Copia de McGuigan (6taedic) - Psicología Experimental PDF

PSICOLOGÍA
EXPERIMENTAL
Métodos de investigación
Sexta edición
F. J. McGUIGAN
United States International University
Traducción:
Jorge Anselmo Barrientes Silva
Traductor Profesional
Revisor Técnico:
María Elena O rtiz Salinas
Licenciada en Psicología
Universidad Nacional Autónoma de México
PRENTICE HALL
MÉXICO • NUEVA YORK • BO G O TÁ • LONDRES • SYDN EY
PARÍS • M UN ICH • TO RO N TO • NUEVA DELHI • TO KIO • SINGAPUR
RÍO DE JANEIRO • ZU RICH
Edición en español:
PRESIDENTE DIVISION LATINOAMÉRICA
DE SIMON AND SCHUSTER: RAYMUNDO CRUZADO GONZÁLEZ
DIRECTOR GENERAL: MOISÉS PÉREZ ZAVALA
GERENTE DIVISIÓN UNIVERSITARIA: ENRIQUE IVÁN GARCÍA HERNÁNDEZ
GERENTE EDITORIAL COLLEGE Y PTR JOSÉ TOMÁS PÉREZ BONILLA
EDITOR: LUIS GERARDO CEDEÑO PLASCENCIA
DIRECTOR DE EDICIONES ALBERTO SIERRA OCHOA
GERENTE DE PRODUCCION: JULIÁN ESCAMILLA LIQUIDANO
SUPERVISOR DE TRADUCCIÓN: JORGE BONILLA TALAVERA
SUPERVISOR DE PRODUCCIÓN: ENRIQUE GARCÍA CARMONA
Edición en inglés: *'
Acquisitions editor: Julie Berrisford

Production supervision: Inkwell Publishing Services
Prepress buyer: Kelly Behr
Manufacturing buyer: Mary Ann Gioriande
McGUIGAN: PSICOLOGÍA EXPERIMENTAL Métodos de Investigación 6/Ed.
Traducido del inglés de la obra: Experimental Psychology Methods of Research
All Rights Reserved. Authorized translation from English language edition published by Prendice Hall Inc.
Todos los Derechos reservados. Traducción autorizada de la edición en inglés publicada por Prentice Hall Inc.
All rights reserved. No part of this book may be reproduced or transmitted in any form or by any means, electronic
or mechanical, including photocopying recording or by any information storage retrieval system, without permission
in writing from the publisher.
Prohibida la reproducción total o parcial de esta obra, por cualquier medio o método sin autorización por escrito del
editor.
Derechos reservados © 1996 respecto a la primera edición en español publicada por

PRENTICE HALL HISPANOAMERICANA S.A.
Enrique Jacob 20, Col. El Conde
53500 Naucalpan de Juárez, Edo. De México
ISBN 968-880-678-1
Miembro de la Cámara Nacional de la Industria Editorial, Reg. Núm. 1524
Original English Language Edition Published by Prentice Hall Inc.

Copyright ©. MCMXCIII
All Rights Reserved
ISBN 0-13-291014-4
IMP. Y MAO. DE LIBROS MIS. S A DE C.V.

VENADO No. 530
COL. LOS OLIVOS, TIAHUAC
MEXIC013210,0 F.
2000 1937
IMPRESO EN MÉXICO/PRINTED IN MEXICO a a
Para dos encantadoras señoritas,
Constance y Joan
CONTENIDO
Prefacio a la primera edición, xv
Prefacio a la sexta edición, xvii
Capítulo 7
Panorama de la experimentación, 1
La naturaleza de la ciencia, 1
Definiciones de ciencia, 1
Disciplinas científicas y no científicas, 2
La psicología como ciencia, 4
La experimentación psicológica: una aplicación del método1científico, 5
Planteamiento del problema, 5
Formulación de una hipótesis, 5
Selección de participantes, 5
Asignación de participantes a grupos y tratamientos (condiciones), 6
Leyes de estímulo-respuesta, 6
Determinación de la influencia de una variable independiente, 7
Control de variables extrañas, 9
Cómo se hacen pruebas estadísticas, 9
Vil
viii Contenido
Generalización de la hipótesis, 11
Las predicciones, 11
La explicación, 11
Diseminación de los descubrimientos, 12
Panorama del método científico, 12
Ejemplo de un experimento psicológico, 12
Resumen del capítulo, 14
Revisión crítica para el estudiante, 15
Capítulo 2
El problema, 17
¿Qué es un problema?, 17
Modos en que se manifiesta un problema, 18
Una laguna en nuestro conocimiento, 18
Los resultados contradictorios, 19
Explicación de un hecho, 20
Definición de un problema soluble, 22
La solución propuesta puede ponerse a prueba, 22
La solución propuesta es pertinente al problema, 22
Grado de probabilidad en lugar de verdadero y falso, 23
Tipos de posibilidades, 23
Actualmente alcanzable, 23
Potencialmente alcanzable, 24
Clases de comprobabilidad, 24
Lo actualmente comprobable, 24
Potencial mente comprobable, 24
Principio de trabajo para el experimentador, 24
Problemas insolubles, 26
El problema no estructurado, 26
Los términos inadecuadamente definidos y la definición
operacional, 26
La imposibilidad de recabar datos pertinentes, 29
La circularidad viciosa, 31
Algunas consideraciones adicionales de problemas, 32
Un problema debe tener valor, 32
Evite el problema del callejón sin salida, 32
Reacciones psicológicas a los problemas, 33
Contenido ix
Capítulo 3
La hipótesis, 35
La naturaleza de una hipótesis, 35
Declaraciones analíticas, contradictorias y sintéticas, 37
La manera de plantear hipótesis, 38
Las hipótesis son relaciones de “si..., entonces...”, 38
Planteamientos matemáticos de hipótesis, 40
La implicación general es una aproximación a una declaración
de probabilidad, 40
Conexiones causales entre condiciones antecedentes y consecuentes, 40
Los tipos de hipótesis, 41
Hipótesis universales y existenciales, 41
Cómo se llega a una hipótesis, 43
Abstracción de las similitudes, 43
Formación de analogías, 43
Extrapolación de investigaciones anteriores, 44
Los criterios de las hipótesis, 44
La función guía de las hipótesis, 45
Sobre accidentes, serendipity e hipótesis, 46
Capítulo 4
Las variables experimentales y cómo controlarlas, 50

La variable independiente, 51
Variables de estímulo, 51
Variables organísmicas, 51
La variable dependiente, 51
Medidas de respuesta, 51
Selección de una variable dependiente, 53
Validez de la variable dependiente, 53
Confiabilidad de la variable dependiente, 55
Medidas múltiples de variables dependientes, 56
Medidas de crecimiento, 58
Medidas aplazadas, 58
Tipos de relaciones empíricas en psicología, 58
Leyes de estímulo-respuesta, 58
Leyes organísmicas y de la conducta, 59
La formulación matemática de las leyes, 59
x Contenido
La naturaleza del control experimental, 59

Control de la variable independiente, 60
Control de variables extrañas, 60
Dos tipos de control de la variable independiente, 62
Las variables extrañas, 64
Especificación de variables extrañas que deben controlarse, 65
Especificación de variables extrañas que no pueden controlarse
razonablemente, 65
Cuándo abandonar un experimento, 65
Técnicas de control, 65
Ejemplo de control sobre la variable extraña, 74
El experimentador como variable extraña, 76
Revisión crítica para el estudiante: algunos problemas de control, 79
Capítulo 5 '
El pian dé investigación, 82
El informe de la evidencia, 82 ,
Métodos para obtener un informe de la evidencia, 83
Métodos no experimentales, 83
Métodos experimentales, 85
Contraste de los métodos experimental y no experimental, 86
Tipos de experimentos, 88
Comparación de experimentos exploratorios y confirmatorios, 88
Experimentos cruciales, 88
Los estudios piloto, 89
Estudios de campo, 89
Planeación de un experimento, 89
Esbozo de un plan experimental, 90
Resumen, 99
Dirección de un experimento: un ejemplo, 100
Algunas preguntas para el estudiante, 104
Capítulo 6
Diseño experimental: el caso de dos grupos independientes, 105

Orientación general, 106
Establecimiento de la “igualdad” de los grupos mediante la aleatorización, 106
Contenido xi
Es remoto que haya grupos “desiguales”, 107

Es posible que haya grupos “desiguales”, 107
Comparación de medias grupales en variables pertinentes, 108
Análisis de covarianza, 108
La ciencia es autocorrectiva, 108
Análisis estadístico del diseño de dos grupos independientes, 108
Cálculo de la media, 109
Cómo probar la diferencia entre las medias, 110
La hipótesis nula, 112
¿Qué tan grande es “grande”?, 114
Prueba de la hipótesis nula, 114
Especificación del criterio para la prueba, 115
Comparación de pruebas de una cola y pruebas de dos colas, 116
Pasos para probar una hipótesis empírica, 116
Confiabilidad “limítrofe”, 117
La desviación estándar y la varianza, 118
Suposiciones que subyacen al uso de las pruebas estadísticas, 121
El análisis de sus datos debe ser exacto, 122
Número de participantes por grupo, 124
Varianza o variancia de error, 126
Métodos para reducir la varianza de error, 127
Replicación, 129
Resumen del cálculo de t en un diseño de dos grupos independientes, 130
Apéndice: El significado de los grados de libertad, 135
Capítulo 7
Diseño experimental: el caso de más de dos grupos independientes, 137

El valor de más de dos grupos, 138
Limitaciones de un diseño de dos grupos, 143
Análisis estadístico de un diseño con más de dos grupos independientes, 145
Comparaciones limitadas por pares, 146
Todas las comparaciones posibles por pares, 149
Las pruebas F globales (ómnibus) y el análisis de varianza, 150
Resumen estadístico, 159
Comparaciones limitadas por pares, 159
Todas las comparaciones posibles por pares, 159
xii Contenido
Resumen del cálculo del análisis de varianza y de la prueba F para

diseño de grupos independientes con más de dos grupos, 159
Capítulo 8
Diseño experimental: el diseño factorial, 162

Panorama, 162
Evaluación de las dos variables independientes, 164
El concepto de interacción, 165
Análisis estadístico de los diseños factoriales, 169
Análisis de varianza para un diseño factorial 2 x 2 , 169
Las pruebas F y la hipótesis nula, 174
Un ejemplo más breve, 175
Seleccionando un término de error, 178
La importancia de las interacciones, 179
Interacciones, variables extrañas y resultados conflictivos, 180
Valor del diseño factorial, 181
Tipos de diseños factoriales, 183
Diseños factoriales con dos variables independientes, 183
Diseños factoriales con más de dos variables independientes, 184
Resumen de un análisis de varianza y del cálculo de una prueba F
para un diseño factorial 2 x 2 , 185
Revisión crítica para el estudiante , 187
Capítulo 9
Correlaciones y diseños experimentales, 189

Investigación correlacional, 189
El significado de correlación, 189
Diagramas de dispersión, 192
Relaciones curvilíneas, 194
El cálculo de los coeficientes de correlación, 196
El coeficiente de correlación producto-momento de pearson, 196
Variables dicotomizadas, 197
Confiabilidad estadística de los coeficientes de correlación, 197
Correlación y causalidad, 198
Diseño experimental de dos grupos igualados, 200
Análisis estadístico de un diseño de dos grupos igualados, 201
Contenido xni
Seleccionando la variable de igualación, 203

¿Qué diseño usar: grupos aleatorios o grupos igualados?, 204
Varianza de error y el diseño de grupos igualados, 206
Diseños experimentales para grupos que usan tratamientos repetidos, 207
El diseño de dos tratamientos repetidos, 208
Diseños de varios tratamientos repetidos, 209
Análisis estadístico para más de dos tratamientos repetidos, 210
Suposiciones estadísticas, 213
El orden de los participantes en los diseños de tratamientos repetidos, 213
Evaluación de los diseños de tratamientos repetidos, 214
Un resumen evaluativo, 217
Panorama de los diseños experimentales y sus pruebas estadísticas, 218
Resumen de los cálculos estadísticos, 220
Correlaciones, 220
Cálculo de t para un diseño de dos grupos igualados, 221
Diseño de dos tratamientos repetidos, 222
Más de dos tratamientos repetidos, 222
Capítulo 10
Diseño experimental: investigación de un solo sujeto (n = 7), 226

Dos estrategias de investigación, 227
El análisis experimental de la conducta, 228
El experimento básico: condicionamiento operante, 228
Contingencias de respuesta, 229
El registro acumulativo, 230
Análisis gráfico para evaluar los cambios en la respuesta, 231
Paradigmas para los diseños experimentales de caso único (n = 1), 232
El diseño de inversión, 237
Diseños de cambio de criterio, 239
El mantenimiento de la conducta adquirida, 241
Campos de aplicación, 241
Terapia conductual, 241
Evaluaciones de drogas, 241
Dificultades encontradas con la metodología de caso único, 242
Comentarios sobre los diseños de grupos, 245
Conclusión, 245
Revisión critica para el estudiante, 247
xiv Contenido
Apéndice A: Análisis estadístico para los diseños de series de tiempo, 247

Apéndice B: Diseño de línea base múltiple, 250
Capítulo i 1
Diseños cuasi-experimentales: buscando soluciones a los problemas

de la sociedad, 255
Ciencia pura contra ciencia aplicada, 255
Aplicación de los principios psicológicos para mejorar la sociedad, 256
Diseños cuasi-experimentales, 257
Sistema de notación para los diseños cuasi-experimentales, 258
Diseño de un grupo sometido a pretest-postest, 259
Diseños con grupo de comparación no equivalente, 260
Diseños de series de tiempos interrumpidas, 262
Conclusión, 267
Revisión critica para el estudiante, 269
Apéndice: Posibles efectos del tratamiento, 270
Capítulo 72
La generalización, la explicación y la predicción en psicología, 277

El esquema inductivo, 272
Inferencias inductivas y deductivas, 275
La concatenación, 276
La generalización, 277
La explicación, 278
La predicción, 281
Redacción del informe de la evidencia, 283
Declaraciones directas contra indirectas, 284
Confirmación contra verificación, 285
Inferencias a partir del informe de la evidencia hasta la hipótesis, 286
Hipótesis universales, 286
Hipótesis existenciáles, 287
La mecánica de la generalización, 289
Muestras representativas, 289
Experimentadores representativos, 289
Tareas representativas, 290
Los estímulos representativos, 290
Aplicación'de los diseños factoriales, 291
Los modelos y la elección de un término de error correcto, 291
Contenido xv
La limitación de generalizaciones, 294

Comprobando la razón de unos resultados conflictivos, 294
Resumen para limitar las generalizaciones, 300
Una ojeada al futuro, 302
Apéndice A
Tablas estadísticas, 305
Apéndice B
Redacción de su experimento, 31 3
Cómo prepararse, 313
Repaso de los componentes de un manuscrito, 314
Las páginas de un manuscrito: el frontispicio, 315
Nombre del autor y afiliación a una institución, 315
La página del resumen, 316
Las páginas del texto, 316
Introducción, 316
El método, 316
Resultados, 317
La discusión, 321
Páginas de referencia, 323
Un ejemplo, 323
Cosas que deben hacerse y cosas que no deben hacerse, 330
Apéndice C
El uso de lasxomputadoras en la investigación, 333

Las computadoras en la perspectiva histórica, 333
Las computadoras modernas, 334
Las microcomputadoras, 335
Software: cómo instruir a la computadora, 336
El uso de paquetes estadísticos, 337
Desarrollando su propio programa, 337
La computadora en la investigación, 338
xvi Contenido
El gran valor de las computadoras, 339

La simulación por computadora, 339
Trampas y limitaciones, 340
Examen de los números que constituyen nuestros datos, 342
Apéndice D
Principios de ética al efectuar investigación psicológica, 344

La investigación con participantes humanos, 344
Evaluación ética del investigador, 346
La responsabilidad, 346
Consentimiento informado de los participantes, 346
El engaño puede ser necesario, 347
Presentación del informe, 347
Libertad de toda coacción, 347
Protección a los participantes, 347
La confidencialidad, 347
Principios éticos para la investigación animal, 347
Evaluación de nuestros principios éticos, 349
Apéndice E
Respuestas a los problemas, 35 7
Glosario de términos,símbo!os y ecuaciones estadísticas, 357
Bibliografía, 369
índice, 373
PREFACIO A LA
PRIMERA EDICIÓN
La psicología experimental nació con el estu a lo largo del libro ejemplos de experimentos
dio de los procesos sensoriales; creció bajo la de muchos campos, los cuales ilustran muchos
forma de temas complementarios como son puntos metodológicos.
percepción, tiempo de reacción, atención, En resumen, el punto de partida de este
emoción, aprendizaje y después se añadió el libro es la concepción relativamente nueva
de pensamiento. Como consecuencia, el cur de la psicología experimental en lo que toca
so tradicional de psicología experimental era a metodología; una concepción que represen
un curso cuyo contenido fue definido acci ta la unión de tres aspectos de la ciencia que
dentalmente por las tendencias de investiga de algún modo son diferentes: la metodolo
ción que seguían los primeros experimenta gía experimental, la estadística y la filosofía
dores en esas áreas. La tendencia actual es de la ciencia. Hemos intentado realizar un
definir a la psicología experimental como un análisis del trabajo de la psicología experi
estudio de metodología científica en general mental al presentar las importantes técnicas
y de los métodos de experimentación en par que los psicólogos experimentales emplean
ticular, y no como áreas de contenido especí diariamente. Los métodos experimentales son
fico. Hay gran evidencia de que esta tenden la base de la psicología experimental, claro
cia está ganando terreno rápidamente. está; la omnipresencia del análisis estadístico
Este libro ha sido escrito siguiendo esta ten en revistas confirma la importancia de este
dencia. Sus métodos ya no se restringen solo aspecto de la experimentación. Es importan
a unas cuantas áreas, los psicólogos experi te comprender la filosofía de la ciencia para
mentales realizan investigaciones que abarcan comprender lo que la ciencia es, cómo se
casi todo lo que comprende la psicología: clí emplea el método científico y, en particular,
nica, industrial, social, militar, etc. Para ha cuál es el lugar de la experimentación en el
cer énfasis sobre este punto hemos empleado marco más general de la metodología cientí
xvii
xviii Prefacio
fica. Con la comprensión de las metas y requerido en un curso de psicología experi

las funciones de la metodología científica, mental al tipo de conducta manifestada por
el psicólogo experimental estará preparado el psicólogo experimental profesional.
para trabajar eficientemente, evitando pro Quiero agradecer a mis estudiantes, los
cedimientos erróneos y problemas infruc cuales han aportado críticas valiosísimas so
tuosos. bre las ideas y la exposición, y el apoyo nece
Diseñando para ser un libro práctico en el sario para la culminación de este proyecto.
sentido de presentar información sobre las téc Me encuentro particularmente en deuda con
nicas que emplea el psicólogo experimental los doctores Alien Calvin, Victor Denenberg,
en la actualidad, se espera que sea útil para David Duncan, Paul Meehl, Michael Scriven,
maximizar la transferencia del desempeño Kenneth Spence y Lowell Wine.
PREFACIO A LA
SEXTA EDICIÓN
Gracias a las sugerencias de mis colegas y es narlos o evitarlos si es que no se desea hacer
tudiantes, he efectuado una gran reorganiza énfasis en ellos. En particular, las secciones
ción para esta edición. La intención fue alen de diseños de grupo de línea de base múlti
tar al estudiante para lograr una mayor com ple y de análisis estadístico de los diseños de
prensión y eficiencia en su estudio. Una reor series de tiempo se eliminaron de la estructu
ganización importante fue integrar en un ca ra principal del capítulo 10. De la misma for
pítulo los temas de investigación correlacio- ma, los tres efectos posibles de tratamiento
nal y de los diseños experimentales que inclu en los diseños de series de tiempo se pusie
yen correlaciones. En consecuencia, los tres ron en un apéndice del Capítulo 11. En con
capítulos que anteriormente estaban dedica secuencia, el instructor que considere que
dos a la investigación correlacional al diseño estos temas son de gran importancia, los pue
de dos grupos igualados y a los diseños para de asignar a sus estudiantes, o aquellos inte
grupos con tratamientos repetidos se combi resados los pueden ver por su cuenta. Como
naron en el capítulo 9. Ahora son 12 capítu consecuencia de la inútil verbosidad genera
los en lugar de 14. La sección para el uso de da en las revisiones de las cinco ediciones an
aparatos en el capítulo 5 también fue fusiona teriores, he procesado con mucho cuidado
da considerablemente. cada oración a lo largo del libio. Este esfuer
El importante tema relativo a la varianza zo ha “apretado” el texto pero ha aumentado
de error y las formas de reducirla se pasó al su precisión.
capítulo 6 de modo que los estudiantes pue Con el propósito de guiar al estudiante más
dan relacionarla con la investigación que in eficazmente a lo largo del libro, he añadido
cluye todos los diseños experimentales. muchos títulos de secciones y se han impreso
Varios temas se ubicaron en apéndices de en negrillas los términos más importantes
los capítulos para que el instructor pueda asig para subrayar los temas más importantes.
xx Prefacio
Se hace énfasis en toda la obra del crecien de comunicación. Sin embargo, esa superio
te uso de las computadoras en psicología, pero ridad puede desgastarse pues muchos psicó
se trata el tema en particular en el apéndice C logos hacen a un lado el estudio y el uso de
en la página 333. Con todo y que el análisis una correcta metodología de la investigación.
estadístico por computadora es aplicable a La intención de este libro siempre ha sido
cada diseño, el estudiante debe entender lo desarrollar una perspectiva amplia acerca de
que la máquina está haciendo. De no ser así, la adecuada investigación psicológica en las
el uso a ciegas de las computadoras trae como áreas de interés público, y en forma más ge
resultado numerosos errores y los estudian neral, en la ciencia.
tes recolectan estadísticas que son inaplicables, Las ediciones anteriores de la obra se han
erróneas, inadecuadas e incomprensibles. Si empleado muchísimo en cursos de licenciatu
todo lo que hacen los estudiantes es oprimir ra. Sin embargo, también han encontrado un
ciertas teclas y seleccionar menús bien carga lugar en cursos de posgrado y como guía para
dos, a menudo terminarán con impresiones los investigadores que conducen su propio tra
enormes que no solo son innecesarias, sino bajo.
que también llevan a la transgresión de supo Finalmente, quiero expresar mi gratitud a
siciones estadísticas y de niveles de probabili todos los colegas que han contribuido con la
dad establecidos. edición de este libro, así como las anteriores.
En esta edición sigo haciendo énfasis en la En particular a los revisores de esta edición:
facilitación mutua de la investigación pura y Margaret Gittis, Rick Wesp, Paula Goolkasian
aplicada y en la aplicación inteligente de los y Bernardo J. Carducci. Entre los revisores de
métodos efectivos de investigación en bene la quinta edición cuyos nombres puedo des
ficio de la sociedad. Las estrategias para la enterrar, doy las gracias a Frank Etscorn,
solución de los problemas sociales se desarro Ronald L. Webster y Randall Flory. A aqué
llan especialmente en los capítulos 10 y 11. llos a quienes no he podido recordar también
La psicología está sufriendo cambios y se les doy las gracias por sus contribuciones.
encuentra en peligro de perder la sofistica Agradezco especialmente a Jackie Fischer,
ción metodológica que la ha llevado a la van Kit Ching, Deanna Khan y Michelle Mullane
guardia de las ciencias sociales y biológicas. por su excelente ayuda en la preparación de
Los psicólogos son líderes en los negocios, la este manuscrito.
industria, la política y la vida académica y sus
hallazgos sobre los temas importantes para el
público se citan diariamente en los medios FJM
capítulo 1
PANORAMA DE
LA EXPERIMENTACIÓN
Propósito principal: Lo que usted debe adquirir:

