Estadística Aplicada a la Psicología - Ficha funcion inferencial

Vista previa del material en texto

1 
 
 
I- ESTADÍSTICA Y PSICOLOGÍA 
Dra. Mariela Ventura 
Prof. Titular Cátedra de Estadística Aplicada a la Psicología y 
Psicoestadística Inferencial 
2017 
La Estadística como instrumento metodológico para la producción de 
conocimiento científico 
Aun siendo la estadística una ciencia extremadamente técnica y sofisticada, 
el término también tiene un sentido vulgar. La palabra estadística evoca 
esas tablas de datos, y esas gráficas que de vez en cuando aparecen en 
periódicos de revistas, o en los anuarios, para comunicar datos económicos, 
electorales o demográficos. Aunque el resumen de grandes cantidades de 
datos es gracias a la estadística, el campo de esta ciencia es bastante más 
amplio. 
La estadística actual no es solo un conjunto de técnicas para resumir y 
transmitir información cuantitativa sino que sirve también y 
fundamentalmente para hacer inferencias, generalizaciones y 
extrapolaciones de un conjunto relativamente pequeño de datos –de una 
muestraa un conjunto mayor, población-. Una de las aplicaciones más 
importantes en la actualidad, y en psicología, es el trabajo de adquisición de 
conocimientos mediante esta técnica en la investigación científica. 
Casi siempre en nuestras investigaciones llegamos a un punto en el que es 
necesario, trabajar con una gran cantidad de datos, de números para 
describir la situación que estamos midiendo. A veces, también necesitamos 
extraer generalizaciones de estos datos. La Estadística proporciona las 
técnicas para esta tarea. Por ejemplo, desde un proyecto institucional 
subsidiado por la SPU, 17 alumnos bajo mi dirección están explorando la 
situación de Tucumán en cuanto a las problemáticas psicosociales 
prevalentes, ya relevamos datos de 4 escuelas, de los que seleccionamos 
una muestra en tamaño considerable (500 casos), y con los medios 
apropiados para que puedan ser abarcables desde lo material fáctico y 
también económico. A diferencia de lo que ocurre con otras ciencias, la 
estadística posee la importante peculiaridad de, por un lado, ser ella misma 
una ciencia, una ciencia formal perteneciente a las matemáticas, y por otro, 
2 
 
 
de servir de instrumento metodológico para el desarrollo de otras ciencias, 
como la psicología, que es una ciencia fáctica. 
Hemos dicho que la Estadística “Engloba una serie de procedimientos que 
nos permiten el análisis de datos, entendiendo al mismo, como diría Pardo, 
A y Rafael San Martín, como el conjunto de procedimientos diseñados para 
1) seleccionar datos, 2) caracterizarlos y 3) extraer conclusiones 
(inferencias) de ellos”. 
Este conjunto de procedimientos –análisis de datos- se aplica en todas las 
ciencias: biología, psicología, economía, antropología, medicina, etc.), pero 
no pertenece a ninguna de ellas sino a la estadística. 
El análisis de datos debe ser entendido como una herramienta metodológica 
al servicio de la investigación empírica. Lo importante de él es que nos 
permite la producción de conocimiento científico, y en la universidad es hoy 
una cosa que es muy valorada y le da visibilidad como centro de formación, 
por eso la tendencia es que cada vez los estudiantes se incorporen antes a 
los proyectos de investigación. 
Las ciencias pueden clasificarse en formales y en empíricas. En las 
formales, como las matemáticas, por ejemplo, no hay necesidad de entrar en 
contacto con el mundo real, basta con establecer una serie de postulados 
sobre entidades abstractas y proceder por deducción lógica. 
En las ciencias empíricas, como la psicología, por ejemplo, el objetivo es el 
encontrar relaciones de tipo general (leyes) capaces de explicar el 
comportamiento de uno o varios eventos reales, cuando se dan en 
circunstancias apropiadas. Y a diferencia de los que ocurre en las ciencias 
formales, esas leyes solo pueden ser descubiertas y verificadas observando 
el mundo real. Pero es imposible observar lo que ocurre en todo un conjunto 
de elementos o población, por ello se procede a escoger un sub conjunto 
más pequeño y se procede por una generalización inductiva. 
Mientras que en la ciencias formales se procede por deducción lógica, se 
llega a conclusiones verdaderas por premisas verdaderas, en las ciencias 
empíricas, intenta ir desde lo que se considera verdadero para un conjunto 
reducido de observaciones hasta la afirmación de que eso mismo es verdad 
para el total de observaciones de la misma clase, por una generalización 
inductiva. 
3 
 
