PREGUNTAS DE CONTENIDO TEMA 1

BLOQUES TEMTICOS EN ORDEN ALFABTICO:

ANLISIS DE DATOS
CONSTRUCTOS Y VARIABLES
EJERCICIOS DE AUTOEVALUACIN
ESCALAS DE MEDIDA
ESTADISTICA DESCRIPTIVA E INFERENCIAL
ESTADISTICOS DE CONTRASTE
ERROR DE LOS DATOS
FUENTES Y PLANTEAMIENTO DEL PROBLEMA
GLOSARIO
HIPTESIS
HIPTESIS, LEYES Y TEORAS
INDEPENDENCIA / DEPENDENCIA DE LAS OBSERVACIONES
LECTURA DE INVESTIGACIONES
METODO CIENTFICO
METODOLOGAS
MUESTREO Y MUESTREO PROBABILSTICO/ NO PROBABILSTICO
NIVELES DEL PROCESO DE INVESTIGACIN
PARTICIPANTES Y UNIDAD MUESTRAL
PLANTEAMIENTO DEL PROBLEMA
TCNICAS DE INOCULACIN DE ESTRS
VALIDEZ

ANLISIS DE DATOS
1. Entra en el examen el punto 1.3.4. Anlisis de datos?
Este punto entra en el examen, pues tiene que saber qu parte
de la investigacin es el anlisis de datos y que para esta fase
cuenta con la estadstica. Pero no vamos a preguntar frmulas de estadstica.
2. Qu es la curva normal y el coeficiente de curtosis (Cuadro 1.9.)?
Estos son conceptos de Estadstica Descriptiva que no son objeto de esta asignatura.
Estos conceptos los tiene explicados en la asignatura de Introduccin al Anlisis de
Datos de primer curso. Aqu aparecen en un cuadro gris como informacin
complementaria, pero no es materia de examen. Tendr que estudiarlos en dicha
asignatura.
3. Qu son los contrastes paramtricos y no paramtricos? Ejemplos?
Los
contrastes
paramtricos
y
no
paramtricos
son
tcnicas
estadsticas
que
utilizamos
para
ver
si
nuestras
hiptesis
se
cumplen.
Es
decir,
sirven
para
contrastar
nuestras
hiptesis
estadsticas en las investigaciones. Como te resume el cuadro 1.10. (que al ser gris no
entra para examen), las tcnicas o contrastes paramtricos nos permiten comprobar
hiptesis sobre algn parmetro poblacional (por ejemplo, que la media
poblacional de horas que dedican los espaoles al deporte es de 3 a la
semana), mientras las tcnicas no paramtricas no hacen hiptesis
sobre parmetros poblacionales. Las tcnicas paramtricas son ms
potentes a la hora de extraer conclusiones, pero para que se puedan
aplicar requieren que se cumplan condiciones que no siempre se dan y
por ello surgieron las tcnicas no paramtricas, que no son tan
potentes pero que se pueden aplicar cuando no se dan las condiciones
estadsticas que requieren las primeras
Resumiendo, los contrastes paramtricos se aplican cuando los datos que tenemos
cumplen unos criterios (ej. se distribuyen normalmente, sus varianzas
son homogneas, etc.). En caso de que estos criterios no se cumplan
empleamos los contrastes no-paramtricos. Esto es lo nico que deben
saber en este curso.
No
podemos
poner
un
ejemplo
sin
adentrarnos
en
los
anlisis de datos propiamente dichos, contenido que no es materia de
esta asignatura,
ni es necesario a este nivel. La asignatura de 2 de
Grado, Diseos de Investigacin y Anlisis de Datos versa ntegramente sobre esta
temtica por lo que ver numerosos ejemplos.

4. En el cuadro 1.10 dice "Utilizaremos la denominacin genrica de

contrastes no paramtricos para todos aquellos contrastes que no se
ajustan a una cualquiera de las tres caractersticas de los
contrastes paramtricos". Aqu en este cuadro slo se mencionan dos,
cul es la otra caracterstica?

El principio del segundo prrafo del cuadro 1.10 te da las tres

caractersticas de los no paramtricos: (1) permiten poner a prueba
hiptesis no referidas a un parmetro poblacional, (2) no necesitan
establecer supuestos exigentes y (3) no necesitan trabajar con datos a
nivel de intervalo o razn. Los paramtricos todo lo contrario.
5. Qu son las pruebas t y las pruebas F de las que me habla mi tutor en
clase?
Las pruebas de contraste estadstico a las que haces referencia (pruebas t y F) no
son materia de esta asignatura sino de Diseos de investigacin y
anlisis de datos (de 2 del Grado). Lo nico que tenis que saber
ahora son las lneas generales del contraste de hiptesis pero no los
estadsticos especficos que se emplean para ello.
6. Se utiliza la estadstica para la recogida de datos?
No, la estadstica se emplea para analizar esos datos que previamente
has recogido. Es verdad que sin datos no habra anlisis, pero la
estadstica no se encarga de la recogida, solo del anlisis.

CONSTRUCTOS Y VARIABLES
7. Cuando a un constructo se le considera una variable?
Los constructos son variables no directamente observables como por ejemplo la
inteligencia (que medimos a travs de los tests). Los constructos dicho en trminos
sencillos son conceptos. Los conceptos designan y definen cosas de manera ms bien
abstracta. En Psicologa el trmino mente es un constructo, es un concepto que
designa una entidad que puede ser determinante de la conducta. Pero hay muchos
constructos (conceptos) tales como inteligencia, ansiedad, o regulacin emocional, y
otro constructo es la funcin ejecutiva. Los conceptos como la funcin ejecutiva sirven
para designar funciones cognitivas relacionadas con el control que se requiere para
inhibir ciertas conductas para conseguir ciertos fines.

8. En
la
pgina
36
habla
de
las
variables
y
pone
ejemplos de variables en Psicologa: cociente intelectual, depresin,
etc. Son estos ejemplos de variables de tipo categrico? A continuacin
dice: "estos conceptos seran constructos, pero los consideramos variables
3

cuando los definimos en trminos explcitos y determinamos qu indicios

son los que nos permiten obtener una medida de ellos." No entiendo muy
bien qu quiere decir con "definirlos en trminos explcitos", y tampoco a
qu se refiere con " determinados indicios".
Una cosa son los constructos,
posibles formas de realizar su medida.

otra

son

las

variables

otra

las

Un
constructo
es
un
concepto
como
por
ejemplo:
resentimiento,
eficiencia, violencia, etc. Son constructos porque son conceptos que
hemos creado para resumir en una palabra muchas cosas. Pensemos en la
violencia,
en
este
trmino
se
condensan
muchos
otros
trminos,
agresin,
impulsividad,
agresin fsica, agresin verbal,
enfado,
etc.
Cuando expresamos que alguien es violento no queremos decir solo que
pegue a alguien, o que agreda verbalmente, queremos decir, muchas
otras cosas, no? Por ello violencia es un constructo (aqu est
definiendo en trminos explcitos violencia).
Si queremos saber si el calor genera conductores violentos, tendremos
que observar qu ocurre con la violencia del conductor en diferentes
pocas del ao, y entonces debemos definir claramente qu es un
violento, qu conducta se considera violenta y cul no. Si la
violencia es solo en el modo de conducir el coche o en los gestos de
los
conductores o los insultos,
etc. Aqu est operativizando el
constructo violencia, est tratando de decir cules son los indicios
que observo que me indican que alguien est siendo violento durante la
conduccin. Supongamos que la violencia ya la ha definido como
determinadas conductas durante la conduccin, conductas como gestos, o
insultos a los dems (ya la ha explicitado).
Ahora bien usted puede definir an ms quiere medir la violencia del
conductor de coche. para ello dice voy a contar los insultos, voy a
tomar registro de la velocidad a la que conduce, la distancia que
guarda el conductor en la va rpida con respecto del coche de
delante. Aqu cuando est midiendo conductas, a travs de las
frecuencias (contar los insultos) o de metros (la distancia que
guarda) etc., est utilizando valores o medidas que le sirven de
indicios que miden la violencia.
9. Me podra poner algn ejemplo de constructo y explicar el constructo de
funcin ejecutiva?
Los constructos dicho en trminos sencillos son conceptos. Los conceptos designan y
definen cosas de manera ms bien abstracta. En Psicologa el trmino mente es un
constructo, es un concepto que designa una entidad que puede ser determinante de la
conducta. Pero hay muchos constructos (conceptos) tales como inteligencia, ansiedad,
o regulacin emocional, y otro constructo es la funcin ejecutiva.
Los conceptos como la funcin ejecutiva sirven para designar funciones cognitivas
relacionadas con el control que se requiere para inhibir ciertas conductas para
conseguir ciertos fines. El trmino de funcin ejecutiva en la pgina 41 se est
4

utilizando como ejemplo de cmo se pasa de un concepto (constructo) a una

variable observable y que pueda ser medible en este caso.
10. Cmo identifico en un caso o una investigacin las variables independiente
y dependiente?
Lo primero es ver el problema de la investigacin, la hiptesis y luego delimitar las
variables. Fjate en este enunciado: Se quiere saber si el alcohol influye en el
rendimiento en un test de conducir. La variable independiente (VI) ser el alcohol que
es la variable cuyo influjo se quiere estudiar y la variable dependiente (VD) ser el
rendimiento en el test de conducir, que es lo que vamos a medir.
Cuando se investiga, normalmente lo que se quiere es encontrar la
causa de que algo ocurra. La causa es la variable independiente y lo
que sta genera es la variable dependiente. Por ejemplo, la causa de que el agua
hierva es la temperatura. Temperatura =variable independiente. Agua hirviendo=
variable dependiente.
11. Cul es la variable a operativizar, la variable independiente o la
dependiente?
Se operativizan siempre todas las variables, tanto las dependientes como las
independientes. En el caso de los diseos univariados operativizamos la nica variable
dependiente que tenemos y la/s variables independiente/s. Si el diseo es multivariado
se operativizan todas las variables dependientes y todas las independientes.
Cuando decimos que hay que operativizar la variable estamos diciendo que queremos
ver cmo podemos manejarnos con estas variables. Imagine esta hiptesis. El
aumento de la auto-estima hace que disminuyan la ansiedad de hablar en pblico. La
variable independiente es la auto-estima y la dependiente la ansiedad.
Podemos hacer lo siguiente: a una muestra le medimos la auto-estima, una vez
medida, formamos tres grupos auto-estima alta, media, y baja. Tenemos tres grupos
de personas con un determinado nivel de autoestima. Al hacer esto, hemos utilizado
un instrumento para medirla, hemos operado con la auto-estima midindola y
formamos tres grupos (hemos operativizado la variable independiente). Ahora para
contrastar la hiptesis, ponemos a los participantes en una situacin en la que tienen
que hablar en pblico -les decimos que tienen que grabar un dilogo para la tele- o
una situacin as. Bien, tenemos que medirle la ansiedad... cmo se le ocurre que se
la medimos? Supongamos que la medimos a travs del nivel de sudoracin, donde le
ponemos el aparato del micrfono le colocamos un aparato que la mide... a ms
sudoracin, ms ansiedad. Qu est haciendo? La variable dependiente -ansiedad
medida a travs de sudoracin- la est midiendo con el aparato (hemos operativizado
la variable dependiente) y de este modo tiene medidas de ansiedad y puede comparar
qu grupos -divididos por la auto-estima- obtienen las diferentes medidas de
sudoracin... Est OPERATIVIZANDO ambas variables.

12. No entiendo lo referente a las variables cualitativas, dicotmicas, politmicas

y su categora.
Las variables cualitativas son aquellas que slo designan una cualidad o atributo. Se
tiene o no se tiene una cualidad o se tiene en mayor, menor o igual grado. La cualidad
o atributo se subdivide en clases mutuamente exclusivas y exhaustivas. Esto es: un
objeto no puede pertenecer a ms de una clase y todos los objetos se pueden
adjudicar a alguna clase... De esta forma las variables nominales y ordinales son
cualitativas. Las variables cualitativas pueden dividirse en: dicotmicas (tienen slo
dos clases o categoras) o politmicas (admiten ms de dos clases o categoras). La
religin considerando catlicos, protestantes y judos entre otros podra considerarse
politmica. Sin embargo, el grado de apertura, considerado como abierto o cerrado, es
una variable dicotmica. Es decir:
Una variable cualitativa dicotmica slo tiene dos valores o categoras, como por
ejemplo la variable gnero slo tiene dos valores, hombre y mujer.
Una variable cualitativa politmica puede tener ms de dos valores o categoras como
por ejemplo estatus socioeconmico, que puede ser medio, bajo, alto.
13. Las variables discretas son valores enteros o son valores naturales? Y las
variables continuas son valores reales o son valores racionales?
Estos trminos no significan exactamente igual, pero lo fundamental es que, como
pone en el cuadro 1.7, en las variables discretas los valores son enteros (no admiten
nmeros intermedios) y en las continuas los valores son reales (admiten nmeros
intermedios).
La diferencia entre enteros y naturales, es que los enteros incluyen los nmeros
negativos.
Los nmeros reales incluyen los racionales (admiten decimales) y los irracionales que
no se puede expresar de manera fraccionaria y tienen infinitos cifras decimales no
peridicas.
14. Podrais aclararme lo de que la variable independiente puede adoptar
distintos niveles, condiciones o tratamientos?
Una variable puede adoptar diferentes valores (por eso se llama variable porque
vara). A estos valores se les llaman niveles.
Si utilizamos como variable independiente las horas de estudio. Podemos elegir para
un experimento 4 valores o niveles: 8 horas, 4 horas, 2 horas y 0 horas. Cada uno de
estos valores se pueden "aplicar" a un grupo diferente de sujetos: Grupo A (8 horas),
Grupo B (4 horas), Grupo C (2 horas) y Grupo D (0 horas). Tendramos un
experimento con 4 tratamientos o condiciones. El trmino factor se utiliza ms bien
cuando hacemos un diseo factorial. Este tipo de diseo se caracteriza porque estudia
conjuntamente el efecto de dos o ms variables independientes sobre una o ms de
una variable dependiente. A cada una de estas variables independientes se le
llama Factor. Por ejemplo, si adems de las horas de estudio queremos ver en el
mismo experimento el efecto del gnero de los sujetos, tendramos un diseo factorial
4X2. La primera variable independiente o factor tendra 4 niveles y la segunda dos
niveles. Este diseo tendra 8 condiciones o tratamientos y 2 variables independientes
6

o factores. La primera variable independiente o factor tendra 4 niveles y la segunda 2.