Comprender la naturaleza básica de la ciencia Un marco para incorporar las fases específicas
y su aplicación a la investigación psicológica. de la investigación psicológica que serán deta
Lo que usted encontrará: lladas en los capítulos restantes. -
1. Características esenciales de la ciencia, analizadas
como pasos del método científico.
2. Aspectos sobresalientes de la experimentación psico
lógica.
3. Definiciones de términos críticos.
LA NATURALEZA DE LA CIENCIA de muchos siglos indica con toda claridad que

los métodos científicos son los que han pro
Las cuestiones que interesan a los psicólogos ducido el conocimiento más sólido.
constituyen un singular desafío: la gran com
plejidad de la mente humana significa que pro Definiciones de ciencia
bablemente será la última frontera de la com
prensión científica. Por consiguiente, el estu Suele definirse “ciencia” de diversas ma
dio de problemas psicológicos exige los mé neras, pero en general, mediante definicio
todos de investigación más eficaces posibles. nes de contenido o de proceso. Una típica
La acumulación de la experiencia a lo largo definición de contenido es que la “ciencia es
1
2 Panorama de la experimentación
una acumulación del conocimiento integra representación esquemática de las disciplinas

do”, mientras que una definición de proceso que estudiamos, burdamente catalogadas etíl
es que la “ciencia es una actividad que con tres grupos (excluyendo las disciplinas forma
siste en descubrir variables importantes de la les de las matemáticas y la lógica). Las cien-’
naturaleza, en relacionar esas variables y en cias están representadas dentro del círculo,
explicar esas relaciones (leyes)”. Una defini interior. El siguiente círculo abarca discipli
ción clásica que incorpora el contenido y los nas que no suelen considerarse ciencias, como
procesos indica que “la ciencia es una serie las artes y las humanidades. Fuera de ese cír
interconectada de conceptos y de esquemas culo se encuentran otras disciplinas más, que,
conceptuales, desarrollada como resultado de por falta de un término mejor, designaremos
la experimentación y la observación” (Conant, como disciplinas metafísicas.
1951, p. 25). Una definición similar es que la Las ciencias del círculo interior difieren,
ciencia es “un cuerpo de conocimiento siste sin duda, entre ellas, de muy diversas mane
máticamente organizado acerca del univer ras. Pero, ¿en qué aspectos importantes son
so, obtenido por medio del método cien similares entre sí? Del mismo modo, ¿cuáles
tífico”. son las semejanzas entre las disciplinas dtel
círculo exterior? ¿Qué tienen en común las
Disciplinas científicas y no científicas disciplinas metafísicas situadas fuera del cír
culo? Y, más aún, ¿en qué formas importan
Las ciencias utilizan el método científico. tes difiere cada uno de estos tres grupos de
Para comprender algunas de las característi los demás? Las respuestas a estas preguntas
cas fundamentales de la ciencia empezaremos deberán permitirnos aproximarnos a una de
por considerar las diversas ciencias como gru finición general de ciencia.
po; luego podremos abstraer las característi Una característica común de las ciencias
cas sobresalientes que distinguen a esas cien es que todas ellas emplean el mismo enfoque
cias de otras disciplinas. La figura 1-1 es una general parala solución de problemas: un pro-
Disciplinas metafísicas
FIGURA 1 -1. Tres grupos de disciplinas

que estudiamos. Dentro del círculo interior
están las ciencias. El segundo círculo
contiene las artes y las humanidades; las
disciplinas metafísicas están fuera de los
círculos.
Panorama de la experimentación 3
ceso serial sistemático, llamado método cientí La distinción es que los problemas solubles
fico. Ninguno de los otros dos grupos emplea se pueden abordar empíricamente. Por empí
explícitamente este método. rico queremos decir lo que se basa en la ob
servación de los hechos naturales, como la
Problemas solubles e insolubles. Las disci conducta de los demás. La persona que inten
plinas que se hallan dentro de los dos círculos te resolver problemas por medio del misticis
difieren de las disciplinas metafísicas respec mo no estará empleando un enfoque empíri
to al tipo de problemas que estudian. Quie
co. Por tanto, los problemas solubles son suscepti
nes estudian las disciplinas situadas dentro de bles de solución empírica mediante el estudio de
los dos círculos intentan considerar exclusiva
los hechos observables. Los problemas insolubles
mente los problemas que tienen solución; no pueden estudiarse con los métodos del
aquéllos cuyo trabajo cae fuera del círculo en empirismo. Las personas cuyo trabajo cae den
general estudian problemas insolubles. En tro de los dos círculos (particularmente, den
pocas palabras, un problema soluble es el que
tro del interior) sencillamente creen que de
plantea una pregunta a la que se puede dar
ben limitar su estudio a los problemas que
respuesta mediante el uso de nuestras capaci
son capaces de resolver. Por supuesto, algu
dades normales. Un problema insoluble plan
nos científicos también dedican una parte de
tea una pregunta que, en esencia, no tiene sus vidas a la consideración de los fenóme
respuesta. Los problemas insolubles a menu nos sobrenaturales. Pero es importante com
do conciernen a fenómenos sobrenaturales o
prender que, cuando lo hacen, se han “salido
preguntas acerca de las causas últimas. Por
del círculo” y, en ese momento, ya no están
ejemplo, el problema de qué fue lo que origi
comportándose como científicos.
nó el universo es insoluble y característico de
Es importante la distinción entre los méto
los estudios de la religión y la filosofía clási
dos científicos que resuelven problemas me
ca.1 Precisar lo que es un problema soluble y
diante el empirismo, y los métodos no cientí
lo que no lo es constituye un tema de extre
ficos que tratan de responder a preguntas
ma importancia, y lo abordaremos con todo
mediante enfoques no empíricos. Por ejem
detalle en el capítulo 2.
plo, algunos emplean el método de autoridad
La ciencia es empírica. Es importante sub para responder preguntas (“a este respecto,
rayar que “soluble” e “insoluble” son térmi Santo Tomás de Aquino dijo...”). Otros sostie
nos técnicos, de modo que no se les deben nen que la verdad se revela a través de visio
atribuir significados vernáculos. Por ejemplo, nes. Aunque esos métodos no científicos
la clasificación no pretende establecer una ofrezcan respuestas más fáciles, el esfuerzo di
jerarquía de valores entre las diversas disci ligente sobre datos (empíricos), por muy te
plinas clasificándolas de acuerdo con el tipo dioso y exigente que sea, está bien estableci
de problema estudiado. Por ejemplo, no ne do como nuestra única fuente confiable de
cesariamente estamos afirmando que los pro conocimiento a largo plazo.
blemas de la ciencia son “mejores” o más im La ciencia definida. En primer lugar, las cien
portantes que los problemas de la religión. cias aplican el método científico a los proble
mas solubles. En segundo lugar, las discipli
nas del círculo exterior no emplean el méto
1 Las categorizaciones crudas son peligrosas. Al seña do científico, pero sus problemas son, carac
lar diferencias generales entre las tres clases de discipli terísticamente, solubles. En tercer lugar, las
nas, se pasa por alto las excepciones. Por ejemplo, algu
nos problemas teológicos, como los efectos de la plegaria disciplinas situadas fuera de los círculos no se
sobre la condición humana, son solubles; es decir, se han valen del método científico ni plantean pro
efectuado estudios para determinar si orar afecta favo blemas solubles. Por consiguiente, definimos
rablemente a los pacientes que padecen varias enferme la ciencia como la aplicación del método cientí
dades. Aunque es posible crear al menos una ciencia li fico a problemas solubles. Esta definición incor
mitada de la religión, la mayoría de los teólogos emplea
métodos de autoridad y de revelación, pues no les interesa pora las definiciones de proceso (método) y
responder empíricamente a sus preguntas. de contenido de la ciencia, de modo que el
estudio de los problemas solubles resulte en los datos de la ciencia son públicos, ya que se
un conocimiento sistemático. En general, nin les recaba objetivamente: se reporta en for
guno de los otros dos grupos de disciplinas ma confiable de los hechos científicamente
tiene ambas características. observados mediante las percepciones subje
tivas de cierto número de observadores y no
La psicología como ciencia sólo de uno. La exigencia de Watson de que
seamos deterministas no fue nueva en psicolo
La psicología es materialista, objetiva y de gía, pero si será crítica para nosotros. “Deter-
terminista. Las consecuencias de esta defini minismo” es la suposición de que en la naturale
ción tan general son enormes y nos llevan a za hay leyes. Si hay leyes, podremos precisar
especificar varios conceptos científicos impor las causas de los hechos que tratamos de estu
tantes. Los conductistas clásicos, encabezados diar. En la medida en que la naturaleza no es
por John B. Watson en la primera parte de determinista, es caótica, con hechos que ocu
nuestro siglo, ayudaron a desarrollar la psico rren espontáneamente (sin causas). Por con
logía como ciencia. El programa de Watson siguiente, no podemos descubrir leyes para
para lograr la transición de una no ciencia a los fenómenos no deterministas, si es que los
una ciencia fue el siguiente: “si se quiere que hay. Por cierto que no tenemos ninguna ga
la psicología llegue algún día a ser una cien rantía de que todos los hechos sean determi
cia, deberá seguir el ejemplo de las ciencias nados. Y sin embargo, debemos suponer que
físicas; tendrá que volverse materialista, los que estudiamos obedecen a una ley, si
mecanicista, determinista y objetiva” (Heid- queremos descubrir leyes para ellos (así como
breder, 1933, p. 235). La exigencia de Watson, suponer que hay peces en el arroyo cuando
de que seamos materialistas, afirma lo que se va de pesca es condición necesaria para
hoy es obvio: a saber, que sólo debemos estu atrapar algunos).3
diar los hechos físicos2 como respuestas ob
servables, en lugar de fantasmales “ideas” o Conducta: la materia más compleja. Con es
la “conciencia” de una mente inmaterial (véa tas consideraciones y nuestra definición ge
neral de ciencia a la mano, consideremos aho
se “materialismo” en el glosario). El materia
ra nuestro método científico tal como se apli
lismo está interrelacionado con la objetividad,
ca en psicología. Cuanto más abstruso y enig
pues es imposible ser objetivo cuando se in
tenta estudiar “fenómenos no observables” mático sea un tema, más rígidamente debere
(signifique esto lo que signifique). Somos mos adherirnos al método científico, y con
objetivos en la ciencia cuando aplicamos el mayor diligencia tendremos que controlar las
variables. Los químicos trabajan con un con
principio de la confiabilidad Íntersubjetiva.
junto relativamente limitado de variables,
Todos tenemos experiencias subjetivas cuan
mientras que los psicólogos deben estudiar
do observamos un acontecimiento. Intersubje-
fenómenos considerablemente más comple
tivo significa que dos o más personas pueden
compartir una misma experiencia. Y cuando jos. No podemos permitirnos ser descuidados
en nuestro pensamiento o nuestra investiga
informan verbalmente sobre la misma expe
ción. Dado que la experimentación es la apli
riencia subjetiva, llegamos a la conclusión de
cación más poderosa del método científico,
que el hecho en realidad (en forma fidedig
deberemos enfocar el modo en que realiza
na) ocurrió (no fue una alucinación). En suma,
mos los experimentos.
2 Nuestro lenguaje cotidiano nos hace adoptar a veces
costumbres lamentables, como el término redundante “he 5 El mecanicismo de Watson se refiere a la suposición
chos físicos”, el cual implica que puede haber hechos no de que nos comportamos de acuerdo con principios me
físicos, concepto que desafía toda imaginación. Las refe cánicos (los de la física y los de la química). Pero, dado que
rencias a fenómenos no físicos son precisamente las que la cuestión de mecanicismo contra vitalismo en biología
Watson y sus colegas trataron de eliminar de ¡a psicología quedó resuelta hace muchas décadas en favor del
temprana. Los “datos empíricos” comúnmente empleados mecanicismo, esta cuestión sólo tiene ya un interés histó
constituyen otra de esas redundancias. rico y no nos explayaremos sobre ella.
La experimentación: el método de investiga va se le llama hipótesis; puede ser una solu

ción más poderoso. Utilizando los experimen ción potencial razonada o tan sólo una vaga
tos como lo ideal, podemos comprender me conjetura, pero en ambos casos se trata de una
jor las insuficiencias de los otros métodos de hipótesis empírica, ya que se refiere a fenó
investigación que también estudiaremos más menos observables, es decir, a una conducta.
adelante. El siguiente análisis nos dará un pa Después de planteada la hipótesis, el experi
norama general del resto del libro. Como orien mentador hace pruebas para ver si la hipótesis
tación para la experimentación, mostrará cómo es (probablemente) verdadera o (probable
procede la investigación del psicólogo. Sin em mente) falsa. De ser verdadera, habrá resuelto
bargo, dado que este panorama es tan breve, el problema que había planteado el psicólo
habrá que simplificar tal vez en exceso cuestio go. Para poner a prueba la hipótesis debemos
nes complejas. Las posibles deformaciones recabar datos, pues un conjunto de datos será
resultantes de esta simplificación serán corre nuestra única norma. Para recabar datos se
gidas en capítulos posteriores. dispone de varias técnicas, pero la experimen
tación es, entre ellas, la más poderosa.
LA EXPERIMENTACIÓN PSICOLÓGICA:
Selección de participantes
UNA APLICACIÓN DEL MÉTODO
CIENTÍFICO4
Uno de los primeros pasos para recabar da
tos consiste en seleccionar los participantes
Planteamiento del problema
cuya conducta se va a observar. El tipo de par
ticipante estudiado quedará determinado por
Un experimento psicológico empieza con
la naturaleza del problema. Si lo que nos inte
la formulación de un problema; la mejor ma resa es la psicoterapia, podremos seleccionar
nera de plantearlo suele ser en forma de pre un grupo de neuróticos. Un problema rela
gunta. El único requisito que el problema cionado con la función de ciertas partes del
deberá cumplir es que sea soluble: la pregun cerebro entrañará el uso de animales (pocos
ta que plantea deberá poder responderse con seres humanos se ofrecerían como voluntarios
las herramientas de que dispone el psicólo para ser sometidos a operaciones del cerebro).
go. Más allá de esto, el problema puede tratar Los problemas de aprendizaje pueden
de cualquier aspecto de la conducta, se le con investigarse empleando estudiantes universi
sidere importante o trivial. Una lección de la tarios de los primeros grados, chimpancés y
historia es que no debemos precipitarnos al ratas. Cualquiera que sea el tipo de partici
juzgar la importancia del problema al que se pante, el experimentador normalmente los
dedica un científico, pues muchas veces lo que asignará a grupos. Aquí, consideraremos el
de momento fue descartado como trivial o
tipo básico de experimento, a saber, el que
improcedente ha contribuido en forma consi sólo incluye dos grupos.
derable a ulteriores avances de la ciencia.
Por cierto, a quienes colaboran en un ex
perimento con el propósito de permitir que
Formulación de una hipótesis
se estudie su conducta se les podrá llamar par
ticipantes, o bien, con el término tradicio
El experimentador formula una solución nal, sujetos.
tentativa al problema. A esta solución tentati “Participantes” es un término preferible y
recomendado en el Manual de Publicaciones
de las Asociaciones Psicológicas Norteameri
4 Algunos sostienen que no damos formalmente to canas de 1983. Aunque “sujetos” sea término
dos los pasos siguientes del método científico al efectuar aceptable, sugiere que se está “utilizando” a
nuestra investigación. Sin embargo, un análisis detallado esas personas o que hay una diferencia de
de nuestra obra real nos sugiere que, a! menos informal
mente, nos aproximamos a la pauta siguiente y que, como categoría entre el experimentador y el sujeto
quiera que sea, estos pasos tienen un valor pedagógico. (como un rey y sus súbditos). El hecho de que
0 1 2 3 4 5 6 7 8 9 10 11 12 13 1 4 ... co
Velocidad para recorrer un laberinto (en segundos) -*■
FIGURA 1-2 . Representación de una variable continua que puede variar en

cualquier cantidad.
a un animal se le vaya a llamar sujeto o parti ca una característica ambiental, también cam- j
cipante dependerá probablemente de la filo biará cierto tipo de conducta (una índole).5 ¡
sofía de la vida de cada quien. Pero, como
Variables independientes y dependientes. El
quiera que sea, es importante que se respete
a quienes serán estudiados en un experimen (evento estímulo) que será experimentalmen
te estudiado es una variable independiente;
to (véase el apéndice D, sobre ética). Los par
ticipantes experimentales deben tener un sta la medida de cualquier cambio de conducta
es una variable dependiente. En términos
tus prestigioso, pues serán decisivos en el avan
ce de nuestra ciencia. También pueden em generales, una variable es cualquier cosa que
puede modificarse en valor o cantidad. La
plearse otros términos (por ejemplo, “niños”,
“estudiantes” o “animales”). cantidad de una variable a menudo difiere
en magnitud o fuerza. Por ello, una variable
es, en general, cualquier cosa que pueda adop
Asignación de participantes a grupos y
tar diferentes valores numéricos. Como lo afir
tratamientos (condiciones)
mó el célebre psicólogo E. L. Thorndike: “todo
lo que existe, existe en cantidad”; por lo tan
Se deberán asignar los participantes a los
grupos, de tal modo que los grupos sean to, todo lo que existe es una variable. El brillo
de la luz y la paga que recibe un trabajador
aproximadamente equivalentes al comienzo
por efectuar cierta tarea son variables inde
del experimento; esto se logra mediante la
distribución al azar (aleatorización), térmi pendientes, cuyo valor puede ser modificado.
no que se empleará extensamente en todo este La rapidez con que un jugador de fútbol co
libro. Luego, el experimentador administra rre a lo largo del campo de juego, el número
un tratamiento experimental a uno de los gru de ensayos necesario para memorizar un poe
pos. Este tratamiento experimental es el que ma y el número de palabras que dice un pa
deseamos evaluar y se administra al grupo ciente en una entrevista psicoterapéutica son
experimental. El otro grupo, llamado gru ejemplos de variables dependientes.
po de control, suele recibir un trato normal La figura 1-2 representa la velocidad al re
o habitual. Es importante comprender con correr una cancha de fútbol. Desde luego, esta
toda claridad lo que significan los términos variable puede incluir un gran número de va
experimental y de control. lores de tiempo. De hecho, puede asumir uno
de un número infinito de tales valores, sien
Leyes de estímulo-respuesta
En el estudio de la conducta, el psicólogo nes5entre

Ai decir que el psicólogo trata de establecer relacio
características ambientales y aspectos de la con
en general trata de establecer relaciones em ducta, sin duda, estamos estrechando demasiado las co
píricas entre los aspectos de estímulos del sas. En realidad, también nos interesan los procesos que
medio (el lugar en que vivimos) y respuestas no son directamente observados (llamados diversamente
(aspectos de la conducta). Estas relaciones de constructos lógicos, variables intervinientes, constructos hipoté
ticos, etcétera). Sin embargo, como es improbable que la
estímulo-respuesta (E-R), conocidas como le labor del estudiante incluya hipótesis de carácter tan abs
yes, afirman esencialmente que, si se modifi tracto, no los elaboraremos aquí.
do el menor,,teóricamente, cero segundos, y pendientes. Existe un número infinito (o, al

el mayor un tiempo infinito. Sin embargo, en menos, indefinidamente grande) de variables
las situaciones reales esperaríamos que la va independientes en la naturaleza, que puede
riable mostrara el valor de cierto número de examinar el psicólogo. Pero estamos intere
segundos. La idea es que semejante variable sados en descubrir aquellas, relativamente
puede adquirir cualquier valor, en términos pocas, que afectan cierto tipo de conducta.
de cualquier número de segundos o de frac En resumen, podemos decir que una varia
ciones de segundo; por ejemplo, un jugador ble independiente es cualquier variable que
puede recorrer el campo en 11.5, 12.7 o 18.6 se investiga con el propósito de determinar si
segundos. influye sobre la conducta. Algunas variables
independientes que se han investigado cien
Variables continuas y discontinuas. Dado
tíficamente son la cantidad de estrés, edad,
que esta variable puede adquirir cualquier
factores hereditarios, secreciones endocrinas,
fracción de un valor (puede ser representada lesiones cerebrales, medicamentos, volumen
por cualquier punto, a lo largo de la línea de de sonido y ambiente del hogar.
la figura 1-2), se le llama variable continua.
Ahora, en el entendimiento de que un ex
Una variable continua es la que puede modi
perimentador intenta determinar si una va
ficarse en cualquier cantidad, así sea riable independiente afecta a una variable de
infinitesimal. Una variable que no es conti
pendiente (cualquiera de las dos podrá ser
nua es llamada variable discontinua o discre
continua o discreta), relacionemos nuestro
ta. Una variable discreta sólo puede asumir
examen con los conceptos de grupos experi
valores numéricos que difieren por pasos cla
mentales y grupos de control. Para determi
ramente definidos, pero sin que sean posibles
nar si una variable independiente determina
valores intermitentes. Por ejemplo, el núme
da afecta la conducta, el experimentador ad
ro de personas que hay en un teatro sería una
ministra un valor de ella al grupo experimen
variable discreta pues, con excepción de al
tal y un segundo valor de ella al grupo de
gún caso insólitamente confuso, no espera control. El valor administrado al grupo expe
ríamos encontrar una parte de una persona
rimental es el “tratamiento experimental”,
en ese lugar. Así, podemos encontrar en un
mientras que al grupo de control suele dársele
teatro a 1, 15, 299 o 302 personas, pero no
un “tratamiento normal”. De este modo, la
1.6 o 14.8 personas. De manera similar, el sexo
diferencia esencial entre los tratamientos “ex
(masculino o femenino) y el color de los ojos
perimental” y “normal” es el valor específico
(café, azul) se citan frecuentemente como
de la variable independiente que se asigne a
ejemplos de variables discretas.6 cada grupo. Por ejemplo, la variable indepen
diente puede ser la intensidad de una descar
Determinación de la influencia de una
ga eléctrica (una variable continua); el expe
variable independiente
rimentador puede someter al grupo experi
mental a una intensidad elevada y al grupo
Para descubrir las leyes de E-R, el psicólo de control a una intensidad menor o una in
go intenta descubrir las relaciones que exis tensidad de cero.
ten entre las variables independientes y las de
Consideremos otro ejemplo de cómo pue
de emplearse una variable independiente en
un experimento. Imagine el lector un conti
6 Algunos científicos dudan de que en realidad haya
variables discretas en la naturaleza. Sugieren que simple
nuo, similar al de la figura 1-2, integrado por
mente metemos “por la fuerza" la naturaleza en categorías un número infinito de valores posibles, que
“artificiales”. Por ejemplo, el color puede ser concebido la variable independiente podría adoptar. Por
más apropiadamente como una variable continua: hay ejemplo, si nos interesa determinar hasta qué
muchas gradaciones del marrón, el azul, etc. No obstante, punto se retiene cierta capacidad de hacer algo
los científicos consideran útil catalogar las variables en
clases como variables discretas y ver tal categorización como resultado del número de veces que se la
como una aproximación. practica, nuestro continuo comenzará con
P a n o ra m a de la experimentación 9
una respuesta. Si descubrimos que la contrac control p o d rían m ostrar casi la misma falta
ción promedio de la pupila es mayor en el
ae
de comí acción, Por
contracción. r o r ello, podría con concluirse que
la variable independiente1 P n t o nno
r » oafectó
fU ^ 1la respues
*
grupo experimental que en el grupo de con
trol, podremos concluir que la intensidad de ta que se estaba estudiando. Los descubri
la luz es una variable independiente eficaz. mientos m ostrarían, falsamente, que no exis
Entonces, tentativamente podremos afirmar te relación entre las variables de intensidad
la relación siguiente: cuanto mayor sea la in de la luz y de contracción pupilar (no estaban
tensidad de una luz que se proyecte sobre los relacionadas), cuando en realidad sí existe. La
ojos de una persona, mayor será la contrac variable dependiente fue afectada por una va
5
ción de la pupila. No encontrar diferencias riable extraña (el suero) y los efectos de dicha
/O S ,
respecto a la cantidad promedio de contrac variable extraña oscurecieron la influencia de
ción de las pupilas entre los dos grupos de la variable independiente. Este tema del con
notará una falta de relación entre las varia trol de las variables extrañas que pueden
r dichos nombres a los grupos, a bles independiente y dependiente. invalidar un experimento tiene tanta impor
lemente podremos llamar “gru- tancia que le dedicaremos todo un capítulo
>o 2”. Control de variables extrañas En el capítulo 4 estudiaremos varias técnicas
: dependiente suele ser algún as- para manejar las variables indeseables de un
experimento.
finido de la conducta (una res- Tal vez el principio más importante de la
nide el experimentador. Puede experimentación, planteado en su forma ideal,
es que el experimentador debe mantener cons Cómo se hacen pruebas estadísticas
’ de veces que una persona dice
0 la rapidez para aprender una tantes todas las variables que puedan afectar
stro ejemplo, es el número de la variable dependiente, salvo la(s) variable(s) Pero volvamos a nuestro análisis general del
m obrero, en una línea de pro independiente(s) cuyo(s) efecto(s) va(n) a ser método científico, tal como se aplica en la ex
le producir en una hora. El va- evaluado(s). (En el capítulo 4 abundaremos perimentación; hemos dicho que el científi
>ara la variable dependiente es acerca de esta breve afirmación.) Obviamen co inicia una investigación con el planteamien
1 definir si la variable indepen- te hay cierto número de variables que pue to de un problema y, que t se Iplantea
---------- -- una hipó
vm ci U ip O -
z y se espera que ese valor de- den afectar la variable dependiente, pero el tesis como solución tentativa. Entonces, se
sp
r asignado a la variable inde- experimentador no está interesado inmedia efectúa un experimento para recabar datos,
variable dependiente también tamente en ellas. Por el momento, su interés que deben indicar la probabilidad de aue 1»
junas de las variables extrañas, sólo se encuentra en una cosa: la relación, o
alizaremos, y que siempre es- falta de ella, entre las variables independien
en un experimento.) De este te y dependiente. Si el experimentador per
rimentador hace variar la va- mite que otras variables extrañas operen li
diente y observa si la variable bremente en la situación experimental, el ex
imbia de manera sistemática, perimento podrá quedar contaminado. Por
lor cuando se manipula la va- esta razón, tratamos de controlar las variables
diente, entonces puede afir- extrañas en todo experimento.
vez exista una relación entre Como sencilla ilustración de la forma en
álogo ha descubierto una ley que una variable extraña puede contaminar
un experimento, haciendo inaceptable sus des
coiiiu luii una i^unipilt3QOr3..
Empero, si la variable depen
cubrimientos, reconsideremos el ejemplo si La hipótesis que va a ponerse a prueba po
da, podrá afirmarse que las drá emplearse para predecir la dirección en
endiente y dependiente no guiente. Supóngase que, sin que se entere el
experimentador, los miembros del grupo ex la que se orientarán los datos. La hipótesis
las. Por ejemplo, supóngase
una luz de gran intensidad perimental recibieron por la mañana una va puede indicar que el grupo experimental ten
le cada miembro del grupo cuna, de rutina, con un suero que afectó la drá mejor rendimiento que el grupo de con
áentras que los ojos del gru- pupila del ojo. En este caso, las mediciones trol. Al comparar la hipótesis con los valores
n sometidos a una luz de baja de la variable dependiente recabadas por el de la(s) variable(s) dependiente(s) de los dos
riable dependiente podrá ser experimentador tendrían poco valor. Por grupos, el experimentador podrá determinar
el diafragma del iris (la pu- ejemplo, si el suero hizo que las pupilas no se si la hipótesis predijo atinadamente los resul
tados. Pero es difícil decir, simplementP sí
: es un aspecto de conducta, contrajeran, los grupos experimental y de
tir de datos desorganizados, si los valores (de que se encontró una diferencia significativa
la variable dependiente) de un grupo son su entre grupos puede sugerir que la diferencia
periores o inferiores a los valores del segun confiable es importante, lo que, desde luego,
do grupo. Por tanto, hay que organizar nu bien puede no ser. En realidad, resulta confu
méricamente los datos, para que nos produz so cuando los psicólogos tratan de comuni
can cifras que nos den una respuesta; así pues, car, por ejemplo, a un periodista, que una
recurrimos a las estadísticas. prueba estadística significativa no fue un des
Por ejemplo, podemos computar las califi cubrimiento importante. Como lo señaló
caciones promedio (media) y descubrir que Porter (1973),
el grupo experimental tiene una media supe
rior (por ejemplo, 100) a la del grupo de con ...lajerga técnica de la propia estadística tiene una
trol (por ejemplo, 99). Aunque hay una dife palabra y un concepto que conviene a la situación:
rencia entre los grupos, es muy pequeña, y confiable. Un resultado confiable es el que puede
deberemos preguntarnos si es una diferencia esperarse que reaparezca al ser reexaminado. Una
“real” o tan sólo casual. ¿Cuáles son las pro diferencia confiable volverá a encontrarse si se
babilidades de que, si volvemos a efectuar el repite el experimento. Una F o una z, o cualquier
experimento, obtengamos resultados simila otra es significativa si significa la confiabilidad de
res? Si es una diferencia “real”, confiable, el cualquier observación que esté bajo prueba. Una
grupo experimental deberá obtener una cali diferencia sumamente confiable puede ser tan tri
ficación media, superior a la del grupo de vial como su contraparte menos digna de confian
control, casi cada vez que se repita el experi za; no hay necesidad de engañar al público ni de
mento. Si no hay una diferencia confiable engañarse a sí mismo con sumamente significativo
entre los dos grupos, tendremos que esperar (pp. 188-189). -
a que cada grupo reciba la calificación más
alta durante la mitad del tiempo. Para saber Así, como empleamos “sujetos” y “partici
si la diferencia entre los dos grupos en un solo pantes” como sinónimos de los reportes psi
experimento es confiable y no que se debe cológicos, también lo son “significativo” y
tan sólo a situaciones aleatorias, al azar, el ex “confiable”, aunque “confiable” es preferible
perimentador recurre a una de las pruebas por las razones que acabamos de mencionar.
estadísticas (de las que hay una gran varie Cuando se comienza con dos grupos equi
dad). La(s) prueba(s) estadística(s) que va(n) valentes, al administrar el tratamiento expe
a emplearse, quedará(n) determinada(s) por rimental a uno pero no al otro, y al recabar y
el tipo de datos obtenidos y por el diseño ge analizar estadísticamente los datos de la va
neral del experimento. Sobre la base de tales riable dependiente así obtenidos, podemos
pruebas podrá determinarse si la diferencia descubrir una diferencia confiable entre los
entre los dos grupos probablemente será dos grupos. Con derecho, podemos suponer
“real” (estadísticamente confiable) o simple que difirieron por causa del tratamiento ex
mente “accidental” (debida exclusivamente al perimental. Como éste es el resultado predi
azar). Si la diferencia entre los valores de la(s) cho por nuestra hipótesis, ésta queda apoya
variable(s) dependiente(s) de los grupos es da o confirmada. Cuando una hipótesis es
estadísticamente confiable, la diferencia muy apoyada por datos experimentales, aumenta
probablemente no se deberá a una fluctua la probabilidad de que la hipótesis sea cierta.
ción aleatoria. Por tanto, podemos concluir Por otra parte, si resulta que el grupo de con
que la variable independiente tal vez fue efi trol es igual o superior al grupo experimen
caz, influyendo sobre la variable dependien tal, característicamente la hipótesis no es apo
te (siempre que se hayan controlado debida yada por los datos, y podremos concluir que
mente las variables extrañas). probablemente era falsa. Este paso del méto
Cuando se leen publicaciones psicológicas, do científico, en que se pone a prueba la hi
se nota que “significativo” generalmente quie pótesis, será considerado más ampliamente en
re decir “confiable” y, sin embargo, afirmar el capítulo 6.
Generalización de la hipótesis Las predicciones
Directamente relacionado con la puesta a El siguiente paso en el método científico,