 
Por supuesto que este salto, de lo específico a lo general tiene un riesgo: 
 No hay dos observaciones iguales, hay una multiplicidad de factores, que 
intervienen alterando la similitud y la diferencia. Esto por ejemplo, no es un 
gran problema en la física, donde las observaciones entre sí varían muy 
poco y el error al hacer la inferencia es muy reducido. En cambio en 
ciencias como las nuestras, las ciencias empíricas llamadas ciencias 
sociales (psicología, sociología, economía, etc.) las distintas observaciones 
no pueden ser sometidas a un control riguroso y presentan variaciones; las 
fuentes de variaciones son varias y difíciles de identificar y por ende, de 
controlar. Y por ello, necesitan un conjunto de procedimientos o una 
metodología especial para actuar inductivamente, y este conjunto es lo que 
llamamos análisis de datos. La más importante aplicación del análisis de 
datos, por lo tanto está relacionada con el concepto de incertidumbre, 
entendida como la tendencia de un resultado a variar cuando se efectúan 
repetidas observaciones del mismo tipo bajo condiciones idénticas. En 
situaciones deterministas, donde una misma causa siempre produce el 
mismo resultado (un cuerpo que se mueve a una velocidad constante v 
durante un tiempo t recorre un espacio e), el álgebra o el análisis 
matemático bastan para encontrar el nivel de comprensión buscado. Por el 
contrario, en situaciones aleatorias, donde una misma causa puede producir 
cualquiera de un conjunto de resultados posibles (lanzar una moneda al aire 
es un resultado paradigmático, el tiempo de reacción frente a un estímulo, 
etc.) es necesario recurrir al análisis de datos y a los instrumentos 
proporcionados por la estadística para poder extraer conclusiones fiables. 
La Estadística nos permite analizar los datos (es decir, las mediciones) 
desde dos perspectivas diferenciadas e interrelacionadas. La primera se 
centra en la descripción; la segunda en la inferencia. 
Un poco de historia… 
Parecería ser que todas las fases de la vida humana y todas las ciencias 
hubieran contribuido de alguna manera en su historia. La estadística es más 
bien la confluencia a lo largo de más de dos siglos de cierto número de 
corrientes tributarias procedente de muchas regiones diferentes. Así, la 
teoría de la probabilidad tuvo su origen en el de la ruleta; la recopilación de 
hechos estadísticos nació con la necesidad estatal de soldados y dinero. 
Los modernos estudios sobre la mortalidad, con los efectos de las pestes 
del siglo XVII; la teoría de los errores se creó en la astronomía; la teoría de 
4 
 
 
la correlación en la biología; la del diseño experimental en la agricultura; la 
teoría del análisis y ordenación de elementos en la psicología y la teoría de 
los métodos de las ji cuadrado en la sociología. 
Las dos grandes funciones de la estadística son pues, la descripción y la 
realización de inferencias, que reflejan la propia historia del desarrollo de 
esta ciencia. 
La estadística actual es el producto del encuentro (siglo XIX) de dos ramas 
distintas del saber: la antigua estadística y el cálculo de probabilidades 
(juegos de azar). Etimológicamente la palabra estadística procede de la 
palabra Estado. Ya en la antigüedad los egipcios y los romanos querían 
tener un conocimiento preciso de la cantidad de habitantes y de sus 
posesiones, es decir del estado de sus naciones (de ahí la raíz del término). 
Paraello hacían recolecciones de los datos, y tenían que resumirlos de una 
forma comprensiva. Con el surgimiento de los Estados modernos, adquirió 
una importancia creciente, comienzan a realizar censos de la población y a 
recopilar datos demográficos, sociales, y económicos. Hasta el siglo XIX, la 
Estadística es una ciencia descriptiva, que utiliza modas y gráficos. Para 
sintetizar datos sociales y demográficos.Sin embargo, las conclusiones 
extraídas se agotaban en el propio conjunto de datos observados. Es decir, 
que hasta el siglo XIX, la Estadística es una ciencia descriptiva. A partir del 
siglo XIX comienza a hacerse una ciencia normativa para poder generalizar 
a partir de los datos, prever la evolución de las variables y guiar la toma de 
decisiones en un ambiente de incertidumbre. Esta transformación es posible 
con la incorporación del concepto de probabilidad. Con el cálculo de 
probabilidades podíamos ya hacer inferencias sobre entidades no 
observadas, y brindó el instrumento adecuado para extrapolar los datos a 
partir de unas pocas observaciones reales. Esta apareció por primera vez en 
el campo de la Astronomía, donde se quería estudiar el trayecto de las 
estrellas, y e observaba que por más experiencia que tuvieran los 
observadores, siempre se medía con una diferencia, con error. A partir de 
estas muestras querían calcular la mejor estimación de su valor verdadero. 
Y así fue cómo surgieron métodos que permitirían estimar características a 
partir de las muestras. Este problema llevó a Gauss, uno de los más 
grandes científicos del siglo XIX, a introducir el modelo de la distribución 
normal, como modelo de la distribución de los errores. También dentro de 
este campo inferencial, fueron importantes: Galton, en los problemas de la 
5 
 