Todo esto lo entenders mucho mejor en el Tema 5.
15. Qu son variables de seleccin de valores?
Las variables independientes pueden ser de manipulacin intencional o de seleccin
de valores. En las primeras, el investigador selecciona los valores que cree ms
conveniente. Por ejemplo, dosis de un frmaco, horas de sueo, longitud de unas
lneas paralelas, etc. En una variable de seleccin de valores, stos ya vienen dados.
Por ejemplo, gnero (hombre y mujer), estatus socioeconmico (alto, medio, bajo),
enfermedad (sida, tuberculosis, cncer).
16. Las variables de seleccin de valores pueden ser variables extraas pero,
pueden ser variables dependientes e independientes?
Una variable de seleccin de valores es una variable independiente si queremos
estudiar su influencia. Por ejemplo, si queremos estudiar cmo influye la edad de los
sujetos en la atencin, podemos formar dos grupos. El grupo A estar formado por 40
sujetos de 20 aos y el grupo B estar formado por 40 sujetos de 50 aos. A ambos
grupos se les pasar un cuestionario de atencin. En este caso la edad (variable de
seleccin de valores) es la variable independiente. Si en este estudio, en lugar de la
influencia de la edad quisiramos estudiar la influencia del gnero en la atencin, la
edad podra ser una variable extraa y la tendramos que controlar.
17. Podran poner un ejemplo que
variables de seleccin de valores?
Los estudios con variables
siguientes (ex post facto,
tiene ejemplos sobre ellos.

pudiera

clarificar

el

uso

de

las

no manipulativas las tiene en captulos

encuestas, observacin y cualitativas) y

Lo que s es acertado decir es que las estrategias manipulativas, el

investigador crea condiciones cambia algunos elementos en el ambiente,
o modifica el estado fisiolgico del individuo para probar cmo esto
afecta en el fenmeno de estudio. Mientras que las estrategias no
manipulativas como usted bien dice carecen de esta caracterstica.
Pero no manipular no significa que las condiciones que presenta la
naturaleza, como por ejemplo, ser de un determinado grupo cultural, de
una generacin, padecer una enfermedad, pertenecer a una familia
numerosa, o vivir en el polo norte, etc. no sean condiciones que
puedan ser comparadas con otras bien distintas. As, si usted elige
estudiar quienes son ms proclives a perdonar si los hombres o las
mujeres, usted est estudiando el gnero como una variable que le
indica si las mujeres perdonan ms que los hombres. Esta variable la
denominamos de seleccin de valores porque no puede manipular a los
humanos para que sean hombres o mujeres.
18. Ejemplos de variables de manipulacin y de seleccin de valores.
El concepto de seleccin de valores est vinculado al tipo de variable independiente.
En la investigacin las variables independientes se pueden manipular para estudiar su
7

efecto en la dependiente, o sencillamente se pueden seleccionar y estudiar su efecto

en la dependiente.
Un ejemplo de manipulacin: Si quiero conocer en qu medida las conversaciones
sobre los estados emocionales que se mantienen entre un nio y un adulto favorecen
el vocabulario del nio con respecto al uso que hace de las etiquetas emocionales.
Puedo decidir hacer un estudio experimental: En el que entreno a profesores para
hacer conversaciones sobre las emociones con los nios en sus aulas de pre-escolar,
y esta es una variable que manipulo (entreno a los profesores para conversar sobre
emociones bsicas). Despus evalo el vocabulario emocional de los nios despus
de la aplicacin del programa. Puedo utilizar un grupo control para ver qu evolucin
tienen los nios de las mismas edades que no participaron en el programa y
compararlo. Si el programa tiene efecto al comparar a los grupos control y
experimental, puedo establecer una relacin causal.
Un ejemplo de seleccin de valores. Puedo evaluar qu profesores utilizan ms
vocabulario emocional en las aulas a travs de un registro. Tengo 10 profesores, de
los cuales 5 utilizan ms vocabulario emocional que los otros 5 profesores. Para
evaluar su efecto en el vocabulario emocional de los nios evalo a los nios el
nmero de palabras emocionales que conocen, y usan.
Como puede observar aqu se est comparando a los nios que tienen profesores que
tienden ms usar el vocabulario emocional frente a los nios que tienen profesores
que los usan menos. Mi variable dependiente es la misma, evalo a los nios en su
vocabulario emocional. Pero la variable independiente en los dos estudios es distinta.
En el primer estudio el experimentador interviene, manipula a travs de un programa
de entrenamiento a los profesores. En el segundo estudio el investigador selecciona la
variable independiente: los profesores que hablan de emociones y los que no hablan
de emociones en el aula. Pero como no hay una intervencin no puedo establecer una
relacin causal, pero si puedo establecer una relacin entre tener un tipo de profesor u
otro. Este tipo de relacin es predictiva si realizo un anlisis en el que la variable tipo
de profesor me indique que es ms probable que tener un profesor emocional haga
que los nios usen ms palabras emocionales que tener un profesor no emocional.
Ahora bien, recuerde que en este apartado estamos hablando de las variables, en
trminos generales, antes hemos hablado de las variables independientes que pueden
ser manipuladas o de seleccin. En este apartado estamos refirindonos a las
variables y la forma en cmo son medidas. Una variable categora, retomando el
ejemplo de la seleccin de valores, sera hablar de emociones o no hablar de
emociones en el aula. Tenemos dos categoras en esta variable, se habla o no.
Pero se pueden ordenar tambin, hay profesores que hablan escasamente, otros
hablan un poco, bastante o mucho. Estamos ordenado la frecuencia del uso de las
palabras emocionales (ordinales). Tambin podemos establecer otras medidas en las
que utilizamos un intervalo, como usar entre 1 y 5 palabras emocionales, entre 5 y 10
y as sucesivamente.
En las variables de seleccin de valores se trata de seleccionar a los grupos
por poseer una determinada caracterstica, que por su naturaleza no podemos
manipular, por ejemplo, haber nacido en los aos del baby boom, pertenecer a una
etnia, o bien haber nacido en un hogar con ms de una televisin, etc. Seleccionamos
8

a los participantes por poseer una determinada caracterstica (un valor de la variable
independiente).
Pero la representatividad no pasa por poseer o no esta caracterstica, es decir, la
representatividad de la muestra depende de la tcnica que utilizo para seleccionar a la
muestra de la poblacin. Si yo consigo una muestra con una determinada
caracterstica (haber nacido en los aos del baby boom) y yo uso el procedimiento
siguiente: ponerme en la plaza de una ciudad y preguntar en qu ao naciste y le pido
a esa persona que participe en mi estudio. No tengo garantas de que mi muestra sea
representativa de los nacidos en los aos del baby boom, porque no hay garantas de
que toda la poblacin nacida en esos aos tenga las mismas probabilidades de ser
incluido en la muestra. En cambio si tengo una lista de todos los nacidos en ese ao, y
hago un muestreo aleatorio, tendr ms garantas de que mi muestra s sea
representativa. Todo esto lo ver ms adelante en el Tema de Encuestas.
19. Cul es la diferencia entre variable dependiente y variable independiente?
Es fundamental que entienda estos dos conceptos para poder seguir con el estudio de
la materia en esta asignatura. La variable independiente es la CAUSA y la variable
dependiente es el EFECTO. La variable independiente es la que manipula el
investigador (elige sus valores) para saber cmo *afecta* en la variable
dependiente (que es la que se mide). Por ejemplo, se quiere saber cmo influye las
horas de sueo en el rendimiento en una prueba matemtica. El investigador forma
dos grupos, uno de ellos duerme 5 horas y el otro duerme 8 horas. De
forma
que
*el
investigador
manipula
la
variable
independiente*
eligiendo dos valores (5 y 8 horas) y asignando un grupo a cada
valor. A continuacin quiere medir su efecto sobre el rendimiento en
una prueba matemtica (variable dependiente), para ello pasa un test a
todos los participantes de cada grupo. Podr ver numerosos ejemplos de ambas
variables en las investigaciones que se van planteando en los siguientes temas.
20. Si una variable dependiente es una variable continua, es decir, que puede
adoptar cualquier valor desde 0 hasta un lmite fijado por el experimentador
(por ejemplo podra ser el tiempo que tarda el sujeto en dar una respuesta, o
los litros de agua que bebe en un da, etc.) Cules seran las* medidas* de la
variable dependiente? Por lo que yo entiendo seran los segundos, en un
caso, o bien los litros, en el otro caso, es decir, habra una gran cantidad
de medidas posibles, desde 0 hasta el lmite prefijado (1, 2, 3, 4...)
Con esto quiero llegar a que NO seran *dos medidas, *"mayor" o
"menor", si se comparasen las de un grupo y las del otro. Al menos yo
no lo entiendo as. Estoy en lo cierto?
Cuando tienes una variable continua, en lugar de utilizar todos sus
posibles valores, puedes dicotomizarla en, por ejemplo, ms de 10
segundos y menos de 10 segundos. Siempre que ests trabajando con una
variable medida en una escala superior, puedes bajar de nivel de
medida, dicotomizndola o haciendo varios niveles, depender de lo que
te interese. Al revs no.
21. Qu son las variables extraas?
En el ejemplo del libro (pgs. 39-40), en el que se trata de ver la
influencia de la agresividad (VI) sobre la conduccin (VD), una
9

variable extraa que podra ocurrir sera el nivel de alcohol que

llevan los sujetos cuando conducen. Esa variable puede influir en el
nivel de conduccin y no es una variable que queramos estudiar, ni
hemos manipulado. Luego no se trata de una VI. Es una VE que tenemos
que controlar para que no afecte a nuestros resultados (mirando el
nivel de alcoholemia de todos y manteniendo constante esta variable).

22. En este mismo documento se dice que las variables nominales y

ordinales son cualitativas, sin embargo en el libro pone que las ordinales no
es que sean cualitativas, sino cuasi-cuantitativas, qu es lo correcto?
A las variables ordinales se las denomina cuasi-cuantitativas. A lo
que
se
refiere
en
este
documento
respecto
a
las
variables
ordinales es que son cualitativas en el sentido que ah te explica:
"Se tiene o no se tiene una cualidad en mayor, menor o igual grado". A
los dos tipos de variables, nominales y ordinales, se las considera
cualitativas porque no son cuantitativas. No obstante, para distinguir
un nivel superior para las ordinales, se las llama cuasi-cuantitativas
(en las nominales slo se tiene o no se tiene una cualidad). Con las
variables cualitativas no se pueden realizar operaciones como sumar,
restar,....
23. Qu es una variable dummy?
Una variable dummy en trminos estrictos es una variable que por su naturaleza es
cualitativa p,ej. Extranjero/Nativo; Tiene Mvil, no tiene mvil, etc., y la denominacin
de 0 o 1, simplemente es para indicar que 0 es Nativo, y 1 Extranjero. O que Tiene
mvil = 0 y no tiene mvil = 1. En realidad esto es interesante saberlo a la hora de
realizar un anlisis estadstico, que el 0 y el 1 asignado de las dos categoras no
tienen otro valor que el nominativo.
24. Despus de leer el contenido de Preguntas del tema 1, me ha surgido una
duda que crea no tener, es la siguiente: sobre las VARIABLES DE
SELECCIN DE VALORES, se considera como una VI, en investigaciones
con estrategias no manipulables (intencionadamente por el investigador),
entonces: pueden ser tambin VVDD y VVEE?

Cualquier variable puede adoptar el papel de VI, VD o VE, dependiendo

de la investigacin que se realice. Por otro lado, las variables que
actan en una investigacin como VVII pueden ser de manipulacin
intencional o de seleccin de valores (como en los diseos ex post
facto). Estudia en el tema 8 las variables de seleccin de valores.