prueba de la hipótesis, viene un paso adicio directamente relacionado con la generaliza
nal del método científico: la generalización. ción, concierne al hecho de hacer prediccio
Después de completar las fases antes esboza nes sobre la base de la hipótesis. Con esto
das, el experimentador podrá creer confiada queremos decir que puede emplearse una hi
mente que la hipótesis es verdadera para las pótesis para predecir ciertos hechos en situa
condiciones específicas en que fue puesta a ciones nuevas; por ejemplo, para predecir que
prueba. Sin embargo, debemos subrayar las un diferente grupo de personas actuará del
condiciones específicas y no perder de vista lo mismo modo que un grupo estudiado en un
específicas que son en un experimento dado. experimento anterior. La predicción está di
Pero el científico como científico no se pre rectamente relacionada con otro paso del
ocupa por la verdad en un conjunto muy res método científico: la replicación. Por replica-
tringido de condiciones. En cambio, por lo ción queremos decir que se está efectuando
general, deseamos hacer una declaración tan un experimento adicional en el que se repite
general como sea posible acerca de la natura precisamente el método del primer experimen
leza. En esto se encuentran muchas de nues to. Por ello, una hipótesis confirmada es una
tras alegrías y nuestros pesares, pues cuanto base para predecir que una nueva muestra
más generalicemos nuestros descubrimientos, de participantes se comportará como lo hizo
mayores serán las posibilidades de error. Su la muestra original. Si esta predicción se sos
pongamos que alguien ha empleado a estu tiene en la situación nueva, habrá aumenta
diantes universitarios como participantes en do enormemente la probabilidad de que sea
un experimento. Esta selección no significa cierta la hipótesis antes confirmada. Debe su
que el investigador esté interesado sólo en la brayarse la distinción entre replicar un expe
conducta de estudiantes universitarios. Antes rimento anterior y apoyar la conclusión de
bien, probablemente su interés se encuentre un experimento anterior. En una replicación,
en la conducta de todos los seres humanos, y se lian repetido los métodos de un experi
tal vez aun de todos los organismos. Dado que mento, pero los resultados pueden ser o no
la hipótesis probablemente es cierta para un los mismos que los del experimento anterior.
particular grupo de personas, ¿será probable A veces, los investigadores afirman errónea
mente cierta para todos los seres humanos?, mente que han “replicado un experimento”
o, ¿debemos limitar la conclusión a los estu cuando lo que quieren decir es que han con
diantes universitarios?, o, ¿tal vez haya que firmado los descubrimientos de ese experi
estrechar más aún el enfoque, limitándolo sólo mento (empleando diferentes métodos).
a quienes asistían a la universidad en que se
efectuó el experimento? Esta es, en esencia,
la pregunta pertinente a la generalización: La explicación
¿hasta qué punto puede generalizar el experi
mentador los resultados obtenidos? Deseamos La relación entre las variables independien
generalizar lo más que sea posible pero no te y dependiente puede formularse como la
tanto que la hipótesis no se sostenga. En el ley empírica, particularmente si la relación se
capítulo 12 analizaremos la cuestión de hasta ha confirmado en una replicación del experi
qué punto se puede generalizar, con segu mento (de acuerdo con la predicción del ex
ridad, una hipótesis. El principal principio perimentador). El último paso del método
que aquí debemos recordar es que tene científico es el de la explicación. Tratamos
mos que sostener que una hipótesis es aplica de explicar una ley empírica por medio de
ble a un conjunto tan vasto de condiciones una teoría apropiada. Por ejemplo, los expe
(por ejemplo, a muchas clases de personas) rimentos de Galileo sobre la caída de los cuer
como pueda sostenerse. pos dieron por resultado la conocida ley de
tir de datos desorganizados, si los valores (de que se encontró una diferencia significativa
la variable dependiente) de un grupo son su entre grupos puede sugerir que la diferencia
periores o inferiores a los valores del segun confiable es importante, lo que, desde luego,
do grupo. Por tanto, hay que organizar nu bien puede no ser. En realidad, resulta confu
méricamente los datos, para que nos produz so cuando los psicólogos tratan de comuni
can cifras que nos den una respuesta; así pues, car, por ejemplo, a un periodista, que una
recurrimos a las estadísticas. prueba estadística significativa no fue un des
Por ejemplo, podemos computar las califi cubrimiento importante. Como lo señaló
caciones promedio (media) y descubrir que Porter (1973),
el grupo experimental tiene una media supe
rior (por ejemplo, 100) a la del grupo de con ...lajerga técnica de la propia estadística tiene una
trol (por ejemplo, 99). Aunque hay una dife palabra y un concepto que conviene a la situación: i
rencia entre los grupos, es muy pequeña, y confiable. Un resultado confiable es el que puede \
deberemos preguntarnos si es una diferencia esperarse que reaparezca al ser reexaminado. Una j
“real” o tan sólo casual. ¿Cuáles son las pro diferencia confiable volverá a encontrarse si se
babilidades de que, si volvemos a efectuar el repite el experimento. Una F o una z, o cualquier
experimento, obtengamos resultados simila otra es significativa si significa la confiabilidad de
res? Si es una diferencia “real”, confiable, el cualquier observación que esté bajo prueba. Una
grupo experimental deberá obtener una cali diferencia sumamente confiable puede ser tan tri
ficación media, superior a la del grupo de vial como su contraparte menos digna de confian
control, casi cada vez que se repita el experi za; no hay necesidad de engañar al público ni de
mento. Sí no hay una diferencia confiable engañarse a sí mismo con sumamente significativo
entre los dos grupos, tendremos que esperar (pp. 188-189). ►
a que cada grupo reciba la calificación más
alta durante la mitad del tiempo. Para saber Así, como empleamos “sujetos” y “partici
si la diferencia entre los dos grupos en un solo pantes” como sinónimos de los reportes psi
experimento es confiable y no que se debe cológicos, también lo son “significativo” y
tan sólo a situaciones aleatorias, al azar, el ex “confiable”, aunque “confiable” es preferible
perimentador recurre a una de las pruebas por las razones que acabamos de mencionar.
estadísticas (de las que hay una gran varie Cuando se comienza con dos grupos equi
dad). La(s) prueba(s) estadística(s) que va(n) valentes, al administrar el tratamiento expe
a emplearse, quedará(n) determinada(s) por rimental a uno pero no al otro, y al recabar y
el tipo de datos obtenidos y por el diseño ge analizar estadísticamente los datos de la va
neral del experimento. Sobre la base de tales riable dependiente así obtenidos, podemos
pruebas podrá determinarse si la diferencia descubrir una diferencia confiable entre los
entre los dos grupos probablemente será dos grupos. Con derecho, podemos suponer
“real” (estadísticamente confiable) o simple que difirieron por causa del tratamiento ex
mente “accidental” (debida exclusivamente al perimental. Como éste es el resultado predi
azar). Si la diferencia entre los valores de Ia(s) cho por nuestra hipótesis, ésta queda apoya
variable(s) dependiente(s) de los grupos es da o confirmada. Cuando una hipótesis es
estadísticamente confiable, la diferencia muy apoyada por datos experimentales, aumenta
probablemente no se deberá a una fluctua la probabilidad de que la hipótesis sea cierta.
ción aleatoria. Por tanto, podemos concluir Por otra parte, si resulta que el grupo de con
que la variable independiente tal vez fue efi trol es igual o superior al grupo experimen
caz, influyendo sobre la variable dependien tal, característicamente la hipótesis no es apo
te (siempre que se hayan controlado debida yada por los datos, y podremos concluir que
mente las variables extrañas). probablemente era falsa. Este paso del méto
Cuando se leen publicaciones psicológicas, do científico, en que se pone a prueba la hi
se nota que “significativo” generalmente quie pótesis, será considerado más ampliamente en
re decir “confiable” y, sin embargo, afirmar el capítulo 6.
Generalización de la hipótesis Las predicciones
Directamente relacionado con la puesta a El siguiente paso en el método científico,

prueba de la hipótesis, viene un paso adicio directamente relacionado con la generaliza
nal del método científico: la generalización. ción, concierne al hecho de hacer prediccio
Después de completar las fases antes esboza nes sobre la base de la hipótesis. Con esto
das, el experimentador podrá creer confiada queremos decir que puede emplearse una hi
mente que la hipótesis es verdadera para las pótesis para predecir ciertos hechos en situa
condiciones específicas en que fue puesta a ciones nuevas; por ejemplo, para predecir que
prueba. Sin embargo, debemos subrayar las un diferente grupo de personas actuará del
condiciones específicas y no perder de vista lo mismo modo que un grupo estudiado en un
específicas que son en un experimento dado. experimento anterior. La predicción está di
Pero el científico como científico no se pre rectamente relacionada con otro paso del
ocupa por la verdad en un conjunto muy res método científico: la replicación. Por replica
tringido de condiciones. En cambio, por lo ción queremos decir que se está efectuando
general, deseamos hacer una declaración tan un experimento adicional en el que se repite
general como sea posible acerca de la natura precisamente el método del primer experimen
leza. En esto se encuentran muchas de nues to. Por ello, una hipótesis confirmada es una
tras alegrías y nuestros pesares, pues cuanto base para predecir que una nueva muestra
más generalicemos nuestros descubrimientos, de participantes se comportará como lo hizo
mayores serán las posibilidades de error. Su la muestra original. Si esta predicción se sos
pongamos que alguien ha empleado a estu tiene en la situación nueva, habrá aumenta
diantes universitarios como participantes en do enormemente la probabilidad de que sea
un experimento. Esta selección no significa cierta la hipótesis antes confirmada. Debe su
que el investigador esté interesado sólo en la brayarse la distinción entre replicar un expe
conducta de estudiantes universitarios. Antes rimento anterior y apoyar la conclusión de
bien, probablemente su interés se encuentre un experimento anterior. En una replicación,
en la conducta de todos los seres humanos, y se han repetido los métodos de un experi
tal vez aun de todos los organismos. Dado que mento, pero los resultados pueden ser o no
la hipótesis probablemente es cierta para un los mismos que los del experimento anterior.
particular grupo de personas, ¿será probable A veces, los investigadores afirman errónea
mente cierta para todos los seres humanos?, mente que han “replicado un experimento”
o, ¿debemos limitar la conclusión a los estu cuando lo que quieren decir es que han con
diantes universitarios?, o, ¿tal vez haya que firmado los descubrimientos de ese experi
estrechar más aún el enfoque, limitándolo sólo mento (empleando diferentes métodos).
a quienes asistían a la universidad en que se
efectuó el experimento? Ésta es, en esencia,
la pregunta pertinente a la generalización: La explicación
¿hasta qué punto puede generalizar el experi
mentador los resultados obtenidos? Deseamos La relación entre las variables independien
generalizar lo más que sea posible pero no te y dependiente puede formularse como la
tanto que la hipótesis no se sostenga. En el ley empírica, particularmente si la relación se
capítulo 12 analizaremos la cuestión de hasta ha confirmado en una replicación del experi
qué punto se puede generalizar, con segu mento (de acuerdo con la predicción del ex
ridad, una hipótesis. Él principal principio perimentador). El último paso del método
que aquí debemos recordar es que tene científico es el de la explicación. Tratamos
mos que sostener que una hipótesis es aplica de explicar una ley empírica por medio de
ble a un conjunto tan vasto de condiciones una teoría apropiada. Por ejemplo, los expe
(por ejemplo, a muchas clases de personas) rimentos de Galileo sobre la caída de los cuer
como pueda sostenerse. pos dieron por resultado la conocida ley de
S = Vigt2, que después fue explicada por las si se puede aumentar legítimamente la esti
teorías de Newton (véase el capítulo 12). mación de probabilidad de la hipótesis.
7, Debemos tratar de explicar nuestros descu
Diseminación de los descubrimientos brimientos por medio de una teoría más ge
neral.
Desde luego, resulta decisivo que los resul
tados de la investigación científica se comu EJEMPLO DE UN EXPERIMENTO
niquen a otros interesados. El principal vehí PSICO LÓ G ICO
culo de transmisión de la comunicación es la
publicación en revistas científicas. El enorme Para hacer más concreto el análisis y mostrar
valor de la diseminación de información se la aplicación de los principios anteriores, con
hace evidente cuando consideramos en retros sidérese cómo se puede hacer conducir un ex
pectiva los grandes avances de la ciencia que perimento desde su origen hasta su conclu
siguieron a la invención de la imprenta y la sión. Este ejemplo está tomado del ámbito de
mejora de los sistemas de transporte. la psicología clínica en la cual, como en cual
quier área aplicada, resulta metodológica
PANORAMA DEL MÉTODO CIENTÍFICO mente difícil efectuar una investigación sóli
da. Supongamos que un clínico tiene varias
En resumen, anotemos los variados pasos del dudas serias sobre el valor de la psicoterapia
método científico subrayando, empero, que tradicional para ayudar realmente a la gente.
para seguirlos no existen reglas rígidas. En La psicoterapia tradicional se ha efectuado de
cualquier proceso en el que alguien trate de manera básica a nivel verbal, en el que el clien
clasificar algo en cierto número de catego te (o paciente) y el terapeuta hablan de los
rías arbitrarias, es inevitable cierta defor problemas del cliente. El psicoanálisis subra
mación. Un autor puede ofrecer una clasi yó el valor de “desahogo verbal” del paciente
ficación distinta, mientras que otro más po con propósitos de catarsis, originalmente lla
dría negarse siquiera a intentar semejante em mada “limpiar la chimenea” por Freud y
presa. Breuer. En nuestro ejemplo, el terapeuta no
está seguro de que un estricto intercambio
1. El científico elige un área de investigación y verbal sea eficaz, o si podría ser más eficaz
se plantea un problema de estudio. tratar directamente los problemas del cliente
2. Se formula una hipótesis como solución ten (como en la relajación progresiva clínica o la
tativa al problema. modificación de la conducta). Es posible plan
3. Se recaban datos pertinentes a la hipótesis. tear el problema de esta manera: ¿debe dedi
4. Se somete la hipótesis a prueba, confrontán carse el psicólogo clínico a la psicoterapia ver
dola con los datos; organizamos los datos por
medio de métodos estadísticos y hacemos las bal y hablar con los clientes acerca de sus pro
inferencias apropiadas para ver si los datos blemas, o tiene que tratar de modificar la
apoyan o rechazan la hipótesis. conducta concerniente al problema, minimi
5. Suponiendo que la hipótesis encuentra apo zando la interacción estrictamente verbal? Su
yo, podemos generalizarla a todas las cosas pongamos que el terapeuta cree que esto últi
con las que la hipótesis tiene una relación le mo es preferible. Limitémonos a anotar la
gítima, caso en el cual debemos declarar ex hipótesis: si se manipulan sistemáticamente
plícitamente la generalidad con que deseamos ciertas respuestas seleccionadas de un cliente
plantear la hipótesis. que está sometiéndose a terapia de acuerdo
6. Podemos tratar de hacer una predicción so con los principios de la teoría de la conducta,
bre situaciones nuevas, hechos no estudiados
en el experimento original. Al hacer una pre entonces la recuperación será más eficiente
dicción podemos volver a poner a prueba la que si el terapeuta se dedica a la discusión
hipótesis en la situación nueva; es decir, po estrictamente verbal de las dificultades.
demos replicar (efectuar el experimento con Podemos identificar la variable independien
una nueva muestra de participantes), para ver te como “la cantidad de manipulación siste
mática de la conducta” y asignarle valores: manera adecuada, el avance hacia la recupe

(1) una cantidad de manipulación sistemática ración (la variable dependiente) dependerá
y (2) una cantidad cero de manipulación siste sólo de los valores particulares de la variable
mática de la conducta (en la que se permite a independiente utilizada, y nada más.
los clientes hacer lo que desean). En esta can Conforme progresa la terapia, el psicólo
tidad cero del tratamiento experimental, pue go recaba datos; específicamente, el tiempo
de suponerse que los clientes desearán hablar que cada cliente pasa en terapia antes de ser
acerca de sus problemas, caso en el cual el dado de alta. Después de que todos los clien
terapeuta simplemente servirá como “caja de tes fueron dados de alta, el terapeuta compa
resonancia”, como en los procedimientos de ra los tiempos del grupo experimental con
asesoramiento no directivo de Cari Rogers. los del grupo de control. Supongamos que el
Supóngase que el psicólogo clínico tiene tiempo promedio en terapia del grupo expe
10 clientes y que, al azar los asigna a dos gru rimental es menor que el del grupo de con
pos de cinco cada uno. Entonces, a un primer trol y que, además, una prueba estadística in
grupo se le dará una gran cantidad de mani dica que tal diferencia es confiable; es decir,
pulación sistemática de la conducta, y a un el grupo que recibió una cantidad mínima de
segundo se le administrará una cantidad cero manipulación conductual sistemática estuvo
(o mínima) de manipulación. El grupo que un tiempo considerablemente mayor en tera
reciba la menor manipulación sistemática será pia (la variable dependiente) que el grupo que
el grupo de control y el grupo que reciba la recibió mayor cantidad. Esto es precisamente
cantidad máxima será el grupo experimental.7 lo que predecía la hipótesis del terapeuta. Y,
Así pues, a lo largo del curso de la terapia, como los resultados del experimento van de
el terapeuta administra los dos tratamientos acuerdo con la hipótesis, podemos concluir
diferentes a los grupos experimental y de con que ésta ha quedado confirmada.
trol. Durante este tiempo, es importante im Entonces, el psicoterapeuta se siente recon
pedir que variables ajenas actúen de manera fortado, pues el problema se ha resuelto y se
diferente sobre los dos grupos. Por ejemplo, ha determinado el mejor método de psicote
los clientes de los dos grupos serán someti rapia. Pero, ¿se ha descubierto la “verdad” sólo
dos a terapia en la misma oficina, de modo para este psicólogo, o son aplicables los resul
que el progreso de ambos grupos no difiera tados a otras situaciones? ¿Pueden beneficiar
simplemente por causa del medio inmediato se de estos resultados también otros terapeu
en que se aplica la terapia. tas? ¿'Se pueden extender o generalizar los des
Aquí, se puede especificar la variable de cubrimientos a todas las situaciones de la na
pendiente como el avance hacia la recupera turaleza de las que fueron estudiadas? ¿Cómo
ción. Tal variable es indudablemente, difícil se pueden explicar los descubrimientos en los
de medir, pero con fines ilustrativos le aplica términos de un principio más general (de una
remos una medida de tiempo. Podemos así teoría más general)? Tras una seria consi
suponer que mientras más pronto dé el tera deración de estos problemas, el psicólogo for
peuta de alta al cliente, mayor será su avance mula unas respuestas y publica los descu
hacia la recuperación. El tiempo de “dar de brimientos en una revista de psicología. Por
alta” podrá determinarse cuando se eliminen cierto, la publicación debe tener prestigio y
las quejas del cliente. Suponiendo que las va difusión, pues si no se comunican los resulta
riables extrañas hayan sido controladas de dos de la investigación, serán de escaso valor
para el mundo. (Véase el apéndice B, “Repor
tando su experimento”.)
7 Como no es posible dejar de guiar por completo la En el proceso de generalización va implí
conducta de los clientes, este ejemplo muestra bien que cito el de predicción. En efecto, lo que el te
con frecuencia no es apropiado decir que se puede admi rapeuta hace cuando generaliza es predecir
nistrar una cantidad cero de la variable independiente a
un grupo de control. Por más que lo intente, el terapeuta que se obtendrán resultados similares si se
no puede eliminar del todo la sugestión. repite el experimento en una nueva situación.
En este sencillo caso, el terapeuta esencial 2. Las humanidades y las artes utilizan mé
mente diría que, para otros clientes, la mani todos no científicos para estudiar pro
pulación sistemática de la conducta dará por blemas solubles (típicamente).
resultado una recuperación más rápida que 3. Las disciplinas metafísicas no emplean
la simple psicoterapia verbal. Para poner a el método científico ni plantean proble
mas solubles.
prueba esta predicción otro terapeuta podrá G. Algunas suposiciones básicas de la ciencia.
efectuar un experimento similar (se replica 1. El materialismo supone que sólo hay
el experimento). Si los nuevos descubrimien hechos fisicalistas en el universo físico, >
tos son iguales, la hipótesis, una vez más, ha los que se pueden sentir con los limita- i
brá sido confirmada con los datos. Con esta dos sistemas receptores de los seres hu- ’
confirmación independiente de la hipótesis manos (si no hay hechos no físicos, no
como factor agregado, puede concluirse que tenemos manera de descubrirlo nunca).
ha aumentado la probabilidad de la hipóte 2. La objetividad supone que dos o más per- i
sis: es decir, nuestra confianza en que la hi sonas pueden compartir la misma expe
pótesis es cierta será considerablemente ma riencia y convenir, en forma confiable,
en su reporte de ella (el principio de la
yor que antes.8 confiabilidad intersubjetiva).
Teniendo ante nosotros este resumen, ha 3. El determinismo supone que los hechos ;(
gamos ahora una consideración detallada de están regidos por leyes, lo cual es condi- j
las fases del método científico, tal como se ción necesaria para formular leyes cien- j
aplica en la psicología. Lo primero que debe tíficas. Un mundo no determinista sería í
remos ver es1 el1problema”. caótico y aleatorio impidiendo todo avan- [
ce científico. j
4. El mecanicismo supone que los organis- j
RESUMEN DEL CAPÍTULO mos se comportan de acuerdo con las ;
leyes de la física.
D. Fases del método científico.
I. La naturaleza de la ciencia
1. Formule un problema soluble, al que se
A. Definiciones de ciencia.
pueda dar respuesta con las herramien
1. Definiciones de contenido, por ejemplo,
tas disponibles.
“una acumulación de conocimiento in
2. Plantee una hipótesis como solución ten
tegrado”.
tativa al problema.
2. Definiciones de proceso, por ejemplo,
3. Ponga a prueba la hipótesis recabando
“formular y explicar las leyes empíricas".
datos y organizándolos con métodos es
3. Combinaciones de definiciones de con
tadísticos, y vea si los datos apoyan o re
tenido)! de proceso, por ejemplo, “la apli
chazan la hipótesis.
cación del método científico a proble
4. Generalice la hipótesis (si se confirma).
mas solubles”.
5. Explique los descubrimientos, relacio
B. Disciplinas científicas y no científicas.
nándolos debidamente con una hipóte
1. La ciencia aplica empíricamente el mé
sis o teoría más general.
todo científico a los problemas solubles.
6. Prediga una situación nueva sobre la base
de la hipótesis generalizada.
II. La experimentación: aplicación del método
científico
8 La sobresimplificación de varios temas en este capí A. Plantee un problema y una hipótesis
tulo es especialmente obvia en dicho experimento imagi B. Ponga a prueba la hipótesis
nario. En primer lugar, habría que ejercer un control ade 1. Elija una muestra de participantes.
cuado sobre la variable extraña importante de la propia 2. Divídalos en grupos al azar.
confianza del terapeuta en un método de terapia y de su 3. Asigne al azar, a los grupos las condicio
preferencia por él. En segundo lugar, habría que demos
trar que los clientes a los que se hizo participar en este
nes (tratamientos).
estudio son representativos de cualquier otro lugar antes a. El grupo experimental es sometido a
de poder hacer una generalización legítima de los descu una condición nueva.
brimientos. A su debido tiempo, nos enfrentaremos a es b. El grupo de control es sometido a una
tas cuestiones. condición normal o estándar.
4. Defina la variable independiente (aspec cipios críticos. Por último, tal vez cuando su
to del medio que varía sistemáticamente examen sea ya inminente, revise su esbozo o
de modo que el valor normal se asigna sus notas de este capítulo junto con los de otros
al grupo de control, y el valor nuevo al capítulos del libro. Para ayudarle a comenzar
grupo experimental), ahora mismo revise el glosario, en la p. 357,
5. Defina la variable dependiente (aspecto
bien definido de la conducta, que es la
en busca de los términos más importantes.
norma para saber si la variable indepen También podrá usted hacerse preguntas como
diente es eficaz). las siguientes:
6. Controle las variables extrañas pertinen
tes, aquellas variables que pueden ope 1. ¿Cuál es la principal diferencia entre los es
rar libremente influyendo sobre la varia fuerzos cienüficos y los metafísicos?
ble dependiente; si no se las controla, 2. ¿Comprendió usted lo que quiso decir Watson
acaso no se pueda evaluar con precisión con “si se quiere que la psicología llegue a ser
el efecto de la variable independiente (re una ciencia, deberá seguir el ejemplo de las
cuerde el principio ideal de que se de ciencias físicas: deberá volverse materialista,
ben controlar los efectos de todas las mecanicista, determinista y objetiva”?
variables que puedan influir sobre la va 3. ¿Puede usted definir “materialismo”, “deterrni-
riable dependiente). nismo” y “objetividad”?
7. Efectúe pruebas estadísticas para deter 4. ¿Qué quieren decir “empirismo” y leyes empí
minar si los dos grupos difieren confia ricas E-R?
blemente en las medidas de la variable 5. ¿Existen pasos firmes y bien establecidos en
dependiente, para que usted pueda con el método científico, que sean aceptados por
firmar o rechazar la hipótesis. todos los científicos? ¿Por qué, o por qué no?
8. Generalice y explique la hipótesis (pero 6. Enumere los pasos del método científico como
sólo si fue confirmada). se presentan en este libro.
9. Prediga sobre nuevas situaciones, tal vez 7. ¿Por qué cree usted que los problemas de la
por medio de replicación (efectuar el ex psicología se consideran los más difíciles y
perimento con el mismo método). complejos? Tal vez no esté usted de acuerdo
con esto.
8. ¿Puede usted definir e identificar ejemplos de
REVISIÓN CRÍTICA PARA los términos siguientes que son críticos, con
EL ESTUDIANTE forme avance usted por los capítulos restan
tes del libro?
Al estudiar este libro, como en casi todos sus alealorización
estudios, deberá usted emplear el método grupo experimental
global (y no sólo una parte) de aprendizaje. grupo de control
variable
Para aplicar aquí todo el método, debe usted variable independiente
empezar por leer el índice y hojear todo el variable dependiente
libro, tratando de obtener un cuadro general variables continuas contra discretas
de la tarea que le espera. Luego deberá em variables extrañas
plear las unidades de enseñanza, desarrolla control de variables extrañas
das naturalmente, y presentadas en forma de significación estadística y confiabilidad
capítulos. Así, el capítulo 1 es una unidad com estadística
pleta que usted deberá practicar en varios en replicación
sayos: primero pase rápidamente por todo el 9. La declaración completa de Edward L.
capítulo anotando los temas importantes. Thorndike, mencionada en la p. 6, fue que:
“si algo existe, existe en cierta cantidad. Si
Luego lea el capítulo rápidamente, añadien existe en cierta cantidad, se le puede medir”.
do así un poco más a su comprensión de cada ¿Acepta usted esto?
tema. Luego, cierto tiempo después, cuando 10. Podrá usted buscar un ejemplo sobresimpli
usted realmente se prepare en serio para el si ficado de un experimento de psicología clíni
guiente1 ensayo”, lea con mayor detalle, tal ca y pensar en un problema psicológico que
vez subrayando o anotando conceptos y prin le interese en especial. Por ejemplo, acaso le
interese crear un sistema penal más eficaz, re valerse para profundizar en los puntos que apa- f
ducir el abuso de drogas o precisar el efecto recen en cada capítulo. Por ejemplo, acaso de- i
sistemático de la cantidad de refuerzo en la see usted leer más sobre la emocionante his-1
conducta de una paloma. ¿Cómo planearía toria de la creación del concepto de mate- í
usted un experimento que resolviera su pro rialismo. Si comienza usted bien con su estu-!
blema? dio de este primer capítulo, su aprendizaje i
11. Por último, no olvide que su biblioteca está del resto del libro habrá mejorado material-1
llena de fuentes informativas de que puede mente.
capítulo 2
EL PROBLEMA

