Investigación Educativa 1

A. El Papel del Análisis de Datos en la Investigación Educativa

Introducción

Analizar información procedente de diversas vías es una actividad común en el ser humano.
Habitualmente examinamos aspectos de nuestra realidad, indagamos en un problema vital o
damos diferentes interpretaciones a las cosas que nos ocurren. Desde este punto de vista
llevamos a cabo un proceso de asimilación de la información externa y acomodación en nuestro
intelecto, que muchas veces es realizado de manera automática.

Cuando nos referimos aquí al Análisis de Datos hablamos de un proceso de indagación científica
sobre un problema de investigación concreto con relevancia social y educativa. La información
que recogemos puede ser tanto numérica como textual, y ante ella nos disponemos a la
realización de diferentes actividades o tareas de análisis acordes con el tipo de dato recogido, el
problema de investigación formulado, y las características propias del diseño de investigación al
que nos enfrentamos. De esta manera, el Análisis de Datos no constituye un fin en sí mismo
sino que es un proceso subordinado a otro más amplio como es la investigación educativa.

Concretamente, en esta materia nos detendremos en el Análisis Estadístico de Datos y en la

relevancia que poseen las técnicas y procedimientos estadísticos en y para la investigación
educativa. No obstante, también dedicaremos un apartado al Análisis de Datos no cuantitativos,
aludiendo al análisis de textos

El concepto de análisis estadístico de datos

El Análisis Estadístico de Datos se ha asociado de manera general con la investigación de corte

experimental, o podemos decir que es característico de los enfoques positivistas.

Este término se define de muchas maneras según se conciba desde una perspectiva más amplia
o más restringida, y según se entienda también el proceso de investigación.

El concepto de Análisis Estadístico de Datos no se agota en las acepciones que se identifican con
un conjunto de datos o enumeración de hechos, o con procedimientos de tipo descriptivo
destinados a recoger, organizar y presentar la información relativa a un conjunto de casos. De
esta manera, el Análisis Estadístico de Datos ha dejado de ser únicamente la ciencia de recopilar
datos y, tras fusionarse con la corriente de estudios sobre el cálculo de probabilidades, se ha
 Investigación Educativa 2

constituido en una rama de la matemática aplicada, entendiendo ésta como el uso de principios
y modelos matemáticos en diversos ámbitos de la ciencia o la técnica.

Dentro del Análisis Estadístico de Datos encontramos dos vertientes:

• Análisis Estadístico de Datos (propiamente matemático), que supone el estudio de los

fenómenos estadísticos utilizando los métodos matemáticos y proporciona conocimiento
acerca de las técnicas que integran los métodos estadísticos.

• Análisis Estadístico de Datos Aplicado; este carácter aplicado ha estado presente desde los
inicios de esta ciencia, sobre todo en cuanto a su conexión con el estudio y resolución de
problemas prácticos con datos reales. Todo ello ha estimulado la innovación de nuevos
métodos y procedimientos, y el avance de análisis estadísticos.

A continuación expondremos las características propias que definen el concepto de Análisis

Estadístico de Datos:

• Carácter teórico y aplicado.

• Estudio de conjunto de datos.
• Trabajo con datos procedentes de observaciones o mediciones.
• Carácter cuantitativo de los datos.
• Reducción de la información.
• Generalización a colectivos más amplios.

Por tanto, como ya mencionamos, el Análisis Estadístico de Datos no se limita sólo a su

tratamiento sino que se extiende a tareas previas y posteriores a esta fase. También puede
ocuparse de la recogida de datos (referido a las técnicas y métodos de muestreo y a la
evaluación de la calidad de los instrumentos que se diseñan para la recogida de datos) y la
interpretación de los resultados (afirmaciones que se realizan como consecuencia de la
aplicación de métodos estadísticos: descripción, reducción, generalización).

Terminaremos este apartado sintetizando los rasgos más relevantes que llevan a definir el
Análisis Estadístico de Datos:

• Es una ciencia cuyo objeto es el estudio de métodos y técnicas para el tratamiento de

conjuntos de datos numéricos.
• Las técnicas estadísticas permiten la descripción de conjuntos de datos y la inferencia sobre
conjuntos más amplios.
 Investigación Educativa 3

• Los métodos desarrollados por esta ciencia pueden ser aplicados a distintos campos del
saber, constituyendo un importante instrumento para el estudio científico.

Así, definimos el Análisis Estadístico de Datos como un conjunto de métodos, técnicas y

procedimientos para el manejo de datos, su ordenación, presentación, descripción, análisis e
interpretación, que contribuyen al estudio científico de los problemas planteados en el ámbito
de la educación y a la adquisición de conocimiento sobre las realidades educativas, a la toma de
decisiones y a la mejora de la práctica desarrollada por los profesionales de la educación.

El análisis estadístico de datos en las distintas fases del proceso de investigación

El Análisis Estadístico de Datos desempeña un papel relevante dentro de campo de la

investigación educativa. No obstante, dichas técnicas de análisis cobran especial importancia
dentro del enfoque positivista. Desde esta perspectiva, existen razones que justifican la
utilización del Análisis Estadístico de Datos en la investigación Educativa.

Permite el tipo de descripción más exacta. Si el objetivo de la ciencia es la descripción de

fenómenos, el Análisis Estadístico de Datos forma parte del lenguaje descriptivo que necesita el
científico.

Nos fuerza a ser definidos y exactos en nuestros procedimientos y en nuestro pensamiento,

evitando las conclusiones vagas.

Nos permite reducir los datos en una forma significativa y conveniente, poniendo orden en el
caos.
Facilita la extracción de conclusiones generales, siguiendo reglas aceptadas para llegar a ellas.

Permite hacer predicciones sobre lo que ocurrirá bajo condiciones que conocemos y hemos
medido. Tales predicciones pueden contener error, pero el Análisis Estadístico de Datos nos
informa también del margen de error que cometemos.

Nos permite analizar algunos de los factores causales que explican fenómenos complejos.

También Análisis Estadístico de Datos como herramienta de trabajo útil en la investigación

educativa ya que nos ofrece técnicas y procedimientos que pueden aplicarse en la fase de
Análisis de Datos. No obstante, no queda limitado a dicha fase ya que contribuye a otras o a
diferentes momentos del proceso de investigación.
 Investigación Educativa 4

De esta manera, intentamos resalta la presencia del Análisis Estadístico de Datos en diferentes
momentos del proceso de investigación y la utilidad de las técnicas estadísticas en y para el
mismo. Dicho proceso constituye un todo interrelacionado en el que la toma de decisiones que
realicemos sobre cualquier elemento del mismo supone un condicionante de cara a los demás
elementos.

1. Planteamiento del problema y formulación de hipótesis

El Análisis Estadístico de Datos está presente en la formulación del problema de investigación.

Como señalamos, el proceso de investigación es un todo interrelacionado en el que las
decisiones que tomemos con respecto a algunos de sus elementos condicionan a los demás
elementos del proceso. La formulación del problema determinará el tipo de datos que es
necesario recoger, las técnicas de recogida adecuadas para ello y los procedimientos
estadísticos que se utilizarán en el análisis. En la definición del problema aparecerá una
limitación de la amplitud del estudio, de tal forma que si éste se dirige a toda una población,
tendremos que pensar en procedimientos de la estadística Descriptiva, mientras que si nos
limitamos al estudio de una muestra, habremos de recurrir a la estadística inferencial.

Definimos problema como una laguna en el conocimiento (un interrogante que nos hacemos)
para la cual no tenemos solución aceptable. El problema ha de ser relevante y verificable
empíricamente y se debe formular de manera clara y breve. En este sentido, es muy importante
la resolubilidad del problema de investigación, aspecto que en ocasiones sólo queda
garantizado si contamos con técnicas estadísticas adecuadas y potentes, capaces de abordar los
interrogantes de partida. Por ejemplo, el planteamiento de problemas que supongan
comparaciones entre múltiples grupos no podría hacerse sin contar con técnicas como el
análisis de la varianza; un gran número de problemas de investigación en los que se incluyen
múltiples dimensiones o variables simultáneamente no han llegado a ser estudiados hasta que
no se ha contado con técnicas de análisis multivariante que permiten abordar su estudio.

