esa experiencia.
Sin embargo, puede ocurrir que salga ceca, y entonces conclumos que la probabilidad emprica es 0,
pues no sali ninguna cara.
Al arrojar la moneda por segunda vez, la probabilidad terica sigue siendo 0.5, ya que el dado no tiene
'memoria': por ms que haya salido cien veces cara, la 101 vez sigue teniendo la misma probabilidad de
salir cara. La probabilidad emprica, en cambio, nos da por ejemplo tambin 0.5, porque la primera vez
no sali cara pero la segunda s, con lo cual habr salido cara la mitad de las veces, o sea hay una
probabilidad de 0.5. Al tercer tiro vuelve a aparecer ceca, con lo cual sobre tres tiros habr salido slo
una cara (la segunda vez), y entonces la probabilidad emprica es de un tercio (0.333).
Lo que dice la ley de los grandes nmeros es que, si seguimos aumentando la cantidad de tiros, el valor
de la probabilidad emprica se ir aproximando cada vez ms a la probabilidad terica de 0.5, es decir, se
verifica una tendencia de la frecuencia relativa a estabilizarse en dicho resultado, y por ello esta ley se
llama tambin principio de la estabilidad de la frecuencia relativa.


Pgina 50 de 325
50
La probabilidad (p) vara entre 0 y 1

Imposible Grados intermedios de probabilidad Seguro
0 0.25 0.50 0.75 1
0 1/4 1/2 3/4 1
Probabilidad de
extraer un as de
espadas de un
mazo de cartas
francesas
Probabilidad de
extraer un naipe
de copas de un
mazo de cartas
espaolas
Probabilidad de
obtener cara
arrojando una
moneda
Probabilidad de
extraer una bolilla
roja de una caja
donde hay 3 rojas
y una blanca
Probabilidad de
extraer una bolilla
roja de un bolillero
de bolillas rojas

d) Probabilidad y variable aleatoria.- Las variables aleatorias son variables donde cada uno de sus valores
puede asumir un valor de probabilidad entre 0 y 1. Las variables aleatorias pueden ser discretas o
continuas. La variable nmero del dado es discreta, y por ejemplo su valor 2 asume un valor de
probabilidad de 1/6.
Las distribuciones de probabilidad son modelos donde se emplean variables aleatorias. Por ejemplo la
distribucin normal (para probabilidad continua), la distribucin binomial y la distribucin de Poisson
(para probabilidad constante), y la distribucin hipergeomtrica (para probabilidad variable).

3. Algunas aplicaciones del concepto de probabilidad.- La teora de las probabilidades, importante rama
de la matemtica, ha permitido encarar la investigacin de sistemas, tanto cerrados como abiertos, bajo
este relativamente nuevo enfoque. Ejemplos particularmente representativos aparecen en la
termodinmica y en la teora de la informacin.
a) Probabilidad en termodinmica.- La evolucin de los sistemas cerrados o abiertos puede medirse
segn varios parmetros, como por ejemplo el grado de entropa o desorden, pero tambin segn el
grado de probabilidad que pueden alcanzar cuando evolucionan hacia estados de equilibrio (como en el
sistema cerrado) o hacia estados uniformes (como en el sistema abierto). As, se dice que la tendencia
general de los procesos fsicos entendidos como sistemas cerrados apunta a la entropa creciente o
estados de creciente probabilidad, mientras que los sistemas abiertos, como por ejemplo los sistemas
vivos, consiguen mantenerse en un estado de mnima entropa, es decir, en un estado de alta
improbabilidad estadstica.
b) Probabilidad en Teora de la Informacin.- En la Teora de la Informacin se emplea tanto la
probabilidad clsica como la probabilidad frecuencial. Es posible ilustrar esta cuestin con el siguiente
ejemplo (Lichtenthal, 1970): Un forastero llega a un pueblo y pregunta: "Llover esta tarde?", a lo cual
un vecino contesta "s". Esta respuesta provee mucha informacin o poca informacin? Todo depende de
quien la reciba.
a) Si la respuesta la recibe el mismo forastero, el "S" implica bastante informacin, porque desconoce el
clima del pueblo. El "S" encierra para l tanta informacin como el "No", porque, al no conocer el clima
habitual de la zona, para l ambas respuestas son igualmente probables (equiprobabilidad), y por
consiguiente evala la probabilidad de que llueva o no en base a una probabilidad terica o a priori.
b) Si la respuesta la escucha otro vecino, el "S" tiene un valor informativo prcticamente nulo porque
todos en el pueblo saben que casi siempre llueve por las tardes. No es ninguna novedad el "S", es decir
encierra poqusima informacin. En cambio si nuestro vecino hubiese escuchado "No" se sorprendera
mucho, y la cantidad de informacin es mucha. El "S" y el "No" no son igualmente probables, cosa que el
vecino descubri por experiencia, por haber vivido un tiempo en el pueblo (la probabilidad es, en este
caso, frecuencial, y las posibles alternativas no son equiprobables).
Los ejemplos vienen a destacar una idea muy importante que vincula informacin con probabilidad, y que
es la siguiente: el contenido informativo de un mensaje est ntimamente ligado a su improbabilidad o
'valor sorpresa'. Por ejemplo, cuando ms nos 'sorprende' la respuesta, o cuando ms 'improbable' o
'inesperada' la juzgamos, ms informacin encierra. De aqu una importante definicin de informacin,
como aquello que hace disminuir la incertidumbre del receptor. Si al vecino le dicen que "s llover en
este pueblo esta tarde" esto no es sorpresa para l, no reduce su incertidumbre y, por consiguiente,
apenas si contiene informacin.

4. Vocabulario.- La teora de la probabilidad utiliza cierta terminologa tcnica. Algunos de los principales
trminos son los siguientes:
Espacio muestral: es el conjunto S de todos los resultados posibles de un experimento dado. Por
ejemplo, los resultados posibles del experimento de arrojar un dado son 1, 2, 3, 4, 5 y 6.
Muestra: es un resultado particular, o sea, un elemento de S. Por ejemplo, arrojar un dado y obtener 4.
Espacio finito de probabilidad: se obtiene al asignar a cada muestra de un espacio muestral finito una
determinada probabilidad de ocurrencia en forma de nmero real. La probabilidad de un evento es igual a
la suma de las probabilidades de sus muestras. Si en un espacio finito de probabilidad cada muestra tiene
la misma probabilidad de ocurrir, se llamar espacio equiprobable o uniforme. Existen tambin espacios
muestrales infinitos.

Pgina 51 de 325
51
Evento: Un evento A es un conjunto de resultados, o sea, un subconjunto de S. Por ejemplo, un evento
puede ser arrojar dos veces un dado obtenindose por ejemplo un 4 y un 3. Si el evento tiene una sola
muestra, se llama evento elemental.
El conjunto S o espacio muestral es de por s un evento (en este caso se lo llama cierto o seguro, pues es
seguro que arrojando un dado se obtendr 1, 2, 3, 4, 5 o 6), mientras que tambin se considera evento
al conjunto vaco (se lo llama imposible: no es posible que no salga ningn nmero).
Se pueden combinar eventos entre s para formar nuevos eventos, por ejemplo:
A unin B es el evento que sucede si y slo si A o B o ambos suceden.
A interseccin B es el evento que sucede si y slo si A y B suceden simultneamente.
A complemento de A es el evento que sucede si y slo si A no sucede. Dos eventos son mutuamente
excluyentes cuando no pueden suceder simultneamente.
De una manera ms sencilla pueden identificarse los siguientes tipos de eventos:

Eventos Frmulas (a) Ejemplo
Simple o
elemental
De un mazo de cartas sacar un 3. p (A) =
casos favorables / casos
posibles
4/52 = 0.077
Compuestos Excluyentes
o
alternativos
Contrarios: sacar una carta que sea
un 3 o no sea un 3.
p (A o A) =
p (A) + p (-A)
4/52 + 48/52 = 1
No contrarios: sacar una carta que sea
un 3 o un as.
p (A o B) =
p (A) + p (B)
4/52 + 4/52 =
2/13
No
excluyentes
o conjuntos
Sacando una sola carta: sacar una
carta que sea un 3 y que sea de
corazn (c).
p (A y B) =
p (A) . p (B)
4/52 . 13/52 =
1/52
Sacando
dos o
ms
cartas
Eventos independientes
(con reposicin): de un
mazo sacar dos
corazones reponiendo la
primera (b).
p (A y B) =
p (A) . p (B)
13/52 . 13/52 =
1/16
Eventos dependientes
(sin reposicin): de un
mazo sacar 2 corazones
sin reponer (a).
p (A y BsiA) =
p (A) . p (BsiA)
13/52 . 12/51 =
0.059
(a) Las frmulas para eventos excluyentes son el teorema de las probabilidades totales. La frmula p (A y B) = p (A) .
p (B) es el teorema de las probabilidades compuestas para eventos independientes. La frmula p (A y BsiA) = p (A) . p
(BsiA) es el teorema de las probabilidades compuestas para eventos dependientes (probabilidad condicional).
(b) Eventos independientes: Se dice que un evento B es independiente de un evento A si la probabilidad de que B
suceda no est influenciada porque A haya o no sucedido.
(c) Combinando los teoremas de las probabilidades totales de las probabilidades compuestas para eventos
independientes, se pueden hacer otros clculos, como por ejemplo calcular la probabilidad de sacar un 3 o un corazn,
pero no ambos (o sea, no un 3 de corazn), mediante la frmula p (A o B no ambos) = p (A) + p (B) p (A y B) =
4/52 + 13/52 (4/52 . 13/52) = 4/13.

2. ANLISIS COMBINATORIO

Una de las aplicaciones de la teora de la probabilidad es el anlisis combinatorio, que estudia cuntos
grupos distintos de elementos se pueden formar con un nmero finito de elementos. Por ejemplo: a)
cuantos nmeros de tres cifras (grupos) se pueden formar con los elementos 6, 7, 8 y 9 (un ejemplo de
nmero podra ser 768).
Por convencin, se designa con la letra m al nmero total de elementos (en el ejemplo son 4), y se
designa con la letra n la cantidad de elementos por grupo (en el ejemplo son 3).
Los tipos de grupos ms importantes que se consideran en el anlisis combinatorio son las variaciones
(V), las permutaciones (P) y las combinaciones (C), y en ningn caso se considera que los elementos se
repiten dentro del grupo (como por ejemplo en 667, donde se repite el 6).
En el siguiente cuadro se presentan las definiciones de las variaciones, las permutaciones y las
combinaciones, y las respectivas frmulas para calcular la cantidad de variaciones, permutaciones y
combinaciones. Para comprender las mismas, tngase presente el sencillo concepto de factorial. El
nmero factorial de x es aquel que resulta de multiplicar x por cada uno de sus decrecientes hasta llegar
al 1. Por ejemplo, el factorial de 4 (que se simboliza 4!) es igual a 24, porque 4! = 4.3.2.1.

Variaciones Permutaciones Combinaciones
Definicin: Para que los grupos sean
variaciones deben diferir en al menos
un elemento (por ejemplo 678-679)
o en su orden de sucesin (por
ejemplo 678-786).
Definicin:Para que los grupos sean
permutaciones deben diferir slo en
su orden de sucesin (por ejemplo
678-786).
Definicin:Para que los grupos sean
combinaciones deben diferir slo en
por lo menos un elemento (por
ejemplo 678-679).
Frmula:
Vm,n = m! / (m-n)!


Frmula:
Pm = m!


Frmula:
Cm,n = Vm,n / Pn
Cm,n = m! / n! (m-n)!


Pgina 52 de 325
52
La expresin Vm,n se lee cantidad
de variaciones de m elementos, de n
elementos cada variacin.
La expresin Pm se lee cantidad de
permutaciones de m elementos de m
elementos cada permutacin.
La permutacin es el nico caso
donde se considera m = n, pues la
permutacin es un caso especial de
variacin.
La expresin Cm,n se llama nmero
combinatorio y se lee cantidad de
combinaciones de m elementos, de n
elementos cada combinacin.
El nmero combinatorio es igual a 1
en dos casos: cuando m = n y
cuando n = 0.
Ejemplo:
Cuntos grupos de 3 personas se
pueden formar con 5 candidatos?
m = 3
n = 5
V5,3 = 60 grupos o variaciones.
Ejemplo:
Cuntos nmeros de 3 cifras
pueden formarse con los dgitos 4, 5
y 6, sin repetir ninguno de ellos?
m = n = 3
P3 = 6 nmeros o permutaciones.
Ejemplo:
Cuntos grupos distintos pueden
formarse con los colores A, V y R
tomndolos de a dos?
m = 3
n = 2
C3,2 = 3 grupos o combinaciones.

La relacin entre la teora de la probabilidad y el anlisis combinatorio reside en que, tomando como
punto de partida las frmulas de la cantidad de variaciones, permutaciones o combinaciones, se puede
luego calcular la probabilidad de ocurrencia de uno de los grupos de elementos. Las frmulas de
variaciones, permutaciones o combinaciones indican el nmero de casos posibles.

Experimento binomial.- El nmero combinatorio puede ser utilizado en los llamados experimentos
binomiales, es decir, en experimentos donde se cumplen las siguientes condiciones:

Condiciones Ejemplo
Es una secuencia de repeticiones del mismo
ensayo o experimento.
Sacar 3 bolillas de una urna.
Cada ensayo tiene solamente dos resultados
posibles (xito-fracaso).
La bolilla solamente puede salir blanca o negra.
Los ensayos son independientes es decir, no se
influyen entre s.
Antes de sacar la siguiente bolilla se introduce la
anterior en la urna (con reposicin).
La probabilidad de un resultado (por ejemplo
xito) es igual para todos los ensayos
(equiprobabilidad).
Todas las bolillas tienen la misma probabilidad de
salir blancas (por ejemplo si se considera blanca
como xito).
La variable es discreta. No hay grados intermedios entre blanco y negro.

La frmula para calcular la probabilidad de obtener n xitos con m ensayos es la siguiente:

pn = Cm,n . p
n
. (1 p)
m-n


donde:
m = nmero de ensayos (o n, segn otra nomenclatura).
n = nmero de xitos (o k, segn otra nomenclatura).
Cm,n = nmero combinatorio.
p
n
= probabilidad de xitos.

Ejemplo: cul es la probabilidad de obtener 6 caras al arrojar
una moneda 10 veces?
Como m = 10 y n = 6, resulta pn = 0,2050.

En lugar de realizar los clculos utilizando la frmula anterior, se puede utilizar una llamada tabla de
probabilidades binomiales.

Los experimentos binomiales y la curva normal, que se estudia en el punto siguiente, son dos tipos
frecuentes de distribucin de probabilidades.

Algunos tipos de distribuciones de probabilidad son los siguientes:
1) Distribucin normal (para probabilidad continua).- Se representa mediante la curva de Gauss o curva normal,
conforma de campana. Es una funcin unimodal, continua, donde la probabilidad es un rea que se acumula de
izquierda a derecha, siendo la total igual a 1. La curva es simtrica. Hay tres tipos de distribucin normal: no
estandarizada, estndar con z y estndar con t. a) Distribucin normal no estandarizada.- Sus parmetros son
la media aritmtica y el desvo estndar. La media aritmtica, la mediana y el modo coinciden en el punto
central. La variable x puede tomar cualquier valor, positivo o negativo. b) Distribucin normal estndar con z.-
Caso particular donde la media aritmtica asume el valor 0 (cero) y el desvo estndar el valor 1 (uno). c)
Distribucin normal estndar con t.- La curva es ms chata que en el caso anterior, lo que indica mayor
dispersin ya que aqu se desconoce el desvo poblacional: al tener menos informacin, se supone que los
valores se distribuyen con mayor dispersin. El aplanamiento de la curva depende del tamao de la muestra
(grados de libertad): cuando ste aumenta, la curva va aproximndose a la forma menos achatada o aplanada
de la distribucin z.
2) Distribucin asimtrica de Chi-cuadrado o x
2
.- Curva asimtrica a la derecha, unimodal, donde x
2
asume slo
valores positivos. A medida que aumentan los grados de libertad, la curva se hace cada vez ms simtrica. Los
grados de libertad dependen de la cantidad de grupos e tratamiento (o sea de las diferentes categoras de la

Pgina 53 de 325
53
variable: los grados de libertad se expresan como k 1, donde k = nmero de categoras de la variable). Chi-
cuadrado se usa cuando hay variables nominales.
3) Distribucin asimtrica de Snedecor o F.- Curva asimtrica a la derecha, unimodal, donde F asume slo
valores positivos. A medida que aumentan los grados de libertad, la curva se hace cada vez ms simtrica. F es
el cociente entre variancias: F = variancia 1 / variancia 2, y se calcula en base al nivel alfa de significacin, los
grados de libertad del numerador y los grados de libertad del denominador.
4) Distribucin binomial (para probabilidad constante).- Considera un esquema de pruebas repetidas con
probabilidad constante, donde se realizan experimentos en los cuales se busca obtener x xitos y n-x fracasos.
5) Distribucin de Poisson (para probabilidad constante).- Descubierta por Poisson en el siglo 19, considera un
esquema de pruebas repetidas con probabilidad constante. Es el caso lmite de la probabilidad binomial, donde
la probabilidad es constante y los sucesos son independientes. Es totalmente compatible con la distribucin
binomial, pero solo viene tabulada para nmeros grandes (n = 20 o ms) y para probabilidades muy pequeas
(inferiores al 5%), razn por la cual se la llama tambin distribucin de los sucesos raros.
La funcin de probabilidad P(x) de la distribucin de Poisson se calcula en base a una tabla especial o bien en
base al siguiente cociente:
Numerador: producto del nmero e elevado a la menos Lambda, por Lambda elevado a la x. Lambda es el
coeficiente de Poisson una constante igual a n.p. La variable discreta es x, y el nmero e es igual a 2,71828.
Denominador: Factorial de x.
Si Lambda es un valor muy pequeo, la curva es marcadamente asimtrica y decreciente. Al crecer Lambda, va
tomando forma de campana, o sea se asemeja cada vez ms a la distribucin normal.
6) Distribucin hipergeomtrica (para probabilidad variable).- Como la distribucin binomial, es un esquema de
pruebas repetidas, con la diferencia que es con probabilidad variables pues es sin reposicin y los sucesos son
dependientes. La dispersin es menor que en la distribucin binomial, por lo que se la considera una
distribucin ms precisa.

3. DEFINICIN Y CARACTERSTICAS DE LA CURVA NORMAL

Si se tomaran nueve personas al azar para medir la variable frecuencia cardaca, podran obtenerse, por
ejemplo, los siguientes resultados: tres personas con 62, cinco personas con 70 y una persona con 84
pulsaciones por minuto. Representando visualmente esta situacin mediante un polgono de frecuencias,
se obtiene el grfico 1.
Si se registrara la frecuencia cardaca de 80 personas ms, probablemente se obtendra resultados
similares al polgono de frecuencias del grfico 2. Finalmente, si se consideraran infinito nmero de
personas, la representacin visual se asemejara al grfico 3, denominado curva normal, curva de Gauss
o campana de Gauss (por su forma acampanada).
Como puede apreciarse, ciertas variables continuas como la frecuencia cardaca, la glucemia, la estatura,
el peso, la agudeza visual, el cociente intelectual, y otras, tiende a adoptar la forma de una curva normal
a medida que aumenta la cantidad de casos observados (3). Aunque esta curva es una idealizacin,
porque no pueden medirse infinitos casos, tiene, como se ver, su utilidad, an cuando las variables que
se estudian desde este modelo no siguen estrictamente la distribucin de la curva normal. Pruebas como
por ejemplo el chi cuadrado permiten determinar si una distribucin es lo suficientemente parecida a una
distribucin normal como para poder aceptar el modelo de la curva normal para estudiarla. De hecho,
muchas variables tienen distribuciones lo suficientemente similares a una distribucin normal como para
tratarlas como tales sin cometer grandes errores.
En relacin con estas cuestiones, conviene recordar aqu el teorema del lmite central, que dice que
cualquiera sea la poblacin de donde se tome una muestra, la distribucin de los valores de la muestra se
aproximan o asemejan cada vez ms a una distribucin normal a medida que el tamao n de la muestra
aumenta. En la prctica se consideran normales a las muestras cuyo tamao es igual o superior a 30.



La curva normal tiene entonces algunas caractersticas que son las siguientes:
f
x 70
5

3

1
62 70 84
Grfico 1 Grfico 2 Grfico 3

Pgina 54 de 325
54
a) Es la idealizacin de un polgono de frecuencias con tendencia central para una gran cantidad de
casos. Por esta razn tiene la apariencia de una curva y no de una lnea quebrada, ya que el polgono de
frecuencias tiene infinito nmero de lados.
b) Tiene forma de campana: no tiene otras formas similares como puede ser la forma de herradura o la
forma de una campana invertida.
c) Es simtrica respecto de un eje vertical, lo que las diferencia de otras curvas como por ejemplo la
hiprbole equiltera. La simetra de la curva normal implica que la media aritmtica, la mediana y el
modo coinciden en el punto central. Consecuentemente, la curva normal es unimodal (en cambio, una
campana invertida podra ser bimodal). Tambin implica que la distancia del cuartil 1 al cuartil 2 es igual
a la distancia entre el cuartil 2 y el cuartil 3.
d) Es asinttica respecto del eje x. Esto significa que la curva y el eje de las absisas se cortan en el
infinito, lo cual implica que cualquier valor de x tiene potencialmente alguna frecuencia, y ninguna
frecuencia igual a 0.
e) La curva normal puede adoptar diferentes formas: mesocrtica, platicrtica o leptocrtica.
f) Los puntos de inflexin (donde la curva cambia de cncava a convexa y viceversa) se encuentran en
los puntos correspondientes a la media aritmtica ms/menos un desvo estndar.
g) Hay muchas posibilidades de curvas normales, dependiendo de cules sean los valores de las medias
aritmticas y los desvos estndar. La ms importante es aquella que tiene como media aritmtica 0
(cero) y como desvo estndar 1 (la unidad). En este caso, la curva normal se designa como distribucin
o curva normal estndar o estandarizada.
h) Est comprobado que en una curva normal, y siempre idealmente, alrededor de un 68% de los casos
posibles estn comprendidos entre menos un desvo estndar y ms un desvo estndar ( 1o), alrededor
de un 95% estn comprendidos entre menos 2 y ms dos desvos estndar ( 2o), y alrededor de un
99% estn comprendidos entre menos tres y ms tres desvos estndar ( 3o), segn lo ilustra el
siguiente esquema:



Esto significa por ejemplo que una persona tiene una probabilidad del 68% de tener una frecuencia
cardaca comprendida entre menos un desvo estndar y ms un desvo estndar. Si la media aritmtica
de esta distribucin fuera 80 pulsaciones por minuto y el desvo estndar fuera de 10 pulsaciones por
minuto, entonces la frecuencia cardaca de una persona cualquiera tendra un 68% de probabilidades de
valer entre 70 y 90 pulsaciones por minuto.
Siguiendo el mismo criterio, tambin puede calcularse la probabilidad de aparicin de un valor
comprendido entre menos tres desvos estndar y la media aritmtica (99% dividido 2), la probabilidad
de aparicin de un valor comprendido entre menos dos desvos estndar y la media aritmtica (95%
dividido 2), la probabilidad de aparicin de un valor comprendido entre menos un desvo estndar y ms
dos desvos estndar (68% dividido 2, ms 95% dividido 2), y la probabilidad de obtener cualquier otro

Pgina 55 de 325
55
valor intermedio (como el comprendido entre -1.27 desvos y +2.56 desvos), para lo cual se habr de
consultar una tabla especialmente confeccionada para tal efecto.

4. PUNTAJES BRUTOS Y PUNTAJES ESTANDARIZADOS

Antes de hacer referencia a las utilidades prcticas de la curva normal, convendr aclarar algunos
conceptos tales como los de puntaje bruto y puntaje estandarizado.

Para designar los diferentes valores que asume una variable para una determinada unidad de anlisis, en
estadstica descriptiva suele emplearse la expresin dato. Por ejemplo, un dato puede ser Juan mide
1.70 metros. Muchos datos, sin embargo, se distribuyen de acuerdo a una curva normal, y esta clase de
datos suelen ser tpicamente puntuaciones o puntajes de tests o pruebas de evaluacin. Por ejemplo,
Juan obtuvo 90 puntos en el test de inteligencia de Weschler, o Pedro obtuvo 7 puntos en el examen
de geografa. Esta es la razn por la cual, en lo que sigue se utilizar la expresin puntaje en lugar de
dato, pero debe tenerse presente que todo puntaje es, siempre, un dato.

Se llama puntaje bruto, directo u original al puntaje obtenido por un sujeto en una prueba. Por ejemplo,
podra resultar de la suma de respuestas correctas, valiendo cada una de ellas un punto (Kohan,
1994:138).
Los puntajes brutos presentan sin embargo algunos inconvenientes. Por ejemplo: a) Si una persona
obtuvo 4 puntos en una prueba acadmica, podemos suponer que obtuvo un bajo puntaje porque lo
comparamos con el puntaje mximo, que es 10. Sin embargo, no nos sirve para comparar a esa persona
con el resto de la poblacin, ya que si los dems alumnos obtuvieron en promedio 2 puntos, la
calificacin 4 ser, entonces, alta. b) Si una persona obtuvo 8 puntos en geografa y 5 puntos en
matemticas, podemos suponer que obtuvo ms puntaje en geografa. Sin embargo, esta suposicin es
errnea si resulta ser que el puntaje mximo en geografa es 20 y el puntaje mximo en matemticas es
6, en cuyo caso habr obtenido mayor puntaje en matemticas.
Estas y otras dificultades pueden resolverse transformando los puntajes brutos en otros llamados
puntajes estandarizados (o tambin puntajes transformados, porque resultan de haber transformado
los puntajes brutos). Estos puntajes estandarizados permitirn, por ejemplo, comparar el puntaje de un
sujeto con toda la poblacin, o bien comparar dos puntajes de pruebas con diferentes sistemas de
evaluacin (1).
Los puntajes estandarizados pueden ser lineales o no lineales, segn que resulten de transformaciones
lineales o no lineales (Kohan, 1994:138). En el primer caso existe una proporcionalidad entre los
puntajes brutos y sus correspondientes puntajes estandarizados, ya que la transformacin opera segn
una ecuacin lineal o ecuacin de primer grado y, por tanto, no deforma la distribucin de los puntajes
brutos.
En lo que sigue se describen sucintamente tres ejemplos de puntajes estandarizados de uso frecuente:
los puntajes estandarizados z (puntaje reducido), Z (puntaje derivado) y P (puntaje percentil).
El puntaje reducido z es un dato transformado que designa a cuntas unidades de desvos estndar
por arriba o por debajo de la media se encuentra un dato en bruto (Pagano, 1998:84). Para transformar
un dato en bruto x en un puntaje z se utiliza la frmula: z = (x - X) / s.
Pueden destacarse tres caractersticas de los puntajes z (Pagano, 1998:86-87): a) tienen la misma forma
que el conjunto de datos en bruto; b) la media de los puntajes z es siempre igual a cero; y c) el desvo
estndar de los puntajes z es siempre igual a 1.
El puntaje derivado Z (tambin llamado a veces puntaje derivado T) tiene la ventaja sobre el puntaje
reducido z que no tiene valores negativos y que pueden despreciarse los decimales por ser una cantidad
pequea (Kohan, 1994:141). Para transformar un puntaje reducido z en un puntaje derivado Z se utiliza
la frmula: Z = (z.10) + 50, ya que este puntaje derivado considera la media aritmtica como 50 y el
desvo estndar como 10.
Existen otras modalidades de puntajes derivados (Botella: 1993:161). Uno muy conocido en psicologa es
el llamado cociente intelectual o CI, que considera como media aritmtica a 100 y como desvo estndar
a 15.
El puntaje percentil P es un puntaje no lineal y es tambin de uso frecuente por su facilidad de
comprensin, aunque tenga el inconveniente de que su distribucin toma una forma que no responde a la
realidad de las funciones psicolgicas. Para transformar un puntaje z en un puntaje percentil hay que
recurrir a una tabla especial, que se describe ms adelante.
Como se puede apreciar en el esquema siguiente, el puntaje percentil P no es proporcional al resto de los
puntajes, pero si lo es respecto de las reas cubiertas bajo la curva normal, reas que a su vez indican la
probabilidad de ocurrencia de un puntaje cualquiera. En efecto, puede verse que los puntajes percentiles
P estn concentrados en aquellos lugares donde el rea bajo la curva es mayor y, adems, cuanto mayor
es esta rea mayor ser el percentil correspondiente.

Las correspondencias entre los diferentes puntajes pueden visualizarse mediante el siguiente esquema
(2):


Pgina 56 de 325
56
Equivalencias de puntajes brutos y estandarizados



As por ejemplo, puede apreciarse que un puntaje bruto correspondiente a ms un desvo estndar
corresponde a un puntaje reducido z de +1, a un puntaje derivado Z de 60, y a un percentil de 84.
Especialmente cuando se trata de averiguar valores intermedios (por ejemplo el puntaje bruto
correspondiente a ms 1.62 desvos estndar) debe recurrirse al empleo de frmulas y tablas. El
siguiente esquema indica la forma de hacerlo:

Reglas de transformacin de puntajes (de utilidad para resolver aplicaciones prcticas de la curva
normal)

50% del rea
probabilidad = 0.5
P0 P2 P16 P50 P84 P98 P100
0 10 20 30 40 50 60 70 80 90 100
-3s -2s -1s X +1s +2s +3s
-5 -4 -3 -2 -1 0 +1 +2 +3 +4 +5
f (frecuencia) X = media aritmtica
s = desvo estndar
x = puntaje bruto
z = puntaje reducido
Z = puntaje derivado
P = percentil
x
z
Z
P
50% del rea
probabilidad = 0.5

Pgina 57 de 325
57


En este esquema, las flechas ms gruesas indican los procedimientos habituales en las aplicaciones
prcticas de la curva normal, mientras que aquellas y las flechas ms finas indican mas bien los
procedimientos que se piden en ejercitaciones en cursos de estadstica.

5. APLICACIONES DE LA CURVA NORMAL

El modelo matemtico de la curva normal tiene varias aplicaciones prcticas, como por ejemplo en
psicologa y ciencias de la educacin. Pagano (1998:81) invoca tres razones principales que explican su
importancia en estas disciplinas: 1) Muchas variables psicolgicas tienen distribuciones muy semejantes a
la curva normal, tales como altura, peso e inteligencia. 2) Muchas pruebas de inferencia empleadas para
analizar experimentos tienen distribuciones muestrales que poseen una distribucin muestral al aumentar
el tamao de la muestra. 3) Muchas pruebas de inferencia requieren distribuciones muestrales que se
asemejen a la curva normal, como la prueba z, la prueba t de Student o la prueba F.
Consiguientemente, gran parte de la importancia de la curva normal aparece conjuntamente con la
estadstica inferencial.

En lo que sigue se suministran algunos ejemplos de aplicaciones prcticas de la curva normal con
puntajes estandarizados. En primer lugar se expone un problema tpico y la forma de resolverlo teniendo
en cuenta las reglas de transformacin de puntajes (ver esquema anterior). En segundo lugar, se
presentan algunas variantes posibles dentro del problema tpico u otros.

Problema tpico.- La variable peso en una poblacin de mujeres adultas tiene una distribucin
aproximadamente normal, con una media aritmtica (X) de 60 kg y un desvo estndar (s) de 6 kg.
Calcular la probabilidad de que una mujer adulta de esa poblacin tomada al azar tenga un peso mayor a
68 kg.

Resolucin del problema tpico.- Cuando el enunciado del problema afirma que la variable tiene una
distribucin aproximadamente normal, ello significa que puede ser resuelto recurriendo al modelo de la
curva normal. A partir de aqu, los pasos para resolverlo son los siguientes:

a) Lo primero que debe especificarse son los datos y las incgnitas. Los datos son tres: la media
aritmtica (60 kg), el desvo estndar (6 kg), y finalmente un valor de la variable a partir del cual debe
estimarse su probabilidad (68 kg). En smbolos:
X = 60 kg s = 6 kg x = 68 kg
PUNTAJE
BRUTO (x)
PUNTAJE
REDUCIDO (z)
AREA EXPRESADA
COMO PROBABILIDAD
(p)
AREA EXPRESADA
COMO PORCENTAJE (%)
PUNTAJE
DERIVADO
(Z)
PERCENTIL (P) m = un nmero cualquiera entre 0 y 100
z = (x - X) / s
Z = (z.10) + 50
Tabla: entrar
por z
Tabla: entrar
por p
Multiplicar
por 100
Dividir
por 100
z = (Z-50) / 10
x = (z.s) + X
m% P
m
P
m
m%

Pgina 58 de 325
58
En este caso el problema solicita resolver una sola incgnita: la probabilidad de que una persona tomada
al azar tenga ms de 68 kg (tambin podra haber solicitado averiguar la probabilidad de que tenga
menos de 50 kg, o la probabilidad de que tenga entre 40 y 60 kg). En smbolos:
p 68 kg > x

b) Antes de seguir adelante, siempre convendr trazar la curva normal y especificar la informacin
revelante para resolver el problema. En este caso es:



Segn el esquema de reglas de transformacin de puntajes, si a partir de un valor dado de x (68 kg) se
quiere calcular su probabilidad p, antes deber transformarse el valor x a un puntaje reducido z, el cual
constituye una incgnita (?) que deber resolverse.
Asimismo se raya el rea bajo la curva que se extiende desde 68 hacia la derecha, porque es esa
probabilidad (proporcional al rea rayada) la que debe averiguarse (es decir, 68 o ms).

c) Se aplica la frmula de transformacin del puntaje x en puntaje z:

z = (x - X) / s
z = (68 60) / 6 = 1.33

d) Se recurre a la Tabla de reas bajo la curva normal estandarizada para hallar la probabilidad p a partir
de z = 1.33. Para ello, puede utilizarse indistintamente la Tabla 1 o la Tabla 2 (ver Anexo).
Se utilizar la Tabla 1, donde puede verse que a un valor z = 1.33 corresponde una probabilidad p =
0.9082.

e) Sin embargo, esta tabla indica la probabilidad de z o menos, es decir, la zona rayada hacia la izquierda
de z.
Por lo tanto, como lo que interesa es la probabilidad de un valor de z o mayor, se restar al valor p = 1
(el total del rea bajo la curva) el valor p = 0.9082. En smbolos:
Area total 1.0000
Menos rea hacia la izquierda 0.9082
Area hacia la derecha 0.0918
Por lo tanto, la probabilidad de que una mujer adulta pese ms de 68 kg es de p = 0.0918. Traduciendo
la probabilidad a porcentajes, puede decirse que existe un 9.18% de probabilidades de que la mujer pese
68 kg o ms. De idntica manera, puede decirse que el percentil P que ocupa una mujer adulta de 68 kg
es, siguiendo las pautas del esquema de reglas de transformacin de puntajes: P
91
(calculado y
redondeado a partir de p = 0.9082), lo cual significa que una mujer que pese 68 kg tiene por debajo
aproximadamente un 91% de personas que pesan menos que ella.

Algunas variantes posibles.- Los siguientes ocho casos ilustran algunos ejemplos de problemas que
pueden resolverse mediante la curva normal y los puntajes estandarizados. El problema tpico examinado
precedentemente encuadra en el caso 4.
En todos estos casos se trata de calcular la probabilidad de ocurrencia de un valor comprendido bajo el
rea rayada de la curva ya que la probabilidad de ocurrencia del valor es proporcional al rea respectiva.
Como se ver, en algunos casos conviene ms utilizar la Tabla 1 y en otros las Tabla 2 (ver Anexo).


Pgina 59 de 325
59

CASO 1

CASO 2

CASO 3

CASO 4

CASO 5

CASO 6

CASO 7

CASO 8

Caso 1.- Aqu se trata de averiguar la probabilidad p de que un valor cualquiera de la poblacin
corresponda a z = +1.5. Para este caso convendr utilizar la tabla 1, donde primero se busca el valor
+1.5 en la primera columna, y luego se busca su valor de probabilidad, que es p = 0.9332. Nota: si el
valor de z hubiese sido +1.56, se busca primero z = 1.5 y luego se busca, en la primera hilera, el valor
0.06 (ya que 1.5 + 0.06 = 1.56). En el entrecruzamiento de 1.5 y 0.06 encontraremos, finalmente, el
valor de la probabilidad p = 0.9406.

Caso 2.- En este caso se procede de manera similar que en el caso anterior.

Caso 3.- Aqu se trata de averiguar la probabilidad de que un valor z valga -2 o ms. Esta situacin exige
dos pasos. El primer paso es idntico al caso 1. Sin embargo, este primer paso calcula la probabilidad de
z hacia la izquierda, y lo que se necesita saber es la probabilidad de z hacia la derecha (zona rayada).
Como se sabe que la totalidad del rea bajo la curva vale 1, para averiguar la zona hacia la derecha
bastar con restar 1 de la probabilidad de la zona hacia la izquierda. En esto consiste el segundo y ltimo
paso.

Caso 4.- Aqu debe averiguarse la probabilidad de que un valor z valga 1.5 o ms. La opcin ms sencilla
es aqu emplear la Tabla1, con la cual se calcula la probabilidad correspondiente a z = +1.5, que es p =
0.9332. Esta probabilidad corresponde a la zona rayada desde z hacia la izquierda, pero como debe
averiguarse la probabilidad de z hacia la derecha, deber restarse 1 menos 0.9332.

Pgina 60 de 325
60

Caso 5.- Aqu debe averiguarse la probabilidad de que un valor z est comprendido entre -2.5 y +1.5.
Una forma sencilla de resolver este problema es dividiendo el rea rayada en dos: una desde la mitad
hacia la izquierda (0 a -2.5) y otra desde la mitad hacia la derecha (0 a +1.5). Se calcula luego la
probabilidad de cada rea recurriendo a la Tabla 2, y finalmente se suman ambas probabilidades. Nota:
para el clculo de la zona rayada de la mitad hacia la izquierda se buscar en la Tabla 2 el valor z =
+2.5, porque es igual al valor z = -2.5 (por ser la curva normal simtrica).

Caso 6.- Este caso es tan sencillo que no requiere el uso de tablas. La probabilidad de la zona rayada es
p = 0.5 porque corresponde exactamente a la mitad de toda el rea bajo la curva, cuya p es igual a 1 (p
= 1 equivale a la certeza).

Caso 7.- Aqu debe calcularse la probabilidad de que un valor z est comprendido entre -2 y -1. En este
caso, en lugar de sumar reas como en el caso 5, debern restarse reas. Recurriendo a la Tabla 1, se
calcula primero la probabilidad correspondiente a z = -1 (que es p = 0.1587) y luego la probabilidad de z
= -2 (que es p = 0.0228). La probabilidad resultante ser p = 0.1587 0.0228 = 0.1359.

Caso 8.- Aqu debe calcularse la probabilidad de que un valor z est comprendido entre +1 y +2. Se
puede proceder de la misma forma que en el caso 7, es decir, restando las probabilidades
correspondientes a z = +2 y z = +1.

NOTAS

(1) Botella (1993:153) refiere que los puntajes estandarizados son tiles en los siguientes casos: a) al hacer
comparaciones entre unidades de distintos grupos: se pueden comparar, mediante puntuaciones estandarizadas,
distintas observaciones de un mismo sujeto o de sujetos diferentes; b) al hacer comparaciones entre variables
medidas de distinta forma, debido a que los puntajes estandarizados son adimensionales. Por ejemplo, comparar una
altura expresada en centmetros con otra expresada en metros; y c) al comparar observaciones de distintas variables:
por ejemplo, comparar la altura y el peso de un sujeto.
(2) En el esquema puede apreciarse que z contempla valores que se extienden a -5 o +5.desvos estndar. En la
prctica, sin embargo, se consideran solamente valores entre -3 y +3 por razones prcticas. En efecto, los valores
superiores a +3 o menores a -3 cubren reas muy pequeas bajo la curva, es decir, la probabilidad de ocurrencia de
puntajes mayores que +3 o menores que -3 son muy improbables, estando muy alejados de la media aritmtica.
(3) Hay muchas formas en que los datos pueden distribuirse, y en todos esos casos existe cierta regularidad en los
mismos. Por ejemplo, hay una tendencia a que la mitad de las veces salga cara arrojando una moneda, y tambin hay
una tendencia a que la mitad de las veces se opte por un producto A y no uno B (suponiendo que lo hay ninguna razn
para elegir uno u otro). Estos hechos sugieren que los datos de una manera regular, y los estadsticos propusieron
diversos modelos de distribucin, uno para cada forma regular de distribucin de datos, como por ejemplo el modelo
Bernouilli o el modelo binomial.
La nocin de permanencia estadstica (Vessereau A, 1962:15) hace referencia a ciertas uniformidades en los datos de
la realidad. Por ejemplo: a) la cantidad de varones y la de mujeres tiende a ser aproximadamente igual; b) el tamao
de las galletitas que fabrica una mquina tiende a ser aproximadamente igual; c) la proporcin entre granos esfricos
de arvejas y granos arrugados de arvejas tiende a ser del 75% y del 25% aproximadamente, o sea, siempre tiende a
encontrarse aproximadamente 75 granos esfricos cada 100, y 25 granos arrugados cada 100; d) la estatura de las
personas tienden siempre a estar alrededor de un valor medio, siendo frecuente encontrar estaturas de 1.70 metros
pero raro encontrar estaturas de 2 metros.
Estas uniformidades sugieren la presencia de leyes que rigen la forma en que se distribuyen los datos. Como hay
muchas formas en que los datos pueden distribuirse, tambin habr muchas leyes que describen dichas distribuciones.
Entre las ms conocidas (Vessereau A, 1962:16-24) se cuentan la ley binomial, la ley de Laplace-Gauss y la ley de
Poisson. Por ejemplo, la ley de Laplace-Gauss describe las distribuciones que siguen una curva normal: cuando una
magnitud recibe la influencia de una gran cantidad de causas de variacin, y estas son todas muy pequeas e
independientes unas de otras, se demuestra que los valores individuales de las mediciones se distribuyen
respondiendo a la ley de Laplace-Gauss (Vessereau A, 1962:20).
Otros autores consideran fundamentales a las distribuciones normal, binomial y de Student, y hacen referencia a
otras, como la distribucin chi cuadrado (x
2
) que, a diferencia de la primeras, no es paramtrica, es decir, no requiere
supuestos tan rigurosos acerca de la poblacin, como por ejemplo de que esta se distribuya normalmente (Kohan N,
1994:191).
Hay otras leyes que tienen alcance ms general, como por ejemplo la ley de distribucin de las medias (Vessereau A,
1962:24) que establece que, cualquiera que sea la distribucin (binomial, gaussiana, etc.), el desvo estndar de las
medias aritmticas de todas las muestras posibles de n elementos disminuye inversamente a la raz cuadrada de n.
Esto significa que cuanto ms grandes sean las muestras, menos desviacin o dispersin habr entre sus medias
aritmticas.

Teorema de Chebicheff.- Esta desigualdad se aplica a cualquier tipo de distribucin (normal o no),
hiptesis, ley, etc., y por ello puede actuar como prueba de consistencia. Se emplea cuando no se sabe
qu tipo de distribucin tiene la muestra o poblacin.
Esta desigualdad brinda el lmite inferior (probabilidad mnima) de los casos ms probables segn
cualquier ley, teora, etc. Ms concretamente, sirve para determinar la probabilidad mnima de un
intervalo centrado en la media, y que abarca tantas dispersiones en menos y tantas en ms.
Generalmente se toman +2 y -2.
La frmula es:

Pgina 61 de 325
61
P (m t . o x m + t . o) 1 (1/t
2
)
donde:
P = Probabilidad mnima.
m = Media aritmtica.
o = Desvo estndar.
t = Cantidad de desvos estndar (en general se toman 2).
m t . o = Lmite inferior.
m + t . o = Lmite superior.
x = Valor que est entre ambos lmites.
m t . o x m + t . o = Intervalo
Como se considera generalmente t = 2, resulta ser:
P (m 2. o x m + 2 . o) 0.75
Ejemplo de problema.- En una muestra, la media aritmtica es 60 y el desvo estndar es 20. Determinar
el intervalo de x que abarque por lo menos el 75% de los casos ms probables.
P (m 2. o x m + 2 . o) 0.75
P (60 2. 20 x 60 + 2 . 20) 0.75
P (20 x 100) 0.75
El intervalo obtenido nos asegura que por lo menos (probabilidad mnima) el 75% de los casos ms
probables estn entre 20 y 100.

CAPTULO 4: CORRELACIN Y REGRESIN

1. INTRODUCCIN

El anlisis de correlacin permite averiguar el tipo y el grado de asociacin estadstica entre dos o ms
variables, mientras que el anlisis de regresin permite hacer predicciones sobre la base de la correlacin
detectada.
Ms concretamente, una vez realizado el anlisis de correlacin, pueden obtenerse dos resultados: que
haya correlacin o que no la haya. Si hay correlacin, entonces se emprende un anlisis de regresin,
consistente en predecir cmo seguirn variando esas variables segn nuevos valores.
Por ejemplo, si sobre la base de haber examinado a 40 alumnos se concluye una alta correlacin en sus
notas en ambos parciales, conociendo la nota del primer parcial de un alumno nmero 41, podremos
predecir con algn margen de seguridad cunto se sacar este alumno en el segundo parcial.
En general el anlisis de correlacin se realiza conjuntamente con el anlisis de regresin. Mientras el
anlisis de correlacin busca asociaciones, el anlisis de regresin busca predicciones, es decir, predecir
el comportamiento de una variable a partir del comportamiento de la otra.
As, la correlacin y la regresin estn ntimamente ligadas. En el nivel ms sencillo, ambas implican la
relacin entre dos variables y utilizan el mismo conjunto de datos bsicos, pero mientras la correlacin
tiene que ver con la magnitud y la direccin de la relacin, la regresin se centra en el uso de la relacin
para hacer una prediccin. Esta ltima es sencilla cuando la relacin es perfecta, pero la situacin es ms
compleja si la relacin es imperfecta (Pagano, 127).
La correlacin es til porque permite hacer predicciones, porque permite establecer correlaciones (paso
previo para la determinacin de una conexin causal), y para realizar pruebas de confiabilidad de
instrumentos de medicin como los tests (prueba test-retest) (Pagano, 99).
Por ltimo, vale la pena aclarar que en el contexto de un estudio cientfico, no basta con determinar el
grado de correlacin entre dos variables en una muestra. Es necesario adems establecer, mediante una
prueba de significacin (por ejemplo la prueba t), si la correlacin establecida en la muestra puede
extenderse a toda la poblacin con un determinado nivel de confianza. Esta tarea corresponder a la
estadstica inferencial.

Correlacin lineal.- Las relaciones entre variables pueden ser de muchos tipos. a) Hay relaciones
deterministas que responden a modelos matemticos tericos, como por ejemplo la relacin entre la
intensidad de una corriente y la resistencia del conductor, o bien, la relacin entre la factura de consumo
de agua y el nmero de metros cbicos consumidos. Estas relaciones son habituales en ciencias exactas.
b) Otras relaciones no son tan deterministas, pero pueden eventualmente parecerse slo parecerse- a
algn modelo matemtico terico determinista, en cuyo caso se concluye que ese modelo explica bien la
relacin, aunque no lo haga perfectamente. Estas relaciones son habituales en las ciencias sociales
(Botella, 1993:181).
Dentro de los muchos modelos tericos a los cuales podra ajustarse una relacin no determinista se
cuentan los modelos lineales, los modelos cuadrticos, los modelos cbicos, etc. El primero se representa
mediante una recta, y los restantes mediante diversos tipos de curva como parbolas e hiprbolas. El
presente artculo har referencia, por razones de simplicidad, a las relaciones lineales y, por tanto, a la
correlacin lineal.

Correlacin y causalidad.- El hecho de que dos variables estn correlacionadas, no significa
necesariamente que una sea la causa y la otra el efecto: la correlacin no siempre significa causalidad.

Pgina 62 de 325
62
Entre otras cosas, una alta correlacin puede deberse a que ambas variables X e Y dependen cada una
independientemente de otra variable Z, y entonces, al variar Z hace variar conjuntamente a X e Y,
produciendo un efecto de alta correlacin que puede dar la apariencia de causalidad. Por dar un ejemplo:
entre memoria visual (X) y memoria auditiva (Y) puede haber una alta correlacin, pero ello no significa
que la memoria visual sea la causa de la memoria auditiva, ya que ambas pueden estar dependiendo de
otro factor Z ms general, llmese "memoria", o "cantidad de ARN".
Si realizar el anlisis de correlacin es algo relativamente fcil (se trata de recoger datos y aplicar una
frmula), determinar el vnculo causal suele implicar un procedimiento ms laborioso, como por ejemplo
la ejecucin de un diseo experimental que implique la comparacin de dos grupos sometidos a
condiciones diferentes y donde haya un control sobre la influencia de variables extraas.

El siguiente esquema permite visualizar algunos pasos posibles para llevar a cabo un anlisis de
correlacin seguido de un anlisis de regresin. El esquema sintetiza, al mismo tiempo, los temas a tratar
en el presente artculo.



2. EL ANLISIS DE CORRELACIN

Juan se sac una buena nota en el primer parcial, y por lo tanto es bastante probable que tambin
saque buena nota en el segundo parcial. Esta persona tiene ms edad y por lo tanto es ms probable
que le falte alguna pieza dentaria. Abundan esta clase de razonamientos en la vida cotidiana, que suelen
aceptarse sin demasiada crtica.
Sin embargo, en un estudio cientfico es habitual que estas hiptesis deban ser comprobadas ms all de
las certidumbres subjetivas. Para constatar si hay realmente asociacin entre dos o ms variables
cualesquiera, se emplea una herramienta denominada anlisis de correlacin, que tambin evala el
grado o intensidad en que dichas variables estn asociadas. Se examina aqu el caso ms sencillo (dos
variables), que se estudia dentro de la estadstica bivariada.
En el siguiente ejemplo se exponen tres posibles distribuciones de frecuencias bivariadas (1) referidas a
las primeras y segundas notas de exmenes parciales.

Alumno Tabla 1 Tabla 2 Tabla 3
X Y X Y X Y
A
B
C
D
E
F
G
3
4
6
6
8
9
10
2
5
5
6
6
9
9
3
4
6
6
8
9
10
3
4
6
6
8
9
10
3
4
6
6
8
9
10
2
3
5
5
7
8
9
X = Nota del primer parcial
Y = Nota del segundo parcial
Si las variables son
CUANTITATIVAS
Se calcula la correlacin con
CUALITATIVAS ORDINALES
Se calcula la correlacin con
METODO ANALITICO
Coeficiente de correlacin por
rangos de Spearman
METODO ANALITICO
Coeficiente de
correlacin de Pearson
METODO GRAFICO
Diagrama de
dispersin
Se calcula la
regresin
(prediccin) con
Para interpretar mejor este
coeficiente, se calcula el
coeficiente de determinacin
METODO ANALITICO
Mtodo de los cuadrados
mnimos
METODO GRAFICO
Recta de regresin

Pgina 63 de 325
63

En la Tabla 1 se han consignado las notas de los parciales de un grupo de 7 alumnos ordenadas en forma
creciente.
Un somero examen visual de la tabla revela que hay bastante asociacin entre las variables X e Y:
quienes sacaron buena nota en el primer parcial tienden a sacar buena nota en el segundo, y lo mismo
para quienes sacaron bajas notas, con lo cual ambas variables tienden a variar concomitantemente o
conjuntamente.
Sin embargo, debe tenerse presente que la asociacin o correlacin entre ambas variables no depende de
la similitud entre X y Y, sino de la similitud de sus modos de variacin. As, en la Tabla 2 las notas de los
primeros y segundos parciales de cada alumno son iguales, y en la Tabla 3 la nota del segundo parcial es
diferente, pero siempre menor en un punto. Sin embargo, en ambas tablas la correlacin es la misma.

El anlisis de correlacin busca establecer esencialmente tres cosas:
1) Presencia o ausencia de correlacin.- Dadas dos o ms variables, si existe o no correlacin entre ellas.
2) Tipo de correlacin.- En caso de existir correlacin, si esta correlacin es directa o inversa. En la
correlacin directa, ambas variables aumentan (o disminuyen) concomitantemente, y en la correlacin
inversa ambas variables varan inversamente, o tambin puede decirse "en relacin inversamente
proporcional", lo que significa que cuando una aumenta la otra disminuye, o viceversa (2). En el siguiente
esquema se muestran algunos ejemplos de correlacin directa e inversa.

Tipos de correlacin

Tipo Definicin Ejemplos en psicologa
Correlacin
directa o
positiva
Ambas variables
aumentan (o
disminuyen) en forma
concomitante.
Cociente intelectual/calificacin: A mayor CI, mayor calificacin
obtenida en el examen.
Tiempo/retencin: A mayor tiempo para memorizar, mayor
cantidad de palabras retenidas.
Test laboral/rendimiento futuro: A mayor puntaje en un test de
aptitud tcnica, mayor rendimiento en dicha rea dentro de x
aos (esto es tambin un modo de estimar la validez predictiva
de un test).
Correlacin
inversa o
negativa
Una variable aumenta
y la otra disminuye (o
viceversa) en forma
concomitante.
Edad/memoria: Al aumentar la edad, disminuye la memoria.
Numero de ensayos/cantidad de errores: Al aumentar el nmero
de ensayos, disminuye la cantidad de errores.
Cansancio/atencin: Al aumentar el cansancio disminuye la
atencin.

3) Grado de correlacin.- El grado o intensidad de la correlacin, es decir, cunta correlacin tienen en
trminos numricos.

Para hacer todas estas averiguaciones, se puede recurrir a tres procedimientos.
a) El mtodo tabular.- Una correlacin podra constatarse con la simple visualizacin de tablas de
correlacin como las indicadas anteriormente, pero habitualmente las cosas no son tan fciles, sobre todo
porque hay bastante mayor cantidad de datos, y porque estos casi nunca registran los mismos
incrementos para ambas variables. Por lo tanto, debe abandonarse la simple visualizacin de las tablas y
utilizar procedimientos ms confiables, como los grficos (diagramas de dispersin o dispersiogramas) y
los analticos (por ejemplo el coeficiente de Pearson).
b) El mtodo grfico.- Consiste en trazar un diagrama de dispersin.
c) El mtodo analtico.- Consiste en aplicar una frmula que permita conocer no slo el tipo de
correlacin (directa o inversa) sino tambin una medida cuantitativa precisa del grado de correlacin. La
frmula del coeficiente de Pearson es un ejemplo tpico para medir correlacin entre variables
cuantitativas.

3. CLCULO GRFICO DE LA CORRELACIN

Un grfico es mucho mejor que una tabla para apreciar rpidamente si hay o no correlacin entre
variables. Existen varias maneras de graficar la correlacin (3), pero aqu se describir el procedimiento
clsico: el diagrama de dispersin. El diagrama de dispersin es bsicamente una nube de puntos,
donde cada punto corresponde al entrecruzamiento de cada par de valores de X e Y. Este diagrama
puede realizarse independientemente del clculo analtico de la correlacin.
Por ejemplo, el diagrama de dispersin correspondiente a la Tabla 1 se asemeja al diagrama A del
esquema de diagramas de dispersin.
A este diagrama se ha agregado a ojo una lnea imaginaria, que viene a representar ms o menos el
ordenamiento lineal de los puntos (que van desde abajo a la izquierda hacia arriba a la derecha). El
diagrama se llama 'de dispersin' porque muestra cun dispersos (prximos o alejados) estn los puntos
alrededor de dicha recta. Fcil es advertir que cuanto ms alineados estn, ms correlacin habr. En el

Pgina 64 de 325
64
ejemplo A del esquema sobre diferentes diagramas de dispersin, los puntos tienden a ubicarse en las
proximidades de la recta imaginaria, lo que indica que estn poco dispersos. Si los puntos figurasen ms
alejados habra ms dispersin, y por lo tanto menor correlacin entre X e Y.
El caso B muestra correlacin inversa, pues el ordenamiento de los puntos indican que, a medida que
aumenta X, va disminuyendo Y. As entonces, cuando la lnea imaginaria va de abajo a la izquierda hacia
arriba a la derecha, hay correlacin directa, y cuando va desde arriba a la izquierda hacia abajo a la
derecha hay correlacin inversa. Dicho ms tcnicamente, en el primer caso la recta tiene una inclinacin
o pendiente positiva, y en segundo su pendiente es negativa.
El caso C revela, por su parte, que a medida que aumenta Y, los valores de X ni aumentan ni disminuyen,
permaneciendo fijos en el valor 5. Por lo tanto no hay correlacin. En general no la hay cuando una de las
variables no vara (en este caso X permanece constante en el valor 5).
El caso D es similar al anterior: all los valores de Y permanecen constantes en el nmero 4, mientras va
variando X. Tampoco hay correlacin.
El caso E muestra un ejemplo donde varan ambas variables, pero sin embargo no hay correlacin. En
esa nube es imposible trazar una lnea imaginaria representativa de la orientacin de los puntos,
simplemente porque no hay tal orientacin lineal. Los valores que van asumiendo las variables son en
principio aleatorios (varan al azar). Tampoco hay correlacin.
El caso F nos muestra un caso de correlacin perfecta o mxima (en este caso directa), pues no hay
dispersin de puntos alrededor de la lnea imaginaria: todos estn sobre ella. Estas regularidades
perfectas no suelen encontrarse fcilmente, ni menos an en ciencias sociales, porque los fenmenos
obedecen siempre a muchas causas que estarn actuando para romper la armona natural entre X e Y.
Tambin hay casos de correlacin no lineal, donde en lugar de una recta imaginaria se traza una curva.
En este artculo se presentan solamente los casos ms sencillos, es decir, los casos de correlacin lineal,
representables mediante rectas.

Diferentes diagramas de dispersin



Y

10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 X
A) Correlacin directa
Y

10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 X
B) Correlacin
inversa
Y

10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 X
C) Sin correlacin
Y

10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 X
D) Sin correlacin
Y

10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 X
E) Sin correlacin
Y

10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 X
F) Correlacin directa
perfecta

Pgina 65 de 325
65
Si bien una nube de puntos puede dar una idea de si hay o no correlacin, o de si es directa o inversa,
todava no proporciona informacin sobre cuanta correlacin hay. Esta informacin se obtiene mediante
un clculo analtico.

4. CLCULO ANALTICO DE LA CORRELACIN

La correlacin se calcula analticamente mediante ciertos coeficientes, que sern distintos segn se trate
de correlacionar variables nominales, ordinales o cuantitativas, y segn se trate de otras consideraciones
varias.
Si bien existen muchos coeficientes de correlacin (4), en lo que sigue se explicarn algunos de los ms
utilizados: el coeficiente de correlacin lineal de Pearson (para variables cuantitativas), y el coeficiente de
correlacin por rangos de Spearman (para variables cualitativas ordinales).

a) Coeficiente de correlacin lineal de Pearson

Este coeficiente (que se designa con r), fue creado por Karl Pearson (1857-1936) para relacionar
variables cuantitativas (es decir, variables que, como nota de examen, se miden mediante nmeros).
El coeficiente de Pearson es un nmero comprendido entre -1 y +1, y que posee un determinado signo
(positivo o negativo). El valor numrico indica cuanta correlacin hay, mientras que el signo indica qu
tipo de correlacin es (directa si el signo es positivo, inversa si es negativo). En el siguiente esquema se
muestran algunos posibles valores de r.

Algunos valores del coeficiente de Pearson



Cuanto ms cerca de cero est el coeficiente de correlacin obtenido, tanto menor correlacin habr.
Cabra preguntarse: hasta qu valor se considera que hay correlacin? desde qu valor no la hay? Esto
es una cuestin que depende de varias cosas, y hace a la cuestin de la relatividad del coeficiente de
Pearson.
En efecto, su interpretacin depende de varios factores, como por ejemplo: a) la naturaleza de las
variables que se correlacionan; b) la significacin del coeficiente; c) la variabilidad del grupo; d) los
coeficientes de confiabilidad de los tests; e) el propsito para el cual se calcula r.
El valor r = 0,70 puede indicar alta correlacin para cierto par de variables, pero baja correlacin para
otras variables distintas. Otro ejemplo: un r de 0,30 entre estatura e inteligencia o entre tamao craneal
y habilidad mecnica indicara una correlacin mas bien alta, puesto que las correlaciones entre variables
fsicas y mentales suelen ser mucho ms bajas, a menudo iguales a cero. Otro ejemplo: un r de 0,30
entre inteligencia y nota de examen, o entre puntaje en ingls y puntaje en historia es considerada
bajsima, ya que los r en estos campos suelen extenderse entre 0,40 y 0,60. Otro ejemplo: semejanzas
entre padres e hijos, en cuanto a rasgos fsicos y mentales, se expresan por valores entre 0,35 y 0,55, y
por lo tanto un r de 0,60 sera alto.
Respecto de la frmula para calcular el coeficiente de correlacin de Pearson ("r"), no hay una nica
manera de presentarla, y la eleccin de una u otra depender de la forma de presentacin de los datos.
Por ejemplo, si los datos estn agrupados en una tabla de frecuencias, se utiliza cierta frmula (Bancroft,
1960:190), mientras que si los datos no estn agrupados en frecuencias, podrn utilizarse cualquiera de
las frmulas indicadas en el siguiente esquema (5):

Frmula 1 Frmula 2

E { ( x X) (y Y) }

E { ( x X) (y Y) }
Correlacin inversa mxima (-1)



Baja correlacin inversa (-0.15)

Correlacin nula (0)



Alta correlacin directa (+0.70)

Correlacin directa mxima (+1)

Pgina 66 de 325
66
r = -------------------------------
n ox . oy

Se usa esta frmula cuando dan como datos
las medias de X e Y y sus respectivos
desvos estndar.
r = -------------------------------
E ( x X)
2
. E (y Y)
2


(El denominador debe elevarse a la raz cuadrada).
Se usa esta frmula cuando dan como datos las medias aritmticas
de X e Y.
Frmula 3 Frmula 4

E (Z x . Zy)
r = ---------------------
n

Se usa esta frmula cuando dan como datos
los puntajes estandarizados Z.

n E (x.y) Ex . Ey
r = ------------------------------------------------
n Ex
2
(Ex)
2
. n Ey
2
(Ey)
2


(Ambos factores del denominador se elevan a la raz cuadrada)
Se utiliza esta frmula (llamada frmula del producto momento)
cuando no se conocen ni medias aritmticas ni desvos estndar.

A continuacin se suministra un ejemplo de cmo calcular el coeficiente "r" utilizando la frmula 2. Se
trata de determinar el coeficiente de Pearson para dos variables X e Y (que podran ser por ejemplo las
notas del primero y segundo parcial). Tambin se pide interpretar el resultado.
La tabla 1 son los datos dados, mientras que la tabla 2 es una ampliacin que debe hacerse para poder
obtener ms informacin y poder as aplicar la frmula:

Tabla 1

Alumno X Y
A
B
C
D
E
4
5
7
9
10
6
7
8
9
10
N=5 alumnos 35 40

Tabla 2

x X y Y ( x X) (y Y) ( x X)
2
(y Y)
2

-3
-2
0
2
3
-2
-1
0
1
2
6
2
0
2
6
9
4
0
4
9
1
1
0
1
1
0 0 16 26 10

X = 7
Y = 8

Con los datos obtenidos se aplica ahora la frmula 2:

E { ( x X) (y Y) } 16
r = ---------------------------------------- = ----------------------- = +0.99
raz de E ( x X)
2
. E (y Y)
2
raz de 26,10

Interpretando el resultado, se puede decir que la correlacin obtenida es directa o positiva y es adems,
muy alta.

Coeficientes derivados.- A partir del coeficiente "r" de Pearson (en cualquiera de sus formas) se pueden
derivar otros, segn la informacin que se quiera obtener:
1) Coeficiente de determinacin (r
2
): es el coeficiente "r" elevado al cuadrado. El coeficiente de
determinacin indica qu porcentaje de la variacin de Y est determinada por las variaciones de X. Por
ejemplo, para un "r" de 0,70, hay un coeficiente de determinacin de 0,49, lo que significa que el 49% de
la variacin de Y est determinada por la variacin de X.
2) Coeficiente de alienacin (k): llamado tambin de no correlacin, no indica la correlacin sino la falta
de correlacin entre dos variables (o grado de independencia). Para calcularlo se aplica la frmula
siguiente:
r
2
+ k
2
= 1 [1]

Pgina 67 de 325
67
Por ejemplo, si sabemos que "r" es de 0,50, aplicando la frmula indicada tenemos que "k" vale 0,86, con
lo cual el grado en que falta la correlacin resulta ser mayor que el grado en que s hay correlacin.
Idnticamente, si "r" vale 1 entonces "k" vale 0, y viceversa. Cuanto mayor es el coeficiente de alienacin
tanto menor es la correlacin, y por tanto menos confiables sern las predicciones que -anlisis de
regresin mediante- se hagan sobre esa base.
3) Coeficiente de indeterminacin (k
2
): es el coeficiente "k" pero elevado al cuadrado. Mide el grado en
que la variacin de Y no est determinada por la variacin de X. La frmula del coeficiente de
indeterminacin es deducible de la anterior [1].
4) Coeficiente de eficiencia predictiva (E): suele utilizarse para, sabiendo "r", estimar rpidamente el
poder predictivo de la correlacin "r". Su frmula es:
E = 100 . (1 - 1-r2) donde 1-r2 debe elevarse a la raz cuadrada.
Por ejemplo si la correlacin "r" es de 0,50, la eficiencia predictiva ser del 13%. Pero cuando "r" sube a
0,98, la eficiencia predictiva ser del 80%. La correlacin debe ser entonces de 0.87 o ms para que la
eficiencia predictiva sea mayor al 50%.

Matriz de correlaciones.- En muchas investigaciones se estudian muchas variables, y se intenta
cuantificar mediante el coeficiente r sus relaciones dos a dos, es decir, las relaciones de cada variable
con cada una de las dems (Botella, 1993:202). A los efectos de comparar estos diferentes valores de r
se traza una matriz de correlacin, que puede tener la siguiente forma:

Variable X Variable Y Variable W Variable Z
Variable X r = -0.17 r = -0.11 r = -0.30
Variable Y r = +0.46 r = +0.17
Variable W r = +0.10
Variable Z

La matriz permite visualizar inmediatamente, entre otras cosas, cules son los coeficientes de correlacin
ms altos (en este caso, entre Y y W).
Ntese que no han sido llenados los casilleros donde se cruzan las mismas variables (por ejemplo X con
X), porque carece de sentido hacerlo y su correlacin es siempre perfecta y positiva (r = +1).

b) Coeficiente de correlacin por rangos de Spearman

Se trata de un coeficiente de correlacin utilizado para estudiar la asociacin entre dos variables
ordinales. Se representa con la letra griega rho, y sus frmulas son las siguientes:

Frmula 1 Frmula 2

6 E d
2

= 1 - ---------------------------
n (n + 1) (n 1)


E x
2
+ E y
2
+ E d
2

= --------------------------------
2 . \ E x
2
. E y
2


La frmula para obtener E x
2
o E y
2
es la misma en ambos casos,
y es E x
2
= E y
2
= (n
3
n) / 12
En el denominador, la raz cuadrada afecta a E x
2
. E y
2


En ciertos casos conviene utilizar la primera frmula, y en otros casos la segunda. Por ejemplo (Kohan,
1994:256), si no hay empates en los rangos o son muy pocos, se utilizar la frmula 1, y si hay empates
en los rangos, se utilizar la frmula 2. Para comprender esto, se suministran a continuacin dos
ejemplos diferentes: uno sin empates y otro con empates.

Ejemplo 1.- En este ejemplo (tomado de Kohan, 1994:256) se utiliza el coeficiente de Spearman para
evaluar el grado de asociacin entre dos variables ordinales: X (autoritarismo) e Y (bsqueda de status).
Por ejemplo, permitir averiguar si a medida que aumenta el autoritarismo en las personas tiende
tambin a aumentar la bsqueda de status social.
Para ello se toma una muestra de 12 sujetos, y se obtienen los siguientes resultados:

Sujeto x (rango por autoritarismo) y (rango por bsqueda de status) d d
2

A 2 3 -1 1
B 6 4 2 4
C 5 2 3 9
D 1 1 0 0
E 10 8 2 4
F 9 11 -2 4
G 8 10 -2 4

Pgina 68 de 325
68
H 3 6 -3 9
I 4 7 -3 9
J 12 12 0 0
K 7 5 2 4
L 11 9 2 4
n = 12 E d
2
= 52

Esta tabla indica, por ejemplo, que el sujeto A se situ en un segundo lugar en autoritarismo y en un
tercer lugar en bsqueda de estatus.
Aplicando la frmula 1, se obtiene un coeficiente de Spearman de 0.82, lo cual sugiere una alta
correlacin entre autoritarismo y bsqueda de status.

Ejemplo 2.- Aqu se trata de obtener el coeficiente de Spearman cuando hay empates en los rangos. Los
empates ocurren cuando dos o ms sujetos tienen el mismo rango en la misma variable. Por ejemplo
(ver tabla siguiente), los sujetos A y B obtuvieron el mismo puntaje en la variable X (o sea, obtuvieron
ambos cero). Otro tanto ocurri con los sujetos C y D y con los sujetos J y K, siempre en relacin a la
misma variable X. En el caso de la variable Y todos los puntajes fueron diferentes, y por lo tanto no hubo
empates.
Cuanto mayor es la cantidad de empates, ms conveniente resultar utilizar la frmula 2.

Sujeto x (rango por autoritarismo) y (rango por bsqueda de
status)
d d
2

Puntaje Rango Puntaje Rango
A 0 (1) 1.5 42 3 -1.5 2.25
B 0 (2) 1.5 46 4 -2.5 6.25
C 1 (3) 3.5 39 2 1.5 2.25
D 1 (4) 3.5 37 1 2.5 6.25
E 3 (5) 5 65 8 -3.5 9
F 4 (6) 6 88 11 -5 25
G 5 (7) 7 86 10 -3 9
H 6 (8) 8 56 6 2 4
I 7 (9) 9 62 7 2 4
J 8 (10) 10.5 92 12 -1.5 2.25
K 8 (11) 10.5 54 5 -5.5 30.25
L 12 (12) 12 81 9 3.5 9
n = 12 E d
2
= 109.5

Para hallar el coeficiente de Spearman en estos casos, puede procederse se acuerdo a tres pasos:

a) Reasignacin de rangos.- En la columna de Puntaje de la variable X se ha agregado entre parntesis el
rango u orden que ocupara el sujeto. Este agregado sirve al nico efecto de determinar el rango
definitivo que se le asignar, y que aparece en la columna Rango, de la misma variable.
La forma de calcular este rango definitivo es simple. Por ejemplo, si se consideran los sujetos A y B, se
suman los rangos 1 y 2, con lo cual se obtiene el valor 3. Este valor se divide por la cantidad de
empates, que en este caso es 2, y se obtiene el valor 1.5, que ser el rango definitivo de ambos sujetos.

b) Correccin de la suma de los cuadrados.- Para poder aplicar la frmula 2, y puesto que hay empates,
deben modificarse los valores de E x
2
y de E y
2
es decir, las sumatorias de los cuadrados de los valores de
cada variable.
Para modificar dichos valores deben restarse a ellos E E, cuyo valor se entiende a partir de la siguiente
frmula donde dicho factor se ha restado:

n
3
n 12
3
12 2
3
2 2
3
2 2
3
- 2
E x
2
= --------- - E E = ------------ - ( --------- + --------- + --------- ) = 143 1.5 = 141.5
12 12 12 12 12

El valor 2 significa que hay sido dos los valores empatados. En este caso, los empates se han dado en
tres oportunidades (sujetos A-B, C-D y J-K), y por ello se suman los tres cocientes.
Como en la variable Y no se han verificado empates, el clculo no incluir el factor de correccin:

n
3
n 12
3
12
E y
2
= --------- = ------------ = 143
12 12

c) Aplicacin de la frmula 2.- Se aplica la frmula con los valores corregidos del siguiente modo:

Pgina 69 de 325
69

E x
2
+ E y
2
+ E d
2
141.5 + 143 109.5
= -------------------------------- = ------------------------------ = 0.616
2 . \ E x
2
. E y
2
2 \ 141.5 . 143

Si no se hubieran introducido las correcciones indicadas, el valor del coeficiente de Spearman hubiera
sido ms elevado, aunque en este caso la diferencia es poco importante y slo conviene corregir cuando
hay gran cantidad de empates (Kohan, 1994:258).

5. UN EJEMPLO: CONSTRUCCIN Y VALIDACIN DE TESTS

El anlisis de correlacin se aplica en muchos mbitos de la psicologa, como por ejemplo en la teora
factorialista de la inteligencia, en el anlisis de actitudes en psicologa social, y tambin en la
construccin de pruebas psicodiagnsticas (6).
Como ejemplo, a continuacin se inventar un test, no slo para ver como se realiza esta tarea, sino
tambin para ver el modo en que interviene en este proceso el anlisis de correlacin.
La idea de construir un supuesto Test de personalidad de Prez pudo haber comenzado al leer los
diversos trastornos de personalidad del DSM-IV. Uno de ellos es el trastorno narcisista, otro el trastorno
esquizoide, y as sucesivamente. El DSM-IV propone diversos criterios para identificarlos, pero aqu se ha
elegido otro camino: tomar un test creado ad hoc.
Pensando en la cuestin, cabe imaginarse que un individuo narcisista podra muy bien estar cmodo con
un dibujo como el esquema 6, donde aparece un gran punto rodeado de otros ms pequeos que lo
admiran, mientras que un esquizoide preferira el esquema 7, representativo de un patrn de
distanciamiento de las relaciones sociales.




Acto seguido, se eligen mil sujetos con diagnsticos diversos de personalidad y se les pregunta qu
dibujo les gusta ms. Aqu es donde interviene el anlisis de correlacin, que permitir ver el grado de
asociacin entre el diagnstico y el dibujo elegido. Una muy alta correlacin aparecera, por ejemplo, si
gran cantidad de sujetos con trastorno narcisista eligen el esquema 6, con lo cual, en lo sucesivo se
podr tomar este test sin necesidad de explorar sus conductas y ver si cumplen los criterios del DSM-IV,
un trmite que suele ser arduo.
Desde ya, construir un test exige una gran cantidad de controles y precauciones que no vienen al caso
exponer aqu. Por ejemplo, debe determinarse su validez y su confiabilidad. El anlisis de correlacin
permite, precisamente, determinar por ejemplo un tipo especial de validez: la validez predictiva, que
pueden verse claramente en las pruebas de orientacin vocacional.
As, por ejemplo, una forma de establecer si un test de este tipo evala la vocacin de un sujeto, es
esperar varios aos y ver si ese sujeto tuvo xito en la profesin sugerida por el test. Como puede
apreciarse, aqu se recurre nuevamente al anlisis de correlacin, al compararse la profesin
diagnosticada con la profesin elegida exitosamente. Una alta correlacin entre ambas variables es
indicador de la validez predictiva del test en cuestin.
El anlisis de correlacin permite tambin determinar otros tipos de validez como la validez inter-test,
que compara los resultados de un test vocacional con otro test vocacional. Si ambos arrojan
aproximadamente los mismos resultados en un conjunto de sujetos, entonces tienen validez inter-test,
comparacin que fue posible por un anlisis de correlacin.
Esquema 6 Esquema 7

Pgina 70 de 325
70

6. EL ANLISIS DE REGRESIN

El objetivo del anlisis de regresin es establecer una prediccin acerca del comportamiento de una
variable Y conociendo el correspondiente valor de X (o viceversa) y el grado de correlacin existente
entre ambas variables.
Para ello es preciso conocer la llamada recta de regresin (7), que es la recta imaginaria que mejor
representa el conjunto de pares de valores de las variables X e Y. En el siguiente eje de coordenadas,
estn representados por ejemplo cinco de esos pares de valores, mediante cinco puntos. La recta de
regresin dibujada sera la que mejor representa esos puntos, por cuanto la distancia de los puntos a la
recta (representada con una lnea punteada) es la mnima. Esta distancia recibe el nombre de regresin,
de manera tal que cuanto menor es la regresin de los puntos, mayor ser la correlacin entre ellos.



La recta de regresin es, de muchas rectas posibles, la que mejor representa la correlacin o, ms
tcnicamente, es la nica que hace mnima la suma de los cuadrados de las desviaciones o distancias de
cada punto a la recta. Es, adems, la mejor manera de poder hacer predicciones.
Las desviaciones de los puntos respecto de la recta se adjudican a factores no controlados (que suelen
ser particularmente importantes en las ciencias sociales), y se parte del supuesto de que si no hubiera
factores extraos que afecten la relacin entre X e Y, entonces no habra desviaciones y la correlacin
sera perfecta.
La recta de regresin puede trazarse a ojo, pero este procedimiento no tiene precisin. El anlisis de
regresin propone un mtodo mucho ms preciso, consistente en hallar la recta de regresin por una va
analtica.
Este clculo de la recta de regresin consiste en hallar la ecuacin de la recta de regresin, y
eventualmente luego dibujndola en un diagrama de coordenadas cartesianas. Una vez en posesin de
esta ecuacin, podrn hacerse predicciones a partir de la ecuacin misma o bien a partir de la recta
trazada en el diagrama de coordenadas.
Ambos procedimientos sern examinados a continuacin con los nombres de clculo analtico de la
regresin y clculo grfico de la regresin, respectivamente.

7. CLCULO ANALTICO DE LA REGRESIN

El clculo analtico de la regresin consiste en averiguar la ecuacin de la recta de regresin. Ello
permitir realizar predicciones en base a dicha ecuacin.
Una vez que se cuenta con un determinado conjunto de pares de valores obtenidos de la realidad, puede
determinarse la ecuacin de la recta que los representan por dos mtodos: el mtodo de los cuadrados
mnimos, y el mtodo de las desviaciones.
Antes de examinarlos, debe tenerse presente que la forma general de una ecuacin de una recta es y =
a + b.x (8). Determinar la ecuacin de la recta significa asignarle un valor al parmetro a y otro valor al
parmetro b. Los mtodos indicados tienen como fin determinar el valor de ambos parmetros.

a) Mtodo de los cuadrados mnimos.-

La ecuacin de la recta que tiene la forma y
1
= a + b . x
1
se obtiene averiguando los valores a y b. Una
vez obtenidos ambos valores, puede realizarse una prediccin cualquiera: a partir de x
1
como el valor
conocido, se puede predecir el valor de y
1
.
Las frmulas para el clculo de a y b son las siguientes:

x
y
Recta de regresin

Pgina 71 de 325
71
n E (x.y) E x . E y
b = ------------------------------
n E x
2
- (E x)
2


a = Y - b . X (donde Y y X son las respectivas medias aritmticas)

Como puede apreciarse, primero debe calcularse b, ya que para calcular a se requiere conocer b.

b) Mtodo de las desviaciones.-

La ecuacin de la recta se obtiene a partir de la siguiente expresin:

y = r . (S
y
/ S
x
) . (x - X) + Y

En esta ecuacin de la recta, la expresin r . (S
y
/ S
x
) se llama coeficiente de regresin.
Como puede apreciarse, la aplicacin del mtodo de las desviaciones requiere conocer las medias
aritmticas y los desvos estndar de X e Y. Tambin requiere conocer el coeficiente de correlacin r, para
lo cual resulta aqu recomendable utilizar la frmula nmero 1.

Ejemplo de prediccin en base a la ecuacin de la recta.- Si se dispone ya de una ecuacin de la recta,
ser muy sencillo hacer una prediccin del valor de y en funcin del valor de x.
En cambio, si debe hacerse esa prediccin a partir de una simple lista de pares de valores
correlacionados, primero deber obtenerse la ecuacin de la recta, para lo cual, a su vez si la idea es
aplicar el mtodo de las desviaciones- deben conocerse las medias aritmticas de x e y, los desvos
estndar de x e y, y la correlacin r entre x e y.
Considrese la siguiente lista de pares de valores ordenados:

Sujeto X (edad) Y (puntaje test)
A 2 55
B 3 60
C 5 65
D 6 80
E 6 85
F 8 75

A los efectos de poder obtener informacin sobre las medias aritmticas, los desvos estndar y el
coeficiente de correlacin (necesarios para calcular la ecuacin de la recta), se ampla la tabla anterior de
la siguiente manera:

Sujeto X (edad) Y (puntaje test) (X-X) (Y-Y) (X-X) (Y-Y)
A 2 55 -3 -15 45
B 3 60 -2 -10 20
C 5 65 0 -5 0
D 6 80 1 10 10
E 6 85 1 15 15
F 8 75 3 5 15
Total 30 420 --- --- 105

Aplicando la frmula correspondiente, se obtienen las medias aritmticas de X e Y (que son 5 y 70).
Aplicando la frmula correspondiente, se obtienen los desvos estndar de X e Y (que son 2 y 10.8).
Aplicando la frmula 1, se obtiene el coeficiente de correlacin (que es r = +0.81).
Finalmente, se obtiene la ecuacin de la recta utilizando el mtodo de loas desviaciones:

y = r . (S
y
/ S
x
) . (x - X) + Y
y = 0.81 (10.8 / 2) . (x 5) + 70

Esta expresin se transforma de manera tal que adopte la forma tpica de la ecuacin de la recta, con lo
cual se obtiene:

y = 47.85 4.43 . x

Una vez que se cuenta con la ecuacin de la recta, ahora s pueden hacerse predicciones. Por ejemplo, si
a un nio que 10 aos se le toma el test, cul ser el puntaje ms probable que obtendr?

y = 47.85 4.43 . x

Pgina 72 de 325
72
y = 47.85 4.43 . 10 = 92.15
y = 92.15

8. CLCULO GRFICO DE LA REGRESIN

El clculo grfico de la regresin consiste en trazar la recta de regresin en base a la ecuacin de la recta
obtenida en el clculo analtico. Ello permitir realizar predicciones en base a dicha recta trazada en el
diagrama de coordenadas cartesianas.
La recta de regresin, como toda recta, puede determinarse por dos puntos. Un punto es la ordenada al
origen, y el otro punto es la interseccin de las medias aritmticas de x e y. Este ltimo punto se llama
baricentro.
Tomando el ejemplo anterior, la ordenada al origen es 47.85, mientras que el baricentro queda
determinado por las medias aritmticas 5 y 70, con lo cual la recta de regresin ser la siguiente:



Ejemplo de prediccin en base a la recta del diagrama cartesiano.- Considerando solamente la recta
dibujada, puede hacerse una prediccin (mtodo grfico). Por ejemplo, si se sabe que x = 7, puede
predecirse que el valor de y ser 82 de la siguiente manera:


Error estndar de la prediccin.- En el ejemplo anterior la prediccin realizada es slo probable, lo que
significa que se est cometiendo algn error en la estimacin del valor y. Ello es as porque se ha
calculado el coeficiente de correlacin r y la ecuacin de la recta de regresin en base a una muestra (en
este caso de apenas seis sujetos) y con esta informacin se est intentando predecir un valor nuevo que
no est en la muestra, es decir, que pertenece a la poblacin. Adems, se est suponiendo (Kohan N,
1994:228) que la muestra ha sido tomada al azar, y que ambas variables se distribuyen normalmente.
Es posible estimar el error estndar cometido en base a la siguiente expresin:

o
est

y
= o
y
. \ 1 r
2


Esto es, el error estndar es igual al desvo estndar poblacional multiplicado por la raz cuadrada de la
diferencia entre 1 y el cuadrado del coeficiente de correlacin.
En el ejemplo anterior, el desvo estndar vala 10.8 y el coeficiente de correlacin vala 0.82.
Reemplazando, se obtiene:

o
est

y
= 10.8 . \ 1 0.82
2
= 6.2
Y

90
80
70
60
50
40
30
20
10
0
0 1 2 3 4 5 6 7 8 9 10 X
Y

90
80
70
60
50
40
30
20
10
0
0 1 2 3 4 5 6 7 8 9 10 X

Pgina 73 de 325
73

Esto significa que el valor de y predicho y = 82, estar en un 68% de los casos entre 82 6.2, es decir
entre 88.2 y 75.8. O si se quiere, hay un 68% de probabilidades que el valor de y se encuentre entre
88.2 y 75.8. Desde ya, tambin puede calcularse este intervalo de confianza en base a un 95% o un 99%
de probabilidades, en cuyo caso el intervalo de confianza deber ser mayor.

NOTAS

(1) Una distribucin de frecuencias bivariada es un conjunto de pares de valores, correspondientes a dos variables
observadas conjuntamente, con sus respectivas frecuencias. Cuando la distribucin se registra en una tabla de doble
entrada se obtiene una tabla de contingencia. En cada celda de esta tabla se indica la frecuencia con que se observ
cada par de valores.
(2) Algunos autores (por ejemplo Botella, 1993:183), clasifican en tres los casos posibles de relacin lineal entre
variables. a) Relacin lineal directa: se dice que dos variables X e Y mantienen una relacin lineal directa cuando los
valores altos en Y tienden a emparejarse con valores altos en X, los valores intermedios en Y tienden a emparejarse
con valores intermedios en X, y los valores bajos en Y tienden a emparejarse con valores bajos en X. Por ejemplo: la
relacin entre inteligencia y rendimiento. b) Relacin lineal inversa: se dice que dos variables X e Y mantienen una
relacin lineal inversa cuando los valores altos en Y tienden a emparejarse con valores bajos en X, los valores
intermedios en Y tienden a emparejarse con valores intermedios en X, y los valores bajos en Y tienden a emparejarse
con valores altos en X. Por ejemplo: la relacin entre tiempo y errores. c) Relacin lineal nula: se dice que hay relacin
lineal nula entre dos variables cuando no hay un emparejamiento sistemtico entre ellas en funcin de sus valores. Por
ejemplo: la relacin entre estatura e inteligencia.
(3) Otra forma de apreciar grficamente la correlacin es mediante el ngulo de correlacin: dadas las dos rectas y1
= a + b . x1 y x1 = a + b . y1 , el punto donde se intersectan se llama centroide. El ngulo entre ambas rectas se
llama ngulo de correlacin. Cuanto menor es este ngulo, ms correlacin hay (Kohan, 1994:224).
(4) Adems del clsico coeficiente "r" de Pearson, existen otros tambin destinados a medir el grado de asociacin
entre variables. En el esquema siguiente se resumen algunos ejemplos. No deben confundirse los coeficientes
derivados del coeficiente de Pearson, con estos otros coeficientes de correlacin, que en general fueron diseados de
manera diferente o para otros propsitos.

Nombre Condiciones de aplicacin
Coeficiente de Pearson Se aplica sobre variables cuantitativas (de intervalos iguales o de cocientes). Adems, las
variables deben estar distribuidas normalmente, o al menos tratarse de distribuciones
bastante simtricas respecto de la media.
Se llama tambin coeficiente de correlacin producto-momento de Pearson.
Coeficiente Q de Yule De fcil clculo e interpretacin como el anterior, pero su uso se limita a dos variables
nominales, con dos categoras cada una.
Coeficiente de
asociacin (gamma) de
Goodmann y Kruskal
Se utiliza sobre todo cuando son muchas observaciones y muy pocos valores ordinales
alcanzados por ellas. Se busca computando las concordancias e inversiones en las
ordenaciones que representan las dos variables y se aplica la frmula.
Coeficiente (Rho) de
Spearman
No es ms que el coeficiente de Pearson aplicado a variables ordinales.
Coeficiente Etha Utilizado para variables cuantitativas (de intervalos iguales o de cocientes), debe reunir dos
requisitos: que la curva de distribuciones sea bastante simtrica y unimodal, y que la
asociacin de variacin sea al menos aproximadamente rectilnea.
Coeficiente de
correlacin mltiple
Para correlacionar simultneamente ms de dos variables.
Coeficiente Phi Para variables nominales.

Otros coeficientes son: el Coeficiente (Tau) de Kendall (Kohan, 1994:260), el Coeficiente de Wilcoxon, el Coeficiente
de Flanagan, el Coeficiente de correlacin multiserial de Jaspe, el Coeficiente T de Tschuprow, el Coeficiente de
correlacin tetracrica (Kohan, 1994:281), etc.
Un ejemplo de aplicacin del Coeficiente Q de Yule (poco usado hoy en da) es el clculo de la correlacin entre dos
variables nominales con dos categoras cada una: por un lado sexo (masculino-femenino) y por el otro nivel de
ingresos (alto-bajo). Primero, se construye una tabla de doble entrada que organice la informacin obtenida en la
muestra. Por ejemplo:

Alto Bajo
Masculino A B
Femenino C D

Segundo, aplicar la frmula de Q:

A.D B.C
Q = ----------------
A.D + B.C

Los valores de Q varan entre -1 y +1 y se interpretan igual que el clsico coeficiente r de Pearson.
Eventualmente, tambin podr establecerse la significacin del coeficiente de correlacin obtenido recurriendo a la
prueba de t Student. La frmula de t que puede utilizarse lleva como numerador el producto de r por la raz
cuadrada de N-2 (N es el tamao de la muestra), y el denominador es la raz cuadrada de 1-r
2
.

Pgina 74 de 325
74
Todos los coeficientes de correlacin pueden aplicarse en psicologa, por ejemplo, en experimentos sobre el
aprendizaje, en la teora factorialista de Spearman, y en psicometra cuando por ejemplo debemos establecer el grado
de correlacin entre dos tests, o el grado de correlacin de un mismo test tomado en dos momentos diferentes.
(5) En algunos textos de estadstica se describen frmulas abreviadas para facilitar los clculos cuando se dispone de
un nmero grande de pares de valores. La disponibilidad actual de calculadoras de mesa y ordenadores personales
hacen innecesarias estas frmulas (Botella, 1993:193).
(6) La construccin de tests puede llevarse a cabo para realizar una investigacin ad hoc para la cual no hay
instrumentos de medicin conocidos, o bien para crear una prueba que pueda ser utilizada por otros en diferentes
circunstancias, aunque esto ltimo es ms raro en un mercado sobresaturado de pruebas psicomtricas y proyectivas
donde es realmente muy difcil posicionar un test que pueda representar una mejora respecto de los anteriores.
(7) Tambin puede ser una curva, pero en este artculo se describe solamente la regresin lineal, que se representa
mediante una recta.
(8) El valor a es la ordenada al origen, y el valor b es el coeficiente angular o pendiente de la recta, que equivale a
la tangente del ngulo alfa (formado por la recta y otra recta paralela a la absisa). La ecuacin de la recta tambin
puede representarse como x = a + b.y, en cuyo caso el parmetro a significar la absisa al origen. En este artculo no
se considerar esta segunda expresin por razones de simplicidad, y por cuanto la idea es poder predecir un valor y en
funcin de un valor x, y no un valor x en funcin de un valor y. As, la ecuacin y = a + b.x permite predecir cunto
valdr y en funcin de x, mientras que la ecuacin x = a + b.y permite predecir cunto valdr x en funcin de y.
Ambas rectas de regresin se cortan en un punto llamado centroide, y la correlacin entre las dos variables est dada
por el ngulo entre las dos rectas: si este ngulo vale 0, la correlacin es 1 (Kohan N, 1994:224).


CAPTULO 5: ESTADSTICA INFERENCIAL

1. INTRODUCCIN

A diferencia de la estadstica descriptiva, la estadstica inferencial va ms all de la mera descripcin de
la muestra por cuanto se propone, a partir del examen de sta ltima, inferir una conclusin acerca de la
poblacin, con un cierto nivel de confianza (o, complementariamente, con un cierto nivel de error).
Las muestras de las cuales se ocupa la estadstica inferencial son muestras probabilsticas, es decir,
aquellas en las cuales es posible calcular el error cometido al estimar una caracterstica poblacional
(Kohan N, 1994:144) (1).
Clsicamente, la estadstica inferencial se ocupa de dos cuestiones: la estimacin de parmetros y la
prueba de hiptesis, aunque por lo general, la mayora de las aplicaciones de la estadstica inferencial
pertenecen al rea de la prueba de hiptesis (Pagano, 1998:209).
De acuerdo al mismo autor (1998:155), en la estimacin de parmetros el investigador busca determinar
una caracterstica de la poblacin a partir de los datos de la muestra. Por ejemplo, tomando la variable
edad, podra concluir que la probabilidad de que el intervalo 4050 contenga la media de la poblacin es
de 0.95.
En cambio en la prueba de hiptesis, el investigador rene datos en una muestra para validar cierta
hiptesis relativa a una poblacin. Ejemplos: a) para validar la hiptesis de que la media poblacional no
tiene una diferencia significativa con la media muestral, toma ambas medias y las compara
estadsticamente mediante la prueba de la media; b) para validar la hiptesis de que en la poblacin el
mtodo de enseanza A es mejor que el B, el investigador toma dos muestras de alumnos y a cada uno
le aplica un mtodo de enseanza diferente. El tipo de conclusin que se busca aqu podra ser que las
mayores calificaciones en un grupo que en otro se deben al mtodo de enseanza aplicado y no al azar,
y, adems, que dicha conclusin no se aplica slo a la muestra sino a toda la poblacin.
En la estadstica inferencial se pueden hacer inferencias espaciales e inferencias temporales. Una
inferencia espacial implica suponer, a partir de la muestra, cmo es la poblacin total. Una inferencia
temporal es un caso especial donde, a partir de ciertos datos actuales podemos inferir o suponer ciertos
otros datos que podamos obtener en el futuro, vale decir una poblacin potencial.

2. ESTIMACIN DE PARMETROS

Esta tarea consiste en, partiendo de ciertos valores de la muestra llamados estadsticos o estadgrafos
(por ejemplo la media aritmtica muestral), inferir ciertos otros valores de la poblacin llamados
parmetros (por ejemplo la media aritmtica poblacional o esperanza).
Ello es as porque en general lo que interesa es la poblacin, no la muestra. Cuando un investigador
observa que en una muestra el 80% de las personas lee el diario, le interesar averiguar a partir de all
qu porcentaje o proporcin de la poblacin lee el diario, ya que por ejemplo su inters es editar un
nuevo peridico. De la misma forma, cuando un investigador observa que la media aritmtica muestral
de la frecuencia cardaca es 80 pulsaciones por minuto, le interesar averiguar si ello se cumple tambin
en la poblacin, ya que por ejemplo su inters puede ser comparar la frecuencia cardaca de sus
pacientes con toda la poblacin para decidir sobre su salud en base a un criterio estadstico.
Como puede verse, lo ms habitual es inferir medias aritmticas (promedios) y proporciones
(porcentajes). As, a partir de la media aritmtica muestral se infiere la media aritmtica poblacional, y a
partir de la proporcin observada en la muestra se infiere la proporcin en la poblacin.

Pgina 75 de 325
75
Existen dos tipos de estimacin de parmetros: la estimacin puntual y la estimacin intercalar (Pagano
R, 1998:304).
La estimacin puntual consiste en inferir un determinado valor para el parmetro. Por ejemplo, inferir
que la poblacin debe tener puntualmente una media aritmtica de 80.
La estimacin intervalar consiste en inferir dentro de qu intervalo de valores estar el parmetro con un
determinado nivel de confianza. Por ejemplo, inferir que la poblacin debe tener una media aritmtica
entre 75 y 83, con un nivel de confianza de 0.95 (esto es, hay un 95% de probabilidades de que el
parmetro poblacional se encuentre entre 75 y 93) o, si se quiere, con un nivel de riesgo (4) de 0.05
(esto es, hay un 5% de probabilidades de que el parmetro no se encuentre entre esos valores).
En general, resulta mucho ms riesgoso afirmar que el parmetro vale 80 que afirmar que vale entre 75
y 83. Por esta razn, se prefiere bajar este riesgo y establecer un intervalo de confianza, que podr ser
de 0.90, 0.95, 0.99, etc., segn elija el investigador.
Hay diferentes procedimientos de estimacin de parmetros, segn se trate de estimar medias o
proporciones, o segn se trate de estimar parmetros de variables cualitativas (con dos categoras o con
ms de dos categoras) o cuantitativas. En lo que sigue se dan algunos ejemplos combinados.

Estimacin de la media poblacional para variables cuantitativas.- Conociendo la media muestral, es
posible averiguar con un cierto nivel de confianza (por ejemplo 0.95), entre qu valores de la variable
estar la media poblacional. Estos valores se llaman lmite superior del intervalo (Ls) y lmite inferior del
intervalo (Li).
Para obtener ambos valores se utilizan las siguientes frmulas:

Ls = X + z . (S / \ n)

Li = X - z . (S/ \ n)
Donde:

Ls = Lmite superior del intervalo de confianza.
Li = Lmite inferior del intervalo de confianza.
X = Media aritmtica muestral.
S = Desvo estndar muestral.
n = Tamao de la muestra. Si se trata de una muestra chica (menor a 30) se
considera n-1.
(S / \ n) = Desvo estndar poblacional. Cuando no tenemos el desvo estndar
de la poblacin (hecho muy frecuente) se utiliza el desvo muestral (Rodrguez
Feijo N, 2003).
z . (S/ \ n) = Error muestral o estndar (error que puede cometerse al inferir la
media poblacional) (3).
z = Puntaje estandarizado que define el nivel de confianza. Si se desea un nivel
de confianza de 0.90, debe consignarse z = 1.64. Si se desea un nivel de
confianza de 0.95, debe consignarse z = 1.96. Si se desea un nivel de confianza
de 0.99, debe consignarse z = 2.58. Para valores intermedios de nivel de
confianza, pueden consultarse las tablas de reas de z (ver captulo sobre
probabilidad y curva normal).

Ejemplo (Rodrguez Feijo N, 2003).- En una muestra probabilstica de 600 nios de 10 aos de Capital
Federal el cociente intelectual promedio obtenido fue de 105 con una desviacin estndar de 16. Con un
intervalo de confianza del 95%, entre qu lmites oscilar el CI promedio de los nios de 10 aos de
Capital Federal?
Ls = X + z . (S / \ n) = 105 + 1.96 (16 / \ 600) = 106.27
Li = X - z . (S/ \ n) = 105 - 1.96 (16 / \ 600) = 103.73
Respuesta: con un riesgo de 5% de equivocarse en la estimacin, el CI promedio de los nios de 10 aos
de Capital Federal oscila entre 103.73 y 106.27 puntos.

Estimacin de proporciones para variables cualitativas de dos categoras (Kohan N, 1994:166).-
Conociendo la proporcin muestral, es posible averiguar con cierto nivel de confianza (por ejemplo 0.99)
entre qu proporciones estar la proporcin poblacional. Tngase presente que una variable con dos
categoras es una variable que tiene solamente dos posibilidades de variacin (por ejemplo: el sexo).
Para obtener los lmites superior e inferior del intervalo de confianza, se utilizan las siguientes frmulas:

Ls = p + z . (\ p . q /
n)

Li = p - z . (\ p . q / n)

Nota: La raz cuadrada
afecta a p, q y n.
Donde:

Ls = Lmite superior del intervalo de confianza.
Li = Lmite inferior del intervalo de confianza.
p = Proporcin muestral
z = Puntaje estandarizado que define el nivel de confianza. Si se desea un
nivel de confianza de 0.90, debe consignarse z = 1.64. Si se desea un nivel de
confianza de 0.95, debe consignarse z = 1.96. Si se desea un nivel de
confianza de 0.99, debe consignarse z = 2.58. Para valores intermedios de

Pgina 76 de 325
76
nivel de confianza, pueden consultarse las tablas de reas de z (ver captulo
sobre probabilidad y curva normal).
q = Proporcin que falta para llegar al 100%. Por ejemplo: si p es 65%,
entonces q = 35%).
n = Tamao de la muestra. Si se trata de una muestra chica (menor a 30) se
considera n-1.

Ejemplo.- En una muestra probabilstica de 100 personas, el 20% son masculinos. Con un intervalo de
confianza del 99%, entre qu proporciones oscilar el porcentaje de masculinos en la poblacin?
Ls = 20% + 2.58 . (\ 20 . 80 / 100) = 30.3%
Li = 20% 2.58 . (\ 20 . 80 / 100) = 9.7%
Respuesta: con un riesgo de 1% de equivocarse en la estimacin, la proporcin de masculinos en la
poblacin oscila entre el 9.7% y el 30.3%.

3. PRUEBA DE HIPTESIS

Las pruebas de hiptesis se utilizan para probar alguna hiptesis en investigacin cientfica (10). Cuando
el investigador propone una hiptesis, su deseo ser poder confirmarla (porque l mismo la propuso o
porque cree intuitivamente en ella). Si decide hacer una prueba estadstica para salir de dudas, entonces
realizar una prueba de hiptesis y establecer dos hiptesis estadsticas: su propia hiptesis, a la que
convertir en hiptesis alternativa, y la opuesta, que llamar hiptesis nula, y la tarea consistir en
intentar probar esta ltima. Si la rechaza, aceptar la alternativa, y si la acepta, rechazar la alternativa
(7).
Existe una gran variedad de pruebas de hiptesis, pero todas ellas tienen en comn una determinada
secuencia de operaciones, que son las siguientes:

1) Formulacin de la hiptesis de investigacin y obtencin de los datos.- El investigador comienza
formulando la hiptesis que pretende probar. Por ejemplo, que una determinada droga cura una
enfermedad. Luego, disea un experimento y lo ejecuta para obtener datos que permitan aceptar o no la
hiptesis. Por ejemplo, administra la droga a un grupo y al otro no, para comparar los resultados.
Estrictamente, este primer paso no forma parte de la prueba estadstica de la hiptesis pero es una
condicin necesaria para realizarla, y ello por tres motivos: a) si no hay datos empricos, no puede
realizarse ningn estudio estadstico, del mismo modo que si no hay combustible, el motor no funcionar;
b) si los datos obtenidos en el experimento o en la observacin son lo suficientemente convincentes como
para aceptar o rechazar la hiptesis de investigacin, no ser necesario emplear una prueba estadstica
de hiptesis, con lo cual, este primer paso permite decidir si cabe o no aplicarla, an cuando se sepa que
en la inmensa mayora de los casos s cabe hacerlo. Por ejemplo, si el 100% de los pacientes tratados
con una droga se cura, mientras que el 100% de los pacientes no tratados sigue enfermo, es posible
concluir, sin la ayuda de la estadstica, que cabe aceptar la hiptesis de investigacin segn la cual la
droga cura. Sin embargo, en la realidad no suelen obtenerse datos tan auspiciosos, por lo que se requiere
una prueba estadstica; y c) para obtener datos se utiliza un determinado diseo de investigacin, y la
eleccin de la prueba estadstica de hiptesis ms adecuada depender del tipo de diseo de
investigacin utilizado.
En suma, es importante saber qu diseo est usando el investigador, cules son las variables que puede
controlar y en funcin de esto buscar la prueba estadstica adecuada (Kohan, 1994:357).

2) Formulacin de la hiptesis alternativa y la hiptesis nula.- Si la prueba estadstica resulta necesaria,
la hiptesis de investigacin es reformulada en trminos estadsticos, obtenindose la hiptesis
alternativa (Ha). A continuacin, se formula, en los mismos trminos, la hiptesis nula (Ho), que es la
opuesta de la alternativa. Ambas reformulaciones incluyen consideraciones del tipo hay o no hay una
diferencia significativa entre.
Por ejemplo, si la hiptesis de investigacin sostiene que la droga cura, la hiptesis alternativa dir que
hay una diferencia significativa entre los resultados del grupo de pacientes tratado y el grupo de
pacientes no tratado. Por lo tanto, la hiptesis nula sostendr que no hay una diferencia significativa
entre ambos grupos. En este caso, adems, la Ha plantea un cambio (la droga cura), mientras que la Ho
plantea la permanencia de un estado (la droga no cura).

Lo que siempre se intentar probar es la hiptesis nula para un determinado nivel de significacin o de
riesgo. Si rechazamos la hiptesis nula aceptamos la alternativa, y si no rechazamos la hiptesis nula,
rechazamos la alternativa, ya que ambas son mutuamente contradictorias (8).
Al estimar parmetros o probar hiptesis pueden cometerse errores. Suelen describirse dos tipos de
errores (Kohan N, 1994:178):
El error Tipo I consiste en rechazar la hiptesis nula cuando en realidad es verdadera. O sea, creer que la
muestra NO es representativa de la poblacin, cuando s lo es. Es el error del desconfiado.
El error Tipo II consiste en aceptar la hiptesis nula cuando en realidad es falsa. O sea, creer que la
muestra SI es representativa de la poblacin, cuando no lo es. Es el error del ingenuo.

Pgina 77 de 325
77
La probabilidad de cometer el error I se simboliza con la letra griega alfa (o), y la probabilidad de
cometer el error II se simboliza con la letra griega beta (|) (Kohan N, 1994:185).
Estos errores no son errores que cometan inadvertidamente los investigadores. Como la hiptesis nula se
rechaza o se acepta en base a determinado nivel de significacin o de riesgo de equivocarse, siempre
habr algn riesgo de error, que podr ser mayor o menor segn el nivel de riesgo elegido, pero que no
obliga necesariamente a invalidar los resultados. Debe tenerse presente que siempre que se concluya
algo sobre la poblacin a partir de la muestra, el procedimiento estar teido de algn grado de
incertidumbre, es decir, siempre habr algn grado de probabilidad de cometer alguno de los dos tipos de
errores.

3) Seleccin de la prueba de hiptesis ms adecuada.- Qued dicho que hay una gran cantidad de
pruebas de hiptesis y su eleccin depende de la hiptesis alternativa que se formule, del nmero de
casos examinados, del nivel de medicin utilizado, etc (Kohan N, 1994:176). Por ejemplo, a) si la
hiptesis es direccional (es decir, especifica una relacin de mayor que o bien una relacin de menor
que), se utilizar una prueba de hiptesis de una cola, mientras que si la hiptesis es no direccional
(indica una relacin de diferente a), se utilizar una prueba de hiptesis de dos colas (11); b) si se
conoce el desvo estndar poblacional, puede aplicarse la prueba z, mientras que si solamente se conoce
el desvo estndar muestral, se aplicar la prueba t de Student; c) si se opera con variables medidas en
un nivel nominal, puede utilizarse la prueba de chi cuadrado; si se trabaja con muestras muy pequeas
(por ejemplo de 5 a 10 datos), la prueba t de Student es til. Seala Vessereau que se trata de un aporte
importante por cuanto durante mucho tiempo se ha credo que era imposible sacar buen partido de las
muestras muy pequeas (Vessereau A, 1962:33); d) La prueba ANOVA (anlisis de varianza): as como
se pueden comparar las medias de dos muestras, existen pruebas que permiten confrontar su
variabilidad (varianza o desviacin tpica). Estas pruebas sirven, entre otras, para resolver los problemas
siguientes: 1) Reconocer si un grupo de muestras es homogneo; y 2) determinar, en la variabilidad de
una poblacin de medidas, la parte que corresponde al azar y la que debe atribuirse a causas de
variacin sistemticas, llamadas causas controladas o asignadas (Vessereau A, 1962:38).

4) Determinacin del nivel de significacin.- El nivel de significacin o es la probabilidad de rechazar Ho
siendo esta verdadera (error tipo I). Cada investigador elige su nivel de significacin, es decir, su
probabilidad de equivocarse en el sentido indicado. Por ejemplo, puede elegirse un 5% o un 1% de
probabilidad de error (o, lo que es lo mismo, un 95% o un 99% de probabilidad de no equivocarse).
Seala Kohan (1994:177) que el nivel de significacin elegido depender de la importancia prctica de la
investigacin. Por ejemplo, para un estudio sobre los efectos de una droga en el sistema nervioso se
usar un nivel de significacin muy bajo, como por ejemplo un 0.01%, lo que minimiza al extremo su
probabilidad de producir intoxicacin.
Lo usual es especificar un nivel de significacin o (probabilidad de cometer el error tipo I) y no el nivel de
significacin | (probabilidad de cometer el error tipo II).
Una aclaracin ms detallada del concepto de significacin estadstica puede consultarse ms adelante en
este mismo captulo.

5) Determinacin del tamao de la muestra.- En principio, el tamao de la muestra n ya fue determinado
en el momento de elegir y ejecutar el diseo de investigacin: cuanto mayor haya sido el tamao de la
muestra elegido, menor ser el error de o (Kohan, 1994:178). Sin embargo, tambin puede procederse
al revs: si se elige un determinar nivel o, puede determinarse por medios matemticos el tamao de la
muestra n adecuado a ese nivel (Kohan N, 1994:181-185). As, por ejemplo, en general si el investigador
desea un menor margen de error, deber aumentar el tamao de la muestra.
Adems del tamao de la muestra, debern tambin determinarse la curva operativa caracterstica
(Kohan N, 1994:180) y el poder de eficiencia de la prueba (o tambin potencia), definido este ltimo
como la probabilidad de rechazar la hiptesis nula cuando es realmente falsa. Por consiguiente, el poder
de eficiencia se define como 1 - |, es decir, 1 menos la probabilidad del error II (no rechazar la hiptesis
nula cuando es realmente falsa) (Kohan N, 1994:185). Tngase presente:

o Nivel de error tipo I Es la probabilidad de cometer el error tipo I.
Probabilidad de rechazar la Ho cuando es verdadera.
1 - o Nivel de confianza Es la probabilidad de NO cometer el error tipo I.
Probabilidad de NO rechazar (aceptar) la Ho cuando es verdadera.
| Nivel de error tipo II Es la probabilidad de cometer el error tipo II.
Probabilidad de NO rechazar (aceptar) la Ho cuando es falsa.
1 - | Nivel de confianza Es la probabilidad de NO cometer el error tipo II.
Probabilidad de rechazar la Ho cuando es falsa. Se llama poder de
eficiencia o potencia de la prueba.

6) Determinacin de la distribucin muestral de la prueba estadstica para Ho.- Seala Kohan (1994:186-
187) que cuando un investigador eligi una prueba estadstica, necesita saber cul es su distribucin
muestral, que es una distribucin terica que se obtendra si se sacaran al azar todas las muestras

Pgina 78 de 325
78
posibles del mismo tamao de una poblacin (12). El conocimiento de esta distribucin muestral permite
estimar la probabilidad de la ocurrencia de ciertos valores.

7) Definicin de la zona de rechazo.- Sobre la base de los puntos 3, 4, 5 y 6 deber ahora establecerse la
zona de rechazo de la Ho. Para una mejor comprensin de este concepto, se puede trazar una lnea
horizontal sobre la cual se podrn definir las zonas de rechazo y de no rechazo de la Ho. En esa lnea
horizontal se indicarn valores que van desde -3 hasta +3, pasando por el 0 (cero). Estos valores
corresponden a puntajes estandarizados, como por ejemplo z, si la prueba estadstica elegida es la
prueba z, o t, si la prueba elegida es la prueba t de Student:



Las zonas de rechazo se definirn segn se trate de pruebas de hiptesis de una cola (hiptesis
direccionales) o de dos colas (hiptesis no direccionales), segn el siguiente esquema:



Para determinar una zona de rechazo (o tambin zona crtica) es preciso indicar un determinado valor de
z (o de t) que sirva para delimitar la zona de rechazo (o) de la zona de aceptacin (1 - o). Ese valor
recibe el nombre de z terico, z crtico o punto crtico, que se calcula en base a una tabla de z (o de t)
y en base al nivel de significacin elegido.
Existe una relacin bsica entre o, | y el tamao de muestra n. Puesto que o es la probabilidad de que la
estadstica de prueba (por ejemplo el z emprico) caiga en la regin de rechazo, un incremento en el
tamao de esta regin aumenta o, y simultneamente disminuye |, para un tamao de muestra fijo. El
reducir el tamao de la regin de rechazo disminuye o y aumenta |. Si se aumenta el tamao de muestra
entonces, se tiene ms informacin en la cual basar la decisin y ambas o y | decrecern.

8) Decisin final (6).- Si el dato emprico (llamado z emprico) obtenido cae dentro de la zona de
rechazo, se rechaza la Ho y por tanto se acepta la Ha. En cambio, si el dato cae fuera de esta zona de
rechazo, no se rechaza (se acepta) la Ho, siempre para un nivel de significacin elegido (Kohan N,
1994:189). Por ejemplo:

z
z
Prueba de una cola a
la izquierda
z
Prueba de una cola a
la derecha
Prueba de dos colas
Zona de rechazo Zona de aceptacin
Zona de rechazo Zona de aceptacin
Zona de rechazo Zona de rechazo Z de aceptacin
-3 -2 -1 0 +1 +2 +3
z
-3 -2 -1 0 +1 +2 +3
t

Pgina 79 de 325
79


En este ejemplo, se puede apreciar que el z terico delimita las zonas de rechazo y aceptacin de la Ho.
Como de los datos del experimento result un z emprico ubicado dentro de la zona de rechazo, se decide
rechazar la Ho y, por lo tanto, se acepta la Ha.

Sintticamente, el procedimiento bsico general para realizar las pruebas de hiptesis con z o t es el
siguiente:
1) Se hace un listado con los datos disponibles: tamao de la muestra, media muestral, desvo
poblacional (o desvo muestral si no est el desvo poblacional: en el primer caso se aplica z, y en el
segundo t), el nivel de significacin alfa, y el nmero de colas (una cola a la izquierda o a la derecha en
hiptesis direccionales del tipo menor que o mayor que; dos colas en hiptesis no direccionales).
2) Se dibuja la curva normal y se marca el valor o los valores de z crtico (o t crtico), rayando la parte
correspondiente.
3) Se calcula el z o t emprico (por frmula).
4) Se calcula el z o t crtico (por tabla).
5) Se indica en el dibujo el z o y emprico. Si cae dentro de la zona rayada o crtica, se rechaza la
hiptesis nula, y si cae fuera de la zona rayada o crtica, no se rechaza la hiptesis nula.

4. EJEMPLOS DE PRUEBAS DE HIPTESIS

Existe una enorme cantidad de tipos de pruebas de hiptesis, adaptables a diversas necesidades y
objetivos. En lo que sigue se suministran ejemplos de algunas de las pruebas ms frecuentes.

1) Prueba de la media.- Aqu no hay que estimar un intervalo para la media poblacional (como en la
estimacin de parmetros), sino probar la hiptesis segn la cual no hay diferencia estadsticamente
significativa entre la media poblacional y la muestral. Esta prueba, llamada tambin prueba de la media,
se entiende cabalmente a partir de un conocimiento mnimo sobre distribucin muestral y teorema
central del lmite (12).
Existe una gran diversidad de pruebas de la media, segn que se conozca o no se conozca el desvo
estndar poblacional (en cuyo caso se utiliza una prueba z o una prueba t, respectivamente), segn que
la hiptesis sea direccional (prueba de una cola) o no direccional (prueba de dos colas), y segn se
aplique a una sola muestra (Pagano R, 1998:293) o a dos muestras (Pagano R, 1998:317).

Ejemplo.- Se supone que la estatura media de la poblacin de alumnos de una universidad es menor que
1.68 m, y su desvo estndar poblacional es de 0.10 m. Se cuenta con una muestra de 36 alumnos, con
una media muestral de 1.65 m. Probar la hiptesis con un nivel de significacin o riesgo del 5%.

Resolucin.- a) En primer lugar convendr ordenar los datos que suministra el problema:

Tamao de la muestra (n) = 36. Media aritmtica de la poblacin () = 1.68 m.
Media aritmtica de la muestra (X) = 1.65 m. Desvo estndar de la poblacin (o) = 0.10 m.
Nivel de significacin (o) = 5% = 0.05.

b) En segundo lugar, se establecen la hiptesis alternativa y la hiptesis nula.
La hiptesis alternativa (Ha) sostiene que la media poblacional es menor que 1.68 m, o sea < 1.68 m.
Ntese que, primero, la Ha siempre se refiere a la poblacin, no a la muestra; segundo, es la hiptesis
deseable por el investigador y por tanto la que se quiere probar; tercero, en este caso particular la
hiptesis se refiere a una permanencia, no a un cambio, ya que sostiene que la estatura media
poblacional sigue siendo menor que 1.68 m. a pesar de la muestra, que parece sugerir lo contrario; de
esto ltimo se desprende, en cuarto lugar, que la muestra no sera representativa de la poblacin, es
decir, la diferencia entre muestra y poblacin sera significativa y en este caso debida al azar.
La hiptesis nula (Ho) sostiene que la media poblacional es igual a 1.68 m, o sea = 1.68 m.
Estrictamente hablando la Ho, por ser la opuesta a la Ha, debera proponer > 1.68 m, pero en la
prctica se utiliza la igualdad.
z
Zona de
rechazo de la
Ho
Zona de aceptacin de la Ho
z terico = -
1.65
z emprico = -
1.80

-1.65 -1.80

Pgina 80 de 325
80
La hiptesis nula (Ho) sostiene que la diferencia entre la media muestral y la media poblacional no es
estadsticamente significativa para el nivel de significacin del 5%, o sea, la muestra es representativa de
la poblacin.

2) Se calcula el z emprico mediante la siguiente frmula:

X - 1.65 1.68
ze = -------------- = ------------------ = - 1.8
o / \ n 0.10 / \ 36

3) Se calcula el z terico mediante la tabla de z para un nivel de significacin del 5%. Como se trata de
una hiptesis alternativa direccional que especifica una direccin de menor que, se emplea la tabla de
reas de z hacia la izquierda (ver apndice).
Puesto que se pide un nivel de significacin del 5%, traduciendo este valor a probabilidades obtenemos
0.05. A continuacin, se busca el valor de z que corresponde aproximadamente a esa probabilidad. Hay
dos valores que se aproximan idnticamente: 0.0505 y 0.0495. Eligiendo arbitrariamente el primero, se
obtiene:

zt = -1.64

4) Se define la zona de rechazo mediante zt y se indica el valor de ze:


5) Como ze cae dentro de la regin de rechazo o regin crtica, entonces se rechaza la Ho, y por lo tanto,
se acepta la Ha segn la cual la estatura media poblacional es menor que 1.68 m. En este caso se puede
estar cometiendo un error tipo I, es decir, rechazar la Ho cuando es verdadera, con una probabilidad de o
= 0.05 (o si se quiere, existe una probabilidad del 5% de estar rechazando la Ho cuando es verdadera).

2) Prueba de hiptesis de correlacin (13).- La prueba de hiptesis que permite estudiar la significacin
de una correlacin entre dos variables intenta probar la hiptesis nula que sostiene que la correlacin
entre las dos variables ser cero en la poblacin origen. Las hiptesis estadsticas de esta prueba son:
Ho) = 0
Ha) = 0
La significacin del coeficiente de correlacin se estudia por medio de la distribucin t de Student. Para
ello se obtiene el valor de:

que se sita bajo la distribucin t (n-2,o).

Ejemplo.- Sean, a efectos didcticos, las siguientes seis observaciones obtenidas en dos variables X e Y:

X Y
10
10
12
12
14
16
13
16
12
17
15
15

Resolucin.- Aplicando la expresin del coeficiente de correlacin lineal de Pearson, se obtiene r =
0.1225.
Si se quiere contrastar la hiptesis nula Ho) = 0, se deber estudiar la significacin del valor r obtenido.
Para estudiar su significacin se debe transformar, en primer lugar, el valor de la correlacin en un valor
t (t emprico) y, en segundo lugar, comparar dicho valor con el valor de las tablas de la t de Student (t
terico) con n-2 grados de libertad (ver Tabla t en Anexo).

z
Zona de
rechazo de la
Ho
Zona de aceptacin de la Ho
z terico = -
1.64
z emprico = -
1.8

-1.64 -1.8

Pgina 81 de 325
81


El valor proporcionado por las tablas es t (4, 0.05)= 2.776.
As, puesto que el valor obtenido es inferior al de las tablas se concluye que los datos no aportan
informacin para rechazar la hiptesis nula Ho en funcin de la cual las dos variables no estn
correlacionadas en la poblacin origen de la muestra.

Panorama final.- El siguiente cuadro describe algunas de las principales pruebas de hiptesis:

Prueba H (0) H (A) Zona de
rechazo
Valor emprico
(se calcula por
frmula)
Valor crtico
(se calcula
por tabla)
z
Puntaje reducido.
Se utiliza cuando se
conoce el desvo
poblacional.
= x < x A la izquierda
del punto
crtico (una
cola a la
izquierda)
z =
Numerador:
media muestral
menos media
poblacional.
Denominador:
desvo
poblacional
dividido por la
raz cuadrada de
n.
Calcular por
tabla en base
a o
= x > x A la derecha
del punto
crtico (una
cola a la
derecha)
1 = 2 1 2 Dos colas
t (n-1)
t de Student con n-1
grados de libertad.
Se utiliza cuando se
desconoce el desvo
poblacional pero s el
desvo muestral (s).
= x < x A la izquierda
del punto
crtico (una
cola a la
izquierda)
t =
Numerador:
media muestral
menos media
poblacional.
Denominador:
desvo muestral
s dividido por la
raz cuadrada de
n.
Calcular por
tabla en base
a o y a n-1
= x > x A la derecha
del punto
crtico (una
cola a la
derecha)
1 = 2 1 2 Dos colas
X
2

Chi cuadrado.
Busca si hay diferencia
significativa entre
muestra y poblacin.
Slo para variables
cualitativas.
f (0) = f (e) f (0) f (e) A la derecha
del punto
crtico (una
cola a la
derecha)
X
2
= Sumatoria
de
Numerador:
cuadrado de la
diferencia entre
f (0) y F (e)
Denominador: F
(e)

Calcular por
tabla en base
a o y a k-1
F
F de Snedecor o
ANOVA.
Busca si hay
diferencias
significativas entre
medias de muestras o
poblaciones.
Busca decidir si la
variacin entre
tratamientos prevalece
sobre la variacin
aleatoria.
1 = 2 =
3
1 2 3

(o al menos
dos
distintas)
A la derecha
del punto
crtico (una
cola a la
derecha)
F =
Numerador:
variancia entre
grupos.
Denominador:
variancia en
cada grupo.
(F se calcula por
computadora).
Calcular por
tabla en base
a o, a k-1 y a
n-k

z y t corresponden a distribuciones normales.
X
2
y F corresponden a distribuciones asimtricas a la izquierda.

Smbolos:
x = Valor de la media poblacional.
= Media poblacional o esperanza.
n = Tamao de la muestra.
o = Nivel de significacin.

Pgina 82 de 325
82
n-1 = Grados de libertad.
F (0) = Frecuencia observada.
F (e) = Frecuencia esperada.
k-1 = Grados de libertad (N de categoras menos uno).
n k = Grados de libertad.
ANOVA = Anlisis de la variancia. La variancia entre grupos consiste en las distintas respuestas de la VD ante la
aplicacin de los distintos niveles de la VI. La variancia en cada grupo consiste en las generadas por las diferencias
individuales y otras eventualidades del experimento. Por ejemplo, esta prueba permite indagar si el aerobismo o la
caminata mejoran el funcionamiento cardiovascular. La hiptesis nula considera aqu que no hay diferencias en cuanto
a funcionamiento cardiovascular entre el grupo aerbico, el grupo caminante y el grupo control (1 = 2 = 3).

5. EL CONCEPTO DE SIGNIFICACIN ESTADSTICA

En este tem se ofrecen mayores detalles este importante concepto de la estadstica inferencial, con un
tercer ejemplo de prueba de hiptesis.
Uno de los fines de la estadstica inferencial consiste en determinar si la diferencia entre dos conjuntos de
datos es o no significativa. En el contexto de la investigacin cientfica, ambos conjuntos de datos pueden
consistir en dos muestras (por ejemplo entre el grupo experimental y el grupo de control), o bien entre
una muestra y una poblacin de la que fue extrada.

1) Diferencia entre muestras.- Cuando la investigacin incluye un diseo experimental, es sabido que las
muestras (entonces designadas como grupo experimental y grupo de control), en general exigen un
tratamiento estadstico antes y despus de la manipulacin, es decir, antes y despus de su exposicin a
la influencia de la variable experimental x.

a) Antes de aplicar x lo que se exige es que no haya diferencias significativas entre los grupos
experimental y de control, tanto en lo referente a x como en las variables de control (es decir a las
variables extraas relevantes que requieren ser controladas).
b) Despus de aplicar x, lo que se espera como deseable (para aceptar la hiptesis de investigacin)
es que haya diferencias significativas en cuanto a x entre ambos grupos. La teora de las muestras
(2) es til para poder determinar si las diferencias observadas entre dos muestras son realmente
debidas al azar o si son significativas, lo que puede llevar a un proceso de toma de decisiones gracias
a las pruebas de hiptesis y de significacin que se pueden hacer (Kohan N, 1994:144).

2) Diferencia entre muestra y poblacin.- Queda, no obstante, otra tarea adicional para la estadstica
inferencial: establecer si las conclusiones obtenidas para la muestra experimental, luego de la exposicin a
x, pueden extenderse lcitamente a toda la poblacin, habida cuenta de que la ciencia busca un
conocimiento vlido y universal. Esta tarea es lo que Kohan describe como probar hiptesis vlidas para la
poblacin correspondiente, conociendo la informacin de las muestras (Kohan N, 1994:144). La misma
autora indica que para que las conclusiones que se obtienen a partir de las muestras sean vlidas, stas
deben ser representativas de la poblacin.

El objetivo de este tem es explicar con un ejemplo de qu manera se puede alcanzar el objetivo 1b, es
decir, como se puede probar si hay o no diferencias significativas entre un grupo experimental y un grupo
de control.
Los resultados de un experimento requieren un tratamiento estadstico que permita orientar al
investigador acerca de si la hiptesis de investigacin debe ser rechazada o no rechazada, para lo cual
deber establecer convencionalmente un determinado nivel de significacin que permita diferenciar
resultados estadsticamente significativos de resultados estadsticamente no significativos. Seguidamente
se explica en detalle esta aseveracin.

En los informes de investigacin suelen aparecer expresiones del tipo "los resultados del experimento son
estadsticamente significativos". Seguidamente se aclarar en forma intuitiva qu quiere decir esto,
siguiendo los lineamientos didcticos de Len y Montero (1995:105-130).
Supngase un sencillo experimento, donde se trata de probar si un choque emocional altera o no el
recuerdo de los sucesos inmediatamente anteriores al mismo.
Para ello, se tomaron dos grupos de estudiantes: el grupo experimental presenci una pelcula donde
haba una escena violenta, y el grupo de control presenci la misma pelcula pero sin la escena violenta.
Los resultados fueron los siguientes: el grupo sometido al choque emocional lograba luego recordar un
promedio de 10, mientras que el grupo sin choque emocional lograba recordar ms sobre las escenas del
film: por ejemplo, un promedio de 15. Esquemticamente:

Grupo Choque
emocional
Recuerdo
Grupo I (vieron escena violenta) SI 10
Grupo II (no vieron escena violenta) NO 15


Pgina 83 de 325
83
Lo que debe ahora establecerse es si esta diferencia en los recuerdos entre 10 y 15 es o no significativa,
es decir, si va o no ms all del simple azar. Si se concluye que NO es significativa, entonces las
diferencias entre 10 y 15 se deben al azar, pero si se concluye que SI es una diferencia significativa,
entonces no debe descartarse la influencia del choque emocional sobre la memoria. La expresin
'significativa' quiere decir una diferencia lo suficientemente grande como para pensar que el choque
emocional influye sobre los recuerdos.
En principio, para averiguar si la diferencia es o no significativa, puede apelarse a dos procedimientos,
que podran llamarse el procedimiento intuitivo y el procedimiento estadstico.
a) El procedimiento intuitivo es muy simple: se advierte que la diferencia entre ambos grupos es 15-
10=5, y entonces se piensa: "evidentemente, hay una diferencia significativa". Si ambos grupos hubiesen
obtenido 15, se pensara que no habra diferencia significativa y entonces se concluira que el choque
emocional no influye sobre el recuerdo.
Como puede notarse, este procedimiento intuitivo tiene el problema de la subjetividad en la estimacin
de los resultados. Tal vez para otro investigador no hubiese sido significativa la diferencia de 5 sino una
diferencia mayor, como por ejemplo 8. Ambos investigadores polemizaran fundamentando sus
argumentaciones sobre la base de simples impresiones o creencias, es decir, jams llegaran a un
acuerdo, y, en el mejor de los casos, acordaran buscar un procedimiento ms objetivo. En este caso
contrataran a un tcnico en estadstica para que hiciera una estimacin como la que ahora se pasa a
explicar.
b) El procedimiento estadstico es ms complejo que el anterior: en lugar de intentar averiguar si la
diferencia entre las promedios 15 y 10 es "intuitivamente significativa", lo que intentar probar es si la
diferencia es "estadsticamente significativa".
Cabe aqu anticipar algo que sealan Len y Montero: "Encontrar una diferencia de valores que no es
estadsticamente significativa equivale a decir que esa diferencia la hemos encontrado por casualidad. O
lo que es lo mismo, si repitiramos el proceso, el promedio de diferencias encontradas sera cero".
Qu significa esta ltima expresin? Significa que si se hicieran otros experimentos con otros grupos,
puesto que las diferencias que se obtienen obedecen a la casualidad, una vez se podra encontrar una
diferencia de 5, otra vez una diferencia de 3, otra vez una diferencia de -4, etc., es decir, saldran
nmeros al azar cuyo promedio tendera a cero, puesto que si dicho promedio tendiese a 5, entonces los
resultados ya podran ser pensados como significativos.

A partir del ejemplo, se puede ahora examinar el concepto de significacin estadstica, central dentro de
la teora de las muestras (5).
Len y Montero proponen imaginar por un momento una variante del experimento anterior, donde
ninguno de los dos grupos fue expuesto al choque emocional, es decir, ambos grupos vieron la misma
pelcula sin la escena violenta.
Desde ya, este experimento carece de sentido, porque lo que interesa es ver si hay o no diferencias entre
dos grupos en lo concerniente a capacidad de recordar, sometidos cada uno a 'diferentes' condiciones
experimentales (uno vio la escena violenta y el otro no). Sin embargo, analizar lo que sucedera en este
experimento imaginario resultar til para entender la idea de significacin estadstica, como enseguida
se ver.
En este experimento imaginario, puesto que ambos grupos no recibieron el estmulo violento, es
esperable que los rendimientos mnmicos sean iguales, o por lo menos aproximadamente iguales, porque
siempre cabe la posibilidad de la intervencin de pequeas variables no controladas.
Repitiendo varias veces el experimento, una vez podramos obtener una diferencia de 0, otra vez una
diferencia de 0.5, otra vez una diferencia de -1, etc. Si el experimento se repitiese diez mil veces, es
razonable pensar que habra muy pocos casos donde la diferencia fuese muy extrema (por ejemplo 7 o -
7), y muchos casos prximos a una diferencia de 0. Las diferencias obtenidas en los diez mil
experimentos podran resumirse, segn este criterio, en la tabla 1.

Tabla 1

Diferencias entre los 2
grupos
Cantidad de experimentos
(frecuencias)
7 5
6 25
5 90
4 280
3 680
2 1200
1 1690
0 2000
-1 1700
-2 1190
-3 720

Pgina 84 de 325
84
-4 290
-5 100
-6 26
-7 4
Total 10.000

Los resultados de la tabla 1 permiten ver, en efecto, que hay muy pocos experimentos donde la
diferencia entre grupos es muy grande (en apenas 5 experimentos la diferencia fue 7), mientras que hay
muchos experimentos donde la diferencia entre grupos es nula (hay 2000 experimentos donde la
diferencia fue 0).
La tabla tambin informa sobre lo siguiente:
a) La cantidad de casos que obtuvieron como diferencia entre +1 y -1 fue de 5.390 casos (que resulta de
sumar 1690 + 2000 + 1700). Ello representa el 53,9% ms prximo a cero del total de casos.
b) La cantidad de casos que obtuvieron como diferencia entre +3 y -3 fue de 9180 casos. Esto representa
el 91,8% ms prximo a cero del total de casos, y se puede graficar mediante una curva normal tal como
aparece en el grfico 1. En este grfico se puede visualizar fcilmente que el 91,8% de los experimentos
obtuvo una diferencia de -3 hasta +3.

Grfico 1



Una vez hechos estos clculos, ahora cabe hacerse una pregunta fundamental: dentro de qu intervalo
de diferencias cabra admitir que las diferencias responden al simple azar? Dentro del intervalo -1 y +1?
Dentro del intervalos -3 y +3? Por las dudas, se considerar convencionalmente este ltimo intervalo.
Esto quiere decir, por ejemplo, que si en un experimento se obtuvo una diferencia de 2, entonces se
considerar que dicha diferencia se debe al azar (pues 2 est entre -3 y +3), mientras que si en otro
experimento se obtuvo una diferencia de 6, entonces se considerar que dicha diferencia no se debe al
azar (pues 6 est fuera del intervalo entre -3 y +3), es decir, se considerar que la diferencia es
'estadsticamente significativa'.
Supngase ahora el experimento original, donde un grupo era sometido al estmulo violento y el otro no,
es decir, donde los grupos son sometidos a diferentes condiciones experimentales.
En uno de dichos experimentos se ha obtenido, por ejemplo, una diferencia de 2.5; por lo tanto, deber
concluirse que esta diferencia no es 'estadsticamente significativa' porque est comprendida dentro del
91,8% de los casos ms prximos a cero (o sea, entre -3 y +3), segn la convencin propuesta.
En cambio, si la diferencia encontrada en otro experimento de este tipo hubiese sido de 5, este valor cae
fuera del intervalo entre -3 y +3, y por lo tanto es 'estadsticamente significativo' (ver grfico 2). Desde
ya, para decidir esto se ha considerado que el porcentaje que permite discriminar lo que es significativo
de lo que no lo es era 91,8%. Si se hubiese elegido el 99%, una diferencia de 5 como resultado hubiese
resultado estadsticamente no significativa.
Sealan Len y Montero: "el investigador [es quien] determina el porcentaje que sirve para discriminar la
significacin de la no significacin. Este tanto por ciento se denomina 'nivel de confianza', y tiene sus
z

-7 -6 -5 -4 -3 -2 -1 0 +1 +2 +3 +4 +5 +6
+7

Diferencias

2000
Frecuencias

91,8%


Pgina 85 de 325
85
valores ms frecuentes entre 95% y 99%". Cuanto mayor es el porcentaje elegido, ms exigente deber
ser en cuanto a la tipificacin de un resultado como estadsticamente significativo.
En los informes de investigacin, en vez de citarse el nivel de confianza, se suele citar su
complementario, que es el 'nivel de significacin' o 'nivel de riesgo'. En el caso del ejemplo, si el nivel de
confianza era del 91,8%, el nivel de significacin o de riesgo ser lo que falta para completar 100%, es
decir, el 8,2% (ver grfico 2). Ms an, inclusive, es frecuente expresar este nivel de significacin no en
trminos de porcentajes sino en trminos de probabilidad, con lo cual, en vez de afirmarse 8,2%, se
afirmar 0.082.

Grfico 2



Las expresiones 'confianza' y 'riesgo' resultan esclarecedoras para entender estos conceptos: si un
experimento cae dentro del nivel de confianza se puede decir con tranquilidad, con 'confianza', que los
resultados no son estadsticamente significativos, pero si cae dentro del nivel de riesgo, el investigador se
estara 'arriesgando' a sostener que los resultados son estadsticamente significativos, es decir, a aceptar
la hiptesis segn la cual un choque emocional efectivamente influye sobre los recuerdos.
Len y Montero indican que encontrar diferencias estadsticamente significativas no es el propsito final
del investigador, ni lo ms importante. Lo que el investigador persigue es en realidad determinar la
significacin terica, ms que la significacin estadstica que le sirve como medio, es decir, si resulta o no
relevante para alguna finalidad. As por ejemplo, si se ha constatado que un tratamiento para adelgazar
produce una prdida de 2 Kg, esto puede ser estadsticamente significativo, pero mientras que para un
investigador nutricionista ser adems tambin importante desde el punto de vista terico, para un
vendedor de esa dieta no, porque 2 Kg. no le proporciona un buen argumento de venta.
Una ltima acotacin. Podra ocurrir que algunos investigadores que hicieran el experimento del choque
emocional hubiesen obtenido diferencias extremas, como por ejemplo -7 o +7, mientras que otros
hubiesen obtenido diferencias ms prximas a cero, con lo cual los primeros hubiesen aceptado la
hiptesis del choque emocional, mientras que los segundos la hubiesen rechazado. Este desacuerdo entre
investigaciones puede ocurrir, con lo cual deber emprenderse lo que se llama un 'meta-anlisis', es
decir, un procedimiento que permita integrar los resultados acumulados de una serie de investigaciones.

NOTAS

(1) Las muestras no probabilsticas solo suelen usarse como primera aproximacin en trabajos piloto, pero no puede
saberse cun confiables son sus resultados (Kohan N, 1994:146).
(2) Toda teora de las muestras es una estadstica inferencial, pues se infieren a partir de los valores estadsticos
hallados en las muestras los valores paramtricos ms probables para las poblaciones de las cuales hemos extrado las
muestras (Kohan N, 1994:145).
(3) Cuanto mayor es el error estndar, mayor es el intervalo de confianza. El error estndar es mayor cuando z es
mayor, o sea, cuanto menor es el riesgo que se quiere correr; cuando n es menor (si se quiere ms precisin se
necesitar una muestra ms grande), y cuando S es mayor. En sntesis: cuanto menor es el riesgo que se quiere
correr, cuanto menor es el tamao de la muestra y cuanto mayor es el S (desvo estndar muestral), mayor ser el
intervalo de confianza.
z

-7 -6 -5 -4 -3 -2 -1 0 +1 +2 +3 +4 +5 +6
+7

Resultados estadsticamente
significativos

Nivel de
significacin
(o de riesgo)
4,1%

Nivel de
confianza
91,8%

Nivel de
significacin
(o de riesgo)
4,1%

Resultados estadsticamente
NO significativos

Resultados estadsticamente
significativos


Pgina 86 de 325
86
(4) Este nivel de riesgo es tambin llamado nivel de significacin (Rodrguez Feijo N, 2003).
(5) "La teora sobre las muestras... es til [entre otras cosas] para poder determinar si las diferencias observadas
entre dos muestras son realmente debidas al azar o si son significativas, lo que puede llevar a un proceso de toma de
decisiones gracias a las pruebas de hiptesis y de significacin que se pueden hacer" (Kohan N, 1994:144).
(6) La prueba de hiptesis tiende a ser denominada en la actualidad teora de la decisin (Kohan N, 1994:173). Con
ello se quiere significar que la prueba de hiptesis se lleva a cabo sobre la base de una teora llamada teora de la
decisin.
(7) Un experimento clsico para probar la hiptesis del investigador es comparar dos muestras: el grupo experimental
y el grupo de control. Si hay diferencia significativa entre la muestra experimental y la muestra de control, entonces
NO hay diferencia significativa entre la muestra experimental y la poblacin.
(8) Puede llamar la atencin que el investigador no pruebe directamente su hiptesis alternativa sino que lo haga
indirectamente, probando la hiptesis nula. Por qu proceder para apoyar una teora mostrando que hay poca
evidencia para apoyar la teora contraria? Por qu no apoyar directamente la hiptesis alternativa o de investigacin?
La respuesta est en los problemas para evaluar las posibilidades de decisiones incorrectas.
El argumento que en general puede encontrarse en los textos de estadstica es el siguiente: Si la hiptesis de
investigacin es verdadera (por ejemplo una vacuna cura el resfriado), la prueba de la hiptesis nula (la contraria a la
hiptesis de investigacin) deber conducir a su rechazo. En este caso, la probabilidad de tomar una decisin
incorrecta corresponde a o cuyo valor fue especificado al determinar la regin de rechazo. Por lo tanto, si se rechaza la
hiptesis nula (que es lo deseable) se conoce inmediatamente la probabilidad de tomar una decisin incorrecta. Esto
proporciona una medida de confianza de la conclusin.
Supngase que se utiliza el razonamiento opuesto, probando la hiptesis alternativa (de investigacin) de que la
vacuna es efectiva. Si la hiptesis de investigacin es verdadera, la estadstica de prueba probablemente caer en la
regin de aceptacin (en lugar de la de rechazo). Ahora, para encontrar la probabilidad de una decisin incorrecta de
debe evaluar |, la probabilidad de aceptar la hiptesis nula cuando esta es falsa. A pesar de que esto no representa un
gran esfuerzo para el problema de la vacuna contra el resfriado, es un trabajo adicional que se debe hacer y en
algunos casos es muy difcil calcular |.
As que, para resumir, es mucho ms fcil seguir el camino de la prueba por contradiccin. Por lo tanto, el estadstico
elegir la hiptesis contraria a la de la investigacin como hiptesis nula y su deseo es que la prueba conduzca a su
rechazo. Si es as, el estadstico conoce el valor de o y tiene una medida inmediata de la confianza que se puede
depositar en esta conclusin.
(9) Autores como Hernndez Sampieri et al (1996:91) nos ofrecen una interesante tipologa de hiptesis nulas que
contemplan varias posibilidades. Concretamente, hacen referencia a: 1) hiptesis nulas descriptivas de una variable
que se va a observar en un contexto (por ejemplo la expectativa de ingreso mensual de los trabajadores de la
corporacin T no oscila entre 50.000 y 60.000 pesos colombianos); 2) hiptesis que niegan o contradicen la
correlacin entre dos o ms variables (por ejemplo no hay relacin entre la autoestima y el temor de logro); 3)
hiptesis que niegan que haya diferencia entre grupos (por ejemplo no existen diferencias en el contenido de sexo en
las telenovelas S, L y M); y 4) hiptesis que niegan la relacin de causalidad entre dos o ms variables (por ejemplo
la percepcin de la similitud en religin, valores y creencias no provoca mayor atraccin fsica).
A nuestro entender, una visin ms completa de las hiptesis nulas debera considerar al menos cuatro sentidos, que
podemos designar respectivamente en trminos de hiptesis nula de estimacin, hiptesis nula de correlacin, de
causalidad y de validez externa:
a) La hiptesis nula de estimacin vendra a afirmar que los estadsticos muestrales no son representativos de los
parmetros poblacionales.
b) La hiptesis nula de correlacin vendra a afirmar que no existe una correlacin significativa entre dos o ms
variables. El nivel de significacin es en estos casos el que establece a priori el investigador cuando califica ciertos
intervalos del coeficiente de correlacin como alto, medio, bajo, etc.
c) La hiptesis nula de causalidad vendra a afirmar que los cambios en la variable dependiente Y no son adjudicables
a los cambios de la variable independiente X. Pagano, por ejemplo, refiere que la hiptesis nula indica que la variable
independiente no influye sobre la variable dependiente (Pagano, 1998:212). Este segundo sentido de hiptesis nula es
el ms frecuentemente mencionado en los tratados sobre el tema.
d) La hiptesis nula de validez externa vendra a indicar que las conclusiones obtenidas en la muestra no son
extensibles -con el nivel confianza requerido- a toda la poblacin. Este tipo de hiptesis vendra entonces a negar la
validez externa de un experimento, entendiendo aqu validez externa como requisitos de los diseos experimentales
tal como por aparecen en gran parte de la bibliografa sobre el tema (por ejemplo Campbell D y Stanley J, 1995:16).
Autores como Tamayo pareceran considerar este sentido de hiptesis nula cuando la incluyen dentro de las hiptesis
estadsticas, definiendo stas ltimas como suposiciones sobre una poblacin que se realizan a partir de los datos
observados, es decir, de una muestra (Tamayo M, 1999:120).
La hiptesis nula de estimacin corresponde a la primera tarea de la estadstica inferencial: la estimacin de
parmetros. Las hiptesis nulas de correlacin y de causalidad corresponderan a la prueba de hiptesis donde se
busca establecer si y se debe a x y no al azar, y la hiptesis nula de validez externa corresponderan a la prueba de
hiptesis donde se busca generalizar los resultados a toda la poblacin.
(10) Debe diferenciarse la hiptesis de investigacin (H), la hiptesis alternativa (Ha) y la hiptesis nula (Ho). La
hiptesis de investigacin resulta, segn Vessereau (1962:28), de consideraciones tericas o bien est sugerida por
los datos mismos. A los efectos de probar la hiptesis de investigacin, deber drsele una forma estadstica, con lo
cual se convierte en la hiptesis alternativa (esta forma estadstica significa que incluye por ejemplo alguna
afirmacin acerca de si hay o no diferencias significativas). A su vez para probar esta hiptesis alternativa deber
probarse la hiptesis nula, que no es otra cosa que la negacin de la hiptesis alternativa.
Ms concretamente, por lo general, la hiptesis de investigacin predice una relacin entre dos o ms variables (por
ejemplo, que los nios que tienen mayor dominio del ojo izquierdo obtendrn puntajes de rendimiento en lectura
bastante inferiores a los de los otros alumnos). Para probar esta hiptesis de manera estadstica, el investigador debe
transformarla en hiptesis alternativa y luego negarla mediante la hiptesis nula. La hiptesis nula no siempre refleja las
expectativas del investigador en relacin con el resultado del experimento. Por lo general, se opone a la hiptesis de
investigacin, pero se la utiliza porque resulta ms apropiada para la aplicacin de los procedimientos estadsticos. La
hiptesis nula determina que no existe relacin entre las variables consideradas (por ejemplo, en lo que respecta al

Pgina 87 de 325
87
rendimiento en la lectura, no hay ninguna diferencia entre los nios que poseen mayor dominio del ojo izquierdo y los
dems). Por lo general, cuando se formula una hiptesis nula, se espera que sea rechazada. Si esto ltimo ocurre, se
acepta la hiptesis de investigacin (Van Dalen: 189-190).
(11) Las pruebas de una cola y dos colas tambin se llaman pruebas de un extremo y dos extremos, o tambin
unilaterales y bilaterales, o tambin one tailed test o two tailed test.
(12) Dada una poblacin de la cual se conoce su media aritmtica, por ejemplo 70, su varianza, y su tamao N, por
ejemplo 4, puede llevarse a cabo el siguiente procedimiento: a) primero se sacan todas las muestras posibles del
mismo tamao. La cantidad de muestras posibles se puede calcular mediante un nmero combinatorio, y as, por
ejemplo, de una poblacin de N = 4, se pueden obtener un total de 6 muestras de n = 2. b) A continuacin se calculan
las medias aritmticas de cada una de las muestras posibles, con lo cual se obtiene una distribucin muestral de
medias aritmticas. Por ejemplo, las medias aritmticas de las 6 muestras pueden ser: 50, 60, 70, 80 y 90. c)
Seguidamente se calcula la media aritmtica de todas estas medias aritmticas, y se obtiene un valor de 70. Como
puede apreciarse, esta media de todas la medias muestrales coincide con la media poblacional.
La estadstica ha demostrado que esta distribucin de medias de todas las medias muestrales sigue el modelo de la
curva normal, y se ha establecido as el teorema central de lmite, que dice que si se sacan repetidamente muestras de
tamao n de una poblacin normal de cierta media y cierta varianza, la distribucin de las medias muestrales ser
normal con una media igual a la media poblacional y con una varianza igual a la varianza poblacional dividido n. Desde
ya, la precisin de la aproximacin mejora al aumentar n.
De todo ello se desprende que si se selecciona una muestra cualquiera y sta tiene una determinada varianza (o sea,
un determinado desvo estndar respecto de la media de las medias), se habr cometido un determinado error,
llamado en este caso error estndar, por haber trabajado con una muestra en lugar de haberlo hecho con la poblacin.
La frmula del error estndar no es otra cosa que el desvo estndar de la muestra en cuestin, lo que es igual al
desvo estndar poblacional dividido por la raz cuadrada del tamao n de la muestra (Rodrguez Feijo, 2003) (Kohan
N, 1994:150-153).
(13) Extrado de http://www.bibliopsiquis.com/psicologiacom/vol5num1/2815/. Otro ejemplo de prueba de hiptesis
de correlacin puede encontrarse en Kohan (1994:234).


Pgina 88 de 325
88
PARTE II: METODOLOGA DE LA INVESTIGACIN

CAPTULO 6: INVESTIGACIN E INVESTIGACIN CIENTFICA

La investigacin -ms all de si es cientfica o no lo es- es un proceso por el cual se enfrentan y se
resuelven problemas en forma planificada, y con una determinada finalidad. Una forma de clasificar los
diferentes tipos de investigacin en general es a partir de su propsito o finalidad: fines distintos
corresponden a diferentes tipos de investigacin.
Toda investigacin, y en particular la investigacin cientfica, tiene un determinado mtodo y un
determinado encuadre, que sern descritos en este captulo donde adems se sugiere, finalmente, un
proyecto para la formacin de investigadores cientficos.

1. QU ES INVESTIGACIN

Partiendo de una definicin simple, pero no menos correcta, puede decirse que la investigacin es un
proceso por el cual se enfrentan y se resuelven problemas en forma planificada, y con una determinada
finalidad. En esta definicin deben destacarse cuatro ideas importantes: "proceso", "problema",
"planificada" y "finalidad".

1) Proceso.- Como muchas palabras que terminan en cin, investigacin puede designar dos cosas: la
accin de investigar, o bien el efecto, resultado o producto de esa accin. En nuestra definicin
adoptamos el primer sentido, es decir, un sentido ms dinmico y menos esttico: la investigacin es
algo que hace la gente, acciones que requieren tiempo.
Que la investigacin sea un proceso significa que no es algo que ocurra instantneamente, sino que se da
a lo largo de un tiempo, es decir que tiene una secuencia cronolgica. Hay algunas investigaciones que
duran unos pocos minutos, como investigar quien me escondi los zapatos, unas pocas horas o das,
como podra ser investigar cmo ocurri un accidente callejero, mientras que otras llevan varios aos,
como la investigacin de la eficacia de una cierta droga para curar cierta enfermedad.