Comprender las características esenciales de La capacidad de formular con precisión, por sí
los problemas científicos. mismo, un problema susceptible de ser investi
Lo que usted encontrará: gado.
1. Cómo cobramos conciencia de los problemas.
2. Principios para distinguir problemas solubles e insolu
bles.
3. Modos específicos de formular problemas solubles,
especialmente con definiciones operaclonales.
¿QUÉ ES UN PROBLEMA? damente con la pregunta. En uno u otro ca

sos, tenemos un problema. La formulación de
Una investigación científica comienza cuan un problema es de especial importancia, pues
do ya hemos adquirido cierto conocimiento y nos guiará en el resto de nuestra investiga
éste nos indica que hay algo que no sabemos ción. Para estos fines, se necesita una gran
aún. Puede ser, tan sólo, que no tengamos la creatividad si queremos que nuestra investi
información suficiente para responder a una gación sea valiosa para la sociedad. Se requiere
pregunta, o bien, que el conocimiento que ya cierta cantidad de capacidad intelectual para
tenemos se encuentre en un grado tal de des formular un problema importante que tenga
orden que no se le pueda relacionar adecua consecuencias trascendentales. Algunas per
17
18 E l problema
sonas sólo enfocan problemas triviales o que de su primer informe experimental escrito.¿
producen resultados inmediatos. Se cuenta En la introducción, presente a su lector el pro- j
que Isaac Newton pidió al rey apoyo para su blema que trata usted de resolver y explique
investigación, con propósitos ilustrativos res por qué es importante el problema. Enfoque
pecto a la atracción gravitacionai de las man mos ahora tres modos de cobrar conciencia j
zanas que caían al suelo. La junta del rey re de un problema.
||-
chazó la investigación propuesta por Newton 1
acerca de la teoría gravitacionai, pero lo alen Una laguna en nuestro conocimiento 1
tó a resolver el problema de que las manzanas |
del rey se magullaran al caer al suelo. Tan li El modo más evidente en que se manifies-1
mitada perspectiva podría haber retrasado el ta un problema probablemente sea cuando |
grandioso desarrollo de la ciencia física. Vea hay una clara falta de información. Sabemos |
mos ahora, de manera más específica, cómo lo que sabemos, pero sencillamente hay algo -
cobramos conciencia de un problema; espe que aún no sabemos. Si un grupo comunita- j
ramos que sea de un problema importante. rio planea establecer una clínica que preste f
servicios psicoterapéuticos, será natural que §
M ODOS EN QUE SE MANIFIESTA se plantee la siguiente pregunta: “¿qué tipo §
UN PROBLEMA de terapia es el más eficaz?” Ahora bien, la
pregunta es de extrema importancia, pero j
Primero, estudiar las investigaciones ya reali hay pocos estudios científicamente acepta- j
zadas obviamente le ayudará a cobrar concien bles que ofrezcan una respuesta. He aquí una
cia de los problemas, de modo que pueda for evidente laguna en nuestro conocimiento.
mular los que le interesen. Para estudiar este Por tanto, procede hacer la recabación de
tipo de investigaciones, tenemos la fortuna datos con vistas a llenar esta laguna.
de contar con cierto número de publicacio Las más de las veces, los estudiantes reali
nes importantes sobre psicología en nuestras zan experimentos en sus clases para resolver
bibliotecas (o en las oficinas de los profeso problemas de este tipo. Sienten curiosidad de
res, para prestatarios de libros dignos de con saber por qué se da cierto tipo de conducta,
fianza). Estas publicaciones cubren una gran si se puede manifestar una conducta dada me- :
variedad de temas susceptibles de investiga diante un estímulo determinado, si un tipo .
ción, de modo que podrá usted seleccionar de conducta está relacionado con otro, etc.
los referentes a problemas de psicología so Con frecuencia, la observación casual sirve
cial, clínica, aprendizaje o cualquier otro tema de base a su curiosidad y conduce a la formu
que le interese. Para tener una visión general lación de este tipo de problemas. Por ejem
de todo el campo de la psicología, y aun de la plo, una estudiante había desarrollado el há
investigación en campos relacionados con ella, bito de bajar la cabeza hasta la altura de las
podrá usted estudiar muchas de las conden rodillas cuando encontraba una pregunta di
saciones que aparecen periódicamente en la fícil en un examen. Pensaba que hacer esto
revista Psychological Abstracts. Al estudiar nues aumentaba su capacidad para resolver proble
tras publicaciones podemos notar que la falta mas pues, con ello, le llegaba más sangre a la
de conocimiento suficiente sobre un proble cabeza. Por raro que pueda parecerle a usted
ma se manifiesta al menos de tres maneras, este proceder, como le pareció a su maestro
que hasta cierto punto coinciden: (I) cuando (quien desarrolló el problema de tratar de
hay una laguna notable en los resultados de las descubrir dónde ocultaba ella los “acordeo
investigaciones, (2) cuando los resultados de va nes” que estaba consultando), semejante fe
rias investigaciones disienten, y (3) cuando existe nómeno es posible. Y, al parecer, no había
un “hecho” en forma de información no explica datos pertinentes disponibles. Por consiguien
da. Mientras usted reflexiona sobre los mo te, los estudiantes del aula, comprensivos, efec
dos en que puede captarse un problema, po tuaron un experimento bastante directo, aun
drá empezar a planear la sección introductoria que un tanto insólito: se plantearon proble
El problema 19
mas unos a otros, mientras manipulaban en sona practicara 10 veces una tarea determina
el espacio, sistemáticamente las posiciones da, ¿sería el aprendizaje más eficiente si las
corporales de sus participantes. pausas se repartieran entre los primeros cin
Problemas similares que han sido desarro co ensayos (al comienzo del aprendizaje) o
llados por estudiantes son los siguientes: ¿cuál entre los cinco últimos (al final del aprendi
es el efecto sobre el desempeño físico de zaje)? En cada experimento, hubo un grupo
consumir una ligera cantidad de alcohol (por que practicó una tarea con las pausas reparti
ejemplo, para jugar al pin-pon) o sobre la ca das al comienzo de la sesión. Un segundo
pacidad para resolver problemas? ¿Se puede grupo practicó la tarea con las pausas reparti
influir en el uso de determinados colores en das a final del periodo de aprendizaje.
las ropas de un compañero de clase mediante Los resultados del primer experimento in
la sutil aplicación de refuerzos verbales? ¿Su dicaron que resultaba mejor repartir los des
fren los estudiantes que se gradúan en psico cansos al final del periodo de aprendizaje; el
logía una mayor angustia situacional que quie segundo experimento mostró que repartir los
nes se gradúan en una materia “menos diná periodos de descanso al principio producía
mica”? Problemas como éstos se estudian a un mejor aprendizaje; mientras que el tercer
menudo al comienzo de un curso sobre mé experimento mostró que ambos grupos apren
todos de investigación y son sumamente va dían casi por igual. ¿Por qué nos dan resulta
liosos, al menos para ayudar al estudiante a dos contradictorios estos tres estudios?
conocer la metodología apropiada. Sin embar Una posible causa es que uno o más de los
go, cuando los estudiantes leen acerca de ex experimentos fue mal efectuado: acaso se vio
perimentos anteriores relacionados con su laron ciertos principios de la buena exper i
problema, su acervo de conocimiento cientí mentación. La falta de control de variables
fico aumenta y sus problemas se vuelven más extrañas importantes es un error común que
refinados, ya que caen en las categorías de puede producir resultados contradictorios,
resultados contradictorios y en los intentos por por ejemplo, las variables extrañas en dos
explicar hechos aislados. No puede uno me experimentos individuales sobre el mismo
nos que quedar impresionado por la alta cali problema presuponían dos valores diferen
dad de la investigación efect uada por estudian tes, de modo que causaron diferentes resulta
tes subgraduados para completar un curso de dos de la variable dependiente.
metodología experimental. Llevados por su De este modo, la publicación de dos expe
entusiasmo de efectuar su propia investigación rimentos independientes con conclusiones
original, no pocas veces intentan resolver pro opuestas presenta un problema al mundo de
blemas que se habían manifestado por resul la psicología. La solución consiste en identifi
tados contradictorios o por la existencia de fe car la(s) variable(s) extraña(s) de modo que
nómenos para los cuales no hay una explica pueda(n) convertirse en una variable indepen
ción satisfactoria. diente explícitamente definida y manipulada
para ser variada de manera sistemática en las
Los resultados contradictorios replicaciones de los dos experimentos. Pon
gamos, como ilustración, ciertos experimen
Para comprender cómo pueden diferir los tos del profesor Ronald Webster y de sus es
resultados de distintos intentos por resolver tudiantes con respecto a la supresión de len
un mismo problema, considérense tres expe guaje. En el primero, se seleccionaron dos
rimentos distintos, que fueron publicados en pronombres que fueron presentados varias
revistas de psicología. El problema común era: veces en una gran variedad de frases a los es
“si una persona está aprendiendo una tarea, tudiantes de un grupo experimental. Los
¿son más benéficos los descansos cuando se estudiantes del grupo de control fueron ex
concentra durante la primera parte de la se puestos a las mismas frases, pero los dos pro
sión total de práctica o cuando se concentra nombres especiales fueron sustituidos por
en la última parte?” Por ejemplo, si una per otros. Los experimentadores que presentaron
20 El problema
los materiales verbales estaban sentados fue ver o no al experimentador, como en la tabla:
ra de la vista de los estudiantes. Luego, de 2-1. Podemos observar que un diseño factorial
una lista más larga de pronombres (que con simple es, esencialmente, uno en que el expe
tenía los dos de interés especial), los dos gru rimentador dirige simultáneamente dos ex
pos de estudiantes seleccionaron un pronom perimentos de dos grupos, utilizando dos va
bre para emplearlo en una frase. Más espe riables independientes. (Puede encontrarse
cíficamente, se les dijo que formaran frases más acerca de los diseños de fábrica en el ca- f
utilizando cualquiera de los pronombres de pítulo 8.) I
la lista. Se descubrió que el grupo experimen
tal tendía a evitar uno de los pronombres a Explicación de un hecho
los que antes había estado expuesto, en com
paración con la frecuencia con que fue selec ¿Cobramos conciencia de un problema i
cionado por el grupo de control. Se llegó a la cuando preguntamos por qué un “hecho” es j;
conclusión de que la previa estimulación ver de determinada manera? Un hecho —que exis- 1
bal produce un efecto de saciedad, de modo te aislado del resto del conocimiento—exige |
que hay una supresión en la elección de pro una explicación. Una ciencia no sólo consis- %
nombres. Esta es una conclusión valiosa, por te en conocimiento, sino en conocimiento
lo que el experimento se repitió aunque, en sistematizado. Cuanto mayor sea la sistematiza
contraste con el primer experimento, el ex ción, mayor será la comprensión de la natura- ,¡
perimentador se sentó a la vista de los estu leza que tenga el científico. Así, cuando se
diantes; muy posiblemente, pudieron recibir adquiere un hecho nuevo, el científico trata
así unas claves adicionales, como cuando el de relacionarlo con el cuerpo de conocimien
experimentador anotaba la información de las to ya existente. Si el hecho no embona con el
respuestas. Huelga decir que los resultados conocimiento existente, se manifiesta con ello
de esta repetición no mostraron el efecto de un problema. Es necesario recabar nueva in
supresión de los dos pronombres mostrado formación para relacionar el nuevo hecho con
por el grupo experimental. Sin embargo, sin el conocimiento existente, de tal manera que
desalentarse, repitieron el experimento ori quede explicado. Algunos esfuerzos por ex
ginal, pero esta vez asegurándose de que los plicar hechos nuevos han dado por resulta
estudiantes no pudieran ver al experimenta do grandes descubrimientos. Para saber cómo
dor; entonces, los resultados confirmaron los el descubrimiento de un nuevo hecho creó
descubrimientos originales. un problema cuya solución tuvo consecuen
Al parecer, la variable extraña, la ubicación cias importantes, consideremos el ejemplo si- ,
del experimentador, fue lo bastante poderosa guiente.
como para influir en los valores de la variable Un día, el francés Henri Becquerel no pudo
dependiente. El hecho de que fuera distinta comprender por qué una película fotográfica
en el segundo experimento produjo resulta
dos que entraron en conflicto con los del pri
mer experimento, lo cual creó un problema.
El problema se resolvió controlando esta va Tabla 2.1. Combinación de dos experimentos
riable extraña y estableciendo así la razón de sencillos, con dos grupos, en un diseño factorial
los resultados en conflicto. Dicho sea de pa para estudiar una variable extraña
so, los efectos de una variable extraña se pue
den estudiar en un diseño factorial simple. Condición de Condición de variable
En este caso, los dos primeros experimentos variable independiente
pudieron repetirse de manera simultánea, al externa Experimental De control
variar en forma sistemática la ubicación del No pueden ver al (Estos dos grupos comprenden el
experimentador. De este modo, emplearíamos experimentador primer experimento)
el control original y las condiciones experi Pueden ver al (Estos dos grupos comprenden el
mentales en que los participantes pudieron experimentador segundo experimento)
i
El problema 21
se había velado. Reflexionó y recordó que el cerebro, por James Oíd, y el uso de la tasa
había visto un pedazo de uranio cerca de la de respuesta, como variable dependiente, por
película, antes de que se velara. La teoría exis B. F. Skinner (véase el capítulo 10).
tente no relacionaba el uranio con la película Cuando una teoría nueva explica un hecho,
velada, pero Becquerel sugirió que estos dos también se aplica a otros fenómenos; es de
hechos estaban interrelacionados. Para rela cir, teorías que son lo bastante generales como
cionar específicamente los dos hechos, postu para poder explicar muchos hechos. Por tan
ló que el uranio producía cierta clase de ener to, el desarrollo de una teoría que explica un
gía. Con el tiempo, determinó que el metal hecho puede ser fuente de problemas adicio
emitía una energía radiactiva que había he nales, en el sentido de que nos capacita a pre
cho velarse la placa; por ello, recibió el Pre guntar: “¿qué otros fenómenos puede ex
mio Nobel. Esta especificación y explica plicar?” Uno de los aspectos más atractivos
ción de un hecho aislado condujo a toda una de la empresa científica consiste en que nos
serie de avances que han resultado en las ac desafía a averiguar las implicaciones de una
tuales teorías de la radiactividad, con monu teoría general y a someter tales aplicaciones
mentales aplicaciones tecnológicas. a nuevas pruebas empíricas. De este modo, a
En psicología no abundan los ejemplos de medida que adquirimos información, que
nuevos conocimientos que hayan tenido im planteamos explicaciones tentativas para tal
portancia revolucionaria; tal vez, en parte, información y conforme exploramos las con
porque se trata de una ciencia muyjoven. Uno secuencias de dichas explicaciones, se impul
de estos casos en psicología podría ser el des sa el avance del conocimiento. En la ciencia,
cubrimiento del fenómeno phi por Max Wert los problemas proliferan como hongos. Como
heimer, en la primera parte de este siglo, y su bien lo observó Homer Dubs, desde 1930,
clásico intento por explicarlo. Se cuenta que todo aumento de nuestro conocimiento da por
Wertheimer observó unos postes de teléfono resultado un mayor número de problemas. Así
mientras iba en un tren. Pero en lugar de ver pues, podemos juzgar la madurez de una cien
simples postes estacionarios, primero uno y cia por el número de problemas que tiene;
luego otro, percibió un movimiento, de un cuanto más problemas enfrenta una ciencia,
poste al siguiente. Con Wolfgang Köhler y más avanza.
Kurt Koffka (quienes también serían psicólo Concluiremos esta sección con una re
gos célebres) como sujetos, efectuó estudios flexión especial para el estudiante subgra
sistemáticos del fenómeno phi (la percepción duado que podría estar preocupándose por
de un tipo particular de movimiento entre es cómo encontrar un problema para experimen
tímulos que en realidad son estacionarios). tar. Esta dificultad no es exclusiva del sub
Wertheimer, Köhler y Koffka sostuvieron que graduado, pues a menudo vemos a estudian
las teorías reinantes de la percepción no po tes con doctorados que son presas del pánico
dían explicar el fenómeno phi y, por tanto, al elegir un problema, temiendo escoger un
plantearon un nuevo conjunto de teorías. La tema que no sea apropiado para obtener el
esencia de su razonamiento fue que no se Premio Nobel. Tanto el estudiante subgra
podía comprender el fenómeno phi analizan duado como el graduado deben tranquilizar
do la situación en sus componentes sino que se: sencillamente deben hacer lo mejor que
sólo se le podía comprender estudiando todo puedan al escoger un problema, y no preocu
el complejo, sin analizarlo. Llegaron a la con parse después por su valor. Lo más impor
clusión de que debía estudiarse la Gestalt (pa tante: cualquiera que sea el problema elegi
labra alemana que significa configuración, do, debe uno asegurarse en lo posible de que en
situación completa), lo que condujo al naci el estudio se aplique una buena metodología de
miento y desarrollo de la psicología de la investigación. No se debe esperar de uno mis
Gestalt. Otros ejemplos más recientes que han mo más que esto. Con la creciente práctica
tenido considerable influencia en psicología de la investigación, la agudeza en la investiga
son el descubrimiento del centro de placer en ción podrá llegar a estar a la altura de sus
22 E l problema
aspiraciones. Todo lo que hay que hacer es el uranio. Este punto puede parecer obvio,
empezar. pero muchas veces se ha dado la respuesta
correcta al problema erróneo. Una hipótesis;
DEFINICIÓN DE UN PROBLEMA SOLUBLE improcedente (pero probablemente cierta) al!
problema de “¿por qué muchos fuman marif
Una hipótesis es la solución tentativa a un pro guana?” sería: “si una persona fuma opio,
blema. Sin embargo, para resolver en reali entonces, esa persona sufrirá alucinaciones”.
dad el problema, la hipótesis debe poder some ¿Qué es una hipótesis comprobable? Una
terse a prueba, tiene que ser pertinente al hipótesis es comprobable si, y sólo si, es posible ',
problema y debe quedar empíricamente esta determinar su veracidad ofalsedad.1 Las hipóte
blecida como cierta. sis toman la forma de proposiciones (o, asi
mismo, declaraciones o frases). Si es posible;
La solución propuesta puede determinar que una hipótesis, planteada como
ponerse a prueba proposición, es verdadera o falsa, entonces la
hipótesis es comprobable. Si no es posible de
La ciencia no puede dar respuesta a todas terminar que la proposición es verdadera o
las preguntas que hace la gente. Como ya se falsa, entonces la hipótesis no es comprobable
observó en el capítulo L, un problema sólo y se la debe descartar, considerándola sin va
puede ser digno de estudio científico si tiene lor para la ciencia. De este modo, un proble
solución. Pero, ¿cómo determinamos si un ma (planteado como pregunta) es soluble si
problema es soluble o insoluble? En pocas es posible plantear una hipótesis pertinente
palabras, un problema es soluble si se le pue como respuesta potencial al problema, y tam
de dar como respuesta empírica un sí o un bién debe ser posible determinar que la hipó
no. De manera más precisa, un problema so tesis es verdadera o falsa. En suma, el proble
luble es aquel para el que se puede plantear ma soluble es aquel para el que se puede plan
una hipótesis comprobable, como solución tear una hipótesis comprobable.
tentativa. Un problema es soluble si, y sólo si, se El conocimiento se expresa en forma de
puede poner a prueba empírica su solución tenta proposiciones. De lo anterior se deduce que
tiva (que se ofrece en forma de hipótesis). Por el conocimiento se expresa en forma de pro
ello, debemos analizar la naturaleza de las hi posiciones. Las siguientes declaraciones son
pótesis pertinentes que puedan someterse a ejemplos de lo que llamamos conocimiento:
prueba. Sin embargo, antes de empezar, el “Ésa mesa es de color marrón.” “Los progra
lector debe reconocer que esta cuestión es su mas de refuerzo intermitente durante la ad
mamente compleja, con una tempestuosa his quisición tienen por resultado una mayor re
toria filosófica que no vamos a analizar aquí. sistencia a la extinción.” “E = mc2”. Hechos,
Dado que, como empiristas, tenemos que se observaciones, objetos o fenómenos per se no
guir adelante con nuestra investigación, con son, pues, conocimiento y aquí no importa si
sideraremos la naturaleza de la pertinencia y los acontecimientos son privados o externos
de la comprobabilidad sólo en la medida en a una persona. Por ejemplo, fenómenos ex
que afectan la labor cotidiana del psicólogo ternos como la ubicación relativa de ciertas
investigador. estrellas, un ave que vuela por el aire o una
La solución propuesta es
pertinente al problema
1Como pronto lo veremos, utilizamos las palabras “ver
Una hipótesis pertinente a un problema es dadero” y “falso” en el sentido de aproximaciones. De
la que puede resolver el problema de ser cier manera más precisa, entonces, deberá ser posible determi
nar que una hipótesis tenga un grado especif icable de pro
ta. La hipótesis de Becquerel fue pertinente babilidad. Luego pues “verdadero” significa que la hipóte
porque explicó que la película fotográfica se sis es muy probable, en tanto que “falso” que resulta muy
había velado debido a la radiación emitida por improbable.
E l problema 23
pintura, no son conocimientos; tales cosas no entre 0.0 (absolutamente falsa) y 1.0 (absolu
son verdaderas ni falsas, ni nuestra percep tamente cierta). Lo que se conoce como defi
ción de ellas es verdadera o falsa, pues no son nición de frecuencia de probabilidad se sosten
proposiciones. De manera similar, una sensa drá si una hipótesis que tiene una probabili
ción de dolor en el estómago o una experien dad de P = 0.99 fuera confirmada en 99 de
cia estética al contemplar un cuadro no son, 100 experimentos, no sesgados. En cierto sen
en sí mismas, ejemplos de conocimiento. En tido, podríamos decir que esa hipótesis es
cambio, las declaraciones acerca de conoci “probablemente cierta”. Una hipótesis con un
mientos y objetos sí son candidatas al cono grado de probabilidad de P = 0.50 sería tan
cimiento. Por ejemplo, las afirmaciones “él probablemente verdadera como falsa, mien
tiene dolor de estómago” y “yo tengo dolor tras que otra hipótesis con una probabilidad
de estómago” pueden ser declaraciones de de P = 0.09 es “probablemente falsa”.
conocimiento, dependiendo de si son ciertas.
En pocas palabras, el requisito de que el co En resumen. Un problema es soluble (1) si
nocimiento sólo puede ocurrir en forma de se puede plantear una hipótesis pertinente
una declaración es verdaderamente crítico como solución tentativa, y (2) si es posible
para el proceso de comprobabilidad. Si de poner a prueba esa hipótesis, determinando
terminamos que la declaración de una hipó para ella un grado de probabilidad.
tesis es cierta, entonces dicha declaración es
ejemplo de lo que definimos como conoci TIPOS DE POSIBILIDADES
miento.
Enfoquemos ahora el término posible de la
GRADO DE PROBABILIDAD EN LUGAR declaración anterior. ¿Significa “posible” que
DE VERDADERO Y FALSO podemos poner a prueba la hipótesis ahora o
en algún momento futuro? Consideremos la
Empleamos los términos “verdadero” y “fal pregunta siguiente: ¿podemos volar a Urano?”
so” como aproximaciones, pues es imposible Si por “posible” entendemos que podemos
determinar fuera de toda duda que una hipó subir hoy a una nave espacial y emprender
tesis (o cualquier otra proposición empírica) una jornada feliz, entonces y claramente, se
es absolutamente verdadera o falsa. La clase mejante aventura no es posible. Pero si quere
de mundo que se nos ha dado para estudiar mos decir que tal viaje probablemente sí será
sencillamente no es de verdades o falsedades posible en algún momento futuro, entonces
de 100 por ciento. Lo mejor que podemos la respuesta es afirmativa. Consideremos en
hacer es decir que una proposición tiene un tonces dos interpretaciones de lo “posible”.
grado determinable de probabilidad. No po A la prim era interpretación la llamaremos
demos decir, pues, en sentido estricto, que actualmente alcanzable y a la segunda poten
una proposición es cierta. Sino que, es proba cialmente alcanzable.
ble o muy probable. Asimismo, decimos que
otra proposición es sumamente improbable. Actualmente alcanzable
Por ello, sustituimos “verdadero” y “falso” por
la frase “grado de probabilidad”; de otra ma La interpretación de lo “posible” indica que
nera, ninguna proposición empírica podría la posibilidad está a nuestro alcance en el
someterse a prueba, ya que ninguna proposi momento actual. Si se puede hacer cierta ta
ción empírica puede ser (absolutamente) ver rea con el equipo y con otros medios de los
dadera o falsa. Por consiguiente, el principio que ya disponemos, lograr la tarea es hoy
que nos interesará es que una hipótesis es alcanzable. Si no se puede realizar la tarea
comprobable si, y sólo si, es posible determinar para con los recursos de que hoy se dispone, la
ella un grado de probabilidad. Por “grado de solución al problema planteado no es actual
probabilidad” queremos decir que la hipóte mente alcanzable. Por ejemplo, construir un
sis tiene un valor de probabilidad situado puente sobre el Río Suwannee (o incluso
24 El problema
un túnel bajo el Canal de la Mancha) es ac tesis es actualmente comprobable. Si no po