 
herencia; pero fundamentalmente, Karl Pearson y Ronald Fisher. Para llevar 
a cabo el análisis de variables psicológicas con procedimientos estadísticos 
es necesario medir.Recordemos que la clave de todo proceso de medición 
está en determinar cuál es el tipo de relaciones presentes en el sistema 
empírico a medir y cuál es el sistema formal que permite una representación 
numérica apropiada a esas relaciones. Ellos fueron creadores de modelos 
que nos permitieron analizar estos datos. 
Las dos funciones de la estadística, descriptiva e inferencial, reflejan como 
dijimos las dos partes que reflejan también su proceso histórico, pero 
también pueden revelar la profundidad de los análisis que realizan o incluso, 
las fases de estudio, puesto que para hacer un estudio inferencial primero 
hay que hacer un estudio descriptivo. El estudio descriptivo realiza la 
descripción de los datos, mientras que uno inferencial, comienza con la 
descripción pero luego aborda la inferencia. 
“Estadística es la ciencia que se ocupa de la ordenación y análisis de datos 
procedentes de muestras y de la realización de inferencias a las poblaciones 
de las que éstas proceden”. 
La estadística resultaría una materia muy fácil si la atención pudiera 
imitarse a las medidas descriptivas. Tal vez una función mucho más 
importante de la estadística, es la inducción, consistente en inferir 
propiedades desde una muestra para una población, a partir de resultados 
conocidos. La inducción estadística implica un pensamiento mucho más 
complejo que el de la descriptiva, consistente en inferir propiedades. 
La estadística inductiva se basa directamente en la teoría de la probabilidad, 
que es una rama de las matemáticas. Esta disciplina matemática proporciona 
una base racional para efectuar inferencias e inducciones. Existen además 
razones de orden práctico de por qué es conveniente trabajar con menos 
casos y a partir de allí realizar inferencias. Por ejemplo, cuando se le pide 
opinión a los sujetos sobre las elecciones, es suficiente encuestar a una 
muestra representativa. 
En otras ocasiones, es necesario generalizar porque no se puede definir la 
población o ésta es infinita. 
Vamos a ver en esta segunda parte del año, lo que se refiere a la función 
inferencial de la estadística. La Estadística Inferencial consta de una serie 
de procedimientos que permiten a partir de un conjunto reducido de datos 
6 
 