De igual manera, el Análisis Estadístico de Datos está presente en la formulación de hipótesis,

ya que ésta no puede hacerse sin tener en cuenta las técnicas estadísticas que permiten su
contrastación. El investigador se ve en la necesidad de salvaguardar la coherencia entre la
teoría, la hipótesis y el posterior análisis estadístico que le permitirá aceptarla o rechazarla. Una
hipótesis es una solución por adelantado que se da al problema de investigación que
formulamos; es una conjetura, una solución posible. En el marco de los programas de
 Investigación Educativa 5

investigación positivistas, la hipótesis científica habrá de ser expresada en términos estadísticos

para su contrastación.

2. Diseño de investigación

Como expusimos en un apartado anterior, el Análisis Estadístico de Datos forma parte de los
diseños de investigación experimentales. En el concepto de diseño contemplamos por un lado
la organización de los aspectos que constituyen el experimento (en los que el Análisis
Estadístico de Datos está presente en la medida que facilitan el análisis de datos y posibilitan el
control de la varianza debida a variables extrañas), y por otro, el procedimiento estadístico que
hace posible la interpretación de los resultados.

El Análisis Estadístico de Datos también está presente cuando el diseño contempla la selección
de sujetos. La teoría de muestras proporcionará tanto los procedimientos de selección como la
determinación del tamaño muestral necesario para mantener el error dentro de los límites
aceptables.

Por otro lado, la recogida de datos es una tarea para la que aparentemente las técnicas
estadísticas parecen no jugar un papel relevante. Sin embargo, el Análisis Estadístico de Datos
tiene un lugar especial en la construcción y validación de instrumentos que se utilizan para la
recogida de datos. Por ejemplo, la determinación de la fiabilidad y validez de algunos
instrumentos se apoya directamente en coeficientes de correlación, o la aplicación de técnicas
de análisis de componentes principales o análisis factorial permite explorar la dimensionalidad
de los instrumentos.

Además, el Análisis Estadístico de Datos puede participar indirectamente en la operación de

recogida proporcionando primeras elaboraciones de los datos en el momento mismo de su
registro.

3. Análisis de Datos

Tras la recogida de datos procedemos al análisis de los mismos. Es decir, pretendemos

transformar, organizar, resumir y sacar indicadores básicos de la información recogida, y en
función de dichos indicadores extraer conclusiones, y también generalizar los resultados a las
poblaciones de donde las muestras fueron extraídas. Todas estas tareas corresponden al
Análisis Estadístico de Datos.
 Investigación Educativa 6

El procedimiento de Análisis suele comenzar con una depuración de los datos para tratar de
eliminar o corregir los posibles errores que se hayan cometido en la fase de registro o
codificación de la información recogida. Una segunda fase es la descripción de las variables que
entrarán a formar parte del estudio, teniendo en cuenta el enfoque del que partimos
(univariante, multivariante o aplicación de técnicas inferenciales).

No obstante, existen vías diferentes al Análisis Estadístico de Datos dentro de la investigación

educativa. En ellas nos centraremos en el último tema del programa de la asignatura. En este
sentido, entre los procedimientos de Análisis de datos, entendidos como técnicas para extraer
información de los datos e interpretar su significado, cabría hacer una distinción entre:

• Análisis Cualitativo, que expresa, ordena, describe, interpreta los datos mediante
conceptos, razonamientos y palabras, y
• Análisis Cuantitativo, en el que se recurre a conceptos y razonamientos que se apoyan en
números y estructuras matemáticas.

4. Obtención de conclusiones y redacción del informe de investigación

Aplicar técnicas de Análisis Estadístico nos lleva de manera directa a la obtención de

conclusiones, las cuales estarán, de alguna forma predeterminadas por el tipo de técnicas que
usemos.

Estas conclusiones, al igual que todo el proceso de investigación, deben contar con la inclusión
de resultados estadísticos. De esta manera, el Análisis Estadístico de Datos está presente en la
fase de redacción del informe de investigación. Para ilustrar tales conclusiones se utilizarán
cuadros, tablas y gráficos, que recogerán medias, porcentajes, coordenadas, correlaciones, o
cualquier otro tipo de estadísticos necesarios para ilustrar de manera adecuada la investigación
realizada.

Contenidos del análisis estadístico de datos

Lejos de realizar una exhaustiva revisión de todas las técnicas y métodos estadísticos existentes,
nuestra pretensión en este apartado es apuntar a grandes rasgos los principales campos en que
se estructura el Análisis Estadístico de Datos, y sobre todo el que habitualmente se aplica en el
campo de las Ciencias de la Educación.

No obstante, aquí adoptaremos la solución de distinguir entre:

 Investigación Educativa 7

• Estadística descriptiva, procedimientos dirigidos a la organización y descripción de un

conjunto de datos.
• Estadística inferencial, que se orientan a realizar inferencias sobre una población a partir de
las características conocidas para una muestra extraída de ella.

Es frecuente que se otorgue especial importancia a la Estadística inferencial, considerándola el

verdadero objetivo de la Estadística; la descriptiva tendría únicamente la finalidad de
proporcionar los índices a partir de los cuales se estimarán los parámetros.

Si adoptáramos únicamente la complejidad como criterio, basándonos en el número de

variables implicadas, podríamos hablar de:

• Estadística univariada.
• Bivariada.
• Multivariada.

El esquema a seguir en la presentación de los contenidos de la Estadística podría estar basado

en el planteamiento clasificatorio que suele adoptarse a la hora de recoger las técnicas
estadísticas en los manuales dedicados a esta materia:

• Los procedimientos de la Estadística descriptiva e inferencial se reducirían a las técnicas que

suponen el tratamiento de una o dos variables; cuando entramos en el manejo simultáneo
de más de dos variables suele considerarse un apartado diferente de la Estadística al que se
califica con el término de Estadística multivariante. Pero no debe perderse de vista que este
modo de clasificación no es sino una solución práctica, que desde el punto de vista teórico
presenta algunas dificultades.
• Al diferenciar entre estos tres tipos de técnicas no hemos logrado una verdadera
clasificación del Análisis Estadístico de Datos; Estadística descriptiva, inferencial y
multivariante, en sentido estricto, no representan una partición del conjunto de contenidos
de la Estadística, es decir, no constituyen subconjuntos disjuntos ni tampoco abarcan entre
ellas todo el dominio de las técnicas estadísticas. No obstante, en esta materia nos
centraremos en los dos primeros bloques de contenidos citados: Estadística descriptiva e
inferencial.

La informática en el análisis estadístico de datos

 Investigación Educativa 8

• Auge y desarrollo /expansión de la Informática desde hace algunos años en el campo de la

investigación educativa, y más concretamente en el ámbito del Análisis de Datos.
• Aplicaciones de la informática muy importantes si tenemos en cuenta la cantidad de datos
que manejamos normalmente y también los diferentes tipos de análisis que se realizan. En
este sentido, los programas informáticos facilitan mucho la tarea pero es importante que
resaltemos la correcta utilización de los mismos y la coherencia y lógica del investigador en
tales procesos. Es fundamental que la informática siempre responda al problema de
investigador y objetivos planteados, y no sustituya al analista.
• De todas las funciones que el computador puede cubrir en la investigación educativa, es
quizá la del Análisis de Datos la que con mayor claridad puede haberse beneficiado de este
tipo de herramientas. El computador ha venido a revolucionar este campo, permitiendo la
aplicación de complejos procedimientos de análisis y, de alguna manera, simplificándolos.
• Si el impacto de la informática en el campo de la investigación educativa ha sido
considerable, en el caso del Análisis de Datos esta afirmación cobra pleno sentido. El
Análisis de Datos "ha recibido un impulso revolucionario con la generalización del uso de los
computadores", hasta tal punto que hoy es difícil concebir este proceso desligado de la
utilización de tales máquinas. Algunas de las ventajas y posibilidades que lleva consigo el
uso de la informática en el Análisis Estadístico de Datos son:
o El computador ha permitido un considerable ahorro de tiempo y esfuerzo. Los cálculos
manuales que costaban al investigador largas horas de trabajo, incluso utilizando la
calculadora, la máquina los realiza en pocos segundos.
o El computador posibilita una mayor exactitud en los cálculos. Es evidente que el cálculo
manual, además de ser lento conlleva aproximaciones o redondeos, sobre todo cuando
se trabaja con números decimales y se requieren cálculos encadenados, que pueden
llegar a suponer un considerable error en los resultados finales obtenidos. Por otra
parte, en el dominio de la inferencia estadística, el computador nos ofrece posibilidades
con mayor exactitud que las obtenidas mediante tablas de distribuciones teóricas de
probabilidad habitualmente usadas.
o El computador ha abierto la posibilidad de manejar grandes cantidades de datos, de
trabajar con muestras mayores y de incluir más variables, haciendo que el análisis de
grandes bancos de datos o la aplicación de complejas técnicas multivariantes a grandes
muestras no presenten tareas inabordables en la práctica.
• Considerando dichas ventajas, la Informática en el Análisis Estadístico de Datos:
o Al liberarnos de tiempo en la realización de cálculos el investigador puede centrarse en
otros momentos o tareas conceptuales más relevantes del proceso de investigación
como la toma de decisiones respecto al proceso estadístico a seguir o a la técnica
concreta que se deberá emplear, mayor atención al análisis crítico del proceso y a la
interpretación de resultados.
 Investigación Educativa 9