10

EJERCICIOS DE AUTOEVALUACIN
25. Dnde puedo encontrar los ejercicios de autoevaluacin?
Los ejercicios
temas del libro.

de

autoevaluacin

estn

al

final

de

cada

uno

de

los

ESCALAS DE MEDIDA
26. Me pueden explicar la diferencia entre el 0 en la escala de razn y en la de
intervalo?
En una escala de intervalo el cero no significa ausencia de la caracterstica medida.
Por ejemplo, cuando un alumno tiene un cero en el examen de Fundamentos de
Investigacin no significa que no sabe nada de la asignatura, sino que ha contestado
mal a todas las preguntas del examen. Lo mismo ocurre cuando medimos la
inteligencia, depresin, ansiedad....utilizando tests o cuestionarios. No existe nadie
que tenga ausencia total de inteligencia, depresin, ansiedad... Es decir, ese cero es
arbitrario y no significa ausencia de la caracterstica medida. En el caso del examen
ponemos el cero a la persona que no ha contestado correctamente a 30 preguntas,
pero lo podamos haber puesto en la persona que no ha contestado bien las 7
primeras preguntas, independientemente de lo que haya contestado en el resto del
examen.
Cuando utilizamos una escala de razn el cero es real. Por ejemplo, nmero de gatos
en mi casa, nmero de pelos en la cabeza, tiempo de reaccin medidos en
milisegundos Es decir, existe realmente la ausencia de esa caracterstica.

27. Me podran poner ejemplos de las distintas escalas?

Imaginemos que nos encontramos ejerciendo de psiclogos en un despacho

profesional y se nos presenta una persona, A, que nos empieza a contar lo que sufre, lo
mal que le va la vida, que no tiene ningn apoyo afectivo, etc. Su situacin es
desesperada, segn lo que ella nos cuenta. Cuando nuestra paciente hipottica se
marcha, llega otra, B, que est llorando y todo el tiempo de su consulta no hace ms
que llorar hasta que se marcha, sin lograr poder decirnos algo. Su situacin es distinta
de la anterior y, posiblemente, juzguemos que es peor. Llega otro tercer paciente, C,
que viene cabizbajo, en posturas autistas y ni tan siquiera nos mira. Pasa su tiempo
sentado, sin decirnos nada y al cabo de un tiempo se levanta y se marcha. Tambin su
situacin es desesperada, distinta de las dos anteriores y creemos que mucho peor que
ambas. Un psiclogo, ante esta situacin, tiene que discriminar entre ellos en cuanto a,
por ejemplo, su "grado de depresin" se refiere. El discriminar lleva consigo una forma
de medir: el paciente A no est igual de deprimido que el B, y el B no lo est igual que el
C. A esta forma de medir se le designa una medicin en una escala nominal. En ella se
permite decir si una observacin es igual o distinta que otra, o que dos elementos, o
sujetos en nuestro caso, pertenecen o no a una misma categora. Pero en nuestro caso
clnico, adems de saber que las depresiones observadas son distintas, tambin podemos
observar que la depresin de A es menor que la de B y tambin es menor que la de C. La
escala que nos permite hablar de igual-distinto y adems de un orden entre las
observaciones se designa escala ordinal. Si a nuestros tres pacientes se les pasase el
11

Cuestionario de Depresin de Beck podramos obtener una puntuacin asignada a cada

sujeto que revelase las conductas depresivas experimentadas por nuestros tres pacientes.
As, las conductas no slo seran distintas, ni unos sujetos experimentaran ms conductas
depresivas que otro, sino que tambin podramos hablar de que A manifiesta tener 6
conductas depresivas, B unas 12 y C unas 20, siendo la diferencia entre A y B de 6
conductas, entre B y C habra unas 8 y entre A y C unas 14. Existen unas diferencias
cuantitativas entre los tres estados. Una escala que permita hacer estas afirmaciones es
una escala de intervalo. Este tipo de escala es la habitual en cuestionarios y tests. Si en las
escalas que se construyen se especificase que el cero indica la carencia del rasgo, estas
escalas seran de un nivel mayor que el de intervalo. Seran de razn. En el caso de
nuestros pacientes, con la informacin disponible del cuestionario de Beck, no podramos
hablar de que un sujeto est doblemente deprimido que otro o de que el otro est la mitad
de deprimido que el uno. Las medidas obtenidas mediante el cuestionario de Beck no
vienen dadas en escala de razn. Si alguien construyese una escala en la que el cero
indicase la carencia absoluta de depresin, entonces la escala as determinada sera de
razn. No parecen existir, hasta este momento, escalas de razn en las cuantificaciones de
la conducta obtenidas por medio de tests o cuestionarios. Dichas escalas aparecen en
algunas de las estimaciones de sensaciones directamente relacionadas con magnitudes
fsicas. Por ejemplo, en las pruebas auditivas se nos puede pedir cundo percibimos un
sonido el doble de intenso que otro. Tambin si a un sujeto se le mandase a sealar en una
escala de 0-10 su grado de acuerdo con una frase y definimos que el cero indica el
desacuerdo total y el 10 el acuerdo total, consideramos que la escala creada es de razn.
Una persona que asigne un dos manifiesta la mitad de acuerdo con la frase que uno que
asigne un cuatro. Uno que asigne un ocho manifiesta un acuerdo que es el doble que la de
cuatro, y as sucesivamente. Una escala que permite establecer razones o proporciones
entre observaciones, es una escala de razn. Por eso, en el caso del acuerdo o de la
percepcin auditiva de la intensidad de un sonido, la escala es de razn. Sin embargo, en
el cuestionario de depresin el tener cero no implica que no se tenga depresin sino que
no se ha experimentado ninguna de las conductas mencionadas en el cuestionario. De
igual forma obtener un cero en un test de inteligencia no representa la carencia de
inteligencia sino que no se ha contestado correctamente a los items del test (Garriga
2001, pp.58-59).
Garriga, A.J. (2001). El proceso de investigacin en psicologa. En Fontes, S., Garca, C.,
Garriga, A.J., Prez-Llantada, C. y Sarri, E. (Coord.). Diseos de investigacin en
Psicologa (pp. 58-59). Madrid: UNED.

28. Qu diferencia hay entre las escalas ordinal y de intervalo? Y entre la de

intervalo y la de razn?
Una escala ordinal es cuasi-cuantitativa y nos proporciona nicamente informacin
sobre el orden (ej. el n 1 cruza la lnea de meta antes que el n 2).
Por otro lado, las escalas de intervalo nos pueden dar informacin,
adems de sobre las relaciones de igualdad-desigualdad (tpicas de las
escalas nominales) y orden (tpicas de las escalas ordinales), sobre
la suma y resta de los nmeros, y la multiplicacin y divisin de la
diferencia entre los nmeros, por lo que se considera una escala
cuantitativa.

12

Respecto a las diferencias entre escalas de intervalo y de razn, la escala de

intervalo es una escala de medida con origen arbitrario e igual distancia entre sus
unidades, de forma que los nmeros asignados a los objetos se pueden sumar y restar
y las diferencias entre estos nmeros se pueden multiplicar y dividir, es decir, soporta
cualquier transformacin lineal del tipo y = ax + b. Pongamos un ejemplo:

cuando un nio saca un 0 en matemticas no significa que carezca de esa

habilidad, simplemente no se ha sabido esas preguntas que hemos puesto
nosotros, pero no significa que no tenga ningn conocimiento sobre
matemticas (origen arbitrario),
podemos afirmar que la diferencia entre una puntuacin de 20 y otra de 40 en
un test de extroversin es la misma que entre las puntuaciones 40 y 60, pero
no podemos decir que el que ha obtenido una puntuacin de 40 sea el doble de
extrovertido que otro cuya puntuacin es 20 (la diferencias entre los nmeros
se pueden multiplicar y dividir, pero no los nmeros en s como sucede en la
escala de razn) y,
si multiplicamos esa caracterstica por una constante y le sumamos otra,
mantenemos las propiedades que tenan los originales, esto es, los valores
nuevos van a ser diferentes entre s como suceda con los antiguos, los nuevos
valores se pueden ordenar en el mismo sentido que los originales y las
diferencias que existan entre los primeros nmeros se mantienen entre los
nuevos.

Por otra parte, la escala de razn es una escala de medida con origen absoluto e
igual distancia entre sus unidades, de forma que los nmeros asignados a los objetos
se pueden sumar, restar, multiplicar y dividir, es decir, soporta cualquier
transformacin del tipo y = ax. Pongamos otro ejemplo:

cuando decimos que un objeto pesa 0 gr. es que carece de esa propiedad
(origen absoluto),
podemos afirmar que 20 Kg. son el doble de 10 Kg. (debido a la igual distancia
entre sus unidades) y,
si multiplicamos esa caracterstica por una constante podemos obtener los
mismos resultados (los pesos de tres objetos son 5, 10 y 20 Kg.
respectivamente, pero si los multiplicamos todos por 2, obteniendo 10, 20 y 40
Kg., podemos hallar las mismas conclusiones, es decir el de 20 Kg. sigue
siendo el doble que el de 10 Kg., el de 40 Kg. es el que ms pesa...se sigue
manteniendo la distancia entre sus unidades).

De todas formas, recordar que estos conceptos son propios de la

asignatura Introduccin al Anlisis de Datos, aunque en esta asignatura necesitamos
que tengis una nocin clara de ellos, aunque no profunda.
29. No consigo entender bien la escala de intervalo y no encuentro la diferencia
con la escala ordinal.
Con un ejemplo se entender mejor: Imagine que yo pido a cien participantes, que por
su orden preferencia, me digan qu autores prefieren leer: Proust, Garca Mrquez,
James Joyce, Cervantes, Sndor Mrai.
Puedo encontrar muchas respuestas divergentes entre s, 1) Proust, 2) Marai, 3)
Garca Mrquez, 4) Joyce, 5) Cervantes. O por ejemplo. 1) Garca Mrquez, 2) Proust,
13

3) Cervantes, 4) Joyce, 5) Marai y as. El nmero que obtenemos de los participantes

cuando le asignan un 1 a Proust, no tiene todas las propiedades que hacemos con los
nmeros. No podemos sumar o restar o multiplicar con estos nmeros. El 1 de Proust
no significa que es igual que Garca Mrquez menos Mrai. No tiene sentido!!!
Lo que puedo hacer con estos datos es analizar cuntos eligen en primer lugar a cada
autor, cuantos lo eligen en segundo lugar, etc. Lo que obtengo son frecuencias (el
nmero de veces que son elegidos por orden los 5 autores), y lo que puedo hacer es
muy poco, o mejor dicho muy descriptivo, puedo decir que la frecuencia con la que los
participantes eligen leer a estos autores es distinta entre ellos en primer, segundo
hasta el 5 lugar.
Aqu puedo obtener un resultado como este:
Orden Proust Gca
Mrquez

Joyce Cervantes Marai

10

40

12

16

22

30

20

15

21

14

40

10

20

17

13

10

14

21

24

31

10

16

32

22

20

La informacin que obtengo es muy descriptiva, sobre las preferencias de lectura.

Sin embargo, imagine que en lugar de pedirle su preferencia a los participantes les
pido que en una escala de 1 a 10 en trminos de su inters, me indiquen qu autor
leeran con ms inters. Y les digo que punten a cada autor en una escala. Estos no
son las respuestas de un individuo, sino las puntuaciones medias de los cien
participantes a los que he consultado.

Proust
Marai
Cervantes
Garca Mrquez
Joyce

1 = menos inters 10 ms inters.

3
8
5
9
4

En una escala de 1 a 10, ellos me han indicado que leeran ms a Gca Mrquez ms
que Proust. Puedo obtener la misma informacin que en la escala ordinal, pero
adems es que los nmeros que he obtenido aqu, y que los participanes nos han
proporcionado, si nos permiten operar (se pueden hacer operaciones aritmticas con
ellos haciendo una media, los puedo sumar, restar, dividir, etc.), y aqu puedo decir
que los participantes leeran antes a Garca Marquez que a Proust, porque la escala
con la que mido su preferencia es de intervalo. Esto es que una escala de intervalo me
permite conocer la distancia en el inters que hay entre 1 y 5, por ejemplo, es ms o
menos las misma que hay entre 5 y 10, en trminos de inters de los participantes.
Supongo adems que el 0 es arbitrario, es decir que no habra 0 inters en conocer a
los autores y sus obras. Y al obtener estas medidas puedo utilizar contrastes
estadsticos ms potentes.
14

En resumen, cuando obtenemos una respuesta o variable con una escala en una
medida ordinal podemos conocer algunas propiedades de esta variable, podemos
saber la frecuencia con que un autor podra ser ledo, pero una escala de intervalo que
adems nos proporciona sta informacin, mide las respuestas en las que los
nmeros que nos proporcionan los participantes permiten operar matemticamente.
30. Me podran aclarar si la escala ordinal tiene relacin de igualdaddesigualdad?
S, las escalas que estn a un nivel superior, incluyen todas las relaciones que se
pueden dar en las escalas inferiores, as que en la escala ordinal se da la relacin de
igualdad-desigualdad que ya se daba en la escala nominal y, adems, la relacin de
orden (mayor que y menor que). Lo tienes realzado en negrilla en el cuadro 1.6,
pgina 37 del libro cuando te habla de la ESCALA ORDINAL: "Las relaciones
observadas... presentan, adems de la igualdad-desigualdad, una ordenacin".