 
(muestra) establecer afirmaciones sobre el conjunto total de los datos 
(población). Como se verá, este salto inductivo es el propósito fundamental 
de la Estadística Inferencial, pero por supuesto, como dice Pardo y San 
Martín, no es un salto que pueda darse en el vacío. 
Si como hemos dicho establecer inferencias significa establecer 
afirmaciones sobre la población a partir de unos pocos datos muestrales, el 
valor que tengan nuestras inferencias estará condicionado: 1) por la calidad 
de las herramientas que usemos para hacer este salto inductivo y 2) por el 
parecido que hay entre la población y la muestra en la que nos apoyemos 
para establecer nuestras afirmaciones. Por eso, tan importante como tener 
una buena técnica de análisis para realizar las inferencias es “seleccionar” 
apropiadamente los datos que van a analizar para dar una buena base de 
apoyo a la inferencia. Entonces, el tema del muestreo es fundamental en 
esta función de la estadística. Para que lleguemos a conclusiones válidas es 
necesario que nuestra muestra sea representativa de nuestra población, es 
decir, seleccionar muestras en las que existe alguna garantía de que 
cualquier elemento de la población ha tenido la oportunidad de formar parte 
de ellas. El hecho de no trabajar con muestras adecuadas puede llevar 
nuestras predicciones al fracaso. 
Hemos dicho que el objeto de la estadística Inferencial es extraer 
conclusiones o conjeturas generales a partir de unos pocos datos 
particulares. Estas conclusiones de tipo general se refieren a los 
parámetros de alguna población, y cuando nos referimos a los datos 
particulares estamos hablando de los estadísticos. 
Estos son dos conceptos claves de los que tenemos que hablar. 
Un parámetro es un valor numérico que describe una característica de una 
población. Por ejemplo, tenemos una población de varones mayores de 30 
años a los que les vamos a aplicar una prueba de inteligencia. Comparten 
entre ellos la característica de ser varones y de tener más de 30 años 
además de otras, que en este momento no estamos considerando: estado 
civil, estudios, si trabaja, NSE, etc. si medimos por ejemplo “Comprensión 
lectora” vamos a obtener tantos elementos numéricos como elementos 
forman parte de la población. Si ahora calculamos el promedio (un solo 
número) de todos los valores numéricos de la población habremos definido 
7 
 
 
un parámetro, es decir, habremos descrito numéricamente una característica 
de la población: el CI medio de los varones mayores de 30 años. 
O por ejemplo, tenemos una población de depresivos. Si nos centramos 
además en la característica “Sexo”, por ejemplo, podríamos contar cuántos 
son varones y cuántos son mujeres. De allí podríamos definir un parámetro 
como la proporción de varones y la proporción de mujeres en la población 
de pacientes depresivos. 
Así pues existen valores numéricos como la media, la varianza, o la 
proporción (y otros) que cuando se refieren a alguna característica 
poblacional reciben el nombre de parámetros. 
Hay dos aspectos de los parámetros que me gustaría resaltar: 
1) Son en general, valores poblacionales desconocidos, es decir, las 
poblaciones son tan grandes que raramente se puede acceder a ellas 
en su totalidad. Por ende, esto impide el cálculo sobre el total de los 
elementos. 
2) Son valores numéricos constantes (no variables) , solo pueden tomar 
un valor concreto cuando se define su población y su característica. 
A los parámetros se los identifica con letras griegas minúsculas como µ, σ, 
etc. 
Un estadístico es un valor numérico que describe una característica de una 
muestra. 
De esa población de varones por ejemplo, puedoextraer una muestra de n 
sujetos. En esa muestra podemos definir y medir, por ejemplo, la 
característica inteligencia. Según las distintas combinaciones de muestras 
que extraigamos, obtendremos un estadístico X . 
Mientras el parámetro es por lo general desconocido, el estadístico en 
cambio, puede ser calculado concretamente. Es decir, que es de los 
estadísticos que nos vamos a servir para formarnos una idea de los valores 
poblacionales (parámetros) desconocidos. 
Este proceso de atribuir a un parámetro el valor tomado por su 
correspondiente estadístico se conoce con el nombre de estimación. 
La estimación es un concepto importante en la Estadística Inferencial. 
El proceso estadístico inferencial 
8 
 
 
Cuando un investigador realiza un estudio estadístico, ante la imposibilidad 
práctica de recoger toda la información poblacional, se ve en la disyuntiva de 
analizar sólo una parte y quedarse con esa información, o bien, de extender 
los resultados de esa parte al conjunto mayor al que pertenece. Dado que el 
interés científico se centra, generalmente, en una conclusión válida para la 
totalidad y no para una parte, la segunda alternativa parece ser la más 
adecuada. 
Proceso Inferencial 
La realización de una inferencia estadística implica el pasaje de lo conocido 
(propiedades de la muestra) a lo desconocido (propiedades de la población a 
la que pertenecen los datos analizados en la muestra). Su principal base se 
apoya en: 
 