tualmente alcanzable, pero vivir bien en Ve demos efectuar semejante experimento, la hi
nus no es actualmente alcanzable. pótesis no es actualmente comprobable.
Potencialmente alcanzable Potencialmente comprobable
Esta interpretación concierne a las posibi

|
Una hipótesis es potencialmente compro- I
lidades que podrían estar al alcance de las per bable si puede ser posible determinar un gra- f
sonas en algún momento futuro, pero que no do de probabilidad para ella en algún momen- :
lo están en la actualidad. Hoy, podría ser difí to futuro, si el grado de probabilidad es po
cil decidir si en realidad tendrán esos recur tencialmente alcanzable. Aunque, en la actua
sos en el futuro. Si los avances tecnológicos lidad, no sea posible someter a prueba dicha
logran ser lo suficientemente exitosos como hipótesis, los avances de nuestras técnicas y la
para que lleguemos a poseer esos poderes, invención de otras nuevas podrán hacer posi- ;
entonces lo potencialmente alcanzable se vuel ble esa comprobación. Dentro de esta catego
ve actualmente alcanzable. Por ejemplo, un ría, también deseamos tener cierto espacio.
viaje a Urano no es actualmente alcanzable, Puede haber declaraciones de las que sepa
pero sí esperamos plenamente que ese viaje mos con alto grado de certidumbre cómo las
sea técnicamente factible en el futuro. La pondremos a prueba con el tiempo aunque
triunfal realización de tal empresa es prueba sencillamente no podamos hacerlo de momen- !
de que la tarea debe ser asignada a la catego to. Por otro lado, están las declaraciones con
ría de lo actualmente alcanzable. Menos es las que tenemos dificultad para imaginar si
trictamente, cuando podemos especificar los quiera los procedimientos mediante los que,
procedimientos para resolver un problema y con el tiempo, se las someterá a prueba, pero
cuando se ha demostrado que esos procedi por ahora no podemos decir que alguien no
mientos pueden emplearse en realidad, en llegará un día e inventará los medios apro
tonces podemos pasar el problema de la cate piados.
goría de lo potencialmente a lo actualmente
alcanzable. PRINCIPIO DE TRABAJO PARA
EL EXPERIMENTADOR
CLASES DE COMPROBABILIDAD
Con base en las consideraciones anteriores,
Estas dos interpretaciones de lo “posible” nos podemos formular ahora nuestros principios
conducen a dos clases correspondientes de de acción para las hipótesis. Primero, dado
comprobabilidad. que los psicólogos que efectúan experimen
tos sólo deben trabajar en problemas que ten
Lo actualmente comprobable gan cierta posibilidad de ser resueltos con los
medios de que hoy se dispone, deberemos
Si hoy se puede lograr la determinación de aplicar la norma de comprobabilidad actual a
un grado de probabilidad de una hipótesis, nuestro trabajo cotidiano. Por tanto, sólo se
entonces la proposición es actualmente com deberá considerar una hipótesis para experi
probable. Esta afirmación nos deja conside mentación si dicha hipótesis es actualmente j
rable espacio, que tendremos que justificar sometióle a prueba. Las dificultades del psi
trabajando con problemas con baja probabili cólogo que no sean actualmente sino poten
dad de ser satisfactoriamente resueltos, así cialmente comprobables deberán dejarse a un
como con problemas claros y bien definidos. lado, en la categoría de “esperemos y vere
Si alguien puede efectuar un experimento me mos”. Cuando se han hecho los avances sufi
diante el cual es posible calcular la probabili cientes para que se pueda investigar el pro
dad de una hipótesis con los recursos de que blema con los recursos de la ciencia, se vuelve
hoy disponemos, entonces, sin duda, la hipó actualmente comprobable y se las puede re
El problema 25
solver. Si no se logran suficientes avances tec Si todos los hechos referidos en la hipóte
nológicos, entonces el problema se mantiene sis son públicamente observables (si satisfa
en la categoría de comprobabilidad potencial. cen el principio de la confiabilidad intersub
Por otra parte, si los avances muestran que el jetiva), entonces se ha satisfecho la primera
problema que se había dejado de lado no re norma. Por ejemplo, a los fantasmas no se les
sulta potencialmente sometible a prueba, se suele considerar fidedignamente observables
le deberá descartar en cuanto esto se vuelva por la gente en general, y por ello los proble
evidente, pues por mucho que avance la cien mas formulados acerca de fantasmas son in
cia, no nos ofrecerá una solución. solubles y las correspondientes hipótesis acer
ca de ellos no se pueden someter a prueba. Si
Aplicando el criterio de comprobabilidad. En una hipótesis está bien formada de acuerdo
nuestra investigación cotidiana, aplicamos los con nuestras reglas del idioma y si podemos
principios anteriores esencialmente como si relacionar sus términos, en forma inequívo
gue. Primero, formulamos un problema que ca, con hechos empíricamente observables,
tratamos de resolver y luego una hipótesis, entonces queda satisfecho nuestro segundo
que es una solución potencial al problema. criterio. Por ello, deberemos poder llegar a
Como veremos en el próximo capítulo, la hi una decisión relativa a si la hipótesis es con
pótesis es característicamente una declaración firmada o rechazada.
de amplitud general, ya que se refiere a una Los componentes de una hipótesis pueden
gran variedad de hechos concernientes al referirse a hechos y a objetos fácilmente ob
problema. Luego, observamos una muestra servables, como “perros”, “olores” o “cosas”,
de tales hechos, para recabar datos. En segui con lo que se satisface pues la primera nor
da contrastamos la hipótesis con esas ob ma. Y, sin embargo, las palabras pueden no
servaciones. Al poner a prueba la hipótesis, haber sido unidas de acuerdo con las reglas
concluimos que la hipótesis es confirmada del idioma. Por ejemplo, alguien podría unir
(apoyada) por los datos o refutada (no apoya las palabras y formar frases con tan poco sig
da). De manera más particular, si las observa nificado como “olores hacen perros”, “perros
ciones van de acuerdo con nuestra hipótesis, olor hacen cosas”, etc. En formas tan extre
concluiremos que la hipótesis fue confirma mas, el lector podría pensar que los científi
da (que tiene un alto grado de probabilidad, cos sensatos nunca formularían problemas in
por ejemplo, P = .80); de otra manera, fue solubles o hipótesis correspondientemente
refutada (su probabilidad es baja, por ejem incomprobables. Sin embargo, por desgracia,
plo, P= .15). Este proceso, extremadamente sí somos, frecuentemente, víctimas de estos
complejo, de poner a prueba las hipótesis será errores, aunque en formas más sutiles. En
elaborado a lo largo de todo este libro, pero realidad, es difícil a menudo separar las de
de momento es importante observar que hay claraciones que son sometibles a prueba de
dos criterios específicos para poner a prueba las que no lo son, incluso con los anteriores
una hipótesis (y por tanto, para que sea con criterios de comprobabilidad. Las declaracio
firmada o refutada): nes que simplemente pretenden ser hipótesis
son llamadas seudodeclaraciones o seudohi-
criterio 1. ¿Se refieren en realidad todas las pótesis. Las seudodeclaraciones (como la de
variables contenidas en la hipóte que “los fantasmas pueden resolver proble
sis a hechos (empíricamente) ob mas”) no tienen sentido (el correspondiente
servables? problema, “¿pueden los fantasmas resolver
criterio 2. ¿Está formulada la hipótesis de tal problemas?” es insoluble) porque no es posi
manera que sea posible relacionar ble asignarles un grado de probabilidad. La
sus componentes con hechos em tarea de identificar algunas seudohipótesis en
píricamente observables y tomar nuestra ciencia es fácil, mientras que la de
una decisión sobre su grado de identificar algunas otras resulta difícil y exi
probabilidad? gente. Dado que la formulación apropiada y
26 E l problema
la solución de un problema son básicas para Para la educación personal del estudiante, pro- '
efectuar un experimento, es esencial que el bablemente sí vale. Sin embargo, es poco pro-
experimentador sea ágil al formular los pro bable que las reformulaciones de este tipo de
blemas solubles y las correspondientes hipó preguntas hagan avanzar a la ciencia.
tesis sometibles a prueba. ¡
Los términos inadecuadamente
PROBLEMAS INSOLUBLES definidos y la definición operacional
El problema no estructurado Algunos ejemplos. Los problemas vagamen

te planteados, como los anteriores, suelen
El estudiante que empieza a aprender a contener términos que han sido inadecuada
desarrollar, planear y efectuar estudios expe mente definidos, lo que aumenta su vague
rimentales suele tener dificultades para sepa dad. Sin embargo, puede haber problemas que
rar los seudoproblemas de los problemas serían solubles si sólo supiéramos lo que sig
solubles. Por tanto, con este análisis de los pro nifica uno de los términos contenidos en su
blemas insolubles se pretende mejorar la pers planteamiento. Consideremos, por ejemplo,
pectiva del estudiante para que alcance ma la pregunta de actualidad, “¿pueden pensar
yor eficiencia al reconocer y plantear proble las máquinas?” Ésta es una analogía contem
mas solubles. Sin embargo, el instructor de poránea a la pregunta que Thorndike abordó
psicología, con años de experiencia, debe re con gran detalle a principios del siglo: “¿ra
conocer que el problema será vago y mal for zonan los gatos?” Que estos problemas sean
mulado por estudiantes principiantes duran solubles o no dependerá de cómo se definan
te muchas generaciones venideras. Por ejem “pensar” y “razonar”. Por desgracia, se ha
plo, cómo responder a estas preguntas: “¿qué derrochado mucha energía en discutir sobre
me pasa (le pasa, a mí, a usted, a ella) por la tales cuestiones a falta de una especificación
cabeza?”, “¿cómo funciona la mente huma clara de lo que significan estos términos
na?”, o “¿es posible modificar la naturaleza cruciales. En los análisis históricos, los des
humana?” Estos problemas no tienen solu acuerdos entre los discípulos, Jung y Adler, y
ción porque su intención no es clara y el do el maestro, Freud constituyen un ejemplo im
minio al que se remiten es tan amorfo que portante. ¿Cuál es la fuerza impulsora básica
resulta imposible especificar cuáles serían las de los seres humanos? ¿Es la libido, con su
observaciones pertinentes, y mucho menos re énfasis primordial en las necesidades sexua
lacionar las observaciones con tan vagas for les? ¿O es el concepto más generalizado de
mulaciones. Sin embargo, después de una Jung de la libido como “cualquier energía
amplia discusión con el que hizo la pregunta, psíquica?” ¿O es, como sostuvo Adler, una
podría ser posible determinar lo que estaba energía compensatoria, una “voluntad de po
tratando de preguntar y, con ello, reformular der”? Este problema, fácil es decirlo, conti
la pregunta, de modo que sí pudiera tener nuará sin solución hasta que estos conceptos
respuesta. Por ejemplo, tal vez un apropiado hipotetizados hayan sido adecuadamente de
análisis de la pregunta “¿qué me pasa por la finidos, si en realidad algún día pueden serlo.
cabeza?” podría conducir a una reformulación Una pregunta que está recibiendo cada vez
como “¿por qué me siento obligado a contar mayor atención desde muchos puntos de vis
el número de las perillas de las puertas de ta es: “¿cómo aprenden los niños el lengua
toda habitación en la que entro?” Incluso, se je?” En sus detallados relatos del proceso, lin
mejante pregunta resulta difícil de responder, güistas y psicólogos frecuentemente incluyen
pero al menos han aumentado las probabili una fase del desarrollo del lenguaje que pue
dades de éxito porque ahora la pregunta ha de resumirse como “los niños aprenden a imi
sido planteada con mayor precisión y se refie tar la producción del lenguaje de los adultos
re a hechos más fácilmente observables. Otra que los rodean”. Así podemos dejar las cosas,
cosa es si la investigación valdrá o no la peña. en la creencia de que esto ha hecho avanzar
El problema 27
nuestra comprensión de este complejísimo en gran parte, enfocamos la pregunta de si

proceso. Sin embargo, un análisis más minu nuestro problema es soluble. Es decir, con
cioso de si “¿aprenden los niños el lenguaje referencia a los dos criterios de la página 25
por imitación?” nos hará ser menos precipita para ver si un problema es soluble, dejamos
dos. Como no sabemos lo que el teórico quie establecido el punto de que los hechos a los
re decir con imitación —su sentido puede va que se refirió el planteamiento del problema
riar desde una interpretación muy mística deben ser públicamente observables. Si se pue
hasta un proceso de conducta concreto y ob den definir operacionalmente los términos
jetivamente observable—la pregunta es inso contenidos en el planteamiento del problema,
luble en esta etapa de su formulación. entonces son empíricamente observables por
Una de las principales razones de que mu cierto número de personas y el científico ha
chos problemas sean insolubles es que sus tér brá logrado mucho para hacer soluble el pro
minos fueron tomados del lenguaje cotidia blema.
no. Nuestro idioma común está lleno de am En esencia, una definición operacional es la
bigüedades, así como de definiciones múlti que indica que existe cierto fenómeno y lo hace
ples para algunas palabras. Si no aclaramos especificando precisamente cómo (y preferiblemen
este punto, podremos agotar en vano nues te, en qué unidades) se ha medido elfenómeno. Es
tras energías dialécticas (y de investigación). decir, la definición operacional de un con
Sin duda, todos pueden recordar al menos cepto consiste en una declaración de las ope
varias discusiones y tal vez acaloradas para raciones necesarias para producir el fenóme
las que, tras una serena reflexión, se descu no. Una vez especificado el método de regis
brió que habían resultado de un desacuer trar y medir un fenómeno, el fenómeno ha
do sobre la definición de ciertos términos quedado operacionalmente definido. La es
que eran básicos para la discusión. Como pecificación precisa de las operaciones defini-
ejemplo, imaginemos un grupo de personas torias realiza, obviamente, la intención del
que discuten acerca de la felicidad. Sin duda, científico: al efectuar esas operaciones se pro
la discusión daría muchos giros, causaría mu duce un fenómeno y cierto número de obser
chos desacuerdos y probablemente resultaría vadores puede ponerse de acuerdo sobre la
en una considerable irritación de parte de los existencia y las características del fenómeno.
disputantes. Quizás se lograría poco, a me Por tanto, un fenómeno operacionalmente
nos que, en alguna etapa temprana, las perso definido es reproducible por otras personas,
nas lograran ponerse de acuerdo sobre una lo cual es básico para la ciencia. Dado que
definición inequívoca de felicidad. Aunque es definimos operacionalmente un concepto, la
imposible garantizar el éxito de una discusión definición del concepto consiste en los pro
cuyos términos sean adecuadamente defini cedimientos (objetivamente planteados) rea
dos, pero sin semejante acuerdo no habría lizados al producirlo. Entonces, otros podrán
ninguna posibilidad de llegar a alguna parte. reproducir los fenómenos, repitiendo estas
mismas operaciones. Por ejemplo, cuando
La solución mediante definiciones operado- definimos la temperatura del aire, queremos
nales. En la ciencia, sería imposible exagerar decir que la columna de mercurio de un ter
la importancia de las definiciones adecuadas. mómetro se detiene en cierto punto de la es
Las principales funciones de las buenas defi cala. Consideremos el concepto psicológico
niciones son: (1) aclarar el fenómeno que se del impulso de la pulsión de “hambre”. Una
está investigando, y (2) permitirnos comuni manera de definir operacionalmente este con
carlo entre nosotros en forma no ambigua. cepto es por el tiempo en que un organismo
Estas funciones las cumple la definición ope- permanece privado de alimento. De esta ma
racional de los términos empíricos con que nera, una definición operacional de la pulsión
trata el científico. de hambre sería una declaración del número
Cuando nos enfrentamos al problema de de horas de privación de alimento. Por consi
cómo definir operacionalmente un término, guiente, podemos decir que un organismo
28 El problema
que no ha comido durante 12 horas tiene más minos, llegamos a una decisión de si el pro-t
hambre que uno que no ha comido durante blema es soluble o insoluble, sobre la base de
dos horas. que continuaremos o abandonaremos núes--
En psicología, se ha trabajado mucho so tra investigación de la pregunta.
bre la estabilidad. Hay varias maneras de )
medir la estabilidad y, en consecuencia, hay Operacionismo. Las definiciones operacio
un buen número de definiciones diferentes nales se derivaron de un movimiento conocí-'
operacionales del concepto. Considérese, por do como operacionismo, iniciado en 1927 por j
ejemplo, un aparato que consiste en una se el físico P. W. Bridgeman, ganador del Pre-1
rie de agujeros, de tamaños que varían de mió Nobel, que publicó casi 750 títulos. La j
grandes a pequeños, y un punzón (se la llama suposición básica del operacionismo es que j
prueba Whipple de estabilidad). Los participan las definiciones adecuadas de las variables con
tes sostienen el punzón lo más firmemente que trata una ciencia son requisito indispen- j
posible en cada agujero, uno a la vez, tratan sable para todo avance. Sin embargo, el tér- j
do de no tocar sus lados. El número de con mino definición operacional no fue, en reali-1
tactos hechos queda automáticamente regis dad de Bridgeman. Antes bien, fue adaptado j
trado y, cuanto más firme sea el pulso de la por los psicólogos, basándose en la obra de {
persona, menos contactos hará. Esta defini Bridgeman. Desde entonces, los escritos so- j
ción operativa de la estabilidad es el número bre operacionismo han incluido muchas dis- i
de contactos hechos por una persona al so cusiones. Por ejemplo, se ha criticado al ope-1
meterse a la prueba Whipple de estabilidad. racionismo porque a menudo las definicio- ■
Pero si medimos la estabilidad empleando otro nes operacionales son específicas de una in- i
tipo de aparatos, tendremos otras definicio vestigación empírica en particular. Las varia
nes operacionales de ella. Las diversas defi bles especificadas en el planteamiento de pro
niciones de estabilidad podrán estar o no in blemas pueden definirse operacionalmente de
terrelacionadas y, así, una persona habrá de diferentes maneras y por distintos experimen
mostrado ser firme según una medida, pero tadores, aun cuando se las identifique con el j
vacilante según otra. Los desacuerdos acerca mismo término. Las diferentes definiciones 1
de la estabilidad pueden reducirse mediante de angustia constituyen un ejemplo. La an- e
acuerdos sobre qué definición se empleará. gustia puede ser definida operacionalmente i
La miríada de definiciones que hay sobre la por un experimentador mediante el uso de la I
angustia ha generado muchas controversias, Escala Taylor de Angustia Manifiesta, mien- [
precisamente por esta razón. tras que otro investigador podrá definirla se- í
Podemos ver ahora que el primer paso para gún el índice Palmar de Transpiración. Por |
enfocar un problema es definir de manera desgracia, las distintas medidas de la angus- [
operacional los términos empíricos funda tia pueden no correlacionarse debidamente.
mentales. Básicamente, lo que estamos requi Aunque el problema de las distintas defini
riendo es una especificación de los métodos ciones operacionales de un mismo término
y las técnicas de laboratorio para producir sea irritante, no es insuperable. Sencillamen
acontecimientos-estímulos y para registrar y te tenemos cierto número de definiciones
medir los fenómenos de respuesta. Debemos distintas de angustia a las que podemos lla
referirnos (“señalar”) a cierto acontecimiento mar angustiai, angustia2, . . . . angustiaN. Con
de nuestro medio que corresponda a cada tér forme avancemos en nuestros estudios, llega
mino empírico de la declaración de los pro remos a una definición fundamental de la
blemas (y de las hipótesis). Si no es posible angustia que abarcará todas las definiciones
semejante operación para todos estos térmi específicas, de modo que sí habría una defi
nos, deberemos concluir que el problema es nición general que correspondiera a todos los
insoluble y que la hipótesis no puede ponerse usos experimentales. Cuando buscamos una
a prueba. En suma, al someter el problema al definición fundamental, que es la definición
criterio de definición operacional de sus tér general de un concepto que incluye cierto
El problema 29
número de definiciones más específicas, es la experimentación, pues al menos nos comu
tas definiciones operacionales específicas nos nican con claridad lo que hizo el investigador
dan claves con las cuales podremos establecer al medir y registrar los hechos estudiados en
la definición fundamental. la investigación de que se está informando.
También se ha criticado al operacionismo Una discusión más avanzada de las definicio
porque exige que todos los fenómenos con nes operacionales nos llevaría a cuestiones que
que tratamos sean estrictamente observables están mucho más allá de lo que aquí necesi
y operacionalmente definibles. Este requisi tamos.
to, si nos apegamos rígidamente a él, nos lle
varía a excluir prematuramente de la investi La imposibilidad de recabar datos
gación científica ciertos fenómenos; por ejem pertinentes
plo, las imágenes estaban prohibidas en el
vocabulario de muchos psicólogos hace algu Problemas que son insolubles por falta de
nos años, sobre la base de que no era posibledatos. A veces tenemos un problema que es
definirlas operacionalmente. Y, sin embargo, bastante preciso y cuyos términos son ope
desde una perspectiva más amplia, es impor racionalmente definibles, pero no sabemos
tante que mantengamos algunos conceptos, especificar cómo recabaríamos los datos ne
como mantuvimos las imágenes, aun cuando cesarios. Por ejemplo, consideremos el posi
hoy no podamos especificar cómo las defi ble efecto de la psicoterapia sobre la inteli
niríamos operacionalmente. Con el tiempo, gencia de un paciente clínico que no puede
tales fenómenos se pueden someter a un es hablar. Obsérvese que podemos definir ade
tudio científico útil, una vez que se hayan cuadamente términos cruciales como “inteli
logrado avances en la tecnología para medir gencia” y “terapia”. Vemos que el paciente
los. Por tanto, se pueden mantener tales conobtiene baja calificación en una prueba de
ceptos en nuestra categoría de problemas “pointeligencia. Después de un considerable tra
tencialmente solubles”. En años recientes, elbajo clínico, ha mejorado el habla del pacien
tema de la imaginería y de las imágenes ha te; en una ulterior prueba de inteligencia, el
paciente obtiene una calificación considera
vuelto a entrar en la psicología de manera más
impresionante, por lo que hoy estamos estu blemente mejor. ¿Aumentó en realidad la in
diando objetivamente las imágenes de muy teligencia del paciente como resultado del tra
diversas maneras. Un ejemplo similar ocurrió bajo clínico? Es posible que haya varias alter
nativas: ¿fue inválida la primera calificación
en la física cuando, en 1931, Pauli creó el con
cepto de neutrino, tan sólo para preservar lasde inteligencia por las dificultades de aplicar
leyes de conservación. Sabía que no podía la prueba a un paciente que no hablaba? ¿Me
poner a prueba la hipótesis del neutrino: pojoró luego la calificación simplemente por
haber “puesto atención” al paciente? ¿Estaba
día suponerse que la nueva partícula propuesta
no era real y por tanto no se la podía obserel paciente pasando por una especie de pe
var, porque tenía una carga cero y una masa riodo de transición de modo que el simple
en reposo cero. Sin embargo, 45 años después,paso del tiempo (con varias experiencias) le
unos experimentadores lograron detectar el ofreció la oportunidad de mejorar su califica
neutrino. Este ejemplo muestra cómo pode ción? Sin duda, es imposible decidir entre
mos mantener un enfoque operacional y, sin estas posibilidades y el problema no es solu
embargo, conservar en nuestra ciencia cier ble tal como se planteó.
tos conceptos que no son inmediatamente “Si se conecta el nervio óptico con las áreas
susceptibles de definición operacional, pues auditivas del cerebro, ¿se sentirán visiones
con el tiempo tales conceptos pueden resul auditivamente?” Es probable que los estudian
tar de considerable importancia. tes sigan discutiendo sobre esta pregunta hasta
que la tecnología neurofisiológica progrese
En conclusión. Es importantísimo que siga tanto que un día podamos cambiar este pro
mos creando definiciones operacionales en blema, potencialmente soluble, a la categoría
30 E l problema
de actualmente soluble. Otro candidato a sa miento” (como la que fue diseñada para seresi
lir de la categoría de actualmente soluble es humanos por McGuigan, 1978), entonces aún!
un particular intento por explicar la reminis nos enfrentaremos al problema de aplicarla ai
cencia. Para ilustrar la reminiscencia, digamos nivel subhumano. Desde luego, todo esto noí
que una persona practica una tarea, como significa que sea imposible poner a prueba la
memorizar una lista de palabras, aunque su hipótesis del ensayo y otras explicaciones dej
aprendizaje no es perfecto. Se pone a prueba reminiscencia. j
a la persona inmediatamente después de cier Como otro ejemplo de problema insolublef
to número de prácticas. Después de un tiem consideremos poner a prueba dos teorías deli
po, durante el cual no haya una nueva prácti olvido: la teoría del decaimiento, según la cual:
ca, se vuelve a examinar a la persona sobre la el olvido ocurre estrictamente por el paso del
lista de palabras. En esta segunda prueba se tiempo; y la teoría de la interferencia, según?;
descubre que la persona recuerda más pala la cual el olvido es resultado de la competen-'
bras que en la primera. Esto es la reminiscen cia de otro material aprendido. ¿Qué teoría?
cia. La reminiscencia ocurre cuando el recuer será más probablemente cierta? A menudo se
do de una tarea incompletamente aprendida cita un experimento clásico efectuado por-j
es mayor después de cierto periodo que in Jenkins y Dallenbach (1924) como testimonio?,
mediatamente después de aprender la tarea. en favor de la teoría de la interferencia, y se.
El problema consiste en explicar este fenóme trata de un testimonio científicamente acep
no. table. Dicho experimento mostró que se da
Una posible explicación de la reminiscen un menor olvido mientras dormimos (cuan
cia es que, aunque no hubiese prácticas for do, puede suponerse, hay poca interferencia), !
males después del inicial periodo de aprendi que durante las horas de vigilia. Sin embar
zaje, el participante haya practicado secreta go, sus datos indicaron un considerable olvi
mente la tarea; es decir, el individuo “ensaya” do al dormir, lo que suele explicarse diciendo
la tarea después del periodo inicial de prácti que aun al dormir hay cierta interferencia (por
ca y antes de la segunda prueba. Este ensayo sueños, etc..). Para verificar que esto fuera así j
informal bien pudo producir una mejor cali y poner a prueba estrictamente la teoría del j
ficación en la segunda prueba. Nuestro pro desuso, debemos crear una situación en que j
pósito no es censurar este intento por expli una persona tenga cero interferencia. Técní-j
car la reminiscencia, sino examinar una línea camente, parecería haber sólo una condición ¡
de razonamiento que llevó a un psicólogo a que satisficiera ese requerimiento: la muerte. ]
rechazar el “ensayo” como explicación del fe De este modo, el experimento de Jenkins- ¡
nómeno. Dallenbach no nos ofrece una prueba com
La sugestión fue que el ensayo no puede pletamente general de la teoría del decaimien
explicar la reminiscencia, porque las ratas to. Por tanto, hemos de considerar el proble
muestran la reminiscencia al aprender a co ma de si, durante un estado de interferencia ;
rrer por un laberinto, y no es fácil imaginar a cero, no hay olvido como problema actual
unas ratas ensayando su recorrido por un la mente insoluble, aunque sí sea potencialmen-;
berinto entre prueba y prueba. No es posible te soluble (tal vez mediante avances de la
considerar seriamente que esa declaración criogénica, en que se pueda congelar a perso
tiene que ver con el problema de la reminis nas, pero aun someterlas a prueba).
cencia: en la actualidad simplemente no hay El estudiante interesado deberá enumerar
manera de determinar si las ratas practican o un número de otros problemas y decidir si
no practican aceptando la definición común son solubles. Para empezar: “¿se comporta la
de “práctica”. Por tanto, la hipótesis de que gente igual, tenga conciencia o no de que está
las ratas muestran reminiscencia pero no en participando en un experimento?” “¿Pode
sayan, no puede someterse a prueba en la ac mos responder a la pregunta de si la persona
tualidad. Si, algún día, lográramos desarro actúa de modo diferente sólo porque se usa
llar una eficaz “máquina para leer el pensa un aparato, un cuestionario o un test?” Si la
El problema 31
observación de un fenómeno altera el fenó dicado la existencia de impulsos neurales efe