31. Respecto al prrafo de la pgina 39 del manual: "el nivel de medida

de una variable que se obtiene con cada escala condiciona el tipo de
operaciones matemticas que se puedan llevar a cabo con esas variables".
Los fenmenos que estudiamos determinan las escalas de medida?
Yo le dira que no necesariamente, pero es posible que dependa de: *Los objetivos
que
nos
planteamos*
para
estudiar
el
fenmeno
que
estudiamos hacen que utilicemos una escala de medida u otra, por
ejemplo, usted estudia si un animal aprieta la palanca o no ante un
estmulo. Si se decide que la variable sea medida en trminos de si
ocurre o no, es porque solo le interesa estudiar este fenmeno de
ocurrencia (de frecuencia o nmero de veces que ocurre el suceso) de
si el animal aprieta la palanca cuando aparece un sonido. Esta escala
de medida es *nominal, dicotmica (si o no).*
Pero si lo que le interesa saber no solo este fenmeno sino que se
plantea saber cunto tiempo tarda en apretar la palanca un animal
ante el sonido, est estudiando tiempo de reaccin. Mide el tiempo
desde que aparece el estmulo hasta que el animal responde, y entonces
est utilizando otra escala de la variable. Est utilizando *una
escala de razn*. Pero probablemente cuando est preguntndose el
tiempo que tarda el animal en presionar la palanca probablemente est
tratando de responder a* otro problema* con otro objetivo, aunque el
fenmeno sea el mismo (apretar la palanca ante un estmulo).
*De la naturaleza del problema*, Hay fenmenos que pueden solo
estudiarse con determinadas escalas de valores, por ejemplo, si quiero
determinar si el apoyo familiar contribuye a dejar el hbito del
tabaco. La variable del estudio es que dejas o no el tabaco, no hay
medias tintas, fumas o no fumas. Por tanto es posible que dependa de
los objetivos del estudio, de qu tipo de problema se plantea el
investigador y cmo *operativice* la variable de estudio.

15

ESTADISTICA DESCRIPTIVA E INFERENCIAL

32. Qu es la estadstica inferencial?

La estadstica se puede dividir en dos clases, reas o partes:

La estadstica descriptiva, que es la que se dedica a la tarea de resumir y

organizar los datos obtenidos en la investigacin (se centra en tablas, en
ndices como la media, la desviacin tpica, etc.). Esta parte de la estadstica la
vers en la asignatura de 1 Introduccin al Anlisis de Datos.
La estadstica inferencial, que es la parte de la estadstica que, basndose en
el clculo de probabilidades, se ocupa de hacer inferencias (predicciones)
sobre la poblacin a partir de los datos obtenidos en la muestra. Esta
estadstica es la que empleamos para poder llevar a cabo el contraste de
hiptesis y la vers en profundidad en la asignatura de 2 Diseos de
Investigacin y Anlisis de Datos.

ESTADISTICOS DE CONTRASTE

33. Podran ponerme un ejemplo claro sobre cuando, donde y porque se aplica
el Estadstico de Contraste?
Los anlisis de datos con sus estadsticos de contrastes, nivel de confianza y un
montn de conceptos ms que ahora no podis entender por mucho que os lo
expliquemos en este curso, lo vais a estudiar en la asignatura Diseos de
Investigacin y Anlisis de Datos en el prximo curso. Lo explicaremos aqu de
forma muy intuitiva con un ejemplo:
Si queremos ver cmo influye en el rendimiento acadmico de esta asignatura el
estudiarla con el texto bsico o con los apuntes que circulan en este curso virtual,
podramos seleccionar aleatoriamente una muestra de 100 alumnos de
Fundamentos de Investigacin (ya que sera muy tedioso utilizar los 9000
matriculados) y dividirlos aleatoriamente en dos grupos, A y B. El grupo A
estudiara el contenido con el texto bsico y el grupo B con los apuntes.
Una vez que han realizado el examen tendramos las calificaciones de cada grupo.
Para poder compararlos, calculamos la media aritmtica en cada uno de los
grupos:
Media del grupo A=7
Media del grupo B= 4
Con estos datos podramos concluir que el grupo A ha obtenido calificaciones
superiores al grupo B y por lo tanto es mejor estudiar con el libro de texto que con
los apuntes? NO
Para saber si realmente esta diferencia se debe al hecho de utilizar el texto bsico
o los apuntes o si se debe al azar o a otros factores no controlados en la
investigacin, y si esos resultados tambin se dan en la poblacin (en los 9000
16

alumnos y no slo en los 100 de la muestra) tendramos que utilizar un estadstico

de contraste.
Un estadstico de contraste es una frmula que aplicamos a los resultados del
experimento. En nuestro caso, como son dos grupos de sujetos diferentes y para
resumir los datos en cada uno de los grupos hemos calculado la media aritmtica,
podramos utilizar el estadstico de contraste T de Student para dos muestras
independientes.
Una vez aplicada la frmula del estadstico de contraste T de Student, si nos sigue
dando que el grupo A es superior al B podemos afirmar con un margen de error
muy pequeo que realmente el grupo A es superior al B y podemos inferir
(generalizar, trasladar....) estos resultados a la poblacin (los 9000 estudiantes
matriculados en Fundamentos de Investigacin) y concluir que es mejor utilizar el
texto bsico que los apuntes para aprender esta asignatura, con una probabilidad
muy pequea de equivocarnos (normalmente de un 1 o un 5%).
34. Qu son los estadsticos de contraste?
Resumidamente, son frmulas matemticas para contrastar hiptesis estadsticas.
Veamos un ejemplo: queremos investigar la eficacia de un programa de entrenamiento
para memorizar palabras en mujeres de 55 aos. Tenemos que hacer lo siguiente:

1.- Elegir una muestra de la poblacin de mujeres de 55 aos de, por ejemplo,
40 sujetos (si se elige de forma aleatoria, aumentamos la validez externa del
experimento (Tema 4).
2.- Aleatoriamente asignamos 20 sujetos al grupo A y otros 20 sujetos al grupo
B.
3.- Al grupo A le aplicamos el programa de entrenamiento para memorizar
palabras (a este grupo se llama experimental) y al grupo B le damos una
conferencia (a este grupo se le llama control).
4.- Ambos grupos tienen que memorizar unas listas de 30 palabras. Los
resultados muestran que la media del grupo A es mayor que la media del grupo
B. Aparentemente, podramos decir que el programa de entrenamiento para
memorizar palabras ha tenido efecto y que si en lugar de utilizar una muestra,
hiciramos el experimento con toda la poblacin de mujeres de 55 aos, la
media del grupo A seguira siendo mayor que la media del grupo B.

A la media de la muestra se denomina estadstico y a la media de la poblacin

se denomina parmetro. Lo que pretendemos es a travs del estadstico hacer una
inferencia sobre el parmetro. Pero, tenemos que comprobar que nuestros resultados
se deben al tratamiento y no al azar o a alguna variable extraa, como por ejemplo,
que el grupo A, se entrenaba a escondidas en la memorizacin de palabras.
Para comprobar lo anterior utilizamos los estadsticos de contraste. Estos
pueden ser paramtricos o no paramtricos y se utilizan unos u otros en funcin de
que se cumplan en los datos unos supuestos o no se cumplan. Con estos estadsticos
podemos afirmar (con una cierta probabilidad, nunca al 100 %) si nuestros resultados
se deben al tratamiento o no.
17

En nuestro ejemplo utilizaramos como estadstico de contraste uno de

diferencias de medias de dos muestras (grupos) independientes, como podra ser por
ejemplo la t de Student (si los datos cumplen unos supuestos o requisitos para utilizar
una tcnica paramtrica o su alternativa no paramtrica, si en los datos no se dan
esos requisitos).
35. A qu nivel de profundidad se nos preguntar en examen sobre el
estadstico de contraste y los supuestos?
El estadstico de contraste y los supuestos que se deben cumplir para aplicarlos estn
explicados a un nivel muy general en esta asignatura para que entendis cul es el
proceso completo de la investigacin cientfica. Una de las etapas es el anlisis de
datos y por ello os explicamos a nivel conceptual que en esta etapa, lo que hay que
hacer, es contrastar las hiptesis utilizando estadsticos de contraste que son
herramientas estadsticas que arrojan unos valores que usaremos para comprobar o
refutar nuestras hiptesis. Slo a este nivel general se os van a preguntar esos
conceptos.
36. Si p es mayor que a se acepta la hiptesis nula, si a es mayor que p se
rechaza la hiptesis nula. Pero si a y p fueran iguales, que pasara se acepta
o se rechaza la hiptesis?
Como sabes, la hiptesis nula es la que se somete a comprobacin y, por tanto, es la
que se rechaza, o no, como conclusin final de un contraste. Es importante recalcar
que un contraste de hiptesis no permite aceptar la hiptesis (nula, que es la que se
contrasta), sino que nicamente nos permite rechazarla o no, es decir "tacharla" de
verosmil (lo que no significa obligatoriamente que sea cierta, simplemente que es
probable que lo sea) o inverosmil.
Como comentas, se rechaza la hiptesis nula si el valor p asociado al resultado
observado es igual o menor que el nivel de significacin establecido
(convencionalmente 0,05 0,01). Si el valor p es superior al nivel de significacin no
podemos rechazar la hiptesis nula. Por tanto, respondiendo directamente a tu
pregunta, si p es igual a alfa, rechazamos la hiptesis nula.
37. Sobre el estadstico de contraste y la probabilidad, el 5%
de probabilidad, que nos permite decidir si aceptar o rechazar la
hiptesis de partida (hiptesis nula) procede directamente del
estadstico de contraste o de la probabilidad de encontrar ese
estadstico de contraste?
El
estadstico
de
contraste
es
el
resultado
de
hacer
algunas
operaciones con las puntuaciones de los datos obtenidos en el estudio
o
la
investigacin.
Dicho
resultado
llamado
*estadstico*
est
asociado
a
una
probabilidad.
Es
decir
si
comparas
entre
dos
puntuaciones de dos grupos, haciendo las operaciones que te indica el
contraste de las medias, y obtienes un resultado, esto se haya
vinculado a la probabilidad con que la que decides afirmar con un 95
de certeza (o si prefieres, con 5% de error) que dicha diferencia es
correcta.

18

ERROR DE LOS DATOS

38. En la pgina 26 del libro de texto: "...los datos llevan consigo una
varianza o variabilidad error que se definira como la diferencia
entre los valores reales que se obtendran de no presentarse
alteraciones y los valores que observamos de forma sistemtica". Mi
pregunta es: Si estamos pasando un test de ansiedad a un individuo en
un momento determinado (da, hora, lugar y sus circunstancias de ese
momento), cmo podemos saber cul sera el valor real que se obtendra
de no presentarse alteraciones?
Normalmente, cuando se construye un test se utilizan ciertos parmetros
de la poblacin en general. Ese instrumento que mide la ansiedad en un
individuo,
previamente
tendra
que
haber
sido
baremado
en
la
poblacin. Esto es, debe ser capaz de discriminar si la puntuacin
obtenida por el individuo est dentro de la normalidad o est en una
situacin de riesgo. Pero todo instrumento, incluso las balanzas de
alta precisin, cuando nos dan una medida, tiene una probabilidad de
dar una medida con error. Pues en relacin con los instrumentos que
miden estados subjetivos tambin se cometen errores. Pero cmo sabemos
el error que cometemos cuando medimos sea con test o con una balanza,
esto nos lo indican los procedimientos estadsticos, los cuales ver
en otras asignaturas como Psicometra y Anlisis de datos.

FUENTES Y PLANTEAMIENTO DEL PROBLEMA

39. Tengo una duda respecto a las fuentes de problema de la pgina 34, no s
diferenciar entre la experiencia y el conocimiento previo como fuente de
problema.
Los investigadores que estn inmersos en lneas de investigacin saben, por su
experiencia en esta rea, que hay hechos que todava no tienen explicacin, o bien
que no se han resuelto convenientemente. Por lo tanto, esto es una fuente para
plantear un problema.
Pero tambin puede ocurrir que equipos de investigacin hayan realizado trabajos en
este tema de estudio y al conocer sus explicaciones al tema de estudio pueden ser
dbiles o inciertas o tengan algunos problemas. De nuevo, se puede, a partir de los
nuevos resultados, plantear nuevos problemas que los investigadores previos no han
advertido en sus investigaciones. Y esto es una fuente para plantear un problema.

40. A qu se refiere la construccin del problema?

El
planteamiento
del
problema
no
es
una
cuestin
tratada
con amplitud por el manual. Creo que esto se debe a que hay que tener
en cuenta, que desde la investigacin cuantitativa la formulacin del
problema viene dado por el marco terico en el que se mueve el
investigador, formular un problema no es lo mismo desde el rea de la
psicologa
cognitiva,
conductista,
evolucionista,
etc.
Otra
cuestin
que hay que considerar es que en el primer grado de psicologa no
19

podemos suponer que los estudiantes conozcan teoras para formular

problemas de investigacin sin haber visto el gran problema de la
psicologa que es que se mueve por teoras muy distintas.
Lo que pretende este curso es dar una visin general de como se
investiga,
y
de
acuerdo
al
plan
de
estudios
del
grado
en psicologa las competencias que los estudiantes deben adquirir no
es que aprendan a investigar, pero s que comprendan un artculo,
identifiquen algunos diseos, y elementos crticos del mismo, etc. La
parte de la epistemologa, que trata de ver la cuestin de la
construccin del conocimiento, aunque no deja de ser interesante, no
se trata en este curso.

GLOSARIO
41. Tengo una duda sobre si los conceptos del glosario, son materia de
examen, es decir, los trminos que vienen en el glosario tambin estn
definidos en el tema, pero las definiciones no son las mismas. Con qu
definicin me quedo, con la del temario o la del glosario o
con las dos?
Como sabes, el glosario es un recurso de apoyo para el estudio. Las
definiciones que vienen en l, aunque no coincidan "textualmente" son
las mismas que aparecen en el libro, lo que s sucede es que en el
glosario hay ms trminos de los tratados en los temas que,
evidentemente, no entran.