o También nos ofrecen la posibilidad de realizar cálculos para la comparación de

resultados utilizando métodos diferentes, aspecto que no se realizaba por considerar un
esfuerzo adicional para el investigador, además de la dificultad que entrañaba un
análisis.
o Otra de las posibilidades que abrió la informática fue el tratamiento conjunto de
múltiples variables y, por ende, el desarrollo de análisis multivariante, en los que se
observaba una creciente complejidad estadística.
o La triangulación multimétodos y el manejo de grandes muestras y elevado número de
variables contribuye al aumento de la fiabilidad y validez de los estudios y, por ende, su
poder de generalizar los resultados.
• No obstante, el desarrollo de la Informática no sólo ha supuesto beneficios para el Análisis
Estadístico de Datos sino también a la mejora y desarrollo de técnicas estadísticas más
complejas e innovadoras.
• Teniendo en cuenta las ventajas que representa el uso del computador y el papel que juega
en el Análisis Estadístico de Datos, hoy día resulta inconcebible la realización de este tipo de
análisis en la investigación educativa que no se apoyen en la informática.
• Actualmente, gracias al avance y desarrollo del mundo de la informática contamos con un
gran número de programas para el Análisis de Datos. Los diferentes tipos de datos
(cuantitativos o cualitativos) exigen diferente software informático, ya que requieren
diferente tratamiento.
• En este curso, al centrar nuestra atención principalmente en el Análisis Estadístico de Datos,
tendremos como soporte el paquete estadístico SPSS, utilizándolo para generar archivos de
datos, transformarlos y realizar análisis estadísticos, atendiendo, como ya señalamos, tanto
a la Estadística Descriptiva como a la Inferencial.
 Investigación Educativa 10

B. Organización Y Presentación De Los Datos

Conceptos previos sobre medición y escalas de medida

1. Concepto de medida

Asignación de números a los objetos con la intención de representar alguna de sus

características.

Toda medición implica establecer una regla para hacer corresponder los números con las
distintas formas en que se presenta una característica de los objetos o individuos. En el caso de
la investigación educativa, se suelen asignar números a conductas, opiniones, actitudes,
intereses, etc. manifestadas por individuos o grupos.

2. Niveles de medida

Según el modo en que se utilizan los números en la medición, podemos hablar de distintos
niveles de medida:

a) Nivel nominal.

El nivel nominal de medición consiste en asignar números que hacen la función de meros
nombres o etiquetas.

Si empleamos un nivel de medida nominal lo único que podemos inferir es que los objetos
difieren entre sí respecto del atributo medido, aunque ello no implica ninguna otra propiedad.

b) Nivel ordinal.

El nivel ordinal de medida supone que podemos establecer una ordenación, creciente o
decreciente, con los objetos o hechos que medimos.

Con un nivel de medida ordinal podríamos establecer sin dificultad que algo es diferente de
algo, y que es mayor o menor, pero no cuánto mayor o menor.
 Investigación Educativa 11

c) Nivel de intervalo

En este nivel de medida, distancias numéricamente iguales representan distancias iguales con
respecto a la propiedad que se está midiendo.

Una medición a nivel de intervalo posee las características de los dos niveles anteriores, por lo
que podemos establecer diferencias entre objetos, determinar una ordenación entre ellos y
además, conocer en qué cuantía unos objetos son mayores o menores que otros.

d) Nivel de cuociente, razón o proporciones.

Este nivel de medición añade a la medida en escala de intervalo la existencia de un cero

absoluto.

Además de las propiedades de los niveles anteriores, en las medidas en escala de razón puede
afirmarse que el valor cero indica ausencia total del rasgo medido.

3. Constante, variable, modalidades y clases

Una constante es una característica que se manifiesta de manera similar en todos los objetos o
individuos sobre los que se realiza la medición. Es decir, presenta un único valor posible.

Una variable es una característica que puede manifestarse de manera diferente en un grupo de
objetos o individuos sobre los que se realiza la medición. Cada uno de los valores asumidos es
una modalidad.

Cuando el número de modalidades bajo el que se mide una variable es muy grande, las
modalidades pueden ser agrupadas en clases. De esta manera, se pasa de un número amplio de
modalidades a un número mucho más reducido de clases. Al definir clases, deben respetarse al
menos dos criterios:

Las clases deben ser mutuamente exclusivas. Es decir, una modalidad no puede formar parte de
dos clases; quedará incluida en sólo una clase.
 Investigación Educativa 12

Las clases deben ser exhaustivas. La definición de clases debe cubrir todas las modalidades, de
forma que ninguna modalidad quede sin pertenecer a alguna clase.

Ordenación y clasificación de los datos: distribuciones de frecuencias

1. Frecuencias y distribución de frecuencias

Las técnicas más habituales para ordenar, clasificar y presentar datos son las distribuciones de
frecuencias. Comenzaremos concretando el concepto de frecuencia.

Frecuencia hace alusión al número de veces que se da un fenómeno. En estadística, la

frecuencia va referida al número de veces en que aparece un determinado valor para una
variable. Comenzaremos diferenciando dos tipos de frecuencias:

Frecuencia absoluta individual (fi) de un valor. Es el número de veces que aparece repetido
dicho valor en un conjunto de n puntuaciones. La suma de las frecuencias fi para todos los
valores coincide con el valor de n.

Frecuencia relativa individual (pi) de un valor. Es el cociente entre la frecuencia absoluta

individual y el tamaño de la muestra. Es decir, pi = fi/n. Lo más frecuente es utilizar este tipo de
frecuencia en términos porcentuales, expresándola como Pi = (fi /n) x 100. En este caso, la
suma de las Pi para todos los valores es 100.

A partir de las frecuencias alcanzadas por las distintas modalidades de una variable, puede
organizarse una distribución de frecuencias. Una distribución de frecuencias consiste en
presentar ordenadamente todos los valores asumidos por la variable estudiada, situando a su
derecha la frecuencia con que aparecen (al menos, su frecuencia absoluta).

En la distribución de frecuencias podrían aparecer además otro tipo de frecuencias. Vamos a

considerar ahora las frecuencias acumuladas:

Frecuencia absoluta acumulada (fa) de un valor. Es la suma de las frecuencias absolutas que
corresponden a todos los valores iguales o menores que él. La frecuencia fa para el valor más
alto de la variable coincide con n.
 Investigación Educativa 13

Frecuencia relativa acumulada (pa) de un valor. Es la suma de las frecuencias relativas de los
valores iguales o menores que él. Expresada en términos de porcentaje, aparece como Pa, y la
Pa correspondiente al valor más alto resulta ser 100.

2. Distribución de frecuencias agrupadas

Una distribución de frecuencias agrupadas se origina cuando en lugar de modalidades

consideramos clases. Suele recurrirse a ellas cuando se pretende simplificar la presentación de
variables que poseen muchas modalidades posibles.