meno mismo es pregunta muy general de la rentes que descienden del sistema nervioso
ciencia. Y es particularmente pertinente en la central y que pueden inhibir las respuestas.
psicología. Los conductistas, que se basan en este con
cepto, pueden caer en una trampa similar a la
La circularidad viciosa de los doctrinarios del instinto. Es decir, a
la pregunta, “¿por qué no ocurrió la respues
La circularidad viciosa hace insolubles los ta X?”, podríamos contestar: “porque hubo un
problemas. Antes de concluir esta sección, impulso neural inhibidor”. Y, entonces, po
consideremos un tipo de razonamiento que, dríamos volver a la segunda pregunta: “pero,
cuando ocurre, resulta positivamente desas ¿cómo sabe usted que hubo un impulso neu
troso para la empresa científica. El razona ral inhibidor?” Si la respuesta es, en efecto,
miento falaz, llamado circularidad viciosa, “porque la respuesta no ocurrió”, podremos
ocurre cuando una respuesta se basa en una ver inmediatamente que se ha recurrido al
pregunta y la pregunta en la respuesta, sin proceso de la circularidad viciosa. Para evitar
apelar a otra información fuera de este círcu esta falacia del razonamiento, el psicólogo
lo vicioso. La cuestión es pertinente al crite deberá depender de información exterior. En
rio número 2 de la p. 25, sobre la formula este ejemplo, deberemos registrar independien
ción apropiada de un problema soluble. Una temente el impulso neural inhibidor, de modo
ilustración histórica es el desarrollo y la caída que sea una base sólida y no circular, para
de la doctrina del instinto. A principios de afirmar que ocurrió. Por tanto, el razonamien
nuestro siglo, “nombrar un instinto” era un to podría seguir, legítimamente, de esta ma
juego muy popular, que dio por resultado una nera: ”¿por qué no ocurrió la respuesta X?”
muy extensa lista de instintos como el grega “Porque hubo un impulso neural que la inhi
rio, de agresividad, etc. Su objetivo era expli bió” “¿Cómo sabemos que en realidad hubo
car la aparición de cierto tipo de conducta, tal impulso?” “Porque lo hemos registrado con
llamémosla X, postulando la existencia de un un conjunto de instrumentos separados”,
instinto, digamos al instinto Y. Sólo con el como lo hicieron Hernández-Peón, Scherrer
tiempo se hizo obvio que este esfuerzo no lle yjouvet (1956).
vaba a ninguna parte y, entonces, perdió im La lección que debemos sacar de estas con
portancia. El juego, para reconstruir su circula sideraciones sobre la circularidad viciosa es
ridad viciosa, era así. Pregunta: “¿por qué que debe haber una documentación de la exis
muestran los organismos la conducta X?”Res tencia de los fenómenos que sea independien
puesta: “porque tienen el instinto Y”. Pero la te del planteamiento del problema y de la so
segunda pregunta: “¿cómo sabemos que los lución propuesta. De otra manera, el proble
organismos tienen el instinto Y?” Respuesta: ma será insoluble: no habrá alternativa a la
“porque muestran la conducta X". El razona hipótesis de que es cierto. El principio clásico
miento va de X a Y y de Y a. X, no explicando, del aprendizaje, del célebre psicólogo Edwin
así, nada. Los problemas que se enfocan de Guthrie, dice que cuando se da una respuesta
esta manera constituyen una clase especial ante un patrón de estímulo, la siguiente vez
de problemas insolubles y debemos tener cui que se presente ese patrón de estímulo, el
dado de evitar la invención de nuevos juegos organismo dará la misma respuesta. Para po
como el de nombrar pulsiones o motivos. Para ner a prueba este principio, supóngase que
mostrar el peligro desde un punto de vista registramos cierta respuesta a un estímulo.
más contemporáneo, consideremos la pregun Más adelante volvemos a presentar el estímu
ta de por qué no ocurrió una respuesta dada. lo y descubrimos que surge una respuesta dis
Una posible respuesta es que un impulso neu- tinta. El científico, que es víctima de esta
ral inhibidor impidió que el impulso excita línea de circularidad viciosa de razonamien
torio produjera una respuesta. Es decir, la to, podrá decir que, aun cuando la segunda
investigación neurofisiológica reciente ha in presentación del estímulo pareció la misma
32 El problema
que la primera, sin duda debió no ser así. Co consideran sin importancia puedan resultar
mo la respuesta cambió, el estímulo también importantísimos; si no hoy, tal vez en el futu
debió de cambiar, de manera no evidente. Si ro. Por desgracia, no hay respuesta a esta ob
la respuesta no cambió se infiere que el estímu jeción. En realidad, tal situación es concebible
lo tampoco cambió, pero si la respuesta cam y sugerir que un problema debe ser impor
bió, se infiere que el estímulo también debió tante podría inhibir cierta investigación va
de cambiar. Así, la respuesta se vuelve la úni liosa. Sin embargo, si un experimentador pue
ca norma para juzgar si el estímulo cambió de prever que un estudio tendrá alguna im
(al menos, en este ejemplo). Un científico que portancia para una teoría o para una práctica j
razona así jamás logrará refutar el principio; aplicada, los resultados probablemente serán j
por tanto, el principio se vuelve imposible de más valiosos que si tales consecuencias no I
someter a prueba. Para poder comprobarlo pudieran preverse. Hay algunos psicólogos
deberá haber una especificación de si la pau que nunca efectuarían un experimento a me
ta de estímulo cambió de la primera a la se nos que éste tuviese una influencia específi- i
gunda prueba: especificación que debe ser ca sobre una posición teórica dada. Esta posi
independiente de la respuesta encontrada. ción puede ser demasiado rígida pero tiene
su mérito.
ALGUNAS CONSIDERACIONES No es fácil distinguir entre un problema
ADICIONALES DE PROBLEMAS importante y un problema no importante,
pero sí puede quedar bastante claramente es
Un problema debe tener valor tablecido que algunos problemas con mayor
probabilidad que otros contribuirán al avan
Aun después de haber determinado que un ce de la psicología. Sería una buena idea que
problema es actualmente soluble, se deberán el experimentador trate de elegir el que se
satisfacer otros criterios antes de dedicar con considera un problema importante y no un
siderables esfuerzos a efectuar un experimen problema que carece relativamente de impor
to. Una característica deseable es que el pro tancia. Dentro de estos límites, un tanto ge
blema sea de suficiente importancia. Surgen nerales, no se sugieren otras limitaciones. En
muchos problemas a los cuales el psicólogo todo caso, la ciencia es el clímax del proceso
no dará respuestas inmediatamente, y ni si democrático y cualquier científico es libre de
quiera en el futuro, aunque en realidad sean trabajar en cualquier problema. Lo que algu
solubles. Algunos problemas sencillamente no nos científicos juzgarían como “problemas
tienen importancia suficiente como para jus ridículos” bien puede tener una importancia
tificar la investigación: son demasiado trivia revolucionaria. Algunos psicólogos han desea
les o demasiado costosos (en cuestión de tiem do que se funde una revista profesional, con
po, dinero y esfuerzo) de responder. Es pro un título como La revista de las ideas chifladas,
bable que durante siglos no se tenga la res para alentar toda investigación excéntrica y
puesta al problema de si las ratas prefieren el especulativa.
queso suizo o el americano. De manera simi
lar “el porqué luchan las naciones” probable Evite el problema del callejón sin salida
mente no tenga respuesta: no porque carezca
de importancia, sino porque su respuesta exi A veces, el psicólogo cobra conciencia de
giría mucho más esfuerzo del que la sociedad un problema que es soluble, adecuadamente
parece dispuesta a dedicarle. redactado e importante, pero una acumula
Al estudiante podrá parecerle que algunos ción de experimentos sobre el problema mues
aspectos de este análisis representan un pun tra resultados contradictorios y, a menudo, no
to de vista peligroso. Podemos preguntar parece haber razón para tales discrepancias.
cómo saber si un problema particular carece Esto es lo que podría llamarse problema del
de importancia. Tal vez los resultados de un callejón sin salida. Ante esta situación, pare
experimento con un problema que algunos ce no valer la pena efectuar “sólo otro experi
El problema 33
mentó más” sobre el problema, porque tal vez era “demasiado matemático”. De manera si
se ganará poco, resulte como resulte el expe milar, como los astrónomos ingleses de 1845
rimento. El problema del callejón sin salida desconfiaban de las matemáticas, no fue pu
existe cuando hay numerosos experimentos blicado el descubrimiento de Adams de un
contradictorios, de modo que se gana poco nuevo planeta (Neptuno).
añadiendo más datos a uno y otro bando. A Un gran error que han cometido los cien
menos que un experimentador pueda ser ima tíficos a lo largo de la historia consiste en juz
ginativo y crear un nuevo enfoque que tenga gar la calidad de la investigación científica por
cierta oportunidad de sistematizar el conoci la categoría del investigador, como en el caso
miento en esta área, probablemente lo mejor de los problemas más interesantes a los que
sea mantenerse apartado de esa área y dedi se enfrentó Mendel. Este, al parecer, escribió
car sus limitadas energías a investigaciones con toda deferencia a uno de los botánicos
de un problema que tenga mayor oportuni más distinguidos de su época, Cari von Nágeli,
dad de aportar algún conocimiento nuevo. de Munich. Mendel, humilde monje de Brüun,
obviamente era un simple aficionado que
Reacciones psicológicas a los problemas expresaba ideas fantásticas, las cuales por cier
to iban en contra de las del maestro. No obs
Por desgracia, la existencia de los proble tante, von Nágeli hizo a Mendel el honor de
mas que conducen a avances científicos pue responderle, aconsejándole que dejara sus
de ser causa de angustia para algunas perso experimentos con guisantes, y experimenta
nas. Cuando se logra un descubrimiento nue ra con vellosilla. Resulta irónico que Mendel
vo, las personas suelen reaccionar de una de siguiera el consejo del “gran hombre” y, así,
dos maneras. Una persona curiosa y creativa, trabajara en un callejón sin salida durante el
por una parte, intentará valerosamente expli resto de su vida científica, con una planta que
carlo. Una persona sin curiosidad ni imagina no era apropiada para el estudio de la heren
ción, en cambio, tratará de pasar por alto el cia de características separadas.
problema, esperando que desaparezca por sí Esperamos que la sociedad en general y los
solo. Un buen ejemplo de este último tipo de científicos en particular, finalmente, apren
reacción ocurrió alrededor del siglo XV, cuan dan a evaluar los avances del conocimiento
do los matemáticos presentaron un número sobre la base de la norma de verdad y, enton
“nuevo” al que llamaron cero. La idea de que ces, se reduzcan las muchas fuentes de resis
el cero pudiese ser un número era perturba tencia a los descubrimientos hasta quedar eli
dora y algunos cuerpos legislativos de ciuda minadas.
des aprobaron leyes que prohibían su uso. La
creación de números imaginarios produjo RESUMEN DEL CAPÍTULO
reacciones similares; en algunos casos, se pros
cribió todo el sistema numérico arábigo. I. Planteamiento del problema
Las reacciones negativas a descubrimien A. Existe un problema cuando sabemos lo
tos científicos no se han limitado a los legos y suficiente para ver que hay algo que no
en realidad han provocado respuestas muy sabemos. Las tres formas en que se ma
emotivas por parte de ciertos científicos. La nifiesta un problema son cuando
amplitud de criterio de los científicos no es 1. Hay una laguna en nuestro conoci
universal. Por ejemplo, los científicos-astró miento.
nomos necesitaron demasiado tiempo para 2. Los resultados de diversos experimen
aceptar la teoría de Copérnico sobre el movi tos son contradictorios.
3. Existe un hecho aislado que hay que
miento planetario, en parte porque parecía explicar.
“simplemente absurdo” pensar que la Tierra II. La ciencia sólo enfoca problemas solubles.
se mueve. El gran logro de Mendel —la crea A. Un problema es soluble si es posible plan
ción de su teoría sobre la herencia genética- tear una hipótesis apropiada como solu
no fue aceptado entre otras razones porque ción tentativa.
■
34 E l problema
B. Una hipótesis apropiada es la que es per B. Deben evitarse los problemas del tipo ca
tinente al problema y es empíricamente llejón sin salida.
comprobable. C. Las reacciones psicológicas a los proble
1. Con una hipótesis pertinente se pue mas: debemos subrayar una norma de
de hacer inferencia, de la hipótesis verdad.
:
al problema, de modo que si la hipó
tesis es cierta, el problema queda re REVISIÓN CRÍTICA PARA
suelto. EL ESTUDIANTE
2. Por “comprobable” queremos decir
que es posible determinar si la hipó
tesis es verdadera o falsa.
Al final del capítulo 1, hemos sugerido algu- ;
III. Reemplácese “verdadero” y “falso” por “gra nos métodos generales que pueden mejorar
do de probabilidad”. su eficiencia al estudiar. Tal vez al final de
A. Una hipótesis es comprobable si, y sólo cada capítulo desee usted revisar esas suge
si, es posible determinarle un grado de rencias y ver si puede aplicarlas a la nueva
probabilidad. unidad de estudio. Recuérdelo: trate siempre
B. Grado de probabilidad significa que la de estudiar toda la unidad. La unidad de es
hipótesis tiene una probabilidad entre 0.0 tudio más compleja definida por este libro es
(es falsa) y 1.0 (es verdadera). la de los métodos de investigación, por lo cual
IV. Los tipos de posibilidad usted en realidad deberá leer todo el libro para
A. Actualmente alcanzable.
tener un cuadro general y mejorar la pers
B. Potencialmente alcanzable.
V. Clases de comprobabilidad pectiva de su ámbito. Cuando se prepare para
A. Actualmente comprobable: podemos hoy su examen final podrá revisar todo el ámbito,
poner a prueba la hipótesis, con las ac formando una unidad completa de métodos
tuales capacidades humanas. de investigación, basada en todo el curso. Sin
B. La hipótesis es potencialmente compro embargo, de momento, algunas de las suge
bable; es decir, no podemos hoy poner a rencias de este capítulo para su “unidad com
prueba la hipótesis, ni podemos estar pleta” del problema son
seguros de que jamás se le pondrá a prue
ba, por lo que queda en la categoría de 1. Distinga entre un problema (“verdadero”) y
“esperar y ver". Si son suficientes los avan un seudoproblema: esto lo llevará a la cues
ces tecnológicos, entonces, algún día la tión de la distinción entre problemas solubles
hipótesis potencialmente comprobable e insolubles.
pasará a la categoría de actualmente 2. ¿Puede usted ofrecer algunos ejemplos de pro
comprobable. blemas que sean insolubles? Tal vez pueda
VI. Aplicar el criterio de probabilidad de la observar y reflexionar sobre acontecimientos
comprobabilidad acerca de usted y emplearlos como estímulo,
A. ¿Conciernen los fenómenos referidos en como, por ejemplo, “¿en qué está pensando ese
la hipótesis a hechos empíricamente ob pájaro?”
servables? 3. ¿Por qué es necesario, en la ciencia, que un
B. ¿Está debidamente formulada la hipóte problema sea soluble, al menos en principio?
sis, de modo que se la puede poner a 4. ¿Qué es una definición operacional? ¿Es ne
prueba? cesario que todos los términos empleados en
VIL Problemas insolubles psicología sean definidos operacionalmente?
A. El problema no estructurado. (También, esta pregunta deberá ser considera
B. Los términos y la definición operado- da a lo largo de su estudio más avanzado de la
nales fueron inadecuadamente definidos. metodología científica.)
C. Imposibilidad de recabar datos pertinen 5. Por último, podrá usted empezar la formula
tes. ción de su respuesta a la pregunta que es foco
D. La circularidad viciosa hace insoluble el de todos los esfuerzos académicos: “¿qué es el
problema conocimiento?”
VIII. Algunas consideraciones adicionales
A. Los problemas deben tener importancia
tecnológica o teórica.
capítulo 3
LA HIPÓTESIS

Comprender las características esenciales de La capacidad de plantear una hipótesis dentro
las hipótesis científicas. del contexto de la investigación anterior, que
Lo que usted encontrará: usted podrá poner a prueba en su propio ex
1. Que las hipótesis son relaciones propuestas entre
perimento.
variables y son soluciones tentativas a problemas.
2. Que su formato básico es el de una implicación ge
neral en que una variable implica a otra.
3. Que las hipótesis comprobables a prueba siempre
tienen un grado determinable de probabilidad (nun
ca pueden ser absolutamente verdaderas o falsas).
LA NATURALEZA DE UNA HIPÓTESIS Si después de la experimentación apropiada,

se confirma la hipótesis pertinente, se resuel
Una investigación científica debe empezar por ve el problema. Pero si es probablemente fal
un problema soluble. Entonces, se ofrece una sa, es claro que no resuelve el problema.
solución tentativa en forma de hipótesis per Considérese la pregunta: “¿qué hace a un
tinente, que es empíricamente comprobable: buen jugador de bridge?” Nuestra hipóte
debe ser posible determinar si la hipótesis es sis puede ser que “las personas que son inte
probablemente cierta o probablemente falsa. ligentes y que muestran gran interés por el
35
36 La hipótesis
juego son buenas jugadoras de bridge”. Si ¿Qué es un hecho? Hecho es una palabra co
la recabación e interpretación de suficien mún y, como tal, su significado es bastante
tes datos confirma la hipótesis, el problema vago. Con ella queremos decir algo, como que
está resuelto, porque podemos responder a la un hecho es “un evento que ocurrió en reali
pregunta.1 Por otra parte, si descubrimos dad”. Es algo de lo que estamos compíe tameif
que estas cualidades no forman a un buen te seguros que ha ocurrido (Becquerel estaba
jugador de bridge, no hemos confirmado completamente seguro de que la película se
nuestra hipótesis y no hemos resuelto el pro había velado). Sin embargo, esas palabras co
blema. munes deben ser reemplazadas por términos
El poder explicativo de las hipótesis. Con más precisos. Por ejemplo, en lugar de em
frecuencia, puede decirse que una hipótesis plear la palabra hecho supóngase que conce
confirmada que resuelve un problema expli bimos que se velara la película como una va
ca otras cuestiones relacionadas con el pro riable, es decir, la película pudo velarse en va-'
blema. Supongamos que existe un problema rios grados, desde una cantidad cero hasta la
porque poseemos un hecho aislado que nece total exposición. De manera similar, la canti
sita explicación. Si podemos relacionar de dad de energía radiactiva emitida por un pe
manera apropiada ese hecho con algún otro dazo de uranio es una variable que puede ir
podremos explicar el primero. Para compren de cero a una gran cantidad. Por consiguien-j
der este punto, obsérvese que una hipótesis te, en lugar de decir que los dos hechos están
es la herramienta con la que tratamos de en relacionados, podemos hacer la afirmación
contrar esa explicación; es decir, empleamos más productiva de que dos variables están re
una hipótesis para plantear una relación posi lacionadas. Las ventajas de esta precisión son
ble entre un hecho y otro. Si descubrimos que considerables, pues ahora podemos plantear
los dos hechos en realidad están relacionados la hipótesis de una relación cuantitativa; cuanto ¡
de la manera planteada por la hipótesis, en mayor sea la cantidad de energía radiactiva
tonces habremos alcanzado nuestro propósi emitida por el uranio, más se velará la pelícu
to inmediato: habremos explicado el primer la. Por tanto, en lugar de establecer la distin
hecho. (Se ofrece un análisis más completo ción bastante burda entre película velada y
de la explicación en el capítulo 12.) película no velada, podemos hablar ahora de
la cantidad de lo velado. De manera similar, el
Para ilustrar la cuestión, reconsideremos
el problema del capítulo 2 acerca de la pelícu uranio no sólo está emitiendo energía radiac
la fotográfica que se veló. Este hecho pedía tiva; está emitiendo una cantidad de energía.
una explicación y Becquerel también obser Ahora, estamos en posición de hacer declara
ciones muy precisas y de vasta generalidad.
vó un segundo hecho: que un pedazo de ura
nio se encontraba cerca de la película. Su hi Antes, sólo podíamos decir que si el uranio
emitía energía, la película se velaba. Ahora,
pótesis fue que cierta característica del ura
podemos decir que si el uranio emite poca
nio había velado la película. Su prueba de
esta hipótesis tuvo éxito. Al relacionar el he energía, la película se velará un poco; si el
cho de que la película se velara con una carac uranio emite mucha energía, la película se ve
lará mucho; y así sucesivamente. Con núme
terística del uranio, el hecho quedó así expli
cado.1 ros, podemos hacer muchas más declaracio
nes acerca de la relación entre estas dos varia
bles. Más adelante, analizaremos las declara
1Pero el problema no está completamente resuelto, por ciones cuantitativas de hipótesis. Pero, de
que se necesita más investigación para ensanchar nuestra momento, podemos definir una hipótesis
solución, como, por ejemplo, encontrar otros factores que como una declaración comprobable de una
hagan a un buen jugador de bridge. Una hipótesis más relación potencial entre variables que puede
extensa podría incluir el factor de la autodisciplina y, por
ello, tener una mayor probabilidad que la anterior, ya que explicar “hechos”.
contiene más variables pertinentes, es más general y ofre Otros términos como “teorías”, “leyes”,
ce una solución más completa. “principios” y “generalizaciones” plantean
La hipótesis 37
relaciones entre variables, así como el térmi sibilidades y, puesto que una de las posibili
no hipótesis. Más adelante distinguiremos en dades tiene que ser cierta, la declaración mis
tre estas relaciones, pero en éste y en los próxi ma debe ser cierta. Por otra parte, una decla
mos capítulos nuestro estudio será aplicable ración contradictoria (también llamada, a veces,
a cualquier declaración que comprenda rela “autocontradicción” o “declaración lógica
ciones empíricas entre variables, sin hacer mente falsa”) es la que siempre adopta un valor
distinciones entre ellas. Lo que debemos en de verdad defalso-, es decir, por el modo en que
focar es que se efectúa un experimento para está construida, la declaración necesariamen
poner a prueba una relación empírica y, por te es falsa. La negación de una declaración
conveniencia, habitualmente nos referiremos analítica, obviamente, es una declaración con
al planteamiento de esa relación como a una tradictoria. Por ejemplo, la afirmación “es fal
hipótesis. Cuando decimos que una hipótesis so que usted sea mayor que su hermano o que
es empírica, queremos decir que se remite di sea menor que él mismo” (o la declaración
rectamente a datos que podemos obtener ob lógicamente equivalente “si usted tiene un
servando la naturaleza. Las variables conteni hermano entonces usted es mayor que su her
das en una hipótesis empírica pueden defi mano y es menor que su hermano”) es una
nirse operacionalmente y, por tanto, se remi declaración contradictoria. Esta declaración
ten a hechos que pueden medirse en forma comprende todas las posibilidades lógicas,
directa. peni indica que todas esas posibilidades lógi
cas son falsas.
DECLARACIONES ANALÍTICAS,
CONTRADICTORIAS Y SINTÉTICAS Las hipótesis son declaraciones sintéticas. El
tercer tipo de declaración, la sintética, no es
Para subrayar la importancia de la naturaleza analítica ni contradictoria. Una declaración
empírica de una hipótesis, obsérvese que to sintética puede ser verdadera o falsa-, por ejem
das las declaraciones posibles (frases, propo plo, la declaración “usted es mayor que su her
siciones) entran en una de tres categorías: ana mano” puede ser verdadera o falsa. Lo im
líticas, contradictorias o sintéticas. Estos tres ti portante para nosotros es que una hipótesis
pos de declaración difieren sobre la base de debe ser una declaración sintética. Por tanto, ve
sus posibles valores de verdad. Por valor mos que cualquier hipótesis puede quedar
de verdad, queremos decir que una declaración establecida como (probablemente) verdadera
es verdadera o falsa. Podemos decir, así, que o falsa.
una declaración dada tiene el valor de verdad Otro ejemplo de declaración analítica es
de cierta (semejante declaración es “verdade “estoy en Chicago o no estoy en Chicago”. Esta
ra”) o que tiene el valor de verdad de falsa afirmación necesariamente es cierta porque
(ésta es “falsa”). Sin embargo, dada la natura no existen otras posibilidades. La proposición
leza de su construcción (el modo en que fue contradictoria es “estoy en Chicago y no es
ron formadas), algunas declaraciones sólo toy en Chicago”. Es claro que tal declaración
pueden adquirir ciertos valores de verdad. Por es absolutamente falsa si excluimos la triste
ejemplo, ciertas declaraciones pueden tomar posibilidad de encontrarse uno dividido. Por
el valor de verdad de sólo ciertas. A tales de último, la correspondiente declaración sinté
claraciones se las llama declaraciones analíti tica es “estoy en Chicago”, declaración que
cas (otros nombres que se les dan son “decla puede ser ya sea verdadera o falsa, o bien,
raciones lógicamente ciertas” o tautologías). puesto que ninguna declaración empírica
Así, una declaración analítica es una declaración puede ser estrictamente verdadera o falsa,
que siempre es cierta: no puede serfalsa. La afir empleamos estos términos en un sentido de
mación “si usted tiene un hermano, enton aproximación, de modo que son “probable
ces, es mayor que su hermano o es menor que mente verdaderos” o “probablemente falsos”.
su hermano” es ejemplo de una declaración ¿Por qué debemos plantear las hipótesis en
analítica. Semejante declaración agota las po forma de declaraciones sintéticas? ¿Por qué
38 La hipótesis
no emplear declaraciones analíticas, caso en miento adicional. La idea es que la ciencia j