2) Problema.- En nuestra definicin hablamos deliberadamente de 'problema', y no empleamos palabras
como misterio o enigma, por cuanto ellas tienden a sugerir cuestiones que aceptamos como insolubles,
como cuando se dice el misterio de la Santsima Trinidad, o el misterio de Mara, una mujer que, siendo
virgen, pari un hijo. Por tanto, el problema que genera la investigacin debe ser, por lo menos en
principio, solucionable -sea en el grado que sea-, si no, no hay investigacin posible. La investigacin
implica no slo enfrentar un problema sino tambin resolverlo, pues de otra forma la investigacin no se
completa como proceso: un investigador es un buscador de soluciones o si se quiere, un disolvedor de
misterios.
Si solamente nos ocupramos de enfrentar problemas sin resolverlos, haramos como Fabio Zerpa con el
asunto de los platos voladores y como Charles Berlitz con el Tringulo de las Bermudas, para quienes
cuantos ms misterios sin resolver haya, tanto mejor: es lo que podemos llamar una anti-investigacin,
porque el fin no es solucionar misterios sino multiplicarlos. De alguna forma ellos saben de la fascinacin
que ejercen los misterios sobre las personas, y de esa manera pueden vender muchos libros: Bunge
llamaba a estos personajes "traficantes de misterios". Desde ya, estos traficantes de misterios ofrecen
soluciones, como por ejemplo cuando dicen que las pirmides fueron construidas por extraterrestres,
pero la solucin vuelve a encerrar un misterio an mayor, como por ejemplo de dnde vinieron o quienes
eran aquellos presuntos extraterrestres. Estos traficantes seducen con lo misterioso, insisten en el
enigma, no en la solucin. La investigacin cientfica procura resolver problemas, aunque detrs de ellos
encuentra problemas ms grandes. Sin embargo, no insisten en el enigma sino en la solucin.
Etimolgicamente, 'investigar' significa buscar, indagar. En ingls, investigacin se dice 'research', y
precisamente 'search' significa buscar. Desde ya se trata, como hemos indicado, de una bsqueda de
soluciones.
En nuestra definicin habamos dicho que la investigacin implica enfrentar y resolver problemas. Ya
hemos aclarado que 'resolver' problemas significa encontrarles soluciones. Aclaremos ahora un poco ms
que significa 'enfrentar' problemas.
Tanto en la vida cotidiana como en la investigacin cientfica enfrentamos problemas, pero mientras en la
primera los problemas se presentan muy a pesar nuestro, en la ciencia los buscamos y los formulamos
deliberadamente. El cientfico, a diferencia del hombre comn, es un problematizador por excelencia, es
alguien que est 'mentalizado' para detectarlos. Mario Bunge deca que una de las tareas del investigador
es tomar conocimiento de problemas que otros pueden haber pasado por alto. Por ejemplo, en la vida
cotidiana nadie se plantea el problema de por qu se cae una manzana cuando la soltamos, salvo que sea
Newton y se haya sentado debajo del manzano: "el trabajo cientfico consiste, fundamentalmente, en
formular problemas y tratar de resolverlos" (Ander-Egg E, 1987:139).
Ahora bien, sea que los problemas se busquen deliberadamente (como en la ciencia) o se encuentren
inopinadamente (como en la vida cotidiana), el denominador comn es le hecho de que el problema debe
ser enfrentado. La distincin entre buscar y encontrar puede tener una importancia psicolgica, pero es

Pgina 89 de 325
89
secundaria a los efectos de lo que aqu queremos ver, es decir, lo que es comn a cualquier
investigacin. Lo importante ser para nosotros que en la investigacin se 'enfrentan' problemas, sea que
estn buscados deliberadamente, sea que hayan sido encontrados 'sin querer'.
En general, en los manuales de metodologa de la investigacin suele insistirse en el papel protagnico
del problema en la investigacin, tal como podemos encontrarlo por ejemplo en Selltiz. El mismo Bunge
tambin insiste en ello, dndonos una versin de investigacin con reminiscencias darwinianas, cuando la
define como un proceso que "consiste en hallar, formular problemas y luchar contra ellos" (Bunge M,
1970:185). En sntesis, si tuvisemos que condensar en una frmula muy simplificada qu es la
investigacin, podramos decir: "investigacin = problema + resolucin".
Como podemos advertir, no puede haber investigacin sin un problema, pero, puede haber un problema
sin investigacin? Respuesta: puede haberlo, como por ejemplo en los casos de resolucin de problemas
en forma automtica, ya que la investigacin implica una forma planificada de resolucin, como
enseguida veremos. Otro ejemplo puede ser agrandar el problema (la anti-investigacin de Fabio Zerpa),
y otro ejemplo es cuando hay un problema pero no hay una inquietud por resolverlo. Yo tuve una novia
que deca: "si un problema no tiene solucin, para qu hacerse problema?, y si tiene solucin, para qu
hacerse problema?" Nunca supe si el problema que la desvelaba era yo, entre otras cosas porque no me
dio tiempo: salimos solamente tres das.

3) Planificacin.- El tercer concepto includo en nuestra definicin de investigacin es el de planificacin:
concretamente, cuando decimos que la investigacin implica resolver un problema en forma planificada.
Para Bunge, el trmino 'problema' designa "una dificultad que no puede resolverse automticamente,
sino que requiere una investigacin, conceptual o emprica" (Bunge M, 1970:195). Esto nos suscita la
idea de que hay por lo menos dos formas de resolver problemas: automtica y planificada.
a) Resolucin automtica.- Un problema puede ser resuelto automticamente, lo que significa que no
exige mayormente esfuerzo intelectual, ingenio, creatividad o planificacin. Podemos mencionar tres
modalidades de resolucin automtica de problemas: inmediata, rutinaria y aleatoria.
En la resolucin inmediata, apenas aparece el problema aparece la solucin. Si tengo necesidad de una
birome, la tomo del bolsillo y se acab el problema, es decir, no necesito hacer una 'investigacin' para
buscar la birome (la investigacin, como veremos, supone una resolucin planificada). Si mi problema es
conocer el origen del universo, puedo tener una solucin inmediata que me es provista por mi
cosmovisin: lo cre Dios y punto. El dogma religioso suele prohibir la investigacin: las verdades estn
dadas, no hay que buscarlas en ningn lado.
La resolucin rutinaria implica llevar a cabo una serie de actividades en forma ordenada, mecnica o
predeterminada. Muchas actividades cotidianas son rutinarias: si tengo que preparar la comida de todos
los das, si tengo que entrar al auto, arrancarlo y andar, o si debo tomar el colectivo todos los das para ir
a trabajar, ejecuto una serie de pasos ordenados, incluso sin pensarlos demasiado, en forma automtica.
Nadie dira que preparar la comida de todos los das es 'hacer una investigacin': resolver un problema
cotidiano no implica necesariamente investigar. Otro ejemplo: un cirujano que realiza su operacin
nmero mil de vescula ya la hace casi con los ojos cerrados, en forma automtica y rutinaria, y por ende
no investig nada.
La diferencia que puede haber entre la resolucin rutinaria y la inmediata es tal vez solamente que la
primera requiere cierto tiempo y, es, por lo tanto, un proceso.
Finalmente, la resolucin aleatoria consiste en encontrar una solucin de manera fortuita, incluso sin
haberla buscado. Podemos por ejemplo tener problemas de dinero, y encontramos en la calle cien pesos.
Aqu nadie dira que hemos realizado una investigacin para resolver nuestro problema econmico.
b) Resolucin planificada.- Como podemos imaginarnos, una resolucin planificada no es una resolucin
automtica: exige cierto esfuerzo, exige cierta dosis de creatividad, exige trazarnos estrategias y
tcticas. Como su nombre lo indica, exige trazarnos un 'plan' para resolver el problema, precisamente
porque no podemos resolverlo automticamente.
Cuando pierdo el botn de la camisa o los documentos y no puedo resolver el problema de manera
automtica, inicio una 'investigacin', pero previamente hago una planificacin, por muy inconciente o
rudimentaria que pueda ser, es decir, me organizo, me trazo un plan: primero busco en el piso, despus
en la casa, despus en los lugares donde estuve, para lo cual a su vez pudo llamar por telfono a esos
lugares o ir personalmente, etc.
La investigacin supone una planificacin, pero la planificacin sola no es investigacin, porque requiere
tambin la ejecucin del plan. Planificar sin ejecutar es como hacer el plano de una casa sin construirla.
La planificacin, a su vez, supone una organizacin y un mtodo, pero no toda organizacin metdica de
actividades supone planificacin: la resolucin rutinaria de problemas implica una organizacin de las
conductas y un mtodo, pero su mismo carcter rutinario hace innecesaria una planificacin previa.
Debemos entonces preguntarnos cmo debe ser esta organizacin metdica para que podamos hablar
propiamente de una necesidad de planificacin, esto es, para que podamos hablar propiamente de
investigacin.
Ciertos autores (Matus C, 1985) distinguen entre planificacin normativa y planificacin estratgica, y
aclaramos ante todo que lo que aqu estamos llamando planificacin corresponde con ste ltimo sentido.
Una 'planificacin' normativa implica disear un plan en forma inflexible y rgida, sin tener en cuenta las
posibles variaciones y sorpresas que la realidad pueda presentarnos. No admite ni prev cambios sobre la

Pgina 90 de 325
90
marcha. Se trata de una planificacin que pretende actuar sobre la realidad como Procusto, quien en
lugar de construir un lecho acorde con las dimensiones del hombre, cortaba a ste para ajustarlo al
lecho.
Una planificacin estratgica, al revs, considera los imprevistos e instrumenta los modos de adaptarse a
ellos introduciendo cambios en el plan original. Un fsico norteamericano, Robert Oppenheimer, deca que
investigar significa pagar la entrada por adelantado y entrar sin saber lo que se va a ver. Como el lector
habr advertido, una planificacin normativa no es en realidad tal, y est ms bien relacionada con la
forma rutinaria de resolver problemas. La investigacin, en suma, implica una planificacin,
sobreentendindose que se trata de una planificacin estratgica y no normativa.
La planificacin implica trazar un plan constitudo por pasos sucesivos para resolver el problema. A
grandes rasgos, estos pasos deben incluir la formulacin adecuada del problema (para tener claro qu es
lo que requiere una solucin), la especificacin de los medios para recolectar, seleccionar, comparar e
interpretar la informacin -necesaria para resolver el problema-, de la forma ms sencilla, breve y
econmica posible. Deca Pedro Lan Entralgo: "el buen investigador ha de tener a la vez ideas nuevas,
buena informacin y buena tcnica de trabajo. A los malos investigadores les falta siempre uno por lo
menos de esos tres requisitos". El autor pensaba en la investigacin cientfica, pero sus requisitos son
igualmente aplicables a cualquier otro tipo de investigacin, por ms cotidiana e intrascendente que
pueda ser.
Como dijimos, la investigacin implica entre otras cosas saber seleccionar la informacin pertinente, y
buscarla en la forma ms sencilla posible.
As, seleccionamos aquella informacin que juzgamos atingente o pertinente al problema. Si mi problema
es encontrar el botn que perd, informacin no pertinente ser por ejemplo la cantidad de satlites de
Jpiter, e informacin pertinente ser qu clase de objetos hay detrs del silln.
La investigacin debe tambin buscar la sencillez (y hasta la elegancia), cuestin importante porque
muchas veces se piensa que una investigacin es algo complicado: indudablemente muchas
investigaciones son complicadas, pero ello no se debe a que el investigador se proponga deliberadamente
sembrar dificultades. Por ejemplo, en una investigacin a veces debemos tomar una muestra que ya es
representativa con 100 personas. Si tomamos 200 personas estamos complicando innecesariamente la
investigacin, ya que se nos hace ms lenta y ms costosa.
c) Una relacin entre resolucin automtica y resolucin planificada.- Cualquier tipo de investigacin, sea
del hombre comn en su vida o el cientfico en su laboratorio, implica siempre, como hemos visto, una
forma planificada de resolver el problema que la gener. Sin embargo, en el curso de la misma suelen
aparecer secundariamente formas automticas de resolucin de problemas. Las investigaciones reales
incluyen formas planificadas y formas automticas de resolucin, pero con la importante aclaracin que la
intencin principal de la investigacin es la planificacin, no la resolucin automtica.
Por ejemplo, la resolucin aleatoria puede darse en el curso de una resolucin planificada: Pasteur
encontr la manera de 'pasteurizar' la leche por azar. Un da sin querer se le cay el preparado con
bacterias patgenas y luego comprob que haban muerto todas por el brusco cambio de temperatura,
consecuencia de esta cada. Esto del azar es un poco relativo, porque, como deca Claude Bernard, el
eminente investigador del siglo XIX: quien no sabe lo que busca, no comprender lo que encuentra. Esto
es importante porque si alguna vez encaramos una investigacin, no es raro que resolvamos el problema
central o algn problema secundario en forma aleatoria, pero sabremos interpretarlos porque tenemos en
mente una investigacin planificada en la cual sabemos lo que buscamos.
En otro ejemplo menos cientfico, puede ocurrir que mientras investigamos dnde perdimos los
documentos, nos sentamos a pensar y advertimos que lo hemos hecho encima de ellos: intentamos una
resolucin planificada, pero desembocamos -por azar- en una resolucin aleatoria.
Del mismo modo, la investigacin incluye modos inmediatos y modos rutinarios de resolucin de
problemas. Mientras un cientfico investiga, resuelve en forma inmediata el problema de ponerse los
anteojos, y resuelve en forma rutinaria muchas de sus actividades, como por ejemplo resolver mediante
un algoritmo matemtico el nivel de significacin estadstico para los resultados de un experimento, tanto
que incluso deja que se encargue de la tarea una computadora.

4) Finalidad.- La definicin, por ltimo, hace alusin a una finalidad. Toda investigacin es una actividad
humana intencional, y persigue siempre un propsito especfico, ms all del fin genrico que es resolver
un problema. La diversidad de finalidades es lo que nos dar la diversidad de investigaciones, es decir,
los diferentes tipos de investigacin. Veamos algunos ejemplos.

2. TIPOS DE INVESTIGACIN

La cantidad de tipos de investigacin que se pueden hacer es prcticamente infinita. Vamos a recorrer
solamente algunos ejemplos representativos.

1) La investigacin cotidiana.- La investigacin es un proceso que se infiltra e muchas de nuestras
actividades diarias: investigamos cuando estudiamos, cuando jugamos, cuando aprendemos algo, cuando
vamos a un boliche bailable a 'investigar', cuando 'investigamos' al vecino, etc. La investigacin es una

Pgina 91 de 325
91
actividad que suele infiltrarse dentro de otras actividades. Por lo tanto, no se necesita ser un cientfico
para ser un investigador.
Las investigaciones cotidianas son aquellas que realizamos todos los das, y en este sentido amplio, todos
somos investigadores. Si yo llego a mi casa y me encuentro con que perd los documentos, voy a iniciar
una investigacin para encontrarlos. Estn aqu todos los elementos de una investigacin: hay un
problema (perd los documentos), hay una finalidad (quiero encontrarlos) y hay un intento por solucionar
el problema en forma planificada: empiezo a averiguar en todos los lugares donde estuve, pregunto por
telfono, dejo dicho que si los encuentran me avisen, etc., etc.

2) La investigacin infantil.- No se trata de la investigacin que podemos hacer nosotros como psiclogos
'sobre' el nio, sino de las investigaciones hechas 'por' el nio cuando indaga la realidad para satisfacer
su natural curiosidad o para adaptarse mejor a ella. El nio es, no cabe duda, un investigador nato, y
esto ya lo destacaron pensadores como Piaget y Freud.
Para Piaget el nio es un verdadero investigador de la realidad: ya desde muy pequeo debe enfrentar
problemas, los intenta resolver y lo hace en forma planificada con un fin: la adaptacin. No es la
planificacin de un adulto, pero es tambin planificacin porque el nio, a su manera y en su nivel,
tambin se organiza y al mismo tiempo gracias a ello tambin va organizando su actividad del mundo y
su conocimiento de ste.
Freud tambin habla de los nios investigadores al hablar de la 'investigacin sexual infantil', es decir,
cuando indagan su sexualidad elaborando y poniendo a prueba sus teoras sexuales infantiles. Freud no
dice 'creencias infantiles' sino 'teoras infantiles'. Si el nio tuviese simplemente creencias, creera
dogmticamente en ellas y por tanto ni se preocupara por iniciar una investigacin. Lo que el nio arma
son teoras, es decir, hiptesis, suposiciones y, como tales, se preocupar por ponerlas a prueba. Por
ejemplo, no acepta sin ms la teora de la castracin: necesita verificarla, por ejemplo, espiando a la
hermanita a ver si es cierto que a las mujeres le cortaron el pito o no. Esto implica hacer una
investigacin. Desde ya, un nio de cinco aos no necesita dominar el pensamiento hipottico-deductivo
del que habla Piaget para hacer investigaciones: ni sus hiptesis ni sus procedimientos para verificarla
estn tan formalizados como en el adolescente, pero esto no le impide investigar y considerar a sus ideas
como entidades que han de ser comprobadas en la realidad.

3) Otros tipos de investigacin.- Encontramos tambin investigaciones periodsticas (donde el problema
puede residir en averiguar qu individuos se dedican a la corrupcin en el gobierno), investigaciones
administrativas (donde el problema puede residir en averiguar qu funcionario fue el responsable de tal o
cual acto administrativo), investigaciones criminales (como averiguar quin es el asesino),
investigaciones judiciales (como resolver la imputabilidad o no de un acusado en el fuero penal, o la
magnitud de la pena, etc.), investigaciones de mercado (el llamado 'marketing', para detectar perfiles de
clientes potenciales), investigaciones literarias, filosficas, cientficas, etc.

Desde ya, el hecho de llamar 'investigaciones' a tanta diversidad de actividades humanas obedece a que
tienen ciertos caracteres en comn, caracteres que hemos resumido en nuestra definicin general. Por
algo Irving Copi (1974:493) traza una interesante analoga entre la investigacin cientfica y la
investigacin policial que llev a cabo Sherlock Holmes en uno de los cuentos de Conan Doyle. Y por algo
Sigmund Freud traza tambin un paralelismo entre la investigacin analtica y la investigacin judicial
(Freud S, 1906).

3. LA INVESTIGACIN CIENTFICA

Este tipo de investigacin debe definrsela por su finalidad y por su mtodo al mismo tiempo: la
investigacin cientfica se caracteriza por buscar un conocimiento cada vez ms general, amplio y
profundo de la realidad aplicando el llamado mtodo cientfico. Este ltimo se caracteriza porque es
fctico, trasciende los hechos, se atiene a reglas, utiliza la verificacin emprica, es autocorrectivo y
progresivo, presenta formulaciones generales, y es objetivo (Ander-Egg E, 1987:43). El producto final de
la aplicacin del mtodo cientfico es la ciencia, definida como un conjunto de conocimientos racionales,
ciertos o probables, que obtenidos de manera metdica y verificados en su contrastacin con la realidad
se sistematizan orgnicamente haciendo referencia a objetos de una misma naturaleza, cuyos contenidos
son susceptibles de ser transmitidos (Ander-Egg E, 1987:33).
En suma, la investigacin cientfica es un procedimiento reflexivo, sistemtico, controlado y crtico que
tiene por finalidad descubrir o interpretar los hechos y los fenmenos, relaciones y leyes de un
determinado mbito de la realidad (Ander-Egg E, 1987:57).

Es habitual definir la investigacin cientfica como el motor de la ciencia, el seudpodo que extiende el
conocimiento hacia regiones desconocidas, o, menos metafricamente, que es el procedimiento por el cual
planteamos y verificamos hiptesis y teoras para que luego, los profesionales puedan aplicarlas exitosamente con
una finalidad prctica, y los docentes difundirla a las nuevas generaciones. Sin embargo, las cosas no son tan
ideales. Preferimos decir que el conocimiento cientfico no es de ninguna manera el mejor conocimiento, ni an
tampoco el que ha tenido mayores xitos en cuanto a resultados prcticos se refiere. Por ejemplo: a) muchos
procedimientos teraputicos no mejoraron y an empeoraron a los pacientes; b) muchos procedimientos no

Pgina 92 de 325
92
cientficos practicados por curanderos han demostrado ser ms eficaces. Como dice Feyerabend, "actualmente la
ciencia no es superior a otras ideologas gracias a sus mritos, sino porque el show est montado a su favor".
Muchas publicaciones cientficas forman parte de ese show, en la medida en que tienden a hipervalorar los
procedimientos de investigacin cientfica de la psicologa, rescatando en ellos su ajuste a los canones de
cientificidad consensualmente reconocidos. Sin embargo, procuramos tambin no mostrar el mtodo cientfico ni
como infalible ni como el nico posible, como as tampoco afirmamos sin ms, en el otro extremo, que la ciencia
es deleznable. En lugar de ello, intentamos describir y comprender la principal herramienta del investigador,
llamada 'mtodo cientfico', hurgando al mismo tiempo en sus limitaciones y en sus posibilidades.

Etapas.- No siempre los tratadistas del mtodo cientfico siguen el mismo orden en sus etapas, por lo
cual hay diversidad de esquemas. Casi la totalidad estn de acuerdo en tres pasos fundamentales: tema,
problema, metodologa (Kerlinger, Ander Egg, Vandalen y Meyer, Morales, Arias G. Mc Guigan, Castro,
Ackoff, Garza, Pozas, Brons, Galtung, Tamayo y Tamayo, Asti, Vera, Parinas, entre otros). Entre los ms
conocidos tenemos (Tamayo, 1999:170):

Esquema Ackoff a) Planteamiento del problema.
b) Marco terico.
c) Hiptesis.
d) Diseo.
e) Procedimiento de muestreo.
f) Tcnica y obtencin de datos.
g) Gua de trabajo.
h) Anlisis de los resultados.
i) Interpretacin de los resultados.
j) Publicacin de los resultados.
Esquema Pozas a) Planteamiento de la investigacin.
b) Recoleccin de datos.
c) Elaboracin de los datos.
d) Anlisis.
Esquema
Vzquez-Rivas
a) Planteamiento.
b) Levantamiento de datos.
c) Elaboracin.
d) Anlisis.
Esquema
Pardinas
a) Teora.
b) Observacin.
c) Problema.
d) Hiptesis.
e) Diseo de prueba.
f) Realizacin del diseo de prueba.
g) Conclusiones.
h) Bibliografa.
i) Notas.
j) Cuadros y tablas.
Esquema Brons a) Especificacin, delimitacin y definicin del problema.
b) Formulacin de la hiptesis.
c) Toma, organizacin, tratamiento y anlisis de los datos.
d) Conclusiones.
e) Confirmacin o rechazo de los hijos.
f) Presentacin del informe.
Esquema Tamayo a) Eleccin del tema (planteamiento inicial).
b) Formulacin de objetivos (generales, especficos)
c) Delimitacin del tema (alcances y lmites, recursos).
d) Planteamiento del problema (descripcin, elementos, formulacin).
e) Marco terico (antecedentes, definicin de trminos bsicos, formulacin de hiptesis,
operacionalizacin de variables).
f) Metodologa (poblacin y muestra, recoleccin de datos, procesamiento de datos, codificacin
y tabulacin).
g) Anlisis de la informacin y conclusiones.
h) Presentacin del informe de investigacin.

Sea cual fuere la secuencia de pasos del mtodo cientfico, el xito de cualquier empresa cientfica
depende de tres elementos: una clara identificacin de los objetos a investigar, una teora imaginativa
que explique cmo se relacionan, y una idea precisa de los problemas concretos vinculados con la
evidencia y las pruebas ms adecuadas al tema de estudio (Lazarsfeld, 1984:11).

4. EL MTODO EN LA INVESTIGACIN CIENTFICA

En ciertas ocasiones y en el contexto de la actividad cientfica en sentido amplio (investigacin, ejercicio
profesional, etc.) resulta importante distinguir mtodos de tcnicas en trminos de la siguiente
convencin: mtodos son procedimientos generales y tcnicas son procedimientos especficos aplicados
en el marco de un mtodo.
Pocas palabras se utilizan de una forma tan diversa y generalizada como 'mtodo' y 'tcnica'.
Generalizada porque se emplean en todas las artes y todas las ciencias, y diversa porque suelen
adjudicrseles significados diferentes. Suelen ser adems vocablos que se utilizan sin ser definidos
explcitamente, de la misma manera que no nos sentimos obligados a definir la palabra 'ventilador'
cuando hablamos de los ventiladores.
Hemos de reconocer que muchas veces no es necesario definir los trminos 'mtodo' y 'tcnica' cuando
los empleamos en la vida cotidiana, en las artes o en la ciencia, pero puede resultar importante
especificar sus respectivos significados en aquellas ocasiones en las cuales: a) se utilicen ambos trminos
para describir procedimientos en el contexto de la actividad cientfica; b) se utilicen ambos trminos con
sentidos diferentes; y c) cuando sea necesario diferenciarlos si con ello se clarifican aquellos
procedimientos.

Pgina 93 de 325
93
Por empezar, convengamos en que tanto el mtodo como la tcnica se refieren a procedimientos para
hacer o lograr algo, es decir, son medios orientados hacia un fin. Tal es el sentido que recogen las
definiciones lexicogrficas a partir de los usos ms habituales: "tcnica es un conjunto de procedimientos
de un arte o ciencia"; "mtodo es el orden que se sigue en las ciencias para investigar y ensear la
verdad" (Diccionario Aristos, 1968).
Vamos ahora a la diferencia bsica entre mtodo y tcnica: un mtodo es un procedimiento general
orientado hacia un fin, mientras que las tcnicas son diferentes maneras de aplicar el mtodo y, por lo
tanto, es un procedimiento ms especfico que un mtodo. Por ejemplo: hay un mtodo general para asar
la carne, aunque pueden usarse diferentes tcnicas: a la parrilla, al horno, a la cacerola, con un horno de
microondas, etc.
Esta distincin entre mtodo y tcnica como procedimiento general y especfico respectivamente, es la
ms aceptada y reconocida dentro de la comunidad cientfica. Greenwood seala, por ejemplo, al hablar
de mtodos y tcnicas de investigacin, que "un mtodo puede definirse como un arreglo ordenado, un
plan general, una manera de emprender sistemticamente el estudio de los fenmenos de una cierta
disciplina. Una tcnica, por el contrario, es la aplicacin especfica del mtodo y la forma especfica en
que tal mtodo se ejecuta" (Greenwood, 1973:106). Greenwood hace una analoga diciendo que el
mtodo es a la tcnica como la estrategia a la tctica, es decir, la tcnica est subordinada al mtodo: es
un auxiliar de ste.
Bunge sigue la misma orientacin para distinguir mtodo de tcnica, cuando seala por ejemplo que "la
ciencia es metodolgicamente una a pesar de la pluralidad de sus objetos y de las tcnicas
correspondientes" (Bunge, 1969:36), o que "la diversidad de las ciencias est de manifiesto en cuanto
atendemos a sus objetos y sus tcnicas; y se disipa en cuanto se llega al mtodo general que subyace a
aquellas tcnicas" (Bunge, 1969:38).
El mismo autor (1969:24) distingue mtodos generales y mtodos especiales, y tiende a reservar el
nombre de tcnicas en relacin con estos ltimos destacando, de esta forma, el carcter de especificidad
de la tcnica en relacin al mtodo.
En suma, para Bunge: "el mtodo cientfico es la estrategia de la investigacin cientfica: afecta a todo el
ciclo completo de investigacin y es independiente del tema en estudio. Pero, por otro lado, la ejecucin
concreta de cada una de esas operaciones estratgicas depender del tema en estudio y del estado de
nuestro conocimiento respecto a dicho tema. As, por ejemplo, la determinacin de la solubilidad de una
sustancia dada en el agua exige una tcnica esencialmente diversa de la que se necesita para descubrir
el grado de afinidad entre dos especies biolgicas" (Bunge, 1969:31).
Por tanto, si hemos de respetar la convencin precedente, resultar correcto decir "utilic esta tcnica
para aplicar este mtodo", y resultar incorrecto decir "utilic este mtodo para aplicar esta tcnica" (an
cuando en esta ltima expresin se entienda mtodo como un conjunto de pasos para aplicar la tcnica).
Veamos algunos ejemplos donde cabe hacer distinciones entre mtodo y tcnica:
Ejemplo 1: psicoterapia.- Hay un mtodo general para curar a un paciente: escuchar su problema,
intervenir teraputicamente, verificar la cura, etc. A partir de este procedimiento genrico, cada
terapeuta instrumentar diferentes tcnicas (las que dependeran del marco terico que utilice, de sus
preferencias personales, de su adecuacin al paciente y al problema, etc.). Por ejemplo la tcnica de la
prescripcin del sntoma, la tcnica de la asociacin libre, la tcnica de la desensibilizacin sistemtica, la
tcnica Phillips 66 para terapia grupal, la tcnica de la interpretacin onrica, la hipnosis, etc.
Ejemplo 2: matemticas.- Hay un mtodo general para realizar una operacin de suma, que bsicamente
consiste en relacionar dos o ms elementos llamados sumandos y generar un tercero llamado resultado.
Para ello pueden utilizarse diferentes procedimientos llamados tcnicas: sumar mentalmente, sumar con
una calculadora, sumar con los dedos, sumar con un baco, etc., y hasta pedirle a otra persona que haga
la suma por uno. Suelen denominarse algoritmos a cada una de estas formas diferentes de realizar un
clculo.
Ejemplo 3: metodologa de la investigacin.- Dentro del mtodo general de recoleccin de datos, se
pueden utilizar diferentes tcnicas: la entrevista, el cuestionario, el test, la observacin, etc. Tambin,
dentro del mtodo de muestreo hay diferentes tcnicas: el muestro estratificado, el muestreo por
conglomerados, etc.
Ejemplo 4: ciencias naturales.- En astronoma, dentro del mtodo general de observacin de los astros,
se pueden implementar diferentes tcnicas: utilizar un telescopio reflector, un radiotelescopio, etc. En
biologa, dentro del mtodo general de observacin microscpica, puede usarse la tcnica del microscopio
ptico, la del microscopio electrnico, etc.
As como dentro de un mismo mtodo se pueden usar tcnicas diferentes, tambin dentro de diferentes
mtodos se pueden usar las mismas tcnicas. Por ejemplo, la tcnica de los tests se puede usar dentro
de un mtodo para diagnosticar (en la clnica) o en el contexto de un mtodo para verificar una hiptesis
(en la investigacin). De la misma manera, la tcnica del horno de microondas puede ser utilizada dentro
del mtodo general para asar carne, o tambin dentro del mtodo general para llevarle la contra a mi
suegra (por cuanto a ella no le gusta que la comida se haga en esa clase de artefactos).
Una tcnica inadecuada puede arruinar un buen mtodo, y, alternativamente, un mal mtodo puede
echar a perder una buena tcnica. Por ejemplo, la observacin participante es una buena tcnica, pero si
con ella se procurar verificar experimentalmente una hiptesis, se arruina el mtodo experimental y se

Pgina 94 de 325
94
desaprovecha la tcnica El fin de la tcnica debe ser congruente con el fin del mtodo dentro del cual se
utiliza.
Esta ltima cuestin tiene relacin con la eficiencia y la eficacia de la tcnica. Decimos que alguien es
eficiente cuando hace bien las cosas, y que es eficaz cuando consigue lo que se propone, es decir, la
eficiencia tiene que ver con los medios, y la eficacia con los fines. Considerando estas diferencias,
podemos decir que tanto los mtodos como las tcnicas pueden ser eficientes y eficaces: eficientes si
estn bien aplicados, y eficaces si alcanzan el fin que se propusieron. Como hemos dicho antes, una
tcnica puede ser eficiente pero no eficaz, es decir, puede estar bien usada pero ser irrelevante respecto
del fin general del mtodo donde est inscripta.
Por ltimo, resulta importante destacar que si el mtodo alude a un procedimiento general y la tcnica a
uno especfico, forzosamente habrn de ser trminos relativos. Por ejemplo, un mismo procedimiento
podr ser considerado general en relacin a otro ms especfico, o viceversa. As, la hipnosis es una
tcnica si lo inscribimos dentro del mtodo teraputico, pero ser un mtodo si intentamos discriminar
diferentes formas de hipnotizar (con la mano, con un objeto pendular, con un casete subliminal, etc.) las
que, entonces, habremos de considerar tcnicas.
De la misma forma, la tcnica del microscopio ptico es tal en relacin al mtodo general de observacin
de clulas, pero es un mtodo en relacin con las diferentes maneras de implementarlo: la tcnica de la
hematoxilina-eosina, etc.

5. EL ENCUADRE EN LA INVESTIGACIN CIENTFICA

Entre otras funciones, el encuadre es un sistema de reglas que nos suministra, tanto en la clnica como
en la investigacin, un teln de fondo fijo o constante que nos permite detectar con facilidad las posibles
variaciones en aquellos aspectos de la situacin que pueden interesarnos.

Una mosca viajera.- Dnde podemos detectar mejor una mosca caminando? Cundo camina sobre una
pantalla donde estn proyectando una pelcula, o cuando camina sobre un cuadro colgado de la pared?
Evidentemente podremos ver con mayor facilidad el desplazamiento de la mosca sobre un cuadro porque
ste, al ser esttico, permite visualizar ms fcilmente cualquier cosa que se mueva. En una pantalla, en
cambio, el movimiento de las imgenes nos dificulta ver el movimiento de la mosca, porque... todo se
est moviendo.
Hasta aqu, podemos ir sacando la siguiente conclusin: si yo quiero detectar variaciones (como el
desplazamiento de una mosca), tengo que contar con un fondo fijo y constante (como por ejemplo un
cuadro), es decir, tengo que hacer un 'encuadre' (poner en un cuadro).
En las situaciones clnicas e investigativas trabajamos con variables, es decir, con atributos del sujeto que
se supone que variarn. Y para detectar esas variaciones de las variables deber armar un fondo de
constancia y fijeza, llamado encuadre. Se trata de una de las funciones del encuadre, y para
comprenderla mejor veamos algunos ejemplos.

Encuadre psicoteraputico.- Imaginemos que con nuestro paciente no establecemos ningn encuadre
definido: quedamos en que l puede venir cuando se le antoja, a la hora que quiera, nosotros podemos o
no atenderlo ese da segn nuestras ganas, pudindolo hacer en la cocina o en el garaje. Y encima de
todo, nuestro paciente puede pagarnos lo que l quiera y cuando quiera. Tampoco establecemos las
reglas de juego dentro de la sesin: si quiere asociar libremente que lo haga, y si no, no. Por nuestra
parte, mientras tanto tenemos derecho a hacernos una siesta o mirar el programa de Tinelli por la
televisin.
En este contexto no podemos evaluar, por ejemplo, variables importantes como son las resistencias o las
transferencias del paciente. No podremos saber si lleg tarde porque no hay encuadre o porque tiene
resistencias, como as tambin ser difcil saber si nuestra paciente se quita la blusa en nuestra cocina
por una falta de encuadre o por una intensificacin de la transferencia positiva, otra variable
indispensable en el tratamiento analtico.
En cambio, procedamos ahora a establecer un encuadre: fijamos reglas como horarios definidos,
comportamientos en la sesin, honorarios, etc. Cuando todo esto se mantiene constante o fijo, cualquier
variacin en la resistencia o en la transferencia ser inmediatamente detectada. Por ejemplo, si tras
haber fijado un encuadre determinado, la paciente se quita la blusa, es decir, no respeta cierta regla del
encuadre, entonces no habremos de pensar que falta un encuadre, sino que la transferencia positiva se
ha manifestado. En cuanto a las resistencias, una medida de esta puede darla la magnitud de las
violaciones al encuadre: y si no hay encuadre, resultar ms difcil evaluar la resistencia. O para decirlo
en otras palabras: si no creamos como fondo un marco de conductas esperables, nos resultar ms difcil
identificar conductas inesperadas o llamativas, y es as que un psictico puede pasar mucho ms
desapercibido en una murga que en un grupo de estudio, donde el encuadre es menos flexible o
permisivo.

El encuadre en psicoanlisis.- Seala Freud en la Conferencia 28, que la cura analtica impone al mdico y
enfermo un difcil trabajo que es preciso realizar para cancelar unas resistencias internas. Pero este trabajo al
que Freud se refiere, para ser fructfero, debe realizarse bajo determinados condiciones, que implican

Pgina 95 de 325
95
obligaciones que debe cumplir el analista (abstinencia, etc.), el paciente (asociar libremente, etc.) y ambos en
un contrato que establece tiempo, honorarios, cantidad de sesiones, y que contribuyen a garantizar que dicho
trabajo se realizar sin mayores obstculos.
Un ejemplo de situacin que puede amenazar este encuadre pactado entre paciente y analista es la intromisin
de la familia del primero. Freud, en la Conferencia 28 ms adelante, ofrece un ejemplo de una mujer a quien
tuvo ocasin de tratar, pero el encuadre fue afectado por la intromisin de su madre, y el tratamiento no pudo
proseguir: la madre tom rpidamente su decisin: puso fin al daino tratamiento. Esto viola el encuadre
porque la paciente ya no est en condiciones de pactar libremente con el analista un conjunto de obligaciones
que son las que permitirn el anlisis.
Otros ejemplos los suministra Freud en sus artculos sobre la transferencia, donde la paciente se enamora del
analista y, lejos de interpretarse esta situacin como transferencial, analista y paciente se convierten en
amantes violando el primero la regla de la abstinencia, una de las reglas del encuadre.
Dentro del encuadre est contemplado por ejemplo el tiempo y el dinero. Indica Freud que debe darse al
paciente una hora determinada, que le pertenece por completo, y paga por ella aunque no la use. De otro modo
puede empezar a aprovechar para faltar, lo cual pone de manifiesto la importancia del encuadre para el
tratamiento. Slo en casos extremos, como alguna enfermedad orgnica, podemos suspender
momentneamente esta regla.
En casos leves pueden bastar tres horas semanales: si son ms espaciadas cuesta ms seguir la vida actual del
paciente, con riesgo para la cura, lo cual destaca nuevamente la importancia del encuadre para el tratamiento.
El encuadre tambin debe incluir honorarios. Freud reconoce haber hecho tratamientos gratuitos con el fin de
eliminar toda fuente de resistencia, pero tal actitud no fue beneficiosa, pues la gratuidad intensifica mucho
algunas resistencias del neurtico: en las mujeres, por ejemplo la tentacin implicada en la transferencia, y en
hombres jvenes, la rebelda contra el deber de gratitud, vinculada al complejo del padre. La ausencia de
honorarios hace perder la relacin entre mdico y paciente todo carcter oral, quedando ste privado de un
motivo principal para la cura.
El tratamiento analtico moviliza la energa preparada para la transferencia para luchar contra las resistencias, y
muestra al paciente los caminos para canalizarla. Un encuadre adecuado permite cumplir con estas tareas.

En el caso de investigaciones que indagan la eficacia de tratamientos, est descontada entonces la
importancia de fijar un mismo encuadre en todos los casos, para que influyan lo menos posibles las
variables extraas ajenas al tratamiento.

Encuadre experimental.- El experimento es un procedimiento incluido en las investigaciones cientficas
tpicas. Aunque no es tan habitual denominarlo encuadre, tambin en una situacin experimental existe
la necesidad de crear un teln de fondo constante para poder identificar, por contraste, la variacin de las
variables.
O'neil ha definido un experimento como un modelo particular de variacin y constancia con lo cual quera
decir que un experimento consiste en hacer variar una variable para ver como vara otra, pero
manteniendo todos los dems factores constantes.
Si quiero saber si influye o no la msica funcional sobre el rendimiento de los empleados, har variar la
variable msica funcional y ver si hay una variacin concomitante en los rendimientos, pero para ello
tuve que mantener constantes otras variables que podran tambin haber influido en el rendimiento,
como el salario. Si en el medio del experimento aumento todos los sueldos, no podr saber si la variacin
en los rendimientos obedece al salario o al cambio en la msica funcional.

Encuadre psicodiagnstico.- Otro ejemplo de encuadre en el contexto de la metodologa de la
investigacin es el referido al empleo de los instrumentos de medicin. La toma de un test puede
realizarse con fines clnicos, laborales, forenses, etc., pero tambin con fines de investigacin del test
mismo, como por ejemplo cuando la prueba en cuestin est recin inventada y atraviesa an un periodo
de prueba donde constataremos su validez y su confiabilidad. Puede tambin servir a fines puramente
estadsticos, como cuando queremos determinar la media de cociente intelectual de una poblacin dada,
o a fines de investigacin pura, como cuando queremos verificar la hiptesis segn la cual los tiempos de
reaccin a una consigna son directamente proporcionales a la ansiedad, con el fin de obtener una ley
general del funcionamiento psquico.
En cualquiera de los casos indicados es preciso tambin un encuadre. Por ejemplo, forma parte del
encuadre la manera de administrar la consigna, que debe ser siempre la misma. No es lo mismo decir
"dibuje SU familia" a decir "dibuje UNA familia", o a decir "Dibuje su familia haciendo algo". Si a todas las
personas a quienes le tomo el mismo test le administro consignas diferentes, no podr contar con un
mismo patrn para comparar sus respectivas respuestas. Una misma consigna para todos permite, en
efecto, asegurarnos de que las variaciones en las respuestas respondern a variaciones individuales de
los sujetos, y no a variaciones en las consignas. Porqu? Porque lo que nos interesa es precisamente la
variabilidad individual, es decir, aquello que es propio de cada persona.
Tambin forma parte del encuadre del proceso psicodiagnstico el comportamiento del psiclogo durante
la toma. Si en el medio de una administracin yo empiezo a comportarme en forma rgida y autoritaria o
de manera excesivamente permisiva y familiar, no sabr si las nuevas respuestas del sujeto derivan de
su peculiar funcionamiento psquico frente a las consignas de los tests, o de mis nuevos
comportamientos.

Pgina 96 de 325
96
Desde ya, yo puedo inventar un nuevo encuadre donde en el medio de la toma cambio ex profeso mi
comportamiento, pero en este caso deber aplicar el mismo encuadre en todas las tomas y recin
entonces podr comparar, sobre este fondo constante, la variabilidad inter- individual.

Otras funciones del encuadre.- Siempre nos manejamos con encuadres, an en la vida cotidiana: este
encuadre son las reglas de convivencia. Es esperable que cuando llamamos por telfono a alguien nos
diga "Hola", y es esperable que cuando dos personas se presentan se extiendan la mano. En este marco
de conductas predecibles, cualquier anomala, cualquier variacin ser inmediatamente detectada, cosa
que no sucede cuando no hay reglas y cualquier cosa puede esperarse de cualquiera en cualquier
momento.
En estos casos, las funciones del encuadre social son variadas: puede servir para regular y tornar
predecible el comportamiento ajeno ("no tengo que temer al otro si me acerco a saludarlo, pues estoy
casi seguro que responder mi saludo amistosamente"), para identificarse con un grupo de pertenencia
("Yo te saludo dndote la mano porque somos de la misma cultura"), etc., etc.
Pero fuera de estos encuadres socialmente instituidos, hemos mencionado otros encuadres ad hoc (o sea,
construidos especialmente para ciertas situaciones especiales), como el teraputico y el psicodiagnstico.
Tales encuadres suelen tener adems otras funciones, entre las cuales podemos citar dos como ejemplo.
Una primera funcin del encuadre es la de proveer un marco disciplinario que otorgue seriedad y obligue
a un compromiso con la tarea. Si decimos a un paciente que venga cuando quiera, la tarea teraputica
puede perder importancia a su consideracin, es decir, puede pensar que la cura es una joda. Otras
veces un encuadre, y sobre todo si es menos flexible, servir como metamensaje para aquellos pacientes
que no les gusta someterse a ninguna disciplina y que necesitan alguien que les ponga lmites, o para
aquellos otros que consideran que pueden controlar el tratamiento introduciendo las variaciones que se
les antoje en las reglas del encuadre.
Una segunda funcin es el hecho de que un encuadre contribuye a que tanto paciente como terapeuta
puedan organizarse la vida racionalmente. En general, todas nuestras actividades cotidianas estn
regladas en cuanto a horarios, das, etc. an las que pueden parecer ms espontneas como la
planificacin del tiempo libre. Si no establecemos ningn encuadre en un tratamiento y nuestro paciente
puede venir cuando se le antoja, deberemos estar todo el da esperando al paciente por las dudas que se
le ocurra aparecer, y mientras tanto nosotros no podremos hacer ninguna otra actividad. O bien si la
hacemos, el paciente nunca estar seguro de encontrarnos cuando venga a visitarnos.

6. LA FORMACIN DEL INVESTIGADOR CIENTFICO

La actividad cientfica es una empresa que tiene tres protagonistas principales: el investigador, el docente
y el profesional. Mientras el primero desarrolla hiptesis, las pone a prueba y construye teoras, el
docente transmite este conocimiento a los futuros profesionales, quienes lo aplicarn con un fin prctico.
Existen carreras para ser profesional (todas las carreras de grado como Medicina, Psicologa, Ingeniera,
Derecho, Agronoma, etc.). Existen tambin carreras para ser Profesor (los Profesorados), pero no han
sido desarrolladas con la misma atencin y dedicacin las carreras para ser Investigador.
Conviene hacer una diferencia entre una carrera, o una maestra de Investigador Cientfico y un
Doctorado, tal como estos ltimos se implementan en las Universidades, habida cuenta que en estos
ltimos existen asignaturas vinculadas con la Metodologa de la Investigacin, y hay adems que
presentar un trabajo de investigacin como tesis.
1) Un Doctorado incluye asignaturas propias de la carrera de origen, y por lo tanto todos los alumnos
estn graduados en la misma disciplina. En cambio, en una maestra de Investigador Cientfico todas las
asignaturas estn relacionadas con la investigacin, sea cual fuere esta, y por lo tanto ser posible
encontrar entre sus alumnos una diversidad de profesiones distintas o diferentes intereses disciplinares.
2) En un Doctorado suele no privilegiarse la enseanza prctica de la investigacin. Para hacer la tesis,
los alumnos deben recurrir o bien a terceros, o bien a un padrino de tesis que tenga la buena voluntad de
asistirlo. En cambio, en una carrera de investigador cientfico el objetivo fundamental es formar
investigadores, sea cual fuese la disciplina que dominen, y, en ltima instancia, profesionalizar esta
actividad. Los docentes comparten as ms la responsabilidad de la formacin de sus alumnos, los futuros
investigadores.
La Maestra de Investigacin Cientfica que proponemos puede cumplirse en dos aos, con un ttulo
intermedio de Auxiliar en Investigacin Cientfico al ao, y de Investigador Cientfico al finalizar los
estudios.
Como requisitos de ingreso, puede considerarse la posibilidad de tomar dos exmenes, donde se
evaluarn:
a) Conocimientos de computacin (Entorno Windows, Aplicaciones Word, Access y Excel o equivalentes, y
bsqueda bibliogrfica va Internet). Quienes no dominen estos temas, pueden cursar una asignatura de
Informtica antes del comienzo del ao lectivo de la carrera o al menos durante el primer ao de la
misma.
b) Formacin intelectual: no son pruebas psicomtricas en el sentido tradicional, donde se evale el
cociente intelectual, ni tampoco un examen de conocimientos generales, sino pruebas de manejo de
situaciones e ideas. Generalmente, quienes ms posibilidades tienen de pasar esta prueba son aquellos

Pgina 97 de 325
97
que tienen un ttulo de grado, es decir, una formacin cientfica previa. No se trata, entonces, de un
examen para el cual haya que 'prepararse' en base a un programa, ya que lo que evala es la educacin
del pensamiento gestada a lo largo de los aos, incluso desde la infancia y la adolescencia. El principal
objetivo de esta evaluacin es averiguar si la persona tiene dotes naturales mnimas para la
investigacin: curiosidad, espritu crtico, disciplina intelectual, creatividad, disposicin para incorporar
nuevas maneras de pensar, etc.

Exponemos seguidamente los lineamientos generales de un proyecto de Plan de Estudios para una
Maestra de Investigador Cientfico, que contempla una duracin de dos aos y la posibilidad de obtener
un ttulo intermedio de Auxiliar. La inquietud apunta a la posibilidad de profesionalizar una actividad que,
hoy por hoy, suele ejercerse a fuerza de experiencia, intuicin y autoaprendizaje.
En el siguiente recuadro se indica un sistema tentativo de materias, distribuidas en cuatro cuatrimestres.
A continuacin, damos algunas especificaciones sobre sus contenidos.

MAESTRIA EN INVESTIGACION CIENTIFICA: ASIGNATURAS

PRIMER CUATRIMESTRE
Introduccin a la Investigacin Cientfica
Investigacin Bibliogrfica
Estadstica Descriptiva
SEGUNDO CUATRIMESTRE
Investigacin Emprica I (Campo)
Estadstica Inferencial
Teora de la Medicin
TERCER CUATRIMESTRE
Investigacin Emprica II (Experimental)
Investigacin Terica
Modelos Elucidatorios y Heursticos
CUARTO CUATRIMESTRE
Modelos Formales
Corrientes Epistemolgicas
Historia de la Investigacin cientfica

a) Introduccin a la Investigacin Cientfica: Asignatura que presenta e introduce en el plan de estudios
de la maestra, explicando los lineamientos generales de la investigacin. La materia intentara resumir
todo lo que se ver en los dos aos, para que el alumno pueda tener una visin global de los temas que
ir viendo despus.
b) Investigacin Bibliogrfica: Habitualmente, toda investigacin comienza con una bsqueda
bibliogrfica de informacin sobre el tema que se quiere investigar ('review'), lo que incluye no solamente
buscar y seleccionar ideas de otros pensadores, sino tambin las propias. A partir de esta investigacin
bibliogrfica, la indagacin podr continuar con una investigacin terica, con una investigacin emprica
de campo o con una investigacin emprica experimental, tres posibilidades contempladas en asignaturas
subsiguientes.
c) Investigacin Emprica I (Campo): Paralelamente a la explicacin de conceptos tericos (problema,
hiptesis, ley, teora) y de conceptos bsicos sobre investigacin de campo, los alumnos llevarn a cabo
bajo supervisin docente un trabajo de investigacin de campo.
d) Investigacin Emprica II (Experimental): Junto al desarrollo de conceptos tericos (explicacin,
prediccin, accin tecnolgica, observacin, teora del diseo experimental, inferencia cientfica), los
alumnos realizarn una investigacin experimental bajo supervisin docente. Los conceptos tericos
indicados para esta asignatura y para la anterior no necesariamente tienen relacin con las
investigaciones experimentales o de campo, respectivamente. Mas bien los hemos distribuido en ambas
materias porque todos ellos no pueden ser vistos en una sola. Los conceptos seleccionados siguieron el
plan del texto de M. Bunge, "La investigacin cientfica: su estrategia y su filosofa" (Barcelona, Ariel,
1971). Esta obra est diseada para cursos, e incluye un panorama muy completo de la investigacin
cientfica, por lo que puede servir como bibliografa de referencia bsica a lo largo de toda la carrera.
Incluye tambin ms de 500 problemas para resolver como prctica.
e) Investigacin terica: Mientras la investigacin emprica confronta ideas con la realidad, la
investigacin terica confronta ideas entre s en un nivel de abstraccin mayor. En esta asignatura puede
tambin incluirse la cuestin acerca de cmo organizar y redactar un informe o un artculo cientfico
(temtica que tambin se aplica en relacin con las investigaciones bibliogrficas y empricas).
f) Corrientes Epistemolgicas: Abarca la historia de la epistemologa desde los Segundos Analticos del
Organon aristotlico, hasta un anlisis detallado de las corrientes contemporneas: Husserl, Bachelard,
Piaget, Hempel, Carnap, Reichenbach, Popper, Feyerabend, Lakatos, Kuhn, etc. Como bibliografa de
referencia puede utilizarse: Losee J., "Introduccin histrica a la filosofa de la ciencia", Madrid, Alianza,
1972, as como textos clsicos: los "Segundos Analticos" del "Organon" de Aristteles, Kuhn T., "La
estructura de las revoluciones cientficas", Feyerabend P., "Tratado contra el mtodo", Bachelard G., "La
formacin del espritu cientfico", "Popper K., "La lgica de la investigacin cientfica" y "El desarrollo del
conocimiento cientfico", etc.
g) Teora de la medicin: Tomando como referencia los niveles de medicin de Stevens (1948), esta
asignatura explica qu significa medir, qu es un instrumento de medicin y cules son sus diferencias y
semejanzas con un instrumento de observacin; los requisitos de tales instrumentos, tales como la
validez y la confiabilidad; y una explicacin detallada de las propiedades matemticas de cada nivel de
medicin. Asimismo, se podrn examinar los problemas particulares de medicin que presenta cada tipo
de ciencia.

Pgina 98 de 325
98
h) Modelos Elucidatorios y Heursticos: Los modelos elucidatorios proveen un marco para aprender a
definir. Ellos son, por ejemplo, el fenomenolgico, basado en la epistemologa husserliana, y el emprico,
basado en la epistemologa neopositivista. Los modelos heursticos proveen marcos de referencia para el
desarrollo de la creatividad, como por ejemplo los modelos estructural, dialctico, hermenutico, y los
modelos visuales analgicos (simulacin computarizada, etc.). Los modelos elucidatorios detienen el
pensamiento fijndolo en definiciones, mientras que los modelos heursticos estimulan el movimiento de
las ideas, son ms dinmicos. Los primeros aslan ideas, los segundos las relacionan.
i) Modelos Formales: Provee marcos de referencia para la construccin de modelos, teoras y esquemas
de planificacin en investigacin cientfica. Teora de Conjuntos, Teora de la Probabilidad, Teora de los
Juegos, Teora de la Informacin, Ciberntica, Lgica formal, Teora General de los Sistemas, Modelos
Inferenciales en la Ciencia, Camino Crtico, Modelos Estocsticos, Modelos Aleatorios, etc.
j) Historia de la Investigacin cientfica: Aborda un enfoque particular dentro de la historia de la ciencia, a
saber, detenindose en la descripcin y anlisis de las investigaciones ms sobresalientes de la historia
del conocimiento: Galileo, Harvey, Mendel, Maxwell, Freud, etc.
Segn la teora del aprendizaje social de Bandura, es posible aprender a investigar observando cmo los
dems lo hicieron, y no leyendo un artculo que resume los resultados de una investigacin, ya que en
ste ltimo no suelen figurar las marchas, contramarchas, obstculos y vacilaciones que inevitablemente
estn siempre presentes en cualquier emprendimiento cientfico. Se procura que el alumno se lleve una
imagen real, y no ideal, de la investigacin.
k) Estadstica descriptiva e Inferencial: Incluye los contenidos tpicos de la asignatura homnima de
carreras universitarias como Psicologa, Sociologa, Economa, etc., slo que vistos desde el punto de
vista que puede interesar al investigador, es decir, principalmente como herramienta para establecer el
grado de confianza de las conclusiones obtenidas en experimentos. Se puede hacer hincapi en el estudio
de variables temporales y aleatorias, as como en el anlisis de correlacin y regresin y en las pruebas
de significacin, herramientas de uso frecuente en las investigaciones.

Pgina 99 de 325
99
CAPTULO 7: TIPOS DE INVESTIGACIN CIENTFICA

Diversas clasificaciones se han propuesto para construir o contribuir a una taxonoma de la investigacin
cientfica. En el presente captulo se pasa revista a algunas de ellas, de amplia difusin, que han utilizado
diversos criterios tales como el objetivo o propsito de la investigacin: a) investigaciones pura, aplicada,
profesional; b) investigaciones exploratoria, descriptiva, correlacional y explicativa; c) investigaciones
terica y emprica; d) investigaciones cualitativa y cuantitativa; y e) investigaciones primaria y
bibliogrfica.

1. INVESTIGACIN PURA, APLICADA Y PROFESIONAL

La investigacin cientfica pura tiene como finalidad ampliar y profundizar el conocimiento de la realidad;
la investigacin cientfica aplicada se propone transformar ese conocimiento 'puro' en conocimiento
utilizable; la investigacin profesional suele emplear ambos tipos de conocimiento para intervenir en la
realidad y resolver un problema puntual.
Lo que habitualmente se llama investigacin cientfica engloba solamente las dos primeras, en la medida
en que ellas buscan obtener un conocimiento general, y no meramente casustico, ya que la investigacin
pura (o bsica) busca ampliar y profundizar el conocimiento de la realidad.

Ejemplo 1) En psicologa, la investigacin pura investiga el mecanismo de la proyeccin. La investigacin
aplicada busca, utilizando como marco terico el conocimiento puro, un saber general que pueda
utilizarse prcticamente. Por ejemplo, investigar alguna tcnica de diagnstico sobre la base del concepto
freudiano de proyeccin, como podra ser un test proyectivo. Finalmente, la investigacin profesional
consiste en intervenir en la realidad. Por ejemplo, diagnosticar una situacin usando la tcnica proyectiva
descubierta y validada en la investigacin aplicada.
Ejemplo 2) Un bioqumico estudia en su laboratorio la estructura molecular de ciertas sustancias
(investigacin pura); luego, otro investigador utiliza este conocimiento para probar la eficacia de ciertas
sustancias como medicamentos (investigacin aplicada); finalmente, el profesional har un estudio para
determinar si a su paciente puede o no administrarle el medicamento descubierto (investigacin
profesional).
Ejemplo 3) Los matemticos desarrollan una teora de la probabilidad y el azar (investigacin pura);
luego, sobre esta base, los especialistas en diseo experimental y en estadstica investigan diversos tipos
de diseos experimentales y pruebas estadsticas (investigacin aplicada); finalmente, un investigador
indagar la forma de utilizar o adaptar estos diseos y pruebas a la investigacin concreta que en ese
momento est realizando (investigacin profesional).
Ejemplo 4) Los antroplogos estudian el problema de la transculturacin y su influencia en el aprendizaje
escolar de nios que llegan a una nueva cultura (tales problemas suelen provenir, por ejemplo, cuando
un maestro argentino ensea a un nio que viene de una cultura diferente, donde no coincide la lgica de
la enseanza con la lgica de apropiacin del conocimiento idiosincrsica del nio, o sea, no coinciden la
forma de ensear con la de aprender). Un investigador aplicado disea tcnicas especiales para ensear
a estos nios facilitndoles el aprendizaje, y un profesional investiga la forma de aplicarlas a ese caso
particular.

Investigacin pura Investigacin aplicada Investigacin profesional
Qu busca Busca el conocimiento por
el conocimiento mismo.
Busca recursos de aplicacin del
conocimiento obtenido en la
investigacin pura.
Busca intervenir en la realidad
utilizando los resultados de los
otros dos tipos de
investigacin.
Qu hace Generaliza. Generaliza. Singulariza.

Diferencias ms
especficas
"Se realiza con el propsito
de acrecentar los
conocimientos tericos
para el progreso de una
determinada ciencia, sin
interesarse
directamente en sus
posibles aplicaciones o
consecuencias prcticas;
es ms formal y persigue
propsito tericos en el
sentido de aumentar
el acervo de conocimientos
de una determinada teora"
(Ander-Egg, 1987:68).

Guarda ntima relacin con la
investigacin pura o bsica, pues
depende de sus descubrimientos
y avances y se enriquece con
ellos.
"Se trata de investigaciones que
se caracterizan por su inters en
la
aplicacin, utilizacin y
consecuencias prcticas de los
conocimientos"
(Ander-Egg, 1987:68).

Utiliza las ideas elaboradas en
la investigacin aplicada con el
fin de resolver un problema
singular y concreto.

Ejemplo en
psicologa
Elaborar una teora de la
personalidad.
Construir un test en base a una
teora de la personalidad.
Investigar un paciente usando
un test de personalidad.

Pgina 100 de 325
100

Ejemplo en
fsica
Elaborar una teora de la
superconductividad.
Ensayar materiales
superconductivos.
Resolver un problema de
instalacin elctrica usando
superconductores.

1. Investigacin pura o bsica.- La investigacin pura busca el conocimiento por el conocimiento mismo,
ms all de sus posibles aplicaciones prcticas. Su objetivo consiste en ampliar y profundizar cada vez
nuestro saber de la realidad y, en tanto este saber que se pretende construir es un saber cientfico, su
propsito ser el de obtener generalizaciones cada vez mayores (hiptesis, leyes, teoras).
Algunos autores ofrecen su propia definicin de investigacin pura.
Para Ander-Egg (1987:68), es la que se realiza con el propsito de acrecentar los conocimientos tericos
para el progreso de una determinada ciencia, sin interesarse en sus posibles aplicaciones o consecuencias
prcticas; es ms formal y persigue propsitos tericos en el sentido de aumentar el acervo de
conocimientos de una teora.
Para Rubio y Varas, tiene como finalidad primordial avanzar en el conocimiento de los fenmenos
sociales y elaborar, desarrollar o ratificar teoras explicativas, dejando en un segundo plano la aplicacin
concreta de sus hallazgos. Se llama bsica porque sirve de fundamento para cualquier otro tipo de
investigacin (Rubio y Varas, 1997:120).
Segn Tamayo, recibe tambin el nombre de pura y fundamental. Tiene como fin la bsqueda del
progreso cientfico, mediante el acrecentamiento de los conocimientos tericos, sin interesarse
directamente en sus posibles aplicaciones o consecuencias prcticas; es de orden formal y busca las
generalizaciones con vista al desarrollo de una teora basada en principios y leyes (Tamayo, 1999:129).
Afirmar que la simple curiosidad o el placer por conocer cuestiones que suelen carecer de utilidad prctica
inmediata, es una motivacin frecuente para la investigacin pura puede sugerir que se trata de
investigaciones intiles. Luego de haber presenciado como Faraday expona los resultados de una
investigacin pura, una seora le pregunt para qu servan todas esas cosas, a lo cual el fsico ingls le
respondi: Seora, para qu sirve un nio recin nacido?.
Hacen investigacin pura, por ejemplo, un astrofsico que indaga el origen del universo, un psiclogo
social que estudia el problema de la discriminacin, un psiclogo que estudia el aprendizaje para
establecer las leyes que lo rigen, un fsico que explora la estructura subatmica de la materia o las
vinculaciones de esta con la energa, un bilogo que intenta desentraar los orgenes de la vida, un
gelogo que investiga la estructura interna de la tierra, etc.

2. Investigacin aplicada.- La investigacin aplicada busca o perfecciona recursos de aplicacin del
conocimiento ya obtenido mediante la investigacin pura, y, por tanto, no busca la verdad, como la
investigacin pura, sino la utilidad. En otras palabras, se trata aqu de investigar las maneras en que el
saber cientfico producido por la investigacin pura puede implementarse o aplicarse en la realidad para
obtener un resultado prctico. "En las ciencias aplicadas -nos dice M. Bunge- las teoras son la base de
sistemas de reglas que prescriben el curso de la accin prctica ptima" (Bunge, 1969:683).
La investigacin aplicada guarda ntima relacin con la investigacin bsica pues depende de los
descubrimientos y avances de ella y se enriquece con ellos. Se trata de investigaciones que se
caracterizan por su inters en la aplicacin, utilizacin y consecuencias prcticas de los conocimientos
(Ander-Egg, 1987:68).

A modo de ejemplo, pueden mencionarse cuatro maneras distintas cmo la investigacin aplicada puede
obtener resultados prcticos: materiales, artefactos, tcnicas y campos.

a) Materiales.- Utilizando como marco terico los resultados de la investigacin bsica, se pueden crear o
perfeccionar nuevos materiales o sustancias que tengan alguna utilidad. Por ejemplo un nuevo
medicamento, un novedoso material superconductivo que permita conducir la electricidad con el mnimo
posible de disipacin de calor (lo que redunda en el fin utilitario de ahorrar energa), un novedoso
material lo suficientemente inocuo o maleable que como para que pueda reemplazar a la plastilina con
que los chicos juegan, etc.

b) Artefactos.- La investigacin aplicada busca tambin inventar o perfeccionar mquinas, un motor de
automvil que gaste menos, nuevas mquinas-herramientas, el detector de mentiras, etc. La rueda fue el
resultado de una de las primeras investigaciones aplicadas que realiz el hombre, an cuando no tuviera
bases cientficas explcitas en la investigacin pura (que en aquella poca, por lo dems, no exista).

c) Tcnicas.- La investigacin aplicada se propone tambin descubrir nuevas tcnicas, o perfeccionar las
ya existentes para mejorar su efectividad o adaptarlas a nuevos propsitos. Todas tienen sus alcances y
sus limitaciones, y en todos los casos, debemos investigar su validez y su confiabilidad.
Las tcnicas, que se definen lexicogrficamente como conjuntos de procedimientos de un arte o ciencia,
pueden clasificarse con arreglo a varios criterios. Por ejemplo encontramos tcnicas puramente verbales
(vgr. el test desiderativo), y tcnicas que emplean materiales (vgr. el test de Rorschach, que utiliza

Pgina 101 de 325
101
lminas), la tcnica de la hora de juego diagnstica que emplea juguetes, o, fuera de la psicologa, la
tcnica de la hematoxilina (para visualizar estructuras microscpicas, donde se utiliza dicha sustancia).
Propondremos aqu, sin embargo, otro criterio especialmente importante. De acuerdo a su finalidad,
podemos agruparlas en tcnicas de in-put y tcnicas de out-put. En efecto, el valor instrumental de una
tcnica reside en su capacidad para obtener datos de la realidad (in put), o bien en su capacidad para
operar sobre ella (out put).
Tcnicas de in put son, por ejemplo, las tcnicas de recoleccin de datos (entrevistas, cuestionarios,
asociacin libre, etc.) que son -strictu sensu- tambin tcnicas de medicin. Todas estas tcnicas sirven
para ingresar informacin acerca de la realidad, y por ello tambin podremos incluir la tcnica del
detector de mentiras, del detector de radiactividad, del detector de metales, el empleo del termmetro o
el barmetro, la tcnica del carbono-14 para averiguar la antigedad de los fsiles, etc. En psicologa, las
tcnicas de in put son, en general, las llamadas tcnicas diagnsticas, como un test, mientras que en
didctica podemos mencionar las tcnicas de evaluacin del aprendizaje o la enseanza.
Las tcnicas de out put tienen como prototipo en psicologa las tcnicas teraputicas, porque con ellas
pretendemos operar, es decir, producir algn efecto en la realidad, sea para modificarla o mantenerla sin
cambios. En didctica, una tcnica audiovisual, por ejemplo, busca producir un cambio en los alumnos,
ayudndolos a construir sus objetos de conocimiento, y lo mismo es aplicable a cualquier tcnica que
sirva para ensear mejor. En oratoria, las tcnicas de persuasin son tcnicas de out put, mientras que
en ingeniera encontramos por ejemplo las tcnicas metalrgicas y siderrgicas, que buscan producir un
cambio, una transformacin en los metales para adaptarlos a usos especficos. En astronoma es difcil
encontrar tcnicas de out put, puesto que el astrnomo no puede producir cambios en el universo, alterar
la rbita de un planeta y hacer estallar un meteorito que se acerca peligrosamente a la tierra. Las
tcnicas astronmicas son -por ahora- fundamentalmente de in put, es decir, tcnicas para ingresar
informacin, para saber ms, acerca de los astros.
Un ejemplo histrico de investigacin de tcnicas de out put, y ms concretamente de tcnicas
teraputicas lo tenemos en Sigmund Freud, cuando sucesivamente fue probando y descartando diversas
tcnicas, pasando por la hipnosis, por la tcnica del apremio hasta llegar, finalmente, a la interpretacin.
Este ltimo ejemplo viene a mostrarnos que ciertas tcnicas pueden funcionar con tcnicas de in put y/o
como tcnicas de out put al mismo tiempo Para Freud, la interpretacin era una tcnica que le serva
tanto para hacer investigacin, es decir para incorporar informacin sobre el funcionamiento del
psiquismo (in put), como tambin para producir un efecto teraputico en el paciente (out put).
Otro ejemplo de tcnica mixta es la evaluacin mediante un examen final. A primera vista, parecera que
tomar examen es una tcnica de in put, en cuanto el docente busca ingresar informacin acerca del
desempeo del alumno. Sin embargo, un examen tiene tambin las caractersticas de una tcnica de out
put, ms all de la intencin del docente, por cuanto incide en el aprendizaje: el alumno suele tener, en
los exmenes, no slo la oportunidad de averiguar lo que no sabe, sino tambin eventualmente la de
aprenderlo. Lo mismo sucede con los llamados exmenes a 'libro abierto', que son, en realidad,
exmenes a 'cerebro abierto'. Y en particular, cuando se trata del ltimo examen de la carrera, se
acenta an ms su carcter de tcnica de out put, en la medida que parece ejercer un efecto
constituyente sobre el alumno al convertirlo, en virtud de un mero acto administrativo, nada menos que
en un profesional.
El hecho de que ciertas tcnicas funcionen inevitablemente -y a veces tambin inadvertidamente- como
tcnicas de in put y de out put al mismo tiempo, puede originar ciertas dificultades metodolgicas. En
este sentido, cabe mencionar la influencia de la pre-medida en los diseos experimentales y, ms
clsicamente, la dificultad metodolgica advertida por Heisenberg en su principio de incertidumbre. En su
interpretacin subjetivista, este principio establece que en toda medicin fsica influye inevitablemente
sobre lo observado el observador, lo que significa que, al pretender aplicar una tcnica de medicin (in
put) estamos al mismo tiempo ejerciendo una influencia sobre el fenmeno observado (out put).
La importancia de la creacin y la revisin de tcnicas dentro de la investigacin aplicada reside al menos
en dos cuestiones: a) Las tcnicas de recoleccin de datos debieran ser hoy ms importantes que nunca,
ya que estamos en la era de la globalizacin y la informtica, donde la cantidad de informacin que
recibimos es monstruosa. Entre otros, Alvin Toffler advirti acerca de los peligros que entraa esta
situacin para el psiquismo; b) muchas de las tcnicas de recoleccin de informacin que usamos
venimos usndolas y arrastrndolas como un mal hbito desde la primaria en nuestra profesin actual.
Por ejemplo, el psiclogo que siempre vino usando una tcnica obsesiva donde no descuida ningn
detalle, seguir con la tcnica obsesiva cuando deba realizar una entrevista. Se hace entonces emprender
una investigacin aplicada para revisar estas tcnicas, cuestionarlas, criticarlas, mejorarlas, examinar sus
alcances y sus limitaciones.
Inclusive, tambin pueden inventarse nuevas tcnicas que antes jams haban usado y ponerlas a
prueba, como un nuevo test o una nueva tcnica de entrevista.
Por ltimo, digamos que una manera de examinar crticamente las tcnicas consiste en investigar su
adecuacin con respecto:
1) a su finalidad: una tcnica que detecta especialmente actos fallidos no sirve cuando la finalidad es
tomar apuntes en una clase, pero s cuando estamos en una entrevista o en una sesin usando un marco
terico psicoanaltico. En otro ejemplo, un test, por ejemplo, es ms adecuado a la finalidad diagnstica,

Pgina 102 de 325
102
pronstica o de evaluacin de un tratamiento que a la finalidad del tratamiento en s, porque suponemos
que un test no cura pero s puede diagnosticar, pronosticar o evaluar progresos en un tratamiento;
2) al sujeto sobre el que se aplica la tcnica: para anotar lo que dice un profesor que habla muy rpido,
tal vez lo mejor sea una tcnica de grabacin, y para un profesor aburrido, la tcnica onrica. Y en el
mbito del ejercicio profesional, no podemos administrar el CAT a un adulto porque es un test hecho para
nios;
3) al sujeto que aplica la tcnica: uno va eligiendo o adaptando una tcnica tambin de acuerdo a su
idiosincrasia, personalidad o estilo de conducta. No se puede forzar a usar una tcnica obsesiva a un
histrico. No estamos hablando aqu de patologas, sino de formas de ser, pues todos nosotros somos
algo histricos, algo fbicos o algo obsesivos, y la cuestin est en poder aprovechar productivamente
estas tendencias empleando en la profesin la tcnica ms til;
4) al marco terico desde donde estn operando: la tcnica tiene tambin que ser compatible con la
teora que hemos adoptado. Ciertas tcnicas psicomtricas se adaptan a un marco terico piagetiano, las
tcnicas proyectivas son ms apropiadas para un marco psicoanaltico, etc. No se trata simplemente de
usar la tcnica que prescribe la teora, sino tambin se puede usar tcnicas de otra teora: lo importante
es que no haya incompatibilidad. Por ejemplo, en principio no podramos usar la tcnica conductista de la
desensibilizacin sistemtica si estamos en un marco psicoanaltico, porque mientras esa tcnica busca
eliminar el sntoma, la teora, al revs, busca mantenerlo para poder analizarlo.

d) Campos.- De lo que aqu se trata es de pensar y ensayar nuevos campos de aplicabilidad del saber
puro. Por ejemplo, los principios de la fsica pueden aplicarse a la aeronutica, a la construccin de
barcos, de ferrocarriles, a la tecnologa mdica, etc. Si tomamos como ejemplo las disciplinas de la salud,
como la psicologa, los campos pueden clasificarse por lo menos segn tres criterios:
a) El campo de la prevencin primaria, de la prevencin secundaria y el de la terciaria. Un psicopedagogo
no tiene por qu estar constreido al campo de la prevencin secundaria, cuando tambin puede
intervenir a nivel de prevencin primaria, por ejemplo, detectando precozmente dificultades de
aprendizaje.
b) El campo institucional, el campo grupal, el campo de lo individual. Aqu se trata de investigar si la
psicopedagoga -por caso- es aplicable o no a situaciones donde quien tiene problemas de aprendizaje ya
no es un individuo, sino un grupo o an una institucin. En el campo institucional puede investigarse por
qu una institucin no aprende, o bien en qu medida un problema institucional puede generar
problemas individuales o grupales de aprendizaje, en las personas o en los grupos que la integran.
c) El campo clnico, el campo judicial y el campo laboral son tambin posibilidades de investigacin
aplicada, ya que cada uno plantea problemas y procedimientos diferentes.
d) Otros campos son la infancia, la adultez y la senectud. Por ejemplo, el psicopedagogo no tiene por qu
atender solamente nios en edad escolar, pues tambin pueden tener problemas de aprendizaje los
adultos (por ejemplo para aprender su trabajo).
En fin, hay muchos otros campos para explorar, y muchos de ellos pueden encontrarse en las llamadas
"incumbencias" profesionales, que aparecen por ejemplo en los planes de estudio de las carreras, y dicen
para qu est habilitado un profesional, qu cosa puede hacer y qu cosas no. Tambin aparece en las
leyes: para las incumbencias del psiclogo est por ejemplo la Ley de Ejercicio Profesional de la
Psicologa, donde habla de campos de aplicacin en el rea docente, educacional, forense, laboral, etc.

3. Investigacin profesional.- La clasificacin clsica divide la investigacin en pura y aplicada, pero en
este tem se incluye tambin la investigacin profesional, que debe ser diferenciada de la investigacin
aplicada. De hecho, algunos autores parecen incluir dentro de la investigacin aplicada algunas
caractersticas de la investigacin profesional. Por ejemplo, en el caso de las ciencias sociales, Ander-Egg
(1987) describe la investigacin aplicada diciendo que busca "el conocer para hacer, para actuar
(modificar, mantener, reformar o cambiar radicalmente algn aspecto de la realidad social). Le preocupa
la aplicacin inmediata sobre una realidad circunstancial antes que el desarrollo de teoras. Es el tipo de
investigacin que realiza de ordinario el trabajador o promotor social; en general, comprende todo lo
concerniente al mbito de las tecnologas sociales que tienen como finalidad producir cambios inducidos
y/o planificados con el objeto de resolver problemas o de actuar sobre algn aspecto de la realidad
social" (Ander-Egg, 1987:68).

La investigacin profesional se propone intervenir en la realidad utilizando los resultados de la
investigacin pura y aplicada. Como esta tarea la realiza alguien a quien habitualmente llamamos
'profesional' (un mdico, un abogado, un ingeniero, un psiclogo clnico, etc.), hemos denominado con el
mismo trmino a este tipo de investigacin.
La investigacin profesional es as inherente a una profesin, a una prctica profesional. Un mdico, un
psicopedagogo, un abogado debe investigar el caso que le presentan. En cambio, la investigacin
cientfica no necesariamente est ligada a la prctica de una profesin: un profesional puede o no
dedicarse, adems, a investigar en el sentido cientfico. De hecho, hay investigadores cientficos
dedicados exclusivamente a esta actividad, y nunca ejercieron la profesin. La investigacin profesional
se pone en marcha cuando un profesional es convocado para resolver un problema concreto sin intentar

Pgina 103 de 325
103
generalizaciones, y por lo cual cobrar honorarios. En cambio, el investigador puro o el aplicado, busca
generalizar y su retribucin no se suele consignar como honorarios sino como sueldo.
La investigacin profesional se propone obtener algn resultado (un diagnstico, una curacin, resolver
un problema de aprendizaje, construir un edificio, etc.) en relacin con un caso nico y determinado: no
busca generalizar, aunque para ello pueda utilizar los saberes generales obtenidos en la investigacin
pura y la aplicada: en el curso de los dos ltimos siglos la enorme mayora de las innovaciones tcnicas
han sido precedidas por investigaciones aplicadas, las que a su vez lo han sido por resultados bsicos.
La investigacin profesional es, entonces, singular, en el sentido de que su finalidad no es obtener un
conocimiento general, sino un conocimiento aplicable a un solo caso, a saber, aquel que se debe resolver
en ese momento: planificar una clase, en el caso del docente, averiguar el origen de un problema de
aprendizaje en el caso del psicopedagogo, construir un puente en el caso de un ingeniero, resolver un
pleito en el caso de un abogado.
En oposicin a la investigacin profesional, la investigacin pura no necesariamente est urgida por
resolver un situacin prctica. En este nivel, un cientfico puede iniciar una investigacin motivado
solamente por su curiosidad, lo que no quiere decir que en ciertos casos, como en algunas
investigaciones aplicadas, haya de por medio un propsito prctico para el cual el investigador haya sido
convocado por alguna institucin. En este sentido, la investigacin aplicada est a mitad camino entre la
investigacin pura y la profesional, ya que en la investigacin aplicada no siempre hay tanta urgencia por
resolver inmediatamente un problema: las tcnicas pueden investigarse y proponerse hoy, pero empezar
a usarse ms tarde, cuando los profesionales adquieren informacin sobre ellas.
Hay una relacin importante entre la investigacin profesional y la cientfica propiamente dicha (que
incluye la pura y la aplicada): los resultados de la investigacin casustica del profesional, cuando no son
archivados y olvidados, pueden servir como elemento de juicio para llegar a generalizaciones ms vastas
mediante inducciones galileanas (a partir de un solo caso) o baconianas (a partir de varios). Freud, por
caso, investig los casos de Dora y de Schreber con el fin de ampliar y profundizar su teora de los
sueos y su teora de la psicosis, respectivamente.
En oposicin a la investigacin profesional, la investigacin cientfica (pura, aplicada) busca siempre
generalizar, e incluso para ello hasta puede partir de los datos de un caso singular abordado por un
profesional, pero en este punto no estar haciendo una investigacin profesional, sino una investigacin
cientfica. "Las prcticas profesionales no estn sometidas al doble imperativo de la universalizacin y la
validacin de sus conclusiones cognoscitivas: les basta con alcanzar una adecuada 'eficacia local,
particular', lograda en los marcos del problema prctico que intentan resolver..." (Samaja J, 1995:32).
Tomemos el caso de la percepcin. Al investigador cientfico le interesa estudiar los fenmenos
perceptivos con el fin de llegar a una comprensin general de la percepcin, incluso a formular hiptesis
o teoras sobre la misma, como hicieron por ejemplo teoras como la Gestalt o el New Look. En cambio, al
investigador profesional le interesa solamente la percepcin de su paciente: si est alterada o no, si tiene
alteraciones cualitativas o cuantitativas, etc., y todo ello no para extraer conclusiones sobre la percepcin
en general, sino como parte de un diagnstico de la situacin del paciente, lo que a su vez le servir para
planificar un tratamiento.
Otro ejemplo de investigacin profesional es la investigacin docente, cuando por ejemplo debe planificar
una clase o un curso: debe hacer investigaciones bibliogrficas, investigacin sobre tcnicas didcticas,
buscar el mejor ejemplo para una idea, etc., todo ello con vista a resolver esa clase o ese curso en
particular.
Las investigaciones clnicas que hace un psicopedagogo son tambin ejemplos de investigacin
profesional. Por ejemplo, en un problema de aprendizaje, se trata de un problema de transculturacin?
O tal vez se trata de un problema institucional, en cuyo caso la escuela misma anda mal, y esto se
refleja en el aprendizaje de los alumnos? O tal vez el problema tiene su origen en una cuestin familiar,
o en una simple cuestin de retraso madurativo, o en una cuestin orgnica que requiere la atencin de
un neurlogo? Tal vez el problema est en una maestra que utiliza el 'horscopo piagetiano' (una mala
interpretacin de la teora piagetiana) y que exige demasiado a un nio que teniendo 8 aos no sabe an
clasificar o seriar? Todos estos interrogantes, entre otros, son los que pondrn en marcha la investigacin
profesional.

La investigacin profesional se corresponde aproximadamente con lo que otros autores llaman investigacin-
accin participativa, en el contexto de investigaciones en ciencias sociales.
La Investigacin-Accin Participativa puede considerarse como un proceso que lleva a cabo una determinada
comunidad para llegar a un conocimiento ms profundo de sus problemas y tratar de solucionarlos, intentando
implicar a todos sus miembros en el proceso (Prez Serrano, 1990:134).
La finalidad de la Investigacin-Accin Participativa es de inters para la poblacin, no slo para una institucin
determinada: conocer para actuar, sensibilizar e implicar a la poblacin, transformar la propia realidad. Quienes
investigan? Los investigadores, tcnicos y la poblacin (destinataria de la accin). Cmo se disea y ejecuta? Los
grupos de trabajo disean y realizan todas las fases del anlisis de la realidad. Cul es su mbito? Son mbitos
locales como barrios, zonas rurales, grupos, etc (Rubio y Varas, 1997:123).

Independientemente de las investigaciones profesionales que realiza, el profesional puede tambin tener
la intencin de llevar a cabo o participar en investigaciones puras o aplicadas, motivado por el placer o la

Pgina 104 de 325
104
curiosidad, o tal vez por una finalidad ms prosaica relacionada con abultar el currculum o aumentar sus
ingresos.
Cevallos Garca y otros (2004) llevaron a cabo un estudio para conocer la actividad investigadora de un
grupo de mdicos, sus actitudes hacia la investigacin y las dificultades que haban encontrado para
investigar. Respondieron el cuestionario 174 mdicos de ambos sexos con una edad promedio de 43
aos, habindose obtenido los siguientes resultados: a) en los ltimos 5 aos, casi la mitad de los
profesionales haba publicado un trabajo cientfico y el 38% haba presentado comunicaciones a
congresos; b) la actitud hacia la investigacin revel que era apenas aceptable; y c) las dificultades
encontradas para investigar fueron, desde las ms importantes a las menos importantes: la presin
asistencial, la escasez de tiempo, las deficiencias estructurales, la ausencia de lneas de investigacin
multicntricas, la falta de incentivacin y preparacin, y la ausencia de motivacin.

Bases cientficas de la investigacin

Si bien estamos presuponiendo que estos tres tipos de investigacin tienen todas una base cientfica,
existieron o existen situaciones en la cuales ello no se cumple, o no se cumple totalmente.
Por ejemplo, un gur pudo haber inventado o perfeccionado una tcnica de curacin basndose en la
intuicin: hizo investigacin aplicada pero sin base cientfica.
Tambin pueden encararse investigaciones profesionales sin una base cientfica. En nuestro pas, para
rehabilitar a los alcohlicos la institucin Alcohlicos Annimos no admite mdicos, ni psiclogos ni
ningn otro profesional, sino solamente a ex-alcohlicos. Yendo un poco ms lejos en el tiempo, los
pueblos primitivos construan puentes sin tener conocimientos tericos de esttica (una rama de la fsica
que estudia los cuerpos en reposo), utilizando para ello la intuicin, y una experiencia de fracasos
acumulada a lo largo del tiempo.
Inclusive ms: un profesional puede tener una buena base de conocimiento cientfico porque se recibi
en la universidad pero, con el tiempo, poco a poco puede ir utilizando cada vez ms su saber cotidiano y
menos el cientfico, en parte porque no se actualiza y, por tanto, puede seguir utilizando teoras que en el
nterin ya fueron refutadas.
Un ejemplo de investigacin psicopedaggica no cientfica es la que realiza la madre cuando trata de
averiguar por qu su hijo tiene problemas de aprendizaje, y cuando formula hiptesis al respecto. A su
manera ella tambin est haciendo una investigacin psicopedaggica, pero no podemos decir que sea
cientfica.
Todas estas investigaciones pueden tener indudable xito, desde ya, pero no discutiremos aqu este
importante problema de status del saber cientfico en relacin con otros saberes, un tema del que, entre
otros, se ocup Paul Feyerabend.
Y una ltima observacin. Si bien la investigacin aplicada o la profesional pueden no estar basadas en
las teoras cientficas producto de la investigacin pura, ellas mismas podran ser consideradas en s
mismas cientficas por utilizar un 'mtodo' cientfico (Bunge, 1969:685). Bunge distingue, por caso,
teoras cientficas, teoras tecnolgicas sustantivas y teoras tecnolgicas operativas. Podramos relacionar
estos tres tipos de teoras con los tres tipos de investigacin que hemos descrito, en los siguientes
trminos. Las teoras cientficas son elaboradas por la investigacin pura, y orientan o pueden orientar los
otros dos tipos de investigacin, las cuales estn guiadas, adems, por teoras propias: la teora
tecnolgica sustantiva orientara la investigacin aplicada, y la teora tecnolgica operativa la
investigacin profesional.

Investigacin y tica

Cierta imagen clsica del cientfico que indaga a nivel de investigacin pura o bsica es aquella que lo
pinta encerrado en una torre de cristal, y que est ms all del bien o del mal, por cuanto sus fines son
desinteresados: le interesa conocer para satisfacer su curiosidad, independientemente de si su obra se
utilizar para el bien o el mal. Desde este punto de vista, la investigacin aplicada est ms
comprometida ticamente, por cuanto aqu ya no se produce simplemente conocimiento sino tcnicas o
artefactos para operar sobre la realidad: una cosa es inventar un misil, y otra un marcapasos. Sin
embargo, todava existe a este nivel un cierto grado de independencia, desde que se pueden inventar
tcnicas o artefactos que, como el rayo lser, puede servir para el bien o para el mal.
En la investigacin profesional, en cambio, el compromiso tico es insoslayable, porque a este nivel ya no
se inventan tcnicas o artefactos, sino que directamente se las utiliza.
Lo dicho no nos debe hacer pensar, sin embargo, que el investigador puro no tiene un compromiso tico
con la sociedad, en la medida en que debe poder prever o imaginar el uso que podr drsele al
conocimiento que produce. Einstein, por caso, parece no haber previsto el uso que se le dio en Hiroshima
y Nagasaki a su conocida frmula de interconvertibilidad de la masa y la energa. De hecho, cuando se
enter del desastre producido por la bomba atmica, se arrepinti pblicamente.
En suma: en cualquiera de los tres tipos de investigacin existe una responsabilidad en lo que se produce
como saber, en lo que se disea o en lo que se hace, con lo cual, la actividad de investigar tiene siempre
implicancias ticas.

Pgina 105 de 325
105
Un ejemplo bastante extendido es aquel donde se realiza 'mal' una investigacin en forma deliberada con
el fin de obtener algn resultado ventajoso en algn sentido (una 'mala' investigacin es aquella que no
est de acuerdo con los patrones de procedimiento vigentes en cada poca. Por ejemplo, una
investigacin que presenta como definitivos resultados que son provisorios, o como verdaderos
resultados que son equivocados). Tomemos dos casos reales:
a) Muchas investigaciones incompletas o insuficientes sobre nuevos medicamentos son presentadas por
algunos laboratorios como investigaciones concluidas, y por una razn comercial lanzan prematuramente
al mercado remedios an no suficientemente probados en seres humanos. En estos casos, a veces se
utilizan como conejillos de Indias a la gente de los pases sub-desarrollados para probar la eficacia de
medicamentos por los que luego pagarn fortunas en los pases desarrollados.
b) Ciertas investigaciones de sondeos de opinin suelen ser tendenciosas, siendo contratadas
especialmente por partidos polticos que compran encuestas 'arregladas' para su propio beneficio. Este
procedimiento es una forma ticamente cuestionable de aplicar una hiptesis verificada por la Escuela del
New Look, segn la cual tendemos a opinar como lo hace la mayora y, por lo tanto, 'si segn tal
encuesta de opinin tanta gente vota a Fulano ser por algo, entonces yo tambin lo votar'.
Otro caso similar est representado por aquella investigacin tendenciosa que intentaba persuadir a los
ricos a estudiar en universidades privadas, en vez de en las pblicas, mostrando que quienes ms poder
adquisitivo tenan, eran los que precisamente estudiaban en universidades privadas. Para ello, tomaron
como indicadores de nivel de vida cosas como la casa donde viva, si tena o no electrodomsticos caros,
el barrio de residencia, etc., con lo cual entraban en esta categora una gran cantidad de gente (lase:
hijos de gente pudiente) que por s mismos no tenan en realidad ningn patrimonio personal. Esta
investigacin tenda a contrarrestar la tendencia a estudiar en universidades pblicas, famosas por su
prestigio y nivel acadmico.
Con el mismo criterio utilizado por los promotores de la educacin privada, tambin podramos
promocionar la educacin pblica bajo el lema: "Estudia en la UBA: millones de alumnos no se pueden
equivocar", por parafrasear al humorista ingls Benny Hill, cuando dijo: "Coma en el restaurant de Harry:
millones de moscas no se pueden equivocar".

Interrelaciones entre los tres tipos de investigacin

La investigacin profesional puede estar orientada o guiada por un marco terico producido por la
investigacin pura y la investigacin aplicada (flechas 4 y 5). A partir de las hiptesis generadas en ellas,
la investigacin profesional generar sus propias hiptesis, que convendr denominar 'hiptesis
casusticas' por cuanto, a diferencia de las hiptesis propiamente dichas, no es general y est destinada a
explicar solamente un caso en especial. As, no es lo mismo explicar el proceso de la percepcin en
general, que explicar por qu un determinado paciente percibe como lo hace, explicacin que es
inaplicable a otro paciente.
La investigacin pura puede alimentarse de los datos producidos durante una investigacin profesional
(flecha 6). La obra de Freud nos ofrece abundantes ejemplos: l construy una teora acerca del
funcionamiento psquico en general, sobre la base de los datos que fue recolectando en su prctica
profesional.
La investigacin pura est tambin influenciada por los resultados de la investigacin aplicada (flecha 1).
Por ejemplo, la tcnica del carbono-14 para estimar la antigedad de los fsiles, un producto de la
investigacin aplicada, contribuy a modificar las teoras sobre el origen de la vida, a propsito del
reciente descubrimiento, en la Antrtida, de los restos de un meteorito proveniente del planeta Marte. En
otro ejemplo, la tcnica de la interpretacin contribuy a impulsar la investigacin pura en psicoanlisis,
del mismo modo que la tcnica del taquitoscopio permiti verificar ciertas hiptesis de la teora del New
Look.
La investigacin aplicada suele utilizar los resultados de la investigacin pura (flecha 2), como cuando se
disea un nuevo motor sobre la base de los principios de la termodinmica, o cuando se prueban nuevos
medicamentos sobre la base de ciertas propiedades qumicas de algunas sustancias, descubiertas en el
curso de la investigacin pura.
Finalmente, la investigacin aplicada recibe el aporte de la investigacin profesional (flecha 3) en la
medida en que, por ejemplo, esta ltima aporta elementos de juicio para evaluar la validez o la
confiabilidad de tcnicas diagnsticas o teraputicas.

Interrelaciones entre investigacin pura, aplicada y profesional


Pgina 106 de 325
106


Los tres tipos de investigacin y los contextos de la ciencia

En otra oportunidad (Cazau, 1996:20) nos hemos referido a los contextos de la ciencia como etapas o
vicisitudes que atraviesa el conocimiento cientfico. En este devenir, intervienen los tres tipos de
investigacin descriptos, del modo en que se indica en el siguiente esquema. Analicemos en l columna
por columna.

Contextos Roles Tipos de investigacin Tipos de ciencia
Descubrimiento y
justificacin
Investigador cientfico Investigacin Pura o Aplicada Ciencia Pura o Aplicada
Difusin Transmisor/Receptor Investigacin didctica Saber Transpuesto
Aplicacin Profesional Investigacin Profesional Ciencia Aplicada

Columna 1: Los cuatro contextos de la ciencia (descubrimiento, justificacin, difusin y aplicacin) se
cumplen tanto en la actividad cientfica como en la vida cotidiana. Demos un ejemplo simple en este
ltimo caso. Una madre se encuentra con un problema: su hijo no aprende. A partir de aqu ella intentar
responder a este problema formulando una hiptesis, como por ejemplo que su hijo no aprende porque
no lo castigan (contexto de descubrimiento). Hace la prueba, es decir le prohbe las vacaciones o las
golosinas si no estudia bien, y la cosa funciona (contexto de justificacin). Comunica esto a sus amigas
(contexto de difusin), quienes luego utilizan esta informacin con sus propios hijos (aplicacin).
Estas cuatro etapas se cumplen tambin en la vida cientfica. Hay, sin embargo, por lo menos tres
diferencias entre la actividad cotidiana y la actividad cientfica. a) El proceder cientfico es ms riguroso
con la prueba de la hiptesis: el cientfico es una especie de neurtico obsesivo que hace sus
verificaciones con el mximo rigor, cosa que no sucede en la vida cotidiana, donde incluso hasta
aceptamos nuestras hiptesis como verdades absolutas. Por ejemplo, la teora de la madre del ejemplo
es un equivalente de la teora del refuerzo negativo de un Skinner, cuyas pruebas estn llenas de
controles experimentales. El resultado es que la hiptesis de Skinner est mucho mejor probada que la
de la vida cotidiana. b) En la actividad cientfica, el conocimiento obtenido es includo en el marco de una
teora ms amplia que permite sistematizar el saber, por ejemplo, dentro de una teora del aprendizaje.
En la vida cotidiana, el conocimiento por ejemplo que a los chicos que andan mal hay que castigarlos no
es includo explcitamente dentro de una teora, de un sistema hipottico-deductivo sino que se mantiene
aislado, escindido del resto del saber. c) En tercer lugar, doa Rosa formula y pone a prueba sus
hiptesis con un fin exclusivamente utilitario (que su hijo estudie bien), y no lo hace por una cuestin de
simple curiosidad intelectual. En la actividad cientfica hay siempre una inquietud por conocer, adems de
una intencin utilitaria.
Columna 2: La investigacin pura se ocupa bsicamente de descubrir hechos, problemas o hiptesis, y de
justificar (poner a prueba) estas ltimas. La investigacin aplicada procede de igual manera pero con
tcnicas, materiales, etc., correspondiendo en estos casos hablar mas bien de invencin que de
descubrimiento. Los resultados de estos dos tipos de investigacin son utilizados en la investigacin
profesional, cuyos resultados a su vez pueden servir de fuente de datos para la investigacin pura y
aplicada (doble flecha).
Columna 3: Los investigadores cientficos -puros o aplicados- producen conocimiento, los profesores lo
transmiten, los alumnos los reciben y los profesionales los aplican. Los alumnos tienen varias
posibilidades: no solamente pueden convertirse en profesionales, que es lo que ocurre en la mayora de
los casos, sino que tambin podrn convertirse en profesores, en investigadores puros y en
investigadores aplicados.
Estos diferentes roles pueden aclararse ms mediante la metfora del 'edificio de la ciencia'. Hay
rascacielos como la fsica, pero hay tambin ranchitos como la parapsicologa, una ciencia que est en
Investigacin
pura

Investigacin
aplicada

Investigacin
profesional

4 5
6
1
2
3

Pgina 107 de 325
107
paales (o una protociencia como dira M. Bunge), donde hay muchos hechos constatados pero pocas
teoras. La psicologa vendra a ser un edificio estndar pero de varios pisos. No es un rancho, pero
tampoco un rascacielos.
Si la ciencia fuera un edificio, el profesional es el que vive en los departamentos, el investigador puro es
el constructor del edificio, y est en los stanos vigilando que el edificio no se caiga; mientras tanto, el
investigador aplicado refacciona o ampla el departamento para hacerlo ms habitable, y el docente
vendra a ser el que los muestra a los futuros adquirentes (alumnos) para vendrselos, y por ello la
docencia es una profesin que exige, como la del vendedor, capacidad persuasiva. Tambin podramos
ubicar a los usurpadores de viviendas, es decir, quienes, por ejemplo como los manosantas y astrlogos,
se hacen pasar como psiclogos pero que no lo son porque no estn habilitados por el Estado, es decir,
no han comprado su vivienda 'por derecha'. Adviertan entonces la diferencia entre el investigador, que
construye ciencia, y el profesional, que la usa. Finalmente, los clientes de los profesionales seran las
visitas que estos reciben en sus departamentos.
Finalmente, hemos includo una categora especial de investigacin, la investigacin didctica, que indaga
las maneras en que se transmiten los conocimientos desde el contexto de descubrimiento y justificacin
hacia el contexto de aplicacin, y viceversa.
Columna 4: Las ciencias puras son aquellas donde se realizan investigaciones puras, y las ciencias
aplicadas, son aquellas donde se investigan nuevas herramientas para optimizar la aplicacin del
conocimiento o extenderlo a otros campos. Algunos ejemplos pueden verse en el siguiente esquema.

Puras Aplicadas
Matemticas Estadstica
Fsica Ingeniera
Qumica Farmacia
Biologa Medicina, Veterinaria, Agronoma, etc.
Psicologa Psicopedagoga, etc.
Derecho Abogaca

Piaget trabaj por ejemplo en el campo de la investigacin pura: l estudi la inteligencia y no
encontramos en l un estudio sistemtico de sus implicancias pedaggicas o educativas, lo cual hubiera
sido investigacin aplicada. Freud en cambio, trabaj en los dos campos: en la investigacin pura estudi
los procesos inconcientes, las pulsiones, los afectos, y en la investigacin aplicada pens y ensay nuevas
tcnicas teraputicas, como el apremio o la interpretacin.
Si por ciencia aplicada entendemos tambin la aplicacin del conocimiento, deberemos incluir en ella a la
investigacin profesional: si bien esta ltima es casustica (no busca un saber general, como la ciencia
propiamente dicha), es 'ciencia' en tanto utiliza un procedimiento cientfico para validar sus hiptesis
casusticas, y es 'aplicada' en tanto usa como marco terico el saber de la ciencia pura. Finalmente, en el
contexto de difusin no encontramos un saber puro sino una transposicin de ese saber en un saber
enseable y enseado (Chevallard, 1997).

2. INVESTIGACIN EXPLORATORIA, DESCRIPTIVA, CORRELACIONAL Y EXPLICATIVA

Segn su alcance, las investigaciones pueden ser exploratorias, descriptivas, correlacionales o
explicativas. Estos tipos de investigacin suelen ser las etapas cronolgicas de todo estudio cientfico, y
cada una tiene una finalidad diferente: primero se 'explora' un tema para conocerlo mejor, luego se
'describen' las variables involucradas, despus se 'correlacionan' las variables entre s para obtener
predicciones rudimentarias, y finalmente se intenta 'explicar' la influencia de unas variables sobre otras
en trminos de causalidad.
Hyman clasifica las encuestas en tres grandes tipos (Hyman, 1955:100-101): descriptivas, explicativas y
predictivas, aunque se ocupar en detalle solamente de las dos primeras.

Autores como Hyman (1955) se limitan a clasificar las investigaciones como descriptivas y explicativas,
denominndolas metonmicamente como encuestas descriptivas y explicativas por cuanto la herramienta principal
de recoleccin de datos es la encuesta. Este autor establecer una diferencia entre las encuestas descriptivas y las
explicativas, aunque seala que tal distincin, si bien real, no es siempre factible, pues "muchas encuestas renen
caractersticas combinadas de descripcin y explicacin" (Hyman, 1955:24). Su intencin, al explicar
separadamente los principios de cada una, ha sido mas bien didctica.

Ms concretamente: dentro de las diferentes formas de clasificar los tipos de investigacin en ciencias
sociales, una tipologa posible las clasifica, segn el alcance de la investigacin, en investigaciones
exploratorias, descriptivas, correlacionales y explicativas. La clasificacin pertenece a Gordon Dankhe
(1986) y aqu la explicitaremos basndonos en una sntesis realizada por Hernndez Sampieri y otros
(1991).
En la prctica, cualquier estudio puede incluir aspectos de ms de una de estas cuatro clases de
investigacin, pero los estudios exploratorios ordinariamente anteceden a los otros porque sirven para
empezar a conocer el tema. A partir de all se inicia una investigacin descriptiva, que por lo general

Pgina 108 de 325
108
fundamentar las investigaciones correlacionales, las que a su vez proporcionan informacin para llevar a
cabo una investigacin explicativa. Una investigacin puede entonces comenzar siendo exploratoria,
despus ser descriptiva y correlacional, y terminar como explicativa.
No se puede hacer un estudio explicativo si antes, uno mismo u otro investigador no realiz antes un
estudio descriptivo, como tampoco podemos iniciar este ltimo sin que alguien antes haya hecho una
investigacin exploratoria. La historia de la ciencia nos muestra, primero, que una de estas etapas
puede durar aos y puede haber quedado "olvidada" hasta que alguien retoma la siguiente etapa; y
segundo, que los lmites entre una y otra etapa no son temporalmente exactos, pudiendo a veces
superponerse.
Las tres etapas persiguen propsitos diferentes: la investigacin exploratoria identifica posibles
variables, la investigacin descriptiva constata correlaciones entre variables, y la investigacin
explicativa intenta probar vnculos causales entre variables.

Ms concretamente: en la investigacin exploratoria buscamos informacin sobre algn tema o problema por
resultarnos relativamente desconocido, como por ejemplo la cuestin de los prejuicios raciales. Este estudio
culmina cuando hemos obtenido el conocimiento suficiente como para hacer un listado de los diferentes factores
que suponemos vinculados con el prejuicio racial, como por ejemplo educacin recibida, religin, zona de
residencia, edad, sexo, filiacin poltica, etc. En la investigacin descriptiva buscaremos correlacionar
estadsticamente cada uno de esos factores con el factor prejuicio racial, y termina cuando hemos constatado
ciertas correlaciones lo suficientemente significativas como para sospechar la existencia de un vnculo causal. Por
ltimo, en la investigacin explicativa intentaremos probar nuestra sospecha anterior, por ejemplo realizando un
experimento que me permita concluir si el o los factores considerados son o no causa de la actitud prejuiciosa
hacia personas de otras razas.

Seala Hyman que "los hallazgos de las encuestas descriptivas constituyen una gua para teorizar en las
explicativas; la capacidad de conceptualizar un fenmeno, que es de enorme importancia en las
encuestas descriptivas, resulta fundamental en las encuestas explicativas, ya que el mismo poder de
conceptualizacin debe extenderse al problema de las variables independientes" (Hyman, 1955:116-
117). Por lo comn, a la encuesta descriptiva se la relega a un segundo plano, otorgndosele un valor
puramente emprico y de aplicacin. En contraste, a las encuestas explicativas se les otorga gran valor,
dada la gran aceptacin de su papel en las ciencias sociales (Hyman, 1955:102).

Investigacin exploratoria

El objetivo de una investigacin exploratoria es, como su nombre lo indica, examinar o explorar un tema
o problema de investigacin poco estudiado o que no ha sido abordado nunca antes. Por lo tanto, sirve
para familiarizarse con fenmenos relativamente desconocidos, poco estudiados o novedosos,
permitiendo identificar conceptos o variables promisorias, e incluso identificar relaciones potenciales
entre ellas.
La investigacin exploratoria, tambin llamada formulativa (Selltiz), permite conocer y ampliar el
conocimiento sobre un fenmeno para precisar mejor el problema a investigar. Puede o no partir de
hiptesis previas, pero al cientfico aqu le exigimos flexibilidad, es decir, no ser tendencioso en la
seleccin de la informacin. En la investigacin exploratoria se estudian qu variables o factores podran
estar relacionados con el fenmeno en cuestin, y termina cuando uno ya tiene una idea de las variables
que juzga relevantes, es decir, cuando ya conoce bien el tema. Por ejemplo, cuando apareci por primera
vez el Sida hubo que hacer una investigacin exploratoria, porque haba un desconocimiento de este
tema. Otros ejemplos son investigar el tema drogadiccin para quien no lo conoce, o el tema salud
mental en relacin con el entorno social. La investigacin exploratoria tiene otros objetivos secundarios,
que pueden ser familiarizarse con un tema, aclarar conceptos, o establecer preferencias para posteriores
investigaciones. La informacin se busca leyendo bibliografa, hablando con quienes estn ya metidos en
el tema, y estudiando casos individuales con un mtodo clnico. Blalock destaca la tcnica de la
observacin participante como medio para recolectar informacin. Es importante que la investigacin
exploratoria est bien hecha, porque si no puede echarse a perder la subsiguiente investigacin
descriptiva y la explicativa.
Hernndez Sampieri y otros (1996:71) indican que los estudios exploratorios tienen por objeto esencial
familiarizarnos con un tpico desconocido o poco estudiado o novedoso. Esta clase de investigaciones
sirven para desarrollar mtodos a utilizar en estudios ms profundos. De hecho, una misma investigacin
puede abarcar fines exploratorios, en su inicio, y terminar siendo descriptiva, correlacional y hasta
explicativa: todo segn los objetivos del investigador.
En su momento, fueron investigaciones exploratorias las primeras investigaciones sobre el Sida, sobre las
vinculaciones potenciales entre histeria y sexualidad (Sigmund Freud), sobre el rendimiento de los
obreros en las fbricas (Elton Mayo), etc. En su momento, cuando nada se saba sobre estas cuestiones,
se emprendieron investigaciones para 'explorar' dichos temas y problemas.
En un estudio exploratorio se puede partir de una hiptesis previa, o sea, podemos tener alguna idea
previa sobre qu factores estn vinculados con la drogadiccin. Pero esta idea vaga es una gua muy
general y slo nos sirve para descartar la influencia de factores tales como si hay o no atmsfera en
Jpiter, por dar un ejemplo; no nos debe servir para descartar otros posibles factores relevantes (o que

Pgina 109 de 325
109
podran serlo), tales como la inestabilidad poltica, social o econmica de los pases donde aparece la
drogadiccin.

Investigacin descriptiva

En un estudio descriptivo se seleccionan una serie de cuestiones, conceptos o variables y se mide cada
una de ellas independientemente de las otras, con el fin, precisamente, de describirlas. Estos estudios
buscan especificar las propiedades importantes de personas, grupos, comunidades o cualquier otro
fenmeno.
Las investigaciones descriptivas constituyen una "mera descripcin de algunos fenmenos" (Hyman,
1955:100), como por ejemplo describir la conducta sexual del hombre norteamericano, describir los
sentimientos del pblico hacia los programas radiales, o describir la opinin norteamericana sobre la
bomba atmica. Su objetivo central es "esencialmente la medicin precisa de una o ms variables
dependientes, en alguna poblacin definida o en una muestra de dicha poblacin" (Hyman, 1955:102).
"La conceptualizacin eficaz del fenmeno a estudiar constituye el problema terico fundamental que se
plantea al analista de una encuesta descriptiva" (Hyman, 1955:129).
Los estudios descriptivos (Hernndez Sampieri y otros, 1996:71) sirven para analizar como es y se
manifiesta un fenmeno y sus componentes (ejemplo, el nivel de aprovechamiento de un grupo, cuntas
personas ven un programa televisivo y porqu lo ven o no, etc.).
Un ejemplo tpico de estudio descriptivo es un censo nacional, porque en l se intenta describir varios
aspectos en forma independiente: cantidad de habitantes, tipo de vivienda, nivel de ingresos, etc., sin
pretender averiguar si hay o no alguna correlacin, por ejemplo, entre nivel de ingresos y tipo de
vivienda.
Otro ejemplo de investigacin descriptiva puede ser aquella que intenta averiguar qu partido poltico
tiene ms seguidores, o qu imagen posee cada partido poltico en la poblacin, o cuntas personas
hacen psicoterapia en una determinada ciudad, o el ndice de productividad de una fbrica, o la cantidad
de varones y mujeres que miran televisin, etc. Medir los diferentes aspectos de la personalidad de un
sujeto (hipocondra, depresin, sociabilidad, etc.) es tambin un estudio descriptivo.
Mientras los estudios exploratorios buscan descubrir variables, los descriptivos buscan describirlas
midindolas, y, por tanto, requieren mayor conocimiento del tema para saber qu variables describir y
cmo hacerlo.
Los estudios descriptivos pueden ofrecer tambin la posibilidad de hacer predicciones incipientes, aunque
sean rudimentarias. Por ejemplo, si sabemos el promedio de horas que miran TV los nios de la ciudad X,
podemos predecir con cierta probabilidad el tiempo que mirar TV un nio determinado de dicha ciudad.
Otro ejemplo: si sabemos, en base a una muestra, cunta gente votar a tal partido, podemos predecir
con cierto margen de probabilidad o error, si triunfar en las elecciones.
Segn Hyman, el objetivo fundamental de las encuestas de prediccin no es describir ni explicar una
situacin 'actual', sino hacer una estimacin de algn estado de cosas 'futuro' (Hyman, 1955:101). El
mismo autor proporciona un ejemplo de investigacin predictiva, que tuvo lugar en EEUU cuando el
gobierno patrocin una encuesta que sirviese para orientar la poltica del control de la inflacin. Se
buscaba informacin que permitiese pronosticar el curso de los rescates de bonos de guerra durante el
prximo ao. La idea era recabar informacin directamente de las personas, porque hasta entonces los
datos surgan de ndices globales, como la renta nacional, etc., que no arrojaban luz sobre el efecto
diferencial que ciertos factores ejercen sobre los distintos sectores de la poblacin, ni indicaban las
distintas motivaciones que los impulsaban. La informacin necesaria para formular el pronstico deba
obtenerse analizando: a) datos econmicos sobre la tenencia de bonos y datos inferidos sobre la
vulnerabilidad econmica de la familias, y b) datos psicolgicos sobre factores cognitivos o
motivacionales en que se fundaba la compra y conservacin o rescate de bonos, en relacin con los
diversos procesos econmicos previstos en el pas. Entre otras cosas, se pudo pronosticar por ejemplo
que la reaparicin de bienes de consumo no sera muy significativa, ya que los tenedores de bonos
queran conservarlos hasta su amortizacin.

Investigacin correlacional

Tiene como finalidad medir el grado de relacin que eventualmente pueda existir entre dos o ms
conceptos o variables, en los mismos sujetos. Ms concretamente, buscan establecer si hay o no una
correlacin, de qu tipo es y cul es su grado o intensidad (cun correlacionadas estn).
En otros trminos, los estudios correlacionales pretenden ver cmo se relacionan o vinculan diversos
fenmenos entre s (o si no se relacionan) (Hernndez Sampieri y otros, 1996:71).
Por ejemplo, un estudio correlacional tratar de averiguar si hay alguna relacin entre motivacin y
productividad laboral para los mismos sujetos (obreros de una fbrica), o si hay o no alguna relacin
entre el sexo del cnyuge alcohlico y el nmero de divorcios o abandonos generados por el alcoholismo,
o si hay alguna relacin entre el tiempo que se dedica al estudio y las calificaciones obtenidas.
Consiguientemente, el propsito principal de la investigacin correlacional es averiguar cmo se puede
comportar un concepto o variable conociendo el comportamiento de otra u otras variables relacionadas,
es decir, el propsito es predictivo. Por ejemplo, si yo se que la ocupacin y la preferencia de voto estn

Pgina 110 de 325
110
correlacionadas, puedo predecir que los obreros tendern a votar a determinado partido poltico ms que
a otro. No se trata de una prediccin incipiente como en la investigacin descriptiva, porque en los
estudios correlacionales la prediccin est apoyada en evidencias ms firmes, a saber, en la constatacin
estadstica de un vnculo de correlacin.
Sealan Hernndez Sampieri et al (1991) que la investigacin correlacional tiene un cierto valor
explicativo, que es parcial. Decir que los estudiantes obtuvieron mejores calificaciones 'porque'
estudiaron ms tiempo es una explicacin, pero parcial, porque hay muchos otros factores que pudieron
hacer incidido en sus buenas calificaciones.
Los mismos autores advierten sobre la posibilidad de encontrar lo que ellos llaman "correlaciones
espurias", es decir, correlaciones existentes entre variables pero que en realidad no expresan causalidad.
Por ejemplo, hay una alta correlacin entre estatura e inteligencia, pero ello no nos autoriza a sostener
que la estatura es la 'causa' de la inteligencia, o a decir que una persona es inteligente debido a su
altura.

Investigacin explicativa

Las investigaciones descriptivas y correlacionales constituyen una mera descripcin de algunos
fenmenos, para lo que se centran en la medicin de una o ms variables dependientes en alguna
poblacin o muestra. La investigacin explicativa, en cambio, va ms all tratando de encontrar una
explicacin del fenmeno en cuestin, para lo cual busca establecer, de manera confiable, la naturaleza
de la relacin entre uno o ms efectos o variables dependientes y una o ms causas o variables
independientes.
As entonces, este tipo de investigacin va ms all de la simple descripcin de la relacin entre
conceptos, estando dirigido a indagar las causas de los fenmenos, es decir, intentan explicar por qu
ocurren, o, si se quiere, por qu dos o ms variables estn relacionadas. No es lo mismo decir que
ocupacin y preferencia poltica estn relacionadas, a explicar por qu lo estn en trminos de un vnculo
causa-efecto.
Las investigaciones explicativas son ms estructuradas que las anteriores, y proporcionan adems un
'sentido de entendimiento' del fenmeno en estudio, es decir, procuran entenderlo a partir de sus causas
y no a partir de una mera correlacin estadstica verificada con otras variables.
Algunos llaman 'experimental' a la investigacin explicativa. Hernndez Sampieri et al (1991) sostienen
que si bien la mayora de las investigaciones explicativas son experimentales, ciertos estudios no
experimentales pueden aportar evidencia para explicar por qu ocurre un fenmeno, proporcionando as
"un cierto sentido de causalidad".

Hyman, en su anlisis de las investigaciones explicativas, sostiene que lejos de intentar la mera
descripcin de un fenmeno como en las encuestas descriptivas, las encuestas explicativas tratan de
encontrar una explicacin' del mismo (Hyman, 1955:100). En las encuestas explicativas, "se establece de
manera confiable la naturaleza de la relacin entre uno o ms fenmenos (variables dependientes) y una
o ms causas (variables independientes)" (Hyman, 1955:100).
Los procedimientos para analizar encuestas explicativas "deben proporcionar pruebas confiables de la
relacin entre el fenmeno y una o ms causas o variables independientes y, por tanto, solucionar el
problema general del analista: hallar una explicacin" (Hyman, 1955:229). La encuesta explicativa "sigue
el modelo de los experimentos de laboratorio, con la diferencia fundamental de que procura representar
este diseo en un medio natural. En vez de crear y manejar las variables independientes cuyo efecto hay
que descubrir, el analista de encuestas debe encontrar en el medio natural casos en que se den dichos
factores. Mediante la medicin de su presencia y magnitud, es posible establecer, en el curso del anlisis,
su relacin con el fenmeno. La restriccin del universo abarcado y el diseo de la muestra proporcionan
la tcnica bsica mediante la que se excluyen otras fuentes de variacin del fenmeno en la encuestas
explicativa" (Hyman, 1955:117).
Clasificacin de las investigaciones explicativas.- Hyman clasifica las encuestas explicativas en tres
grandes grupos, que son los siguientes:
a) Encuestas tericas o experimentales.- Aqu, "la tarea adopta fundamentalmente la forma de
verificacin de una 'hiptesis especfica' derivada de alguna teora ms amplia, en tanto determinante
especial del fenmeno" (Hyman, 1955:100).
b) Encuestas de evaluacin o programticas.- Son aquellas donde "los factores que 'han sido o pueden
ser manejados por un organismo de accin social' se estudian desde el punto de vista de la ayuda que
brindan para determinar el fenmeno. Aqu el objetivo inmediato es la aplicacin, modificacin o cambio
de algn estado de cosas o fenmeno, tomando como base el conocimiento probado de los factores en
juego. Tal fue el caso de la investigacin sobre el ausentismo: auspiciada por el gobierno, los hallazgos
deban facilitar recomendaciones acerca de las medidas correctivas a adoptar en los talleres o en un
ambiente ms amplio, mediante su manipulacin. Esto no significa que el planeamiento bsico de esas
investigaciones no involucre consideraciones tericas [como en las encuestas tericas o experimentales],
sino simplemente que los determinantes especficos que en ltima instancia constituyen el foco del
anlisis son entidades manipulables" (Hyman, 1955:100).

Pgina 111 de 325
111
c) Encuestas de diagnstico.- "Implica una bsqueda de causas posibles en un mbito relativamente
desconocido" (Hyman, 1955:100).
Algunas diferencias entre los tres subtipos de investigaciones explicativas.- 1) A diferencia de las
encuestas tericas o experimentales, donde se busca verificar una hiptesis especfica sobre los
'determinantes especiales' del fenmeno, a las encuestas de evaluacin y de diagnstico incumbe
"verificar la 'contribucin de una serie de factores' a la causalidad de un fenmeno" (Hyman, 1955:100).
2) La encuesta programtica o de evaluacin "hace hincapi en los modos de anlisis denominados
'especificacin' y 'explicacin' (...). Adems, la encuesta terica pone el nfasis en el modo de anlisis
llamado 'interpretacin'" (Hyman, 1955:101). La especificacin, la explicacin y la interpretacin son tres
modos de anlisis que Hyman desarrolla ms adelante, en el captulo 7 titulado "La introduccin de
variables adicionales y la elaboracin del anlisis". Estos tres modos de anlisis reciben en Hyman el
nombre genrico de 'elaboracin', y consisten bsicamente en introducir variables adicionales para
explorar con mayor detalle la original relacin X-Y. No se desarrolla aqu este punto, pero para que el
lector pueda tener una idea aproximada del tema, hemos diseado el esquema, que intenta resumir las
ideas de Hyman al respecto.



En la explicacin, el factor de prueba es una variable antecedente, en la interpretacin es una variable
interviniente. En la especificacin se indica bajo qu circunstancias (variables contextuales) la relacin
original X-Y es menos o ms pronunciada (Hyman, 1955:352). Se volver sobre este tema cuando se
examinen ms adelante algunos ejemplos de relaciones entre variables.
3) Las encuestas programticas y tericas acentan la importancia de que la 'confiabilidad de las
conclusiones est rigurosamente garantizada', en tanto que la encuesta de diagnstico puede reservar
menos recursos a esas garantas y tratar de alcanzar, en un amplio mbito, comprensin o 'evidencia
sugestiva'" (Hyman, 1955:101).
4) "La estructura conceptual de la encuesta terica ser ms 'abstracta', mientras que la encuesta
programtica o de evaluacin utilizar variables ms 'concretas', y la de diagnstico participar de ambos
niveles de conceptualizacin" (Hyman, 1955:101).

Otras consideraciones

1. Una investigacin, puede incluir elementos de los diferentes tipos de estudio indicados?
Muchas veces cuando se dice que un estudio es descriptivo, o correlacional, etc., esto no significa
necesariamente que no incluya elementos o caractersticas de otros tipos de investigacin. Adems, una
investigacin puede comenzar siendo descriptiva y terminar siendo luego correlacional.
Inclusive ms: un estudio puede comenzar siendo explicativo porque procura averiguar la causa de la
evasin de impuestos, pero luego, al revisarse la literatura. se comprueba que no hay nada investigado
sobre el tema, con lo cual debe continuar investigando de manera exploratoria, pues se trata de indagar
en un tema relativamente desconocido.
2. De qu depende que una investigacin comience como exploratoria, descriptiva, correlacional o
explicativa? Que una investigacin comience como exploratoria, descriptiva, correlacional o explicativa
depender del estado de conocimiento sobre el tema a investigar (lo que podemos saber a partir de la
revisin de la literatura), y del enfoque que el investigador pretenda darle a su estudio.
La revisin de la literatura sobre el tema puede revelarnos, en primer lugar, que no hay antecedentes
sobre el tema, o que ellos son inaplicables a lo que queremos estudiar, en cuyo caso iniciaremos una
investigacin exploratoria.
En segundo lugar, puede revelarnos que ciertos estudios descriptivos han detectado y definido ciertas
variables, en cuyo caso podremos iniciar un estudio descriptivo. En tercer lugar la revisin de la literatura
X

Y

t

t: Variable antecedente
(t ocurre antes que x)

t: Variable interviniente
(t ocurre despus que x)

t: Variable contextual
(t ocurre al mismo tiempo que x)

t

Y

X

X

Y

t

INTERPRETACIN

EXPLICACIN

ESPECIFICACIN


Pgina 112 de 325
112
puede revelarnos la existencia de una o varias relaciones entre conceptos o variables, en cuyo caso
podremos emprender una investigacin correlacional. En cuarto y ltimo lugar, la literatura puede
revelarnos que hay una o varias teoras aplicables a nuestro problema, con lo cual podremos comenzar
un estudio explicativo.
El enfoque que el investigador busque darle a su estudio tambin determinar el tipo de investigacin
que elegir: a veces el propsito es simplemente describir, otras veces correlacionar, otras veces buscar
causas, etc.
3. Cul es de los cuatro tipos de investigacin es mejor? Las cuatro son igualmente vlidas e
importantes, por cuanto todas han contribuido al avance de la ciencia, porque han aumentado y
profundizado el conocimiento del fenmeno en estudio.

Un anlisis crtico de la propuesta tipolgica

La tipologa de Dankhe representa un importante avance conceptual al discriminar las investigaciones
descriptivas como diferentes de las correlacionales. De hecho, hay innumerables ejemplos de
investigaciones descriptivas que no llegan a ser correlacionales, entre otras cosas porque no est como
objetivo de la investigacin establecer relaciones entre variables. Por ejemplo, los censos describen el
estado de variables demogrficas como sexo, edad, ocupacin, salario, nmero de hijos o vivienda, sin
intentar relacionarlas entre s. En otro ejemplo, una empresa encuestadora es contratada por algn
medio de comunicacin para que investigue el estado de la variable preferencia poltica de la poblacin:
en estos casos su nico objetivo es describir la variable en cuestin, sin intentar establecer qu tipo de
relacin puede tener con edad, sexo, etc. A lo sumo, podr cruzar la variable preferencia poltica con
ellas, pero sin intentar un clculo de su grado de correlacin mediante coeficientes especiales como
pueden ser el coeficiente Pearson, el coeficiente Spearman, tarea que ya caer dentro de los objetivos de
una investigacin correlacional, que es en este caso poder hacer predicciones confiables. Por otro lado,
nos permitiremos discrepar con los autores en algunas cuestiones relacionadas con los objetivos de una
investigacin explicativa que, a nuestro entender, son presentados como demasiado laxos.

Esquema 6 - Tipologia de Dankhe (1986)

Tipo de
investigacin
Esquema Propsitos
Exploratoria X Y
X ------ Y
- Identifican variables promisorias
- Sugieren relaciones potenciales entre variables
Descriptiva X Y
X ------ Y
- Describen -miden- las variables identificadas
- Pueden sugerir relaciones potenciales entre variables
(predicciones rudimentarias)
Correlacional X ------ Y - Determinan correlacin entre variables(predicciones ms firmes)
Explicativa X -----> Y - Sugieren vnculos causas entre las variables. O sea, buscan
explicar por qu estn correlacionadas (explican una variable a
partir de otra/s)

Una investigacin explicativa no se limita a sugerir vnculos causales entre variables sino que,
fundamentalmente, se propone probarlos, para lo cual debe constatar que se cumplen los tres requisitos
bsicos que definen un vnculo de ese tipo: primero, que haya correlacin significativa (lo que ya fue
probado en la investigacin correlacional), segundo, que la supuesta causa ocurra antes que el efecto, y
tercero, que haya suficientes motivos para descartar la influencia de otros posibles factores causales,
adems del que se estudia. La investigacin explicativa se centra particularmente en esta ltima
cuestin, y el recurso casi obligado para ello es el experimento.
Segn algunos autores, la investigacin correlacional tendra un cierto valor explicativo porque
proporciona 'explicaciones parciales', entendiendo por tales las que informan acerca de un nico factor, y
no de todos los factores que inciden en un fenmeno. A nuestro entender, un anlisis de correlacin no
intenta probar un vnculo causal, sino constatar estadsticamente un nivel de asociacin entre variables.
Por lo tanto, si algn sentido tiene la expresin 'explicacin parcial' aplicada al anlisis de correlacin,
ste slo puede consistir en que la presencia de correlacin es slo uno de los tres requisitos del vnculo
causal antes indicados.
Debido a que un anlisis de correlacin, por ltimo, no intenta probar conexiones causales, no resulta
feliz la expresin 'correlacin espuria', utilizada por algunos autores. Segn estos, entre dos variables
pueden existir 'correlaciones espurias', lo que ocurre cuando, a pesar de existir entre ambas existe una
alta correlacin, no estn vinculadas causalmente, como el caso de la estatura y la inteligencia. A nuestro
entender, lo correcto sera decir 'causalidad espuria' porque en el caso indicado no hay duda de que hay
correlacin y, en todo caso, lo que se pone en tela de juicio es la presencia o no de un vnculo de
causalidad.

Algunos ejemplos de investigaciones descriptivas y explicativas


Pgina 113 de 325
113
Hyman suministra algunos ejemplos de investigaciones descriptivas y explicativas realizadas entre 1938
y 1946 en los EEUU. El lector podr apreciar en estos ejemplos algunas de sus caractersticas generales:
a) Tamao grande: se estudia un gran nmero de casos, del orden de los miles (Hyman, 1955:45).
b) Tarea colectiva: Salvo una excepcin, la investigacin no fue llevada a cabo por un estudioso, sino por
una organizacin compuesta por muchas personas (Hyman, 1955:58).
c) Patrocinio y subvencin: A veces, el problema en estudio no es el resultado de la eleccin individual de
un investigador, sino que surge de las necesidades de la otra parte interesada, que patrocina y respalda
la investigacin (Hyman, 1955:71).
d) Temas controvertibles: por lo comn las encuestas giran alrededor de temas controvertibles, y el
marco social donde se emprenden y cualquier solucin propuesta estn generalmente cargado de
conflictos (Hyman, 1955:90).

Esquema 7- Ejemplos de Hyman (1955) de investigaciones descriptivas y explicativas

Encuesta Sub-tipo Ejemplos
Descriptiva Encuesta N 2: La opinin pblica y la bomba atmica
Encuesta N 3: Opinin norteamericana sobre la radio
comercial
Encuesta N 5: Conducta sexual de los
norteamericanos
Explicativa Terica o experimental Encuesta N 4: Prejuicio y personalidad
Encuesta N 6: Conciencia de clase
De evaluacin o programtica Encuesta N 1: Ausentismo industrial
De diagnstico No hay ejemplos

Encuesta nmero 1: Ausentismo industrial.- Cierto organismo estatal de EEUU se propuso investigar
ciertos hechos relacionados con la naturaleza y alcance del ausentismo en la industria blica, as como
tambin determinar algunos de los factores que incidan en l. Se vio que a menudo se identificaba el
ausentismo con mala voluntad por trabajar, y se lo consideraba un mal nacional que amenazaba el
podero blico nacional. Los analistas encontraron que casi nunca se distingua ausencia voluntaria de
involuntaria, y que el tema se trataba en voz baja.
Se entrevistaron 1800 individuos (100 de 18 fbricas diferentes), y se computaron los ndices de
ausentismo por fbrica y por individuo. Las variaciones en estos ndices se relacionaron con las
caractersticas de los obreros, con sus condiciones de trabajo y con el grado de satisfaccin que sentan
respecto de la planta y de la comunidad, todos factores determinados en las entrevistas. Otros factores
se determinaron mediante observacin, como las condiciones objetivas internas de la planta y la
comunidad.
Encuesta nmero 2: La opinin pblica y la bomba atmica.- Una institucin plane sondear la opinin de
los norteamericanos respecto de la bomba atmica y las cuestiones internacionales, con el fin de
incorporar ms elementos de juicio para disear una poltica nacional al respecto. Una institucin sonde
la opinin de una muestra de 3000 personas, y otra una de 600 personas.
Se busc indagar qu conocimiento tenan sobre la bomba atmica, su existencia, su modo de
fabricacin, los responsables de la misma, los pases que la posean, su grado de preocupacin y sus
actitudes frente al control internacional de dicha arma. Tambin se indag opinin sobre relaciones
internacionales, como la relacin del pas con la ONU, con Rusia y con otros pases.
Encuesta nmero 3: Opinin norteamericana sobre la radio comercial.- La Asociacin de Radiodifusoras
se propuso hacer una encuesta para determinar los puntos fuertes y dbiles de la radio y averiguar qu
lugar ocupaba estas en las preferencias del pblico, con el fin de elaborar un plan de radiodifusin.
Se constat que ciertos individuos y grupos criticaban el carcter comercial de la radio y el descuido de
su responsabilidad pblica al no elevar el nivel cultural de sus programas.
Se hicieron entrevistas personales a 2500 personas, buscndose indagar si ciertos programas y
publicidades resultaban satisfactorios a la gente, y se investigaron actitudes frente al control de la radio
por parte del estado. Se indag tambin la actitud de la gente frente a otros medios no radiales. Las
opiniones se relacionaron con las caractersticas personales de los entrevistados, como la frecuencia con
que escuchaban radio, el nivel de instruccin, sexo, edad, zona de residencia, etc.
Encuesta nmero 4: Prejuicio y personalidad.- Una institucin decidi investigar el problema del prejuicio,
lo que inclua un estudio tendiente a demostrar que ciertos factores de la personalidad del hombre
moderno lo predisponen a exhibir hostilidad hacia grupos raciales y religiosos. El propsito primario no
fue utilizar los resultados para hacer un programa contra el antisemitismo, sino contribuir al conocimiento
de las fuentes del antisemitismo, intentando probar empricamente varias hiptesis acerca de lo
correlatos del fenmeno del prejuicio.
La orientacin terica de los investigadores los llev a concluir que el antisemitismo formaba parte de
una pauta ms generalizada de sentimientos prejuiciosos, que integraba a su vez una pauta amplia y
coherente de convicciones polticas y sociales. Se consider que los sentimientos autoritarios eran
consecuencia de un sndrome ms bsico de personalidad, derivado a su vez de experiencias infantiles.
Mediante cuestionarios, se indagaron a 2000 personas sobre antisemitismo, etnocentrismo, ideologa

Pgina 114 de 325
114
poltico econmica y ciertos rasgos ms bsicos de personalidad. Luego, se entrevist una muestra
menor de personas que exhiban tipos particulares de actitudes que surgan de los cuestionarios, para
determinar en detalle sus rasgos de personalidad y su historia y verificar las hiptesis principales.
Encuesta nmero 5: Conducta sexual de los norteamericanos.- Kinsey y colaboradores realizaron
entrevistas para informarse sobre el comportamiento sexual del norteamericano y establecer cules son
los factores que explicaban las diferencias individuales y grupales en cuanto a conducta sexual. Se
confeccion el Informe Kinsey en base a 5.300 entrevistas a varones blancos. Se procur que en los
investigadores no influyeran prejuicios sobre lo que era sano o enfermo en la eleccin de historias o
seleccin de tems. Fue una investigacin que encontr resistencias y crticas en la sociedad, dado lo
controvertido del tema. Se obtuvo informacin sobre la historia de las conductas sexuales de cada
interrogado, y sobre sus caractersticas personales. Se describi la conducta sobre todo en funcin del
orgasmo, determinando su intensidad y frecuencia por distintas vas (masturbacin, emisin nocturna,
desahogo homosexual, relaciones premaritales, extramaritales o maritales, etc.). Se relacion el
desahogo total, la suma de las conductas sexuales y los modos especficos de desahogo con factores
como la edad, la educacin, la religin, el lugar de residencia y otros.
Encuesta nmero 6: Conciencia de clase.- R. Centers proyect una encuesta buscando probar una teora
segn la cual el status y el rol de una persona respecto de los procesos econmicos le imponen ciertas
actitudes, valores e intereses vinculados con su rol y status en la esfera poltica y econmica. Adems, el
status y el rol del individuo, en relacin con lo econmico, despiertan en l la conciencia de pertenencia a
una clase social que comparte esas actitudes, valores e intereses.
La finalidad de esta investigacin era terica, consistiendo en proporcionar una prueba objetiva de las
hiptesis especficas deducidas de esta teora general del grupo de inters en la clases sociales. Centers
se interesaba tanto por el conflicto de clases, como por la contribucin que podan aportar los cientficos
sociales para comprender mejor las crisis, trastornos y cambios sociales.
Se entrevistaron 1.200 individuos adultos, blancos y de sexo masculino, y, a fin de verificar la teora, se
confeccion un cuestionario que abarc tres reas: la orientacin bsica en materia poltico econmica de
los encuestados, la identificacin subjetiva del interrogado con una clase social, y la posicin objetiva de
cada persona segn su nivel de vida, ocupacin y grado de poder o control ejercido sobre otros. La
verificacin de la teora entra correlacionar los distintos ndices de estratificacin con las medidas de
conciencia de clase y de ideologa poltico econmica.

3. INVESTIGACIN TERICA Y EMPRICA

Es posible distinguir dos actividades diferentes y complementarias en el mbito de la investigacin
cientfica: la investigacin terica, que compara ideas entre s, y la investigacin emprica, que compara
las ideas con la realidad.
El escenario clsico de la investigacin terica es la biblioteca, y el de la investigacin emprica el
laboratorio. En rigor, la gran mayora de los investigadores desarrollan al mismo tiempo una actividad
terica y emprica, y la diferencia est mas bien en el nfasis en que ponen en cada una de ellas: hay
investigadores mas bien orientados hacia la teora, y otros hacia la experiencia en la realidad.
En una aproximacin grosera, podemos decir que la investigacin terica es una actividad por la cual
relacionamos ideas entre s, mientras que la investigacin emprica se centra en confrontar las ideas con
la realidad. Y as, cuando el investigador toma contacto con una idea -sea porque se le ocurri a l o
porque la ley en algn lado-, tiene a partir de all dos opciones: relacionar esa nueva idea con otras que
ya conoce (investigacin terica), o intentar examinarla o probarla a la luz de los hechos (investigacin
emprica).

Dentro de la investigacin emprica suele distinguirse la investigacin de laboratorio y la investigacin de campo,
segn el lugar donde los sujetos son investigados. En la investigacin de campo se estudia a los individuos en
los mismos lugares donde viven, trabajan o se divierten, o sea, en su hbitat natural. Si se quiere saber cmo
influye la televisin en la educacin infantil se utilizarn datos sobre nios que ven (o no) televisin en sus
hogares. A nadie se le ocurrira encerrar durante meses o aos a varios nios en un laboratorio mirando
televisin, para ver como evoluciona su educacin. Del mismo modo, tampoco se podra provocar un terremoto
en una habitacin para ver cmo reacciona la gente all ubicada (salvo que se invente un sofisticado sistema de
simulacin de sismos, pero esto ya sera costoso): slo se puede encarar este estudio a travs de una
investigacin de campo, o sea en el lugar natural donde estos fenmenos ocurren. Tcnicas tpicas de
recoleccin de datos en las investigaciones de campo son las encuestas o la observacin participante.
La investigacin de laboratorio, en cambio, 'saca' a los sujetos de sus lugares naturales, los 'asla' de su entorno
llevndolos a un lugar especial, el laboratorio, y que no necesariamente debe tener azulejos o probetas. Un
ejemplo de laboratorio en psicologa es la cmara Gesell, o habitacin donde por ejemplo se deja jugar
libremente a los nios mientras estudiamos sus reacciones a travs de un vidrio que permite verlos, y sin que
ellos puedan advertir la mirada del investigador. Las investigaciones de laboratorio encuentran su justificacin en
que permiten aislar el fenmeno de influencias extraas, de manera tal que, aplicado el estmulo, cualquier
cambio en las respuestas ha de deberse con mucha mayor probabilidad a dicho estmulo y no a otras variables
extraas. En la investigacin de campo los fenmenos en estudio estn ms expuestos a estas influencias
externas, mientras que en las investigaciones de laboratorio puede aislrselos ms de ellas.
Tngase presente que tambin puede introducirse un estmulo en una investigacin de campo, es decir, lo que se
llama experimento puede realizarse tambin en este contexto. Refiere Vander Zanden (1986:619) que el

Pgina 115 de 325
115
experimento puede ser de laboratorio o de campo. En el primer caso se efecta en un recinto especial para
controlar las condiciones con ms cuidado. En el segundo se realiza el experimento en el mundo real,
introduciendo en la vida cotidiana de las personas la variable independiente.
Cierto tipo de investigaciones se prestan para planificarse indistintamente como de laboratorio o de campo. As,
si se quiere saber cmo influyen los ruidos sobre el estrs, hay dos alternativas: a) llevar dos grupos de
personas a un lugar especial aislado, donde se los somete a uno a ruidos fuertes y al otro a ruidos dbiles,
midiendo luego en ambos el estrs resultante (investigacin de laboratorio); b) medir directamente el estrs en
personas que viven en lugares de mucho ruido y en lugares de poco ruido, para evaluar la diferencia
(investigacin de campo).

Tomando como ejemplo al creador del psicoanlisis, podemos decir que hay un Freud terico y un Freud
emprico. El primero es el que compara ideas de diversas teoras, o ideas dentro del mismo psicoanlisis.
En otras palabras, es un Freud ms centrado en examinar relaciones entre ideas, conceptos, hiptesis,
teoras, y de aqu que gran parte de la investigacin terica sea investigacin bibliogrfica (la otra parte
no implica contacto con libros, ya que se refiere a la comparacin entre ideas nunca publicadas, fruto de
la imaginacin del cientfico).
El Freud emprico, en cambio, es que est en contacto directo con pacientes en la clnica a los efectos de
poder descubrir o probar sus hiptesis, es decir, est ms directamente centrado en buscar inspiracin en
los hechos para construir una teora o en la confrontacin de la teora con la realidad.
Por ejemplo, el Freud terico (Freud S, 1916) establece una comparacin entre los sueos, actos fallidos
o actos sintomticos, con los sntomas neurticos: al comparar ideas entre s est haciendo investigacin
terica. En cambio el Freud emprico (Freud S, 1909) es el que toma contacto con los pacientes
intentando verificar sus hiptesis sobre el sntoma, sobre los sueos o sobre los actos fallidos.
En ltima instancia, la existencia de ambos modos de investigar se justifica a partir de la necesidad de
satisfacer dos exigencias igualmente importantes en el conocimiento cientfico: la coherencia lgica de las
ideas (investigacin terica), y la adecuacin de las mismas con la realidad (investigacin emprica).
Centrarse exclusivamente en probar las hiptesis mediante los hechos implica el riesgo de descuidar la
conexin lgica entre las mismas hiptesis, con lo cual no puede organizarse el conocimiento en teoras,
es decir, en sistemas hipottico-deductivos donde unas ideas estn conectadas con otras por deduccin.
Y al revs, concentrarse exclusivamente en armar una teora lgicamente coherente mediante la
comparacin de ideas, implica el riesgo de construir un sistema especulativo que no tiene nada que ver
con la realidad, es decir, de armar una teora perfectamente lgica pero tambin perfectamente falsa.
La relacin entre investigacin emprica e investigacin terica puede comprenderse mejor a partir de la
siguiente secuencia natural del proceso general de la investigacin: a partir del examen de los hechos,
los cientficos emprenden una investigacin emprica (tpicamente exploratoria) que desembocar en la
elaboracin de una hiptesis o teora. Esta a su vez requiere ser verificada, para lo cual se vuelve a
realizar una investigacin emprica con ese propsito (tpicamente explicativa).
En este esquema, las investigaciones tericas aparecen cuando a) un cientfico se propone comparar
hiptesis o teoras entre s en trminos de nivel de verificacin, simplicidad, coherencia lgica y otros
parmetros, o b) cuando un cientfico se propone comparar investigaciones empricas entre s en
trminos de capacidad predictiva, nivel de verificacin, calidad metodolgica y otos parmetros (actividad
habitualmente llamada metaanlisis). Para cualquiera de estas actividades, al investigador le basta con la
consulta de libros y revistas especializadas, de all que su tarea sea eminentemente una investigacin
bibliogrfica.
La importancia del segundo tipo de estudio terico, es decir, la investigacin sobre investigaciones es
que pone al descubierto sus fortalezas y debilidades. Por ejemplo (Annimo, 2005), una revisin de los
estudios ms importantes publicados entre 1990 y 2003 en revistas cientficas influyentes revelaron que
casi un tercio de los mismos mostraron resultados contradictorios o dbiles. En dicha revisin se indic
que los hallazgos contradictorios y potencialmente exagerados son muy comunes en la investigacin
clnica, por lo que tanto mdicos como pacientes no deben poner tantas esperanzas en un solo estudio
porque los tratamientos suelen volverse obsoletos. Por ejemplo, un estudio contradictorio hall que el
xido ntrico no aumentaba la sobreviva de pacientes respiratorios, a pesar de las confirmaciones previas,
y que las terapias hormonales de reemplazo para mujeres menopusicas demostraron tener un efecto
adverso como protectores de enfermedades cardiovasculares, cuando antes se haba concluido lo
contrario. Tampoco la vitamina E logr prevenir los infartos.

4. INVESTIGACIN CUALITATIVA Y CUANTITATIVA

Cook y Reichardt hacen referencia a dos mtodos de investigacin: los cualitativos y los cuantitativos.
Los autores sostienen al respecto dos cuestiones:

a) El que un investigador utilice uno u otro mtodo no depende del paradigma que sostenga. De hecho,
se han utilizado mtodos cualitativos dentro de paradigmas cuantitativos, y viceversa. Los autores
suministran ejemplos de ello en relacin con los diversos tems que los diferencian (tems que se indican
en el esquema 8).
- Del paradigma cualitativo se dice que postula una concepcin global fenomenolgica, inductiva,
estructuralista, subjetiva, orientada al proceso y propia de la antropologa social.

Pgina 116 de 325
116
- Del paradigma cuantitativo, en cambio, se dice que posee una concepcin global positivista,
hipottico-deductiva, particularista, objetiva, orientada a los resultados y propia de las ciencias
naturales.

De acuerdo con algunos autores (Rubio J y Varas J, 1997:237), el mtodo cualitativo opera en dos
momentos: 1) en un primer momento el investigador intenta (mediante grupos de discusin, entrevistas
abiertas, historias de vida, etc.) reproducir los discursos de determinado grupo social, comunidad o
colectivo. O en su caso, produce o recopila documentos (relatos histricos, biogrficos, tradiciones orales,
etc.) referidos al mbito o poblacin en la que se centra la investigacin. 2) Posteriormente, se analiza e
interpreta la informacin recogida.

Esquema 8 Paradigmas de la investigacion cualitativa y cuantitativa (Cook y Reichardt).

Paradigma cualitativo Paradigma cuantitativo
Aboga por mtodos cualitativos. Aboga por mtodos cuantitativos.
Fenomenalismo y Verstehen (comprensin):
interesado en comprender la conducta humana
desde el propio marco de referencia de quien
acta.
Positivismo lgico: busca los hechos o causas de
los fenmenos sociales, prestando escasa atencin
a los estados subjetivos de los individuos.
Observacin naturalista y sin control. Medicin penetrante y controlada.
Subjetivo. Objetivo.
Prximo a los datos; perspectiva 'desde dentro'. Al margen de los datos; perspectiva 'desde fuera'.
Fundamentado en la realidad, orientado a los
descubrimientos, exploratorio, expansionista,
descriptivo e inductivo.
No fundamentado en la realidad. orientado a la
comprobacin, confirmatorio, reduccionista,
inferencial e hipottico deductivo.
Orientado al proceso Orientado al resultado.
Vlido: datos 'reales', 'ricos' y 'profundos'. Fiable: datos 'slidos' y repetibles.
No generalizable: estudios de casos aislados. Generalizable: estudios de casos mltiples.
Holista. Particularista.
Asume una realidad dinmica. Asume una realidad estable.

b) La oposicin radical entre ambos tipos de mtodo no tiene sentido, y resaltan los beneficios
potenciales del empleo conjunto de ambos mtodos. Se mencionan tres razones por las cuales pueden
emplearse conjuntamente ambos mtodos:
- Objetivos mltiples, que obligan a usar diferentes mtodos.
- Los dos mtodos pueden vigorizarse mutuamente, brindando cada uno lo que el otro no puede dar.
- Como ambos mtodos tienen prejuicios, slo cabe llegar a la verdad usando tcnicas diferentes con
las que se harn triangulaciones.
Usar ambos mtodos tiene tambin sus desventajas: a) puede ser caro, b) puede suponer demasiado
tiempo, y c) se puede carecer de adiestramiento en ambos mtodos.

5. INVESTIGACIONES PRIMARIA Y BIBLIOGRFICA

Un ltimo criterio para clasificar las investigaciones guarda relacin con la fuente de los datos
consultados. En este sentido, los datos pueden ser clasificados como primarios o secundarios. Los datos
primarios son aquellos obtenidos directamente de la realidad por mismo investigador mediante la simple
observacin o a travs de cuestionarios, entrevistas, tests u otro medio. Los datos secundarios son los
datos obtenidos de otras personas o instituciones (censos, estudios empricos de otros investigadores,
metaanlisis, etc.). A veces el inters de un investigador recae sobre este segundo tipo de fuentes, y ello
por motivos muy diversos: a) no requieren tanto costo y esfuerzo como la obtencin de los datos
primarios, b) no hay datos primarios disponibles, o c) necesidad de relacionar, sintetizar o integrar
diversas investigaciones basadas en datos primarios, tal como ocurre por ejemplo en los llamados
metaanlisis. En cualquier caso, el investigador habr de asegurarse que no hay razones para desconfiar
de la verosimilitud de los datos secundarios.
Por ejemplo, si un investigador hace un seguimiento de un grupo de pacientes para verificar si un
tratamiento farmacolgico da resultados, est utilizando datos primarios. En cambio, si un investigador
hace una recopilacin, una sntesis o una valoracin de diversas investigaciones sobre ese tratamiento
farmacolgico, estar utilizando datos secundarios.
En funcin de lo anterior, es posible entonces clasificar las investigaciones en primarias, si utilizan
principalmente datos primarios, y en bibliogrficas, si utilizan principalmente datos secundarios, por
cuanto la fuente de los datos secundarios se halla en material publicado (libros, revistas, etc.). En la
prctica, si bien muchas investigaciones se centran en los datos primarios, pueden tambin utilizar datos
secundarios. Es el caso del mdico que adems de obtener datos a partir de sntomas y signos (datos
primarios), los obtiene a partir de informes de laboratorio clnicos o de comunicaciones de familiares
(datos secundarios).

Pgina 117 de 325
117

6. CONCLUSIONES

El propsito principal de de la exposicin de diversas clasificaciones de las investigaciones es el de
proveer un marco de referencia para tipificar una investigacin en particular, sea que ya est realizada,
sea que deba an realizarse. As, por ejemplo, una determinada investigacin puede ser tipificada como
pura, explicativa terica y primaria, si lo que busca es: a) realizar un estudio sobre conocimiento bsico,
b) suministrar pruebas de vnculos causales, c) elaborar una teora sobre el tema elegido y d) basarse
principalmente en datos obtenidos directamente de la realidad en vez de consultar informacin
secundaria.

Pura Exploratoria Emprica Primaria
Bibliogrfica
1
2
Terica Primaria
Bibliogrfica
3
4
Descriptiva Emprica Primaria
Bibliogrfica
5
6
Terica Primaria
Bibliogrfica
7
8
Correlacional Emprica Primaria
Bibliogrfica
9
10
Terica Primaria
Bibliogrfica
11
12
Explicativa Emprica Primaria
Bibliogrfica
13
14
Terica Primaria
Bibliogrfica
15
16
Aplicada Exploratoria Emprica Primaria
Bibliogrfica
17
18
Terica Primaria
Bibliogrfica
19
20
Descriptiva Emprica Primaria
Bibliogrfica
21
22
Terica Primaria
Bibliogrfica
23
24
Correlacional Emprica Primaria
Bibliogrfica
25
26
Terica Primaria
Bibliogrfica
27
28
Explicativa Emprica Primaria
Bibliogrfica
29
30
Terica Primaria
Bibliogrfica
31
32

El esquema intenta ordenar 32 tipos de investigacin combinando algunos de los criterios de clasificacin
propuestos. En el mismo no se ha considerado el criterio que las clasifica como cualitativas y
cuantitativas, principalmente porque en rigor toda investigacin tiene en mayor o menor medida algo de
ambos aspectos. Por ejemplo, en las investigaciones exploratorias tiende a predominar el aspecto
cualitativo, y en las investigaciones correlacionales o explicativas el aspecto cuantitativo.
Debe tenerse presente, por ltimo, que estos tipos de investigacin no suelen encontrarse en la prctica
en estado puro: una investigacin tpica no suele solamente primaria y emprica sino tambin
bibliogrfica y terica, por cuanto es habitual que est precedida por una revisin de la literatura y pueda
incluir alguna consideracin acerca de la teora de base. Si fue clasificada como primaria y emprica es al
solo efecto de destacar que tales fueron sus propsitos principales.

Pgina 118 de 325
118
CAPTULO 8: CAUSALIDAD Y EXPERIMENTO

Antes de comenzar a describir las etapas de la investigacin tpica que constituyen la esencia de la
metodologa de la investigacin, ser conveniente incursionar brevemente en los conceptos de causalidad
y experimento para comprender mejor el resto del libro.
Tpicamente el experimento es el dispositivo creado por el investigador para probar una relacin causal y
cabe enmarcarlo, en ese sentido, dentro de una investigacin explicativa. En el presente captulo se
enfocar la causalidad desde un punto de vista ms metodolgico que epistemolgico, es decir,
atendiendo a las maniobras que realiza el investigador para probar la causalidad y no al concepto de
causalidad en s tal como es utilizado en tanto referente terico de la actividad cientfica. Se har tambin
una breve resea histrica de los mtodos de Stuart Mill, importante antecedente de las actuales
concepciones de causalidad y experimento.

1. CAUSA Y CAUSALIDAD

Unicausalidad y policausalidad

Respecto de la causalidad se pueden sustentar tres posiciones distintas: a) todo fenmeno tiene una
sola causa (principio de unicausalidad); b) algunos fenmenos se deben a una sola causa, pero otros a
varias; y c) todo fenmeno obedece a muchas causas (principio de policausalidad).
El sentido comn sostiene habitualmente la primera postura. En la vida cotidiana las personas suelen
basarse en este supuesto cuando afirman o creen en enunciados tales como "coma manzanas y
adelgazar", o "si estoy enojado se debe simplemente a que usted me hizo enojar", etc., o bien "no
aprob el examen porque el profesor se ensa conmigo". Si las personas se mantienen en esta ilusin
de la nica causa se debe probablemente a que, entre otras razones, en la fantasa podrn controlar la
ocurrencia o la no ocurrencia de los acontecimientos dominando un solo factor, o sea de la forma ms
sencilla. Si alguien piensa que se resfri simplemente porque se desabrig, podr supuestamente
controlar el resfro abrigndose bien.
La psicologa conoce bien esta tendencia. De Vega refiere que el hombre de la calle utiliza un principio
de parsimonia intuitivo cuando busca explicaciones causales a los fenmenos. Tendemos a
sobreestimar el valor de las atribuciones unicausales, a conformarnos con una sola causa plausible,
minimizando otras causas concurrentes (De Vega, 1984).