Un caso particular de agrupamientos se da en los valores correspondientes a variables

continuas, medidas al menos en escala de intervalos. En esta situación, la clase de valores que
adoptamos se denomina intervalo y comprende las modalidades de una variable contenidas
entre los dos valores que delimitan el intervalo.

Conceptos relativos al agrupamiento en intervalos:

• Límites aparentes de un intervalo. Son los valores que delimitan el segmento de valores que
constituyen un intervalo. Para cada intervalo existe un límite inferior y un límite superior.
• Límites reales de un intervalo. El límite real inferior de un intervalo es el valor que resulta
de disminuir el valor del límite aparente inferior en media unidad de medida. El límite real
superior de un intervalo resulta de incrementar el límite superior aparente en media unidad
de medida.
• Amplitud de un intervalo. Es la distancia existente entre el límite real inferior y el límite real
superior de un intervalo. También se podría definir como la diferencia entre los límites
aparentes del intervalo incrementada en la unidad de medida.
• Punto medio de un intervalo. Es el valor que se obtiene como promedio de los dos límites
del intervalo (real o aparente).

Representación gráfica de datos

 Investigación Educativa 14

1. Diagrama de Barras

Consiste en indicar por medio de una barra o rectángulo las frecuencias correspondientes a
cada modalidad o clase de modalidades. Las alturas de las barras son proporcionales a las
frecuencias alcanzadas, con independencia de que se trate de frecuencias absolutas o relativas.

Cuando representamos variables medidas en una escala nominal, las modalidades o clases
pueden ser colocadas en cualquier orden.

Cuando las variables se miden en escala ordinal, las barras deben ser colocadas en un orden
determinado por la ordenación que se establece entre las modalidades.

2. Histograma

Cuando la variable a representar está medida en una escala de intervalos, en lugar del diagrama
de barras recurrimos al histograma. Este es similar al diagrama de barras, pero la base de cada
rectángulo coincide con los límites reales del intervalo y el orden de presentación de las
modalidades en el eje de abscisas no es arbitrario. El histograma puede construirse para
frecuencias absolutas o relativas, tanto si son individuales como acumuladas.

El histograma puede ser construido para representar frecuencias (también porcentajes) o

frecuencias acumuladas.

3. Polígono de Frecuencias

Consiste en una línea poligonal que une el punto medio de cada intervalo, tomado a una altura
que resulta proporcional a la frecuencia alcanzada en el intervalo. La línea obtenida de este
modo cierra el polígono al ser unida a los puntos medios del intervalo anterior y posterior sobre
el eje de abscisas Puede construirse a partir del histograma.

4. Polígono de Frecuencias Acumuladas

Es una línea poligonal mediante la cual se representan las frecuencias que acumulan los
intervalos. Se construye cómodamente sobre el polígono de frecuencias acumuladas, uniendo
el vértice inferior izquierdo de cada intervalo con su vértice superior derecho.
5. Ciclograma
 Investigación Educativa 15

Es un diagrama en forma de círculo, el cual se encuentra dividido en tantos sectores circulares

como modalidades presenta la variable. La amplitud de cada sector circular es proporcional a la
frecuencia de la modalidad correspondiente.

Problemas

• Problema 1

Hemos recogido los siguientes datos, correspondientes a las puntuaciones obtenidas por 25
alumnos en un test de inteligencia. Organízalos en una distribución de frecuencias sin agrupar
en intervalos.

105, 99, 109, 100, 94, 100, 97, 120, 99, 107, 96, 107, 100, 109, 105, 97, 100, 105, 96, 99, 100,
97, 105, 107, 99.

• Problema 2

Construye la distribución de frecuencias absolutas y relativas, tanto individuales como

acumuladas, para las siguientes puntuaciones. Agrupa los datos en intervalos de amplitud 5.

3, 6, 7, 9, 9, 12, 12, 13, 13, 14, 14, 15, 15, 16, 16, 20, 20, 20, 20, 20, 22, 23, 24, 24, 24, 25, 25,
28, 35, 37.

• Problema 3

Los 31 profesores de un Centro de Educación Primaria se agrupan, en función de su situación

administrativa, de la forma que recogemos a continuación. Representa dichos datos mediante
un ciclograma.

Situación Administrativa Nº Profesores

Definitivos 15
Provisionales 10
En comisión de servicios 4
Interinos 2

• Problema 4
 Investigación Educativa 16

Representa mediante un histograma las edades (en meses) de los 60 alumnos del segundo
ciclo de Educación Infantil de un Centro, cuya distribución de frecuencias es la siguiente:

Edades Nº Alumnos

55 - 59 16

50 - 54 10

45 - 49 8

40 - 44 7

35 - 39 8

30 - 34 6

25 - 29 5

• Problema 5

Representa en un polígono de frecuencias los siguientes datos, correspondientes a los C.I. de un

grupo de 25 alumnos de un curso de Educación Básica.

C.I. Nº Alumnos

116 - 120 1

111 - 115 3

106 - 110 7

101 - 105 11

96 - 100 2

91 - 95 1

• Problema 6

Representa mediante un polígono de frecuencias acumuladas los datos relativos al C.I. de un

grupo de 25 alumnos utilizados en el problema anterior.

Soluciones a problemas propuestos

 Investigación Educativa 17

• Solución Problema 1

Para realizar la distribución de frecuencias debemos, en primer lugar, ordenar los datos (de
mayor a menor o de menor a mayor), representarlos en una tabla y realizar el recuento
correspondiente a cada uno de los valores (las "marcas" facilitan dicha labor), tal y como se
expresa en la tabla siguiente:

Puntuaciones Marcas Frecuencias

120 / 1
109 // 2
107 /// 3
105 //// 4
100 ///// 5
99 //// 4
97 /// 3
96 // 2
94 / 1

• Solución Problema 2

En primer lugar, calculamos la amplitud total para la serie de puntuaciones con las que vamos a
trabajar.

A.T. = PMAYOR - PMENOR + 1 = 39 - 3 + 1 = 37

A continuación determinamos el número de intervalos necesarios. Teniendo en cuenta que la

amplitud del intervalo debe ser igual a 5, de acuerdo a lo indicado en el enunciado del
problema, el número de intervalos vendrá dado por la relación (cuociente) entre la amplitud
total y la de cada intervalo: 37/5 = 7.4.

Este valor nos indica que necesitamos un número superior a 7 intervalos para distribuir todas
nuestras puntuaciones en intervalos de amplitud 5. El número de intervalos mínimo necesario
sería 8. Una vez construidos los intervalos, determinamos la frecuencia absoluta individual (f)
en cada uno de ellos, la proporción (p), el porcentaje (P) y los correspondientes valores
acumulados para todos ellos (fa, pa y Pa).
 Investigación Educativa 18

Intervalos Marcas f p P fa pa Pa
36 - 40 / 1 0.0333 3.33 30 1.0000 100.00
31 - 35 / 1 0.0333 3.33 29 0.9667 96.67
26 - 30 / 1 0.0333 3.33 28 0.9333 93.33
21 - 25 ///// // 7 0.2333 23.33 27 0.9000 90.00
16 - 20 ///// // 7 0.2333 23.33 20 0.6667 66.67
11 - 15 ///// /// 8 0.2667 26.67 13 0.4333 43.33
6 - 10 //// 4 0.1333 13.33 5 0.1667 16.67
1-5 / 1 0.0333 3.33 1 0.3333 33.33

No obstante, podríamos haber organizado los datos comenzando el primer intervalo con un
límite aparente inferior distinto (por ejemplo, 2 o 3). En ese caso, la distribución resultante
diferirá algo de la aquí construida.

• Solución Problema 3

En este caso la superficie del círculo (360 o) se reparte proporcionalmente a las frecuencias de
cada categoría. Los profesores definitivos ocuparán un sector circular que representa el 48.39%
de los 360o, es decir, 360 x 48.39/100 = 174 o que suponen algo menos de un ángulo llano. Los
profesores provisionales estarán representados por un sector de 360 x 3226/100 = 116 o, es
decir, algo más que un ángulo recto. Cálculos análogos determinan un sector circular de
47o para los profesores en comisión de servicios y 23 o para los interinos.