el cual quedaría garantizado que nuestras hi emplea los tres tipos en formas distintas, su
pótesis fueran ciertas? La respuesta se encuen brayando que la proposición sintética es para
tra en una interpretación de la función de ios plantear hipótesis: son nuestros intentos por
diversos tipos de declaración. La razón de que decir algo informativo acerca del mundo na-:
una declaración sintética pueda ser verdade tural.
ra o falsa es que se remite al mundo empíri
co; es decir, constituye un intento por decir LA MANERA DE PLANTEAR HIPÓTESIS
nos algo acerca de la naturaleza. Como lo
hemos visto antes, toda declaración que se re Así pues, concediendo que una hipótesis es
fiere a acontecimientos naturales puede estar la declaración de una relación empírica po
en el error. Sin embargo, una declaración tencial entre dos o más variables, y también
analítica es hueca. Aunque absolutamente cier que es posible atribuirle cierto grado de pro
ta, no nos dice nada acerca del mundo empí babilidad, bien podemos preguntar qué
rico. Esta característica resulta de que una forma deberá tomar esa declaración (propo
declaración analítica incluye todas las posibi sición), es decir, precisamente cómo debere
lidades lógicas, pero no nos informa sobre cuál mos plantear las hipótesis en el trabajo cientí
es la verdadera. Éste es el precio que hay que fico.
pagar por la verdad absoluta. Si deseamos
plantear una información acerca de la natura Las hipótesis son relaciones de
leza, deberemos emplear una declaración sin "Si..., entonces..."
tética, caso en el cual la declaración siempre
corre el riesgo de ser falsa. Por ello, si alguien Uno de los más grandes filósofos de todos
me pregunta si usted es mayor que su herma los tiempos, lord Bertrand Russell, respondió
no, yo podré darle mi mejor juicio y decir: “es a esta pregunta proponiendo que se emplea
mayor que su hermano”, lo cual es una decla ra la forma lógica de la implicación general
ración sintética. Puedo estar equivocado, pero para expresar hipótesis. En nuestro idioma,
al menos estoy tratando de revelar a la perso la implicación general puede expresarse como:
na algo acerca del mundo empírico. Tal es el “si..., entonces...”; es decir, si se sostienen cier
caso de nuestras hipótesis científicas; pueden tas condiciones, entonces también se sosten
ser falsas pese a nuestro esfuerzo por afirmar drán otras condiciones. Para comprender me
las verdaderas, pero son potencialmente in jor la condición “si..., entonces...”, hagamos
formativas, ya que son nuestros esfuerzos por que a represente el primer conjunto de con
decir algo acerca de la naturaleza. diciones y b el segundo. En este caso, la impli
cación general sería, “si a, entonces b”. Sin
El valor de las declaraciones analíticas y con embargo, para comunicar las condiciones in
tradictorias. Si las declaraciones analíticas son dicadas por a y b, debemos plantear dos pro
huecas y no nos dicen nada acerca de la natu posiciones: los símbolos a y b representan
raleza, para empezar, ¿por qué preocuparse proposiciones que expresan estos dos conjun
por ellas? La respuesta a esta pregunta puede tos de condiciones. Si unimos estas dos senci
ofrecer muchos detalles. Baste decir aquí que llas proposiciones, como lo hacemos cuando
las declaraciones analíticas son valiosas para empleamos la implicación general, entonces
facilitar el razonamiento deductivo (inferen terminaremos con una sola proposición com
cias lógicas), que es necesario para poner a puesta. Y esta proposición compuesta es nues
prueba hipótesis, como lo veremos en el capí tra hipótesis.
tulo 12. Las declaraciones en matemáticas y La proposición a es la condición antece
en lógica son declaraciones analíticas y con dente de la hipótesis (llega antes) y ó es la con
tradictorias, asimismo resultan valiosas para dición consecuente de la hipótesis (sigue a la
la ciencia porque nos permiten transformar condición antecedente). Hemos dicho que una
declaraciones sintéticas sin añadir un conoci hipótesis es una declaración que relaciona dos
La hipótesis 39
variables, que son las condiciones anteceden Sin duda estas hipótesis, o hipótesis impli
te y consecuente. A los símbolos a y b se los cadas, no se adaptan a la forma especificada
llama variables proposicionales. Vemos así que por la implicación general. ¿Es malo esto?
una hipótesis propone una relación entre dos ¿Estamos cometiendo graves errores al no
variables (proposicionales) por medio de la atender precisamente al consejo de Russell?
implicación general, de la manera siguiente: No, en realidad: siempre es posible replantear
“si a es cierta, entonces b también lo es”. La esas hipótesis como implicaciones generales,
implicación general es simplemente una pro de la manera siguiente. Dentro de la primera
posición que dice que si tal y tal es el caso (a), hipótesis están las dos variables de cantidad
entonces tal y tal otra cosa está implicada (b). de refuerzo verbal y de cantidad de conducta
La implicación general es una proposición aceptable en el aula, para las cuales las propo
lógica común que relaciona dos variables, a y siciones correspondientes son: (1) el profesor
b, que pueden representar cualquier cosa que refuerza verbalmente al estudiante por un
deseemos. Si sospechamos que dos variables desempeño deseable en el aula y (2) mejora
particulares están relacionadas, podemos plan el desempeño del estudiante. La hipótesis que
tear como hipótesis una relación entre ellas. relaciona estas dos variables proposicionales
Por ejemplo, podemos pensar que un grupo es: “si un profesor refuerza verbalmente al
de trabajo industrial que se encuentra en gran estudiante por un desempeño aceptable en el
conflicto interno y que ha reducido sus nive aula, entonces el desempeño del estudiante en
les de producción. Aquí, las dos variables son: el aula mejorará”.
(1) el grado de conflicto interno en un grupo De manera similar, para la segunda hipó
de trabajo industrial, y (2) el grado de pro tesis, las proposiciones que contienen las va
ducción de los grupos de trabajo. Podemos riables pertinentes son: (1) a los estudiantes
formular dos proposiciones: (1) “un grupo se Ies da la oportunidad de participar en co
de trabajo industrial está en gran conflicto mités académicos universitarios, y (2) dichos
interno”, y (2) “ese grupo de trabajo tendrá estudiantes reciben peores calificaciones en
un nivel inferior de producción”. Si hacemos sus clases. La hipótesis: “si a los estudiantes se
que a represente la primera proposición y les da la oportunidad de participar en comi
b la segunda, nuestra hipótesis dirá: “si un tés académicos universitarios, entonces dichos
grupo de trabajo industrial se encuentra en estudiantes recibirán peores calificaciones en
gran conflicto interno, entonces, ese grupo de sus clases”.
trabajo tendrá un nivel inferior de produc Es evidente que estas dos hipótesis embo
ción”. nan en la forma “si a, entonces b”, aunque
Con esta interpretación de la implicación haya sido necesario modificar un tanto los
general para plantear hipótesis, conviene in planteamientos originales. Aun así, estas mo
quirir acerca de la frecuencia con que se em dificaciones no cambiaron su significado.
plea en psicología la propuesta de Russell. La Por ello, lo que hemos dicho al respecto es
respuesta es clara: el uso explícito de la impli que implícitamente empleamos la implicación
cación general es casi inexistente. Este punto general para plantear hipótesis, aun cuando
lo ilustrarán dos muestras de hipótesis, esen parezcan expresadas de muy diversas mane
cialmente como fueron planteadas en publi ras. Podemos entonces replantear esas hipó
caciones profesionales:12 tesis explícitamente como implicaciones ge
nerales. Es importante utilizar la forma de la
1. El propósito de la actual investigación es es implicación general para plantear hipótesis,
tudiar los efectos del refuerzo verbal de un porque determinamos entonces si las hipóte
maestro sobre la conducta de sus alumnos en
sis se confirman haciendo ciertas inferencias,
el aula.
2. Dar a los estudiantes la oportunidad de partici a partir de los hallazgos experimentales. Las
par en comités académicos universitarios da por reglas de la lógica nos dicen qué tipos de in
resultado un mayor número de calificaciones ferencia son legítimos o válidos. Para deter
negativas en sus clases. minar si las inferencias son válidas, se pue
40 L a hipótesis
den plantear las declaraciones implícitas en pendiente Y, pueden ser similarmente cuan ti-
las inferencias (por ejemplo, las hipótesis), ficadas, de modo que una calificación de 10
como implicaciones generales. Por tanto, para sea 4.0, un 9 sea 3.0, etc. Se podría poner a
comprender las inferencias experimentales prueba la hipótesis para todos los posibles
deberemos emplear formas lógicas estándar, valores numéricos de las variables indepen
como se explicará cuando analicemos las diente y dependiente.
inferencias experimentales en el capítulo 12. De este modo, aun cuando se haya plantea
Otra razón para plantear una hipótesis co do una hipótesis en forma matemática, esa
mo implicación general es que hacerlo puede forma sigue siendo básicamente de la relación
ayudar a aclarar la razón para efectuar el expe “si a, entonces b”. En lugar de decir “si a en
rimento. Es decir, al anotar sucinta y lógica tonces b”, simplemente decimos “si (y sólo si) i
mente el propósito del experimento como X tiene este valor, entonces Y tiene este otro
prueba para una implicación general, el ex valor”. Por ejemplo, si X es 3 (participación)
perimentador se ve obligado a enfrentarse a media en comité), entonces Y es 2.0 (califica
la naturaleza precisa de las variables pertinen ción promedio).
tes. Se puede suprimir toda la vaguedad que |
haya quedado en la hipótesis cuando se plan La implicación general es una
tean las definiciones operacionales de las va aproximación a una declaración de
riables. probabilidad 1
j
Planteamientos matemáticos de hipótesis Todas las hipótesis tienen un carácter de
probabilidad, ya que ninguna de ellas puede
Otra forma más de plantear hipótesis com ser absolutamente verdadera o falsa. Y sin
prende declaraciones matemáticas esencial embargo, las anteriores hipótesis en la forma
mente como sigue: Y=f(X). Es decii', una hi lógica de “si a, entonces b”, o la fórmula mate
pótesis planteada de este modo propone que mática de i? =f(E) son absolutas, ya que no les
determinada variable Y se relaciona con cier asignamos un valor de probabilidad. Estricta
ta variable X, o bien, en forma alterna, que Y mente hablando, la declaración “si a, enton
es función de X. Una hipótesis así planteada ces b" sólo puede ser verdadera o falsa. Por
matemáticamente embona en nuestra defi consiguiente, recuérdese que estas formas
nición general de una hipótesis como decla de declaración se utilizan en un sentido de
ración de que dos variables están relaciona aproximación y comprenden de manera im
das. Aun cuando las variables sean cuantitati plícita la condición de que son probables o
vas (sus valores se pueden medir con núme improbables.2
ros), pueden referirse a cualquier cosa que de
seemos. En psicología, el paradigma clásico Conexiones causales entre condiciones
del planteamiento de nuestras leyes ha tenido antecedentes y consecuentes
la forma de R =f(E). En este ejemplo, identifi
camos una variable respuesta (R), que cambia Una última advertencia acerca del carácter
sistemáticamente al variar el estímulo (E). En lógico de las leyes científicas es que nuestras
la hipótesis acerca de la participación de los leyes deben expresar una conexión más fuer
estudiantes en los comités, podemos asignar te entre las condiciones antecedente y conse
números a la variable independiente, que se cuente que una simple conexión accidental.*lo
rían X en la ecuación Y =f(X). Así, la medida
en que los estudiantes participan en los comi
tés puede cuantificarse con una escala en que
2 Para ser más precisos, la declaración formal de nues
0.0 no indicaría ninguna participación, 1.0 tras hipótesis debería estar en realidad dentro del cálcu
poca participación, 2.0 una cantidad media lo de probabilidades (probabilidad lógica), de modo que
na de participación, etc. Las calificaciones una hipótesis podría plantearse A 3 B, en que/) es el gra
obtenidas en el curso es decir, la variable de do de probabilidad de la relación (véase McGuigan, 1956).
La hipótesis 41
Consideremos que “todas las pelotas de tenis bajo industrial, aunque quedó entendido que
que lleva Harry en su bolsa son amarillas”. Es la hipótesis concierne al menos a uno de tales
evidente que no hay una conexión necesaria grupos. Pero, ¿podría sostenerse para todos
y causal entre la condición antecedente de que los grupos de trabajo industrial? La respuesta
las pelotas estén en la bolsa de Harry y la con a esta pregunta no es clara y hay dos cursos
dición consecuente de que las pelotas sean posibles: (1) podríamos decir que el grupo de
amarillas. Por ejemplo, no es probable que trabajo particular no fue especificado, sepa
alguien sostenga que si colocáramos una pe rándolo de todos los posibles grupos de tra
lota blanca en la bolsa de Harry, se volvería bajo, lo que deja la cuestión en el aire, o (2)
amartilla. ¡Harry no puede tener esa clase de podemos afirmar una hipótesis universal, en
magia! el entendimiento implícito de que estamos
Nuestras leyes deben tener algún elemen hablando acerca de todos los grupos de traba
to de necesidad entre las condiciones antece jo industrial en conflicto. En este ejemplo, si
dente y consecuente, como en la declaración tomarnos cualquier grupo industrial en con
“el cobre siempre se dilata con el calor”. Si flicto, de ello se deberán seguir las consecuen
modificamos esta frase de manera que adop cias especificadas por la hipótesis. Para hacer
te la forma de una implicación general, diga avanzar el conocimiento, hemos elegido la
mos, “si se calienta el cobre, entonces se dila segunda interpretación, pues si seguimos
tará”, nos indicaría que calentar el cobre (con la primera interpretación no haremos ningún
dición antecedente), físicamente, impone la compromiso definido, y si nada se arriesga,
expansión (condición consecuente). Por con nada se gana. Si en la segunda investigación
traste, simplemente colocar una pelota blan se descubre que la hipótesis no es de alcan
ca en la bolsa de Harry, no hace que se con ce universal (no es aplicable a todos los gru
vierta en una pelota amarilla. Esto es impor pos de trabajo industrial), habrá que limitar
tante cuando contrastamos la investigación la. Éste es un definitivo paso adelante por
experimental con la correlacional. Las leyes que, aunque sea de una generalidad limitada,
que se derivan de la investigación experimen al menos, es cierta en el subdominio de los
tal si tienen un elemento de necesidad entre grupos de trabajo que comprende.
las condiciones antecedente y consecuente:
cuando se derivan de un experimento bien Hipótesis universales y existenciales
hecho, llegamos a una ley causal; es decir, la
variable independiente, tal como fue plantea Aunque el objetivo del científico es plan
da en la condición antecedente, causa el valor tear hipótesis que sean lo más universales
de la variable dependiente (como se planteó posibles, debemos declarar explícitamente el
en la condición consecuente). Pero este ele grado de generalidad con que las afirmamos.
mento de necesidad causal no puede afirmar Por consiguiente, investiguemos los posibles
se cuando simplemente descubrimos una co tipos de hipótesis que están a disposición del
rrelación entre dos variables. Sin embargo, científico.
más adelante hablaremos de esto. El primer tipo es la hipótesis universal, la
cual afirma que la relación en cuestión se sos
LOS TIPOS DE HIPÓTESIS tiene para todos los valores de todas las varia
bles que se especifican, para todo tiempo y
Como la implicación general es una buena en todo lugar. Un ejemplo de la hipótesis uni
forma de plantear hipótesis, también debe versal sería “todos los estudiantes universita
permitirnos generalizar convenientemente rios, si se les recompensa por presentarse a
nuestras leyes. Consideremos el ejemplo an tiempo para servir como participantes en ex
terior, en el cual dijimos que si un grupo de perimentos de psicología, serán puntuales”.
trabajo industrial tiene una característica es Sin embargo, dado que hay tantas excepcio
pecífica, de ello se derivarán ciertas conse nes a la conducta, normalmente las hipótesis
cuencias. No especificamos qué grupo de tra universales en psicología tienen que ser de
42 La hipótesis
alcance restringido. Debemos excluir de nues car la cuestión de la generalidad del fenóme
tra declaración universal las excepciones que no? Característicamente, los fenómenos espe-
descubramos. cificados en las hipótesis existenciales son di;
La hipótesis existencial afirma que la rela fíciles de observar y no es fácil saltar de este
ción planteada en la hipótesis se sostiene al tipo de hipótesis sumamente especializada a
menos para un caso en particular (“exis otra ilimitada y universal. Antes bien, el cien,
tencia!” implica que alguien existe); por ejem tífico intenta establecer las condiciones en las
plo, “hay al menos un estudiante universita que ocurre y en las que no ocurre el fenóme
rio que, si se le recompensa por presentarse a no, de modo que podamos afirmar después
tiempo, será puntual”. Los ejemplos de la hi una hipótesis universal con las necesarias con
pótesis existencial abundan; por ejemplo, una diciones y cortapisas. Durante la prueba de¡
de las clásicas generalizaciones empíricas de una hipótesis existencial, la idea era que las
Clark Hull dice que, en efecto, al menos algu alucinaciones auditivas de los esquizofrénicos!
nas condiciones de pulsión activan hábitos paranoides eran producto de que el paciente!
adquiridos bajo diferentes condiciones de hablaba, encubiertamente, en un murmulló]
pulsión. Por causa de su frecuente empleo en apenas audible. La hipótesis existencial fué¡)
psicología, se puede concluir que la hipótesis que “hay al menos un esquizofrénico paranoi-'i
existencial es útil en la investigación psicoló de tal, que si experimenta alucinaciones au
gica. Esto es así porque muchas veces un psi ditivas, entonces son respuestas habladas en-|
cólogo puede afirmar, con buen motivo, que cubiertas”. La investigación confirmó esta;;
existe un fenómeno dado, pero no sabe con hipótesis, descubriendo que las respuestas su¿
qué frecuencia ocurre. Un ejemplo célebre es surradas coincidían con el informe del pación-'i
la investigación pionera de Hermann Ebbing- te, de que oía voces. Podía suponerse que las?
haus, quien se empleó a sí mismo como suje alucinaciones auditivas eran producidas port
to. En un momento del siglo pasado en que, el paciente cuando, de forma encubierta, ha
en general, se consideraba imposible estudiar blaba consigo mismo. Una vez establecido e!¡
los procesos mentales superiores, Ebbinghaus fenómeno, aumentó la credibilidad de cierto j
procedió a medir su propia memoria y su ol tipo de hipótesis universal; la pregunta es;
vido. Por fortuna para nosotros, no tenía pre cómo plantear y condicionar debidamente una
paración de psicólogo, por lo que no sabía hipótesis universal. Para responder a esta pre-?
que estaba intentando realizar lo “imposible”. gunta debemos tratar de registrar las respues
Al demostrar así cómo se puede abordar ex tas susurradas y encubiertas durante las alu-j
perimentalmente el estudio de la memoria al cinaciones de otros pacientes. No hay duda
menos en una persona, abrió un nuevo cam de que a veces debemos esperar un fracaso. Y
po que también contribuyó considerablemen el fenómeno podría ser observable, por ejem-)
te a la medición cuantitativa de otros proce pío, sólo en los esquizofrénicos paranoides;
sos mentales. Un descubrimiento positivo que tienen alucinaciones auditivas, y no en
como el de Ebbinghaus basta para establecer aquellos que tienen alucinaciones visuales y .
la existencia de un fenómeno, y el siguiente olfatorias. Además, podemos tener éxito sólo}
paso consistirá en determinar la generalidad con los pacientes “nuevos” y no con los psicó-!
de la ley. La frecuencia creciente con que se ticos crónicos. Pero cualquiera que sea la con-;
estudia a un participante, como en la meto dición específica en que ocurra el fenómeno
dología de un solo caso (diseño de caso úni la investigación deberá llevarnos a una hipó
co, o N = 1, como en el capítulo 10) ofrece tesis universal que comprenda una declara
otras ilustraciones de hipótesis existenciales. ción que limite el dominio de su aplicación.
Por ejemplo, una hipótesis universal condi
De hipótesis existenciales a hipótesis univer cionada podría decir que “todos los esquizofré
sales limitadas. Después de confirmar una nicos paranoides que reconozcan sus alucina
hipótesis existencial que establece la existen ciones auditivas y que lleven internados me
cia de un fenómeno, ¿cómo podremos enfo nos de un año, si tienen alucinaciones auditi
La hipótesis 43
vas, entonces emiten respuestas habladas en ejemplo, el psicólogo observa largamente los
cubiertas”. acontecimientos de estímulo y respuesta. Se
Podemos ver así cómo la investigación avan ha notado que algunos estímulos son simila
za paso a paso. Nuestra meta es formular pro res a otros estímulos y que unas respuestas
posiciones de carácter general, pero esto se son similares a otras respuestas. Los estímu
logra estudiando un caso específico tras otro, los percibidos como similares de acuerdo con
una condición experimental tras otra, y sólo ciertas características pertenecen a la misma
gradualmente llegaremos a declaraciones de clase y lo mismo puede decirse de las respues
generalidad cada vez mayor. tas. Considérese una caja de Skinner en que
Una razón para establecer las declaracio una rata oprime una palanca y recibe una pella
nes universales es que las declaraciones más de alimento. Se produce un sonido “clic” an
generales tienen mayor poder predictivo. Di tes de que la rata oprima la palanca. Después
cho de otra manera, una declaración especí de cierto número de asociaciones entre el
fica tiene un limitado poder predictivo. Por “clic”, apretar la palanca y devorar la pella, la
ejemplo, consideremos la pregunta de si exis rata aprende a oprimir la palanca cuando oye
ten elefantes color de rosa. Ciertamente, na el sonido.
die afirmará que todos los elefantes son color El experimentador juzga que los ejemplos
de rosa, pero sería muy interesante observar separados de la respuesta consistente en opri
semejante fenómeno; por tanto, la hipótesis mir la palanca son lo bastante similares como
apropiada es de tipo existencial. Si se estable para clasificarlos en una misma categoría. De
ciera que se había confirmado la hipótesis manera similar, los sonidos son lo bastante
existencial, la delimitación de las condiciones similares como para formar una clase gene
podría conducir a la hipótesis universal de que ral. De este modo, el psicólogo emplea clasi
“todos los elefantes, si se encuentran en cier ficaciones para distribuir cierto número de
to lugar, tienen 106 años de edad, y respon datos en un número menor de categorías, que
den al nombre de Tony, entonces son color puede manejar con eficiencia. Luego, asignan
de rosa”. Es claro que una hipótesis tan espe do símbolos a las clases, el psicólogo intenta
cífica no sería muy útil para predecir hechos formular relaciones entre las clases. Se formula
futuros: un elefante que apareciera en esa ubi entonces una hipótesis como “si un estímulo
cación y en cierto momento del futuro dis auditivo se presenta cierto número de veces a
tante, muy probablemente no tendría las ca una rata en una caja de Skinner, y si a ello
racterísticas especificadas. sigue oprimir una palanca y comer una pella,
entonces la rata oprimirá la palanca como res
CÓM O SE LLEGA A UNA HIPÓTESIS puesta al sonido en futuras ocasiones”. Aun
que algunos científicos parecen dar sistemá
Pese a una investigación considerable so ticamente esos pasos, y otros lo hacen más al
bre creatividad, pensamiento, imaginación, azar, todos parecen aproximarlos hasta cierto
formación de conceptos y similares, sigue sien grado.
do difícil especificar el proceso por el cual
llegamos a una hipótesis. Presentamos ahora Formación de analogías
algunas posibles fuentes generales de hipó
tesis. Abstraer características de un conjunto de
datos y tratar de aplicarlas a otro fenómeno
Abstracción de las similitudes parece ser una forma de razonamiento por
analogía. Un filósofo clásico escribió al res
En esas fases creativas, el científico puede pecto: “Es hecho bien conocido que la mayo
observar varios datos, abstraer ciertas carac ría de las hipótesis se derivan de una analo
terísticas de esos datos, percibir ciertas simili gía... En realidad, una investigación minu
tudes en las abstracciones y relacionar dichas ciosa muy probablemente mostrará que todas
similitudes para formular una hipótesis. Por las teorías filosóficas son analogías desarro-
44 La hipótesis
liadas” (Dubs, 1930, p. 131). Como demostra Pero, ¿qué le pasa a una hipótesis que fue:
ción, hizo notar que la concepción de John refutada? Si hay una nueva hipótesis (poten-:
Locke, de ideas sencillas y complejas, proba cialmente mejor) que tome su lugar, se la po
blemente fue sugerida por la teoría de los áto drá descartar sin dificultad. Pero si no hay una:
mos químicos y los compuestos, que iba co nueva hipótesis, entonces es probable que:
brando importancia en su época. Suponien mantengamos la hipótesis falsa, al menos temí
do que las hipótesis se desarrollan por analo poralmente, porque ninguna hipótesis pare-1
gía, ¿cómo formularemos buenas hipótesis? La ce ser jamás descartada en la ciencia, a menos;
respuesta probablemente sea que aprendemos que sea reemplazada por una nueva. á
esta capacidad del mismo modo que apren
demos cualquier otra cosa: mediante la prác LOS CRITERIOS DE LAS HIPÓTESIS |
tica.
Obviamente, algunas hipótesis son más Una vez que hemos formulado una hipótesis,,|
difíciles de formular que otras. Tal vez cuanto ¿cómo sabemos si es “buena”? Desde luego, j
más general sea una hipótesis, más difícil será acabaremos por ponerla a prueba, y cierta-,J
de concebir. Las hipótesis generales impor mente, una hipótesis confirmada es mejor que, 3
tantes tienen que aguardar la llegada de un una no confirmada, ya que resuelve un pro- ;
genio que las proclame, y entonces la ciencia blema y por ello nos aporta cierto conocimien-•
da un considerable salto adelante, como ocu to adicional. Pero, aun así, algunas hipótesis $
rrió en los casos de Newton y de Einstein. confirmadas son mejores que otras. Ahora, i
Para formular hipótesis útiles y valiosas, un debemos preguntar lo que queremos decir ;
científico necesita, primero, la experiencia con “buena” y “mejor”. Los siguientes son :
suficiente en el área y, segundo, la calidad de criterios con los cuales se pueden juzgar las ]
“genio”. Un problema importante al formu hipótesis. Cada criterio debe ser leído en el
lar hipótesis en áreas complejas y desordena entendimiento de que la que mejor lo satisfa
das es la dificultad de establecer un nuevo ce, es la hipótesis preterida, suponiendo que
“conjunto”: la capacidad de crear una nueva la hipótesis satisfaga igualmente bien los otros
solución que va en contra, o que está en un criterios. También debe entenderse que se
plano diferente, del conocimiento existente. trata de criterios flexibles, que ofrecemosj
Es aquí donde se necesita genio científico. tentativamente. Al aumentar la información
Como ya lo hemos dicho, cada gran idea co en el área, sin duda serán modificados. La
menzó con una minoría de uno. hipótesis ¡j
Extrapolación de investigaciones 1. Debe ser comprobable. La hipótesis que es com