HIPTESIS

42. Qu diferencias hay entre una hiptesis de trabajo y una experimental?

Son bsicamente lo mismo. Una hiptesis de trabajo es una afirmacin que predice lo
que bajo unos determinados postulados tericos pienso que ocurrir. Por ejemplo, si la
melatonina es una hormona que se produce en el organismo en ausencia de luz y
sabemos que tiene influencia en los ciclos del sueo. Adems, esta hormona es
deficitaria en ciertos pacientes que padecen insomnio, mi prediccin es que si les
administro esta hormona a pacientes con insomnio, entonces mejorarn en sus ciclos
de sueo. Hara la siguiente hiptesis: Los pacientes que toman la dosis diaria de
melatonina aumentarn sus horas de sueo. Esta hiptesis es la de trabajo, y como se
trata de un experimento, ser mi hiptesis experimental. (Se puede denominar de las
dos maneras).

43. Tipos de hiptesis.

Respecto a la hiptesis experimental, se trata de una hiptesis de trabajo que se
formula cuando se est investigando siguiendo la metodologa experimental. En esta
20

hiptesis se establece una relacin de causa efecto (si..., entonces...). Cuando el

mtodo de investigacin no es manipulativo (por ejemplo, ex post facto,
observacional), el tipo de hiptesis no sera experimental.
Con respecto a las hiptesis nula y alternativa, son las dos hiptesis estadsticas,
estas son mutuamente exclusivas (si una es cierta la otra ha de ser falsa) y
exhaustivas (deben incluir todos los posibles resultados).
Lo que tiene que diferenciar es hiptesis de trabajo e hiptesis estadsticas, estas
ltimas son dos (la hiptesis nula y la hiptesis alternativa). Por ejemplo, queremos
investigar si el tipo de estudio: intensivo (10 horas el da antes del examen) o
progresivo (2 horas durante los 5 das anteriores al examen) influye en el rendimiento
en el examen. Tendramos dos grupos de sujetos, unos estudiara de forma intensiva
(grupo I) y el otro grupo de forma progresiva (grupo P). Nuestras hiptesis seran:
Hiptesis de trabajo: El grupo que estudia de forma progresiva obtendr mejores
notas que el grupo que estudia de forma intensiva.
Para evaluar la hiptesis de trabajo tenemos que expresarla en forma de hiptesis
estadstica.
Hiptesis estadsticas:
-Hiptesis Nula (H0): No existe diferencias significativas en la nota media
entre el grupo I y el grupo P.

-Hiptesis alternativa (H1): Existen diferencias significativas en la nota

media entre el grupo I y el grupo P.

La hiptesis que establece que no existen diferencias entre los grupos es una
hiptesis nula. En el apartado de Introduccin de un informe de investigacin, se debe
plantear la hiptesis de trabajo, en la que se establece el efecto que se espera
encontrar (el grupo que estudia de forma progresiva obtendr mejores notas que el
grupo que estudia de forma intensiva). La hiptesis nula (no existen diferencias entre
los grupos) es la que debe ser contrastada con el anlisis estadstico de los datos. En
caso de rechazarla, se acepta la hiptesis alternativa (existen diferencias entre los
grupos). Tendrn una base para entender mejor estos conceptos cuando estudie la
asignatura de Diseos de Investigacin y Anlisis de Datos de segundo curso.
La hiptesis nula es la contraria de la hiptesis alternativa y son dos tipos de hiptesis
estadsticas. Por ejemplo: Se quiere analizar si los nios que asisten a clase particular
de ingls sacarn mejores notas que los nios que no asisten a clase. Aqu nuestra
hiptesis de investigacin o trabajo es la hiptesis alternativa.

21

En otros casos nuestra hiptesis de investigacin coincidira con la hiptesis nula. Por
ejemplo: Se quiere analizar si los nios que asisten a clase particular de ingls sacan
las mismas notas que los nios que no asisten a clase.
En la hiptesis nula se afirma la igualdad mientras que en la alternativa se afirma lo
contrario que en la alternativa (que existen diferencias, que un grupo es mejor que el
otro o que es peor).
34. Contraste de hiptesis. Ejemplo.
Una hiptesis es una solucin tentativa al problema. Normalmente se formula en
trminos condicionales si......, entonces... Por ejemplo, si utilizo un mtodo nuevo de
enseanza entonces los alumnos de 2 de bachillerato sacarn mejores notas que si
utilizo el mtodo de enseanza tradicional. Despus de planteada la hiptesis el
investigador hace pruebas para ver si la hiptesis es (probablemente) verdadera o
probablemente) falsa: Podra coger en un colegio dos grupos de alumnos. En uno
utiliza el mtodo de enseanza tradicional y en el otro el nuevo mtodo de enseanza.
Despus les hace el mismo examen a los dos grupos. Compara la media de las notas
y en funcin de los resultados acepta o rechaza la hiptesis con un margen
probabilstico de error (todo esto lo entender perfectamente ms adelante y sobre
todo en la asignatura de Diseos de Investigacin y Anlisis de Datos).
Con los anlisis estadsticos se aprueba o se rechaza la hiptesis nula con un
determinado nivel de probabilidad o nivel de confianza.
El nivel de confianza es la probabilidad de acertar cuando no se rechaza la hiptesis
nula si sta es cierta.
En el ejemplo siguiente se explican los conceptos anteriores:
Imaginemos que, tras elegir una muestra de 40 varones insomnes, comparamos la
eficacia de dos tratamientos para el insomnio (variable independiente):
A: tomar caf con leche antes de ir a la cama (a este tratamiento se someten 20
sujetos)
B: hacer unos ejercicios de relajacin al acostarse (a este tratamiento se someten los
otros 20 sujetos)
Con la ayuda de un electroencefalgrafo, medimos (variable dependiente) el nmero
de minutos que tardan en conciliar el sueo desde que se meten en la cama.
La hiptesis nula sera: no hay diferencias entre los tratamientos (la media de
minutos que tardan los sujetos en conciliar el sueo es igual en los dos grupos de
sujetos). Formulada matemticamente: H 0 : A = B (la media de minutos que tardan
en conciliar el sueo los insomnes- todos los insomnes del mundo- que reciben el
tratamiento A es igual que la media de minutos que tardan en conciliar el sueo los
insomnes- todos los insomnes del mundo- que reciben el tratamiento B)
La hiptesis alternativa sera: si que hay diferencias entre los tratamientos (la media
de minutos que tardan los sujetos en conciliar el sueo no es igual en los dos grupos
de sujetos). Formulada matemticamente H 1 : A B (la media de minutos que
22

tardan en conciliar el sueo los insomnes - todos los insomnes del mundo- que reciben
el tratamiento A es diferente que la media de minutos que tardan en conciliar el sueo
los insomnes- todos los insomnes del mundo- que reciben el tratamiento B).
Imaginemos que los resultados indicaron que, en la muestra (no entre todos los
insomnes del mundo), los sujetos tratados con el tratamiento A tardaron 34 minutos
como media en conciliar el sueo y los tratados con el mtodo B tardaron 26 minutos
como media en conciliar el sueo. Para estos sujetos que componen la muestra el
tratamiento A fue peor que el tratamiento B.
Esto ser verdad en todos los caso de insomnio (todos los insomnes del mundo)? La
parte inferencial de la investigacin consiste en establecer si lo que hemos visto en la
muestra puede generalizarse a toda la poblacin de insomnes (todos los insomnes del
mundo).
Para ello debemos analizar los datos mediante una prueba estadstica. Una prueba
estadstica sirve para hacer una comparacin entre dos afirmaciones matemticas
(hiptesis estadsticas: H 0 : A = B H 1 : A B ) y tomar una decisin respecto a
cul de ellas tiene ms probabilidad de ser cierta.
El nivel de significacin (estadstica) es la probabilidad (p) de que la hiptesis
postulada como nula sea cierta (de acuerdo con los datos de nuestro estudio); en
nuestro caso que el tratamiento A sea igual al tratamiento B (mejor dicho que los
efectos encontrados en la VD sean iguales para los dos tratamientos).
Cuando en un informe cientfico se dice que se han encontrado diferencias
estadsticamente significativas (y se aade p<0,05) entre las medias de la variable
dependiente (minutos...), se est comunicando al lector que la hiptesis nula (que en
ese caso era que la medias poblacionales son iguales, A = B ) es tan POCO
PROBABLE (p<0,05) que se desprecia esa probabilidad y se admite como cierto que
son diferentes (estadsticamente diferentes- A B ).
El nivel de confianza es el valor complementario al nivel de significacin multiplicado
por cien; as, para un nivel de significacin p<0,05, el n.c. (nivel de confianza) es (10,05)100=95, que se expresa en porcentajes, o sea es el 95%. Como se ve, ambos
conceptos son intercambiables y complementarios, pudindose decir que dado que
p<0,05 se rechaza H0 o que H0 se rechaza con un nivel de confianza del 95%.

44. Para qu sirven la hiptesis nula y la alternativa?

Cuando
se
hace
una
investigacin
en
la
que
se
quiere
comparar el efecto de una variable sobre un fenmeno (i.e. el ruido
externo sobre una tarea que exige atencin) y se quiere hacer
utilizando la estadstica, tiene que hacerlo ajustndose a lo que es
un contraste estadstico. Por ejemplo, un grupo tiene que transcribir
una conversacin de una grabadora, y lo hace con un nivel de ruido
23

bajo, el otro grupo con un nivel alto de ruido. Quin cometer ms

errores?
Usted aqu hace una prediccin (una hiptesis de trabajo): Dir, el
grupo con niveles altos de ruido cometer ms errores que los de bajo
nivel de ruido.
Hace un experimento. Un grupo trabaja con nivel alto y otro con nivel
bajo de ruido, y compara los errores cometidos en la transcripcin en
una condicin y en otra (esta es su variable dependiente).
Al contabilizar los errores usted obtiene una frecuencia de errores de
los dos grupos, en la condicin sin ruido y con ruido. Pues bien aqu
entra la estadstica y la hiptesis nula y alternativa. Para poder
decidir si las frecuencias de errores son iguales o distintas en los
dos grupos.
En estadstica tenemos que contrastar si la hiptesis es cierta o no,
si el nivel de ruido alto hace que se cometan ms errores que en la
condicin de ruido bajo. Para ello se propone la Hiptesis NULA, que
indica que las frecuencias de errores sern iguales en las dos
condiciones _(nmeros de errores del Grupo sin ruido = numero de
errores del Grupo con ruido_). La ALTERNATIVA, dir que las
frecuencias de errores sern distintas en las dos condiciones (_nmero
de errores Grupo con ruido > que el nmero de errores del grupo sin
ruido_). Esto es as porque en estadstica tenemos que hablar de que
una afirmacin puede ser cierta o falsa, Y por tanto, tenemos que si
la hiptesis nula es falsa, su alternativa tiene que ser cierta y por
ello es contraria a la nula.
Para decidir si la frecuencia de errores es distinta o igual entre los
grupos los clculos estadsticos nos indican, al obtener estos valores
estadsticos, si podemos rechazar o aceptar como verdadera la
hiptesis nula. Pero como esto lo ver en otros cursos, solo que sepa
que la hiptesis nula y la alternativa son enunciados necesarios para
formular estadsticamente los contrastes que se tienen que realizar en
un estudio.
45. Se toma siempre el mismo nivel de significacin (0,05) o nivel de confianza
(95%) en todas las investigaciones?
El nivel de significacin no tiene por qu ser siempre de p<0.05, en la prctica lo
habitual es tomar ese nivel de significacin o el de p < 0.01. Es decir, un nivel de
confianza de 95 % o del 99%, pero estos valores pueden variar.
46. No acabo de entender el concepto de hiptesis nula (Ho) ni su posible
aplicacin en un proyecto de investigacin.
La manera de operativizar las hiptesis de investigacin para que sean contrastables
estadsticamente es formular una hiptesis nula y una alternativa. Si queremos
comparar dos grupos, en la nula se afirma la igualdad de los grupos y en la alternativa
24

la desigualdad, cuando rechaces la nula podrs afirmar la existencia de las diferencias