El principio de unicausalidad es utilizado tambin tendenciosamente para manipular la opinin pblica y
difundir informacin falsa. Cierto ministerio argentino sugiere la idea que diversas afecciones tumorales y
cardacas estn causadas por el cigarrillo. Hace ya mucho tiempo que la ciencia abandon la idea de la causa
nica. Ningn fenmeno, por ms sencillo que sea, tiene una sola causa. En las afecciones indicadas
intervienen gran cantidad de factores que, cuando se dan juntos, producen la enfermedad. Por lo tanto, esta
ocurre cuando la persona fuma, tiene una cierta disposicin gentica a contraer cncer, cuando tiene altos
niveles de colesterol, sobrepeso o estrs, entre otros. Esto explica porqu personas que no son fumadores
activos ni pasivos tienen cncer, y personas que fumaron siempre no contraen cncer.
Es probable que la no referencia al estrs, al smog ni al sobrepeso se deba a que el mismo Estado es en parte
responsable del estrs de los ciudadanos y del smog circulante, y a que algunos funcionarios encargados de
planificar estrategias preventivas padecen ellos mismos de sobrepeso. En suma: el cigarrillo parece cargar con
toda la culpa de cnceres e infartos quedando en la penumbra los dems factores indicados, con lo cual queda
desvirtuada la realidad de las cosas.

Sin embargo, cuando se empieza a advertir que las cosas no son tan sencillas se comienza a sostener
insensiblemente la segunda postura, pero la tercera posicin ya es sustentada por la actitud cientfica.
Aos de investigaciones ensean que la realidad es bastante ms compleja de lo que se supone y que
cualquier fenmeno, por simple y anodino que parezca, obedece a muchas causas que actan
conjuntamente para producirlo. Se podra pensar que la rotura de un vidrio tiene una sola causa: la
piedra arrojada contra l. Este acontecimiento obedece sin embargo a muchas razones que intervienen
simultneamente: el arrojar la piedra, su dureza, su trayectoria, su velocidad, la fragilidad del vidrio, el
propio instinto de agresin, etc. etc. Conoc un nio que habiendo roto una ventana, se justific diciendo
"qu culpa tengo yo si el vidrio es frgil". Podra tambin haber dicho, apelando a otra posible causa,
"qu culpa tengo yo si el vidrio se interpuso en la trayectoria de la piedra".
En suma: si se pretende ser un poco objetivo, debe admitirse que la realidad es compleja y aceptar que
un fenmeno responde a una multiplicidad de causas que, actuando conjuntamente, producirn el
fenmeno en cuestin. Pero, debido a que tampoco conocemos todas las causas que lo producen, slo
podremos decir que la intervencin de las causas conocidas simplemente aumenta mucho la
probabilidad de que el fenmeno ocurra.
Cabe, por ltimo, una pregunta: si los cientficos aceptan el principio de policausalidad, porqu muchas
investigaciones cientficas consideran slo una causa? Es posible citar dos razones importantes: a) es
imposible poner a prueba simultneamente todas las causas posibles (entre otras cosas porque se
desconocen), por lo que el cientfico decide probar uno por uno cada factor causal en investigaciones
separadas e independientes; b) al cientfico suelen interesarle, por razones prcticas, slo ciertos factores

Pgina 119 de 325
119
causales y en ocasiones uno solo. Sostena Freud (1915) que en la causacin de la neurosis intervienen
varias causas, como los factores constitucionales heredados y los conflictos sexuales infantiles. Freud, sin
embargo, se centr en este ltimo factor, porque ese era su inters, aunque, por lo dems, poco poda
estudiarse sobre el factor constitucional en aquel entonces.

Si bien los cientficos suponen el principio de causalidad mltiple, intimamente anhelan a buscar una
nica causa y, en el caso de los fsicos, una nica frmula que permita explicar el todo. Newton unific la
mecnica terrestre con la mecnica celeste creando su mecnica clsica. Maxwell unific la electricidad y
el magnetismo en su teora del electromagnetismo, aunque no pudo resumirlo en una sola frmula sino
en cuatro. Einstein unific la teora de la gravedad de Newton y su propia teora sobre la velocidad de la
luz en su teora general de la relatividad o teora del espacio-tiempo, y hasta el final de sus das intent
unirla a su vez con el electrognetismo con la esperanza que lograr la frmula que lo explicase todo, pero
no lo logr.
De todas maneras tampoco lo iba a explicar todo porque an quedaba por incluir esa realidad subatmica
infinitamente pequea de la que daba cuenta la teora cuntica, que siempre Einstein ignor
olmpicamente porque no tena nada que ver con su visin determinista del universo.
El estudio de las realidades infinitamente pequeas como las fuerzas nucleares fuertes y dbiles mostr
que la gravedad misma no era una fuerza tan intensa: si un objeto cae desde un dcimo piso no sigue
cayendo hasta el centro de la tierra porque lo detendr un pavimento, compuesto por tomos unidos por
fuerzas nucleares fuertes y dbiles, que, entonces, son capaces de detener la fuerza gravitacional.
Hoy en da los fsicos buscan todava una teora que lo unifique todo: la relatividad general y la mecnica
cuntica o, si se quiere, una frmula que sintetice las cuatro fuerzas fundamentales de la naturaleza: la
fuerza nuclear fuerte, la fuerza nuclear dbil, el electromagnetismo y la gravedad, y parece que un
candidato potable es la teora de las cuerdas, supuestamente elaborada por fsicos igualmente cuerdos.
Segn esta teora toda la realidad, desde las mnimas partculas terrestres hasta las estrellas ms
lejanas, estn compuestas del mismo material: cuerdas increblemente pequeas que vibran de
diferentes maneras, diferencias que dan lugar a los distintos tipos de partculas hasta ahora descubiertas
por los fsicos.

Hacia una definicin de causa

Dentro de este principio de policausalidad es posible ahora intentar una definicin de causa en los
siguientes trminos.
Segn el supuesto de la policausalidad, un efecto es producido por varias causas. Las causas que
determinan aprobar un examen son varias: haber estudiado, no estar nervioso, un profesor tolerante,
etc. Esquemticamente, X representan las causas, e Y el efecto:



Indudablemente que estudiar es una condicin necesaria, pero an no es suficiente para aprobar, pues
puede ocurrir que los nervios nos traicionen o el profesor sea muy exigente. Otro tanto podemos decir
de los otros factores: tener un profesor tolerante es condicin necesaria pero no suficiente, pues
adems debemos haber estudiado y no estar nerviosos. Del mismo modo, la sola intervencin del factor
tranquilidad, si bien necesario, no alcanza a ser suficiente por los mismos motivos anteriores. Nuestra
primera conclusin es entonces esta: cada uno de los factores causales, considerados en forma
independiente, son una condicin necesaria pero no suficiente.
Sin embargo, si ahora en vez de considerarlos independientemente los consideramos conjuntamente,
las cosas cambian, porque si todos esos factores se dan juntos entonces aprobamos el examen. Todos
ellos juntos son entonces una condicin suficiente, lo que nos lleva a nuestra segunda conclusin: si
consideramos a los factores causales conjuntamente, funcionan como condicin suficiente. De todo lo
dicho se desprende que una condicin suficiente es el conjunto de todas las condiciones necesarias.
En general, por causa entenderemos toda condicin necesaria y suficiente para que ocurra un
fenmeno. Condicin necesaria es aquella que si no est, el efecto no se produce. Estudiar es condicin
necesaria porque si no estudiamos, no aprobamos. Del mismo modo cierta capacidad mental es
condicin necesaria para el aprendizaje (una piedra no puede aprender), y tambin es condicin
necesaria para ser drogadicto haber tenido alguna experiencia con drogas.
En cambio una condicin suficiente es aquella que si est, el fenmeno se produce. Condicin suficiente
es la suma de estudiar, estar tranquilo y tener un profesor tolerante, pues si se dan estos tres factores
Tranquilidad (X) Aprobar (Y)
Haber estudiado (X)
Profesor tolerante (X)

Pgina 120 de 325
120
aprobamos. Podemos decir tambin que una condicin suficiente para la ceguera es la destruccin del
nervio ptico, o que un conflicto grupal es condicin suficiente para su bajo rendimiento.
En la investigacin cientfica, las condiciones necesarias son importantes porque permiten excluir
factores irrelevantes, y las condiciones suficientes porque permiten incluirlos.
Selltiz, Wrightsman, Deutsch, y Cook (1980) dicen que en la prctica es, sin embargo, muy difcil
encontrar condiciones necesarias y suficientes: la destruccin del nervio ptico no es la nica condicin
necesaria y suficiente para la ceguera, pues sta puede existir an cuando no se haya destruido dicho
nervio, o sea, puede haber otras condiciones distintas que produzcan este efecto. Por ello el cientfico
debe buscar una constelacin de otras posibles causas (adems de la necesaria y suficiente), y que
suelen clasificarse como condiciones contribuyentes, contingentes y alternativas. Veamos un ejemplo,
tomado de los autores mencionados
Es condicin necesaria y suficiente de la drogadiccin el hecho de no poder el sujeto suspender
voluntariamente el consumo de drogas: si no puede suspender este consumo el sujeto es drogadicto,
pero nadie que investigue sobre las causas de la drogadiccin se puede conformar con esta nica
explicacin. Buscar entonces causas contribuyentes (ausencia de padre), contingentes (el habitual
consumo de drogas en el barrio), y alternativas (presencia de un padre hostil).
Condicin contribuyente es aquella que aumenta las probabilidades de ocurrencia del fenmeno, pero no
lo hace seguro. La ausencia de padre aumenta las probabilidades que el adolescente sea drogadicto.
Sin embargo, esta condicin contribuyente podr funcionar efectivamente como causa siempre y cuando
en el barrio el consumo de droga sea habitual (condicin contingente). Y as, una condicin contingente
es una situacin especial en la cual la condicin contribuyente puede realmente actuar como causa. En
suma: en las vecindades donde el uso de drogas est generalizado (condicin contingente), la ausencia
del padre del adolescente (condicin contribuyente), contribuye o ayuda a aumentar las probabilidades
de que el muchacho sea drogadicto. Decimos que aumenta su probabilidad pero no lo hace 100%
seguro, porque adems el sujeto debe no poder desprenderse voluntariamente de su hbito (condicin
suficiente).
La condicin contribuyente (ausencia del padre) tiene una condicin alternativa (presencia de un padre
que trata en forma hostil o indiferente al sujeto). En rigor esta ltima es tambin una condicin
contribuyente en tanto tambin aumenta la probabilidad que el hijo sea drogadicto. Lo que interesa
entonces destacar ac, segn nuestro parecer, es que si una condicin contribuyente tiene alguna
condicin alternativa que es tambin capaz de producir el fenmeno, entonces aumentan an ms las
probabilidades de que este ocurra pues ambas condiciones cubrieron todo o casi todo el espectro de
posibilidades de la situacin del padre.

Requisitos de causalidad

En toda investigacin explicativa lo que se hace es una prueba de causalidad, y para poder probar que
realmente la relacin X-Y es causal deben cumplirse obligatoriamente tres requisitos:
1) Variacin concomitante (correlacin).- X (causa) e Y (efecto) deben variar conjunta o
concomitantemente. Sin embargo, hay muchas situaciones donde dos variables aparecen
estadsticamente correlacionadas, pero que sin embargo, carecen de todo vnculo causal. Por ejemplo,
pues puede ocurrir que X e Y varen en el mismo sentido slo porque son ambas efectos de una causa
desconocida Z.
Evidentemente puede haber una alta correlacin entre el hecho de que un profesor comience una clase
a las 20 horas y otro, en la misma aula, lo haga a las 22 horas, pero ello no significa que la primera
situacin sea la causa de la otra. En estos casos, ambas variables dependen de una tercera, que es la
organizacin horaria de la universidad.
De la misma manera, hay una alta correlacin entre los hechos amanece en Buenos Aires y amanece
en Chile, ya que cada vez que amanece en Buenos Aires, poco despus tambin amanece en Chile. Sin
embargo, nadie se animara a decir que lo primero es la causa de lo segundo. La tercera variable de la
cual dependen ambas es, en este caso, la rotacin de la tierra.
Existe cierta tendencia muy humana a considerar que las simples correlaciones estadsticas indican una
relacin causal. Antiguamente, se pensaba que cuando ocurran ciertos fenmenos como un viento que
soplaba del este, el resultado era que a los nueve meses se produca el nacimiento de un hijo, ya que se
haba atendido a la correlacin viento-nacimiento. Obviamente se trata este de un caso de correlacin
sin causalidad, ya que el viento, si bien poda estar asociado por un nacimiento, nadie hoy en da dira
que el viento es la causa del mismo. Y es que a nadie se le haba ocurrido por entonces relacionar el
coito con el nacimiento: hoy sabemos que la relacin coito-nacimiento no slo es una correlacin sino
que adems tambin es un vnculo causal.

Alternativamente, puede ocurrir que X e Y no aparezcan en un primer momento correlacionadas, pero ello no
significa que no estn conectadas causalmente, ya que otras variables que no podemos controlar en ese
momento pueden estar distorsionando la correlacin subyacente (como por ejemplo errores de medicin). Estas
situaciones especiales no deben hacernos pensar que puede haber causalidad sin correlacin: all donde hay
causalidad siempre ha de haber correlacin, aunque sta pueda aparecer encubierta.


Pgina 121 de 325
121
La existencia de una correlacin (encubierta o no) es condicin necesaria para que hay un vnculo
causal, pero an no suficiente, porque adems deben cumplirse los restantes dos requisitos.
2) Ordenamiento temporal.- Para que X sea causa de Y es preciso que la causa X ocurra
cronolgicamente antes que el efecto Y, o por lo menos simultneamente con l. No se rompe primero
el vidrio y despus tiramos la piedra. Robert Koch, bacterilogo alemn, bromeaba con que haba un
solo caso donde la causa sigue al efecto, y es cuando el mdico va detrs del fretro de su paciente.
3) Eliminacin de otros posibles factores causales.- Para que X sea causa de Y es preciso haber
constatado que no hay otras causas ejerciendo influencia sobre el efecto Y. Si la tarea de establecer la
correlacin era propia de una investigacin descriptiva, el trabajo de eliminar la influencia de otros
posibles factores causales es ya lo ms caracterstico de una investigacin explicativa. En este contexto,
los experimentos son los dispositivos ms aptos para ejercer un control sobre las variables extraas.

2. EL EXPERIMENTO

Definicin

En un sentido amplio, es toda modificacin introducida deliberadamente en la realidad con el fin de
examinar sus efectos o consecuencias. Ejemplo: cuando un nio intenta averiguar si su llanto atrae a su
mam, est realizando un experimento. Un tipo especial de experimento es el experimento cientfico,
donde se manipula una variable con el fin de examinar sus efectos en otra variable
Clsicamente, un experimento es un dispositivo para probar un vnculo causal, para lo cual: a) el
investigador hace intervenir deliberadamente la posible causa (variable independiente) para ver si
influye sobre el efecto (variable dependiente), y b) al mismo tiempo controla la incidencia de otras
posibles causas (variables extraas). Si estas otras causas no influyen o estn controladas, entonces
aumenta la presuncin de que lo que hizo variar el efecto fue la nica causa que se hizo intervenir
deliberadamente. En suma: un experimento es una situacin provocada y controlada.
Oneil (1968) da una excelente definicin de experimento cuando dice que es un modelo particular de
variacin y constancia, es decir, en todo experimento se hace variar X para ver cmo vara Y, mientras
se mantienen constantes todos los otros posibles factores extraos.

La investigacin explicativa puede denominarse, segn Hyman, terica o experimental. Este autor parece
considerar como sinnimos ambos trminos, pero a nuestro criterio cabe hacer una diferencia: en la investigacin
experimental buscamos confrontar una hiptesis con la realidad, mientras que en la investigacin terica
buscamos confrontar hiptesis entre s.
Segn el mismo autor (1984:100), adems del propsito terico o experimental, una investigacin explicativa
puede apuntar a objetivos ms prcticos, de aqu que tambin existan, de acuerdo a denominaciones de Hyman,
estudios explicativos de diagnstico, de prediccin, y de evaluacin o programticos. En este texto centraremos
nuestra atencin en la tarea principal: la prueba de la hiptesis causal.
En otro orden de cosas, si bien lo que caracteriza la investigacin cientfica es la identificacin de las causas de
los fenmenos, en nuestras investigaciones cotidianas no cientficas- muchas veces no nos tomamos esta
molestia. De hecho, podemos resolver muchos problemas sin conocer las causas que los ocasionan, como por
ejemplo: a) Golpeamos duramente el telfono y anda!!!; b) Reemplazamos un electrodomstico que no anda
por otro que s funciona; c) Si la PC anda mal muchos tcnicos ni se preocupan por averiguar la causa:
directamente formatean el disco rgido y reinstalan todos los programas. Estas actitudes son tambin observables
en los mbitos que suponemos cientficos: la esquizofrenia o la epilepsia puede curarse con un electroshock, lo
que no presenta gran diferencia con arreglar un telfono golpendolo.

Campbell y Stanley (1995:9) definen un experimento como aquella "parte de la investigacin en la cual
se manipulan ciertas variables [llamadas variables experimentales] y se observan sus efectos sobre otras
[llamadas variables dependientes]". En todo experimento se debe tomar la precaucin de que sobre la
variable dependiente no influya ningn otro factor (que los autores llaman variable externa), para poder
estar razonablemente seguros que el efecto producido se debe a la variable experimental. Finalmente, se
tomarn ciertos otros recaudos que aseguren que los resultados del experimento podrn generalizarse a
toda la poblacin.
Consiguientemente, los tres tipos de variables involucradas en un experimento son:
a) Variable experimental: Variable que se manipula para conocer cuales son sus efectos sobre otra.
Campbell y Stanley tambin suelen referirse a ella con el nombre de estmulo experimental, y se la
designa con la letra X.
b) Variable dependiente: Variable sobre la cual supuestamente influye la variable experimental, y suele
designrsela con la letra Y. Campbell y Stanley no utilizan estas denominaciones, y suelen referirse a las
variables dependientes como los 'efectos' que se observan o miden (por ello las designan con la letra O,
que indica un proceso particular de observacin o medicin).
Por ejemplo, cuando los autores mencionados esquematizan un diseo en la forma O1--X--O2, estn
queriendo decir que primero se observa o mide la variable dependiente (O1), luego se aplica el estmulo
experimental (X), y finalmente se observa o mide si hubo o no algn cambio en la variable dependiente
(O2).
c) Variable externa: Variable que, de no ser controlada en el experimento, podra generar efectos que se
confundiran con el del estmulo experimental (Campbell y Stanley, 1995:17). Campbell y Stanley suelen

Pgina 122 de 325
122
tambin referirse a ellas con el nombre de hiptesis rivales (Campbell y Stanley, 1995:20), mientras que
otros autores como Selltiz y otros (1965) las llaman hiptesis alternativas. Algunos autores (Arnau Gras
J, 1980) llaman a las variables externas, variables 'extraas', que es la denominacin que se utilizar
preferentemente en este libro.
Mediante un breve ejemplo se puede ilustrar el papel de las variables experimentales, dependientes y
extraas. Si quisiramos hacer un experimento para probar cierto mtodo educacional correctivo,
podramos aplicarlo a un grupo de alumnos durante un tiempo, y luego observar y medir la mejora
producida. Sin embargo, puede ocurrir que la mejora no obedezca al mtodo correctivo empleado, sino
a un factor de maduracin que hizo que durante el tiempo que dur la experiencia los alumnos hicieron
una remisin espontnea de sus dificultades escolares. La hiptesis que sostiene que la mejora obedece
a una remisin espontnea se convierte as en una hiptesis rival que compite con la hiptesis de
investigacin (que dice que la mejora es debida al mtodo correctivo).
En este ejemplo, la variable experimental es el mtodo correctivo, la variable dependiente es la mejora
de los alumnos, y la variable externa es la maduracin. Se hace preciso controlar la influencia de esta
ltima variable, porque de otro modo no podramos saber si la mejora obedeci a ella o al mtodo
correctivo.
Tngase presente entonces, que la variable independiente (VI) se manipula, la variable dependiente
(VD) se mide, y la variable extraa o externa (VE) se controla. Son tres operaciones diferentes: cuando
se manipula la VI se ha hace variar a voluntad del investigador, y para ver si produce algn efecto sobre
la VD, esta deber ser medida. Al mismo tiempo, se procurar anular la influencia de las VE, es decir, se
las controlar.

Medicin de la variable dependiente

En algunos experimentos la variable dependiente se mide antes y despus de la aplicacin de la variable
independiente, para constatar si hubo alguna variacin en ella. En otros, se mide solamente despus. En
un sentido muy amplio, las variables independientes tambin se miden, entendiendo medicin como
asignacin de una categora. Precisamente cada categora de la variable independiente suele
denominrsela tratamiento experimental.

Manipulacin de la variable independiente

Hay dos formas de manipular la variable independiente: cuando el investigador provoca la variacin de la
variable est haciendo una manipulacin de facto, mientras que cuando selecciona variaciones ya
producidas naturalmente est haciendo una manipulacin ex post facto, expresin latina que significa
"despus de ocurrido el hecho". Esta terminologa se propone en este libro. Muchas veces la VI se
manipula ex post facto por existir cuestiones prcticas o ticas que impiden la manipulacin de facto.
Tambin depende del tipo de investigacin experimental emprendido: en las investigaciones de
laboratorio se realizan manipulaciones de facto, mientras que en las investigaciones de campo pueden
realizarse ambos tipos de manipulacin.
Ejemplo 1) Para estudiar la incidencia del estado civil de los padres en la condicin de drogadiccin filial,
se seleccionan de la poblacin dos grupos: uno de padres casados y otro de padres divorciados. Se trata
de una manipulacin ex post facto, porque los padres ya estaban casados o divorciados antes del estudio.
Si hipotticamente se hubiera realizado una manipulacin de facto, el investigador habra pedido a ciertos
padres que se divorciaran para ver la incidencia de este estado civil en la drogadiccin de los hijos.
Ntese la diferencia: en el segundo caso se ha "provocado" deliberadamente el divorcio, mientras que en
el primero se han "seleccionado" casos de divorcio ya ocurridos naturalmente.
Ejemplo 2) La indagacin de la relacin ruido-hipoacusia puede llevarse a cabo como investigacin de
campo o como investigacin de laboratorio. En este ltimo caso se lleva a los sujetos a un lugar especial
-el laboratorio- y un grupo es expuesto a los ruidos y el otro no (manipulacin de facto). En la
investigacin de campo, en cambio, los ruidos o los no-ruidos ya estn en los lugares naturales donde la
gente vive (manipulacin ex post facto), con lo cual bastar con seleccionar el grupo experimental en la
poblacin con ambiente ruidoso, y el grupo de control en la poblacin de entorno ms silencioso.
Ejemplo 3) Como tercer ejemplo se pueden mencionar investigaciones que indagan la influencia del
mtodo de aprendizaje de lectoescritura (variable independiente) sobre el rendimiento del alumno en
lectoescritura (variable dependiente). Concretamente, se trata de averiguar si es ms eficaz el mtodo
silbico o el mtodo global, eficacia medible a partir de los respectivos rendimientos de los alumnos.
Una investigacin como la descrita puede realizarse, de dos maneras: a) Manipulacin ex post facto: se
seleccionan alumnos o ex-alumnos de escuelas donde ya se hayan implementado los mtodo silbico y
global, y se procede a comparar los respectivos rendimientos. b) Manipulacin de facto: se seleccionan
dos escuelas y se les propone aplicar, desde el comienzo del ciclo lectivo, una el mtodo silbico y otra el
mtodo global, y despus de uno o dos aos se analizan los rendimientos de los alumnos en cada una de
esas instituciones educativas.
A este ltimo tipo de manipulacin pueden oponrsele objeciones de tipo tico, porque se est
exponiendo a la poblacin de una de las escuelas a un mtodo que considerado ineficaz y por ende
perjudicial para los propsitos educativos.

Pgina 123 de 325
123
Ejemplo 4) Un ejemplo de manipulacin de facto en una investigacin de campo ocurri durante el
"experimento" llevado a cabo por Orson Welles (aunque su intencin no haya sido hacer una
investigacin sino lograr un efecto espectacular), cuando un buen da se le ocurri transmitir por la radio
una falsa noticia: estaban descendiendo platillos voladores en las afueras de la ciudad, y los
extraterrestres se acercaban amenazantes para invadir el planeta. Durante mucho tiempo se coment el
descomunal efecto que produjo en la gente, que huy despavorida y hubo incluso algunos suicidios. Se
trata de un ejemplo donde la manipulacin de la variable independiente (invasin extraterrestre) fue
ejercida de facto, es decir, se provoc su presencia deliberadamente, y termin ejerciendo su influencia
sobre la variable dependiente (conducta de la poblacin) en la forma indicada.

Grupo experimental y grupo de control

Muchos experimentos comparan dos grupos. Una vez extrada una muestra de una poblacin, dentro de
la misma se seleccionan al azar dos grupos: el grupo experimental y el grupo de control. Se llama grupo
experimental al que se somete a la influencia del posible factor causal que interesa (X), o sea a la
influencia de la variable independiente o experimental, y se llama grupo de control a cualquier otro grupo
usado como referencia para hacer comparaciones. Habitualmente los grupos de control son aquellos a los
que no se somete a la influencia del posible factor causal. Ejemplo: a los efectos de investigar el estrs,
el grupo experimental es el sometido a distintas intensidades de ruidos, y el grupo de control no. Otra
posibilidad sera que a los diferentes grupos se los sometiera a diferentes intensidades de sonidos, en
cuyo caso todos seran experimentales porque recibiran la influencia de X, pero al mismo tiempo seran
grupos de control porque permitiran establecer comparaciones.
Por ltimo, hay investigaciones donde se utiliza un solo grupo. En estos casos, este grupo funcionar
como grupo experimental cuando recibe la influencia de X, y en otro instante de tiempo funcionar como
grupo de control cuando no recibe esa influencia.

Experimento y no experimento

Un experimento implica siempre en mayor o menor medida crear una situacin controlada, donde
mantenemos constantes ciertos factores y hacemos variar otros. Pero a veces, para probar una
hiptesis, no podemos recrear una tal situacin, y debemos esperar a que ocurra espontneamente.
Esto se aplicara por ejemplo en el caso de querer verificar la hiptesis de la periodicidad de las
manchas solares o de los eclipses, en cuyo caso no tenemos otro remedio que esperar una determinada
fecha para ver si se producen o no, y para colmo tampoco se pueden mantener constantes todos los
otros posibles factores extraos.
En cambio si lo que se quiere es verificar la temperatura de ebullicin del agua, aqu s se puede crear
una situacin donde se pone a hervir agua y se comprueba con un termmetro a qu temperatura se
transformar el vapor, manteniendo al mismo tiempo constantes otros factores como presin
atmosfrica, cantidad de solutos disueltos, etc. Esta ltima es, entonces, una investigacin claramente
experimental, mientras que el caso anterior del eclipse corresponde a una investigacin no
experimental.

Limitaciones del experimento

En las investigaciones no experimentales debe esperarse a que ocurra el fenmeno para luego
estudiarlo, y por ello se las llama tambin investigaciones ex-post-facto (despus de ocurrido el hecho).
No es costumbre provocar la drogadiccin para estudiar luego sus consecuencias, as como tampoco se
suele provocar un plenilunio (luna llena) para ver cmo influye sobre el comportamiento criminal de las
personas, con lo cual en estos dos ltimos casos no puede emplearse un experimento.
Realizar experimentos en ciencias sociales presenta algunas dificultades especiales: a) experimentar con
seres humanos suele tener una limitacin tica. La alternativa podra ser encarnizarse con animales no
humanos, pero aqu surge otra dificultad: puede desconocerse hasta qu punto las conclusiones
obtenidas sobre animales son extensibles a los seres humanos. De hecho este problema se presenta
an en ciencias biolgicas, cuando se investigan nuevas drogas para curar enfermedades; b) el ser
humano es particularmente complejo, y por lo tanto puede resultar problemtico que un experimento
pueda controlar una mayor cantidad de variables extraas.

Experimento y diseo experimental

El diseo experimental es un plan general para hacer un experimento, de la misma manera que el plano
de una casa es un plan para construirla. Oneil (1968) define experimento como un modelo particular de
variacin y constancia, definicin aplicable tambin al diseo experimental. Es particular porque se
aplica a una muestra concreta, no a toda la poblacin, con lo cual luego deber resolverse si las
conclusiones obtenidas para la muestra son igualmente aplicables a toda la poblacin, tarea que
competer a la estadstica inferencial.

Pgina 124 de 325
124
Tambin es un modelo de variacin, porque el experimento consiste en hacer variar la variable
independiente X para ver si tambin vara la variable dependiente Y. Es tambin un modelo de
constancia porque al mismo tiempo que se hace variar las variables principales se deben controlar la
influencia de las variables extraas, lo que puede hacerse mantenindolas en valores constantes.

Validez interna y validez externa del experimento

Es posible probar dentro de los estrechos lmites del laboratorio que el ruido produce estrs (validez
interna), pero, la conclusin es aplicable a todas las otras personas que no participaron del
experimento (validez externa)?
Siguiendo cierta nomenclatura clsica, se dice que un experimento tiene "validez interna" cuando puede
probar, con cierto margen de confiabilidad, que X es la causa de Y, y que el efecto Y no obedece a otros
factores tales como el azar o la influencia de variables extraas. Asimismo, se dice que un experimento
tiene "validez externa" cuando sus resultados pueden, tambin con cierto margen de confiabilidad,
generalizarse a toda la poblacin, es decir, cuando hay una cierta seguridad que durante el experimento
no estn ejerciendo influencia ciertos factores que, se supone, tampoco actan en la poblacin. Validez
externa es, entonces, sinnimo de representatividad de la muestra experimental, y su importancia reside
en que la representatividad permite la generalizacin y sta, a su vez, aumenta la capacidad predictiva
de la hiptesis.

En los trminos de Campbell y Stanley, la validez interna es la "mnima imprescindible, sin la cual es imposible
interpretar el modelo: introducan, en realidad, una diferencia los tratamientos empricos en este caso
experimental concreto?. [Por su parte], la validez externa "plantea el interrogante de la posibilidad de
generalizacin: a qu poblaciones, situaciones, variables de tratamiento y variables de medicin puede
generalizarse este efecto?" (Campbell y Stanley, 1995:16). Por consiguiente, de acuerdo a Campbell y Stanley las
variables 'externas' conciernen a la validez 'interna', aclaracin que hacemos para evitar que el lector se confunda
al respecto (razn por la cual se prefiere en este libro la denominacin variable extraa).

Arnau Gras indica que "el problema surge cuando se produce una incompatibilidad entre ambos tipos de
validez. En efecto, los controles que se utilizan para asegurar la validez interna tienden a comprometer
la validez externa, es decir, a medida que se aumentan las restricciones sobre la situacin experimental,
desfiguramos totalmente el contexto y limitamos automticamente la representatividad de la misma.
Esto llevar, sin duda, a preguntarse, en el caso que se hallen comprometidos los dos tipos de validez,
cul de los dos deber prevalecer. Segn Campbell (1957), la respuesta es clara: deber darse prioridad
a la validez interna. Siempre ser mejor para la ciencia conseguir probar hiptesis que sacrificarlas en
aras de generalizaciones vagas o imprecisas" (Arnau Gras J, 1980:350-352).
No obstante, debe tenerse presente que Campbell y Stanley siguen considerando como objetivos dignos
de alcanzar a los diseos ricos en una y otra validez. "As ocurre, particularmente, respecto de la
investigacin sobre mtodos de enseanza, donde el desidertum ser la generalizacin a situaciones
prcticas de carcter conocido" (Campbell y Stanley, 1995:17).
Finalmente, hasta qu punto pueden resolverse los problemas de la validez interna y la validez externa
en un diseo experimental? Al respecto, Campbell y Stanley sealan que mientras "los problemas de
validez interna son susceptibles de solucin dentro de los lmites de la lgica de la estadstica
probabilstica, los de validez externa no pueden resolverse en estricto rigor lgico en una forma ntida y
concluyente" (Campbell y Stanley, 1995:39), habida cuenta de que, como dijo Hume, 'la induccin o
generalizacin nunca tiene una plena justificacin lgica', es decir, los resultados del experimento no
pueden generalizarse concluyentemente a toda la poblacin.
Campbell y Stanley sugieren una solucin a este problema de validez externa, que consiste en procurar
la mxima similitud entre experimentos y condiciones de aplicacin (que sea compatible con la validez
interna), por cuanto la generalizacin resulta ms 'vlida' cuanto ms se asemeje la situacin
experimental y la situacin con respecto a la cual se desea generalizar. El fundamento de este
procedimiento se encuentra en la hiptesis de Mill acerca de la legalidad de la naturaleza, y que
Campbell y Stanley describen como el supuesto del 'aglutinamiento': "cuanto ms cercanos se hallan dos
acontecimientos en tiempo, espacio y valor..., ms tienden a ajustarse a las mismas leyes" (Campbell y
Stanley, 1995:40).

Las variables extraas

Cuando se intenta averiguar si X es la causa de Y casi siempre existe la sospecha de que hay otras
variables ajenas al experimento en s que pueden estar ejerciendo tambin influencia sobre Y, y
entonces podr ocurrir que Y vara por influencia de esas otras variables ajenas y no por X. Por lo tanto,
deben anularse al mximo estas influencias extraas para saber si realmente la variacin de Y se debe
o no a X. Si por caso el inters est en averiguar la influencia causal de la educacin (X) sobre la
inteligencia (Y), se procurar anular la influencia de variables extraas como por ejemplo la
alimentacin, pues cabe la sospecha que la inteligencia tambin depende de ella. Ntese que se trata de
una simple anulacin metodolgica pues no se est anulando la condicin causal de la alimentacin
como tal, sino slo su influencia (de hecho, los nios del experimento continan alimentndose).

Pgina 125 de 325
125
Las variables extraas tambin han sido denominadas variables de control, factores de prueba, etc. y ha
sido representada con diversos smbolos: con la letra t (Hyman, 1984:346), con la letra "z" (Blalock
(1982:26), etc., adaptndolas a contextos particulares.
Las variables extraas han sido clasificadas de diversas maneras, de las cuales se explicarn dos: a) las
variables pueden ser organsmicas y situacionales, segn dependan de los individuos o de la situacin, y
b) las variables extraas (Campbell y Stanley, 1995) pueden ser fuentes de invalidacin interna o
fuentes de invalidacin externa, segn estn afectando, respectivamente, la validez interna o la validez
externa.

a) Variables extraas organsmicas y situacionales.- Las variables organsmicas son factores que
dependen del sujeto mismo, tales como sus experiencias pasadas y los cambios debidos a la
maduracin o al desarrollo. Si se quiere indagar la influencia de los premios o castigos (X) sobre el
aprendizaje (Y), puede ocurrir que el sujeto aprenda mejor debido a sus cambios madurativos (variable
extraa) y no a los refuerzos, sobre todo si el experimento implica un seguimiento de nios muy
pequeos a lo largo de varios meses. Del mismo modo, si se quiere conocer la influencia del ruido (X)
sobre el estrs (Y), puede ocurrir que ciertos sujetos sean hipersensibles a los ruidos por alguna
experiencia traumtica o simplemente por factores constitucionales, y entonces revelen mayor nivel de
estrs debido a su hipersensibilidad (variable extraa).
Las variables situacionales son factores que dependen del ambiente. Al investigar cmo influye el ruido
sobre el estrs, puede ocurrir que los sujetos elegidos para el experimento habiten en un pas
econmicamente inestable, con lo cual el estrs se ver influenciado tambin por esta condicin
(variable extraa), con lo que se corre el riesgo de no saber si el estrs se debe al ruido o a la
inestabilidad econmica.
Un caso muy especial de variable situacional son las variables derivadas del experimento, ya que
muchas veces ocurre que es el mismo experimento quien influye sobre Y. Al investigar el vnculo ruido-
estrs puede ocurrir que el sujeto, al sentirse como una especie de conejillo de Indias, por ese solo
hecho aumente su nivel de estrs. Quizs estamos usando una amenazadora mquina para medir su
estrs y el individuo se estresa con slo mirarla, con lo cual no se podr saber si tal estrs se debe al
experimento mismo o a los ruidos. Esta influencia que puede ejercer la misma situacin experimental es
llamada accin retroactiva por Oneil, influencia de la pre-medida por Selltiz, efectos de las
mediciones previas segn Blalock, etc., pero todas esas denominaciones apuntan a la misma idea.

Un conocido ejemplo de influencia del experimento y que preocup durante mucho tiempo a los mdicos fue la
llamada hipertensin del guardapolvo blanco. Cuando el mdico intentaba tomarle la presin a una persona, la
sola presencia del galeno munido de un tensimetro bastaba para que la presin subiera espontneamente, con
lo cual el mdico nunca poda saber si la hipertensin era un signo patolgico o simplemente un momentneo
aumento de la presin ante la visin del guardapolvo blanco y el instrumento de medicin.
Otro ejemplo aparece en Blalock (1982). Un grupo de obreras aument su rendimiento laboral pero no debido a
que haba mayor iluminacin y horarios de descanso, como se pensaba, pues cuando estos factores se
suprimieron, el rendimiento no decay. Este se deba en realidad a que fueron separadas y aisladas para realizar
el experimento: esto las halag pues crean estar siendo objeto de un trato preferencial, y entonces aumentaron
su rendimiento.
Los factores debidos al experimento mismo no se ven slo en el mbito de las ciencias sociales: pueden
detectarse tambin en experimentos de microfsica cuando se trata de averiguar la causa de ciertas
caractersticas de las partculas subatmicas. Una de las interpretaciones del principio de incertidumbre de
Heisenberg dice que, cuando el fsico quiere observar la trayectoria de una partcula subatmica, su sola
presencia material hace que esa trayectoria se modifique, con lo cual nunca puede saber hasta qu punto
depende de su presencia fsica o de otro factor que en ese momento resulte importante investigar.

b) Factores de invalidacin interna y externa como variables extraas.- La validez interna queda
comprometida cuando en el experimento estn ejerciendo influencia ciertos factores llamados 'variables
extraas', adems de X. Por ello, estas variables extraas son denominadas 'fuentes de invalidacin
interna'. Se trata de factores que por s solos pueden "producir cambios susceptibles de confundirse con
los resultados de X" (Campbell y Stanley, 1995:38).
Del mismo modo, la validez externa queda comprometida cuando en el experimento estn ejerciendo
influencia ciertos otros factores, que, por ello, son denominados 'fuentes de invalidacin externa'. Estas
amenazas a la validez externa "pueden considerarse efectos de interaccin entre X y alguna otra
variable" (Campbell y Stanley, 1995:38) relacionada con la situacin experimental, con lo cual la
influencia que ejercen valen slo para el experimento, no para toda la poblacin.
El experimento ideal sera aquel que puede controlar la influencia de la totalidad de las fuentes de
invalidacin interna y externa. En la prctica, sin embargo, los diseos experimentales pueden controlar
slo algunas fuentes de invalidacin, y otras no. El esquema 2 muestra precisamente qu fuentes de
invalidacin interna y externa pueden ser controladas por cada diseo experimental (en este caso
aparece el signo ms +), y qu fuentes no pueden controlar (en este caso aparece el signo menos -).
Como puede observarse en el esquema, los diseos experimentales propiamente dichos son, en general,
los que mejor controlan las fuentes de invalidacin interna, porque han sido pensados precisamente para
ello. De hecho, son los diseos que ms recomiendan los autores del esquema (Campbell y Stanley,
1995:31).

Pgina 126 de 325
126
A continuacin se explicarn algunas de las ms corrientes fuentes o factores de invalidacin
mencionados por Campbell y Stanley. Los autores describen un total de 12 fuentes: las primeras 8 son
fuentes de invalidacin interna, y las ltimas 4 son fuentes de invalidacin externa (esquema 2).

1) Historia.- Acontecimientos especficos ocurridos entre la primera y la segunda medicin, adems de la
incidencia de la variable experimental (Campbell y Stanley, 1995:17). "Como es obvio, estas variables
suelen manifestarse con mayor frecuencia en experimentos a largo plazo" (Arnau Gras J, 1980:350-
352). La variable historia es la contrapartida de lo que en el laboratorio fsico y biolgico ha sido
denominado "aislamiento experimental" (Campbell y Stanley, 1995:79).

Un ejemplo de intervencin de la variable extraa historia puede ser el siguiente. Supngase que se quiere
saber si determinada droga produce o no una disminucin de un tumor. Supngase tambin que, en lugar de
elegir animales, para ello, se elige un grupo de personas y, antes de comenzar el experimento, se les mide el
tamao del tumor (esto es lo que Campbell y Stanley llamaran primera medicin). A continuacin se manipula
la variable independiente droga administrndoles a estas personas determinado medicamento. Luego de un
tiempo de dos meses, se pide a los sujetos que vuelvan al hospital para medirles nuevamente el tamao del
tumor (segunda medicin) para ver si aument, si disminuy o si sigue igual.
Supngase que los tumores hayan disminuido significativamente de tamao. En este punto, un investigador un
poco apresurado concluira que su droga surti efecto, pero, si fuese ms cuidadoso, considerara la posibilidad
de la intervencin de la variable extraa historia. En efecto, tal vez la disminucin del tumor no obedeci a la
droga (o solamente a ella), sino al hecho de que durante esos dos meses los pacientes iniciaron por propia
voluntad una dieta estricta, y que fue esta variable extraa la que en realidad produjo el efecto deseado.

2) Maduracin.- Procesos internos de los participantes, que operan como resultado del mero paso del
tiempo, y que incluyen el aumento de edad, el hambre, el cansancio y similares (Campbell y Stanley,
1995:17). El trmino abarca, entonces, "todos aquellos procesos biolgicos o psicolgicos que varan de
manera sistemtica con el correr del tiempo e independientemente de determinados acontecimientos
externos" (Campbell y Stanley, 1995:21).
3) Administracin de tests.- Influencia que ejerce la administracin de un test sobre los resultados de
otro posterior (Campbell y Stanley, 1995:17). "Las medidas tomadas de los sujetos o los tests
previamente suministrados, a fin de obtener datos para la posible formacin de grupos, pueden influir en
los resultados finales, independientemente de la accin del tratamiento" (Arnau Gras J, 1980:350-352).
4) Instrumentacin.- Cambios en los instrumentos de medicin o en los observadores o calificadores
participantes que pueden producir variaciones en las mediciones que se obtengan (Campbell y Stanley,
1995:17). La expresin se refiere entonces a "las variaciones autnomas en el instrumento de medicin
que podran ser la causa de una diferencia O1-O2" (Campbell y Stanley, 1995:24).
En un sentido muy amplio podran incluirse aqu los prejuicios de los mismos investigadores. Rollo May
(1990:25) describe un experimento realizado por Robert Rosenthal, de la Universidad de Harvard,
destinado a comprobar cmo influyen los prejuicios del investigador en los resultados de su experimento.
Para ello, seleccion tres grupos de estudiantes avanzados de la carrera de psicologa, informndoles que
habran de participar en un experimento con ratas que deban recorrer un laberinto.
Al primer grupo de estudiantes les inform que las ratas con las que trabajaran eran muy inteligentes, al
segundo grupo no les dijo nada sobre la inteligencia de las ratas, y al tercer grupo les advirti que sus
ratas eran especialmente tontas.
En realidad, todas las ratas eran aproximadamente iguales en cuanto a su capacidad, y a pesar de ello
los resultados del experimento fueron sorprendentes. Las ratas del primer grupo se desempearon en el
laberinto significativamente mejor que las dems, mientras que las del tercer grupo (supuestamente
tontas) fueron las de peor rendimiento, incluso con un mal desempeo realmente llamativo.
Rosenthal y sus colegas han repetido este experimento con muchas variantes, incluyendo pruebas donde
en vez de ratas se trabajaba con seres humanos. La conclusin fue entonces la siguiente: no hay duda
que el 'prejuicio', o la expectativa del experimentador influye en el rendimiento de los sujetos de prueba,
a pesar de haberse adoptado todos los recaudos necesarios para que los distintos experimentadores
dieran exactamente las mismas instrucciones a sus sujetos.
La pregunta que faltaba responder era: pero entonces, cmo se comunica la expectativa del
experimentador a las ratas u otros sujetos? Al parecer, concluye el equipo de Rosenthal, lo ms probable
es que sea mediante movimientos corporales. Rosenthal est ahora tratando de determinar qu
movimientos son esos y qu y cmo se comunica informacin a travs de los mismos. Para otros
pensadores, adems de los movimientos corporales influira tambin el tono y la inflexin de la voz, y el
lenguaje subliminal infinitamente matizado con el cual nos comunicamos sin saber que suele ser
significativo.
5) Regresin estadstica.- Opera all donde se han seleccionado los grupos sobre la base de sus puntajes
extremos (Campbell y Stanley, 1995:17). Estos puntajes extremos (sean muy altos o muy bajos) hacen
surgir una diferencia entre el pretest y el postest ms all de los efectos de la variable experimental,
diferencia adjudicable al fenmeno de la regresin estadstica.
El concepto de regresin fue planteado por Francis Galton (1822-1911) cuando observ que los hijos de
padres altos tienden a ser menos altos, y los hijos de padres bajos tienden a ser menos bajos que sus
progenitores. Es decir, la talla de los descendientes tiende hacia la estatura media de la poblacin,

Pgina 127 de 325
127
movimiento regresivo que Galton expres en su principio de regresin. Este autor atribuy el fenmeno
como una previsin de la naturaleza destinada a proteger la raza contra los extremos. Posteriormente,
Karl Pearson retom estas investigaciones ideando la ecuacin de regresin, que permite hacer
predicciones o estimaciones de una variable sobre la otra.
Arnau Gras explica esta fuente de invalidacin en los siguientes trminos (1980:350-352): supongamos
que se aplic un test de rendimiento, y se han seleccionado los sujetos con puntajes ms altos (por
ejemplo, superiores al centil 85). Si a estos sujetos, luego de la aplicacin de X, se les toma un segundo
test, la puntuacin media que obtendrn tender a desplazarse hacia la media de la poblacin original, o
sea, tendern a bajar.
Lo mismo hubiese sucedido si se elegan los puntajes ms bajos: en el segundo testo la media del grupo,
baja en el primer test, se desplazara hacia la media real de la poblacin, o sea, sera mayor en este
segundo test. Los efectos de regresin estadstica tienen como causas principales el azar, o bien, las
propias deficiencias de los instrumentos de medicin.
La regresin estadstica es una fuente de invalidacin, entonces, porque es una causa de la diferencia de
puntajes entre un primer test y un segundo test, cuando en realidad la causa que nos interesa realmente
comprobar es la de X: al haber regresin estadstica, los resultados quedan distorsionados por este
factor. El esquema 1 nos ilustra ms claramente el fenmeno de la regresin estadstica.

Esquema 1 El fenmeno de la regresin estadstica en los diseos experimentales

A 100 90 80 70 60 50 40 30 20 10 0 La media aritmtica de una poblacin tiene un valor 50.
B 100 90 80 70 De esa poblacin se extrae un grupo con puntajes altos, donde la
media aritmtica es 85.
C 95 85 75 65 Ms tarde, se vuelve a medir a ste ltimo grupo, obtenindose una
media aritmtica menor (82,5), ms aproximada a la media
poblacional 50.
La diferencia de puntajes entre B y C se debe al fenmeno de la
regresin estadstica y, de haberse aplicado X entre el pretest B y el
postest C, la regresin puede confundirse con los efectos de X.

6) Seleccin: sesgos resultantes en una seleccin diferencial de participantes para los grupos de
comparacin (Campbell y Stanley, 1995:17). Dice Arnau Gras: "la seleccin diferencial de los sujetos
determina en muchos casos que los resultados acusen ms bien las diferencias existentes entre los
grupos, que la accin del tratamiento experimental. Si se quiere probar, por ejemplo, la eficacia de un
nuevo mtodo para el aprendizaje de lectura y se eligen para ello dos clases de alumnos de primer
curso, puede ocurrir, independientemente del mtodo, que el grupo experimental tenga ms habilidad
para la lectura que el grupo control" (Arnau Gras J, 1980:350-352).
7) Mortalidad experimental.- O diferencia en la prdida de participantes de los grupos de comparacin
(Campbell y Stanley, 1995:17), lo que implica por ejemplo casos perdidos, y casos para los cuales slo
se dispone de datos parciales (Campbell y Stanley, 1995:36). Esta fuente de invalidacin es ms
importante si se produce en sujetos ubicados en los extremos de la distribucin (Arnau Gras J,
1980:350-352).
Seala Arnau Gras que "esta posibilidad es muy alta en aquellos experimentos que se programan para
periodos prolongados. Los sujetos pueden enfermar o cansarse, y no acudir cuando se aplican los
tratamientos" (Arnau Gras J, 1980:350-352). Aclaramos que mortalidad experimental significa,
entonces, que los sujetos han 'muerto' a los efectos del experimento, y no necesariamente que hayan
fallecido.
8) Interaccin de seleccin y maduracin, etc.- En algunos de los diseos cuasiexperimentales de grupo
mltiple, como el diseo 10, se confunde con el efecto de la variable experimental (Campbell y Stanley,
1995:17). Arnau Gras seala al respecto que "la interaccin entre seleccin y maduracin, entre
seleccin e historia y otras condiciones puede comprometer seriamente la validez de los resultados
experimentales. Puede ocurrir, por ejemplo, que si bien tanto el grupo experimental como el de control
han presentado puntuaciones similares en el pretest, dado que el grupo experimental se halla ms
motivado, o muestre ms rapidez en captar las explicaciones, obtiene un rendimiento superior en el
retest que el grupo control, independientemente del tratamiento" (Arnau Gras J, 1980:350-352).

Esquema 2 Fuentes de invalidacin para diseos experimentales segn Campbell-Stanley (Preparado
por Pablo Cazau)

Fuentes de invalidacin para diseos
experimentales segn Campbell y
Stanley (preparado por Pablo Cazau)

Estos cuadros se presentan con renuencia, pues
pueden resultar demasiado tiles si se llega a
confiar en ellos y no en el texto del libro.
Ningn indicador de + o debe respetarse, a
Fuentes de
invalidacin interna
(1) Historia
(2) Maduracin
(3) Tests
(4) Instrumentacin
(5) Regresin
(6) Seleccin
(7) Mortalidad
Fuentes de invalidacin
externa
(9) Interaccin de tests y X
(10) Interaccin de seleccin y X
(11) Dispositivos reactivos
(12) Interferencia de X mltiples

Pgina 128 de 325
128
menos que el lector comprenda por qu se lo
ha colocado (Nota de Campbell y Stanley).

Signo negativo: imperfeccin definida
Signo positivo: factor controlado
Signo interrogacin: posible causa de
preocupacin
Espacio en blanco: factor no pertinente
(8) Interaccin

1

2

3

4

5

6

7

8

9

10

11

12
Diseos
pre
experimentales
1. Estudio de casos con
una sola medicin
- - -
2. Diseo pretest-postest
de un solo grupo
- - - - ? + + - - - ?
3. Comparacin con un
grupo esttico
+ ? + + + - - - -
Diseos
experimentales
propiamente
dichos
4. Diseo de grupo de
control pretest-postest
+ + + + + + + + - ? ?
5. Diseo de 4 grupos de
Solomon
+ + + + + + + + + ? ?
6. Diseo de grupo de
control con postest
nicamente
+ + + + + + + + + ? ?
Diseos
cuasi
experimentales
7. Experimento de series
cronolgicas
- + + ? + + + + - ? ?
8. Diseo de muestras
cronolgicas equivalentes
+ + + + + + + + - ? - -
9. Diseo de materiales
equivalentes
+ + + + + + + + - ? ? -
10. Diseo de grupo de
control no equivalente
+ + + + ? + + - - ? ?
11. Diseos compensados + + + + + + + ? ? ? ? -
12. Diseo de muestra
separada pretest-postest
- - + ? + + - - + + +
12a. Variante a del diseo
12
+ - + ? + + - + + + +
12b. Variante b del diseo
12
- + + ? + + - ? + + +
12c. Variante c del diseo
12
- - + ? + + + - + + +
13. Diseo de muestra
separada prestest-postest
con grupo de control
+ + + + + + + - + + +
13a. Variante a del diseo
13
+ + + + + + + + + + +
14. Diseo de series
cronolgicas mltiples
+ + + + + + + + - - ?
15. Diseo de ciclo
institucional recurrente
(diseo de retazos)
02 < 01 y 05 < 04
02 < 03
02 < 04
06 = 07 y 02y = 02o



+
-
-



-
-
-
+



+
-
+



+
?
?



?
?
?




-
+
+



?
+
?








-



+
-
+



?
?
?




+
+
?


16. Anlisis de
discontinuidad en la
regresin
+ + + ? + + ? + + - + +

9) Interaccin de tests y X.- Cuando un pretest podra aumentar o disminuir la sensibilidad o la calidad
de la reaccin del participante a la variable experimental, haciendo que los resultados obtenidos para
una poblacin con pretest no fueran representativos de los efectos de la variable experimental para el
conjunto sin pretest del cual se seleccionaron los participantes experimentales (Campbell y Stanley,
1995:18).
En otras palabras, "el efecto reactivo o interactivo del pretest puede restringir la posibilidad de
generalizacin de los resultados experimentales. La previa aplicacin de un test puede incrementar o
disminuir la sensibilidad de un grupo de sujetos en relacin con la variable independiente. De ah que los
resultados obtenidos de un experimento en el que los sujetos han sido sometidos a una previa prueba,
no podrn ser representativos del efecto de la variable experimental para una poblacin que no ha sido
sometida a dicha prueba" (Arnau Gras J, 1980:350-352).
10) Interaccin de seleccin y X.- Este factor hace referencia a los efectos de interaccin de los sesgos
de seleccin y la variable experimental (Campbell y Stanley, 1995:18). Se trata, en rigor, de un

Pgina 129 de 325
129
problema en el muestreo, es decir, en la seleccin de las muestras para el experimento. Dice Arnau
Gras:"Si los grupos experimental y de control no han sido seleccionados al azar de la poblacin de donde
proceden, los resultados difcilmente podrn extenderse a toda la poblacin. Sobre todo si se parte de
grupos naturales o muestras no representativas es posible que determinado tratamiento interacte con
el grupo experimental debido a sus caractersticas particulares" (Arnau Gras J, 1980:350-352).
11) Dispositivos reactivos.- O efectos reactivos de los dispositivos experimentales, que impediran hacer
extensivo el efecto de la variable experimental a las personas expuestas a ella en una situacin no
experimental (Campbell y Stanley, 1995:18).
El efecto interactivo "suele ocurrir en aquellos experimentos en los que por parte de los sujetos se da
una predisposicin a participar de ellos. Ejemplo tpico de este efecto lo encontramos en aquellos
experimentos que se realizan con estudiantes de primer ao de especialidad, o bien, con sujetos
voluntarios. Los sujetos voluntarios difieren considerablemente de los sujetos no voluntarios y,
consecuentemente, no constituyen una muestra representativa. Este extremo atenta contra el principio
del muestreo probabilstico. De ah que los resultados obtenidos de las situaciones en que los sujetos o
bien estn predispuestos, o bien, tienen cierta familiaridad con las tcnicas experimentales, no pueden
ser considerados como representativos" (Arnau Gras J, 1980:350-352). El factor reactividad se refiere
tambin a que, por ejemplo, el mismo hecho de hacer una medicin previa, ya es un estmulo para el
cambio. Por ejemplo, en un experimento sobre terapia para el control del peso, el pesaje inicial puede
funcionar por s mismo como estmulo para adelgazar, aun sin tratamiento curativo alguno (Campbell y
Stanley, 1995:24).
12) Interferencia de X mltiples.- Pueden producirse cuando se apliquen tratamientos mltiples a los
mismos participantes, pues suelen persistir los efectos de tratamientos anteriores. Este es un problema
particular de los diseos de un solo grupo de tipo 8 o 9 (Campbell y Stanley, 1995:18).
Para Arnau Gras, este factor viene a ser una ampliacin de lo afirmado en el anterior. "As, en aquellos
casos en que el experimento exige una exposicin repetitiva a dos o ms tratamientos, es posible que la
accin de los tratamientos anteriores interacte con los tratamientos posteriores, a no ser que su accin
quede eliminada con el tiempo. Siempre que precisamente no interese conocer el efecto de esta
exposicin sucesiva, como ocurre en los experimentos sobre el aprendizaje y la transferencia" (Arnau
Gras J, 1980:350-352).
La seleccin de las tcnicas de control de las variables extraas es sumamente importante al disear un
experimento, razn por la cual se desarrollar a continuacin ms en detalle esta cuestin.

Control de las variables extraas

Una de los propsitos principales de un experimento clsico es el control de las variables extraas de
manera tal que no ejerzan influencia sobre la variable dependiente, o al menos que se conozca su grado
de influencia sobre ella para luego descontarlo.
Mtodos para controlar variables extraas son los siguientes:
a) Eliminacin.- Cuando se sabe que existe una variable extraa que puede alterar los resultados de la
investigacin, se puede simplemente eliminarla (Pick y Lpez, 1998). Sin embargo, este procedimiento es
muy difcil de aplicar porque las variables, en tanto atributos de los fenmenos, no pueden eliminarse sin
ms. En un ejemplo, nadie puede eliminar los vientos porque ellos podran influir sobre el estado de
nimo de las personas (variable dependiente) adems del estado civil (variable independiente).
b) Evitacin.- Aunque una variable no pueda eliminarse, puede realizarse el experimento en aquellas
situaciones donde la variable extraa no acta. Siguiendo con el ejemplo, sera estudiar el vnculo entre
estado civil y estado de nimo en lugares donde no sopla viento.
c) Constancia.- Si la variable extraa no puede eliminarse ni evitarse, puede implementarse una situacin
donde se mantenga en valores constantes. Siguiendo con el ejemplo, en un lugar donde sopla el mismo
viento en forma permanente, cualquier variacin en el estado de nimo de las personas podr ser
entonces atribuida a las diferencias en el estado civil.
En otro ejemplo (ONeil, 1968), al estudiarse la incidencia del nivel escolar en la amplitud del vocabulario,
puede seleccionarse una muestra con alumnos de la misma escuela, con aproximadamente el mismo
coeficiente intelectual, y con padres con similar amplitud de vocabulario, etc., todas variables extraas
que tambin pueden influir sobre la amplitud de vocabulario de los nios.
Esta tcnica de control se emplea tambin en fsica, cuando por ejemplo se desea estudiar la relacin
entre volumen y temperatura de un gas, manteniendo la presin constante.
En los casos de experimentos con un grupo experimental y otro de control, se pueden mantener
constantes los valores de las variables extraas en ambos grupos mediante la tcnica del apareamiento
(o control por apareo de pares, o equiparacin por igualacin) (Campbell y Stanley, 1995:17)
(Greenwood, 1973:109) (McCall, 1923) (Fisher, 1925), mediante la cual se forman grupos equivalentes,
asignando al azar a cada grupo pares de sujetos con caractersticas psicolgicas iguales (Tamayo,
1999:54). De esta forma la nica diferencia entre ambos grupos ser que uno recibe la influencia de la
variable independiente y el otro no, pudindose as llegar a una conclusin ms segura respecto de su
influencia sobre la variable dependiente.
La tcnica del apareamiento, ms concretamente, consiste en: primero, elegir dos sujetos que sean lo
ms iguales posibles en cuanto a las variables consideradas relevantes; segundo, empezar a formar con

Pgina 130 de 325
130
uno de ellos el grupo experimental y con el otro el grupo de control; tercero, hacer lo mismo con nuevos
pares de sujetos, hasta formar los dos grupos. Este procedimiento asegura, obviamente, la igualdad de
ambos grupos, con lo cual se habr podido controlar la influencia de las variables extraas.
Un ejemplo muy simple: si se quiere probar la eficacia de un determinado mtodo de enseanza, se
eligen dos grupos de alumnos, pero, antes de utilizar con uno de ellos el mtodo en cuestin, se igualan
por emparejamiento o apareamiento: se toman dos sujetos que tengan la misma inteligencia o la misma
motivacin (variables relevantes extraas que tambin pueden influir sobre el rendimiento escolar) y se
envan uno a cada grupo. Se hace lo mismo con otra pareja de sujetos, y as sucesivamente. Con ello,
ambos grupos habrn quedado igualados, en el sentido de que tendrn ms o menos la misma
inteligencia, la misma motivacin, etc., con lo cual, luego del experimento, cualquier variacin entre los
dos grupos, en cuanto a rendimiento escolar, podr ser adjudicada al mtodo de enseanza y no a otras
variables extraas como las indicadas.
d) Balanceo.- Cuando las variables extraas no pueden mantenerse constantes se prepara un dispositivo
de balanceo y de contrabalanceo donde de alguna manera los efectos de una variable extraa se
compensen con los efectos de otra, con lo cual ambas se anulan en el conjunto. Un ejemplo de
contrabalanceo (Pick y Lpez, 1998), aparece en ciertas investigaciones donde se pide a los sujetos que
respondan varias veces a un mismo estmulo o a varios estmulos diferentes. Esta serie de respuestas
puede provocar en los mismos dos reacciones: por un lado, fatiga, porque los sujetos se cansan de estar
respondiendo; por otro lado, aprendizaje, ya que despus de presentar dos o tres veces el mismo
estmulo el sujeto ya sabe cmo responder. Para evitar estos problemas, los grupos se pueden subdividir
en subgrupos para que los efectos de la fatiga y/o aprendizaje queden anulados.
El balanceo de las variables extraas se lleva a cabo mediante un procedimiento similar al diseo
experimental del cuadrado latino (vase ms adelante en este libro) con la salvedad que en este se
balancea variables independientes, no extraas.
e) Aleatorizacin.- Consiste en seleccionar a los sujetos al azar (Campbell y Stanley, 1995:17)
(Greenwood, 1973:109) (McCall, 1923) (Fisher, 1925). Propuesto por Fisher pero anticipado por McCall
en la dcada del '20, se trata de un procedimiento que "sirve para lograr, dentro de lmites estadsticos
conocidos, la igualdad de los grupos antes del tratamiento" (Campbell y Stanley, 1995:18). Esta tcnica
de control es una de los ms sencillas y ms utilizadas en ciencias sociales, sobre todo cuando se llevan
a cabo estudios experimentales. Se parte del postulado de que si la seleccin y distribucin de sujetos en
grupos de control fue hecha al azar, podemos inferir que las variables extraas, desconocidas por el
investigador, se habrn repartido tambin al azar en ambos grupos, y as quedarn igualadas (Pick y
Lpez, 1998).
Por ejemplo, si se quiere estudiar la influencia del ruido sobre el estrs, los sujetos elegidos no podrn
ser todos ellos veteranos de guerra o bien todos ejecutivos, porque entonces las variables extraas
experiencias traumticas y tipo de ocupacin estarn tambin influyendo sobre los niveles de estrs.
En cambio si se toman los sujetos al azar (donde entrarn verosmilmente veteranos y no veteranos,
ejecutivos y no ejecutivos), esto se supone que garantizar la heterogeneidad del grupo en cuanto a
experiencias traumticas y ocupaciones, con lo que la influencia de stas se reducir considerablemente
hasta un nivel aceptable donde su intervencin no resulta significativa, ya que ambos grupos
(experimental y de control) tendrn aproximadamente la misma proporcin de veteranos
La ventaja de la aleatorizacin no reside en su sencillez sino tambin en que permite controlar al mismo
tiempo gran cantidad de variables extraas, incluso aquellas que son desconocidas para el investigador.
Como no se pueden mantener constantes tantas variables extraas al mismo tiempo, se puede lograr el
mismo control mediante la aleatorizacin, situacin en la cual si bien no se mantienen constantes sus
valores, sus fluctuaciones quedan razonablemente neutralizadas.
Cabra preguntarse: para qu recurrir a la aleatorizacin, si se puede controlar las variables extraas
mantenindolas constantes? Sera como decir que al estudiar el vnculo ruido-estrs se seleccionan
solamente a veteranos de guerra (es decir se mantiene constante la variable extraa experiencias
traumticas pasadas) y entonces, cualquier variacin en el grado de estrs entre los que recibieron
ruidos y los que no, se deber solamente al factor ruido ya que ambos grupos, al ser todos veteranos de
guerra, estn en igualdad de condiciones.
Esta solucin sera viable si fuese solamente una la variable extraa que hay que controlar, pero
habitualmente son muchas y realmente resulta muy difcil, cuando no imposible, mantenerlas constantes
a todas, o sea, reunir un grupo homogneo respecto de todas las variables extraas. De hecho, ya poder
seleccionar un grupo donde todos sean veteranos de guerra y al mismo tiempo todos ejecutivos es
bastante engorroso. Se elige entonces el procedimiento de la aleatorizacin: el azar, como la muerte, es
el gran nivelador, y por s solo es capaz de colocar en igualdad de condiciones a todos los sujetos de un
experimento.
La aleatorizacin presenta la ventaja de su fcil implementacin, pero tambin que permite igualar los
grupos con respecto a muchas variables extraas, incluso aquellas que son desconocidas por el
investigador. Se ha adjudicado el mrito de haber introducido esta tcnica de control a Fisher, pero
McCall es en rigor el precursor, cuando dijo un par de aos antes que "as como se puede lograr la
representatividad por el mtodo aleatorio [...] tambin se puede conseguir la equivalencia por el mismo
medio, siempre que el nmero de sujetos sea lo suficientemente grande" (McCall, 1923).

Pgina 131 de 325
131
La aleatorizacin es una tcnica que Campbell y Stanley prefieren al clsico mtodo de la igualacin por
equiparacin (Campbell y Stanley, 1995:18). Es posible tambin una combinacin de equiparacin y
aleatorizacin para obtener mayor precisin estadstica, como en el caso de la tcnica del 'bloqueo'
(Campbell y Stanley, 1995:10; 35/36).
f) Distribucin de frecuencias.- La tcnica de la distribucin de frecuencias (Greenwood, 1973) intenta
igualar los grupos a partir de armar dos que tengan aproximadamente las mismas medidas estadsticas,
como por ejemplo, que ambos tengan la misma media aritmtica y el mismo desvo estndar respecto de
las variables consideradas relevantes.

Pruebas de confirmacin y pruebas de refutacin

Dos tipos de sospechas pueden poner en marcha una investigacin explicativa, y, en particular, un
experimento: primero, se puede sospechar que cierto o ciertos factores S son la causa de un
fenmeno; segundo, que cierto factor NO es la causa de un fenmeno dado a pesar de las apariencias
(por ejemplo, a pesar de la alta correlacin). En el primer caso se emprende una prueba de
confirmacin, y en el segundo caso, una prueba de refutacin.
a) Si el investigador piensa que uno o varios factores son causa de cierto efecto, est haciendo una
prueba de confirmacin. Una prueba de confirmacin no es una prueba donde se confirma una hiptesis,
ya que el resultado puede confirmar o refutar la hiptesis (aceptacin o rechazo), sino una prueba
diseada con la intencin de confirmar la sospecha de causalidad. Si una prueba de confirmacin fuese
una prueba donde se confirma una hiptesis, para qu realizarla si ya se conoce el resultado?
b) Si el investigador piensa, en cambio, que un cierto factor no es la causa de un fenmeno a pesar de
la alta correlacin constatada entre ambas, entonces estar emprendiendo una prueba de refutacin,
como por ejemplo la llamada prueba de espureidad (o prueba de falsedad, pues se busca probar que a
pesar de parecer verdadera, la causa no lo es). La prueba de espureidad tiene la estructura de un
experimento crucial, donde se busca decidir entre dos hiptesis alternativas y donde una de ellas debe
quedar refutada.
Una prueba de refutacin no es, entonces, una prueba donde se refuta una hiptesis sino slo donde se
intenta refutarla, pudindose o no tener xito en dicho intento. La sospecha que pone en marcha este
tipo de investigacin puede surgir antes, durante o despus de una prueba de confirmacin. A veces en
el curso de la investigacin y antes de poder confirmar o rechazar la hiptesis, puede surgir una fuerte
sospecha de que X no es la causa de Y sino Z, o sea, otra variable. En este punto se podrn abandonar
los intentos originales por confirmar y emprender una prueba de refutacin, consistente en tratar de
demostrar que X no es la causa sino Z.
Si bien una investigacin puede estar orientada hacia la modalidad confirmatoria o hacia la modalidad
refutatoria, cuando luego deben aplicarse pruebas estadsticas que apoyen las conclusiones se sigue
clsicamente el esquema de la refutacin plantendose la denominada hiptesis nula.

Experimentos bivariados y multivariados

El experimento clsico es bivariado, es decir, procura probar la conexin entre una variable
independiente (causa X) y una variable dependiente (efecto Y). Tal es el caso del abordaje de hiptesis
como "la memoria depende de la edad", "ambientes con msica aumentan el rendimiento laboral", etc.,
o de aquellas otras que la divulgacin cientfica suele expresar ms literariamente como "el mal humor
es una hormona" y "la tristeza atrae a los virus".
Ejemplos de relaciones bivariadas son las siguientes:

X = Edad Y = Memoria X = Incentivo Y = Rendimiento
X = Nivel econmico Y = Hbitos alimenticios X = Nivel
socioeconmico
Y = Inteligencia
X = Area geogrfica Y = Drogadiccin X = Cantidad de ensayos Y = Nmero de errores
X = Mtodo de
enseanza
Y = Rapidez del
aprendizaje
X = Desercin escolar Y = Drogadiccin
X = Proximidad
elecciones
Y = Voto decidido X = Frustracin Y = Agresin
X = Padres separados Y = Desercin escolar X = Drogadiccin Y = Soledad

Sin embargo, segn las necesidades y posibilidades de la investigacin, tambin puede contemplar el
estudio de ms de una variable independiente o ms de una dependiente, en cuyo caso se habla de
experimentos multivariados, mltiples o factoriales. Tanto los experimentos bivariados como los
multivariados requieren el control de las variables extraas.

Como indican Campbell y Stanley (1995:14), los diseos que estudian una sola variable por vez resultan demasiado
lentos para la investigacin de ciertos temas como al aprendizaje. Desde la dcada del 50 en adelante tiende a
enfatizarse la importancia de considerar diseos multivariados, sea que consistan en estudiar varias variables
independientes a la vez, sea que consistan en estudiar varias variables dependientes, sea que consistan en ambas

Pgina 132 de 325
132
cosas simultneamente. Uno de los pioneros de estos enfoques fue Fisher, cuyos procedimientos eran multivariados
en el primer sentido y bivariados en el segundo.

Por lo general, en los experimentos multivariados la variable dependiente (Y) sigue siendo una sola, y lo
nico que aumenta es el nmero de variables independientes o experimentales (X1, X2, X3, etc.), pues
lo que se busca investigar son varios posibles factores causales al mismo tiempo, con el objeto de
probar cul o cules de ellos influyen como causa y en qu medida lo hacen. Ejemplos de
investigaciones multivariadas son la indagacin simultnea de la edad, el sexo y la situacin familiar
como posibles causas de la drogadiccin. O la msica, el color de las paredes y la temperatura ambiente
como posibles factores que influyen sobre el rendimiento laboral.
Tales diseos multivariados se justifican por ejemplo cuando: a) no se puede aislar y controlar en la
realidad las distintas variables independientes, con lo que no queda otro remedio que considerarlas
conjuntamente mediante un diseo mltiple; b) cuando resulta menos costoso en tiempo y dinero tratar
conjuntamente todas las variables en lugar de hacer varios diseos bivariados separados (como X1-Y,
X2-Y, etc.). Ejemplos de relaciones multivariadas son las siguientes:

Ejemplo 1 Ejemplo 2 Ejemplo 3
Variables
independientes o
experimentales
X1 = Nmero de palabras a
recordar
X2 = Nivel de ansiedad
X1 = Variedad vegetal
X2 = Tipo de suelo
X3 = Clima
X1 = Mtodo de enseanza
X2 = Personalidad profesor
X3 = Proximidad exmenes
Variable
dependiente
Y = Memoria Y = Velocidad de
crecimiento
Y = Rendimiento escolar

En sntesis:



Un inventario de relaciones entre variables

Dentro del esquema de un experimento bivariado y, con mayor razn, dentro de uno multivariado,
existen muchas posibilidades de combinacin entre variables. Sin pretender ser exhaustivos, los
siguientes son algunos ejemplos de ellas:

X Y X2 Y
X1
Xn
Experimento
bivariado
Experimento
multivariado

Pgina 133 de 325
133




Se han clasificado estos diferentes esquemas en lineales y cibernticos. Estos ltimos estudian
especficamente procesos de feedback o retroalimentacin: no es lo mismo estudiar como influye la
alimentacin en la inteligencia (esquema lineal X Y), que estudiar como ambas variables se influyen
mutuamente (X Y).
Ntese que en ninguno de los esquemas se utiliza la letra Y, que representa la variable dependiente o
efecto. En realidad en cualquiera de estos esquemas se puede sustituir alguna X por Y, siempre y
cuando a la Y llegue una flecha y al mismo tiempo no salga ninguna flecha de ella. Estas
sustituciones, sin embargo, careceran de sentido en los esquemas cibernticos, donde todas las
variables son al mismo tiempo independientes y dependientes, pues todas ellas influyen y son influidas.

Esquemas cibernticos
X 10 X
X
11
X
X 12 X X
X X
Xn significa una X o ms
X 1 X
Esquemas lineales
X 2 Xn X
3 X
Xn
X
4 X
Xn
X X
5
X
Xn
X 6
X
Xn
X
X
Xn
7
X
Xn
X X 8
X
Xn
X X
9
X Y
z

Pgina 134 de 325
134
Ejemplo 1) Este es el esquema clsico ms simple, donde se procura investigar la influencia que ejerce
la variable independiente X sobre la variable dependiente Y. Por ejemplo, la influencia de las fases
lunares sobre el comportamiento agresivo.
Mediante este esquema puede llevarse a cabo, por ejemplo, una investigacin para averiguar si el sexo
influye en la forma de percibir los mensajes publicitarios.
Se pueden tomar dos grupos de personas: uno de hombres y otro de mujeres, preferiblemente elegidos
al azar, y pedirles que opinen sobre un mismo mensaje publicitario que se le entrega recortado de un
diario o revista. Como tems para este instrumento de medida (en este caso un cuestionario), se le
pueden preguntar qu fue lo que ms le llam la atencin del aviso (imagen, texto, colores, etc.), si lo
consideran interesante (mucho, poco, nada), qu cree que intenta decir el mensaje (vender, sugerir,
seducir, ensear, etc.), y cualquier otro tem que tambin evale especficamente la forma de percibir.
Una vez contestados todos los cuestionarios, se comparan las respuestas masculinas y femeninas
intentando averiguar si las diferencias son significativas (no debidas al azar, por ejemplo). Finalmente,
convendr que el mensaje publicitario elegido sea neutro respecto del sexo, o sea, que publicite un
producto o servicio tanto para hombres como para mujeres (una aspirina, un viaje al Caribe, etc.), para
que luego las diferencias en las respuestas no sean adjudicadas a la ndole del mensaje sino a las
caractersticas personales de los sujetos.

Ejemplo 2) En este esquema se introduce una variable interviniente, as llamada porque interviene
entre otras dos de manera tal que es efecto de la primera pero a la vez causa de la segunda.
Por ejemplo, es lugar comn considerar que el fro es la causa de la gripe. Sin embargo, esta relacin
no es tan directa: en rigor, podra pensarse que el fro hace que las personas busquen los lugares
cerrados (variable interviniente), lo cual a su vez aumentara la probabilidad de contagio gripal.
Hyman (1984:353-356) propone un ejemplo de variable interviniente. Originalmente, los datos de una
investigacin descriptiva pueden hacer sospechar que el nivel de educacin de las personas (X) es lo
que determina sus intenciones de voto (Y) o sea, sus intenciones por participar activamente del sistema
democrtico, sea porque la educacin ensea la importancia del voto, sea porque simplemente se
advirti una alta correlacin entre ambos factores (personas poco instruidas tienden a no votar,
personas instruidas tienden a querer votar). Esta sospecha surge del siguiente cuadro:

Cuadro I Intencin de voto
Secundario 92%
Primario 82%

Puede sin embargo suponerse que en realidad entre X e Y se interpone una variable interviniente: el
inters en poltica (z), de forma tal que el nivel de educacin determina el inters en poltica y recin
ste es la causa directa de la intencin de votar:



Para examinar entonces esta nueva relacin entre inters en poltica e intencin de voto se recolect la
siguiente informacin, que revela la existencia de un factor causal ms directo (el inters en poltica):

Cuadro II Intencin de voto
Secundario Primario
Mucho inters 99% 98%
Moderado inters 93% 90%
Poco inters 56% 59%

Se podra aqu argumentar que en rigor el nivel educativo es tambin causa, aunque indirecta, de la
intencin de votar. Esto es admisible, pero tambin es cierto que lo que al cientfico le interesa a veces
es una causa ms directa para poder controlar mejor la aparicin o la no aparicin de Y. Es ms difcil
controlar la intencin de votar a partir del nivel educativo pues puede ocurrir que cierto tipo de
educacin no despierta inters en poltica. En cambio el inters poltico es ms seguro para controlar la
intencin de voto. Esta es slo una razn prctica para elegir causas directas, pero hay tambin una
razn terica: no aumenta en mucho el conocimiento de un fenmeno sus causas remotas.
Efectivamente, cuanto ms indirecta o remota sea la causa menor inters tendr para el cientfico: una
Nivel de educacin Inters en poltica Intencin de voto
z Y X

Pgina 135 de 325
135
causa remota de la drogadiccin es por ejemplo la existencia del sol, ya que si no hay sol no hay
fotosntesis, y por lo tanto no hay plantas, y por lo tanto no habr ni cocana ni marihuana, con lo cual
no habr drogadiccin. La explicacin de la adiccin a las drogas por el sol resulta ser inatingente.

Ejemplo 3) Una investigacin que siga este esquema podra consistir en averiguar cmo influyen sobre
el rendimiento escolar el mtodo de enseanza, la personalidad del profesor y la proximidad de los
exmenes. Para examinar todas estas variables a la vez hay varias tcnicas, de las cuales puede citarse
a modo de ejemplo la tcnica del cuadrado latino.
Antes de ser utilizado en la investigacin experimental, el cuadrado latino era un simple entretenimiento
que en la poca medieval reemplazaba a la televisin, slo que haca pensar. Consista en disponer en
una tabla cuadrada letras de tal forma que ninguna de ellas poda repetirse en ninguna columna
vertical- ni hilera horizontal-. Por ejemplo, si las letras eran A, B y C, el cuadrado latino se solucionaba
del siguiente modo:

A B C
C A B
B C A

Aqu la letra A aparece slo una vez en cualquier columna o hilera, y lo mismo sucede con las letras B y
C. Una vez resuelto, se intentaran luego pruebas ms difciles utilizando por ejemplo cuatro columnas,
cuatro hileras y cuatro letras, y as sucesivamente.
Con el cuadrado latino, en el ejemplo indicado, se investigan cuatro variables (tres independientes y
una dependiente), y el nmero de columnas o hileras guarda relacin no con el nmero de variables
sino con el nmero de categoras de las mismas. Si se quiere estudiar la influencia de tres variables
independientes (mtodo de enseanza, personalidad del profesor y proximidad de los exmenes) sobre
la variable dependiente (rendimiento escolar), y tomar tres categoras para cada una de esas variables,
puede organizarse el experimento sobre la base del siguiente cuadrado:

Examen lejano Examen intermedio Examen prximo
Profesor A M1 M2 M3
Profesor B M2 M3 M1
Profesor C M3 M1 M2

En este cuadrado quedaron formados nueve casilleros. En la prctica, esto significa que se han tomado
nueve grupos de alumnos, y as por ejemplo el primer grupo est formado por alumnos que tienen el
profesor A, cuyos exmenes estn lejanos, y con los cuales se utiliz el mtodo de enseanza M1, y as
sucesivamente con los dems grupos. Obsrvese que los nmeros 1, 2 y 3, las tres categoras de la
variable mtodo de enseanza, han sido dispuestas de acuerdo al criterio del cuadrado latino: no se
repite ninguna cifra ni por hilera ni por columna. Esto resulta muy importante porque mezcla todas las
variables y categoras lo suficiente como para que no haya predominio de ninguna en especial en el
conjunto de los nueve grupos. As por ejemplo, si en lugar de haber puesto en la primera hilera
horizontal M1, M2 y M3 se hubiese puesto M1, M1 y M1, en esa hilera habra un neto predominio del
mtodo de enseanza 1 y del profesor A. En cambio, con la disposicin del cuadrado latino se procura
que no aparezcan estos predominios.
Obviamente el cuadrado no contempla todas las posibilidades de combinacin, pues faltan por ejemplo
los grupos con profesor A, cercana de exmenes y mtodo de enseanza 1. Esta y otras posibilidades
fueron anuladas para evitar el predominio anteriormente citado, y los nueve grupos seleccionados
bastan para poder emprender la investigacin con ellos sin considerar los 27 posibles, con el
consiguiente ahorro de esfuerzo, tiempo y dinero.
El hecho de que no aparezcan los predominios indicados tiene un motivo fundamental. Siguiendo con el
ejemplo anterior, si en la primera hilera aparecen predominando el profesor A y el mtodo de
enseanza 1, un muy alto rendimiento escolar en esos tres grupos no se sabra si atribuirlo al profesor o
al mtodo de enseanza, con lo cual habrase desvirtuado el propsito del experimento, a saber,
conocer el grado de influencia causal de cada uno de los factores considerados.
Una vez que se ha seguido durante meses la evolucin de los nueve grupos formados, hipotticamente
pueden haberse obtenido los siguientes valores de rendimiento escolar:

Examen lejano Examen intermedio Examen prximo
Profesor A 9 5 2
Profesor B 6 1 8
Profesor C 3 8 4

Estos valores no son frecuencias sino ndices de rendimiento escolar, que pueden resultar por ejemplo
del promedio de calificaciones de los alumnos de cada grupo. Por ejemplo, 9 fue el promedio de
calificaciones obtenido por el grupo con profesor A, examen lejano y mtodo de enseanza 1.

Pgina 136 de 325
136
Cmo se analiza esta informacin? El primer lugar se puede comenzar observando dnde estn las
calificaciones ms altas (8-8-9), y se ve que coinciden justamente con los grupos donde se aplic el
mtodo de enseanza 1. En segundo lugar se puede observar dnde estn las calificaciones ms bajas
(1-2-3), que aparecen en los grupos donde se us el mtodo de enseanza 3. Ambas observaciones
sugieren que el factor mtodo de enseanza es muy importante para el rendimiento escolar, y adems
que las otras dos variables tienen escasa influencia, ya que por ejemplo tanto en los grupos con bajas
calificaciones como en los de altas calificaciones, existieron diversos profesores y diversos grados de
proximidad temporal al examen. Adems, por ejemplo, cada profesor tuvo alumnos con rendimientos
muy dismiles en sus respectivos tres grupos.
Los resultados de la investigacin tambin podran haber sido estos otros:

5 4 1 6 5 6
4 5 1 7 6 5
9 4 2 5 6 6
Caso A Caso B

En el caso A pueden sacarse dos conclusiones importantes: primero, que el rendimiento escolar
aumenta notablemente con la feliz combinacin del profesor C que imparte el mtodo de enseanza 3
lejos de los exmenes (promedio de calificaciones 9), con lo cual pueden organizarse las clases en un
colegio con estos criterios; y segundo, que la proximidad de los exmenes disminuye notablemente el
rendimiento escolar, pues all las calificaciones fueron bajas (1-1-2) en comparacin con las
calificaciones de los otros grupos.
En el caso B el anlisis de los datos revela que ninguno de los tres factores es ms importante que el
otro, ejerciendo todos ellos una influencia ms o menos igual, que hasta incluso podra ser nula. En el
anlisis de los datos es tan importante darse cuenta qu dicen como qu no dicen, y as, el caso B no
informa acerca del porqu de las calificaciones regulares (5-6-7), lo cual puede atribuirse a alguna
variable contextual como por ejemplo la edad de los alumnos: en la adolescencia, se piensa en cualquier
cosa menos en estudiar.

Ejemplo 4) Este esquema resulta ser una combinacin de los esquemas 1 y 3.

Ejemplo 5) Tericamente cabe la posibilidad de investigar simultneamente dos variables dependientes
(dos efectos) de una nica causa. Tal es el caso del enunciado "el ruido produce estrs y tambin
hipoacusia", pero en estas situaciones lo habitual es desglosar el enunciado en dos hiptesis diferentes
("el ruido produce estrs" y "el ruido produce hipoacusia") y emprender dos investigaciones diferentes y
bivariadas, con lo que se vuelve al primer esquema simple (ejemplo 1). Y si bien es posible tambin
desglosar una investigacin bivariada en varias bivariadas, si se prefiere la primera es porque ahorra
tiempo y esfuerzo o porque no es posible separar en la realidad la influencia de las otras posibles
causas.
El esquema del ejemplo 5 sirve tambin para probar relaciones espreas. Blalock (1982:78) cita un
ejemplo donde se constat una alta correlacin entre la religin y la preferencia poltica, lo que llev a
pensar que era la religin no que determinaba a sta ltima. No obstante, se sospech que en realidad
la influencia provena del tipo de ocupacin, o sea de si las personas eran empleados u obreros. El
esquema correspondiente es:



Los datos que llevaron a la suposicin de un vnculo causal entre X e Y haban surgido del cuadro
siguiente, donde figuran por igual obreros y empleados sin discriminar, ya que an no se sospechaba la
influencia del tipo de ocupacin:

Protestantes Catlicos
Republicanos 62% 38%
Demcratas 38% 62%

Religin
Tipo de ocupacin
Preferencia poltica
z
Y X

Pgina 137 de 325
137
Cuando se empez a pensar en la espureidad de este vnculo entre religin y preferencia poltica se
construyeron dos nuevos cuadros con la misma muestra de sujetos que haba servido para el primero:
uno con empleados solamente y otro con slo obreros, siendo los resultados los siguientes.

Empleados Protestantes Catlicos
Republicanos 56% 24%
Demcratas 14% 6%

Obreros Protestantes Catlicos
Republicanos 6% 14%
Demcratas 24% 56%

Estos datos muestran que efectivamente el vnculo X-Y es espreo, y adems agrega elementos de
juicio favorables a la hiptesis del tipo de ocupacin como factor causal. Este segundo ejemplo nos
muestra adems que el cuadro trivariado del primer ejemplo puede ser desglosado en dos cuadros
bivariados, uno para cada categora de la variable adicional.
Las pruebas de espureidad pueden establecer inequvocamente que la relacin X-Y no es causal, pero
algunas veces no alcanzan para probar simultneamente que Z sea la causa real de Y, con lo cual el
investigador se ve obligado a recurrir a algn tipo de diseo experimental bivariado para llevar a cabo
esta ltima prueba de confirmacin, o bien a realizar una nueva prueba de espureidad si se sospecha de
una nueva variable adicional Z, como factor causal real.
Otro ejemplo donde puede probarse una relacin esprea es el siguiente: una investigacin descriptiva
revel que exista una alta correlacin entre el estrs y el tiempo en que las personas estaban fuera del
hogar. En un primer momento se sospech que el estrs se deba a esas prolongadas ausencias, pero
por uno u otro motivo fue creciendo en el investigador la sospecha de que el tiempo de alejamiento
(variable independiente) no era la causa del estrs (variable dependiente) sino el tipo de ocupacin de
la persona (variable adicional), y que si las dos primeras estaban altamente correlacionadas era porque
sobre ellas actuaba independiente y simultneamente el tipo de ocupacin (o sea, el tipo de ocupacin
influye tanto sobre el estrs como sobre el tiempo de alejamiento del hogar). Esquemticamente:



En este esquema las dos flechas llenas indican que efectivamente Z es causa de X y de Y, y la flecha
punteada indica que la relacin X-Y es esprea, es decir, aparenta ser un vnculo causal pero no lo es.
Pero, cmo se ha procedido para llegar a esas conclusiones?
La alta correlacin existente entre X e Y, que haba hecho suponer al investigador que exista un vnculo
causal, surgi originalmente a partir de la lectura del cuadro siguiente:

% de estresados
Ms tiempo fuera del hogar 80%
Menos tiempo fuera del hogar 60%

Una vez que se afianz la creencia de que este vnculo slo tiene apariencia de causal pero en realidad
no lo es (relacin esprea), y de que la causa pareca ser en realidad el tipo de ocupacin, el
investigador procedi a recoger los datos en un segundo cuadro pero, esta vez, incluyendo la variable
adicional Z para ver si se produca algn cambio:

% de estresados
Ms tiempo fuera del hogar Menos tiempo fuera del hogar
Ejecutivos 81% 78%
No ejecutivos 62% 61%

Este nuevo cuadro trivariado- confirma la espureidad del vnculo original X-Y. En efecto, aqu se
aprecia que la diferencia en el porcentaje de estresados entre los que estn ms tiempo y menos
tiempo fuera del hogar (81% y 78%, o bien 62% y 61%), no es significativa si la comparamos con la
Tiempo de ausencia
Tipo de ocupacin
Estrs
z
Y X

Pgina 138 de 325
138
diferencia en el porcentaje de estresados entre los ejecutivos y los no ejecutivos (81% y 62%, o bien
78% y 61%), todo lo cual indica que el estrs no es debido al mayor o menor tiempo fuera del hogar
sino al tipo de ocupacin.
Ms concretamente, vemos que la diferencia en cuanto a porcentaje de estresados entre ejecutivos y no
ejecutivos es del 19% (que resulta de restar 81% y 62%), diferencia que es grande en comparacin con
la diferencia en el porcentaje de estresados entre los que estn ms tiempo y menos tiempo alejados
del hogar, que es apenas del 3% (resultado de restar 81% y 78%).
Hyman la denomina variable antecedente (z) porque ocurre antes que X e Y.
Otro ejemplo de variable antecedente son los factores genticos. El hecho de que se haya encontrado
una alta correlacin entre la raza (X) y ciertos tipos de cncer (Y) no prueba necesariamente que la raza
sea la causa de esas patologas: raza y cncer dependen de factores genticos (Z), por ejemplo: si se
piensa que entre X e Y hay una relacin causal es porque se constat alta correlacin, pero sta puede
deberse simplemente a que raza y cncer estn determinados por el mismo cromosoma, portador al
mismo tiempo del gen del color de piel (raza) y del gen que predispone al cncer.
Otro investigador podr sospechar otra cosa: que el cncer se debe a la raza y que los factores
genticos no influyen, si por ejemplo piensa que el color de piel hace que los rayos ultravioletas solares
penetren ms profundamente en los tejidos y tengan ms probabilidades de producirles lesiones
malignas. En estos casos la investigacin estar encaminada a probar que X es causa de Y, en lugar de
intentar probar que no lo es por existir otro sospechoso ms convincente (z).

Ejemplos 6 y 7) Estos esquemas resultan ser combinaciones de otros esquemas.

Ejemplo 8) Este caso es citado por caso por Blalock (1982:82) como ejemplo de complicacin de
fuentes de espureidad: el vnculo entre religin (X superior) y preferencia poltica (Xn) puede obedecer
a dos causas comunes (X izquierda y X derecha): la religin y la regin del pas.

Ejemplo 9) Este esquema ilustra lo que Hyman llama variable contextual. Una investigacin descriptiva
realizada en cierto pas (variable contextual) ha revelado que hay una alta correlacin entre el sexo de
los estudiantes y la carrera que estos eligen, ya que por ejemplo los hombres se orientan sobre todo
hacia la ingeniera y las mujeres hacia la psicologa:



Suponiendo que la investigacin haya sido hecha a escala internacional, puede llegarse a advertir que la
relacin sexo-carrera sufre variaciones segn el pas considerado. Podrase quizs constatar que en los
pases socialistas aumenta la proporcin de mujeres que estudian ingeniera, etc. Sobre la original
relacin X-Y est entonces actuando una variable contextual (pas), la que obviamente no se tendr en
cuenta si la investigacin es slo a nivel nacional, en cuyo caso deja de ser variable adicional y pasa a
ser una constante.
Por lo general las variables contextuales son espacio-temporales. La relacin sexo-carrera no slo puede
depender de la regin o pas, sino tambin de la poca considerada: hace 60 o 70 aos la proporcin de
mujeres que estudiaban medicina era considerablemente menor.

Ejemplo 10) Algunas relaciones causales pueden darse en cualquiera de ambos sentidos: si bien es
cierto que el incentivo aumenta el rendimiento, un mejor rendimiento puede a su vez funcionar como
incentivo. O tambin la droga hace que un adolescente falte al colegio, y a su vez la ausencia del
colegio hace que vaya a otros lugares donde puede adquirir el hbito. En ltima instancia cul de los
dos factores ser considerado causa depende de la decisin del investigador, lo que viene a mostrar que
fuera de todo contexto no se puede saber si una variable dada es independiente o dependiente, y slo
se sabr viendo cmo est relacionada con otra variable: si como causa o como efecto. El solo hecho de
pensar que la variable conducta en psicologa es dependiente (bajo el supuesto que la psicologa
estudia las causas de la conducta), no debe excluir la posibilidad de que, en este mismo mbito, pueda
ser considerada a veces como independiente, en la medida que se pretenda investigar cmo influye, por
caso, el comportamiento sobre la autoestima.
Sexo Carrera
Pas
X Y
z

Pgina 139 de 325
139
En algunos de sus escritos Freud consider al sntoma en su doble aspecto de causa y efecto. Lo
entendi como efecto cuando sugiri que un sentimiento de culpa o una intensa fijacin anal (causa)
puede hacer que el paciente sea un manitico de la limpieza (sntoma-efecto); y lo entendi como
causa, cuando agreg que su mana por la limpieza (sntoma-causa) puede tornarse tan insoportable
para el mismo sujeto que se defienda de ella con una extrema suciedad (efecto, o sntoma secundario).

Ejemplos 11 y 12) Estos esquemas resultan ser complejizaciones del esquema 10. Estas variantes
admiten an esquemas ms complejos donde intervienen 5, 10 o 30 variables al mismo tiempo con
realimentaciones positivas y negativas. Por ejemplo: en una ciudad cuando aumenta el nmero de
habitantes aumenta la cantidad de basura; cuando sta aumenta se incrementa la cantidad de
bacterias, y esto a su vez provoca un aumento en las enfermedades infecciosas. Este incremento de
enfermedades a su vez hace descender el nmero de habitantes, lo que a su vez har descender la
cantidad de basura, y as sucesivamente.

Finalmente, puede consignarse que:
a) Los ejemplos 2 y 5 son algunas de las formas en que puede presentarse una prueba de espureidad
b) Los ejemplos 5, 2 y 9 respectivamente, indican segn Hyman (1984:351) tres maneras en que las
variables extraas, que l llama aqu variables adicionales (z), pueden estar ejerciendo su influencia:



Los esquemas nos muestran que z acta como variable antecedente cuando ocurre cronolgicamente
antes de X; que acta como variable interviniente cuando ocurre despus de X; y que acta como
variable contextual cuando ocurre al mismo tiempo (simultneamente) que X.

3. LOS CNONES DE STUART MILL

En el siglo pasado, John Stuart Mill present una serie de procedimientos destinados a descubrir y a
probar conexiones causales, basndose en las ideas de Francis Bacon y algunos autores medievales. En
el presente tem se explican estos mtodos con ejemplos, se exponen comentarios sobre ellos, algunas
de las crticas que han recibido, y se resean brevemente sus antecedentes histricos con el fin de
completar la informacin sobre los conceptos de causalidad y experimento desde un punto de vista
histrico.
John Stuart Mill (1806-1873), filsofo, psiclogo y metodlogo de la ciencia britnico, tuvo que esperar
ms de veinte aos en poder casarse con su novia Harriet Taylor, durante los cuales debi sufrir los
prejuicios victorianos de la poca. Fue, tal vez por eso, un ardiente defensor de los derechos de las
mujeres a decidir por s mismas y no por las presiones sociales (entre otras cosas defendi el sufragio
femenino), y fue tambin tal vez por ello que, decidido a indagar las causas de tal demora, plante sus
famosos cnones para descubrir y probar vnculos causales.

Una presentacin de los mtodos de Mill

Comenzaremos dando una explicacin sencilla de cada uno de los mtodos de Stuart Mill, para lo cual
nos guiaremos siguiendo el esquema 1. Asimismo, utilizaremos un mismo ejemplo hipottico para todos
los mtodos, para simplificar la explicacin.
El ejemplo en cuestin es el siguiente: se trata de utilizar los mtodos de Mill para descubrir y probar las
causas de los problemas de aprendizaje en los nios (fenmeno). Entre las causas posibles estn A (mala
alimentacin), B (el colegio), C (el maestro), y D (los vnculos familiares). Antes de ver cmo se aplican a
este problema los mtodos de S. Mill, hagamos una breve aclaracin sobre la expresin "circunstancias
antecedentes" que aparece en el esquema 1.
X Y
z
Variable antecedente Variable interviniente Variable contextual
z Y X
X Y
z
EJEMPLO 5 EJEMPLO 2 EJEMPLO 9

Pgina 140 de 325
140
En principio, la expresin 'antecedentes' puede tener dos sentidos distintos, que podemos designar como
ontolgico y metodolgico: 1) en un sentido ontolgico, circunstancias antecedentes son circunstancias
que ocurren temporalmente 'antes' que el fenmeno (Copi, 1974:431). Por ejemplo, el ruido se produce
antes que la reaccin de estrs; y 2) en un sentido metodolgico, circunstancias antecedentes puede
aludir a que son circunstancias que deben formularse 'antes' de la aplicacin del mtodo (por ejemplo,
esta interpretacin es mencionada por Losee como una condicin de aplicabilidad del mtodo de la
diferencia en Losee, 1979:158). Por ejemplo, antes de investigar sobre el estrs, debemos especificar al
ruido como un factor con l relacionado.
Mill considera el primer sentido pues 'causa' es, para l, el antecedente necesario e invariable de un
fenmeno (Fatone, 1969:167). El hecho de que, como veremos, Mill defina sus mtodos en trminos de
"la circunstancia es la causa (o el efecto) de...", alude simplemente a que sus mtodos sirven tanto para
buscar la causa de un efecto, como para buscar el efecto de una causa, es decir, ms genricamente,
para estudiar en qu concuerdan o en qu difieren casos diferentes (Fatone, 1969:167).
El segundo sentido es igualmente compatible con la posicin de Mill, porque no contradice su pretensin
de que los mtodos permiten 'descubrir' causas, lo cual puede hacerse perfectamente antes de la fase
probatoria, o fase de aplicacin propiamente dicha del mtodo. Finalmente, diferenciemos circunstancia
antecedente de circunstancia comn y circunstancia relevante. Circunstancias comunes son aquellas
circunstancias antecedentes que aparecen cuando tambin aparece el fenmeno. Por su parte, las
circunstancias antecedentes elegidas se supone que son circunstancias relevantes a los efectos de la
explicacin del fenmeno.

Esquema 1: Los mtodos de Stuart Mill

Mtodo Casos Circunstancias
Antecedentes
Fenmeno Conclusin
Concordancia N1
N2
N3
A B C
B C
C
X
X
X
C es causa (o efecto)
probable de X
Diferencia N1
N2
A B
B
X
no-X
A es causa (o efecto)
probable de X
Conjunto de
concordancia y
diferencia
N1
N2
0N3
A B C
B C
C
X
X
no-X
B es causa (o efecto)
probable de X
Residuos N1 A B C
Se sabe que A
Se sabe que B
X Y Z
X
Y
C es causa (o efecto)
probable de Z
Variacin
concomitante
N1
N2
A B
2A B
X
2X
A es causa (o efecto)
probable de X

A: Mala alimentacin X: Problema de aprendizaje
B: Colegio Y: Problema de conducta en la escuela
C: Maestro Z: Problema de conducta en la casa

1. Mtodo de la concordancia (o del acuerdo).- "Si dos o ms casos del fenmeno que se investiga tiene
slo una circunstancia en comn, esa circunstancia es la causa (o el efecto) del fenmeno en cuestin".
Las definiciones de los mtodos son prcticamente textuales de Stuart Mill (1843).

Siguiendo el esquema adjunto, vemos que en el primer caso se trata de un nio con problemas de
aprendizaje (X). Este fenmeno se presenta con ciertas circunstancias en comn: este nio tiene mala
alimentacin (A), va a un determinado colegio (B) y tiene determinado maestro (C).
Pero hemos avanzado poco: cualquiera de esos tres factores puede o no estar relacionado con el
problema de aprendizaje. Para empezar a sacar algunas conclusiones, entonces, debemos seguir
examinando otros casos.
En el segundo caso, tenemos otro nio con el mismo problema de aprendizaje, slo que el factor A no
est presente, pues est bien alimentado, pero sin embargo los otros dos s, pues concurre al mismo
colegio y tiene el mismo maestro que el nio del primer caso. Hasta aqu, en principio se pueden concluir
dos cosas: a) que el factor A no es la causa del problema de aprendizaje, pues ste se produce estando o
no estando presente dicho factor; y b) que la causa del problema de aprendizaje queda circunscripto a
los factores B y C, o a alguno de ellos.
Sin embargo, la conclusin que nos debe interesar hasta ahora, de acuerdo al espritu de los mtodos de
Mill, es la segunda: se trata de procedimientos que no intentar probar que un factor NO es causa de otro,
sino que probar que un factor SI lo es. A diferencia del enfoque popperiano, aqu el propsito de la
investigacin no es refutar sino probar factores, an cuando un resultado de esta prueba pueda
desembocar secundariamente en una refutacin.
Retomando: como todava nuestra conclusin no es satisfactoria (no sabemos si el factor causal es B o
C), pasamos a examinar un tercer caso, donde est presente como circunstancia solamente C, y vemos

Pgina 141 de 325
141
que el efecto 'problema de aprendizaje' sigue producindose. Ahora s podemos concluir que C tiene
importancia causal respecto de X, porque hay una 'concordancia': cada vez que aparece C aparece X,
cuando todos los dems factores varan.
Veamos este otro ejemplo: "Es interesante sealar que uno de los sntomas frecuentes de los casos de
extrema angustia ante el combate es una inhibicin del lenguaje, que puede ir desde la mudez completa
hasta la vacilacin y el tartamudeo. Anlogamente, el que sufre de pnico escnico agudo es incapaz de
hablar. Muchos animales tienden a dejar de emitir sonidos cuando estn atemorizados, y es obvio que
esta tendencia tiene un valor adaptativo, al impedirles atraer la atencin de sus enemigos. A la luz de
estos elementos de juicio, cabra sospechar que el estmulo del temor tiene una tendencia innata a
provocar la respuesta de una suspensin de la conducta vocal" (John Dollard J y Millar N, "Personalidad y
psicoterapia", citado por Copi, 1974:428). El esquema sera el siguiente:

Caso Circunstancia Antecedente Fenmeno
Caso 1 A B Mudez
Caso 2 A C Mudez
Caso 3 A D Mudez

A: temor, angustia, pnico.
B: estar en combate.
C: estar en un escenario.
D: un animal en su hbitat.

Los factores variables, es decir, las circunstancias que no estn siempre presentes cada vez que se
produce mudez son los lugares: una batalla, un escenario, una selva, pero el factor comn es siempre el
temor, de lo cual se concluye la relacin causal entre el temor y la mudez: en todos los casos, ambos
factores 'concuerdan'.
Otro ejemplo: "Se observ que los habitantes de varias ciudades presentaban una proporcin mucho
menor de caries dentales que el trmino medio de toda nacin y se dedic cierta atencin a tratar de
descubrir la causa de este fenmeno. Se hall que las circunstancias propias de estas ciudades diferan
en muchos aspectos: en latitud y longitud, en elevacin, en tipos de economa, etc. Pero haba una
circunstancia que era comn a todas ellas: la presencia de un porcentaje raramente elevado de flor en
sus aguas, lo que significaba que la dieta de los habitantes de esas ciudades inclua una cantidad
excepcionalmente grande de flor. Se infiri de ello que el uso de flor puede causar una disminucin en
la formacin de caries dentales y la aceptacin de esta conclusin condujo a adoptar tratamientos a base
de flor, para este propsito, en muchas localidades (Copi, 1974:427).

2. Mtodo de la diferencia.- "Si un caso en el cual el fenmeno que se investiga se presenta y un caso en
el cual no se presenta tienen todas tienen todas las circunstancias comunes excepto una, presentndose
sta solamente en el primer caso, la circunstancia nica en la cual difieren los dos casos es el efecto, o la
causa, o una parte indispensable de la causa de dicho fenmeno".

En el primer caso, hay un nio con problemas de aprendizaje (X) que tiene mala alimentacin (A) y que
va a un determinado colegio (B).
En cambio, en un segundo caso est la situacin de un nio sin problemas de aprendizaje (no-X), con
buena alimentacin pero que va al mismo colegio.
Del anlisis de ambos casos se puede concluir que A es la causa del problema, porque cuando aparece A
el fenmeno se produce y cuando no aparece A el fenmeno no se produce (o si se quiere, porque la
'diferencia' entre la produccin y la no produccin del fenmeno radica en A).
Ejemplo: "En 1861, Pasteur finalmente aport una prueba general contra la generacin espontnea. Hizo
hervir un caldo de carne en un frasco con un cuello delgado muy largo hasta que no qued ninguna
bacteria. Esto se probaba por el hecho de que poda mantener el caldo en el frasco durante un periodo
indefinido sin que se produjeran cambios, pues el estrecho cuello no permita que nada penetrara en l.
Luego rompi el cuello y en pocas horas aparecieron microorganismos en el lquido, y la carne estaba en
plena descomposicin. Prob que el aire transportaba tales organismos filtrndolo dos veces con filtros
estriles y mostrando que poda provocar la putrefaccin con el primer filtro, pero no con el segundo (H
Pledge, "La ciencia desde 1500". Citado por Copi, 1974:433).

3. Mtodo conjunto de la concordancia y la diferencia.- "Si dos o ms casos en los cuales aparece el
fenmeno tienen solamente una circunstancia en comn, mientras que dos o ms casos en los cuales no
aparece no tienen nada en comn excepto la ausencia de esta circunstancia, la circunstancia nica en la
cual difieren los dos grupos de ejemplos es el efecto, o la causa, o parte indispensable de la causa del
fenmeno".

Este mtodo resulta de aplicar la concordancia y la diferencia en una misma investigacin. Por ejemplo:
a) Aplicando el mtodo de la concordancia a los casos 1 y 2, se concluye provisoriamente que la causa
del problema de aprendizaje puede ser B o C. b) Para decidir cul de estos dos factores es la causa,

Pgina 142 de 325
142
aplicamos ahora el mtodo de la diferencia a los casos 2 y 3, donde podemos concluir que la causa del
problema es B.
El mtodo de la diferencia y el mtodo conjunto de la concordancia y la diferencia son los dos nicos
procedimientos donde contamos con fenmenos o efectos que NO se han producido (no-X).
Ejemplo: "Eijkman aliment a un grupo de pollos exclusivamente con arroz blanco. Todos ellos
desarrollaron una polineuritis y murieron. Aliment a otro grupo de aves con arroz sin refinar. Ni uno solo
de ellos contrajo la enfermedad. Luego reuni los residuos del refinamiento del arroz y aliment con ellos
a otros pollos polineurticos, que al poco tiempo se restablecieron. Haba logrado asignar con exactitud la
causa de la polineuritis a una dieta defectuosa. Por primera vez en la historia, haba conseguido producir
experimentalmente una enfermedad debida a deficiencias de alimentacin y haba podido curarla. Fue un
trabajo notable, que dio como resultado medidas teraputicas inmediatas (Jaffe B, "Avanzadas de la
ciencia". Citado por Copi, 1974:436).

4. Mtodo de los residuos.- "Restad de un fenmeno la parte de la cual se sabe, por inducciones
anteriores, que es el efecto de ciertos antecedentes, y entonces el residuo del fenmeno es el efecto de
los antecedentes restantes".

El primer caso corresponde a un nio con mala alimentacin (A), que va a un determinado colegio (B) y
que tiene determinado maestro (C). Este nio presenta problemas de aprendizaje (X), problemas de
conducta en la escuela (Y) y problemas de conducta en el hogar, es decir, se trata de una configuracin
de tres fenmenos discriminables y relacionados entre s.
Por los resultados de investigaciones anteriores, sabemos que A es la causa de X, y que B es la causa de
Y. Por lo tanto, C ser la causa de Z, por ser el factor 'residual' de un fenmeno tambin 'residual'.
Como puede apreciarse, este mtodo slo puede aplicarse cuando se aplic alguno de los otros mtodos
de Mill, gracias a los cuales se haba podido concluir que A es causa de X y que B es causa de Y.
Un ejemplo muy citado de este mtodo es el descubrimiento del planeta Neptuno por Adams y Le Verrier.
Se haba estudiado el movimiento del planeta Urano con ayuda de las teoras de Newton, y se bosquej
su rbita en la suposicin de que el Sol y los planetas interiores a ella eran los nicos cuerpos que
influan sobre ella. Pero las posiciones de Urano obtenidas por clculo no coincidan con las observadas.
Suponiendo que estas diferencias podran explicarse por la accin gravitacional de un planeta exterior a
la rbita de Urano, se calcul la posicin de tal planeta hipottico (cuya conducta se ajustara a los
principios comunes de la mecnica celeste), tomando como base para el clculo las perturbaciones en el
movimiento de Urano. En las cercanas del lugar calculado fue descubierto, en efecto, el planeta Neptuno.
Dicho descubrimiento se acredita por ese motivo al mtodo de los residuos (Cohen y Nagel, 1979:87-88).
El mtodo de los residuos resulta particularmente til en aquellos casos donde no podemos encontrar un
caso donde falte alguna posible causa, o donde las posibles causas no pueden ser eliminadas por
experimentacin. En el ejemplo del problema de aprendizaje, cuando no es posible encontrar ni producir
ningn caso en el cual falte A, B o C.
Fatone da otro ejemplo: "el pndulo puede ser sustrado a la influencia de una montaa, pero no a la
influencia de la tierra, para ver si seguir oscilando en caso de que la accin de la tierra fuera suprimida"
(Fatone, 1969:168).

5. Mtodo de la variacin concomitante.- "Un fenmeno que vara de cualquier manera, siempre que otro
fenmeno vara de la misma manera es, o una causa, o un efecto de este fenmeno, o est conectado
con l por algn hecho de causalidad".

En los dos casos aqu considerados, el problema de aprendizaje (X) del nio tiene como circunstancias
comunes tanto la mala alimentacin (A) como el colegio donde concurre (B).
As las cosas no podemos concluir nada, salvo que podamos constatar que cuando aumenta la
alimentacn deficitaria, tambin se agrava correlativamente el problema de aprendizaje.
Esquemticamente: si la mala alimentacin aumenta al doble (2A) y correlativamente el problema de
aprendizaje se agrava tambin al doble (2X), entonces podemos concluir que A es la causa de X, porque
se ha producido una 'variacin concomitante' entre A y X: a medida que se incrementa un factor, se
incrementa el efecto.
Como podemos apreciar, este es el nico mtodo de los cinco que introduce un anlisis cuantitativo del
problema: los cuatro mtodos anteriores implicaban una consideracin cualitativa, es decir, de 'presencia'
o 'ausencia' de factores, y no de cambios cuantitativos en los mismos.
Ejemplo: El fenmeno de las mareas puede podra producirse por la atraccin gravitacional de la luna o
por la presencia de estrellas fijas. Sin embargo, cuando se produce un cambio en la atraccin
gravitacional lunar, tambin se produce una alteracin en el nivel del mar. De esta manera, se puede
concluir que las mareas estn producidas por la atraccin gravitacional lunar.

Crticas y comentarios a los mtodos de Mill


Pgina 143 de 325
143
Los cnones de Mill estaban destinados a averiguar las relaciones de causalidad, esto es, los
"antecedentes invariables e incondicionales" de todos los fenmenos (Ferrater Mora, 1979:2228). La
expresin 'averiguar' alude aqu tanto a descubrir relaciones causales, como a probarlas.
En efecto, Stuart Mill haba propuesto sus mtodos como instrumentos de 'descubrimiento' de conexiones
causales, y como procedimientos de 'prueba' de las mismas. Una buena parte de las crticas apuntan
precisamente a estas dos pretensiones, que examinaremos por separado. Un examen ms completo de
estas crticas pueden encontrarse en (Copi, 1974:451-459) y en (Cohen y Nagel, 1979:72-90).

1. Los mtodos de Mill como instrumentos para descubrir conexiones causales.- Imaginemos que,
aplicando el mtodo de la concordancia para averiguar las causas del problema de aprendizaje,
consideramos un cuarto caso donde incluimos una nueva circunstancia antecedente D (por ejemplo, ser
drogadicto), y que haba estado presente tambin en los tres casos anteriores. En esta nueva situacin,
el esquema sera el siguiente:

Caso 1 ABCD X
Caso 2 BCD X
Caso 3 CD X
Caso 4 D X

Si constatamos que el problema de aprendizaje (X) se produce tambin en presencia del factor D,
concluiremos entonces que D es la causa de X.
Por lo tanto, cuando habamos aplicado el mtodo de la concordancia considerando solamente los tres
primeros casos, habamos concluido errneamente que la causa era C, debido a que no habamos
considerado 'todos' los factores atinentes o relevantes a la cuestin. El mtodo no nos ayuda entonces a
'descubrir' nuevos posibles factores atinentes, entre los cuales podra estar la 'verdadera' causa.
Esta crtica es extensible a los dems mtodos. Como indica Copi, "los mtodos no pueden usarse a
menos que se tengan en cuenta todas las circunstancias atinentes al fenmeno. Pero las circunstancias
no llevan rtulos que digan 'atinente' o 'no atinente'. Los problemas de atinencia son problemas relativos
a la 'conexin causal', algunos de los cuales, al menos, deben hallarse resueltos 'antes' de que sea
posible aplicar los mtodos de Mill. Por consiguiente, los mtodos de Mill no son 'los' mtodos para
descubrir conexiones causales, pues algunas de estas conexiones deben ser conocidas previamente a
toda aplicacin de esos mtodos" (Copi, 1974:456).
Crticas similares formulan Cohen y Nagel (1979:89), cuando sostienen que para que los mtodos de Mill
sirvan para descubrir causas, deben incluir entre las circunstancias antecedentes la causa verdadera: "si
no hemos tenido la fortuna de incluirla, eliminaremos todas las alternativas sin descubrir la causa de X".
El problema no pasa solamente por no haber seleccionado todos los factores atinentes, sino que tambin
puede pasar por haberlos seleccionado mal. Un ejemplo particularmente risueo nos lo suministra Copi
(1974:453): tomo whisky con soda y me emborracho, tomo vino con soda y me emborracho, tomo ron
con soda y me emborracho, y tomo gin con soda y tambin me emborracho. Por lo tanto, lo que me
emborracha es la soda, porque concuerda siempre la soda con la borrachera.
Esta mala seleccin de los factores relevantes me impide descubrir la verdadera causa de la borrachera,
lo que ilustra otro aspecto del problema de los mtodos de Mill para descubrir conexiones causales. En
realidad, el factor concordante que habra que haber seleccionado es el componente de alcohol presente
en todas las bebidas consideradas.

2. Los mtodos de Mill como reglas para probar conexiones causales.- Copi (1974:457-459) sostiene dos
razones para negarles valor demostrativo a los cnones de Mill.
a) Puesto que los mtodos, como hemos visto en el pargrafo anterior, no pueden ayudarnos a
seleccionar todos los factores atinentes, la afirmacin de que uno de los factores considerados es la causa
del fenmeno no tiene valor de prueba. El experimento de la soda que emborracha no logr probar la
causa de la borrachera.
b) Las correlaciones entre factores y fenmenos no siempre son prueba de un vnculo causal, y los
mtodos de Mill, especialmente el de las variaciones concomitantes, concluyen un vnculo causal all
donde hay una simple correlacin. Por ejemplo (Copi, 1974:458), el hecho de que la velocidad diaria del
viento en Chicago vare proporcionalmente durante un ao o ms con la tasa de nacimientos en la India,
no indica que un factor sea la causa del otro.
Desde ya, cuanto mayor sea el nmero de casos donde hay correlacin, tanto mayor ser la probabilidad
que dicha relacin sea causal, pero, como no se pueden examinar todos los casos posibles, las
conclusiones nunca sern seguras. Tal el tipo de cuestionamiento que hace Copi a los mtodos de Mill
como instancias de prueba de conexiones causales: los mtodos de Mill son inductivos, no deductivos, y
por tanto nunca podrn conferir necesariedad a un vnculo causal.
Este tipo de crtica podemos incluso encontrarla varios siglos antes, cuando Nicols de Autrecourt (siglo
XIV) cuestiona el mtodo de la concordancia propuesto por entonces diciendo que no puede establecerse
que una correlacin cuya vigencia se ha observado deba continuar mantenindose en el futuro, con lo
cual no se puede conseguir conocimiento necesario de las relaciones causales (Losee, 1979:52). En la

Pgina 144 de 325
144
misma lnea de pensamiento se inscribe la conocida posicin escptica de Hume (1711-1776) al respecto
(Losee, 1979:110).
Tengamos presente, por ltimo, que la presencia de correlacin no asegura que haya un vnculo causal,
por cuanto la correlacin entre los fenmenos estudiados podra muy bien deberse a que son efectos de
una misma causa. Stuart Mill haba llegado a advertir esto cuando consider los fenmenos altamente
correlacionados del da y de la noche (Losee, 1979:164): en realidad, dicha correlacin obedece a que
ambos fenmenos dependen de ciertas condiciones, como por ejemplo la rotacin diurna de la tierra, lo
que viene a mostrarnos que Mill tuvo conciencia de las limitaciones de sus mtodos. Examinmoslas
brevemente.

3. La autocrtica de Stuart Mill.- Los diversos cuestionamientos que hemos detallado apuntan, en general,
al mal uso de los mtodos ms que al pensamiento original de Stuart Mill, por cuanto ste ya se haba
percatado acerca de los alcances y las limitaciones de ellos.
Mill haba propuesto sus mtodos como reglas para probar conexiones causales, pero "en sus momentos
ms prudentes, sin embargo, restringi la prueba de la conexin causal a aquellos argumentos que
satisfacan el mtodo de la diferencia" (Losee, 1979:165). Adems, Mill sostuvo que el mtodo de la
diferencia era el ms importante en cuanto a su potencial para descubrir causas, y que, en este sentido,
contrastaba con el mtodo de la concordancia, que tena dos importantes limitaciones (Losee, 1979:158-
159). El primer lugar, el mtodo de la concordancia slo sirve cuando se hizo un inventario exacto de las
circunstancias relevantes, con lo cual su xito depende de las hiptesis previas sobre las circunstancias
relevantes. En nuestro ejemplo del problema de aprendizaje, ya hemos dicho que si no inclumos el factor
drogadiccin como causa y ste factor es efectivamente causal, las conclusiones seguirn un camino
equivocado.
En segundo y ltimo lugar, el mtodo de la concordancia no sirve si est funcionando una pluralidad de
causas. "Mill reconoci que un tipo determinado de fenmenos puede ser el efecto de diferentes
circunstancias en diferentes ocasiones" (Losee, 1979:158-159). Por ejemplo, en la siguiente situacin:

Caso Circunstancias antecedentes Fenmenos
1 ABEF abe
2 ACD acd
3 ABCE afg

es posible que B causara 'a' en los casos 1 y 3, y que D causara 'a' en el caso 2. Debido a que esta
posibilidad existe, slo se puede concluir que es probable que A sea la causa de 'a'.
En general, Stuart Mill estableci la limitacin de sus mtodos en su carcter inductivo. En efecto, Para
l, "la lgica debe estudiar principalmente la teora de la induccin como el nico mtodo adecuado para
las ciencias. Los conocimientos cientficos son producto de la induccin, pues las mismas generalidades
ideales que se suponen adquiridas 'a priori' son el resultado de generalizaciones inductivas. La previsin
de los fenmenos tiene, por tanto, un carcter probable [que] no es nunca seguridad definitiva" (Ferrater
Mora, 1979:2227-2228).

4. Reivindicacin de los mtodos de Mill.- Copi los cuestiona los mtodos de Mill como instancias de
descubrimiento y de prueba, pero los reivindica diciendo que, si se agrega una hiptesis adicional que
postule un universo finito de causas, pueden obtenerse conclusiones seguras o necesarias, es decir,
fundadas en la deduccin, y no en la induccin (los mtodos de Mill son esencialmente inductivos). En el
ejemplo del problema de aprendizaje, si agregamos como premisa adicional que las 'nicas' causas
posibles del problema de aprendizaje X son A, B y C, entonces la conclusin de que C es la causa efectiva
es necesaria.
As presentados, los mtodos de Mill "aparecen como instrumentos para someter a ensayo la hiptesis.
Sus enunciados describen el mtodo del 'experimento controlado', que constituye un arma indispensable
de la ciencia moderna" (Copi, 1974:461). Copi redondea su reivindicacin, sealando que si bien las
leyes causales nunca pueden ser descubiertas con los mtodos de Mill, ni pueden estos establecer
'demostrativamente' [deductivamente] su verdad, estos mtodos "constituyen los modelos bsicos a los
cuales debe adecuarse todo intento por confirmar o refutar, mediante la observacin o el experimento,
una hiptesis que confirme una conexin causal" (Copi, 1974:464).
Cohen y Nagel tambin cuestionan los mtodos como procedimientos de descubrimiento y de prueba,
pero los reivindican indicando que, aunque no pueden servir para probar causas, sirven para eliminar
otras. Copi dice: "los mtodos de Mill son esencialmente eliminatorios". En el ejemplo del problema de
aprendizaje, aunque mtodos como el de la concordancia no prueban con certeza que C es la causa de X,
s prueban con certeza que A y B no lo son.
Cohen y Nagel sealan, as, que los mtodos de Mill "son de indudable valor en el proceso de llegar a la
verdad, pues al eliminar las hiptesis falsas, restringen el campo dentro del cual podemos encontrar las
verdaderas. Y an cuando no logren eliminar todas las circunstancias irrelevantes, nos permiten
establecer (con cierta aproximacin) de modo tal las condiciones para la produccin de un fenmeno que
podamos distinguir aquella hiptesis que, desde el punto de vista lgico, es preferible a sus rivales"
(Cohen y Nagel, 1979:90).

Pgina 145 de 325
145

Antecedentes histricos

Stuart Mill no es del todo original al plantear sus mtodos. Su mrito reside en haber revisado,
sistematizado y propagandizado las ideas al respecto de Francis Bacon quien, a su vez, tampoco fue el
primero en formular los mtodos inductivos, ya que encontramos importantes antecedentes en algunos
pensadores medievales, como por ejemplo en Robert Grosseteste, Juan Duns Escoto o Guillermo de
Occam.
Consiguientemente, podemos trazar dos etapas histricas hasta desembocar en los mtodos de Mill del
siglo XIX: los medievales y Francis Bacon (despus de Bacon y antes de Stuart Mill, el ingls David Hume
haba escrito ocho reglas "para juzgar sobre causas y efectos", entre las cuales estaban los mtodos de la
concordancia, de la diferencia y de las variaciones concomitantes. Ver Losee, 1979:115). Para todo ello,
nos guiaremos por el esquema 2.

Esquema 2: Algunos antecedentes histricos de los mtodos de Mill

Grosseteste
(1168-1253)
Duns Escoto
(1265-1308)
G. de Occam
(1280-1349)
Galileo
(1564-1642)
F. Bacon
(1561-1626)
Concordancia B F
Diferencia C G
Conjunto A D
V.Concomitante E H

(Para las letras maysculas, remitirse al texto).

1. Los medievales.- A) Grosseteste contribuy a desarrollar nuevas tcnicas inductivas para descubrir
principios explicativos. Sugiri por ejemplo un procedimiento para saber si una hierba tena efecto
purgante: deban examinarse numerosos casos donde se administrase la hierba en condiciones donde no
hubiera otros agentes purgantes. Se trata (Losee, 1979:42) de un procedimiento inductivo que luego
describira Stuart Mill como el mtodo conjunto de la concordancia y la diferencia.
B) Duns Escoto propuso el mtodo de la concordancia, pero le asign mritos muy modestos: sostena
que, si cada vez que se daba la circunstancia A se produca el efecto X, varindose todas las otras
circunstancias, el cientfico estaba autorizado a afirmar que A 'puede' ser la causa de X, pero no a que
necesariamente A 'debe' ser su causa (Losee, 1979:43). Escoto habl de 'uniones disposicionales' entre
un efecto y su circunstancia antecedente, es decir, de uniones constatadas en la experiencia y que, como
tales, no podan ser consideradas uniones necesarias.
C) Nos cuenta Losee: "Occam formul un procedimiento para extraer conclusiones acerca de las uniones
disposicionales siguiendo un Mtodo de la Diferencia. El mtodo de Occam consiste en comparar dos
casos: un caso en que el efecto est presente, y un segundo caso en que el efecto no est presente. Si se
puede mostrar que existe una circunstancia que est presente cuando el efecto est presente, y ausente
cuando est ausente [...], entonces el investigador est autorizado a concluir que la circunstancia 'puede
ser' la causa del efecto".
"Occam mantena que, en el caso ideal, el conocimiento de una unin disposicional poda establecerse
sobre la base de solamente una asociacin observada. Sealaba, sin embargo, que en un caso as se
debe estar seguro de que todas las dems causas posibles del efecto en cuestin no estn presentes.
Observ que, en la prctica, es difcil determinar si dos conjuntos de circunstancias difieren slo en un
aspecto. Por esta razn, instaba a investigar muchos casos, con el fin de minimizar la posibilidad de que
un factor no localizado sea el responsable de la aparicin del efecto" (Losee, 1979:43).
D) Crombie (1979:36) indica que Occam tambin propuso un mtodo similar al luego conocido como
mtodo de la concordancia y la diferencia. Mediante dicho procedimiento, Occam pens que, ya que el
mismo efecto poda tener diferentes causas, era preciso eliminar las hiptesis rivales.
E) En su "Dilogo sobre los dos sistemas principales del mundo" (1632), Galileo hace discutir a Salviati
(que representa el pensamiento de Galileo) y a Simplicio (que representa a los aristotlicos). Refiere
Crombie (1979:126-127) que en este texto Galileo habla de un procedimiento igual al mtodo de las
variaciones concomitantes de Stuart Mill (o al mtodo de los grados de comparacin de Bacon), cuando
dice: "As digo que si es verdad que un efecto puede tener solamente una causa, y si entre la causa y el
efecto hay una conexin precisa y constante, entonces cuando quiera que se observe una variacin
precisa y constante en el efecto, debe haber una variacin precisa y constante en la causa". Para
ejemplificar el procedimiento, Galileo nos suministra el ejemplo de las mareas, que hemos explicado
brevemente ms arriba.
Sin embargo (Losee, 1979:65), Galileo no aval los otros mtodos de Bacon: las hiptesis sobre
idealizaciones no pueden obtenerse de la induccin por enumeracin simple ni por los mtodos de la
concordancia y la diferencia, siendo preciso que el cientfico intuya qu propiedades de los fenmenos son
la base adecuada para la idealizacin, y qu propiedades pueden ignorarse.


Pgina 146 de 325
146
2. Francis Bacon.- Bacon propondr sus 'tablas' como un nuevo procedimiento inductivo que reemplazara
al hasta entonces conocido mtodo de la induccin por simple enumeracin, tambin llamado induccin
incompleta. En su "Novum Organum", nos cuenta que "esta especie de induccin que procede por la va
de la simple enumeracin no es sino un mtodo de nios, que no conduce sino a conclusiones precarias y
que corre los ms grandes riesgos por parte del primer ejemplo contradictorio que puede presentarse; en
general, se pronuncia segn un nmero de hechos demasiado pequeo, y solamente de esa especie de
hechos que se presentan a cada instante. Pero la induccin verdaderamente til en la invencin y en la
demostracin de las ciencias y de las artes hace una eleccin entre observadores y las experiencias,
separando de la masa, por exclusiones y rechazos convenientes, los hechos no concluyentes; luego,
despus de haber establecido proposiciones en nmero suficiente, se detiene al fin en las afirmativas y se
atiene a estas ltimas" (Bacon F, "Novum Organum", I, 105).
Para aclarar estas ideas de Bacon, retomemos brevemente el ejemplo del problema de aprendizaje y
veamos cmo podra resolverse mediante la induccin por enumeracin simple y por la induccin
baconiana.
a) Induccin por enumeracin simple: el primer nio pertenece al colegio B, y tiene problemas de
aprendizaje; el segundo nio tambin pertenece al colegio B y tambin tiene problemas de aprendizaje; y
as sucesivamente con otros nios. Por lo tanto, se concluye que la causa del problema de aprendizaje es
el colegio B.
b) Induccin baconiana: usando por ejemplo el mtodo de la concordancia, vemos que el primer nio
pertenece al colegio B, tiene al maestro C y tiene mala alimentacin, y vemos que tiene problemas de
aprendizaje. El caso del segundo nio es igual, pero est bien alimentado, y el caso del tercer nio es
igual pero est bien alimentado y no va al colegio B. Por lo tanto, puesto que en los tres casos concuerda
siempre el maestro C, esta ser probablemente la causa del problema de aprendizaje. Esta conclusin es
ms firme que aquella otra ofrecida por el mtodo de la induccin por enumeracin simple. Ciertos
autores (por ejemplo Fatone 1969:165) han declarado que la propuesta de F. Bacon se opone a la
induccin llamada completa, consistente en derivar del total de casos una afirmacin general que vale
precisamente para todos esos casos.
En rigor, la propuesta de Bacon iba tanto contra la induccin por enumeracin simple como contra la
induccin completa o matemtica. Para l, ni la experiencia bruta ni los razonamientos vacos,
respectivamente, son el camino de la ciencia. El cientfico no debe ser, deca Bacon en el libro 1, aforismo
95 del "Novum Organum", ni una hormiga, que lo nico que hace es almacenar (comida = informacin),
ni una araa que teje redes con material fabricado por ella misma. El cientfico debe estar en el punto
medio: debe ser una abeja que extrae materiales en los jardines, pero luego puede elaborar esa materia
prima con un 'arte que le es propio'. Esta elaboracin de la informacin que nos brinda la naturaleza es
posible gracias a la utilizacin de una nueva herramienta (un 'novum organon'), constitudo
fundamentalmente por las 'tablas', antepasados directos de los 'mtodos' de Mill.
Las 'tablas' de Bacon son tres: de presencia, de ausencia y de comparacin, y corresponden,
respectivamente, a los mtodos de la concordancia, de la diferencia y de las variaciones concomitantes
(F, G y H del esquema 2).
"En la tabla de presencia se registrarn todos los casos diferentes en que se da el mismo fenmeno; en la
de ausencia, los casos en que el fenmeno que interesa no se da a pesar de que tienen circunstancias
comunes con aquel en que se da; en la tabla de comparacin, los casos en que el fenmeno presenta
variaciones o diferencias [...]. As fundaba Bacon el mtodo, que consiste en buscar los fenmenos tales
que: cuando se da uno de ellos se da el otro; cuando no se da uno de ellos no se da el otro; y cuando
uno de ellos vara, vara el otro. Comprobada esta triple relacin, poda enunciarse la relacin forzosa que
exista entre los hechos" (Fatone, 1969:166).

Los mtodos de Mill y los mtodos experimentales actuales

A partir de Stuart Mill, los mtodos para probar conexiones causales siguieron evolucionando de manera
notable hasta muy entrado el siglo XX. En tren de establecer una comparacin entre los cnones de
prueba de Mill y los actuales, podemos trazar, en forma muy escueta, el siguiente panorama.
Los mtodos experimentales actuales presentan una gran semejanza con los mtodos de la diferencia y
de la variacin concomitante, mientras que tienen poco que ver con los mtodos de la concordancia y de
los residuos.
La semejanza con el mtodo de la diferencia radica en que precisamente en los modelos experimentales
actuales, una situacin tpica es aquella donde se comparan dos grupos: a uno se lo somete a la
influencia de un posible factor causal A y al otro no, en la esperanza de que luego el primer grupo
presente el efecto X y el segundo no. La semejanza con el mtodo de la variacin concomitante radica en
el anlisis cuantitativo, tpico de los mtodos actuales. Muchas veces no basta con someter a un grupo a
la influencia de un posible factor causal A, sino que adems se introducen variaciones cuantitativas en
dicho factor para ver si se produce una variacin concomitante en el efecto X. Un ejemplo son los
experimentos sobre nuevas drogas para curar enfermedades.
El mtodo de los residuos no guarda relacin con los mtodos actuales sencillamente porque no se trata
de un procedimiento experimental. Hemos ya dicho que uno de los motivos por los cuales se utilizaba
este mtodo era para investigar situaciones donde no se podan introducir cambios artificialmente.

Pgina 147 de 325
147
El mtodo de la concordancia, por ltimo, es bastante diferente a ciertos procedimientos experimentales
actuales tpicos. Mediante el mtodo de Mill, comparbamos distintos casos donde se produce el efecto X
y donde hay diferentes causas posibles. Por ejemplo, en un caso tenemos las causas posibles A-B-C y el
efecto X. En cambio, en el procedimiento actual no se hace un descarte progresivo de causas hasta que
quede, por ejemplo, C. En su lugar, se selecciona previamente la causa C y se la somete a prueba y los
dems factores (A y B) son tratados como variables extraas, buscndose controlar su influencia con
procedimientos tales como la aleatorizacin. Un pionero de este procedimiento fue Fisher, que lo propone
alrededor de 1925 (Fisher, 1954).

Pgina 148 de 325
148
CAPTULO 9: LAS ETAPAS DE LA INVESTIGACIN TPICA

A lo largo del presente texto se explicarn los pasos o etapas de una investigacin tpica, es decir,
emprica. Este tipo de investigacin podr ser pura o aplicada, pero en general seguir la pauta de una
investigacin correlacional o explicativa, primaria y cuantitativa.
Cada etapa ser tratada en detalle en los siguientes captulos de este libro:

Etapas de la investigacin tpica (visin panormica) Captulo
1) Planteo del problema
2) Revisin bibliogrfica
3) Planteo del marco terico
4) Planteo de objetivos
Captulo 10
5) Formulacin de la hiptesis
6) Identificacin, categorizacin y operacionalizacin de las variables
Captulo 11
7) Definicin de la poblacin
8) Seleccin de la tcnica de muestreo
9) Seleccin o construccin de los instrumentos de medicin
Captulo 12
10) Seleccin del diseo de investigacin Captulo 13
11) Recoleccin y organizacin de los datos
12) Anlisis e interpretacin de los datos
Captulo 14
13) Presentacin de los resultados Captulo 15

En el presente captulo se presenta una primera vista panormica de las etapas de una investigacin
tpica, y que habitualmente se cumplen en la mayora de las investigaciones que podemos encontrar en
las publicaciones cientficas.
As es que a continuacin se explica brevemente cada etapa utilizando un ejemplo nico: una
investigacin que indague acerca de las relaciones entre estado civil y estado de nimo. Tngase
presente que, dependiendo de cada investigacin en particular, algunos de los pasos indicados pueden
saltearse, cambiarse el orden, e incluso volver sobre alguno de los pasos anteriores.

1) Planteo del problema.- El problema se expresa mediante una pregunta, la cual deber ser contestada
en la investigacin. Por ejemplo: Existe alguna relacin significativa entre estado civil y estado de
nimo?.
Debe diferenciarse el problema del tema. El tema de la investigacin es bsicamente la variable
dependiente. En nuestro ejemplo, cualquiera de ambas podra serlo: el estado civil puede depender del
estado de nimo (estoy triste por lo tanto me divorcio) o el estado de nimo puede depender del estado
civil (estoy soltero y por lo tanto estoy alegre). En este paso, por tanto, deberemos decidir cul ser
nuestra variable dependiente. Por ejemplo, elegimos estado de nimo.

2) Revisin bibliogrfica.- Su funcin bsica es la de conocer qu soluciones dieron otros autores al
mismo problema o problemas similares que pretendemos resolver en nuestra investigacin.
Emprendemos aqu la ardua tarea de revisar todo las investigaciones realizadas concernientes a la
relacin entre estado de nimo y estado civil, para lo cual deberemos recorrer bibliotecas, la red Internet,
etc. La idea es hacer una sntesis de todo lo encontrado utilizando solamente los abstracts de las
investigaciones encontradas. Tal vez podramos encontrarnos con que nuestra investigacin ya fue
realizada, pero ello no debe desilusionarnos: por lo general nuestra investigacin partir de muestras
diferentes, utilizar otros instrumentos de medicin, etc., lo cual la convierte en una investigacin
original que complementar la ya realizada. En todo caso, en nuestro informe final consignaremos en qu
medida nuestra investigacin coincide o no con los resultados de otras investigaciones, y qu razones
podran dar cuenta de las diferencias.

3) Planteo del marco terico.- Las variables elegidas han de ser definidas dentro de un marco terico. Por
ejemplo, para definir estado civil podemos tomar como referencia el Cdigo Civil del pas donde
hacemos la investigacin, mientras que para definir estado de nimo podremos tomar el DSM-IV. Otros
ejemplos de marcos tericos para otras variables pueden ser el psicoanlisis, el cognitivismo, la teora de
la gestalt, la teora del aprendizaje de Skinner, etc. En suma, en este caso se sintetizarn los marcos
tericos utilizados, mientras que las definiciones tericas de las variables se especifican en un paso
ulterior

4) Planteo de objetivos.- Supondremos que en nuestro ejemplo realizaremos una investigacin de campo,
experimental, descriptivo-explicativa y con datos principalmente primarios.
Suelen especificarse un objetivo general y objetivos especficos. En nuestro ejemplo, el objetivo general
podra ser probar si existe o no una relacin significativa entre estado civil y estado de nimo, y algunas
objetivos ms especficos podran ser revisar las investigaciones recientes sobre el tema, discutir las

Pgina 149 de 325
149
diferencias encontradas con otras investigaciones sobre el mismo tema, o examinar la incidencia de las
variables edad y nivel de instruccin en la muestra seleccionada.

5) Formulacin de la hiptesis.- La hiptesis es nuestra respuesta tentativa al problema, y puede
formularse en forma general y especfica. La forma general sera existe una relacin significativa entre
estado civil y estado de nimo. Un ejemplo de hiptesis ms especfica sera las personas solteras
tienden a sufrir estados depresivos. En una hiptesis especfica, pueden especificarse varias cosas: el
vnculo entre las variables (en vez de decir existe una relacin entre decimos es la causa de),
alguna categora de alguna variable (en vez de estado civil decimos casado), o alguna dimensin o
indicador de alguna variable (en vez de estado de nimo decimos presentan desinters por el mundo
exterior). Normalmente, la hiptesis que ser verificada en la investigacin es la hiptesis general.
Si hemos decidido que nuestra investigacin sea exploratoria, en lugar de una hiptesis pueden realizarse
algunas conjeturas acerca de las variables o factores relevantes vinculadas con el tema. Las conjeturas
son meras sospechas que luego, si se encuentran suficientes elementos de juicio para considerarlas
dignas de ser probadas, sern convertidas en hiptesis.

6) Identificacin, categorizacin y operacionalizacin de las variables.- Respecto de la identificacin, nos
preguntaremos qu variables principales vamos a considerar: estado civil y estado de nimo.
Seguidamente, las clasificamos segn diversos criterios: simples o complejas, manifiestas o latentes,
organsmicas o situacionales, etc. En general, las clasificaciones que no pueden obviarse son:
independiente o dependiente (estado civil ser independiente y estado de nimo, dependiente), y
cualitativa o cuantitativa. Esta ltima clasificacin es importante porque especifica en qu nivel de
medicin la mediremos. Por ejemplo, estado civil ser una variable cualitativa nominal, mientras que
estado de nimo ser una variable cualitativa ordinal. En principio no tendra mucho sentido clasificar
estado civil como ordinal, porque no podemos decir ms casado, algo casado o nada casado.
Respecto de la categorizacin, asignaremos categoras a las variables (para estado civil pueden ser
soltero, casado, separado de hecho, divorciado, juntado, viudo, etc., y para estado de nimo
pueden ser muy deprimido, deprimido, alegre y muy alegre).
En cuanto a la operacionalizacin, si las variables son complejas seleccionaremos dimensiones e
indicadores. Dimensiones de estado de nimo podran ser manifestaciones fsicas y manifestaciones
psquicas, y sus respectivos indicadores, postura corporal e inters por el trabajo. Como estado civil
es una variable simple, seleccionaremos un solo indicador. Por ejemplo, aquello que nos responde el
sujeto cuando le preguntamos por su estado civil.

7) Definicin de la poblacin.- Especificamos la poblacin que queremos estudiar. Por ejemplo, todas las
personas entre 20 y 60 aos que vivan en la ciudad de Buenos Aires en un mes y ao determinado. Por
lo tanto, nuestra unidad de anlisis sern personas (y no por ejemplo grupos o familias). La definicin de
la poblacin supone siempre especificar sus componentes, llamados unidades de anlisis.

8) Seleccin de la tcnica de muestreo.- Podramos elegir una muestra de tipo probabilstico: elegimos al
azar una cierta cantidad de nmeros telefnicos. Hay otros procedimientos menos aconsejables porque
no son aleatorios, como elegir a las personas que conocemos de nuestro entorno (familiares, amigos,
vecinos, etc.). Es estos casos la muestra estar sesgada por nuestras preferencias y por un determinado
estrato social o zona geogrfica.
Las muestras sern diferentes segn el tipo de investigacin a realizar. En un estudio descriptivo puede
utilizarse una muestra de 1000 personas extradas de la poblacin, y a las cuales encuestaremos. En un
estudio explicativo experimental, las muestras consistirn por ejemplo en dos grupos: el primero
conformado por personas solteras, y el segundo por personas casadas. Tambin podemos elegir tantos
grupos como categoras tenga la variable estado civil.

9) Seleccin o construccin de los instrumentos de medicin.- Hay varios tests que miden estado de
nimo, como por ejemplo el Cuestionario de Depresin. Si no hemos encontrado ningn instrumento apto
para medir nuestras variables, deberemos construirlos nosotros mismos. En nuestro ejemplo, deberemos
construir un test para medir estado de nimo. Para medir estado civil obviamente no se requiere
ningn test: basta con preguntarle a la persona cul es su estado civil.
La construccin de nuestro test implicar cumplir estos pasos: a) Seleccionar los tems, es decir, las
preguntas o las pruebas que incluir. Para nuestro ejemplo, uno de los tems puede ser la pregunta Se
siente triste la mayor parte de los das?. b) Categorizar los tems, es decir, establecer las respuestas
posibles que podr responder cada sujeto en cada tem. Por ejemplo para el tem anterior, las posibles
categoras pueden ser s y no. c) Construir un sistema de puntuacin de las respuestas. Por ejemplo
asignamos arbitrariamente el nmero 1 si contest que s y 0 si contest que no. Luego, sumando todos
los puntos de cada tem, deberemos obtener un ndice, en este caso, un ndice de estado de nimo.
Tambin aqu estableceremos como interpretar estos ndices. Por ejemplo, si obtuvo ms de 20
categorizaremos al sujeto como muy deprimido, si obtuvo entre 15 y 19 puntos lo ubicaremos como
deprimido, y as sucesivamente. d) Finalmente determinaremos la validez y la confiabilidad del
instrumento as construido.

Pgina 150 de 325
150

10) Seleccin del diseo de investigacin.- Como estamos suponiendo que nuestra investigacin es
explicativa y adems indaga una sola variable causal, se podran elegir alguno de los seis diseos
experimentales bivariados que propone Selltiz, fundamentando adems esta eleccin.

11) Recoleccin y organizacin de los datos.- Para la recoleccin de los datos, aplicamos o administramos
los instrumentos de medicin. Tomamos a los sujetos elegidos un test de estado de nimo y les
preguntamos su estado civil. De todos los pasos de esta investigacin, este es el nico en el cual
tomamos contacto con los sujetos del estudio. Todos los otros pasos los podemos realizar solos en
nuestro lugar de trabajo.
La organizacin de los datos, supone realizar ciertas operaciones como la construccin de una matriz de
datos, la tabulacin, la graficacin y la obtencin de medidas estadsticas de posicin y de dispersin.
a) Construccin de la matriz de datos.- Organizamos y sintetizamos toda la informacin obtenida en una
matriz, que, en nuestro ejemplo puede asumir la siguiente forma:

Sujeto Estado civil Estado de nimo
A Soltero Muy deprimido
B Soltero Alegre
C Casado Deprimido
Etc Etc Etc

En el caso de tratarse de variables cuantitativas, en esta matriz se consignarn en las columnas de las
variables los puntajes brutos, los puntajes estandarizados y/o los percentiles. Por ejemplo, si utilizamos
el WISC-III para medir inteligencia en nios, Juancito pudo haber obtenido respectivamente 121, 114 y
82.
b) Tabulacin.- Toda la informacin de la matriz de datos la organizamos aqu en una tabla de doble
entrada, es decir, una tabla que permita cruzar las dos variables en juego:

Muy deprimido Deprimido Alegre Muy alegre TOTALES
Soltero 7 ? ? ? ?
Casado ? ? ? ? ?
Separado de hecho ? ? ? ? ?
Divorciado ? ? ? ? ?
Juntado ? ? ? ? ?
Viudo ? ? ? ? ?
TOTALES ? ? ? ? ?

Por ejemplo, hemos colocado la frecuencia 7 en el primer casillero porque hemos encontrado siete casos
de sujetos solteros muy deprimidos.
c) Graficacin.- Opcional. Sirve para presentar la informacin de las tablas de una forma ms intuitiva y
rpidamente comprensible.
d) Obtencin de medidas de posicin, dispersin y correlacin.- Generalmente pueden obtenerse a partir
de la tabla de doble entrada. Como en el ejemplo que estamos siguiendo las variables no son
cuantitativas, no podremos utilizar la media aritmtica ni el desvo estndar. Deberemos usar medidas
estadsticas para variables cualitativas, como el modo o la mediana (medidas de posicin), y otras. Por
ejemplo, si la categora que ms se repite para la variable estado de nimo es alegre, entonces alegre
es el modo. Las medidas de correlacin, finalmente, permiten organizar la informacin acerca de la
relacin entre dos o ms variables (en este caso, entre estado civil y estado de nimo).

12) Anlisis e interpretacin de los datos.- Respecto del anlisis de los datos, de acuerdo a los fines que
nos hayamos propuesto y si resultare necesario, podremos optar por varias posibilidades dentro de la
amplia gama de pruebas estadsticas tales como la prueba t, la prueba z, etc., tarea que generalmente se
confa a algn especialista en estadstica. Tales pruebas tienen como finalidad ofrecer una prueba
matemtica que permita decidir si aceptaremos o rechazaremos nuestra hiptesis.
La interpretacin de los datos es opcional pero recomendable. En este paso arriesgamos algunas
conjeturas personales acerca del porqu de la asociacin detectada entre ambas variables. Por ejemplo,
hemos encontrado una alta asociacin entre alegra y casado quiz porque el matrimonio permite
compartir trances y dificultades ms fcilmente, con lo cual hay menor margen para la depresin. La
interpretacin de los datos puede hacerse desde algn marco terico existente o bien, si somos audaces
e imaginativos, podemos crear nuestro propio marco terico porque no hay ninguno que nos satisfaga.

13) Presentacin de los resultados.- Mientras fuimos cumpliendo los pasos anteriores, es muy probable
que hayamos escrito varias hojas en borrador. Con este material redactamos nuestro informe final, luego
el abstract o resumen del mismo, luego seleccionamos un ttulo para nuestro informe y, finalmente,
publicados los resultados (por ejemplo envindolos a una revista cientfica).

Pgina 151 de 325
151
Este proceso se realimenta continuamente: en cuanto damos a conocer nuestro trabajo a la comunidad
cientfica, desde ese momento entra a formar parte de la bibliografa existente sobre el tema y, por
tanto, ser consultado por otro investigador que se encuentre en la etapa de la revisin bibliogrfica.

Este libro presentar en los captulos siguientes cada etapa de la investigacin con mayor detalle, tal
como puede apreciarse en el siguiente esquema:

Etapas de la investigacin tpica (visin ms detallada) Captulo
1) Plantear del problema
2) Revisar bibliogrfica
3) Plantear del marco terico
4) Plantear de objetivos
Captulo 10
5) Plantear la hiptesis
6) Clasificar la hiptesis
7) Definir las unidades de anlisis
8) Definir conceptualmente las variables
9) Clasificar las variables
10) Definir operacionalmente las variables
11) Categorizar las variables
Captulo 11
12) Definir de la poblacin
13) Seleccionar la tcnica de muestreo
14) Seleccionar o construir los instrumentos de medicin
Captulo 12
15) Seleccin del diseo de investigacin Captulo 13
16) Recolectar los datos
17) Organizar los datos
18) Analizar los datos
19) Interpretar los datos
Captulo 14
20) Redactar de los resultados
21) Publicar los resultados
Captulo 15

Pgina 152 de 325
152
CAPTULO 10: PROBLEMA, BIBLIOGRAFA, TEORA Y OBJETIVOS

En este captulo se describirn los cuatro primeros pasos de una investigacin tpica: el planteo del
problema que la investigacin debe resolver, la revisin bibliogrfica, el planteo del marco terico y el
planteo de los objetivos de la investigacin.

1. PLANTEO DEL PROBLEMA

El problema de investigacin es aquel que la investigacin busca resolver, y por tanto el que dar sentido
a sta. El problema suele ser definido tambin como toda situacin considerada como difcil de resolver,
y que por tanto necesita de la investigacin para resolverse (Tamayo, 1999:169), o como aquel mbito
de la investigacin para el que la ciencia no tiene todava una solucin satisfactoria (Len y Montero,
1995:22). Autores como Tamayo destacan que el problema encierra aspectos conocidos y desconocidos,
y que la idea es descubrir los desconocidos que integran la situacin problemtica (Tamayo, 1999:169).