o La Teoría de la Medida, que tiene por objeto el estudio de los 
diferentes modelos que permiten establecer reglas para una correcta 
asignación de números a los hechos que se pretende medir. Solo si la 
medición es correcta, tiene sentido el proceso inferencial posterior, en el que 
confluyen diversos cuerpos de conocimiento. 
o La Teoría de la Probabilidad, que se ocupa del estudio de los 
fenómenos aleatorios, es decir, de aquellos acontecimientos quese 
manifiestan de dos o más maneras pero cuya forma de presentación en una 
situación particular no puede ser pronosticada con certeza. 
o La Teoría del Muestreo, que brinda herramientas útiles para 
seleccionar muestras probabilísticas a partir de las cuales se iniciará el 
proceso inferencial. Este proceso implica la estimación de las propiedades de 
cantidades masivas de datos con una precisión calculada a partir de muestras 
probabilísticas. 
La función inferencial de la Estadística surge de la confluencia de dos 
disciplinas independientes, la Teoría de la Probabilidad y la Estadística 
(dedicada originariamente a llevar registros ordenados de los datos del 
Estado). La unión de ambas en el siglo XIX dio lugar a una nueva ciencia, 
interesada fundamentalmente en estudiar cómo obtener conclusiones de la 
investigación empírica mediante el uso de modelos matemáticos. 
Por un lado, sabemos que la Estadística se ocupa de la regularidad en los 
conjuntos de fenómenos naturales, que manifiestan una tendencia a 
agruparse alrededor de cierto centro de gravedad. El estudio de la 
regularidad es el punto de unión entre ambas disciplinas. Con la 
9 
 
 
incorporación de la Teoría de la Probabilidad, la Estadística ha expandido su 
radio de acción a muchos campos de la investigación científica, entre ellos 
el de la Psicología. 
Por otro, la Teoría de la Probabilidad estudia los fenómenos aleatorios y 
permite la evaluación de la ocurrencia de las diferentes formas de 
presentación de los mismos. 
Importancia del muestreo aleatorio en el proceso inferencial 
Es evidente que de una población es posible extraer más de una muestra 
diferente del mismo tamaño. Esto significa que el valor del estadístico 
variará de acuerdo a los valores concretos que hayan sido elegidos. Así, de 
una población cualquiera de tamaño N, es posible extraer N muestras 
diferentes de tamaño n. si en cada una de esas Nn muestras calculamos un 
estadístico, nos encontramos que el valor no será siempre el mismo, esto 
es, el valor variará de una muestra a otra. Esto quiere decir que un 
estadístico no es un valor numérico constante sino una variable, ya que el 
valor concreto que tendrá será de acuerdo a los valores con los que se haya 
calculado. Pero un estadístico no es solo una variable. Es una variable 
aleatoria. Al extraer aleatoriamente y con reposición una muestra de tamaño 
n de una población de tamaño N, el primer elemento de esa muestra puede 
ser cualquiera, el segundo también, el tercero también, etc. en 
consecuencia, cada elemento de la muestra puede ser concebido como una 
variable aleatoria (la combinación de una o más variables aleatorias es otra 
variable aleatoria). 
Ahora bien, si un estadístico es función de los n elementos de una muestra, 
y cada uno de esos elementos son variables aleatorias, un estadístico será 
también una variable aleatoria. 
Ya hemos señalado que para que el proceso sea consistente en obtener 
conclusiones sobre la población, a partir de información contenida en la 
muestra es de importancia esencial que éstas sean representativas. Y esto 
se logra con un muestreo adecuado. 
Vamos a definir el muestreo como el proceso seguido para extraer una 
muestra de una población. Este puede ser de dos tipos: probabilístico o no 
probabilístico. 
10 
 
 
En el muestreo probabilístico se conoce la probabilidad o puede calcularse 
la probabilidad asociada a cada una de las muestras (o elementos) que 
esposible extraer de una población. Cada elemento poblacional tiene 
Parámetro Estadístico 
Valor poblacional Valor muestral 
Desconocido Calculable, concreto 
Constante Variable Aleatoria 
Letras griegas minúsculas 
µ, σ 
Letras latinas mayúsculas 
X , S, P 
 