entre los grupos. El contraste de hiptesis estadstico se hace as. Algunas veces la
hiptesis de la que tu partes como investigadora, bien porque es la que piensas que se
va a cumplir (tambin llamada de trabajo o de investigacin) coincide con la hiptesis
nula (a veces lo que importa es confirmar que hay igualdad entre las medias de dos
grupos), pero otras veces, tu hiptesis de trabajo coincide con la hiptesis alternativa
(donde se afirma que hay diferencias de medias entre los dos grupos). Lo que importa
es que en la hiptesis nula, para su posterior contraste estadstico, debe afirmarse la
igualdad de los tratamientos y en la alternativa, las diferencias. Esto es lo bsico que
debes saber a este nivel (en primero de Psicologa), cuando llegues a la asignatura de
Diseos de Investigacin y Anlisis de Datos, vers muchas ms cosas sobre la
hiptesis nula y la alternativa.
47. Qu quiere decir que las hiptesis formuladas en trminos generales,
debern operativizarse para ser contrastadas?
La operativizacin de hiptesis, entre otras cosas, consiste en definir con exactitud las
variables implicadas y las relaciones entre estas variables.
48. En el texto dice que una hiptesis nunca se puede probar, slo se puede
contrastar. Entonces, cmo dice ms abajo que las hiptesis de trabajo se
comprueban?
Las hiptesis que se contrastan (se ponen en relacin con los hechos) son las
hiptesis de trabajo. Cuando se dice que una hiptesis de trabajo se comprueba se
est refiriendo a la contrastacin. Esto no significa que se prueba, es decir, una
hiptesis apoyada por los datos se mantiene como verdadera hasta que se encuentren
datos que no la apoyen.
49. Qu es una hiptesis experimental?
Hiptesis Experimental es lo mismo que decir Hiptesis de Trabajo, Hiptesis
Alternativa.....Es la hiptesis que tu quieres comprobar en tu experimento. En realidad
el trmino Hiptesis Experimental se utiliza fundamentalmente cuando realizamos una
investigacin experimental (Tema 5) y se formula en trminos condicionales "Si
estudio 8 horas das aprobar esta asignatura con mejor nota que si estudio una hora".
50. La hiptesis causal y la experimental son lo mismo (pg.42)? Se podra
decir que son hiptesis generales?
S una hiptesis experimental es una hiptesis causal, pero como te dice en la pgina
43 son hiptesis de trabajo (ms concretas, ms operativas, que nos sirvan para
trabajar), no hiptesis generales (ms amplias, que derivan de las teoras cientficas).
51. Les agradecera que me aclararan los conceptos de datos congruentes y no
rechazo de la Ho, y datos no congruentes con rechazo de la Ho, as como el
concepto de valor decidido.
Lo importante que debis saber a nivel de primero de Psicologa es lo que se ha dicho
en relacin con la hiptesis nula (Ho), ya que an no tenis conocimientos de
25

estadstica inferencial. Sobre datos congruentes y no rechazo de la Ho, y datos no

congruentes con rechazo de la Ho, as como el concepto de valor decidido, lo que
debis saber es que las hiptesis estadsticas se ponen a prueba con frmulas
matemticas que utilizan los datos de la muestra para tomar decisiones a nivel
poblacional y esos datos pueden ser congruentes o compatibles o no con unos valores
que vienen en unas tablas (y dependen del nivel de probabilidad o confianza que
decidamos de antemano). Entonces se toma la decisin de aceptar o no la hiptesis
nula. Es imposible explicaros todo esto sin los conocimientos estadsticos que tendris
en segundo de Psicologa. No obstante, y para entender a nivel intuitivo estos
conceptos que incluyen la "significacin estadstica" y, aunque ya hemos comentado
que no es necesario entrar en profundidad en temas estadsticos en esta asignatura
(ya se vern en segundo en la asignatura de Diseos de Investigacin y Anlisis de
Datos), os remito al libro de Len y Montero (1997). Diseo de Investigaciones.
Introduccin a la lgica de la investigacin en Psicologa y Educacin. (2 ed.). Madrid:
McGraw-Hill (pp. 19-21 y 125-129) de las Referencias Bibliogrficas de las Unidades
Didcticas.
52. No me queda claro el concepto de hiptesis nula, yo pensaba que
hiptesis nula era lo mismo que hiptesis de trabajo. Me lo podran
aclarar?
La hiptesis de trabajo es una forma muy concreta de formular un
aspecto del problema mediante la operativizacin de las variables que
intervienen en l (Ej. si ocurre A entonces ocurrir B). La hiptesis
nula es una hiptesis estadstica, auxiliar de la anterior y que
contiene
afirmaciones
como:
El
tratamiento
X
tiene
la
misma
efectividad
que
el
tratamiento
Y.
Tambin
es
una
hiptesis
auxiliar
utilizada
para
la
contrastacin
estadstica
su
contrapunto,
la hiptesis alternativa (el tratamiento X posee mayor efectividad que
el tratamiento Y).
53. En un esquema de aqu de la plataforma dice que hay 2 tipos de
hiptesis: las cientficas y las estadsticas, que stas ltimas a su
vez, pueden ser nulas o alternativas, ahora bien, ...... y las que
ponen en el libro: causales, generales, de trabajo, y experimentales a
que grupo pertenecen?
Las
hiptesis
cientficas,
de
trabajo,
de
investigacin,
causales
y
experimentales son sinnimos. Las hiptesis estadsticas son la nula y la alternativa.
Sobre todo qudate con el esquema que te ser ms til. La funcin que tiene la
hiptesis es que te gua en el proceso de investigacin, las estadsticas te guan en el
anlisis de los datos.
HIPTESIS, LEYES Y TEORAS
54. Podran aclararme las tres caractersticas (pg. 28) por las que una
hiptesis pasa a ser ley cientfica y algn ejemplo de hiptesis, ley y teora?
Las hiptesis son proposiciones que suelen formar parte de teoras (o sistemas
tericos ms amplios). En tu ejemplo, lo que propones como hiptesis son principios y
26

los principios, considerndolos como leyes cientficas son leyes de la naturaleza que
no se pueden demostrar explcitamente, sin embargo las podemos medir y cuantificar
observando los resultados que producen (como el principio de Arqumides). Las leyes
cientficas son hiptesis de amplio alcance explicativo que han sido confirmadas. Para
que una hiptesis sea confirmada pase a ser ley cientfica deben cumplirse las tres
caractersticas por las que me preguntas. Por ejemplo, dentro de las teoras generales
de la ansiedad, la hiptesis de la U invertida relaciona la ansiedad con el rendimiento y
dice que el mejor rendimiento se obtiene en condiciones medias de ansiedad, mientras
con condiciones bajas y altas de ansiedad el rendimiento ser peor. Para que esta
hiptesis pase a ser ley se debe cumplir que: 1) siempre que se den las mismas
condiciones experimentales, debern ocurrir los mismos cambios en la conducta
(cuando haya una elevada situacin de ansiedad, deber ocurrir siempre un mal
rendimiento); 2) que podamos generalizar estos resultados a todos los casos que
enunciemos que deba cumplirse; 3) que cuando aparezca el efecto, haya estado
presente la causa (la relacin causal entre la ansiedad y el rendimiento).
La definicin de lo qu es una teora cientfica es una cuestin compleja que ha
suscitado importantes divergencias entre los filsofos de la ciencia proponindose
criterios muy diferentes. Nosotros vamos a mantener una concepcin amplia de las
teoras cientficas, las vamos a considerar como esquemas conceptuales con los que
representamos el conocimiento cientfico de forma sistematizada, es decir, incluyendo
desde las relaciones observadas entre los hechos, hasta los mecanismos subyacentes
que explican tales relaciones. Las teoras son representaciones que no pretenden
sustituir la realidad sino facilitar su comprensin al proporcionar de forma
esquematizada las leyes que explican las uniformidades que se observan en los
hechos.
Pero, qu son las leyes cientficas? De una manera simplificada podemos decir que
una ley es una hiptesis de amplio alcance explicativo que ha sido confirmada, es
decir, algunas hiptesis confirmadas cambian de estatus y se elevan al rango de leyes.
Ahora bien, si todas las hiptesis confirmadas no pasan a ser leyes, cules son las
caractersticas que deben reunir ese tipo de hiptesis para que sean consideradas
leyes cientficas? Existe acuerdo entre cientficos y filsofos al considerar que
necesariamente tienen que cumplir, al menos, las tres siguientes:
Expresar regularidades de comportamientos bajo determinadas condiciones.
Tener un carcter universal, esto es, ser aplicables a todos los elementos
particulares que queden incluidos en el enunciado de la ley.
Tiene que haber una relacin necesaria entre las condiciones antecedentes y
consecuentes de la hiptesis, y no meramente probable, o coincidente.
Veamos un ejemplo en el que se cumplen esas condiciones. Yerkes y Dodson estaban
interesados en investigar las relaciones entre la motivacin de los individuos en la
realizacin de una tarea y el rendimiento en la misma. A partir de los resultados que
obtienen en los experimentos que llevan a cabo, estos autores establecen la llamada
ley de Yerkes y Dodson: la motivacin y el rendimiento en una tarea se relacionan en
forma de U invertida. Es decir, el grado de motivacin hace que el rendimiento sea
mayor, pero si la motivacin es excesiva el rendimiento disminuye.
En el ejemplo anterior, Yerkes y Dodson basndose en la Teora de la Motivacin
(tienes una asignatura entera sobre la motivacin), queran ver Cmo influa la
motivacin en el rendimiento (ste sera el problema) y para ello formularon una
hiptesis que podra haber sido similar a sta: La motivacin influye en el
rendimiento. Despus de comprobarla en muchos experimentos y muchas veces,
27

formularon la siguiente ley, llamada de Yerkes y Dodson: la motivacin y el

rendimiento en una tarea se relacionan en forma de U invertida.
En resumen:
Hiptesis: Es una explicacin tentativa a un problema de investigacin, en forma de
un enunciado en el que se predice cmo se relacionan las variables que estn
implicadas en l.
Ley cientfica: Es una hiptesis de amplio alcance explicativo que ha sido confirmada.
Teora: Es un esquema conceptual formado por conjuntos de hiptesis relacionadas
con los que representamos el conocimiento cientfico de forma sistematizada.
Estos tres conceptos los expresa Delclaux* como sigue:
La
Teora
es
una
proposicin
explicatoria
provisional
relativa
a fenmenos naturales y consiste en la representacin simblica de: 1)
las relaciones observadas entre los eventos; 2) los mecanismos o
estructuras que se supone subyacen tras tales relaciones; 3) las
relaciones y mecanismos subyacentes inferidos que pretenden explicar
los hechos observados.
La
Ley
es
una
hiptesis
confirmada
que
regularidades de las relaciones constantes observadas en
de la naturaleza.

refleja
las
los fenmenos

La
Hiptesis
es
una
proposicin
terica
referida
inmediata
o
mediatamente a hechos no sujetos hasta ahora a experiencias y que es
corregible a la vista de un nuevo conocimiento. Por lo tanto las
hiptesis son formulaciones tentativas acerca de la naturaleza.
En general podemos decir que
ley y un conjunto de leyes es una teora.

una

(*Delclaux,
1981.
La
elaboracin
(Coord.). Metodologa y Teora de
UNED).

de
la

hiptesis

confirmada

teoras.
En
J.
F.
Psicologa (pp. 27-41).

es

una

Morales
Madrid:

55. No me queda clara la tercera caracterstica que debe cumplir la hiptesis

para llegar a ser ley: que establezcan una relacin necesaria entre las
condiciones antecedentes y consecuentes de su enunciado.
Pues eso significa que una ley que se expresa mediante *una afirmacin
o enunciado*, establece que para que ocurra tal cosa, previamente debe
acontecer algo (CONDICIONES ANTECEDENTES) y despus de esto ocurrir
tal otra (CONDICIONES CONSECUENTES).
Qu condiciones son necesarias para que la gente est contenta? pues
que se satisfaga su deseo, (condicin antecedente? desear algo) Si el
deseo se satisface la condicin consecuente? que est contenta. (Esto
no es una ley porque los caminos de la felicidad son insondables, pero
ms o menos ocurre as, o eso dicen los filsofos analticos).

28

56. Puede una teora dar lugar a una ley?

Las leyes resumen el conocimiento de los hechos y forman parte de
las teoras. El proceso sera el siguiente: de una teora pueden
surgir nuevas hiptesis, que si se confirman, pueden dar dan lugar a
nuevas leyes que se incorporaran al esquema terico de la teora. Las
hiptesis confirmadas pueden modificar o reforzar la teora de la que
se
ha
partido.
Por
tanto,
partiendo
de
una
teora
se
pueden
originar
nuevas
leyes,
pero
el
paso
previo
es
el
establecimiento de hiptesis para poder comprobarlas empricamente.
57. La teora, es un conjunto de leyes (como da a entender el libro de
Psicobiologa) o de hiptesis (como dice el libro de Fundamentos)?
Una hiptesis consiste en una afirmacin que explica por qu sucede un
fenmeno, las teoras del big bang, por ejemplo, son hiptesis sobre
el origen del universo, y las teoras del creacionismo tambin son
hiptesis sobre cmo se cre el mundo, las hiptesis y las leyes estn
relacionadas dentro de las teoras porque las leyes son hiptesis que
han
sido
contrastadas
empricamente.
Pero
las
leyes
sobre
la
naturaleza no terminan de explicar toda la realidad o esa parte de la
realidad que tratan de explicar y predecir, el conocimiento es algo
dinmico que siempre avanza en la medida en que los humanos
descubrimos nuevas cosas sobre la realidad, y la historia de la
ciencia indica que las leyes que gobiernan la naturaleza pueden ser
contradichas
ante
nuevos
descubrimientos
y
entonces
se
crean
nuevas hiptesis, nuevas teoras a partir de que las teoras con las
que funcionbamos no explican los nuevos descubrimientos o hechos.
As desde nuestra perspectiva, las
que pueden ser contrastadas o no
leyes surgen de, y fortalecen las teoras.

teoras estn hechas de hiptesis

y convertirse en leyes, pero estas

58. En las funciones de las teoras (pg. 30), qu significa reforzar la

contrastabilidad de las hiptesis, sometindolas al control de las dems
hiptesis?
Una teora es un esquema conceptual formado por un conjunto de hiptesis
relacionadas sobre una parcela del conocimiento cientfico. Al decir que una de las
funciones de las teoras es "reforzar la contrastabilidad de las hiptesis sometindola
al control de las dems hiptesis", quiere decirse que al someter a prueba una
hiptesis, ponindola en relacin con los hechos, se estn comprobando la
adecuacin de las dems hiptesis que estn relacionadas con el entramado terico.
59. Qu son trminos primitivos?
A veces, en la explicacin cientfica de un determinado dominio tambin se recurre a la
utilizacin de trminos que pertenecen a otra rea de conocimiento en la cual ya han
sido definidos, por ejemplo, en Psicologa es muy habitual el uso de diferentes tipos de
medidas fsicas (peso, intensidad, conductancia, codificacin, etc.). A esos trminos
importados de otras teoras se los denomina trminos primitivos.
29

60. Teoras cientficas, susceptibles de modificacin? En el cuadro 1.2

"Caractersticas
y
funciones
de
las
teoras
cientficas" dice que debe ser "susceptible de modificacin" no son
todas las teoras cientficas, en s mismas, modificables o
mejorables? No entiendo muy bien que sta sea una caracterstica *a priori*.
Un rasgo de las teoras cientficas es precisamente que deben ser
modificables y mejorables. Nadie puede pretender que una teora se
quede inmutable para siempre.
Me refiero a que en la elaboracin de una teora cientfica uno puede
asegurarse de que sta sea contrastable, relevante y simple. Pero
susceptible de modificacin slo ser en el momento en que aparezca
otra que refute o mejore sta y se presupone que el investigador no
"sabe" cmo mejorarla, que esa teora es la "buena" hasta el momento.