Formulacin.- Si la investigacin cientfica es un automvil, el combustible que la alimenta son los
hechos. Pero lo que la pone en marcha no es un hecho sino un problema y, obviamente, la intencin del
investigador por resolverlo. Lewis Carroll, en "Alicia en el pas de las maravillas", hace decir a uno de
sus personajes que "como no tena respuesta para ninguno de sus problemas, el modo de formularlos
no importaba demasiado". Pero en el caso de la investigacin cientfica s interesa cmo se plantear el
problema. La importancia de formularlo correctamente fue alguna vez destacada por Claude Bernard,
cuando dijo que el experimentador que no sabe lo que est buscando, no comprender lo que
encuentra.
La correcta formulacin de un problema supone:
a) Expresarlo en forma de interrogante. La pregunta es la forma gramatical que asume el problema.
b) Expresarlo en forma lo suficientemente concreta como para que pueda ser resuelto efectivamente por
la va cientfica, es decir, para que sea solucionable cientficamente. As, el problema de la existencia de
Dios no es lo suficientemente concreto pues no hay investigacin cientfica que pueda resolverlo, siendo
mas bien un problema filosfico. Sealan Selltiz y otros (1980) que el problema debe reducirse a
dimensiones manejables o a un cierto nmero de sub-tareas, cada una de las cuales debe ser abordada
en un solo estudio.
c) Expresarlo en forma lo suficientemente clara como para saber qu datos buscar para resolverlo. As,
el problema de si el perro del comisario ladra o no, adems de ser un problema cotidiano y no cientfico,
no es lo suficientemente claro ya que no especifica si el comisario "tiene" un perro o si el comisario "es"
un perro, con lo cual no se sabr qu datos buscar para resolverlo: si los datos sobre el perro o los
datos sobre su dueo. Del mismo modo, no puede decirse simplificadamente "voy a investigar el
problema de la droga". Esta es una afirmacin ambigua que puede apuntar tanto al problema de cules
son las causas de la drogadiccin como al problema de cmo fabricar droga sin que se entere la polica.
En cambio, problemas bien planteados son por ejemplo: qu incentiva el rendimiento escolar?, o
influye la educacin recibida sobre la ideologa poltica de las personas? Se trata de problemas
solucionables y donde se sabe el tipo de informacin a buscar para resolverlos.

El problema es del investigador.- Conviene distinguir claramente el problema que llev a hacer la
investigacin, del problema que se busca resolver con la investigacin. Por ejemplo, una cosa es el
problema que tienen las personas que no pueden superar su miedo a volar, y otra es el problema
de examinar la eficacia de tratamientos para perder ese miedo. El primero es un problema de la
poblacin, que engendra o motiva un nuevo problema, el del investigador.

La justificacin del problema.- En muchos informes de investigacin se especifica porqu es importante el
abordaje del problema. Esta justificacin no se refiere a la importancia personal que el problema puede
tener para el investigador, sino a la importancia que tiene para la comunidad cientfica y la poblacin en
general. Se supone que resolver el problema implicar aumentar en amplitud y profundidad el
conocimiento de la realidad, o bien prestar algn beneficio prctico inmediato. As, aunque un problema
puede ser muy importante en tales sentidos, no alcanza a justificarse si su investigacin es ms de lo
mismo, es decir, si ya hay una gran cantidad de investigaciones que trataron la cuestin de la misma
manera.
La justificacin es lo que orienta la eleccin del problema, que puede seleccionarlo el mismo investigador
o la institucin para la cual trabaja.
Sealan Hernndez Sampieri R y otros (1996:17) que los criterios principales para evaluar el valor
potencial de una investigacin son: conveniencia, relevancia social, implicaciones prcticas, valor terico
y utilidad metodolgica. Agregan que el planteamiento de un problema de investigacin cientfico no
puede incluir juicios morales o estticos, pero debe cuestionarse si es o no tico llevarlo a cabo.

El problema y el tema.- Debe distinguirse claramente el problema del tema de investigacin. Un tema
puede ser el insomnio, mientras que los problemas que pueden tratarse dentro de esa amplia temtica

Pgina 153 de 325
153
pueden ser existen tratamientos eficaces contra el insomnio? cules son las causas del insomnio? o
hay alguna relacin entre insomnio y sedentarismo? Cuando la investigacin contempla variables
independientes y dependientes, es habitual considerar al tema como la variable dependiente.

Problema e hiptesis.- Mientras que el problema es la pregunta, la hiptesis es la respuesta tentativa.
Sealan Selltiz y otros (1980) que si no hay suficientes conocimientos para proporcionar una base para
hacer una hiptesis, como ocurre en los estudios exploratorios, la formulacin del problema incluir una
indicacin de las reas sobre las que se desea establecer una hiptesis. En cambio si ya existen
conocimientos relevantes concernientes al problema, la formulacin de ste ltimo incluir hiptesis
como gua para la recogida de datos y para su anlisis, y como medio para poder relacionar el estudio
con otros similares o con un cuerpo de teora en general.
Sealan Hernndez Sampieri R y otros, (1996:17) que plantear el problema de investigacin es afinar y
estructurar ms formalmente la idea de investigacin, desarrollando tres elementos: objetivos de
investigacin, preguntas de investigacin y la justificacin de sta. Los tres elementos deben ser capaces
de guiar a una investigacin concreta y con posibilidad de prueba emprica. Los objetivos y preguntas de
investigacin deben ser congruentes entre s e ir en la misma direccin. 3. Los objetivos establecen qu
pretende la investigacin, las preguntas nos dicen que respuestas deben encontrarse mediante la
investigacin y la justificacin nos indica porqu debe hacerse la investigacin.

2. REVISIN BIBLIOGRFICA

Slo cuando se tiene el claro el problema a resolver en la investigacin, se pueden comenzar a buscar
qu otras soluciones o respuestas se dieron al mismo. La importancia de esta revisin bibliogrfica reside
en que: a) permite saber si otras investigaciones ya han resuelto eficazmente el problema, con lo cual
toda nueva investigacin ser superflua. En raro encontrar esta situacin porque un problema cientfico
en rigor no termina nunca de resolverse toda vez que siempre podrn aportarse nuevos elementos de
juicio para reforzar la hiptesis o para refutarla; b) permite detectar investigaciones que hayan resuelto
el problema solo parcialmente, con lo cual la nueva investigacin intentar completar la respuesta. Por
ejemplo, puede ocurrir que un problema haya sido tratado solamente en un estudio exploratorio, con lo
cual la nueva investigacin intentar continuarlo mediante una investigacin descriptiva.
Para Tamayo, la revisin bibliogrfica es el fundamento de la parte terica de la investigacin, y permite
conocer a nivel documental las investigaciones relacionadas con el problema planteado. Presenta la teora
del problema aplicada a casos y circunstancias concretas y similares a las que se investiga (Tamayo,
1999:186).

3. PLANTEO DEL MARCO TERICO

En el marco terico se expresan las proposiciones tericas generales, las teoras especficas, los
postulados, los supuestos, categoras y conceptos que han de servir de referencia para ordenar la masa
de hechos concernientes al problema o problemas que son motivo de estudio e investigacin. Tambin,
en las investigaciones avanzadas, puede ser el encuadre en que se sitan las hiptesis a verificar
(Ander-Egg, 1987:154).
Destacan Hernndez Sampieri y otros (1996:54) que para elaborar el marco terico es necesario
detectar, obtener y consultar la literatura y otros documentos pertinentes para el problema de
investigacin, as como extraer y recopilar de ellos la informacin de inters. La construccin del marco
terico depende de lo que encontremos en la revisin de la literatura: a) que existe una teora
completamente desarrollada que se aplica a nuestro problema de investigacin, b) que hay varias teoras
que se aplican al problema de investigacin, c) que hay generalizaciones empricas que se aplican a dicho
problema o d) que solamente existen guas an no estudiadas e ideas vagamente relacionadas con el
problema de investigacin. En cada caso vara la estrategia para construir el marco terico. Con el
propsito de evaluar la utilidad de una teora para nuestro marco terico podemos aplicar cinco criterios:
a) capacidad de descripcin, explicacin y prediccin, b) consistencia lgica, c) perspectiva, d)
fructificacin y e) parsimonia. 8. El marco terico orientar el rumbo de las etapas subsecuentes del
proceso de investigacin (Hernndez Sampieri R y otros, 1996:54).
Las funciones que se atribuyen al marco terico son, entre otras, a) delimitar el rea de la investigacin;
b) sugerir guas de investigacin; c) compendiar los conocimientos existentes en el rea que se va a
investigar; d) Expresar proposiciones tericas generales (Tamayo, 1999:139).
El marco terico incluye tambin las definiciones de los principales conceptos de la investigacin, por
cuanto en rigor toda definicin es una teora acerca de lo definido, en tanto se consideren las llamadas
por Copi (1974) definiciones tericas.
Destacan Selltiz y otros (1980) que sean o no establecidas las hiptesis, la investigacin requiere una
definicin de conceptos a utilizar en la organizacin de los datos. Algunas de estas definiciones sern
formales: dan a conocer la naturaleza general del proceso o fenmeno a indagar y su relacin con otros
estudios o con la teora cientfica existente. Otras sern definiciones de trabajo, las cuales permiten la
recogida de datos que el investigador est dispuesto a aceptar como ndice de sus conceptos (Selltiz y

Pgina 154 de 325
154
otros, 1980). Debe aclararse que las definiciones tericas se explicitan en el marco terico, mientras que
las definiciones operacionales se explicitan ms adelante, cuando se definen las variables.

4. PLANTEO DE OBJETIVOS

Si el problema asume gramaticalmente la forma de una pregunta, los objetivos tienen la forma
gramatical de un verbo en infinitivo. Como el objetivo supone acciones a realizar, deben ser expresados
mediante verbos, tales como explorar, describir, correlacionar o probar.
El planteo de objetivos supone entonces elegir qu tipo de investigacin se realizar. Ser un estudio
exploratorio, descriptivo, explicativo o una combinacin de ellos? Ser una investigacin primaria o
bibliogrfica?
A veces se especifica un objetivo general y objetivos especficos. Estos ltimos corresponden a las
diversas sub-tareas en las cuales se descompone la tarea principal, o bien pueden hacer referencia a
otros objetivos fuera del problema de investigacin pero que por alguna razn han sido considerados
dentro de la misma.

Pgina 155 de 325
155
CAPTULO 11: HIPTESIS Y VARIABLES

Las investigaciones tpicas comienzan planteando una hiptesis que deber ser probada. La excepcin
son las investigaciones exploratorias, donde el poco o nulo conocimiento sobre el tema a investigar puede
impedir su formulacin: a veces slo se alcanzan a plantear conjeturas que podrn o no convertirse en
hiptesis. La diferencia radica en que la conjetura no est apoyada por suficientes elementos de juicio
como para merecer el esfuerzo de disear una investigacin que la pondra a prueba.
Segn Hernndez Sampieri y otros, (1996:103), en efecto, hay investigaciones que no pueden formular
hiptesis porque el fenmeno a estudiar es desconocido o se carece de informacin para establecerlas,
pero ello slo ocurre en los estudios exploratorios y en algunos estudios descriptivos.
Para poder probar una hiptesis, debe estar adecuadamente formulada, y debern estar identificados sus
componentes bsicos: las unidades de anlisis y las variables. En el caso de stas ltimas, en particular,
debern estar adecuadamente definidas y categorizadas.
Ms concretamente, los pasos que deben cumplirse en esta etapa de la investigacin son los siguientes:
1) Plantear la hiptesis.
2) Clasificar la hiptesis.
3) Definir las unidades de anlisis.
4) Definir conceptualmente las variables.
5) Clasificar las variables.
6) Definir operacionalmente las variables.
7) Categorizar las variables.

1. HIPTESIS

Definicin

La hiptesis es bsicamente una respuesta tentativa al problema de investigacin. Si el problema es
porqu lloran los bebs?, una hiptesis puede ser los bebs lloran porque tienen hambre, o los bebs
lloran porque no ven a la madre, etc. De esta forma, un mismo problema puede ser respondido con
varias hiptesis.
Entre las principales caractersticas de las hiptesis pueden mencionarse las siguientes:

1) Una hiptesis es una proposicin general, sinttica y verificable. Es una proposicin, o sea una
afirmacin (o negacin) acerca de algo. Cuando se dice aprendizaje no se est afirmando ni negando
nada, pero cuando se dice que el aprendizaje es estimulado con premios aqu ya se est afirmando
algo. Aunque tambin una negacin es una proposicin (el aprendizaje no es estimulado por premios),
lo habitual en la ciencia es la formulacin de hiptesis en forma positiva o afirmativa.
Mientras los problemas se expresan mediante preguntas, las hiptesis se expresan mediante
proposiciones.
De los varios tipos de proposiciones que hay, y siguiendo la tradicin aristotlica del Organon, las
hiptesis suelen expresarse como proposiciones hipotticas, y, ms concretamente (Len y Montero,
1995:22), en la forma condicional <Si entonces>. La proposicin categrica Los bebs lloran porque
tienen hambre puede convertirse en la proposicin hipottica Si X es un beb que llora, entonces X
tiene hambre.
La proposicin hipottica debe adems ser general: se supone y pretende que la hiptesis sea aplicable a
todos los individuos (incluso a los desconocidos, con lo que la hiptesis tiene tambin un carcter
predictivo). El anterior ejemplo sobre el aprendizaje es una proposicin general; en cambio, "Juancito
aprende ms cuando es premiado" es singular, y en este sentido no es una hiptesis. A lo sumo podr
ser una proposicin deducible de una hiptesis ("el aprendizaje aumenta con los premios") cuando no el
resultado de una observacin. El requisito de la generalidad deriva de una exigencia del conocimiento
cientfico que dice que tiene que ser general pues esto no slo aumenta el saber sobre la realidad sino
que adems, al ser predictivo, tiene una mayor utilidad prctica.

El requisito de la generalidad es importante para diferenciarlo del sentido del trmino hiptesis que suele
utilizarse en la vida cotidiana. Si alguien no llega a la cita, buscamos alguna hiptesis para explicar esta
situacin: haba huelga de transportes, tuvo un accidente, se qued dormido leyendo este libro, etc. Son todas
respuestas tentativas que despus podrn o no verificarse o no. Sin embargo, esta hiptesis no es general sino
singular, porque est destinada a dar una respuesta a ese problema especfico (aqu y ahora alguien no lleg a la
cita), y es inaplicable a todos los casos donde alguien no llega.

La hiptesis tambin debe ser una proposicin sinttica. De acuerdo con cierta clasificacin de inspiracin
kantiana (Mc Guigan, 1978:53), las proposiciones pueden ser analticas, contradictorias y sintticas.
Las proposiciones analticas son siempre verdaderas: "lo que es, es", o "el tringulo tiene tres ngulos",
etc. Las proposiciones contradictorias son siempre falsas: "una empanada no es una empanada", "un
cuadriltero tiene cinco lados", etc. Lo caracterstico de estas proposiciones es que se conoce su verdad o
su falsedad simplemente por el examen de la misma proposicin, con lo que no se requiere confrontarlas

Pgina 156 de 325
156
con la realidad: no se precisa observar un tringulo para saber que tiene tres ngulos, porque el
significado de tringulo ya lo implica.
Si en las proposiciones analticas (o contradictorias) se tiene siempre la certeza de su verdad (o
falsedad), en las proposiciones sintticas no es posible saber de antemano (o "a priori") si son verdaderas
o falsas. Por ejemplo "el lpiz es azul", o "la frustracin genera agresin". Puesto que se desconoce su
verdad o falsedad, requerirn entonces ser verificadas empricamente, lo que constituye otra de las
caractersticas de una hiptesis.
Pero para poder verificar una proposicin sinttica esta deber ser, obviamente, verificable. "Lucifer vive
en el infierno" es una proposicin sinttica pues no se sabe de antemano si esto es cierto o no, pero no
es verificable pues no se cuenta con ninguna experiencia que pueda probarlo. Cabe recordar que una
hiptesis es una respuesta a un problema, y si se desea que ste sea solucionable se deber buscar una
respuesta verificable. "La frustracin genera agresin" s es verificable, por ejemplo dando a las personas
ciertos problemas para resolver que en realidad son insolubles, y luego medir sus niveles de agresin. Es
entonces posible administrar estmulos frustrantes y observar luego si aparecen o no respuestas
agresivas.
Para que una hiptesis sea verificable, deben poder extraerse de ella consecuencias lgicas y por esa va
comprobar su acuerdo con los hechos conocidos o desconocidos. As, la hiptesis todos los cuervos
vuelan es verificable porque puede deducirse de ella el enunciado verificable este cuervo vuela.

2) Las hiptesis surgen de una teora previa y a veces tambin de la experiencia. Aunque formular una
hiptesis requiere cierta dosis de creatividad, se basa siempre en una teora previa, implcita o explcita.
As, para responder a la pregunta por qu los bebs se chupan el dedo?, puede plantearse la hiptesis
de la alucinacin de pecho o la hiptesis de la reaccin circular primaria. En el primer caso se ha tomado
como referencia la teora freudiana, y en el segundo caso la teora piagetiana. En otro ejemplo, frente al
problema de porqu existe el dolor, puede plantearse la hiptesis de que se trata de un aviso natural de
alguna enfermedad para alertar al sujeto y poder combatirla, lo cual supone una teora acerca del
funcionamiento de los seres vivos.
Las hiptesis cientficas requieren que las teoras de base estn claramente explicitadas, y por esta razn
se suele requerir que en la presentacin de una tesis se incluya el marco terico.
A veces las hiptesis surgen de la experiencia. Luego de haber visto muchas veces que luego del
relmpago viene el trueno, se puede formular la hiptesis El relmpago es la causa del trueno,
hiptesis que supone tambin un marco terico que, en este caso, podra ser la teora de que todo tiene
una causa, o la teora de que la sucesin regular de dos sucesos supone causalidad.

Hernndez Sampieri y otros (1996:103), refieren que las hiptesis surgen normalmente del planteamiento del
problema y la revisin de la literatura, y algunas veces de teoras. Por su parte, Selltiz y otros (1980) sealan que
una hiptesis puede originarse a partir de cuatro fuentes: como una simple sospecha, como resultado de otros
estudios, como consecuencia lgica de una teora, o finalmente como resultado de la observacin de ciertas
relaciones entre variables. Tanto si nace de una sospecha como si surge de estudios anteriores, la hiptesis estar
aislada de un cuerpo de teora, lo cual no sucede cuando la hiptesis surge como consecuencia lgica de una
teora. En realidad puede cuestionarse esta ltima afirmacin: toda hiptesis est conectada con algn cuerpo de
teora, aunque no se trate de una teora cientfica sino de un simple cuerpo de creencias, que en sentido amplio es
tambin una teora.

3) Las hiptesis cientficas han de ser relevantes, en el sentido que procuran dar explicaciones
"esperables" de acuerdo al contexto donde se trabaja. En un contexto cientfico no puede afirmarse como
hiptesis que "la neurosis se debe a que existe el universo". Indudablemente esto no carece de sentido,
porque si no habra universo no habra personas y por lo tanto tampoco neurticos, pero sta no es la
explicacin esperable en un contexto psicolgico. Del mismo modo, en el contexto de la qumica sera
irrelevante explicar un incendio diciendo que se debi a que se quera cobrar el seguro. La explicacin
relevante en el mismo contexto es aportada por la teora de la combustin.

4) Tras la aparente complejidad de su indagacin, el cientfico trata de buscar la solucin ms sencilla,
por lo que las hiptesis que plantea suelen ser simples. De hecho, dadas dos hiptesis alternativas que
fueron ambas verificadas con la misma fuerza, se tiende a preferir la ms simple, o sea, aquella que con
los mismos elementos explica ms, o aquella que muestra una realidad ms armnica y uniforme, o
hasta incluso aquella que resulta psicolgicamente ms entendible o ms plausible.

5) Algunas veces se proponen varias hiptesis para resolver un problema (multiplicidad), y luego se va
haciendo una seleccin sobre la base de los elementos de juicio a favor o en contra de cada una de ellas.
Hempel (1977) cita un ejemplo donde para resolver el problema de por qu las mujeres parturientas
contraan la fiebre puerperal, se haban propuesto seis hiptesis alternativas.

6) Las hiptesis son proposiciones tentativas acerca de las relaciones entre dos o ms variables
(Hernndez Sampieri y otros, 1996:103), aunque tambin la hiptesis puede hacer referencia a una sola
variable, como por ejemplo en la mayora de los pacientes psicticos presentan delirios, como en las
investigaciones descriptivas. En las investigaciones correlacionales y explicativas, la hiptesis permite al

Pgina 157 de 325
157
investigador relacionar variables entre s para determinar cmo varan unas en funcin de otras y, de
esta manera, ampliar y profundizar su comprensin de la realidad.

Clasificacin de las hiptesis

De las diversas taxonomas existentes, dos clasificaciones pueden ser de inters para la metodologa de
la investigacin.

1) La primera clasificacin las ordena en hiptesis descriptivas, correlacionales y explicativas o causales,
segn correspondan a investigaciones descriptivas, correlacionales o explicativas, respectivamente.
Las hiptesis descriptivas, por tanto, se refieren a una sola variable, como por ejemplo la mayora de los
grupos humanos tienen alta cohesin, donde la variable es cohesin grupal.
Las hiptesis de correlacin afirman una cierta asociacin estadstica o concomitancia entre dos o ms
factores o variables, como "a mayor cohesin grupal mayor eficacia laboral". Esta hiptesis dice que
cuanto ms unido es un grupo mejor trabaja, o sea informa que los factores cohesin y eficacia estn
altamente correlacionados: cuando aumenta uno tambin aumenta el otro. La correlacin podr ser
directa (ambos factores aumentan, o ambos disminuyen), o inversa (uno aumenta y el otro disminuye, o
viceversa).
Sin embargo, la hiptesis no dice explcitamente que un factor sea la causa del otro (aunque pueda uno
suponerlo ntimamente o leerlo entre lneas), o sea que explcitamente no est formulada como hiptesis
causal. Hubiera sido as en la hiptesis "la causa de la eficacia laboral es la cohesin grupal", o "la
cohesin grupal determina la eficacia laboral", donde la expresin "determina" ya sugiere en forma
explcita la idea de un vnculo causa-efecto.
Las hiptesis causales tienen mayores pretensiones: no solamente afirman que dos factores se
encuentran correlacionados sino que adems arriesgan la idea que hay un vnculo causal entre ellos, o
sea uno es la presunta causa y el otro el efecto. Las hiptesis de este tipo son claramente explicativas
(explican la eficacia a partir de la cohesin), mientras que las hiptesis de correlacin son mas bien
descriptivas, pues resumen las observaciones realizadas sobre cierta cantidad de grupos donde se
constat una cierta regularidad entre la cohesin y la eficacia.
Normalmente, las hiptesis de correlacin van surgiendo en el transcurso de una investigacin
descriptiva, pero a medida que avanza esta descripcin el investigador puede ir alimentando la sospecha
de que entre ciertos factores no slo hay una correlacin sino tambin una relacin causal, que deber
ser probada mediante una investigacin explicativa.
Cuando autores como Selltiz y otros (1980) sealan que la funcin de la hiptesis es sugerir explicaciones
de ciertos hechos y orientar la investigacin de otros, estn probablemente indicando la funcin de las
hiptesis explicativas por un lado, y de las hiptesis descriptivas y correlacionales por el otro.

2) La segunda clasificacin ordena las hiptesis en hiptesis sustantivas e hiptesis estadsticas. Las
primeras son propiamente las hiptesis que se quiere probar en la investigacin. Cuando esta prueba
requiere un procedimiento estadstico, entonces la hiptesis sustantiva se traduce al lenguaje de la
estadstica y se trabaja sobre ella desde este punto de vista.
Otros autores ofrecen clasificaciones ligeramente diferentes encuadrables en este segundo criterio
clasificatorio.
Por ejemplo, Mora y Araujo (1971) refieren que en la investigacin usamos dos tipos de hiptesis:
sustantivas y auxiliares. Las sustantivas relacionan las variables que queremos estudiar. Las auxiliares
pueden ser de validez o estadsticas. Las hiptesis de validez relacionan las variables conceptuales o
latentes con los indicadores u observaciones. Las hiptesis estadsticas relacionan las unidades de anlisis
observadas con el universo al que pertenecen. Los problemas de medicin tienen que ver con las
hiptesis auxiliares de validez.
Otros autores (Hernndez Sampieri y otros, 1996:103) indican que las hiptesis se clasifican en: a)
hiptesis de investigacin, b) hiptesis nulas, c) hiptesis alternativas. A su vez, las hiptesis de
investigacin se clasifican de la siguiente manera:

a) Hiptesis descriptivas del valor de variables que se van a observar en un contexto.
b) Hiptesis
correlacionales
Hiptesis que establecen simplemente relacin entre las
variables
Bivariadas
Multivariadas
Hiptesis que establecen cmo es la relacin entre las
variables (hiptesis direccionales)
Bivariadas
Multivariadas
c) Hiptesis de
la diferencia de
grupos
Hiptesis que slo establecen diferencia entre los grupos a comparar.
Hiptesis que especifican a favor de qu grupo, de los que se comparan, es la
diferencia.
d) Hiptesis
causales
Bivariadas
Multivariadas Hiptesis con varias variables independientes y una dependiente.
Hiptesis con una variable independiente y varias dependientes.
Hiptesis con varias variables tanto independientes como
dependientes.

Pgina 158 de 325
158
Hiptesis con presencia de variables intervinientes.
Hiptesis altamente complejas.

Puesto que las hiptesis nulas y las alternativas se derivan de las hiptesis de investigacin, pueden
clasificarse del mismo modo pero con los elementos que las caracterizan. Las hiptesis estadsticas son la
transformacin de las hiptesis de investigacin, nulas y alternativas en smbolos estadsticos. Se
clasifican en: a) hiptesis estadsticas de estimacin, b) hiptesis estadsticas de correlacin, y c)
hiptesis estadsticas de la diferencia de grupos (Hernndez Sampieri y otros, 1996:103).
Estos mismos autores agregan que la formulacin de hiptesis va acompaada de las definiciones
conceptuales y operacionales de las variables contenidas dentro de las hiptesis, lo que puede
considerarse en relacin con las llamadas hiptesis de validez mencionadas por Mora y Araujo (1971).

Componentes de la hiptesis: los conceptos

Desde el punto de vista lgico la proposicin es una estructura intermedia entre el concepto y el
razonamiento: varios conceptos constituyen una proposicin, y varias proposiciones un razonamiento.
Por consiguiente la hiptesis, al ser una proposicin, puede descomponerse en sus elementos
constitutivos llamados conceptos. El concepto (Selltiz y otros, 1980) es una representacin abreviada de
una diversidad de hechos, o sea que su utilidad es la de simplificar el pensamiento, y sirven para
organizar los datos y relacionarlos entre s.

No debe confundirse el concepto con el trmino: el primero es una idea, mientras que el segundo es una mera
palabra. Muchas teoras utilizan el mismo trmino como por ejemplo, "transferencia", pero cada una lo
conceptualiza de diferente manera y entonces son conceptos diferentes: una cosa es la transferencia en el
psicoanlisis, otra en las teoras del aprendizaje, y otra el ARN de transferencia en biologa. Otro tanto puede
decirse del trmino "resistencia", que puede apuntar a un concepto de la fsica o del psicoanlisis.

Si bien se emplean conceptos en la vida cotidiana ("golosina", "alegra"), y los hay tambin en la filosofa
("ente", "alma"), los conceptos que aqu interesan son aquellos que pueden ser tratados cientficamente,
y que suelen ser llamados constructos.

Respecto del constructo, indica Arnau Gras (1980) que la mejor forma en que el cientfico limita su objeto de
observacin es mediante el concepto, una abstraccin hecha de algn aspecto o rasgo que presentan las cosas
observadas. Por ejemplo: inteligencia, rendimiento, agresin, emocin, tendencia, etc. El constructo es un
concepto creado deliberadamente con fines cientficos y que, a diferencia del concepto propiamente dicho, posee
dos caractersticas: a) se relaciona con otros constructos (aspecto relacional), y b) puede observarse y medirse
(aspecto reductivo).
Para Arnau Gras (1980:129), si un concepto puede observarse y medirse, y si puede vinculrselo con otros
conceptos a travs de una hiptesis, entonces puede usrselo en la investigacin cientfica y recibe el nombre de
"constructo".

Por ejemplo, en la hiptesis "en la provincia de Buenos Aires, a mayor densidad poblacional menor
solidaridad entre los habitantes", los conceptos que la componen son: "rea geogrfica", "densidad
poblacional", "solidaridad", habitantes y la relacin a mayor a menor.
Los conceptos de una hiptesis pueden clasificarse de la siguiente manera:

Conceptos
objetivos
Primera
clasificacin
Empricos: Son directamente observables.
Tericos: Son indirectamente observables.
Segunda
clasificacin
Unidades de anlisis: Son los objetos (o sujetos a estudiar).
Variables: Son las propiedades de los objetos.
Conceptos
relacionales
Relacionan conceptos objetivos entre s.

a) Conceptos objetivos y relacionales.- Como puede apreciarse en el ejemplo anterior, algunos conceptos
se refieren a entidades (habitantes) y propiedades de estas entidades (ser solidarios), mientras que otros
simplemente relacionan dichos conceptos (a mayor a menor). Alguna vez la lgica medieval los
denomin, respectivamente, conceptos categoremticos y sincategoremticos.
En otro ejemplo: la hiptesis hay una asociacin significativa entre inteligencia y rendimiento escolar
contiene como trminos objetivos inteligencia, rendimiento escolar y, tcitamente, alumnos. Contiene
adems el trmino relacional hay una asociacin significativa entre.

b) Conceptos empricos y tericos.- Los conceptos tienen diversos grados de abstraccin, desde los ms
empricos como perro o sexo a los ms abstractos como inteligencia o personalidad: los primeros son
directamente observables, y los segundos no, pero pueden traducirse a otros conceptos ms empricos
mediante un proceso llamado operacionalizacin. Por ejemplo, traducir inteligencia como habilidad para
el clculo. Los conceptos involucrados en una hiptesis deben poder observarse y medirse.

Pgina 159 de 325
159
Un concepto es tanto ms terico cuanto ms distancia hay entre el concepto y el objeto de la realidad
representado, y, como indican Selltiz y otros (1980), ms posibilidad de falsas interpretaciones del
mismo hay.
Esta primera clasificacin de conceptos objetivos se relaciona con la segunda clasificacin de conceptos
objetivos de la siguiente manera: mientras las unidades de anlisis de consideran habitualmente
conceptos empricos, las variables pueden ser conceptos tericos o empricos.

c) Unidades de anlisis.- Las unidades de anlisis son los elementos cuyas propiedades se quieren
investigar. En psicologa, unidades de anlisis pueden ser personas, grupos, familias, instituciones, y
hasta funciones psquicas como la percepcin, la memoria, etc. Cuando debe especificarse la poblacin
que se estudiar, es decir, el conjunto de las unidades de anlisis, se especifican tambin estas, y, por
caso, en lugar de decir genricamente personas se puede decir adultos mayores de 65 aos, masculinos
y que viven en Argentina, o bien pacientes con medicacin antidepresiva registrados durante 2005 en el
Hospital Durand.
En biologa las unidades de anlisis pueden ser organismos vivientes, ecosistemas, clulas, etc. En fsica
tomos o partculas subatmicas, en astronoma, estrellas, planetas o galaxias, etc.
Entre los conceptos objetivos tambin estn las variables, cuya importancia exige un tratamiento ms
extenso en el siguiente tem.

2. VARIABLES

Definicin

Las variables (V) son atributos, propiedades o caractersticas de las unidades de anlisis (UA),
susceptibles de adoptar distintos valores o categoras. Ejemplos de variables como atributos de las
personas son la edad, el sexo, la inteligencia, la estatura, la personalidad, la memoria, la zona de
residencia, la ocupacin, el grado de solidaridad, el color de cabello o el estado civil. Ejemplos de
atributos de una poblacin son la densidad y el tamao.
Los valores o categoras de la variable pueden variar tanto entre sujetos (unos pueden ser ms
inteligentes que otros), como en el mismo sujeto a lo largo del tiempo (por ejemplo la edad). Se las
llama variaciones interindividuales y variaciones intraindividuales.

Las variaciones interindividuales son propias de lo que en psicologa evolutiva se llaman estudios transversales
(se realizan en un aqu y ahora), mientras que las variaciones intraindividuales conciernen mas bien a estudios
longitudinales (que se realizan a lo largo del tiempo).
El sexo puede variar de una persona a otra, pero no dentro de la misma persona (salvo que se haga una
operacin para cambiar de sexo). La preferencia por un equipo de ftbol vara de una persona a otra, pero no
suele variar con el tiempo dentro de la misma persona. La edad, finalmente, es una variable que vara tanto
interindividualmente como intraindividualmente. Lo que nunca puede suceder, por una cuestin lgica, es que
haya variables que varen dentro de una persona y que no puedan nunca variar de una persona a otra. La razn
es que si la propiedad vara dentro de la misma persona, existe la posibilidad de que dos personas tengan
diferentes valores para esa variable, con lo cual habr una variacin interindividual.

La variable puede variar de dos formas: si es asunto de presencia o ausencia, la variacin es factorial, y
si es asunto de grados, es funcional (ONeil, 1968). Por ejemplo, la variable terremoto puede adoptar
dos valores: s (presencia) o no (ausencia). En cambio la variable cantidad de hijos puede adoptar
diversos grados: 1, 2, 3, 4, etc. Muchas variables admiten ambos tipos de variacin, segn el inters del
investigador: la variable cantidad de hijos por ejemplo, puede variar factorialmente, si se eligen
arbitrariamente los valores con hijos (presencia) y sin hijos (ausencia).
Finalmente, refieren Selltiz y otros (1980) que las variables (y, en general, los conceptos) pueden
definirse de dos maneras: formalmente (para relacionarlos con la teora), y prcticamente (para
vincularlos con los hechos y poder hacer la investigacin). O sea que de los conceptos pueden darse
definiciones formales y definiciones de trabajo. La definicin de trabajo de Selltiz no es otra cosa que la
definicin operacional y el proceso de llegar a ella se llama operacionalizacin.

Relacin entre variables y unidades de anlisis

Se enumeran a continuacin algunas reglas bsicas de investigacin, concernientes a las precauciones
que deben tomarse al establecer relaciones entre unidades de anlisis y variables.

1) Unidades de anlisis y variable son conceptos diferentes pero relacionados.- La diferencia entre una
unidad de anlisis y una variable es la misma que hay entre una cosa y una propiedad. Una cosa puede
ser una mesa, y una propiedad puede ser su color, forma o tamao. Una cosa puede ser un metal, y una
propiedad su maleabilidad. Una cosa puede ser un conejo, y una propiedad su talla o el estado de su
sistema inmunolgico. Una cosa tambin puede ser una persona y como propiedades tener el sexo, la
inteligencia, la preferencia poltica, la edad, la raza, etc.

Pgina 160 de 325
160
Ahora bien: la cosa es la unidad de anlisis, mientras las propiedades son las variables, con lo cual stas
ltimas resultan ser atributos, propiedades o caractersticas de las unidades de anlisis.
Una investigacin puede trabajar, por ejemplo, con 200 unidades de anlisis (200 personas) y con slo
dos variables (peso y talla); otra investigacin puede trabajar con 30 unidades de anlisis (30
estudiantes) y cuatro variables (rendimiento, tipo de enseanza recibida, personalidad e inteligencia); y
as sucesivamente.

2) Unidades de anlisis y variables son conceptos relativos.- Lo que en una investigacin es una unidad
de anlisis, en otra puede funcionar como variable: si persona es una cosa, entonces memoria puede
ser una variable; pero si memoria es la cosa, entonces capacidad de almacenamiento puede ser una
variable. Dentro de una misma investigacin el mismo concepto no puede ser ambas cosas, o sea, unidad
de anlisis y variable al mismo tiempo. Por ejemplo, al investigar en los individuos la relacin entre
inteligencia y alimentacin, claramente inteligencia es una variable. Sin embargo, en las investigaciones
emprendidas por Charles Spearman, por citar un ejemplo histrico, la inteligencia es considerada la
unidad de anlisis, de la cual se estudian algunas variables mediante el anlisis factorial, como la
inteligencia verbal y la inteligencia manual, en sus mutuas relaciones.
Las siguientes afirmaciones ilustran la relatividad de las ideas de unidad de anlisis y variable.

Juan (UA) es inteligente (V)
La inteligencia (UA) es inteligencia verbal (V)
La inteligencia verbal (UA) es comprender palabras (V).

La transformacin de una variable en unidad de anlisis (por ejemplo inteligencia en la primera
afirmacin se transforma en inteligencia en la segunda afirmacin) tiene, sin embargo, un lmite. Este
lmite aparece cuando una variable ya no se puede transformar ms en unidad de anlisis. En el ejemplo,
la variable emprica "comprensin de palabras" no puede ya ser considerada unidad de anlisis porque no
se pueden seguir extrayendo variables de ella. En este caso, decimos que la variable se ha convertido en
un indicador. El concepto de indicador ser examinado al tratar el tema de la operacionalizacin.
Un ltimo ejemplo donde un mismo concepto puede ser entendido como una unidad de anlisis o como
una variable es el siguiente: un sonido en tanto 'propiedad de algo' es una variable (por ejemplo
propiedad de un sonajero), pero en tanto 'elemento que tiene una propiedad' es una unidad de anlisis
(por ejemplo el sonido tiene altura, intensidad o timbre).

3) La variable debe ser un atributo atingente o congruente con la unidad de anlisis.- Esto significa que la
variable elegida tiene que ser efectivamente una propiedad de la unidad de anlisis considerada. Por
ejemplo, no tiene sentido decir que el estado civil es una caracterstica de un grupo, o que el sexo sea
una propiedad de una organizacin. Desde ya, puede ocurrir que una misma variable sea aplicable a ms
de una unidad de anlisis: la cohesin puede predicarse tanto de una pareja, como de un grupo o una
organizacin. Ejemplos de unidades de anlisis y variables en psicologa son:

Unidad de anlisis Variables
Individuo Edad, inteligencia, personalidad, preferencia sexual, etc.
Pareja Estado civil, diferencia de edades, promedio de edades, personalidad del cnyuge
masculino, coincidencia de personalidades, cantidad de hijos, etc.
Grupo Cohesin, tamao, tipo de liderazgo, productividad, etc.
Organizacin Cultura organizacional, antigedad, grado de apertura al exterior, etc.

4) Toda investigacin debe incluir al menos una unidad de anlisis, y cada unidad de anlisis una
variable.- Carece de sentido decir "voy a iniciar una investigacin sobre las personas": hay que aclarar
qu aspectos o caractersticas de las personas vamos a investigar, an cuando luego se cambien sobre la
marcha.
Una investigacin sencilla puede considerar solamente un tipos de unidad de anlisis y una variable
(ejemplo, indagar las preferencias polticas de los estudiantes). Una investigacin ms compleja puede
incluir dos unidades de anlisis, cada una con su o sus correspondientes variables (ejemplo, indagar la
relacin entre la inteligencia de las personas y el grado de cohesin de los grupos que integran).

La definicin conceptual de las variables

Para poner a prueba la hiptesis es preciso dar una definicin conceptual de las variables que contiene.
Ello permitir luego clasificarlas, operacionalizarlas y categorizarlas.
En la vida cotidiana lo habitual es usar las palabras, no definirlas. De hecho, a la hora de definirlas se
suelen encontrar dificultades, en parte por falta de entrenamiento. As, cuando se intenta definir
profesin se dice profesin es lo que uno hace, lo cual puede confundirse con oficio o hobby.
En la investigacin cientfica se exigen definiciones explicitas y desprovistas de ambigedad y, adems,
preferiblemente definiciones conceptuales, es decir, que indiquen atributos esenciales y no se limiten a
dar ejemplos.

Pgina 161 de 325
161
Una definicin conceptual de la variable ausentismo laboral puede ser el grado en el cual un trabajador
no se reporta a trabajar a la hora programada para hacerlo (Hernndez Sampieri y otros, 1996:102). Por
tanto, una definicin conceptual no otra cosa que el significado de la palabra, significado que surge a
partir del marco terico utilizado (y por ello algunos autores llaman definicin terica a la definicin
conceptual). Por ejemplo, la variable inteligencia ser definida conceptualmente segn que se considere
la teora de Piaget, la teora de Weschler o la teora de Gardner.
Otras veces la variable es definida lexicogrficamente, es decir, apelando a la definicin del diccionario
comn. As, la variable sexo puede definirse como condicin orgnica que distingue al hombre de la
mujer. A partir de all, la sociologa ampliar la definicin y en funcin de ella buscar algn indicador
sencillo, como por ejemplo la informacin que ofrece el documento de identidad, mientras que la
medicina considerar otra definicin y buscar varios indicadores: la cromatina (sexo cromatnico), los
cromosomas X e Y (sexo cromosmico), la estructura de los genitales (sexo gonadal) y la apariencia
externa (sexo fenotpico) Esta diferente tipificacin del sexo har entonces que la primera variable sea
clasificada como simple y la segunda como compleja. Tambin har que se den diferentes definiciones
operacionales de las variables y que se las categorice de manera diferente (masculino y femenino en el
primer caso, y en el segundo caso masculino normal, femenino normal, sndrome de Turner,
sndrome de Klinefelter, seudohermafroditismo masculino, etc.). Por tanto, dar una definicin
conceptual de la variable es lo que permitir luego clasificarla, operacionalizarla y categorizarla.

Clasificacin de las variables

Las variables se pueden clasificar segn diversos criterios:

Criterio Tipos de variables
Segn su funcin en la investigacin Independientes / Dependientes / Extraas
Segn su nivel de medicin Cualitativas / Cuantitativas (discretas y continuas)
Segn su mbito de accin Organsmicas / Situacionales
Segn su distancia al plano emprico Empricas o manifiestas / Tericas o latentes
Segn su nivel de complejidad Simples / Complejas
Segn su manipulacin Activas / Asignadas

a) Segn su funcin en la investigacin.- Las variables pueden ser independientes, dependientes y
extraas. Se trata de variables relevantes porque por uno u otro motivo deben ser tenidas en cuenta en
las investigaciones.
La variable independiente (VI) es la que hace variar el investigador para ver si se produce tambin una
variacin en la variable dependiente (VD). Esta ltima entonces se define como la variable que vara o
puede variar con la VI: la variable dependiente no necesariamente debe variar, pero s es cierto que
sobre ella recae una expectativa de variacin. Finalmente, la variable extraa (VE) es aquella que
tambin puede hacer variar la variable dependiente pero que se la controla para que no lo haga, o, al
menos, para conocer su grado de influencia para luego descontarlo del efecto de la variable
independiente.
En las hiptesis causales, la VI es la posible causa y la VD es el posible efecto, mientras que en las
hiptesis correlacionales, puede decirse que la VI es aquella de la cual se sospecha que es la causa,
aunque dicha hiptesis no la plantee explcitamente como tal.
En sntesis hasta aqu: la variable dependiente es aquella que supuestamente depende de otra variable,
llamada independiente, y la variable independiente es aquella de la cual supuestamente depende la
variable dependiente. En la hiptesis que dice que "nuestra impresin de las personas depende de cmo
hablan" se est considerando que la impresin es la variable dependiente y el modo de hablar la variable
independiente.

Un tema clsico de la tradicin cientfica norteamericana de la dcada del 40 fue las investigaciones sobre la
relacin entre frustracin y agresin. Un experimento tpico consisti, por ejemplo, en reunir un grupo de
personas y darles para resolver problemas que eran en realidad insolubles, aunque no se les informaba de esto
ltimo. A medida que estas personas intentaban resolver los problemas, iba incrementndose su frustracin, y,
algunos antes y otros despus, empezaban a manifestar comportamientos agresivos con diferentes modalidades
e intensidades contra quienes les haban propuesto los problemas, lo que vena a sugerir que la frustracin
produca agresin. Fuera de estas situaciones experimentales, en la vida cotidiana no es impensable suponer que
cuando a una persona no le ofrecen un trabajo que le haban prometido, o cuando no es correspondida en su
amor (frustracin), puede desarrollar hacia el otro un comportamiento agresivo en una amplia gama que va
desde la calumnia hasta el ataque fsico.
En este contexto, se dice que la agresin depende de la frustracin y, por lo tanto, que la agresin es la variable
dependiente porque depende de la otra variable que es la frustracin, mientras que esta ltima ser la variable
independiente porque es la que supuestamente hace variar la agresin. La expresin supuestamente se aplica
aqu porque un objetivo central de la investigacin ser determinar si hay o no una relacin entre X e Y, es decir,
corroborar o refutar la hiptesis original.


Pgina 162 de 325
162
En psicologa, la variable dependiente es por lo comn la respuesta de la persona y, segn Arnau Gras
(1980), puede adoptar cualquiera de estas caracterizaciones: 1) una reaccin concreta, como la muscular
o la glandular, 2) un movimiento manifiesto y externo, como levantar una pata, donde estn involucrados
varios msculos, 3) una respuesta global en funcin de un fin, como presionar una barra para abrir una
caja, sin importar qu rgano o grupo muscular se emple, 4) una respuesta a una necesidad, como por
ejemplo la conducta de ataque, y 5) respuestas amplias y complejas, como la ansiedad, el poder.
Respecto de las variables extraas, el tema ya fue tratado en otro captulo, donde haban quedado
clasificadas como organsmicas y situacionales y como fuentes de invalidacin interna y externa.
Cabe reiterar, finalmente, tres importantes cuestiones que giran en torno a la relacin entre la variable
independiente X y la variable dependiente Y:
1) Cmo se decide cul es la variable independiente y cul la dependiente? En principio, el criterio
consiste en pensar cul es la causa y cul el efecto. Cuando se quiere investigar si tal droga produce o no
la curacin de una enfermedad, la droga ser claramente la causa (o la supuesta causa), y la curacin el
efecto, es decir, la variable independiente X ser la droga, y la variable dependiente Y ser el efecto
curativo.
Hay casos, sin embargo, donde cualquiera de ambas variables podra ser la causa o el efecto de la otra.
As por ejemplo, en principio, podra suponerse que la agresin depende de la frustracin, pero tambin,
y con el mismo fundamento, que la frustracin depende de la agresin (por ejemplo, cuanto ms
agresiva es una persona ms ser reprimida y, por ende, ms frustrada se sentir). Indudablemente, se
tiene todo el derecho de elegir una u otra posibilidad, y de esta eleccin depender qu se considerare
como X y qu como Y, orientando esta eleccin, en consecuencia, toda la investigacin.
Sea cual fuere la variable elegida como la posible causa (X), un requisito indispensable para poder
avanzar en la investigacin es que dicha variable debe poder ser manipulada por el investigador, es decir,
ste debe poder hacerla variar a voluntad, para ver si se produce o no una variacin en la variable
dependiente Y, o efecto.
Cierto tipo de investigaciones no se interesan, sin embargo, por indagar una relacin causa-efecto, sino
simplemente por averiguar si dos variables estn o no asociadas estadsticamente, es decir, si suelen
darse juntas. En estos casos, la eleccin de la variable independiente no se realizar en funcin de
pensarla como la causa, sino de pensarla como aquella variable que puede ser manipulada por el
investigador para establecer su grado de asociacin estadstica con la variable dependiente.
Este tipo de investigaciones suelen perseguir una finalidad exclusivamente prctica (pues no buscan
indagar vnculos de causalidad). Ejemplos tpicos son las investigaciones de mercado: a una empresa
puede interesarle si hay o no asociacin estadstica entre el nivel socioeconmico de las personas y el
color que prefieren en los envases de la leche, porque de ello depender en qu barrios distribuir los
envases de tal o cual color, y, con ello, podrn maximizarse las ventas.
2) Qu significa la expresin "depende"? Como qued sugerido, que Y depende de X puede significar dos
cosas: una dependencia estadstica o una dependencia causal. Una cosa es que dos variables se den
habitualmente juntas sin que necesariamente una sea la causa y otra el efecto (dependencia
estadstica), y otra es que dos variables estn relacionadas como causa y efecto (dependencia causal).
El color de la piel y la forma del crneo son variables que estn bastante asociadas estadsticamente: las
personas de piel negra son dolicocfalas, las de piel amarilla son braquicfalas y las de piel blanca son
mesocfalas. Esto no significa que el color de la piel sea la causa de la forma del crneo, ni que la forma
del crneo sea la causa del color de la piel: simplemente, ambas variables suelen darse juntas o, dicho
en trminos ms tcnicos, existe entre ellas una alta correlacin.
En cambio, el color de la piel y la aceptacin social, adems de estar asociadas estadsticamente (los
negros no son aceptados en ciertos barrios, etc.), hay tambin una dependencia causal: ciertas personas
son aceptadas o rechazadas debido a su color de piel.
De lo dicho se desprende que una dependencia estadstica no prueba necesariamente que haya una
dependencia causal. Para que hay una dependencia causal deben cumplirse, adems de la dependencia
estadstica, otra serie de condiciones, como por ejemplo la antecedencia temporal (la causa nunca puede
ocurrir despus del efecto).
En ocasiones suele asignarse sin ms un vnculo causal a una mera asociacin estadstica o correlacional.
Refieren Campbell y Stanley que "si pasamos revista a las investigaciones sobre educacin, pronto nos
convenceremos de que son ms los casos en que la interpretacin causal de la informacin correlacional
se exagera que aquellos en que se la desconoce..." (Campbell y Stanley, 1995:124).
3) Habida cuenta que la variable dependiente es aquella que depende de la independiente, de qu
depende a su vez la variable independiente? La variable independiente tiene dos fuentes posibles de
variacin: la variacin natural y la variacin provocada.
Con variacin natural queremos decir que, en la realidad, siempre es posible considerar que sobre la
variable independiente actan otras variables, lo que no es sino un caso particular del principio general
que sostiene que, al estar todas las variables relacionadas, cualquier variable influye sobre otras, y a su
vez recibe la influencia de otras tantas.
Por ejemplo, as como la variable dependiente agresin puede recibir la influencia de la variable
independiente frustracin, esta ltima tambin puede recibir la influencia de la variable educacin (si
consideramos que cierto tipo de educacin ensea al sujeto a tolerar mejor la frustracin), de la variable
edad (si consideramos que un nio se frustra ms fcilmente que un adulto), de variables de ndole

Pgina 163 de 325
163
bioqumica (si consideramos que la presencia de determinados neurotransmisores pueden acentuar o no
la tolerancia a la frustracin), etc.
Todas estas variables que influyen o influiran sobre la variable independiente frustracin ejercer su
accin en forma natural, es decir, sin la presencia de alguien (un investigador) que las haga variar
deliberadamente. Cuando esto ocurre, podemos hablar de una variacin provocada. Las variaciones
provocadas tienen sentido entonces en una situacin experimental donde hay un investigador que
deliberadamente haga variar la variable para producir un determinado efecto sobre la frustracin, con el
fin de estudiar cientficamente la naturaleza de la relacin entre ellas.

b) Segn su nivel de medicin.- Las variables pueden ser cualitativas o cuantitativas segn que se midan
no numricamente o numricamente. Las variables religin o sexo son cualitativas, mientras que las
variables edad o peso son cuantitativas. Sin embargo, depender de una decisin del investigador
considerar una variable como cualitativa o cuantitativa, segn su criterio. Si considera para estatura los
valores alta, media y baja la estar considerando cualitativa; no as si selecciona los valores 1,60m,
1,70m, etc. Si se desea tener precisin en la medicin, deber preferirse siempre que se pueda el nivel
cuantitativo.
En las variables cuantitativas, los nmeros deben ser empleados como indicadores de cantidad, no como
simples etiquetas. La variable jugador de ftbol admite como categoras defensor, atacante,
mediocampista, etc., pero tambin pueden expresarse con los nmeros 1 al 11, lo cual no significa que
esta variable sea cuantitativa.
Las variables cuantitativas pueden a su vez ser discretas y continuas segn como sea la escala numrica.
Por ejemplo, si slo se registran nmeros enteros, es una variable discreta (por ejemplo cantidad de
hijos), pero si se registran adems nmeros intermedios fraccionarios hasta donde el instrumento de
medicin lo permita, es una variable continua (por ejemplo tiempo, que puede admitir los valores una
hora, una hora y 10 minutos y una hora, 10 minutos y 25 segundos). En las variables continuas es
siempre posible agregar otro valor entre dos valores dados cualesquiera hasta donde el instrumento lo
permita, porque hay instrumentos ms precisos y menos precisos.

c) Segn su mbito de accin.- Las variables pueden ser organsmicas y situacionales. Las primeras son
propias del sujeto (temperamento, tolerancia a la frustracin, etc.), mientras que las segundas son
propias del ambiente o la situacin que rodea al sujeto (clima poltico, clima meteorolgico, tipo de tarea
a realizar, etc.). Seala Arnau Gras (1980) que la variable situacional son estmulos provenientes del
medio fsico o social, como la modalidad o tipo de tarea a realizar. Las organsmicas suponen cualquier
caracterstica biolgica, fisiolgica o psicolgica del organismo. Por ejemplo historias de refuerzo,
emotividad, actitudes, motivos, etc.
Variables organsmicas o situacionales pueden ser las variables independientes (Arnau Gras, 1980), las
variables dependientes y las variables extraas.

d) Segn su distancia al plano emprico.- Las variables pueden ser empricas -o manifiestas- y tericas -o
latentes-. Las primeras pueden observarse y medirse directamente (por ejemplo color de ojos) mientras
que las segundas slo pueden observarse y medirse indirectamente traduciendo sus trminos abstractos
a trminos empricos. Inteligencia es una variable terica porque slo puede medirse a travs de sus
indicadores empricos, como por ejemplo "aptitud para comprender refranes".

e) Segn su nivel de complejidad.- Las variables pueden ser simples o complejas. Esta clasificacin es
correlativa de la anterior: las variables simples son empricas, y las variables complejas son tericas. Las
variables simples son aquellas que, para conocerlas, requieren un solo indicador (para conocer la edad de
una persona basta con preguntarle, o bien basta con mirar su documento de identidad, o bien mirar su
partida de nacimiento, etc.). En cambio las variables complejas requieren de varios indicadores (para
conocer la inteligencia de una persona le aplicamos un test donde hay varios tems).

f) Segn su manipulacin.- Las variables pueden ser activas o asignadas segn como sean manipuladas,
entendiendo por manipulacin la accin que realiza el investigador de cambiar sus valores. Refiere Arnau
Gras (1980) que una variable es activa si el experimentador puede manipularla directamente (premios,
castigos) y por ello se la llama tambin variable experimental. La variable asignada en cambio, resulta
difcil o imposible de manipular, como las variables organsmicas. Se las llama asignadas pues se
manipulan por seleccin de los sujetos, pero no pueden ser provocadas directamente por el
experimentador. As, cuando investiga una variable activa, se eligen los grupos al azar pero cuando
emplea una asignada, se seleccionan dos grupos que difieren en las categoras de dicha variable.

g) Otras clasificaciones.- a) Lazarsfeld y Menzel (citados por Korn, 1969) clasifican las variables segn el
tipo de unidad de anlisis al que se refieren. Hay variables que son propiedades de unidades de anlisis
muy amplias (como las propiedades de un grupo o una sociedad), y otras que son propiedades de sujetos
individuales. b) Arnau Gras (1980) utiliza un criterio terico-explicativo segn el cual las variables
pueden ser estmulos, respuestas o variables intermediarias entre el estmulo y la respuesta. Las
variables estmulo son cualquier aspecto mensurable del ambiente fsico o social, presente o pasado, que

Pgina 164 de 325
164
puede afectar la conducta del organismo. Las variables de respuesta son las medidas obtenidas de
diversos aspectos de la conducta de los sujetos. Las variables intermediarias son los procesos que se
intercalan entre las dos anteriores, aunque no todos los psiclogos admiten la necesidad de tales
variables.

Estudiar cmo varan las variables permite obtener conclusiones sobre la aceptacin o rechazo de la
hiptesis. Este paso fundamental, sin embargo, no puede llevarse a cabo si antes no se ha sometido a
todas las variables de la hiptesis a un doble proceso: la operacionalizacin o definicin operacional y la
categorizacin.

Categorizacin de las variables

Es la adjudicacin de categoras o valores a una variable. A su vez, las categoras o valores son las
diferentes posibilidades de variacin que una variable puede tener. Por ejemplo, las categoras de clase
social pueden ser alta, media y baja, y los valores de tiempo de reaccin pueden ser un segundo,
dos segundos, etc.

Se acostumbra a llamar categoras a aquellas que no admiten un tratamiento cuantitativo por medio de clculos,
y por lo tanto regularmente se expresan en palabras. Tales son las categoras de clase social, de raza, de partido
poltico, etc. En cambio suelen llamarse valores a las posibilidades de variacin cuantitativa, por lo que han de
expresarse numricamente. Es el caso de las variables cuantitativas peso, altura, ingreso mensual, edad,
nmero de hijos, cantidad de ingesta diaria de alcohol, etc.

La eleccin del conjunto de categoras o valores depender de la naturaleza de la variable, del objetivo de
la investigacin y del grado de precisin que se quiere alcanzar.
Respecto de la naturaleza de la variable, no pueden elegirse verde o amarillo como categoras de la
variable ocupacin. Respecto del objetivo de la investigacin, seala Korn (1969) que el sistema de
categoras elegido debe tener relevancia para el contexto donde se aplicar, ya que toda variable tiene
una amplitud de variacin tericamente mucho mayor que la que resulta relevante en cada situacin
especfica. Si acaso el estudio se centra en un pas donde slo hay dos clases sociales netamente
diferenciadas, entonces slo se indicarn dos categoras. Respecto del grado de precisin deseable,
muchas veces puede aumentarse este eligiendo categoras intermedias, y agregar a las clases alta, media
y baja las categoras media alta y media baja.
El investigador tiene una cierta libertad para elegir las categoras de su variable. No obstante ello, y sea
cual fuese el sistema de categoras seleccionado, ste debe reunir dos requisitos: a) las categoras deben
ser mutuamente excluyentes. No puede decirse que las categoras de la variable religin son cristianos
y catlicos porque hay una superposicin en las mismas; b) deben ser adems exhaustivas, o sea deben
agotar todas las posibilidades de variacin, con lo cual no podra decirse que las categoras de la variable
raza son solamente blanca y negra. Hay veces en que son muchas las categoras que habra que
agregar para cumplir con este requisito, en cuyo caso pueden agruparse a todas las restantes bajo una
categora residual caratulada como Otras.
Estos dos requisitos sirven en la medida en que permiten ubicar a cualquier sujeto en una y slo una
categora sin que surjan dudas. Si hay que ubicar al Papa no se sabr si ponerlo en cristianos o
catlicos, de aqu que pueda tambin definirse la exclusin mutua como la imposibilidad de que un
sujeto cualquiera pueda adquirir ms de un valor de la variable. En el caso de la variable ocupacin,
puede ocurrir que un individuo sea al mismo tiempo mdico y psiclogo, en cuyo caso se podrn abrir
categoras mixtas (por ejemplo mdico y psiclogo) con lo que queda igualmente salvado el requisito de
la mutua exclusin.
De idntica forma y para el segundo requisito, si hay que ubicar a un japons y slo se cuenta con las
categoras blanco y negro no se podr hacerlo por falta la categora oriental; de aqu que tambin
podamos definir la exhaustividad como la imposibilidad de no poder categorizar a un sujeto cualquiera.

La definicin operacional de las variables u operacionalizacin

Definir operacionalmente una variable es especificar qu operaciones o actividades debe realizar el
investigador para medirla. Estas operaciones se llaman indicadores, y, cuando recogen informacin de la
realidad son capaces de convertirla en datos.
Las variables simples se operacionalizan con un solo indicador, mientras que las variables complejas
requieren varios indicadores.

a) Operacionalizacin de variables simples.- Por ejemplo, operacionalizar la variable sexo significa
especificar qu actividad realizar el investigador para medirla: mirar el documento de identidad,
preguntar al sujeto cual es su sexo, observar su aspecto fsico general, observar si tiene o no la nuez de
Adn, observar sus genitales externos, etc. Estas diversas operaciones se llaman indicadores.
Desde ya, el investigador no realizar todas esas operaciones, sino que elegir alguna que suponga
confiable y representativa de la variable. Nadie elegira como indicador observar si tiene o no pantaln,

Pgina 165 de 325
165
sino mas bien preguntar al sujeto cual es su sexo. Y si acaso existiesen razones para dudar de su
respuesta, podr optarse por un indicador ms confiable: mirar el documento de identidad.

La definicin operacional es el conjunto de procedimientos que describe las actividades que un observador debe
realizar para recibir las impresiones sensoriales (sonidos, impresiones visuales o tctiles, etc.) que indican la
existencia de un concepto terico en mayor o menor grado (Reynolds, 1971:52).
La definicin operacional entonces, indica operaciones para medir una variable, y, aunque estas operaciones
sern denominadas en el presente libro indicadores, no todos los autores coinciden con esta convencin
lingstica o no son explcitos respecto a ella.
Por ejemplo: a) un indicador es una propiedad manifiesta u observable que se supone est ligada
empricamente, aunque no necesariamente en forma causal, a una propiedad latente o no observable que es la
que interesa (Mora y Araujo, 1971); b) se denomina indicador a la definicin que se hace en trminos de
variables empricas de las variables tericas contenidas en una hiptesis (Tamayo, 1999:126); c) un indicador
de una variable es otra variable que traduce la primera al plano emprico (Korn, 1965). Por su parte, Hernndez
Sampieri y otros (1996:242) llaman indicador al dato obtenido con la operacin.

Otros ejemplos de operacionalizacin de variables simples son las siguientes:

Variable simple Indicador
Denticin Observar la cantidad y el tipo de piezas dentarias de una persona
Ambulacin Medir el nmero de veces que una rata cruza una lnea marcada en el piso
(Lores Arnaiz, 2000).
Estrs Medir el nivel de cortisol (Lores Arnaiz, 2000).
Ausentismo laboral Revisar de las tarjetas de asistencia al trabajo, durante el ltimo trimestre
(Hernndez Sampieri y otros, 1996:102).
Profesin Preguntarle al sujeto cul es su profesin.
Enuresis nocturna Averiguar cuantas noches por mes y cuantas veces cada noche se orina
involuntariamente.
Peso Observar el registro en la balanza.
Frecuencia cardaca Tomar el pulso y contar la cantidad de pulsaciones por minuto.
Grado de alfabetizacin Obtener el porcentaje de analfabetos sobre el total de la poblacin (Korn,
1965).

Cuando se realiza la operacin especificada como indicador, se obtiene un dato, el cual a su vez permitir
ubicar al sujeto en alguna categora de la variable:

Variable simple Indicador Dato Categora
Peso Observar el registro en la balanza. 89 Kg 80-90 Kg

Diversas tcnicas pueden utilizarse para operacionalizar variables, como por ejemplo la observacin
(utilizada por ejemplo en la operacin mirar la apariencia de la persona), los tests psicomtricos o
proyectivos (utilizada por ejemplo en la operacin tomar un test), las tcnicas conductuales (utilizadas
por ejemplo en la operacin dar un estmulo tctil a una persona), las tcnicas psicofisiolgicas
(utilizadas por ejemplo en la operacin registrar las respuestas elctricas del tejido vivo), las tcnicas
anatmicas (utilizadas por ejemplo en la operacin de hacer una diseccin del lbulo frontal), el
cuestionario (utilizada por ejemplo en la operacin preguntar al sujeto cul es su profesin), etc.

b) Operacionalizacin de variables complejas.- A diferencia de las variables simples, la operacionalizacin
de variables complejas supone especificar varias operaciones o indicadores, y a veces muchos. Por
ejemplo, la variable inteligencia se explora a travs de tantos indicadores como pruebas o preguntas
tenga el test de inteligencia. Uno puede ser pedir al sujeto que arme un rompecabezas, otro puede ser
pedirle al sujeto que explique el significado de una palabra, otro pedirle al sujeto que haga una
operacin aritmtica, etc.
De la misma forma, la variable clase social se explora a travs de indicadores tales como preguntar al
sujeto cual es su ingreso mensual, preguntarle si utiliza o no tarjeta de crdito, preguntarle en qu
barrio vive, preguntarle por su nivel de instruccin, preguntarle por su ocupacin, etc.
En ciertos pases y culturas las personas de distinta clase social se visten inexorablemente en forma muy
distinta, y basta este solo indicador para saber enseguida a qu clase social pertenece una persona sin
necesidad de investigar su nivel econmico, el prestigio de su ocupacin, su nivel de educacin, etc. En
estos casos clase social pasa a ser una variable simple y se la mide con un nico indicador, que puede
ser la operacin observar como se viste la persona.
Cuando una variable slo puede ser medida a travs de tests, cuestionarios o entrevistas, seguramente
se trata entonces de una variable compleja. Nadie administrara un test a una persona para conocer su
edad o su estatura.
Dos cuestiones ms deben ser tratadas a propsito de la operacionalizacin de las variables complejas: la
seleccin de los indicadores y la especificacin de las dimensiones.


Pgina 166 de 325
166
Respecto de la seleccin de los indicadores, debe partirse de la base que el universo de indicadores es
amplio y complejo. A medida que la discusin del concepto se ampla, se va modificando su definicin
conceptual y el nmero de indicadores posibles se aumenta, lo cual se denomina comnmente universo
de indicadores (Tamayo, 1999:126).
Un problema que debe resolverse es como seleccionar los indicadores necesarios y suficientes para medir
adecuadamente la variable. En principio, dos muestras diferentes de indicadores pueden ser igualmente
eficaces para medirla, como lo sugiere la teora de la intercambiabilidad de ndices, basada en la
experiencia de que, dado un gran universo de tems o indicadores, cualquiera que sea la muestra elegida
para formar el instrumento clasificatorio, no se hallarn grandes diferencias (Lazarsfeld, 1980).
En la prctica, la seleccin de indicadores se basa en parte en la intuicin (Mora y Araujo, 1971), y en
parte en criterios ms objetivos (Lazarsfeld, 1980): elegir indicadores altamente correlacionados con la
variable (indicadores expresivos) o indicadores que supuestamente son el efecto de la variable o causa
(indicadores predictivos).
Por ejemplo (Lazarsfeld, 1980), al buscar indicadores de la variable antisemitismo pueden seleccionarse
dos tipos de indicadores, o una mezcla de ambos: a) la obediencia y el respeto a la autoridad son las
virtudes ms importantes que debe aprender un nio. Esta es una afirmacin que figura en un
cuestionario que mide antisemitismo y el sujeto debe responder si est o no de acuerdo. Pero este
indicador no expresa directamente la variable antisemitismo sino autoritarismo, y si es seleccionado es
solamente porque se sabe que hay una alta correlacin entre ambas variables; b) la mayora de la gente
no se da cuenta hasta qu punto nuestras vidas estn regidas por las conspiraciones de los polticos.
Este indicador ya expresa directamente el antisemitismo, y est en una relacin de causa-efecto con el
mismo: el grado de antisemitismo es la causa de que la persona responda si est o no de acuerdo con
dicha afirmacin.
Lazarfeld (1980) llama al primer tipo indicador expresivo, y al segundo indicador predictivo pues slo se
puede predecir una respuesta con cierta seguridad sobre la base de un vnculo causal. El mismo autor
sugiere buscar primero indicadores expresivos y luego indicadores predictivos
Por ejemplo para la variable personalidad autoritaria se buscan primero indicadores expresivos; por
ejemplo indicadores de convencionalismo, supuestamente correlacionado con personalidad autoritaria
(cmo decorara su pieza?, qu sentimientos le inspira el pelo corto y el pelo corto y el lpiz labial en la
mujer?), indicadores de supersticin, tambin supuestamente correlacionada con la variable principal
(cree en profecas?), etc. Finalmente se buscan indicadores predictivos (quines fueron las
personalidades ms destacadas de Alemania? cul es la mejor forma de gobierno?, etc.) (Lazarsfeld,
1980).
Otras reglas tiles para seleccionar indicadores son las siguientes (Mora y Araujo, 1971): a) seleccionar
indicadores redundantes (preguntas de un cuestionario que indagan los mismo de diferente forma para
ver si el sujeto se contradice), y b) seleccionar indicadores muy diferentes entre s para cubrir todo el
espectro de dimensiones de la variable o todo el espectro de caractersticas del sujeto que responde (en
un cuestionario incluir preguntas personales mezcladas con preguntas impersonales).

Respecto de la especificacin de las dimensiones, muchos autores sealan que, en el caso de las
variables complejas, resulta necesario o conveniente especificar dimensiones y luego, desde all,
especificar los indicadores. Mientras que algunos autores (Hernndez Sampieri y otros, 1996:100) se
limitan a las definiciones conceptuales y operacionales, otros (Tamayo, 1999:159) (Korn, 1969) indican
que los pasos de la operacionalizacin de una variable compleja son la definicin nominal, la definicin
real (o enumeracin de dimensiones) y la definicin operacional (o enumeracin de indicadores). Definir
tericamente, realmente y operacionalmente una variable permitira entonces traducirla en propiedades
observables y medibles, descendiendo cada vez ms desde lo general a lo singular.
El esquema correspondiente sera:



Dimensin 2
Variable
Indicador 1
Dimensin 1 Dimensin 3
Indicador 3
Indicador 2 Indicador 1 Indicador 2

Pgina 167 de 325
167
Las dimensiones son aspectos o facetas de una variable compleja. Por ejemplo, dimensiones de
inteligencia podran ser inteligencia verbal, inteligencia manual e inteligencia social; dimensiones de
memoria podran ser memoria visual, memoria auditiva y memoria cintica, o tambin memoria de corto
plazo y memoria de largo plazo; dimensiones de clase social podran ser nivel socio-econmico y nivel de
instruccin; dimensiones de creatividad podran ser creatividad plstica y creatividad literaria, etc.
Pueden tambin establecerse subdimensiones, como por ejemplo las subdimensiones creatividad en
prosa y creatividad en poesa para la dimensin creatividad literaria. Cuanta ms cantidad y niveles de
dimensiones y subdimensiones requiere una variable, tanto ms compleja ser sta.

La seleccin de las dimensiones depender de cmo se haya definido conceptualmente la variable. Si en la
definicin de clase social se ha recalcado la importancia del nivel econmico y del nivel de instruccin, pueden
adoptarse estos dos aspectos como dimensiones, es decir, se piensa que lo econmico y lo educativo es algo
importante para saber a qu clase social pertenece una persona. De idntica manera, si se adopta la teora de
Gardner de las inteligencias mltiples para dar una definicin conceptual de inteligencia, entonces corresponder
elegir como dimensiones inteligencia verbal, matemtica, artstica, intrapersonal, interpersonal, kinestsica, etc.

Una vez que se han identificado las dimensiones, el proceso contina seleccionando indicadores para
cada dimensin o subdimensin, lo cual es una manera de organizar los indicadores asegurndose de no
omitir ningn aspecto relevante de la variable.
Como puede apreciarse, a medida que se especifican dimensiones y luego indicadores, hay un
acercamiento cada vez mayor al plano emprico. Para la variable clase social se pasa, por ejemplo, de la
dimensin nivel socio-econmico a la subdimensin nivel econmico, y desde aqu al indicador
preguntar cual es su patrimonio actual o al indicador preguntar si es propietario, que constituirn
elementos de juicio para decidir a qu clase social pertenece el sujeto.

Si un profano pregunta qu es la inteligencia y recibe una definicin terica o conceptual, mucho no habr
entendido, pero si le enumeran dimensiones como inteligencia verbal, manual o social, habr comprendido algo
ms porque es algo ms prximo a la realidad; y finalmente, su comprensin ser ms completa si se
mencionan indicadores como preguntar si sabe utilizar palabras, si es hbil con las manos, si es hbil para tratar
con personas, si puede encontrar el absurdo en frases del tipo qu lstima que el sol se ponga de noche porque
ese es justo el momento donde ms lo necesitamos! o como llova, Juan se sumergi en el ro para no mojarse.

Conviene aclarar tambin que un mismo indicador puede corresponder a dos dimensiones distintas. Por
ejemplo el indicador preguntar a qu colegio asiste puede corresponder a nivel de instruccin pero
tambin a nivel socio-econmico.
Conviene tambin aclarar que lo que en una investigacin es considerada una dimensin, en otra puede
funcionar como variable principal. Por ejemplo, en un estudio sobre creatividad, creatividad literaria ser
una dimensin, pero en un estudio ms especfico sobre creatividad literaria, esta pasar a ser la
variable.

Relaciones entre la categorizacin y la operacionalizacin

Las dimensiones, subdimensiones e indicadores de una variable son a su vez, estrictamente hablando,
tambin variables, porque son susceptibles de variar segn sus propias categoras. Por ejemplo, la
dimensin nivel de instruccin puede variar como primaria, secundaria o universitaria, y por ende es
una variable. A medida que se pasa de las dimensiones a las subdimensiones y de estas a los
indicadores, dichas variables se tornan cada vez menos simples y ms empricas o manifiestas.
El siguiente esquema ilustra la idea de que las variables, dimensiones, subdimensiones e indicadores
pueden todos categorizarse. Por ejemplo, para la variable actitud discriminatoria se pueden especificar
tres categoras: alta, media y baja. Para la subdimensin discriminacin sexual hacia el sexo opuesto
tambin, y para el indicador discriminacin sexual en la eleccin de puestos (por ejemplo, preguntar al
sujeto si deben darse puestos de trabajo a hombres o a mujeres), se han indicado dos categoras:
hombre y mujer. Cuando el sujeto elige una de las categoras (por ejemplo hombre) se dice que se ha
obtenido un dato.


Pgina 168 de 325
168


Suele a veces confundirse categoras con dimensiones, y al respecto deben tenerse en cuenta las
siguientes precisiones:
a) A un determinado sujeto puede incluirselo solamente en una categora (o es de clase alta, o es de
clase baja, o es de clase media, etc.), mientras que el mismo sujeto incluye todos los aspectos o
dimensiones (tiene determinado nivel socio-econmico, determinado nivel de instruccin, etc.).
b) Lo anterior de debe a una cuestin lgica: las categoras son excluyentes (o) y las dimensiones estn
en conjuncin (y). Para la variable clase social se habla de alta o baja, pero en las dimensiones se
habla de nivel-socioeconmico y nivel de instruccin. El o indica exclusin mutua, y el y indica
conjuncin.
c) Dos variables relacionadas en una hiptesis pueden tener distintas categoras pero no las mismas
dimensiones, pues seran la misma variable.
d) Las categoras son los valores posibles de una variable, mientras que las dimensiones son los aspectos
discernibles que sirven para describirla.
A M B

ACTITUD DISCRIMINATORIA

Operacionalizacin

Categorizacin

SEXUAL

RACIAL

HACIA SEXO OPUESTO

HACIA HOMOSEXUALES

ELECCION PUESTO

INTELIGENCIA

DATO 1
Elige hombre

H M

H M

A M B


Pgina 169 de 325
169
CAPTULO 12: TCNICAS DE MUESTREO E INSTRUMENTOS DE
MEDICIN

En este captulo se desarrollarn los siguientes pasos de la investigacin cientfica tpica: a) definir la
poblacin, b) decidir como extraer de ella una muestra, y c) seleccionar o construir los instrumentos de
medicin que se aplicarn a los individuos seleccionados.

1. DEFINICIN DE LA POBLACIN

Antes de seleccionar la tcnica de muestreo adecuada al problema y a los objetivos de la investigacin,
se requiere definir la poblacin y las unidades de anlisis que la compondrn. Las unidades de anlisis
son aquellas entidades cuyas propiedades son las variables que quieren estudiarse. Las unidades de
anlisis pueden ser personas (alumnos, pacientes, lderes, payasos, soldados, etc.), organizaciones
(comerciales, no gubernamentales, hospitales, medios de comunicacin, etc.), familias, grupos de
autoayuda, etc. Deben tambin definirse sus propiedades y sus coordenadas de lugar y tiempo. Por
ejemplo, una poblacin estar constituida por todos los alumnos varones de quinto grado de las escuelas
pblicas (propiedades) de la ciudad de Buenos Aires (lugar) durante el ao 2005 (tiempo).

2. SELECCIN DE LA TCNICA DE MUESTREO

Una tcnica de muestreo es un procedimiento para extraer una muestra de una poblacin, mientras que
una muestra es una parte de la poblacin que est disponible, o que se selecciona expresamente para el
estudio de la poblacin.

Representatividad de la muestra.- Es deseable y hasta imprescindible que una muestra sea
representativa de la poblacin. Cuatro mujeres no es una muestra representativa de los habitantes de
una ciudad, porque las mujeres son la mitad de los habitantes. Que la muestra sea representativa es
importante porque luego se podrn extender a toda la poblacin las conclusiones que se hayan extrado
de ella.
De acuerdo a Tamayo (1999:185), son cuatro las condiciones que garantizan la representatividad de una
muestra: a) definir y delimitar la poblacin a la que deben extenderse las conclusiones obtenidas a partir
de la muestra; b) garantizar que cada unidad de poblacin tenga igual probabilidad de ser incluida en la
muestra; c) utilizar un muestreo no viciado por posibles relaciones existentes entre las unidades de
poblacin; y d) tomar una muestra amplia a fin de reducir al mximo el error de muestreo.
De una manera ms simplificada, puede decirse que una muestra es representativa si: a) si tiene un
tamao adecuado, y b) si fue elegida al azar. Esta ltima condicin introduce el tema de las diferentes
tcnicas de muestreo, clasificables como probabilsticas y no probabilsticas.

Tamao de la muestra.- El tamao de la muestra es la cantidad de datos que sern extrados de la
poblacin para formar parte de la muestra (Valds F, 1998).
Si bien existen procedimientos matemticos para calcular el tamao de una muestra, esta tarea puede a
veces tornarse compleja dado el tipo de problema a investigar y la poblacin considerada. Hernndez
Sampieri (1996:228) sugieren tomar como referencia los tamaos de muestra elegidos por otros
investigadores. Por ejemplo, es habitual que para poblaciones nacionales (por ejemplo un pas) se tome
una muestra al azar no menor a 1000 sujetos, mientras que para poblaciones regionales (por ejemplo
una provincia, una ciudad), se consideren de 300 a 700 sujetos para estudios sobre conducta y actitudes,
de 500 sujetos para estudios mdicos, y de 100 sujetos para experimentos de laboratorio y estudios
econmicos.
Seala Tamayo (1999:198) que el tamao de la muestra depende del grado de error que sea tolerable en
las estimaciones muestrales y de los objetivos de investigacin. En otras palabras, si uno est dispuesto
a tolerar un mayor error, puede tomar una muestra de menor tamao por cuanto ser menos
representativa.
En general, el tamao de la muestra no debe ser ni muy grande (porque entonces, si bien es
representativa, supone un esfuerzo adicional intil trabajar con ella), ni muy pequea (porque entonces
puede no ser representativa). La estadstica ha desarrollado ciertas frmulas especiales para calcular
tamaos de muestra de acuerdo al grado de error que se est dispuesto a cometer, al grado de
homogeneidad de la muestra y a otras consideraciones. Refiere Tamayo (1999:147) que a mayor grado
de heterogeneidad de las unidades de poblacin y menor tamao de la muestra, mayor probabilidad de
que sta resulte insuficiente.
El tamao de la muestra se calcula con base a la varianza de la poblacin y la varianza de la muestra.
Esta ltima expresada en trminos de probabilidad de ocurrencia. La varianza de la poblacin se calcula
con el cuadrado del error estndar, el cual determinamos. Cuanto menor sea el error estndar, mayor
ser el tamao de la muestra (Hernndez Sampieri y otros, 1996:233).


Pgina 170 de 325
170
Tcnicas de muestreo.- Las tcnicas para recoger muestras pueden clasificarse de acuerdo a dos criterios
diferentes:

a) Segn el nmero de muestras tomadas de la poblacin, los muestreos pueden ser simples, dobles o
mltiples (Rodas y otros, 2001) segn que elijan una muestra, dos muestras o ms de dos muestras. A
veces es preciso extraer una segunda muestra cuando los resultados de la primera no alcanzan o no son
definitivos. Por ejemplo el investigador toma una segunda muestra al azar entre aquellos que no
respondieron un cuestionario y entrevista a los sujetos seleccionados a fin de obtener la informacin y
mayor confiabilidad de los datos (Tamayo, 1999:148). En otro ejemplo, al probar la calidad de un lote
de productos manufacturados, si la primera muestra arroja una calidad muy alta, el lote es aceptado; si
arroja una calidad muy pobre, el lote es rechazado. Solamente si la primera muestra arroja una calidad
intermedia, ser requerir la segunda muestra (Rodas y otros, 2001).
Los muestreos dobles o mltiples pueden a su vez ser transversales o longitudinales, segn que las
muestras sean extradas simultnea o sucesivamente en el tiempo. Algunos autores (Tamayo, 1999:148)
denominan a estos ltimos muestreos cronolgicos, como el caso donde se requieren extraer varias
muestras de conducta a lo largo del tiempo, a intervalos regulares, con el fin de estudiar su evolucin.
Otros ejemplos de muestreos dobles o mltiples son los muestreos estratificados o los muestreos por
conglomerados, que sern mencionados ms adelante como modalidades de los muestreos
probabilsticos.

b) Segn el modo de elegir los individuos de la muestra, los muestreos pueden ser de dos grandes tipos:
probabilsticos (los individuos son elegidos al azar), y no probabilsticos (no elegidos al azar). En el primer
caso, cualquier individuo tiene la misma probabilidad de ser incluido en la muestra, y en el segundo caso
no. Adems, en el primer caso la generalizacin de los resultados a toda la poblacin es ms vlida que
en el segundo.
En los muestreos probabilsticos pueden usarse tres procedimientos de seleccin: la tmbola, la tabla de
nmeros random (al azar) y la seleccin sistemtica. Todo procedimiento de seleccin depende de
listados, ya sea existentes o construidos ad hoc, como por ejemplo el directorio telefnico, listas de
asociaciones, listas de escuelas oficiales, etc. Cuando no existen listas de elementos de la poblacin se
recurren a otros marcos de referencia que contengan descripciones del material, organizaciones o sujetos
seleccionados como unidades de anlisis. Algunos de estos pueden ser los archivos, hemerotecas y los
mapas (Hernndez Sampieri y otros, 1996:233).
Algunos tipos de muestreo probabilstico o aleatorio son los siguientes:
Muestreo simple.- Se eligen los individuos utilizando, por ejemplo, una tabla de nmeros aleatorios.
Refieren Rodas y otros (2001) que si la poblacin es infinita, esta tarea se torna imposible, por lo cual se
recurre a otros tipos de muestreo aleatorio como el sistemtico, el estratificado o el muestreo por
conglomerados.
Muestreo sistemtico.- Consiste en la seleccin de las unidades de muestreo de acuerdo con un nmero
fijo k, es decir, se elige una unidad cada k veces (Tamayo, 1999:150). Ms especficamente, una
muestra sistemtica es obtenida cuando los elementos son seleccionados en una manera ordenada. La
manera de la seleccin depende del nmero de elementos incluidos en la poblacin y el tamao de la
muestra. El nmero de elementos en la poblacin es, primero, dividido por el nmero deseado en la
muestra. El cociente indicar si cada dcimo, cada onceavo, o cada centsimo elemento en la poblacin
va a ser seleccionado. El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una
muestra sistemtica puede dar la misma precisin de estimacin acerca de la poblacin, que una muestra
aleatoria simple cuando los elementos en la poblacin estn ordenados al azar (Rodas y otros, 2001). El
muestreo sistemtico se llama tambin muestreo a intervalos regulares (Tamayo, 1999:147).
Muestreo estratificado.- Se divide la poblacin en estratos (por ejemplo por clase social, por edades, etc.)
y de cada estrato, que es ms homogneo que la poblacin, se extrae una muestra mediante muestreo
aleatorio simple o sistemtico. En general, la estratificacin aumenta la precisin de la muestra, es decir,
presenta menor error muestral que el muestreo simple (Vallejo Ruiloba J y otros, 1999:70) (Hernndez
Sampieri y otros, 1996:233) (Rodas O y otros, 2001).
Cuando la cantidad de individuos seleccionada en cada estrato es proporcional a la cantidad total del
estrato poblacional, se habla de muestreo proporcional. En oposicin, en un muestreo no proporcional el
nmero de casos sacado de cada uno de los diversos estratos del universo en cuestin no guarda relacin
con el nmero de unidades del estrato (Tamayo, 1999:149).

Muestreo por conglomerados.- Se divide la poblacin en conglomerados, generalmente geogrficos como
por ejemplo en barrios o en ciudades, y de cada uno se extrae una muestra mediante un procedimiento
aleatorio simple o sistemtico, pudiendo no considerarse en el proceso algunos conglomerados.
Si bien es til para poblaciones grandes (Vallejo Ruiloba y otros, 1999:70), usualmente es menos preciso
o sea, tiene mayor error muestral que los otros procedimientos, a igual tamao de la muestra (Vallejo
Ruiloba y otros, 1999:70). Sin embargo, una muestra de conglomerados puede producir la misma
precisin en la estimacin que una muestra aleatoria simple, si la variacin de los elementos individuales
dentro de cada conglomerado es tan grande como la de la poblacin (Rodas y otros, 2001).

Pgina 171 de 325
171
El muestreo por conglomerado generalmente se halla includo en un procedimiento polietpico (vase
ms adelante).
Muestreo polietpico.- Es una combinacin encadenada de otros tipos de muestreo aleatorio y se utiliza
en los muestreos muy grandes. Es complejo y requiere para la interpretacin de los resultados
transformaciones nicamente disponibles en programas muy especficos (Vallejo Ruiloba y otros,
1999:70).

Criterio Tipo de muestreo
Segn el nmero de
muestras
Simple
Doble
Mltiple
Segn el modo de
elegir a los individuos
Probabilstico o
aleatorio
Simple
Sistemtico
Estratificado
Por conglomerados
Polietpico
No probabilstico o
no aleatorio
Accidental
Intencional
Mixto Combina probabilsticos y no probabilsticos.

En el muestreo no probabilstico los individuos no tienen la misma probabilidad de ser incluidos en la
muestra, o al menos no puede conocerse dicha probabilidad, por cuanto la seleccin depende de algn
criterio del investigador diferente a la eleccin por azar. Por ello, segn Hernndez Sampieri y otros
(1996:233) se llaman tambin muestreos dirigidos, y segn Rodas (2001) muestreos de juicio. De
acuerdo a Vallejo Ruiloba y otros (1999:70), se trata de muestreos no aleatorios por cuanto la eleccin
de los sujetos no es debida al azar.
Los muestreos no probabilsticos son vlidos si un determinado diseo de investigacin as lo requiere,
pero sin embargo, si bien los resultados son generalizables a la muestra en s o a muestras similares, no
son generalizables a una poblacin (Hernndez Sampieri y otros, 1996:233).
Algunos tipos de muestreo no probabilstico o no aleatorio son los siguientes:
Muestreo accidental.- Consiste en tomar casos hasta que se complete el nmero de elementos deseados,
es decir, hasta que la muestra alcanza el tamao precisado (Tamayo, 1999:147). Por ejemplo,
seleccionar una muestra de sujetos voluntarios para estudios experimentales y situaciones de laboratorio
(Hernndez Sampieri y otros, 1996:233).
Muestreo intencional.- O sesgado, donde el investigador selecciona los elementos que a su juicio son
representativos, lo cual exige un conocimiento previo de la poblacin que se investiga para poder
determinar categoras o elementos que se consideran como tipo o representativos del fenmeno que se
estudia (Tamayo, 1999:148). Por ejemplo seleccionar una muestra de sujetos expertos en estudios
exploratorios, o una muestra de sujetos-tipo en otra clase de estudios (Hernndez Sampieri y otros,
1996:233).
Existen an otras tcnicas no probabilsticas, como por ejemplo el muestreo por cuotas, frecuente en
estudios de opinin y mercadotecnia (Hernndez Sampieri y otros, 1996:233).

Finalmente, en el muestreo mixto se combinan diversos tipos, probabilsticos y no probabilsticos; por
ejemplo, pueden seleccionarse las unidades de la muestra aleatoria y luego aplicarse el muestreo por
cuotas (Tamayo, 1999:149).
Las tcnicas de muestreo no son procedimientos ciegos, estando guiados por una teora del muestreo, o
estudio de las relaciones existentes entre una poblacin y muestras extradas de la misma. Esta teora
permite, por ejemplo: a) estimar cantidades desconocidas tales como los parmetros poblacionales, a
partir de los estadsticos muestrales, o b) determinar si las diferencias observadas entre dos muestras
son debidas al azar, o si son realmente significativas.

3. SELECCIN DEL INSTRUMENTO DE MEDICIN

Todo instrumento de medicin intenta medir algo. Este algo es algn aspecto recortado de la realidad,
habitualmente designado como variable. Como la variable puede adoptar diferentes valores, el
instrumento de medicin informar acerca de qu valor adopt la variable aqu y ahora, en esta persona
o en este objeto. Ejemplos de instrumentos de medicin clsicos en las ciencias naturales son el
barmetro (mide la presin atmosfrica), la balanza (mide el peso), el cronmetro (mide la duracin), el
tensimetro (mide la presin arterial), etc.
Las ciencias sociales disponen tambin de una amplia gama de instrumentos de medicin, como por
ejemplo los tests psicomtricos (pueden medir inteligencia), los tests proyectivos (pueden medir
personalidad, gravedad de la patologa mental, etc.), los cuestionarios (pueden medir actitudes,
personalidad, estado de nimo, intereses vocacionales, etc.), o los exmenes (pueden medir el
rendimiento del alumno). Las entrevistas e incluso la simple observacin pueden ser considerados

Pgina 172 de 325
172
instrumentos de medicin. Por ejemplo, la observacin del juego de un nio durante una hora (la llamada
hora de juego diagnstica) permite medir variables como tolerancia a la frustracin, creatividad, etc.
Un mismo instrumento de medicin puede ser utilizado de diversas maneras. Por ejemplo un cuestionario
puede administrarse en forma personal, por telfono o por correo (Hernndez Sampieri y otros,
1996:338). Esto es importante porque todo instrumento de medicin va acompaado de ciertas
instrucciones acerca de cmo debe ser administrado y como debe ser analizado. La administracin es el
proceso que transforma informacin en datos, mientras que el anlisis transforma los datos en
conclusiones significativas acerca de la variable medida.
Algunos instrumentos de medicin son tan genricos que pueden utilizarse en todas las disciplinas: una
regla puede medir la longitud de una planta en botnica o la altura de una letra en grafologa, mientras
que un cronmetro puede medir la velocidad de un automvil en cinemtica o el tiempo de reaccin en
psicologa. Ello se debe a que el espacio y el tiempo son ejemplos de magnitudes fundamentales que
impregnan toda la realidad.
La medicin de las variables puede realizarse mediante un instrumento de medicin ya existente, o bien,
si no existe o no hay garantas de su validez y confiabilidad, mediante un instrumento construido ad hoc.
Segn Hernndez Sampieri y otros (1996:338), los pasos genricos para construir un instrumento de
medicin son: 1) Listar las variables a medir. 2) Revisar sus definiciones conceptuales y operacionales. 3)
Elegir uno ya desarrollado o construir uno propio. 4) Indicar niveles de medicin de las variables
(nominal, ordinal, por intervalos y de razn). 5) Indicar como se habrn de codificar los datos. 6) Aplicar
prueba piloto. 7) Construir la versin definitiva. La prueba piloto consiste en aplicar el instrumento a un
nmero pequeo de casos para examinar si est bien construido (por ejemplo, en un cuestionario si las
preguntas sern entendidas por los sujetos).

Errores en la medicin.- Al medir se pueden cometer dos tipos de errores a) sistemticos o de sesgo o
constantes: un error constante es introducido en la medida por algn factor que sistemticamente afecta
a la caracterstica a medir o al propio proceso de medida, y por ello suele pasar desapercibido; b)
variables o al azar: debidos a influencias pasajeras, sea que procedan de la misma persona y del
procedimiento de medida (Selltiz y otros, 1980). Por ejemplo, cuando se aplica un test para medir
inteligencia, se comete un error constante cuando se lo toma siempre en lugares ruidosos, con lo cual el
resultado no reflejar solamente la inteligencia sino tambin la tensin derivada del ambiente. En
cambio, se comete un error variable cuando algunas de las personas estn muy cansadas.
Del mismo modo, al medir la longitud de una mesa se comete un error constante cuando las marcas de la
regla no son exactamente de un centmetro, y un error variable cuando el investigador se distrae
momentneamente al efectuar la medicin.
Lo ideal sera que los resultados de una medicin reflejen solamente la caracterstica o propiedad que se
est midiendo, pero desgraciadamente puede haber otros factores no controlados o desconocidos que
pueden desvirtuar el proceso de medicin, hacindole perder precisin. Selltiz y otros (1980) agrupan en
nueve las posibles fuentes de variaciones en los resultados o puntuaciones de los instrumentos de
medida, y que son fuentes de error:

1. Verdaderas diferencias en la caracterstica que se intenta medir: idealmente las diferencias
medidas que se obtienen reflejan las verdaderas diferencias entre los individuos. Se tratara del nico
caso donde la medicin no es errnea.
2. Verdaderas diferencias en otras caractersticas relativamente estables del individuo, que afectan su
puntuacin: variables como la inteligencia pueden contaminar medidas sobre la caracterstica
actitud.
3. Diferencias debidas a factores personales transitorios, como humor, fatiga, grado de atencin,
etc., que son pasajeros.
4. Diferencias debidas a factores de situacin: la entrevista a una ama de casa puede estar influida
por la presencia del esposo.
5. Diferencias debidas a variaciones en la administracin: la forma de obtener la medida puede influir
en sta, como cuando el entrevistador cambia el tono de la pregunta, aade preguntas, etc.
6. Diferencias debidas al mtodo de muestreo de los tems: una entrevista o cuestionario contiene
slo algunas preguntas de todas las posibles. El tamao de esta muestra influir tambin sobre la
medida.
7. Diferencias debidas a la falta de claridad del instrumento de medida: los sujetos pueden
interpretar de distinta forma las preguntas por estar expresadas ambiguamente.
8. Diferencias debidas a factores mecnicos tales como rotura de lpices, preguntas poco legibles,
falta de espacio para responder, etc.
9. Diferencias debidas a factores en el anlisis: como los errores que comete el investigador al
tabular, puntuar y analizar los datos obtenidos.

Generalmente la construccin de un cuestionario exige mucha atencin, rigor, y conocimientos de
estadstica suficientes para examinar su validez y su confiabilidad. Sealan Mora y Araujo (1971) que un
mal resultado de la investigacin puede deberse a que se parti de una hiptesis equivocada o bien que
se usaron malos instrumentos de medicin.

Pgina 173 de 325
173
Consiguientemente, toda medida debe reunir dos requisitos: validez y confiabilidad (o confianza). La
validez puede estar afectada tanto por errores constantes como variables, pero la confiabilidad
generalmente est afectada por errores variables (Selltiz y otros, 1980).

Generalidades sobre validez y confiabilidad.- Validez y confiabilidad son dos requisitos que debe reunir
todo instrumento de medicin para cumplir eficazmente su cometido, es decir, medir. La validez implica
relevancia respecto de la variable a medir, mientras que la confiabilidad implica consistencia respecto de
los resultados obtenidos.
Como instrumento de medicin del aprendizaje, la prueba escrita debe ser vlida y debe ser confiable.
Es posible imaginarse una prueba escrita algo grotesca, donde el alumno debe contestar cinco preguntas
en un minuto. Podemos pensar que esta prueba mide el nivel de aprendizaje alcanzado? No estar
midiendo en realidad la velocidad de escritura, o la paciencia del alumno? En este caso la prueba no es
vlida, porque est midiendo otra cosa que nada tiene que ver que lo que originalmente se quera medir.
Consiguientemente, se dice que un instrumento es vlido cuando mide lo que pretende medir. Si la
prueba escrita mide realmente el aprendizaje alcanzado, entonces es vlida.
Cabe imaginar ahora una prueba escrita vlida, donde el alumno debe elaborar la respuesta a dos o tres
preguntas en dos horas. Cuando esta prueba escrita es corregida por el profesor A, el B y el C, aparecen
tres notas distintas, y hasta incluso uno de los profesores aprueba al alumno y los otros no. Los tres
profesores son concientes de que estn midiendo la misma variable -aprendizaje- por lo que la prueba es
vlida, pero sin embargo... no es confiable, porque los resultados son dispares. La prueba hubiese sido
confiable si, por ejemplo, hubiera utilizado el sistema de multiple choice, en cuyo caso las notas de todos
los profesores hubiese sido la misma por haber aplicado todos ellos el mismo criterio estndar de
evaluacin (esto no significa que una prueba deba siempre utilizar el sistema de multiple choice).
Consiguientemente, se dir que un instrumento de medicin es confiable (o fiable) cuando presenta
cierta consistencia o constancia en los resultados.
En lo que sigue, se harn algunas otras consideraciones respecto de cmo pueden determinarse la
validez y la confiabilidad en los tests psicolgicos, siguiendo el ordenamiento propuesto en (Casullo,
1980).

Validez.- Un test psicolgico es vlido cuando efectivamente mide lo que pretende medir. Si en un
supuesto test de creatividad, las preguntas son del tipo "en qu ao Coln descubri Amrica", el test no
estar midiendo creatividad sino memoria o cultura general. No es vlido porque no mide lo que
efectivamente pretenda medir. Debido a que debemos saber lo que el test mide, tal vez sea preferible
definir la validez, tal como lo sugiere Anastasi (1976) como el grado en que conocemos lo que el test
mide.
La validez de un test puede establecerse de diversas maneras, correspondiendo a cada una de ellas un
tipo de validez distinto. En este sentido, se puede hablar de cuatro tipos de validez:
a) Validez predictiva.- Se puede establecer la validez de un test viendo si el desempeo posterior del
sujeto para la variable medida se corresponde con los puntajes obtenidos en el test. Por ejemplo, un test
vocacional es vlido si las profesiones en las cuales los sujetos tuvieron xito corresponden a las
profesiones sugeridas por el test. Obviamente, para saber si el test vocacional result vlido, habr que
esperar, en este caso, varios aos.
Otras veces, tal vez no sea necesario esperar tanto, tal como sucede en los tests que permiten conocer la
propensin a sufrir desrdenes emocionales, o en los tests que permiten conocer el grado en que cierto
tratamiento psiquitrico puede o no beneficiar a un paciente.
b) Validez concurrente.- Se puede establecer la validez de un test examinando el grado de correlacin de
sus puntajes con los puntajes de otro test que mide la misma variable. En otras palabras, la validez se
evala aqu en trminos de 'concurrencia' de puntajes de tests diferentes.
Por ejemplo, "se ha estudiado la validez concurrente de la Escala de Inteligencia Weschler comparando
los puntajes obtenidos en ella con los obtenidos en la prueba Stanford Binet por los mismos sujetos"
(Casullo, 1980). Como podemos apreciar, la validez concurrente se puede determinar slo a partir de
haber constatado la validez de otro tipo de prueba que mide lo mismo. Como no puede hacerse una
'regresin al infinito', este otro tipo de prueba debe haber sido validada de acuerdo a un criterio distinto
al criterio de concurrencia.

Una cuestin relacionada con la validez concurrente es el empleo en un test de indicadores de otra variable
diferente, pero que est altamente correlacionada con la variable que intenta medir el test. Lazarsfeld (1980), por
ejemplo, habla de los indicadores expresivos, los que, a diferencia de los predictivos (que miden la variable
directamente), la miden indirectamente a travs de otra variable con la cual est altamente correlacionada. Por
ejemplo, se puede medir la variable 'antisemitismo' recurriendo a indicadores de otra variable correlacionada, por
ejemplo 'autoritarismo', mediante indicadores del tipo "La obediencia y el respeto a la autoridad son las virtudes
ms importantes que debe aprender un nio".

c) Validez de contenido.- Un tests tiene validez de contenido si los diferentes tems o contenidos que lo
componen (pruebas, preguntas, etc.) son una muestra representativa de la variable o constructo que se
pretende medir. Si un test de inteligencia incluye una sola prueba (por ejemplo construir un
rompecabezas), esa prueba mide efectivamente inteligencia pero no tiene validez de contenido porque no

Pgina 174 de 325
174
es por s sola representativa de la inteligencia del sujeto: debe tambin incluir otras pruebas para medir
otros tipos de inteligencia como por ejemplo la inteligencia social, o habilidad para relacionarse con las
personas.
En otro ejemplo, "una prueba o examen parcial que se elabore para evaluar el aprendizaje de los
contenidos de las tres primeras unidades o temas de un programa debe incluir tems que abarquen todos
los contenidos y objetivos de esa parte del programa" (Casullo, 1980). De igual forma, al disear una
entrevista para diagnosticar una depresin mayor, por ejemplo, ella debe incluir todos los criterios que el
DSM-IV establece para esa categora. En caso contrario, la entrevista como instrumento de medicin
carecer de validez de contenido.

La validez de contenido plantea el problema de la adecuada seleccin de indicadores en la construccin de un test,
es decir, de su grado de representatividad. Lazarsfeld (1980) seala al respecto que la teora de la
intercambiabilidad de los ndices se basa en que la experiencia ha demostrado que, dado un gran nmero de
tems o indicadores, cualquiera que sea la muestra elegida para construir el instrumento de medicin, no se
hallarn grandes diferencias. Si las hay o no depender, en todo caso, de la certeza de la inferencia de
caractersticas latentes a partir de los datos manifiestos, lo cual a su vez depende de varios factores, entre los que
se puede citar el grado en que la pregunta - indicador est sujeta a interpretaciones diversas.

d) Validez de constructo.- Tambin llamada validez estructural (Casullo, 1980), la validez de constructo
implica que los distintos indicadores o pruebas de un test son el producto de una buena
operacionalizacin, es decir, cuando reflejan la definicin terica de la variable que se pretende medir.
Por caso, de una concepcin piagetiana de inteligencia no surgirn las mismas pruebas que de una
concepcin weschleriana.
Segn Casullo, este es el tipo de validez bsico que debe tenerse en cuenta al disear instrumentos de
medicin: "la validez estructural supone bsicamente que la tcnica psicomtrica tenga definido
claramente el constructo terico que pretende medir, pueda operacionalizarlo a travs de indicadores
coherentes y a partir de ellos se puedan obtener ndices" (Casullo, 1980).
Cuando el conjunto de indicadores de un test se obtuvo mediante el procedimiento estadstico llamado
anlisis factorial, hablamos entonces de validez factorial del test.

Confiabilidad.- La confiabilidad se logra cuando aplicada una prueba repetidamente a un mismo individuo
o grupo, o al mismo tiempo por investigadores diferentes, da iguales o parecidos resultados (Tamayo,
1999:68). Ms concretamente, un test psicolgico es confiable cuando, aplicado al mismo sujeto en
diferentes circunstancias, los resultados o puntajes obtenidos son aproximadamente los mismos. Veamos
tres cuestiones que son importantes en esta definicin: el 'mismo' sujeto, las 'diferentes' circunstancias,
y los resultados 'aproximadamente' iguales.
Con respecto a la primera cuestin, es obvio y hasta esperable que si tomo un test a 'diferentes'
personas obtenga puntajes diferentes. Si todas las personas tuviesen la misma inteligencia, carecera de
sentido tomarles un test. Tambin es esperable que cuando le tomamos el test a una 'misma' persona en
diferentes circunstancias, me de aproximadamente el mismo puntaje. En caso contrario la prueba no es
confiable, por lo que entonces la confiabilidad se determina tomando el test a la misma persona, no a
personas diferentes.
Con respecto a la segunda cuestin, las diferentes circunstancias en que se toma la prueba a la misma
persona pueden ser varias: en diferentes instantes de tiempo, con diferentes administradores del test,
con diferentes evaluadores de los resultados, en diferentes ambientes fsicos, etc. Si, a pesar de todas
estas condiciones diferentes, un mismo sujeto obtiene mas o menos el mismo puntaje, el test resulta
altamente confiable. No obstante ello, tampoco de trata de tentar al diablo: los tests incluyen siempre
elementos que intentan asegurar la confiabilidad, como por ejemplo la consigna que prescribe que el
administrador deber hacer determinada pregunta y no otra, que deber responder a preguntas del
sujeto de determinada manera y no de otra, que deber tomar el test en un ambiente sin ruidos, etc.,
todo ello para que no influya la forma peculiar de administrar el test sobre el puntaje.
Como seala Casullo, "cuando pretendemos mantener constantes o uniformes las condiciones en las que
se toma una prueba, controlando el ambiente, las instrucciones, el tiempo, el orden de las preguntas, lo
que intentamos es reducir la varianza de error a los efectos de que los puntajes sean ms confiables"
(Casullo, 1980).
Con respecto a la tercera cuestin, no podemos esperar que los resultados sean exactamente los
mismos, es decir, siempre habr una 'varianza', es decir, una variacin en los resultados. El problema es
decidir si esa variacin es lo suficientemente pequea como para decidir que el test es confiable o, si por
el contrario, refleja un problema de confiabilidad, es decir, es lo suficientemente grande como para
declararla no confiable. En otras palabras y como dice Anastasi (1976), toda medida de confiabilidad de
un instrumento de medicin denota qu proporcin de la varianza total en los puntajes es varianza de
error. Ms claramente: cuando medimos una variable, como por ejemplo autoconcepto o inteligencia,
debemos estar relativamente seguros de saber en qu medida el puntaje refleja realmente el estado de
la variable y en qu medida es el resultado de otras variables extraas como fatiga, sesgos del
evaluador, ansiedad, etc. Seala al respecto Casullo que "el 'puntaje verdadero' podra determinarse
haciendo un promedio de los puntajes obtenidos en distintas evaluaciones sucesivas de la variable en
cuestin" (Casullo, 1980), ya que se supone que cada puntaje obtenido es resultado tanto de la variable

Pgina 175 de 325
175
a medir como de la influencia de otros factores. La parte del puntaje debido a la influencia de la variable
suele llamarse varianza 'verdadera' y la parte del puntaje que resulta de los otros factores suele llamarse
varianza de error, la que est expresando el error de medicin. La varianza verdadera ms la varianza de
error se llama varianza total. Para determinar la confiabilidad de un test se utiliza el anlisis estadstico
de correlacin. En general, cuanto ms alta es la correlacin entre los diferentes puntajes obtenidos por
un mismo sujeto, ms confiable resulta el test. En muchos tests, y luego de haber sido probados muchas
veces, se puede obtener un coeficiente de confiabilidad para dicho test, lo cual a su vez permite evaluar
los lmites razonables del puntaje verdadero en base a cualquier puntaje obtenido.

Para quienes tengan cierto conocimiento de curvas normales, la expresin e = s . 1 - r me indica el error de
medicin aceptable (e) que puedo cometer al evaluar un puntaje de una variable en base a una muestra o
poblacin con un determinado desvo estndar (s) y con un instrumento de medicin cuyo coeficiente de
confiabilidad es (r). Por ejemplo, si el desvo estndar es 15 y el coeficiente de confiabilidad es 5, aplicando la
frmula obtengo un error de medicin de 5. Esto significa que si el verdadero puntaje de un sujeto es 110,
podemos esperar que al serle administrada la prueba obtenga un puntaje entre 105 y 115 (o sea entre menos 5 y
ms 5) en el 68% de los casos (68% porque hemos considerado un solo desvo estndar).

El requisito de la confiabilidad supone que la variable a medir se mantiene estable en el tiempo. Esto, sin
embargo, no siempre es aplicable, como por ejemplo cuando se administran sucesivas pruebas de estado
de ansiedad a lo largo de un tratamiento psicoteraputico. En estos casos lo que se espera es que los
puntajes vayan cambiando, no que se mantengan similares.
Veamos diferentes maneras en que puede determinarse la confiabilidad de un test.
a) Repeticin de test.- Consiste en volver a tomar la misma prueba al mismo sujeto o grupo de sujetos:
esta segunda prueba se llama retest. Un ejemplo de la tcnica de test-retest puede ser la siguiente:
primero tomamos una prueba de aptitud matemtica a un grupo de alumnos (test), y luego, al da
siguiente, volvemos a tomar la misma prueba aunque con diferentes contenidos (retest). Cuanto ms
'iguales' sean los puntaje obtenidos por cada alumno, tanto ms confiable es la prueba. Notemos que
entre el primero y el segundo da las condiciones pudieron haber cambiado de manera tal de incidir sobre
los resultados de la segunda prueba. Por ejemplo, un alumno recibi una mala noticia y no pudo
concentrarse en la segunda evaluacin, sacando un puntaje mucho menor. Otros factores pudieron haber
sido variaciones climticas, ruidos repentinos, etc., o incluso la incorporacin de nuevos conocimientos si
la segunda prueba tuvo el carcter de un examen recuperatorio.
En general, cuanto ms tiempo transcurra entre la primera y la segunda administracin de la prueba,
ms factores pueden estar influyendo sobre los puntajes de la segunda, ms distintos sern con respecto
a la primera y, por tanto, menos confiable ser la prueba.
Segn Casullo, "es posible citar ejemplos de tests psicolgicos que muestran una alta confiabilidad tras
periodos de pocos das, la cual disminuye cuando el intervalo se extiende a diez o quince aos" (Casullo,
1980), sobre todo si en el transcurso de ese largo periodo de tiempo los sujetos maduraron o
aprendieron cosas nuevas.

En general, "se sugiere que el intervalo entre la repeticin de las pruebas (test-retest) para todas las edades no
sea mayor que seis meses. Este procedimiento nos permite hablar de la 'estabilidad' de las mediciones obtenidas
administrando una tcnica psicomtrica.
Contesta a la pregunta relativa a en qu medida las mediciones resultan estables a lo largo de un periodo de
tiempo. Una alta confiabilidad de este tipo nos dice que las personas mantienen sus posiciones uniformes en el
rango de la variable psicolgica que intenta medir la tcnica (aprendizaje, autocontrol o ansiedad estado). Esta
forma de determinar la confiabilidad presenta algunas dificultades, como por ejemplo: a) la prctica puede causar
un rendimiento diferente en el retest, y b) si el intervalo es corto las personas pueden recordar las respuestas"
(Casullo, 1980).

b) Formas equivalentes.- Se puede establecer la confiabilidad de una prueba administrndola en
diferentes momentos al mismo sujeto, pero tomando la precaucin de que la prueba sea diferente en
cuanto a los contenidos aunque equivalente en cuanto a la forma. Por ejemplo, tomar dos exmenes
escritos sobre diferentes temas, pero con la misma cantidad de preguntas, el mismo grado de dificultad,
el mismo tipo de preguntas, etc.
Esta forma de medir la confiabilidad tiene sus limitaciones; por ejemplo, si pensamos que la prctica
influye en los puntajes del segundo examen, o sea, si los alumnos adquieren cierta destreza en la
primera prueba que har subir los puntajes en la segunda.
c) Divisin por mitades.- Se puede establecer la confiabilidad de un test dividindolo en dos partes
equivalentes (equivalentes en grado de dificultad, etc.) y asignando un puntaje a cada parte. Si ambos
puntajes son muy similares para un mismo sujeto, el test no slo tiene confiabilidad sino tambin
consistencia interna. Esto ltimo no poda constatarse con la tcnica test-retest ni con la administracin
de formas equivalentes.
Otras veces se divide la prueba en tantas partes como tems tenga, como hicieron Kuder y Richardson, lo
que permite examinar cmo ha sido respondido cada tem en relacin con los restantes (Casullo, 1980).
Tengamos presente que cuando hablamos de consistencia interna nos podemos referir a consistencia de
los tems o a consistencia de las respuestas del sujeto: la confiabilidad tiene relacin directa con el primer
tipo de consistencia.

Pgina 176 de 325
176
CAPTULO 13: EL DISEO DE INVESTIGACIN

Un diseo de investigacin cientfica es bsicamente un plan para recolectar datos, aunque algunos
autores incluyen tambin un plan para analizar los datos, fundamentalmente una prueba estadstica. El
plan de recoleccin ha de ser lo ms sencillo y econmico posible, aunque ello no debe hacer pensar
que un diseo de investigacin se pueda ejecutar en horas o das: una investigacin puede llevar meses
y aos.
Existe amplia bibliografa al respecto que propone una gran diversidad de criterios de clasificacin de los
diseos de investigacin, especialmente para las ciencias sociales donde el objeto de estudio es ms
complejo.
Muchas veces los investigadores, a la hora de elegir un diseo, se encuentran con esa gran cantidad de
propuestas, donde incluso llegan a mencionarse los mismos diseos con denominaciones diferentes. El
presente artculo tiene como finalidad presentar algunas taxonomas de diseos de investigacin en
ciencias sociales que orienten al investigador para construir un rbol de decisin cuando deba elegir el
que ms se adapta a sus objetivos (por ejemplo realizar una investigacin exploratoria, descriptiva,
correlacional o explicativa) y a los recursos con que cuenta (por ejemplo sujetos de experimentacin,
tcnicos en estadstica, etc.).
Se ha presentado en primer lugar la versin Campbell y Stanley por ser un referente clsico, consultado
por la mayora de los autores de las restantes versiones aqu presentadas. Si bien estos diseos han
surgido principalmente de las ciencias sociales, algunos de ellos son aplicables tambin en la fsica, la
qumica, la biologa y dems ciencias naturales.

1. VERSIN CAMPBELL Y STANLEY

Donald Campbell y Julian Stanley presentaron en 1963 una sistematizacin de diseos de investigacin
experimental para las ciencias sociales. Los autores describen un total de diecisis diseos
experimentales (agrupados en tres pre-experimentales, tres experimentales propiamente dichos y diez
cuasi-experimentales), y examinan su validez interna y externa tomando en consideracin un total de
doce fuentes corrientes de invalidacin que amenazan las inferencias vlidas.
Los 16 diseos experimentales descriptos por Campbell y Stanley, son clasificados en tres grupos
(esquema 1).
a) Diseos preexperimentales: son 3, y no son recomendados por los autores.
b) Diseos experimentales propiamente dichos: son 3, y son recomendados especialmente por esos
autores.
c) Diseos cuasiexperimentales: son 10, y son recomendados por Campbell y Stanley si no es posible
aplicar uno mejor.

Esquema 1 Diseos experimentales versin Campbell-Stanley (Preparado por Pablo Cazau)

TIPO NOMBRE ESQUEMA
Diseos
pre
experimentales
1. Estudio de casos con una
sola medicin
X 0
2. Diseo pretest-postest de un
solo grupo
01 X 02
3. Comparacin con un grupo
esttico
X 01
----------------------------
02
Diseos
experimentales
propiamente
dichos
4. Diseo de grupo de control
pretest-postest
R 01 X 02
R 03 04
5. Diseo de 4 grupos de
Solomon
R 01 X 02
R 03 04
R X 05
R 06
6. Diseo de grupo de control
con postest nicamente
R X 01
R 02
Diseos
cuasi
experimentales
7. Experimento de series
cronolgicas
01 02 03 04 X 05 06 07 08
8. Diseo de muestras
cronolgicas equivalentes
X10 X00 X10 X00 etc
9. Diseo de materiales
equivalentes
MaX10 MbX00 McX10 MdX00 etc
10. Diseo de grupo de control
no equivalente
0 X 0
-------------------
0 0
11. Diseos compensados X10 X20 X30 X40
-------------------------
X20 X40 X10 X30
-------------------------

Pgina 177 de 325
177
X30 X10 X40 X20
-------------------------
X40 X30 X20 X10
12. Diseo de muestra
separada pretest-postest
12
R 0 (X)
R X 0
12a
R 0 (X)
R X 0
-----------------------------
R 0 (X)
R X 0
12b
R 01 (X)
R 02 (X)
R X 03
12c
R 01 X 02
R X 03
13. Diseo de muestra
separada pretest-postest con
grupo de control
13
R 0 (X)
R X 0
----------------------------
R 0
R 0
13a
R 0 (X)
R 0 X 0
-------------------
R 0 (X) R
R 0 X 0
-------------------
R 0 (X)
R 0 X 0
R 0
R 0
-------------------
R 0 R
R 0
-------------------
R 0
R 0
14. Diseo de series
cronolgicas mltiples
0000 X 0000
0000 0000
15. Diseo de ciclo institucional
recurrente (diseo de retazos)
Clase A X 01
Clase B 02 X 03
Esquema ms preciso:
A X 01
----------------------------
B1 R02 X 03
B2 R X 04
----------------------------
C 05 X
-- -- -- -- -- -- -- -- -- ---
CGPC B 06
CGPC C 07
16. Anlisis de discontinuidad
en la regresin
---------------------------------------
Para indicar grupos igualados por aleatorizacin se emplea el smbolo R (inicial de 'randomizacin'), y estn presentes
solamente en los diseos experimentales propiamente dichos, porque la aleatorizacin es un requisito esencial para
que un diseo sea experimental. Otro requisito es la presencia de grupos de control. En el diseo 3, que es
preexperimental, se utiliza un grupo de control, pero estos no estn igualados por aleatorizacin, sino por otros
procedimientos que suelen conducir a inferencias errneas (Campbell y Stanley, 1995:18).

Diseos preexperimentales

Se trata de diseos que no son recomendados por Campbell y Stanley, pero que dichos autores emplean
fundamentalmente para "ilustrar los factores de validez que requieren control" (Campbell y Stanley,
1995:139).

Diseo 1: Estudio de un caso con una sola medicin.- Este diseo consiste en tomar un solo grupo por
vez, someterlo a la accin de algn agente o tratamiento (X) que supuestamente provoque algn
cambio, para luego proceder a estudiarlo (O).
En estos estudios, "se compara implcitamente un caso nico, cuidadosamente estudiado, con otros
acontecimientos observados de manera casual y recordados. Las inferencias se fundan en expectaciones
generales de cules hubieran sido los datos de no haberse producido X, etc." (Campbell y Stanley,
1995:19). Se nos ocurre el siguiente ejemplo: 'este grupo de alumnos anda mejor ahora (O) que hay
otro profesor (X)'. Campbell y Stanley asignan a este diseo un valor cientfico casi nulo por cuanto
adolece de una importante falta de controles, y sostienen que, en lugar de haberse dedicado tanta
energa al estudio intensivo del caso, se podra haberla derivado hacia el estudio comparativo con otro
grupo de alumnos que hubieran seguido con el profesor anterior.
Diseo 2: Diseo pretest - postest de un solo grupo.- Este diseo consiste, primero, en observar o medir
un determinado grupo (O1); segundo, introducir un factor que supuestamente producir algn cambio
en el mismo (X); y por ltimo, volver a observar o medir (O2) el grupo luego de haber aplicado X, para
ver si se registr el cambio esperado.

Pgina 178 de 325
178
El problema que presenta este diseo, juzgado por los autores como un "mal ejemplo", es que pueden
intervenir variables externas que ocasionen el cambio, independientemente de X. "Tales variables
ofrecen hiptesis aceptables que explican una diferencia O1 -- O2 opuesta a la hiptesis de que X caus
la diferencia" (Campbell y Stanley, 1995:20). Tales hiptesis aceptables son entonces hiptesis rivales, y
entre ellas se pueden mencionar la historia, la maduracin, la administracin de tests, la instrumentacin
y, en algunos casos, la regresin estadstica.
En lo concerniente al factor historia, debe tenerse presente que "entre O1 y O2 pueden haber ocurrido
muchos otros acontecimientos capaces de determinar cambios, adems de la X sugerida por el
experimentador.
Si el pretest (O1) y el postest (O2) se administraron en das distintos, los acontecimientos intermedios
pueden haber causado la diferencia. Para convertirse en una hiptesis rival 'aceptable', tal
acontecimiento debera haber afectado a la mayor parte de los estudiantes que integran el grupo
examinado" (Campbell y Stanley, 1995:20). Por ejemplo, en 1940 se investig si la propaganda nazi (X)
influa o no en las actitudes de los alumnos. Estos cambios, efectivamente, se verificaron, pero no pudo
saberse si se debieron a la propaganda nazi o al hecho de que entre O1 y O2 se produjo la cada de
Francia (factor de invalidacin 'historia').
En lo relativo a la maduracin, "es probable que entre O1 y O2 los estudiantes hayan aumentado de
edad, apetito, fatiga, aburrimiento, etc., y acaso la diferencia obtenida refleje ese cambio y no el de X"
(Campbell y Stanley, 1995:21). En cuanto al factor administracin de tests, cabe consignar que, por
ejemplo en pruebas de rendimiento e inteligencia, los sujetos suelen desempearse mejor en el segundo
test que en el primero, con lo cual no puede saberse si el mejor desempeo en el postest obedece a la
toma del pretest o a X.
En lo referente a la instrumentacin de pruebas, Campbell se refiere a un 'deterioro de los instrumentos'
de medicin en el intervalo entre el prestest O1 y el postest O2. Por ejemplo, si se trata de observar
cmo los alumnos participan en el aula, los observadores pueden observar de manera diferente la
segunda vez (O2), como por ejemplo, ser ms hbiles o ser ms indiferentes en sus observaciones. Otro
caso es cuando los observadores o administradores de tests son personas distintas en O1 y O2, tambin
causa posible de diferencias entre ambas mediciones ms all del efecto de X.
Por ltimo, en lo relativo al factor regresin estadstica, "si en una prueba correctiva se seleccionan
alumnos para un experimento especial porque han tenido puntajes particularmente bajos en el test de
rendimiento escolar (O1), en una prueba posterior en que se adopte la misma forma de antes u otras
similar a ella, casi con seguridad O2 tendr para ese grupo un promedio ms elevado que O1. Este
resultado confiable no se deber a ningn efecto genuino de X, a ningn efecto de la prctica de test y
retest, etc. Es mas bien un aspecto tautolgico de la correlacin imperfecta entre O1 y O2" (Campbell y
Stanley, 1995:24-25).
Cuanto menor sea el grado de correlacin entre O1 y O2, mayor ser la regresin hacia la media. Los
efectos de regresin son entonces acompaamientos inevitables de la correlacin imperfecta de test-
retest para grupos "seleccionados por su ubicacin extrema" (Campbell y Stanley, 1995:27-28).
Diseo 3: Comparacin con un grupo esttico.- Es un diseo en el cual se compara un grupo que ha
experimentado X, con otro grupo que no ha experimentado X (llamado grupo esttico). Ejemplos: la
comparacin de sistemas escolares con maestros universitarios (X), con otros sistemas con maestros no
universitarios; la comparacin de alumnos que reciben cursos de lectura veloz (X), con otros que no los
reciben; la comparacin entre quienes ven determinado programa de televisin (X), con otros que no lo
ven.
El lector advertir cierta semejanza con el diseo 6 (ver esquema 1), pero hay una diferencia: en el
diseo 3 no se ha tomado la precaucin de asegurarse la equivalencia de ambos grupos mediante un
mtodo como la aleatorizacin, precaucin que s se tom en el diseo 6. Por lo tanto, un factor no
controlado por el diseo 3 es la seleccin previa de los sujetos de los grupos. As, en este diseo, "si hay
diferencias entre O1 y O2, ello bien puede deberse al reclutamiento diferencial de las personas que
componen los grupos: estos podran haber diferido aun sin la presencia de X" (Campbell y Stanley,
1995:29).
Otro factor no controlado por el diseo 3 es la mortalidad experimental. An cuando se hubiera tomado
la precaucin de igualar los grupos, persiste el problema del abandono selectivo de personas de uno de
los grupos (mortalidad experimental).

Diseos experimentales propiamente dichos

Los diseos experimentales propiamente dichos que siguen son los recomendados en la actualidad por la
literatura metodolgica y por Campbell y Stanley (Campbell y Stanley, 1995:31). Se trata de diseos con
un gran poder de control de variables externas (extraas).

Diseo 4: Diseo de grupo de control pretest - postest.- Este diseo clsico consiste en utilizar dos
grupos equivalentes logrados por aleatorizacin (R), hacerles un pre-test a ambos (O1 y O3), aplicarle X
al grupo experimental, y finalmente hacerles un post-test a ambos a ver si hubo alguna variacin como
consecuencia del tratamiento experimental X.
Con este diseo se pueden controlar una gran cantidad de fuentes de invalidacin interna. Por ejemplo:

Pgina 179 de 325
179
a) La historia "se controla en la medida en que los acontecimientos histricos generales que podran
haber producido una diferencia del tipo O1-O2 causaran tambin una diferencia del tipo O3-O4"
(Campbell y Stanley, 1995:32). La precaucin que debe tomarse en estos casos es que las historias
'intrasesionales' de cada grupo no sean tan diferentes entre s como para que se conviertan
verosmilmente en una hiptesis rival a la hiptesis de investigacin de que X es la causa de la variacin.
b) La maduracin y la administracin de tests "estn controladas en el sentido de que su manifestacin
en los grupos experimentales y de control debera ser igual" (Campbell y Stanley, 1995:34).
c) La instrumentacin "se controla con facilidad cuando se dan las condiciones para el control de historia
intrasesional, en particular cuando se logra la O por medio de reacciones de los estudiantes a un
instrumento fijo, como una prueba impresa" (Campbell y Stanley, 1995:34). El problema es ms grave
cuando se recurre, en cambio, a observadores y entrevistadores, ya que diversos son los factores que
pueden sesgar sus puntajes o registros.
d) La regresin "se controla, en lo que a diferencia de medias concierne y por muy extremo que sea el
grupo en los puntajes pretest, si tanto el grupo experimental como el de control se asignan al azar,
tomndolos de este mismo conjunto extremo. En tales casos, el grupo de control regresiona tanto como
el experimental" (Campbell y Stanley, 1995:34-35).
e) La seleccin se controla asegurando la igualdad de los grupos mediante la aleatorizacin. Campbell y
Stanley discuten aqu el valor de otro procedimiento para asegurar esta igualdad, la equiparacin
(Campbell y Stanley, 1995:36), sealando su ineficacia como "nico" procedimiento, pudindose obtener
mayor precisin estadstica cuando se lo combina con la aleatorizacin, procedimiento mixto llamado
"bloqueo" (por ejemplo, asignar estudiantes a pares equiparados y asignando luego al azar un miembro
de cada par al grupo experimental y otro al de control).
f) Respecto de la mortalidad, "los datos de que disponemos gracias al diseo 4 permiten establecer qu
mortalidad explica aceptablemente la ganancia O1-O2" (Campbell y Stanley, 1995:36), ya que suele ser
precisamente en el grupo experimental donde se exige la concurrencia de los sujetos para su exposicin
a X. La distinta concurrencia en el grupo experimental y en el de control produce una mortalidad que
puede introducir sutiles sesgos. Examinemos ahora los factores que, en este diseo 4, atentan contra la
validez externa, recordando que estas amenazas a la validez externa pueden considerarse como efectos
de interaccin entre X y alguna otra variable.
a) Interaccin de tests y X.- La toma de un pretest puede influir sobre los resultados del experimento, lo
que llev a algunos experimentadores a elegir el diseo 6, que omite el pretest.
"Cuando se emplea un test con procedimientos muy poco usuales, o cuando el test implica engao,
reestructuracin conceptual o cognitiva, sorpresa, tensin, etc., los diseos con grupos no sometidos a
pretest [como el diseo 6] continan siendo muy convenientes, aunque no imprescindibles" (Campbell y
Stanley, 1995:42).
b) Interaccin de seleccin y X.- El origen de este factor -como se dijo ms arriba- se encuentra en la
obtencin de muestras no representativas. Al respecto, comentan Campbell y Stanley que este diseo 4,
"dentro del mbito de las actitudes sociales, es tan exigente en lo que a cooperacin por parte de los
participantes se refiere, que en definitiva la investigacin slo se hace con un pblico cautivo en vez de
realizarla con ciudadanos comunes, que son a quienes quisiramos referirnos. En una situacin de esta
ndole, el diseo 4 merecera un signo negativo en cuanto a seleccin [ver esquema 2]. No obstante, en
la investigacin pedaggica nuestro universo de inters est constitudo por un pblico cautivo para el
cual se pueden obtener diseos 4 de elevada representatividad" (Campbell y Stanley, 1995:44).
c) Otras interacciones con X.- Las interacciones de X con los dems factores (mortalidad, tests,
maduracin, historia, excepto regresin, que no interacciona con X), pueden tambin examinarse como
amenazas a la validez externa. Esos distintos factores no fueron incluidos como encabezamientos de
columnas del esquema 2, porque "no ofrecen bases firmes de discriminacin entre diferentes diseos"
(Campbell y Stanley, 1995:45).
d) Dispositivos reactivos.- El hecho de tener conciencia de participar de un experimento, predispone a
los sujetos de una forma que no se da en situaciones no experimentales o naturales, lo cual dificulta la
generalizacin de los resultados.
Sin embargo, no por ello debe abandonarse la investigacin, sino mas bien mejorarla evitando la
incidencia de estos dispositivos reactivos, para lo cual Campbell y Stanley ofrecen diversas sugerencias
(Campbell y Stanley, 1995:45).
Diseo 5: Diseo de cuatro grupos de Solomon.- Aunque el diseo 4 se usa ms, el diseo 5 tiene ms
prestigio y fue el primero en considerar explcitamente los factores de validez externa.
Como se ve en el esquema 3, este diseo usa cuatro grupos: a los dos del diseo 4 se agregan otros
dos, -experimental y de control sin pretest-, lo que permite determinar tanto los efectos principales de
los tests como la interaccin entre ellos y X (y por esto permite controlar el factor de invalidacin
externa 'interaccin de tests y X'). "De ese modo, no slo se aumenta la posibilidad de generalizar, sino
que adems se repite el efecto de X en cuatro formas diferentes: O2>O1, O2>O4, O5>O6 y O5>O3. Las
inestabilidades concretas de la experimentacin son tales que, si esas comparaciones concuerdan, el
vigor de la inferencia queda muy incrementado" (Campbell y Stanley, 1995:53).
Diseo 6: Diseo de grupo de control con postest nicamente.- Este diseo no utiliza pretest, por cuanto
aqu se considera que la simple aleatorizacin R es suficiente para asegurar la igualdad de los grupos, y
en tal sentido el diseo 6 resulta preferible al 4 o al 5, donde deben tomarse pretests. Adems, hay

Pgina 180 de 325
180
casos donde no se pueden tomar pretest, respondiendo este diseo a esta necesidad. Campbell y
Stanley examinan algunas ventajas y desventajas del diseo 6 con respecto al 4 o al 5, pero, en general,
recomiendan el empleo del 6 (Campbell y Stanley, 1995:55).

Los diseos factoriales emplean recursos de los diseos 4, 5 y 6, pero ase aplican a situaciones donde estudia ms
de una variable experimental X. As, "sobre la base conceptual de los tres diseos anteriores, pero en particular el
4 y el 6, pueden ampliarse las complejas elaboraciones tpicas de los diseos factoriales de Fisher, agregando
otros grupos con otras X" (Campbell y Stanley, 1995:57). Los diseos factoriales presentan problemas especiales
relacionados con la interaccin, las clasificaciones inclusivas y cruzadas, y los modelos factoriales finitos, fijos,
aleatorios y mixtos.

Diseos cuasiexperimentales

Un diseo cuasiexperimental es un diseo en el cual no hay un control experimental total o perfecto, tal
como se podra conseguir en un diseo experimental autntico o propiamente dicho (Campbell y Stanley,
1995:70 y 139).
"Son muchas las situaciones sociales donde el investigador puede introducir algo similar al diseo
experimental en su programacin de procedimientos para la recopilacin de datos (por ejemplo, el
cundo y el a quin de la medicin), aunque carezca de control total acerca de la programacin de
estmulos experimentales (el cundo y el a quin de la exposicin y la capacidad de aleatorizarla), que
permita realizar un autntico experimento. En general, tales situaciones pueden considerarse como
diseos cuasiexperimentales" (Campbell y Stanley, 1995:70).
Debido a que se carece de un control experimental total, es imprescindible que el investigador conozca a
fondo las variables que su diseo no controla, y con este fin Campbell y Stanley confeccionaron la lista
de verificacin de fuentes de invalidacin que figuran en el esquema 2 (Campbell y Stanley, 1995:70).
No obstante sus imperfecciones, los autores recomiendan utilizar diseos cuasiexperimentales en
aquellas configuraciones donde no haya modo alguno de recurrir a mejores diseos experimentales
(Campbell y Stanley, 1995:11, 71 y 139). A continuacin, se examinan tres diseos experimentales
unigrupales, o sea donde se trabaja con un solo grupo; los cinco que le siguen son diseos multigrupales
(Campbell y Stanley, 1995:71).
Diseo 7: Experimento de series cronolgicas.- En lo esencial, consiste "en un proceso peridico de
medicin sobre algn grupo o individuo y la introduccin de una variacin experimental en esa serie
cronolgica de mediciones" (Campbell y Stanley, 1995:76). Fue muy utilizado en ciencias fsicas y
biolgicas, aunque tambin se lo emple alguna vez en ciencias sociales, como por ejemplo en los
experimentos sobre factores que influyen sobre la produccin industrial (Campbell y Stanley, 1995:77).
El ms grave inconveniente del diseo 7 es la imposibilidad de controlar el factor historia, es decir, la
hiptesis rival de que no sea X lo que provoc el cambio sino otro acontecimiento ms o menos
simultneo (7 Campbell y Stanley, 1995:9), como por ejemplo los efectos meteorolgicos, aunque tal
vez convendra ms mencionar -aunque sean anlogos al factor maduracin- cambios peridicos
referidos a costumbres institucionales como ciclos semanales de trabajo y pago de salarios, de trabajo y
vacaciones, fiestas escolares, etc. (Campbell y Stanley, 1995:81).
Otros factores que atentan contra la validez interna estn, no obstante, controlados: por ejemplo la
maduracin, por ser generalmente un proceso uniforme y regular del que no es esperable que cambie
mucho precisamente en el momento de aplicar X. Lo mismo vale para los tests: no es esperable que se
produzca en ellos un error de medicin precisamente entre O4 y O5.
Por su parte, "los efectos de la regresin suelen consistir en una funcin negativamente acelerada del
tiempo transcurrido, razn por la cual no son aceptables como explicaciones de un efecto en O5 mayor
que los efectos en O2, O3 y O4" (Campbell y Stanley, 1995:82). En cuanto a la seleccin como fuente de
efectos principales, es obvio que quedar controlada si "en todas las O estn implicadas las mismas
personas" (Campbell y Stanley, 1995:82), cosa que tambin resulta vlida para el diseo 2.
Campbell y Stanley recomiendan utilizar este diseo, pero adoptando la precaucin de no realizar un
experimento nico, que nunca es concluyente. An no utilizando un grupo de control, es preciso que
varios investigadores repitan el diseo 7 en muchos lugares distintos (Campbell y Stanley, 1995:83).
Diseo 8: Diseo de muestras cronolgicas equivalentes.- Se trata de un diseo con un solo grupo que
utiliza dos muestras equivalentes de sesiones, con la variable experimental en una de ellas y no en la
otra. El modelo puede verse en el esquema 3, aunque la intencin es obtener una alternancia aleatoria,
y no regular como lo sugiere dicho esquema. Este diseo puede ser considerado como una variante del
diseo 7, donde la diferencia est en que se introduce la variable experimental en forma reiterada, y no
una sola vez (Campbell y Stanley, 1995:86).
Empleado correctamente, se trata de un diseo en general vlido internamente. "La historia, que es el
principal inconveniente del experimento con series cronolgicas, se controla presentando X en
numerosas sesiones separadas, haciendo as improbable en extremo cualquier otra explicacin fundada
en la coincidencia de acontecimientos externos. Las otras fuentes de invalidacin se controlan con la
misma lgica detallada a propsito del diseo 7" (Campbell y Stanley, 1995:87).
En cuanto a la validez externa, uno de los factores de invalidacin externa no controlados por este
diseo es la interferencia de X mltiples (o sea, cuando se presentan muchos niveles de X para el
'mismo' conjunto de personas.

Pgina 181 de 325
181
Por ejemplo, si X1 tiene algn efecto prolongado que llega a influir en los periodos sin X (o X0), como
parece por lo comn probable, este diseo 8 puede subestimar el efecto de X1. Y "por el contrario, el
hecho mismo de que se produzcan frecuentes desplazamientos puede incrementar el valor del estmulo
de una X, excediendo al que se dara en una presentacin continua y homognea. En [cierto estudio], las
melodas hawaianas influiran sobre el trabajo de manera bastante diferente si se las intercalase durante
todo un da entre otras formas de msica, que si constituyen el nico 'alimento' musical" (Campbell y
Stanley, 1995:88).
Diseo 9: Diseo de materiales equivalentes.- Este tipo de diseo se aplica "all donde la ndole de las
variables experimentales sea tal que los efectos son permanentes, y los distintos tratamientos y
repeticiones de ellos deben aplicarse a un contenido no idntico" (Campbell y Stanley, 1995:90).
Por ejemplo, si queremos averiguar la incidencia del tipo de aprendizaje X (masivo o distribuido), en una
primera etapa damos a un sujeto o un grupo una lista de palabras para aprender en forma masiva.
Luego, en un segundo momento donde la consigna es aprender en forma distribuida, no podremos darles
al mismo sujeto o grupo la misma lista de palabras, porque ya las habrn aprendido. Por lo tanto, le
damos un 'material equivalente', por ejemplo, otro listado de palabras que sea equivalente al primero
(palabras de igual nmero de slabas, de igual familiaridad, etc.).
"A semejanza del diseo 8, el diseo 9 tiene validez interna en todos los puntos, y en general por los
mismos motivos" (Campbell y Stanley, 1995:92). Sin embargo, el diseo presenta limitaciones en
cuanto a la validez externa. Por ejemplo, en cuanto al factor interferencia de X mltiples, la validez
externa est comprometida por la interferencia entre los niveles de la variable experimental o entre los
materiales (Campbell y Stanley, 1995:92).
Diseo 10: Diseo de grupo de control no equivalente.- Es un diseo muy usado en investigacin
educacional, y "comprende un grupo experimental o otro de control, de los cuales ambos han recibido un
pretest y un postest, pero no poseen [a diferencia del diseo 4] equivalencia preexperimental de
muestreo" (Campbell y Stanley, 1995:93). O sea, los sujetos que se toman de una poblacin comn no
son asignados en forma aleatoria a uno y otro grupo, sino que constituyen entidades formadas
naturalmente (como una clase de alumnos), tan similares entre s pero no tanto como para que se pueda
prescindir del pretest.
"Cuanto ms similares sean en su reclutamiento el grupo experimental y el de control y ms se confirme
esa similitud por los puntajes del pretest" (Campbell y Stanley, 1995:94) ms eficaz es el control.
Entonces, dos cosas deben aclararse con respecto al diseo 10: primero, no debe confundrselo con el
diseo 4 por las razones ya apuntadas, y segundo y a pesar de ello, debe admitirse que el diseo 10 es
utilizable en muchas ocasiones donde no podemos usar los diseos 4, 5 o 6 (94).
Diseo 11: Diseos compensados.- Abarcan todos aquellos diseos "en los cuales se logra el control
experimental o se aumenta la precisin aplicando a todos los participantes (o situaciones) la totalidad de
los tratamientos" (Campbell y Stanley, 1995:99).
Un ejemplo es el cuadrado latino. En el esquema 3, las cuatro filas corresponden a cuatro grupos (o
individuos) distintos. A cada grupo se lo va exponiendo a diferentes valores de la variable experimental X
a lo largo de cuatro sucesivos tratamientos (las cuatro columnas). En otras palabras, cada grupo (o
sujeto) pasa por todas las condiciones experimentales. "Obsrvese que cada tratamiento (o X) slo se da
una vez en cada columna y cada fila" (Campbell y Stanley, 1995:100): esta disposicin permite
'compensar' los resultados de un grupo (o de un tratamiento) con el de otros grupos (o tratamientos), lo
que a su vez permite inferir que las diferencias obtenidas en los distintos tratamientos experimentales
(X1, X2, X3 y X4) no son debidas ni a discrepancias grupales iniciales ni a efectos de la prctica, la
historia, etc.
Diseo 12: Diseo de muestra separada pretest - postest.- Sealan Campbell y Stanley que para
grandes poblaciones (ciudades, fbricas, escuelas, cuarteles), "suele ocurrir que, aunque no se pueden
segregar subgrupos en forma aleatoria para tratamientos experimentales diferenciales, cabe ejercer algo
as como un control experimental completo sobre el 'momento de aplicacin' y los 'destinatarios' de la O,
utilizando procedimientos de asignacin aleatoria" (Campbell y Stanley, 1995:103).
Este control est posibilitado por el diseo 12 que consiste, bsicamente, en medir una muestra antes de
X, y otra equivalente despus de X. Guarda cierta semejanza con el diseo 2, pero a diferencia de ste,
el diseo 12 puede controlar los factores tests e interaccin de tests y X.
Algunas variantes del este diseo (12a, 12b y 12c, ver esquema 3) permiten controlar otros factores de
invalidacin. Por ejemplo, el diseo 12a controla la historia pues "si el mismo efecto se da en varias
ocasiones, la posibilidad de que sea resultado de acontecimientos histricos coincidentes se torna menos
probable" (Campbell y Stanley, 1995:104). Asimismo, el diseo 12b permite controlar la maduracin, y
el diseo 12c otros factores como la mortalidad.
En general, todas estas variantes del diseo 12 "pueden resultar superiores en validez externa...
respecto de los experimentos propiamente dichos de los diseos 4, 5 y 6. Estos diseos no requieren
gran cooperacin de los participantes, ni que estn disponibles en ciertos lugares y momentos, etc., de
modo que se puede utilizar un muestreo representativo de poblaciones previamente determinadas"
(Campbell y Stanley, 1995:106).
Diseo 13: Diseo de muestra separada prestest - postest con grupo de control.- Se trata del diseo 12
al cual se le agrega un grupo de control, constitudo por grupos comparables (aunque no equivalentes).
Se trata de un diseo parecido al 10, "slo que no se vuelve a someter a test a las mismas personas y,

Pgina 182 de 325
182
por lo tanto, se evita la posible interaccin entre la administracin de tests y X" (Campbell y Stanley,
1995:107).
La variante 13a controla perfectamente, como ningn otro diseo, tanto la validez interna como la
externa, con lo cual cabe considerarlo como un diseo experimental propiamente dicho aunque, que se
sepa, nunca fue utilizado. Su esquematizacin (esquema 3) se ve complicada por los dos niveles de
equivalencia (R y R') que implica (Campbell y Stanley, 1995:107).
Diseo 14: Diseo de series cronolgicas mltiples.- Se trata del diseo 7 al que se le ha agregado un
grupo de control. "En los estudios de grandes cambios administrativos por medio de datos en series
cronolgicas, al investigador le conviene buscar una institucin similar no sujeta a X [grupo de control],
de la cual tomar una serie cronolgica de control anloga (idealmente, con X asignada al azar)" (109).
Para Campbell y Stanley, se trata de un excelente diseo cuasiexperimental, acaso el mejor de los ms
viables, y es particularmente apropiado para investigaciones en establecimientos educativos (Campbell y
Stanley, 1995:110).
Diseo 15: Diseo de ciclo institucional recurrente (o diseo de retazos).- Se trata de un diseo apto
para aquellas situaciones donde se presenta en forma cclica, a cada nuevo grupo de participantes, cierto
aspecto de un proceso institucional, como por ejemplo y tpicamente, un programa de adoctrinamiento.
Este diseo intenta reunir las ventajas respectivas de los diseos 2 y 3 (ya que signos positivos y
negativos son mayoritariamente complementarios, como se ve en el esquema 2). En efecto, en el diseo
15 "pueden medirse a la vez un grupo expuesto a X con otro que va a serlo; esa comparacin entre O1 y
O2 corresponde as al diseo 3. La segunda medicin del personal de la Clase B, un ciclo despus, nos da
el segmento de diseo 2" (Campbell y Stanley, 1995:112). De esta manera, tambin, el diseo 15 puede
combinar estudios transversales (comparando dos grupos al mismo tiempo entre s) con estudios
longitudinales (comparacin a travs del tiempo).
Se supone que en este diseo se podr aplicar el postest O1 al mismo tiempo que el pretest O2 a otro.
No siempre ocurre as: la variante presentada en el esquema 2 ilustra esta situacin y se trata de una
representacin ms precisa del diseo 15, correspondiente al caso tpico de una situacin escolar
(Campbell y Stanley, 1995:116).
Diseo 16: Anlisis de discontinuidad en la regresin.- Campbell y Stanley ilustran este diseo con una
investigacin (Campbell y Stanley, 1995:118) donde se trat de averiguar si recibir un premio (una
beca, etc.) incida o no en el desempeo posterior del estudiante (en cuanto a logros, actitudes, etc.).
Como el premio se otorga slo a los alumnos ms calificados, el problema que se presenta es que resulta
difcil evaluar la incidencia del premio porque los alumnos ms calificados igualmente tendran mejor
desempeo, an sin premio, dados sus buenos antecedentes en calificaciones.
Segn cabe entender a partir de la muy breve explicacin que nos suministran los autores, el diseo 15
intenta averiguar si hay o no discontinuidad en la lnea de regresin. Por ejemplo, un alumno con
calificacin 5 tendr luego un desempeo 5, uno con calificacin 6 tendr un desempeo de 6, y as
sucesivamente, lo que permite predecir -mediante anlisis de regresin- que alguien con calificacin 8
tendr desempeo 8. Si este alumno con calificacin 8 recibi un premio, y si su desempeo resulta ser
10 en vez de 8, se habr producido una discontinuidad en la secuencia regresiva, y habremos podido
demostrar el efecto del premio.

2. VERSIN LEN Y MONTERO

Len y Montero distinguen los mtodos descriptivos (observacin y encuesta), los mtodos
experimentales (diseos experimentales con grupos), y los mtodos propios de la investigacin aplicada
(diseos de sujeto nico y diseos cuasi experimentales).

De una manera un tanto arbitraria pero que sirve como criterio de organizacin, los mtodos de
investigacin en psicologa y educacin pueden ser clasificados de acuerdo a los objetivos que persiguen
de la siguiente manera, teniendo en cuenta que los autores califican a los mtodos de investigacin como
planes para la obtencin de datos (Len y Montero, 1995:15), y a los diseos como elaboraciones de un
plan de actuacin una vez que se ha establecido el problema de investigacin (Len y Montero,
1995:14). No aparece clara la diferencia entre mtodo y diseo, pero debera entenderse que ambos son
planes para obtener datos, slo que los diseos son procedimientos ms especficos enmarcados dentro
de algo ms amplio, el mtodo, el cual depende del objetivo de la investigacin:

Objetivos de la investigacin Diseos de investigacin (planes para la obtencin de datos)
Mtodos descriptivos Observacin
Diseos de investigacin con encuestas
Mtodos experimentales Diseos experimentales con grupos
Investigacin aplicada Diseos de N = 1 (diseos de sujeto nico)
Diseos cuasi experimentales

La observacin puede funcionar tambin como un modo de acceder a problemas de investigacin. De
hecho, muchas veces se comienza a investigar haciendo observaciones cada vez ms sistemticas para
delimitar problemas y elaborar hiptesis sobre lo observado (Len y Montero, 1995:16).

Pgina 183 de 325
183

Diseos de investigacin con encuestas

Se define encuesta como una investigacin destinada a conocer caractersticas de una poblacin de
sujetos a travs de un conjunto de preguntas (Len y Montero, 1995:98).

Diseos transversales
Describen una poblacin en
un momento dado.
Por ejemplo, investigar si hay relacin entre ser fumador y tener padres
fumadores.
Diseos longitudinales
Describen una poblacin a lo
largo del tiempo, en varios
momentos. Por ejemplo,
investigar como cambia la
intencin de voto a lo largo
de una campaa electoral.
Muestreos sucesivos con grupos de sujetos distintos
La misma encuesta se aplica ms de una vez a muestras distintas. Se
puede entender como una sucesin de estudios transversales. Por
ejemplo investigar cambios en la actitud hacia el tabaco.
Diseo de panel
La misma encuesta se aplica ms de una vez a la misma muestra. A
diferencia del anterior, este diseo se puede determinar qu sujetos han
cambiado y quienes no (cuando los sujetos son distintos slo se puede
hablar de un cambio general en la poblacin).
Diseo de cohorte
Se encuesta varias veces a los mismos sujetos, seleccionados por algn
acontecimiento temporal que los identifica, como la edad, el haber
estado en una guerra, haber pasado hambre, etc. Por ejemplo, investigar
como distintas generaciones, afectadas por diferentes dictaduras,
reaccionan ente los valores democrticos.

Diseos experimentales con grupos

Son diseos experimentales donde se comparan dos o ms grupos, formados por distintos sujetos o por
los mismos sujetos. Los grupos de sujetos distintos se llaman tambin grupos independientes
(Shaughnessy y Zechmeister, 1990), pero Len y Montero prefieren obviar esta nomenclatura, que
clasifican los diseos experimentales con grupos del siguiente modo:

Diseos simples
Estudian una sola
variable
independiente (Len
y Montero,
1995:192).
Diseos con
grupos de
sujetos distintos
(a)
Diseo de grupos aleatorios
Los sujetos son asignados al azar a cada uno de los grupos
(Len y Montero, 1995:134).
Diseo de grupos aleatorios con bloques
Se busca que los grupos sean lo ms similares posibles
mediante el control de una o varias variables (Len y
Montero, 1995:136,155) (b).
Diseos con grupos con los mismos sujetos (o intra-sujeto, o de medidas
repetidas) (c)
Diseos complejos
Estudian ms de una
variable
independiente (Len
y Montero,
1995:192)
Diseos factoriales (d)
Se consideran ms de una VI, y se crean tantos grupos como combinaciones de
los niveles de las VI (Len y Montero, 1995:221).

(a) Los diseos de grupos aleatorios y de grupos aleatorios con bloques pueden ser considerados de
aplicacin general, pero hay diseos para ciertos problemas especiales, como por ejemplo el diseo de
control por placebo o diseo ciego (a un grupo se administra la medicina verdadera y al otro un
sustituto), y el diseo del doble ciego (ni el experimentador ni los sujetos saben quienes reciben la
medicina y el placebo) (Len y Montero, 1995:143).

(b) Algunos ejemplos de diseo de grupos aleatorios con bloques son los siguientes (Len y Montero,
1995:138-143):
1- Varios sujetos por nivel y bloque.- Debe averiguarse la incidencia de la inteligencia sobre el
rendimiento actual, y debe controlarse la variable extraa rendimiento anterior. Para ello, se crean tres
bloques de sujetos: con rendimiento anterior alto, medio y bajo. Luego, de cada bloque se eligen al azar
sujetos que irn al grupo experimental o al grupo de control (por ejemplo si hay cuatro sujetos por
bloque, se asignan dos a un grupo y dos al otro).La variable extraa ha quedado bloqueada. Este diseo
sirve especialmente cuando los grupos son pequeos, ya que en grupos grandes la probabilidad de que la
asignacin aleatoria sin bloques produzca una distribucin descompensada es muy pequea.
2- Un sujeto por nivel y bloque.- Es el mismo caso anterior, solamente que se asignan solamente dos
sujetos por cada bloque, iguales respecto de la variable extraa, y luego se asignan al azar a los grupos

Pgina 184 de 325
184
experimental y de control. Tiene la ventaja de producir grupos ms iguales, y por tanto aumenta la
sensibilidad del experimento.
3- Camada.- Los bloques se forman con sujetos de una misma camada (por ejemplo mellizos, trillizos,
etc.). Ellos formarn un bloque natural
4- Gemelos.- En lugar de camadas se utilizan gemelos, que son ms iguales que los mellizos debido a su
carga gentica ms similar.