• Solución Problema 4
 Investigación Educativa 19

El histograma es similar a un diagrama de barras en el que dichas barras se levantan sobre los
límites reales de los intervalos, apareciendo, por tanto, unidas lateralmente entre sí.

• Solución Problema 5

Para trazar el polígono de frecuencias se señala el punto medio de cada intervalo en el eje de
abscisas (horizontal), se marca la altura correspondiente, de acuerdo con las frecuencias y se
unen los puntos marcados con líneas rectas. El gráfico cortará el eje de abscisas en los puntos
medios de los intervalos inmediatamente superior al intervalo mayor e inferior al menor
(ambos con frecuencia cero).

• Solución Problema 6
 Investigación Educativa 20

El polígono de frecuencias acumuladas se construye de forma muy parecida al polígono de

frecuencias, con la diferencia de que aquí la altura viene dada por las frecuencias acumuladas
(frecuencia de cada intervalo más frecuencias de los intervalos anteriores). Además, la línea
comienza en el eje de abscisas en el límite inferior real del primer intervalo, y une los puntos
situados sobre cada límite superior real, a una altura igual a la frecuencia acumulada en cada
intervalo.
 Investigación Educativa 21

C. Técnicas descriptivas en una variable

1. Medidas de tendencia central

Son índices numéricos que se toman como representativos de un conjunto de puntuaciones,

utilizando para ello valores que se sitúan hacia el centro del conjunto.

a) Media (Promedio): Es el valor obtenido como suma de todas las puntuaciones de un grupo
dividida por el número de ellas.

Cálculo:
Datos sin agrupar Datos agrupados por intervalos

donde:
· Xi es cada puntuación
· n es el número de casos
donde:
· Xi es el punto medio de cada intervalo
· fi es la frecuencia de cada intervalo
· r es el número de intervalos
· n es el número de casos

Propiedades

• La suma de las desviaciones de todas las puntuaciones respecto a la media es 0.

• La media es sensible a la variación de cualquiera de las puntuaciones. Basta que cambie un

solo valor para que la media se modifique.
• Si se suma una constante a las puntuaciones de un grupo, la media quedará aumentada en
dicha constante.
• Si se multiplican por una constante las puntuaciones de un grupo, la media quedará
multiplicada por dicha constante.
• Si una variable X es combinación lineal de r variables X1, X2, ... Xr, su media se obtiene
como combinación lineal de las medias de dichas variables.

Es decir, si entonces
 Investigación Educativa 22

• Dados r grupos con n1, n2, ... nr casos y sus respectivas medias, la media global se obtiene
ponderando dichas medias.

• Cuando calculamos la media para datos agrupados en intervalos, el valor resultante

depende de los intervalos elegidos (de su amplitud, su número y de los límites fijados).
• La media puede calcularse cuando las variables se han medido en una escala de intervalo o
razón.

b) Mediana: Es el valor que divide en dos partes iguales a un conjunto de puntuaciones

ordenadas, de tal forma que la mitad de las puntuaciones son mayores que la mediana y la
otra mitad son mejores que ella.

Cálculo

Datos sin agrupar Datos agrupados por intervalos

Se ordenan los datos de menor a mayor.

· Si el número de casos es impar, la

mediana es el valor que ocupa la
posición central en la serie.
· Si el número de casos es par, la
mediana es el punto medio entre
los dos valores centrales.
donde:
· Li es el límite inferior del intervalo crítico (que
contiene a la mediana)
· I es la amplitud de los intervalos
· fi es la frecuencia absoluta en el intervalo crítico

· n es el número de casos

· fa es la frecuencia acumulada en el intervalo

anterior al intervalo crítico

Propiedades.
 Investigación Educativa 23

• Es menos sensible que la media a variaciones de las puntuaciones. Podría ocurrir que
la modificación de un valor no altera la mediana

• Para datos agrupados por intervalos, el valor de la mediana dependerá de la amplitud

de los intervalos, el número de ellos y los límites fijados.

• La mediana puede calcularse cuando se han medido las variables en escala ordinal o
superior.

c) Moda: Es el valor o modalidad que más se repite en un conjunto de medidas.

Cálculo
Datos sin agrupar Datos agrupados por intervalos
· Se construye la distribución de Punto medio del intervalo con mayor frecuencia,
frecuencias. o bien:
· El valor con frecuencia máxima es la
moda.
· Si la frecuencia máxima se alcanza para
donde:
dos o más valores, éstos constituyen
· Li es el límite inferior del intervalo modal
modas. El grupo puede ser bimodal o
(que contiene a la moda).
multimodal.
· I es la amplitud de los intervalos.
· · Si dos valores adyacentes alcanzan la
· d1 es la diferencia entre las frecuencias del
máxima frecuencia, la moda es el
intervalo modal y el intervalo inferior.
promedio de ambos. · d2 es la diferencia entre las frecuencias del
intervalo modal y el intervalo inmediato
superior.

Propiedades

• Es la medida de tendencia central más inestable, pudiendo variar mucho de una muestra a
otra extraídas de la misma población.
• Para datos agrupados por intervalos, el valor de la moda dependerá de la amplitud de los
intervalos, el número de ellos y los límites fijados.
• Puede determinarse para variables medidas en cualquier escala.

2. Medidas de posición
 Investigación Educativa 24

Son medidas que informan sobre la posición de determinadas puntuaciones individuales en

relación con el grupo del que forman parte.

a) Percentiles: Son los 99 valores que dividen en cien partes iguales a una serie de
puntuaciones ordenadas, de forma que el percentil Pm deja por debajo de sí el m por
ciento de las puntuaciones del grupo.

Cálculo

Se obtienen de forma análoga a como lo hacíamos en el caso de la mediana. La fórmula de

cálculo para el percentil m (P m) en el caso de datos agrupados por intervalos, que representa
una generalización de la que utilizábamos para la mediana, es la siguiente:

donde:

· Li es el límite inferior del intervalo crítico (que contiene a P m)

· I es la amplitud de los intervalos
· fi es la frecuencia absoluta en el intervalo crítico
· n es el número de casos
· fa es la frecuencia acumulada en el intervalo anterior al intervalo crítico
· La expresión m·n/100 representa el número de puntuaciones que quedarían por debajo del
percentil m en la distribución estudiada. El intervalo crítico es precisamente aquél donde la
frecuencia acumulada alcanza o supera ese número de puntuaciones.

b) Deciles: Son los 9 valores que dividen en diez partes iguales a una serie de puntuaciones
ordenadas, de forma que el decil Dm deja por debajo de sí a m décimas partes del total de
puntuaciones del grupo.

Cálculo

Para el caso de datos agrupados por intervalos, la expresión de cálculo es:

 Investigación Educativa 25

c) Cuartiles: Son los 3 valores que dividen en cuatro partes iguales a una serie de
puntuaciones ordenadas, de manera que el cuartil Qm deja por debajo de sí m cuartas
partes del total de puntuaciones del grupo.

Cálculo

3. Medidas de dispersión

Son medidas que informan sobre la variabilidad que existe en un conjunto de puntuaciones.
Indican en qué medida las puntuaciones se sitúan próximas entre sí.

a) Rango: Es la distancia total en la escala numérica a lo largo de la cual varían las

puntuaciones.

También se denomina amplitud total o recorrido. Se utilizan dos tipos de rangos:

Rango excluyente: diferencia entre la mayor y la menor de las puntuaciones.

Rango incluyente: diferencia entre la mayor y la menor de las puntuaciones incrementada en la
unidad de medida. Este suele ser el más utilizado.

Rango = Punt.máxima - Punt.mínima + unidad de medida

El rango es la más imperfecta de las medidas de dispersión, pues sólo tiene en cuenta las
puntuaciones extremas.

b) Desviación media: Es la media del valor absoluto de las diferencias de todas las
puntuaciones respecto a la media aritmética.