Habíamos dicho que el objeto de la Estadística Inferencial es extraer 
conjeturas o conclusiones o afirmaciones generales, universales, a partir de 
unos pocos datos particulares. 
Problemas de los que se ocupa comúnmente la Estadística Inferencial 
Estas inferencias se refieren sobre todo a dos aspectos, los dos grandes 
temas delos que se ocupa la Estadística Inferencial: 
1) La Estimación de Parámetros 
2) El contraste de Hipótesis 
Mediante la Estimación de Parámetros se intenta dar respuesta a la 
pregunta ¿Cuál es el valor de tal parámetro? 
Con el Contraste de Hipótesis se intenta dar respuesta a la pregunta: ¿es 
razonable que el parámetro adopte un tal valor? 
Ambas formas de inferencia son equivalentes y nos permiten llegar a una 
misma conclusión. Podríamos decir que son como dos caras de una misma 
moneda, ya que en la estimación de parámetros utilizamos al información 
muestral para formarnos alguna idea sobre una propiedad de la población ; 
en el contraste de hipótesis establecemos una afirmación sobre la población 
que intentamos comprobar a partir de la información muestral. 
1) Estimación de parámetros 
Cada estadístico describe la muestra que se midió y tiene unparámetro 
equivalente que describe la población a la que ésta pertenece. La Estadística, 
con ayuda del cálculo de probabilidades, resuelve el problema de la 
estimación del valor de un parámetro a partir del valor conocido de un 
estadístico. 
11 
 
 
2) Prueba de hipótesis 
La Estadística brinda herramientas para afrontar el problema de la verificación 
de las hipótesis. La prueba (o contraste) de hipótesis es el procedimiento 
estadístico que permite establecer, con un grado de probabilidad 
determinable, si una hipótesis científica es consistente con la información 
muestral obtenida. Como todo procedimiento inferencial, requiere de muestras 
probabilísticas a fin de extender los resultados hacia las poblaciones 
respectivas. 
Mediante la estimación de parámetros intentamos dar respuesta a la 
pregunta: ¿Cuál es el valor de tal parámetro?; con el contraste de hipótesis, 
a la pregunta: ¿Es razonable que este valor sea el valor del parámetro de la 
población? Ambas formas de inferencia sonequivalentes, o podemos decir, 
son dos caras de una misma moneda: en la estimación de parámetros 
utilizamos la información muestral para formarnos alguna idea sobre alguna 
propiedad de la población; en el contraste de hipótesis establecemos una 
afirmación sobre la población y después recurrimos a la información 
muestral para comprobar si nuestra afirmación es compatible con ella. 
Legitimidad del uso de la Estadística Inferencial en Psicología 
El propósito de la investigación psicológica es producir conocimientos acerca 
de los seres humanos. Por lo tanto, es fundamental que en un estudio de ese 
tipo, a partir de premisas psicológicas se llegue a conclusiones psicológicas. 
Hoy en día las técnicas estadísticas son utilizadas con frecuencia, pero al 
atribuir números a manifestaciones psicológicas se hace indispensable 
efectuar también un procedimiento inverso, es decir, interpretar 
psicológicamente los resultados numéricos obtenidos. 
La Psicología moderna ha reconocido la importancia de la medida en la 
investigación que se realiza en muchos de sus campos de aplicación. De 
hecho, los modelos matemáticos juegan un importante papel en distintas áreas 
de esta ciencia (experimental, social, industrial, pedagógica, etc.). 
Como dijimos anteriormente, la Estadística implica el estudio de la regularidad 
en conjuntos de fenómenos naturales que se presentan de maneras diferentes 
y en tal sentido se vincula con la teoría de la probabilidad. Ahora bien, la 
dispersión de los datos provenientes de la medición de variables psicológicas 
presenta cierta “regularidad”, similar a la de los fenómenos estudiados por la 
Estadística. 
12 
 