(c) En los diseos con grupos con los mismos sujetos pueden producirse efectos distorsionantes debidos
a la prctica, al orden de presentacin de los tratamientos, a la fatiga y a la motivacin (Len y Montero,
1995:164).
Sin embargo la misma prctica puede ser objeto de estudio, como en los experimentos sobre el
aprendizaje, donde a lo largo del tiempo se repite la misma condicin, presentndose una misma
situacin al mismo grupo de sujetos. La VI ser el nmero de ensayos, y la VD el nmero de errores
(Len y Montero, 1995:167).
En los diseos intra-sujeto se utilizan diferentes tcnicas de control, que se utilizan en el contexto de dos
estrategias principales: a) amortiguar un posible efecto distorsionador debido al orden de presentacin de
los distintos tratamientos experimentales; b) si se conoce la cuanta del efecto distorsionador del orden
de presentacin, entonces se evala dicha cuanta para restarlo del efecto de la variable principal.
Las tcnicas de control son: la aleatorizacin por bloques (responde a la primera estrategia), el
reequilibrado (se aplica dentro de las dos estrategias), y el diseo de cuadrado latino (responde a la
segunda estrategia).
Las tres tcnicas de control del efecto de orden de presentacin de los tratamientos experimentales son
(Len y Montero, 1995:189):
Aleatorizacin por bloques.- Cada tratamiento se aplica ms de una vez. Se establecen bloques de
tratamientos de tamao igual al nmero de valores de la variable independiente VI. Dentro de cada
bloque se incluye, en orden aleatorio, una tarea de cada condicin experimental.
Reequilibrado.- Hacer una repeticin de la secuencia de presentacin de los tratamientos en orden
inverso. Dicha inversin puede hacerse con los mismos sujetos o con sujetos distintos.
Diseo de cuadrado latino.- El control se lleva a cabo mediante la seleccin de un grupo de secuencias de
presentacin de entre todas las posibles. Se eligen tantas secuencias como tratamientos haya en el
experimento, de tal modo que se cumpla la condicin de que un tratamiento experimental slo aparezca
una vez en cada posicin dentro del conjunto de secuencias elegidas.

(d) Los diseos factoriales son aquellos diseos con ms de una VI donde todos los niveles de una
variable se combinan con los niveles del resto de las variables. Por ejemplo, un diseo 2x2 supone dos
VI, cada una con dos valores (sexo es varn o mujer, distraccin es s o no), y sera el caso ms sencillo
(Len y Montero, 1995:193). La estrategia del diseo factorial permite observar como se comporta una
variable bajo todas las condiciones de la otra, lo que es una ventaja respecto de hacer, por ejemplo, dos
diseos simples consecutivos, que dejaran fuera algunas combinaciones cruciales (Len y Montero,
1995:198).
Los diseos factoriales admiten muchas extensiones adems del simple 2x2. Por ejemplo, se puede hacer
uno de 7x9, aunque para ello se requeriran muchos sujetos, habida cuenta que al menos 10 sujetos
debe haber en cada grupo, con lo cual debera contarse con 7x9x10 = 630 sujetos (Len y Montero,
1995:198).
En el contexto de los diseos complejos, los autores destacan especialmente el concepto de interaccin,
que es el efecto adicional de la VD a la suma de los efectos individuales de las variables independientes
(Len y Montero, 1995:202). Estos efectos, que pueden ocurrir entre dos o ms variables
independientes, pueden detectarse mediante un anlisis estadstico de varianza en trminos de si son o
no estadsticamente significativos para determinado nivel de significacin (Len y Montero, 1995:208).
Hay casos especiales de interaccin, donde aparece pero no puede ser explicada tericamente. Un caso
especial de interaccin es el efecto suelo (o techo), que aparece en la VD si a partir de cierto valor no es
posible obtener otros ms bajos (o ms altos), permaneciendo constantes a pesar de la variacin de VI
(Len y Montero, 1995:221)

Tcnicas de anlisis estadstico para diseos con grupos de sujetos distintos.- a) En los diseos de grupos
aleatorios, si son dos grupos se utiliza la diferencia de medias de gruidos independientes y si son ms de
dos grupos, se usa el anlisis de varianza de un factor. b) En los diseos de grupos aleatorios con
bloques se utilizan las tcnicas anteriores, slo que el criterio de bloque ayuda a disminuir la varianza
debida al error: slo habr que restarle la varianza debida a la variable bloqueada (Len y Montero,
1995:153).

Tcnicas de anlisis estadstico para diseos con grupos con los mismos sujetos.- La tcnica ms utilizada
es el anlisis de varianza, y ms concretamente el anlisis de varianza de un factor con medidas
repetidas, tcnica que se utiliza cuando se emplea la aleatorizacin o el reequilibrado como tcnica de
control. En el segundo caso se asume que no se quiere analizar estadsticamente el efecto debido al

Pgina 185 de 325
185
orden. Finalmente, si la VI tiene slo dos valores se puede analizar la diferencia entre grupos mediante la
t de Student para datos apareados (Len y Montero, 1995:187).

Tcnicas de anlisis estadstico para diseos complejos.- Se utiliza el anlisis de varianza, para lo cual
debe tenerse en claro la cantidad de VI involucradas, especificando las que sean de medidas repetidas. Si
se trata de grupos aleatorios x grupos aleatorios, se usa el anlisis de varianza de dos factores. Si se
trata de grupos aleatorios x medidas repetidas, en anlisis de varianza de dos factores, uno con medidas
repetidas, y si se trata de medidas repetidas x medidas repetidas, el anlisis de varianza de medidas
repetidas con dos variables (Len y Montero, 1995:220).

En los diseos experimentales con grupos lo ideal es asignar sujetos al azar a cada grupo. Sin embargo,
en la prctica esto no es posible, ya que se cuenta con grupos ya formados (por ejemplo alumnos de un
aula). En estos casos en lugar de asignar sujetos al azar se asignan grupos al azar, lo que igualmente
permite el control de variables extraas, aunque en menor medida (Len y Montero, 1995:147).

Requisitos de los diseos experimentales.- Las propiedades que deben exigirse a un experimento son la
fiabilidad, la sensibilidad, la validez externa y la validez interna. Los experimentos son fiables cuando al
repetirse se obtienen los mismos resultados, pero lo que hace que se obtengan los mismos resultados es
que el experimento estuviera bien controlado (Len y Montero, 1995:119). Respecto de la sensibilidad,
se espera que los aparatos, los registros, las unidades de medida sean lo suficientemente sensibles como
para detectar los cambios en las conductas (Len y Montero, 1995:120). La validez interna se refiere al
grado de seguridad con el que se pueden establecer las causas de las variaciones, y la validez externa
consiste en el poder de generalizacin de los resultados obtenidos (Len y Montero, 1995:121).

Diseos de N = 1 (diseos de sujeto nico)

Son diseos donde se estudia un solo caso, como por ejemplo un paciente. El ejemplo tpico es el
llamado estudio de casos, donde se describe en forma detallada las caractersticas de un individuo en
condiciones especiales. Por ejemplo, en el caso de un paciente se narran su evolucin asociada a
sucesivas intervenciones del terapeuta. Estos diseos normalmente no tienen control sobre las variables
extraas, y sirven tambin para sugerir nuevas hiptesis. Freud y Piaget, entre otros, lo han utilizado
(Len y Montero, 1995:228).
Si en los diseos que estudian grupos se hace referencia a pre-medidas y posmedidas, en los diseos de
sujeto nico puede tener importancia tambin referirse a lo que podemos llamar intra-medidas, con lo
cual incluirn tres tipos de medidas: medidas antes, medidas mientras y medidas despus, referidas a
series de mediciones de la variable dependiente antes de la aplicacin del tratamiento (lnea de base),
durante la aplicacin del tratamiento (que a veces puede durar semanas, meses o aos), y despus de la
aplicacin del tratamiento (fase de seguimiento).
Mientras los diseos de investigacin por encuestas y los diseos experimentales con grupos deben lidiar
contra las diferencias individuales de los sujetos (si estas persisten a pesar del control de variables son
consideradas como errores), los diseos de sujeto nico no tienen este problema, y se basan en la idea
segn la cual si un fenmeno es lo suficientemente bsico se tendr que producir en el resto de los
sujetos. Por ejemplo, fueron utilizados en el anlisis del condicionamiento operante por Skinner (Len y
Montero, 1995:226).

Diseo AB
Primero se establece una lnea de base sin tratamiento (A) y una vez estabilizada se produce la
intervencin midiendo la nueva serie (B) (Len y Montero, 1995:239).
Diseo ABAB
Procede en cuatro fases, donde A es sin tratamiento y B es con tratamiento. Admite variantes, como
BAB y ABA. El diseo ABA se llama de vuelta atrs, y sirve para, una vez retirado el tratamiento,
examinar si hubo otras variables que actuaron simultneamente (Len y Montero, 1995:241).
Diseos de lnea base mltiple
Plan experimental donde varias conductas se registran simultneamente y donde se aplica el mismo
tratamiento pero de forma escalonada. Es una extensin del AB donde no puede realizarse una
retirada del tratamiento (Len y Montero, 1995:253) (a).

(a) Un ejemplo es el siguiente (Len y Montero, 1995:246). Una madre quiere que su hija dedique ms
tiempo al clarinete, al campamento y a la lectura. En la primera semana se establecieron lneas base de
las tres conductas donde la madre slo se limitaba a recomendarle que dedicara 30 minutos a cada una.
A la segunda semana la madre empez a premiar el clarinete, pero no las otras conductas, y se vio que
la hija aumentaba su tiempo con el clarinete mientras que las otras conductas se mantenan en la lnea
de base. A la tercera semana sum un premio al campamento y ocurri otro tanto, y a la cuarta semana
sum un premio a la lectura, habiendo ocurrido lo mismo.


Pgina 186 de 325
186
Los diseos de sujeto nico se utilizan: a) cuando solo se dispone de un sujeto; b) cuando es difcil
encontrar sujetos para un grupo de control, ya que en el diseo de sujeto nico el paciente es su propio
control; c) cuando se busca comprobar la eficacia de una intervencin teraputica; y d) cuando la
investigacin es sobre procesos muy bsicos o con clara base biolgica (por ejemplo que la emetina
produzca nuseas, para que luego sirva como tratamiento contra el alcoholismo) (Len y Montero,
1995:234).
Las tres fases bsicas de los diseos de sujeto nico son: establecer la lnea de base, aplicar la
intervencin, e interpretar los resultados. Si se trata de un diseo para probar la eficacia de la emetina
para el alcoholismo, establecer la lnea de base implicar realizar mediciones previas al experimento para
examinar la tendencia de consumo de alcohol del sujeto o bien su variabilidad, que puede permanecer en
la misma cuanta (Len y Montero, 1995:236).
Un diseo de sujeto nico puede cumplir perfectamente los tres criterios de causalidad: que VI anteceda
al VD, que haya covariacin entre ambas, y que puedan descartarse otras posibles causas adems de VI
(Len y Montero, 1995:229).

Validez de los diseos de sujeto nico.- La validez interna de estos diseos depende del correcto control
de variables extraas, y valen las consideraciones para los diseos de grupos, aunque debe recordarse la
importancia de variables como historia, maduracin, efecto experimentador, etc. Sin embargo, debe
tenerse presente que en los diseos de sujeto nico las puntuaciones no son independientes, ya que
dependen de las anteriores.
El diseo AB encierra dificultades, por ser difcil desechar la influencia de variables extraas, aunque
puede acumularse evidencia con ms sujetos equiparados. Tambin es importante la interaccin entre
sujeto y tratamiento, pues no todos los sujetos responden del mismo modo al mismo, sea cual fuere.
La validez externa est en tela de juicio, porque mal puede representar a toda la poblacin un solo
sujeto. Sin embargo: a) puesto que estos diseos se usan en el mbito clnico, los sujetos suelen
representar bastante bien a la poblacin a la que pertenece (por ejemplo un fbico); y b) los cambios
producidos por el tratamiento son tan grandes que hay margen de sobre para esperar que se produzcan
en otros sujetos (Len y Montero, 1995:247).
El empleo de los diseos de sujeto nico es inadecuado en cuatro casos: a) cuando puede utilizarse un
diseo de grupos; b) cuando la variabilidad de la conducta en la lnea de base es muy grande; c) cuando
se precisa un informe sobre la eficacia de un tratamiento para utilizarlo en forma generalizada; y 4)
cuando hay que hacer estudios comparativos de la eficacia de varios tratamientos alternativos (no se
puede decir que un tratamiento es mejor que otro porque un sujeto mejor) (Len y Montero,
1995:248).

Tcnicas de anlisis estadstico para diseos de sujeto nico.- Son tcnicas bastante ms complejas que
las empleadas en diseos de grupos, por lo que a veces se recurre a una apreciacin no estadstica
observando la evolucin del tratamiento en las grficas, que deben registrar un nmero grande de
observaciones por serie (sin y con tratamiento), y registrar si en la lnea de base hubo cambios en la
tendencia (a subir, a bajar, etc.), y en el nivel (mayor o menor que los valores en el tratamiento) (Len y
Montero, 1995:249).

Diseos cuasi experimentales

Los diseos cuasi experimentales presentan ms dificultades para establecerse su validez interna, pero
menos dificultades para establecerse su validez externa. Tpicamente suelen utilizarse en psicologa del
desarrollo (en diseos evolutivos la edad es la VI) y en programas de valoracin de tratamientos o
intervenciones.
Len y Montero presentan dos criterios para clasificar los diseos cuasi experimentales:

Criterio clsico
(Cook y Stanley, 1979)
Diseo pre-post con un solo grupo
Diseo pre experimental donde se utiliza una nica medida, en un solo
grupo, antes y despus de la aplicacin del tratamiento para evaluar los
cambios producidos por ste (Len y Montero, 1995:280).
Diseo pre-post con grupo de control no equivalente
Diseo cuasi experimental donde el grupo de control no se ha formado
mediante asignacin aleatoria. Esto hace que haya mayor incidencia de las
potenciales amenazas a la validez interna de la investigacin (Len y
Montero, 1995:280).
Diseo de series temporales interrumpidas con grupo de control no
equivalente
Diseo cuasi experimental donde se utilizan series de medidas repetidas
antes y despus del tratamiento en un grupo, el experimental. Al mismo
tiempo se toman medidas en otro grupo de control, que no recibe el
tratamiento. La creacin de ambos grupos no es mediante asignacin
aleatoria (Len y Montero, 1995:280).

Pgina 187 de 325
187
Criterio ex post facto
(Dunham, 1988)
Diseo ex post facto prospectivo
Diseo donde se seleccionan grupos de sujetos con diferentes valores en la
VI y se les compara en la VD (Len y Montero, 1995:280).
Diseo ex post facto retrospectivo
Diseo donde se selecciona a los sujetos segn sus caractersticas en la VD
para, de forma retrospectiva, buscar VI explicativas de la VD (Len y
Montero, 1995:280).

a) Criterio clsico.- Los diseos cuasi experimentales fueron sistematizados por Campbell y Stanley
(1966) y por Cook y Campbell (1979), mientras Len y Montero presentan algunos de estos diseos ms
utilizados en psicologa y educacin, basndose en la versin Cook y Stanley.
Estos ltimos presentan 17 tipos de diseos cuasi experimentales agrupados en tres grandes bloques:
diseos pre experimentales, diseos con grupo de control no equivalente, y diseos de series temporales
interrumpidas, bloques que suponen una ordenacin segn el grado de interpretabilidad de los resultados
en trminos de causacin. Len y Montero presentan solo un ejemplo de cada bloque.
Un pre experimento es un diseo cuasi experimental donde la posibilidad de establecer relaciones
causales entre la VI y la VD est muy limitada por la falta de control experimental y la falta de
manipulacin de la VI (Len y Montero, 1995:280).
Un cuasi experimento es un plan de recogida de datos donde el investigador, siguiendo un proceso
similar al del experimento, o bien no puede manipular la variable de su inters o bien no tiene la
capacidad de control requerida en un experimento (Len y Montero, 1995:280).
Hay situaciones donde no se puede manipular la VI, como por ejemplo no se puede pedir a una familia
que interacte con sus hijos de manera tal de producirles un trastorno esquizofrnico. Para estos casos
pueden servir los diseos cuasi experimentales (Len y Montero, 1995:258-262):

Diseo pre-post con un solo grupo.- Por ejemplo, en un grupo de 30 pacientes, medir antes y despus la
severidad del trastorno esquizofrnico del entrenamiento de sus familias durante seis meses para que
ofrezcan una interaccin afectiva adecuada.
Diseo pre-post con grupo de control no equivalente.- Una mejora metodolgica respecto del diseo
anterior supone introducir un grupo de control, slo que en este no se hizo una asignacin aleatoria del
mismo por ser muy difcil, en la realidad, conseguir un grado aceptable de semejanza.
Diseo de series temporales interrumpidas con grupo de control no equivalente.- Consiste en establecer
una lnea base en dos grupos mediante una serie de medidas durante cierto tiempo. Luego, se aplica el
tratamiento al grupo experimental y se registra una nueva serie de medidas en ambos grupos. Aunque el
grupo de control no es equivalente, este diseo supone una mejora metodolgica pues las premedidas
detectaran una supuesta tendencia a la mejora por causas ajenas al tratamiento, por ejemplo las
debidas al apoyo familiar.

b) Criterio ex post facto.- Este criterio, establecido por Dunham (1988) define diseo ex post facto como
aquel donde se selecciona a los sujetos por sus caractersticas personales cuando alguna de ellas es
considerada como VI y no puede ser manipulada (Len y Montero, 1995:280).
El nombre deriva de que los sujetos son elegidos para la investigacin por sus caractersticas (sexo,
edad, rasgos de personalidad, etc.), esto es, despus del hecho de haberlas adquirido. En otras
palabras, no se asignan aleatoriamente a los sujetos a los valores de la VI sino que se los selecciona por
poseer ya un determinado valor en dicha variable. Cuando se trabaja con variables del organismo, se
habla de grupos naturales.

Diseo ex post facto prospectivo.- Se seleccionan grupos con diferentes valores de VI y se los compara
respecto de la VD. Por ejemplo, sujetos previamente clasificados como muy motivados por el logro y
poco motivados por el logro mostraron preferencias distintas en un juego donde la probabilidad de
ganar dependa de sus elecciones.
Diseo ex post facto retrospectivo.- Se selecciona una muestra de sujetos segn sus caractersticas
respecto de la VD y luego, de forma retrospectiva, se buscan posibles VI explicativas. Por ejemplo,
seleccionar un grupo de esquizofrnicos con diversos grados de severidad, y luego estudiar sus historias
anteriores de interaccin familiar. El problema aqu no es solo que puede influir las expectativas del
investigador, sino tambin el hecho de estar buscando una causa que no es, pues puede ocurrir que la
verdadera causa, en el ejemplo, sea gentica, y lo que produce esquizofrenia no es la interaccin familiar
sino rasgos psicticos de alguno de los padres (Len y Montero, 1996:264).

Validez de los diseos cuasi experimentales.- a) Validez interna: la validez interna est limitada porque el
investigador no puede manipular VI ni asignar aleatoriamente a los sujetos a las condiciones
experimentales. Amenazas a la validez interna son la historia, la adaptacin a las pruebas, los
instrumentos, la regresin a la media, etc. b) Validez externa.- Suele considerarse que est asegurada
porque en muchos casos de diseos cuasi experimentales se trabaja en contextos naturales. Sin
embargo, debe considerarse que la validez externa puede comprometerse por otras razones adems de

Pgina 188 de 325
188
trabajar en situaciones artificiales, como por ejemplo cuando la muestra no es representativa (muchas
investigaciones cuasi experimentales trabajan con sujetos voluntarios) (Len y Montero, 1995:274).

Tcnicas de anlisis estadstico para diseos cuasi experimentales.- La mayora de los datos en estos
diseos se analizan mediante pruebas estadsticas de comparacin entre dos o ms muestras. Cuando las
muestras son ms de dos o las VI son tambin plurales, se utiliza el anlisis de varianza. Por ejemplo, en
los diseos con ms de una medida al mismo grupo se utilizar el modelo de medidas repetidas. Cuando
este tipo de medida se combina con la de un grupo de control, se puede aplicar el diseo mixto (factor
Inter.-sujetos y factor intra-sujetos) o un anlisis de covarianza. En este segundo caso se utiliza la
medida del pretest, en ambos grupos, como covariable de la medida en el postest. O sea, antes de
comparar a los dos grupos en el postest, se elimina la parte de la varianza debida a su situacin en el
momento del pretest. Otra tcnica muy utilizada, el diseos retrospectivos, es la regresin, simple o
mltiple (Len y Montero, 1995:276).

3. VERSIN ARNAU GRAS

Arnau Gras (1980) presenta la siguiente clasificacin de diseos de investigacin, en parte basada en
Campbell y Stanley (1966):

Diseos
experimentales simples
(o unifactoriales)
Diseos bivalentes
(VI asume dos valores)
Diseos de dos grupos al azar:
a) Diseo de antes y despus.
b) Diseo de slo despus.
c) Diseo de Solomon.
Diseos multivalentes
(VI asume ms de dos valores)
Diseos multigrupo totalmente al azar
Diseos
experimentales
factoriales
Diseos para dos VI Modelo factorial fijo
Modelo factorial al azar
Modelo factorial mixto
Diseos
experimentales de
bloques homogneos
Diseos de dos grupos apareados
Diseos de doble bloqueo (cuadrado latino y cuadrado grecolatino)
Diseos de bloques al azar

Diseos intrasujeto (o
de medidas repetidas)
Diseos de tratamiento por sujetos
Diseos factoriales intrasujetos (o diseo tratamiento por tratamiento por
sujetos)
Diseos factoriales mixtos (tratamiento intra e intersujeto):
Diseos contrabalanceados
Diseos
experimentales no
estadsticos
Tambin llamados conductuales
Diseos
preexperimentales
Diseos de grupo nico Diseos de un solo grupo sin repeticin
Diseos de antes y despus de un solo grupo
Diseos de comparacin esttica
Diseos
cuasiexperimentales
Diseos de series temporales
Diseos de antes y despus de grupo de control no equivalente

Diseos experimentales

Desde que Fisher sent las bases para los diseos factoriales en 1935, se establece una diferencia entre
los diseos simples (o de factor nico o de una sola VI) y los diseos factoriales (de dos o ms factores o
de dos o ms VI) (Arnau Gras, 1980:356).
Segn el nmero de factores independientes y la cantidad de tratamientos, Arnau Gras (1980:359)
clasifica los diseos experimentales en bivalentes, multivalentes y factoriales. Los dos primeros son
diseos simples, y todos ellos son diseos de grupos al azar. Estos ltimos es una categora de diseos
donde los individuos son asignados al azar a los grupos, y donde cada condicin experimental es aplicada
en forma independiente a cada grupo (y por ello se llaman tambin diseos de grupos independientes).
Entre los diseos de grupos al azar se cuentan los diseos bivalentes, multivalentes y factoriales (Arnau
Gras, 1980:369).
Se menciona tambin la clasificacin de Castro (1975), que divide los diseos experimentales en
univariables o multivariables, segn que utilicen una o ms VI., los que incluyen a su vez diversas
categoras:

Diseos univariables
(Estudian una VI)
Diseos bicondicionales.
Diseos multicondicionales.
Diseos multivariables Diseos reversibles multivariables.

Pgina 189 de 325
189
(estudian dos o ms VI) Diseos factoriales.
Diseos jerrquicos.
Diseos incompletos.

Diseos experimentales simples

Heredados de la fsica, en ellos slo se vara un nico factor, mantenindose constante el resto. En
cambio en psicologa, la mayora de las variables estn directamente relacionadas con las restantes, y el
hecho de variar una de ellas implica la alteracin de las otras, por lo que la aplicacin de diseos simples
presenta problemas, que son bsicamente dos: a) los resultados son ambiguos porque no se sabe bien
qu variable afecta el fenmeno, y b) puede haber interaccin, lo que afecta especialmente la validez
externa del diseo (Arnau Gras, 1980:353-354).
Diseos bivalentes.- Aquellos donde la VI asume solamente dos valores. Tienen utilidad exploratoria, y
tienen dos riesgos: a) el posible desconocimiento inicial sobre la relacin entre variables: segn los
valores elegidos para VI, pueden dar resultados opuestos; y b) no pueden generalizarse los resultados
ms all del experimento.
El paradigma de experimentacin de los diseos de factor nico bivalentes es aquel donde se compara un
grupo experimental con otro de control. Los sujetos son elegidos al azar de la poblacin, y luego son
asignados al azar a cada grupo (Arnau Gras, 1980:370). Sus tres modalidades (antes y despus, slo
despus y Solomon), tienen cada una sus ventajas e inconvenientes (Arnau Gras, 1980:379-376).
Diseos multivalentes.- Plan experimental para dos o ms valores de VI. Se llaman tambin diseos
funcionales. Son ms precisos que los anteriores para identificar la posible relacin VI-VD y para
establecer relaciones cuantitativas entre ellas (Arnau Gras, 1980:364). En particular, el diseo
multigrupo totalmente al azar de slo despus supone emplear tantos grupos como valores tenga VI
(Arnau Gras, 1980:376).

Diseos experimentales factoriales

Los diseos factoriales son disposiciones donde se estudia la accin conjunta de dos o ms VI, llamadas
tambin factores. Si es completo, habr tantos grupos como posibles combinaciones entre los
tratamientos experimentales. Suponen un gran ahorro de tiempo y costos respecto de los diseos
anteriores, suministran ms informacin que los diseos simples, permite calcular interaccin entre
variables, y son ms realistas, especialmente en psicologa donde la conducta est determinada por
varios factores (Arnau Gras, 1980:364 y 386).
Un ejemplo es el diseo factorial de 2x3. Esto significa que indaga dos VI (pues hay dos nmeros), que la
primera tiene dos categoras y la segunda tiene tres categoras, con lo cual quedaran formados seis
grupos experimentales, cada uno representando una combinacin de valores de ambas variables (Arnau
Gras, 1980:387).
Efectos principales y secundarios.- En los diseos factoriales no slo se examinan los efectos principales o
efectos de cada VI en forma independiente, sino tambin los efectos secundarios, tambin llamados
efectos simples o efectos de interaccin, como por ejemplo el efecto de interaccin entre dos de las VI
(Arnau Gras, 1980:388).
Modelos factorial fijo, al azar y mixto.- En el modelo factorial fijo el investigador ha elegido de antemano
o a priori los valores de las VI, mientras que en el modelo factorial al azar, los valores de VI fueron
elegidos aleatoriamente de la poblacin general (por ejemplo elegir tratamientos al azar, si acaso el
investigador no tuviese alguna preferencia por alguno de ellos). Un modelo mixto utiliza ambos criterios
(Arnau Gras, 1980:398).
Principio del confundido.- Como puede apreciarse, los diseos factoriales pueden llegar a incluir una gran
cantidad de grupos experimentales. El riesgo que se corre es que la VI puede quedar contaminada o
confundida, es decir, su cambio va acompaado sistemticamente por el cambio de otro factor no
controlado (efecto de confusin). Por ejemplo la VI nivel socioecnomico constituye una variable
confundida si vara sistemticamente con posibilidades econmicas futuras o escaso nivel cultural
(variables extraas) cuando se trata de examinar su incidencia sobre la VD preferencia vocacional (Arnau
Gras, 1980:402).

Diseos experimentales de bloques homogneos

Cuando los sujetos son muy distintos entre s aumenta la posibilidad de error al inferir relaciones
causales, lo cual puede compensarse o bien utilizar grupos de gran tamao, o bien utilizar un nico
sujeto, o bien utilizar diseos de bloques para reducir las diferencias individuales (Arnau Gras,
1980:407).
Esta tcnica consiste e formar grupos homogneos o bloques, cuyos sujetos presentan valores iguales
que eliminan la heterogeneidad intrabloque. Por ejemplo un bloque puede estar formado por pacientes
fbicos, otro por pacientes obsesivos, etc. En este caso la variable de bloqueo es diagnstico (Arnau
Gras, 1980:408). Los bloques pueden estar formados por un grupo de sujetos o por un solo sujeto

Pgina 190 de 325
190
(Arnau Gras, 1980:413), y la tcnica del bloqueo puede utilizar para diseos simples o diseos factoriales
(Arnau Gras, 1980:432).
Diseos de dos grupos apareados.- Los grupos se equiparan mediante la tcnica del apareamiento, que
consiste en asignar al azar, a cada uno de los grupos, pares de sujetos con caractersticas similares en
relacin con la VD (Arnau Gras, 1980:415).
El apareamiento se puede realizar de diversas formas (Arnau Gras, 1980:420): aparear sujetos con
alguna caracterstica similar altamente correlacionada con la VD, aparear sujetos con caractersticas
psicolgicas similares, aparear sujetos, o aparear sujetos mediante otras tcnicas como el control
acoplado (Arnau Gras, 1980:421) o el rendimiento previo (Arnau Gras, 1980:422).
Diseos de doble bloqueo.- En este caso se consigue reducir an ms el error, por cuanto se clasifica a
los sujetos de acuerdo a dos criterios, y no a uno, con lo cual se pueden controlar dos fuentes de
variacin extraa (Arnau Gras, 1980:423). El ejemplo tpico es el diseo del cuadrado latino. Un ejemplo
podra ser aplicarlo utilizando nivel de ansiedad y hora del da como variables extraas de bloqueo,
formar un cuadro de doble entrada con nueve casilleros (ya que se asignaron 3 valores a ansiedad y 3 a
hora del da). A continuacin, se forman nueve grupos de sujetos que son sometidos a distintos valores
de VI (distintos tratamientos, por ejemplo memorizar una lista de palabras de diferente longitud), para
ver como vara la VD (memoria). El cuadrado grecolatino supone la superposicin de dos cuadrados
latinos: se estudian dos VI en lugar de una, siendo cada casillero alguna combinacin de dos valores de
ambas variables (Arnau Gras, 1980:432).
Diseos de bloques al azar.- Se ha comprobado que no hay diferencias notables en cuanto a los
resultados en la aplicacin de estos diseos y los diseos de grupos apareados (Arnau Gras, 1980:436).

Diseos intrasujeto (o de medidas repetidas)

Son aquellos en los que el sujeto es considerado como su propio control. As, se aplican al mismo sujeto
todas las condiciones experimentales. Cada sujeto constituye un solo bloque y la tcnica del bloqueo es
llevada hasta sus ltimas consecuencias y como ello, la homogeneidad intrabloque aumenta la eficacia y
sensibilidad del experimento (Arnau Gras, 1980:437). Son importantes los efectos de orden en esta clase
de diseos, ya que el mismo puede hacer que las respuestas de los sujetos varpien ms en funcin de
ensayos previos que el funcin de las diferencias de los tratamientos (Arnau Gras, 1980:446). Hay varios
tipos de estos diseos:
Diseos de tratamiento por sujetos.- Diseo donde se aplican todos los tratamientos (o sea todos los
niveles de la VI) a cada uno de los sujetos, con el fin de minimizar la incidencia de las diferencias
individuales. (Arnau Gras, 1980:438). Ello permite tambin realizar un anlisis de tendencias (Arnau
Gras, 1980:441).
Diseos factoriales intrasujetos (o diseo tratamiento por tratamiento por sujetos).- Diseo donde se
manipulan dos o ms VI y se aplica cada combinacin de tratamientos en un orden sucesivo, a cada
sujeto. Se trata de un diseo que se ajusta a la estructura lgica de los diseos de tratamiento por
sujetos a de bloques al azar.
Diseos factoriales mixtos (tratamiento intra e intersujeto).- Disposicin experimental donde algunas
comparaciones de los tratamientos son intrasujetos y otras intersujetos. Los valores de una de las VI se
aplican a cada uno de los sujetos (variable intrasujeto) y los valores correspondientes a una segunda o
ms VI, se aplican a diferentes grupos de sujetos (variables intersujetos). Presenta las siguientes
variedades: a) Diseos bifactoriales: se combinan dos factores independientes. El primer factor reaplica
en todos sus valores a cada sujeto, y el segundo se aplicar al azar a diferentes grupos de sujetos, segn
la cantidad de niveles Suele utilizarse en experimentos sobre aprendizaje y extincin (Arnau Gras,
1980:447). b) Diseos trifactoriales: extensin lgica del anterior donde se pueden emplear dos
disposiciones bsicas. Primero, se aplican todos los valores de una VI a cada sujeto, mientras que las
otras dos VI se aplican intersujetos. Segundo, se toman dos VI de medidas repetidas o intrasujeto,
dejando la tercera como variable intersujetos (Arnau Gras, 1980: 450). c) Diseos con tcnica de
bloqueo: combinacin de un diseo intrasujeto con un diseo de bloques al azar (Arnau Gras, 1980:454).
Diseos contrabalanceados.- Si bien son considerados por Arnau Gras (1980:469) en el captulo
correspondiente a diseos preexperimentales y cuasiexperimentales, este autor los considera una
extensin de los diseos intrasujeto. El contrabalanceo permite compensar los posibles efectos positivos
o negativos que se producen en una sucesin continua de tratamientos (Arnau Gras, 1980:465).

Diseos experimentales no estadsticos

En los diseos experimentales estadsticos hay un control estadstico de las diferencias individuales. Este
esquema fue consolidado por Fisher hacia 1935, quien consider el anlisis estadstico y el diseo
experimental como dos caras de la misma realidad. A este esquema se contrapone el anlisis
experimental de la conducta, de inspiracin skinneriana, donde se considera que la variabilidad de la
conducta no es algo inherente a ella o a los sujetos sino a factores que la controlan, siendo entonces el
propsito descubrir mediante manipulacin experimental, los factores responsables de dicha variabilidad
(Arnau Gras, 1980:470).

Pgina 191 de 325
191
Los aspectos ms importantes de estos diseos son: a) preferente inters por la variabilidad intrasujeto;
b) despojar sal diseo de toda regla o norma previa a seguir; c) empleo preferente de sujetos nicos; d)
el control, como manipulacin y eliminacin de variables, es uno de sus objetivos bsicos; e) el concepto
de lnea de base o estado de conducta estable es la base de contrastacin de los cambios operados en la
conducta por manipulacin de variables; f) la reversibilidad del proceso conductual, adquiere, en este
contexto, un autntico valor demostrativo de la efectividad de los tratamientos (Arnau Gras, 1980:472).

Diseos preexperimentales

Estos diseos, que son aproximaciones experimentales, presentan serios problemas para ejercer un
control experimental, segn Campbell y Stanley (1966). Entre ellos se pueden mencionar los siguientes:
Diseos de un solo grupo sin repeticin.- Diseo de grupo nico donde a un grupo al azar o formado
naturalmente se aplica la VI si medida previa, y luego se realiza la posmedida (Arnau Gras, 1980:457).
Diseos de antes y despus de un solo grupo.- Diseo de grupo nico donde un grupo formado por algn
sistema de muestreo se le aplica una premedida, un tratamiento con VI, y una posmedida (Arnau Gras,
1980:458).
Diseos de comparacin esttica.- Permite comparar la posmedida de dos grupos sin premedida,
aplicando VI slo a uno de ellos. Como los grupos fueron elegidos por seleccin, no hay una garanta que
antes de la aplicacin de VI los grupos sean equivalentes (Arnau Gras, 1980:459).

Diseos cuasiexperimentales

Si en los diseos preexperimentales hay un defecto bsico que invalida cualquier resultado, en los
cuasiesperimentales se constata un defecto bsico de control de las condiciones experimentales, pero
pueden ofrecer la posibilidad de obtener resultados cientficamente vlidos (Arnau Gras, 1980:460).
Se pueden mencionar como diseos cuasiexperimentales los siguientes:
Diseos de series temporales.- A un grupo formado por seleccin (no por azar), se aplica una serie de
premedidas en el tiempo, luego se aplica VI, y finalmente se aplica otra serie de posmedidas en el
tiempo.
Diseos de antes y despus de grupo de control no equivalente.- Se comparan dos grupos no formados
por azar: se les toman a ambos una premedida y una posmedida, slo que uno se le aplica el tratamiento
VI y al otro no.

4. VERSIN SELLTIZ ET AL

Selltiz, Jahoda, Deutsch, Cook (1980) describen, entre otros, los diseos experimentales divariados,
entre los cuales hay varios tipos, pero el objetivo es siempre probar la relacin X-Y como causal.
Cuando sospechamos que realmente hay pocas variables extraas utilizaremos un diseo ms simple,
pero cuando no es as nos vemos obligados a tomar ms recaudos mediante un diseo ms complejo.
Los diseos descritos por los autores son seis y no son los nicos posibles, y muchas de las
ejemplificaciones no corresponden a ellos.
En el esquema siguiente se resumen los distintos tipos de diseos experimentales divariados
mencionados por los autores indicados, desde el ms sencillo al ms complejo. Todos los grupos fueron
tomados al azar, y se supone adems que estn ejerciendo influencia variables adicionales o extraas al
experimento: de otro modo no tendra sentido usar estos diseos, cuyo propsito es precisamente
controlarlas.

Diseos experimentales bivariados (Versin ligeramente modificada por el autor de Selltiz-Jahoda-
Deutsch-Cook)

Tipo de diseo Grupos Y
antes
X Y
despus
Cambio (d) Interaccin
(I)
Ejemplos
I. Solo despus Experimental
Control
----
----
X
----
Y2
Y2
d = Y2-Y2 ---- X = Proyeccin
de un film de
guerra
Y = Opinin
sobre la guerra
II. Antes y
despus con un
grupo
Experimental

Y1 X Y2 d = Y2-Y1 ---- X = Frustracin
Y =
Constructividad
ldica
III. Antes y
despus con
grupos
intercambiables
Experimental
Control
----
Y1
X
----
Y2
----
d = Y2-Y1 ---- X = Campaa
publicitaria
Y =Efectividad
de la campaa
IV. Antes y
despus con un
grupo de control
Experimental
Control
Y1
Y1
X
----
Y2
Y2
d = Y2-Y1
d = Y2-Y1
---- X = Proyeccin
de un film de
guerra

Pgina 192 de 325
192
Y = Opinin
sobre la guerra
V. Antes y
despus con dos
grupos de control
Experimental
Control I
Control II
Y1
Y1
(Y1)
X
----
X
Y2
Y2
Y2
d = Y2-Y1
d = Y2-Y1
d = Y2-Y1
I = d
(d+d)
X = Curso de
entrenamiento
en relaciones
humanas
Y = Opinin
sobre las
relaciones
humanas
VI. Antes y
despus con tres
grupos de control
Experimental
Control I
Control II
Control III
Y1
Y1
(Y1)
(Y1)
X
----
X
----
Y2
Y2
Y2
Y2
d = Y2-Y1
d = Y2-Y1
d = Y2-Y1
d = Y2-Y1
I = d
(d+d-d)
-----

En la versin Selltiz-Wrightsman-Cook solamente figuran los diseos 1, 4 y 6. En dicha versin, el esquema 4 se
llama diseo simple y el 6 se llama diseo ampliado o esquema de los cuatro grupos de Solomon. Esta ltima
denominacin figura en ambas versiones.

En este esquema observamos las expresiones Y antes, X e Y despus. Si retomamos el ejemplo de
la relacin ruido-estrs, Y antes significa la medicin del estrs antes de aplicar el ruido (o premedida
de Y), X significa aplicacin del estmulo sonoro, e Y despus indica la medicin del estrs despus
de haber aplicado dicho estmulo (posmedida de Y). Esta ltima medicin debe realizarse para constatar
si hubo o no alguna diferencia.
En funcin de lo dicho encontraremos dos tipos de diseo bivariado: a) de slo despus, donde no
tomamos la premedida, sino solamente aplicamos el ruido y luego medimos el estrs; y b) de antes y
despus, donde tomamos tanto la premedida como la posmedida. Se trata de diseos ms complejos y,
como se ve en el esquema, admiten cinco variantes.

1) Diseo de slo despus.- Es un diseo sencillo donde trabajamos con un grupo experimental y otro
de control, sin haber tomado a ninguno la premedida. Lo que hacemos es someter a estmulos sonoros
(X) al grupo experimental, y luego averiguamos las posmedidas de estrs en ambos grupos (Y2 e Y2).
Si hay diferencia significativa entre ambas medidas de estrs, cabe pensar entonces que X es la causa
de Y. En otras palabras, la diferencia d (ver columna de cambio) debe ser distinta a cero. En
principio, cuanto ms diferente de cero sea d, tanto ms probable es la influencia de X como factor
causal. Si d da cero o valores muy prximos a cero no hubo cambio, o sea el nivel de estrs en ambos
grupos es igual, de donde pensamos que el factor ruido no tuvo influencia causal. Supongamos un
ejemplo numrico:

Grupo Y antes X Y despus Cambio
Experimental
Control
----
----
X
----
20
15
d = 20-15 = 5

En este experimento imaginario el nivel de estrs de quienes sufrieron ruidos es 20 (por ejemplo 20 ml
de adrenalina en sangre), y el nivel de los que no sufrieron los ruidos es 15. Aparece una diferencia
significativa, que es 5, y por lo tanto concluimos que el ruido ejerce influencia causal.
Cuando aplicamos este diseo, estamos suponiendo que los niveles de estrs antes del ruido
(premedidas) son aproximadamente iguales en ambos grupos y que tienen en este caso el mismo valor
15, pues ambos grupos fueron extrados de la misma muestra, se suponen homogneos entre s y los
sujetos fueron elegidos al azar. De esta forma el grupo de control, al no haber sido expuesto a ruidos,
seguir manteniendo el valor 15 de estrs, pero no as el grupo experimental. Esquemticamente, la
situacin sera as:

Grupo Y antes X Y despus Cambio
Experimental
Control
(15)
(15)
X
----
20
15
d = 20-15 = 5

El valor 15 entre parntesis indica que slo suponemos dicho valor para ambos grupos antes de aplicar
el ruido, pues en realidad en este tipo de diseo no hemos tomado efectivamente las premedidas. Si
tenemos fuertes razones para suponer que las premedidas son iguales, no nos molestaremos en
tomarlas, pero puede ocurrir que tengamos alguna duda y, al medirlas, comprobamos que en realidad
son bastante distintas, como sera en el siguiente ejemplo hipottico:

Grupo Y antes X Y despus Cambio
Experimental
Control
(20)
(15)
X
----
20
15
d = 20-15 = 5


Pgina 193 de 325
193
Si las cosas ocurren as, entonces nos hemos equivocado al suponer que el ruido causa el estrs, ya que
en el grupo experimental el nivel de estrs antes y despus del ruido es igual. Por lo tanto, cuando
tenemos suficientes razones para sospechar que las premedidas son distintas, debemos tomarnos la
molestia de medirlas, y entonces ya no estaremos utilizando el diseo de slo despus, sino cualquiera
de los diseos de antes y despus.
En esta clase de diseos s habr de interesarnos tomar las premedidas y, cuando lo hacemos, pueden
suceder dos cosas: a) que las premedidas sean iguales, situacin que es la ms deseable porque de
entrada pone en el mismo nivel a todos los grupos respecto de la variable Y (estrs). Fueron grupos
bien elegidos y proseguimos el experimento con ellos sin cambiarlos; b) que las premedidas sean
distintas entre s, en cuyo caso volveremos a seleccionar otros grupos que sean homogneos respecto
de sus premedidas, a efectos de nivelarlos. Otra posibilidad sera continuar con los grupos originales
desiguales, pero en esta situacin habremos de tener en cuenta sus diferencias al momento de la
evaluacin de los resultados finales.

Antes de examinar los diseos de antes y despus, demos un ejemplo de diseo de slo despus (Selltiz). El
problema que gener la investigacin fue saber hasta qu punto la proyeccin de un film de guerra (X) influa
sobre la opinin de las personas sobre los temas blicos (Y). Antes de la proyeccin del film al grupo
experimental, se parti de la base de que las personas de ambos grupos (experimental y de control) tenan ms o
menos las mismas opiniones sobre la guerra, con lo cual no era necesario tomar las premedidas de Y. Acto
seguido se proyectaron varios films de guerra slo al grupo experimental, y despus se hicieron encuestas sobre
opiniones de temas blicos a ambos grupos: si haba diferencia significativa entre estas opiniones, entonces se
comprobaba la influencia causal de la proyeccin del film, y si no, no.

2) Diseo de antes y despus con un grupo.- Es el diseo ms sencillo en cuanto utilizamos un solo
grupo: el experimental. En l, medimos el estrs antes del estmulo sonoro (Y1), aplicamos este
estmulo (X), y volvemos a medir el estrs despus (Y2). Si hay diferencia significativa entre Y2 e Y1,
entonces el ruido es factor causal del estrs.

Selltiz da un ejemplo para el tipo de diseo 2. Se puede averiguar qu influencia tiene la frustracin (X) sobre la
constructividad en el juego en los nios, para lo cual se ubican infantes con juguetes en una habitacin donde el
investigador puede observarlos a ellos pero no estos a l. Los nios comenzarn a jugar, y se evala luego de
cierto tiempo el grado de constructividad que despliegan. Luego se los somete a estmulos frustrantes (ocultarles
los juguetes, mostraeles juguetes ms nuevos pero que no pueden tocar, etc.) y se mide despus nuevamente el
grado de constructividad cuando sigan jugando para saber si hubo o no alguna variacin significativa. Este
experimento resulta tambin til para evaluar el grado de sadismo del investigador.

La simplicidad de este diseo radica en que el investigador que lo utiliza supone que las distintas
variables extraas que pueden actuar sobre el estrs estn razonablemente controladas o anuladas por
la simple aleatorizacin, y no es necesario entonces el empleo de grupos de control. Sin embargo, si
sospechamos que esas variables s estn ejerciendo su influencia, entonces deberemos usar diseos
ms complejos, que enseguida veremos. Entre estas variables extraas hay dos que son
particularmente importantes: la influencia de la premedida y la interaccin. Si creemos que la variable
que interviene es solamente la premedida, optaremos por realizar un experimento segn el diseo de
antes y despus con grupos intercambiables.

El diseo II presenta algunas insuficiencias que pueden compensarse utilizando un diseo I. Yabo (1971)
describe una situacin en la cual primero se pens en utilizar un diseo II, pero luego se lo complet con un
diseo I.
Para probar cul es el efecto de una droga sobre la presin arterial en individuos hipertensos, a un grupo
determinado de individuos con hipertensin se les mide la presin arterial antes y despus de la administracin
de la droga, registrando as la diferencia observada.
Cualquiera sea el sentido de la diferencia, sta se puede atribuir a: 1) El efecto de la droga. 2) Otros factores
que cambien la presin arterial entre el pretest y el postest, sin que la droga tenga ninguna participacin. 3) Al
azar, es decir que la diferencia observada sea consecuencia de la variabilidad biolgica que no tiene una clara
explicacin, pero que siempre puede estar presente ya que es una propiedad de la naturaleza. 4) A la
combinacin de dos o ms de las causas enumeradas anteriormente.
La segunda de estas causas posibles puede eliminarse si al mismo tiempo que en el grupo tratado (I), se
observan los cambios de la presin arterial en otro grupo (II) de hipertensos (aqu se aplicara el diseo I), con
los cuales se procede en similar forma que con el grupo I, pero con la nica diferencia de que no se les
administra la droga sino un placebo. Este grupo II es el grupo testigo o control.
Si analizamos los cambios de presin arterial en el grupo tratado y al mismo tiempo los del grupo testigo, la
diferencia que podemos observar entre ambos grupos se puede atribuir ahora a: 1) El efecto de la droga. 2) El
efecto del azar. 3) La combinacin de las dos causas antes mencionadas
Para eliminar al azar como causa de los efectos observados, se procedi luego a realizar una prueba o test de
significacin estadstica.

3) Diseo de antes y despus con grupos intercambiables.- Se trata de un diseo especial para el
control de la influencia de la premedida de Y. el slo hecho de tomar una premedida del estrs puede
hacer aumentar el estrs de la persona (por ejemplo por sentirse investigada). Por lo tanto habr aqu
dos factores concurrentes que producen estrs: la premedida y el ruido. Si queremos eliminar la

Pgina 194 de 325
194
influencia de la premedida recurrimos a un expediente muy simple: sencillamente no la tomamos. En el
esquema general de los diseos experimentales bivariados se aprecia, efectivamente, que el grupo
experimental no es premedido: solamente es expuesto a X y luego posmedido.
Sin embargo, necesitamos conocer el valor de la premedida del grupo experimental, y entonces
recurrimos a un procedimiento tambin sencillo: le tomamos la premedida a otro grupo (grupo de
control), el cual, por haber sido tomado de la misma muestra que el grupo experimental, existe
suficiente seguridad estadstica de que ambos grupos tendrn aproximadamente las mismas
premedidas, o sea, el mismo nivel previo de estrs. Por lo tanto el valor de la premedida del grupo de
control (Y1) podremos considerarlo como si fuese el valor de la premedida del grupo experimental, con
lo cual slo nos resta comparar si sta ltima y la posmedida son o no iguales: si la diferencia se
aproxima a cero, entonces el ruido no influye como causa, y en caso contrario, s. La nica utilidad que
entonces tiene aqu el grupo de control es la de proveernos de un dato premedido.
Notemos tambin que en este tipo de diseo la diferencia d se obtiene comparando una premedida con
una posmedida, en contraste con el diseo de slo despus donde comparbamos dos posmedidas.

Supongamos que queremos hacer una campaa publicitaria para vender relojes que funcionen con energa solar.
Si queremos saber si fue o no efectiva podemos hacer una encuesta antes de la campaa preguntndoles a las
personas sus preferencias en materia de relojes de distinto tipo, y luego otra encuesta despus de la campaa
para ver si las preferencias cambiaron o no como consecuencia de la misma.
Pero, el slo hecho de hacer una encuesta antes puede estar ya influenciando (influencia de la premedida) en el
sentido que las personas podrn poner mayor inters en la campaa posterior, con lo cual sta ya no ser la
campaa original (o bien la opinin previa puede influir en la opinin posterior por cierta tendencia de las
personas a responder siempre lo mismo). Para evitar esa influencia, la encuesta previa la hacemos con personas
de la misma poblacin pero que vivan fuera del alcance de la campaa publicitaria, con lo cual la encuesta
posterior (posmedida) reflejar en el grupo experimental solamente la efectividad de la campaa, sin la influencia
de la encuesta previa. Este experimento es entonces un ejemplo de aplicacin del diseo de antes y despus con
grupos intercambiables.

4) Diseo de antes y despus con un grupo de control.- Es muy similar al esquema de slo despus, con
la nica diferencia que aqu hemos tomado las premedidas para asegurarnos de la igualdad de
condiciones de ambos grupos. Para que con este nuevo diseo podamos probar que X es causa de Y,
debern verificarse simultneamente dos condiciones: que d sea distinto de cero, y que d sea igual o
muy prximo a cero. Ejemplo:

Grupo Y antes X Y despus Cambio
Experimental
Control
15
15
X
----
20
15
d = 20-15 = 5
d = 15-15 = 0

Este diseo nos sirve especialmente, entonces, para averiguar cmo son las premedidas entre s de
ambos grupos, pero no permite controlar si hay o no influencia de la interaccin, influencia de la
premedida, u otras influencias. Por lo tanto, lo aplicaremos cuando tenemos fuertes razones para
pensar que todas estas variables extraas no estn ejerciendo influencia significativa.

Un ejemplo de aplicacin del diseo IV de Selltiz es un estudio en el cual se intenta demostrar la influencia del
conflicto cognitivo en la adquisicin de la nocin de izquierda-derecha (Dalzon, 1988). La hiptesis que se
intentaba probar era que los nios podran adquirir ms rpidamente la nocin de cuales son los lados izquierdo
y derecho tanto para l mismo como para los dems, si interactuaba con otros nios de manera tal que se
generaran entre ellos conflictos y discusiones acerca de cual es el lado izquierdo y cual el derecho.
Para ello se tomaron dos grupos de 28 nios cada uno: a los nios del grupo experimental se los hizo
interactuar entre s en una situacin artificial donde estaban obligados a discutir entre ellos cual era la izquierda
y cual la derecha, y al grupo de control no. Ambos grupos fueron premedidos respecto de su nivel de
adquisicin de la nocin de izquierda-derecha, y luego, en la posmedida, se comprob que el grupo
experimental haba adquirido la nocin cognitiva ms rpidamente que los nios del grupo de control.

5) Diseo de antes y despus con dos grupos de control.- El propsito central de este tipo de diseo es
el de controlar la influencia de la interaccin, y entonces lo aplicamos cuando sospechamos su
existencia. El diseo puede medir tambin la influencia de la premedida; efectivamente, notemos que
aqu la situacin de los grupos de control II y I es igual a la situacin de los dos grupos del diseo 3, el
cual serva precisamente para el control de esta variable extraa.
Aclaremos el concepto de interaccin. Supongamos que el hambre (X) produce agresividad (Y), como
pueden sugerirlo los saqueos a los supermercados en pocas de crisis. Si pudisemos disponer de un
agresivmetro, supongamos que el hambre produce una agresividad de 3. Por otro lado, otras
observaciones nos pueden sugerir que tambin la fatiga produce agresividad: si la pelcula es muy larga
el pblico se puede enojar. Supongamos que aqu la fatiga produce agresividad 1. El sentido comn
puede sugerirnos que, si los factores hambre y fatiga actan conjuntamente, el sujeto responder con
una agresividad 4 (3 por hambre y 1 por fatiga). Esquemticamente:

X Y

Pgina 195 de 325
195
Hambre
Fatiga
Hambre + fatiga
Agresividad 3
Agresividad 1
Agresividad 4

Sin embargo, puede ocurrir que estos efectos no sean aditivos. Si un individuo est hambriento y
encima fatigado, probablemente no le quede mucha energa para ser agresivo, y entonces en estos
casos podemos obtener un valor 0.5 para su agresividad. Qu ha ocurrido? Las variables hambre y
fatiga han interactuado, o sea produjeron un efecto inesperado, no aditivo: la agresividad resultante fue
mucho menor a la esperada, aunque en otros casos los efectos pueden ser mayores que la simple
suma, vale decir que al interactuar, las variables potencien sus efectos como en el caso del consumo
simultneo de alcohol y drogas. El primero produce dao cerebral 7 (una cifra cualquiera) y las
segundas dao cerebral 9; pero, si ambos factores actan juntos, el dao cerebral no ser 16 sino 30.
Definiremos entonces interaccin como toda situacin en la cual dos o ms variables, por el solo hecho
de actuar conjuntamente sobre un efecto, producen una influencia no aditiva sobre ste, sea
reducindolo, sea potencindolo. Se trata entonces de efectos combinados que van ms all de los
simples efectos aditivos. Otros autores dan definiciones similares. Una de ellas, por caso, afirma que
entre dos variables ocurre interaccin cuando el efecto que ejerce una de ellas en la variable
dependiente cambia conforme los valores que adquiere la otra, es decir, cuando la accin de una de las
variables depende de cmo acta una segunda (definicin de Reuchlin citada en Arnau Gras, 1980:392).
La consideracin de la interaccin puede tener gran importancia prctica. Pinsese, por ejemplo, en la
posibilidad de que dos tratamientos combinados (psicoterapia y farmacoterapia) puedan producir
efectos curativos que van ms all de la simple suma de los efectos curativos de cada tratamiento.

Blalock (1982:85) cita un ejemplo para comparar los efectos aditivos (que este autor y otros varios llaman
efectos principales) con los efectos de interaccin. Las variables educacin, sexo y raza determinan aditivamente
el ingreso mensual: 2000 dlares por tener ttulo secundario, ms 2000 dlares por ser varn, ms 2000 dlares
por ser blanco.
Sin embargo esta aditividad puede distorsionarse, o sea pueden aparecer efectos de interaccin, como por
ejemplo cuando la diferencia de ingresos entre blancos y negros es pequea para un bajo nivel educacional, pero
mayor en los altos niveles de educacin. As, si un blanco posee solamente ttulo primario, su sueldo por ser
blanco se acercar ms al sueldo de un negro con primaria y ganar en tal concepto slo 500 dlares ms (y no
2000). Estn aqu interactuando las variables educacin y raza produciendo un efecto no aditivo sobre el ingreso
mensual.

Traslademos ahora el concepto de interaccin al diseo 5. En este caso lo que queremos averiguar es si
hay o no interaccin entre la premedida (Y1) y la variable experimental (X), es decir, si producen o no
un efecto no aditivo sobre la posmedida (Y2). Por lo tanto, la sospecha estar recayendo solamente en
el grupo experimental, nico grupo donde ambos factores actan conjuntamente.
Para saber si existe o no interaccin, primero averiguaremos los efectos que producen
independientemente Y1 y X, o sea, cuando actan solos, lo que podemos saber mediante los grupos de
control I y II respectivamente. Vemos as que el diseo 5 hace posible la separacin de la influencia de
la variable experimental de la influencia de la premedida, an cuando haya interaccin entre ellas.
Aclaremos que en el grupo de control II la premedida no fue efectivamente tomada (pues slo nos
interesa la influencia de X), pero como necesitamos igualmente conocer su valor, simplemente la
inferimos a partir de las premedidas de los otros dos grupos, pudiendo ser un simple promedio de ellas.
En el esquema general de diseos experimentales bivariados, los parntesis significan que se trata de
una premedida inferida. Comparemos ahora los siguientes dos ejemplos: uno donde no hay interaccin
y otro donde s la hay.

Cuadro A (sin interaccin)

Grupo Y antes X Y despus Cambio Interaccin

I = d (d + d)
I = 25 (0 + 25) = 0
Experimental
Control I
Control II
15
15
(15)
X
----
X
40
15
40
d = 25
d = 0
d = 25

Cuadro B (con interaccin)

Grupo Y antes X Y despus Cambio Interaccin

I = d (d + d)
I = 25 (0 + 5) = 20
Experimental
Control I
Control II
15
15
(15)
X
----
X
40
15
20
d = 25
d = 0
d = 5

El grupo de control I detecta si hay o no influencia de la premedida (pues all no se aplica ruido y mucho
menos interviene la interaccin entre premedida y ruido). Si comprobamos que efectivamente no existe
esta influencia (como en los cuadros A y B), cualquier diferencia entre las posmedidas del grupo de
control II y el grupo experimental ser debida a la interaccin (tal como ocurre en el cuadro B). En el

Pgina 196 de 325
196
caso de constatarse la existencia de interaccin, el experimento deber complejizarse para poder
ponderar su influencia segn qu valores asuman las variables interactuantes (pues puede ocurrir que
para determinados valores la interaccin quede anulada, para otros potencie sus efectos y para otros los
reduzca por debajo de lo aditivamente esperable).
A partir de lo dicho fcil es darse cuenta que puede haber influencia de la premedida sin que haya
interaccin (caso donde la premedida y X dan efectos simplemente aditivos), pero no puede haber
interaccin sin influencia de la premedida (pues en estos diseos precisamente la interaccin se
establece entre la premedida y X). En los cuadros A y B, observando los valores del grupo de control I
nos damos cuenta que no hubo influencia de la premedida, lo cual no significa que sta pueda empezar
a ejercer influencia a propsito de su accin conjunta con X en el grupo experimental.
Muchas veces con slo mirar los valores de los cuadros podemos saber intuitivamente si hubo o no
interaccin, pero si queremos conocer cuantitativamente su valor preciso aplicaremos la frmula de la
interaccin (ubicada a la derecha de los cuadros A y B): a medida que el resultado se aproxime a cero,
la interaccin ser cada vez menor. Cuando el valor obtenido es cero, no la hay.

Selltiz cita un ejemplo de diseo 5, donde los investigadores trataron de averiguar si los cursos de entrenamiento
en relaciones humanas (X) influan o no sobre la informacin y opinin sobre temas de relaciones humanas en las
personas que hicieron dichos cursos. Se supuso que poda haber interaccin entre la premedida (encuesta previa
al curso) y la variable experimental (curso), y entonces se utilizaron otros dos grupos: uno hizo directamente el
curso sin encuesta previa (grupo de control II), y el otro fue sometido a esta encuesta previa sn hacer el curso
(grupo de control I), con lo cual pudieron medirse esas influencias en forma independiente.

6) Diseo de antes y despus con tres grupos de control.- Adems de medir la influencia de la
interaccin y de la premedida, este diseo tiene la ventaja adicional de poder controlar la influencia de
otras variables extraas desconocidas, tanto organsmicas (cambios madurativos, etc.) como
situacionales (clima, etc.) que eventualmente puedan tambin estar ejerciendo su influencia.
Este sexto diseo es igual al anterior excepto que tiene agregado un grupo de control III, que es
precisamente el que nos permite averiguar si influyen o no las otras variables adicionales. En l
volvemos a encontrar una premedida inferida, o sea un premedida no tomada pero cuyo valor se
supone similar a las premedidas tomadas en los otros grupos. La necesidad de contar con este valor
deriva del hecho que necesitamos compararlo con la posmedida correspondiente para ver si existe o no
una diferencia d.
El razonamiento que debe hacerse entonces es el siguiente: sobre la posmedida del grupo de control III
nunca podr ejercer su influencia ni la premedida ni la variable experimental, pues no fueron aplicadas,
ni mucho menos la interaccin entre ellas. Por lo tanto, cualquier diferencia que aparezca entre la
premedida inferida Y1 y la posmedida Y2 ser debida a la influencia de las otras variables
adicionales, lo cual nos permite entonces detectar sus intervenciones.

En el diseo VI cabe preguntarse por qu, si el grupo de control III no mide interaccin, en la frmula de
interaccin aparece el valor d? Al respecto debe tenerse presente que d mide la influencia de variables
desconocidas, y entonces pueden suceder dos cosas: a) d igual a 0. En este caso no hay problema, pues en la
frmula de interaccin desaparece. b) d distinto de 0. Esto significa que las variables extraas desconocidas
influyen. Y si influyen en el grupo de control III, tambin lo hacen en los grupos restantes. Por tanto, para
evaluar la interaccin en d, d y d es preciso descontar la influencia de las variables desconocidas.

En sntesis: los tipos de diseo experimental aqu examinados estn destinados a probar si X es factor
causal de Y mediante el control de las variables adicionales. Estas ltimas son fundamentalmente la
influencia de la premedida, la interaccin, y otras posibles variables que pueda haber.
Cuando consideramos que las variables adicionales ya estn controladas de antemano y suponemos que
las premedidas son iguales o controlables, aplicamos el diseo 1. Cuando no conocemos las premedidas
y creemos que son distintas, nos sacaremos la duda aplicando los diseos de antes y despus 2 y 4.
Cuando sospechamos que adems puede ejercer influencia la premedida, aplicamos el diseo 3. Cuando
pensamos que interviene la interaccin, aplicamos el diseo 5 y finalmente, cuando creemos que
adems de la premedida y la interaccin intervienen otros factores que es preciso tambin controlar,
nos decidiremos por el diseo 6.
Cmo averiguar qu tipo de diseo fue aplicado en un experimento dado? Para saberlo podemos contar
con una regla prctica: si en el experimento no se tomaron premedidas, se aplic el diseo 1, y si
efectivamente fueron tomadas, quedan los diseos 2 al 6. Si se trabaj con un solo grupo se us el
diseo 2, con tres grupos el diseo 5 y con cuatro grupos el diseo 6. Restan los diseos 3 y 4, ambos
con dos grupos. Reconocemos la aplicacin del diseo 3 si se tom una sola premedida (al grupo de
control), y fue usado el diseo 4 si se tomaron las premedidas en ambos grupos.

5. OTRAS VERSIONES

En una apretada sntesis, se presentan a continuacin otras versiones que, muy a grandes rasgos,
coinciden con las versiones presentadas precedentemente. Tngase presente que casi todos los autores

Pgina 197 de 325
197
provienen de las ciencias sociales, y especialmente de la psicologa. En particular, Kohan es una autora
especialista en estadstica.

Versin Kohan

Segn el grado de control de las variables, cabe distinguir tres tipos de investigacin: por observacin
natural, por evaluacin sistemtica y por manipulacin experimental (Kohan, 1994:357-359).
1) Observacin natural.- Implica observar naturalmente sin artificios la conducta en algn atributo o
variable que interese. No existe un control activo ni sobre los estmulos (VI) ni sobre las respuestas (VD).
Lo nico que puede hacerse es controlar algo las variables extraas para que no contaminen las
relaciones que se supone existen entre VI y VD.
2) Evaluacin sistemtica.- Supone inducir a los sujetos a que expresen sus tendencias exponindolos a
una evaluacin sistematizada igual para todos con estmulos controlados, como tests, etc. El investigador
trata de controlar los sujetos slo en parte. Se trata de que estos produzcan respuestas que se cree
reflejan sus caractersticas preexistentes, sin afectarse deliberadamente la naturaleza del atributo del
cual dependen las respuestas.
3) Manipulacin experimental.- El investigador busca influir los determinantes de las respuestas y
tambin trata de lograr un control definido sobre las variables extraas que pueden contaminar la
experiencia mantenindolas constantes o varindolas sistemticamente.

Tipos de diseos de investigacin.- Un diseo de investigacin es un plan, una estructura y una
estrategia de investigacin concebido para dar respuesta a los interrogantes puestos por la investigacin
y controlar la variancia (Kohan, 1994:359). Los diseos pueden clasificarse del siguiente modo:

Ex post facto
Experimentales Estudian una
VI
Diseo simple con sujetos elegidos al azar.
Diseo de los sujetos apareados al azar.
Apareamiento de sujetos por un atributo correlacionado con la VD.
Empleo de los sujetos como su propio control.
Diseo de tipo test antes-despus con grupo de control.
Diseo antes-despus combinado con diseo solo-despus.
Estudian dos o
ms VI
Diseo de tratamiento de niveles.
Diseos factoriales.

Diseos ex post facto.- No se pueden manipular las VI o asignar sujetos a tratamientos a criterio del
investigador, porque la VI ya ha ocurrido. El investigador comienza con la observacin de la VD y
retrospectivamente estudia la o las VI para analizar sus posibles efectos sobre la primera. En sociologa,
psicologa, educacin antropologa y ciencias polticas una gran proporcin de la investigacin ha sido ex
post facto. Este tipo de investigacin tiene tres debilidades: no puede manipular VI, no puede aleatorizar,
y tiene el riesgo de una interpretacin inadecuada (Kohan, 1994:362-363).

Diseos experimentales.- Son aquellos donde el investigador mismo determina quin debe ser asignado a
qu condiciones. Una investigacin es verdaderamente cientfica cuando el investigador puede manipular
y controlar una o ms VI y observa la VD para ver si existe variacin concomitante con la manipulacin
de la o las VI. Existe una gran diversidad de diseos, de los cuales Kohan (1994:363-373) menciona los
que juzga fundamentales:
Diseo simple con sujetos elegidos al azar.- Requiere dos grupos de sujetos: experimental y de control
que se seleccionan al azar de una misma poblacin y luego se asignan aleatoriamente a las dos
condiciones experimentales (o diferentes valores de la VI). Si hay diferencia entre las medias de los
grupos, la prueba estadstica a utilizar ser z o t, segn el nmero de casos (Kohan, 1994:364).
Diseo de los sujetos apareados al azar.- Si no puede utilizarse el azar para obtener grupos equivalentes,
se utiliza la tcnica del apareamiento de los sujetos: las mediciones previas de VD se aparean y cada
integrante de la pareja es asignada al azar a uno de ambos grupos. Un ejemplo de prueba estadstica que
puede aplicarse es la prueba t (Kohan, 1994:364).
Apareamiento de sujetos por un atributo correlacionado con la VD.- Se utiliza cuando no es posible
aparear los sujetos con un pretest de VD, pero s con otra caracterstica correlacionada con ella. Ejemplo,
si los nios son muy pequeos como para producir medidas estables de inteligencia, se pueden aparear
segn el nivel educacional de los padres (Kohan, 1994:366).
Empleo de los sujetos como su propio control.- Una de las mejores maneras en que puede reducirse el
error debido a diferencias individuales entre los sujetos es que ellos mismos sea su propio control, es
decir, son medidos sucesivamente bajo un tratamiento experimental y luego bajo otro. El problema es
que los efectos de orden en que son presentados los tratamientos pueden influir en los resultados, que

Pgina 198 de 325
198
puede resolverse mediante el contrabalanceo: se sigue un orden para la mitad de los sujetos tomados al
azar, y el orden inverso para la otra mitad. Se menciona la prueba t como ejemplo para evaluar los
resultados (Kohan, 1994:367).
Diseo de tipo test antes-despus con grupo de control.- Se cuenta con un grupo de control tomado al
azar de la poblacin que no reciba tratamiento o que reciba un tratamiento neutro tipo placebo. Se
comparan las medidas de pretest y postest entre ambos grupos, y puede utilizarse el apareamiento para
formar grupos equivalentes, lo que es an mejor. La prueba t es mencionada como prueba estadstica en
estos casos (Kohan, 1994:370).
Diseo antes-despus combinado con diseo solo-despus.- Permite el control de la interaccin entre
pretest y VI (Kohan, 1994:371). y equivale al diseo de Solomon. Como prueba estadstica puede
utilizarse t para comparar las medias de los diversos grupos entre s, que son cuatro: dos experimentales
o dos de control.
Diseo de tratamiento de niveles.- El efecto sobre la VD del principal tratamiento experimental se evala
en cada uno de los diversos niveles de una o ms VI, distintos niveles que pueden ser grupos de sujetos
naturales (por ejemplo nios inteligentes y retardados). En otro ejemplo, se puede utilizar este diseo
para evaluar el tratamiento psicoteraputico en histeria, ansiedad y obsesin, utilizando en cada uno de
los tres niveles un grupo experimental y uno de control (Kohan, 1994:372).
Diseos factoriales.- En estos casos el inters recae sobre el efecto separado o interactivo de dos o ms
VI. Suelen requerir pruebas estadsticas de anlisis de variancia y anlisis factoriales, ms complejas
(Kohan, 1994:373).

Tcnicas estadsticas.- Las tcnicas estadsticas se utilizan en los tres grandes tipos de investigacin, y
con diversos propsitos: para seleccionar muestras, para evaluar respuestas mediante construccin de
tests o cuestionarios, para evaluar su validez y confiabilidad, o para controlar variables (Kohan,
1994:359). Es importante saber qu diseo est usando el investigador, cules son las variables que
puede controlar y en funcin de esto buscar la prueba estadstica apropiada (Kohan, 1994:357).

Versin Hernndez Sampieri et al

Tipos de investigacin.- Los autores describen cuatro tipos de investigacin: la investigacin exploratoria,
descriptiva, correlacional y explicativa (Hernndez Sampieri et al, 1996:57). En los primeros no se
formulan hiptesis, en los segundos se formulan hiptesis descriptivas de una variable, en los terceros
hiptesis correlacionales y de diferencia de grupos cuando estas ltimas no expliquen la causa que
provoca tal diferencia, y en los ltimos hiptesis causales. Una misma investigacin puede abarcarse
algunas o todas las hiptesis indicadas (Hernndez Sampieri et al, 1996:96-97).

Diseos de investigacin.- Un diseo de investigacin es un plan o estrategia para responder a las
preguntas de investigacin, le seala lo que debe hacer para alcanzar sus objetivos y analizar la certeza
de la hiptesis formulada. Se pueden clasificar en diseos experimentales y no experimentales
(Hernndez Sampieri et al, 1996:108-109). Los autores referidos clasifican los diseos experimentales
siguiendo la versin Campbell y Stanley (1966), como diseos preexperimentales, experimentales puros
o verdaderos, y cuasi experimentales. Respecto de los diseos no experimentales, Hernndez Sampieri et
al (1996:187) los clasifican como transeccionales y longitudinales. Ms concretamente:

Diseos experimentales
(Campbell y Stanley, 1966)
Preexperimentales
Experimentales puros
Cuasiexperimentales
Diseos no experimentales Transeccionales o transversales
(uno o ms grupos)
Descriptivos
Correlacionales/causales
Longitudinales
(un grupo)
De tendencia (trend)
De evolucin (cohort)
De panel

Diseos experimentales.- 1) En su acepcin ms general, un experimento consiste en aplicar un
estmulo a un individuo o grupo de individuos y ver el efecto de ese estmulo en alguna(s) variable(s) del
comportamiento de stos. Esta observacin se puede realizar en condiciones de mayor o menor control.
El mximo control se alcanza en los <experimentos verdaderos>. 2) Deducimos que un estmulo afect
cuando observamos diferencias en las variables que supuestamente seran las afectadas- entre un grupo
al que se le administr dicho estmulo y un grupo al que no se le administr, siendo ambos iguales en
todo excepto en esto ltimo. 3) Hay dos contextos en donde pueden realizarse los experimentos: el
laboratorio y el campo. 4) En los cuasiexperimentos no se asignan al azar los sujetos a los grupos
experimentales, sino que se trabaja con grupos intactos. 5) Los cuasiexperimentos alcanzan validez
interna en la medida en que demuestran la equivalencia inicial de los grupos participantes y la
equivalencia en el proceso de experimentacin. 6) Los experimentos <verdaderos> constituyen estudios
explicativos, los preexperimentos bsicamente son estudios exploratorios y descriptivos; los

Pgina 199 de 325
199
cuasiexperimentos son fundamentalmente- correlacionales aunque pueden llegar a ser explicativos
(Hernndez Sampieri et al, 1996:182).

Diseos no experimentales.- La investigacin no experimental es aquella que se realiza sin manipular
deliberadamente variables, y donde se observan fenmenos tal y como se dan en su contexto natural,
para despus analizarlos (Hernndez Sampieri, 1996:189). Segn el nmero de momentos en el tiempo
donde se recolectan datos, los diseos no experimentales pueden ser transeccionales o transversales, y
longitudinales.
1) La investigacin no experimental es la que se realiza sin manipular deliberadamente las variables
independientes, se basa en variables que ya ocurrieron o se dieron en la realidad sin la intervencin
directa del investigador. Es un enfoque retrospectivo. 2) La investigacin no experimental es conocida
tambin como investigacin expost-facto (los hechos y las variables ya ocurrieron) y observa variables y
relaciones entre stas en su contexto natural. 3) Los diseos no experimentales se dividen en
transeccionales y longitudinales. 4) Los diseos transeccionales realizan observaciones en un momento
nico en el tiempo. Cuando miden variables de manera individual y reportan esas mediciones son
descriptivos. Cuando describen relaciones entre variables con correlacionales y si establecen procesos de
causalidad entre variables son correlacionales / causales. 5) Los diseos longitudinales realizan
observaciones en dos o ms momentos o puntos en el tiempo. Si estudian a una poblacin son diseos
de tendencia, si analizan a una subpoblacin o grupo especfico son diseos de anlisis evolutivo de
grupo y si estudian a los mismos sujetos son diseos de panel. 6) La investigacin no experimental posee
un control menos riguroso que la experimental y en aquella es ms complicado inferir relaciones
causales. Pero la investigacin no experimental es ms natural y cercana a la realidad cotidiana. 7) El
tipo de diseo a elegir se encuentra condicionado por el problema a investigar, el contexto que rodea a la
investigacin, el tipo de estudio a efectuar y las hiptesis formuladas (Hernndez Sampieri et al,
1996:204).

Correspondencia entre tipos de investigacin, hiptesis y diseos de investigacin.- Un estudio o
investigacin puede iniciarse como exploratorio, descriptivo, correlacional o explicativo. El tipo de estudio
nos lleva a la formulacin de cierta clase de hiptesis, y estas a la seleccin de un determinado diseo de
investigacin (Hernndez Sampieri, 1996:202). Esquemticamente:

Investigacin Hiptesis Diseo
Exploratorio No se establecen, lo que se pueden formular son
conjeturas iniciales.
Transeccional descriptivo.
Preexperimental.
Descriptivo Descriptivas.
Correlacional De diferencia de grupos sin atribuir causalidad. Cuasiexperimental.
Transeccional correlacional.
Longitudinal (no experimental).
Correlacionales.
Explicativo De diferencia de grupos atribuyendo causalidad. Experimental.
Cuasiexperimental, longitudinal y
transeccional causal (cuando hay
bases para inferir causalidad, un
mnimo de control y anlisis
estadsticos apropiados para
analizar relaciones causales).
Causales.

Versin Lores Arnaiz

Como otras ciencias empricas, la investigacin en psicologa utiliza mtodos correlacionales y
experimentales para alcanzar sus objetivos, que son producir conocimientos contrastables sobre el
funcionamiento de la mente humana en sociedad (Lores Arnaiz, 2000).
Mientras el mtodo correlacional busca probar una hiptesis correlacional, el objetivo del mtodo
experimental es poner a prueba una hiptesis funcional, entendida esta como una afirmacin que
establece una relacin funcional entre variables.
Ejemplo de hiptesis funcional: "El hecho de que los padres tengan esquizofrenia influye en que sus hijos
biolgicos tambin la padezcan, a travs de factores genticos".
Los mtodos experimentales en sentido amplio abarcan la observacin controlada, el experimental
propiamente dicho, y el cuasi-experimental.
Ms especficamente, los diseos experimentales propiamente dichos buscan someter a prueba una
hiptesis funcional (por ejemplo, la falta de serotonina disminuye el sueo). Es un proceso de toma de
decisiones acerca de un conjunto de procedimientos cuyo objetivo central es garantizar, en el mximo
grado posible, la validez interna del experimento.
Un experimento tiene por fin poner a prueba una hiptesis, entendida esta como una afirmacin que
establece una relacin funcional entre variables. Al menos una de las variables se refiere a un constructo
hipottico, una propiedad inobservable directamente (inteligencia, memoria, etc.). Los constructos deben

Pgina 200 de 325
200
definirse conceptual y operacionalmente. No se pueden explicar fenmenos slo en base a sus aspectos
observables: esto es una simple descripcin.
Un buen diseo experimental debe reunir tres condiciones:
1) Debe hacer variar al menos una VI para evaluar sus efectos sobre la VD.
2) Debe poder asignar los sujetos a diferentes condiciones o tratamientos experimentales.
3) Debe poder controlar las variables pertinentes.

La tabla siguiente sintetiza los diversos mtodos y los tipos de diseo que abarca cada uno.

Mtodos Clasificacin de diseos
Correlacional Correlacionales
Observacin
controlada

Experimental
propiamente
dicho one-way
(estudian una
VI)
Primer criterio
Diseo de dos grupos (VI asume 2 valores).
Diseo multinivel (VI asume ms de 2 valores).
Segundo criterio
Diseo de solo post-test.
Diseo de pre-test y post-test.
Tercer criterio
Diseo de grupos aleatorios.
Diseo de asignacin aleatoria apareada (intersujetos) o tambin diseo de sujetos
apareados aleatoriamente distribuidos.
Diseo de medidas repetidas (intrasujetos). Un solo grupo sirve para todas las
condiciones experimentales.
Experimental
propiamente
dicho
factoriales
(estudian dos
o ms VI)
Primer criterio
Diseo two-way (estudian 2 VI) Ejemplos: 2x2, 3x3, 4x2, etc. Ejemplo: 2x2 significa
dos valores para cada una de las dos VI. Por lo tanto, tiene 4 combinaciones posibles.
Diseo three-way (estudian 3 VI) Ejemplos: 2x2x2, 2x2x4, etc.
Diseos que estudian 4 o ms VI.
Segundo criterio
Diseo de grupos aleatorios.
Diseo aleatorizado de sujetos apareados, o tambin diseo de sujetos apareados
distribuidos aleatoriamente.
Diseo de medidas repetidas (intrasujeto).
Diseo mixto (combina los dos ltimos) o tambin diseo inter-intrasujetos (split-
plot).
Cuasi-
experimental
Diseo de serie de momentos interrumpida.
Diseo de serie de momentos interrumpida, con una reversin.
Diseo de serie de momentos interrumpida, con grupo control.
Sujeto nico Diseos ABA.
Diseos con mltiples valores de la VI.
Diseos de lnea de base mltiple.

Mtodo correlacional.- Los diseos correlacionales son aquellos en los que se emplea el mtodo
correlacional.
El objetivo del mtodo correlacional es poner a prueba una correlacin (o hiptesis correlacional),
entendida esta como una afirmacin que indica que entre dos o ms variables hay una cierta asociacin
estadstica (o tambin, que tal asociacin se establece con un cierto valor de probabilidad).
Ejemplo de hiptesis correlacional: "Que el padre de una persona sea esquizofrnica aumenta la
probabilidad de que su hijo posea esa enfermedad".
Este mtodo utiliza para establecer correlaciones entre variables estadsticos como los coeficientes de
correlacin, chi cuadrado o t de Student.
En el mtodo correlacional no se manipulan VI.
El mtodo correlacional por s solo no da direccionalidad a la relacin entre variables.

Observacin controlada.- Puede distinguirse entre observacin sistemtica y no sistemtica.
Observacin no sistemtica o preliminar.- Es importante porque a) provee material bruto para formular
preguntas o hiptesis, y b) cuando los problemas o sujetos son nuevos para el investigador.
Observacin sistemtica.- Puede utilizarse para operacionalizar variables, y debe estar precedida por una
observacin no sistemtica.

Descripcin de la conducta.- Para describir la conducta debe diferenciarse su estructura (apariencia,
forma fsica o patrn temporal), y sus consecuencias (efectos que produce sobre el ambiente, otros
sujetos o sobre el mismo sujeto).

Pgina 201 de 325
201
Eleccin de categoras.- La conducta es una corriente continua de movimientos y eventos, y para ser
medida debe dividirse tal corriente en unidades o categoras discretas. Algunas veces tales categoras
son naturales claramente distinguibles, pero otras las construye el investigador en base a hiptesis
previas.
Para construir categoras debe tenerse en cuenta: a) usar un nmero suficiente de categoras, b) definir
con precisin cada una, para lo cual hay definiciones operacionales y definiciones ostensivas. Estas
ltimas dan un ejemplo de un caso al que la categora se aplica, c) las categoras deben ser
independientes, no superponerse, y d) deben ser homogneas, compartir las mismas propiedades.
Reglas de registro.- De la conducta puede hacerse un registro continuo (de todas sus ocurrencias, o sea
cada ocurrencia de la conducta indicando el momento en que sucede), o bien un muestreo de tiempo (la
conducta es muestreada peridicamente, por ejemplo mediante eleccin de puntos muestrales. Por
ejemplo, la conducta ocurri en 40 de los 120 puntos de muestreo, siendo entonces el puntaje 0.33).
Tipos de medida de la conducta.- Las observaciones conductuales arrojan usualmente cuatro tipos de
medida: latencia (tiempo entre estmulo y primera conducta), frecuencia (nmero de ocurrencias por
unidad de tiempo), duracin (tiempo que dura una ocurrencia singular) e intensidad (medible de
diversas formas, como por ejemplo por el nmero de actos componentes por unidad de tiempo
empleado en ejecutar la actividad).
Al elegir el tipo de medida, debe distinguirse entre dos tipos de patrones conductuales: a) los eventos
(patrones de conducta de corta duracin, puntuales) y b) los estados (de mayor duracin, como
actividades prolongadas, posturas corporales, etc.).
Mtodos de registro.- Al decidir sobre como registrar la conducta, deben tenerse en cuenta dos niveles
de decisin: las reglas de muestreo (qu sujetos observar y cundo), y las reglas de registro (como
registrar la conducta).
Las reglas de muestreo pueden ser ad limitum (se toma simplemente nota de lo que se ve y parece
relevante), focal (se observa un sujeto durante cierto lapso de tiempo y se registran todas sus
conductas), panormico (se escanea o censa rpidamente un grupo entero de sujetos a intervalos
regulares y se registra la conducta de cada sujeto en ese instante), y muestreo de conducta (mirar el
grupo entero y registrar la ocurrencia de un tipo particular de conducta y los sujetos que las ejecutan).

Diseo experimental propiamente dicho one-way.- Son aquellos que estudian una sola VI. Ejemplos:
Diseo multinivel: estudio de la influencia del SN sobre el sistema inmune en las ratas.
Diseo de asignacin aleatoria apareada: estudio de la influencia de la cafena sobre la memoria.
Diseo de medidas repetidas: impacto del estrs de la viudez sobre el sistema inmune.

Ventajas de los diseos con pretest:
1. Puede determinarse que antes de VI los grupos no diferirn respecto de la VD.
2. Permite analizar el cambio comparando pretest con postest.
3. Tienen ms probabilidad de detectar los efectos de VI.
El inconveniente es la sensibilizacin que puede generar el pretest en los sujetos. Una forma de controlar
esta amenaza es dividiendo cada grupo en dos mitades: a uno se le toma pretest y al otro no, y se ven
luego las diferencias con los respectivos postest.

Diseo experimental propiamente dicho factoriales (estudian dos o ms VI).- Los diseos factoriales se
usan para estudiar los efectos individuales y combinados de dos ms VI (o factores), dentro de un mismo
experimento.
Su principal ventaja es que permiten detectar interacciones, adems de detectar, como lo hacen los
diseos one-way, los efectos principales de VI, y la varianza de error.

Interpretacin de efectos principales e interacciones.- Los efectos principales son debidos a las VI. As, un
diseo factorial con dos VI tendr dos efectos principales.
Las interacciones son efectos combinados de dos o ms VI.
Si se muestra que hay interaccin entre las VI, esto impide hablar de efectos principales de cada una de
las VI. El hecho de que una interaccin entre VI impida hablar de efectos principales depende de si tal
interaccin cualifica o no los efectos principales.
Se dice que una interaccin cualifica un efecto principal si los efectos de una variable desaparecen o se
invierten segn el valor de la otra VI. Si el efecto principal es cualificado por la interaccin, no puede
interpretarse, esto, es, no puede afirmarse nada con respecto al mismo.
Pueden darse cinco casos, que se describen a continuacin en base a un ejemplo.

Ejemplo: se consideran dos VI (A = tamao del aula y B = mtodo de enseanza), para estudiar como
influyen estas dos variables sobre el rendimiento escolar, y eventualmente para ver si interaccionan entre
s.

A1 (aula grande) A2 (aula chica)
B1 (mtodo 1) A1 B1 A2 B1
B2 (mtodo 2) A1 B2 A2 B2

Pgina 202 de 325
202

1) A y B tienen efectos principales, pero no hay interaccin. No hay interaccin porque la variable A tiene
los mismos efectos bajo las condiciones B1 y B2, y la variable B es igual para A1 y A2.
2) A y B mantienen sus efectos principales pero adems hay interaccin entre ellas. Para los sujetos en la
condicin A1, el efecto de B es pequeo, mientras que en la condicin A2, el efecto de B es ms
pronunciado. En este caso la interaccin no cualifica los efectos principales, ya que ele efecto principal de
B est presente tanto bajo A1 como bajo A2 (simplemente es ms fuerte bajo A2 que bajo A1).
3) A y B mantienen sus efectos principales, hay interaccin entre ellas pero adems sta cualifica a los
efectos principales. Aunque los sujetos en la condicin B1 tienen ms puntaje que la condicin B2 (hay
un efecto principal de B), la interaccin muestra que este efecto solo ocurre realmente para la condicin
A2. Bajo A1, no tienen efecto bajo A1, pero si bajo A2, o sea, la nica combinacin donde B hace efecto
es A2B1. En un caso as, interpretar el efecto principal de B sera confuso, porque esta variable solo tiene
efecto para los sujetos en la condicin A2. Sera factible interpretar el efecto principal de A, en cambio,
porque A1 es ms bajo que A2 en las dos condiciones: B1 y B2.
4) Interaccin cruzada: es otro caso de interaccin que cualifica los efectos principales. Una VI tiene
efectos opuestos sobre la VD, segn el valor de la otra VI. Si los sujetos reciben A1, B2 arroja mejores
puntajes que B1. Si reciben A2, B2 arroja puntajes peores que B1. Dadas estas relaciones, los efectos
principales carecen de significado: la interaccin impide la interpretacin.
5) No hay efectos principales de las VI pero s hay interaccin entre ellas. Si los sujetos reciben A1, los
valores de B2 son mejores que los de B1; si reciben A2, los valores de B2 son peores que B1. Si los
sujetos reciben B1, los puntajes son mejores en A2 que en A1, y si los sujetos reciben B2, los puntajes
son peores en A2 que en A1.

Diseos cuasiexperimentales.- Difieren de los diseos experimentales en que no controlan con la misma
eficacia las variables extraas, es decir, no cumplen del todo con la tercera condicin de causalidad (las
otras dos son antecedencia temporal y correlacin).
Los diseos cuasiexperimentales de series de momentos miden la variable dependiente repetidas veces
antes, y repetidas veces despus de la aplicacin de la variable independiente (que en estos casos se
llama variable cuasi-independiente).

Los diseos cuasi-experimentales abarcan tres tipos:
Diseo de serie de momentos interrumpida.- Se obtienen repetidas medidas pretest y, luego de aplicar
VI, repetidas medidas postest. Por ejemplo, permite estudiar la eficacia de un programa de intervencin
comunitaria para reducir la iniciacin al consumo de drogas.
Gracias a este diseo se pueden identificar posibles efectos de VI contra el fondo de otros cambios
debidos a variables pertinentes no controlables, como la madurez de los sujetos.
Diseo de serie de momentos interrumpida, con una reversin.- Igual an anterior, con la diferencia que la
VI es primero introducida pero luego retirada, hacindose premedidas y posmedidas de VD respecto del
momento de retirar VI. Permite controlar la influencia de variables extraas histricas. Para aumentar el
control de dichas variables, puede reintroducirse la VI y retirarse nuevamente. En este caso, hablamos de
un diseo de series de momentos interrumpida con replicaciones mltiples.
Este diseo tiene tres limitaciones: a veces no se puede retirar VI; el efecto de algunas VI permanece
luego de ser retiradas; y el retiro de una VI puede producir cambios por s mismo, que no se deben a esa
variable.
Diseo de serie de momentos interrumpida, con grupo control.- Se trata de aplicar los diseos anteriores
a otro grupo que acta como control, lo que aumenta la validez interna del diseo.

Diseos de sujeto nico.- En estos casos, la unidad de anlisis es un solo sujeto. Esto los diferencia de los
diseos experimentales y cuasi-experimentales, donde la unidad de anlisis es el grupo, es decir, se
evalan los efectos de las variables comparando dos o ms grupos de sujetos. Sus resultados se suelen
presentar mediante grficos.
Si bien no son tan utilizados como los diseos de grupo, surgieron como respuesta a las crticas
formuladas en estos ltimos, especialmente por B. Skinner. Estas crticas se centran en tres cuestiones:
a) Varianza de error: Buena parte de la varianza de error en diseos de grupo no refleja la variabilidad de
la conducta por s misma sino que es creada por el mimo acto de agruparlos. La varianza de error es en
parte producto de las diferencias individuales, antes que variaciones reales en los sujetos, y refleja
factores que no han sido controlados.
b) Generalizacin: Se supone que el diseo grupal minimiza el impacto de las respuestas idiosincrsicas.
Sin embargo, estos diseos presentan un promedio de las respuestas que no refleja con precisin la
respuesta de ningn sujeto en particular.
c) Confiabilidad: Los diseos de grupo no intentan determinar si el efecto de VI es confiable, es decir, si
se obtendr en otra ocasin. La replicacin de un experimento por otros equipos es comn, pero dentro
del experimento, es rara. Los diseos de sujeto nico, al introducir y retirar la VI varias veces, hacen una
replicacin intrasujeto.
Limitaciones: a) No son tiles cuando la reversin (retiro de VI) produce un efecto duradero en la
conducta; b) No poseen gran validez externa pues sus efectos slo se aplican a sujetos similares a los

Pgina 203 de 325
203
seleccionados; c) No son apropiados para estudiar interacciones entre variables; d) Razones ticas
impiden a veces la reversin de un tratamiento; y e) Estos diseos no pueden analizarse mediante
estadstica inferencial (test t o test F) porque no utilizan promedios grupales.

Los diseos de sujeto nico pueden clasificarse del siguiente modo:
Diseos ABA.- O diseo de reversin. Intenta demostrar que una VI produce un efecto, y luego, al
retirarla, que no lo produce ms. La letra A se refiere al momento donde VI o acta, y B al momento
donde s acta. Este diseo admite variantes para aumentar su eficacia: ABAB, ABABABA, etc. En varios
sentidos, se trata de diseos de series de momentos pero sobre un solo sujeto.
Diseos con mltiples valores de la VI.- A diferencia de los anteriores, donde se asigna a VI los valores
presencia o ausencia, estos diseos admiten diversos valores de VI, resultando as por ejemplo un diseo
tipo ABACA, donde B y C representan dos valores distintos de VI.
Diseos de lnea de base mltiple.- A veces el efecto de una VI no desaparece cuando es retirada (como
cuando se ensea al sujeto una estrategia de afrontamiento contra el estrs). El diseo resuelve este
problema: estudia varias conductas simultneamente y, despus de obtener una lnea de base de cada
una, se introducen niveles de VI que se supone afectan slo a una de esas conductas. Al medir varias
conductas, el investigador puede mostrar que VI afecta una conducta pero no a otras.

Otras diferencias importantes entre los mtodos.- Son las siguientes:

Mtodo Requisitos de causalidad
Correlacin Antecedencia temporal Exclusin de variables extraas
Correlacional S No No
Experimental S S S
Cuasi-experimental S S No

Mtodo Teora de
la que
deducir
hiptesis
Hiptesis Variables Manipulacin Control de
variables
pertinentes
Fase
Observacin
controlada
No Se
plantean
varias
tentativas
Candidatas
a VI y VD
V.
pertinentes
Artificial S Exploratoria
Experimental S Hiptesis
funcional
VI-VD
V.
pertinentes
Artificial S Probatoria
Cuasi
experimental
S Hiptesis
funcional
VI-VD
V.
pertinentes
Natural No total Probatoria
Correlacional No Hiptesis
de
asociacin
luego del
anlisis de
datos
Variables a
asociar
No No Exploratoria

Versin Greenwood

Para Greenwood (1973), el investigador puede elegir el mtodo de investigacin emprica ms adecuado
para el fenmeno o la hiptesis en que est interesado. Cabe distinguir mtodo y tcnica del modo
siguiente: un mtodo es un arreglo ordenado, un plan general, una manera de emprender
sistemticamente el estudio de los fenmenos de una cierta disciplina. Una tcnica, en cambio, es la
aplicacin especfica del mtodo y la forma especfica en que el mtodo se ejecuta. As, la tcnica es un
auxiliar del mtodo, est subordinada a l. Por ejemplo, hay tcnicas de observacin y de anlisis de los
datos, como el muestreo, la observacin participante, los tests proyectivos, la entrevista, el cuestionario
por correo, etc.
Se describen a continuacin los tres principales mtodos en la investigacin social emprica. Ellos tienen
sus paralelos en las disciplinas fsicas y biolgicas: el mtodo experimental con el mtodo de laboratorio,
el mtodo de encuesta con el mtodo epidemiolgico, y el mtodo de estudio de caso con el mtodo
clnico.

Mtodo experimental.- Es un procedimiento lgico para la seleccin de los sujetos de estudio, la
realizacin de observaciones, la recoleccin de datos y la organizacin de la evidencia, destinado a
comprobar una relacin causal entre dos factores.

Pgina 204 de 325
204
Caractersticas.- a) Requiere un estado de contrastes.- Un experimento necesita al menos dos grupos de
individuos, uno de los cuales (el grupo experimental) est sometido a un cierto factor y el otro no (grupo
de control), factor llamado exposicin, estmulo, tratamiento o variable independiente. b) Identificacin
de las consecuencias del contraste.- Se comparan los resultados en ambos grupos respecto de la variable
dependiente, evalundose si las diferencias han sido debidos al azar o a una relacin causal. Se hacen
mediciones no slo despus de la introduccin de la variable independiente, sino tambin antes, para
asegurarnos que la variable dependiente no precede a la independiente. Adems, deben hacerse
controles para verificar que el cambio en la variable dependiente no es debida a otras variables, adems
de la independiente. O sea: c) Control de influencias extraas.- Se deben idear ciertos mecanismos para
controlar la influencia de otros elementos que tambin pueden producir los resultados diferenciales entre
el grupo experimental y el de control, elementos que pueden referirse a las caractersticas de la unidades
de estudio y al ambiente en que se hizo el experimento.
Tcnicas de control.- a) Igualacin por parejas o emparejamiento.- Cada unidad elegida para el grupo
experimental debe tener su contrapartida perfectamente igual en otra elegida para el grupo de control,
respecto de las variables pertinentes a la variable dependiente. b) Distribucin de frecuencias.- Consiste
en igualar ambos grupos segn ciertos parmetros estadsticos como promedio, variacin y proporciones,
respecto de las variables pertinentes a la variable dependiente. c) Randomizacin o aleatorizacin.-
Consiste en asignar las unidades a los conjuntos experimental y de control segn algn procedimiento al
azar, lo que garantiza que las diferencias entre ambos conjuntos sean adjudicables al azar.
Las dos primeras tcnicas son las ms difciles de emplear, y contribuyen a incrementar la sensibilidad
del experimento (este es sensible cuando puede registrar pequeos efectos sobre la variable dependiente
atribuibles a la independiente y que, de otra forma, se veran oscurecidos por la influencia de factores
externos), mientras que la ltima asegura su validez
Tipos de experimentos.- Hay cuatro tipos principales de experimentos. a) Experimento de laboratorio.-
Se realiza en un ambiente muy bien controlado. El investigador selecciona los sujetos, seala la
naturaleza, intensidad, tiempo, duracin y direccin de la variable independiente, etc. Sin embargo es
artificial, lo que provoca ciertas dudas sobre la aplicabilidad de sus resultados a la realidad social. b)
Experimento de campo.- Se realiza, a diferencia del anterior, en un mbito real, es decir en una situacin
social que est sucediendo, con lo cual la nica manipulacin del investigador es introducir la variable
independiente. Estos experimentos suelen realizarse con prcticos, encargados de, por ejemplo,
administrar algn diagnstico o tratamiento a pacientes. c) Experimento natural.- El investigador estudia
algn cambio social cuyo suceso se ha anticipado y que cumple con los tres requisitos del experimento
antes mencionados. El investigador no introduce la variable independiente: espera a que aparezca porque
la ha anticipado. Los experimentos de laboratorio, de campo y natural se llaman proyectados, mientras
que el experimento ex post facto es no proyectado. La diferencia est en que en los proyectados, el
investigador puede observar las unidades de estudio antes que aparezca la variable independiente, de
manera que puede apreciar como evoluciona y qu efectos produce sta en el tiempo. d) Experimento ex
post facto.- El investigador observa las unidades de estudio slo despus que la variable independiente
ha ocurrido, por lo debe ir hacia atrs en el tiempo intentando reconstruir las etapas iniciales que no le
fue posible observar. As, los experimentos proyectados se planifican antes del hecho, y los ex post facto
despus que se ha producido el hecho.
Los cuatro tipos de experimentos fueron mencionados segn un orden decreciente en cuanto al grado de
control sobre las unidades de estudio, la variable independiente y el ambiente, dndose el mximo
control en el experimento de laboratorio.

Mtodo de la encuesta.- Consiste en la observacin, por medio de preguntas, de poblaciones numerosas
en situaciones naturales con el fin de obtener respuestas susceptibles de analizarse cuantitativamente. A
diferencia del experimento, la encuesta naci en las ciencias sociales en el siglo XIX.
Caractersticas.- a) Poblaciones numerosas.- De las cuales suele extraerse una muestra realizndose,
entonces, una encuesta muestral. Mientras ms grande y representativa sea la muestra, ms confiables
sern las generalizaciones a la poblacin. b) Datos primarios.- O sea, slo pueden obtenerse
directamente a travs del contacto con los individuos implicados, mediante entrevistas y/o cuestionarios.
c) Anlisis cuantitativo.- La informacin se clasifica en categoras y se pone en tablas para poder ser
analizada cuantitativamente.
Tipos de encuesta.- Existen las encuestas descriptivas y las explicativas. La encuesta descriptiva busca
determinar la distribucin de un fenmeno en una poblacin, y su resultado es la afirmacin de un hecho.
La encuesta explicativa, en cambio, busca las razones de tal distribucin, con lo cual el resultado es una
explicacin del hecho observado.
Mientras la encuesta explicativa suele estar guiada por una hiptesis explcita, la descriptiva por lo
general no lo est. Adems, mientras la encuesta descriptiva debe utilizar muestras representativas y
heterogneas, la explicativa puede utilizar muestras no representativas y homogneas. En general, la
mayora de las encuestas combinan rasgos de la descriptiva y de la explicativa. As, cuando es una
encuesta descriptiva surge alguna hiptesis, el investigador vuelve sobre los datos originales haciendo un
anlisis secundario mediante submuestras con el fin de constatar las relaciones causales sugeridas en la
hiptesis, convirtindola en una encuesta explicativa.


Pgina 205 de 325
205
Mtodo del estudio de caso.- Consiste en el examen intensivo, en amplitud y profundidad, de una unidad
de estudio (un individuo, un grupo, una comunidad, una asociacin, un acontecimiento, una cultura)
empleando todas las tcnicas disponibles para ello. Se busca la comprensin del fenmeno como un todo.
Este mtodo surgi en las prcticas clnicas.
Caractersticas.- a) Intensidad.- Es un mtodo intensivo tanto en amplitud como en profundidad.
Amplitud significa que logra cubrir tantos aspectos del fenmeno como sea posible, pues busca una
comprensin completa y total del mismo. Profundidad significa que el mtodo se mueve hacia atrs en el
tiempo para conocer las circunstancias por las cuales el caso lleg al estado actual. b) Oportunismo.- El
mtodo no obliga a usar determinadas tcnicas para recoger datos, teniendo completa libertad para ello,
y en el orden que se prefiera. El oportunismo ms la intensidad permiten obtener una enorme cantidad
de informacin sobre el caso estudiado. c) Anlisis heterodoxo.- Dada la variedad y diversidad de las
tcnicas de recoleccin de datos usadas, los datos que se obtienen son desusadamente variados y ricos,
y pueden analizarse sistemtica e intuitivamente.

Evaluacin de los tres mtodos empricos.- Normalmente, cada investigador se especializa en uno de los
tres mtodos indicados, y tiende a considerarlo como el mejor. Sin embargo, cada uno tiene sus virtudes
pero tambin sus limitaciones.
Mtodo experimental.- Su principal virtud es que puede confiarse en l para determinar si una relacin
causal existe o no entre la variable independiente y la dependiente, por cuanto permite constatar el
orden temporal de las variables y la exclusin de otras causas posibles. Es el mejor mtodo para probar
una hiptesis causal.
En este mtodo pueden operacionalizarse fcilmente las variables, y posee adems gran versatibilidad
pues hay muchos diseos experimentales posibles entre los que elegir.
Su defecto principal radica en que es muy difcil de aplicar, especialmente en su forma ms pura y
rigurosa. Segundo, el experimento debe contar con la cooperacin o conciencia de estar participando en
un experimento por parte de los sujetos. Tercero, en un laboratorio es muy difcil reproducir con todo su
vigor las fuerzas sociopsicolgicas que actan normalmente sobre las personas: el mundo real no puede
duplicarse en el laboratorio. Cuarto, el experimento es inapropiado en la etapa exploratoria o inicial de la
investigacin, pues requiere un cabal conocimiento del fenmeno en estudio.
Mtodo de la encuesta.- Como primera ventaja, este mtodo permite obtener generalizaciones confiables
sobre uniformidades sociales porque las muestras son muy numerosas. En segundo lugar, evita algunos
problemas del mtodo experimental como la artificialidad.
Un primer defecto del mtodo de encuesta es su falta de intensidad: el contacto con los sujetos es
superficial y breve. Segundo, slo se hacen preguntas susceptibles de analizar cuantitativamente con
respuestas previstas de antemano. Tampoco es un mtodo ideal para establecer conexiones causales
pues es difcil obtener datos sobre ordenamiento temporal de variables y exclusin de otras causas
posibles. Otra desventaja es la autoseleccin (algunos encuestados pueden elegir inconcientemente sufrir
o no la experiencia cuyos resultados se observan), entendiendo por tal la variable que favorece y
desfavorece la aparicin del fenmeno en estudio, y esta variable no est controlada en la encuesta, an
en la explicativa, o sea, no satisface el criterio de causalidad de exclusin de otras causas posibles.
Mtodo del estudio de caso.- Su principal virtud es que permite una comprensin profunda y completa del
fenmeno. En segundo lugar, resulta muy valioso como mtodo exploratorio. En cambio, sus limitaciones
tienen que ver, primero, con la falta de rigor caracterstico del aspecto analtico de este mtodo y su
dependencia casi exclusiva de la capacidad de sntesis del investigador para imponer un cierto orden en
la gran masa de datos. Pero, an cuando la interpretacin sea confiable, subsiste una segunda limitacin:
sus resultados no son generalizables a otros casos, ni mucho menos a la poblacin.

La clasificacin de los mtodos de investigacin social emprica propuesta por Greenwood puede
sintetizarse en el siguiente cuadro:

Mtodo Experimental Encuesta Estudio de caso
Caractersticas Estado de contrastes.
Identificacin de las
consecuencias del contraste.
Control de influencias
extraas mediante igualacin
por parejas, distribucin de
frecuencias o randomizacin.
Poblaciones numerosas.
Datos primarios.
Anlisis cuantitativo.
Intensidad en amplitud y
profundidad.
Oportunismo: libertad
para emplear tcnicas.
Anlisis heterodoxos:
datos ricos y variados.
Tipos Proyectados:
De laboratorio.
De campo.
Natural.
No proyectados:
Expost-facto.
Descriptiva.
Explicativa.

Ventajas Detecta conexiones causales.
Operacionabilidad
Resultados
generalizables.
Comprensin profunda.
Carcter exploratorio.

Pgina 206 de 325
206
Especificidad.
Versatibilidad.
No es artificial.
Desventajas Difcil de aplicar.
Sujetos deben cooperar.
Artificialidad.
No apto para investigaciones
exploratorias.
Falta de intensidad.
Selecciona preguntas.
No detecta causalidad.
Autoseleccin.
Sin rigor analtico.
No generalizable.

Versin ONeil

ONeil (1968:28) sostiene que los principales mtodos de observacin empleados en la psicologa son los
mtodos experimentales y los mtodos no experimentales. En los primeros, el control se ejerce sobre las
condiciones en que ocurre el acontecimiento estudiado, lo que no ocurre en los mtodos no
experimentales. Dentro de los mtodos no experimentales, a su vez, pueden distinguirse los mtodos de
estudio de caso y los mtodos de sondeo (o encuesta). Los mtodos no experimentales pueden
considerarse como aquellos que se refieren al establecimiento de hechos representativos, lo que no
significa que no estn orientados por hiptesis o no se refieran a la comprobacin de hiptesis., pero, en
general, la hiptesis para comprobar se refiere al hecho que se establece (o su opuesto) y no a algo que
implica ese hecho (Oneil, 1960:5).
a) Mtodos experimentales.- La expresin control de las condiciones se refiere a las circunstancias
importantes del acontecimiento, o a si su observacin ha sido constante o modificada de un momento a
otro y de una manera establecida. La caracterstica distintiva del experimento es un modelo de
constancia y variacin de una ocasin a otra (Oneil, 1960:31). La funcin caracterstica del experimento
es la comprobacin de hiptesis, pero tambin tiene otras funciones como por ejemplo indagar cuales son
los movimientos tpicos de los recin nacidos, o bien que respuestas pueden despertarse en el neonato y
mediante qu estmulos (Oneil, 1960:33),
Existen tres tipos de tcnicas para ejercer el control sobre las condiciones: manipulativas, selectivas y
estadsticas. Por ejemplo, un experimento donde se quiere averiguar como influye el nivel de escolaridad
sobre la amplitud del vocabulario. Un experimento manipulativo consistira en medir el vocabulario en
nios de diferente escolaridad pero de similar influencia parental (pues se supone que el vocabulario de
los padres es otra variable que incide sobre el vocabulario del nio) y en escuelas equivalentes. Como
este experimento es difcil que realizar, puede aplicarse entonces una tcnica selectiva, donde
seleccionamos de entre la gente joven con la que contamos, aquellos de inteligencia semejante, padres
similares y diferentes niveles de escolaridad, con lo que obtenemos una muestra bastante semejante a la
obtenida con la tcnica manipulativa. Sin embargo, estas muestras pueden resultar demasiado pequeas,
con lo cual puede utilizarse la tcnica estadstica: se toman a todas las personas con que contamos,
medimos su inteligencia, el vocabulario de los padres, la escolaridad y el vocabulario de los sujetos,
aplicando a estas medidas coeficientes de correlacin entre cada par de variables (Oneil, 1960:39).
b) Mtodos no experimentales: estudio de caso.- Tiene por objeto describir de manera completa al sujeto
individual, lo tpico de l. Dos variedades importantes de estudios de caso son los estudios biogrficos y
los estudios clnicos, ya que sambos producen una descripcin del individuo a partir de una gran cantidad
de observaciones diversas (Oneil, 1960:50).
c) Mtodos no experimentales: encuesta.- Tiene por objeto descubrir lo que es tpico de un grupo de
sujetos. Se han planteado algunos tipos, como los estudios de campo, los estudios de desarrollo y los
estudios diferenciales. Un estudio de campo es una encuesta llevada a cabo sobre el terreno, en los
lugares habituales donde viven los sujetos; un estudio de desarrollo busca demostrar algn cambio
tpico, durante algn lapso de la vida, en el curso de la conducta; y un estudio diferencial busca sealar
las diferencias o las semejanzas entre algunas clases de hechos, por ejemplo, el sexo, la raza, la edad y
la clase social. Los tres tipos de encuesta tienen en comn que las diversas situaciones estudiadas se
toman como representativas de una clase ms numerosa, a la cual pertenecen (Oneil, 1960:58).

6. CONCLUSIONES

La gran diversidad de criterios taxonmicos presentados obliga al investigador no conocedor de estos
temas a realizar un considerable esfuerzo de bsqueda y seleccin del diseo ms apropiado.
Con el fin de trazar un esbozo de rbol de decisin, se propone buscar y seleccionar un diseo de
investigacin en base a las siguientes preguntas:
Si el investigador no ha planteado una hiptesis causal, puede orientarse respondiendo a las siguientes
preguntas:
a) Se desea realizar un estudio simplemente exploratorio, sin hiptesis previas y sin haber identificado
variables? Convendr entonces elegir la observacin o la encuesta, teniendo presente que estas tcnicas
tambin pueden utilizarse en estudios descriptivos, correlacionales o explicativos. El diseo observacional
puede consistir en una observacin o en observaciones sucesivas a lo largo del tiempo, y pueden
utilizarse tambin los diseos preexperimentales de Campbell y Stanley.

Pgina 207 de 325
207
b) Se desea estudiar una simple asociacin estadstica entre variables sin intentar probar un nexo
causal? Entonces se podr optar por el diseo de encuestas o por los mtodos correlacionales descritos
por autores como Lores Arnaiz o Hernndez Sampieri.
c) Se desea estudiar a fondo un caso sin intentar extraer conclusiones generales para toda la poblacin?
Para ello est especialmente indicado el mtodo de estudio de caso descrito por Greenwood o por Oneil.
A diferencia de los diseos de sujeto nico, no buscan obtener generalizaciones a toda la poblacin sino
explorar en profundidad un caso particular.
Si el investigador ha planteado una hiptesis causal que desea probar y ha identificado variables
relevantes, puede ahora responder a los siguientes interrogantes:
d) Se cuenta con un sujeto nico o con un grupo de sujetos? En estos casos el investigador seleccionar
diseos de sujeto nico o de grupo.
e) Cuntas variables independientes (VI) sern estudiadas? Si se estudia una sola, el investigador
elegir un diseo simple, o univariado (o divariado, segn Selltiz), y si estudia dos o ms, entonces
elegir alguno de los diseos factoriales o multivariados.
f) Se quiere ser exigente respecto del control de las variables extraas? Convendr entonces elegir un
diseo experimental propiamente dicho de la versin Campbell y Stanley. Los diseos
cuasiexperimentales de la misma versin ofrecen menor control de aquellas variables, pero aumentan la
validez externa.
g) Se quiere estudiar un fenmeno aqu y ahora, o a lo largo del tiempo? Para ello se podrn seleccionar
diseos experimentales o diseos no experimentales, y, dentro de estos ltimos, diseos transeccionales
o longitudinales en la versin de Hernndez Sampieri.

Pgina 208 de 325
208
CAPTULO 14: EL PROCESAMIENTO DE LOS DATOS

Una vez cumplidas las etapas anteriores, llega ahora el momento de tomar contacto con la realidad, es
decir, con los sujetos de la investigacin, lo que implicar generar los primeros datos. En sentido amplio,
el procesamiento de los datos abarca cuatro etapas: la recoleccin, la organizacin, el anlisis y la
interpretacin de los datos. En el presente captulo se suministra informacin acerca de cmo proceder
en cada una de esas instancias sobre la base del conocimiento adquirido en captulos anteriores y sobre
la base de algunos nuevos conocimientos.
En el contexto de la investigacin cientfica, un dato es un fragmento de informacin obtenido de la
realidad y registrado como tal con el fin de contribuir a resolver el problema de investigacin. Un dato se
expresa habitualmente en forma de enunciados afirmativos del tipo Juan obtuvo 80 puntos en el test A,
La media aritmtica del pretest del grupo experimental es 75, La mitad de la muestra seleccionada es
de sexo masculino, etc. El dato es entonces eminentemente descriptivo, y puede referirse a un individuo
o a una muestra.
Los datos pueden buscarse en forma directa o bien ser tomados de otras investigaciones o fuentes
confiables. En cualquier caso, los datos deben ser objetivos, es decir, reflejar fielmente la realidad. En un
sentido estricto, cualquier conclusin probabilstica a partir del anlisis o la interpretacin de los datos no
es un dato sino una suposicin o inferencia.
Las cuatro etapas del procesamiento de los datos se cumplen en mayor o menor medida en las
investigaciones exploratorias, descriptivas, correlacionales y explicativas. Por ejemplo, en las
investigaciones exploratorias la etapa de la recoleccin de datos es la ms importante.

1. RECOLECCIN DE LOS DATOS

Los datos se obtienen de la realidad mediante los llamados instrumentos de recoleccin de datos. Por
ejemplo, el dato Juan es inteligente puede obtenerse a travs de una observacin, de una entrevista, de
un cuestionario o de un test, que son instrumentos tpicos de las ciencias sociales y, en particular, de la
psicologa. En otras disciplinas pueden encontrarse otros instrumentos de recoleccin de datos como el
telescopio, el termmetro, el espectrgrafo, el estetoscopio o la balanza.
Todos los instrumentos de medicin mencionados en captulos anteriores son al mismo tiempo y
forzosamente instrumentos de recoleccin de datos, por cuanto medir supone obtener datos.
En el presente tem se pasar una somera revista a los principales instrumentos de recoleccin de datos
en ciencias sociales y a algunas precisiones sobre la forma de obtener datos correctamente con ellos. Se
har referencia a la observacin, la entrevista, el cuestionario y el test.

La observacin

La observacin cientfica es aquella observacin que se realiza como parte de un proyecto de
investigacin cientfica. Se caracteriza porque tiene objetivos definidos y concretos, y porque
deliberadamente procura ser objetiva. En este tem se examinan cuestiones relativas al registro de la
observacin, los tipos de observacin, las precauciones en el empleo de esta tcnica de recoleccin de
datos y algunas de sus ventajas y limitaciones.

Introduccin.- Sin ser cientficos, todos los das las personas tienen oportunidad de observar: observan a
su alrededor mientras hacen cola en el banco, mientras asisten a un acto patritico, mientras viajan en
colectivo, mientras aguardan una cita, mientras estn en un velorio o cuando asisten a una fiesta.
En una gran cantidad de casos como estos no se observa con un propsito determinado: se deja vagar la
vista simplemente porque se prefiere tener los ojos abiertos en lugar de tenerlos cerrados. Algunas de las
cosas que observan llaman ms la atencin, pero al siguiente momento la vista o el odo se apart de
ellas y dirigiendo la atencin hacia otras, un poco aleatoriamente. Estas observaciones no tienen un
propsito definido y son bastante fortuitas y poco estructuradas, en el sentido de que se atiende aqu y
all situaciones diversas, sin orden ni preferencias.
Pero en la vida cotidiana existen tambin otros tipos de observacin donde se sabe exactamente qu se
quiere observar, siendo la observacin ms deliberada y atenta. Es el caso de la persona que observa
atentamente cuando sus hijos cruzan la calle, o la que espa a su cnyuge para ver qu hace cuando cree
estar solo, o la que atiende las caractersticas de las calles para orientarse correctamente, o la persona
voyeurista que se complace en observar una escena ertica.
Este tipo de observaciones son observaciones cotidianas: pueden tener o no un propsito definido, y son
observaciones que llevan a cabo todas las personas fuera de todo objetivo cientfico. Cuando una
observacin se realiza dentro del marco de una investigacin cientfica, cabe denominarla observacin
cientfica.

La observacin cientfica.- La observacin cientfica apunta a fines, objetivos o propsitos determinados:
puede servir como fuente de inspiracin de hiptesis (y entonces es menos estructurada o sistemtica),
como procedimiento para comprobacin de hiptesis, (entonces ser ms sistemtica y controlada), etc.

Pgina 209 de 325
209
Dice Kaplan que la observacin cientfica es bsqueda deliberada, llevada con cuidado y premeditacin,
en contraste con las percepciones casuales, y en gran parte pasivas, de la vida cotidiana (Ander-Egg,
1987:197).
En la literatura sobre el tema, sin embargo, se suele denominar observacin cientfica a la observacin
sistemtica y estructurada, es decir, aquella especialmente apta para la comprobacin de hiptesis. As,
por ejemplo, Len y Montero refieren que para que la observacin sea cientfica debe ser sistemtica
(Len O y Montero I, 1995), mientras que otros autores sealan que la observacin cientfica necesita de
intencionalidad y sistematicidad para poder conseguir resultados rigurosos y adecuados (Rubio J y Varas
J, 1997:403).
Aqu se considerar a la observacin cientfica en un sentido un poco ms amplio, de manera tal que
incluya tanto las observaciones poco estructuradas y ms libres, especialmente tiles para descubrir
hiptesis, como las observaciones ms estructuradas y pautadas, especialmente tiles para su
verificacin. Por ejemplo: observar libremente todo lo que ocurre en un grupo de adolescentes con el fin
de descubrir porqu se drogan es un ejemplo del primer tipo, mientras que observar ciertas conductas
especficas de un grupo de adolescentes con el fin de probar o no que ellos se drogan porque estn
ansiosos, es un ejemplo del segundo tipo.
Es as entonces que puede definirse la observacin cientfica como toda aquella observacin que se
realiza como parte de un proyecto de investigacin cientfica. Se caracteriza porque tiene objetivos
definidos y concretos, y porque deliberadamente procura ser objetiva.
La observacin es un procedimiento de percepcin a travs de los sentidos del investigador
(especialmente la vista y el odo), y no mediante relatos orales o escritos de otras personas, e implica un
examen de fenmenos actuales tal como tienen lugar en un aqu y ahora, y no de fenmenos pasados
(Sierra Bravo R, 1979).
La observacin comporta siempre cinco elementos: el sujeto que observa, lo observado, los medios
(sentidos como la vista u odo), los instrumentos (medios que sirven de apoyo a los anteriores), y el
marco terico (que gua la observacin) (Ander-Egg, 1987:198).
Utilizada cientficamente, la observacin es al mismo tiempo un instrumento de recoleccin de datos y un
instrumento de medicin. Por ejemplo, cuando observamos jugar a un nio no solamente estamos
recogiendo informacin (este nio rompe los juguetes que no le gustan) sino que tambin estamos
midiendo su conducta (por ejemplo, adjudicndole un valor a su conducta: es muy agresivo,
medianamente agresivo o poco agresivo). En cuanto la observacin recoge datos y mide
comportamientos, la informacin deber quedar registrada.

Observacin y registro.- La observacin cientfica tiene, como cualquier tipo de observacin, dos etapas
bsicas: la observacin propiamente dicha y el registro de lo observado. Algunos autores llegan a dar
tanta importancia a esta ltima etapa que directamente definen la observacin en trminos de registros,
como por ejemplo cuando sostienen que la observacin consiste en el registro sistemtico, vlido y
confiable de comportamientos o conducta manifiesta(Hernndez Sampieri y otros, 1996:316).
Siempre que se observa algo, simultnea o sucesivamente se est tambin registrndolo, es decir,
representando la observacin mediante algo que la mantiene perdurable en el tiempo, mediante algo que
deja constancia de lo observado. Cuando se observa la calle en un paseo, lo observado queda registrado
en la memoria, ms all de la voluntad y ms all de si luego se utilizar o no ese registro para recordar
lo observado.
Sin embargo, el mero registro mnmico, en el contexto de las observaciones cientficas, tiene dos
inconvenientes: no es fiable y no es pblico. No es fiable porque los datos de la memoria se alteran con
el tiempo, y no es pblico porque ningn otro investigador puede consultar la memoria de un observador
cuando lo desee. Por lo tanto, la observacin cientfica requiere algn tipo de registro de la informacin
que sea fiable y pblico. Por ejemplo, una grabacin de sonido o video, o un escrito que describe o narra
lo observado. En el primer caso el registro se realiza mientras se observa, y en el segundo caso luego de
haber observado.
Los registros suelen clasificarse en dos grandes grupos: los registros narrativos y los registros de planilla.
Estos ltimos tambin suelen denominarse registros de conducta (Rubio J y Varas J, 1997:422) o
registros de cdigo arbitrario (Len O y Montero I, 1995).
En el registro narrativo el observador se limita a contar lo que ha observado en forma de relato
descriptivo. El registro narrativo de una observacin podra comenzar por ejemplo, as: Nos reunimos
por la maana temprano y fuimos al aula que nos haban indicado. Cuando entramos, los alumnos
estaban todos conversando entre s, mientras el docente escriba en el pizarrn.
En el registro de planilla, el observador no cuenta una historia sino que llena una planilla o formulario
con ciertos variables, indicadores y categoras establecidas de antemano. As, por ejemplo, puede haber
un casillero que solicite cantidad de alumnos de la clase observada, otro para el promedio de edad de los
alumnos, otro donde el observador deber elegir llenar el casilleros S, No o Ms o menos frente a la
pregunta Los alumnos se mostraron ansiosos cuando el profesor les explic la tarea que tenan que
realizar?, etc. En este ltimo ejemplo, la variable puede ser ansiedad y las categoras los diferentes
valores que pueden adjudicarse a la ansiedad, es decir, S, No y Ms o menos. Eventualmente,
tambin pueden codificarse estas diferentes categoras adjudicando arbitrariamente el valor 2 a S, el
valor 0 a No, y el valor 1 a Ms o menos.

Pgina 210 de 325
210
En el cdigo arbitrario se organiza la informacin en una planilla con datos de inters (por ejemplo
cantidad de alumnos, etc.). El cdigo arbitrario es un sistema de categoras arbitrarias elaboradas por el
investigador para registrar los elementos de su inters en el fenmeno observado (Len y Montero,
1995). Bakeman y Gottman (1986) recomiendan los siguientes puntos para elaborar un cdigo de
observacin:

1) Nunca observar sin una pregunta previa claramente formulada.
2) Seleccionar el o los niveles de anlisis adecuados para buscar una respuesta.
3) Hacer una observacin asistemtica para recoger informacin en forma narrativa para ir
descubriendo categoras de anlisis.
4) Procurar usar categoras dentro del mismo nivel de molaridad-molecularidad, que sean
homogneas y lo suficientemente detalladas.
5) El cdigo debe estar formado por categoras exhaustivas y excluyentes entre s.
6) Realizar finalmente un proceso de depuracin, mediante la contrastacin emprica, antes de
considerar que se ajusta a sus intereses como investigador.

En otro ejemplo (Hernndez Sampieri y otros, 1996:316), para investigar la influencia del conocimiento
acerca del retraso mental sobre la conducta frente al retrasado mental, las categoras a considerar
pueden ser distancia fsica, movimientos corporales de tensin, conducta visual y conducta verbal.
Como puede apreciarse, en el registro de planilla la informacin est ms organizada, est ms
sistematizada en trminos de qu aspectos de lo observado resultan relevantes, mientras que el registro
narrativo es ms libre.
Las variables, indicadores y categoras se seleccionan siempre en funcin del marco terico que sustente
el observador-investigador: marcos tericos distintos dan lugar a categoras de observacin diferentes.
Por ejemplo (Len O y Montero I, 1995), si se observa el comportamiento verbal de un nio pequeo, se
puede utilizar el marco terico de Piaget o el de Vygotski. En el primer caso se tomar en consideracin
el concepto de habla egocntrica (para Piaget primero se aprende a hablar, luego se habla solo y
finalmente se empieza a hablar para o con los dems), y en el segundo caso se considerar el concepto
de habla privada (para Vygotski, primero se empieza hablando para y con los dems, y luego el habla se
usa para comunicarse con uno mismo, el habla se internaliza y forma los rudimentos del pensamiento
verbal).
Cuando se trata de observar conductas mediante un registro de planilla, los investigadores suelen utilizar
cinco aspectos o dimensiones de las mismas: ocurrencia, frecuencia, latencia, duracin e intensidad
(Len O y Montero I, 1995). La ocurrencia informa sobre si determinado fenmeno ocurri o no durante
la observacin. La frecuencia nos indica el nmero de veces que un determinado dato de observacin
aparece durante la misma. Otra medida posible de obtener es la latencia, o tiempo que transcurre entre
un estmulo y la aparicin de la reaccin o respuesta al mismo. La duracin es el tiempo durante el cual
se manifiesta el fenmeno observado, y la intensidad es la fuerza con que el fenmeno aparece en un
momento dado. Por ejemplo, la intensidad de la conducta agresiva.

Tipos de observacin.- Diferentes autores (Ander-Egg, 1987:201) (Rubio J y Varas J, 1997:404) (Len O
y Montero I, 1995) nos ofrecen distintas clasificaciones de los tipos de observacin. En lo que sigue se
proponen varios criterios importantes a tener en cuenta cuando se trate de ubicar cualquier observacin
en alguna categora.

a) Segn la participacin del observador, la observacin puede ser participante o no participante
(Hernndez Sampieri y otros, 1996:321) (Len O y Montero I, 1995). La primera tambin se denomina
interna y la segunda externa.
En sentido amplio, observacin participante es aquella en la cual el observador ejerce influencia sobre el
sujeto observado, lo cual puede ocurrir de dos maneras: a) observando la conducta del sujeto sabiendo
ste que es observado, o b) interactuando con el sujeto sin que este advierta que es investigado.
En la observacin participante el observador interacta con los sujetos que observa, es decir, es parte de
la situacin observada, lo que no ocurre en la observacin no participante, donde el observador
permanece ajeno a dicha situacin. Por ejemplo, no es lo mismo observar la conducta de un beb
mientras el observador est jugando con l, que cuando lo mira a travs del vidrio de una cmara Gesell.
Un ejemplo tpico de observacin participante lo ofrece la etnografa, cuando el observador convive con
los indgenas a quienes desea observar. Se trata de una observacin activa pues el observador participa
en forma directa e inmediata de la situacin, por ejemplo, asumiendo algn rol dentro del grupo
observado. Esta participacin puede ser natural, cuando el observador ya pertenece al grupo observado,
o artificial, cuando se integra al grupo para hacer la investigacin.
En sentido amplio, observacin participante es aquella en la cual el observador ejerce influencia sobre el
sujeto observado, lo cual puede ocurrir de dos maneras: a) observando la conducta del sujeto sabiendo
ste que es observado, o b) interactuando con el sujeto sin que este advierta que es investigado.
La observacin participante permite (Len O y Montero I, 1995) acceder a informacin que no podra
adquirir un observador externo, no participante.


Pgina 211 de 325
211
He aqu algunas definiciones de observacin participante.
Procedimiento para la recoleccin de datos en el cual el investigador se introduce en el medio natural y dedica
buen tiempo a notar y observar lo que all sucede, y a veces a interactuar con las personas que estudia (Vander
Zanden J, 1986:623).
La observacin participativa es un mtodo para conducir la investigacin descriptiva en el cual el investigador
se convierte en un participante de la situacin a fin de comprender mejor la vida de ese grupo (Woolfolk,
1996:14).

En el caso de la observacin no participante, el observador puede estar oculto o bien a la vista. Por
ejemplo, cuando se observa el comportamiento de los alumnos en una clase, ellos saben que el
observador est all, que es alguien de afuera que lleg quin sabe con qu intenciones. En estos casos
debe tenerse en cuenta la reactividad (Len O y Montero I, 1995), es decir, la posibilidad de estar
observando un fenmeno sesgado o influido por la propia presencia del observador, cuestin que en otro
mbitos como la fsica cuntica ha sido destacado en el llamado principio de incertidumbre de
Heinsenberg. Lo ideal, aunque difcil de realizar, es que el observador pase desapercibido. Si ello no
ocurre, se esperar a que el observado se habite a la presencia del observador.

De acuerdo a otros autores (Len y Montero, 1995), segn el grado en que el observador interviene en la
situacin observada, la observacin puede ser: observacin natural, observacin estructurada y
experimento de campo. Por observacin natural se entiende aquella donde el observador es un mero
espectador de la situacin, sin que intervenga de modo alguno en el curso de los acontecimientos
observados. Adems, tal situacin es natural o sea se produce dentro del contexto usual donde surgen
los fenmenos a observar.
En la observacin estructurada el observador busca estructurar una situacin para obtener una mayor
claridad en sus datos. Por ejemplo, observar nios pero proponindoles una tarea para realizar. En el
caso del experimento de campo, el nivel de estructuracin es mucho mayor aunque se mantiene el
propsito de realizar la observacin en un contexto natural (de ah el nombre campo). Un experimento
de campo implica la creacin de al menos dos situaciones distintas de observacin, de tal modo que las
diferencias esperables entre ambas sean atribuibles a la causa que est investigando.

b) Segn el nmero de observadores, la observacin puede ser individual o grupal (tambin llamada
colectiva o en equipo).
La observacin individual la realiza una sola persona, mientras que la observacin grupal es llevada a
cabo por varias personas. En este ltimo caso, pueden darse varias posibilidades, como por ejemplo: 1)
cada integrante del grupo de observadores observa la situacin en das diferentes; 2) todos los
integrantes observan la misma situacin al mismo tiempo, lo cual resulta especialmente til cuando se
trata de corregir posibles diferencias subjetivas entre ellos; y 3) todos los integrantes observan la misma
situacin al mismo tiempo pero cada cual con la consigna de observar diferentes aspectos de la situacin.
Por ejemplo: un observador puede atender la conducta corporal y otro la conducta verbal.

c) Segn el grado de sistematizacin de los datos, la observacin puede ser sistemtica o no sistemtica
(o, segn otras terminologas, estructurada y no estructurada). Algunos autores (Rubio J y Varas J, 1997)
incluyen categoras intermedias y se refieren a observaciones no sistematizada, sistematizada y muy
sistematizada.
En la observacin sistemtica el observador cuenta con esquemas elaborados acerca de lo que observar,
que definen y limitan el campo de la observacin. Implica delimitar de antemano tanto el campo a
estudiar (lugares y sujetos) as como los aspectos concretos o conductas a observar.
Algunos autores (Gonzlez G, 1990) definen directamente la observacin en trminos de esta
caracterstica, cuando dicen que la observacin comprende el registro de los patrones conductuales de
personas, objetos y sucesos en forma sistemtica para obtener informacin sobre el fenmeno de
inters.
Len y Montero indican que una condicin para que una observacin sea cientfica es que debe ser
sistemtica, es decir, se debe hacer de tal modo que de lugar a datos susceptibles de ser obtenidos
replicados- por cualquier otro investigador. Para garantizar esta sistematicidad es preciso que haya
procedimientos para evitar que los datos puedan ser sesgados por una definicin ambigua de lo que se
observar (el habla privada, por ejemplo), por la forma de registrar los datos (mientras se observa o al
final), por el momento de la observacin (no es lo mismo observar nios por la maana que por la tarde),
por los sujetos observados (a qu nios observar). En suma, todos los observadores deben respetar las
mismas condiciones: qu observar, como observar, cundo observar y a quines observar (Len y
Montero, 1995).
La observacin no sistemtica es ms libre en el sentido que no se establece de antemano con precisin
que se buscar observar, y por ello resulta especialmente apta para investigaciones exploratorias donde,
por no existir mucho conocimiento del tema, el observador abre todos sus sentidos y posibilidades para
conocer el fenmeno.

d) Segn el grado de artificialidad de la situacin observada, la observacin puede ser natural o artificial.
Esta ltima se llama tambin observacin de laboratorio.

Pgina 212 de 325
212
Mientras en la observacin natural observamos una situacin que ocurre espontneamente, que forma
parte de la vida real, en la observacin artificial el investigador crea una situacin especialmente para ser
observada. No es lo mismo observar como las personas reaccionan en la calle frente a un accidente
casual, que seleccionar a un grupo de personas en un lugar determinado y exponerlas a presenciar un
accidente provocado por el investigador. En este ltimo caso, la situacin no ocurre en forma espontnea
y natural, sino que es inducida o provocada.
Las observaciones artificiales son tpicas de los experimentos de laboratorio. Por ejemplo, cuando se aisla
a un grupo de nios en una cmara Gesell y, en un momento dado se les suministra juguetes y luego se
les quita, con el fin de averiguar como influyen los niveles de frustracin sobre la forma de jugar de los
nios.
Ciertos autores ofrecen su propia definicin de observacin natural. Por ejemplo, para Len y Montero la
observacin natural incluye tambin la condicin de ser una observacin no participante: por observacin
natural entienden aquella donde el observador es un mero espectador de la situacin, sin que intervenga
de modo alguno en el curso de los acontecimientos observados. Adems, tal situacin es natural, o sea,
se produce dentro del contexto usual donde surgen los fenmenos a observar (Len O y Montero I,
1995).
Para Vander Zanden, en la observacin naturalista se observa y registra el comportamiento de las
personas tal como se produce dentro de su marco natural. Es importante aqu la observacin
participante, donde el investigador se introduce dentro del grupo que va a estudiar, a veces
interactuando tambin l con las personas en estudio. Una variante es el experimento por demostracin
(Garfinkel) donde el investigador introduce una perturbacin dentro de las interacciones para ver cmo
las personas reaccionan (Vander Zanden, 1986).

e) Segn el tipo de informacin que se busca, la observacin puede ser cualitativa o cuantitativa.
La observacin cualitativa procede en forma poco estructurada, priorizando los aspectos relacionales y
significativos de la conducta, sin detenerse en su frecuencia y regularidad. Es til en estudios
exploratorios sobre un fenmeno desconocido. La observacin cuantitativa, en cambio, busca el registro y
recuento de conductas con la intencin de ofrecer tipos o perfiles de comportamientos, regularidades y
predicciones en torno a la frecuencia con que aparece un rasgo, accin o conducta. Es tpica en la
observacin ms sistematizada.
Por ejemplo, en una observacin cualitativa se describir una conducta atendiendo a sus peculiaridades
nicas, mientras que en una observacin cuantitativa se describir simplemente cuantas veces ha
aparecido esa conducta durante el tiempo de observacin.
Rubio y Varas refieren que los registros narrativos son ms aptos para obtener informacin cualitativa, y
suelen ser empleados en observaciones no sistemticas. En cambio los registros de planilla son ms
aptos para obtener informacin cuantitativa, y son tpicos de las observaciones ms sistemticas (Rubio J
y Varas J, 1997:422).

Hay an otras clasificaciones, como por ejemplo segn la forma de obtencin de los registros puede ser
personal y mecanizada, y segn su campo de aplicacin, puede ser auditoras, anlisis comunicacional y
anlisis de vestigios (Gonzlez G, 1990).

Precauciones en el empleo de la observacin.- a) Tcnicas de muestreo en la observacin.- Cuando
observar, a quin observar y dnde hacerlo? Respecto del a quin, se elige siempre una muestra de
sujetos, no a toda la poblacin, pero ella debe ser representativa, es decir, recoger todas las
caractersticas relevantes de la poblacin. Respecto del cundo observar, hay un muestreo de tiempo, es
decir, elegir el lapso de tiempo que se observar (todo el da, por la maana, etc.). Este muestreo de
tiempo puede ser sistemtico (seleccin racional del periodo de observacin) o aleatorio (al azar). Una
vez seleccionados los periodos de observacin, deber luego decidirse si el registro de lo observado se
har en forma continua o por intervalos. Y respecto del dnde observar, debe realizarse un muestreo de
situaciones (tambin puede ser sistemtico o aleatorio), y aqu la muestra debe tambin ser
representativa (Len O y Montero I, 1995).
En general conviene elegir una muestra representativa de la poblacin y del tiempo de observacin. Si se
elige observar alumnos con problemas de motricidad, tal vez no sean una muestra representativa de toda
la poblacin estudiantil. A veces, sin embargo (Rubio J y Varas J, 1997:430), pueden seleccionarse casos
nicos, casos extremos, casos comparables entre s, etc. Del mismo modo, si se elige observar solamente
dos minutos, tal vez ese lapso no represente todo lo que sucede en la clase, y s puede ser una muestra
temporal representativa tomar varios intervalos de diez minutos al azar.
b) Validez y confiabilidad.- Hasta donde sea posible, debe procurarse que la observacin sea vlida y
confiable. Validez y confiabilidad son los dos requisitos bsicos de todo instrumento de medicin. Len y
Montero explican que la confiabilidad se refiere a que el procedimiento de recogida de datos ha de llevar
siempre a la obtencin de la misma informacin, dentro de una situacin dada, independientemente de
quin recoja los datos o del momento en que se recojan.
El grado de acuerdo es el medio ms usual para estudiar la fiabilidad. Existen varios ndices para calcular
este acuerdo, como por ejemplo el porcentaje de acuerdo (porcentaje de veces que dos observadores

Pgina 213 de 325
213
han coincidido en lo observado) y el coeficiente Kappa de Cohen (toma en cuenta que algunos de los
acuerdos pueden ser debidos al azar).
Por validez se entiende que dicho procedimiento recoja los datos que realmente pretende recoger. La
validez se suele estudiar en relacin a tres aspectos diferentes de la misma. La validez de contenido
estudia si la seleccin de conductas recogidas en un cdigo es una muestra representativa del fenmeno
a estudiar. La validez de constructo indica en qu medida un cdigo de observacin es congruente con la
teora desde la que se formul el problema. Y la validez orientada al criterio establece en qu medida un
cdigo detecta las posibles variaciones del fenmeno a observar (sensibilidad del cdigo) (Len O y
Montero I, 1995).
c) Etica.- Adoptar una actitud de respeto hacia las personas observadas. Cuando sea necesario dar a las
personas una explicacin de las tareas de observacin (Ander-Egg, 1987:198).
d) Los detalles.- Utilizar indicios y percepciones a partir de pequeos detalles. Aunque leves, las
impresiones ayudan a la comprensin del todo (Ander-Egg, 1987:198).
e) Identificacin de la unidad de anlisis.- Deber tenerse en claro a quin se observar: a las personas,
al grupo en su conjunto, a un colectivo (conjunto de personas que no llegan a formar un grupo), a un
barrio, etc. En funcin de la unidad de anlisis se establecern las variables a considerar. Por ejemplo, si
se estudian grupos interesarn propiedades tales como la cohesin, que no correspondera adjudicar a las
personas individualmente. En cambio, si la idea es estudiar personas, variables a considerar podran ser
el sexo o la personalidad, cualidades que no se podran adjudicar a un grupo. Existen, sin embargo,
variables que en principio pueden adjudicarse tanto a personas como a grupos, como por ejemplo los
estilos de aprendizaje.

Ventajas y limitaciones de la observacin.- Tanto como instrumento de recoleccin de datos como
instrumento de medicin, la observacin presenta ciertas ventajas y ciertas limitaciones en relacin con
otros instrumentos como pueden ser la entrevista, el cuestionario o los tests.

Algunas ventajas de la observacin pueden ser las siguientes (Hernndez Sampieri y otros, 1996:321)
(Ander-Egg, 1987:206):
1) No es obstrusiva, es decir, este instrumento de medicin no estimula el comportamiento de los
sujetos, como puede hacerlo un cuestionario. Simplemente registra algo que fue estimulado por factores
ajenos al instrumento de medicin.
2) Acepta material no estructurado.
3) Puede trabajar con grandes volmenes de datos.
4) Permite obtener informacin independientemente del deseo o no de las personas de ser observadas.
5) Permite obtener informacin teniendo en cuenta el contexto en que ocurre.
6) Permite obtener informacin sin intermediarios, de primera mano, sin distorsiones.

Entre las limitaciones de la observacin se pueden consignar (Ander-Egg, 1987:207):
1) El observador suele proyectar su ecuacin personal sobre lo observado. El sesgo en la observacin
est tambin influido por las propias expectativas del observador acerca de lo que ver (Len O y
Montero I, 1995).
2) No es sencillo separar los hechos observados de la interpretacin de los hechos.
3) El observador puede influir sobre lo observado provocando conductas atpicas, inhibiciones,
exhibicionismo, etc., en los observados.
4) Se corre el riesgo de hacer generalizaciones no vlidas a partir de situaciones no representativas.

Observacin e hiptesis.- En general, se admite que toda observacin es selectiva, en el sentido de que
est orientada o guiada por expectativas previas acerca de cmo es la realidad, es decir, por hiptesis
previas. Si se observa una biblioteca donde algn libro est en alguna posicin anmala, la atencin se
dirige ms rpidamente a ese libro: de alguna manera el observador se siente conmovido o alarmado
porque hay algo que se contradice con su expectativa acerca de lo que es una biblioteca. En estos casos,
dos cursos posibles de accin pueden ser los siguientes: o bien se coloca bien el libro (se modifica la
realidad), o bien se cambia la hiptesis acerca de lo que es una biblioteca (se cambia la teora).
Puede concluirse que entre observacin e hiptesis hay una realimentacin: la observacin sugiere
nuevas hiptesis, pero tambin las hiptesis previas orientan la observacin.

La entrevista

Definicin.- Es una situacin en la cual el investigador y el o los entrevistados mantienen un dilogo cara
a cara con el fin de obtener datos para una investigacin. Por ejemplo, en una investigacin exploratoria
permite recabar informacin de cualquier persona que est inmersa en el tema a investigar. Si se
investiga drogadiccin, podrn entrevistarse a drogadictos, padres hermanos o amigos de drogadictos,
expertos en drogadiccin, ex-drogadictos, etc.
Tamayo (1999:94) la define como un conjunto de preguntas realizadas en forma oral que hace el
investigador a un sujeto para obtener informacin, y que son anotadas por el primero.

Pgina 214 de 325
214
El tiempo de duracin de la entrevista puede extenderse desde alrededor de 20 minutos hasta varias
horas, y puede desarrollarse en una o varias reuniones con una frecuencia a determinar por el
investigador. Como sucede con cualquier instrumento de recoleccin de datos, es importante que la
informacin obtenida quede registrada de manera que pueda ser consultada por otros investigadores: en
forma escrita, en forma electrnica (audio, video), etc.

Clasificacin.- De acuerdo al nmero de entrevistados, la entrevista puede ser individual o grupal
(Tamayo, 1999:94), y de acuerdo a su grado de estructuracin, pueden ser estructuradas y no
estructuradas.
La entrevista estructurada es aquella que se hace de acuerdo a la estructura de la investigacin; puede
ser de orden flexible o rgido. Las rgidamente estructuradas son de orden formal y presentan un estilo
idntico del planteamiento de las preguntas y en igual orden a cada uno de los participantes. Son
flexibles cuando conservan la estructura de la pregunta, pero su formulacin obedece a las caractersticas
del participante (Tamayo, 1999:95).
La entrevista no estructurada es aquella en la que la pregunta puede ser modificada y adaptarse a las
situaciones y caractersticas particulares del sujeto. El investigador puede seguir otras pautas al
preguntar. No se trabaja este tipo de entrevistas cuando se va a verificar hiptesis, pues resulta difcil la
cuantificacin de los datos obtenidos (Tamayo, 1999:95).
Selltiz y otros (1980) clasifican las entrevistas en: entrevista estndar de pregunta abierta
(estructurada), entrevista dirigida (parcialmente estructurada), entrevista clnica (parcialmente
estructurada), entrevista profunda (parcialmente estructurada), y entrevista no dirigida (no
estructurada). Estos autores ponen el nfasis en la forma de entrevistar: desde la situacin donde se
deja que el entrevistador hable libremente, hasta la situacin donde el entrevistador debe ceirse a
responder determinadas preguntas. En las preguntas abiertas el entrevistado puede responder lo que
desee, mientras que en las preguntas cerradas debe optar por alguna respuesta predeterminada (s/no,
etc.).
Los mencionados autores refieren que en la entrevista dirigida se sabe de antemano qu tema se va a
estudiar del sujeto. En la entrevista clnica se incluye adems una exploracin del pasado, y en la
entrevista profunda las motivaciones ntimas del sujeto. La entrevista no dirigida implica un entrevistador
que sirve mas bien como catalizador o continente del sujeto.

Precauciones.- Los no s o las faltas de respuesta pueden deberse realmente a una real ignorancia o a
una falla en la entrevista. Si se deben a lo primero, deben incluirse en la tabla como una categora ms
(del tipo no sabe). Si se deben a lo segundo, deben mejorarse las entrevistas para evitar esos errores,
pero si an as persisten, se investigar si se dan al azar con igual frecuencia en todos los grupos de
interrogados. Si es as, los no s y las faltas de respuesta pueden excluirse del cuadro o tabla (Zeisel,
1986).

El cuestionario

Definicin y clasificacin.- Es un instrumento de recoleccin de datos formado por una serie de
preguntas que se contestan por escrito a fin de obtener la informacin necesaria para la realizacin de
una investigacin (Tamayo, 1999:70). Los cuestionarios son especialmente aptos para explorar
determinadas variables, como por ejemplo clase social o actitudes. Nadie utilizara un cuestionario para
indagar la variable modalidad de juego en un nio, que se explora mediante la observacin, del mismo
modo que nadie intentara averiguar la clase social de una persona observando su comportamiento
durante un da entero.
Los cuestionarios pueden clasificarse segn varios criterios, de los cuales cabe mencionar dos: a) segn
el tipo de pregunta, y b) segn quien escribe las respuestas.
De acuerdo al primer criterio, los cuestionarios pueden ser estructurados (todas preguntas cerradas),
semiestructurado (preguntas abiertas y cerradas), y no estructurado (todas preguntas abiertas). En
general (Gonzlez, 1990), las preguntas que se hacen pueden ser sencillas y destinadas a averiguar
variables demogrficas como sexo, edad o nivel de instruccin, preguntas sobre intereses, actitudes,
opiniones, y preguntas de control destinadas a detectar contradicciones en las respuestas.
De acuerdo al segundo criterio, los cuestionarios pueden ser autoadministrables, cuando el sujeto mismo
registra sus respuestas, o heteroadministrables, cuando es el investigador quien las anota. Estos ltimos
suelen llamarse encuestas, si se entiende por encuesta un instrumento de observacin formado por una
serie de preguntas formuladas y cuyas respuestas son anotadas por el empadronador (Tamayo,
1999:94). Otros autores asignan al trmino otros significados, como por ejemplo Vander Zanden
(1986:619), que incluye dentro de las encuestas los cuestionarios escritos pero tambin las entrevistas.
Los mtodos para tomar encuestas pueden ser de cuatro tipos: telefnica, por correo, personal (en el
hogar, interceptacin en centros comerciales), y por computadora (red Internet, etc.) (Gonzlez G,
1990).

Construccin de cuestionarios.- Una vez que se ha definido operacionalmente una variable en trminos
del indicador administrar un cuestionario, se procede a continuacin a tomarlo o administrarlo si ya

Pgina 215 de 325
215
existe y es lo suficientemente vlido y confiable. En el caso de no disponerse de l, el investigador deber
construir un cuestionario ad hoc. El cuestionario debe ser fcilmente comprensible para el sujeto que
responde, de manera tal que pueda entender enseguida no slo las preguntas sino tambin la
organizacin misma del cuestionario.
Los pasos fundamentales de la construccin de un cuestionario son:
1) Seleccionar las preguntas.- El conjunto de preguntas elegido debe cubrir todas las dimensiones de la
variable. Si para explorar la clase social hay una sola pregunta del tipo qu marca de calzoncillos usa?,
este solo interrogante no alcanza para decidir sobre el estrato social del encuestado, porque tal vez los
de clase media y baja usen las mismas marcas, y porque hay otras cosas que definen tambin una clase
social. Por lo tanto, las preguntas deben apuntar a explorar todas las facetas de la variable, es decir, sus
diversas dimensiones y subdimensiones: nivel de ingresos, nivel de instruccin, etc., obvindose al
mismo tiempo las preguntas irrelevantes del tipo le gusta el caf amargo o dulce? porque nada nos
dice sobre la clase social. En este primer paso tambin se definirn cuales sern preguntas abiertas y
cuales cerradas, o si slo habr preguntas abiertas o slo cerradas.
Es preciso tambin incluir al comienzo del cuestionario preguntas que informen sobre datos bsicos:
nombre (si no es annimo), edad, sexo, o nivel de instruccin, a eleccin del investigador. El cuestionario
incluir tambin un casillero para la fecha de administracin y otro para su numeracin.
2) Ordenar las preguntas.- El orden suele ser importante no slo porque algunas preguntas siguen una
secuencia lgica sino tambin porque las organiza de forma tal que las preguntas similares aparezcan
distanciadas entre s. Adems, a veces conviene evitar que las preguntas que exploran una misma
dimensin de la variable estn juntas, y otras veces conviene hacerlo.
3) Clasificar las respuestas posibles.- Las preguntas deben estar hechas de tal forma que sea posible
clasificar sus respuestas segn algn criterio. Si se trata de preguntas cerradas, deben especificarse una
lista de respuestas posibles, de la cual el sujeto elegir alguna haciendo por ejemplo una cruz en el
casillero correspondiente.
Si la pregunta es tiene el secundario aprobado?, las respuestas posibles sern s o no. Si la pregunta
es qu nivel de instruccin tiene? se podrn clasificar las respuestas posibles como primaria,
secundaria y universitaria, y hasta agregar, para obtener mayor precisin, primaria incompleta,
secundaria incompleta y universitaria incompleta. Si la pregunta es qu opinin le merecen los
negros?, las respuestas posibles podran ser buena, regular o mala. Los cuestionarios tambin pueden
incluir afirmaciones en lugar de preguntas, frente a las cuales el sujeto podr dar como posibles
respuestas muy de acuerdo, de acuerdo o en desacuerdo.