Cálculo:
Datos sin agrupar Datos agrupados por intervalos
 Investigación Educativa 26

donde:
· Xi es cada puntuación
· es la media
· n es el número de casos
donde:
· Xi es el punto medio de cada intervalo
· es la media
· fi es la frecuencia de cada intervalo
· r es el número de intervalos
· n es el número de casos

c) Varianza y desviación típica

c1) Varianza: La varianza es el promedio del cuadrado de las diferencias de todas las
puntuaciones respecto a la media aritmética.

Cálculo

Podemos proponer dos fórmulas equivalentes, tanto para datos sin agrupar como para datos
agrupados por intervalos.

Datos sin agrupar Datos agrupados por intervalos

En el ámbito de la estadística inferencial, se utiliza una expresión de la varianza obtenida

recogiendo en el denominador el factor n-1. A esta varianza se le denomina varianza insesgada.

c2) Desviación típica: Se define como la raíz cuadrada de la varianza, tomada con signo
positivo.
 Investigación Educativa 27

Propiedades de la varianza y la desviación típica

· Adoptan siempre un valor positivo o igual a cero.

· Se ven afectadas por la modificación de cualquiera de las puntuaciones.
· Si multiplicamos un conjunto de puntuaciones por una constante, la desviación típica y la
varianza quedarán multiplicadas respectivamente por la constante y por el cuadrado de esa
constante.
· Si sumamos a un conjunto de puntuaciones una constante, la desviación típica y la varianza
no se verán afectadas.
· Para datos agrupados por intervalos, el valor depende de la amplitud de los intervalos, el
número de ellos y los límites fijados.
· No deben calcularse en situaciones en que tampoco debe calcularse la media.

d) Coeficiente de variación: Es un índice abstracto, que permite comparar la variabilidad de

distintos grupos o distintas variables.

Se obtiene a partir del número de veces que la desviación típica contiene a la media.

e) Amplitud Semi-intercuartílica: Se define como la mitad de la distancia entre el primer y el

tercer cuartil. Puede ser calculada cuando se ha medido la variable en escala ordinal o
superior.

Problemas

• Problema 1

Las puntuaciones obtenidas por un grupo de 38 alumnos en una prueba valorada de 0 a 100,
las cuales se suponen medidas en escala de intervalos, son las que se presentan en la tabla.

a) Calcula la media aritmética, mediana y moda.

 Investigación Educativa 28

b) ¿Qué puntuación deja por debajo de sí el 75% de los casos? ¿Y el 25%? ¿Cómo se denominan
dichas puntuaciones?

Intervalos f
91 - 100 2
81 - 90 0
71 - 80 3
61 - 70 6
51 - 60 7
41 - 50 9
31 - 40 4
21 - 30 5
11 - 20 1
1 - 10 1

• Problema 2

Las puntuaciones obtenidas por 59 alumnos en una prueba de diagnóstico en lectura son las
que se recogen en la tabla siguiente.

a) Calcula P25,, P50, P75, P90, moda y mediana.

b) ¿Qué percentil corresponde a una alumna que ha obtenido una puntuación directa de 40
puntos? ¿Y a un alumno que obtuvo 34 puntos?

Intervalos F fa
47 - 49 4 59
44 - 46 7 55
41 - 43 4 48
38 - 40 8 44
35 - 37 4 36
32 - 34 1 32
29 - 31 5 31
26 - 28 6 26
23 - 25 6 20
20 - 22 4 14
17 - 19 3 10
14 - 16 2 7
 Investigación Educativa 29

11 - 13 2 5
8 - 10 2 3
5-7 0 1
2-4 1 1

• Problema 3

Los 25 niños de un aula de Educación Parvularia han sido evaluados para determinar el nivel
que presentan en ciertas variables relevantes para el aprendizaje de las matemáticas. Teniendo
en cuenta que los resultados obtenidos en una prueba de discriminación de formas son los que
aparecen a continuación, determina la tendencia central del grupo mediante la media, la
mediana y la moda, así como el grado de dispersión que presentan las puntuaciones, expresado
a partir de su rango y su desviación típica.

27, 35, 40, 26, 32, 31, 35, 28, 29, 25, 36, 31, 27, 29, 25, 32, 34, 28, 33, 35, 29, 30, 39, 27, 25.

• Problema 4

Tras aplicar una prueba de cálculo mental a 70 alumnos de 4° Básico, pretendemos describir la
dispersión del conjunto de puntuaciones obtenidas. Determina el valor del rango, la desviación
media, la varianza, la desviación típica y el coeficiente de variación.

I fi
19 - 21 5
16 - 18 9
13 - 15 12
10 - 12 25
7-9 13
4-6 4
1-3 2

• Problema 5

La directora de Recursos Humanos de una entidad educativa utiliza determinada prueba con la
que mide la aptitud de los candidatos para desempeñar cierto puesto de trabajo. El total de
 Investigación Educativa 30

aspirantes es de 190 y los resultados alcanzados por cada uno de ellos en la prueba son los que
mostramos seguidamente.

Aptitud fi
125-129 7
120-124 8
115-119 12
110-114 20
105-109 27
100-104 41
95-99 32
90-94 30
85-89 11
80-84 2

a) Si pretendemos seleccionar a sólo 38 de los candidatos, ¿cuál es la puntuación mínima que

habría de obtenerse para ser seleccionado?
b) ¿Qué porcentaje de sujetos quedaron por debajo de un aspirante que consiguió una
puntuación de 105.5?
b) Determina la amplitud semi-intercuartil para la distribución.

Soluciones a problemas propuestos

• Solución Problema 1

a) La moda, valor más sencillo de calcular, es la puntuación con frecuencia máxima o

puntuación que más se repite. Al estar los datos agrupados en intervalos, la moda será el punto
medio del intervalo con frecuencia máxima, es decir Mo = 45.5.
 Investigación Educativa 31

Para calcular la media aritmética necesitamos los puntos medios de los intervalos y los
productos de dichos puntos medios por las frecuencias. Dichos cálculos se expresan en la tabla
que mostramos seguidamente.

Intervalos f Xi fiXi
91 - 100 2 95.5 191
81 - 90 0 85.5 0
71 - 80 3 75.5 226.5
61 - 70 6 65.5 393
51 - 60 7 55.5 388.5
41 - 50 9 45.5 409.5
31 - 40 4 35.5 142
21 - 30 5 25.5 127.5
11 - 20 1 15.5 15.5
1 - 10 1 5.5 5.5
n = 38 1899

[D]
La mediana es la puntuación que deja por encima y por debajo de sí el 50% de los casos. Como
tenemos 38 sujetos, la mediana será la puntuación que deje por encima y por debajo de = 19
sujetos. Su fórmula de cálculo, para datos agrupados en intervalos, es la siguiente:

Como n/2=38/2=19 es una frecuencia acumulada que se alcanza dentro del intervalo 41-50
(intervalo crítico), sustituyendo en la fórmula anterior los valores del límite inferior de ese
intervalo (Linfer), la amplitud de los intervalos (I), la frecuencia en el intervalo crítico (f i) y la
frecuencia acumulada en el intervalo anterior al crítico (f a) tendremos

b) Las puntuaciones que dejan por debajo de sí el 25 y el 75% de los casos se conocen con el
nombre de cuartil 1 (Q 1) y cuartil 3 (Q3), respectivamente. Dichas puntuaciones se
corresponden, igualmente, con los percentiles 25 y 75. Su cálculo viene dado por la fórmula

Cada uno de ellos se sitúa en los siguientes intervalos críticos:

 Investigación Educativa 32

Q3: (338)/4=28.5 (intervalo 61 - 70)

Q1: (138)/4=9.4 (intervalo 31 - 40)

Sustituyendo los distintos valores en la fórmula, obtendremos

• Solución Problema 2

a) Cálculo de los percentiles

Se pide también el cálculo de la mediana y de la moda. La mediana ya está calculada, pues

coincide con el percentil 50 (Md=P 50=30.6). La moda es el punto medio del intervalo con
frecuencia máxima, es decir Mo=39.

b) Se trata del problema inverso al apartado anterior, que podemos resolver aplicando la misma
fórmula. El valor que buscamos no es, como ocurría anteriormente, P m sino el valor m.