Puede
ocurrir
que
en
el
momento
haya
teoras
rivales
y
los
investigadores
estn
buscando
refutar
la
teora
contraria.
No
necesariamente en el momento de que la teora ya est instalada. De
esto hay mucho. Las teoras se van reformando a medida que hay datos
que refuten algunos aspectos que no encajan.

61. Una teora est formada por conjuntos de hiptesis, mi duda es: Estas
hiptesis no tienen por qu estar *contrastadas* empricamente, no? Si
lo estuvieran, pasaran a ser ley cientfica (si cumplieran adems las
tres caractersticas que se mencionan en el libro). Es as?
No necesariamente
empricamente.

las

hiptesis

que

hacen

una

teora

se

contrastan

62. Dentro de las fuentes de problemas aparece la experiencia, no termino

de entender a que se refiere con que la experiencia puede ser fuente de
problemas.
A lo que se refiere es que cuando conoces un tema (ej. el proceso de
envejecimiento), tienes conocimientos sobre qu aspectos se deben
investigar
(problemas)
gracias
a
tu
"conocimiento
experto
o
experiencia".
63. En la pgina 28 del manual se define una hiptesis como un enunciado
terico, continua sealando que por tanto son proposiciones tentativas. Ms
adelante en relacin con la Ley cientfica seala que son
hiptesis confirmadas. Mi duda es la siguiente: si una hiptesis conlleva
implcitamente "falta de confirmacin", como luego una Ley puede ser una
hiptesis confirmada. No dejara de ser una hiptesis en el momento de su
confirmacin? Es decir, a mi entender, una hiptesis sera algo as
como una Ley en potencia, pero una Ley no puede albergar el concepto
30

hiptesis. (E.g. un huevo es un pollo en potencia, pero en un pollo no

hay nada de huevo).
En ciencia una Ley cientfica es una proposicin que indica cmo
ocurren las cosas, y por tanto, resulta que son enormemente tiles
porque sirven para saber lo que ocurrir. Pero si no puede albergar
nuevas hiptesis la ciencia jams avanzara. Las leyes de Newton
explican bastante bien la realidad, pero resulta que sus principios no
son vlidos para la fsica cuntica, cuya misin es comprender los
principios de la realidad en trminos micro, de tomos y electrones.
Pues bien, lo que nos indica la ciencia fsica es que aun cuando las
leyes expliquen fenmenos, estas leyes son caducas y por tanto habr
que
albergar
nuevas
hiptesis
que
los
expliquen.
Actualmente
la
investigacin en fsica est tratando de ver si las leyes de la
fsica cuntica tambin pueden explicar la realidad en entornos macro.
En definitiva, las leyes aunque pueden descartar hiptesis, siempre
hay posibilidad de que algunas hiptesis que son descartadas pueden
volver a ser revisadas.
INDEPENDENCIA / DEPENDENCIA DE LAS OBSERVACIONES
64. Podran aclararme lo que es la independencia / dependencia de las
observaciones?
Lo que significa es que cuando las observaciones son independientes, la puntuacin
(u observacin) de un sujeto no nos da ninguna informacin sobre la de otro sujeto, ni
tampoco condiciona la puntuacin de ese otro sujeto. Son totalmente independientes,
no estn ligadas como las observaciones dependientes.
Las puntuaciones son dependientes cuando se trabaja con diseos
intrasujetos. En estos casos se toman datos de los mismos sujetos en
ms de una ocasin. Por ejemplo, si queremos evaluar la influencia de
diferentes formas de presentar la informacin (solo texto, texto e
imgines en blanco y negro y texto e imgenes en colores) sobre el
aprendizaje. En un diseo intrasujeto evaluaramos al grupo de sujetos
despus de haber pasado por cada condicin. Obtendramos tres medidas,
correspondientes a la media del grupo para condicin. Estas medidas
como son de los mismos sujetos, estarn relacionadas, esto es, son
dependientes. Es decir, las puntuaciones en un tratamiento condiciona
la puntuacin en otro tratamiento. Por ejemplo, si en la prueba de
texto slo obtienen una media de 3, en las otras condiciones las
puntuaciones estn condicionadas por este nivel. Mientras que en un
diseo intersujeto, seran tres grupos distintos de sujetos los que
realizaran
las
pruebas,
por
tanto,
las
puntuaciones
serian
independientes.

31

LECTURA DE INVESTIGACIONES
65. En referencia al punto 1.3.6 sobre la estructura del informe de
Investigacin segn APA, me gustara poder leer artculos con sta
estructura para entenderlo mejor. Sera posible que colguis algn
artculo o bien, me indiquis donde puedo encontrar investigaciones
con sta estructura?
En la prctica o prueba de evaluacin continua (PEC) tiene un artculo con este
formato. Ah tendr oportunidad de leerlo. No obstante en google acadmico puede
tener muchos artculos de investigacin.

METODO CIENTFICO
66. Me podra explicar de forma sencilla las caractersticas del mtodo
cientfico de flexibilidad y diversidad de formas?
Ms sencillo que decir que el mtodo cientfico no es un proceder nico para abordar
el estudio de la realidad, sino que puede adoptar diferentes procedimientos y
estrategias para adaptarse al objeto de estudio, no s. Usted puede estudiar el
suicidio experimentalmente? Manipulara alguna variable para ver si se produce
suicidio? Pues claro que no, entonces puede usar otros procedimientos que son
cientficos que le aproximen al conocimiento sobre el suicidio. Puede utilizar una
estrategia inductiva o deductiva. Y esta caracterstica nos lleva a la segunda por la que
pregunta, la flexibilidad. S al adoptar diversas formas para aproximarnos a conocer la
realidad de manera cientfica, pues indica que el mtodo es flexible.
67. Puede explicarme el mtodo hipottico-deductivo?
Como puedes ver en el documento de Deductivismo e Inductivismo: "Aristteles
afirmaba que la investigacin va desde el conocimiento de un fenmeno y la
formulacin de principios explicativos del mismo (proceso inductivo) hasta la
deduccin de enunciados sobre esos hechos a partir de los principios explicativos
(proceso deductivo)". Se utilizan tanto el proceso inductivo como el deductivo en el
mtodo hipottico-deductivo. En el documento mencionado anteriormente tienes
ejemplos.
Dado que el mtodo cientfico consiste en un procedimiento general de actuacin, ste
puede adoptar diferentes formas dependiendo de dnde se site el punto de partida.
(1) El Mtodo Inductivo es una variante del Mtodo Cientfico, procede de la
tradicin empirista de la filosofa que considera que slo se puede llegar al
conocimiento a travs de la experiencia. De ah, que el punto de partida para los
cientficos inductivistas sea la observacin de la realidad para acumular datos,
ordenarlos y establecer a partir de ellos conclusiones o leyes generales aplicables
a todo el conjunto de observaciones. En Psicologa, Skinner (1904-1990) es el
mximo representante de esa forma de proceder. l sostena que la investigacin
no deba estar dirigida por las teoras o por las hiptesis, que eran innecesarias,
sino por la curiosidad del investigador. Por ello, realizaba investigaciones en las
32

que manipulaba estmulos externos al sujeto para registrar los cambios que se
producan en su comportamiento, y a partir de los datos obtenidos en mltiples
observaciones propona leyes generales del aprendizaje (Arnau y Balluerka, 1998).
Ejemplo: Los tres amigos alemanes que tengo son rubios y de ojos azules por
tanto induzco que todos los alemanes son rubios y de ojos azules.
(2) El Mtodo Deductivo es otra variante del Mtodo Cientfico que se caracteriza
por partir de un conjunto de axiomas, principios indemostrables a los que se llega
por procesos de razonamiento que no se apoyan en observaciones empricas, y
por establecer un conjunto de reglas de procedimiento, a partir de las cuales se
realizan deducciones lgicas aplicables a los datos reales. Es decir, el Mtodo
Deductivo permite hacer inferencias sobre la realidad, que no se basan en
observaciones empricas sino en la construccin de sistemas lgicos internamente
consistentes. El mejor ejemplo de uso de este mtodo lo encontramos en las
matemticas.
Ejemplo: Todos los alemanes son rubios y de ojos azules (suponiendo que esta
regla fuera verdadera), por tanto, si conozco a algn alemn en los prximos das
ser rubio y tendr ojos azules.
(3) El Mtodo Hipottico-Deductivo se define por utilizar de forma combinada las
dos estrategias anteriores: la induccin y la deduccin. La Ciencia en su bsqueda
de conocimiento necesita tanto de los datos empricos como de las teoras. El
proceso de investigacin cientfica puede comenzar:
a) Desde una teora de la que se deduce o infiere una consecuencia que se va a
contrastar con los hechos empricos, y a partir de los datos obtenidos en ese
proceso de contrastacin se corrobora, se rechaza, o se modifica lo deducido
desde la teora (proceso deductivo).
b) Se puede comenzar desde los datos, desde las observaciones empricas y a
partir de ellas elaborar una teora (proceso inductivo). Desde esa teora se
deduciran consecuencias que habra que someter a un proceso de contrastacin
emprica.
Ejemplo: Los tres amigos que tengo son rubios y de ojos azules, los alemanes son
rubios y de ojos azules (si esto fuera una regla verdadera), por tanto induzco que
mis amigos son alemanes.
El Mtodo Hipottico-Deductivo es el que mejor caracteriza al modo de proceder
que tiene la mayor parte de las disciplinas cientficas y de la Psicologa en la
actualidad.

68. Podra resumirse el mtodo deductivo en que son teoras que pasan a ser
demostradas?
No,
1) el mtodo no es una teora.
2) el mtodo es un modo sistemtico de procedimiento. No es una
receta, pero es un modo _que indica cmo debemos proceder_ para
resolver problemas en ciencia, _cmo debemos hacer para investigar_ los
fenmenos y que lo que obtengamos de esta investigacin sea un
enunciado que sea cuando menos verdadero.
33

3) Pero los problemas que se plantea el investigador son de diferente

naturaleza, no es lo mismo estudiar los vericuetos de la lgica
matemticas,
que
la
materia
orgnica,
o
que
el
funcionamiento
gentico,
o
las
emociones
y
la
inteligencia.
Algunas
reas
de
conocimiento utilizan mtodos deductivos como las matemticas, que
parten de axiomas que son verdades que son dadas convencionalmente,
por ejemplo, si acordamos que: A < B, B = C entonces podemos deducir
que: A < C. Este es un ejemplo muy simple del uso del mtodo
deductivo.
69. Respecto a las fases del mtodo hipottico-deductivo, en una primera lectura
identificaba cada una de las 6 fases en las que se divide el mtodo
agrupndolas de dos en dos. Las dos primeras las integraba dentro del nivel
terico-conceptual. Las dos segundas dentro del tcnico-metodolgico. Las
dos ltimas dentro del estadstico-analtico. En un estudio ms profundo
creo,
y
me
gustara
que
me
lo
confirmaseis,
que
mi
conclusin
era
errnea.
*Ahora
identifico
el
nivel
tcnico-metodolgico solo con la fase 3 del mtodo*, es decir
procedimiento
y
plan
de
recogida
de
datos,
*y
el
nivel
estadstico-analtico con las siguientes es decir anlisis de datos,
interpretacin de los resultados e informe.* Es as lo correcto?
Como viene reflejado en el cuadro 1.3, estos pasos tienen un carcter
"circular" por lo que, incluso, los apartados *interpretacin de los
resultados e informe* podran considerarse como pertenecientes a la
etapa terico-conceptual ya que en ellos pones en relacin los
resultados
obtenidos
con
las
hiptesis
planteadas
y
con
la
bibliografa previa reflejada en la introduccin.