Siguiendo a Coombs (citado en Gonzlez G, 1990) las escalas de medicin de variables psicolgicas pueden
clasificarse en dos tipos: escalas de autoclasificacin (se le pide al sujeto que se site en una posicin a lo largo
del continuo de la variable que se est midiendo) y escalas de clasificacin objetal (se le pide al sujeto que
ubique uno o ms objetos a lo largo del continuo de la variable que se est midiendo). Ejemplos son los
siguientes:

Autoclasificacin Escala Likert
Escala Thrustone
Escala Bogarde
Escala Guttman
Se utilizan clsicamente para medir las actitudes y sus tres
componentes (afectivo, ideacional y volitivo), midiendo tanto su
direccin como su intensidad.
Clasificacin
objetal
Comparativas Orden-rango
Comparacin pareada
Clasificacin Q
Suma constante
No comparativas Clasificacin continua
Clasificacin por partidas Diferencial semntico
Escala de Stapel

Escalas de autoclasificacin
Escala Likert.- Se presentan una serie de afirmaciones (por ejemplo las escuelas municipales funcionan bien) y
se pide al encuestado su grado de acuerdo o desacuerdo con dicha afirmacin (por ejemplo muy de acuerdo, de
acuerdo, ni acuerdo ni desacuerdo, desacuerdo, muy en desacuerdo). En otro ejemplo, preguntas tipo Likert
son las siguientes: La atencin al cliente le resulta: satisfactoria, regular, insatisfactoria (marcar lo que
corresponda).
Escala Thurstone.- Se enumeran una serie de afirmaciones en torno a un tema de investigacin, y se indica si se
est o no de acuerdo. Por ejemplo, una afirmacin de la serie podra ser: Casi todos los comerciales de TV me
son indiferentes.
Escala Bogardus.- Esta escala tena por objetivo estudiar relaciones entre grupos tnicos, y por ello se la conoce
como escala de distancia social. Luego se extendi al estudio de relaciones entre clases sociales, grupos
ocupacionales y minoras. Un ejemplo es la escala de distancia racial, donde la persona debe ubicar diferentes
tems (por ejemplo se casara con, tendra como amigos a, etc dentro de alguna categora como judo, negro,
indio, blanco europeo, chino, mestizo).

Escalas comparativas
Orden-rango.- Se le presentan al entrevistado un conjunto de objetos en forma simultnea (por ejemplo
marcas) y se le pide que los ordene o clasifique segn algn criterio como calidad, confiabilidad, diseo, precio,
etc.)

Pgina 216 de 325
216
Comparacin pareada.- Se le presentan al entrevistado pares de objetos y se le pide que seleccione uno de
acuerdo a un criterio (sabor, aroma, diseo, textura, precio, etc.). Por ejemplo, se presentan seis pares de
bebidas gaseosas y seala cual de cada par prefiere por su sabor.
Clasificacin Q.- Se utiliza para discriminar con rapidez entre una cantidad relativamente grande (30-40) de
objetos, los que pueden ser productos, marcas, personas, ideas o afirmaciones. Se le presentan al entrevistado
el conjunto completo de objetos y se le pide que los clasifique en base a su similitud con un nmero limitado de
clases o grupos. Ejemplo: clasifique una lista de automviles en alguno de los siguientes grupos segn el uso
principal que le dara: automvil de uso ciudadano, de uso profesional, de uso familiar, para divertirse y para
viajar.
Suma constante.- Se pide al entrevistado que distribuye un conjunto de conceptos en una cantidad fija, como
por ejemplo 100 (cien). El objetivo es medir la importancia relativa que tiene cada objeto para el entrevistado.
Por ejemplo, asignar un valor a las siguientes caractersticas en funcin de su importancia cuando debe
comprarse un auto: precio, motor, equipamiento, consumo, apariencia externa. Los valores deben sumar 100.

Escalas no comparativas
A travs de estas escalas se propone a los entrevistados que hagan clasificaciones de objetos de manera
independiente, sin compararlos con otros, segn ciertos criterios. No se comparan los objetos entre s, sino que
se evala uno por vez. O sea, no se demanda al entrevistado un juicio condicional, pues el juicio sobre un objeto
ya no est condicionado por el objeto de comparacin.
Clasificacin continua.- Los encuestados califican los objetos marcando sobre una lnea recta continua su
posicin respecto al tema objeto de investigacin. Dicha lnea puede estar representada nicamente por dos
extremos (por ejemplo nada amables y muy amables, si se investiga la amabilidad del personal de una
empresa), o pueden indicarse graduaciones dentro de dicho continuo. Asimismo, pueden utilizarse una
graduacin numrica y otra verbal para facilitar la respuesta del encuestado.
Clasificacin por partidas.- Suelen utilizarse la medir la imagen de una empresa. Por ejemplo el diferencial
semntico y la escala de Stapel.
Diferencial semntico.- Es una escala bipolar, donde el sujeto debe ubicar a una empresa entre dos polos, como
por ejemplo confiable y no confiable, en algn punto intermedio entre ambos. Se asigna el valor 0 (cero) a la
categora media, y valores negativos y positivos hacia ambos lados. Generalmente se evalan entre 7 y 8
dimensiones, una de las cuales puede ser confiabilidad.
Escala de Stapel.- Es una escala unipolar, donde la persona debe ubicar por ejemplo la confiabilidad en una
escala de menos 5 a ms cinco, pasando tambin por el cero. Evita el problema de definir adjetivos o frases
bipolares.

Las respuestas posibles a las preguntas abiertas son tambin susceptibles de clasificacin, slo que no
ser el sujeto quien elija una opcin sino el mismo investigador, a partir de la informacin libre
proporcionada por el sujeto. As, frente a la pregunta cul es su opinin sobre la infidelidad?, el sujeto
podr explayarse todo lo que quiera, pero su respuesta deber poder ser ubicada en alguna alternativa:
como de acuerdo, en desacuerdo, etc., o bien la defiende, la ataca, etc.
4) Codificar las respuestas posibles.- La codificacin consiste en asignarle un valor (generalmente un
nmero) a cada respuesta posible. Por ejemplo, si el sujeto respondi la primera opcin que se asignarn
5 puntos, y si respondi a la segunda, 10 puntos. En general, el nmero indica la importancia de la
respuesta, pero puede tener otras finalidades.
5) Especificar un procedimiento para construir un ndice.- El ndice es una medida compleja que se
obtiene combinando los valores obtenidos por un individuo en cada uno de los indicadores propuestos
para la medicin de una variable (Korn, 1969). Adaptando esta definicin a un cuestionario, puede
decirse que un ndice es un valor (generalmente un nmero) que representa y sintetiza todos los valores
de las respuestas obtenidas. As, si para un sujeto se codific con 5 la primera respuesta, con 10 la
segunda y con 3 la tercera, el ndice resultar por ejemplo de la suma, es decir, 18.
La forma de construir el ndice debe quedar especificada claramente. Hay muchas formas de construir
ndices: adems de la simple suma o de simple promedio aritmtico est tambin el promedio ponderado,
donde se asigna mayor peso a ciertas preguntas a los efectos del conteo final. Otras veces se extraen
previamente subndices, uno para cada dimensin, para luego resumirlos en el ndice final, tal como
puede verse en el test WISC de inteligencia que, aunque no es un cuestionario, tiene la misma
organizacin al respecto.
La utilidad del ndice no consiste slo en resumir mucha informacin en una sola cifra, sino muchas veces
tambin compensar estadsticamente la inestabilidad de las respuestas: factores como la falta de
atencin o el desinters pueden malograr algunas respuestas, y en el ndice pueden quedar compensados
esos pobres resultados con otras respuestas donde se puso mayor inters y concentracin, y donde se
obtuvieron resultados ptimos.
Pero la utilidad principal del ndice es que permite ubicar al sujeto en alguna categora de la variable
medida por el cuestionario. Por ejemplo, si el ndice obtenido por el sujeto A es 56, entonces ser ubicado
en la categora muy discriminador de la variable discriminacin social. Al construirse el cuestionario,
tambin debe quedar especificado un criterio para efectuar esta clasificacin.
6) Administrar una prueba piloto.- Permite probar si el cuestionario fue bien construido, y modificarlo si
es necesario. Este paso es importante porque permite, entre otras cosas, averiguar si las preguntas
podrn ser bien comprendidas por los sujetos.
7) Establecer la validez y la confiabilidad del instrumento construido.- Se trata de una tarea ardua que
suele exigir la administracin del cuestionario a una gran cantidad de personas, el empleo de pruebas
estadsticas especializadas y la confeccin de baremos.

Pgina 217 de 325
217

Cuestionario y entrevista.- Ambos instrumentos tienen algunas diferencias. Por empezar el cuestionario
es escrito y la entrevista es oral. Luego, el cuestionario puede ser individual o colectivo (se puede
administrar a muchas personas al mismo tiempo por un solo investigador), mientras que la entrevista es
individual (o a lo sumo grupal).
Refieren Selltiz y otros (1980) que el cuestionario es adems menos oneroso, requiere menos habilidades
del recolector de los datos, puede alcanza a poblaciones numerosas por ser colectivo, y pone al sujeto en
una actitud menos obligada para responder inmediatamente. La entrevista, por su parte, es ms flexible
pues se pueden cambiar, agregar o modificar preguntas, informa no slo sobre lo que el sujeto dice sino
sobre cmo lo dice, y permite tener acceso a personas analfabetas o poco instruidas.
La desventaja de los cuestionarios y entrevistas es que son inaplicables cuando las personas no quieren o
no pueden contestar sinceramente, en cuyo caso se recurrir a la observacin o a los tests.

El test

Definicin y clasificacin.- La palabra test remite a prueba, ensayo, examen, y consiste en someter a los
sujetos a una situacin estmulo donde habrn de dar ciertas respuestas. Difiere del cuestionario en
alguno o en todos los siguientes aspectos: a) los estmulos no son solamente preguntas, como en los
cuestionarios, sino situaciones, como por ejemplo presentar una imagen para inventar una historia en
torno a ella (por ejemplo el TAT o el TRO); b) los estmulos son lo suficientemente hermticos como para
que el sujeto desconozca qu est midiendo el investigador (por ejemplo las lminas del Test de
Rorschach); esto es til porque evita que el sujeto manipule la informacin que ofrece sobre s mismo y
porque permite conocer ms rpidamente aquellos aspectos que el sujeto desconoce de s y que nunca
podra haber suministrado en una entrevista o un cuestionario (o que hubiese tardado ms en hacerlo),
donde el sujeto expresa lo que conoce de s; c) las respuestas de los sujetos no son solamente verbales
sino que tambin pueden ser no verbales: realizar un dibujo, dramatizar una situacin, resolver un
problema aritmtico, resolver una situacin simulada, etc.
Suelen clasificarse los tests psicolgicos en tests psicomtricos y tests proyectivos. Los primeros estn
diseados para estudiar capacidades como la inteligencia, mientras que los segundos para explorar la
personalidad y los aspectos ms inconcientes de los sujetos. Tambin puede clasificrselos de acuerdo al
tipo de respuesta en verbales (el sujeto responde con palabras), grficos (el sujeto debe dibujar o copiar
un dibujo) y de accin (el sujeto debe jugar, dramatizar una situacin, etc.).

Los tests en la investigacin.- Los tests en general pueden ser utilizados en la clnica o en la
investigacin. En el primer caso, se puede buscar establecer un diagnstico, realizar una orientacin
vocacional o una seleccin de personal. En el segundo caso, se busca obtener un conocimiento ms
general que trascienda el inters inmediato sobre un caso particular. Cuando a una persona se le
administra un test de inteligencia y otro de personalidad, la finalidad es clnica si solamente se procura
conocer su aptitud para un puesto de trabajo o su nivel de imputabilidad en una causa penal. En cambio,
la finalidad ser investigativa si se procura, por ejemplo, comparar los resultados con el de otras
personas para ver si hay alguna relacin entre personalidad e inteligencia, ms all de los casos
particulares (investigacin bsica) o para probar la validez inter-test de alguna de ambas pruebas
(investigacin aplicada).

Construccin de tests.- Del mismo modo que con los cuestionarios, si no se dispone de tests debidamente
estandarizados que se adapten a los propsitos de la investigacin, deber emprenderse la ardua tarea
de construir uno. Se trata de una tarea ms compleja que la construccin de un cuestionario, aunque
algunas de las indicaciones para construir cuestionarios pueden servir para la construccin de tests. Por
ejemplo, en los tests tambin se suelen codificar las respuestas posibles y se especifica un procedimiento
para obtener un ndice. Por ejemplo, en el test de inteligencia de Weschler el ndice a construir es una
medida del Cociente Intelectual (CI). Adems, como ocurre con cualquier instrumento de medicin,
tambin el test ha de ser vlido y confiable. Un test de inteligencia no puede disearse un test de
inteligencia con la sola pregunta es usted inteligente?, porque, si bien puede ser confiable, no es vlido
ya que en realidad podra estar midiendo otras variables como la autoestima.

2. ORGANIZACIN DE LOS DATOS

Cuando termina la etapa de la recoleccin de datos, generalmente el resultado es una gran masa de
informacin sin organizar, como por ejemplo quinientos cuestionarios respondidos, o diez cintas de audio
con transcripciones de entrevistas, o una montaa de radiografas o anlisis clnicos de laboratorio.
Antes de ser analizados, es necesario organizar y resumir todos los datos de una manera que pueda ser
til a los propsitos de la investigacin y, si bien hay recomendaciones generales, la organizacin de la
informacin tendr sus propias peculiaridades segn se trate de informacin cualitativa o de informacin
cuantitativa, es decir, constituida respectivamente por datos no numricos y por datos numricos.

Pasos de la organizacin de los datos

Pgina 218 de 325
218

Como habitualmente las investigaciones incluyen en mayor o menor medida informacin cuantitativa, o
generan informacin cuantitativa a partir de informacin cualitativa, a continuacin de researn
sucintamente los pasos para organizar este tipo de informacin:

1) Construccin de una matriz de datos.- En un primer paso se lleva toda la informacin relevante a una
matriz de datos. Por ejemplo, la informacin relevante de 85 tests de inteligencia puede volcarse en una
matriz del siguiente modo:

N Sujeto Edad Sexo CI (Cociente intelectual)
1 Juan 32 Masculino 105
2 Mara 24 Femenino 120
3 Pedro 18 Masculino 85
4 Antonio 35 Masculino 110
85 Etc

Como puede apreciarse, la matriz de datos tpica incluye una columna con la identificacin de los sujetos
y otras tantas columnas correspondientes a las variables de inters.

2) Construccin de tablas y cuadros.- En un segundo paso se resume an ms la informacin en tablas y
en cuadros. Las tablas contienen informacin sobre una variable, como por ejemplo sobre el Cociente
Intelectual:

CI f (frecuencia)
menos de 90 25
91-110 20
111-130 18
ms de 131 22
Total 85

En las tablas desaparecieron los elementos identificatorios de los sujetos (por ejemplo sus nombres),
quedando solamente indicadas las frecuencias con que aparecen las categoras de la variable. Por
ejemplo, hay 25 sujetos que obtuvieron menos de 90 como Cociente Intelectual.
Las tablas son particularmente tiles para las investigaciones descriptivas, que estudian una sola
variable, pero en las investigaciones correlacionales y explicativas, donde se busca examinar la relacin
entre dos o ms variables, ser necesaria la construccin de cuadros, o elementos que relacionan
variables:

Alta Media Baja Total
-90 30 40 70 140
90-110 55 55 50 160
+110 80 50 20 150
Total 165 145 140 450

El cuadro indica, por ejemplo, que hay 30 sujetos que tienen menos de 90 de CI y que pertenecen a la
clase alta. El cuadro del ejemplo relaciona entonces las variables CI con clase social. Se trata de un
cuadro bivariado, pero tambin hay cuadros trivariados y multivariados.
Tanto las tablas como los cuadros deben tener un encabezamiento que incluya informacin sobre las
variables, las unidades de anlisis y el lugar y el momento de la recoleccin de la informacin. El cuadro
del ejemplo podra tener el siguiente encabezamiento: Cuadro I: Inteligencia segn clase social en
adolescentes de la Ciudad de Buenos Aires, ao 1980.
Tanto en las tablas como en los cuadros los elementos propiamente informativos son las frecuencias, o
nmero de sujetos incluidos en las categoras.
Hay varios tipos de frecuencias. En los siguientes ejemplos, por ejemplo la cifra 30, que significa que hay
30 sujetos de clase alta con CI inferior a 90; o la cifra 145, indicadora que hay 145 adolescentes de clase
media; o la cifra 450, que indica el nmero total de casos de la muestra. Estos tres ejemplos
corresponden, respectivamente, a las llamadas frecuencias condicionales, marginales y totales. La
frecuencia condicional corresponde al entrecruzamiento de dos categoras distintas, y la frecuencia
marginal slo a una. As, 20 es frecuencia condicional y 150 frecuencia marginal.
Puede verse que las frecuencias marginales resultan de la suma de las frecuencias condicionales
correspondientes, y pueden ser horizontales (como 140, resultado de sumar 30, 40 y 70) o verticales
(como 145, que resulta de sumar 40, 55 y 50). La suma de las frecuencias marginales horizontales debe
ser igual a la suma de las frecuencias marginales verticales, y esa cifra debe equivaler a la frecuencia
total (tamao de la muestra).

Pgina 219 de 325
219
Un cuadro bivariado puede tambin incluir la misma informacin pero bajo la forma de frecuencias
acumuladas (horizontales o verticales), frecuencias porcentuales (horizontales o verticales) y frecuencias
porcentuales acumuladas (tambin horizontales o verticales). El esquema siguiente ejemplifica estas
alternativas:



Ejemplos de frecuencias




Alta Media Baja Total
-90 30 40 70 140
90-110 55 55 50 160
+110 80 50 20 150
Total 165 145 140 450
1. Frecuencias absolutas

Alta Media Baja Total
-90 30 70 140 -
90-110 55 110 160 -
+110 80 130 150 -
Total 165 310 450 -
2. Frecuencias acumuladas horizontales

Alta Media Baja Total
-90 30 40 70 140
90-110 85 95 120 300
+110 165 145 140 450
Total - - - -
3. Frecuencias acumuladas verticales

Alta Media Baja Total
-90 21% 29% 50% 100%
90-110 34% 34% 32% 100%
+110 53% 33% 14% 100%
Total - - - -
4. Frecuencias porcentuales horizontales

Alta Media Baja Total
-90 18% 28% 50% -
90-110 33% 38% 36% -
+110 49% 34% 14% -
Total 100% 100% 100% -
5. Frecuencias porcentuales verticales

Alta Media Baja Total
-90 21% 50% 100% -
90-110 34% 68% 100% -
+110 53% 86% 100% -
Total - - - -
6. Frecuencias porcentuales acumuladas horizontales

Alta Media Baja Total
-90 18% 28% 50% -
90-110 51% 66% 86% -
+110 100% 100% 100% -
Total - - - -
7. Frecuencias porcentuales acumuladas verticales


Como puede verse, la misma informacin del cuadro original 1 puede expresarse, segn las necesidades
de la investigacin, de seis maneras diferentes. He aqu algunos ejemplos de cmo han de leerse las
distintas posibilidades:
a) La cifra 110 del cuadro 2 indica que hay 110 individuos de clase media con 110 o menos de CI. En
cambio la cifra 95 del cuadro 3 indica que hay 95 sujetos con CI entre 90 y 110 y que adems
pertenecen a las clases media y alta. En el primer caso la acumulacin se hizo horizontalmente y en el
segundo verticalmente.
b) La cifra 53% del cuadro 4 indica que sobre el total de sujetos con CI superior a 110, el 53% son de
clase alta. En cambio la cifra 49% del cuadro 5 indica que sobre el total de sujetos de clase alta, un 49%
posee un CI superior a 110. Tambin en ambos cuadros los porcentajes se calcularon horizontal y
verticalmente, en forma respectiva. Una importante utilidad que tienen los porcentajes es que permiten
igualar las frecuencias con respecto a una base comn (el 100%):

Edad Primaria Secundaria Total
30 aos 12 142 154
40 aos 18 18 36
50 aos 30 - 30
Total 60 160 220
Cuadro I Frecuencias absolutas
Edad Primaria Secundaria Total
30 aos 20% 89% -
40 aos 30% 11% -
50 aos 50% - -
Total 100% 100% -
Cuadro II Frecuencias porcentuales

En el Cuadro I hay dos frecuencias absolutas iguales (18 y 18), pero ellas no tienen el mismo significado
estadstico, pues un 18 se tom sobre un total de 60 personas (escolaridad primaria) y el otro sobre un
total de 160 (escolaridad secundaria). Si se igualan 60 y 160 en una base comn (100%) como en el
Cuadro II, se ve que en realidad uno de los 18 representa el 30% del total y el otro tan slo el 11% del
otro total. Esto permite evaluar a simple vista qu proporcin de sujetos de 40 aos hay en cada nivel de
escolaridad: si bien la cantidad absoluta de sujetos es la misma (Hyman, 1984:353-356), hay mayor
proporcin de sujetos primarios que secundarios.
c) La cifra 50% del cuadro 6 indica que el 50% de los sujetos con CI inferior a 90 pertenecen a las clases
alta y media. La cifra 28% en cambio, en el cuadro 7, expresa que el 28% de los sujetos de clase media
tiene CI inferior a 90. Las acumulaciones de los porcentajes se realizaron en forma horizontal y vertical,
respectivamente. Obsrvese que la informacin del cuadro 6 no es la misma que la del cuadro 7, pero es
igualmente verdadera. La eleccin de una u otra informacin depender de qu informacin nos interese
ms o, incluso, hay quienes utilizan esta posibilidad de elegir con el propsito de convencer o persuadir.

Pgina 220 de 325
220
Por ejemplo, si se quiere persuadir a alguien que el cigarrillo es pernicioso para la salud, preferir decirle
que el 90% de los cnceres de pulmn son ocasionados por el cigarrillo a decirle que slo el 10% de los
fumadores mueren de cncer de pulmn, siendo que ambas afirmaciones son igualmente verdaderas.

3) Graficacin.- La misma informacin que se obtiene a partir de tablas y cuadros puede tambin
presentarse en forma de grficos para una mejor visualizacin, y supone otra forma de organizar y
resumir la informacin a partir de tablas o cuadros. El siguiente ejemplo ilustra la manera de traducir una
tabla en un grfico:

Edad Frecuencia (f)
17 70
18 110
19 140
20 160
Total 480

Grfico



4) Obtencin de medidas estadsticas.- Es posible e incluso a veces necesario resumir an ms la
informacin, hasta reducirla a una o dos cifras llamadas medidas estadsticas. Se trata de medidas que
describen a la muestra y no ya a los sujetos, descritos por medidas individuales. No es lo mismo decir
que Juan tiene 30 aos (medida individual), a decir que la muestra de sujetos tiene una media aritmtica
o promedio de 25 aos (medida estadstica).
Las medidas estadsticas pueden describir una sola variable (como las medidas de posicin y las medidas
de dispersin), o pueden describir la relacin entre dos o ms variables (como los coeficientes de
correlacin). El simple promedio o media aritmtica es un ejemplo de medida estadstica de posicin, o
sea, describe una sola variable.

El anlisis factorial

El anlisis factorial es un procedimiento ya clsico para resumir y organizar la informacin relativa a las
relaciones entre muchas variables. Estrictamente hablando y a pesar de su denominacin, no supone
analizar datos sino solamente organizarlos, sin perjuicio que luego se pueda realizar un anlisis de los
resultados obtenidos utilizando pruebas las pruebas de la estadstica inferencial.
En este tem se presenta el anlisis factorial solamente como otro ejemplo de cmo pueden ser
resumidos y organizados los datos.
Muchas investigaciones en psicologa y ciencias sociales obligan a considerar las mutuas interrelaciones
entre muchos factores. El anlisis factorial es un procedimiento matemtico que permite correlacionar
muchos factores entre s. Ha sido diseado especficamente para resolver problemas en psicologa y en
ciencias sociales, y un ejemplo tpico aparece en la teora factorialista de la inteligencia de Charles
Spearman (1863-1945), a quien suele reconocrselo como el fundador del mtodo. Si bien existieron
posteriores desarrollos que incluyeron nuevas perspectivas y aplicaciones, en lo que sigue se ilustra el
anlisis factorial muy simplificadamente, tomando dos ejemplos: uno de la psicologa de la inteligencia, y
el otro de la psicologa social. El examen de estos ejemplos bastar para adentrarse en la comprensin de
los lineamientos del mtodo, por lo que se obviar una introduccin terica.

f

160
150
140
130
120
110
100
090
080
070
17 18 19 20 Edad

Pgina 221 de 325
221
El anlisis factorial de la inteligencia.- Situmonos por un momento en el lugar de Spearman: estamos
decididos a iniciar una investigacin sobre la inteligencia. En s misma, como concepto terico la
inteligencia no es algo que pueda observarse directamente, y por lo tanto slo podemos poner nuestra
atencin en comportamientos observables. Pero, cules comportamientos? Seguramente no elegiramos
el movimiento automtico de la pierna en el reflejo rotuliano, ya que no lo suponemos un
comportamiento indicador de inteligencia. Tampoco elegiramos el llanto espontneo de una persona
frente a una situacin dolorosa e imprevista. Esto significa que haremos una seleccin previa de aquellos
comportamientos que, segn nuestras suposiciones, son indicadores de la inteligencia de la persona,
como por ejemplo realizar una suma aritmtica, agrupar varios objetos segn atributos en comn, armar
un rompecabezas, defender un argumento, discernir significados de vocablos, etc.
Todas estas conductas que, suponemos son expresin de 'algo' llamado inteligencia las denominaremos,
siguiendo la terminologa de Spearman, habilidades. Precisamente, una obra de referencia obligada de
Spearman editada en castellano se titula "Las habilidades del hombre".
Nuestro paso siguiente consistir en hacer un listado de todas estas habilidades, y armar una especie de
test compuesto de tantas pruebas como habilidades querramos medir en las personas. Por ejemplo, una
prueba puede consistir en realizar una suma, otra en armar un rompecabezas, otra en buscar sinnimos
para una palabra dada, etc. Incluso incluiremos una prueba de memorizacin, si acaso suponemos que la
memoria tiene alguna vinculacin con la inteligencia.
Una vez listo el test, procedemos a administrarlo a una gran cantidad de personas, y a continuacin
realizamos la evaluacin de las respuestas obtenidas o de las pruebas realizadas, asignando un puntaje a
cada prueba y para cada sujeto. A partir de aqu comienza lo que puede llamarse un anlisis de
correlacin, que es el elemento fundamental del anlisis factorial. Qu significa hacer un anlisis de
correlacin? Bsicamente, significa comparar los puntajes de dos habilidades entre s a los efectos de ver
si entre ellas hay algn grado de variacin concomitante. Por ejemplo, tras haber comparado los puntajes
de habilidad para sinnimos con los puntajes de habilidad para redactar oraciones, hemos verificado que
entre ellas se da una alta correlacin: los sujetos que tienen alto puntaje en una habilidad suelen tenerlo
tambin en la otra, y los sujetos que obtuvieron poco puntaje en una habilidad, suelen tener bajo puntaje
tambin en la otra.
El objetivo inmediato de este anlisis es establecer un grado de correlacin para cada par de habilidades,
y como estas son muchas, el lector podr imaginarse la magnitud de la tarea. De hecho, hacer todos
estos clculos le llev a Spearman nada menos que 21 aos (desde 1904 hasta 1925), hasta que
finalmente pudo presentar su mapa de la inteligencia.
El grado de correlacin puede medirse mediante el llamado coeficiente de Pearson (r), que puede asumir
valores entre -1 y +1. Un valor r=0 indica ausencia de correlacin, y un valor r=0,90 estar indicando un
alto grado de correlacin, mientras que r=1 es la correlacin perfecta, que prcticamente no existe en la
realidad. Es as que a cada par de habilidades puede asignrsele un determinado valor de r. Por ejemplo,
entre las habilidades para buscar sinnimos y para redactar oraciones, hemos encontrado una correlacin
de 0,90 (por dar un ejemplo cualquiera).
Spearman empez concentrando su atencin en las correlaciones significativas. A partir de aqu, frente a
una alta correlacin entre dos habilidades podramos pensar dos posibilidades:
a) Si ambas varan en forma concomitante, es porque entre ellas existe un vnculo causal. Por ejemplo: la
habilidad para buscar sinnimos es la 'causa' de saber armar oraciones. Hay al menos dos importantes
razones para abandonar esta primera posibilidad. En primer lugar la correlacin, si bien es condicin
necesaria para que haya un vnculo causal, no es an suficiente, vale decir, la correlacin no prueba por
s sola la causalidad. En segundo lugar, subjetivamente nos cuesta creer que la habilidad para buscar
sinnimos sea la causa de saber armar oraciones, o que la habilidad para armar rompecabezas sea la
causa de saber dibujar. De hecho, podemos conocer alguna persona que arma bien rompecabezas pero
que dibuja mal. Por consiguiente, ni nos molestaremos en intentar probar un vnculo causal que de
entrada no creemos plausible.
b) La segunda posibilidad sera considerar que, si ambas habilidades varan en forma concomitante, no es
porque una sea causa y otro efecto sino porque ambas dependen de un tercer factor comn a ambas, es
decir de un tercer factor que acta o interviene unilateralmente sobre cada una de ellas. Esta segunda
lnea de pensamiento fue la que adopt Spearman como hiptesis de trabajo. Supuso que si dos
habilidades estn de alguna forma correlacionadas, es porque ambas dependen de algn factor en
comn, llamado factor general. La dependencia causal ya no est entre dos habilidades, sino entre una
habilidad (efecto) y un factor que la determina (causa).
Examinemos el esquema 1, que podra sintetizar las conclusiones de una investigacin preliminar, en la
cual se han correlacionado entre s las habilidades 1, 2 y 3 tomadas de a dos (didicamente). Es decir, se
correlacionaron 1-2, 2-3 y 1-3, y, al comprobarse alta correlacin, se concluye que todas ellas dependen
de un factor general comn (G). Sin embargo, estas correlaciones estadsticas no son perfectas, lo que
hace pensar que tambin hay factores especficos (E) propios de cada habilidad, que las hace diferentes
entre s.

Esquema 1


Pgina 222 de 325
222


En suma hasta aqu: cada habilidad est determinada por dos factores: un factor general comn G, que
es lo que tiene en comn con otras habilidades, y un factor especfico E, propio de esa nica habilidad. El
factor G determina que haya correlacin entre habilidades, y el factor E determina que haya diferencias
entre ellas. Desde ya, esos factores no se ven a simple vista como se puede ver una habilidad concreta,
sino que son abstracciones que nos permiten ir organizando el conjunto de las habilidades con la finalidad
de construir una teora coherente de la inteligencia.
En una primera etapa de su investigacin, Spearman trabaj solamente con los factores G y E, y por ello
su teora fue denominada teora bifactorial de la inteligencia. Sin embargo, en investigaciones ulteriores
Spearman incluy un tercer factor, el factor C o factor grupal comn, con lo cual su teora dej de ser
bifactorial y pas a ser multifactorial. Con la introduccin de este tercer factor, el mapa de las habilidades
comenz a adoptar ms la estructura que indicamos en el esquema 2.

Esquema 2 Matriz sencilla para el anlisis factorial de Spearman



La introduccin de estos nuevos factores intermedios quedaba justificada porque Spearman haba notado
una muy alta correlacin entre 1-2-3, y por otro lado una muy alta correlacin entre 4-5-6, pero la
correlacin no era tan alta cuando se comparaban habilidades de ambos grupos, por ejemplo en 1-5 o en
2-4. Esto llev a pensar que las habilidades podan agruparse, dependiendo cada grupo de habilidades de
un factor comn C que no estaba en otro grupo. As por ejemplo, las habilidades para sinnimos, para
G
C1
E1
G
C1
E2
G
C1
E3
G
C2
E4
G
C2
E5
G
C2
E6
G
C3
E7
G
C3
E8
G
C3
E9
G
C1
G
C2
G
C3
G
Correlacin muy alta
Correlacin no tan alta
Causalidad
Habilidades
hipotticas
Habilidades
observadas
E1 = Buscar sinnimos
E2 = Armar oraciones
E3 = Manejar vocabulario
G = Factor general (de todas las habilidades). Ej: Inteligencia
C = Factor comn (a algunas habilidades). Ej: Factor verbal
E = Factor especfico (propio de cada habilidad).
E4 = Saber sumar
E5 = Calcular races
E6 = Resolver ecuaciones
E7 = Armar rompecabezas
E8 = Saber dibujar
E9 = Etc
G
E2
G
G
E1
G
E3
E1 = Buscar sinnimos
E2 = Armar oraciones
E3 = Manejar vocabulario
Correlacin
Causalidad
G = Factor general
E = Factor especfico

Pgina 223 de 325
223
armar oraciones y para utilizar vocabulario estaban entre s muy correlacionadas y por tanto dependan
del factor comn C1, llamado factor verbal. Otro tanto ocurra con otro grupo de habilidades (suma,
proporciones y ecuaciones) que entonces dependan de otro factor comn C2 llamado factor numrico, ya
que este segundo grupo no estaba tan correlacionado con el primero, y entonces deba pensarse en
factores comunes distintos.
Sin embargo, si bien no se constataba una muy alta correlacin entre habilidades de distintos grupos,
persista no obstante una correlacin significativa entre ellas, lo que hizo pensar que, en realidad, los
factores comunes deban depender a su vez de un factor ms general, el factor G, presente en todos los
grupos y en todas las habilidades. Este factor G es precisamente la inteligencia, entendida entonces como
una habilidad general abstrada a partir de muchas habilidades efectivamente observadas.
La conclusin obtenida por Spearman fue entonces, la siguiente: la inteligencia est determinada por un
factor general G comn a todas las habilidades, por varios factores C comunes a ciertos grupos de
habilidades, y por un factor E propio de cada habilidad. Con este planteo, Spearman procur ofrecer una
solucin eclctica a las concepciones que por entonces circulaban sobre la inteligencia: la teora
monrquica (la inteligencia depende un nico factor), la teora oligrquica (la inteligencia depende de
unos pocos factores separados o de varias facultades diferenciadas), y la teora anrquica (la inteligencia
slo puede describirse como un conjunto de mltiples habilidades independientes entre s). Fue as que le
dio la razn a la teora monrquica introduciendo el factor G, a la teora oligrquica introduciendo los
factores C, y a la teora anrquica proponiendo los factores E.
El factor G fue entendido como la energa subyacente, constante y comn a todas las operaciones
psquicas, mientras que en el otro extremo, los factores especficos eran las mquinas o dispositivos
especiales -propios para cada habilidad- mediante los cuales actuaba la energa G. Adems, G es un
factor intraindividualmente constante e interindividualmente variable (pues la inteligencia slo vara de
una persona a otra), y E es un factor variable intra e interindividualmente (dentro del sujeto vara segn
sus diferentes habilidades, y en comparacin con otros sujetos est claro que las personas tienen
diferentes rendimientos en cada habilidad).
La idea original de Spearman fue desarrollada profusamente en nuevas investigaciones sobre la
inteligencia que, por ejemplo produjeron la teora multimodal de Thorndike y Thompson, y el anlisis
factorial mltiple de Thurstone y otros (Bernstein, 1979:512). Tambin se utiliz el mtodo en otros
mbitos, como por ejemplo en la investigacin de las actitudes en psicologa social (Blalock, 1971:109-
114).

El anlisis factorial de las actitudes.- Las actitudes en psicologa social pueden medirse mediante
cuestionarios, de manera que, a diferencia del caso anterior de la inteligencia, aqu no administraremos
tests. Por tanto, en lugar de pruebas haremos preguntas, y en vez de ejecuciones obtendremos
respuestas. Y obviamente, en vez de habilidades buscaremos correlacionar actitudes. Tomaremos un
ejemplo hipottico de Blalock (1971:109-114), e iremos razonando del mismo modo como lo hicimos en
el caso de Spearman.
Supongamos que, en vez de la inteligencia, queremos investigar una actitud: el conservadorismo poltico
(esquema 3). Confeccionamos un cuestionario con 12 preguntas (de la P1 a la P12), cuatro de las cuales
ponen de manifiesto el conservadorismo econmico (F1), otras cuatro las libertades cvicas (F2), y las
restantes cuatro las relaciones internacionales (F3). Elegimos estos tres aspectos porque, segn nuestro
entender, pueden poner de manifiesto la variable general 'conservadorismo poltico'. A partir de aqu
confeccionamos las 12 preguntas especficas. Por ejemplo, una pregunta donde suponemos se manifiesta
el factor conservadorismo econmico sera "Est conforme con el actual programa de seguridad social?".
Sera la pregunta P1.

Esquema 3 Anlisis factorial de actitudes


Pgina 224 de 325
224


Luego de haber administrado el cuestionario a una gran cantidad de sujetos, procedemos a correlacionar
las diferentes respuestas del cuestionario entre s. Si nuestra primera y provisoria clasificacin de la
variable general en las tres dimensiones F1, F2 y F3 fuese correcta, deberamos obtener los siguientes
resultados: a) Una muy alta correlacin entre las respuestas P1 a P4, as como entre las respuestas P5 a
P8, y entre las respuestas P9 a P12. b) Una correlacin menor entre los tres grupos de respuestas
anteriores, lo que probara la relativa independencia de los factores F1, F2 y F3, y, por ende, estara
justificado separarlos en tres dimensiones de la variable. Si bien la correlacin entre estos factores es
menor en comparacin con las correlaciones entre respuestas especficas, no resulta tan baja como para
pensar que son totalmente independientes, ya que todos dependen de la variable general
'conservadorismo poltico'.
En general, si se cumplen las condiciones a y b, habremos justificado nuestra clasificacin de la variable
en los tres factores, y las correspondientes respuestas dentro de cada factor. El anlisis factorial realizado
nos permiti, as, corroborar nuestras presunciones acerca de la estructura interna de la variable general
(es decir, su modo de estar subdividida en factores), con lo cual podemos administrar un cuestionario
basado en ese criterio para medir actitudes en las personas que tenga cierto grado de validez.
Desde ya, que las correlaciones nunca sern perfectas. Por ejemplo, las correlaciones entre las
respuestas de un mismo factor no llegan a ser totales porque siempre cada respuesta tiene factores
especficos. As por ejemplo, un sujeto muy prejuicioso en general pudo haber entablado cordiales
relaciones con negros por formar con ellos parte del mismo equipo de ftbol, y por ende no presentar
objeciones frente a la pregunta de la integracin racial en los deportes.
El esquema que hemos presentado puede presentar muchas variantes o complicaciones. Solamente
indiquemos una, pero no especificaremos el complejo procedimiento factorial que se usa para este caso:
puede ocurrir que una misma pregunta dependa simultneamente de dos factores. Por ejemplo, la
pregunta sobre si los miembros del partido comunista deben ser encarcelados o deportados, indica tanto
el factor libertades cvicas (por lo de encarcelados), como el factor relaciones internacionales (por lo de
deportados).

3. ANLISIS DE LOS DATOS

La obtencin de tablas, cuadros, grficos o medidas estadsticas no son ms que pasos preparatorios
para el anlisis de los datos. El anlisis de los datos tiene como finalidad extraer conclusiones acerca de
la hiptesis de investigacin a partir de los datos organizados y resumidos en el paso anterior. Tamayo
(1999:53), por ejemplo, lo define como el procedimiento prctico que permite confirmar las relaciones
establecidas en las hiptesis. Otros autores refieren finalidades similares, cuando sealan que el
propsito del anlisis es resumir las observaciones realizadas previamente en forma tal que den
respuestas a los interrogantes de la investigacin (Selltiz y otros, 1980).

Sealan Selltiz y otros (1980) que si bien el anlisis y la interpretacin de los datos son la ltima parte de la
investigacin, normalmente en los comienzos de la misma se realizan anlisis e interpretaciones orientadoras de
la misma. Ningn estudio cientfico debera planificarse sin una anticipacin de lo que se har cuando se tengan
los datos, o sin haber considerado la posible interpretacin de los hallazgos obtenidos. Si no se procede as el
investigador encontrar que no puede hacer el anlisis al final porque le faltan los datos relevantes.

A veces el anlisis puede realizarse solamente a partir de la lectura de tablas, cuadros, grficos o
medidas estadsticas. Por ejemplo, puede obtenerse una conclusin razonablemente segura sobre la
G
F1
P1 P4 P2 P3 P5 P8 P6 P7 P9 P
1
2


P
1
0


P
1
1


F2 F3
Correlacin muy alta
Correlacin no tan alta
Causalidad
G = Factor general. Ejemplo: Conservadorismo poltico.
F = Factores comunes a varias actitudes. Por ejemplo:
F1 Conservadorismo econmico
F2 Libertades cvicas
F3 Relaciones internacionales
P = Actitudes especficas.

Pgina 225 de 325
225
relacin entre inteligencia y alimentacin cuando un cuadro informa que existe un 90% de sujetos
inteligentes entre los bien alimentados y un 5% de sujetos inteligentes entre los mal alimentados, y
donde los sujetos fueron tomados al azar de la poblacin. El anlisis concluir entonces que estos
resultados de la muestra reflejan adecuadamente la situacin de toda la poblacin.
Sin embargo, en la mayora de los casos los resultados no son tan contundentes, y requieren un anlisis
estadstico. Tal vez el ejemplo ms representativo de este tipo de anlisis sea el anlisis de la varianza.

El anlisis de la varianza

La varianza es una medida de las variaciones que sufre la variable dependiente cuando esta es
considerada dentro de una situacin experimental. La varianza primaria es aquella que puede atribuirse a
la influencia de la variable independiente, mientras que la varianza secundaria es debida a otros factores
extraos, los que requerirn ser controlados. No debe confundirse con la varianza entendida como
medida de dispersin, que es una nocin de la estadstica descriptiva.
Al hacer un experimento para determinar el grado de influencia que ejercen los ruidos sobre el estrs, se
podran tomar dos grupos de personas: e grupo experimental sera sometido a cierta intensidad sonora,
mientras que grupo de control no sera sometido a esa intensidad.
Midiendo el nivel de estrs en ambos grupos luego de haber aplicado el ruido, se podra determinar si
ste ejerci influencia o no. Por ejemplo, si hay ms nivel de estrs en el grupo experimental que en el
grupo de control, se podra pensar que el ruido fue el causante de la diferencia.
Si la varianza son las variaciones sufridas por la variable dependiente, en el ejemplo, son las variaciones
que puede sufrir el nivel de estrs entre el grupo experimental y el grupo de control. Si la diferencia en el
nivel de estrs encontrada entre ambos grupos es 5, entonces 5 es la varianza.
Sin embargo, las cosas no resultan nunca tan sencillas. De hecho, y an en el transcurso de una situacin
controlada como la experimental, sobre el efecto estrs suele influir no solamente el ruido sino tambin
toda una serie de otros factores que suelen designarse como variables extraas.
Estas otras fuentes de variacin inciden tambin en la varianza, con lo cual sta ltima no es debida
solamente al ruido sino adems tambin a esos otros factores que siempre o circunstancialmente estarn
presentes.
Tiene sentido entonces distinguir dos componentes de la varianza: una parte de la varianza que es
debida a la influencia de la variable independiente ruido, y otra parte que es debida a los factores o
variables extraas. Puede convenirse en denominar 'varianza primaria' a la parte de la varianza que es
debida a la influencia de la variable independiente, 'varianza secundaria' a la parte de la varianza que es
debida a factores extraos, y finalmente, 'varianza total' a la suma de la varianza primaria y la
secundaria.
Los resultados que se obtienen en un experimento corresponden a la varianza total, con lo cual es tarea
del investigador discriminar qu parte de esta varianza total es la varianza primaria, porque slo ella nos
dar una medida del grado de influencia que ejerce la variable independiente sobre la variable
dependiente, o, en otras palabras, slo ella permitir corroborar o rechazar la hiptesis experimental
(que en el ejemplo sera 'el ruido incide sobre el estrs').
En un experimento se deberan poder 'controlar' todos los otros factores extraos para que no influyan,
o, por lo menos, conocer su valor para poder luego descontarlo de la varianza total.
Arnau Gras (1980) clasifica todos estos factores extraos que pueden incidir sobre los valores de la
variable dependiente en tres grandes grupos: a) Los que proceden del sujeto: edad, sexo, herencia,
estado actual del organismo, y dems variables subjetivas; b) Los que proceden del ambiente; y c) Los
que proceden de la misma situacin experimental: actitudes, expectativas y procedimientos del
investigador, as como el sistema de medicin empleado.
La teora de los diseos experimentales provee una cierta cantidad de tcnicas de control de todas estas
variables extraas, como la aleatorizacin. Si los sujetos del grupo experimental y del grupo de control
fueron seleccionados al azar, puede estarse razonablemente seguros que tambin estarn distribuidos al
azar los valores de las variables extraas, y que esa distribucin ser aproximadamente igual en ambos
grupos.
Puede ocurrir que no tome la precaucin de aleatorizar, por ejemplo incluyendo deliberadamente dentro
del grupo experimental a veteranos de guerra y dentro del grupo de control a empleados administrativos.
Con ello, no podr saberse si la diferencia de estrs entre ambos grupos (varianza) es debida al ruido o a
la condicin laboral.
En cambio, si se toma la precaucin de elegir a los sujetos al azar, quedarn distribuidos aleatoriamente
en ambos grupos tanto los veteranos como los empleados. En otras palabras, la 'mezcla' de ambas
condiciones laborales ser aproximadamente la misma en los dos grupos, con lo cual, al ser entonces
equivalentes, cualquier diferencia del estrs entre ellos podr ser adjudicada a la variable independiente
ruido.
Finalmente, cabe consignar que dentro de la varianza secundaria suele distinguirse una varianza
sistemtica y una varianza del error. A diferencia de la primera, esta ltima es impredecible, ya que es el
conjunto de fluctuaciones en los valores de la variable dependiente como consecuencia del azar.
Lores Arnaiz (2000) distingue los siguientes tipos de varianza:


Pgina 226 de 325
226
Tipo de varianza Fuente de la varianza
Sistemtica Primaria o de tratamiento: es aquella que
refleja los efectos de la manipulacin
directa de la VI (Arnau Gras, 1980:148).

VI (Variable independiente)
Secundaria o confundida: es aquella que
refleja los efectos de las variables
extraas (no conocidas), confundidas o
pertinentes (conocidas) que no han sido
controladas y, por tanto, estn afectando
la validez interna (validez interna es el
grado en que controlamos
adecuadamente las variables
pertinentes).
Variables confundidas o pertinentes.
Hay 9 ejemplos: asignacin sesgada de los
sujetos a las condiciones experimentales;
variables confundidas; prdida diferencial de
sujetos durante el estudio; sensibilizacin
debida al pre-test; historia; maduracin;
expectativas del experimentador; deseabilidad;
efectos placebo.
No
sistemtica
De error: fluctuaciones en los valores
obtenidos debidos al azar (Arnau Gras,
1980:149).
Factores debidos al azar.
Hay 5 ejemplos: diferencias individuales
preexistentes; estados transitorios; factores
ambientales; tratamiento diferencial; error de
medicin.

En suma: los investigadores recurren a la estadstica inferencial para determinar si las diferencias
observadas entre las medias de los grupos son mayores a lo esperable sobre la base de la sola varianza
de error. Para ello suelen utilizar el anlisis de varianza (ANOVA) que, por ejemplo, permite saber si la VI
ejerce influencia examinando si hay mayor varianza que la debida a la varianza secundaria y a la
varianza de error. En ANOVA se calcula un test-F: cuanto mayor es la varianza entre grupos en relacin a
la varianza intra grupo, mayor ser F y ms probable que la VI sea la que crea las diferencias entre los
grupos (Lores Arnaiz, 2000).

4. INTERPRETACIN DE LOS DATOS

Las conclusiones del anlisis de los datos pueden a su vez ser interpretadas, es decir, pueden
asignrseles algn significado en el contexto de alguna creencia o teora, o al ser comparadas con los
resultados de otras investigaciones, lo que hace que el conocimiento se ample y profundice.
Por ejemplo una alta correlacin entre inteligencia y clase social podr ser interpretada de manera muy
distinta por una teora ambientalista y por una innatista: la primera insistir en que la inteligencia en
clases altas obedece a que los nios estn mas estimulados (hacen ms viajes, tienen ms juguetes,
etc.), mientras que la segunda plantear la existencia de mejores genes en las personas de clase alta.
Mientras el anlisis requiere un procedimiento minucioso y objetivo, en la interpretacin el investigador
puede permitirse dejar volar la imaginacin para arriesgar explicaciones posibles de lo analizado, y que
luego sern o no sometidas a prueba en ulteriores estudios.
Destacan Selltiz y otros (1980) que el objetivo de la interpretacin es buscar un significado ms amplio a
las conclusiones del anlisis mediante su conexin con otros conocimientos disponibles. Refieren tambin
que la interpretacin como ampliacin del conocimiento tiene dos aspectos principales: primero la
continuidad, es decir establecer una continuidad en la investigacin social a travs de la conexin de los
resultados de un estudio con otros. Segundo, el establecimiento de conceptos aclaratorios, es decir, se
pueden empezar a construir teoras acerca del porqu de los hechos observados.
Por ltimo, en una investigacin puede suceder que hayan quedado datos sin elaborar. Selltiz y otros
(1980) destacan que estos datos pueden sin embargo ser utilizados en el anlisis y la interpretacin sin
tener en cuenta si fueron o no cuantificados en todos los aspectos. El uso de datos no elaborados a lo
largo del anlisis cumple dos funciones distintas: ilustrar el rango de significacin adjudicado a cualquier
categora (ya que la exactitud con que pueden ser definidas las categoras depende de los datos sin
elaborar), y estimular nuevos puntos de vista (por ejemplo aclarar la naturaleza de las relaciones entre
variables ya descubiertas en el anlisis, o estimular hiptesis para investigaciones posteriores).

Pgina 227 de 325
227
CAPTULO 15: REDACCIN Y PUBLICACIN DE LOS RESULTADOS

Una vez completado su estudio, el investigador puede tener inters en comunicar sus resultados a la
comunidad cientfica nacional o internacional, y entonces emprende la ltima tarea, la redaccin de un
informe final, que habitualmente aparecer publicado en las revistas especializadas como un artculo
cientfico, ser ledo en algn congreso, o, si es ampliado y profundizado, tomar la forma de un libro.
Un informe de investigacin es un documento escrito en el que el investigador relata cuidadosamente
todos los pasos seguidos en la investigacin, los resultados obtenidos y sus conclusiones con respecto al
problema estudiado (Len y Montero, 1995:22).
El intercambio de informacin entre los cientficos es importante porque cualquiera de ellos puede saber
qu se investig y qu no se investig sobre tal o cual tema en el mundo, lo que a su vez evita repetir
experimentos o inventar hiptesis ya inventadas, y disponer de nuevas fuentes de inspiracin para
continuar investigaciones o plantear nuevos problemas e hiptesis.
Una idea cientfica suele recorrer tres pasos: la elaboracin, la redaccin y la publicacin. Las dos
primeras etapas suelen realimentarse entre s: a medida que se piensa o elabora se van redactando los
resultados, y a medida que se redactan, van surgiendo nuevas ideas o corrigindose otras, ya que
escribir, como qued indicado, es pensar de otra manera.
Sin embargo, hay algo que puede llamarse la redaccin final, donde se detiene todo proceso de
elaboracin para permitir que la idea pueda finalmente ser dada a conocer a la comunidad cientfica, es
decir, pueda ser publicada.
Respecto de esta ltima etapa, cabe consignar que cuando de trata de presentar un trabajo cientfico que
tenga como destino ser publicado, normalmente el editor impondr como condicin -o simplemente
recomendar- ciertos requisitos de presentacin. Estos requisitos son diferentes en cada caso, pues cada
editorial, cada revista cientfica o cada sitio de Internet establecen sus propias pautas. Cuando el destino
del trabajo no es su publicacin sino simplemente su presentacin en una ctedra con fines de
evaluacin, los profesores tambin acostumbran a indicar a los alumnos sus propios requisitos de
presentacin mediante un sistema de pautas ms personalizado.
El presente captulo ofrece algunas consideraciones tiles para quienes deban redactar y publicar trabajos
cientficos, sea en forma artculo, libro o tesina / tesis acadmica. Resulta, entonces, indicado para
investigadores y estudiantes de grado y de doctorado.

1. REDACCIN DE LOS RESULTADOS

Escribir es una manera de hacer muchas cosas. Es una manera de trascender, porque el papel dura ms
que el cerebro; es una manera de decidir, cuando se redacta un testamento; es una manera de amar,
cuando se enva una poesa; es una manera de olvidar, al hacer anotaciones en la agenda; es una
manera de descargarse cuando no hay nadie que pueda consolar; es una manera de castigar: los
alumnos suelen quejarse de las tareas escritas, tal vez como resabio de aquella poca en la que deban
escribir cien veces no debo...".
Pero escribir es tambin una forma de pensar, diferente de la empleada al hablar. Muchas personas
prefieren hablar en vez de escribir. Y se trata realmente de dos cosas distintas porque:
a) Muchas veces se animan a decir cosas pero no a escribirlas: a las palabras se las lleva el viento y
existe la posibilidad de corregir errores sobre la marcha haciendo un feedback con las expresiones
faciales del interlocutor (por ejemplo un profesor). Otras veces suelen decirse cosas que son obvias y
escribir las no obvias, pero con frecuencia es necesario tambin decir por escrito lo que es obvio, ya que
puede no serlo para el lector.
b) Muchas otras veces, por el contrario, se escriben cosas que jams a la persona se le hubiera ocurrido
decir en forma oral, sobre todo porque el acto mismo de la escritura genera un clima que obliga a pensar
con una organizacin y una precisin que no se suele poner en juego en el coloquial y verstil acto de
hablar.
Muchos alumnos deberan aprender a leer y escribir por segunda vez, aunque ms no sea para educar el
pensamiento en el rigor y la organizacin. "La lectura produce personas completas; la conversacin,
personas dispuestas; y la escritura, personas precisas", dijo Francis Bacon.

La forma del texto

Todo texto tiene un contenido y una forma. El contenido se refiere a qu se dice, mientras que la forma
a cmo se lo dice (estilo literario, modalidad de organizacin del texto, etc.).
Los libros y los artculos publicados en revistas cientficas admiten diferentes clasificaciones de formato.
Los libros pueden tener una organizacin lgica, cronolgica o narrativa, mientras que los artculos
pueden responder a un formato tcnico o a uno narrativo. En cualquier caso, lo que organiza
primariamente el texto, lo que le da su primera forma son los ttulos. Asimismo, el texto principal puede
incluir tambin textos accesorios, como por ejemplo los anexos y las notas al pie.


Pgina 228 de 325
228
El formato de libros.- Un libro puede estar organizado de tres maneras bsicas: en forma lgica, en
forma cronolgica o en forma alfabtica, o bien en algunas de sus posibles combinaciones, teniendo cada
una sus ventajas y desventajas.

a) Organizacin lgica.- Muchos textos estn organizados lgicamente, como el caso de los llamados
manuales. Un ejemplo podra estar representado por aquel libro en cuyo primer captulo se exponen los
conceptos ms importantes de una disciplina, mientras que los restantes abordan en detalle cada uno de
aquellos conceptos.
Esta modalidad expositiva es 'lgica' porque sigue el modelo del razonamiento deductivo, (de lo general a
lo particular), del modelo inductivo (de lo particular a lo general), o bien, ms frecuentemente, el de una
combinacin de ambos (por ejemplo, el ordenamiento de los captulos es deductivo, pero dentro de cada
captulo hay ordenamientos inductivos).
Bruner (1996) habla de dos modalidades de pensamiento: la paradigmtica o lgico-cientfica, que
corresponde a la organizacin lgica del texto, y la narrativa, que corresponde a la organizacin
cronolgica. La primera forma de funcionamiento cognitivo, o, en este caso, de exposicin de un tema,
"trata de cumplir el ideal de un sistema matemtico, formal, de descripcin y explicacin. Emplea la
categorizacin o conceptualizacin y las operaciones por las cuales las categoras se establecen, se
representan, se idealizan y se relacionan entre s a fin de constituir un sistema" (Bruner, 1996:24).
La modalidad lgica ofrece la ventaja de mostrar la arquitectura deductiva de las ideas. En cambio, no
muestra cmo esas ideas han ido elaborndose en el tiempo (modalidad cronolgica) ni suministra pistas
para buscar rpidamente un determinado concepto (modalidad alfabtica).

b) Organizacin cronolgica.- En este caso, los sucesivos captulos narran una historia que habitualmente
va desde los acontecimientos ms antiguos (primeros captulos) hasta los ms actuales (ltimos
captulos). Ejemplos tpicos de esta modalidad expositiva son las biografas, y las 'historias': la historia de
la humanidad, la historia del psicoanlisis, la historia de las instituciones, etc.
"El objeto de la narrativa son las vicisitudes de las intenciones humanas" (Bruner, 1996:27), nos dice
acertadamente este autor cuando define su segunda forma de pensamiento, la forma narrativa, y que
corresponde a lo que aqu se llama organizacin cronolgica del texto. A diferencia de lo que ocurre en la
organizacin lgica, en una narracin los protagonistas no son tanto los conceptos y sus mutuas
relaciones, como las personas y las acciones que ellas realizan. Por ejemplo, en la modalidad lgica un
pensamiento puede surgir como consecuencia lgica de un pensamiento anterior, mientras que en la
modalidad narrativa, un pensamiento puede surgir como consecuencia de haber sido rectificado o
criticado un pensamiento anterior, del mismo o de otro autor-actor. En un caso, el "luego" describe una
secuencia lgica, y en el otro, una secuencia temporal.
La ventaja de la modalidad cronolgica es que permite mostrar cmo han ido construyndose los
diferentes conceptos a lo largo del tiempo, mientras que su desventaja es que no muestra una visin de
conjunto, es decir, cmo las diferentes ideas estn organizadas en un sistema inductivo o deductivo.
Por ejemplo, un texto que intente dar un panorama de la teora psicoanaltica, puede organizarse
lgicamente desde los principios ms tericos hasta las aplicaciones ms prcticas de la teora, o puede
organizarse cronolgicamente narrando las vicisitudes del pensamiento de Freud desde 1890 hasta su
muerte. El primer caso se centra en la teora en abstracto, y el segundo en cmo su creador ha ido
construyndola.
Otro ejemplo de ambas modalidades aparecen en los artculos periodsticos: la crnica de un hecho
policial asume normalmente la modalidad cronolgica, mientras que un artculo editorial, la modalidad
lgica.

c) Organizacin alfabtica.- Est basada en el ordenamiento convencional del alfabeto, y los ejemplos
tpicos son los 'diccionarios' especializados: de filosofa, de psicologa, de economa, de mineraloga, etc.
La ventaja de este tipo de presentacin es que, al estar basada en un cdigo compartido entre autor y
lector (el orden alfabtico) permite el rpido acceso a determinadas ideas o recortes conceptuales,
mientras que su desventaja radica en que ofrece una visin fragmentada del conjunto.

Combinaciones posibles.- En la prctica, las modalidades lgica, cronolgica y alfabtica suelen ir
combinadas de diferentes maneras. Estas diferentes formas de combinar modalidades pueden clasificarse
en dos grandes tipos: integradas y separadas.

1) Modalidades integradas.- Esta alternativa se refiere a aquellos libros en los cuales dos o ms
modalidades estn integradas en el mismo texto. Algunos ejemplos son los siguientes:
a) Ordenamiento cronolgico integrado en un ordenamiento lgico: en el transcurso de una exposicin
lgica, aparecen fragmentos de ordenamiento cronolgico. Por ejemplo, al describirse una clasificacin de
minerales, se incluye la historia del descubrimiento de cada uno de ellos.
b) Ordenamiento lgico integrado en un ordenamiento alfabtico: en el contexto de un ordenamiento
alfabtico, se incluyen referencias que ayudan o invitan al lector a hacer un ordenamiento lgico. Son las
clsicas referencias cruzadas o bien las referencias hipertextuales de los diccionarios informatizados.

Pgina 229 de 325
229
El recurso utilizado por Laplanche y Pontalis para organizar su "Diccionario de Psicoanlisis" consiste, por
ejemplo, en referencias del tipo "vase esta palabra", o tambin asteriscos para designar vocablos a los
que en el diccionario se les ha dedicado un artculo. "De este modo - dicen los autores- desearamos a
invitar al lector a establecer, por s mismo, relaciones significativas entre los conceptos y a orientarse en
las redes de asociaciones del lenguaje psicoanaltico. Con ello creemos haber evitado un doble peligro: la
arbitrariedad a que podra conducir una clasificacin puramente alfabtica y al riesgo, ms frecuente, del
dogmatismo ligado a las exposiciones de tipo hipottico-deductivo" (Laplanche y Pontalis, 1981:XIV).

2) Modalidades separadas.- Esta alternativa hace referencia a aquel libro donde las modalidades estn
netamente separadas, ocupando dos partes distintas del espacio fsico del mismo. Generalmente se trata
de solamente dos modalidades, donde una de las cuales es la principal y la otra la accesoria. Esto
significa que estos libros tienen una organizacin primaria (por ejemplo lgica) y una organizacin
secundaria (por ejemplo alfabtica). En el esquema adjunto aparecen algunos ejemplos posibles, que
pasamos a describir brevemente.
a) Este primer ejemplo corresponde al formato clsico. Se trata de los libros primariamente organizados
en forma lgica, pero que incluyen secundariamente, al final, una organizacin alfabtica en forma de
ndice analtico o, en algunos casos, un simple glosario. Un ejemplo de este ltimo caso es "Introduccin
a la obra de Melanie Klein" (Segal H, 1987), donde su autora, Hanna Segal, agrega al final un glosario
alfabticamente ordenado de los principales conceptos utilizados en el texto.
b) La organizacin primaria puede ser tambin cronolgica y, secundariamente, incluir al final un ndice
analtico que organiza el libro en forma alfabtica. Tal el caso de las obras completas de Freud editadas
por Amorrortu, donde los artculos de Freud se exponen cronolgicamente, y donde en el ltimo tomo
figura un extenso y detallado ndice analtico. Otros ejemplos son los textos de historia de Losee (1979) y
de Hull (1978).
c) Esta variante aparece por ejemplo en el "Diccionario de Psicoanlisis" de Laplanche y Pontalis, donde la
organizacin primaria es alfabtica, pero la secundaria tambin, ya que al final incluye un ndice analtico
que, por lo dems, es ms detallado que la simple lista de los artculos del diccionario.
Las combinaciones d, e y f parecen no haber sido utilizadas nunca, lo que llama la atencin por cuanto
presentan ciertas ventajas que no tienen las combinaciones tradicionales.
El autor de esta Gua public un Diccionario de "Teora General de los Sistemas" con un triple
organizacin: la organizacin primaria es alfabtica, la secundaria es lgica y la terciaria es nuevamente
alfabtica (ndice analtico). La organizacin lgica, que figura como un Apndice, ofrece otra opcin de
lectura del Diccionario y consiste, bsicamente, en el ndice General que el autor hubiese hecho, de
organizar primariamente el texto en forma lgica. Tal ndice General est organizado en captulos, y en
cada uno hay subttulos, que corresponden a los diversos artculos del Diccionario. El interesado, si opta
por una lectura lgica, no tiene ms que ir leyendo dichos artculos en el orden indicado en el
mencionado ndice General. A modo de auxilio para armar la trama lgica de la teora, al final de cada
artculo del Diccionario, se incluye un denominado 'prrafo de conexin', que muestra la articulacin con
el siguiente artculo que deber ser ledo.

El formato de artculos.- Entre las diversas maneras de redactar un informe cientfico, pueden
encontrarse dos formatos tpicos: el formato tcnico y el formato narrativo, siendo el primero de ellos
exigido en la mayora de los mbitos donde se evalan oficialmente investigaciones. Quien no utiliza esta
retrica de corte positivista, tal vez no podr escalar posiciones en la pirmide de la comunidad cientfica.
Una recorrida por diferentes informes cientficos permite distinguir, entre otros, un formato narrativo y un
formato tcnico.

Otros formatos que aqu no se considerarn son el formato coloquial y el formato periodstico. El formato
coloquial es esencialmente oral y el ejemplo tpico son clases o conferencias. Es ms informal y el discurso no
suele estar tan organizado como en un material escrito donde generalmente se ha cuidado de utilizar un
lenguaje ms riguroso y de estructurar las ideas en forma ms coherente, como por ejemplo mediante el empleo
de ttulos. El estilo oral est estructurado temporalmente, porque las palabras pronunciadas tienen duracin, de
aqu la utilizacin de muletillas del tipo "ahora veremos..." o "si nos queda tiempo...", etc. En cambio, el estilo
escrito est organizado espacialmente, porque las palabras escritas ocupan un lugar fsico (en el papel o en la
pantalla de la computadora). Por ello, las muletillas tpicas son, por ejemplo, "ms arriba dijimos", o "aqu
veremos...", etc.
Con el tiempo, las clases o conferencias podrn transformarse en discurso escrito: apuntes impresos, artculos
cientficos, libros, etc. Para ello, suelen antes pasar por una etapa intermedia: la clase desgrabada, que, si bien
es escrita, mantiene la estructura temporal, el lenguaje poco riguroso y la organizacin informal.
El formato periodstico es el que aparece en diarios o revistas de inters general o de divulgacin cientfica. Sus
destinatarios son el pblico profano, y por ello el lenguaje empleado no es tan riguroso y, con frecuencia, ms
llamativo e impactante.

Un ejemplo tpico del formato narrativo es el informe de casos. El propsito no es aqu alcanzar
generalizaciones sino profundizar en la comprensin de algn caso en particular. El informe de casos da
cuenta de lo nico e irrepetible, y, an cuando el objetivo a largo plazo sea la construccin de una teora,
no teme introducir puntos de vista subjetivos o impresiones personales si ello puede contribuir a la
comprensin del caso. Segn Zeller, "a travs de la destreza artstica con que produce su narrativa de

Pgina 230 de 325
230
caso, el cientfico social se convierte en algo ms que un narrador objetivo de experiencias: se convierte
en un filtro narrativo a travs del cual se modela la experiencia y se le da sentido" (Zeller N, 1995:312).
El formato narrativo aparece tpicamente en los artculos freudianos sobre el caso Juanito, el caso
Schreber o el Hombre de las Ratas. Tambin puede encontrrselo no ya en informes sino en la forma de
redactar programas analticos para asignaturas. Slapak, por ejemplo, plantea esta situacin como un
obstculo que impide identificar con claridad qu contenidos se proponen para ensear, toda vez que
muchos profesores utilizan "modalidades narrativas, con frases extensas, adjetivadas, a partir de las
cuales no es posible determinar de manera directa cules son los conceptos que se propone desarrollar"
(Slapak, 1996:140).
El formato tcnico es bien diferente. Dentro de sus mltiples variantes, una tpica es aquella donde se
exponen los resultados de una investigacin emprica con la apoyatura estadstica que permita realizar
predicciones con un determinado margen de error, tambin especificado (de all que sea frecuente la
designacin de variables independientes como 'predictores'). En ellos se procura describir el experimento
realizado con el fin de que otros investigadores puedan repetirlo, garantizndose as una cierta
objetividad en los procedimientos y las conclusiones.
Un paper tpico en formato tcnico incluye los siguientes ttulos: "Abstract" (donde se resume en no ms
de una carilla el artculo), "Marco terico", "Mtodo" (muestra seleccionada, procedimientos de medida,
instrumentos de medicin usados, especificacin de los procedimientos estadsticos inferenciales
utilizados, tales como tests de hiptesis o anlisis de regresin, etc.), "Resultados" (anlisis estadstico
de los datos obtenidos, generalmente volcados en cuadros de doble entrada, etc.), "Discusin" (donde
entre otras cosas se comparan los resultados con otras investigaciones sobre el mismo tema, o se aprecia
en qu medida los resultados confirman la teora, etc.), y "Conclusiones" (donde entre otras cosas se
especifican los alcances y limitaciones de la investigacin realizada, se sugieren nuevas lneas de
investigacin, etc.). En ocasiones, los tems "Conclusiones" y "Discusiones" son equivalentes, utilizndose
cualquier denominacin indistintamente. La discusin es una reflexin que realiza el investigador en
relacin a las implicaciones que los datos obtenidos en su investigacin tienen para su hiptesis (Len y
Montero, 1995:22).

El informe propiamente dicho no necesita obligatoriamente explicar todas las vicisitudes, marchas y
contramarchas de la investigacin, siendo suficiente explicar en forma clara pero rigurosa los objetivos de la
investigacin emprendida, las conclusiones obtenidas, los elementos de juicio que las avalan y las tcnicas
empleadas en la investigacin, el tipo de diseo, las caractersticas de los instrumentos de medicin utilizados,
etc. Incluso la exposicin puede ser amena sin que por ello el informe deba transformarse en un artculo de
divulgacin cientfica, ms destinado a al pblico general que al pblico especializado. Adems, un texto
cientfico tiene ciertas caractersticas que no tiene un texto literario como una novela o una poesa, ya que su
finalidad primaria no es la de expresar estticamente sentimientos o dar rienda suelta a la fantasa, sino la de
comunicar informacin.

Los orgenes de este formato tcnico se remontan a la dcada del 40. Luego de la segunda guerra
mundial se produjo un gran desarrollo de la investigacin, sobre todo en EEUU, y los editores de las
revistas comenzaron a exigir artculos sintticos y bien organizados para aprovechar al mximo el
espacio. Cada artculo deba tener: Introduccin (qu se estudi?), Mtodo (cmo se estudi?),
Resultados (cules fueron los hallazgos?) y Discusin (qu significan los resultados?). Este esquema
tiene entonces las siglas IMRYD. Este esquema facilitaba el trabajo de los revisores, pero tambin el de
los lectores que podan encontrar rpidamente lo que buscaban, y el de los autores en tanto contaron con
un esquema que les permiti organizar su escrito. Prcticamente hoy en da todas las revistas cientficas
se basan en sus artculos en el esquema IMRYD, al que suele agregarse un abstract o resumen,
conclusiones y referencias bibliogrficas.

El abstract o resumen debe dar cuenta en forma clara y simple del contenido de la obra. El orden recomendable
de presentacin es el siguiente: Una formulacin precisa y concisa del objetivo de la investigacin, una breve
descripcin de la metodologa y formulacin general de las conclusiones o resultados obtenidos. El resumen debe
ser informativo y expresar en un mnimo de palabras, el mayor nmero posible de informacin sobre el
contenido del trabajo (mximo una pgina) (Droppelmann, 2002).
No es lo mismo el resumen del informe, y las conclusiones que suelen figurar al final del mismo:
a) La conclusin hace referencia a las consecuencias ms importantes de la investigacin realizada, sea que
consistan en los nuevos problemas que plantea, en las soluciones prcticas que pueda ofrecer, en su repercusin
para la ampliacin, la reconsideracin o la refutacin de las teoras cientficas establecidas que sirvieron de
marco de referencia a la investigacin, etc. b) Mientras una conclusin adelanta consecuencias, un resumen
comprime informacin. El resumen es un texto que reduce el artculo a las ideas principales dejando de lado las
secundarias, y permite al lector darse una idea de su contenido en un tiempo bastante ms breve. Un resumen
es una sntesis analtica, una conclusin es una sntesis dialctica. A veces se emplea tambin la palabra
abstract, aunque generalmente sta se aplica a un resumen algo ms lacnico y ubicado al comienzo del
artculo.

En este esquema, particularmente importantes son los mtodos utilizados para hacer la investigacin.
Para evitar las crticas a sus investigaciones, Pasteur publicaba sus resultados incluyendo los mtodos
utilizados con gran detalle, de modo que otros investigadores pudieran reproducir sus resultados. Hoy en
da la reproducibilidad de los experimentos es fundamental en la ciencia.

Pgina 231 de 325
231
No todos los que publican informes cientficos tienen conocimiento de este formato, en cuyo caso suelen
recurrir a lo que alguna vez les ensearon siendo estudiantes cuando deban hacer una monografa,
utilizando entonces el clsico esquema de "Introduccin", "Desarrollo" y "Conclusiones".
La prueba de fuego de todo aspirante a publicar en una revista cientfica especializada es la confeccin de
la tesis de doctorado, siendo habitual que tambin a ellas se les exija el formato tcnico. Por ejemplo,
una tesis de doctorado de 400 pginas en la Universidad de Colorado (Massonnat-Mick G, 1999), fue
estructurada en las siguientes partes: Abstract, Reconocimientos, Introduccin, Revisin de la literatura
(que incluye referencias al marco terico utilizado), Anlisis, Sntesis, Validacin e Implementacin (que
incluye los procedimientos estadsticos utilizados para la validacin de la hiptesis), Resultados,
Recomendaciones y Conclusiones, y Apndices.
Si bien cada centro de investigacin o cada universidad especfica sus propias pautas para la presentacin
de informes, se puede aqu mencionar una propuesta tpica de informe tcnico que ha codificado la
retrica de la investigacin tradicional o "positivista" (Zeller, 1995:295).
Se trata de la propuesta del APA Publication Manual (Bazerman C, 1987), que, segn Zeller, se ha
convertido en el manual de estilo para gran parte de las ciencias sociales y tambin para la investigacin
en ciencias de la educacin. La misma autora seala que las convenciones APA para la redaccin "estn
destinadas a crear la apariencia de objetividad (ausencia de parcialidad o sesgo) de modo que la retrica
de los informes o artculos de investigacin sean consistentes con la metodologa en la que se basan.
Segn Bazerman estas convenciones incluyen 1) el uso del punto de vista en tercera persona, es decir,
del punto de vista objetivo; 2) el nfasis en la precisin, tomando la ciencia matemtica como modelo; 3)
la evitacin de metforas y otros usos expresivos del lenguaje; y 4) la prctica de apoyar toda afirmacin
en una prueba experimental y emprica tomada de la naturaleza" (Zeller, 1995:296).
La misma autora destaca la importante influencia de este tipo de formato, refiriendo que incluso se ha
llegado a la paradoja de que muchos investigadores no positivistas que rechazan la objetividad en las
ciencias humanas, ellos mismos han utilizado formatos tcnicos en la redaccin de sus informes.
Para Zeller, el formato tcnico y el narrativo representan estrategias retricas diferentes que se apoyan
en dos supuestos fundamentales: "el primer supuesto es que el principal objetivo de un informe de casos
[narrativo] es crear comprensin (versus prediccin y control). El segundo supuesto es que una narrativa
de caso, a diferencia de un informe tcnico de investigacin, debe ser un producto en vez de un registro
de la investigacin" (Zeller, 1995:295).
Ya desde los mismos ttulos de los informes puede identificarse el formato: no es lo mismo ttulos de tipo
"El hombre de los lobos" o "La crisis negra o el da que me llamaron racista (glup)", que los ttulos
"Factores intrapsquicos e interpersonales relacionados con el bienestar psicolgico del adolescente en
familias con madrastra o padrastro", o "Validacin de un procedimiento informatizado para la evaluacin
de las estrategias de resolucin de una tarea de visualizacin espacial".
Finalmente, cabe consignar que el formato tcnico donde se expone el ttulo, el abstract y el cuerpo del
informe facilita enormemente su bsqueda en el inmenso ocano de informacin que circula en Internet o
en las bibliotecas. As, si lo que se busca es por ejemplo informacin sobre las relaciones entre familia y
drogadiccin, no debern leerse todos los informes en su totalidad, sino solamente sus ttulos. Sobre
3000 ttulos seleccionados se podrn elegir 300, de los cuales se leern solamente los abstracts. Una
nueva seleccin en funcin de estos ltimos finalmente, podr conducir a considerar apenas 30 informes,
que s podrn leerse con mayor detenimiento.

La titulacin de los textos.- Los ttulos de un texto cientfico, al igual que los de uno literario, son los
anfitriones del lector, pausas para descansar, y la primera impresin que se lleva el lector sobre el
escrito; pero, ante todo, son los organizadores primarios de la informacin en tanto recursos centrales
para la comprensin del texto.
Cuando se lee un texto donde los ttulos estn adecuadamente colocados, su comprensin se torna ms
fcil porque la informacin est ms organizada. Los ttulos son recursos que permiten organizar la
informacin tanto al lector como al autor del texto, siempre y cuando, desde ya, unos y otros reconozcan
su importancia para tal fin.
A los ttulos se los puede denominar organizadores primarios no slo porque son los primeros elementos
a los que recurre el lector para comprender lo que lee, sino tambin porque son los que organizan la
informacin en sus partes ms genricas o principales. Los organizadores secundarios, en cambio, son los
trminos sincategoremticos o relacionales incluidos en los prrafos: trminos sincategoremticos son
aquellos que relacionan ideas, frases, etc., como por ejemplo 'por lo tanto', 'porque', las conjunciones
ilativas, las preposiciones, etc.
De lo dicho se desprende que cuando un texto tiene cierta extensin (por ejemplo un libro, un captulo de
un libro, o un artculo), resulta fundamental fragmentarlo. La titulacin es el proceso de fragmentacin
consistente en dividirlo en partes jerrquicas, o simplemente diferentes, mediante el empleo de ttulos
explcitos o implcitos, con el fin de facilitar al lector la organizacin y la comprensin de la informacin
recibida.

Respecto de la importancia de los ttulos, puede indicarse lo siguiente:


Pgina 232 de 325
232
a) Los ttulos ayudan a ubicar al lector en cada parte del texto.- Un ttulo es un anfitrin que invita al
lector a entrar en l y recorrer sus diversas partes. En este sentido, la titulacin de un artculo es un
proceso similar a la sealizacin vertical de una ruta o de un shopping: cada ttulo es un cartel indicador
que muestra al lector dnde est ubicado en el texto, del mismo modo que muestra al conductor su
ubicacin en la ruta o al visitante su lugar en el centro comercial. Ttulos como "Introduccin" pueden ser
equivalentes a "Entrada", mientras que el "Resumen" puede ser la "Salida" o el plano de la ruta o el
shopping.
b) Los ttulos son medios para la comprensin del texto que subsumen.- Tmese el lector la molestia de
leer el siguiente prrafo:

"En realidad el procedimiento es bastante simple. Primero usted dispone las cosas en grupos diferentes.
Naturalmente, una pila puede ser suficiente, dependiendo de cuanto haya que hacer. Si usted tiene que ir a
alguna parte debido a la falta de medios, ste sera el siguiente paso, y en caso contrario todo est bien
dispuesto. Es importante no enredar las cosas. Es decir, es mejor hacer pocas cosas a la vez, que demasiadas.
De momento esto puede no parecer importante, pero las cosas pueden complicarse fcilmente. Un error tambin
puede costar caro. Al principio todo el procedimiento parece complicado. Pronto, sin embargo, llegar a ser
simplemente otra faceta de la vida. Es difcil prever un fin o necesidad de esta tarea en el futuro inmediato, pero
nunca se sabe. Cuando el procedimiento se ha completado se dispone de nuevo el material en grupos diferentes.
Luego pueden colocarse en sus lugares adecuados. Eventualmente pueden usarse de nuevo y todo el ciclo
completo se repite."

Probablemente haya entendido poco o nada, por no saber de qu se est hablando, lo que adems
influye en la calidad del recuerdo del texto y de su posterior evocacin.
Proponemos ahora al lector que vuelva a leer el prrafo, pero ahora con el ttulo "El lavado de la ropa", y
podr comprobar cmo habr aumentado la comprensin del material y, desde ya, su fijacin mnmica.
El ejemplo forma parte de un experimento llevado a cabo por Bransford y Johnson (1973, citado por De
Vega, 1984) destinado a evaluar la importancia del carcter constructivo y contextual de la comprensin.
Para la psicologa cognitiva, en efecto, los ttulos tienen el valor de un 'ndice contextual lingstico' que
permite reducir la ambigedad de un texto, facilitando enormemente su comprensin.
En otro ejemplo, alguna vez al encender la radio no se pudo dilucidar de qu estaba hablando la persona,
y recin se puede comprenderlo cuando el locutor tiene la delicadeza de decirnos que "acaba de hablar
Fulano sobre tal tema", es decir, cuando nos suministr un ttulo.
Normalmente, cuando se habla con otra persona se suprime mucha informacin tcita por una cuestin
de economa, por saber que esa informacin llegar al interlocutor por el contexto, que funciona como
ttulo. Por ejemplo, si alguien est con el mecnico viendo el motor del auto, no dice "sale humo del
motor", sino simplemente "sale humo", expresin sta ltima que, fuera de todo contexto, carece de una
significacin precisa.
c) Los ttulos responden a expectativas del lector.- Los lectores tienen una expectativa acerca de que
habrn de encontrar ttulos que los guiarn, como por ejemplo 'Introduccin', 'Desarrollo' o 'Conclusin'.
Estas estructuras que guan la produccin y comprensin de discursos son llamadas por los psiclogos
cognitivos esquemas de dominios (De Vega, 1984) y, cuando un texto no satisface estas expectativas
alejndose de los esquemas convencionales, la comprensin puede resultar ms ardua.

Respecto de los niveles de titulacin, puede decirse lo siguiente:

Los ttulos estn habitualmente ordenados por niveles para indicar al lector cuales son las ideas
principales y las secundarias, aunque la correlatividad de los ttulos suele indicar tambin una secuencia
narrativa. Estos niveles son:

1- Ttulo del libro
2- Subttulo del libro
3- Ttulo del captulo o artculo
4- Subttulo/s del captulo o artculo
5- Asterisco o equivalentes (interlineado mayor)
6- Comienzos de prrafo

Los cuatro primeros niveles son ttulos explcitos, y los dos ltimos corresponden a ttulos implcitos.
El nivel 4 admite diferentes subniveles: por ejemplo, pueden establecerse subttulos dentro de un
subttulo ms general. En el primer subttulo de la presente nota, por caso, hemos includo tres subttulos
indicados con las letras a, b y c.
A partir del nivel 5 ya no hay ttulos establecidos en forma explcita, sino equivalentes de ttulos, y
pueden existir o no. Por ejemplo, un asterisco o un interlineado ms destacado que separa prrafos es
interpretado por el lector como un lmite entre dos fragmentos de texto que hablan de cosas diferentes
dentro del mismo tema.
Cuando no hay subttulos, o cuando el lector intenta comprender un texto subsumido en un subttulo,
suele utilizar las primeras palabras de cada prrafo para ordenar su lectura. El autor debe aprovechar
esta tendencia del lector y utilizar los comienzos de prrafos como ttulos de ltimo nivel. Comienzos de

Pgina 233 de 325
233
prrafo tiles son por ejemplo "En resumen...", "Haremos aqu una breve pausa para aclarar...", "Veamos
algunos ejemplos de...", "Retomando lo que decamos...", etc.

Respecto a cmo titular correctamente, puede darse las siguientes indicaciones tiles para redactar y
ubicar los ttulos de manera que puedan cumplir mejor su funcin de organizar y ayudar a la comprensin
del texto.
a) La cantidad de ttulos no debe ser ni muy breve ni muy extensa.- Los lectores suelen perderse en un
artculo tanto cuando carece de ttulos, como cuando tiene demasiados. Aunque el logro del equilibrio
justo depende de la habilidad del autor, una proporcin ms o menos razonable podra ser un subttulo
cada dos carillas, si se trata de un paper de extensin estndar (unas 20 carillas).
b) Los ttulos no deben ser, en lo posible, expresiones metafricas.- Algunos ttulos de artculos de
divulgacin cientfica suelen impactar apelando a las emociones o a la sensibilidad del lector, como "Un
banquete delicioso" para un artculo que habla de bulimia, o "La naturaleza juega al bingo" para otro que
versa sobre la teora de la probabilidad. Informes cientficos con ttulos literarios hacen que el lector no
pueda darse una idea rpida del contenido del artculo y as, en lugar de "Un banquete delicioso",
convendr colocar "La bulimia", un ttulo ms aburrido pero tambin ms prctico.
c) No debera abusarse de los subttulos.- Hay textos que tienen subttulos de subttulos de subttulos...,
lo cual tiende a confundir al lector al sumergirlo en una maraa de relaciones que dificultan la
comprensin. En caso de tener que utilizarse dos o tres niveles de subttulos, como suele ocurrir en
escritos extensos como las tesis, deben usarse indicadores de nivel. Ejemplo 1: utilizar nmeros para los
ttulos de mayor nivel, y letras para los del nivel siguiente. Ejemplo 2: usar maysculas para los ttulos
de mayor nivel, y minsculas para los de menor nivel. Ejemplo 3: usar negritas para los ttulos de mayor
nivel, y cursiva o bastardilla para los del nivel siguiente. Ejemplo 4: usar letras ms grandes para unos y
letras ms chicas para otros.
d) Cuidar la relacin entre comienzos de prrafo.- Hay autores que por ejemplo comienzan un prrafo
con la expresin "en primer lugar..." y luego, en el resto del texto, no aparece ningn "en segundo lugar"
o "en ltimo lugar".
e) Los ttulos deben atender a las expectativas estndar de los lectores.- Tres supuestos tcitos del lector
deben tenerse en cuenta: 1) Lo que est expresado con maysculas o en letras ms grandes es ms
importante que lo que est en minsculas o en letras ms chicas (salvo en los contratos, donde la letra
chiquita suele ser lo ms importante). 2) Lo que est dicho primero es lo ms importante. Cuando un
artculo est dividido en ttulos de igual nivel, se tiende a pensar que lo dicho primero es lo ms
importante. Esto no es siempre as, porque a veces un artculo comienza con algo poco importante pero
que impacta, con el fin de que el lector contine leyendo por inercia. Esto es perfectamente lcito,
siempre y cuando quien escribe el artculo suministre luego pistas claras acerca de qu es lo importante y
lo que no. 3) El texto que figura a continuacin de un ttulo habla acerca de lo que el ttulo dice. Esto que
puede parecer una tontera no es a veces tenido en cuenta por el autor, generando en el lector
incongruencias que lo obligan a realizar un esfuerzo adicional para reorganizar la informacin que recibe.
f) Hacer un esquema previo de los ttulos.- Esta precaucin no slo ayuda a organizar la redaccin de las
ideas, sino que tambin garantiza bastante la titulacin correcta.

Las notas al pie.- Las notas al pie son anotaciones que figuran al final de una pgina o bien al final del
libro o del artculo, y que brindan al lector algn tipo de informacin adicional, como referencias
bibliogrficas de citas, pero especialmente aclaraciones o comentarios que no hacen al tema principal del
texto. Alguien dijo: "las grandes batallas de la antigedad suelen quedar transformadas, con el tiempo,
en una simple nota al pie".

Aclaraciones preliminares.- Antes de describir qu usos puede darse a las notas al pie, se describen a
continuacin algunas de sus caractersticas generales.
a) Cada vez que en el texto principal de un artculo o un libro figura una llamada, ella suele remitir a lo
que se llama una nota al pie, que puede estar "al pie de la pgina" o "al pie del artculo". Conviene
colocar la nota al pie al final de la pgina por una razn de comodidad de lectura. Cuando la nota al pie
est al final del artculo o del libro ello obliga al lector a pasar pginas y buscar la nota en el final,
interrumpiendo la continuidad de la lectura.
b) La nota al pie debe tener un formato diferente al texto principal, para quedar bien individualizada.
Generalmente, en las notas al pie se utiliza una tipografa ms pequea, y suele estar separada del texto
principal por una breve lnea.
c) Obviamente, toda nota al pie comienza con una llamada, que debe ser exactamente igual a la llamada
respectiva que figura en el texto principal. Por ejemplo, la llamada (1) del texto principal remite a la
nota al pie que comienza con la llamada (1).
d) Las notas al pie derivan habitualmente del texto principal, pero tambin de los ttulos de dicho texto,
en cuyo caso suele utilizarse el asterisco (*) como llamada.
e) No debe abusarse de las notas al pie. En lo posible, el redactor deber utilizar el mnimo necesario
para sus fines. Por ejemplo, un escrito lleno de notas al pie y donde el texto principal ocupa un espacio
menor puede hacer dudar al lector acerca de donde est el contenido del artculo: si en el texto principal
o en las notas al pie.

Pgina 234 de 325
234

Usos ms habituales de la nota al pie.- A continuacin pueden apreciarse varios ejemplos de notas al pie,
que ilustran algunos de los usos ms habituales de este recurso expositivo.

Ejemplo de texto con notas al pie Notas al pie del texto
La medicina hipocrtica (*)
Por Juan Prez (**)

Hipcrates puede muy bien ser considerado como un
representante tpico de la medicina griega. Como seala
acertadamente Asa, "es posible captar el carcter esencial de la
actividad mdica griega concentrndonos en la figura de
Hipcrates de Cos" (1). Hipcrates tena una actitud naturalista.
Por ejemplo, en su tratado "La enfermedad sagrada", establece
que "la epilepsia no es causada por la posesin de espritus
malignos" (2), sino que invoca causas naturales. Sin embargo,
"debe tenerse en cuenta que esta actitud no significaba romper
con la religin oficial griega" (3) ya que el mismo tratado aclara
que las enfermedades estn, en ltima instancia, bajo el control
de los dioses (4).
La novedad que introduce la escuela de Hipcrates es que rompe
con la idea de la enfermedad como posesin, idea muy difundida
en las culturas arcaicas y en especial en Babilonia, donde se
utilizaba el recurso del exorcismo (5).
(*) El presente artculo resume los conceptos
vertidos por el autor en una conferencia dictada
en la Universidad Nacional de La Plata, en abril de
1988.
(**) Mdico legista. Prof. Adjunto de la Ctedra
de Historia de la Medicina de la Facultad de
Medicina de la Universidad de Buenos Aires.

(1) Asa Miguel de, "El rbol de las ciencias",
Fondo de Cultura Econmica, Bs. As., 1996, p.
21.
(2) Idem, p. 22.
(3) Loc. Cit.
(4) Cfr. Hull L, "Historia y filosofa de la ciencia",
Ariel, Barcelona, 1978, 4 edicin, p. 124.
(5) En la poca de Hipcrates coexista con su
escuela otra que era la medicina sacerdotal o
tergica. Aqu nos referiremos solamente a la
escuela "mdica" de Hipcrates.

Entre los usos ms difundidos de las notas al pie se cuentan los siguientes.
1) Indicar la fuente bibliogrfica de una cita.- Tal el ejemplo de la nota al pie (1). En la misma, tambin
se puede obviar la editorial, el lugar, y el ao de edicin de la fuente, ya que esa informacin puede estar
ya includa en las referencias bibliogrficas, al final del artculo o libro.
La nota al pie (2) remite a la misma fuente bibliogrfica inmediatamente anterior. En estos casos, suele
utilizarse indistintamente "Idem", "Id.", "Ibidem" o "Ibid.", expresin latina que significa "el mismo". La
nota al pie (3) remite no slo a la misma fuente bibliogrfica inmediatamente anterior, sino adems
tambin a la misma pgina, puesto que la expresin "Loc. Cit.", del latn "Locus citate", significa "lugar
citado". Si la fuente bibliogrfica no es inmediatamente anterior, se puede consignar, por ejemplo, "Asa,
M. El rbol de las ciencias, loc. cit.", para que el lector sepa a qu texto se hace referencia.
Suele usarse tambin otra expresin, "op. cit.", que significa en latn "opus citate" (obra citada), en los
casos donde se vuelve a mencionar una fuente bibliogrfica indicada anteriormente. Por ejemplo: "Asa
M., op. cit., p. 49".
Todas las especificaciones precedentes se aplican tanto a las citas textuales como a las no textuales (en
el ejemplo del recuadro, se han indicado solamente citas textuales).
2) Remitir a un texto no citado especficamente.- La nota al pie (4) del ejemplo comienza con la
expresin "Cfr.", abreviatura de "confirase" o "confrntese". Ella remite al lector al texto indicado en la
nota y da a entender que en dicho texto hay algo que, aunque no fue citado explcitamente en el texto
principal, est de alguna forma relacionado con lo que se est diciendo.
Tambin pueden utilizarse las expresiones "Cf." o "Vase", y pueden incluso remitir a otros lugares del
mismo texto que el lector est leyendo, como por ejemplo cuando en una nota al pie aparecen
expresiones como "(9) Vase ms arriba el segundo ejemplo", o "(9) Vase captulo 4".
3) Agregar informacin adicional.- Tal el ejemplo de la nota al pie (5), donde la informacin no fue
incluida en el texto principal para no obstaculizar la continuidad en la lectura. En general, se puede leer
un artculo prescindiendo de las notas al pie, y con la seguridad de haberse informado respecto de las
ideas principales de su autor. Otros ejemplos de notas al pie que agregan informacin adicional son:
"Ptolomeo tambin fue autor de una famosa obra de astrologa, el Tetrabiblos", o "Las artes liberales
para Varrn eran nueve: retrica, gramtica, dialctica, aritmtica, geometra, msica, astronoma,
medicina y arquitectura. Casiodoro (490-585 d.C.) elimin del canon las dos ltimas, dando origen a la
tradicin de las siete artes liberales", etc.
4) Agregar sucintamente algn punto de vista diferente al que se plantea en el texto principal.- Ejemplos
de este tipo de notas al pie pueden ser las siguientes: "No coincidimos con este planteo de Collins, por
cuanto...", o "Esta es la oportunidad de rectificar una opinin que haba desarrollado tiempo atrs...", etc.
Desde ya, una nota al pie puede tener otras muchas utilidades, dependiendo ello de la imaginacin del
redactor y de su habilidad para distinguir qu tiene sentido incluir como nota al pie, y qu no.

El contenido del texto

El contenido de un texto cientfico puede expresar los resultados de tres tipos de investigacin: una
investigacin terica, una bibliogrfica, y una emprica. En la investigacin terica la tarea principal es
relacionar diversas ideas entre s, mientras que en la investigacin emprica es central relacionar ideas
con hechos. La investigacin bibliogrfica suele estar incluida en ambas, pero tambin puede constituir
una investigacin independiente. En cualquier caso, su propsito principal es exponer las diversas teoras

Pgina 235 de 325
235
y/o investigaciones que se han llevado a cabo sobre un determinado tema, como por ejemplo sobre el
sentido de una palabra, o sobre los resultados de algn tipo especial de terapia.
En el presente tem se incluye un tem sobre la importancia de las definiciones en tanto estas permiten
organizar primariamente el contenido de la informacin, del mismo modo que los ttulos organizan
primariamente su forma.

La investigacin terica.- Una investigacin terica permite explorar diferentes puntos de vista de
diversos autores, examinando sus concordancias, sus diferencias y el grado en que fundamentan sus
afirmaciones, tanto si se trata de una fundamentacin lgica como de una fundamentacin emprica.
Una investigacin terica puede incluir una investigacin bibliogrfica, pero va ms all de ella, por
cuanto no se limita a exponer diferentes puntos de vista sino tambin a analizarlos, cuestionarlos,
defenderlos, compararlos y, eventualmente, proponer un enfoque terico alternativo.
Una investigacin terica no es emprica, pero puede exponer resultados de investigaciones empricas con
el fin de ilustrar o fundamentar asertos tericos.

La investigacin bibliogrfica.- La investigacin bibliogrfica es aquella etapa de la investigacin cientfica
donde se explora qu se ha escrito en la comunidad cientfica sobre un determinado tema o problema.
Si una investigacin bibliogrfica forma parte de una investigacin ms general de tipo emprico, ella se
incluye, entre otras cosas, para apoyar la investigacin que se desea realizar, evitar emprender
investigaciones ya realizadas, tomar conocimiento de experimentos ya hechos para repetirlos cuando sea
necesario, continuar investigaciones interrumpidas o incompletas, buscar informacin sugerente,
seleccionar un marco terico, etc.
A continuacin se exponen algunas indicaciones a tener en cuenta al emprender este tipo de
investigacin, principalmente en lo concerniente a qu hay que consultar, y cmo hacerlo.

a) Qu bibliografa consultar?.- A la hora de resolver este problema, se pueden diferenciar tres niveles
de bibliografa, de acuerdo al tipo de destinatario para el que fue diseada: la bibliografa para el pblico
en general, la bibliografa para aprendices o alumnos, y la bibliografa para profesionales e
investigadores.
a) Bibliografa para el pblico en general.- Se incluye aqu aquel material destinado a todas las personas,
profanos o no profanos. En esta categora estn los diccionarios 'comunes', los diccionarios
enciclopdicos, las enciclopedias, y los artculos de divulgacin cientfica que se publican en diarios y
revistas de inters general. Desde ya, entre estos artculos de divulgacin habr material de dispar
lecturabilidad: algunos podran ser de 'fcil' lectura, como un artculo sobre el ataque de pnico publicado
en una revista femenina, y otros algo ms 'sesudos' como el que habla de la estructura del universo en
una revista de divulgacin cientfica.
b) Bibliografa para aprendices o alumnos.- Cabe incluir aqu todo aquel material diseado especialmente
para la enseanza sistemtica y, por tanto, sus destinatarios son aprendices o alumnos. Por ejemplo, los
manuales y tratados generales sobre alguna disciplina, las publicaciones internas de las ctedras, las
clases desgrabadas de los profesores, textos indicados por los docentes como bibliografa, etc. Los
diccionarios especializados (por ejemplo de filosofa, de psicoanlisis, de electrnica, etc.) fueron
diseados para alumnos pero tambin para profesionales e investigadores.
c) Bibliografa para profesionales e investigadores.- Se incluyen aqu fundamentalmente los artculos
especializados que aparecen en Journals o revistas destinadas a profesionales e investigadores, como as
tambin las comunicaciones hechas en Congresos o Simposios, tesis de doctorado, etc. La lectura de este
tipo de material supone habitualmente bastante conocimiento previo, por lo que no es comn que sea
consultado por alumnos novatos, ni menos an por el pblico profano.
En general, hay siempre alguien que avala la calidad de lo publicado, ms all de si lo hace bien o mal.
Por ejemplo, un diccionario est avalado por la editorial que lo publica, y difcilmente se podra encontrar
en l una leyenda que aclarase que el editor no sea hace responsable por las definiciones propuestas. De
idntica forma, un manual est avalado por el profesor que lo recomienda, y una clase desgrabada suele
estar corregida por el docente que la dict. Los artculos publicados en revistas especializadas estn
avalados en cuanto a su nivel de 'cientificidad' por un comit editor.
Otras veces, no hay nadie que ostensiblemente se hace responsable de avalar un escrito, siendo el
ejemplo ms pattico al respecto la bibliografa que circula libremente por Internet. De hecho, cualquiera
puede escribir cualquier cosa, incluso utilizando una engaosa sintaxis cientfica y un engaoso
vocabulario del mismo tenor, y enviarlo desaprensivamente a rodar por la autopista informtica.
Pero qu tipo de material debera utilizarse en una investigacin bibliogrfica con fines de investigacin
cientfica? En principio, considero que el investigador no debera descartar ninguno de los tres niveles de
lectura: se puede encontrar material muy valioso en un artculo de divulgacin cientfica, y material de
baja calidad en un artculo especializado. El diccionario 'comn' resulta muchas veces imprescindible a la
hora de tener que definir conceptos, an cuando no sea luego citado.
En suma: en principio se puede consultar todo lo considerado relevante, y en el nivel que sea. En todo
caso, la restriccin no pasa por lo que se consulta, sino por lo que finalmente se cita como bibliografa
consultada.
b) Qu se cita de lo que se consulta?.- Al respecto, pueden servir las siguientes observaciones:

Pgina 236 de 325
236
a) Conviene no citar revistas de divulgacin cientfica, porque a los ojos de muchos lectores y
evaluadores, el material puede perder prestigio, seriedad o credibilidad. La razn principal es la creencia
de que los artculos de divulgacin cientfica son seleccionados ms por su inters comercial que por su
rigor cientfico o, si se quiere, ms por su capacidad para impresionar que por su capacidad para
respaldar lo que se afirma. Con esto no se descalifica la divulgacin cientfica. De hecho algunas de ellas
suelen publicar artculos firmados por investigadores de amplio reconocimiento acadmico en la misma
comunidad cientfica, como por ejemplo Paul Davies o Carl Sagan. Se aconseja, por lo tanto, citar aquella
parte de la bibliografa consultada que abarca diccionarios de todo tipo, manuales y, en especial, libros y
artculos especializados.
b) No debera incluirse bibliografa no consultada, lo que a veces se hace para 'abultar' la lista
pretendiendo con ello dar al escrito mayor prestigio o, en el caso de alumnos que presentan monografas,
dar la impresin de haber 'trabajado' ms.
c) A veces, se menciona un texto que jams se tuvo entre las manos, pero que aparece citado en algn
libro efectivamente consultado. Se trata de un 'hurto lcito' de citas donde se usa al autor como un
empleado, ya que fue l quien se tom el trabajo de buscar la bibliografa. Es un recurso legtimo siempre
y cuando: a) se est razonablemente seguro de la fidelidad de la mencin bibliogrfica ajena, y b)
cuando su empleo est estrictamente justificado, es decir, no utilizar citas bibliogrficas de otros libros
'porque s'.
d) Una creencia muy extendida, sobre todo entre los alumnos que realizan trabajos escritos, es que si se
cita un libro, uno debe conocer a fondo 'todo' el libro, porque "tal vez puedan preguntarme cualquier cosa
sobre l". Desde ya, no hay que saber detalladamente todo el libro consultado, aunque s conocer aquella
parte que fue efectivamente utilizada, que bien pudo haber sido un simple prrafo.
c) Cmo buscar la bibliografa?.- Dankhe (citado por Hernndez Sampieri, 1991:23) propone otro
criterio para clasificar las fuentes de informacin bibliogrfica, distinguiendo fuentes primarias,
secundarias y terciarias. Una fuente primaria es por ejemplo un libro, o un artculo de una revista. Una
fuente secundaria es un listado de fuentes primarias, como por ejemplo ciertas publicaciones peridicas
que reportan y/o comentan brevemente artculos, libros, tesis, ponencias, etc. publicadas en determinado
lapso de tiempo o para determinadas disciplinas cientficas. Una fuente terciaria agrupa o compendia, a
su vez, fuentes secundarias, como por ejemplo un catlogo de revistas peridicas.
Esta clasificacin resulta til para decidir por dnde comenzar la investigacin bibliogrfica. En general,
conviene hacerlo por las fuentes terciarias para ver qu revistas publican material sobre el tema que
interesa; luego, se pasa a las fuentes secundarias para localizar, dentro de las revistas, la informacin
pertinente. Finalmente, las fuentes primarias as seleccionadas proveern la informacin directa.
Hernndez Sampieri y otros (1991:27) ofrecen tres recomendaciones para buscar la bibliografa que
interesa: a) acudir directamente a las fuentes primarias u originales, cuando se conozca bien el rea de
conocimiento en donde se realiza la revisin de la literatura; b) acudir a expertos en el rea para que
orienten la deteccin de la literatura pertinente y a fuentes secundarias, y as localizar las fuentes
primarias (que es la estrategia ms comn); y c) acudir a fuentes terciarias para localizar fuentes
secundarias y lugares donde puede obtenerse informacin, y a travs de ellas detectar las fuentes
primarias de inters.
El "Member Catalog" de la New York Academy of Sciences (www.nyas.org) es un ejemplo de fuente
terciaria para ciencias biolgicas, por ejemplo. En el mbito de la psicologa, pueden mencionarse el
"Index of Psychoanalitic writting", el "Bibliographic Guide of Psychologie", los "Psycological Abstracts" que
se publican desde 1927, as como ndices de todas las revistas publicadas hasta la fecha en espaol o en
otro idioma, etc.
"Psycological Abstracts" es una revista de resmenes elaborada sobre ms de mil revistas cientficas a
nivel internacional. Se publica cada seis meses y contiene no slo resmenes de artculos sino
informacin de libros, captulos de libros y otros tipos de documento. Len y Montero (1993:299)
advierten, sin embargo, que nadie suele empezar a estudiar un tema buscando artculos en los
"Psychological Abstracts", y, de hacerlo, descubrira que el volumen de lo publicado slo en los ltimos
diez aos sobre el ms especfico de los temas es tal, que no terminara de leerlo en todo el tiempo que
haba previsto para la investigacin. No obstante, cabe consignar que puede ser de utilidad para quienes
ya son expertos en el tema o bien para aquellos que buscan obtener, solamente a partir de ttulos, un
panorama somero de lo publicado sobre el tema. Por lo dems y afortunadamente, el almacenamiento de
la informacin en soportes magnticos tipo CD-Rom est facilitando mucho la bsqueda.
Otra fuente terciaria es el "Annual Review of Psychology", donde un grupo de investigadores revisan lo
escrito sobre una temtica ordenndolo, comentndolo o criticndolo. Al consultar este tipo de material,
no debe pensarse que la bibliografa publicada ms recientemente es necesariamente la ms actualizada.
De hecho, existen artculos fechados hace ochenta aos con un increble nivel de actualidad, y otros
publicados hace muy poco pero que no agregan nada nuevo a lo que se viene diciendo desde hace
mucho, ni en cuanto al contenido ni en cuanto a la forma de exponerlo.
Una vez identificada la fuente primaria de informacin (el libro, el artculo o la ponencia que interesa),
comienza ahora la tarea de la consulta bibliogrfica propiamente dicha.
d) Cmo consultar la bibliografa?.- El principal problema que debe encararse al consultar un texto es el
procesamiento de la informacin. En efecto, la comprensin de textos expositivos cientficos o tcnicos es
una tarea cognitivamente exigente, no slo porque el lector debe poseer y ser capaz de invocar grandes

Pgina 237 de 325
237
cuerpos de conocimiento especializado, sino tambin porque debe ser capaz de realizar una variedad de
procesos de lectura y administracin de memoria (Britton y otros, 1985).
La cuestin, sin embargo, no depende solamente del lector sino tambin de quien escribi el texto. Hay
artculos que son muy complejos, y no por el tema sino por la forma en que fueron escritos.
Por ejemplo, un artculo es ms fcil de comprender si est dividido en subttulos, o si tiene un resumen
al final, o si el autor expone sus ideas en forma ordenada. En trminos cognitivos, se dice que el texto en
cuestin cre las condiciones para ahorrar los recursos de memoria, para reasignarlos al proceso de
comprensin e integracin.
Cuando se lleva a cabo una investigacin bibliogrfica, desde un punto de vista cognitivo la mente realiza
fundamentalmente tareas de ingreso de informacin (in put) y de procesamiento. En cambio, cuando se
exponen los resultados de la investigacin pasan a un primer plano la tarea de egresar la informacin
(out put). Por consiguiente, la investigacin bibliogrfica exige habilidades vinculadas con el in put y el
procesamiento, y en particular, la consulta bibliogrfica tiene ms que ver con ste ltimo. Por ejemplo:
El input tiene relacin con buscar, percibir, escuchar, or, leer, memorizar, retener, seleccionar. El
procesamiento tiene que ver con analizar, definir, relacionar, comprender, comentar, criticar, crear,
comparar, entender, concluir, inferir, razonar, ordenar, organizar, deducir, suponer, inducir,
problematizar, opinar. Las habilidades para redactar informes cientficos, en cambio, se centran en el
output: exponer, enunciar, mentar, decir, escribir, hablar, mostrar, redactar, informar, comunicar,
esquematizar, graficar, concluir, resumir.
Durante la consulta bibliogrfica, el texto puede leerse de dos maneras: secuencialmente o
estructuralmente. La lectura secuencial es un psimo hbito que algunos arrastran desde la primaria,
cuando los obligaban a leer palabra por palabra o lnea por lnea. Lee secuencialmente quien comienza
leyendo el material desde la primera lnea, y no para hasta la ltima.
La lectura estructural, en cambio, supone leer ttulos y organizar el texto a partir de all, supone trazarse
un mapa mental del texto para saber adonde apunta y cules son las ideas principales. Una forma de
lectura estructural es, por ejemplo, leer el ttulo del artculo y a continuacin el resumen, que puede
figurar al final. Otra manera es intentar hacer una red conceptual relacionando los ttulos y subttulos
entre s.
Una vez realizada esta lectura estructural, se decide si interesa o no seguir profundizando en el texto. En
caso afirmativo, se seleccionan los prrafos ms interesantes en base a una rpida lectura de las
palabras iniciales. Una vez seleccionados los prrafos, se deber atender no slo en el contenido
informativo, sino la forma en que la informacin es presentada: en cada prrafo, el autor se propone
analizar, comparar, criticar, clasificar, definir, opinar, sintetizar, defender una idea, o qu? A continuacin
se enumeran algunas de estas operaciones que debern tenerse en cuenta para procesar la informacin.

Algunas operaciones que requieren ser identificadas en una consulta bibliogrfica.- Los prrafos que se
seleccionan en un texto para consulta bibliogrfica pueden tener diferentes propsitos. Conocerlos ayudar a
utilizar la bibliografa en forma pertinente:

ANALIZAR Descomponer en partes una cosa y considerarlas de a una. Ejemplos: clasificar, describir.
CITAR Mencionar las ideas de otra persona o personas.
COMPARAR Sealar las semejanzas y/o diferencias entre dos o ms cosas o ideas. Confrontar.
CONCLUIR Hacer un 'cierre' del texto, resolver de alguna manera lo dicho destacando consecuencias o aspectos
significativos, o, especialmente, combinar ideas ya expuestas para construir una idea nueva.
CRITICAR Cuestionar o rechazar una idea mediante respaldos argumentativos. En sentido amplio, criticar implica
analizar los pro y los contra de una afirmacin, discutir, evaluar.
DEDUCIR Extraer una conclusin lgicamente necesaria de una o ms premisas.
DEFENDER Apoyar una idea mediante respaldos argumentativos.
Destacar, aceptar, apreciar, reivindicar, valorar.
DEFINIR Explicar brevemente el significado de una palabra.
DESCRIBIR Enumerar las caractersticas de una cosa o situacin.
EJEMPLIFICAR Mencionar casos o situaciones ms o menos concretas que correspondan a una idea o a un caso
ms general. Ilustrar, mostrar.
EXPLICAR Dar cuenta de un hecho o situacin relacionndolo con causas, finalidades, motivos, antecedentes,
consecuencias, implicaciones, etc.
HISTORIZAR Trazar la resea histrica de la evolucin de una idea.
INDUCIR Extraer una conclusin ms general y de carcter probable a partir de casos particulares. Generalizar.
OPINAR Formular un juicio sin fundamentarlo rigurosamente. Conjeturar, suponer.
PROBLEMATIZAR Formular preguntas o problemas, ms all de si en el texto se ofrecen o no respuestas o
soluciones.
REFERIR Remitir a otra parte del texto. Ejemplo: anunciar o informar acerca del tema del texto siguiente.
RESUMIR Abreviar un texto en sus ideas principales y respetando el orden de la exposicin original.
SINTETIZAR Puede significar resumir o concluir, segn se trate, respectivamente, de una sntesis analtica o de
una sntesis dialctica. Ver Resumir y Concluir.
SUGERIR Instar al lector a que piense o haga determinada cosa. Convencer, persuadir.

e) Cmo registrar la bibliografa consultada?.- A medida que se va consultando la bibliografa, tambin
se va al mismo tiempo registrndola. La forma tradicional de hacerlo es en fichas, aunque tambin
pueden usarse cuadernos, libretas u hojas sueltas. En rigor, no importa mucho la manera en cmo se

Pgina 238 de 325
238
registra la informacin, lo que adems depende de cada cual (Hernndez Sampieri, 1991:30-37). Sin
embargo, y sea cual fuese la tcnica empleada, deber discriminarse bien si lo que se registra es un
resumen de lo consultado, una cita textual, un comentario, o una crtica, una idea suelta del consultor del
material.
La investigacin bibliogrfica termina en principio con el registro de lo consultado, y hasta ahora la labor
ha consistido apenas en reunir algunas piezas del rompecabezas, no en armarlo, cosa que ser la labor
de toda la investigacin en su conjunto hasta su presentacin por escrito en un informe final.

Finalmente, puede resultar til listar algunas preguntas que pueden hacerse al leer un texto cientfico o
filosfico: qu dice realmente?, qu oculta?, qu disimula?, qu simplifica?, qu ignora?, qu
presupone?, qu falsea?, a qu nos induce?, qu acenta?, qu niega?, qu provoca?, etc.

La investigacin emprica.- La investigacin cientfica emprica tiene bsicamente cinco etapas. Primero,
se definen algunas cuestiones generales como el tema, el problema, el marco terico a utilizar, etc.
Segundo, se procede a hacer una investigacin bibliogrfica, bsicamente para ver qu se ha escrito
sobre la cuestin. Tercero, se traza un proyecto de investigacin emprica. Cuarto, se ejecuta lo
proyectado. Quinto, se exponen los resultados, usualmente por escrito.
La investigacin emprica actual suele consistir en un intento por refutar una hiptesis por medios
estadsticos, en lugar de confirmarla por medios menos objetivos, y de aqu que todo escrito que plasma
una investigacin emprica tiene la forma de un ensayo de refutacin.
El ensayo de refutacin es un escrito en el cual se plantea una idea o hiptesis y se la intenta refutar, o
demostrar su falsedad, sobre la base de elementos de juicio lgicos y/o empricos desarrollados en el
mismo. Un ejemplo tpico es aquel artculo en el cual se intenta refutar o rechazar una hiptesis nula
mediante pruebas empricas.
Refutar no significa demostrar la verdad de una idea considerada falsa, sino demostrar la falsedad de una
idea considerada verdadera. Algunos casos donde en algn sentido puede aplicarse la idea de refutacin
son los siguientes: a) Mayutica: el mtodo socrtico que obligaba al interlocutor a ir reconociendo
gradualmente la falsedad de una opinin tomada por cierta. b) Demostracin por el absurdo: utilizada
tpicamente en matemticas, intenta demostrar la falsedad de un enunciado p demostrando la verdad de
su contradictorio no-p. Este procedimiento ha sido llamado indirecto porque, en lugar de probar que un
enunciado es verdadero en forma directa, intenta hacerlo demostrando la falsedad de su contradictorio.
c) Pruebas judiciales: en ciertos sistemas jurdicos se presume que el acusado es inocente, con lo cual la
tarea del fiscal acusador consistir en demostrar que la afirmacin el acusado es inocente es falsa, es
decir, deber intentar refutarla.
Pero fuera del campo filosfico, matemtico o jurdico, en el territorio de las ciencias fcticas la refutacin
tiene una larga historia que culmina con la propuesta popperiana segn la cual la gran tarea del cientfico
no es probar la verdad de la teora sino su falsedad, procedimiento llamado entonces refutacin o
falsacin.
En este sentido, las hiptesis refutadas tienen su utilidad, pues al eliminar cada una de las hiptesis
falsas, el investigador va estrechando el campo en el cual deber hallar una respuesta (Deobold,
1985:193). Por otro lado, las hiptesis confirmadas no son necesariamente verdaderas: simplemente, no
se ha encontrado evidencia para refutarla.
En muchas ocasiones, elegir refutar en vez de confirmar obedece a una cuestin ms prctica: desde el
punto de vista estadstico es mucho ms fcil intentar refutar que confirmar.
Un ejemplo tpico de utilizacin de este procedimiento es el paper que se publica en una revista cientfica
y donde el o los investigadores ponen a prueba su hiptesis utilizando un procedimiento de refutacin
desarrollado con herramientas estadsticas. Se trata de una exigencia metodolgica habitual en los casos
de artculos cientficos y tesis de doctorado, aunque por su complejidad no suele ser requisito en
evaluaciones acadmicas menores como las monografas que se piden durante una carrera de grado.
Se trata de un camino en cierta forma reido con el sentido comn. El sentido comn dice, en efecto, que
se debe tratar de probar la hiptesis de investigacin, en vez de intentar refutar la hiptesis opuesta
(llamada hiptesis nula). En otras palabras, es el que dice que se debe tratar de probar que una droga es
efectiva para una enfermedad, en vez de refutar la hiptesis de que no es efectiva: la hiptesis nula no
siempre refleja las expectativas del investigador en relacin con el resultado del experimento. Por lo
general, se opone a la hiptesis de investigacin, pero se la utiliza porque resulta ms apropiada para la
aplicacin de procedimientos estadsticos (Deobold, 1985:189).
No se explicar aqu porqu resulta mejor refutar la hiptesis opuesta que probar directamente la
propuesta. De hecho entender esta cuestin no es nada fcil. En su lugar, se ofrece un sencillo ejemplo
para dar cuenta en lneas generales de este proceso.
Supngase que se quiere averiguar si una persona tiene poder de adivinacin, y para ello se disea un
experimento donde se le pide que diga si una moneda saldr cara o ceca, antes de arrojarla el
investigador. Se decide realizar esta prueba 100 veces con la misma persona (cuanto ms elevado sea el
nmero de pruebas tanto mejor. Por ejemplo, si se realizan solamente dos pruebas y en ambas el sujeto
adivin, no por ello concluiremos que tiene el poder de adivinar, porque pudo haberlo hecho por azar. En
cambio, si adivin en las 100 pruebas, ya debemos empezar a pensar en un poder de adivinacin real).
Hay, entre otros, tres posibles resultados del experimento:

Pgina 239 de 325
239
1) Acert en el 50% de los casos.- Se piensa aqu que esta persona no tiene poder de adivinacin, y que
en los casos en que acert, lo hizo por azar.
2) Acert en el 100% de los casos.- Decididamente, esta persona tiene poder de adivinacin! Este
resultado no puede explicarse por el simple azar. (Existe otra posibilidad: que la persona haya acertado
en el 0% de los casos, es decir, que no haya acertado ni uno solo. Cabe pensar aqu que estos resultados
tampoco pueden deberse al simple azar, y que esta persona tiene tambin un gran poder de
adivinacin.... pero para adivinar aquel evento que no se producir!).
3) Acert en el 75% de los casos.- Ac se presenta un problema, porque este 75% se encuentra a mitad
camino entre el 50% y el 100%. El dilema es, entonces, qu conclusin sacar: la persona acert por
azar o bien es realmente adivina?
Todo el mundo estara de acuerdo con las dos primeras conclusiones, pero no todos opinaran lo mismo
en este tercer caso: tal vez para unos lectores el 75% de aciertos no significa adivinacin, mientras que
para otros lectores s. Se necesita, entonces, ponerse todos de acuerdo en base a un criterio nico,
objetivo y compartido. La eleccin de este criterio, que en estadstica de la investigacin se relaciona con
el concepto de niveles de significacin (alfa y beta), depender de cuanto estemos dispuestos a
equivocarnos. Por ejemplo, si elegimos 90% (muy cerca del 100% del poder de adivinacin) hay un
riesgo muy alto de equivocarnos al concluir que la persona no tiene poder de adivinacin (es decir, los
resultados se deben al azar), o bien una alta probabilidad de acertar si concluimos que s tiene poder
adivinatorio (los resultados no se deben al azar).
Supngase ahora que todos se han puesto de acuerdo en considerar el 75% como el lmite entre el poder
de adivinacin y el azar: si la persona acierta en un 75% o ms de los casos, es adivina, y si no,
acordarn en que acert por azar. Considerando este 75% y una muestra de tamao fijo, se pueden
plantear dos hiptesis diferentes:
La hiptesis de investigacin: la persona es adivina.
La hiptesis nula: la persona no es adivina.
En principio, si la persona acierta en un 75% o ms de las veces, se acepta la hiptesis de investigacin y
se rechaza la hiptesis nula (o al revs, si acierta en menos del 75% de las veces, se rechaza la hiptesis
de investigacin y se acepta la hiptesis nula).
Sin embargo, aunque la decisin de aceptar la hiptesis de investigacin y la decisin de rechazar la nula
son formalmente equivalentes (una implica la otra), no lo son desde el punto de vista estadstico: como
qued dicho, es ms fcil intentar el rechazo de la nula que la aceptacin directa de la hiptesis de
investigacin. Si la nula se rechaza, se concluye que no hay motivos para desechar la hiptesis de la
investigacin, y si la nula no se rechaza, se concluir que no hay motivos para aceptar la hiptesis de
investigacin.
El ejemplo no aclara el proceso estadstico de refutacin en mayor detalle, pero bastar para dar alguna
idea de su complejidad.

La importancia de las definiciones.- Como los carteles indicadores de las rutas, las definiciones expresan
el estado actual del conocimiento que se tiene sobre una regin geogrfica, es decir, sobre una disciplina
cientfica. Y a la hora de transmitir el saber, tambin suelen cumplir la funcin de consagrar la validez del
conocimiento, compactndolo en un enunciado cerrado e inviolable.
Originalmente, definir significa trazar un lmite, una frontera entre lo que es y lo que no es. El diccionario
lexicogrfico dice, en efecto, que una definicin es una proposicin que fija con claridad y exactitud el
significado de una palabra o la naturaleza de una cosa.
El anlisis sistemtico de la definicin comenz con el Organon aristotlico. En su primera parte, las
"Categoras", Aristteles habla de su clsica concepcin de la definicin como especificacin de un gnero
prximo y una diferencia especfica. As, durante siglos pudo definirse al hombre como "animal (gnero)
racional (diferencia)".
Desde entonces, mucha agua ha corrido bajo el puente, y diversos fueron los puntos de vista con que la
definicin fue analizada a lo largo de los siglos. En este tem se rescata cierta perspectiva epistemolgica,
por cuanto que trataremos de las definiciones que se dan en las ciencias, no en la vida cotidiana, y por
cuanto son enunciados a travs de los cuales se intenta transmitir el saber y sobre todo organizarlo
primariamente.

1. La definicin como estado actual del conocimiento.- Es posible trazar una analoga entre la definicin,
y un elemento de sealizacin vertical, es decir, un cartel indicador de los que aparecen en las rutas.
Pueden contemplarse las siguientes dos posibilidades:
1) Estamos transitando una ruta y nos topamos con un cartel indicador de una curva, un puente, una
estancia, una ciudad, un pas, un aerdromo. Esto equivale a decir que estamos metindonos en una
ciencia que ya recorrieron otros, y donde cada tanto encontramos una definicin que es el equivalente del
cartel indicador.
Por ejemplo, tomamos por primera vez un libro de qumica y encontramos la definicin de qumica, de
molcula, de tomo, de hidrocarburo, de cido, etc., que nos van indicando los diversos temas -
regiones- que estamos recorriendo. La definicin de qumica es evidentemente muy importante, y
equivale al cartel que indica la frontera entre un pas y otro (entre una ciencia y otra): del mismo modo
que el cartel que dice "Chile" nos indica que hasta aqu estamos en la Argentina, pero desde aqu en ms

Pgina 240 de 325
240
entramos en otro pas, la definicin de qumica nos muestra que hasta aqu estamos en la qumica, pero
desde aqu en ms ya entramos en la fsica o en la biologa.
De la misma manera, los carteles indicadores de ciudades pueden ser equivalentes a las definiciones ms
especficas, como la de cido o base. Todos estos carteles ya fueron colocados por los primeros cientficos
que transitaron la qumica, como Lavoisier, Dalton, y otros.
2) En una segunda posibilidad, estamos ahora en un bosque o una selva absolutamente virgen donde
nunca antes el hombre ha pasado. Desde ya, no hallamos ningn cartel indicador, y no sabemos con qu
nos encontraremos detrs de cada rbol.
En este caso, estamos en la situacin de aquellos cientficos pioneros que incursionaron por primera vez
en el conocimiento y fundan una determinada disciplina. Como ellos, nos vemos en la obligacin de
colocar los primeros carteles, es decir, dar definiciones fundacionales como la que dio Aristteles de la
Fsica en el siglo IV AC, la que dio Comenio de la Didctica en el siglo 17 (Barco, 1989:8), o la que dio
Comte de la Sociologa en el siglo 19 (Timasheff, 1969:15).
Tambin puede ocurrir que estemos en un territorio conocido, como por ejemplo en la Psicologa, pero sin
embargo decidimos no visitar el rancho de Skinner o la estancia de Watson, y nos salimos de nuestra
ruta habitual intentando explorar otras zonas, con lo cual podemos encontrarnos con la sorpresa de un
lugar totalmente virgen, a juzgar, por ejemplo, por la inexistencia de carteles indicadores. Tal lo que le
pas a Freud cuando andaba por las rutas tradicionales de la psicologa y decidi ir a explorar un campo
donde habitaban a la intemperie varias histricas. "Esto es algo nuevo", se dijo, y acto seguido instal un
gran cartel que deca "Psicoanlisis". Tal vez antes que l pasaron otros por ese territorio, pero no
tuvieron la precaucin de instalar carteles y, por tanto, para los viajeros que venan despus ese
territorio sigui siendo inexplorado. Freud haba tomado la misma precaucin que los que pusieron
carteles fundacionales cuando llegaron a la cima del Everest, al Polo, o a la Luna.
Ahora bien. Tanto si el cartel indicador ya fue puesto por otros como si lo hemos colocado nosotros por
primera vez, ese cartel est siempre situado en una determinada regin geogrfica a la que pretende
describir o representar.
Sin embargo, la cuestin se complica cuando advertimos que en realidad, la regin geogrfica
representada cambia continuamente, sea por un proceso natural (como cuando una inundacin hace
aparecer una nueva laguna), sea por la intervencin humana (como cuando alguien decide fundar una
ciudad, o bien abandonarla a su suerte convirtindola en un pueblo fantasma).
En estos casos, los carteles que haba antes del cambio producido resultan obsoletos, y se torna
necesario cambiarlos para que puedan seguir representando la regin. Cuando en el siglo XIX
comenzaron los primeros experimentos con tubos de rayos catdicos, se comenz a sospechar que
existan 'dentro' del tomo ciertas otras partculas ms pequeas: los electrones y los protones. Este
descubrimiento de un nuevo 'pueblo' oblig a cambiar el cartel indicador: se abandon la vieja definicin
de tomo como partcula ltima e indivisible (a=no, tomo=divisin), y se comenz a delinear la nueva
definicin que termin de redondearse con el modelo atmico de Thompson. Nuevos descubrimientos
modificaron a su vez estas definiciones, y aparecieron sucesivamente los carteles indicadores del modelo
de Rutherford, el modelo de Bohr-Summerfeld y, finalmente, el modelo atmico actual. Y as, quien hoy
en da abre un tratado de qumica, encontrar los viejos carteles abandonados junto al camino (las
definiciones que aparecen en las reseas histricas de la qumica), pero tambin los carteles vigentes,
bien erguidos y visibles (las definiciones actuales).
Las modificaciones que sufren las regiones geogrficas son una metfora para designar las
transformaciones que sufre nuestro objeto de conocimiento a medida que incorpora nuevos
descubrimientos y nuevas hiptesis. Como se presupone que la ciencia siempre se topar con ellos,
debemos considerar que las definiciones son siempre abiertas, es decir, susceptibles de modificacin, y
que lo que hacen no es ms que expresar el estado actual de nuestro saber, no el saber definitivo.

2. La definicin como saber cerrado.- Las definiciones entendidas como expresin del estado actual de un
saber tienen tambin su aspecto amenazante, cuando por ejemplo son utilizadas para mostrar,
transmitir, establecer un conocimiento como definitivo y cerrado, que no admite revisiones: "partir de
una definicin puede resultar estril; las definiciones se constituyen en puntos de llegada o parmetros
para "dictaminar" sobre la validez o no de algo, e impiden el paso a una reflexin amplia" (Rodrguez
Ousset, 1994:4). No por nada "definicin" y "definitivo" tienen la misma raz. El sentido de definicin
como instancia concluida y cerrada es recogida en el arte, cuando por ejemplo se habla de debe darse
una definicin para indicar que debe concluirse una obra.
Las definiciones cerradas suelen aparecer en las ciencias exactas y en las ciencias naturales, como por
ejemplo cuando se define cuadriltero o ser viviente, y ello se debe a que representan territorios
bastante conocidos. Las definiciones abiertas son, en cambio, ms caractersticas de las ciencias sociales,
y no es infrecuente encontrar textos donde -en este mbito- el autor se resiste a dar una definicin, sea
invocando la inmadurez de la disciplina tratada (la definicin sera prematura), sea invocando la
complejidad de su objeto de estudio (la definicin sera simplista o artificial). En lugar de ello, abundan
disquisiciones orientadas mas bien a desarmar definiciones que a construirlas.
De ms esta decir, finalmente, que si en las ciencias sociales no aparecen definiciones precisas y
contundentes, es porque ellas remiten a un territorio poco explorado y sus carteles indicadores habrn
ser, necesariamente, provisorios e inciertos. Despus de todo, las ciencias sociales han comenzado a ser

Pgina 241 de 325
241
exploradas sistemticamente hace dos siglos, mientras que el pas de las ciencias naturales viene siendo
transitado desde muchos tiempo atrs.

La bibliografa

La investigacin cientfica actual es un trabajo de equipo en el doble sentido sincrnico y diacrnico:
sincrnico porque en una misma investigacin participan simultneamente varios cientficos, y diacrnico
porque las nuevas investigaciones toman como referencia investigaciones anteriores, y son a su vez
referentes de nuevos estudios de manera sucesiva en el tiempo.
El hecho de que toda investigacin se articula con estudios anteriores queda plasmado en dos elementos
fundamentales de todo escrito cientfico: las citas bibliogrficas y las referencias bibliogrficas. Mientras
las primeras exponen qu informacin se obtuvo de investigaciones anteriores, las segundas indican
donde puede ser encontrada.

Las citas bibliogrficas.- La cita bibliogrfica es un texto de otro autor que se introduce en el discurso
para desarrollar o fundamentar lo que se est diciendo, o bien como referencia para discutir un punto de
vista diferente. Para citar un autor, existen ciertas normas de uso habitual que es preciso conocer para
facilitar la comunicacin dentro de la comunidad cientfica.

1. Sobre el aspecto formal de las citas.- En el cuadro adjunto, se trascribe un fragmento de discurso
cientfico en el cual estn representados los principales elementos que deben ser tenidos en cuenta en el
momento de insertar una cita bibliogrfica.

Algunos elementos de las citas bibliogrficas (ejemplo)

1 En el ao 1632 aparece publicado el
2 "Dilogo sobre los dos mximos sistemas
3 del mundo", donde Galileo hace hablar a
4 tres personajes: Simplicio, defensor del
5 sistema ptolemaico, Salviati, defensor del
6 sistema copernicano, y Sagredo, un
7 personaje neutral que busca informacin
8 o, segn Babini,"algo as como el rbitro
9 en la discusin entre los defensores de
10 los dos mximos sistemas del mundo
11 [la bastardilla es nuestra]".
12 En el libro, se proponen
13 "indeterminadamente las razones
14 filosficas y naturales [cientficas] tanto
15 para la una como para la otra parte, y en
16 la cual (...) resaltan claramente las
17 intenciones del autor en favor del sistema
18 sistema copernicano".
19 Babini refiere que el libro no estaba
20 escrito en latn, como entonces se
21 acostumbraba para los textos cientficos,
22 sino en italiano, lo que permiti que fuese
23 ledo por todo el mundo muy rpidamente.
24 Seala Babini: "La aparicin del Dilogo
25 desata una tormenta tan envolvente [sic]
26 como inesperada: Galileo es acusado
27 directamente, se le cita y se le obliga a
28 comparecer, viejo y enfermo, ante la
29 Inquisicin en Roma [en 1633] y se le
30 dicta sentencia...".
Rengln 8-11: El texto entre comillas es un
ejemplo de cita bibliogrfica.
Rengln 8: La palabra 'rbitro' no aparece
originalmente en bastardilla. Se ha puesto en
bastardilla para destacarla, pero para ello, se
debi agregar al final de la cita y entre
corchetes, la indicacin del rengln 11.
Rengln 16: Se ha insertado en la cita la
expresin '(...)', que significa que se ha omitido
parte del texto original. Esta simplificacin se
llama elipsis.
Rengln 19-23: Esto es una cita no textual, es
decir, se cita lo que dijo un autor aunque no se
hace textualmente, y por tanto no va entre
comillas.
Rengln 24: Se ve aqu como en la trascripcin
del texto se ha respetado la bastardilla del autor.
Rengln 25: Se ha insertado la expresin '[sic]'
que significa 'textual', para dar a entender que
es correcta la trascripcin de la palabra o
expresin inmediatamente anterior de la cita. Se
incluye dicha expresin cuando puede haber
alguna duda sobre si se transcribi bien una
palabra o expresin.
Rengln 29: Se ha interpolado el ao para
aclarar la informacin, aunque no figure en el
texto original. Esta interpolacin se hace con
corchetes.
Renglones 11-18-30: En estos tres renglones
puede apreciarse un nmero superndice al final
de cada cita, que remite a la nota al pie, es
decir, a la fuente de donde la cita se extrajo.

1) Citas textuales.- Cuando se transcribe textualmente a otro autor, el fragmento debe figurar entre
comillas para que quede claro donde empieza y donde termina lo que dice el autor y lo que dice el
redactor del trabajo. Ejemplos de citas bibliogrficas textuales aparecen en los renglones 8-11, 13-18 y
24-30.
La cita textual puede comenzar con mayscula, como por ejemplo cuando se cita desde el comienzo de
un prrafo (rengln 24), o bien con minscula, cuando, aunque se cite tambin desde el comienzo de un
prrafo, se desea incluirla dentro del prrafo que se est redactando (rengln 8).
La cita textual supone una trascripcin exacta, lo que incluye tambin signos de puntuacin, subrayados,
etc. y hasta incluso errores de traduccin que han sido juzgados como tales.
2) Citas no textuales.- A veces, el fragmento a citar textualmente es demasiado extenso, lo que podra
dificultar la continuidad del discurso. En estos casos, se puede citar al autor no textualmente sino
haciendo una breve parfrasis (interpretacin amplificativa de un texto para ilustrarlo e explicarlo) de lo
dicho. Ejemplos de citas no textuales aparecen en los renglones 19-23 y 1-8.

Pgina 242 de 325
242
Tanto si la cita es textual como no textual, hay quienes no la incluyen en el cuerpo principal del texto
sino aparte, en una nota al pie. Otros redactores la incluyen dentro del cuerpo principal pero como un
prrafo entero separado del anterior y del siguiente por un punto y aparte, y habitualmente con una
tipografa ms pequea y/o una sangra (espacio en blanco ubicado antes de cada rengln o de cada
prrafo). Estas opciones quedan a criterio de cada redactor.
3) Llamadas.- Son smbolos que remiten al lector a una nota al pie de la pgina o al final del artculo
(aunque esto ltimo suele dificultar la lectura por obligar al lector a consultar otra pgina diferente a la
que est leyendo). Aunque este smbolo puede ser un asterisco (*) o cualquier otro, usualmente se trata
de nmeros indicados como superndice () y ordenados correlativamente conforme van apareciendo en
el texto. Los ejemplos figuran en los renglones 11, 18 y 30. Las llamadas siempre se insertan al final de
una cita textual, pero pueden tambin insertarse al final de una cita no textual.
Tngase presente que una llamada no es ni una cita bibliogrfica ni una nota al pie, sino el nexo entre
ambas. Existen, sin embargo, ciertos casos donde una expresin puede ser considerada al mismo tiempo
una llamada y una cita bibliogrfica, como por ejemplo la expresin (Collins, 1983b). Dicha expresin
remite al lector a informacin sobre un texto que figura en la bibliografa consultada (referencias
bibliogrficas), y donde la letra b indica que se trata de un segundo libro o artculo del mismo autor
(Collins) y de la misma fecha.
4) Elipsis.- Las elipsis u omisiones de texto dentro de una cita se indican mediante puntos suspensivos
entre parntesis, como puede verse en el rengln 16. Este recurso se utiliza cuando se desea omitir una
parte del texto consultado porque no es relevante para lo que se est diciendo, y en especial cuando el
texto a omitir es una extensa consideracin que podra interrumpir la lectura, distrayendo al lector del
tema fundamental.
Por la misma razn, tambin puede dejarse deliberadamente una cita incompleta, en cuyo caso se
agregan al final de la misma puntos suspensivos (rengln 30).
5) Caracteres especiales.- Pueden denominarse caracteres especiales a toda aquella caracterstica
tipogrfica que aparece en el texto original a citar. En estos casos, cuando se transcribe textualmente la
cita es norma respetar tal cual estas caractersticas originales del autor citado.
Ejemplos de caracteres especiales son expresiones en bastardilla (renglones 8 y 24), entrecomillados
(rengln 10), expresiones subrayadas, expresiones destacadas en negrita, signos de puntuacin, etc. En
el caso de los entrecomillados, es importante que se empleen dos tipos diferentes de comillas para la
misma cita: aquellas que definen la cita textual propiamente dicha, y aquellas que estn incluidas por el
autor citado dentro de la cita. Las computadoras suelen tener ambos tipos de comillas (" y ).
6) Interpolaciones.- A diferencia de los caracteres especiales, que figuran en el texto original a citar, las
interpolaciones son elementos incluidos ex profeso dentro de la cita para una mejor comprensin de la
misma, y siempre van entre corchetes: no se usan parntesis porque podran confundirse con otros
parntesis que pueden formar parte de la misma cita. Ejemplos de interpolaciones aparecen en los
renglones 11, 14, 25 y 29.
Las interpolaciones de los renglones 14 y 29 son aclaraciones que facilitan la comprensin de la cita, o
que contextualizan las ideas all expresadas. La interpolacin del rengln 11 tiene carcter aclaratorio, y
advierte al lector acerca de una modificacin introducida en la cita original. Hay redactores que suelen
incluir interpolaciones del tipo [la bastardilla no es nuestra], cuando piensan que puede haber dudas en
el lector acerca de si la bastardilla estaba o no en el texto original.
La interpolacin del rengln 25 es la expresin sic (que en latn significa as), y deberamos utilizarla
para aclarar que el texto original figura realmente as, a pesar de algn supuesto error o algo extrao en
el mismo. En el ejemplo indicado, la expresin sic fue includa para advertir al lector que la palabra
envolvente existe tal cual en el original, habida cuenta que dicho adjetivo no parece ser el correcto en el
discurso del autor citado.
7) Modificaciones.- Al igual que las interpolaciones, son elementos que introducimos en el texto original,
pero no agregando algo sino modificndolo. Un ejemplo aparece en el rengln 8, donde la modificacin
consisti en expresar en bastardilla una palabra que en el original no lo estaba. Las modificaciones
siempre deben ser aclaradas como tales mediante una interpolacin (rengln 11), porque las bastardillas,
as como las negritas o los subrayados, son tambin portadores de sentido.

2. Sobre el empleo correcto de las citas.- La evaluacin crtica de un texto cientfico incluye tambin la
consideracin de las citas bibliogrficas, existiendo ciertas normas que no solamente conciernen a su
presentacin formal, sino tambin a su cantidad y a su calidad.
1) La cantidad de las citas bibliogrficas.- El principal defecto de un escrito cientfico no es la ausencia de
citas bibliogrficas, sino su exceso, ya que un trabajo cientfico puede no tener citas bibliogrficas pero s
referencias bibliogrficas (lo que se aprecia en la bibliografa consultada que figura al final del mismo).
Si bien no hay frmulas absolutas que prescriban cuntas citas debe incluir un discurso (esto queda al
sano criterio del redactor), debe evitarse la exageracin. Hay redactores que tienen una autntica
adiccin a las citas, tal vez porque, al no poder dejar de dudar del verdadero sentido de los textos
consultados, se empean en trascribirlos tal cual... por las dudas.
Otros, especialmente quienes en su carcter de alumnos deben redactar una monografa, creen que
incluyendo muchas citas puede hacer que el profesor piense que han consultado mucha bibliografa. Sin

Pgina 243 de 325
243
embargo, el efecto producido es inverso: el docente se llevar probablemente la impresin de que, con
tantas citas, el alumno en realidad no tena mucho para decir de su propia cosecha.
El gran problema del exceso de citas, o de las citas demasiado extensas, es que se pueden perder la
continuidad y la agilidad en la lectura, demorndola o dificultndola intilmente. Un ejemplo extremo es
aquel donde se incluye en el texto una cita textual donde el autor citado cita a su vez textualmente a otro
autor, con lo cual el agotado lector empieza a no saber muy bien quin dijo qu cosas.
Si se pueden evitar citas bibliogrficas textuales, tanto mejor: a veces favorece ms la agilidad en la
lectura una breve cita no textual que una ms larga cita textual.
2) La calidad de las citas bibliogrficas.- Tampoco aqu hay frmulas absolutas para seleccionar las citas
que se utilizarn, pero valgan tres recomendaciones:
a) Las citas deben ser pertinentes, es decir, deben estar directamente relacionadas con el tema tratado o
con lo que se quiere demostrar. Si hay alguna cita que se quiere incluir s o s pero no tiene relacin
directa con el tema, puede tratarse como una nota al pie, fuera del texto principal, preferiblemente
indicando que no se trata de una cuestin relevante al tema tratado en el escrito.
b) Las citas no deben ser arrancadas de su contexto original, ya que as podra falsearse la intencin del
autor citado. La descontextualizacin se realiza a veces deliberadamente para lograr un ttulo impactante
(en las notas periodsticas, no es raro escuchar que un entrevistado se queje porque tal o cual afirmacin
suya ha sido descontextualizada), y a veces para conseguir mayor fundamentacin para las propias
ideas del redactor, hacindole decir al autor citado cosas que l no dijo.
c) En lo posible, deben utilizarse citas de los autores originales, para evitar aquello de "fulano dijo que
mengano dijo que zutano dijo...". Si no se cuenta con el texto del autor original, hay quienes, sin ms,
eligen copiar una cita de otro autor que a su vez lo cite.

Finalmente, las citas bibliogrficas pueden ser utilizadas para armar el esqueleto de un escrito. Es posible
incluso comenzar una monografa, an antes de tener una idea completa del tema, con una seleccin de
citas bibliogrficas aisladas que parecen pertinentes, y que luego, convenientemente conectadas con el
hilo del propio discurso y las ideas propias, se constituyan en el texto definitivo.

Las referencias bibliogrficas.- La mencin de la bibliografa consultada en un trabajo cientfico debe
ajustarse a ciertas pautas, para que la comunicacin entre investigadores pueda ser fluida y sencilla. En
lo que sigue, se especifican algunas normas importantes.
Todo escrito cientfico debe incluir al final un detalle de las fuentes bibliogrficas utilizadas, ditas o
inditas, para que el lector pueda identificar rpidamente el recorrido de la investigacin bibliogrfica del
autor y obtener, a partir de all, diversas conclusiones, tales como por ejemplo su orientacin terica o la
calidad y cantidad del material consultado.
Ms all de que muchas veces el autor no incluye toda la bibliografa que debera o que deseara, sino la
que puede, el sentido de las menciones bibliogrficas radica en que la investigacin cientfica es una
empresa colectiva donde todos se basan en la obra de los dems.
A continuacin, se detalla un formato habitual para la mencin de libros, artculos en libros, artculos en
revistas, artculos sueltos y materiales inditos, con los respectivos ejemplos. Tngase en cuenta que
estas indicaciones no tienen consenso universal. En los Anexos 4 y 5 el lector encontrar otros formatos
alternativos.

Para la mencin de libros, el orden es el siguiente:

a) Autor/es: Se coloca el apellido primero y luego el nombre de pila completo, si se conoce. Si son dos
autores, se unen los nombres con la conjuncin 'y', y si son ms de dos, puede agregarse 'y otros'. Esta
ltima expresin suele tambin colocarse en latn como 'et al.'. El orden en que se escriben los nombres
de los autores corresponde al orden en que aparecen en la portada del libro.
b) Fecha de la primera publicacin: Por lo general, al dorso de la primera pgina impresa con el ttulo del
libro, figuran una serie de datos importantes, entre los que figura el ao en que fue publicado por
primera vez, muchas veces en el idioma original como el ingls o el francs. Esta fecha suele no coincidir
con la fecha de la edicin del libro actual, y se colocar entre parntesis luego del nombre del autor
(acompaada del mes, si se conociera).
Cuando hay dos libros que tienen la misma fecha de primera publicacin, se diferenciarn ambos
agregando al ao letras minsculas desde la "a" en adelante (ver en ejemplos los textos de M. Klein).
Excepcionalmente, puede ocurrir que la fecha de la primera publicacin sea reciente (por ejemplo 1988),
en comparacin con la fecha en la cual el texto fue publicado por primera vez hace mucho tiempo. En
estos casos, al final de toda la mencin se coloca entre parntesis la expresin "Obra publicada en 1723".
Por ltimo: la importancia de incluir la fecha de la primera publicacin es que orienta al lector acerca de
cundo tuvo conocimiento la comunidad cientfica de la obra del autor en cuestin.
c) Ttulo: El ttulo del libro deber ir destacado con negrita o bien subrayado. Se recomienda no
destacarlo en bastardilla (o cursiva o itlica, que son sinnimos) porque puede ocurrir que el ttulo
original incluya alguna palabra en este tipo de letra. A continuacin del ttulo puede tambin incluirse el
sub-ttulo, destacado o no en la forma antedicha.

Pgina 244 de 325
244
d) Lugar: El lugar de la edicin del libro se refiere a una ciudad, no a un pas. A veces, en el libro figuran
varias sedes diferentes de la misma editorial (por ejemplo Paids tiene sedes en Barcelona, Mxico y
Buenos Aires). En estos casos se cita la ciudad donde se imprimi el libro.
e) Editorial: Se cita la editorial, como por ejemplo "Ediciones Nueva Visin" o "Amorrortu editores", es
decir, tal como figura en el libro. No es necesario agregar la Coleccin de la editorial a la que el libro
pertenece (por ejemplo, Coleccin Psicologa Profunda). Tampoco es obligatorio incluir las expresiones
Editorial o Ediciones.
f) Fecha de publicacin: Esta se refiere a la fecha de publicacin del libro que se ha utilizado como
consulta. Tngase presente que esta fecha corresponde siempre a la ltima edicin, y, si la ltima edicin
hubiese tenido varias reimpresiones, a la fecha de la ltima reimpresin. La diferencia entre edicin y
reimpresin se refiere a que en el primer caso hubo cambios en el libro, que pueden haber sido muy
importantes o no, mientras que en la reimpresin, el libro volvi a imprimirse sin ningn cambio o
modificacin (por ejemplo, con el fin de cubrir una mayor demanda).
Los elementos indicados son necesarios y suficientes para la mencin del libro consultado. Algunas veces
se agregan, luego de la ltima fecha de publicacin, otros datos: el nmero de edicin, y/o la indicacin
del captulo o las pginas consultadas. Suele utilizarse la abreviatura 'p.' para 'pgina' y 'pp.' para
'pginas'. En este ltimo caso, pueden indicarse pginas distintas (por ejemplo pp. 35 y 78), o un
intervalo de pginas (por ejemplo pp. 35-40).

Ejemplos

Gill M y Rapaport D (1953) Aportaciones a la teora y la tcnica psicoanalticas, Mxico, Pax, 1962.
Klein Melanie (1932a) The Psychoanalysis of children, Nueva York, Grove Press, 1960.
Klein Melanie (1932b) Algunas conclusiones tericas sobre la vida emocional del lactante, Buenos Aires, Nova,
1955.
Stern Daniel N (1985, mayo) El mundo interpersonal del infante, Buenos Aires, Paids, 1991.

Para la mencin de artculos en libros, el orden es el siguiente:

a) Autor/es del artculo: Valgan aqu las mismas consideraciones del tem anterior.
b) Fecha de la primera publicacin: Idem anterior. Cabe aclarar simplemente que se refiere a la fecha de
la primera publicacin del artculo, no del libro donde est includo.
c) Ttulo del artculo: Es habitual destacarlo entre comillas.
d) Autor/es del libro: Luego de la preposicin 'En' se escribe el apellido y el nombre del autor del libro.
Como se trata de un libro que incluye artculos, generalmente se trata de un compilador o un editor que
interviene como compilador. En estos casos, luego del nombre se coloca entre parntesis 'comp.' o 'ed.'.
En los casos donde todos los artculos del libro son del mismo autor (por ejemplo en las Obras
Completas), no se especificar el apellido del mismo.
e) Ttulo del libro: Es habitual resaltarlo con letra cursiva.
f) Lugar, editorial y fecha de publicacin del libro: Valen las mismas indicaciones que para cualquier libro.
Al final de todo, es comn citar el intervalo de pginas que abarca el artculo.
Un caso especial son los artculos incluidos en enciclopedias, en cuyo caso la mencin bibliogrfica sigue
el modelo del ejemplo. Ntese que debe especificarse el volumen y la pgina donde figura el artculo
consultado.

Ejemplos

Freud S (1914) "Introduccin al narcisismo". En Obras Completas, Buenos Aires, Amorrortu, 1995, XIV, 65-98.
Klein M (1969) "Sobre el sentimiento de soledad". En El sentimiento de soledad y otros ensayos, Buenos Aires, Horm,
1969, pp. 154-180.
Rud C (1994) "La psicoterapia del Acercamiento Centrado en la Persona". En Snchez Bodas A. (ed.), Psicoterapias en
Argentina, Buenos Aires, Holos, 1994, pp. 196-236.
Smith J "Thermodynamics", Encyclopedia Britannica, 1957, Vol. 23, p. 192.

Para la mencin de artculos en revistas, el orden es el siguiente:

Valen las mismas indicaciones que en la mencin de artculos incluidos en libros. Tngase presente que
muchas veces debern indicarse el volumen o tomo de la revista, y el nmero de la revista includo en
ese tomo, separados por una coma (por ejemplo XXV, 5). Tambin tngase presente que muchas veces,
en el caso de una revista no se cita una editorial sino la institucin que la edita. Si se trata de diarios, no
se cita editorial.

Ejemplos

Garma A (1968) "El pensar amplio en los sueos". En Revista de Psicoanlisis, Asociacin Psicoanaltica Argentina,
1968, XXV, 1, 9-26.
Glover E (1931) "The Therapeutic effect of inexact interpretation: a contribution to the theory of suggestion". En Int. J.
Psychoanal, 1931, XII, 4, 399-411.

Pgina 245 de 325
245
Lacan J (1953) "Algunas reflexiones sobre el yo". En Uno por uno (Revista Mundial de Psicoanlisis), 1994-95, 41, 7-
21.
Romeo C "Por una tica de los trasplantes", El Pas, Madrid, 25 de noviembre de 1984, Seccin Opinin, pp. 14-15.

Para la mencin de artculos sueltos y material indito, el orden es el siguiente:

Aqu se incluyen tanto los libros que an estn en proceso de edicin (en cuyo caso se coloca entre
parntesis la expresin 'en prensa'), como las clases o materiales bibliogrficos especialmente
preparados para alumnos, que conforman las llamadas publicaciones internas de una ctedra. En estos
casos se suele utilizar, ms que por tradicin que por otra cosa, la expresin 'mimeografiado', en alusin
a un sistema de impresin hoy en desuso y hace tiempo reemplazado por el fotocopiado.
La expresin 'indito', que significa no editado, se utiliza en casos como clases o escritos de un solo
ejemplar, sean del profesor-autor o de algn alumno.

Ejemplos

Cavell M (en prensa) The self and separate minds, Nueva York, New York University Press.
Gimnez J "Terico N7 del 13/6/87", Materia: "Tcnicas Exploratorias de la Personalidad", CEP-UBA, Buenos Aires,
1988, mimeografiado.
Lacan J "La angustia", Clase del 30 de enero de 1963, indito.