• Solución Problema 3
 Investigación Educativa 33

En primer lugar organizamos las puntuaciones dadas en una distribución de frecuencias, lo cual
aunque no es necesario resulta conveniente, ya que facilita los cálculos. En la tabla que se
presenta a continuación incluimos, además de la distribución de frecuencias, los cálculos
previos necesarios para resolver las cuestiones planteadas.

El cálculo de la media aritmética resulta sencillo teniendo en cuenta los cálculos previos:

Xi Marcas fi Xifi X2i X2ifi

25 /// 3 75 625 1875
26 / 1 26 676 676
27 /// 3 81 729 2187
28 // 2 56 784 1568
29 /// 3 87 841 2523
30 / 1 30 900 900
31 // 2 62 961 1922
32 // 2 64 1024 2048
33 / 1 33 1089 1089
34 / 1 34 1156 1156
35 /// 3 105 1225 3675
36 / 1 36 1296 1296
39 / 1 39 1521 1521
40 / 1 40 1600 1600
n=25 768 24036
La mediana es la puntuación que ocupa el lugar central. Puesto que contamos con 25
puntuaciones, la mediana será el valor que ocupe el lugar 13 (deja 12 por debajo y 12 por
encima), es decir Md=30.

La moda es la puntuación o puntuaciones que más se repiten (las que tienen mayor frecuencia).
En este caso, la distribución es multimodal, contando con cuatro modas que son 25, 27, 29 y 35.

El rango o amplitud total para la distribución es: A.T. = P mayor - Pmenor + 1 = 40 - 25 + 1 = 16

La desviación típica se obtiene a partir de su expresión de cálculo:

 Investigación Educativa 34

• Solución Problema 4

En la tabla siguiente se incluyen los cálculos previos para hallar las medidas de variabilidad
solicitadas. En la primera columna se presentan los intervalos, en la segunda las frecuencias, en
la tercera los puntos medios de cada uno de los intervalos, en la cuarta el producto de los
puntos medios de cada uno de los intervalos por su frecuencia, en la quinta las diferencias en
valor absoluto de cada punto medio de los intervalos con respecto a la media aritmética (x, por
tanto, representa puntuaciones diferenciales), en la sexta la columna anterior multiplicada por
la frecuencia de cada intervalo, en la séptima los valores de los puntos medios de cada uno de
los intervalos elevados al cuadrado y, en la octava y última el valor de la columna anterior
multiplicado por la frecuencia de cada intervalo.

I fi Xi Xifi │x│ fi│x│ X2i X2ifi

19 - 21 5 20 100 8.23 41.15 400 2000
16 - 18 9 17 153 5.23 47.07 289 2601
13 - 15 12 14 168 2.23 26.76 196 2352
10 - 12 25 11 275 0.77 19.25 121 3025
7-9 13 8 104 3.77 49.01 64 832
4-6 4 5 20 6.77 27.08 25 100
1-3 2 2 4 9.77 19.54 4 8
70 824 229.86 10918

A.T = 21 -1 +1 = 21 (o bien, 21.5-0.5 = 21)

 Investigación Educativa 35

• Solución Problema 5

a) Si de los 190 sólo pretendemos seleccionar a 38, de 100 seleccionaríamos 38100/190=20.

Por tanto, se nos pide la puntuación que deje por encima de sí el 20% de los casos, es decir
el percentil 80 (puntuación que deja por debajo de sí el 80% y por encima el 20%).

Es decir, la puntuación mínima que hay que alcanzar es 111.75 puntos.

b) Se trata en este caso de un problema inverso al anterior. Utilizamos la misma expresión

analítica de los percentiles, pero el elemento desconocido ahora es m.

Por debajo de la puntuación 105.5 quedan el 63.89% de los sujetos.

c) Amplitud semi-intercuartil.
 Investigación Educativa 36

Para calcular cada uno de los cuartiles debemos previamente determinar el intervalo en el que
se encuentran.

Para Q3: Qn/4=3190/4=142.5 (intervalo 105-109)

Para Q1: Qn/4=1190/4=47.5 (intervalo 95-99)
 Investigación Educativa 37

D. Puntuaciones individuales y curva normal

1. Puntuación directa, puntuación transformada

Una puntuación directa es la que se asigna a cada individuo como resultado de una medición;
por ejemplo la nota de un examen, el número de agresiones mensuales de cada alumno(a) a
sus compañeros.

Las puntuaciones transformadas son las que se derivan de las puntuaciones directas por
combinación lineal. Por ejemplo, medimos la velocidad y la comprensión lectora a través de dos
pruebas de las cuáles obtenemos dos puntuaciones directas; a través de estas dos
puntuaciones nos interesa conocer la eficiencia lectora. En este caso, la eficiencia lectora es una
puntuación transformada, o una variable de transformación.

Hay algunas puntuaciones transformadas de uso frecuente en educación, como las

puntuaciones diferenciales, típicas y las puntuaciones típicas derivadas.

Los softwares estadísticos contienen utilidades que permiten crear variables de transformación
a partir de las puntuaciones directas. Por tanto, si en un análisis tienen que utilizarse variables
de transformación, no se tienen que introducir las puntuaciones transformadas en el
computador, sino obtenerlas a partir de las puntuaciones directas, utilizando los recursos del
paquete estadístico.

a) Puntuaciones Diferenciales

Son el resultado de restar a la puntuación directa de un individuo la media de las puntuaciones

del grupo. En estadística descriptiva suelen designarse mediante una letra minúscula (x i). Por
tanto su cálculo viene determinado por la siguiente expresión:

xi = X i - X

Por el modo en que se definen, si en un grupo de puntuaciones obtenemos las puntuaciones

diferenciales, el resultado de la suma de éstas valdrá cero.
 Investigación Educativa 38

Ejemplo

Un grupo de 8 estudiantes que rinden examen de análisis de datos han obtenido las siguientes
puntuaciones: 7, 3, 2.5, 9, 2, 8.5, 5 y 3. Calcular las puntuaciones diferenciales para cada uno de
los(as) alumnos(as).

Solución: Se debe calcular la media de las puntuaciones, a partir de ese valor, podremos
determinar las puntuaciones diferenciales restando la media a la puntuación directa.

Xi xi
7
7-5= 2
3
Cálculo de la media 3-5= -2
2,5
2,5 -5= -2,5
9
9-5= 4
2
2-5= -3
8,5
8,5-5= 3,5 5-5= 0
5
3-5= -2
3

b) Puntuaciones típicas

Son puntuaciones transformadas de gran utilidad en estadística. Son conocidas también por
"puntuaciones z", siendo la siguiente expresión que se utiliza para su cálculo.

La media de las puntuaciones típicas vale 0 y la desviación típica es igual a 1. Por tanto, cuando
hablamos de tipificar los valores de una variable, significa que debemos transformarlos en
puntuaciones z.

Ejemplo:

Considerando las puntuaciones del ejemplo anterior, las vamos a transformar en puntuaciones
típicas.
 Investigación Educativa 39

Solución:
1º) determinar el valor de la desviación típica del grupo

�( x - x )
2

�( x - x ) = �x
2
= 55,5 i 55,5
i i s= = = 2, 63
n 8

2º) Luego, se divide cada una de las puntuaciones diferenciales por la desviación típica
Xi xi xi2 zi
7 2 4 0,76
3 -2 4 -0,76
2,5 -2,5 6,25 -0,95
2 -3 9 -1,14
9 4 1,6 1,53
8,5 3,5 12,25 1,33
5 0 0 0
3 -2 4 -0,76

c) Puntuaciones típicas derivadas

Las puntuaciones típicas permiten establecer comparaciones entre distintas variables. Sin
embargo el inconveniente de las puntuaciones típicas es que suelen ser negativas y pueden
presentar cifras decimales. Contamos solamente con siete puntuaciones enteras posibles (-3,
-2, -1, 0, 1, 2, 3), ya que la mayoría de las observaciones suelen quedar incluidas entre tres
desviaciones típicas a la derecha de la media y tres a la izquierda.

Tanto los signos negativos como las cifras decimales y los redondeos pueden ocasionar errores
de cálculo. Para evitar esto, podríamos multiplicar las puntuaciones z por una constante S
determinada y para evitar los valores negativos, sumar una constante J.