METODOLOGAS
70. Cules son las diferencias entre las
cuasiexperimental, de encuestas y cualitativa?

siguientes

metodologas:

Cuasiexperimental
manipulas
la
variable
independiente
pero
no
puedes
asignar
aleatoriamente
los
participantes
a
las
condiciones,
estudias
las
relaciones causales entre variables independientes y dependientes pero
no puedes garantizar su generalizacin debido a la falta de asignacin aleatoria de los
participantes.
Encuestas
- no hay manipulacin de la variable independiente, y no hay
asignacin a grupos o condiciones, por tanto y solo puedes estudiar
relaciones de covariacin entre las variables y no de causalidad.

34

Cualitativas
- los estudios cualitativos estudian el fenmeno en el contexto,
parten de observaciones y entrevistas que les permiten aproximarse al
fenmenos de estudio tratando de comprenderlo. No tratan de contrastar
las hiptesis como los estudios cuantitativos. Generan hiptesis no
las contrastan.
Todos estos temas los ir desgranando ms adelante.
71. No parece segn las definiciones de investigacin cualitativa y cuantitativa,
que la investigacin cualitativa se acerca ms a la definicin de mtodo
deductivo que a la del mtodo inductivo como se dice en el libro pg.
70? El Constructivismo no se apoya en procesos de razonamiento como
hace el mtodo deductivo?
No es correcta su afirmacin, un mtodo hipottico deductivo parte de
un axioma y ste trata de comprobarlo empricamente deducir de un
principio si esto se cumple en la realidad, y esto lo suele utilizar
la
investigacin
cuantitativa,
mientras
que
partir
de
las
observaciones de la realidad, de las experiencias para analizar y
lanzar posibles hiptesis o teoras de por qu ocurre es un mtodo
inductivo.

MUESTREO Y MUESTREO PROBABILSTICO / NO PROBABILSTICO

72. Podran aclararme la diferencia entre censo y poblacin? A qu se refiere
con que el censo es un estudio de los elementos de la poblacin?
La poblacin es, como se seal en el libro, un conjunto de elementos definidos por
una o ms caractersticas de las que gozan todos los elementos que la componen y
slo ellos. Supongamos, por ejemplo, la poblacin de estudiantes de la Facultad de
Psicologa de la UNED. Si para realizar una investigacin, se selecciona un
subconjunto de esa poblacin, tendramos una muestra. Pero si la investigacin se
realiza con todos los sujetos de esa poblacin (todos los estudiantes de la Facultad de
Psicologa de la UNED), tendramos un censo. Es decir, la diferencia entre
poblacin y censo es que la poblacin constituye todos los elementos, que pueden o
no ser seleccionados para la investigacin y el censo se refiere a que todos los
elementos que componen la poblacin son objeto de estudio.

73. Qu es el muestreo probabilstico y no probabilstico que aparece en el

cuadro 1.8? Dnde puedo ver ejemplos?
A lo largo del libro vas a encontrar mltiples ejemplos de muestreo o proceso por
el cual es elegida la muestra. No debes detener tu estudio por una clasificacin en un
cuadro.

35

Un ejemplo de muestreo probabilstico sera el muestreo aleatorio simple en el que se

trata de formar aleatoriamente la muestra. Puedes elegir una muestra al
azar utilizando tablas de nmeros aleatorios. Este tipo de muestreo se caracteriza
porque todas las muestras posibles obtenidas son equiprobables (es decir, tienen la
misma probabilidad de ser elegidas; el clculo de las probabilidades de cada muestra
excede el alcance de este curso) y nos dar una muestra representativa de la
poblacin. Adems nos asegurar grupos equivalentes antes de aplicar los
tratamientos experimentales, lo cual es necesario para si se encuentran despus
diferencias entre ellos, poderlas atribuir a la variable independiente introducida.
(Puedes ver todo lo referido a aleatorizacin en la pgina 152, tema 5).
Ejemplos de muestreo no probabilstico, que es aqul en que la muestra no se realiza
al azar sino por algn criterio determinado o por facilidad de acceso, lo puedes
encontrar en la pgina 364, tema 11 (Investigacin cualitativa). All puedes leer todo
sobre el muestreo de conveniencia, a propsito y de bola de nieve.
74. Muestra probabilstica y no probabilstica?
Una muestra probabilstica es la que se ha seleccionado al azar de la poblacin y por
lo tanto todos los sujetos que forman parte de la poblacin tienen la misma
probabilidad de ser elegidos.
Una muestra no probabilstica es la que no se ha seleccionado al azar y por lo tanto
todos los sujetos que forman parte de la poblacin NO tienen la misma probabilidad de
ser elegidos.
Por ejemplo, si queremos una muestra de 50 alumnos de esta asignatura podemos
hacerlo de dos maneras. Una correcta y otra incorrecta. La primera sera probabilstica
y la segunda sera no probabilstica.
Para que la muestra sea probabilstica deberamos utilizar algn procedimiento
aleatorio. Podramos asignar un nmero a cada uno de los 9000 alumnos matriculados
en Fundamentos. Meteramos 9000 bolas en un bombo (cada una con un nmero
diferente) y las 500 primeras que salieran seran los 500 sujetos elegidos de los 9000
alumnos (poblacin) y esa sera nuestra muestra probabilstica y esa muestra
representara a la poblacin. Es decir tendra todas las caractersticas de la poblacin
Si en lugar de lo anterior, le decimos a un alumno que le diga a sus compaeros de
asignatura si quieren formar parte de una muestra y que stos a su vez se los digan a
otros que conozcan y as sucesivamente (muestreo de bola de nieve) o pidiramos en
clase voluntarios para esa muestra, tendramos una muestra No probabilstica y no
sera representativa de la poblacin.

75. Qu significa que el muestreo probabilstico es el nico tipo de muestreo

capaz de darnos el riesgo que cometemos en la inferencia?
Lo que significa es que slo con el muestreo probabilstico, despus de llevar a
cabo los contrastes de hiptesis estadsticos, podremos hacer afirmaciones tales
como: "Podemos concluir con una seguridad o confianza del 95% que existen
diferencias significativas entre los grupos" o bien "Podemos concluir, con un riesgo o
36

probabilidad de equivocarnos del 5%, que no existen diferencias entre los grupos". En
el libro de la asignatura de Introduccin al Anlisis de Datos, pg. 248 y siguientes,
tienes ampliado el muestreo probabilstico y no probabilstico.

76. Qu significa que el investigador elige un tipo de muestreo no probabilstico

por razones de accesibilidad?
Un muestreo probabilstico implica que hay que tener disponibilidad y acceso a todos
los posibles participantes seleccionados al azar para la muestra. Pero como esto es
muchas veces poco menos que imposible, no puede ir desde Murcia hasta la Corua,
no tiene acceso, pues decide hacer muestreo no probabilstico -de convenienciapara realizar el estudio.

NIVELES DEL PROCESO DE INVESTIGACIN

77. No me queda claro a qu nivel pertenecen (terico-conceptual,
tcnico-metodolgico o estadstico-analtico) los apartados discusin y
conclusiones y elaboracin del informe de investigacin. Podra ser
discusin
y
conclusiones,
estadstico-analtico
e
informe
terico-conceptual?
Efectivamente *la discusin y las conclusiones* corresponden al nivel
*estadstico-analtico* descrito por Arnau (1990). Con el Informe de
Investigacin se trata de trasmitir a la comunidad cientfica todo lo
que se ha hecho, por tanto, se recogeran todos los niveles de proceso
de investigacin.

78. Dentro del mtodo hipottico-deductivo: la

comunicacin
de
los
resultados
estn
terico-conceptual o estadstico-analtico?

interpretacin
dentro
del

y la
nivel

Estadstico-analtico.

PARTICIPANTES Y UNIDAD MUESTRAL

79. Cules son las diferencias entre PARTICIPANTES y UNIDAD MUESTRAL?
Unidad muestral se refiere a cada sujeto de la muestra y participante se refiere al
sujeto que realiza finalmente el experimento.
37

Unidad muestral son cada uno de los elementos de la muestra y estos pueden ser o
un individuo o un grupo (comunidad de vecinos, una provincia, un pas...), mientras
que los participantes de una investigacin se refiere siempre a cada individuo (cada
una de las personas o animales que participan en la investigacin). Un ejemplo sera
si quisiramos investigar el paro en distintos pases. Las unidades muestrales seran
los distintos pases, mientras que los participantes seran cada uno de los sujetos de
esos pases que participan en la investigacin. Los participantes siempre son
individuos, mientras que las unidades muestrales pueden ser grupos. En la mayora
de los diseos experimentales, cuasi experimentales, etc. que vais a ver ms adelante
en el libro, cada uno de los sujetos participantes que pasan por el experimento es una
unidad muestral. Por ej., se extrae una muestra de 10 sujetos para aplicarles un
tratamiento, cada uno de los participantes es una unidad muestral.
80. Segn la amplitud, porqu este orden es el correcto: participante<unidad
muestral<muestra?
Porque si tomamos como ejemplo el uso de las nuevas tecnologas por parte de las
familias, de la poblacin bsica de familias con hijos en edad escolar tomaramos la
muestra, donde cada familia con hijos en edad escolar puede constituir una unidad de
muestreo. Esta unidad de muestreo (la familia) es el participante en el estudio.
Coincide la unidad de muestreo con el participante en los casos en que todas las
unidades muestrales no abandonan la investigacin. Los participantes son los que
finalmente tenemos en la investigacin. Por lo tanto, lo mayor es la muestra, lo
siguiente la unidad muestral (cada elemento de la muestra), y lo siguiente, las
unidades muestrales que nos quedan al final de la investigacin, es decir, los
participantes (unidades muestrales que no han abandonado, etc.).

TCNICAS DE INOCULACIN DE ESTRS

81. Qu son las tcnicas de inoculacin de estrs? Aparece en la pgina 51 del
libro y lo ponis como ejemplo sobre la ansiedad precompetitiva en el
deporte y tcnicas para controlarla.
La inoculacin al estrs (stress inoculation) es un procedimiento cognitivo-conductual
desarrollado por Meichenbaum y Cameron en 1974. Su objetivo es ensear a las
personas como prepararse para enfrentar una amplia variedad de situaciones que
pueden producir malestar emocional. Implica la adquisicin de destrezas de
afrontamiento y ensayo de las mismas. La inoculacin al estrs puede ser til en
reducir la ansiedad general y la producida en situaciones sociales, el temor a hablar en
pblico, las fobias (temores a situaciones especficas), la irritabilidad crnica y otros
tipos de situaciones como la preparacin al parto o los exmenes. Se puede decir que
su utilidad se relaciona con identificar situaciones ante las que nos podamos preparar
para afrontarlas.
La tcnica consiste en aprender cuatro pasos:
1. aprender a relajarse,
38

2. construir una jerarqua de situaciones de malestar emocional (consiste en

elaborar una lista de situaciones que nos produzca malestar emocional, y
ordenarlas en funcin del grado o intensidad emocional que nos produzca (0100) .Esto nos llevar a una jerarqua de situaciones, ordenadas de menor a
mayor, o viceversa, en funcin de su intensidad),
3. seleccionar pensamientos de afrontamiento (aprender una serie de
pensamientos o charla interna que ayuden a contrarrestar los posibles
pensamientos negativos que le aparezcan en esas situaciones), y
4. afrontar la situacin real (lleva a cabo el plan en el ambiente natural).

VALIDEZ
82. Quisiera saber si VALIDEZ y FIABILIDAD o replicabilidad son inversamente
proporcionales, es decir si un estudio al tener ms validez (tanto interna
como externa) es ms difcil de ser replicable. As mismo tengo una duda
similar respecto a los dos tipos de validez: Un estudio cientfico, al tener
ms VALIDEZ INTERNA debe tener menor VALIDEZ EXTERNA, o viceversa?,
o pueden darse los dos tipos de validez en mismo grado?
La validez de un estudio es algo as como que tan cierto es lo se
afirma cuando se hace un estudio cientfico. Se hace una investigacin
sobre si es cierto que el dinero no da la felicidad. Si usted evala
la felicidad en los ricos y en los pobres, garantizando que usted ha
dado con la prueba que mide la felicidad, y encuentra que los ricos
tambin lloran -es decir no son tan felices como los pobres- pues
entonces la afirmacin de que el dinero no da la felicidad es vlida,
dicho de otro modo es cierta. Para hablar de validez tenemos que
mirar cmo ha hecho el estudio, qu tipo de medida ha realizado, si de
verdad ha medido felicidad y no otra cosa como auto-estima, u orgullo,
si de verdad ha obtenido una muestra de ricos y una de pobres
representativa
de
la
poblacin,
si
ha
hecho
adecuadamente
los
anlisis. La validez de la afirmacin -la certeza con que se puede
afirmar que el dinero no da la felicidad- no es una cuestin de todo o
nada, es una cuestin que se evala por partes.
Al evaluar una afirmacin por partes lleva a la idea de que si
controlas muy bien un experimento (tienes muchas garantas de que la
causa (VI) produce cambios en el efecto (VD)), entonces probablemente
la afirmacin que obtengas de este experimento no sea generalizable
ms all del entorno de laboratorio, esto es no tienes validez
externa. Esto depende tambin del tipo de investigacin y fenmeno de
estudio. Yo no me atrevera afirmarlo de manera tan contundente. Si la
investigacin
trata
de
procesos
bsicos
probablemente
la
validez
externa no se resienta, considerando que todos los humanos tenemos
sistemas perceptivos o cognitivos con un funcionamiento universal.

39