La conexin entre una cita bibliogrfica y una referencia blbiogrfica

Cuando en el texto se incluye una cita bibliogrfica, textual o no, tambin se incluye un elemento,
generalmente entre parntesis, que permite remitir al lector a la referencia bibliogrfica completa de
donde la cita se obtuvo. Existen diferentes normas para incluir este tipo de conexin, y probablemente la
ms utilizada actualmente sea el llamado estilo Harvard.
Para aplicar este formato pueden seguirse los siguientes pasos:

1) Se escribe la cita, es decir, un fragmento de texto tomado de otro autor, y a continuacin, entre
parntesis, se indica el apellido del autor y el ao de publicacin del texto utilizado. Por ejemplo:

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et
dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip
ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu
fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt
mollit anim id est laborum (Gonzlez 2005).

Existen algunas reglas adicionales:
a) Cuando se considere apropiado, puede agregarse el nmero de pgina luego del ao. Por ejemplo:
(Gonzlez 2005, p. 23) o tambin (Gonzlez 2005:23).
b) Si se menciona el nombre del autor, basta con especificar a continuacin y entre parntesis el ao y
eventualmente la pgina. Por ejemplo: Como indica Gonzlez (2005), lorem ipsum dolor sit amet
c) Si un texto tiene dos autores, se menciona a ambos. Por ejemplo: (Gonzlez & Prez 2007).
d) Si un texto tiene tres o ms autores, se menciona al primero y luego se agrega et al. en cursiva (que
en latn significa y otros). Por ejemplo: (Gonzlez et al. 2004).
e) Si se menciona ms de una obra publicada en el mismo ao por los mismos autores, se agrega al ao
una letra minscula empezando con la a, luego la b, etc. Por ejemplo: (Gonzlez 2005a).
f) Si no hay especificacin de ao, se escribe s.a. (sin ao). Por ejemplo: (Gonzlez s.a.)7) Si no hay
autor, como puede suceder por ejemplo en un artculo periodstico, se menciona el ttulo del artculo. Por
ejemplo: (La vida de las abejas 2001).
g) Si se consult una reedicin actual de un libro antiguo, puede especificarse antes la fecha de la
publicacin original entre corchetes, lo que permite al lector entender la cronologa de las publicaciones.
Por ejemplo: (Darwin [1862] 2003).

2) Se escribe la referencia bibliogrfica completa indicndose autor, ao, ttulo (en cursiva), lugar de
edicin y editorial. Por ejemplo: Gonzlez Juan (2005b). Biologa humana. Barcelona: Herder.
Esta referencia completa deber ser incluida en una lista ordenada alfabticamente al final del trabajo
que puede llevar el ttulo de Referencias bibliogrficas, Bibliografa consultada, Fuentes bibliogrficas
consultadas, u otra.

Independientemente del estilo Harvard, si se cita a un autor A que a su vez es citado por otro autor B,
puede escribirse por ejemplo (Gonzlez 2005, citado por Prez 2007).

2. PUBLICACIN DE LOS RESULTADOS


Pgina 246 de 325
246
La fase final de una investigacin es la publicacin de sus resultados para ser utilizados como puntos de
partida o referencia para nuevas investigaciones. Pero un afn narcisista o la simple necesidad de
obtener un mejor empleo mueven a los cientficos a publicar -sea como sea- esos resultados en revistas
de renombre, an cuando a veces los procedimientos estn reidos con la tica y con el profesionalismo.
La seleccin de los trabajos tampoco suele resultar todo lo objetiva que sera deseable.
Una importante universidad privada argentina utiliza una matriz de evaluacin de antecedentes para
todos aquellos profesores que deseen acceder a algn cargo docente en la institucin. Uno de los tems
se refiere a la actividad acadmica, e incluye una evaluacin de los trabajos publicados por el candidato,
proponindose una distincin, por un lado entre ser el autor, el coautor, o un mero compilador, y por el
otro entre haber publicado en una revista con referato o sin referato.
Respecto de esta ltima cuestin, es obvio que no es lo mismo haber publicado un artculo cientfico en
un peridico de barrio, que haberlo hecho en una revista de la talla de "Science", "Psysics Today" o
"Nature", donde los artculos son estrictamente -y supuestamente- seleccionados segn su calidad
acadmica por un referi.
El afn por publicar en estas revistas es grande, ya que quienes salen en sus pginas no tardan en recibir
ofertas de trabajo y diversas colaboraciones. A 1995, existan ms de 40.000 revistas y peridicos
especializados que cubren casi todos los campos de investigacin, publicndose anualmente en ellos ms
de un milln de artculos.
Cada revista tiene su propio equipo de "reviewers" o revisores, verdaderos referis encargados de evaluar
la calidad y originalidad de los materiales presentados detectando posibles plagios o repeticiones. A
veces, estos revisores siguen criterios mas bien subjetivos como la coherencia del trabajo con la lnea
editorial, la nacionalidad, el renombre o la 'moda' de los autores, lo cual puede dejar de lado resultados
de investigaciones verdaderamente originales o promisorias.
Otros investigadores optan por publicar un libro -en ocasiones hasta arriesgando su propio capital-, para
lo cual hay dos opciones: o bien recurren a cualquier editorial que acceda a la publicacin mientras el
autor pague, o bien a ciertas otras editoriales que -sin dejar de lado tampoco el afn comercial- suelen
revisar la calidad del trabajo y lo avalan con su propio renombre.
Sea como fuere, el ansia por publicar suele convertirse en una verdadera obsesin que a veces produce
resultados deplorables, tales como trabajos sin rigor cientfico, o bien muy rigurosos, pero plagiados.

Veamos algunos ejemplos (Daniels, 1994).
1) "No hace mucho que el doctor Jerome Jacobstein, del Colegio Mdico de la Universidad de Cornell, testific
ante el Congreso de EEUU que el 25% de todos los comunicados cientficos podran estar basados en parte en
datos que han sido ocultados o manipulados intencionalmente. Clebre es el caso del onclogo iraqu Elas A. K.
Alsabti, que en los aos setenta consigui un impresionante currculum capaz de acomplejar a cualquiera. Su
tcnica consista en dedicarse a calcar trabajos publicados en revistas de prestigio y enviarlos con una redaccin
distinta a boletines de menor difusin. As se hizo con ms de un centenar de informes y comunicados, pero se
sospecha que no fue autor de ninguno".
2) "Tampoco es un secreto que determinados revisores a los que las revistas envan los trabajos originales se
aprovechan de estos documentos para utilizarlos en sus investigaciones personales. Incluso pueden retrasar su
opinin y menospreciar su calidad para hacer pblicos antes sus resultados o los de sus amigos. Los
matemticos recuerdan con cierto recelo a su colega francs Augustin-Louis Cauchy (1789-1857), que se
inspiraba en los originales que la revista "Comptes Rendus de l'Acadmie des Sciences" le remita para darles el
visto bueno".

Pero publicar un artculo no es la nica forma de adquirir prestigio. Tambin se puede procurar de alguna
forma que otros autores lo citen a uno. Prez Mercader, fsico terico del Instituto Nacional de Tcnica
Aeroespacial de Espaa (Daniels, 1994), seala que muchas veces el impacto de un investigador no
depende del nmero de veces que es citado en otros artculos, porque esto depende de una camarilla de
autores que acuerdan citarse mutuamente. A Prez Mercader mismo le sucedi que un colega suyo le
advirti que si no lo citaba, l tambin dejara de citarlo.
Las mismas revistas cientficas tambin adquieren prestigio en funcin de la frecuencia con que son
citadas en otras publicaciones y, en este sentido, se les otorga un determinado factor de impacto
(Daniels, 1994): si un cientfico publica un artculo en una revista con un alto factor de impacto, obtendr
seguramente ms puntos para sumar a su currculum.
Una ltima oportunidad que tiene el investigador vido de reconocimiento es enviar su material a travs
de Internet, lo cual tiene, desde su perspectiva, una ventaja y una desventaja: es conocido
mundialmente pero su artculo, an siendo original y valioso, podr no ser apreciado en su justa medida
por carecer de referatos.

Pgina 247 de 325
247
3. COMO HACER UNA MONOGRAFA

El presente material pretende ser una gua orientativa que ofrece al alumno pautas para la realizacin de
una monografa en el transcurso de su carrera. No es un escrito mgico: se aprende a hacer una
monografa hacindola, no leyendo como se hace, pero es una buena manera de comenzar.
En el contexto de la educacin formal, una monografa es un trabajo escrito original referido a un tema
puntual que permite evaluar el aprendizaje del alumno y acreditar sus estudios. Generalmente debe ser
presentada hacia el final de un ciclo de estudios, como por ejemplo hacia el final de la cursacin de una
asignatura o hacia el final de la carrera.
Las monografas incluyen informacin obtenida de diferentes fuentes, pero tambin un anlisis crtico y
objetivo de la misma, y una conclusin.
Una monografa es un trabajo personal: dos alumnos pueden tratar el mismo tema puntual pero sern
dos monografas diferentes porque estarn encarados de manera distinta. Es tambin un trabajo original
porque aporta nueva informacin o una nueva mirada a la comunidad cientfica, por modesta que pueda
resultar.
Cuando se trata de diferenciar una monografa de una tesis, una tesina, un artculo cientfico o un artculo
de divulgacin cientfica, no hay un acuerdo universal. Sin embargo, existe cierto consenso en los
siguientes puntos:
a) Las monografas, tesinas y tesis son elaboradas por alumnos de carreras de grado o posgrado. Suele
llamarse monografa al trabajo de menor envergadura presentado en cualquier momento de la carrera y
dentro de una asignatura determinada; suele llamarse tesina al trabajo final de una carrera,
especialmente de grado; y suele llamarse tesis al trabajo de mayor envergadura que se presenta al final
de ciertos posgrados de mayor categora acadmica, tpicamente el doctorado.
2) Los artculos cientficos y los artculos de divulgacin cientfica son realizados por profesionales. Las
diferencias radican en dos puntos: primero, los artculos cientficos se publican en revistas especializadas
destinados a otros profesionales; adems, son realizados por profesionales del rea respectiva (por
ejemplo un artculo cientfico sobre maloclusiones ser hecho por un odontlogo). Y segundo, los artculos
de divulgacin cientfica son publicados en revistas de inters general (por ejemplo la revista Muy
interesante) y por tanto utilizan un lenguaje ms asequible al gran pblico; adems, suelen ser hechos
por periodistas cientficos que no necesariamente son profesionales del rea respectiva.
Para realizar un artculo de divulgacin cientfica, el periodista puede a su vez consultar artculos
cientficos o realizar entrevistas a cientficos si considera que el tema es lo suficientemente interesante
como para captar el inters del lector.

Tipos de monografa.- Pueden diferenciarse dos grandes tipos de monografa:
a) Bibliogrfica: supone buscar, ordenar y analizar la bibliografa existente sobre un tema determinado,
para luego volcar los resultados por escrito. La revisin bibliogrfica debe ser lo ms exhaustiva posible
de manera tal que refleje los diversos puntos de vista sobre el tema.
b) Emprica: supone buscar, ordenar y analizar informacin obtenida directamente de la realidad sobre un
tema determinado, para luego volcar los resultados por escrito. La investigacin emprica debe ser lo ms
objetiva posible sin tergiversar los hechos. Un ejemplo entre muchos podra ser la presentacin de un
caso clnico.
La diferencia fundamental entre ambos tipos de monografa es que en el primer caso la informacin se
obtiene principalmente a partir de datos secundarios, y en el segundo caso, principalmente a partir de
datos primarios.
Datos primarios son aquellos obtenidos directamente de la realidad, como por ejemplo la informacin
sobre un caso clnico que haya atendido el autor de la monografa, o tambin lo que piensa
personalmente sobre ese caso.
Datos secundarios son aquellos obtenidos de otros autores. Por ejemplo, lo que dice la bibliografa. La
bibliografa consultada puede estar a su vez basada en datos primarios, o tambin en datos secundarios
(como el caso de la bibliografa basada a su vez en otras fuentes bibliogrficas).

La funcin del tutor.- En ocasiones, el alumno recibe la ayuda de un profesional para realizar la
monografa, llamado tutor, que podr elegir l mismo entre los docentes de la carrera, o entre otros
profesionales conocedores del tema de la monografa y conocedores de cmo se realiza una monografa.
Las funciones del tutor son las que acompaar a su alumno a lo largo de todo el proceso de investigacin,
desde la realizacin del proyecto hasta la redaccin final, en actividades tales como las de sugerir,
ayudar, recomendar, asesorar o guiar al alumno en su tarea. El alumno podr pedir al tutor que revise el
trabajo en cualquier momento. Generalmente cuando el tutor considera que el trabajo est en
condiciones de ser presentado, escribe una nota a las autoridades acadmicas informando de esta
situacin.
Lamentablemente en la prctica hay varios tipos de tutores: los que, an siendo excelentes profesionales
no saben bien como se hace una monografa, los que son demasiado exigentes y corrigen
interminablemente (y a veces arbitrariamente) el trabajo del alumno, imponindole eventualmente un
tema sin ms explicaciones, y aquellos que se despreocupan casi totalmente instruyendo al alumno que

Pgina 248 de 325
248
cuando termine de hacer la monografa, venga a verlo y l le firmar la nota para poder presentarla ante
las autoridades acadmicas.

La evaluacin de la monografa.- La evaluacin de la monografa la lleva a cabo el mismo alumno, su
tutor, y las autoridades acadmicas encargadas de la aprobacin final o acreditacin.
Algunos criterios de evaluacin frecuentes que utilizan las autoridades acadmicas son los siguientes:
1) Aspectos formales: Presentacin general, claridad expositiva, cuidado de la sintaxis y la ortografa,
citas y referencias bibliogrficas correctas, paginacin, fecha, ttulos y subttulos claros, presencia de
ndice, etc.
2) Aspectos de contenido: Nivel de fundamentacin o argumentacin, es decir, el grado en que el alumno
apoya terica o empricamente cada afirmacin que realiza, definiciones de conceptos principales,
adecuacin de los ttulos al texto, calidad de la elaboracin personal, relevancia de la informacin, calidad
de las conclusiones, cantidad y calidad de las fuentes bibliogrficas utilizadas, etc.

Manos a la obra: como hacer la monografa

Tomaremos como ejemplo el caso de una monografa de revisin bibliogrfica, que es el tpico. Para
realizar una monografa de este tipo deben seguirse una serie de pasos ordenados, que a grandes rasgos
son los siguientes:

1) Preparar una hoja en blanco.- Hacer una monografa supone pensar, pero este pensamiento debe
escribirse. Cualquier idea que el alumno tenga la ir volcando en una hoja de papel en blanco. No es
preciso que cuide la redaccin ni la organizacin, siendo suficiente con anotar ideas sueltas, como por
ejemplo el tema, un ndice tentativo, el nombre de la biblioteca donde se piensan hacer consultas, etc.
Un error frecuente es, en esta primera etapa, gastar energas en redactar impecablemente prrafos
enteros del trabajo.
En un comienzo, entonces, las piezas del rompecabezas estarn sueltas, y hasta faltarn algunas de
ellas. A medida que el pensamiento se organice, irn tachndose ideas, se irn clasificando y organizando
cada vez mejor. Si es preciso, se tirar la hoja en blanco y se escribir otra, siendo conveniente guardar
las hojas dentro de una carpeta destinada solamente a la monografa.
Naturalmente, en vez de una hoja escrita puede utilizarse un procesador de textos, tipo Word, que
presenta grandes ventajas.

2) Elegir el tema.- El tema puede ser asignado por el profesor, pero tambin puede elegirlo el alumno.
Sea cual fuese el tema elegido, deber cumplir dos condiciones:
a) Ser atingente a los estudios que se estn cursando. Por ejemplo, un alumno de ortodoncia no puede
desarrollar un tema de ortopedia. Las carreras o cursos generalmente explicitan sus objetivos, lo cual
puede servir al alumno para orientarse respecto al tema a elegir. Por ejemplo, los objetivos de cierta
carrera de especializacin en Ortodoncia son los siguientes: Diagnstico, prevencin, intercepcin y
tratamiento de todas las formas de maloclusin. Aprendizaje de distintas tcnicas ortodncicas. Manejo
de aparatologa fija y removible.
b) Ser puntual. La Ortodoncia a secas es un tema demasiado amplio. Ejemplos de temas ms especficos
pueden ser:

La mordida abierta y su relacin con los hbitos bucales.
Tratamiento de las maloclusiones de clase III.
El hbito de la succin digital.
Etiologa de las maloclusiones.
Tratamiento ortodncico en pacientes con enfermedades sistmicas.
Respuesta del hueso perimplantario a la carga ortodncica.
Intrusin incisiva en la correccin de la mordida profunda.
Diferencias entre la percepcin esttica del paciente y del ortodoncista.
Correlacin de medidas cefalomtricas entre pacientes y sus progenitores.
Eficacia de la aparatologa oral en pacientes con apnea obstructiva del sueo.
Valoracin de la distraccin osteognica en la snfisis mandibular.
Aumento del ancho del arco dentario superior en denticin mixta y permanente temprana.

El tema no slo deber ser pensado sino tambin escrito en una hoja de papel. La expresin escrita del
tema es el ttulo de la monografa. En un comienzo el ttulo, y consiguientemente el tema, no son
necesariamente los definitivos, pudiendo ser cambiados total o parcialmente.
Si no se encuentra tema, puede buscarse inspiracin leyendo material bibliogrfico (bsqueda explotaria)
o consultando a personas expertas.
Para elegir un tema debe haber suficiente informacin bibliogrfica, y adems esta debe ser asequible.
Esto ltimo significa que est al alcance fsico del autor, que ste pueda comprenderla, que est escrita
en un idioma que conoce, que disponga de tiempo suficiente para consultarla, etc.

Pgina 249 de 325
249
El tema, adems, preferiblemente responder a los intereses del autor, es decir debe ser interesante.
Tambin debe ser til en algn sentido a quienes leern el trabajo, sea que se trate de la comunidad
cientfica, sea que se trate de pblico en general.
El siguiente cuadro permite verificar rpidamente si se han cumplido todos los requisitos para elegir
definitivamente el tema:


El tema es atingente.

El tema queda claramente expuesto en un ttulo.

El tema es puntual o especfico.

El tema presenta algn inters para el autor.

Hay suficiente bibliografa, y es asequible.

El tema es til para los dems.

3) Buscar informacin.- En el paso anterior ya pudo haber comenzado el proceso de bsqueda
bibliogrfica, pero entonces serva solamente para elegir un tema. Una vez seleccionado ste, ahora
comienza una segunda bsqueda que permitir recoger toda la informacin necesaria para realizar la
monografa, y que puede incluir no slo bibliografa sino tambin testimonios de personas, fotografas,
etc.
Quiz el autor encuentre bibliografa sobre el tema que no piensa utilizar, pero igualmente la tendr en
cuenta para ofrecerla al lector interesado en profundizar el tema tratado.
Una correcta bsqueda bibliogrfica tiene en cuenta los siguientes aspectos:
a) Las fuentes bibliogrficas deben ser confiables, en el sentido de incluir informacin veraz y rigurosa.
En general, estos criterios los cumplen los diccionarios, los libros de texto y los artculos publicado en
revistas cientficas.
b) Las fuentes bibliogrficas deben ser preferiblemente de primera mano. Por ejemplo, si debe citarse
una idea de Prez, es mejor ir al libro escrito por Prez y no extraer su idea en un artculo de otro autor.
Esta es la razn por la cual no convendr considerar como fuente bibliogrfica artculos publicados en
diarios o revistas de inters general.
c) Cuando se extrae alguna idea o prrafo de un libro o artculo, no es necesario leer todo el artculo o
todo el libro, pero s tener una idea global de los mismos. Esta idea global suele figurar bajo el rtulo
resumen o abstract.
d) Debe descartarse la informacin irrelevante, o sea la que no tiene relacin directa con el tema.
e) Debe descartarse la informacin redundante, como por ejemplo una definicin igual o similar
encontrada en otra fuente, salvo que se desee enfatizar que muchos autores coinciden en esa definicin o
esa idea.
f) Cuando sea posible, conviene seleccionar algn libro o artculo de lectura imprescindible porque trata el
tema de una manera completa y ordenada. Por ejemplo, el artculo de un diccionario enciclopdico. Su
lectura permite tener una visin global del tema de la monografa y eventualmente permite obtener otras
fuentes, citadas en las referencias bibliogrficas.
Una bsqueda bibliogrfica es correcta, en suma, si cumple estos requisitos:


Es informacin relevante.

Es completa: consider todos los aspectos del tema.

No es informacin redundante.

Las fuentes son confiables.

4) Transcribir la informacin encontrada.- Cuando la bibliografa buscada es finalmente localizada o
encontrada, ahora deber ser transcripta a otro lugar, preferiblemente a un procesador de textos, como
por ejemplo el Word. La trascripcin es el proceso por el cual se transforma la informacin encontrada en
citas bibliogrficas.
Hay diversas formas de transcribir la informacin: utilizar el comando copiar y pegar, si la informacin
original est en Internet, o tipeando a mano si est en una publicacin impresa. Nada hay de malo en
copiar y pegar siempre y cuando no se cometa plagio al no citar la fuente de consulta. Hoy en da, los
motores de bsqueda de Internet permiten a las autoridades acadmicas detectar si se cometi o no
plagio.
Si se hace una trascripcin textual, el material copiado debe ser puesto entre comillas, pero tambin
puede hacerse una trascripcin no textual, que va sin comillas. Esta ltima se realiza, por ejemplo,
cuando puede decirse lo mismo con otras palabras ms claras, o cuando quiere resumirse la informacin,
pero en cualquier caso el mismo autor de la monografa es quien deber hacer la redaccin.
En una poca pasada la informacin se transcriba a un soporte de cartulinas rectangulares llamadas
fichas. Hoy en da la tecnologa ofrece una herramienta mucho ms til: un procesador de textos.
Consiguientemente, todas las citas bibliogrficas se irn volcando a un archivo Word u otro a medida que
se vayan encontrando.
Convendr separar las citas bibliogrficas claramente unas de otras mediante espacios en blanco. Cada
cita tiene tres partes: en primer lugar la trascripcin, textual o no, del material; en segundo lugar, a
continuacin en punto seguido y entre parntesis, el apellido del autor consultado, el ao de edicin de la
fuente, y optativamente la pgina; y en tercer lugar, la referencia bibliogrfica donde figurarn los datos
completos de la fuente consultada.
Un ejemplo de cita bibliogrfica puede ser el siguiente:


Pgina 250 de 325
250
Las causas [de la deglucin atpica] pueden agruparse en tres encabezamientos (1): (a)
trastornos de la erupcin dentara y crecimiento alveolar []; (b) interferencia mecnica con la
erupcin y crecimiento alveolar, por ejemplo, un hbito de succin digital; y (c) displaca
esqueltica vertical [sic]. Esta ltima, aunque se ve con menos frecuencia, es un problema muy
diferente y mucho ms fcil de tratar (Gregoret, 1997:118).
Gregoret Jorge (1997) Ortodoncia Y Ciruga Ortogntica. Barcelona: Editorial Espaxs. 3 Edicin.

En este caso se trata de una cita textual, porque est entre comillas. A veces, tambin entre comillas, se
escribe la cita en bastardilla (llamada tambin cursiva).
Se han incluido, a modo de ejemplo, los diversos casos donde deben utilizarse los corchetes []. Estos
casos son principalmente tres:
- Cuando se quiere agregar un comentario breve o una aclaracin. Ejemplo: [de la deglucin atpica].
- Cuando hay prrafos intermedios no transcritos. Ejemplo: [].
- Cuando existe la sospecha de un error en el texto original. En estos casos se incluye la expresin [sic],
que significa as, de esta manera, dando a entender que no se trata de un error de trascripcin del
autor de la monografa.
Si el autor de la monografa decide incluir una nota al pie, en el ejemplo de cita bibliogrfica tambin se
ha incluido la forma de hacerlo, que aparece como la expresin (1) luego de la palabra
encabezamientos. Dicha expresin (1) se repite al pie de la pgina y se agrega informacin adicional
para no recargar el texto con explicaciones secundarias. Esta informacin no debe ser muy extensa, y
puede consistir en una aclaracin ms detallada de un concepto, en una aclaracin acerca de en qu otro
lugar de la monografa se puede encontrar informacin similar o relacionada, etc.

El paso final de la trascripcin de la bibliografa consiste en lo siguiente:
a) Al final de todas las citas crear el ttulo Referencias bibliogrficas.
b) Utilizar la secuencia cortar y pegar del procesador de textos para cortar las referencias bibliogrficas
de cada cita y agruparlas bajo este nuevo ttulo. Con ello se obtendr un listado de toda la bibliografa
consultada.
c) Tras haber seleccionado todo el listado, utilizar el comando ordenar (en el men Tabla del Word)
para ordenarlo alfabticamente. Un resultado posible de estas operaciones puede ser el siguiente:

De Nova Garca M y col, Succin digital: factor etiolgico de maloclusin. Revista Odontologa
Peditrica, 1993; 2(1):85-90.
Daz Fernndez Jos Manuel (2004) Velzquez Blez Rodolfo y Prez Noel, Mordida Abierta,
diccin y rendimiento Escolar. Disponible en www.ortodoncia.ws. Consultado el 22/10/2006.
Fernndez Parra A, Gil Roales-Nieto J (1994) Odontologa conductual. Barcelona: Martinez Roca.
Gregoret Jorge (1997) Ortodoncia Y Ciruga Ortogntica. Barcelona: Editorial Espaxs. 3 Edicin.
Segovia M (1988) Interrelaciones entre la odontoestomatologa y la fonoaudiologa. La deglucin
atpica. Buenos Aires: Ed Mdica Panamericana.

Este ejemplo ilustra la forma en que debe hacerse la referencia bibliogrfica segn se trate de un libro
(por ejemplo el de Gregoret), de un artculo dentro de una revista cientfica (por ejemplo el de De Nova),
o de un material consultado en Internet (por ejemplo el caso de Daz Fernndez).
En el caso de una revista cientfica, al final se consigna el nombre de la revista, el tomo o el nmero de
ao (2 en el ejemplo) y el nmero de la revista dentro del tomo o ao (1 en el ejemplo), seguido de las
pginas donde comienza y termina el artculo.
Cuando sea posible, siempre debe ponerse el apellido y nombre completo del autor, sin iniciales.
Debe indicarse el nmero de edicin si se trata de la 2 edicin en adelante. Este ao no debe
confundirse con la fecha de impresin, ya que un libro pudo haber tenido sucesivas reimpresiones de una
misma edicin.
Aunque no hay una norma universal para redactar las referencias bibliogrficas, los ejemplos aqu
indicados responden a ciertos estndares internacionales de empleo comn en los trabajos cientficos.

5) Clasificar la informacin transcripta.- Hasta ahora se cuenta con una cierta cantidad de citas
bibliogrficas ordenadas un poco arbitrariamente, segn se fueron encontrando.
Llega ahora el momento de clasificar o encasillar todas las citas en categoras, que bsicamente son las
siguientes:

- INTRODUCCIN
- DESARROLLO
- CONCLUSIONES
- REFERENCIAS BIBLIOGRFICAS
- ANEXOS

Se trata de la estructura clsica de una monografa. Cada categora tiene un ttulo (por ejemplo
Introduccin). Por tal razn deber comenzarse tipeando estos ttulos, y luego colocar bajo cada uno de

Pgina 251 de 325
251
ellos las citas que el autor piensa incluir. El ttulo Referencias bibliogrficas es el nico que ya haba
sido incluido en pasos anteriores.
Dentro de la Introduccin se incluyen citas referentes a cuestiones como la presentacin del tema, los
objetivos de la monografa, la justificacin de la eleccin del tema (importancia, utilidad, etc.),
definiciones importantes y/o marcos tericos utilizados.
Dentro del Desarrollo se incluirn gran cantidad de citas. Debe aqu recordarse que esta parte es
central y es la que ocupar el mayor nmero de pginas del trabajo (por lo menos un 70% del mismo).
El Desarrollo suele incluir lo que se llamada el estado del arte, es decir, el estado actual de la cuestin
tratada en la monografa: qu se sabe y qu no se sabe del tema, cules son las ltimas investigaciones
al respecto, etc.
Dentro de las Conclusiones pueden incluirse citas aunque es poco frecuente, porque se refieren a
cuestiones tales como un breve resumen del desarrollo, planteo de problemas pendientes abiertos,
aportes personales y sntesis creativas en torno al tema tratado.
Los Anexos o Apndices se incluyen slo si es necesario ubicar en algn lugar informacin
complementaria de cierta extensin que, de haberla colocada en el cuerpo principal del trabajo, hubiese
dificultado la fluidez de la lectura. A nadie le gusta leer un texto que de pronto se vaya por las ramas,
para luego retomar el tema ms adelante.
Para completar este paso, pueden incluirse subcategoras mediante subttulos dentro de la Introduccin
y, especialmente, dentro del Desarrollo, que sern elegidas por el autor de la monografa de acuerdo a
cmo haya decidido organizar la exposicin. Las citas bibliogrficas, entonces, sern a su vez ubicadas
dentro de estas subcategoras.
Finalmente, se ubican al comienzo los diferentes ttulos y subttulos ordenados, formndose as el primer
ndice o sumario tentativo. El ordenamiento en ttulos o subttulos facilita enormemente la comprensin
del texto.

6) Redactar un primer borrador.- Hasta ahora se dispone de un primer esquema o esqueleto de la
monografa: un conjunto de citas bibliogrficas organizadas bajo los ttulos Introduccin, Desarrollo,
Conclusiones y Anexos, de las cuales se separaron las correspondientes referencias bibliogrficas
ordenadas bajo el ttulo homnimo.
A partir de este paso ya no se copia ms texto: hay que empezar a crearlo, por lo que el autor de la
monografa deber apelar a sus habilidades para la redaccin.
Nadie escribe todo bien de entrada: conviene empezar a redactar sin preocuparse demasiado por los
aspectos sintcticos u ortogrficos para concentrar la energa en qu se dice ms que en cmo se lo
dice. Escribir es otra manera de pensar, es decir, de relacionar, organizar, clasificar, comparar,
cuestionar o crear.
Los prrafos nuevos que sern redactados por el autor se irn intercalando con los prrafos que
contienen las citas bibliogrficas, de manera tal de comenzar a armar un texto coherente e hilado.
Algunos nuevos prrafos se destinarn para presentar el tema, otros para indicar los objetivos del
trabajo, otros para justificar la eleccin del tema, otros para conectar o unir dos o ms citas
bibliogrficas, otros para vertir alguna opinin personal que surja durante este proceso, etc.
El primer borrador es, en sntesis, lo que su nombre indica: un texto que luego ser sometido a una
revisin ms intensiva y detallada.

7) Hacer la redaccin definitiva.- En esta etapa, el autor revisa nuevamente todo lo escrito. Se trata al
mismo tiempo de una segunda lectura y de una segunda escritura donde se harn varios tipos de
revisin, como por ejemplo controlar la ortografa (ejemplo: un acento correcto) y la sintaxis (por
ejemplo una frase bien armada y entendible, o el correcto empleo de comas y puntos).
Durante la redaccin se tendr en cuenta que el lector de la monografa es alguien que supuestamente
desconoce el tema, con lo cual el autor deber ejercitar sus dotes de docente para explicarlo de la
manera ms clara y organizada posible, sin irse por las ramas desvindose del tema central. Si para ello
o para completar la informacin debe ampliarse la bsqueda bibliogrfica, se adicionarn las citas
bibliogrficas faltantes.
Siempre es preferible redactar en tercera persona (ejemplo: no decir yo sostengo sino el autor de esta
monografa sostiene).
Toda opinin personal debe estar fundamentada racionalmente, fundamentacin que tambin se explicita
redactndola. No se puede afirmar me parece que esto es as por una corazonada.
Tambin se controlar que haya una ilacin entre ttulos entre s, subttulos entre s y prrafos entre s, y
que la numeracin de ttulos y subttulos sea correlativa. Tambin se verificar que los textos tengan
relacin con el ttulo o subttulo donde estn incluidos.
Ningn conjunto de reglas asegura el xito de la escritura: slo la prctica lo hace. No obstante, ser til
repasar algunos tems para asegurarse que el proceso de redaccin definitiva se ha cumplido
correctamente:


Prrafos y oraciones no son demasiado largos.

La redaccin est en tercera persona.

El autor no se fue por las ramas.

Las opiniones estn fundamentadas.

La ortografa y la sintaxis son correctas.

La numeracin de ttulos es correlativa.

Pgina 252 de 325
252

Hay adecuacin entre ttulos y texto.

Hay una ilacin general de todo el texto.

8) Editar el formato.- El ltimo paso consiste en definir los aspectos formales de la presentacin del
trabajo: establecer el tamao de los mrgenes, elegir el tamao y tipo de letra definitivo para los ttulos
y el texto (cuidando que los ttulos tengan mayor tamao o se destaquen ms), numerar las pginas,
definir el tamao del papel, establecer el interlineado, las sangras, etc., de acuerdo a las especificaciones
de la consigna, si las hubiere.
Conviene que los ttulos generales (Introduccin, Desarrollo, Conclusiones, Referencias bibliogrficas y
Anexos) figuren en una pgina nueva.
El trabajo puede ser entregado en forma impresa y/o electrnica (disquete, CD o va e-mail), segn lo
soliciten las autoridades. En este ltimo caso, se utilizarn archivos de uso habitual y comn, como por
ejemplo los generados con el procesador Word.
Cada institucin suele especificar sus propias normas de formato, mientras que otras se acogen a
estndares internacionales. Para este trabajo se han seleccionado algunas normas que facilitan la lectura
de la monografa y le otorgan cierta esttica a la presentacin. El autor de la monografa podr
comprobar si cumple con estas normas verificando los siguientes tems:


Hojas tamaos A4.

Ttulos generales en una nueva pgina.

2,5 cm en los cuatro mrgenes.

Fuente: Times New Roman.

Pginas numeradas, excepto la primera.

Tamao de letra para ttulos: 18 negrita.

Interlineado 1,5 (Word).

Tamao de letra para sub-ttulos: 12 negrita.

Sangra de 1 cm en la primera lnea.

Tamao de letra para texto: 12 normal.

En sntesis: hacer una monografa es como pararse frente a muchas paredes (muchas fuentes
bibliogrficas), separar de cada pared los ladrillos relevantes (para el tema), amontonar los ladrillos
seleccionados (las citas bibliogrficas) y finalmente construir con ellos una nueva y original pared donde
se han agregado nuevos ladrillos (la opinin personal del autor) y donde se los ha unido mediante un
nuevo cemento (la forma peculiar de organizar el material utilizada por el autor).

CAPTULO 16: INVESTIGACIONES ESPECIALES

Si bien la metodologa de la investigacin cientfica ofrece pautas generales aplicables a cualquier
disciplina cientfica, desde la fsica terica hasta la antropologa, cada una de estas, al tener su propia
especificidad, obliga al investigador a adaptar su metodologa a sus respectivos objetos de estudio. En
este captulo se ofrecen dos ejemplos aplicados a disciplinas diferentes: la investigacin mdica y la
investigacin grafolgica.

1. INVESTIGACIN MDICA

Si por medicina se entiende el arte y la ciencia de diagnosticar y tratar enfermedades, las investigaciones
mdicas se ocuparn de resolver problemas relativos al diagnstico y al tratamiento de las enfermedades
tanto a nivel individual como poblacional, entendiendo la palabra tratamiento en su sentido ms amplio,
a saber, la prevencin primaria, secundaria y terciaria de la enfermedad.
Lo que habitualmente se llama investigacin mdica no se refiere a la investigacin profesional que
desarrolla un determinado mdico con su paciente para resolver su problema, sino a la investigacin de
la enfermedad con el fin de ampliar y profundizar el conocimiento general sobre las enfermedades, tanto
en los aspectos diagnsticos como teraputicos. Ms all de su fin prctico, la investigacin profesional
puede proveer datos para realizar una investigacin de este ltimo tipo. Es el caso del mdico que
desarrolla dos tipos de actividades: por un lado se dedica a tratar pacientes, como lo hace la mayora de
los mdicos, pero por el otro lado puede utilizar todas las historias clnicas y conocimientos obtenidos en
su vida profesional para desarrollar una investigacin bsica o aplicada, como por ejemplo hacer un
recuento del porcentaje de xitos de determinado tratamiento o determinada droga, de la frecuencia de
determinados diagnsticos, de las actitudes de los pacientes frente a su enfermedad, de la cantidad y
calidad de efectos colaterales de determinado medicamento, etc., conocimiento que ya no ser til slo a
sus pacientes particulares sino a toda la poblacin, y por tanto pasar a ser patrimonio del saber mdico
general.

La investigacin aplicada en medicina.- Se propone fundamentalmente estudiar la eficacia de nuevos o
conocidos procedimientos diagnsticos o teraputicos.
Las investigaciones diagnsticas en medicina pueden tener al menos dos finalidades diferentes: a)
explorar la eficacia de procedimientos diagnsticos nuevos y ya conocidos (tomografa computada, EEG,
ECG, resonancia magntica, etc.), y b) establecer nuevas taxonomas ms tiles o revisar las anteriores.
En este ltimo sentido, cabe mencionar a la CIE (Clasificacin Internacional de Enfermedades) como el
ltimo esfuerzo en este sentido. En cualquier caso, el investigador deber tener el claro el criterio de
clasificacin, que puede estar basado en los sntomas, en las causas o en los tratamientos. Este ltimo

Pgina 253 de 325
253
criterio es cuestionado porque se basa en una consideracin meramente lucrativa, al clasificar las
enfermedades de acuerdo al tipo de medicamento que el paciente puede comprar.
La investigacin sobre clasificacin de enfermedades basadas en los sntomas suele utilizar un diseo de
investigacin correlacional, que permite discernir la frecuencia con la cual aparecen ciertos sntomas en
forma conjunta definindose de esta manera sndromes especficos.
Las investigaciones teraputicas tienen como finalidad examinar la eficacia de tratamientos nuevos o ya
conocidos en los campos de la prevencin secundaria y terciaria, y poner a prueba la eficacia de planes
de prevencin primaria.
Para ello suelen utilizarse diseos de investigacin de sujeto nico y diseos de investigacin de grupos,
donde se compara un grupo de pacientes antes y despus de la aplicacin del tratamiento, o bien donde
se comparan dos o ms grupos de pacientes. Por ejemplo, un grupo que recibe el tratamiento, otro grupo
que no recibe ningn tratamiento, y otro que recibe un placebo.
Por su pare, los planes de prevencin primaria se pueden poner a prueba mediante diseos longitudinales
donde se compara el comportamiento o las actitudes de la poblacin antes y despus de haber realizado
una campaa de concientizacin.

La investigacin bsica en medicina.- Todos los ejemplos anteriores correspondan a la investigacin
aplicada, pero existe un campo muy importante dentro de la medicina relacionado con la investigacin
bsica, y que puede estar a cargo de mdicos, bacterilogos, especialistas en biologa molecular o en
ingeniera gentica. Su finalidad es la ampliar y profundizar las ciencias bsicas de la medicina: la fsica,
la qumica y la biologa. Por ejemplo, cuando un mdico investiga la eficacia de un tratamiento contra la
diabetes est haciendo investigacin aplicada, pero cuando investiga el proceso bioqumico de la
formacin de insulina en el organismo, est haciendo investigacin bsica o pura. Los resultados de la
investigacin bsica, a diferencia de los resultados de la investigacin aplicada, pueden no tener una
aplicacin inmediata, y servir quizs mucho tiempo despus. En el campo de la fsica se plantea una
situacin similar: la investigacin bsica puede ocuparse de los agujeros negros, pero este saber recin
podr ser til en un futuro distante, cuando se desarrollen los viajes espaciales ms all del sistema
solar.

La investigacin profesional en medicina.- Esta modalidad se propone resolver una cuestin prctica y
puntual: diagnosticar y/o tratar a un determinado paciente que se presenta a la consulta. En este mbito,
una cuestin central concierne al soporte de las decisiones clnicas.
Continuamente estamos tomando decisiones, tanto en la vida cotidiana como en la labor profesional. En
la vida diaria, por ejemplo, tomamos decisiones acerca de hoy deberemos salir o no con el paraguas, o si
debemos casarnos o no con determinada persona.
En la labor profesional, gran parte de las decisiones que deben tomarse tienen que ver con el diagnstico
y con el tratamiento. En el caso del diagnstico, debemos decidir qu patologa presenta el paciente a
partir de sus sntomas, signos y sndromes, ya que por ejemplo un mismo sndrome puede referirse a
muchas patologas diferentes. En el caso del tratamiento, debemos decidir cul es el mejor procedimiento
teraputico para esta patologa, para este paciente y para este momento de su historia clnica.
El proceso psicolgico mediante el cual tomamos decisiones es bsicamente igual en ambos casos, y
tambin en los dos casos las consecuencias de las decisiones pueden ser nimias o muy importantes. Una
decisin equivocada en la clnica suele ser importante porque afectar la salud del paciente y nuestro
prestigio profesional siempre bajo amenaza del fantasma de la mala praxis.
El problema del soporte de las decisiones clnicas consiste en examinar en base a qu consideraciones
hemos tomado las decisiones, lo que nos lleva al problema del fundamento de la decisin clnica.
A los efectos de introducir un cierto ordenamiento, se proponen aqu seis tipos de soportes diferentes que
pueden fundamentar las decisiones clnicas.
1) El azar.- En la vida cotidiana a veces se toma deliberadamente una decisin al azar, lo cual puede
ocurrir porque evita el esfuerzo de pensar, o cuando las probabilidades de ocurrencia de un fenmeno
son aproximadamente equivalentes. Por ejemplo, si existen ms o menos las mismas probabilidades de
lluvia y de buen tiempo, podemos dejar que una moneda decida si saldremos o no con paraguas.
En la clnica las decisiones libradas al azar son muchos menos frecuentes, porque las consecuencias de
las decisiones suelen ser importantes.
2) La experiencia.- Quien fundamenta sus decisiones en la experiencia suele decir: hace 15 aos que
vengo aplicando el mismo tratamiento y siempre me ha dado resultado, o bien, siempre que tal
paciente viene con tal o cual conjunto de sntomas, luego constato la exactitud de tal o cual diagnstico.
3) La intuicin.- La intuicin puede ponerse en juego cuando no hay suficiente experiencia. Es el caso del
profesional que dice: me da la impresin que este tratamiento ser eficaz para este paciente, aunque
nunca lo haya aplicado a nadie.
4) La autoridad basada en la experiencia o la intuicin.- Tambin pueden fundamentarse las decisiones
clnicas en base a la opinin de una autoridad reconocida y valorada. Es el caso del quien sostiene este
tratamiento es eficaz porque me lo dijo un profesor cuando estudiaba, o porque el manual de
procedimientos quirrgicos lo recomienda, o porque el vendedor de los insumos para este tratamiento
insiste en su eficacia, o porque as lo dice el prospecto que acompaa el medicamento, o incluso
porque lo deca mi abuela que de esto sabe mucho.

Pgina 254 de 325
254
Cuando uno se inicia en la profesin no cuenta con suficiente experiencia clnica, y entonces recurre a la
autoridad, y ms concretamente a lo que le ensearon los profesores en la universidad. Conforme pasa el
tiempo, la experiencia comienza a tener ms peso e incluso puede entrar en conflicto con la autoridad,
como cuando uno dice lo que veo en el consultorio no tiene nada que ver con lo que me ensearon.
El problema de confiar en una autoridad reside principalmente en que esa autoridad bien pudo haber
aconsejado tal o cual decisin guindose exclusivamente por su experiencia o su intuicin, con lo cual
tiene la misma fortaleza o endeblez de estas ltimas.
5) La autoridad basa en la evidencia cientfica.- En estos casos se toma una decisin en base a una
autoridad que a su vez se apoy en un soporte generalmente ms seguro: la evidencia cientfica. En el
caso de las decisiones diagnsticas, a veces fundamentamos un diagnstico porque hemos constatado
que el paciente cumple con los criterios de la CIE-10 de determinada patologa. Aqu se reconoce la
autoridad del comit que redact esta CIE (Clasificacin Internacional de Enfermedades).
En el caso de las decisiones teraputicas se toma como autoridad a los autores de artculos de
publicaciones cientficas peridicas o a los autores de libros, aun cuando en este ltimo caso no suele
haber un comit evaluador de la calidad cientfica del material.
Normalmente, las revistas especializadas publican artculos con resultados de investigaciones avaladas
por un comit evaluador que garantiza la originalidad y la autenticidad de las mismas, ya que siempre
existe el riesgo que alguna investigacin: a) jams se haya realizado; b) sea una simple copia de una
investigacin antigua perdida en el olvido; c) sea una investigacin con resultados modificados
deliberadamente (dibujados) para favorecer determinados intereses; o d) carezca de los mnimos
requisitos de aplicacin del mtodo cientfico.
Para evitar la publicacin de resultados con estas caractersticas, las revistas cientficas tienen referato,
es decir, cuentan con un comit evaluador que garantiza que no se cometieron las mencionadas
irregularidades. Desde ya, subsiste el problema acerca de si dicho comit evaluador, y por ende la revista
cientfica misma, es o no confiable, para lo cual existe un Current Index o listado de revistas cientficas
confiables, del mismo modo que hay un listado de universidades confiables. Normalmente debiramos
confiar en tales listados porque estn respaldados o bien por un comit de investigadores neutrales de
amplia trayectoria cientfica y tica, o por alguna entidad estatal responsable de la calidad del trabajo
cientfico.
6) La evidencia cientfica directa.- Una decisin clnica puede tambin estar respaldada o fundamentada
en una investigacin en la que ha participado el mismo profesional y que ha respetado el canon del
mtodo cientfico. Esto es lo que podemos llamar evidencia cientfica directa, y aparece en aquellos casos
en que decidimos aplicar determinado tratamiento porque hemos demostrado su eficacia bajo rigurosas
condiciones experimentales.
Ahora bien, qu es lo que hace que una investigacin cientfica ofrezca resultados ms confiables que la
simple experiencia o la simple intuicin? Entre los requisitos metodolgicos deseables se cuentan la
validez externa y la validez interna.
Un experimento que se precie de cientfico debe tener lo que en la jerga de la teora de la investigacin
se llama validez externa: los resultados obtenidos en la muestra deben poder extenderse con cierto
margen de confianza a toda la poblacin. Por ejemplo, el hecho de que cierto tratamiento ortodncico sea
efectivo en el 90% de los casos de la muestra, no necesariamente permite concluir ese porcentaje de
eficacia a toda la poblacin, salvo que se tomen ciertos recaudos, como por ejemplo que la muestra
estudiada sea representativa de la poblacin. Por ejemplo, una muestra de dos pacientes no puede ser
representativa de los 10 millones de pacientes de un pas. Se trata de un error que a veces cometen
quienes fundan sus decisiones clnicas en la experiencia generalizando prematuramente: resulta peligroso
inferir la eficacia de un tratamiento porque se tuvo xito con un paciente.
Un experimento debe tener tambin la llamada validez interna. Un experimento tiene validez interna
cuando ha podido controlar razonablemente la influencia de variables extraas. Si queremos medir la
influencia de un ambiente amenazante (como el de algunos consultorios) sobre los niveles de estrs,
podramos comparar dos grupos: al grupo experimental se lo atiende en consultorios de entorno
amenazante, y al grupo de control no, y luego se miden las diferencias en los niveles de estrs. Si son
diferencias significativas, entonces concluimos que el entorno de atencin ejerce su influencia.
Sin embargo, esto no garantiza nada, porque bien pudo haber ocurrido que el grupo sometido al ruido
estuviese integrado por ejecutivos, y el otro no, con lo cual no podramos saber si los altos niveles de
estrs se deben al ruido ambiental o a las profesin de ejecutivo, que en este caso operara como
variable extraa.
Algunas otras condiciones deseables de un experimento, relacionadas con lo anterior, son la
randomizacin, el empleo de grupos en lugar de casos nicos y la asignacin de un determinado nivel de
confianza.
Del total de profesionales que obtienen ttulos de grado apenas un nfimo porcentaje se dedica a la
investigacin cientfica. La gran mayora se embarca en el ejercicio de la profesin, con lo cual, al no
desarrollar actividades de investigacin no tienen acceso a la evidencia cientfica directa, y recurren
entonces a la experiencia, la intuicin o la autoridad para fundamentar sus decisiones clnicas.
En algunos casos, como por ejemplo cuando se trata de diagnsticos sencillos, la simple experiencia
suele ser suficiente para avalar nuestras decisiones. Cuando un paciente tiene temperatura y escalofros

Pgina 255 de 325
255
en una determinada poca del ao, un somero examen nos conduce a diagnosticar gripe, y efectivamente
acertamos porque la gripe es una patologa muy habitual: la experiencia nos ha sido til.
Si bien pueden tomarse decisiones exitosas en base a la experiencia, la intuicin o la autoridad basada en
ellas, estas presentan algunos problemas sobre los cuales es necesario alertar.
1) En primer lugar, tenemos una cierta tendencia a sobrevalorar nuestra experiencia o nuestra intuicin,
en parte por una cuestin narcisista (despus de todo nuestra intuicin no puede fallar), y en parte por
comodidad: es mucho ms fcil recurrir a ellas que hacer un tedioso experimento cientfico para avalar
nuestras decisiones.
2) En segundo lugar, tenemos una tendencia a no tener en cuenta los casos que contradicen nuestra
suposicin. Por ejemplo, cuando se trata de decidir sobre un tratamiento que nuestra intuicin
recomienda, tendemos a olvidar los casos en que el tratamiento fracas. No se trata de un olvido
deliberado, sino inconciente, es decir, est ms all de nuestra voluntad conciente.
3) En tercer lugar, puede ocurrir que el nmero de casos que conforman nuestra experiencia clnica no
constituyan una muestra representativa, sea porque es muy pequea, sea porque est sesgada. Por
ejemplo, el hecho que un tratamiento haya tenido xito en dos casos no prueba que lo tendr en todos
los casos. Y del mismo modo, en el caso de la muestra sesgada, el hecho que el tratamiento haya sido
exitoso en adultos, no prueba que pueda serlo para todas las edades.
4) En cuarto lugar, recurrir a una autoridad para avalar nuestras decisiones no tiene en principio nada de
malo, salvo que la opinin autorizada se base en la simple experiencia o intuicin o est basada en algn
afn especial por promocionar determinado tratamiento o vender determinada droga.
Tal vez la nica situacin donde se puede razonablemente confiar en la autoridad es cuando ha
acumulado una gran experiencia clnica, o cuando su opinin se funda en los resultados de
investigaciones cientficas.
La intuicin o la experiencia no son los malos de la pelcula ni la evidencia cientfica el bueno. Desarrollar
el juicio clnico supone a) aprender a reconocer cuando, al tomar una decisin, se puede confiar en uno u
otro tipo de fundamento, y b) acostumbrarse a la idea que no siempre la primera decisin es la mejor.

La medicina basada en la evidencia.- Ante una duda, el profesional suele recurrir a los conocimientos
adquiridos en la carrera, a su propia experiencia clnica, a la opinin de un colega o, ms raramente,
consultar resultados de investigaciones en alguna publicacin cientfica. En este ltimo caso, el
profesional debe contar con cierto conocimiento acerca de cules investigaciones proporcionan evidencia
ms segura, sea que se trate de ejecutar un plan preventivo, realizar un diagnstico, establecer un
tratamiento curativo o de rehabilitacin, o hacer un pronstico.
Con el fin de procurar a los profesionales este conocimiento, en la Universidad McMaster de Canad
(Guyatt G y otros, 1992) se ha propuesto la llamada Medicina basada en la Evidencia (MBE), para que la
prctica mdica cotidiana se fundamente sobre estudios cientficos actualizados de la mejor calidad
metodolgica. Entre otras cosas supone la lectura crtica de textos y artculos mdicos y la revisin
sistemtica de la evidencia existente, porque el razonamiento mdico tradicional resulta insuficiente para
tomar decisiones clnicas. Sin embargo, no desvaloriza la experiencia clnica del profesional ni las
preferencias del paciente.
La MBE ha establecido varios niveles de evidencia que ayudan al profesional a valorar la solidez de la
prueba. A cada nivel de evidencia se corresponde un grado de recomendacin, tal como se presenta en la
siguiente tabla (preparada por Pablo Cazau a partir de la US agency for Health Care Policy Research):

Niveles de evidencia Grados de recomendacin
Ia: La evidencia proviene de meta-anlisis de ensayos controlados,
aleatorizados, bien diseados.
Ib: La evidencia proviene de, al menos, un ensayo controlado
aleatorizado.
Extremadamente
recomendable.
IIa: La evidencia proviene de, al menos, un estudio controlado bien
diseado sin aleatorizar.
IIb: La evidencia proviene de, al menos, un estudio no completamente
experimental, bien diseado, como los estudios de cohortes. Se refiere a
la situacin en la que la aplicacin de una intervencin est fuera del
control de los investigadores, pero su efecto puede evaluarse.
Recomendacin favorable.
III: La evidencia proviene de estudios descriptivos no experimentales
bien diseados, como los estudios comparativos, estudios de correlacin
o estudios de casos y controles.
Recomendacin favorable
pero no concluyente.
IV: La evidencia proviene de documentos u opiniones de comits de
expertos o experiencias clnicas de autoridades de prestigio o los
estudios de series de casos.
Consenso de expertos, sin
evidencia adecuada de
investigacin.

Para comprender algunos trminos tcnicos incluidos en esta tabla, valgan las siguientes aclaraciones:
1) Un ensayo controlado es una investigacin donde las variables extraas o ajenas a las estudiadas han sido
razonablemente controladas.

Pgina 256 de 325
256
2) Un estudio de casos control permite comparar grupos de enfermos o no enfermos segn la presencia de una
determinada caracterstica o exposicin a algn factor.
3) Un estudio de serie de casos clnicos identifica y describe un conjunto de casos clnicos que aparecieron en un
intervalo de tiempo. Si se trata de patologas desconocidas, puede contribuir a caracterizarlas.
4) Una cohorte es un conjunto de individuos de una poblacin que comparten la experiencia de un mismo
acontecimiento, en un determinado lapso temporal. Tpicamente es un grupo de nacidos en un determinado
perodo, como por ejemplo entre 1985 y 1989, pero puede referirse a otro acontecimiento. En un estudio de
cohorte los individuos que componen los grupos de estudio se seleccionan segn la presencia de una determinada
caracterstica. Estos individuos no tienen la enfermedad en estudio y son seguidos durante un tiempo para
observar la frecuencia con que la enfermedad aparece en cada uno de los grupos.
5) Un meta-anlisis es un estudio basado en la integracin estructurada y sistemtica de la informacin obtenida
en diferentes estudios clnicos, sobre un problema de salud determinado. Consiste en identificar y revisar los
estudios controlados sobre un determinado problema, con el fin de dar una estimacin cuantitativa sinttica de
todos los estudios disponibles. Dado que incluye un nmero mayor de observaciones, un metaanlisis tiene un
poder estadstico superior al de los ensayos clnicos que incluye (http://es.wikipedia.org/wiki/).
Aunque a veces se toman como sinnimos, algunos autores (Guerra y otros, 2003) consideran que los meta-
anlisis son un caso particular de las llamadas revisiones sistemticas. Sealan que el trmino meta-anlisis debe
aplicarse nicamente cuando los trabajos incluidos en la revisin a juicio de los investigadores se pueden
combinar razonablemente efectuando una sntesis estadstica cuantitativa de sus resultados para obtener una
estimacin combinada de los efectos descritos en los estudios individuales. Por tanto, la revisin sistemtica
constituye un proceso de investigacin ms amplio, que va desde la formulacin del objetivo hasta la
interpretacin de los resultados, incluyendo la fase de anlisis estadstico cuando haya sido posible la agregacin
cuantitativa de los datos (Guerra y otros, 2003).
Est claro que las revisiones sistemticas son estudios secundarios, porque se ocupan de estudiar los estudios
primarios. Son muy tiles cuando el clnico necesita una respuesta rpida a sus dudas y no cuenta con tiempo
suficiente para revisar la gran cantidad de investigaciones sobre un mismo tema y para realizar nuevas. Sin
embargo Guerra y otros (2003) indican que no deben utilizarse cuando se trata de aprobar o no un frmaco
nuevo, cuando un efecto insignificante puede volverse relevante al combinar varios estudios con efectos
irrelevantes o de mala calidad, o cuando se intenta frenat la realizacin de investigaciones originales, entre otras
razones.

Los niveles de evidencia y grados de recomendacin indicados en la tabla precedente deben tomarse
como criterios muy genricos, ya que existen niveles de evidencia y grados de recomendacin ms
especficos aplicados a intervenciones preventivas y teraputicas, y a indagaciones donde deben hacerse
diagnsticos, pronsticos, evaluacin de factores de riesgo y evaluaciones econmicas. Para estas
diversas alternativas puede consultarse a Primo J (2003).


2. INVESTIGACIN GRAFOLGICA

La cientificidad de la grafologa

En su sentido habitual, el trmino grafologa designa: a) Una teora acerca de la relacin entre la
escritura y el psiquismo, y b) una tcnica para analizar la escritura, basada en la teora, con el fin de
diagnosticar aspectos mentales.
Aqu nos interesar la grafologa como teora, y una cuestin que puede suscitarse al respecto es si se
trata de una teora cientfica o no.
Muchas de las definiciones del trmino grafologa que podemos encontrar en los textos especializados en
este tema hacen hincapi en que se trata de una disciplina cientfica. As por ejemplo:

- La grafologa es la ciencia que tiene por objeto el estudio del carcter, del temperamento y de la
personalidad, mediante el anlisis e interpretacin de los aspectos de movimiento, espacio y
forma en la escritura manuscrita (Vels, 1991:39).
- La grafologa es el estudio cientfico de la expresin del carcter a travs de la escritura, y
comienza con la psicologa de la personalidad. Esta se manifiesta en todas y cada una de las
expresiones del comportamiento humano, especialmente en los movimientos infinitamente
delicados de la mano que gua la pluma sobre el papel (Marcuse, 1974:53).

Hay quienes opinan, sin embargo, que la teora grafolgica no es cientfica porque se apoya en la
intuicin, en la experiencia, o en la apelacin a la autoridad. As por ejemplo, la afirmacin segn la cual
la presencia del trazo horizontal en la letra t es indicadora de fuerza de voluntad podra
fundamentarse de tres maneras:

- La intuicin sostiene la verosimilitud de esta afirmacin argumentando que para escribir el trazo
horizontal de la letra debe levantarse el lpiz y ello requiere esfuerzo de voluntad. Una objecin a
este argumento: se trata de una simple impresin subjetiva y, como tal, puede fallar.
- La experiencia cotidiana sostiene la afirmacin argumentando que en todas las personas en
quienes advert la ausencia del trazo horizontal, pude verificar escasa fuerza de voluntad. Una

Pgina 257 de 325
257
objecin a este argumento: la cantidad de personas observadas puede ser insuficiente y por
tanto no cabe generalizar.
- La apelacin a la autoridad sostiene la afirmacin diciendo que pertenece a una reconocida
autoridad en el tema. Una objecin a este argumento: esa autoridad bien podra haberse
fundado, para enunciarla, en la intuicin o la experiencia.

Segn la ortodoxia del mtodo cientfico, entonces, si las teoras grafolgicas estn avaladas por simples
certidumbres subjetivas o por la experiencia diaria, entonces son dudosas o inciertas y no cabe
considerarlas cientficas.
No es el objetivo de este tem discutir si en el estado actual las teoras grafolgicas tienen o no
cientificidad, sino establecer algunos lineamientos generales del procedimiento para validarlas segn y
conforme el canon cientfico.

La investigacin en grafologa

Toda investigacin cientfica implica dos actividades diferentes: inventar teoras, y probarlas. En el caso
de la investigacin grafolgica, las hiptesis o teoras que surgen de la intuicin o la experiencia no deben
descartarse. De hecho, los primitivos graflogos franceses conseguan hacer buenas diagnsticos
psicolgicos, lo cual se deba probablemente a su imaginacin innata y conocimiento intuitivo de la
naturaleza humana y no a los medios empleados (Marcuse, 1974:12). Pero si bien estas intuiciones no
deben descartarse, deberan probarse cientficamente, lo que les otorgara mayor certeza.
Por ejemplo, una prueba estadstica puede avalar la afirmacin del vnculo entre el trazo horizontal de la
letra t y la fuerza de voluntad, sobre la base de una muestra representativa de la poblacin y sobre la
base de haber constatado mediante coeficientes de correlacin que hay una asociacin significativa entre
escribir el trazo horizontal y la fuerza de voluntad.
La importancia de la investigacin grafolgica no reside solamente en que pueden probarse
cientficamente diversas impresiones subjetivas y creencias basadas en experiencias personales, sino
tambin en que la investigacin contribuye a que el graflogo pueda lograr un reconocimiento cientfico
de su actividad, ms all del reconocimiento social y del reconocimiento legal. Parte de este
reconocimiento cientfico se logra, por ejemplo, difundiendo las investigaciones realizadas en Congresos y
en revistas especializadas donde comisiones evaluadoras garantizan la cientificidad de los trabajos
presentados, evitndose la publicacin de investigaciones inventadas, copiadas o modificadas
tendenciosamente.

Escritura, persona y situacin.- Uno de los primeros pasos para iniciar una investigacin grafolgica es
establecer cules son las variables fundamentales que considera la grafologa. Estas variables son al
menos tres:

Esquema 1 Variables principales en grafologa


Este esquema no es ms que una derivacin de cierta hiptesis general en psicologa segn la cual la conducta C es
funcin de la persona P y el ambiente A, y donde adems se especifica que entre P y A hay una interrelacin. Autores
como Kurt Lewin han dado forma matemtica a esta idea mediante la expresin C = F (P A). Vase Lewin K, La
teora del campo en la ciencia social. Buenos Aires: Paids, captulo 1.

La escritura es una variable dependiente porque se supone que depende de ciertos factores como la
persona y la situacin, que entonces se designan como variables independientes. As, por ejemplo, el
hecho de que un sujeto escriba con determinados rasgos se debe no slo a su modo de ser (una
personalidad histrica, por ejemplo) sino tambin a la situacin en el momento de escribir (la birome
escribe mal). La divisin entre persona y situacin, hay que reconocerlo, es un tanto artificial. Por
ejemplo, la educacin recibida es desde cierto punto de vista un factor personal, y desde otro un factor
situacional.
Incidentalmente, en el campo de la grafoterapia estas variables pueden cumplir funciones diferentes.
Esta aplicacin, introducida en el siglo XX, permite corregir las dificultades caracterolgicas por medio de
la escritura (Echevarra, 1992:35), y supone que la forma de escribir puede incidir sobre la persona
SITUACION
(Variable independiente)
PERSONA
(Variable independiente)
ESCRITURA
(Variable dependiente)

Pgina 258 de 325
258
generando cambios en ella. Desde esta perspectiva, la variable escritura ser considerada variable
independiente porque se considera que influye sobre las variables personales, que pasan a ser, entonces,
dependientes.
En el campo grafodiagnstico, se supone que las variables independientes son causas, y la variable
dependiente el efecto. Ya desde su nacimiento, la grafologa ha advertido la importancia de estas
variables. Klages, por ejemplo, a fines del siglo XIX, formula una teora general de la escritura como
medio de expresin de vivencias psicolgicas sosteniendo, por ejemplo, que la escritura est determinada
por factores del momento, por el desarrollo del carcter y por factores inconcientes (como el del hijo que
escribe a imagen y semejanza de su progenitor) (Marcuse, 1974:15). Los factores del momento
corresponden a la variable situacin, y los dos factores restantes a la variable persona.
De acuerdo a cierta nomenclatura de la metodologa de la investigacin, las tres variables mencionadas
son variables complejas, es decir, presentan varias facetas o aspectos. La variable persona, en un sentido
muy amplio, puede incluir capacidades, actitudes, comportamientos y hasta la edad, el sexo y la salud
fsica y mental. La variable situacin se refiere a factores sociales, escolares, familiares, circunstanciales,
etc., y, del mismo modo, la variable escritura presenta como aspectos la distribucin, la disposicin, la
proporcin o la altura. Cada uno de los aspectos de las variables recibe el nombre de dimensin o factor.
Por ejemplo, los factores personales indicados para la variable persona.
A continuacin, describiremos ms detalladamente estas tres variables.

1) Persona.- Ms all de las diferentes definiciones que ofrece cada teora psicolgica sobre este trmino,
esta primera variable abarca todo lo que habitualmente se llaman factores personales, es decir, aquellos
factores que estn presentes en el sujeto, que le pertenecen per se.
Sea cual fuere la definicin que se asigne a cada uno, ejemplos de estos factores personales son la
personalidad, el carcter, el temperamento, las actitudes, la herencia, el sistema nervioso, el sexo, la
edad, etc.
Por ejemplo personas con diferentes temperamentos escribirn de manera diferente (Echevarra,
1992:16). Asimismo, la edad es otra caracterstica intrnseca a la persona, por cuanto el mismo sujeto no
escribe igual de nio que de adulto, e incluso no escribe igual en sus diferentes periodos evolutivos
infantiles. As, por ejemplo, ciertos autores consideran que la escritura infantil est relacionada con las
diferentes etapas evolutivas del nio (Echevarra, 1992:14).
Conociendo la escritura de un sujeto, pueden inferirse estos factores personales. Por ejemplo, aunque el
anlisis de la escritura infantil exige la desviacin de algunas de las normas impuestas para el anlisis en
los adultos, es posible aplicarlas en lneas generales, con excepcin de la regularidad y firmeza de los
trazos, ausentes en los nios (Marcuse, 1974:99).

2) Situacin.- Los factores situacionales son aquellos originados en el ambiente de la persona. Puede
suponerse que la escritura depende de factores sociales, escolares, familiares y estados transitorios
situacionales.
Los factores sociales inciden sobre la forma de escribir segn cada cultura o poca. Por ejemplo, una de
las primeras expresiones grficas del nio es el garabato, y slo despus, alrededor de los cinco aos, el
nio comienza a escribir. Importa aqu destacar que mientras el garabato es una actividad espontnea, la
escritura es una actividad aprendida y por lo tanto tendr en mayor medida la impronta de la cultura.
La influencia de la escuela reside en como la persona es educada para escribir en la educacin formal. No
escribe igual una persona que estudi caligrafa que otra que no lo hizo. De igual manera, la influencia
familiar puede apreciarse, por ejemplo, en el modelo de escritura tomado de los padres o los hermanos.
Respecto de los estados transitorios situacionales, finalmente, algunos autores los llaman factores
circunstanciales y son todos aquellos que tienen que ver con las condiciones fsicas de la escritura: si
omitimos los cambios en la escritura producidos por factores circunstanciales, como pueden serlo una
pluma gastada, tinta demasiado espesa o fluida, papel grueso o una superficie de apoyo rugosa, la causa
principal de las variaciones en la escritura son psicolgicas (Marcuse, 1974:19). Cabe incluir en este
factor tambin a otros estados transitorios como las condiciones climticas del momento, la sonoridad
ambiental, etc., todos ellos atributos fsicos del entorno, e incluso tambin al clima psicolgico al instante
de producir la escritura.

3) Escritura.- La escritura, como variable compleja, est conformada por varios aspectos o dimensiones,
como por ejemplo (Vels, 1991:51) la distribucin (ordenada, desordenada, etc.), la disposicin (regular,
irregular, etc.), la proporcin (proporcionada, desproporcionada, etc.), la altura (grande, pequea, etc.),
la amplitud (ancha o estrecha, etc.), la tensin (firme, floja, etc.), la ejecucin (redonda, angulosa, etc.),
la cohesin (ligada, desligada, etc.), y otras.
Cada dimensin o aspecto de la escritura presenta a su vez posibles valores, llamados categoras, y que
en el prrafo anterior aparecan entre parntesis. Esquemticamente:

Esquema 2 Algunas dimensiones y categoras de la variable escritura

Dimensiones Categoras
Distribucin Ordenada, desordenada, etc

Pgina 259 de 325
259
Disposicin Regular, irregular, etc
Proporcin Proporcionada, desproporcionada, etc
Altura Grande, pequea, etc
Amplitud Ancha o estrecha, etc
Tensin Firme, floja, etc
Ejecucin Redonda, angulosa, etc
Cohesin Ligada, desligada, etc
Etc Etc

Slo las categoras o una combinacin de ellas son susceptibles de interpretacin. Por ejemplo: 1) la
escritura ancha corresponde a sujetos con tendencia muy marcada a la expansin, a la convivencia con
otros (Vels, 1991:65); 2) la escritura angulosa, ordenada y regular indica conciencia profesional,
integridad moral, disciplina, perseverancia (Vels, 1991:65).
Finalmente, cabe consignar que las diversas dimensiones de las variables persona y situacin tambin
son susceptibles de categorizacin. Por ejemplo, la dimensin temperamento de la variable persona
puede incluir las categoras sanguneo, flemtico, nervioso y colrico (Echevarra, 1992:16), mientras que
la dimensin escolaridad de la variable situacin puede incluir los niveles primario, secundario o la
universidad.

Estabilidad e inestabilidad.- En el pargrafo anterior habamos clasificado los factores que influyen en la
escritura en factores personales y factores situacionales subsumindolos, respectivamente, bajo las
denominaciones persona y situacin.
Sin embargo, tambin es posible clasificar los mismos factores en factores estables y factores inestables,
un criterio muy utilizado, por lo dems, en grafologa en la medida en que el graflogo es conciente que
sobre la escritura estn actuando, adems de factores estables, ciertos factores transitorios o
accidentales (factores inestables), como el tipo de papel sobre el cual se escribe, el estado de nimo
predominante al momento de escribir o cierto dolor de cabeza que afect al sujeto en ese momento.
Como lo ilustra el siguiente esquema, entre ambas clasificaciones no hay una correspondencia unvoca, y
por lo tanto no debe pensarse que los factores personales son los factores estables o que los factores
situacionales son los factores inestables. En realidad, los factores personales pueden ser tanto estables
como inestables, y otro tanto cabe decir de los factores situacionales.

Esquema 3 Factores estables e inestables de la escritura

Variables Dimensiones o factores (ejemplos) Condicin
Persona
(factores personales)
Personalidad
Temperamento
Carcter
Edad
Sexo
Salud
Factores estables
Estados personales transitorios Factores inestables
Situacin
(factores situacionales)
Estados situacionales transitorios
Cultura
Escolaridad
Familia
Factores estables

Llamaremos factores estables a aquellos que tienen cierta permanencia en el tiempo, mientras que los
factores inestables son ms cambiantes o fluctuantes, incluso de una hora a otra, de un da para otro, y
hasta de un mes a otro en el caso de situaciones de duelo. Los primeros seran los responsables del
grafismo habitual, mientras que los segundos incidiran en los cambios o alteraciones momentneas de la
escritura.
Como se aprecia en el esquema, los factores inestables puede ser estados personales transitorios (un
dolor de cabeza, un estado de excitacin momentneo) o estados situacionales transitorios (una birome
que funciona mal, la percepcin de una discusin violenta en el entorno).
Los graflogos son bien concientes de la incidencia de los factores inestables: si no conocemos las
circunstancias en que se produjo la muestra no nos es posible dar a la escritura la interpretacin
adecuada a los factores extraos a la personalidad del individuo que pueden haber afectado la fluencia de
la escritura (Marcuse, 1974:64).
Del mismo modo, Klages sostena que una situacin de alegra pone al individuo en un estado de
exaltacin que lo lleva a escribir en ese momento con letras ms grandes y a mayor velocidad, del mismo
modo que un estado melanclico produce un efecto inverso, denominando a este factor motivacin
personal, tambin cambiante, porque cambia no slo con el desarrollo del carcter sino por influencia de
impresiones externas (Marcuse, 1974:14).

Pgina 260 de 325
260
Es tambin conocida la diferencia entre los factores estables e inestables de la persona. As, ciertos tests
psicolgicos distinguen lo permanente del sujeto, de lo que vara segn cada momento o circunstancia
(el como es y el como est), como por ejemplo los tests que miden, respectivamente, la ansiedad-
rasgo y la ansiedad-estado.
Si unificamos ambas clasificaciones de los factores que inciden en la escritura, en suma, obtendremos los
siguientes tipos: factores personales estables, factores personales transitorios, factores situacionales
estables, y factores situacionales transitorios.
Diferentes enfoques dentro de la grafologa dan prioridad a cierto tipo de factores y descartan otro cierto
tipo de factores. Por ejemplo:

- Prioridad de los factores personales estables: una mala pluma, una mala tinta, un apoyo
insuficiente del brazo o una mesa que se mueve, una postura incmoda, un estado anormal de
fatiga, depresin o excitacin, por ejemplo, pueden causar una deformacin importante del
grafismo habitual. Por tanto, conviene asegurarse de que se analiza el grafismo corriente en el
sujeto, es decir, sin influencias externas o internas perturbadoras (Vels, 1991:47).
- Prioridad de algunos factores personales estables y descarte de otros del mismo tipo: algunos
autores (Marcuse, 1974:39) incluyen a la lateralidad manual (condicin de zurdo o diestro) entre
los factores cuya influencia debe ser descartada cuando se analiza la escritura. En otro ejemplo,
algunos autores priorizan el anlisis de la personalidad, otros del temperamento y otros de la
salud, sean cuales fueren las definiciones que asignan a estos trminos.

En general, la tendencia dominante es la de analizar la escritura en trminos de factores personales
estables, descartndose los factores personales inestables y los factores situacionales.
El lector puede ir entonces comprendiendo que los factores que se descartan deben ser controlados o
neutralizados en cuanto a su influencia sobre la escritura, importando solamente los factores priorizados.
En la nomenclatura de la metodologa de la investigacin, los factores priorizados se designan como
variables independientes (propiamente dichas), y los factores que deben ser descartados y neutralizados
se designan como variables externas.
La denominacin variable externa puede encontrarse en Campbell y Stanley (1995:17) aunque otros
autores las han llamado variables extraas (Cortada, 1994:360; Tamayo, 1999:213) y variables de
control. Esta ltima denominacin enfatiza la necesidad de controlar estos factores extraos al analizar
la escritura, en el sentido de neutralizar su influencia, para lo cual pueden emplearse las diversas
tcnicas de control descriptas en los manuales de procedimiento cientfico tales como la anulacin, la
sustraccin, el emparejamiento o la aleatorizacin.
Por ejemplo, la anulacin del factor situacional inestable papel rugoso consiste simplemente en anular
este tipo de papel. A veces, no es posible anular un factor situacional inestable, en cuyo caso se consigna
su incidencia en la escritura para luego separarlo de los efectos de los factores estables (sustraccin).

La relacin entre factores personales estables y la escritura.- Puesto que por lo general el anlisis
grafolgico intenta vincular la escritura con los factores personales estables, en lo que sigue nos
concentraremos en este caso.
Los primeros intentos sistematizados de relacionar los rasgos caligrficos del individuo con las
caractersticas de su personalidad fueron emprendidos en Italia en el siglo 17 por Camilo Baldi (Marcuse,
1974:11).
Desde entonces hasta la actualidad, los graflogos han considerado no solamente las relaciones entre un
rasgo de escritura y un rasgo de la persona, por ejemplo un rasgo de personalidad, sino tambin,
subsidiariamente, las relaciones de los rasgos de escritura entre s y las relaciones de los rasgos de
personalidad entre s. En el siguiente esquema ilustramos estas tres posible relaciones:

Esquema 4 - Relaciones importantes en grafologa


Relacin 1.- La escuela de Michon del siglo 19 planteaba que si por ejemplo, analizando la caligrafa de
veinte personas valerosas hallaban un trazo determinado comn, como una a abierta u otro rasgo
Rasgo grafolgico Rasgo grafolgico
Rasgo personal Rasgo personal
1
1
2
3

Pgina 261 de 325
261
especial, decidan calificar ese trazo como representacin del valor personal (Marcuse, 1974:12). Los
textos de grafologa ilustran profusamente este tipo de correspondencias.
Relacin 2.- Entre los diferentes aspectos de la escritura de una persona puede haber ciertas
correspondencias. Puede haber un paralelismo entre el punto de la letra i y la barra de la letra t. Si
ambos elementos estn altos, significa idealismo y optimismo. Tambin puede no haber un paralelismo,
en cuyo caso hay represin y artificialidad concientes (Marcuse, 1974:87).
Relacin 3.- Los estudios factorialistas de la inteligencia y ciertos enfoques en psicologa social, por dar
dos ejemplos, han puesto de manifiesto que diferentes aspectos de la persona pueden estar asociados
ms all de lo esperable por azar. As, por ejemplo, la caracterstica ser racista suele estar asociada con
la caracterstica ser autoritario, o la caracterstica ser hbil para sumar suele estar asociada con ser
hbil para multiplicar.
Allport y Vernon han destacado estos tres tipos de relacin cuando en 1931 dirigieron experimentos
sobre grafologa basando sus investigaciones en tres supuestos: que la personalidad es consistente, que
los movimientos fsicos expresivos (por ejemplo la escritura, la expresin facial, la forma de caminar,
etc.) son expresiones de la personalidad, y que los movimientos son consistentes con determinada
personalidad y entre s (Marcuse, 1974:16).
El anlisis de la escritura puede aplicarse a su conjunto, a una determinada palabra, a una determinada
letra, a la firma, etc. En los casos en que se analiza la escritura en su conjunto (por ejemplo una carta
manuscrita), que son los casos ms habituales, puede optarse por un marco terico elementalista o por
uno totalista.
Ya en los comienzos de la grafologa francesa es posible identificar estas dos tendencias opuestas. Michon
y su escuela representa la orientacin elementalista, segn la cual el carcter era un mosaico de
cualidades y propiedades personales, cada una de ellas relacionada directamente con determinado rasgo
caligrfico, que poda ser sumado a otros para completar cierta apreciacin del carcter (Marcuse,
1974:12).
Crepieux-Jamin, discpulo de Michon, se opuso a esta orientacin planteando un totalismo cuando
expres la necesidad de considerar cada uno de los rasgos como parte del sistema general, manteniendo
que cada uno de ellos contribua en diferentes grados a la interpretacin del conjunto (Marcuse,
1974:13).
En esta misma lnea se desarroll la grafologa alemana de fines del siglo XIX. Por ejemplo Meyer
consideraba que los signo grafolgicos no tenan un significado especial, sino que se los interpretaba
como resultantes de una funcion nica, fundamental, capaz de expresarse de diversas maneras
(Marcuse, 1974:14). Lavater escriba, en el siglo XVIII, que si toda la escritura en su conjunto es de
aspecto armnico, resulta sencillo especular sobre la naturaleza armoniosa del escritor (Marcuse,
1974:11).

Estandarizaciones.- Para que la investigacin grafolgica sea posible, se requieren al menos dos tipos de
estandarizacin previas: la estandarizacin del procedimiento de recoleccin de datos, y la
estandarizacin del procedimiento de anlisis de los datos. La primera asegura de todos los
investigadores recogern la informacin de la misma manera, mientras que la segunda garantiza que
todos los investigadores utilizarn los mismos criterios para analizarla. Estas uniformidades permiten,
entre otras cosas, que las investigaciones de diferentes graflogos puedan compararse entre s.

Estadarizacin del procedimiento de recoleccin de datos.- El procedimiento bsico para recoger
informacin en grafologa es pedirle al sujeto una muestra de su escritura. En este sentido, todos los
graflogos a nivel mundial deberan acordar un mismo patrn, como por ejemplo, que la persona escriba
en un ambiente tranquilo, que no est cansada, que lo haga con un determinado tipo de lapicera o
birome, que lo haga en un papel de tamao estndar (A4, carta, oficio, etc.) de determinado color, de
determinado gramaje, desprovisto de lneas, etc.
Esta modalidad de estandarizacin tiene como finalidad minimizar la influencia de los factores inestables
o transitorios que condicionan la escritura. De hecho, se aplica en los tests proyectivos como el Bender o
el HTP y, como la escritura tiene las caractersticas de una prueba proyectiva, no hay razn para excluirla
de los procedimientos de estandarizacin mencionados.

Estandarizacin del procedimiento de anlisis de los datos.- Cuando se analiza la escritura es corriente
hacer apreciaciones del tipo escritura grande o distancia entre lneas pequea, etc. La pregunta que
surge aqu es qu se considera grande y qu se considera pequeo. Como estos adjetivos pueden ser
interpretados de diferente manera segn cada graflogo, ha sido necesario establecer patrones que
sirvan como marco de referencia. Autores como Vels se refieren a ellos calificndolos como mdulos
patrn (Vels, 1991:45). Ejemplos de mdulos-patrn son: escritura normal se considera la que est
entre 2,5 mm y 3 mm, la distancia entre lneas normal es tres o cuatro veces la altura de las letras m,
n y u del tipo de letra que se utilice, etc. Desde ya, es importante que haya consenso respecto de estas
normas entre todos los graflogos, de manera tal que, cuando uno de ellos lee el trabajo de otro, pueda
estar seguro que compartir el mismo significado para grande o pequeo.
Qu ocurrira si diez graflogos analizaran la misma escritura? Habra que hacer el experimento para ver
los resultados, pero puede conjeturarse que habra diferencias entre los informes porque tambin el

Pgina 262 de 325
262
graflogo proyecta sus propias creencias y formas de ver el mundo. Sin embargo, esas diferencias seran
apenas matices si todos los graflogos utilizan la misma teora para analizar la produccin escrita. La
gran semejanza detectada entre los diez anlisis prueba que utilizaron la misma teora, pero no que esa
teora sea la correcta. El experimento imaginario puede haber arrojado otro resultado: que los diez
informes sean manifiestamente diferentes (por ejemplo segn uno de ellos el sujeto es valiente, mientras
que segn otro es cobarde). Estos resultados no pueden entonces compararse entre s, por lo cual se
requiere tambin una estandarizacin del marco terico, incluido dentro de la estandarizacin del
procedimiento de anlisis.

Grafologa y psicologa

La grafologa, en tanto anlisis de la escritura para obtener un conocimiento de la personalidad, utiliza
como marco de referencia terico a la psicologa. En trminos de formacin acadmica, la grafologa se
centra en el estudio de la escritura, mientras que la psicologa es ms abarcativa porque comprende el
estudio del psiquismo humano. En trminos de incumbencias, el graflogo no puede tratar pero el
psiclogo s, del mismo modo que el psiclogo no puede prescribir medicamentos pero el psiquiatra s.
Pero, qu ocurre como la labor diagnstica? Diagnosticar significa ubicar a una persona en alguna
categora. Por ejemplo:
a) al decir que Juan es agresivo, estamos ubicndolo en la categora agresividad.
b) al decir que Juan es neurtico obsesivo, estamos ubicndolo en la categora neurosis obsesiva.
Se trata de dos categoras muy diferentes: la agresividad, la bondad, la avaricia, la valenta son simples
caractersticas de la personalidad, normales o anormales, mientras que neurosis obsesiva o esquizofrenia
paranoide son patologas (o trastornos mentales, o entidades nosolgicas). Para diagnosticar una
patologa se requiere otra formacin que va ms all del conocimiento grafolgico, salvo que el grafismo
en su conjunto sea un indicador patognommico. En psicopatologa se acepta en general que no hay
indicadores de este tipo. Por ello el graflogo puede diagnosticar caractersticas de la personalidad, pero
no patologas (y en este ltimo caso solamente como conjetura, comunicable o no a otra persona).
Para realizar diagnsticos, el graflogo utiliza la tcnica grafolgica, mientras que el psiclogo utiliza,
entre otras, las tcnicas proyectivas grficas.
Tanto en la tcnica grafolgica como en las tcnicas proyectivas grficas utilizadas habitualmente en
psicologa (HTP, Dos personas, etc.), se atiende a los aspectos formales del grafismo (emplazamiento,
tamao, trazo, etc.), y adems se parte del supuesto que el sujeto proyecta aspectos de su intimidad
psquica o de su mundo interno en su produccin. La diferencia radica en que ambas tcnicas utilizan
teoras diferentes para analizar o interpretar la produccin grfica: la tcnica grafolgica se basa
principalmente en teoras grafolgicas, mientras que las tcnicas proyectivas se fundan principalmente en
la teora psicoanaltica. Esta ltima circunstancia requiere que la tcnica proyectiva atienda, adems de
los aspectos formales, a los aspectos de contenido. En la tcnica grafolgica, en cambio, se atiende a
como la persona escribe, y no sobre qu escribe.
En suma, puede decirse que la tcnica grafolgica es una tcnica proyectiva porque parte del supuesto de
la proyeccin, en el ms amplio sentido de esta palabra, pero por otro lado no es una tcnica proyectiva
porque no analiza los resultados desde la teora psicoanaltica.
A partir de lo dicho se abren dos posibilidades: que un psiclogo pueda utilizar una tcnica grafolgica, o,
al revs, que un graflogo pueda utilizar una tcnica proyectiva clsica de la psicologa.
El primer caso podra presentarse en el Test de las Dos personas, donde el psiclogo debe analizar no
solamente el dibujo sino tambin la historia que el sujeto escribe sobre lo dibujado. El anlisis que hace
no se refiere solamente al contenido de la historia sino tambin a algunos aspectos formales, como por
ejemplo el emplazamiento, realizando entonces aqu una labor algo similar a la del graflogo, aunque,
desde luego, no se trata de un anlisis grafolgico tal como es entendido en grafologa.
El segundo caso slo es posible si el graflogo tiene la suficiente formacin psicoanaltica para analizar
una tcnica proyectiva grfica. Este problema tiene que ver con las incumbencias del graflogo, vale decir
con aquello que puede hacer o aquello que no puede hacer. El problema reside en quin ser quien defina
estas incumbencias: su formacin acadmica (por ejemplo si el programa de estudios incluye o no la
teora psicoanaltica), una ley que defina incumbencias, una autoridad reconocida de la grafologa, una
asociacin de profesionales graflogos, o bien cada graflogo en particular segn su particular visin de
su propio rol.
Detrs de las incumbencias se esconde una cuestin ms profunda: el reparto del poder entre diferentes
tipos de profesionales, llmeselos psiclogos, psiquiatras, tarotistas o graflogos, sin nimo de
comparacin. El otorgamiento de este poder proviene de varias fuentes (los reconocimientos sociales,
acadmicos, legales) y vara de una poca a otra y de un pas a otro. En Chile un psiclogo es un simple
auxiliar del mdico, del mismo modo que puede serlo un enfermero, pero en Argentina tiene una cuota
mayor de poder. Es posible que un graflogo experimente, respecto del psiclogo, un cierto sentimiento
de inferioridad, incluso aunque no se sienta su auxiliar.
Otra cuestin tiene relacin con la etimologa del vocablo grafologa. El estudio del grafismo, en un
sentido amplio, puede hacer referencia a los dibujos o a la escritura. Histricamente, la especie humana
ha producido primeramente dibujos, y estos fueron transformndose progresivamente en escritura

Pgina 263 de 325
263
alrededor del ao 4000 AC, habiendo pasado por etapas intermedias donde el grafismo fue en parte
dibujo y en parte escritura.
Los fundadores de la grafologa han establecido claramente que su objeto de estudio es la escritura, no el
dibujo o, si se quiere, ese dibujo especial llamado letra: no es lo mismo dibujar un crculo que dibujar la
letra o (Cazau, 2006).

Conclusiones

En el presente trabajo hemos esbozado algunas de las condiciones mnimas indispensables para poder
iniciar una investigacin en el campo de la grafologa: 1) en primer lugar el graflogo ha de considerar el
espectro de posibles factores personales y situacionales, estables e inestables, para poder elegir cul o
cuales de ellos someter a estudio; 2) en segundo lugar debe considerar las tres posibles relaciones entre
rasgos personales y rasgos grafolgicos para elegir cul o cuales de ellas investigar; y 3) en tercer lugar
debe tomar las precauciones necesarias para estandarizar los procedimientos de recoleccin y anlisis de
los datos.
Puede ser importante aclarar, finalmente, que las pautas de investigacin aqu presentadas se aplican
especialmente a la investigacin cientfica propiamente dicha, ms all que tambin puedan aplicarse a la
investigacin profesional. Llamamos investigacin profesional a la que emprende un graflogo con fines
diagnsticos con una determinada persona que contrata sus servicios. En cambio, la investigacin
cientfica propiamente dicha tiene como fin aumentar y profundizar el saber grafolgico. Para ello
tambin aqu se necesita contar con personas, pero, en este caso, tal vez no sea tan fcil conseguir que
se presten gratuita o voluntariamente a una investigacin, salvo que se ofrezca como contraprestacin un
anlisis grafolgico con fines diagnsticos u otro tipo de beneficio.
Un graflogo que se dedica a su profesin, a lo largo del tiempo puede reunir material importante como
para ser utilizado en protocolos de investigacin cientfica, realizando l mismo la investigacin o
suministrando sus datos a otros investigadores.

Pgina 264 de 325
264
REFERENCIAS BIBLIOGRFICAS DE ESTADSTICA

Bancroft H (1960) Introduccin a la bioestadstica. Buenos Aires: Eudeba.
Botella R (1993) Anlisis de datos en psicologa I. Buenos Aires: Paids.
Campbell D y Stanley J (1995), Diseos experimentales y cuasiexperimentales en la investigacin social. Buenos Aires:
Amorrortu.
Hernndez Sampieri R, Fernndez Collado C y Baptista Lucio P (1996), Metodologa de la investigacin. Mxico:
McGraw-Hill.
Kohan N (1994) Diseo estadstico. Buenos Aires, Eudeba.
Lichtenthal S, Qu es la teora de la informacin. Buenos Aires, Revista Ciencia Nueva, N 3, 1970.
Len O y Montero I (1995) Diseo de investigaciones (Introduccin a la lgica de la investigacin en Psicologa y
Educacin), Madrid, McGraw-Hill.
Levin R y Rubin D (1996) Estadstica para administradores. Prentice Hall, 6 ed.
Pagano R (1998) Estadstica en las ciencias del comportamiento. Mxico: Internacional Thomson. 5 edicin.
Rodrguez Feijo N (2003) Estadstica social.
Rubio M y otro (1997) El anlisis de la realidad en la intervencin social. Madrid: Editorial CCS.
Tamayo M (1999), Diccionario de la investigacin cientfica. Mxico: Limusa.
Van Dalen D y Meyer W, Manual de tcnica de la investigacin educacional.
Vessereau A (1962) La estadstica. Buenos Aires: Eudeba.

OTRAS FUENTES CONSULTADAS PARA ESTADSTICA

Ander-Egg E (1987) Tcnicas de Investigacin social. Buenos Aires: Hvmanitas, 21 edicin.
Cuidet C (1969) Nociones bsicas para el tratamiento estadstico en los tests mentales. Buenos Aires: Opfyl.
Garrett H (1966) Estadstica en Psicologa y Educacin. Buenos Aires: Paids.

REFERENCIAS BIBLIOGRFICAS DE METODOLOGA

American Psychological Association (APA) (1994). Publication manual of the American Psychological Association (4th
ed.). Washington, D. C. http://www.apa.org
Anastasi A (1976) Tests psicolgicos. Madrid: Aguilar, 3 edicin.
Ander-Egg E (1987) Tcnicas de investigacin social. Buenos Aires: Hvmanitas, 21 edicin.
Annimo (2005) Son refutados un tercio de los estudios mdicos. Buenos Aires, Diario La Nacin, 15 de julio de 2005.
Arnau Gras J (1980) Psicologa experimental. Un enfoque metodolgico. Mxico: Trillas.
Bakeman E y Gottman J (1986) Observacin de la interaccin: introduccin al anlisis secuencial. Madrid: Morata.
Barco Susana, "Estado actual de la pedagoga y la didctica", en Revista Argentina de Educacin, N 12, Buenos Aires,
1989.
Bazerman C (1987) "Codifying the social scientific style: The APA Publication Manual as a behaviorist rhetoric", en J.
Nelson, A. Megill y D. McCloskey, eds., "The rhetoric of de human sciences: Language and argument in scholarship
and public affairs" (pgs. 125-44), Madison, University of Wisconsin Press.
Bernstein J, La psicologa factorial: Spearman. Includo en Heidbreder E (1979) Psicologas del Siglo XX. Buenos Aires:
Paids.
Blalock H (1971) Introduccin a la investigacin social. Buenos Aires: Amorrortu.
Blalock H (1982) Introduccin a la investigacin social. Buenos Aires: Amorrortu.
Britton B, Glynn S. y Smith J, "Cognitive demands of processing expository text". En: Bruce K. Britton y John Black
(Eds.), "Understanding expository text", pp. 227-248. Hillsdale, New Jersey, Lawrence Erlbaum Associates, 1985.
Existe traduccin en castellano: "Exigencias cognitivas para el procesamiento de textos expositivos", publicacin
interna de la ctedra de Psicologa General II de la Facultad de Psicologa de la Universidad de Belgrano, 1998.
Traducido y abreviado por Carlos Molinari Marotto.
Bruner Jerome (1996) Realidad mental y mundos posibles. Barcelona: Gedisa.
Bunge M (1969-1970) La investigacin cientfica: su estrategia y su filosofa. Barcelona: Ariel.
Campbell D y Stanley J (1966) Experimental and quasi-experimental design for research. Chicago: Rand McNally.
Campbell D y Stanley J (1995) Diseos experimentales y cuasiexperimentales en la investigacin social. Buenos Aires:
Amorrortu.
Castro L (1975) Diseo experimental sin estadstica. Mxico: Trillas.
Casullo M y otros (1980) Teora y tcnicas de evaluacin psicolgica. Buenos Aires: Psicoteca.
Cazau P (1996) El contexto de difusin en la ciencia y la psicologa. Buenos Aires: Publicacin de la Secretara de
Cultura de la Facultad de Psicologa (Universidad de Buenos Aires).
Cazau P (2006) Exposicin sobre los fundamentos de la grafologa. Mesa-Debate organizada por la Sociedad
Panamericana de Grafologa, Buenos Aires, 24-11-2006.
Cevallos Garca C y otros, Investigacin en atencin primaria: actitud y dificultades percibidas por nuestros mdicos.
En Atencin Primaria. 2004 Dic; 34 (10):520524.
Chevallard Y (1997) La transposicin didctica: del saber sabio al saber enseado. Buenos Aires: Aiqu.
Cohen M y Nagel E (1979) Introduccin a la lgica y al mtodo cientfico (Vol. II: Lgica aplicada y mtodo cientfico).
Buenos Aires: Amorrortu.
Cook T y Campbell D (1979) Quasi-experimentation design and analysis issues for the field settings. Boston: Houghton
Mifflin.
Cook y Reichardt, Mtodos cualitativos y cuantitativos en investigacin evaluativo.
Copi I (1974) Introduccin a la lgica. Buenos Aires: Eudeba, 15 edicin.
Corripio Fernando (1988) Dudas e incorrecciones del idioma. Mxico: Larousse.
Crombie A (1979) Historia de la Ciencia: de San Agustn a Galileo (Tomo 2). Madrid: Alianza, 2 edicin.

Pgina 265 de 325
265
Dalzon C (1988) Conflicto cognitivo y construccin de la nocin derecha-izquierda. Incluido en Perret A y Nicoles M
(1988), Interactuar y conocer. Desafos y regulaciones sociales en el desarrollo cognitivo. Buenos Aires: Mio y Dvila.
Daniels F, Publicar a cualquier precio. Buenos Aires, Revista Muy Interesante N 100, Febrero de 1994.
De Vega J (1984) Introduccin a la psicologa cognitiva. Madrid: Alianza.
Deobold B y otros (1985) Manual de tcnica de la investigacin educacional. Buenos Aires: Paids.
Diccionario Aristos (1968). Barcelona: Ramn Sopena.
Droppelmann A (2002), Procedimientos para la elaboracin de proyecto y tesis de grado y proceso de titulacin
(Reglamento interno).
Dunham P (1988) Research methods in psychology. Nueva York: Harper & Row.
Echevarra Mara Elina (1992) Grafologa infantil. Comprendiendo a los nios a travs de su escritura y dibujos.
Madrid: EDAF.
Fatone V (1969) Lgica e introduccin a la filosofa. Buenos Aires: Kapelusz, 9 edicin.
Ferrater Mora J (1979) Diccionario de Filosofa. Madrid: Alianza.
Fisher R (1925) Statistical methods for research workers. London: Oliver & Boyd. (Hay edicin castellana de este
clsico: "Tablas estadsticas para investigadores cientficos. Madrid: Aguilar, 1954, 2 edicin).
Fisher R (1954) Tablas estadsticas para investigadores cientficos. Madrid: Aguilar, 2 edicin.
Freud S (1906) La indagatoria forense y el psicoanlisis. Obras Completas, Tomo IX. Buenos Aires: Amorrortu, 1993.
Freud S (1909) Anlisis de la fobia de un nio de cinco aos (Caso Juanito). En Obras Completas. Buenos Aires:
Amorrortu.
Freud S (1915) Los caminos de la formacin del sntoma (Conferencia 23). En Obras Completas, Tomo XVI. Buenos
Aires: Amorrortu, 1995.
Freud S (1916) Psiquiatra y psicoanlisis (Conferencia 16). Obras Completas. Buenos Aires: Amorrortu.
Gonzlez G (1990) Estudios de mercado: mdulo 2. Publicacin interna de la ctedra Estudios de mercado. Buenos
Aires: Universidad de Belgrano.
Greenwood E (1973) Metodologa de la investigacin social. Buenos Aires: Paids.
Guerra J y otros (2003) Las revisiones sistemticas, niveles de evidencia y grados de recomendacin. Disponible en
www.fisterra.com.
Guyatt G y otros, Evidence-Based Medicine. A new approach to teaching the practice of medicine. JAMA
1992;268:2420-2425.
Hempel C (1977) Filosofa de la ciencia natural. Madrid: Alianza Editorial. 3 edicin.
Hernndez Sampieri R Fernndez Collado C y Lucio P (1996) Metodologa de la investigacin. Mxico: McGraw-Hill.
Hull L (1978) Historia y filosofa de la ciencia. Barcelona: Ariel, 4 edicin.
Hyman Herbert (1984), Diseo y anlisis de las encuestas sociales. Buenos Aires: Amorrortu.
Kohan N (1994) Diseo estadstico para investigadores de las ciencias sociales y de la conducta. Buenos Aires:
Eudeba.
Korn F (1965) Qu es una variable en la investigacin social. Buenos Aires: Facultad de Filosofa y Letras de la
Universidad de Buenos Aires, ficha OPFYL N 476.
Korn F (1969) El significado del trmino variable en sociologa. Artculo incluido en Korn F y otros, Conceptos y
variables en la investigacin social, Buenos Aires, Nueva Visin, 1969.
Land, T [a.k.a. Beads] (1998, 15 Octubre). Web extension to American Psychological Association Style (WEAPAS)
(Rev. 1.6) [Documento WWW] http://www.beadsland.com/weapas/ Este documento propone una extensin al
Apndice 3-A (APA; 1994, pp. 189-222), integrando los estndares de Internet para los URL (Uniform Resource
Locators) (Graham, 1995), tal y como son usados en la World Wide Web (WWW) (W3C, 1995). La extensin propuesta
aqu es una alternativa a los patrones sugeridos para los recursos de red (APA, 1994, p. 218 - 220, 1998; Dewey,
1996).
Laplanche J y Pontalis J (1981) Diccionario de Psicoanlisis. Barcelona: Labor. 2 edicin.
Lazarsfeld P (1984) Palabras preliminares a Hyman H (1984) Diseo y anlisis de las encuestas sociales. Buenos Aires:
Amorrortu.
Lazarsfeld Paul (1980) Origen y desarrollo de las variables sociolgicas. Artculo includo en Korn F (ed) (1980)
Conceptos y variables en la investigacin social. Buenos Aires: Nueva Visin.
Len O y Montero I (1995) Diseo de investigaciones. Introduccin a la lgica de la investigacin en psicologa y
educacin. Madrid: McGraw Hill.
Lores Arnaiz M (2000) Mdulos de Metodologa de la investigacin psicolgica (Ctedra de Metodologa de la
Investigacin, Facultad de Psicologa, Universidad de Buenos Aires).
Losee J (1979) Introduccin histrica a la filosofa de la ciencia. Madrid: Alianza, 2 edicin.
Marcuse Irene (1974) Grafologa. Estudio y gua de la personalidad a travs de la escritura. Buenos Aires: Glem. 2
edicin.
Massonnat-Mick Graciela, "An Evaluation of the success of the privatization of Aerolneas Argentinas (AR)", Colorado
Technical University, Denver, Colorado, June 1999.
Matus C (1985) Planificacin, libertad y conflicto. Caracas: Ediciones Iveplan.
McCall W (1923) How to experiment in education. New York: Macmillan.
Mora y Araujo (1971) Medicin y construccin de ndices. Buenos Aires: Nueva Visin.
Normas de Vancouver. International Committee of Medical Journal Editors (1993). Uniform requirements for
manuscripts submitted to biomedical journals.
Nuevo Pequeo Larrousse Ilustrado. Pars: Librera Larrouse, 1961.
ONeil W (1968), Introduccin al mtodo en psicologa. Buenos Aires: Eudeba, 2 edicin.
Prez Serrano G (1990), Investigacin-Accin. Aplicaciones al campo social y educativo. Madrid: Dykinson.
Pick S y Lpez A (1998), Cmo investigar en ciencias sociales. Buenos Aires: Trillas.
Primo J (2003), Niveles de evidencia y grados de recomendacin. Ponencia presentada en el Symposium Gestin del
conocimiento y su aplicacin en la Enfermedad Inflamatoria Crnica Intestinal, organizado por el Grupo Espaol de
Trabajo en Efneremdad de Crohn y Colitis Ulcerosa. Valencia, 24 enero 2003.
Reynolds (1971), A primer in theory construction. Indianapolis: The Bobbs-Merill Company Inc.
Rodas O y otros (2001) Teora bsica del muestreo. Disponible en www.monografias.com/trabajos11

Pgina 266 de 325
266
Rodrguez Ousset Azucena, Problemas, desafos y mitos en la formacin docente, en Revista Perfiles Educativos N 63,
Mxico, UNAM, 1994.
Rollo May (1990) El dilema del hombre. Mxico: Gedisa.
Rubio J y Varas J (1997), El anlisis de la realidad, en la intervencin social. Mtodos y tcnicas de investigacin.
Madrid: Editorial CCS.
Samaja J (1995) Epistemologa y metodologa: Elementos para una teora de la investigacin cientfica. Buenos Aires:
Eudeba, 3 edicin.
Segal Hanna (1987) Introduccin a la obra de Melanie Klein. Buenos Aires: Paids.
Selltiz, Jahoda, Deutsch y Cook (1980) Mtodos de investigacin en las relaciones sociales. Madrid: Rialp. Existe una
versin similar de este texto, cuyos autores son Selltiz, Wrightsman, Deustch y Cook.
Shaughnessy J y Zechmeister E (1990) Research methods in Psychology. Nueva York: McGraw-Hill, 2da. edicin.
Sierra Bravo R (1979) Tcnicas de investigacin social. Madrid: Paraninfo.
Slapak Sara, Tecnologas de gestin para la innovacin curricular. Investigaciones en Psicologa, Revista del Instituto
de Investigaciones de la Facultad de Psicologa de la Universidad de Buenos Aires, Ao 1 N 1, 1996.
Stuart Mill John (1843) A System of Logic. Londres: Longmans Green, 1865.
Tamayo M (1999) Diccionario de investigacin cientfica. Mxico: Limusa.
Timasheff Nicholas (1969) La teora sociolgica. Mxico: FCE, 1969, 5 edicin.
Valds F (1998) Comprensin y uso de la estadstica. Glosario. Universidad Rmulo Gallegos.
Vallejo Ruiloba J y otros (1999) Introduccin a la psicopatologa y la psiquiatra. Barcelona: Masson, 4 edicin.
Vander Zanden J (1986) Manual de Psicologa Social. Barcelona: Paids.
Vels Augusto (1991) Diccionario de grafologa y trminos psicolgicos afines. Barcelona: Herder. 4 edicin.
Wainerman C y otro (2001) La trastienda de la investigacin. Buenos Aires: Lumiere.
Woolfolk A (1996) Psicologa educativa. Mxico: Prentice-Hall Hispanoamericana.
Yabo R, Bioestadstica. Buenos Aires: Revista Ciencia Nueva, Ao II, N 13, Noviembre 1971.
Zeisel H (1986) Dgalo con nmeros. Mxico: FCE.
Zeller Nancy (1995) La racionalidad narrativa en la investigacin educativa, incluido en McEwan H y Egan K (comp)
(1998) La narrativa en la enseanza, el aprendizaje y la investigacin. Buenos Aires: Amorrortu.

Pgina 267 de 325
267
ANEXOS DE ESTADSTICA

ANEXO 1: NOMENCLATURA UTILIZADA EN ESTA GUA

Muchos de los smbolos que se emplean en estadstica no son universales. En la siguiente lista se
presentan los smbolos que se utilizan en esta Gua, y tambin se incluyen los smbolos de las letras del
alfabeto griego.
Hay ciertas reglas que suelen ser universales, como por ejemplo, las letras griegas siempre se refieren a
parmetros de la poblacin y las letras latinas se refieren a estadsticos de la muestra (Levin y Rubin,
1996).

Smbolo Concepto
h Altura
CV Coeficiente de variacin
CV% Coeficiente de variacin porcentual
Q
0
Cuartil de orden
Q
t
Cuartil t (ejemplo: Q
3
= Cuartil 3)
D
0
Decil de orden
D
t
Decil t (ejemplo: D
9
= Decil 9)
D
m
Desviacin media
S Desvo estndar muestral
o Desvo estndar poblacional
f Frecuencia absoluta
F Frecuencia acumulada
F
ant
Frecuencia acumulada anterior
F% Frecuencia acumulada porcentual
F
pos
Frecuencia acumulada posterior
F
r
Frecuencia acumulada relativa
f
ant
Frecuencia del intervalo anterior
f
pos
Frecuencia del intervalo posterior
f Frecuencia expresada en grados
f% Frecuencia porcentual
fr Frecuencia relativa
As Indice de asimetra
L
i
Lmite inferior del intervalo
L
s
Lmite superior del intervalo
x
may
Mayor valor de la variable
X Media aritmtica muestral de x
Y Media aritmtica muestral de y
Media aritmtica poblacional (esperanza)
Mn Mediana
Mn
0
Mediana de orden
x
men
Menor valor de la variable
Mo Modo
t Nmero de decil o del percentil
P
0
Percentil de orden
P
t
Percentil t (ejemplo P
99
= Percentil 99)
p Probabilidad
Z Puntaje estandarizada derivado
z Puntaje estandarizado reducido
x
m
Punto medio del intervalo
R Rango o amplitud
D
Q
Rango o desvo intercuartlico
E Sumatoria
n Tamao de la muestra
N Tamao de la poblacin
a Tamao o amplitud del intervalo
| Valor absoluto
x
n
Variable (cualquier valor de una)
x
1
Variable (determinado valor de una)
x, y Variables (letras que designan)

Pgina 268 de 325
268
S
2
Variancia muestral
o
2
Variancia poblacional
Ls Lmite superior del intervalo de confianza
Li Lmite inferior del intervalo de confianza
H Hiptesis de investigacin
Ho Hiptesis nula
Ha Hiptesis alternativa
o Probabilidad de cometer un error Tipo I
| Probabilidad de cometer un error Tipo II
1 - o Probabilidad de NO cometer el error tipo I
1 - | Probabilidad de NO cometer el error tipo II
ze z emprico
zt z terico o crtico

Alfabeto griego
Nombre Mayscula Minscula Nombre Mayscula Minscula Nombre Mayscula Minscula
alfa A o iota I i ro P
beta | kappa K k sigma E o
gamma I lambda A tau T t
delta A o mi M psilon Y u
psilon E c ni N v fi u |
dseta Z , xi ji X v
eta H q micron O o psi +
zeta O u pi H t omega O e

ANEXO 2: TABLA DE REAS BAJO LA CURVA NORMAL ESTANDARIZADA

Las siguientes tablas representan dos maneras diferentes de proporcionar una misma informacin, a
saber, la relacin entre el puntaje reducido z con la probabilidad p de ocurrencia del valor z. El valor de
esta probabilidad es proporcional al rea correspondiente bajo la curva.
Por ejemplo, dado un valor z, las tablas permite conocer qu probabilidad tiene que darse ese valor o
ms o ese valor o menos, en un individuo elegido al azar. Desde ya, a la inversa, tambin permite
conocer qu valor z corresponde a una determinada probabilidad. Los valores z figuran en la primera
columna, mientras que los diferentes valores de probabilidad figuran en las columnas restantes.

Por ejemplo:
a) Siguiendo la Tabla 1, un puntaje reducido z = +1.26 o menor tiene una probabilidad de ocurrencia de
p = 0.8962 (el rea bajo la curva normal corresponde al 89.62% de total del rea).
b) Siguiendo la Tabla 2, un puntaje reducido z situado entre z = 0 y z = +1.26 tiene una probabilidad de
ocurrencia de p = 0.3962 (el rea bajo la curva normal corresponde al 39.62% del total del rea).

Arriba de cada tabla puede observarse un esquema de la curva normal. Las reas rayadas indican las
reas que cada tabla permite calcular. Por ejemplo, la Tabla 1 permite calcular reas desde z hacia la
izquierda, y la Tabla 2 calcula reas entre z y el centro de la distribucin (z = 0).
Ntese que el ttulo asignado a la Tabla 2 es reas desde z = 0 hacia la izquierda o hacia la derecha.
Esto significa que, debido a la perfecta simetra de la curva normal, una distancia entre z = +1.26 y 0 da
la misma probabilidad que la distancia z = -1.26 y 0.

Tabla 1 reas desde z hacia la izquierda

z
Probabilidad (p)
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

Pgina 269 de 325
269
-3.4 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0002
-3.3 .0005 .0005 .0005 .0004 .0004 .0004 .0004 .0004 .0004 .0003
-3.2 .0007 .0007 .0006 .0006 .0006 .0006 .0006 .0005 .0005 .0005
-3.1 .0010 .0009 .0009 .0009 .0008 .0008 .0008 .0008 .0007 .0007
-3.0 .0013 .0013 .0013 .0012 .0012 .0011 .0011 .0011 .0010 .0010
-2.9 .0019 .0018 .0017 .0017 0016. .0016 .0015 .0015 .0014 .0014
-2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
-2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
-2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
-2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
-2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
-2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
-2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
-2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
-2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
-1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
-1.8 .0359 .0352 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294
-1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
-1.6 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
-1.5 .0668 .0655 .0643 .0630 .0618 .0606 .0595 .0582 .0571 .0559
-1.4 .0808 .0793 .0778 .0764 .0749 .0735 .0722 .0708 .0694 .0681
-1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
-1.2 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
-1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
-1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
-0.9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 1635. 1611.
-0.8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
-0.7 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148
-0.6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
-0.5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
-0.4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
-0.3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
-0.2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
-0.1 .4602 .4562 .4522 .4483 .4443 .4404 4364. 4325. 4286. 4247.
-0.0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
0.0 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359
0.1 .5398 .5438 .5478 .5517 .5557 .5596 .5636 .5675 .5714 .5753
0.2 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6141
0.3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517
0.4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879
0.5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224
0.6 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549
0.7 .7580 .7611 .7642 .7673 .7704 .7734 .7764 .7794 .7823 .7852
0.8 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
0.9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389
1.0 .8413 .8438 .8461 .8485 .8508 .8531 .8554 .8577 .8599 .8621

Pgina 270 de 325
270
1.1 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830
1.2 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015
1.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177
1.4 .9192 .9207 .9222 .9236 .9251 .9265 .9279 .9292 .9306 .9319
1.5 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9429 .9441
1.6 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545
1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633
1.8 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .9699 .9706
1.9 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9761 .9767
2.0 .9772 .9778 .9783 .9788 .9793 .9798 .9803 .9808 .9812 .9817
2.1 .9821 .9826 .9830 .9834 .9838 .9842 .9846 .9850 .9854 .9857
2.2 .9861 .9864 .9868 .9871 .9875 .4878 .9881 .9884 .9887 .9890
2.3 .9893 .9896 .9898 .9901 .9904 .9906 .9909 .9911 .9913 .9916
2.4 .9918 .9920 .9922 .9925 .9927 .9929 .9931 .9932 .9934 .9936
2.5 .9938 .9940 .9941 .9943 .9945 .9946 .9948 .9949 .9951 .9952
2.6 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .9962 .9963 .9964
2.7 .9965 .9966 .9967 .9968 .9969 .9970 .9971 .9972 .9973 .9974
2.8 .9974 .9975 .9976 .9977 .9977 .9978 .9979 .9979 .9980 .9981
2.9 .9981 .9982 .9982 .9983 .9984 .9984 .9985 .9985 .9986 .9986
3.0 .9987 .9987 .9987 .9988 .9988 .9989 .9989 .9989 .9990 .9990
3.1 .9990 .9991 .9991 .9991 .9992 .9992 .9992 .9992 .9993 .9993
3.2 .9993 .9993 .9994 .9994 .9994 .9994 .9994 .9995 .9995 .9995
3.3 .9995 .9995 .9995 .9996 .9996 .9996 .9996 .9996 .9996 .9997
3.4 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9998


Tabla 2 reas desde z = 0 hacia la izquierda o hacia la derecha



z
Probabilidad (p)
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0754
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
0.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
0.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
0.6 .2258 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2518 .2549
0.7 .2580 .2612 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2996 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389

Pgina 271 de 325
271
1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319
1.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4599 .4608 .4616 .4625 .4633
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817
2.1 .4821 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857
2.2 .4961 .4864 .4868 .4871 .4875 .4878 .4881 .4884 .4887 .4890
2.3 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936
2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4951 .4952
2.6 .4953 .4955 .4956 .4957 .4959 .4960 .4961 .4962 .4963 .4964
2.7 .4965 .4966 .4967 .4968 .4969 .4970 .4971 .4972 .4973 .4974
2.8 .4974 .4975 .4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981
2.9 .4981 .4982 .4982 .4983 .4984 .4984 .4985 .4985 .4986 .4986
3.0 .4987 .4987 .4987 .4988 .4988 .4989 .4989 .4989 .4990 .4990
3.1 .4990 .4991 .4991 .4991 .4992 .4992 .4992 .4992 .4993 .4993
3.2 .4993 .4993 .4994 .4994 .4994 .4994 .4994 .4995 .4995 .4995
3.3 .4995 .4995 .4995 .4996 .4996 .4996 .4996 .4996 4996. .4997
3.4 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4998

ANEXO 3

TABLA DE LA DISTRIBUCION t (Student)

Grado de libertad Nivel de probabilidad para pruebas de una cola
0.10 0.05 0.025 0.01 0.005 0.0005
Nivel de probabilidad para pruebas de dos colas
0.20 0.10 0.05 0.02 0.01 0.001
1 3.078 6.314 12.706 31.821 63.657 636.619
2 1.886 2.920 4.303 6.965 9.925 31.598
3 1.638 2.353 3.182 4.541 5.841 12.941
4 1.533 2.132 2.776 3.747 4.604 8.610
5 1.476 2.015 2.571 3.365 4.032 6.859
6 1.440 1.943 2.447 3.143 3.707 5.959
7 1.415 1.895 2.365 2.998 3.499 5.405
8 1.397 1.860 2.306 2.896 3.355 5.041
9 1.383 1.833 2.262 2.821 3.250 4.781
10 1.372 1.812 2.228 2.764 3.169 4.587
11 1.363 1.796 2.201 2.718 3.106 4.437
12 1.356 1.782 2.179 2.681 3.055 4.318
13 1.350 1.771 2.160 2.650 3.012 4.221
14 1.345 1.761 2.145 2.624 2.977 4.140
15 1.341 1.753 2.131 2.602 2.947 4.073
16 1.337 1.746 2.120 2.583 2.921 4.015
17 1.333 1.740 2.110 2.567 2.898 3.965
18 1.330 1.734 2.101 2.552 2.878 3.922
19 1.328 1.729 2.093 2.539 2.861 3.883
20 1.325 1.725 2.086 2.528 2.845 3.850

Pgina 272 de 325
272
21 1.323 1.721 2.080 2.518 2.831 3.819
22 1.321 1.717 2.074 2.508 2.819 3.792
23 1.319 1.714 2.069 2.500 2.807 3.767
24 1.318 1.711 2.064 2.492 2.797 3.745
25 1.316 1.708 2.060 2.485 2.787 3.725
26 1.315 1.706 2.056 2.479 2.779 3.707
27 1.314 1.703 2.052 2.473 2.771 3.690
28 1.313 1.701 2.048 2.467 2.763 3.674
29 1.311 1.699 2.045 2.462 2.756 3.659
30 1.310 1.697 2.042 2.457 2.750 3.646
40 1.303 1.684 2.021 2.423 2.704 3.551
60 1.296 1.671 2.000 2.390 2.660 3.460
120 1.289 1.658 1.980 2.358 2.617 3.373
Infinito 1.282 1.645 1.960 2.326 2.576 3.291
(Fuente: Kohan, 1994:519).



ANEXO 3: EJERCITACIN


Sumario

Ejercicios de Ejercicios con respuesta (total o parcial) Ejercicios sin respuesta
Estadstica descriptiva 104105106107108109113-114115116
118-119- 122123124125126127128129
130131132133134135136137-138-139-
140-141-142
101102103110111-112117-
120121
Probabilidad 201202203204205-206-207-208-209-210-
211-212
-----------------------
Curva normal 301305-306-307-308-309-310-311 302303304
Correlacin y regresin 406407-410411412413-414-415 401402403404405408-409
Estadstica inferencial 502-503-504-505-506-507-508-509-510-513-
514-515-516-517
501-511-512



EJERCICIOS DE ESTADSTICA DESCRIPTIVA

101) Un investigador pregunt a un grupo de personas su opinin sobre la privatizacin de
cierta empresa del estado. Las respuestas fueron las siguientes:

Indeciso Muy en desacuerdo Indeciso Muy en desacuerdo Indeciso De acuerdo En desacuerdo
De acuerdo De acuerdo En desacuerdo Indeciso De acuerdo En desacuerdo De acuerdo En
desacuerdo En desacuerdo En desacuerdo Indeciso De acuerdo Indeciso Muy en desacuerdo
Indeciso De acuerdo De acuerdo Muy de acuerdo Indeciso Muy de acuerdo Indeciso
Indeciso Muy de acuerdo Indeciso Muy en desacuerdo Indeciso.

a) Presente estos datos en una tabla de frecuencias especificando frecuencias, frecuencias porcentuales,
frecuencias relativas y frecuencias porcentuales y relativas acumuladas.
b) Grafique la tabla en un grfico de barras y en un grfico sectorial.

102) En la tabla que sigue se recogen los pesos (en libras) de 40 estudiantes varones de una
universidad.

138 164 150 132 144 125 149 157
146 158 140 147 136 148 152 144
168 126 138 176 163 199 154 165
146 173 142 147 135 153 140 135
161 145 135 142 150 156 145 128

a) Construir una tabla de distribucin de frecuencias.

103) Un grupo de nios de 8 aos de edad obtuvo los siguientes puntajes en el test de las
matrices Progresivas de Raven.


Pgina 273 de 325
273
43 40 38 33 32 41 32 37 44 46 40 8 31 48
33 33 41 39 19 50 38 29 38 37 44 31 36 34
42 31 42 40 40 44 45 36 10 39 44 32 27 40
32 49 43 29 26 24 20 39 33 41 13 24 9 22
23 23 34 44 21 25 28 34 18 36 36 27 34 21
35 18 41 28 49 30 37 26 21 26 31 44 43 33
41 12 35 20 38 32 25 36 41 18 25 25 30 24
32 49 43 29 26 24 20 39 33 41 13 24 9 22
18 36 32 38

a) Elabore una tabla de distribucin de frecuencias con intervalos = 5. Indique las frecuencias y las
frecuencias acumuladas relativas.
b) Elabore una tabla de distribucin de frecuencias con intervalos = 10. Indique las frecuencias y las
frecuencias acumuladas relativas.

104) Dada la siguiente tabla de frecuencias:

x (edad) f
18-20 7
21-23 4
24-26 2
27-29 4
30-32 1
33-35 2
20

a) Obtenga las frecuencias porcentuales, las frecuencias acumuladas (crecientes y decrecientes), las
porcentuales acumuladas (crecientes y decrecientes) y las frecuencias relativas. Agregue columnas para
incluirlas.

105) Dada la siguiente tabla de frecuencias:

x f
70-77 4
78-85 4
86-93 2
94-101 3
102-109 3
n=16

a) Obtenga las frecuencias relativas, las frecuencias porcentuales, las frecuencias relativas acumuladas,
las frecuencias porcentuales acumuladas y los puntos medios de cada intervalo. Agregue columnas para
incluir todo.

106) Dada la siguiente tabla de frecuencias:

x (peso en libras) f
118-126 3
127-135 5
136-144 19
145-153 12
154-162 5
163-171 4
172-180 2
n=50

a) Obtenga las frecuencias acumuladas y las frecuencias acumuladas porcentuales. Agregue columnas
para incluirlas.

107) Dados los siguientes datos:

61 34 34 19 84
51 51 61 34 19
51 19 19 19 34

Pgina 274 de 325
274
51 34 34 51 34

a) Ordenar los datos en una tabla de frecuencias sin intervalos.
b) Calcular la media aritmtica, el modo y la mediana.

108) A partir de la siguiente matriz de datos:

Alumnos X (edad)
Abel
Oscar
Elena
Martn
Juan
Luis
Mara
Pepe
Marta
Luca
Fabin
Ins
Gabriela
Carolina
29
24
17
55
17
7
6
42
25
25
17
55
25
25
N=14

a) Construir una tabla de frecuencias.
b) Construir una tabla de frecuencias por intervalos de tamao 5.
c) Dibujar un grfico de barras.
d) Obtenga la media aritmtica y el desvo estndar.

109) Calcular la media aritmtica, la mediana, el modo y el desvo estndar para las siguientes
series de datos:

a) 11-5-8-4-13-7-14-13-6
b) 11-5-8-4-13-7-95-13-6
c) 42 44 45 47 48 52 53 55 56 58
d) 2 3 5 8 9 91 92 95 97 98
e) 103-105-98-89-110-117-120
f) 17-20-22-18-19-27-45
g) 70-62-80-55-93
h) 4-7-7-8-9-10-11-13
i) La serie de datos de la siguiente tabla:

x f
100-149 20
150-199 48
200-249 80
250-299 36
300-349 16
n = 200

j) La serie de datos de la siguiente tabla:

x f
40-42 2
43-45 10
46-48 25
49-51 8
52-54 5
n = 50

110) Calcular el modo y la mediana en la siguiente distribucin:

Nivel de instruccin f
Primario 4
Secundario 8

Pgina 275 de 325
275
Universitario 5
n=17

111) Calcular el modo y la mediana en la siguiente distribucin:

Estmulo f f%
Visual 20 40
Auditivo 12 24
Olfativo 8 16
Mecnico 10 20
50 100

112) Calcular el cuartil 1, el decil 7 y el percentil 88 para la siguiente distribucin de
frecuencias:

x (edad) f
15-16 61
17-18 118
19-20 30
n = 209

113) Responder las siguientes preguntas:

a) Qu cuartil, qu decil y qu percentil coinciden con la mediana?
b) Qu percentil corresponde al Q3?

114) Calcular la media aritmtica, la mediana, el modo y el desvo estndar en las siguientes
distribuciones:

a)

X (edad) f x.f
12 10 120
13 12 156
14 14 196
15 16 240
16 12 192
17 12 204
18 4 72
80 1180

b)

X f Xm Xm . f
0-2 1 1 1
2-4 3 3 9
4-6 6 5 30
6-8 7 7 49
8-10 3 9 27
20 116

c)

X f X . f
3 4 12
4 6 24
5 7 35
6 3 18
20 89

115) Para hacer un perfume se requieren 360 horas de mano de obra no calificada, 120 horas
de semicalificada y 60 horas de calificada, siendo los salarios por categora los siguientes: 10$
la hora, 20$ la hora y 30$ la hora, respectivamente.


Pgina 276 de 325
276
x f x.f
10 360 3600
20 120 2400
30 60 1800
N = 540 7800

a) Cul es el salario medio horario de todos lo operarios?

116) Dada la siguiente informacin, obtenga las frecuencias relativas y decida en funcin de
ellas si fueron los hombres o las mujeres quienes proporcionalmente votaron ms por el
candidato A:

Cuadro I Voto femenino

Candidato f
Candidato A 300
Candidato B 230
En blanco 10
Total 540

Cuadro II Voto masculino

Candidato f
Candidato A 300
Candidato B 190
En blanco 270
Total 760

117) Calcular grficamente el modo (mediante un histograma) y la mediana (mediante una
ojiva) de la siguiente distribucin:

x (edad) f f ac
18-20 6 6
21-23 4 10
24-26 4 14
27-29 2 16
n=16

118) En una muestra de 800 escolares se desea saber qu nmero de orden tiene aquel que
por su puntaje obtuvo el percentil 60. Indique a qu nmero de escolares supera y por cuntos
es superado.


119) Responda las siguientes preguntas:

a) Cul es el percentil que coincide con el decil 7?
b) Cul es el percentil que coincide con el decil 8?

120) En base a los siguientes datos, construya una tabla de distribucin de frecuencias para
cada una de las tres variables, indicando en cada una, la frecuencia (f), la frecuencia
acumulada (f.ac.), la frecuencia porcentual (f %), y la frecuencia porcentual acumulada (f.ac.
%). Para la variable intervalar utilice intervalos de amplitud 3.

Alumno Edad Religin Clase social
1 19 catlica alta
2 22 juda media
3 21 protestante baja
4 22 juda media
5 21 catlica media
6 26 juda alta
7 20 catlica media
8 19 catlica baja
9 19 protestante media
10 21 juda baja

Pgina 277 de 325
277
11 21 catlica media
12 23 juda media
13 23 catlica media
14 20 protestante baja
15 21 protestante alta
16 24 catlica alta
17 26 catlica baja
18 25 juda media
19 19 catlica media
20 24 musulmana media
21 21 juda alta
22 27 juda media
23 23 catlica media
24 20 catlica media
25 21 protestante alta

121) Obtenga los nmeros de proporcin de las siguientes tablas, y sobre esa base indicar
cul de ambos grupos de alumnos tiene mayor proporcin de aprobados:

f (grupo A) f (grupo B)
Aprobados 200 350
Reprobados 90 480
Total 290 830

122) Una comisin integrada por profesionales de la salud, de la educacin y padres, de una
pequea localidad del interior, est interesada en conocer el nivel de consumo de alcohol en
sus adolescentes. Para ello llevaron a cabo una encuesta annima a 10 varones y 10 mujeres
elegidos al azar de distintas zonas de la localidad. Se los interrogaba sobre la cantidad y tipo
de bebida alcohlica que consuman aproximadamente por semana durante el verano. Luego
se convertan a cantidad neta de alcohol etlico.
A continuacin se exhibe la lista donde se registra para cada sujeto el nmero de encuestado, sexo y
cantidad aproximada de alcohol consumida semanalmente durante el verano.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Cdigo Gnero Consumo semanal de alcohol en litros
1 f 0,2
2 f 0,06
3 m 0,48
4 f 0
5 m 0,075
6 f 0,14
7 f 0,1
8 m 0,44
9 m 0.42
10 m 0,7
11 f 0,04
12 f 0
13 f 0,1
14 m 0,3
15 m 0,5
16 f 0,05
17 m 0.48
18 f 0,025
19 m 0
20 m 0.45

a) Cul es la poblacin de individuos y cul la de observaciones?
b) Quines constituyen la muestra de individuos y quines la de observaciones?
c) Menciones la variable de inters y clasifquela.
d) Mencione qu nivel de medicin se utiliz e indique los valores de la escala.
e) Indique la posible fuente sistemtica que provoque variaciones previsibles en la cantidad de alcohol
consumida por
los adolescentes.

Pgina 278 de 325
278
f) Ordene la informacin dada de manera que aparezca exhibida dicha fuente sistemtica.
g) Enuncie posibles fuentes fortuitas de variacin y distinga entre ellas las que son susceptibles de ser
estudiadas
como sistemticas.

123) Enuncie algunas fuentes de variacin que puedan afectar la calificacin en el parcial de
estadsticas y distinga las que son susceptibles de ser estudiadas como sistemticas, Explique
cmo exhibira la informacin si quisiera mostrar que la asistencia a las teoras es una fuente
sistemtica de variacin.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

124) Un equipo de psicopedagogos desea estudiar las habilidades adquiridas en el aprendizaje
escolar de la lectoescritura mediante una prueba de rendimiento (en la escala usual de 1 a 10)
y el nivel de agresividad (bajo, normal, alto) de nios provenientes de hogares carecientes del
gran Buenos Aires.
Determine la poblacin, las unidades, las caractersticas a estudiar y su nivel de medicin, las variables
estadsticas, su clasificacin y sus valores.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

125) Clasificar las siguientes variables e indicar el nivel de medicin de las escalas adoptadas.
a) Calificacin de 8 individuos de un grupo segn su posicin en rendimiento: 1 al de mayor rendimiento,
8 al de menor rendimiento.
b) Psicodiagnstico correspondiente a un paciente segn los cuadros clnicos (neurosis, psicosis, etc.).
c) Nacionalidad del sujeto.
d) Cantidad de palabras correctamente ledas por un dislxico en un minuto.
e) Cociente intelectual. (Binet-Stern).
f) Tiempo que tarda un alumno de Psicologa en concluir su carrera.
g) Temperatura en grados centgrados en Capital Federal a las 0 horas.
h) Orden de mrito obtenido por un aspirante en un concurso.
i) Edad de una persona.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

126) Para comparar la eficiencia de un mtodo de autoinstruccin con el tradicional en la
enseanza del tema Prueba de hiptesis se han elegido al azar 40 alumnos de la ctedra 1
de estadstica del primer cuatrimestre de 1993. Fueron asignados aleatoriamente 20 a cada
modalidad de enseanza. Los resultados de su posterior evaluacin son:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Nmero de alumnos

Clasificacin Mtodo tradicional Mtodo de autoinstruccin
3 1 1
4 5 1
5 7 1
6 4 2
7 3 7
8 5
9 3
10 1

a) Lea la informacin de la tabla.
b) Determine quines constituyen la poblacin y quines la muestra de individuos y de observaciones.
c) Mencione la variable estadstica y clasifquela.
d) Observa alguna tendencia en las observaciones que den cuenta de la existencia de una fuente
sistemtica de
variacin? Cul?
e) Todas las calificaciones obtenidas bajo el mtodo de autoinstruccin fueron mayores que las
obtenidas bajo el
mtodo tradicional? A qu atribuye esto?
f) Mencione posibles fuentes fortuitas de variacin que afecten la calificacin.
g) Explique a partir de d) y e) por qu se acudi a una serie de observaciones en cada grupo para
compararlos en lugar de usar un solo representante de cada grupo.


Pgina 279 de 325
279
127) Los datos de este ejercicio fueron obtenidos de un largo estudio por Mr. Joseph Raffaele,
de la Universidad de Pittsburg, para analizar la comprensin lectora (C) y la rapidez lectora
(R), usando los puntajes obtenidos en los subtests del IOWA, TEST OF BASIC SKILLS.
Despus de seleccionar aleatoriamente 30 estudiantes y dividirlos al azar en 6 submuestras de tamao 5,
los grupos fueron asignados aleatoriamente a dos tratamientos (clases abreviadas y clases no
abreviadas) y tres maestros. Los datos son:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).





Maestro 1


Clases abreviadas Clases no abreviadas
R C R C
10 21 9 14
12 22 8 15
9 19 11 16
10 21 9 17
14 23 9 17


Maestro 2
11 23 11 15
14 27 12 18
13 24 10 16
15 26 9 17
14 24 9 18


Maestro 3
8 17 9 22
7 15 8 18
10 18 10 17
8 17 9 19
7 19 8 19

a) Indique cules son las posibles fuentes sistemticas de variacin.
b) Mencione las caractersticas a estudiar, su nivel de medicin, las variables estadsticas y su
clasificacin.
c) Menciones posibles fuentes fortuitas de variacin.

128) Ejercicio para reflexionar y discutir en conjunto. En una revista se public un test para la
autoevaluacin de la actitud solidaria. Consista en 40 tems con dos opciones:
Una corresponde a una actitud solidaria y la otra no. El puntaje que se autoasigna el individuo
corresponde a la cantidad de respuestas que denotan una actitud solidaria.
Suponiendo que Enrique, Luis y Matas, hayan obtenido 30 puntos, 40 puntos y 20 puntos
respectivamente (y hayan sido totalmente honestos consigo mismos):
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

a) Responda justificando las respuestas
Considera que tiene sentido afirmar que
a1) la actitud solidaria de Enrique difiere de la de Luis en la misma medida que difiere de la actitud
solidaria de
Matas?
a2) Luis es el doble de solidario que Matas?
b) Menciones la caracterstica objeto de estudio, su nivel de medicin, el instrumento de medicin y la
variable
estadstica.

129) Al registrarse el puntaje de 5 sujetos en una prueba de razonamiento lgico y el tiempo
empleado para resolverla se obtuvieron las siguientes observaciones apareadas:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Puntaje X (sobre un total de 20): 15 13 20 15 18
Tiempo Y (en minutos: 60 55 68 50 65

Verificar si son iguales o no las siguientes expresiones. En caso de ser iguales decidir si lo son para
cualquier conjunto de observaciones.

a)
5
x i
2
y (
5
x i)
2

i = 1 i = 1

b)
5
2 y
i
y 2
5

y
i


Pgina 280 de 325
280
i = 1 i = 1

c)
5
x
i
y
i
y
5
x
i

5
y i
i = 1 i = 1

130) Los siguientes resultados fueron expresados mediante un diagrama circular, y se refieren
a una encuesta de opinin llevada a cabo sobre 510 personas de Capital Federal y Gran Buenos
Aires (Clarn, 9/1/94):
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Cmo quieren ser gobernados los argentinos
46% Presidente controlado por el Congreso.
24% Presidente con amplios poderes de decisin.
20% Presidente acompaado por un Primer Ministro.
10% No sabe / No contesta.
Fuente: Estudio Graciela Romer y Asociados.

a) Menciones la variable y sus valores.
b) Est de acuerdo con el ttulo del recuadro?
c) Indique qu ngulo corresponde a cada sector.
d) Cuntas personas sustentan cada opinin?

131) A partir de los datos de la siguiente tabla (Clarn, 9/1/94)
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

QUIN DEBE DESTITUIR AL JEFE DE GABINETE?
Segn voto para diputados 1993. En porcentajes
La Cmara de
Diputados
La Asamblea
Legislativa
El Presidente N/S
N/C
PJ 21 19 35 25
UCR 22 31 12 23
MODIN 47 16 11 26
FRENTE GRANDE 38 51 5 5
U. SOCIALISTA 40 20 20 20
TOTAL 27 27 21 25
FUENTE: Estudio Graciela Rmer y Asociados

a) Mencione la variable y la fuente sistemtica de variacin.
b) Confecciones un diagrama circular para la distribucin de frecuencias sobre el total de encuestados.
c) Elija un diagrama para comparar las opiniones de los votantes de PJ con los de la UCR.

132) En cierta comisin de Estadstica la media de las calificaciones del primer parcial fue de 6
para las mujeres y de 5 para los varones. Calcular la media de todas las calificaciones de dicha
comisin sabiendo que corresponden a 20 mujeres y 10 varones.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

133) En una empresa el personal est categorizado segn se indica a continuacin:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Categoras Salario Nmero de empleados
1 $ 300 12
2 $ 500 31
3 $ 700 27
4 $ 1.200 7
5 $ 2.000 4
6 $ 4.000 2
7 $ 6.000 3

a) Calcule la mediana de las categoras.
b) Calcule la mediana y la media del sueldo.
c) Si quisiera representar la escala salarial de la empresa cul de las dos medidas utilizara en caso de
ser i) sindicalista?, ii) directivo?, iii) economista objetivo?

Pgina 281 de 325
281

134) Una muestra de 100 personas adultas alcanza en la variable:
X = Peso un desvo estndar de 25 Kg. Y en la variable
Y = Estatura un desvo estndar de 0,15 m.
Podemos afirmar que la variabilidad en este grupo es mayor en la variable X que en la variable Y?
Justifique la respuesta.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001). (Adaptacin de Botella 5.4.9 - Pgina 144).

135) Una muestra de 100 varones obtiene una media de 14 y una varianza de 16 en la variable
X = Cantidad de respuestas correctas referidas a 20 preguntas de un cuestionario sobre
ftbol; mientras que una muestra de 100 mujeres obtiene una media de 7 y una varianza de 9
en la misma variable. Podemos afirmar que los varones varan ms que las mujeres en dicha
variable? Justifique la respuesta.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001). (Adaptacin de Botella 5.4.10 - Pgina 144).

136) Los alumnos de una comisin de Escuela Francesa obtuvieron las calificaciones que se
muestran en las siguientes tablas:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Frecuencia
Calificacin 1 parcial 2 parcial
3 2 1
4 4 1
5 7 2
6 6 4
7 3 6
8 2 8
9 1 3
10 1 1

1. Gratifique ambas distribuciones de modo que puedan ser comparadas y responda sin hacer clculos:
a) En qu parcial la comisin obtuvo mejor rendimiento?
b) Qu parcial discrimin mejor a los alumnos de mejor rendimiento? Y a los de peor rendimiento?
Cmo debera ser la forma de la distribucin para discriminar por igual a los alumnos de mejor y peor
rendimiento? Explique la vinculacin entre el tipo de asimetra de la distribucin de los puntajes y el
efecto discriminatorio de la prueba.
2. Cuantifique la asimetra de Pearson y la curtosis en ambas distribuciones y comprelas. (Use la
calculadora y aproxime la media y el desvo a un decimal para facilitar los clculos).

137) En su artculo La estadstica al servicio de la evaluacin en pruebas de rendimiento, la
Licenciada Floralba Cano de Becerra aconseja tomar pruebas que produzcan puntajes con
asimetra positiva al inicio del curso y asimetra negativa en los exmenes finales. Sobre qu
criterio se apoya esta sugerencia?
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

138) En un centro de psicopedagoga clnica, 20 nios dislxicos recibirn el mismo
tratamiento de los terapeutas A y B. Cada uno atender a 10 de ellos. Al final del tratamiento
se les toma un test cuyos mayores puntajes estn vinculados a mayor cantidad de palabras
incorrectamente ledas. Los resultados obtenidos por ambos terapeutas son resumidos a
continuacin:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Terapeuta A
Puntaje Frecuencia
3 4
4 1
5 3
6 1
7 1

Terapeuta B

Pgina 282 de 325
282
x = S
Mdn = 5,5
Mo = 7
S = 1, 44
CV = 24

Basndose en los resmenes adecuados responda:
a) Qu grupo obtuvo mejores resultados en el test?
b) Puede afirmarse que el terapeuta A es ms eficiente que el terapeuta B? Justifique.

139) Con el fin de decidir entre dos propuestas publicitarias A y B de cierto producto destinado
a los adolescentes de Capital Federal, se eligieron 120 de ellos aleatoriamente, los que fueron
divididos, tambin al azar, en dos grupos de 60. Cada grupo vio solo un tipo de propuesta y
despus debi asignar a la marca del producto una posicin en el ranking entre las otras
marcas competidoras.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).
Los resultados obtenidos fueron:

Nmero de sujetos
Ranking Propuesta A Propuesta B
1 29 12
2 20 18
3 11 30

a) i) Indique quines constituyen la poblacin de individuos y quines la muestra de individuos.
ii) Determine quines constituyen las poblaciones de observaciones (Son reales o hipotticas?) y
quines las
muestras de observaciones.
b) Menciones la variable estadstica, clasifquela e indique el nivel de medicin utilizado.
c) Observa alguna tendencia en las observaciones que den cuenta de la existencia de una fuente
sistemtica de variacin? En caso afirmativo explique dicha tendencia y menciones la fuente sistemtica
de variacin.
d) Represente con un diagrama adecuado la distribucin de frecuencias porcentuales correspondientes al
ranking asignado al producto, sin discriminar el tipo de propuesta publicitaria.
e) Qu porcentaje de sujetos no le asign el primer lugar en el ranking a la marca en cuestin?

140) Los siguientes datos corresponden a la cantidad de errores cometidos por un nio
dislxico en la lectura de 15 prrafos breves de diferentes textos.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

3_4_7_3_4_5_3_4_6_5_2_1_2_4_5

a) Presente la informacin en una tabla de frecuencias absolutas y calcule las medidas de tendencia
central, los cuartiles, el desvo estndar y los ndices de asimetra y curtosis.
b) En qu porcentaje de ocasiones el nio cometi como mximo cuatro errores?

141) Una agencia de viajes cordobesa est interesada en conocer la frecuencia anual de viajes
a pases limtrofes de ejecutivos de la pequea y mediana empresa de la ciudad de Crdoba
durante el ltimo ao. Para ello toma una muestra aleatoria de 30 ejecutivos de la primera y
15 de la segunda y obtiene los resultados que siguen:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Nmero de ejecutivos
Nmero de viajes Pequea empresa Mediana empresa
0 6 -
1 10 4
2 7 2
3 4 3
4 2 3
5 - 2
6 - 1
7 1 -


Pgina 283 de 325
283
a) i) Indique quines constituyen la poblacin de individuos y quines la muestra de individuos.
ii) Determine quines constituyen las poblaciones de observaciones (Son reales o hipotticas?) y
quines las
muestras de observaciones.
b) Menciones la variable estadstica, clasifquela e indique el nivel de medicin utilizado.
c) Explique qu tendencia siguen las observaciones que da cuenta de la existencia de una fuente
sistemtica de variacin y menciones dicha fuente. Todas las observaciones responden a lo previsto? A
qu se atribuye esto?. Explique.
d) Represente en un solo grfico la distribucin de frecuencias para cada tipo de empresa de modo que
puedan ser comparadas.
e) Qu porcentajes de sujetos realiz por lo menos dos viajes en el ltimo ao?

142) A continuacin presentamos una tabla con la distribucin de frecuencias de las
calificaciones finales en lengua de nios de 7 grado del turno maana y tambin algunos
resmenes estadsticos correspondientes al turno tarde.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

TURNO MAANA
Calificacin Frecuencia
0,5___2,5 1
2,5___4,5 2
4,5___6,5 8
6,5___8,5 7
8,5___10,5 2

TURNO TARDE
x = 5,01
s = 1,86
Md = 5,4
n = 25

a) Qu grupo parece haber tenido mayor rendimiento? Por qu?
b) En qu grupo hay mayor variabilidad relativa a la media?



EJERCICIOS DE PROBABILIDAD

201) Responder los siguientes problemas de teora de la probabilidad:

a) Qu probabilidad hay, al arrojar un dado, que salga 5 o un nmero mayor?
b) Qu probabilidad hay, al arrojar un dado, que salga un nmero par?
c) Qu probabilidad hay, al arrojar un dado, que salga menos de 3?
d) Qu probabilidad hay de sacar un rey de un mazo de 40 cartas?
e) Qu probabilidad hay, al arrojar un dado, que salga mayor de 7?
f) Qu probabilidad hay, al arrojar un dado, que salga un nmero entre 1 y 6?
g) Qu probabilidad hay, al arrojar un dado, que no salga el nmero 5?
h) Qu probabilidad hay de no sacar un corazn de un mazo de 52 cartas francesas?

202) Responder los siguientes problemas de teora de la probabilidad:

a) Qu probabilidad hay de sacar dos caras arrojando dos monedas?
b) Qu probabilidad hay de sacar con un tiro de dos monedas, dos caras o dos cecas indistintamente?
c) Se arroja una moneda y un dado. Qu probabilidad hay de obtener una cara y un 3?
d) Qu probabilidad hay, al arrojar dos dados, de obtener dos 5?
e) Qu probabilidad hay, al arrojar dos dados, de obtener al menos un 5?
f) Qu probabilidad hay, al arrojar dos dados, de obtener dos nmeros iguales?
g) Qu probabilidad hay, al arrojar dos dados, de obtener un nmero par y otro impar?
h) Qu probabilidad hay, al arrojar dos dados, de obtener dos nmeros cuya suma sea 10?
i) De un mazo de 40 cartas, cual es la probabilidad de sacar tres cartas que sean tres espadas, sin
reposicin?
j) De un mazo de 40 cartas, cual es la probabilidad de sacar tres cartas que sean tres espadas, con
reposicin?
k) Un bolillero contiene 7 bolillas rojas y 3 azules. Se sacan dos bolillas sucesivamente sin reposicin.
Calcular la probabilidad de que ambas sean rojas.

Pgina 284 de 325
284
l) Un bolillero contiene 7 bolillas rojas y 3 azules. Se sacan dos bolillas sucesivamente con reposicin.
Calcular la probabilidad de que ambas sean rojas.

203) En una muestra de 380 personas, hay varones y mujeres con ojos claros y oscuros segn
las siguientes cantidades:

Ojos claros Ojos oscuros Total
Varones 60 170 230
Mujeres 100 50 150
Total 160 220 380

a) Al elegir una persona al azar, qu probabilidad tiene de ser mujer o tener ojos claros, indistintamente?
b) Qu probabilidad tiene de ser mujer o de tener ojos claros, pero no ambas cosas?
c) Qu probabilidad tiene de ser un varn de ojos claros?
d) Sabiendo que la persona elegida es varn, qu probabilidad tiene de tener ojos oscuros?

204) Responder los siguientes problemas de anlisis combinatorio (variaciones):

a) De cuntas maneras distintas pueden ubicarse 6 personas en el primer asiento de dos personas de un
mnibus?
b) Cuntos nmeros distintos de 3 cifras pueden formarse con los nmeros del 1 al 9 sin repetir ninguno
de ellos?
c) En la pregunta anterior, cuntos de esos nmeros son mayores que 900?

205) Responder los siguientes problemas de anlisis combinatorio (permutaciones):

a) Cuntos nmeros distintos de 9 cifras pueden formarse con los nmeros del 1 al 9 sin repetir ninguno
de ellos?
b) Si recibimos 7 cartas de un mazo, de cuntas formas podemos ordenarlas en la mano?
c) Cuantos anagramas se pueden formar con las letras de la palabra ARTE?
d) De cuantas maneras puede sacarse una foto una familia de 6 personas de frente?
e) En el ejercicio anterior, de cuantas maneras el padre y la madre aparecen juntos?

206) Responder los siguientes problemas de anlisis combinatorio (experimento binomial):

a) Cul es la probabilidad de obtener dos ases tirando el dado 3 veces?
b) En una urna hay 7 bolillas blancas y 5 negras. Se sacan sucesivamente 3 bolillas con reposicin. Cul
es la probabilidad de que salgan 2 bolillas blancas?
c) En un bolso hay dos monedas de plata y tres de oro. Se realizan 5 extracciones. Cul es la
probabilidad de sacar tres veces monedas de plata?
d) El 30% de los estudiantes se opone a pagar una cuota. Tomando 25 estudiantes, calcular la
probabilidad que aparezcan 5 estudiantes que se opongan a pagar la cuota.

207) Sabiendo Por experiencias previas que el 70 % de los alumnos de Psicologa de la UBA
promociona Estadstica y suponiendo que esta proporcin se mantenga el presente
cuatrimestre, calcule la probabilidad de que en una muestra aleatoria de 10 alumnos:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

a) Por lo menos uno no promocione.
b) No promocionen cinco.
c) Promocionen por lo menos la mitad.
d) No promocionen a lo sumo dos.
e) Promocionen ms de cuatro y menos de ocho.

208) Una prueba de percepcin visual consiste en responder a cul de dos matices,
previamente presentados, corresponde el color verde que aparece sucesivamente en 12
estampados diferentes. El resultado de la prueba se considera muy satisfactorio cuando se
ha respondido acertadamente en, por lo menos, 9 de las 12 presentaciones.
En prcticas previas un sujeto ha logrado acertar el 80 % de las presentaciones. Cul es la probabilidad
de que al realizar la prueba
a) obtenga el resultado muy satisfactorio
b) no obtenga el resultado muy satisfactorio suponiendo que contest completamente al azar en todos
los casos?
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Pgina 285 de 325
285

209) Gastn se recibi recientemente de psiclogo y va a abrir un consultorio pero no se
siente muy seguro en la atencin de casos con sndrome de depresin. Consultando entre sus
colegas obtuvo la siguiente informacin:

Consulta A Consulta B Consulta C Consulta D
Casos con sndrome de depresin 3 5 15 7
Total de pacientes 30 55 135 80

En el hipottico caso que al consultorio de Gastn acudieron 9 pacientes qu probabilidad le asignara al
hecho de que:
a) Alguno tenga sndrome de depresin?
b) Ms de la mitad no tenga sndrome de depresin?
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

210) En cierta regin de una provincia argentina Ignacio (socilogo) y Luca (maestra) estn
estudiando el fenmeno de la desercin escolar a nivel primario. De una encuesta del ltimo
ao a varias escuelas obtuvieron la siguiente informacin:

Causas de desercin Nmero de casos
Necesidad de trabajar 180
Distancia a la escuela 40
Enfermedad 55
Dificultades intelectuales 20
Otros 5

Habiendo iniciado el ao lectivo en dichas escuelas un total de 6.000 alumnos.
Ignacio se pregunta qu probabilidad tendr de que entre 12 nios que abandonen la escuela en ao
entrante, ms de la tercera parte lo haga debido a la necesidad de trabajar.
Luca se pregunta con qu probabilidad concluir el ao conservando a sus 15 alumnos.
Suponiendo que el ao entrante tenga un comportamiento similar al anterior con respecto al fenmeno
de la desercin, responda a
a) Ignacio
b) Luca
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

211) Sabiendo por experiencia que slo 4 de cada 10 personas que comienzan un determinado
tratamiento perseveran en l: Cul es la probabilidad de que una muestra aleatoria de 8
personas que comienzan un tratamiento?
a) Persevere ms de la mitad?
b) Persevere por lo menos uno?
c) No persevere a lo sumo la mitad?
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

) Una investigacin sobre la puntualidad del personal llevada a cabo sobre 3 empresas que se
consideran representativas en determinada ciudad arroj los siguientes resultados:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Empresa A Empresa B Empresa C
Impuntuales 30 14 19
Puntuales 68 38 41

Una empresa de la misma ciudad va a contratar 5 nuevos empleados. Qu probabilidad le asigna al
hecho de que?
a) Todos sean puntuales?
b) A lo sumo dos sean impuntuales?
c) Por lo menos uno sea puntual?