D = J + Sz

De esta forma, y teniendo en cuenta las puntuaciones de las propiedades típicas, obtendremos
una distribución de media J y de desviación típica S. A las puntuaciones obtenidas siguiendo
este proceso se les denomina puntuaciones típicas derivadas.
 Investigación Educativa 40

Entre las más usadas se encuentran el caso concreto de las puntuaciones T, que tienen como
media 50 y como desviación típica 10.

T = 50 + 10z

Asimismo los coeficientes intelectuales suelen venir expresados en puntuaciones típicas

derivadas de media 100 y desviación típica 15.

CI = 100 + 15z

Otra de las puntuaciones típicas que se suele utilizar en educación son los eneatipos o
estaninos, que son puntuaciones de media 5 y de desviación típica 2.

E = 5 + 2z

Ejemplo: Supongamos que un sujeto obtiene en una prueba de inteligencia una puntuación
directa de 70 puntos. Sabiendo que la media del grupo de referencia es 63,04 y su desviación
típica 10,8, podremos transformar la puntuación directa en una puntuación típica z= 0,64.

A partir de este cálculo, podemos obtener las diferentes puntuaciones derivadas:

T = 50 + 10 (0,64) = 56,4
C.I. = 10 + 15 (0,64) = 109,6
E = 5 + 2 (0,64) = 6,28

2. La curva normal

La inmensa mayoría de valores observados sobre variables cuantitativas en Ciencias Sociales

suelen aproximarse a lo que se conoce como distribución normal o curva normal. Es
considerada como una de las distribuciones continuas de más importancia. En muchos casos,
veremos que suponer el comportamiento normal de una población, permitirá extraer
conclusiones para las estimaciones efectuadas sobre muestras.
 Investigación Educativa 41

La representación gráfica de la distribución normal (figura 1) presenta forma de campana (de

ahí el nombre de campana de Gauss, como también se conoce).

Figura 1: Curva Normal

μ = media
σ = desviación típica
Se utilizan μ y σ, en lugar de X y s, porque hablamos de un modelo teórico.
N = número de casos, lo que significa que el área total bajo la curva es N.

La curva normal presenta las siguientes características:

• Es simétrica alrededor del eje que pasa por la media.

• La ordenada máxima coincide con la media en el eje de abscisas.
• La media, mediana y moda coinciden.
• Es asintótica respecto del eje de abscisas. Como consecuencia hay dos colas, una a cada
lado de la distribución, que se alargan hasta el infinito.
• Los puntos de inflexión se encuentran en μ + σ y μ - σ
• Su ecuación matemática dada por Laplace en 1874 es:

2
1 �X - m �
1 - � �
f ( x) = e 2� s �

2ps

Distribución normal tipificada o estándar

Se dice que una variable aleatoria continua tiene distribución normal tipificada X ~ N (0,1), si su
función de densidad tiene la siguiente forma:
 Investigación Educativa 42

1 - 12 x2
f ( x) = e
2p

La curva normal tipificada o reducida es, por tanto, la que opera con puntuaciones z, es un caso
especial de distribución normal que tiene de media cero y de desviación típica uno. Tiene
múltiples aplicaciones y su uso es frecuente en investigación educativa.

Al observar una variable tipificada que se distribuye normalmente, puede observarse que la
mayor parte de las puntuaciones se encuentran comprendidas entre los valores que van de -3 a
+3 (figura 2)

Figura 2: Curva Normal para Puntuaciones z

• Esta distribución es mesocúrtica

• El área total comprendida entre la curva y el eje de abscisas es igual a uno

Las áreas bajo la curva normal se interpretan en términos de probabilidades, proporciones o

porcentajes

Áreas bajo la curva normal

Para muchos propósitos es necesario conocer la proporción del área bajo la curva normal entre
las ordenadas de diferentes puntos sobre la línea de base. Podemos desear conocer:

• La proporción del área bajo la curva entre la ordenada de la media y cualquier punto
específico que se encuentre por encima o por debajo de la media.
• La proporción del área total por encima o por debajo de la ordenada de cualquier punto
sobre la línea base.
• La proporción del área que se encuentra entre las ordenadas de dos puntos cualesquiera
sobre la línea base.
 Investigación Educativa 43

Mediante la tabla de la Ley Normal pueden calcularse las áreas entre dos puntos. Por tanto,
pueden resolverse cualquiera de las tres situaciones anteriores. A continuación se desarrollan
algunos ejemplos teniendo en cuenta las siguientes consideraciones:

• El área total vale 1. La mitad es igual a 0,5.

• Las puntuaciones que utiliza la tabla están tipificadas.
• Para Z > 0 corresponde la mitad derecha de la curva.
• Para Z < 0 corresponde la mitad izquierda de la curva.

Ejemplo

Se ha utilizado el test de inteligencia D-48 a un grupo de sujetos y se ha obtenido una

distribución normal de media 28 y desviación típica 5.

Caso 1: ¿Qué porcentaje de sujetos han obtenido una puntuación superior a 36?

1º) Sabemos que:

xi - x
z=
s

2º) Sustituyendo valores z = (36-28)/5 = 1,6

3º) Mirando en la tabla de la Ley Normal encontramos que este valor de z (buscar a la derecha
de z), corresponde a un área de 0,05480. Lo que equivale a un porcentaje de sujetos del 5,48%.

Caso 2: ¿Qué porcentaje han obtenido puntuaciones inferiores a 30?

1º) Sabemos que

xi - x
z=
s
2º) Sustituyendo valores z = (30-28)/5 = 0,4
 Investigación Educativa 44

3º) Mirando en la tabla de la Ley Normal encontramos que este valor de z (buscar a la derecha
de z), corresponde a un área de 0,34458.
4º) Pero obsérvese que el área que hay que calcular es la contraria, la parte rayada. Por tanto
tendremos que quitar a 1 (valor del área total) el valor del área calculada (que es la proporción
que obtiene puntuaciones mayores).
1-0,34458 = 0,65542

El porcentaje de sujetos que ha obtenido puntuaciones inferiores a 30 es del 65,54%.

Caso 3: ¿Qué probabilidad existe de que al elegir un individuo al azar esté comprendido entre
25 y 35?

1º) Sustituyendo valores z1 = (25-28)/5 = -0,6

z2 = (35-28)/5=1,4
2º) Mirando en la tabla de la Ley Normal los respectivos valores de z encontramos que el valor
de la probabilidad de z2 (buscar la izquierda) es de 0,9192 y el valor de z 1 (buscar a la derecha
de z), corresponde a un área de 0,2743.
3º) se le resta al valor del área de z2, el valor del área de z1.
0,9192 - 0,2743 = 0,6449

Caso 4: ¿Qué porcentaje de alumnos/as queda comprendido entre las puntuaciones 19 y 26?

1º) Sustituyendo valores z1 = (26-28)/5 = -0,4

z2 = (19-28)/5= -1,8
 Investigación Educativa 45

2º) Mirando en la tabla de la Ley Normal los respectivos valores de z encontramos que el valor
de la probabilidad de z 1 (buscar la derecha) es de 0,3446 y el valor dez 2 (buscar a la derecha de
z), corresponde a un área de 0,0359.
3º) se le resta al valor del área de z1 el valor del área de z2.
0,3446-0,0359 = 0,3087

Lo cual supone un 30,87% de alumnos comprendidos entre ambas puntuaciones.

Bibliografía

• Escobar, M. (1999). Análisis gráfico/exploratorio. Madrid, La Muralla.

• Gil, J., Diego, J., García, E., & Rodríguez, G. (1996). Metodología de la Investigación
Cualitativa. Sevilla. Kronos.
• Gil, J., Diego, J., García, E., & Rodríguez, G. (1997). Estadística básica aplicada a las ciencias
de la educación. Sevilla: Kronos.
• GIL, J., Diego, J., García, E., & Rodríguez, G. (1997). Problemas de estadística aplicada a las
ciencias de la educación. Sevilla: Kronos.
• Ardanuy, R. y Tejedor, J. (2001). Tablas Estadísticas. Madrid, La Muralla
• Johnson, R. y Kuby, P. (2004). Estadística elemental, lo esencial. México: Thomson.