 
Por este motivo, es legítimo el uso de métodos estadístico el campo de la 
Psicología, aunque cabe una importante aclaración: sólo cuando va 
acompañado de una actitud crítica y reflexiva que implique el empleo 
adecuado de los mismos. Si no es así se corre el riesgo de llegar a 
conclusiones aparentemente rigurosas pero intrínsecamente engañosas. 
Otro aspecto a tener en cuenta es el nivel de generalización de los resultados. 
Las conclusiones no deben rebasar el límite de la población motivo de estudio. 
Para lograr mayor generalización es necesario trabajar con nuevas muestras 
que representen a otras poblaciones. 
En conclusión, la aplicación de la Estadística a problemas concretos no 
comporta un procedimiento de rutina que lleva directamente a la prueba o a la 
medida correcta. No hay nada en los procedimientos estadísticos o 
matemáticos que nos permita verificar la validez de nuestro proceder. 
Más allá de la legitimidad del uso de las herramientas teóricas que nos brinda 
esa ciencia, el valor de los nuevos conocimientos científicos que obtengamos 
está condicionado no sólo por la elección de determinados instrumentos 
estadísticos, o por la semejanza que pueda existir entre la población y la 
muestra seleccionada, sino también -y esto es fundamental- por la calidad de 
la conexión entre los resultados estadísticos y el tema que se analiza, inserto 
-en nuestro caso- en el ámbito de la Psicología. 
Definiciones básicas 
* Inferencia: Conclusión a la que se llega por razonamiento. 
* Inferencia estadística: Conclusión sobre las propiedades de una población a 
partir de la información contenida en una muestra probabilística extraída 
de la misma. 
* Población: Conjunto de elementos (personas, objetos, entidades abstractas, 
etc.) que poseen una o más características específicas en común. 
* Muestra: Subconjunto de una población. 
* Muestra probabilística: Muestra seleccionada de una población mediante 
un procedimiento probabilístico. 
Fenómeno aleatorio 
 Hecho que -repetidamente observado en condiciones similares- oscila 
en sus manifestaciones, por lo que su forma de presentación en una situación 
particular no puede ser pronosticada con certeza. 
Probabilidad teórica 
13 
 
 
 Número de veces en que se presenta un determinado acontecimiento 
dividido por el total de resultados igualmente probables. Su fórmula es: 
P(A) = n(A) / N 
Propiedades de la probabilidad 
 *El valor de la probabilidad debe estar entre 0 y 1, inclusive. La 
probabilidad es 0 si el evento no puede ocurrir y 1 si es seguro que ocurra. 
 *La suma de las probabilidades de todos los resultados posibles debe 
ser igual a la unidad. 
* Parámetro: Valor numérico que describe una característica de la 
población. 
* Estadístico: Valor numérico que describe una característica de la muestra 
con el propósito de caracterizar a la población de la que forma 
parte. 
* Estimación de un parámetro: Conclusión probabilística acerca de un valor 
descriptivo de la población a partir de cálculos que se basan en una 
muestra aleatoria extraída de la misma. 
 
* Hipótesis: Supuesto, conjetura. 
 * Hipótesis científica: Conjetura de interés científico susceptible de 
verificación. Es una proposición que se formula a modo de ensayo y 
provisoriamente. 
 * Prueba de hipótesis: Procedimiento estadístico que permite establecer, 
con un grado de probabili- 
dad determinable, si una hipótesis científica es consistente con la 
información muestral obtenida. 
 
 
 
 
 
 
 
 
Fundamento que sostiene el enfoque de todas las unidades desarrolladas a 
continuación: 
 
La aplicación de técnicas inferenciales en el campo de la Psicología sólo tiene 
validez cuando se realiza la necesaria conexión entre las conclusiones propias 
14 
 
 
de la Estadística y el tema de estudio (no estadístico), a fin de lograr una 
interpretación coherente y plena de sentido. 
 
 
 
Bibliografía 
 
Amón, J. (1991). Estadística para Psicólogos 1. Madrid: Ed. Pirámide. Prólogo. 
Introducción 
Botella, J., León, O. y San Martín, R. (1999) Análisis de datos en Psicología I
 . Madrid, España: Pirámide. 
Blalock Jr., H. (1998). Estadística Social. México: Fondo de Cultura Económi-
ca. Capítulos I y II 
Cortada de Kohan, N. (1994). Diseño estadístico: Para investigadores de las 
ciencias sociales y de la conducta. Bs. As: EUDEBA. Cap.I 
Cortada de Kohan, N., Macbeth, G. y López Alonso, A. (2008). Técnicas de 
investigación científica. Con aplicaciones en: Psicología, Ciencias 
Sociales, Ciencias de la Educación. Buenos Aires: Lugar Editorial. 
Capítulo 1. 
Pardo, A. y San Martín, R. (1994). Análisis de datos en Psicología II. Madrid: 
Pirámide.Introducción. 
Saleme, H. Fichas de cátedra Psicoestadística Inferencial y Estadística 
Aplicada a la Psicología, Facultad de Psicología (UNT), 2016.