EJERCICIOS DE CURVA NORMAL


Pgina 286 de 325
286
301) En una distribucin normal de puntajes de una prueba, un alumno obtuvo 19 puntos. Si la
media de la distribucin es de 20 puntos y el desvo estndar es de 2 puntos, qu percentil le
corresponde?

302) En una distribucin normal de puntajes de una prueba un alumno x obtuvo el percentil
80. Si la media de la distribucin es de 30 puntos y el desvo estndar es de 2 puntos, qu
puntaje obtuvo en la prueba?

303) El puntaje obtenido en un test de aprendizaje de una poblacin de adolescentes es
aproximadamente normal, con media 80 y desvo estndar 5.

a) Debe hacerse una clasificacin en tres categoras:

A = constituida por el 20% de los puntajes bajos.
B = constituida por el 10% de los puntajes altos.
C = constituida por el resto (70%).

Hallar los puntajes brutos que separan las tres categoras.

b) Si el tamao de la poblacin es n = 3000, cuntos adolescentes estarn por debajo del puntaje 86?
c) Qu percentil corresponde al puntaje 82?
d) Qu valor de z corresponde al percentil 78?

304) En un test de aptitud para las matemticas cuyos puntajes se distribuyen normalmente
con media aritmtica 5 y desvo estndar 1.5, un individuo obtuvo 4 puntos. En un test de
aptitud para idiomas cuyos puntajes se distribuyen normalmente con media aritmtica 6 y
desvo estndar 2, el mismo individuo obtuvo 4.5 puntos.

a) En cual de las dos pruebas demostr mayor aptitud?
b) Qu porcentaje de alumnos obtuvo hasta 4 puntos en matemticas?
c) Hasta qu puntaje obtuvo el 80% inferior de los casos en matemticas?

305) Para una media aritmtica 30 y un desvo estndar 5, cul es el valor de x que
corresponde al 20% de los mejores dotados?

306) Utilizando la distribucin normal, calcular:

a) Hasta qu valor de z habr que incluir para considerar los 2000 inferiores de un total de 2500?
b) Desde qu valor de z habr que tomar, si se quieren incluir los 900 casos superiores sobre un total de
1000?
c) Sobre un total de 2000 se quieren tomar los 1900 centrales. Qu valores de z los limitan?

307) El puntaje T de Esteban en un test de creatividad es de 70 y su puntaje z en otro de
memoria es de 2,5. Tomando como referencia a los grupos normativos es Esteban ms
creativo que memorioso o al revs? Justifique.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

308) Suponiendo que los puntajes en una prueba de razonamiento verbal se distribuyen con
media 12 y desvo estndar 3 en un grupo normativo, calcule:

a) El rango percentilar de un sujeto que obtiene 14 puntos.
b) El puntaje correspondiente al sujeto que es superado por el 90 % del grupo.
c) El centil 95.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

309) Para ingresar a cierta universidad se debe rendir un examen de ingreso y solo hay cupo
para el 20 % de los aspirantes. Suponiendo que los puntajes se distribuyan normalmente en el
grupo de aspirantes con media 60 y desviacin estndar 15 Qu nota mnima de aprobacin
debe fijarse?
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

310) Los puntajes en un test de creatividad se distribuyen normalmente con media 65 y desvo
estndar 10 puntos en un grupo normativo de 600 personas. Los sujetos se consideran segn
los siguientes criterios:

Pgina 287 de 325
287
Poco creativos si exceden dos desvos por debajo de la media.
Algo creativos si estn a menos de dos desvos por debajo de la media.
Creativos si estn a menos de dos desvos pon encima de la media.
Muy creativos si estn en ms de dos desvos por encima de la media.
Calcule:
a) La cantidad de individuos del grupo normativo correspondiente a cada categora.
b) El puntaje de los individuos que pertenecen al 2 % ms creativo.
c) Cmo es clasificado un sujeto que obtuvo 80 puntos.
d) El puntaje correspondiente al tercer centil.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

311) Un peso inferior al kilo o superior a los cuatro kilos al nacer, puede considerarse riesgoso
en una poblacin determinada. Suponiendo que los pesos se distribuyan normalmente en los
recin nacidos con media 2,8 y desvo 0,6 kilogramos, calcule la probabilidad de que un recin
nacido.
a) Est dentro del grupo de riesgo
b) Pese entre 2 y 3 kilogramos.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).



EJERCICIOS DE CORRELACIN Y REGRESIN

401) Dados los siguientes pares de valores:

x 1 2 3 4 5 6 7 8
y 14 14 13 12 12 10 9 9

a) Obtener el coeficiente de correlacin e interpretarlo.
b) Hacer el diagrama de dispersin e interpretarlo.
c) Calcular el valor de y1 para x1 = 12
d) Trazar la recta de regresin.

402) Dados los siguientes tres grupos de pares de valores:

x y x y x y
56 59 29 2 95 35
48 72 25 8 89 14
40 65 18 5 82 26
30 62 17 7 80 37
29 40 12 14 74 39
25 36 10 24 66 27

a) Graficar los diagramas de dispersin y estimar aproximadamente la correlacin existente en cada uno.
b) Calcular los tres coeficientes de correlacin de Pearson, eligiendo la frmula ms adecuada.
c) Comparar los resultados obtenidos con las estimaciones hechas en el punto a).

403) Los siguientes valores corresponden a la edad del esposo y la esposa en 5 matrimonios:

x 25 42 30 54 62
y 19 35 29 53 61

a) Obtener el coeficiente de correlacin y determinar en base a l si la correlacin es positiva o negativa,
y si es alta o baja.
b) Obtener el diagrama de dispersin correspondiente.
c) Calcular el valor de Y 1 para X 1 = 45.
d) Trazar la recta de regresin correspondiente.

404) Se ha tomado una prueba de aptitud numrica y verbal a 6 nios, siendo los puntajes
obtenidos los siguientes:

Sujeto A B C D E F
Aptitud Numrica 14 9 25 34 15 23
Aptitud verbal 18 7 23 32 19 21

Pgina 288 de 325
288

a) Obtener el coeficiente de correlacin y determinar en base a l si la correlacin es positiva o negativa,
y si es alta o baja.
b) Obtener el diagrama de dispersin correspondiente
c) Calcular el valor Y 1 para X 1 = 6.
d) Trazar la recta de regresin correspondiente.

405) Dados los siguientes pares de valores:

x 1 2 3 4 5 6 7 8
y 14 14 13 12 12 10 9 9

a) Obtener el coeficiente de correlacin y determinar en base a l si la correlacin es positiva o negativa,
y si es alta o baja.
b) Obtener el diagrama de dispersin correspondiente.
c) Calcular el valor Y 1 para X 1 = 12.
d) Trazar la recta de regresin correspondiente.

406) Se desea saber si existe algn tipo de asociacin entre razonamiento verbal y redaccin.
Para ello se tomaron 10 sujetos y se le tomaron dos pruebas a cada uno para las aptitudes
especficas, obtenindose los resultados indicados en la tabla adjunta. Aplicar el coeficiente de
Pearson e interpretar el resultado.

SUJETO A B C D E F G H I J
PUNTAJE X 50 52 46 47 47 54 51 44 44 45
PUNTAJE Y 49 45 47 49 43 48 51 46 42 40

407) Si se ha tomado una prueba de aptitud verbal y otra numrica, se desea saber si ambas
variables estn asociadas entre s despus de haberse obtenido los datos de la tabla adjunta.
Calcule el coeficiente de Pearson e interprete el resultado.

SUJETO A B C D E F
RENDIMIENTO EN APTITUD NUMRICA 14 9 25 34 15 23
RENDIMIENTO EN APTITUD VERBAL 18 7 23 32 19 21

408) La tabla adjunta presenta las notas obtenidas por 10 alumnos en los parciales de una
materia.

a) Realizar el diagrama de dispersin.
b) Indicar qu tipo de correlacin hay leyendo solamente el diagrama. Justificar.

A B C D E F G H I J
x (primer parcial) 1 2 8 7 9 6 9 6 5 9
y (segundo parcial) 2 4 9 7 8 5 9 8 4 9

409) Ocho sujetos fueron sometidos a una prueba de memoria. Deban memorizar una lista de
30 palabras en cierto tiempo estipulado, y los resultados se exponen en la tabla adjunta.

Sujeto Tiempo (en minutos) Nmero de palabras recordadas
A 2 12
B 5 23
C 7 26
D 6 25
E 4 21
F 3 15
G 1 8
H 8 28

a) Construya el diagrama de dispersin, determinar si hay o no correlacin y si sta es directa o inversa.
Justificar.

410) Para las tres tablas adjuntas:

X Y
56 59

Pgina 289 de 325
289
48 72
40 65
30 62
29 40
25 36

X Y
29 2
25 8
18 5
17 7
12 14
10 24

X Y
95 35
89 14
82 26
80 37
73 39
67 27

a) Hacer los diagramas de dispersin correspondientes.
b) Determinar cul de los tres casos tiene mayor correlacin y cul menor correlacin
(independientemente del signo), utilizando el coeficiente de Pearson.

411) Se suministra a diez alumnos una batera de tests para estudiar simultneamente su
rendimiento en distintas reas, siendo los resultados los que figuran en la tabla adjunta.

ALUMNO CI LECTURA MSICA FSICA
A 120 28 53 28
B 108 32 48 25
C 103 37 45 22
D 100 41 44 19
E 100 38 40 20
F 96 15 36 15
G 90 17 36 17
H 86 28 31 15

a) Calcular las intercorrelaciones entre pares de variables y presentar los resultados en una matriz de
correlacin (utilice el coeficiente de Pearson).
b) En qu difiere este procedimiento del empleado con el coeficiente de correlacin mltiple?

412) En un grupo de matrimonios el coeficiente de correlacin entre las variables edad del
marido y edad de la esposa fue de 0.96. Significa ello que en la mayor parte de los
matrimonios considerados, marido y mujer, son de una misma edad?

413) Se ha pedido a dos jueces que ordenen en forma independiente a seis sujetos en relacin
con su grado de peligrosidad. Los ordenamientos resultantes se indican en la tabla adjunta.
Calcular la correlacin existente entre ambos ordenamientos, utilizando el coeficiente Rho de
Spearman.

Juez 1 F C E D A B
Juez 2 C E F D B A

414) Existe el mismo grado de correlacin en las cuatro tablas siguientes? En caso negativo,
en cul hay mayor correlacin? (No utilizar ni grficos ni frmulas: solamente observar las
tablas.).

X Y X Y X Y X Y
1 1 1 6 1 2 1 16
2 2 2 7 2 4 2 14
3 3 3 8 3 6 3 12
4 4 4 9 4 8 4 10

Pgina 290 de 325
290
5 5 5 10 5 10 5 8
6 6 6 11 6 12 6 6
7 7 7 12 7 14 7 4
8 8 8 13 8 16 8 2

415) Si un test es confiable se espera que arroje puntuaciones ms o menos estables cuando
es administrado a un mismo individuo en diferentes momentos pero en similares condiciones.
Si as sucediera, la correlacin lineal entre los puntajes de los individuos, la primera vez que
fueron evaluados (test) y la segunda vez (retest), debera ser alta.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).
A continuacin se exhibe un listado con los resultados obtenidos despus de haber aplicado el mtodo
test-retest para estudiar la confiabilidad de una prueba de memoria.

a) Dibuje el diagrama de dispersin e indique qu sugiere en relacin a la confiabilidad de la prueba.
b) Mediante el uso de un coeficiente adecuado precise el anlisis hecho en a) y decida si la prueba es o
no confiable.

SUJETO PUNTAJE EN EL TEST PUNTAJE EN EL RETEST
Nstor 10 7
Ana Mara 6 9
Silvia 7 8
Andrea 9 7
Eduardo 6 10
Liliana 6 8
Gustavo 8 5
Cristina 7 6
Flavia 8 8
Alejandro 4 6



EJERCICIOS DE ESTADSTICA INFERENCIAL

501) El rector de una universidad piensa que durante los ltimos aos, la edad promedio de
los estudiantes que asisten a esta institucin ha cambiado. Para probar dicha hiptesis, se
realiza un experimento en el cual se mide la edad de 150 alumnos elegidos al azar entre todos
los estudiantes de este centro de educacin superior. La edad promedio es de 23.5 aos. Un
censo realizado en la universidad, unos cuantos aos antes del experimento, revel una edad
promedio de 22.4 aos, con una desviacin estndar de 7.6 (Fuente: Pagano R., Estadstica
para las ciencias del comportamiento", International Thomson Editores, Mxico, 1999, 5ta.
edicin, pg. 280).

a) Cul es la hiptesis alternativa no direccional?
b) Cul es la hiptesis nula?
c) Utilizando Alfa = 0.05, cul es la conclusin?

502) Una muestra de 36 alumnos tiene una media de 7, mientras que el desvo poblacional es
de 1. Determinar, para una probabilidad del 95%, el intervalo de confianza correspondiente.

503) El puntaje medio en un test de habilidad numrica es de 65 puntos en una poblacin
normativa cuya desviacin tpica es 10. Una muestra aleatoria de 9 sujetos extrada de dos
divisiones de 6 grado de una escuela, arroj una media de 60 puntos. Suponiendo que los
puntajes en dichas divisiones se distribuyen de manera aproximadamente normal con la
misma desviacin que la poblacin normativa, hay suficiente evidencia de que el rendimiento
medio de los nios de sexto grado es inferior al del grupo normativo? Usar un nivel de
significacin del 1 %.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

504) El tiempo medio de reaccin ante un determinado estmulo fue de 11 centsimas de
segundo en una muestra de 16 personas. Son estos datos consistentes con la hiptesis de
que el tiempo de reaccin se distribuye normalmente con media 10 y desvo 4 centsimos por
segundo? Usar un nivel de significacin del 10 %.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Pgina 291 de 325
291

505) Un docente implementa un nuevo mtodo didctico para la enseanza de un determinado
tema que, l espera, aumentar en rendimiento medio de sus alumnos. Histricamente este
era de 5,5 puntos. El resultado de la evaluacin sobre sus 25 alumnos arroj una media de 6,3
puntos con un desvo estndar de 2 puntos. Puede afirmarse que el nuevo mtodo fue eficaz?
Usar un nivel de significacin del 5 % y suponer que los puntajes se distribuyen normalmente.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

506) Algunos trabajos sobre memoria icnica indican que el promedio de letras recordada por
un sujeto normal es de 4,5. Los trabajos que se vienen realizando en la Universidad Autnoma
de Madrid no estn de acuerdo con tal hiptesis. Deseamos pues, contrastar la hiptesis de
que = 4,5, para lo cual seleccionamos una muestra aleatoria simple de veinticinco sujetos
universitarios, psiclogos de la Universidad Autnoma de Madrid, y encontramos que el
promedio de palabras recordadas (tras exposicin taquistoscpica) es de 3, con una
desviacin tpica de 1,3. Utilizando = 0,01 realice la prueba correspondiente suponiendo la
distribucin normal de los puntajes.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

507) Este ejercicio se refiere a datos reales extrados de una investigacin de Ayala y otros
(1990), Estimulacin temprana: Su influencia sobre el desarrollo intelectual de nios de 2 a 4
aos, Avances en Psicologa Clnica Latinoamericana, 8: 115-124 (1990).
Para probar la eficacia de un programa de investigacin temprana (P.E.T.) se suministr un test de CI a
un grupo control y a un grupo experimental antes de iniciar el programa y despus de un ao de
aplicacin del mismo sobre el grupo experimental. Ambos grupos quedaron determinados por la
asignacin aleatoria de nios de 2 a 4 aos que asisten al Hogar Infantil Copetn de la ciudad de
Pamplona, Colombia.

I. Pruebe, al 1 %, las hiptesis
a) El C.I, aumenta, en promedio, en los nios que reciben el P.E.T.
b) No hay evidencias de que aumente el C.I. medio de los nios que no reciben el P.E.T.
II. Por qu es necesario usar un grupo control?

DATOS
GRUPO CONTROL
Pre-test: 86, 135, 70, 98, 111, 109, 96, 92, 117, 142, 107, 103, 105, 116, 80.
Post-test: 110, 112, 104, 106, 118, 103, 110, 129, 109, 117, 118, 102, 124, 121, 131.
GRUPO EXPERIMENTAL
Pre-test: 108, 125, 105, 111, 126, 105, 92, 90, 104, 87, 104, 104, 127, 102, 100.
Post-test: 157, 147, 134, 138, 154, 127, 127, 129, 124, 132, 124, 133, 128, 144, 157.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

508) Con el fin de estudiar el posible influjo del tipo de instrucciones en la ejecucin de una
prueba, se seleccionarn aleatoriamente trece sujetos. Se les suministra la prueba a cinco tras
darles instrucciones breves y sencillas y al resto tras darles instrucciones largas y explcitas. A
la vista e los resultados, compruebe, a un nivel de significacin de 0,10, si las instrucciones
influyen en el rendimiento en dicha prueba.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Grupo A (instrucciones breves): 1 3 6 7 8
Grupo B (instrucciones largas): 3 5 6 5 8 9 8 4
Realice el procedimiento explicitando los supuestos que lo hacen vlido.

509) Se ha llevado a cabo un experimento para corroborar si los dibujos facilitan el
aprendizaje de palabras en nios pequeos segn sostiene cierta escuela pedaggica. Se
seleccion aleatoriamente veinte nios del ltimo curso de preescolar para que aprendan
palabras ilustradas con sencillos dibujos o para que las aprendan (las mismas palabras) sin
ilustracin. Se asignaron al azar diez sujetos a cada mtodo. Tras varios ensayos se determin
el dominio sobre dichas palabras, midiendo el nmero de respuestas correctas de cada nio
(Adaptado de un ejercicio de San Martn Castellanos).
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).


Pgina 292 de 325
292
a) Explicite los supuestos necesarios para probar estadsticamente la hiptesis. Justifique por qu se
aleatoriz para formar los grupos.
b) A la vista de los resultados que se siguen pruebe la hiptesis con un nivel de significacin de 0,10.
Grupo con ilustracin: 10, 13, 19, 25, 22, 23, 21, 20, 17, 20.
Grupo sin ilustracin: 16, 17, 20, 11, 10, 12, 10, 11, 12, 13.

510) Se desea investigar si el nivel de estrs difiere entre las personas que desempean
tareas ejecutivas y aqullas que trabajan en relacin de dependencia. Para ello se tomaron
dos muestras aleatorias de 16 ejecutivos y 16 empleados y se les suministr un test de
ansiedad. Por la manera en que se construy la escala, los psiclogos consideran que para que
una diferencia de puntajes en el nivel de estrs sea interpretable como una diferencia real en
s mismo, sta debe ser superior a dos puntos. En otras palabras, el umbral es de dos puntos.
Los resultados maestrales arrojaron un nivel de estrs de 55 puntos para los ejecutivos con un desvo
estndar de 6 puntos y una media de 50 con un desvo de 7 puntos para los empleados. Suponiendo la
igualdad de varianzas responda:
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

a) Es la diferencia observada en el nivel de estrs entre ambos grupos estadsticamente significativa al 5
%?
b) Puede decirse de a) la significacin psicolgica; esto es, que un grupo est ms estresado que otro?
c) Qu hiptesis estadsticas debera plantear para poder deducir que los ejecutivos estn ms
estresados que los empleados? Haga la prueba correspondiente.
d) Formule una conclusin general.

511) En el primer cuatrimestre de 1994 los profesores de la Ctedra II de Estadstica
efectuamos una encuesta a los alumnos asistentes a las clases tericas en las tres bandas
horarias. Entre otras cosas, los interrogamos sobre su predisposicin hacia la materia y su
opinin sobre la utilidad de la misma en psicologa. Los resultados (reales) se exhiben a
continuacin.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Predisposicin Muy mala Mala Indiferente Buena Muy buena
Nmero de alumnos 8 43 52 138 9

Opinin sobre la utilidad de la estadstica en psicologa.

58% til.
16.4% no sabe.
12.8% poco til.
11.6% muy til.
0.8% completamente intil.

Considerando al conjunto de alumnos encuestados como una muestra aleatoria de una poblacin
hipottica mayor, pruebe las siguientes hiptesis al 1 %.
a) Ms de la mitad tiene una buena o muy buena predisposicin hacia la Estadstica.
b) Menos de la cuarta parte de los que tienen opinin formada la consideran poco til o intil.

512) Una firma hace un estudio de mercado con el fin de decidir si es necesario o no aumentar
la publicidad el siguiente ao. Como un aumento de publicidad implicara un importante
aumento del presupuesto para ese fin, la empresa quiere evitar la posibilidad de lanzar una
campaa innecesariamente.
La campaa ser lanzada solo si menos de 45 % de la poblacin consume el producto de la firma.
De 400 personas encuestadas, seleccionadas al azar de distintos distritos de Capital Federal, 168
afirmaron consumir el producto.
Qu decisin tomar la firma al nivel del 5 %?
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

513) Los puntajes en una prueba objetiva de rendimiento escolar siguen la distribucin normal
con media 15 puntos y varianza 11,25 bajo el supuesto de responder todos los tems al azar.
Un docente toma la prueba a un curso de 36 alumnos y obtiene un puntaje medio de 16,5 puntos.
Puede descartar, a un nivel del 1 %, la posibilidad de que sus alumnos hayan respondido al azar?
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).


Pgina 293 de 325
293
514) Una prueba de odo musical consiste en reproducir el sonido de la nota la (que
corresponde a una frecuencia de 440) luego de orla.
Un grupo de 10 personas elegidas aleatoriamente e independientemente entre profesionales que se
dedican a la afinacin de instrumentos musicales, realiz la prueba y de las 10 emisiones se obtuvo una
frecuencia media de 435 con un desvo estndar de 11. Puede afirmarse que la frecuencia media de las
notas que emitiran los profesionales de la poblacin muestreada difiere de 440 al nivel del 10 %?
Suponga la distribucin normal de las frecuencias emitidas.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

515) Un conjunto de sujetos evalu la culpabilidad del protagonista de un episodio delictivo
imaginario en una escala de 1 a 5. Despus de proyectar un video con debate sobre las
circunstancias inherentes a la vida del personaje volvieron a evaluarlo.
A partir de los resultados obtenidos que se muestran a continuacin Puede inferir al 5 % que el debate
sobre el tema a partir del video modifica la atribucin de culpas tendiendo a atenuarla?
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

Atribucin de culpas
Sujeto Pre-video Post-video
1 2 2
2 2 1
3 3 2
4 4 3
5 3 3
6 3 3
7 4 4
8 3 2
9 2 1
10 1 2

516) En una escuela bachiller de varones y en otra de mujeres se suministr un test de
habilidad mecnica. En cada escuela se obtuvo una distribucin aproximadamente normal de
los puntajes con una diferencia de medias de 6 puntos a favor de los varones.
Posteriormente se seleccion una muestra aleatoria de cada escala formada por 10 estudiantes elegidos
al azar entre las distintas divisiones y se los entren durante un perodo determinado despus de lo cual
se les volvi a suministrar una prueba para evaluar las mismas habilidades. Se obtuvo una media de 65
puntos para los varones y de 61 para las mujeres con desviaciones tpicas de 10 y 12 puntos
respectivamente.
Para probar la hiptesis de que la diferencia entre los gneros se reducira a, por lo menos, la mitad si los
estudiantes de ambas escuelas recibieran el mismo entrenamiento
Qu hiptesis estadsticas tendra que plantear si quisiera tener una baja probabilidad de equivocarse en
el sentido de no detectar que efectivamente la diferencia disminuira?
Conteste a los puntos mencionados suponiendo que no se haya alterado la normalidad de los puntajes
despus del entrenamiento y que los puntajes se distribuyen con igual varianza en ambos gneros.
Use un nivel de significacin del 10 %.
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).

517) Usando los datos que se muestran en el cuadro pruebe las siguientes hiptesis al 5 %:
a) Menos de la quinta parte de las mujeres consideran que ellas tienen oportunidades laborales de mejor
paga.
b) Ms del 40 % cree que los varones tienen mayor reconocimiento de los jefes.
c) Ms del 30 % de las que tienen opinin formada sostienen que ambos -varones y mujeres- tienen las
mismas oportunidades de ascensos en empresas privadas.
d) La mitad de las mujeres que tienen opinin formada consideran que los varones tienen oportunidades
de conseguir empleo.
La Nacin, revista, 4/9/1994
OPORTUNIDADES LABORALES
(En porcentaje)
De mejor paga 44 18 33 5 100
De reconocimiento de los jefes 45 17 33 6 100
De reconocimiento de los compaeros 44 16 30 10 100
De ascensos (en empresas privadas) 44 16 30 10 100
De ascensos (en empresas pblicas) 40 15 33 12 100
De conseguir empleo 44 16 29 11 100

Pgina 294 de 325
294
Fuente: Consejo Nacional de la Mujer. Sobre un total de 1200 mujeres consultadas
(Fuente: Gua de Trabajos prcticos de la ctedra de Estadstica de la Facultad de Psicologa de la Universidad de
Buenos Aires, 2001).



RESPUESTAS A LOS EJERCICIOS

104)

x
(edad)
f f% f ac
(creciente)
f% ac
(creciente)
f ac (decreciente) f% ac
(decreciente)
fr
18-20 7 35% 7 35% 20 100% 0.35
21-23 4 20% 11 55% 16 80% 0.20
24-26 2 10% 13 65% 14 70% 0.10
27-29 4 20% 17 85% 10 50% 0.20
30-32 1 5% 18 90% 9 45% 0.05
33-35 2 10% 20 100% 7 35% 0.10
20 100% 1.00

105)

x f fr f% fr ac F% PM
70-77 4 0.25 25% 0.25 25% 73.5
78-85 4 0.25 25% 0.50 50% 81.5
86-93 2 0.12 12% 0.62 62% 89.5
94-101 3 0.19 19% 0.81 81% 97.5
102-109 3 0.19 19% 1 100% 104.5
n=16 1 100%

106)

x (peso en libras) f f ac F%
118-126 3 3 7.5%
127-135 5 8 20%
136-144 19 27 42.3%
145-153 12 39 72.2%
154-162 5 44 85%
163-171 4 48 95%
172-180 2 50 100%
n=50

107a)

x (edad) f (frecuencia)
____________________
19 5
34 7
51 5
61 2
84 1
____________________
n = 20

108)

X (edad) f
6
7
17
24
25
29
42
55
1
1
3
1
4
1
1
2

Pgina 295 de 325
295
N=14

X (edad) f
6-25
26-45
46-65
10
2
2
N=14 N=14

Grfico de barras




109)

Media Mediana Modo Desvo
a)
b)
c)
d)
e)
f) 23.86
g) 70
h) 8.50
i)
j)

113)

a) Q2, D5 y P50
b) P75)

114)

Media Mediana Modo Desvo
a) 14.75
b) 5,8
c) 4,45

115)

a) 14.4$ por hora.

116)

Cuadro III Voto femenino

Candidato f
r

Candidato A 0.55
Candidato B 0.43
En blanco 0.02
Total 1.00

Cuadro IV Voto masculino

Candidato f
r

Candidato A 0.39
Candidato B 0.25
En blanco 0.36
Total 1.00

El voto femenino fue proporcionalmente mayor.

118)


Pgina 296 de 325
296
El percentil de orden es 480. Supera a 479 y es superado por 320.

119)

a) 70
b) 80

122)

a) La poblacin objeto de estudio es el conjunto de los adolescentes de la localidad donde se llev a cabo
la
experiencia. La poblacin de observaciones es el conjunto de nmeros que representan a las cantidades
de alcohol medido en litros correspondientes al consumo semanal aproximado de cada adolescente
durante el verano.
b) La muestra de individuos est formada por los 20 adolescentes que fueron escogidos para la encuesta
y la de
observaciones, por sus correspondientes consumos de alcohol.
c) La variable es la cantidad de alcohol que consume por semana un adolescente durante el verano. Es
una variable
cuantitativa continua.
d) El nivel de medicin es de razn, ya que las diferencias entre los nmeros obtenidos por las
mediciones tienen
significado: diferencias en el consumo de alcohol. El cero no es convencional, es absoluto porque significa
ausencia
del consumo (en cualquier unidad que se tome). El rango de valores de la escala son todos los nmeros
negativos.
e) La posible fuente de variacin sistemtica es el gnero: podra suponerse que los consumos difieren
entre los
sexos (o, ms aun, que los consumos del sexo femenino (f) tiendan a ser inferiores que en el masculino
(m).
Esto puede constituir una hiptesis por probar; si el experimentador lo probara, afirmara que
efectivamente el sexo es una fuente sistemtica de variacin.
f) Ordenando los consumos de menor a mayor e indicando a cuntas mujeres o varones corresponden
dichos consumos puede tenerse una primera idea acerca de la verosimilitud de la hiptesis de que el
gnero es una fuente de variacin.

Cantidad de varones y mujeres

Consumos Mujeres Varones
0 2 1
0,025 1
0,04 1
0,05 1
0,06 1
0,075 1
0,1 2
0,14 1
0,2 1
0,3 1
0,42 1
0,44 1
0,45 1
0,48 2
0,5 1
0,7 1

Los mayores consumos corresponden a los varones. Se observa una tendencia de la variable cantidad
de alcohol consumida a adoptar valores ms altos dentro del conjunto de los varones que de las
mujeres, lo cual no quiere decir que todas las mujeres consuman menos alcohol que todos los varones: la
encuestada 1 consume 0,2 litros, mientras que el encuestado 19 no consume alcohol. Esto muestra que
no toda la variabilidad en el consumo se debe al gnero hay otras fuentes de variacin no registradas en
esta experiencia: las fuentes fortuitas. Ellas hacen necesario utilizar una serie de observaciones dentro de
cada grupo (varn, mujer) a fin de poder detectar el efecto de la fuente sistemtica.
g) Posibles fuentes fortuitas de variacin son: edad, clase social, predisposicin gentica, nivel de
autoestima,

Pgina 297 de 325
297
antecedentes familiares, nivel de receptibilidad de la publicidad, etc. Tal vez podran imaginarse (hgalo)
experimentos para probar si tales factores son o no fuentes de variacin. Si se prueba, seran fuentes
sistemticas. Posiblemente sea difcil imaginar un experimento para medir en cada persona el nivel de
receptibilidad
de la publicidad; si no se pudiera medir sera siempre considerada como una posible fuente fortuita de
variacin.

123)

Algunas fuentes de variacin podran ser: la capacidad de cada alumno, el docente que corrige, el
mtodo de estudio, el tiempo dedicado al estudio, el nivel de ansiedad en el momento del examen, la
dificultad propia de cada examen (en el caso que se tome un examen distinto para cada banda horaria),
circunstancias individuales previas al examen, etc. Todas, salvo la ltima, pueden ser estudiadas como
sistemticas.
La asistencia a las tericas como fuente sistemtica de variacin se podra visualizar presentando la
informacin en una tabla como la del ejercicio resuelto, poniendo la calificacin en el lugar del consumo y
la asistencia o no asistencia a las tericas en lugar del gnero.

124)

La poblacin consiste en los nios escolarizados provenientes de hogares del Gran Buenos Aires.
Las unidades son cada uno de dichos nios.
Las caractersticas que se desean estudiar son habilidades adquiridas en el aprendizaje de la
lectoescrtitura y nivel de agresividad.
El nivel de medicin de la primera puede considerarse intervalar si se representa por el rendimiento
entendido como cantidad de respuestas correctas en la prueba. Si sta no se admite como una
correspondencia razonable con la cantidad de habilidades adquiridas, podra tratarse en un nivel ordinal.
El nivel de medicin de los puntajes asignados a habilidades intelectuales o a caractersticas psicolgicas
en los tests, es un tema de discusin entre los especialistas.
El nivel de medicin de la agresividad es claramente ordinal por la escala adoptada.
Las variables estadsticas son: calificacin en la prueba de habilidades en lectoescritura y nivel de
agresividad. La misma discusin referida al nivel de medicin del rendimiento cabe para clasificar a la
variable calificacin en la prueba.Si se adopta un modelo donde habilidad adquirida en lectoescritura
se considera medible en el nivel en el nivel intervalar, la calificacin en la prueba es una variable
cuantitativa discreta cuyos valores son los nmeros del 1 al 10 (enteros o no segn la precisin
adoptada) aunque la naturaleza de la caracterstica sea continua; si solo se admite un nivel ordinal para
medirla, los valores de la calificacin no indicaran cantidad, sino un rango, con lo que la calificacin sera
cuasi-cuantitativa. El nivel de agresividad es cuasi-cuantitativo y sus valores son bajo, medio y alto.

125)

a) Cuasi-cuantitativa, nivel ordinal.
b) Cualitativa, nivel nominal.
c) Cualitativa, nivel nominal.
d) Cuantitativa discreta, nivel de razn.
e) Cuantitativa continua, nivel intervalar o Cuasi-cuantitativa, nivel ordinal (es discutible).
f) Cuantitativa continua, nivel de razn (el cero de la escala no tiene por qu ser un valor posible para la
variable).
g) Cuantitativa continua, nivel intervalar.
h) Cuasi-cuantitativa, nivel ordinal.
i) Cuantitativa discreta (pues se considera en aos o meses enteros), nivel de razn. El cero es una
convencin de la
definicin de edad pero no una convencin de la escala. En nuestra cultura la definimos como tiempo
de vida a partir del nacimiento.

126)

a) Hay un alumno instruido con el mtodo tradicional que obtuvo una calificacin de 3 puntos, cinco
alumnos instruidos con el mtodo tradicional, obtuvieron una calificacin de 4, siete alumnos obtuvieron
7 con el mtodo de autoinstruccin, etc.
b) La poblacin de individuos est integrada por la totalidad de los alumnos de la ctedra 1 de Estadstica
que cursaron la materia en el primer cuatrimestre de 1993.
Hay dos poblaciones hipotticas de observaciones: una est formada por las calificaciones
correspondientes a dichos alumnos si stos hubieran sido instruidos por el mtodo tradicional; la otra
poblacin hipottica la integran las calificaciones bajo el mtodo de autoinstruccin sobre la misma
poblacin de individuos.

Pgina 298 de 325
298
Hay dos muestras de individuos, cada una de 20 alumnos, que son los que participaron de la experiencia
y dos muestras de observaciones que corresponden a su calificacin segn el mtodo de instruccin, las
cuales estn registradas en la tabla.
c) La variable estadstica es la calificacin obtenida por los alumnos en la evaluacin acerca del tema
prueba de hiptesis. Es una variable cuantitativa discreta.
d) S. Las calificaciones tienden a ser mayores para el grupo correspondiente al mtodo de
autoinstruccin. Aparentemente el mtodo de instruccin es una fuente sistemtica de variacin para la
calificacin. Decimos aparentemente porque llegamos a la conclusin por simple inspeccin ocular (ms
adelante veremos mtodos adecuados de decisin estadstica).
e) No, debido a las fuentes fortuitas de variacin.
f) Capacidad individual, preferencia del sujeto a recibir un determinado tipo de instruccin, el docente a
cargo de cada uno de los mtodos, etc.
g) Si no existieran fuentes fortuitas de variacin y toda la variabilidad en la calificacin de debiera al
mtodo, entonces todas las calificaciones coincidiran dentro del mismo mtodo y bastara tomar una
observacin de cada uno para compararlos. Pero al existir otras fuentes de variacin, es necesario hacer
una serie de observaciones para que el efecto de las fuentes fortuitas se vea compensado en el
conjunto y deje ver la tendencia en el comportamiento de la variable. Por ejemplo: si se hubiera tomado
una sola observacin de cada grupo, podra haber ocurrido que se eligiera el alumno que se sac 7 con el
mtodo tradicional y el que se sac 4 con el de autoinstruccin: no se sabra entonces se estas
calificaciones son debidas a que el mtodo tradicional es mejor o a que al azar hizo que un alumno ms
inteligente recibiera el mtodo tradicional. Pero cuando a cada mtodo se asigna al azar un conjunto de
individuos, es poco probable que todos los ms inteligentes queden en uno de ellos y el efecto de la
inteligencia se ver compensado en dicho conjunto sin ocultar el efecto de la fuente sistemtica.

127)

a) Las posibles fuentes sistemticas de variacin son la modalidad de la clase y el maestro.
b) Las caractersticas a estudiar son: rapidez lectora. El nivel de medicin es de razn para la primera y
discutible para la segunda: ordinal o intervalar (el tratamiento estadstico posterior de ella hace el autor
corresponde al nivel intervalar).
Las variables estadsticas son: calificacin en rapidez lectora -cuantitativa discreta, aunque la
caracterstica es continua- y calificacin en comprensin lectora -cuasicuantitativa o cuantitativa
discreta segn el nivel de medicin adoptado-.
c) Posibles fuentes fortuitas de variacin son: la capacidad individual, en entrenamiento extra-escolar, el
nivel cultural de los estudiantes, etc.

128)

a) 1) y a 2) No parece razonable cuantificar la actitud solidaria al punto de pretender dar una mtrica de
la diferencia en solidaridad entre uno u otro.
b) La caracterstica que merece estudiar es la actitud solidaria, y su nivel de medicin es ordinal, pues
tiene sentido pensar que una persona es ms o menos solidaria que otra, inclusive podra decirse mucho
ms o mucho menos solidaria; es decir, podra pensarse en la proximidad o distancia entre las
personas en cuanto a su actitud solidaria en trminos ordinales, pero cuantificarla con la precisin que
supone el nivel intervalar, parece muy pretencioso. Parece ms razonable interpretar los puntajes los
puntajes como rangos que como cantidades.
El instrumento de medicin es el test de autoevaluacin y la variable estadstica es la cantidad de
respuestas que denotan una actitud solidaria. Obsrvese que si se tomara esta variable como objeto de
estudio es la misma sin remitirnos al significado en trminos de la caracterstica que representa,
correspondera al nivel de razn, ya que es una variable intrnsecamente cuantitativa (cantidad de
respuestas) y el cero no es arbitrario, significa que el individuo no dio ninguna respuesta que denotara
una actitud solidaria. Si a la variable se le diera un tratamiento estadstico correspondiente al nivel de
razn, habra que tener en cuenta que todo lo que se concluye referir al puntaje pero no a la
caracterstica de inters.

129)

a) y c) Son distintas, b) Siempre son iguales. Propiedad distributiva.

130)

a) La variable es opinin de los argentinos (Capital Federal y Gran Buenos Aires) con respecto a la
manera que quieren ser gobernados. Sus valores son: Presidente controlado por el Congreso, Presidente
con amplios poderes, Presidente acompaado por un primer ministro y No sabe/No contesta.
b) El ttulo sugiere que la informacin representa la opinin de los argentinos cuando en realidad solo se
interrog a los habitantes de Capital Federal y Gran Buenos Aires.

Pgina 299 de 325
299
c) Los ngulos son 165 36 (46 %), 86 24 (24 %), 72 (20 %), 36 (10 %).
d) 235, 122, 102 y 51 (correspondientes al orden de c).

131)

a) La variable es opinin de los votantes respecto de quin debe destituir al jefe de gabinete. Sus
valores son: La Cmara de Diputados, la Asamblea Legislativa, el Presidente y No sabe/No contesta. La
fuente sistemtica de variacin es partido poltico.
b) Los ngulos son: 87 12, 97 12, 75 36 y 90.
c) Una posibilidad es el diagrama de rectngulos adyacentes.

132)

X = 17/3 = 5,67

133)

a) Categora mediana: es el par (2,3).
b) Salario mediano = $ 600 (lo tomamos como representante del intervalo (500, 700)). Salario medio =
$ 934,88
c) i) La mediana, ii) la media, iii) la mediana.

134)

No, porque no son comparables. Las variables se refieren a magnitudes diferentes.

135)

No es lo ms adecuado comparar las varianzas en trminos absolutos, sino en relacin a la media cuando
el nivel de medicin lo permite. Como la Cantidad de respuestas correctas corresponde al nivel de
razn, podemos calcular el coeficiente de variacin.

Para los varones CV = 2/7 = 28,6
Para las mujeres CV = 3/7 = 42,9
La variabilidad relativa es mayor en las mujeres.

136)

1.
a) En el segundo parcial se obtuvo mejor rendimiento que en el primero pues, visualmente, se observa
que la distribucin es asimtrica para el segundo parcial y asimtrica positiva para el primero.
b) El primer parcial discrimin ms a los alumnos de mejor rendimiento, el segundo parcial discrimin
ms a los de peor rendimiento. Para discriminar a los de mejor y peor rendimiento por igual la forma de
la distribucin debera ser simtrica.
En una distribucin asimtrica positiva los puntajes ms altos son poco frecuentes; por lo que un alumno
que obtiene uno de tales puntajes se destaca del resto, ya que pertenece a un grupo minoritario
extremo. En una distribucin asimtrica negativa se da la misma situacin en sentido contrario y se
destacan los de peor rendimiento. Si la distribucin fuera simtrica, el grupo minoritario estara
conformado por los alumnos con puntajes extremadamente altos o bajos en la misma proporcin, por lo
que se destacaran del resto por igual.

2.
Primer parcial: asimetra = 0,666 curtosis = 0,06894
Segundo parcial: asimetra = -0,674 curtosis = 0,13835
Ambas distribuciones tienen casi el mismo grado de asimetra pero en sentido contrario. Es algo ms
crtica la distribucin en el segundo parcial.

137)

Si al principio del curso los puntajes se distribuyen con asimetra positiva son pocos los alumnos que
obtendrn los mayores puntajes y no tan pocos los que podran sacar una nota baja. La intencin sera
incentivar al alumno desde el inicio del curso para que se esfuerce en no reprobar o en merecer notas
excelentes. En cambio, en un examen final, interesa que las calificaciones bajas de reprobacin sean
infrecuentes y no tanto las excelentes; para que si alguien reprueba se tenga la tranquilidad de que es
porque realmente lo merece al destacarse por su mal rendimiento.


Pgina 300 de 325
300
138)

a) Obtuvo mejor resultado el grupo del terapeuta A ya que su media es 4,4; o sea, menor que la del
grupo del terapeuta B.
b) No puede afirmarse esto porque:
*No se sabe si ambos grupos tenan el mismo nivel de dificultad al momento de comenzar el tratamiento
ya que no se hizo un pre test. Tampoco fueron aleatorios como para suponer una distribucin homognea
en los grupos.
*Aunque los dos grupos estuvieran en condiciones semejantes de partida, habra que investigar si la
diferencia entre las medias es suficientemente grande en relacin a su variabilidad de muestra en
muestra.

139)

a) i) Poblacin de individuos: Totalidad de adolescentes de Capital Federal.
Muestra de individuos: Los 120 adolescentes seleccionados para la experiencia.
ii) Poblaciones de observaciones: Una poblacin es el conjunto de todos los rankings que los
adolescentes de
Capital Federal le asignaron al producto de haber sido expuestos a la propuesta publicitaria A. La
otra poblacin
Es la de los rankings que dichos adolescentes asignarn al producto de haber recibido la propuesta
publicitaria
B. Por como estn definidas estas dos poblaciones, son claramente hipotticas.
Las muestras de observaciones son tambin dos y corresponden a cada poblacin hipottica. Estn
constituidas
Por los rangos asignados efectivamente por los adolescentes de Capital Federal seleccionados para
la
Experiencia que vieron la publicidad tipo A y los asignados por los que vieron la publicidad tipo B.
b) La variable estadstica es Ranking asignado al producto entre las dos marcas competidoras. Es
cuasicuantitativa y el nivel de medicin utilizado es el ordinal.
c) Casi la mitad de los adolescentes que recibieron la propuesta A votaron en primer lugar al producto y
casi la tercera parte de los mismos le asignaron el tercer lugar, mientras que estas proporciones se
invierten en el caso de los mismos que tuvieron la propuesta B. De modo que la tendencia es posicionar
mejor al producto si se ha recibido la propuesta A. Por tanto el tipo de propuesta publicitaria parece ser
una fuente sistemtica de variacin.
d) Los porcentajes son 32,4, 21,6 y 34,2 para los lugares 1, 2 y 3 respectivamente. Pueden
representarse en un diagrama de rectngulos o bien en uno circular mientras se indique a qu rango
corresponde cada sector.
e) El 65,8 %.

140)

a) x = 3,86 Md = 5 Mo = 4 Q
1
= 3 Q
3
= 5
s = 1,54 As = 0,11 Cu = -0,47
b) 66,67 %

141)

a) i) Poblacin de individuos: La totalidad de ejecutivos de la pequea o mediana empresa de la ciudad
de Crdoba.
Muestra de individuos: Los 45 ejecutivos seleccionados para la encuesta.
ii) Las poblaciones de observaciones son dos: Una es la formada por todos los nmeros que indican
cuntas veces
viaj el ltimo ao a un pas limtrofe cada ejecutivo de la pequea empresa de la ciudad de
Crdoba (haya o no
sido seleccionado para la encuesta). La otra poblacin est definida de la misma manera para los
ejecutivos de
la mediana empresa. Por cmo estn definidas, son poblaciones reales.
Hay dos muestras de observaciones reales que se corresponden con cada una de las poblaciones:
una es la de
los 30 nmeros que representan cuntas veces viaj a un pas limtrofe el ltimo ao cada uno de
los ejecutivos
encuestado de la pequea empresa y la otra es la definida de manera anloga sobre los 15
encuestados de la
mediana empresa.

Pgina 301 de 325
301
b) La variable estadstica es Nmero de viajes a pases limtrofes realizados por el ejecutivo en el ltimo
ao. Es una variable cuantitativa discreta y el nivel de medicin es de razn.
c) Para poder comparar ambos grupos es necesario usar las frecuencias porcentuales o las relativas, ya
que son dos muestras de diferente tamao. Puede observarse que las frecuencias porcentuales tienden a
acumularse en los valores ms bajos de la variable para el caso de los ejecutivos de la pequea empresa
y hacia valores ms altos en el otro grupo. Por lo que el tipo de empresa parece ser una fuente
sistemtica de variacin para la frecuencia de los viajes de los ejecutivos en cuestin: los ejecutivos de la
pequea empresa suelen viajar menos que los de la mediana empresa. Se podran enunciar algunas
hiptesis que expliquen esto; por ejemplo: cabe esperar que el nivel adquisitivo sea ms alto en el grupo
de la mediana empresa, lo que facilita la posibilidad de viajar; o porque la mayor envergadura de tales
empresas las pone en la necesidad de vincularse con otras empresas extranjeras.
No todas las observaciones responden a esta tendencia, ya que vemos que el nico ejecutivo que ms ha
viajado entre todos (7 viajes) es de la pequea empresa. Esto puede atribuirse a fuentes fortuitas de
variacin; por ejemplo: que tal ejecutivo tenga familiares cercanos en un pas limtrofe, o que tenga un
ingreso econmico muy alto que no necesariamente proviene de su empresa.
d) Hay que realizar un diagrama de barras adyacentes usando las frecuencias porcentuales.
e) 55,56 %.

142)

El turno maana tiene mejor rendimiento ya que, resumiendo sus mayores puntajes con las medidas de
tendencia central, vemos que son mayores que el turno tarde: x = 6,2 y Md = 6,25.
La mayor variabilidad relativa a la media es en el turno tarde pues su coeficiente de variacin es de 37
mientras que a la maana es 31.

201)

a) 2/6 = 0.33
b) 3/6 = 0.5
c) 2/6 = 0.33
d) 4/40 = 0.10
e) 0/6 = 0
f) 6/6 = 1
g) 1 p = 1 1/5 = 5/6.
h) 1 p = 1 13/52

202)

a) p(A) . p(B) = . =
b) p (A) + p(B) = + =
c) p (C) . p(3) = . 1/6 = 1/12
d) p (5) . p (5) = 1/6 . 1/6 = 1/36
e) p = 11/36
f) p = 1/6
g) p = 9/36 =
h) p = 3/36 = 1/12.
i) p (A) . p (B) . p(C) = 10/40 . 10/40 . 10/40 = 0.016
j) p (A) . p (BsiA) . p (CsiAyB) = 10/40 . 9/39 . 8/38 = 0.012
k) 7/10 . 6/9 = 0.47
l) 7/10 . 7/10 = 0.49

203)

a) p (A) + p (B) = 150/380 + 160/380 = 0.82
b) p (A) + p (B) p (AyB) = 150/380 + 160/380 100/380 = 0.55
c) 60/380 = 0.16
d) 60/230 = 0.26

204)

a) V6,2 = 30.
b) V9,3 = 504.
c) V8,2 = 56 (Para ser mayor de 900 la primera cifra siempre ser 9, y por lo tanto solo resta ubicar dos
cifras tomadas de las 8 restantes, pues el 9 no puede repetirse).

205)

Pgina 302 de 325
302

a) P9 = 362.880
b) P7 = 5040.
c) P4 = 24.
d) P6 = 720.
e) 5.2.P4 = 240 (pues hay 5 posibilidades en que aparezcan juntos: en los dos primeros lugares, en el
segundo y tercer lugar, etc.).

206)

a) m = 3, n = 2 y p = 1/6. Por lo tanto la probabilidad es 0.072.
b) m = 3, n = 2 y p = 7/12. Por lo tanto, la probabilidad es 0.42.
c) m = 5, n = 3 y p = 2/5. Por lo tanto, la probabilidad es 0.23.
d) m = 25, n = 5 y p = 1/3. Calcule la probabilidad aplicando la frmula.

207)

a) 0,972, b) 0,103, c) 0,952, e) 0,57

208)

a) 0,794, b) 0,927

209)

a) 0,613, b) 0,999

210)

a) 0,944, b) 0,463

211)

a) 0,174
b) 0,983
c) 0,406

212)

a) 0,168
b) 0,837
c) 0,998

301)

P31

305)

x = 30.59

306)

a) z = 0.84
b) z = -1.28
c) z = +1.96 y z = -1.96

307)

Como el puntaje T tiene media 50 y desvo estndar 10, el puntaje z de Esteban en creatividad es 2; de
modo que supera a la media del grupo normativo en dos unidades de desvo mientras que en el test de
memoria la supera en dos desvos y medio. Por tanto podemos decir que es ms memorioso que
creativo, tomando como referencia a los grupos normativos.

308)


Pgina 303 de 325
303
a) 74,86, b) 8,16, c) 16,95

309)

72,75

310)

a) Hay 14, 286, 286 y 14 personas en los respectivos grupos.
b) 85,5.
c) Creativo, pues est a un desvo y medio por encima de la media.
d) 46,2.

311)

a) 0,0241
b) 0,5375

406)

Respuesta: r = + 0,63.
Por lo tanto, hay cierta correlacin.

407)

Respuesta: r = + 0.92.
Por lo tanto, muy alta correlacin directa.

410)

a)
b) 0,78 * 0,82 * 0,18

411)

a)

r CI LECTURA MSICA FSICA
CI 0.42 0,91 0,86
LECTURA 0,56 0,49
MSICA 0,95
FSICA

b) Con este mtodo se correlacionan de a 2 variables por vez y con la correlacin mltiple varias
simultneas.

412)

No.

413)

Sujetos JUEZ 1 JUEZ 2 D (Dif) D
2

A 5 6 -1 1
B 6 5 1 1
C 2 1 1 1
D 4 4 0 0
E 3 2 1 1
F 1 3 -2 4
8

Spearman = 0.77 (hay correlacin, pero algo dbil).

414)


Pgina 304 de 325
304
En las cuatro tablas existe la misma correlacin.

415)

b) No se observa clara tendencia lineal en los puntos y, si se ajustara a una recta, aparentemente tendra
una pendiente negativa; con lo cual el test no parece ser confiable.
c) r = -0,19. El test no es confiable ya que, de haber alguna relacin lineal entre las variables, sta sera
de sentido inverso al que se espera; es decir: los sujetos con puntajes altos en el test tienden, en alguna
medida, a bajarlos en el retest y recprocamente.

502)

Lmite superior = 7.33 y lmite inferior = 6.67. Por lo tanto, la media poblacional estar comprendida
entre 7.33 y 6.67 con una probabilidad del 95%.

503)

Es una prueba unilateral a izquierda.
El valor observado del estadstico de prueba es e = -1,5.
El valor crtico es el centil 1, z
0,01
= 2,33 aproximadamente.
La decisin es no rechazar la hiptesis nula.
Conclusin: Los resultados observados no dan suficiente evidencia de que el rendimiento medio de los
alumnos de sexto grado sea inferior al del grupo normativo. Si bien la media muestral es inferior a 65
esta diferencia puede deberse al azar; es decir, no es estadsticamente significativa.

504)

Es una prueba bilateral.
El valor observado del estadstico de prueba es e = 1.
Los valores crticos son los centiles 5 y 95, z
0,05
= -1,645 y z
0,95
= 1,645 respectivamente.
La decisin es no rechazar la hiptesis nula
Conclusin: Los datos son consistentes con la hiptesis de que los puntajes se distribuyen normalmente
con media 10 y desvo 4, ya que no han conducido a rechazarla.

505)

Es una prueba unilateral a derecha.
El valor observado del estadstico de prueba es e = 2.
El punto crtico en el centil 95, t
24;
0,95 = 1,711.
La decisin de rechazar la hiptesis es nula.
Conclusin: Aceptamos que el rendimiento medio de los alumnos que se instruyeron con el nuevo
mtodo, es mayor que el histrico, con un nivel de significacin del 5 %, es decir, que aproximadamente
5 de cada 100 veces que se realice este procedimiento se optara por esta decisin incorrectamente.
Comentario
En psicologa se acostumbra a decir en estos casos, para resumir, que la media es significativamente
mayor.
No debe entenderse la expresin significativamente mayor como que la media poblacional es mucho
mayor que 5,5, cosa que podra sugerir la palabra significativamente. El mtodo de prueba de hiptesis
utilizado solo permite afirmar, con bajo riesgo de error, que la media poblacional es mayor que 5,5 y no
en qu medida mayor.
Cabe aclarar que la poblacin a la que hemos hecho referencia en este ejercicio no es una poblacin real
sino hipottica; ya que est formada por todos los alumnos de caractersticas similares a los que fueron
evaluados que podran recibir el nuevo mtodo de enseanza.

506)

Es una prueba bilateral.
El valor observado del estadstico de prueba es de e = -5,77.
Los valores crticos son t
24;

0,005
= -2,797 y t
24; 0,995
= 2,797
La decisin es rechazar la hiptesis nula.
Conclusin: El promedio de letras recordadas por los sujetos de la Universidad Autnoma de Madrid es
distinto de 4,5 al nivel del 1 %. Por el signo negativo del estadstico podemos deducir que es menor con
el mismo nivel de significacin.

507)


Pgina 305 de 325
305
I. a) Debemos probar estadsticamente al 1 % que, en promedio, los nios aumentaran sus puntajes CI
en el post-test si recibieran un programa de estimulacin temprana; para lo cual contamos con una
muestra de 15 nios sobre los que se llev a cabo la experiencia (grupo experimental). Nuestra hiptesis
se refiere, pues, a una poblacin hipottica: la de los nios de 2 a 4 aos de caractersticas similares a
los de la muestra, sometidos a un P.E.T.
Si definimos la variable D = Diferencia entre las puntuaciones del post-test y pre-test de cada nio, lo
que debemos poner a prueba, al 1 %, son las siguientes hiptesis estadsticas:
H
o
:
D = 0 (Los CI de los nios despus del P.E.T. no difieren, en promedio, de los iniciales).
H
1
:
D
> 0 (Los CI, en promedio, aumentan si los nios reciben el P.E.T.).
u
D denota la media de las diferencias entre los CI obtenidos en el post-test y pre-test.
Por lo tanto el procedimiento es el correspondiente a una media poblacional con desvo desconocido para
la variable D cuyos valores maestrales son:
D: 49, 22, 29, 27, 28, 22, 35, 39, 20, 45, 20, 29, 1, 42, 57.
El estadstico de prueba es E = D O que, bajo Ho, sigue la distribucin t de Student con 14 grados de
libertad.
S
D
/ 15
El valor crtico, que determina una zona de rechazo de Ho unilateral a derecha, es
t
14,099 = 2,624.
Como el valor observado de la media D es 31 y el de S
D
es 13,97, el valor observado del estadstico de
prueba resulta:
31
E = = 8,59
13,97/15
Puesto que 8,59 > 2,624 se rechaza Ho; es decir, hubo aumento estadsticamente significativo de CI
medio en los nios del grupo experimental.

I. b) Es una prueba unilateral a derecha.
El valor observado del estadstico de prueba es e = 1,78.
El valor crtico es t
14; 0,99
= 2,624
La decisin es no rechazar la hiptesis nula.
Conclusin: No hay evidencias, al 1 %, de que haya aumentado el CI medio de los nios que no
recibieron el P.E.T.
II. Es necesario usar un grupo control para poder atribuir los cambios observados (en este caso el
aumento del CI) al factor que define al grupo experimental: haber recibido el P.E.T.

Comentario
Haremos una crtica al anlisis estadstico anterior el cual fue hecho as por los autores del artculo.
La conclusin global de los autores es que el P.E.T. es eficaz porque han probado estadsticamente que,
en promedio, el grupo experimental aument su CI mientras que el control no.
1) Esta afirmacin proviene de dos pruebas de hiptesis llevadas a cabo por separado en a) y b); cada
una con su nivel de significacin (0,01); por lo que la afirmacin simultnea de ambas cosas no obedece
a un nivel de significacin global conocido. Siempre que sea posible, deben tratarse todos los datos del
experimento conjuntamente, a fin de que la decisin final obedezca a un nico nivel de significacin.
2) Los nios que no recibieron el P.E.T. tuvieron durante un ao la estimulacin ordinaria propia de un
hogar infantil, por lo que podra esperarse en ellos tambin un aumento del CI. De hecho el lector puede
verificar que hay un aumento estadsticamente significativo al 5 %. Esto no hace menos cierto que el
P.E.T. sea eficaz, pues la eficacia del mismo no radica en que es nico de los dos que aumenta el CI, sino
que lo aumenta en mayor medida que el programa usual. Luego, nuestra segunda crtica se dirige hacia
las hiptesis estadsticas planteadas por los autores. Consideramos que es ms acertado plantear que la
diferencia entre los CI del pos-test y pre-test es, en promedio, mayor para el grupo experimental que
para el grupo control. Esto es, en smbolos:

H
0
:
DE
=
DC

o equivalente
H
1
:
DE
>
DC

H
O
:
DE
-
DC
= 0
H
1
:
DE
-
DC
> 0
Donde
DE
y
DC
denotan las medias de las diferencias entre los CI obtenidos en el post-test y pre-test
por los grupos experimental y control respectivamente.
De este modo con una sola prueba de hiptesis podemos arribar a una conclusin respecto de la eficacia
del P.E.T.

508)

Hay que suponer que los puntajes se distribuyen normalmente en cada poblacin hipottica pues las
muestras son de tamao pequeo, y que tienen la misma varianza (aunque se desconozca). Tambin hay
que suponer la independencia entre las muestras.

Pgina 306 de 325
306
Es una prueba unilateral.
El valor observado del estadstico de prueba es e = -0,71.
Los valores crticos son t
11;

0,05
= -1,796, t
11; 0,95
= 1,795.
La decisin es no rechazar la hiptesis nula.
Conclusin: No hay evidencia de que el tipo de instruccin influya en el rendimiento de los alumnos en las
pruebas con un nivel del 10 %.

509)

a) Los supuestos son: normalidad de los puntajes, igualdad de varianzas e independencia de las
muestras.
La aleatorizacin es un recurso para lograr la independencia de las muestras.
b) Es una prueba unilateral.
El valor observado del estadstico de prueba es e = 2,22.
El valor crtico es t
18; 0,90
= 1,33.
La decisin es rechazar la hiptesis nula.
Conclusin: Las ilustraciones favorecen el aprendizaje de las palabras al nivel del 10 %.

510)

a) Es una prueba bilateral.
El valor observado del estadstico de prueba es = 2,17.
Los valores crticos son t
30 ; 0,025
= -2,042 y t
30; 0,975
= 2,042.
La diferencia es significativa y, por el signo de e, concluimos que el puntaje en estrs es mayor en los
ejecutivos que en los empleados.
b) No puede inferirse que los ejecutivos estn ms estresados que los empleados pues basta con que el
puntaje sea mayor: debe superarlo en por lo menos dos puntos para que la diferencia tenga una
significacin psicolgica, es decir, debe superar el umbral.
c) Deberan plantearse las hiptesis:

H
o
:
ej
-
em
= 2
H
1
:
ej
-
em
> 2 o equivalente

H
o
:
ej
-
em
2 = 0
H
1
:
ej
-
em
2 > 0

El estadstico es
X
1
X
2
- 2
E =
S
c
2
(1/16 + 1/16)

donde S
c
2
es la varianza combinada. En este caso su clculo es sencillamente el promedio simple de
ambas varianzas por provenir de muestras del mismo tamao.
El valor observado del estadstico de prueba es e = 1,3.

Comentario:
En estas situaciones, antes de tomar una decisin basndose en no rechazar la hiptesis nula, suele
hacerse suele hacerse un estudio de la potencia. En este problema sera conveniente estudiar con qu
probabilidad la empresa puede equivocarse en no hacer publicidad en algn caso que considere grave
equivocarse, supongamos, cuando la verdadera proporcin de sujetos que consumen el producto es, por
ejemplo, 40 %. Si la potencia en este caso es alta, (o sea, si hay baja probabilidad de equivocarse), la
empresa puede decidir con ms tranquilidad no hacer publicidad, ya que est suficientemente protegida
contra la posibilidad de equivocarse en este sentido (error del tipo II).
En realidad, en la prctica, el procedimiento es al revs: se hace el estudio de la potencia previamente a
tomar los datos, ya que su clculo no depende de los mismos, con el fin de investigar qu tamao
muestral elegir para lograr una potencia alta en los casos de inters.

513)

Es una prueba bilateral.
El valor observado del estadstico de prueba es e = 2,68.
Los valores crticos son: z
0,005
= -2,575 y z
0,995
= 2,575.
La decisin es rechazar la hiptesis de que la media del grupo coincide con la media por azar.
Conclusin: Puede descartarse, a nivel del 1 %, la posibilidad de que los alumnos hayan contestado por
azar.


Pgina 307 de 325
307
514)

Es una prueba bilateral.
El valor observado del estadstico de prueba es e = -1,44.
Los valores crticos son t
9; 0,05
= -1,833 y t
9; 0,95
= 1,833
La decisin es no rechazar la hiptesis nula.
Conclusin: La diferencia observada puede atribuirse a razones fortuitas y no necesariamente a que los
profesionales, en promedio, emitan una frecuencia de la correcta para la nota la.

515)

Es una prueba unilateral para una diferencia de medias de datos apareados.
El valor observado del estadstico de prueba es e = -2,24.
El valor crtico es t
9; 0,05
= -1,833.
La decisin es rechazar la hiptesis nula.
Conclusin: La media de los puntajes en la asignacin de culpa es estadsticamente inferior despus de la
proyeccin del video con debate que antes, al 5 %; lo que podra indicar que los sujetos se vieron en
alguna medida influidos por dicha proyeccin y atenuaron su juicio.
Comentario: Ntese que el nivel de medicin es esencialmente ordinal, aunque se hace un tratamiento
estadstico propio del nivel intervalar. Es uno de los tantos casos donde se comete un cierto abuso en el
anlisis estadstico, el cual podra justificarse si se supone que hay una cierta idea de equidistancia -
aunque no del todo precisada- entre los cinco valores de la escala. Existen mtodos estadsticos ms
adecuados a estas situaciones: por ejemplo, pruebas de hiptesis sobre la mediana, que exceden el nivel
de este curso.

516)

a) H
o
:
1
-
2
< 3 H
1
:
1
-
2
> 3
b) El valor observado del estadstico de prueba es e = 0,175.
El valor crtico es t
18; 0,90
= 1,33.
La decisin es no rechazar la hiptesis nula.
Conclusin: No hay evidencias, al 10 %, de que la habilidad media de los varones supere a la de las
mujeres en ms de tres puntos.

517)

a) Es una prueba unilateral. H
1
: H < 0,2.
El valor observado del estadstico de prueba es e = -1,732.
El valor crtico es z
0,05
= -1,645.
La decisin es rechazar la hiptesis nula.
Conclusin: Menos de la quinta parte de las mujeres consideran que ellas tienen oportunidades laborales
de mejor paga.

b) Es una prueba unilateral. H
1
: H > 0,4.
El valor observado del estadstico de prueba es e = 3,536.
El valor crtico es z
0,95
= 1,645.
La decisin es rechazar la hiptesis nula.
Conclusin: Ms del 40 % de las mujeres cree que los varones tienen mayor reconocimiento de los jefes.

c) Es una prueba unilateral. H
1
: H > 0,3.
n = 1080. e = 2,388. z
,0,95
= 1,645. Se rechaza H
o
. Ms del 30 % de las mujeres que tienen opinin
formada
sostiene que las personas de ambos gneros tienen las mismas oportunidades de ascensos en
empresas privadas.

d) Es una prueba bilateral.
n = 1068. e = -0,367. z
0,025
= -1,96. z
0,975
= 1,96. No se rechaza H0. No hay evidencias que
contradigan que la
mitad de las mujeres con opinin formada cree que los varones tienen mejores oportunidades de
conseguir empleo.



Pgina 308 de 325
308
ANEXOS DE METODOLOGA

ANEXO 1. PREGUNTAS MULTIPLE CHOICE

1) Qu es una variable experimental?

a) La que manipula el investigador.
b) La que supuestamente influye sobre la variable dependiente.
c) La variable independiente.
d) Todas las anteriores son correctas.
e) Ninguna de las anteriores es correcta.

2) A qu se llama validez de un instrumente de medida?

a) Es vlido si tiene alta precisin.
b) Es vlido si arroja los mismos resultados para el mismo sujeto en diferentes oportunidades.
c) Es vlido si mide efectivamente lo que pretende medir.
d) Todas las anteriores son correctas.
e) Ninguna de las anteriores es correcta.

3) Probar una hiptesis causal de objetivo de:

a) La investigacin exploratoria.
b) La investigacin descriptiva.
c) La investigacin correlacional.
d) La investigacin explicativa.
e) Ninguna de las anteriores es correcta.

4) Cul de las siguientes afirmaciones describe mejor la relacin que hay entre un vnculo de correlacin
y un vnculo causal?

a) La correlacin es condicin necesaria pero no suficiente para probar un vnculo causal.
b) La correlacin es condicin necesaria y suficiente para probar la conexin causal.
c) Si no hay conexin causal no puede haber correlacin.
d) Las respuestas a y c son correctas.
e) Si hay conexin causal puede o no haber correlacin.

5) Cul de estos sistemas de categoras no cumple con el requisito de la exhaustividad?

a) Masculino-femenino (sexo).
b) Alta-media-baja (clase social)
c) 80 a 100, 101 a 120, 121 a 140 (cociente intelectual).
d) Todos los anteriores.
e) Buena-mala (memoria).

6) Cul de estas afirmaciones es la ms correcta?:

a) Varias categoras forman un indicador.
b) Varias dimensiones forman una categora.
c) Varias dimensiones forman un indicador.
d) Varios indicadores forman una categora.
e) Varios indicadores forman un ndice.

7) Para qu sirve una prueba de espureidad?

a) Para probar que no hay correlacin entre X e Y.
b) Para probar que no hay conexin causal aun cuando no haya correlacin.
c) Para probar que la correlacin entre X e Y no se debe a una relacin causal.
d) Para probar que entre X e Y hay realmente conexin causal aunque no lo parezca.
e) Las respuestas a y b son correctas.

8) Qu variables pueden influir sobre la variable independiente?

a) La influencia de la pre-medida.
b) La interaccin.
c) Cambios madurativos en los sujetos.
d) Todas las anteriores.
e) Ninguna de las anteriores.

9) Cul es la afirmacin correcta?

a) Una investigacin experimental nunca puede ser una investigacin de campo.
b) Una investigacin exploratoria nunca puede ser experimental.

Pgina 309 de 325
309
c) Una investigacin descriptiva es siempre previa a una investigacin exploratoria.
d) Ninguna de las anteriores.
e) Una investigacin descriptiva es siempre correlacional.

10) Operacionalizar una variable significa:

a) Especificar su indicador si es una variable simple.
b) Especificar sus indicadores y dimensiones si es una variable compleja.
c) Especificar sus categoras o valores.
d) Las respuestas a y b son correctas.
e) Especificar el nivel de medicin que le corresponde.

11) El muestreo probabilstico:

a) No permite calcular el error muestral.
b) Implica que cualquier sujeto tiene la misma probabilidad de integrar la muestra.
c) Permite obtener muestras ms representativas.
d) Las respuestas a, b y c son correctas.
e) Las respuestas b y c son correctas.

12) La interaccin es:

a) Una variable extraa o factor de invalidacin interno de un experimento.
b) Una relacin entre variables independientes.
c) Una relacin entre variables dependientes.
d) Una relacin entre una variable independiente y otra dependiente.
e) Las respuestas a y b son correctas.

13) La variable tolerancia a la frustracin es:

a) Organsmica y activa.
b) Activa y situacional.
c) Organsmica y asignada.
d) Asignada y situacional.
e) Ninguna de las anteriores es correcta.

14) Un indicador es:

a) Una variable emprica.
b) Un ndice complejo.
c) Aquello que se identifica en una definicin real.
d) Una pregunta en un cuestionario.
e) Las respuestas a y d son correctas.

15) El objetivo de un estudio exploratorio puede ser:

a) Familiarizarse con el tema a estudiar.
b) Ampliar el conocimiento del tema.
c) Aclarar conceptos y establecer preferencias para posteriores investigaciones.
d) Todas las anteriores son correctas.
e) Solamente a y b son correctas.

16) Buscar una asociacin estadstica entre las variables es un objetivo de:

a) El anlisis de los datos.
b) Un estudio correlacional.
c) Un estudio explicativo.
d) Es un estudio exploratorio.
e) Las respuestas a y b son correctas.

17) Qu criterios se usan para probar una conexin causal?

a) Variacin concomitante, orden temporal y eliminacin de otros posibles factores causales.
b) Correlacin, orden temporal e interaccin.
c) Correlacin y orden temporal.
d) Control de variables extraas y aleatorizacin.
e) Control de variables extraas, aleatorizacin y uso de grupos de control.

18) El diseo de antes y despus con dos grupos de control (Selltiz) se usa cuando:

a) Se quiere controlar cualquier variable extraa.
b) Se quiere conocer la influencia de la pre-medida.
c) Se quiere conocer la influencia de la interaccin.
d) Todas las anteriores son correctas.

Pgina 310 de 325
310
e) Ninguna de las anteriores es correcta.

19) La observacin participante es:

a) Una tcnica de estudios exploratorios.
b) Una tcnica de recoleccin de datos.
c) Una tcnica donde el investigador participa activamente del fenmeno a estudiar.
d) Todas las anteriores son correctas.
e) Las respuestas b y c son correctas.

20) Si la hiptesis de un diseo experimental tiene 3 variables

a) Una es la independiente, otra la dependiente y otra es la premedida.
b) Son dos independientes y la otra es dependiente.
c) Dos son dependientes y la otra independiente.
d) Dos son independientes y la otra es interviniente.
e) Ninguna de las anteriores es correcta.

21) En qu tipo de esquema experimental (Selltiz) interesa conocer la diferencia entre la pre-medida del
grupo de control y la post-medida del grupo experimental?

a) En el esquema de solo despus.
b) En esquema de antes y despus con un grupo de control.
c) En esquema de antes y despus con grupos intercambiables.
d) Las respuestas b y c son correctas.
e) Ninguna de las anteriores es correcta.

22) Qu afirmacin es ms correcta?

a) La VI se controla, la VD se manipula y la VE se mide.
b) La VI se manipula, la VD se mide, y la VE se controla.
c) La VI se mide, la VD se controla, y la VE se manipula.
d) Todas las variables se controlan.
e) Ninguna de las anteriores es correcta.

23) Un test es vlido cuando:

a) Pretende medir inteligencia y efectivamente mide inteligencia.
b) En el mismo sujeto arroja aproximadamente los mismos resultados.
c) Las respuestas a y b son correctas.
d) Cuando fue probado un nmero suficiente de veces como para poder ser usado en la clnica.
e) Ninguna de las anteriores es correcta.

24) Un experimento tiene validez interna cuando:

a) Se pueden extender sus resultados a toda la poblacin.
b) Puede controlar mejor las variables extraas.
c) Ha logrado probar sin ninguna duda la influencia de la VI.
d) Las respuestas a y b son correctas.
e) Las respuestas a, b y c son correctas.

25) Para qu se necesita conocer la pre-medida?

a) Cuando se sospecha que las pre-medidas de los grupos experimental y de control son iguales.
b) Cuando se sospecha que las pre-medidas de los grupos experimental y de control son diferentes.
c) Cuando se sospecha que existe interaccin.
d) Las respuestas a y c son correctas.
e) Las respuestas b y c son correctas.

26) Qu es una condicin contribuyente?

a) Es una condicin necesaria pero no suficiente.
b) Es una condicin que aumenta la probabilidad que se produzca un determinado fenmeno, pero no lo hace seguro.
c) Es la serie de condiciones bajo las cuales una determinada variable es causa contribuyente.
d) Las respuestas b y c son correctas.
e) Es una condicin necesaria y suficiente.

27) Si se quiere probar que la relacin X-Y es causal

a) Se hace una prueba de espureidad.
b) Se aplica un diseo experimental.
c) Se busca anular la influencia de otras variables.
d) Las respuestas a y c son correctas.
e) Las respuestas b y c son correctas.

Pgina 311 de 325
311

28) La premedida es:

a) Una medida de la variable independiente.
b) Una medida de la variable dependiente.
c) Una medida que se realiza antes de la aplicacin de la variable dependiente.
d) Cualquiera de las anteriores es correcta.
e) Ninguna de las anteriores es correcta.

29) Una variable simple:

a) No tiene dimensiones ni indicadores.
b) Tiene pocas dimensiones y muchos indicadores.
c) Es una variable emprica.
d) Tiene pocos indicadores y pocas dimensiones.
e) Tiene una sola dimensin.

30) Una frecuencia es:

a) Un nmero que indica cantidad de unidades de anlisis.
b) Un nmero indicativo del tamao de la muestra.
c) Una medida estadstica de dispersin.
d) Un nmero que resulta del entrecruzamiento de dos categoras.
e) Todas las anteriores son correctas.

Respuestas a los Multiple Choice

1 D 6 E 11 E 16 B 21 C 26 B
2 C 7 C 12 E 17 A 22 B 27 E
3 D 8 E 13 C 18 C 23 A 28 B
4 A 9 E 14 E 19 D 24 B 29 C
5 C 10 D 15 D 20 B 25 E 30 A


ANEXO 2. EJERCITACIONES VARIAS

1) Analizar los datos de los siguientes cuadros:

Cuadro 1. Carrera elegida segn sexo en la Provincia de Buenos Aires (1995)

Humanidades Tcnicas Total
Varones 350 2300 2650
Mujeres 1200 240 1440
Total 1550 2540 4090

Cuadro 2. Afiliacin poltica segn nivel de institucin en adultos de Capital Federal (1997)

Nivel de instruccin % afiliados
Primaria 60 %
Secundaria 25 %
Terciaria 15 %
Total 100 %

Cuadro 3. Desercin escolar segn clase social en alumnos del partido de La Matanza en el perodo 1980-1995

Desercin durante 1 a 4 Desercin durante 5 a 7
Clase A
Clase B
Clase C 1
Clase C 2
Clase C 3
Clase D
Clase E
2 %
5 %
6 %
8 %
10 %
19 %
50 %
3 %
4 %
7 %
7 %
13 %
17 %
49 %
Total 100 % 100 %

Cuadro 4. Cantidad de palabras memorizadas en 5 minutos de exposicin, segn edad

0-3 4-7 8-11 Total
10 aos
15 aos
20 aos
50 %
20 %
10 %
33 %
30 %
25 %
17 %
50 %
65 %
100 %
100 %
100 %

Cuadro 5. Porcentaje de oyentes segn edad y tipo de programa

Pgina 312 de 325
312

Tipo de programa radial Edad
Jvenes Viejos
Programas religiosos 17% 26%
Programas de discusin 34% 45%
Programas de msica clsica 30% 29%
Total de casos 1000 1300

Cuadro 6. Porcentaje de oyentes segn edad, nivel de educacin y tipo de programa radial

Tipo de programa radial Educacin
Alta Baja
Edad Edad
Jvenes Ancianos Jvenes Ancianos
Programas religiosos 9% 11% 29% 32%
Programas de discusin 40% 55% 25% 40%
Programas de msica clsica 32% 52% 28% 19%

2) Lea atentamente cada tem y, para cada uno, responda las consignas de abajo.

a) Una investigacin demostr que las personas tendan a atribuir sus xitos a factores internos y sus fracasos a
factores externos.
b) Una investigacin realizada en EEUU, revel que la creatividad disminua cuando las personas cumplan menos
horas de sueo.
c) Una investigacin estudi cmo incide la situacin familiar en nios de escolaridad primaria sobre el fracaso escolar.
d) Un estudio de Asch mostr que a partir de un solo rasgo central (por ejemplo, si es afectuoso o fro) coloreamos
toda nuestra impresin sobre una persona, quedando los otros rasgos en segundo plano.
e) En una empresa se observ que desde hace tres meses el rendimiento promedio de los obreros baj sensiblemente.
Se atribuy esto al hecho de que hace justamente tres meses se decidi suspender por economa la msica funcional
de la planta, y destinar el dinero a pintar los interiores de la fbrica con otro color (antes era verde y ahora celeste).
f) A 200 personas se las interrog con un cuestionario acerca de su opinin sobre el aborto, y se comprob que estas
opiniones eran sustancialmente diferentes en 35 e ellas, que eran justamente las nicas que haban tenido al menos
una experiencia personal (ella o su pareja haban abortado al menos una vez).

a) Identificar variables independientes X variables dependientes Y.
b) Clasificar y categorizar ambas variables.
c) Proponer un indicador para alguna de las variables.
d) Construir un cuadro con frecuencias que confirmen la hiptesis del enunciado.
e) Qu tipo de diseo de investigacin se utiliz o podra utilizarse?

3) Una investigacin para indagar la relacin entre el rendimiento escolar y el tipo de vnculo conyugal de
los padres arroj los siguientes resultados:

Padres casados Padres separados Total
Buen rendimiento 88 45 133
Mediano rendimiento 51 37 88
Bajo rendimiento 25 78 103
Total 164 160 324

a) Cul es X y cul es Y?
b) Cul es el tamao de la muestra?
c) Cul es la unidad del anlisis?
d) Extraer las frecuencias porcentuales verticales y las horizontales.
e) Qu significado emprico tienen las cifras 51 y 103?
f) Qu conclusiones sacara de la lectura del cuadro?

4) Una investigacin arroj los siguientes resultados:

50 estudiantes secundarios tienen un CI entre 149-130.
13 estudiantes universitarios tienen un CI entre 109-90.
El tamao de la muestra es 350.
El total de estudiantes secundarios con CI 149-130 es de 170.
85 estudiantes secundarios tienen un CI entre 109-90.
El total de alumnos universitarios en de 190.

a) Cul es la unidad de anlisis?
b) Cul es X y cul es Y, y cules son sus categoras?
c) En qu nivel de medicin se miden esas variables?
d) A partir de los datos expuestos, construya un cuadro indicando todas las frecuencias.
e) Qu conclusiones puede sacar de la lectura de la tabla?

5) El cuadro I parece mostrar que el nivel educacional influye sobre la intencin de votar.

Pgina 313 de 325
313

Cuadro I

Intencin de votar
Secundaria 92 %
Primaria 82 %

Cuadro II

Intencin de votar
Secundario Primario
Mucho inters 99 % 98 %
Mediano inters 93 % 90 %
Poco inters 56 % 59 %

El cuadro II confirma la anterior suposicin? O muestra que en realidad lo que influye directamente sobre la
intencin de votar es el inters poltico? Por qu?

6) Determinar qu variable no presenta correlacin con la variable de sexo.

% de mujeres
Carreras humansticas Carreras tcnicas
1930 53 % 52 %
1950 66 % 65 %
1970 78 % 79 %

7) En los siguientes casos indicar cul es la variable independiente y cul la dependiente:

Aprendizaje Necesidad de aprobacin.
Lugar geogrfico Clima.
Fuerza de una hiptesis Frecuencia de confirmacin pasada.
Personalidad Conducta.
Temor Acatamiento a una norma.
Inteligencia Alimentacin en la infancia.

8) En un estudio se buscaron correlacionarlas variables desercin escolar, drogadiccin, clase social y
zona geogrfica, y se resumieron los resultados en varias cuadros bivariados.

a) Cul podra ser la variable dependiente, y cules las independientes?
b) Es un estudio exploratorio, descriptivo o explicativo?

9) Una investigacin en EEUU arroj los siguientes resultados:

El 62 % de los protestantes son republicanos
El 65 % de los catlicos son demcratas
El 80 % de los republicanos son empleados
El 80 % de los demcratas son obreros

a) Partiendo de la base que esta investigacin fue hecha para saber qu factores influyen sobre la preferencia poltica,
especifique cul es la variable dependiente.
b) Cules son las variables independientes?

10) Se desea averiguar qu tipo de programas de radio (msica clsica, religioso, de discusin) escuchan
los adultos segn el sexo.

a) Confeccionar el cuestionario tipo para recolectar datos.
b) Administre los cuestionarios a 20 personas.
b) Vuelque la informacin obtenida en una matriz de datos.
c) Resuma los datos de esta matriz en un cuadro bivariado.
e) Analice el cuadro obtenido.

11) Construya un cuadro bivariado que muestre que existe una correlacin en la siguiente hiptesis:
Cuanto ms satisfecho est el obrero con su trabajo, mayor participacin tiene en actividades
comunitarias. Obtenga previamente dos categoras para cada variable.


ANEXO 3. EJERCITACIN CON INVESTIGACIONES

Los siguientes resmenes de investigaciones pueden servir de ejercitacin para aprender a identificar variables
independientes, dependientes y extraas, tipos de diseos de investigacin, tipos de muestreo, tipos de instrumentos
de medicin, formas de cumplir las diferentes etapas de la investigacin y otros conceptos explicados en este libro. Las
investigaciones 1 a 18 son de Psicologa, y las investigaciones 19 a 26 son de Odontologa.


Pgina 314 de 325
314
1) El 66 por ciento de los superdotados tiene bajo rendimiento escolar

Aunque resulte paradjico, el fracaso escolar puede ser consecuencia de una elevada inteligencia. As se desprende de
las estadsticas. En Espaa, alrededor del 2 por ciento de la poblacin escolar es superdotada. Es decir, en cada clase,
al menos un nio tiene un coeficiente intelectual por encima de los 130 puntos. Sin embargo, el 66 por ciento de estos
tiene un bajo rendimiento escolar que la mayora de las veces desemboca en fracaso.
En Espaa, se calcula que alrededor del 2 por ciento de la poblacin escolar es superdotada, lo que significa que uno
de cada 25 nios puede serlo. Es decir, en cada clase puede haber al menos uno de estos alumnos. Sin embargo, a
pesar de su inteligencia, el 66 por ciento de los superdotados tiene un bajo rendimiento escolar, que, en muchos
casos, llega incluso al fracaso, segn datos de los ltimos estudios internacionales.
Este porcentaje tan elevado se debe a que en las clases ordinarias, se aburren al no disponer de los recursos tcnicos
y materiales necesarios para desarrollar sus capacidades, explica el presidente de la Asociacin Espaola de
Superdotados y con Talento (AEST), Esteban Snchez. El fracaso escolar radica tambin en el hecho de que no
cuentan con profesores preparados, as como la inexistencia de tareas apropiadas donde poder demostrar sus
habilidades. La desmotivacin ante los trabajos, el aburrimiento y las escasas posibilidades para desarrollar su
creatividad hacen que en muchas ocasiones el profesor califique al nio de poco brillante.
Es lgico pensar que todos los nios superdotados, desde que entran en la escuela presenten un bajo rendimiento
escolar, ya que la enseanza no se ajusta a su nivel de aprendizaje, explica la directora del centro Huerta del Rey,
Yolanda Benito, en un extenso informe publicado por este centro. Un claro ejemplo es la contestacin que un nio de 5
aos daba a sus compaeros: Vosotros empezar a hacer los deberes que yo os pillo.
I. Gallego. Recorte del diario ABC, de Madrid. http://www.eltercertiempo.net/recortes/recort10.htm

2) El trato en el trabajo se refleja en la casa

Cuando los padres llegan a casa, generalmente tienen dos alternativas: estar relajados, con ganas de compartir y
jugar con sus hijos o sentirse cansados, agobiados y lo nico que ambicionan es estar solos.
Segn un reciente estudio, el comportamiento que tenga cada padre en el hogar est estrechamente relacionado con
la forma en que lo tratan en su trabajo.
Los padres cuyos trabajos estn claramente definidos, que tienen autonoma y jefes comprensivos tienden a tener una
mayor autoestima y tratan a sus hijos con ms aceptacin y cario, de acuerdo con el estudio de la Universidad de
Illinois, EEUU. Asimismo tienden a usar un sistema de disciplina menos estricto.
La investigacin que se bas en 59 personas donde ambos padres trabajan muestra una fuerte relacin entre
condiciones de trabajo, autoestima y paternidad.
Estos resultados son similares a los de un estudio realizado entre profesionales que tambin evidencia que los padres
que estn bien en su trabajo y se sienten "buenos proveedores" tienen una relacin ms cariosa con sus hijos. A la
inversa, "los hombres que tienen das estresantes y agotadores, tienden a llegar a casa y aislarse" de los otros
miembros de la familia, dice la Dra. Maureen Perry-Jenkins, coautora del estudio.
Investigaciones del Instituto de la Familia y el Trabajo, de Nueva York, afirma que las familias con frecuencia sufren el
impacto del estrs del trabajo. Richard Capuzzo, administrador de una panadera, a menudo sale en bicicleta con sus
hijas y despus del trabajo pasa a buscar a su pequea de tres aos del jardn de infantes. Pero cuando antes
trabajaba en una imprenta, llegaba a casa tan cansado que se aislaba.
La Dra. Perry-Jenkins dice que la investigacin sugiere que los esfuerzos de los empleadores para crear un ambiente
de trabajo sano y justo tambin ayuda a mejorar la vida familiar de sus empleados.
Sin indicacin de fuente.

3) Leer el diario mejora a la gente

La lectura del diario ejerce una influencia moderadora y acta como una fuerza estabilizadora sobre la cultura poltica
de un pas.
La televisin no slo inhibe la voluntad de las personas para participar activamente como miembros de la sociedad
sino la confianza en el prjimo y en el gobierno. A estas conclusiones llegaron -por lo menos para los Estados Unidos-
los socilogos y demgrafos despus de recientes estudios sobre comportamiento social y consumo de los diversos
medios de comunicacin.
El profesor de Harvard Robert D. Putnam rompi filas respecto de sus colegas durante la conferencia anual de la
Asociacin Norteamericana de Ciencias Polticas, celebrada en Chicago. Sus colegas discutan principalmente si la
victoria republicana en las elecciones legislativas de 1994 represent el comienzo de una nueva etapa o si fue un
resultado accidental. Putnam sostiene que desde la irrupcin de la TV en los aos cincuenta, la confianza y el
compromiso social -el "capital social" de los Estados Unidos- comenzaron a debilitarse gradualmente.
Confianza y compromiso.- El profesor Putnam observ que inclusive entre las personas de distinto nivel de educacin
haba una interrelacin entre la cantidad de tiempo que la gente pasaba frente al aparato de TV y el grado de
predisposicin que posean para incorporarse a un grupo social y el grado de confianza -incluyendo la confianza
poltica- que tenan en su gobierno.
Esto significa que los niveles de compromiso y confianza disminuyeron en relacin con la cantidad de tiempo frente al
televisor. Putnam descubri tambin cierta diferencia entre las generaciones nacidas antes de la Segunda Guerra
Mundial, ms comprometidas y satisfechas, y las que nacieron despus y quedaron expuestas a la TV. El profesor de
Harvard est convencido de que cuanto ms uno lee diarios, tanta ms confianza tiene, mientras que cuanto ms mira
televisin, tanta menos confianza adquiere.
Una reciente encuesta realizada por la Universidad de Oho junto con el Servicio de Noticias Scripps Howard revel
resultados similares. El sondeo mostr una clara relacin entre el consumo de noticias y la participacin electoral. El
76% de las personas que habitualmente seguan las alternativas de la poltica internacional por televisin y en los
diarios vot en las ltimas elecciones legislativas norteamericanas. El porcentaje de los votantes indiferentes a las
noticias fue slo la mitad. Sin embargo, los demgrafos descubrieron que un nmero desproporcionadamente elevado
de personas de este grupo estaba disconforme con el Gobierno, las leyes y la Constitucin.

Pgina 315 de 325
315
Aos de lectura.- La encuesta revel que cuanto ms aos tiene la gente, tanto mayor es la probabilidad de que lean
diarios y voten en las elecciones. Sin embargo, no se puede culpar a la TV por la baja afluencia de votantes en las
elecciones norteamericanas -generalmente entre 50 y 60%- porque antes de que existiera la televisin las cifras eran
inclusive ms bajas.
La encuesta de la Universidad de Oho apuntala la opinin de Putnam de que la TV lleva a tener menos confianza en
los polticos y funcionarios del gobierno. Indic que los lectores de diarios tienden a tener un criterio ms equilibrado y
positivo de las cosas que quienes slo miran televisin. Curtis Gans, director de la Comisin para el estudio del
electorado norteamericano, cree tener una explicacin: "La informacin que reciben los lectores del diarios no es tan
generalizada y simplificada. La influencia de los medios visuales no es liberal ni conservadora, sino visual. La TV nos
presenta imgenes de las luchas de poder en lugar de mostrar los aspectos sustanciales de la obra de gobierno". El
actual nimo poltico no parece reflejar realmente un creciente sentimiento contra las altas esferas polticas de
Washington, una prdida de confianza tanto en los demcratas, que predominan en la Casa Blanca, como en los
republicanos, cuyo predominio se halla en el Congreso. Hace poco, una encuesta realizada por el diario The New York
Times y la CBS News indic que el 55% del electorado vera con beneplcito la aparicin de un nuevo partido
independiente. De acuerdo con la mayora de los consultados, su misin debera "representar al pueblo".
Los demgrafos hablan acerca de uno de los niveles ms bajos del nimo pltico del electorado norteamericano en los
ltimos tiempos. El 59% de los consultados no consigui nombrar a un solo poltico norteamericano de su admiracin y
solamente el 6% nombr al presidente. El 79% incluso fue de la opinin de que el gobierno estaba controlado por un
reducido grupo de gente influyente con intereses especficos y que los utilizaban para su propio beneficio. La alienacin
entre los gobernantes y los gobernados en los Estados Unidos no es un descubrimiento. Lo novedoso, sin embargo, es
que el profesor Putnam cree haber identificado lo que por lo menos es en parte responsable de esa alienacin: la TV
norteamericana. Los primeros captulos de la serie "La telecracia" estn en el aire.
Diario La Nacin, Buenos Aires.

4) Lo peor de los viajes puede ser la vuelta

Olvdese de la ansiedad de separacin. Llegar a casa a veces es lo ms difcil. Los matrimonios pueden fracasar cuando
uno de los esposos viaja extensamente. Pero la tensin puede aumentar no cuando estn separados, sino cuando
estn juntos.
Una investigacin sobre viajes de trabajo y separacin familiar del doctor en Psicologa de la Universidad de Carolina
del Sur, Frederic Medway, descubri que algunos trabajadores no llegan de sus viajes con la mejor de las sonrisas.
"Las parejas de algunos ejecutivos se han quejado que cuando sus esposos vuelven a casa despus de un largo viaje,
lo primero que dicen es 'Dnde est el correo?' y a la esposa le dan ganas de decir 'Y yo que soy, una foto en la
pared?'", relata el Dr. Medway. Tpicamente, las peleas ocurren porque el que viaja y el que se queda en casa tienen
diferentes percepciones sobre lo que realmente pasa en un viaje de negocios. Lo que para el viajero son una serie de
aburridos aeropuertos y hoteles solitarios, para el que se queda son comidas elegantes y aventuras de cinco estrellas.
Lo que es ms, ambos creen que merecen algn tipo de compensacin. El que se qued lidiando con el mantenimiento
de la casa y el cuidado de los hijos quiere salir a comer afuera y recibir regalos. Por su parte, el cansado viajero desea
una comida hecha en casa y tiempo para relajarse. Segn el Dr. Medway los hoteles pueden regalar juguetes que no
sean muy caros para los nios que quedaron en casa, pero lo ms importante es que ambos esposos se comuniquen
mejor sobre lo que hacen mientras el otro est de viaje.
Sin indicacin de fuente.

5) Actitudes frente a la delincuencia

La participacin de la sociedad en actividades de prevencin de la delincuencia depende tanto del conocimiento, como
de las actitudes que la colectividad tiene sobre estas iniciativas preventivas. De dichos conocimientos y actitudes
depende la colaboracin de la ciudadana. Pero tambin los profesionales ligados directa o indirectamente a la
delincuencia tienen su importancia.
Opinin pblica y delincuencia.- Algunas investigaciones mostraron una actitud negativa de la opinin pblica hacia los
delincuentes, mientras otras revelaron que los consideraban personas normales, capaces de modificar su
comportamiento.
La opinin pblica ve la delincuencia como el producto de muchas causas, y distintas segn cada delito. Por ejemplo
las violaciones eran adjudicadas a inestabilidad mental y educacin deficiente, los robos a la influencia ambiental, etc.
Se vio tambin que las personas autoritarias y conservadoras tienden a promover el 'castigo' de los delincuentes, y
quienes apoyan mas bien una rehabilitacin son aquellos que ven en la delincuencia causas sociales y econmicas.
Son diversas las actitudes hacia la gravedad de los delitos, la severidad de los castigos y el tratamiento de los
delincuentes. As, la percepcin de los delitos depende del nivel educativo-cultural: cuanto mayor nivel cultural, menos
prejuicios y ms flexibilidad hay ante el delincuente. En general, sin embargo, la opinin pblica es ms severa que los
jueces cuando se trata de castigar al delincuente.
Los delitos violentos son los que ms llaman la atencin de los ciudadanos, estimulados a su vez por los medios de
comunicacin. La delincuencia de cuello blanco parece ser considerada menos grave por la opinin pblica.
Las investigaciones sobre actitudes hacia la delincuencia deben ser en general ms precisas y cuidadosas para poder
ser tenidas en cuenta a la hora de instrumentar polticas de justicia penal. Por ejemplo, deben especificar los tipos de
actitudes sobre tipos de delincuente y formas de delincuencia.
Actitudes de profesionales relacionados con la delincuencia.- Los profesionales de la salud presentan en general
actitudes desfavorables hacia pacientes etiquetados como delincuentes o psicpatas. Otras investigaciones revelaron
que en el momento de tratarlos, se vieron actitudes favorables en psiquiatras y asistentes sociales. Los mdicos en
particular tienden a adjudicar a la delincuencia causas orgnicas, como por ejemplo el consumo de estupefacientes.
Por su parte los funcionarios de las crceles son ms benevolentes al juzgar la delincuencia, y lo mismo respecto de
los policas, aunque hay variaciones segn cada establecimiento penitenciario. Asimismo y en oposicin a los
profesionales de la salud, los funcionarios carcelarios y policas tienen actitudes menos favorables hacia las causas
socioambientales y las medidas de prevencin y los tratamientos rehabilitadores.

Pgina 316 de 325
316
En cuanto a la actitud de los funcionarios judiciales, estas varan segn el nivel educacional y su ocupacin. Los
jurados de mayor nivel educativo tienen actitudes menos estereotipadas hacia la delincuencia, y tienden a considerar
cada caso particular. Los abogados defensores tienden por su parte a considerar menos culpables a los delincuentes, y
los jueces mostraron actitudes neutras; estos ltimos tambin adjudican las causas de la delincuencia al rea
socioambiental.
Conclusiones.- En general, la opinin pblica es favorable a la rehabilitacin de los presos. Los profesionales de los
medios de comunicacin ejercen mucha influencia sobre las medidas de prevencin y tratamiento de los delincuentes,
e influyen sobre la opinin pblica al respecto.
Ortet y Fabregat, La delincuencia: opinin pblica y actitudes de profesionales.

6) Relacin entre la fecha del cumpleaos y la fecha de muerte

Casi la mitad de la gente muere en los tres meses posteriores a su ltimo cumpleaos, segn un estudio dirigido por
un socilogo de la Universidad Brigham Young, Phillip Kunz. Tras examinar 747 muestras aleatorias de obituarios
publicados en Salt Lake City durante 1975, Kunz encontr que el 46 por ciento de las muertes ocurra dentro de los
tres primeros meses que seguan a su cumpleaos, y el 77 por ciento durante los primeros seis meses. Slo el 8 por
ciento falleca durante los tres meses anteriores a este aniversario. La gente parece mirar hacia el futuro, y ve en los
cumpleaos una meta que debe alcanzar. El periodo que sigue a la celebracin es anticlimtico, decepcionante, y
puede llevar a la depresin y a la prdida de las ganas de vivir.
Isaac Asimov, en Muy Interesante N 59, Bueno Aires, Setiembre 1990.

7) Hamacando al beb

Los bebs prematuros crecen mejor si son balanceados en una hamaca en lugar de estar en una cuna, revel un
estudio holands.
En una investigacin realizada en el Hospital de Nios de Wilhemins, en Utrecht, se mantuvo a 50 nios en
incubadoras-hamacas durante sus primeras semanas de vida. El psicoterapeuta Paul Helders dijo que se mostraron
ms vivaces y respiraban ms acompasadamente que los bebs mantenidos en las incubadoras corrientes. En su
primer ao tambin crecieron ms que otros bebs, agreg. Helders empez a pensar en las hamacas luego de
estudiar el comportamiento fetal en el vientre materno y advertir que los bebs se vean como si estuvieran
suspendidos de una hamaca.
Posteriormente, durante el embarazo, los bebs se balancean en el vientre con el movimiento de sus madres. El
hospital planea introducir hamacas en todas sus incubadoras.
Diario La Nacin, Buenos Aires, 28-3-89.

8) Efectos del avenimiento en los hijos

Un equipo de 20 mdicos, psiclogos y especialistas en computacin de la Universidad de Chile, dirigido por el Dr.
Eyrer Klorman -actualmente profesor de posgrado de la UB- realiz durante dos aos y medio una exploracin de los
efectos psquicos en hijos de matrimonios bien avenidos, mal avenidos y separados. Entre las conclusiones ms
salientes se sealan estas:
En relacin con los hijos de matrimonios mal avenidos, los de parejas bien avenidas se ven a s mismos como menos
tmidos, menos agresivos, menos temerosos, menos deprimidos, ms conformes con su propio sexo; se sienten ms
satisfechos con la pareja parental y queridos por ambos padres por igual.
Las madres los notan con menor necesidad de llamar la atencin y menos dependientes. A su vez los hijos de
separados muestran conductas semejantes a los de mal avenidos; pero a diferencia de ellos, la madre es para ellos la
fuente principal de afecto, y sienten lejano al padre. Tales nios parecen compensar esto ltimo con el apoyo en un
amigo de igual edad.
Fantasas.- En relacin con la separacin los nios, sobretodo los preescolares y escolares, tienen fantasas de culpa a
pesar de intuir o conocer las causas aducidas por sus padres. El verdadero motivo sera, segn ellos, el haberles hecho
la vida imposible.
Una fantasa que se encontr desde los preescolares hasta los adolescentes es la recomposicin de la pareja, aunque
los padres hubieran establecido otros vnculos.
Polos.- En los resultados de la investigacin, en un polo quedaron los hijos de los matrimonios bienavenidos, y en el
otro los de mal avenidos o separados. Los contrastes entre ambos campos son notorios, tanto en el rendimiento
intelectual como en el comportamiento en general.
Mtodo.- La muestra se conform as: en diferentes zonas de Santiago de Chile, en colegios de clase alta, media y
baja se aplicaron a 1080 padres tres instrumentos: hoja de registro (identificacin, ocupacin, etc.),escala de
clasificacin social (estrato socioeconmico y educacional), escala de ajuste didico para padres casados, que evala la
aveniencia segn el consenso de pareja, satisfaccin de la relacin, y cohesin (objetivos y actividades compartidas), y
escala de ajuste didico para padres separados.
Seleccin.- De las 1080 familias se eligieron 270: 90 de clase alta, 90 de media y 90 de baja. Se hizo por computadora
que la muestra comprendiera por partes iguales: 1) separacin, buen avenimiento, mal avenimiento; 2) preescolares,
escolares, adolescentes. La mitad, varones. Se cruzaron las variables y se consigui una gran riqueza de datos.
Desarrollo.- La investigacin se desarroll sobre las siguientes variables: status marital (separados, bien avenidos, mal
avenidos); nivel socioeconmico; nivel de estudios; sexo. Se evaluaron las influencias de estas variables en el rea
fsica, intelectual y psicolgica de los nios. A cada familia se le aplicaron estos instrumentos: Anamnesis (segn
pautas, la madre informa sobre el nio y la familia; entrevista al nio semiestructurada); entrevista (a casados, a
separados. Pautada); entrevista a la madre sobre la vida social del nio; al profesor; entrevista a la madre y al padre
sobre la relacin con el hijo (actividades compartidas); tests de inteligencia; observacin clnica del nio; entrevistas
clnicas a padres e hijos para completar datos.
Repitientes.- Como ltimo resultado de inters general: el rendimiento intelectual es similar en los tres grupos por
situacin matrimonial, y se ve afectado por la pobreza, aunque sigue la distribucin normal.

Pgina 317 de 325
317
En el nmero de repeticiones escolares, el grupo que ms incurre en ellas es el de hijos de matrimonios malavenidos,
seguidos muy de cerca por los de matrimonios separados. El que presenta menor nmero de repitientes es el de hijos
de bien avenidos. Igual tendencia se observa con respecto a dificultades en concentracin y atencin
Diario La Nacin, Buenos Aires.

9) Dormir poco reduce la creatividad

Un estudioso britnico, el Dr. James Horne, especializado en la investigacin sobre el sueo y afecciones vinculadas
con el mismo, asegura que el dormir poco afecta notablemente las capacidades creativas en el trabajo, Sobre todo
perjudicara la capacidad de enfrentar situaciones nuevas con rapidez mental y buen manejo de los problemas.
As lo informa una nota del "New York Times", transcripta por ANSA. Una sola noche de sueo perdido, por ejemplo,
afecta seriamente la flexibilidad, espontaneidad y originalidad que permiten alas personas cambiar de perspectiva y
romper esquemas fijos.
Horne, especialista en psico-fisiologa de la Universidad de Loughborough, en Inglaterra, dijo que su hallazgo parece
corroborar la opinin generalizada que asigna al sueo una funcin de recuperacin de la corteza cerebral frente al
desgaste durante el da, cuando el individuo est despierto y en accin. La mente, con la prdida de una noche de
sueo, se vuelve ms rgida y el sujeto se aferra a los esquemas ya conocidos no atinando a renovarse.
Horne estudi a 24 estudiantes saludables determinando tiempos de razonamiento, flexibilidad, originalidad de
pensamiento, capacidad de elaboracin de ideas. Un test mostraba la foto de una persona ejecutando una accin
ambigua. Los estudiantes deban escribir todas las preguntas que surgan en su mente y que pudieran ayudar a
explicar la situacin. Otro test incluy preguntas como: cuntas utilidades existen para una caja de cartn?, o cules
seran las consecuencias de algn suceso hasta ahora no imaginable, por ejemplo, si las nubes tuvieran lneas
colgando de ellas y llegando hasta la Tierra? Los estudiantes fueron divididos en dos grupos. En los tests iniciales la
respuesta, los resultados generales, fueron ms o menos iguales. Luego un grupo pas una noche en vela y el otro
durmi. El da siguiente el rendimiento del grupo desvelado fue mucho ms bajo y preguntas, respuestas e ideas se
mostraron menos originales.
El doctor Horne seal que el hallazgo tiene utilidad para la conducta de los estudiantes antes del examen. El pasar
una noche entera estudiando para saber ms en el examen del da siguiente podra ser til para responder a
preguntas de eleccin mltiple, pero no en absoluto si hay que disertar sobre un tema o analizar un problema nuevo.
Tambin para los trabajadores en cuya tarea es importante la comunicacin oral, las noches en vela pueden ser
perjudiciales pues su vocabulario se restringir y se aplicarn los esquemas ya conocidos, faltando originalidad.
Diario La Prensa, Buenos Aires, 1989.

10) Terapia familiar y enuresis

Resumen.- En este trabajo se describe un abordaje familiar para el tratamiento de la enuresis. La estrategia utilizada
focaliza la terapia en el nivel del problema real (ms all de la enuresis), abarcando los aspectos individuales y de los
contextos familiar y social que mantienen la disfuncionalidad. Un contexto teraputico que fortalece la competencia
familiar, consigue que la familia se sienta artfice de los cambios y que el nio se encuentre motivado para desarrollar
sus posibilidades y alcanzar un nivel de comportamientos acordes a su edad. Se inicia as un proceso de crecimiento
familiar que favorece la resolucin del sntoma. Sobre un total de 40 casos tratados en periodos de 3 a 12 meses, se
logr modificar en 37 de ellos los aspectos disfuncionales del sistema con el consiguiente levantamiento del sntoma
(Burrone y Capelluto, 1987:9).
Burrone T y Capelluto D, Terapia familiar y enuresis. Buenos Aires: Revista Sistemas familiares. Diciembre 1987,
pginas 9-15.

11) Obediencia a rdenes criminales

Stanley Milgram seala que la obediencia a la autoridad, una caracterstica tradicionalmente alabada como virtud,
toma un aspecto nuevo cuando sirve a una causa malvola y, lejos de quedar como virtud se transforma en un pecado
atroz.
Para poder estudiar ms de cerca el acto de obedecer, Milgram realiz un experimento en la Universidad deYale que
involucr ms de mil participantes y fue repetido en varias universidades.
En sntesis, el experimento consiste en lo siguiente: una persona concurre a un laboratorio de psicologa y le dicen que
ejecute una serie de actos que entran cada vez ms en conflicto con su conciencia. Hasta cundo el participante
cumplir con las instrucciones del experimentador antes de negarse a ejecutar las acciones que se le exigen?
Los detalles del experimento son los siguientes: dos personas concurren al laboratorio de psicologa para participar en
un estudio de memorizacin y aprendizaje. Uno de ellos es designado como "maestro" y el otro como "alumno". El
experimentador explica que el estudio trata de los efectos del "refuerzo negativo" sobre el aprendizaje. Al "alumno" lo
llevan a un cuarto, lo sientan en un silln, le sujetan los brazos para evitar el movimiento excesivo y le fijan un
electrodo en la mueca. Le dicen que debe aprender una lista de pares de palabras y cada vez que comete un error
recibe un refuerzo "negativo". La cualidad civilizada del lenguaje enmascara el hecho sencillo de que el hombre va a
recibir una descarga elctrica.
El verdadero centro del experimento es el "maestro". Despus de observar cmo atan al "alumno" al silln, el
"maestro" es llevado al cuarto principal del experimento y lo sientan delante de un impresionante generador de
corriente. Lo ms notable de este aparato es una lnea horizontal compuesta por 30 llaves que indican la potencia de
la descarga que vara entre 15 y 450 volts, con incrementos de a 15 volts. Hay tambin ttulos que varan entre
"descarga leve" y "peligro-choque severo". Al "maestro" se le dice que debe administrar el test de aprendizaje al
"alumno" leyendo la primera palabra de cada par; cuando el "alumno" responde correctamente recitando la segunda
palabra del par, el "maestro" sigue con el tem siguiente; cuando el "alumno" da una respuesta incorrecta, el
"maestro" debe castigarlo aplicndole una descarga elctrica empezando por el nivel ms bajo (15 volts) y
aumentando de nivel cada vez que el "alumno" comete un error, pasando por 30 volts, 45 volts, etc.
El "maestro" es un sujeto verdaderamente ingenuo que ha venido al laboratorio para participar de un experimento. El
"alumno", la vctima, es un actor que en realidad no recibe ninguna descarga.

Pgina 318 de 325
318
El objetivo del experimento es simplemente averiguar hasta donde proceder una persona en una situacin concreta y
mensurable en la cual le ordenan infligir cada vez ms dolor a la vctima que protesta. A qu punto rehusar el sujeto
obedecer al experimentador? El conflicto surge cuando el hombre que recibe la descarga empieza a manifestar
desagrado. Antes de los 75 volts no hay respuesta de protesta. A los 75, el "alumno" grue. A los 120 se queja
verbalmente; a los 150 exige que lo saquen del experimento. A medida que las descargas se elevan, sus protestas se
acentan y son cada vez ms intensivas y emocionales. A los 285 volts su respuesta slo puede describirse como un
grito de agona.
La cualidad angustiosa del experimento se oscurece bastante en las palabras escritas. Para el "maestro" la situacin no
es un juego: el conflicto es intenso y manifiesto. Por un lado el sufrimiento patente del "alumno" lo presiona para que
desista. Por el otro el experimentador, una autoridad legtima con quien el sujeto se siente algo comprometido, le
ordena que siga. Cada vez que el "maestro" vacila en administrar una descarga, el experimentador aplica
sucesivamente cuatro estmulos verbales: "siga, por favor", "el experimento requiere que usted siga", es
absolutamente necesario que usted siga", y finalmente "usted no tiene otra alternativa ms que seguir".
Para desenredarse de la situacin, el sujeto debe hacer una ruptura clara con la autoridad. El objetivo de esta
investigacin es encontrar cundo y cmo la gente desafiara la autoridad frente a un imperativo moral claro.
Vander Zanden J, "Manual de Psicologa social", Barcelona, Paids, 1986.

12) Sueos de los animales

Casi todo el mundo ha visto a los animales domsticos, mientras duermen, gimotear, crisprseles los bigotes y agitar
las patas en una aparente persecucin de conejos imaginarios. Pero realmente suean? Puesto que los animales no
pueden despertarse a la maana y describir sus sueos, la cuestin pareca irresoluble.
Pero, recientemente, el doctor Charles Vaughan, de la Universidad de Pittsburgh, concibi un ingenioso experimento
para que los animales puedan informarnos, finalmente, si en realidad suean. Se colocamos monos rhesus en cabinas
frente a una pantalla, y se les ense a presionar una barra toda vez que vean una imagen en la pantalla. Luego se
conectaron los monos a una mquina encefalogrfica y se los coloc nuevamente en sus cabinas especiales. Poco
despus de dormirse, el EEG registr los rostros especiales que produce el cerebro dormido de los monos. Pero lo ms
importante fue que, mientras dorman los monos presionaban ansiosamente las barras. Evidentemente vean
imgenes en las pantallas de sus mentes: soaban. O al menos, es lo que cree el doctor Vaughan.
Copi I (1974), Introduccin a la lgica. Buenos Aires: Eudeba. 15 edicin, pgina 528.

13) Fuentes de error en el razonamiento silogistico

Los autores describen en este artculo un experimento donde se muestra que los sujetos que estn realizando una
tarea de razonamiento no responden de una forma no lgica (como sostiene la hiptesis del efecto atmsfera), sino
que atienden a la estructura lgica del material. No obstante esto, los sujetos pueden cometer dos tipos de error: a)
pueden interpretar errneamente las premisas en el sentido de que una proposicin que debe tomarse como si se
refiriera a mltiples relaciones posibles se toma, por el contrario, como haciendo referencia slo a una de esas
relaciones; y b) el sujeto puede deducir de las premisas slo una relacin en casos en los que resulta necesario
deducir mltiples relaciones posibles. As, los sujetos no son algicos: la interpretacin de la premisa elegida es una
de las interpretaciones posibles, y la relacin deducida es una de las relaciones que se pueden deducir.
Ms detalles:
En este artculo se describe un experimento supervisado por Henle- que intenta refutar la hiptesis del efecto
atmsfera, que es una de las teoras no lgicas sobre el pensamiento. En efecto, los autores describen en este
artculo un experimento donde se muestra que los sujetos que estn realizando una tarea de razonamiento no
responden de una forma no lgica (como sostiene la hiptesis del efecto atmsfera), sino que atienden a la estructura
lgica del material.
No obstante esto, los sujetos pueden cometer dos tipos de error:
a) pueden interpretar errneamente las premisas en el sentido de que una proposicin que debe tomarse como si se
refiriera a mltiples relaciones posibles se toma, por el contrario, como haciendo referencia slo a una de esas
relaciones; (por ejemplo Todo A es B puede interpretarse como Todo A es B y todo B a A, o bien como Todo A es
B pero no todo B es A).
b) pueden deducir de las premisas slo una relacin en casos en los que resulta necesario deducir mltiples relaciones
posibles. As, los sujetos no son algicos: la interpretacin de la premisa elegida es una de las interpretaciones
posibles, y la relacin deducida es una de las relaciones que se pueden deducir.
El experimento consisti en lo siguiente. Se tomaron dos grupos de personas:
El grupo T, al que se le dieron silogismos tradicionales.
El grupo M, al que se le dieron silogismos modificados.
La diferencia radica en que los silogismos modificados tienen premisas unvocas, es decir, no pueden ser interpretadas
errneamente, con lo cual, si en el grupo M se cometen errores, entonces deben ser adjudicados no a la interpretacin
errnea de las premisas sino a la deduccin de una sola de las posibles conclusiones deducibles.
La fuente de error en el caso M no est en la incapacidad para deducir una relacin a partir de las premisas (esto lo
hacen muy bien como se muestra en el primer grupo). Mas bien el problema parece deberse a su fracaso para deducir
las mltiples relaciones posibles y en decidirse por una respuesta que sea apropiada para todas esas relaciones.
Este tipo de razonamiento incompleto es semejante al tipo de pensamiento cotidiano del tipo puede ser. Por
ejemplo, a partir de cierto conocimiento sobre automviles y sabiendo que acaba de llover, podemos inferir que no
arranca porque los cables estn hmedos. Si este anlisis se muestra insuficiente podemos considerar otras
alternativas. sin embargo, en un silogismo no existe retroalimentacin y los sujetos quedan satisfechos con la
conclusin a la que llegaron.
Ceraso J y Provitera A, Fuentes de error en el razonamiento silogstico, artculo includo en Investigaciones sobre
lgica y psicologa (traducido de Sources of error in syllogistic reasoning, Cognitive Psychologie, 2, 1971, 400-410).

14) Experiencias infantiles


Pgina 319 de 325
319
Se ha dicho que las experiencias infantiles similares pueden originar caractersticas psquicas comunes en ciertas
categoras de individuos.
Actualmente hay bastante acuerdo en que un aspecto aislado de la experiencia infantil no es significativo, a menos que
sea reforzado por otras experiencias con un significado psicolgico similar. Por ello ltimamente han recibido
consideracin ms que el destete o la edad en que se inculcan ciertos hbitos higinicos, aspectos ms globales de la
crianza, como la severidad o indulgencia general, el grado de afecto que recibe el nio, principalmente de su madre, y
el cuidado y proteccin que se le brinda. Este camino parece ser ms fructfero, an cuando estas cualidades o
dimensiones son difciles de medir. Hay ya alguna evidencia de que los nios difieren significativamente en varias
caractersticas psquicas segn el grado en que su crianza puede caracterizarse respecto del afecto materno, la
proteccin y la severidad del control familiar. As, el afecto materno desalienta la agresividad y favorece la formacin
de la conciencia moral, y la libertad estimula el desarrollo intelectual.
Adaptado de A de Babini, 1965. Educacin familiar y status socio-econmico. Instituto de Sociologa.

15) Contacto con otras culturas y cambio de actitud

El contacto con otras culturas influye sobre los cambios de actitudes de las personas en el sentido de una mayor
tolerancia y aceptacin de puntos de vista diferentes al propio. As por ejemplo, (Asch, 1959) la integracin de
soldados negros en compaas de infantera compuestas por blancos y su posterior actuacin conjunta en el frente de
guerra, produjo modificaciones de actitudes en estos ltimos, favorables a dicha innovacin. Slo un 7% de los
blancos integrados se mostr en oposicin a tal medida contra un 62% de respuestas desfavorables obtenidas de
divisiones ntegramente blancas.
Un estudio experimental (Mc Guigan, 1968) realizado con alumnos americanos que estudiaron durante un ao en
Francia conviviendo con familias de este pas, revel en ellos una evidente disminucin de sus prejuicios, sentimientos
menos favorables a los norteamericanos y ms favorables a los franceses, un mejor ajuste social y un mayor
desarrollo de sus valores sociales.
Las experiencias directas vividas "por los sujetos frente a situaciones donde tal vez deban reestructurar su repertorio
de significados, disolver sus estereotipos y revisar conciente o inconcientemente los motivos que los llevan a aceptar o
rechazar algn objeto referente, sern componentes obligados de todo programa que tienda al logro de ese tipo de
objetivos" (Lafourcade, 1980).
Asch Salomon (1959) Social Psychology. Prentice Hall Inc. Englewood Cliffs, Nueva Jersey, 5ta edicin. (Traduccin
castellana: Eudeba, Buenos Aires, 1964, pgs. 585-587).
Mc Guigan F, Psychological changes related to intercultural experiences. Psychological report, 1958, 4.
Lafourcade P (1980) Planeamiento, conduccin y evaluacin de la enseanza superior. Buenos Aires: Kapelusz.

16) Efectos de la frustracin en los juegos infantiles

Barker, Dembo y Lewin (1941) estudiaron los efectos de la frustracin en los juegos de nios. Primero efectuaron la
observacin de nios de 5 aos durante su juego normal. Cada nio fue llevado a una habitacin donde encontraba
juguetes sencillos con los que se le permita jugar durante media hora. Durante dicho tiempo su juego iba siendo
clasificado por un observador sobre una escala de 'constructividad'. A continuacin se elevaba una pared corrediza; en
la parte de la habitacin ahora expuesta haba una atractiva coleccin de juguetes. Cuando el nio se hallaba
totalmente sumergido con ellos, el investigador tomaba al nio de la mano y lo llevaba a la parte de la habitacin
donde haba estado jugando anteriormente, y cerraba con llave los juguetes detrs de una red a travs de la cual el
nio poda seguir viendo los nuevos juguetes.
El juego del nio con los primeros juguetes fue puntuado nuevamente con el criterio de constructividad durante un
periodo de media hora.
La conclusin general fue que la frustracin produca una regresin en el nivel de funcionamiento intelectual y
aumentaba la infelicidad, inquietud y destructividad de los nios. La diferencia en puntuacin de constructividad del
juego durante los periodos de prefrustracin y posfrustracin fue tomada como evidencia del grado de regresin
inducida por la experiencia frustrada. Al finalizar la experiencia, se permiti a los nios jugar cuanto desearan con los
nuevos juquetes, con el fin de borrar los efectos de la frustracin.
Selltiz y otros, 1980, Mtodos de Investigacin en las relaciones sociales, Madrid, Rialp, pgs.138-139.

17) Cuentos para olvidar

Un grupo de investigadoras argentinas disearon una serie de experimentos para identificar qu caractersticas hacen
que unos mensajes sean ms fciles de recordar que otros, y qu tipo de textos permiten recuperar mayor cantidad y
mejor calidad de informacin.
El proyecto se desarroll dentro de una lnea de investigacin destinada a mejorar la calidad de la enseanza. En una
de las experiencias, los investigadores solicitaron a 44 nios de tercer grado que leyeran atentamente tres cuentos
cortos, y los contaran luego a otra persona.
Utilizaron la fbula del zorro y la cigea, un cuento folclrico de un sapo que con su astucia gan una batalla a un
burro soberbio y una adaptacin de un captulo de Dailan Kifki, un elefante que busca nuevo dueo. Los chicos
recuperaron suficiente informacin y pudieron contar el primer relato, pero fracasaron en los otros dos cuentos,
especialmente en el del elefante, que no pudieron resumir ni volver a contar.
En una segunda etapa, utilizamos modelos que podran predecir si el mensaje ser comprendido, interpretado y
recordado y sealar en qu lugares de los dos textos podran presentarse problemas, dice Signorini, una de las
investigadoras.
Los modelos mostraron que la historia del zorro y la cigea podra ser comprendido y recordado con mayor facilidad
que los otros dos relatos porque la fbula respeta la estructura tradicional de los cuentos, presenta los hechos
estrechamente ligados entre s por sus relaciones causales, y adems, su formato facilita a los lectores la
representacin mental del texto, puntualiz Marro, otra de las investigadoras.
Fragmento de un artculo publicado en el diario Clarn, Buenos Aires.


Pgina 320 de 325
320
18) En el principio, la palabra

Investigaciones recientes demuestran que hablar regularmente a los bebs durante el primer ao de vida, tiene un
profundo efecto positivo en el desarrollo de su cerebro y de su aptitud para aprender. El nmero de palabras dirigidas
a las criaturas al da, constituye el estmulo ms poderoso para agudizar la inteligencia y avivar la capacidad de
razonar, de resolver problemas y de relacionarse con los dems. Cuantos ms vocablos por hora escuche el pequeo,
mejor. Las palabras no tienen que ser complicadas ni esotricas, basta con que sean pronunciadas en tono afirmativo
por un ser humano afable, atento, interesado y envuelto emocionalmente con el beb. Los mensajes transmitidos por
la radio o el televisor no tienen este impacto saludable.
Los cimientos del pensamiento racional se establecen en los primeros meses de existencia, mucho antes de que la
criatura muestre signo alguno de distinguir entre una idea abstracta, como maana o ayer y su chupete. El cerebro
del recin nacido est esperando ansiosamente recibir los primeros estmulos del nuevo entorno para configurar las
conexiones entre los millones de neuronas que forman el entramado de materia gris que le va a permitir ser
perceptivo, inteligente, adaptable y creativo ().
Los nios progresan ms cuando estn rodeados de personas que no solo son responsables y cariosas, sino adems
habladoras (). De todo lo cual se deduce la conveniencia de promover proyectos educativos para padres y
cuidadores, lo mismo que programas de intervencin precoz que fomenten la comunicacin y el dinamismo verbal,
tanto en el seno de la familia como en las guarderas.
Vivimos en un ocano de palabras, pero, como pasa a los peces en el agua, casi nunca somos concientes de que stas
enlazan nuestras actividades y fraguan las relaciones. Y en el caso de nuestros bebs, las palabras tienen adems el
poder de configurar las facultades del alma y, de paso, decidir su suerte.
De la nota El poder de las palabras, por Luis Rojas Marcos en El Pas Semanal, de Madrid.

19) Prueba de susceptibilidad antimicrobiana de un material de obturacin endodntica

Resumen.- Los Estudios y ensayos de laboratorio in vitro realizados en el presente trabajo por P. L. R. M. (pasta
lentamente reabsorbible de Maisto) confirman un efecto bacteriosttico con todas las cepas de microorganismos
estudiados: Fusobacterium periodonticum ATCC 33693 Prevotella Melaninogenica ATCC 439822 Porphyromonas
endodontalis ATCC 35406 Staphylococcus sp, Streptococcus viridans y Streptococcus Grupo A, en perodos de 0 a 56
das y valores de 1 g hasta 0.5 mg/ml.
Sierra L y otros. En Revista de la Sociedad Odontolgica de La Plata. Ao XIV, N 28, pgs 25-29. Agosto 2001.

20) Antibioticoterapia recibida por pacientes antes de su primera consulta a un especialista en Ciruga y Traumatologa
Buco Mximo Facial.

Resumen.- En el presente trabajo se realiza un estudio epidemiolgico de 5009 pacientes atendidos en el Servicio de
Odontologa, Ciruga y Traumatologa Buco Mximo Facial del H.I.E.A. y C. San Juan de Dios de La plata y en la
asignatura Ciruga B de la Facultad de Odontologa de la Universidad Nacional de La Plata, desde abril de 1997 a marzo
de 1999. En dicho relevamiento se enfatiz la cantidad de pacientes que recibieron Antibioticoterapia antes de la
primera consulta, cul fue la droga re3cibida y si el paciente presentaba o no una intencin que justificara su
administracin.
Bercini C y otros. En Revista de la Sociedad Odontolgica de La Plata. Ao XIV, N 28, pgs 25-29. Agosto 2001.

21) Selladores a base de ionmeros vtreos y resinas: estudio clnico comparativo en condiciones de campaa.

Resumen.- El objetivo de este trabajo consisti en comparar la eficacia de un sellador de autocurado a base y otro a
base de ionmeros vtreos en condiciones de campaa. A los 24 meses de la nica aplicacin de ambos materiales, los
selladores de resina presentaron una retencin del 88,37 % y 81,98 % para maxilar superior e inferior
respectivamente, siendo la misma del 25 % y 22,09 % en el caso de los selladores de ionmeros. No se registraron
diferencias significativas en el desempeo de ambos materiales como preventivos de caries de fosas y fisuras.
Esquivel S. En Revista de la Sociedad Odontolgica de La Plata. Ao XIV, N 28, pgs 25-29. Agosto 2001.

22) Agrandamiento gingival inducido por ciclosporina. Forma de abordar su tratamiento

Resumen.- El objetivo del presente trabajo es difundir una opcin de tratamiento vlida para los agrandamientos
gingivales farmacodependientes en especial los producidos por la ingesta de un potente inmunosupresor como es la
ciclosporina A. El plan de tratamiento expuesto en este trabajo se basa en la evidencia cientfica disponible en la
actualidad, tratando de resaltar la importancia que tiene el control de la enfermedad periodontal y las citas de
mantenimiento para el xito y estabilidad a largo plazo.
Feser G y otros. En Revista de la Asociacin Odontolgica Argentina. Vol 93, N 1 / 45-46. Enero-Marzo 2005.

23) Caninos extralargos: anlisis de su frecuencia e inconvenientes para el tratamiento endodntico

Resumen.- La presencia de un canino o cualquier otra pieza dentaria que requiera un tratamiento endodntico, y cuya
raz supere en longitud las medidas mximas con que son fabricados los instrumentos convencionales, puede crear un
inconveniente serio para la realizacin de un tratamiento exitoso. En este trabajo, se analizaron las medidas
anatmicas longitudinales de una muestra de 280 caninos superiores humanos extrados, observndose que el 13,21
% presentaban longitudes que superaban los 31,0 mm. Estas medidas se incrementabas cuando las piezas analizadas
presentaban diferentes grados de curvatura radicular. La importancia de informar acerca de este tipo de anomala,
radica en que si bien se presenta con poca frecuencia en la prctica, puede ocurrir, y el profesional deber conocer
cabalmente las variaciones morfolgicas que pueden presentarse con el objeto de estar preparado para tratar
adecuadamente el conducto radicular en toda su longitud.
Zmener O y otros. En Revista de la Asociacin Odontolgica Argentina. Vol 93, N 1 / 13-16. Enero-Marzo 2005.


Pgina 321 de 325
321
24) Candidiasis oral multifocal crnica

Resumen.- La Candidiasis es la patologa mictica ms conocida por el patlogo oral, siendo la misma marcadora de
inmunodeficiencia. Es importante su seguimiento para determinar las circunstancias que permitieron su proliferacin.
En el presente trabajo se expone un caso clnico de un paciente masculino de 36 aos con Candidiasis crnica
hiperplsica con diferentes localizaciones intra orales, en un paciente inmunodeprimido.
Godoy R y otro. En Revista de la Asociacin Odontolgica Argentina. Vol 92, N 5 / 425-428. Octubre-Diciembre 2004.

25) Anlisis de la calidad de la obturacin de perforaciones radiculares, obtenida por medio del sistema de gutapercha
termoplastizada Thermafil Plus. Segunda parte

Los objetivos de este trabajo fueron evaluar la capacidad del sistema Thermafil Plus para obtener simultneamente
conductos radiculares curvos y perforaciones laterales artificiales en vitro y analizar el sellado marginal en las
perforaciones obturadas.
Resumen.- Se realizadon perforaciones radiculares en la cara mesial del conducto mediovestibular de 34 molares
inferiores, que fueron previamente preparados con Orifice Shapers e instrumentos rotatorios ProFile 0,04 y 0,06. Los
especimenes fueron preparados en dos grupos de 17 cada uno, obturando los conductos radiculares y las
perforaciones de la siguiente forma: Grupo 1: sistema de gutapercha termoplastizada Thermafil Plus; Grupo 2: tcnica
de condensacin lateral de conos de gutapercha. En ambos casos, se utiliz AH-26 como sellador. En comparacin con
la tcnica de condensacin lateral, el sistema Thermafil Plus permiti obtener obturaciones radiogrficamente ms
densas y mejor adaptadas a las paredes dentinarias, si bien se registr una mayor proporcin de sobreobturaciones.
La densidad radiogrfica de material que obtura las perforaciones, la observacin microscpica del material detectado
en la desembocadura de las mismas sobre la superficie radicular y el anlisis del sellado marginal obtenido en las
perforaciones, revelaron que el sistema Thermafil Plus result ser significativamente ms efectivo (p<0,05) para
obturar simultneamente conductos radiculares curvos y perforaciones radiculares realizadas en forma experimental.
Zmener O y otros. En Revista de la Asociacin Odontolgica Argentina. Vol 90, N 3. Junio-Julio-Agosto 2002.

26) Caractersticas de la oclusin en nios con denticin primaria de la Ciudad de Mxico

Resumen.- El fenmeno ms dinmico que se observa en la boca es el de la oclusin dental. Las caractersticas de la
oclusin durante la denticin primaria se consideran precursoras de las caractersticas de la oclusin de la denticin
permanente, de ah la importancia de su comprensin y entendimiento.
Objetivo.- El propsito de este trabajo fue conocer las caractersticas de la oclusin dental durante la denticin
primaria en un grupo de nios mexicanos de un nivel socio-econmico medio bajo.
Muestra.- Se revisaron 42 nios y 58 nias, entre tres y cinco aos de edad con denticin temporal completa.
Material y mtodos.- Se realiz un estudio observacional, prolectivo, transversal y descriptivo. Las caractersticas de la
oclusin se observaron en modelos de estudio y los datos se analizaron estadsticamente por medio del programa
SPSS y la prueba de Ji cuadrada con un nivel de confianza del 95 %.
Resultados.- La forma del arco ms frecuente fue la ovoide en 71 % de los nios y 74 % en las nias en el maxilar, en
la mandbula 81 % para las nias y 64 % para los nios. Los espacios primates invertidos se observaron en 7 % de los
nios y 22 % de las nias. La sobremordida vertical aumentada se present en 57 % de los nios y 55 % de las nias,
la sobremordida horizontal ideal con 52 % para los nios y 59 % para las nias. La relacin canina Clase I represent
el 88 % en nios y 85 % en nias. El plano terminal mesial en 79 % de los nios y 81 % de las nias, el plano
terminal recto se observ en 12 % de los nios y 16 % en las nias.
Conclusiones.- Las caractersticas consideradas como ideales pueden tener variaciones debido a las caractersticas
raciales de los individuos sin que esto represente una alteracin en la oclusin o desarrollo de la misma.
Sema Medina C y Silva Meza, R. En Rev ADM 2005; LXII (2): 45-51.


ANEXO 4. NORMAS DE PUBLICACIN DE LA APA Y COMPARACIN CON LAS NORMAS
DE VANCOUVER

Se ofrece aqu una sntesis de los requisitos de uniformidad para manuscritos que deben presentarse a revistas
cientficas de acuerdo a las normas de publicacin de la APA (American Psychological Association, 1994). Se establecen
tambin, con fines ilustrativos, algunas comparaciones con las normas de Vancouver para publicacin en revistas
biomdicas.

1. Formato bsico

El trabajo se presentar mecanografiado por una sola cara, a doble espacio en papel tamao DIN A4 (212x297 mm),
en dos copias y en disco de 3.5 pulgadas para ordenador compatible IBM-PC, formateado en procesador de textos
Microsoft Word o WordPerfect (indicando el nombre del procesador utilizado y su versin. Por ejemplo, Word 2000).
Las normas de Vancouver (1993), para revistas biomdicas, por su parte, establecen que el material se imprimir
en papel blanco A4, con mrgenes de por lo menos 25 mm, escribindose en su totalidad sobre una cara del papel y a
doble espacio. Cada epgrafe comenzar en hoja aparte, y las pginas se numerarn en forma consecutiva,
empezando por la del ttulo sobre el ngulo superior o inferior derecho de cada pgina.

2. Primera y segunda pgina

En la primera pgina se consignar el ttulo del estudio, nombre y apellidos de los autores, centro de trabajo, direccin
postal de contacto, nmero de telfono y, si correspondiera, nmero de fax y correo electrnico.
En la segunda pgina se incluir el ttulo del trabajo en espaol y en ingls; un resumen en castellano y en ingls (con
una extensin no superior a las 250 palabras); y a continuacin cuatro palabras-clave en castellano y en ingls.
Por su parte, las normas de Vancouver establecen lo siguiente.

Pgina 322 de 325
322
La primera pgina contendr: a) el ttulo del artculo, conciso pero informativo; b) nombre y apellidos de cada autor,
acompaados de sus grados acadmicos ms importantes y su afiliacin institucional; c) nombre del departamento/s y
la institucin/es o instituciones a los que se debe atribuir el trabajo; d) declaraciones de descargo de responsabilidad,
si las hay; e) nombre y direccin del autor que se ocupar de la correspondencia relativa al manuscrito; f) nombre y
direccin del autor a quien se dirigirn las separatas o nota informativa de que los autores no las proporcionarn; g)
origen del apoyo recibido en forma de subvenciones, equipo o medicamentos.
Como nota al pie de la primera pgina o como apndice del texto, una o varias declaraciones especificarn: a) las
colaboraciones que deben ser reconocidas pero que no justifican la autora, tales como el apoyo general del jefe del
departamento; b) la ayuda tcnica recibida; c) el agradecimiento por el apoyo financiero y material, especificando la
ndole del mismo; y d) las relaciones financieras que puedan suscitar un conflicto de intereses.
La segunda pgina incluir un resumen (que no exceder las 150 palabras de extensin si es un resumen ordinario o
las 250 si es uno estructurado). En l se indicarn los propsitos del estudio o investigacin; los procedimientos
bsicos que se han seguido; los resultados ms importantes (datos especficos y, de ser posible, su significacin
estadstica); y las conclusiones principales. Hgase hincapi en los aspectos nuevos e importantes del estudio o las
observaciones.
A continuacin del resumen agrguense de 3 a 10 palabras o frases cortas clave que ayuden a los indicadores a
clasificar el artculo. Para este fin pueden usarse los trminos de la lista "Medical Subject Headings" (MeSH) del "Index
Medicus".

3. Extensin y organizacin general

La APA sugiere las siguientes pautas en cuanto a extensin y organizacin del trabajo:

TIPO DE TRABAJO EXTENSION ORGANIZACION (TITULOS)
Trabajos de investigacin y
Estudio de casos
La extensin mxima aceptada
ser de 20 pginas, excluyendo
tablas, notas y figuras.
Introduccin, Mtodo, Resultados,
Discusin / Conclusiones, Notas y
Referencias bibliogrficas.
Trabajos de revisin terica La extensin mxima aceptada
ser de 20 pginas, excluyendo
tablas, notas y figuras.
Planteamiento del problema, Desarrollo del
tema, Discusin / Conclusiones y
Referencias bibliogrficas.
Comunicacin de experiencias
profesionales, Recensiones y
Noticias
La extensin mxima ser de 5
pginas, y 10 referencias
bibliogrficas.


Para ver con mayor detalle qu debe incluirse en cada ttulo, cabe considerar las prescripciones sugeridas por las
normas de Vancouver, a grandes rasgos igualmente aplicables a los trabajos de psicologa.
El texto de los artculos de observacin y experimentales se divide, generalmente, en secciones que llevan estos
encabezamientos: Introduccin, Mtodos, Resultados y Discusin (para la APA, los ttulos Discusin y Conclusin
pueden emplearse en forma indistinta para el mismo texto). En los artculos largos puede ser necesario agregar
subttulos dentro de estas divisiones. Por ejemplo, dentro del ttulo Resultados puede incluirse el subttulo Estadsticas.

a) Introduccin.- Aqu se expresa el propsito del artculo. Resuma el fundamento lgico del estudio u observacin.
Mencione las referencias estrictamente pertinentes, sin hacer una revisin extensa del tema. No incluya datos ni
conclusiones del trabajo que est dando a conocer.
b) Mtodos.- Aqu se describe claramente la forma como se seleccionaron los sujetos observados o que participaron en
los experimentos. Identifique los mtodos, aparatos y procedimientos, con detalles suficientes para que otros
investigadores puedan reproducir los resultados. Proporcione referencias de los mtodos acreditados, incluyendo los
de ndole estadstica. Identifique exactamente todos los medicamentos y productos qumicos utilizados, sin olvidar
nombres genricos, dosis y vas de administracin.
No use el nombre, las iniciales ni el nmero de historia clnica de los pacientes, especialmente en el material
ilustrativo.
Estadstica.- Describa los mtodos estadsticos con detalle suficiente para que el lector versado en el tema y que tenga
acceso a los datos originales, pueda verificar los resultados informados. Siempre que sea posible, cuantifique los
resultados y presntelos con indicadores apropiados de error o incertidumbre de la medicin (por ejemplo intervalos
de confianza). No dependa exclusivamente de las pruebas de comprobacin de hiptesis estadsticas, tales como el
uso de los valores 'p' que no transmiten informacin cuantitativa importante. Proporcione los detalles del proceso de
aleatorizacin de los sujetos.
Informe sobre las complicaciones del tratamiento. Especifique el nmero de las observaciones. Mencione las prdidas
de sujetos de observacin. Siempre que sea posible, las referencias sobre diseo del estudio y mtodos estadsticos
sern de trabajos vigentes, ms bien que de los artculos originales donde se describieron por vez primera. Especifique
cualquier programa para procesar la informacin estadstica que se haya empleado. Limite el nmero de cuadros y
figuras al mnimo necesario para explicar el tema central del artculo. Usar grficas en vez de las tablas resulta ms
didctico. Defina los trminos, las abreviaturas y la mayor parte de los smbolos estadsticos.
c) Resultados.- Aqu se presentan los resultados siguiendo una secuencia lgica mediante texto, tablas y figuras. No
repita en el texto los datos de los cuadros o las ilustraciones: destaque o resuma slo las observaciones importantes.
Describa lo que ha obtenido sin incluir citas bibliogrficas.
d) Discusin.- Haga hincapi en los aspectos nuevos e importantes del estudio y en las conclusiones que se derivan de
ellos. No repita con pormenores los datos u otra informacin, ya presentados en las secciones de introduccin y
resultados.
Explique tambin aqu el significado de los resultados y sus limitaciones, incluyendo las consecuencias para la
investigacin futura. Relacione las observaciones con otros estudios pertinentes. Establezca el nexo de las
conclusiones con los objetivos del estudio, pero abstngase de hacer afirmaciones generales y extraer conclusiones
que no estn completamente respaldadas por los datos. Proponga nuevas hiptesis cuando haya justificacin para ello,
pero identificndolas claramente como tales. Cuando sea apropiado, puede incluir recomendaciones.

Pgina 323 de 325
323

4. Referencias bibliogrficas

Todas las referencias bibliogrficas se insertarn en el texto (nunca a pie de pgina) e irn en minsculas (salvo la
primera letra). Todas estas referencias aparecern alfabticamente ordenadas luego en "Referencias bibliogrficas".
Todas las citas se ajustarn a las normas de publicacin de trabajos de la American Psychological Association (1994)
en su "Publication Manual" (Washington, 1994).
A continuacin se recuerdan las normas generales para elaborar los tres tipos bsicos de referencias, y las referencias
a material consultado en Internet:

a) Libros.- Autor (apellido -slo la primera letra en mayscula-, coma, inicial de nombre y punto; en caso de
varios autores, se separan con coma y antes del ltimo con una "y"), ao (entre parntesis) y punto, ttulo
completo (en letra cursiva) y punto; ciudad y dos puntos, editorial.
Ejemplos:
Apellido, I., Apellido, I. y Apellido, I. (1995). Ttulo del Libro. Ciudad: Editorial.
Tyrer, P. (1989). Classification of Neurosis. London: Wiley.

b) Captulos de libros colectivos o actas.- Autores y ao (en la forma indicada anteriormente); ttulo del captulo,
punto; "En"; nombre de los autores del libro (inicial, punto, apellido); "(Eds.),", o "(Dirs.),", o "(Comps.),"; ttulo
del libro en cursiva; pginas que ocupa el captulo, entre parntesis, punto; ciudad, dos puntos, editorial.
Ejemplos:
Autores (ao). Ttulo del Captulo. En I. Apellido, I. Apellido y I. Apellido (Eds.), Ttulo del Libro (pgs. 125-157).
Ciudad: Editorial.
Singer, M. (1994). Discourse inference processes. En M. Gernsbacher (Ed.), Handbook of Psycholinguistics (pp.
459-516). New York: Academic Press.

c) Artculos de revista.- Autores y ao (como en todos los casos); ttulo del artculo, punto; nombre de la revista
completo y en cursiva, coma; volumen en cursiva; nmero entre parntesis y pegado al volumen (no hay blanco
entre volumen y nmero); coma, pgina inicial, guin, pgina final, punto.
Ejemplos:
Autores (ao). Ttulo del Artculo. Nombre de la Revista, 8(3), 215-232.
Gutirrez Calvo, M. y Eysenck, M.W. (1995). Sesgo interpretativo en la ansiedad de evaluacin. Ansiedad y
Estrs, 1(1), 5-20.

d) Material consultado en Internet.- Vase Anexo 2.

Se examinan a continuacin las normas de Vancouver respecto de las referencias bibliogrficas.
Las referencias deben numerarse consecutivamente, siguiendo el orden en que se mencionan por primera vez en el
texto. En ste, en las tablas y en las ilustraciones, las referencias se identificarn mediante nmeros arbigos (o
superndice) entre parntesis.
Como referencias no deben utilizarse resmenes, 'observaciones inditas' o 'comunicaciones personales', aunque s se
pueden incluir los artculos aceptados aunque todava no publicados.
A continuacin, y siempre siguiendo el criterio de Vancouver, se especifican las formas de citar las referencias
bibliogrficas.

Tipo de material de
referencia
Ejemplo
a) Artculo de revista.- Inclyase
el nombre de todos los autores
cuando sean seis o menos; si
son siete o ms, antese solo el
nombre de los seis primeros y
agrguese "et al".
You CH, Lee KY, Chey RY, Menguy R. Electrogastrographic study of
patients with unexplained nausea, bloating and vomiting.
Gastroenterology 1980; 79(2): 311-314.
b) Artculo que ha sido
comentado en otro trabajo.
Kobayashi Y, Fujii K, Hiki Y, Tateno S, Kurokawa A, Kamiyama M.
Steroid therapy in IgA nephropathy:a retrospective study in heavy
proteinuric cases (ver comentarios). Nephron 1988; 48: 12-17.
Comentado en: Nephron 1989; 51 289-91.
c) Libros (Individuos como
autores).
Colson JH, Armour WJ. Sports injuries and their treatment. 2nd rev ed.
London: S Paul, 1986.
d) Libros (Directores o
compiladores como autores).
Diener HC, Wilkinson M, editores. Drug-induced headache. New York:
Springer-Verlag, 1988.
e) Captulos de libros. Weinstein L, Swartz MN. Pathologic properties of invading
microorganismos. En: Sodeman WA, Sodeman LA, editores. Pathologic
physiology: mechanisms of disease. Philadelphia: Saunders, 1974: 457-
472.
f) Actas de conferencias. Vivian VL, editor. Child abuse and neglect: a medical community
response. Proceedings of the First AMA National Conference on Child
Abuse and Neglect; 1984 Mar 30-31; Chicago. Chicago: American
Medical Association, 1985.
g) Tesis Doctoral. Youssef NM. School adjustment of children with congenital heart disease
(Tesis Doctoral). Pittsburgh (PA): Univ of Pittsburgh, 1988.
h) Trabajos inditos. Lillywhite HB, Donald JA. Pulmonary blood flow regulation in an aquatic
snake. Science. En prensa.


Pgina 324 de 325
324
5. Citas textuales, tablas y figuras

Toda cita textual debe ir entre comillas y con indicacin del apellido del autor(es) del texto, ao de publicacin y
pgina(s) de donde se ha extrado, todo ello entre parntesis.
Las tablas y figuras no se incluirn en el texto, sino en hojas separadas que permitan una buena reproduccin.
Adems, una hoja final incluir los ttulos y leyendas de figuras y tablas, correlativamente numeradas, a las que se
refieren las figuras/tablas correspondientes. En el texto se debe marcar el lugar o lugares donde han de insertarse.


ANEXO 5. NORMAS PARA HACER REFERENCIA A DOCUMENTOS CIENTFICOS DE
INTERNET EN EL ESTILO WEAPAS (LAND, 1998)

a) Autores.- Los documentos de la World Wide Web que indican que son "mantenidos", generalmente se refieren al
autor con el apelativo de Maintainer (Maint), aunque tambin puede usarse ms genricamente Editor (De).
Los autores de los documentos en Internet pueden ser identificados de dos maneras: a partir de las direcciones
electrnicas, y a partir de los llamados alias/ttulos.
Direccin electrnica como autor.- Ante todo, deben revisarse todos los vnculos que puedan conducir a la
identificacin del autor del documento (por ejemplo los que digan "comentarios a", "home" o "sobre el autor").
Si la pgina web slo presenta un vnculo hacia una direccin electrnica y no hay otra informacin que sugiera la
identificacin del autor, esta direccin electrnica se puede usar para llenar la posicin del autor.
Si aparecen en cambio alias genricos (como webmaster, maintainer, etc.), se considera la organizacin a la que
representa el documento (usualmente identificable en el dominio del servidor en que se encontr el documento) como
el autor grupal o corporativo del documento. Esta organizacin tambin puede ser ubicada en la seccin de
direcciones, unida a una direccin electrnica.
Los envos de noticias y otros documentos que son slo identificables por una direccin electrnica remitente tambin
pueden usar sta como identificacin del autor.
Cuando se citen las referencias que contienen direcciones electrnicas en el lugar de los autores, se debe escribir la
direccin completa como si fuera el apellido.
Alias/ttulos como autor.- Tambin aqu, ante que nada todos los potenciales vnculos que conduzcan a la identificacin
del nombre real del autor deben ser explorados antes de usar un alias como autor.
Si un autor es conocido ampliamente por su ttulo y adems se conoce su nombre real, ste puede ser includo entre
corchetes inmediatamente despus del nombre real, en la posicin del autor. En tales casos, la abreviacin "a.k.a."
(Also Known As) debe ser utilizada para indicar que es el alias.
La primera letra de un alias debe ser puesta en maysculas. Sin embargo, algunos alias usan estructuras lxicas no
convencionales para identificarse (ej. ENiGmA, mrEd), en cuyo caso esta estructura debe conservarse para asegurar la
identificacin (as, la primera letra se mantendra como el original).
Si se identifica un alias como autor, debido a que el nombre real no se ha podido determinar, y adems se conoce la
direccin electrnica, sta se incluye entre corchetes despus del alias.

b) Fechas.- Tengamos presente en primer lugar que, a diferencia de las publicaciones "en papel", los documentos de
red pueden ser actualizados o modificados por sus autores en cualquier momento, por lo que la fecha de esta
modificacin ser la que tendremos en cuenta.
Las referencias a los artculos mensuales, que no se modifican una vez que se han distribuido, necesitan slo la
determinacin del ao y mes de publicacin. Si la publicacin es una revista (Journal) reconocida, con volumen y
nmero de edicin, slo se necesita escribir el ao.
Los artculos de peridicos deben ser identificados no slo con la fecha, sino tambin la hora, para distinguirlos de
otros artculos del mismo tema y del mismo autor. El formato para tales referencias tiene la forma de "(Ao, Mes Da,
GMT Hora:Minuto:Segundo)", en la que GMT es la hora del Meridiano de Greenwich y la Hora est expresada en el
estilo de un reloj de 24 horas.
Los documentos de red que no ofrecen informacin de cuando fueron creados o modificados deben ser considerados
como versiones re-publicadas o trabajos sin fecha inicial de publicacin (APA, 1994, p. 173), por lo que la referencia
tomar la forma de "(n.d./Ao) " donde el Ao es aquel en el cual el documento fue obtenido.
Cuando se hace referencia a documentos que son susceptibles de ser cambiados en forma impredecible (la mayora de
las pginas web), el ao debe estar seguido del mes y, si es posible, del da.
Fecha de visita: En forma opcional, alguien puede querer especificar la fecha en que el documento fue bajado o
visitado en la red, por si ste pudiera desaparecer o caducar en un corto plazo. Tales datos se ubican al final de la
referencia, entre parntesis y en el formato " (visitado Ao, Mes Da)".

c) Ttulos.- Generalmente el ttulo de un documento de red se reconoce de inmediato. Sin embargo, hay que
considerar algunas variaciones:
Si el documento se recibe por correo electrnico, consideraremos como ttulo el texto que aparece en Subject (o
Tema). Si no hay texto, consideraremos al trabajo como no titulado.
Si el documento aparece en una pgina web convencional (es decir, en formato HTML), el ttulo puede ser tomado de
la barra superior del navegador, pero si ste no presenta dicho ttulo automticamente, se puede encontrar buscando
en la fuente del documento. Si el ttulo escrito en el cuerpo del documento se diferencia sustancialmente del que est
escrito en la barra superior, tambin debe ser enunciado y puesto despus del primero, separado por un punto y
coma.

d) Tipos de documento.- Hay muchos tipos de documentos y servicios disponibles en Internet. La naturaleza de un
documento debe ser puesta entre corchetes inmediatamente despus del ttulo.
Ejemplos de tipos de documentos son documentos en formato html, consultas en bases de datos, imgenes en
formato .gif, .jpg u otro, archivos de sonido o de video, archivos FTP, etc.

Pgina 325 de 325
325
Todos aquellos documentos no son accesibles pblicamente y que slo pueden ser vistos por las personas que estn
suscritas a listas de correo, se tratarn como comunicaciones personales.

e) Informacin acerca de la publicacin.- En el caso de Internet, la referencia a la publicacin es la URL (vulgarmente,
la direccin de la pgina web, es decir, la que comienza con http://www.....).
Cada URL (Uniform Resource Locator, o localizacin original de la fuente) debe ser antecedido por la palabra clave
"URL" seguida de un espacio.
Un URL no puede terminar con un punto u otra puntuacin. Asimismo, si un URL no cabe en el espacio de una lnea,
ste debe ser partido en el slash ("/"), dejndolo como ltimo carcter de la lnea.

Para consultar con ms detalle las normas para referencias bibliogrficas sobre material publicado en Internet, el
lector puede remitirse a: American Psychological Association (APA) (n.d/1998) How to cite information from the
Internet and the World Wide Web [Documento WWW] "http://www.apa.org/journals/webref.html"