anteriores probable hoy, es superior a la que es potencial
mente comprobable.
2. Debe estar en armonía general con otras hipótesis en
Las hipótesis que formulamos dependen el campo bajo investigación. Aunque esto no es
casi siempre de los resultados de anteriores esencial, la hipótesis discordante suele tener el
investigaciones científicas. Los resultados de menor grado de probabilidad. Por ejemplo, la
un experimento sirven como estímulo para hipótesis de que el color de los ojos está rela
formular nuevas hipótesis; aunque los resul cionado con la inteligencia se encuentra en des
tados de un experimento se empleen para ventaja inmediata porque entra en conflicto con
poner a prueba la hipótesis, también pueden el cuerpo de conocimientos existente. Otros
sugerir otras hipótesis adicionales. Por ejem conocimientos considerables (como el de que
plo, si los resultados indican que la hipótesis el color del cabello no se relaciona con la inte
ligencia) nos sugieren que la hipótesis del “co
es falsa, se les podrá utilizar para formar una lor de los ojos” no es cierta: no va en armonía
nueva hipótesis que sí esté de acuerdo con los con lo que ya sabemos.
descubrimientos experimentales. En este caso, 3. Debe ser parsimoniosa. Si se plantean dos hipóte
la nueva hipótesis deberá ser puesta a prueba sis diferentes para resolver determinado pro
en un nuevo experimento. blema, deberá preferirse la más parsimoniosa.
i
L a hipótesis 45
Por ejemplo, si tenemos pruebas de que una 6. Debe ser expresada enforma cuantificada o ser sus
persona ha adivinado correctamente los sím ceptible a una cuantificación conveniente. La hipó
bolos (corazones, bastos, diamantes y espadas) tesis más cuantificada deberá preferirse. La ven
de cierto número de naipes, más que por sim taja de la hipótesis cuantificada sobre la no cuan
ple casualidad, varias hipótesis podrían expli tificada ya se mostró antes en el ejemplo de la
car este hecho. Alguien podría postular una per obra de Becquerel.
cepción extrasensorial (PES), mientras que otro 7. Debe tener un gran número de consecuencias y debe
podría decir que el sujeto “las vio” de algún ser de alcance general. La hipótesis que produce
modo. La hipótesis de que “las vio” es más par un gran número de deducciones (consecuen
simoniosa porque no nos exige plantear hipó cias), explicará más hechos ya establecidos y per
tesis sobre procesos mentales muy complejos. mitirá hacer más predicciones acerca de hechos
El principio de parsimonia se ha expresado que aún no se han estudiado o establecido (al
de diversos modos. Por ejemplo, la regla de gunos de los cuales pueden ser inesperados y
Guillermo de Occam (llamada navaja de Occam) nuevos). En general, la hipótesis que conduzca
sostenía que las entidades no deben multipli a un mayor número de deducciones importan
carse sin necesidad: regla similar al principio tes será la hipótesis más fructífera.
de identidad de los indiscernibles, de W. G.
Leibniz. El canon de Lloyd Morgan, es una apli
cación célebre del principio de parsimonia a la LA FUNCIÓN GUÍA DE LAS HIPÓTESIS
psicología: “En ningún caso deberá interpre
tarse una actividad animal en términos de pro Ya hemos analizado varias maneras en que
cesos psicológicos superiores si se la puede in las hipótesis nos permiten establecer la “ver
terpretar justamente en términos de procesos dad”, pero, ¿cómo sabremos dónde iniciar
que ocupan un lugar inferior en la escala de la nuestra investigación? La respuesta es que
evolución y el desarrollo psicológicos” (Morgan, nuestras hipótesis nos dirigen. Una investiga
1906, p. 59). Estos tres principios tienen el mis ción no puede proceder hasta que haya una
mo propósito general: buscar la explicación más solución sugerida a un problema, en forma
parsimoniosa de su problema. Por ello, debe
mos preferir una hipótesis sencilla a una com de cierto tipo de hipótesis, aun si sólo es pro
pleja si ambas tienen el mismo poder explicati visionalmente sostenida como hipótesis ini
vo; debemos emplear un concepto sencillo en cial de trabajo.
lugar de uno complejo si el más sencillo nos En el siglo XVII, Francis Bacon propuso
servirá tan bien como el otro (por ejemplo, que la tarea del científico consistía en clasifi
haber visto las cartas en comparación con la car todo el universo. Por desgracia, el núme
PES). No debemos atribuir capacidades supe ro de datos del universo es indefinidamente
riores a los organismos si la postulación de ca grande, si no infinito. En un mundo tan com
pacidades inferiores puede explicar igualmen plejo necesitamos tener algún tipo de guía
te bien la conducta que se deba explicar. para nuestras observaciones; de otro modo,
4. Deben tener simplicidad lógica. Con esto quere tendríamos poca razón para no sentarnos
mos decir unidad lógica y generalidad, no faci
lidad de comprensión. Por ello, si una hipóte donde estuviéramos y describir un puñado
sis puede explicar un problema por sí misma y de guijarros o cualquier cosa que estuviera
otra hipótesis también puede explicar el pro cerca de nosotros. Debemos fijar alguna prio
blema pero necesita cierto número de hipóte ridad al tipo de datos que estudiamos, y esto
sis de apoyo o de suposiciones ad hoc, deberá se logra por medio de hipótesis, que nos guían
preferirse la primera por su mayor simplicidad a hacer observaciones pertinentes a nuestro
lógica. (Debe notarse la íntima relación de esta problema; nos dicen qué observaciones de
norma con la de parsimonia.) ben hacerse y cuáles deben omitirse. Si nos
5. Debe responder (ser pertinente a) el problema parti interesa saber por qué una persona da ligeros
cular en cuestión, y no a algún otro. Debe pare
cer innecesario plantear esta norma pero, como golpes con las palmas a cada tercer poste de
lo hemos notado, en la historia de la ciencia teléfono, una hipótesis probablemente nos
pueden encontrarse ejemplos en que se dio una guiará a comprender mejor las compulsiones.
respuesta correcta a una pregunta errónea. A Y requeriríamos un larguísimo tiempo si em
menudo es importante hacer explícito lo obvio. pezáramos en una dirección al azar y tratára-
46 La hipótesis
mos de resolver este problema contando, por tecimientos, aparte de aquel al que inicialmentej
ejemplo, el número de briznas de hierba del dirigieron su atención. Una observación ca
campo. sual, no relacionada con la hipótesis que sej
Supóngase que el lector está interesado en está probando, puede conducir a la formula
saber por qué unas personas padecen jaque ción de una hipótesis aún más importante. Ya
ca. Recordará que tuvo dolores de cabeza cuan hemos mencionado varios ejemplos de obser-
do estaba preocupado. Se preguntará a sí mis vaciones accidentales en la ciencia, de tanta
mo, ¿qué ocurre en nuestro cuerpo en esos importancia que para ellos se ha acuñado el.
momentos que produce dolores de cabeza? término serendipity. El término “serendipity”
Una cosa que ha notado es que estaba tenso, fue tomado de “Los lies príncipes de Seren- í
que los músculos estaban en excesiva tensión. dip” de Walpole, obra del mundialmente cé
Esta observación nos conduce a formular la lebre fisiólogo Walter Cannon (1945). El cuen-j
hipótesis de que “si nuestros músculos están to de Walpole trataba de la búsqueda inútil!
excesivamente tensos, entonces aumenta la de algo, pero del hallazgo de muchas cosas ;
frecuencia de nuestras jaquecas”. Luego, esta valiosas que no se buscaban. Así ocurre en la j
hipótesis nos lleva a hacer observaciones acer ciencia: podemos buscar vanamente la “ver
ca del grado de tensión muscular de la gente dad”, dejándonos guiar por una hipótesis;:
y a la frecuencia de las jaquecas. Y después, pero, en plena búsqueda, podemos observar
nos guiará a una intervención terapéutica. Por accidentalmente un hecho que nos conducirá j
ejemplo, podemos enseñar a la gente a relajar a una hipótesis más fructífera. El investiga-;
los músculos y así observaremos si se reduce dor Fisher, al tratar de resaltar ciertas pul-;
la frecuencia de sus jaquecas. La hipótesis siones (como el hambre y la sed) mediante la)
podría guiarnos a hacer otras observaciones, estimulación química directa de ciertas célu
de modo que podamos, por ejemplo, preve las cerebrales, fue beneficiado por la seren
nir las jaquecas en los niños que aún no las dipity. Sabía que si inyectaba una solución de
han desarrollado. sal en el hipotálamo de las cabras, aumenta
ría su sed, lo que resultaba de ello que bebie
SOBRE ACCIDENTES, SEREND1PITY ran grandes cantidades de agua. En forma j
E HIPÓTESIS análoga, Fisher trató de inyectar hormona ;
sexual masculina en el cerebro de una rata,;
Una razón que explica la gran dificultad de para desencadenar una conducta sexual mas-:
comprender esa parte de la naturaleza llama culina. Tal como se narra en el cuento de “The
da conducta de los organismos es la expansión Case of the Mixed-up Rat (El caso de la rata
de la esfera de la conducta: el número de he confusa)”:
chos-respuestas que podríamos estudiar desa
fía toda imaginación. Un “empirista de la cuen
ca del polvo”, guiado por la filosofía de Francis Por uno de esos irónicos giros que son tan carac- i
terísticos de la investigación científica, el cambio
Bacon, probablemente no pasaría de clasifi de conducta producido en el primer sujeto en que
car los tipos de respuestas comunes. Por con tuve éxito fue completamente inesperado. Pocos
siguiente, necesitamos asignar prioridades a segundos después de inyectada la hormona mas
los tipos de fenómenos conductuales con que culina en el cerebro, el sujeto comenzó a dar seña
experimentamos. Hemos dicho ya que las hi les de extrema inquietud. Coloqué entonces en su
pótesis cumplen esta función: ayudan a reve jaula una rata hembra que no se hallaba en estado
larnos cuál de un número indefinidamente sexualmente receptivo. Según el programa que yo
grande de respuestas es la que más probable tenía en mente, la inyección de la hormona mas
mente justificará nuestra atención. Sin embar culina en el cerebro habría debido impulsar al
go, al efectuar un experimento para poner a macho a hacer avances sexuales, aunque normal
mente no lo haría con una hembra no receptiva.
prueba cierta hipótesis, no necesitamos estar Sin embargo, la rata tenía su propio programa.
ciegos ante otros hechos. Los experimentado Tornó a la hembra por la cola con los dientes y la
res deben estar alerta ante lodo tipo de acon arrastró a través de la jaula hasta un rincón. Ella f
La hipótesis 47
se escurrió en cuanto el macho la dejó, pero él posición de que los científicos no deben po
volvió a arrastrarla. Después de varios experimen ner a prueba las hipótesis, o al menos, no ex
tos de este tipo, el macho la tomó por la piel del plícitamente. Esta parece ser una posición ex
lomo, la llevó al rincón y la soltó allí. trema, pero su defensa ha sido muy explícita.
Yo estaba absolutamente perplejo y también lo Por ejemplo: “la gente no suele investigar el
estaba, sin duda, la hembra. Por fin supuse que el
macho estaba efectuando una forma extraña de
modo en que quienes escriben libros acerca
conducta maternal. Para poner a prueba esta con de la investigación dicen que la gente investi
jetura, deposité unas ratas recién nacidas y unos ga” (Bachrach, 1965, p. ix). El argumento es
pedazos de papel en el centro de la jaula. El ma que, mientras se pone a prueba una hipóte
cho pronto tomó el papel para formar un nido en sis, deben ignorarse otros hechos de poten
un rincón y luego llevó las crías al nido. Yo recogí cial importancia por medio de una “m io p ía de
el papel y las crías, y las repartí por toda la jaula; el la hipótesis, enfermedad común entre los in
macho respondió reconstruyendo el nido y vol vestigadores que sostienen ciertas ideas pre
viendo a llevar allí a las crías. concebidas y que podría obstaculizar el ca
Después de unos 30 minutos, la rata dejó de mino del descubrimiento” (Bachrach, 1965,
comportarse como una madre. Al parecer, había
pasado el efecto de la hormona inyectada. Pero p. 22).
tras una nueva inyección, inmediatamente regre Lo malo de este argumento es que erró
só a su familia adoptiva. Con sucesivos lapsos y neamente culpa a la hipótesis y no a quien
nuevas reinyecciones, su conducta se desorgani realmente la tiene. Una hip ó tesis no ciega al
zó; se dedicó a las mismas actividades maternales, experimentador, aunque los experimenta
pero en forma fortuita y desordenada. Sin embar dores puedan cegarse a sí mismos. Como lo
go, después de dejarla descansar toda la noche, al hemos visto (p. 33) al trabajo científico se le
día siguiente una nueva inyección provocó la bien opone todo tipo de prejuicios, por lo que
organizada conducta materna. no puede considerarse que la hipótesis es el
El caso de la rata confusa fue sumamente fa único “conjunto de ideas preconcebidas que
vorable. Aunque la rata no había seguido el pro
grama del experimentador, el resultado de este podrían obstaculizar el descubrimiento cien
primer experimento fue muy emocionante. Resul tífico”. El término m io p ía de la h ip ó te sis de
tó una indicación alentadora de que el control de be ser reemplazado por m io p ía d e l e x p e r im e n
la conducta mediante sistemas neurales específi tador.
cos en el cerebro podía ser investigado por me Eliminar la hipótesis de la investigación
dios químicos. Procedimos entonces a hacer una científica es arrojar por la borda lo bueno ju n
larga serie de experimentos para comprobar que to con lo malo. La investigación procede me
la conducta en cada caso fuese atribuible a un pro jo r formulando hipótesis explícitamente y so
ducto químico específico, implantado en un sitio metiéndolas a prueba, así como mantenién
específico del cerebro, y no a un factor más ge dose alerta ante hechos accidentales que pu
neral como la estimulación mecánica, la excita
ción general de las células cerebrales o cambios
dieran conducir a otras hipótesis aún más
en la acidez o en la presión osmótica (Fisher, 1964, valiosas. Por otra parte, hacer un hincapié exa
pp. 2-4). gerado en el papel del accidente en el descu
brimiento científico resulta peligroso, pues no
es posible entrar en el laboratorio con la feliz
La experiencia de seren d ip ity de Fisher ilus confianza de que el “serendipity salvará el día”.
tra bien la flexibilidad que caracteriza al buen Los duros hechos de la experimentación coti
científico. Mientras ponemos a prueba una diana indican que la mayor parte de las ocu
hipótesis debemos seguir alerta ante lo que rrencias accidentales tienen poca importan
ocurre accidentalmente y que pueda desper cia: la investigación de cada pequeña cresta
tar otra investigación. El investigador que con en una extensa curva de desempeño, la inves
paciencia y flexibilidad observa la conducta tigación de cada consecuencia de mal funcio
en un experimento puede captar muchas su namiento del equipo en la conducta de un
gerencias que apunten al desarrollo de hipó sujeto, la búsqueda del “porqué” de cada res
tesis nuevas. Sin embargo, se ha adoptado la puesta no programada pueden consumir to-
48 La hipótesis
das las energías del experimentador. Debe hipótesis existenciales (las que declaran qü||
mos mantener la vista en la “dona”, y no en el hay al menos un fenómeno que tiene unll
agujero.3 característica dada) también son útiles parfl
Para revisar. Hemos comenzado con una la ciencia. r
consideración de un problema que el psicólo
go intenta resolver. El psicólogo plantea ini RESUMEN DEL CAPÍTULO 1
cialmente el problema con toda claridad y,
luego, propone una solución al problema en I. Naturaleza de una hipótesis
forma de hipótesis. El psicólogo debe formu A. Es una solución tentativa al problema erSI
lar tanto el problema como la hipótesis en focado. a]
forma clara y sucinta. Estas formulaciones tam B. Es empírica, lo que significa que se refiera
bién podrán emplearse en la ulterior redac a datos que podemos observar mediante 11
ción del experimento. Como veremos en el observación de fenómenos naturales.
apéndice B, el psicólogo formulará el proble C. Es una declaración comprobable (proposi
ma con frases como “el planteamiento del ción).
problema es...”, o “fue el propósito de este D. Las variables de una hipótesis empírica son
experimento...” Entonces, la hipótesis expre operacionalmente definibles.
sa en formas como, “se esperaba que...”, o “la E. En su forma ideal, existe una relación cuan
hipótesis sostenía que...” Definimos la hipó titativa entre dos variables.
tesis, la solución tentativa del problema como II. Clasificación de todas las declaraciones
el planteamiento sometible a prueba de una A. Declaraciones analíticas: necesariamente
ciertas, pero empíricamente vacías. ,' j
relación potencial entre dos o más variables. B. Declaraciones contradictorias: necesarig-1
Las hipótesis son declaraciones sintéticas, ya mente falsas y empíricamente vacías. ,j
que no están vacías sino que son intentos por C. Declaraciones sintéticas: pueden ser verda:j
decir algo acerca de la naturaleza. Tampoco deras o falsas y potencialmente transmitir)
son absolutamente verdaderas o falsas; antes información. Las hipótesis son declaracio-í
bien, tienen un grado determinable de pro nes sintéticas.
babilidad. El tipo más sobresaliente de hipó III. Características de las hipótesis ;
tesis es el universal y, al menos idealmente, se A. Las hipótesis se plantean generalmente'
plantea en forma de implicación general. Las como implicaciones generales en la forma
de “si a es cierto, entonces b es cierto”. En
este caso, a es la condición antecedente y b
es la condición consecuente.
3 Una sátira de los errores metodológicos muestra qué B. Una hipótesis planteada en lógica de pro
absurdamente dependió de serendipity el investigador que babilidades puede leerse como ArpR.
aprovechó la oportunidad de recabar datos cuando se en C. El planteamiento matemático de una hipó
contró inmovilizado en el ferrocarril subterráneo, a oscu tesis sería R =f(E).
ras, con lo siguiente: D. Las hipótesis nunca son absolutamente ver
“No principio básico: el investigador aprovecha al máxi daderas o falsas, sino que tienen un grado
mo la situación insólita, oportuna o digna de nota, con determinable de probabilidad.
cualquier cosa que encuentre a la mano.
Ejemplo. Una muestra aleatoria de viajeros del metro E. En un experimento, las hipótesis confirma
fue puesta a prueba durante una prolongada falla de los das también expresan una conexión nece
servicios, para que identificara las características de la per saria (causal) entre la condición anteceden
sonalidad relacionadas con el pánico durante una situa te y la consecuente. El elemento de necesi
ción impuesta. El análisis de muestras de escritura y de dad no ocurre en los elementos basados
dibujos de figuras indica que una presión desigual en el en la investigación correlacional.
renglón y unos miembros mal articulados se asocian a los IV. Tipos de hipótesis
índices verbales y motores del pánico. Estos resultados
se han interpretado con cierta cautela, porque la ilumina
A. Hipótesis universales: afirman que la
ción fue inadecuada durante una parte del experimento” relación se sostiene para todos los valo
(White & Duker, 1971, p. 398). res de las variables contenidas en ellas
¡La cantidad de luz ciertamente fue una importante va para todos los tiempos y en todos los lu
riable extraña! gares.
La hipótesis 49
V. Llegar a una hipótesis experimentador tiene que aislar las variables

A. Abstraiga las similitudes para formar y potencialmente pertinentes para su estudio.
relacionar una clase de estímulos y una ¿Cómo definiría usted la hipótesis concebida
clase de respuesta. de este modo y en qué sentido podría ser una
B. Razone; tal vez por analogía, y practique, solución al problema?
creando hipótesis. 2. El término empírico ocupa un lugar central en
C. Apóyese en los descubrimientos de los nuestro estudio. ¿Qué queremos decir cuando
experimentos anteriores para extrapolar nos referimos a una hipótesis empírica? Si us
las respuestas potenciales a problemas ted no puede hacerlo ahora, en su estudio pos
nuevos. terior podrá considerar la pregunta de qué son
VI. Criterios de hipótesis algunas hipótesis no empíricas.
A. Son sometióles a prueba. 3. Discuta la afirmación de las hipótesis como
B. Son armoniosas (compatibles) con otras declaraciones no cuantificadas y cuantificadas.
hipótesis. ¿Cuál es la ventaja de plantear las hipótesis como
C. Son parsimoniosas, como en la navaja de relaciones cuantificadas?
Occam o el canon de Morgan (principios 4. ¿Puede una hipótesis empírica ser estrictamente
de parsimonia). verdadera o falsa, o siempre debe tener un va
D. Responden al problema enfocado. lor de probabilidad asignado a ella, menor a la
E. Tienen simplicidad lógica. certidumbre?
F. Son cuantificables. 5. Distinga entre hipótesis existenciales y univer
G. Son fructíferas y producen muchas con sales. Anticipándonos al capítulo sobre la in
secuencias. vestigación de un solo participante, podrá us
VII. Utilice hipótesis para guiar la investigación ted estudiar por su cuenta la relación entre hi
y ahorrar esfuerzos a la investigación. pótesis existenciales e hipótesis centradas en la
A. Permanezca atento al serendipity pues pue investigación de N = 1.
de conducir a algo de importancia que 6. ¿Cómo determinamos el valor de una hipóte
no se esperaba en la investigación. sis? ¿Existe un número limitado de criterios
B. Pero evite la miopía del experimentador. para este propósito?
VIII. Sobre accidentes, serendipity, hipótesis. 7. ¿Podría la ciencia proceder con igual eficien
cia sin hipótesis y teorías que con ellas?
REVISIÓN CRÍTICA PARA EL ESTUDIANTE
1. Se plantea una hipótesis como solución poten

cial a un problema. Al formular el problema, el
1
•I
1
capítulo 4
S
LAS VARIABLES EXPERIMENTALES Y

CÓMO CONTROLARLAS:

Analizar un experimento en sus variables com La capacidad de especificar y de controlar las
ponentes y considerar las relaciones potencia variables independientes, dependientes y ex
les que haya entre ellas. trañas, así como de formularlas en leyes empí
Lo que usted encontrará: ricas.
1. Las variables independientes subclasificadas como va
riables estímulo y variables organísmicas.
2. Modos de medir y de evaluar ias variables dependien
tes.
3. Leyes empíricas formuladas como relaciones entre las
variables independientes y dependientes.
4. Métodos para controlar las variables extrañas, de modo
que se pueda llegar inequívocamente a dichas leyes.
Una hipótesis experimental es una afirmación sis, aumenta nuestra credibilidad en esa afir
de que la variación sistemática de (1) una va mación causal. Una característica crítica de
riable independiente, produce cambios re un buen experimento es que (3) quedan con
gidos por leyes en (2) una variable depen troladas las variables extrañas. En un experi
diente. Si los resultados de un experimento mento, las variables independientes, depen
bien dirigido están de acuerdo con la hipóte dientes y extrañas son las tres clases sobresa-
50
Las variables experimentales y cómo controlarlas 51
Mentes1 de variables que exigen atención es res de acontecimientos ambientales que se
pecial. Un buen control de las variables extra clasifican en conjunto. Por ejemplo, si la letra
ñas nos permitirá llegar a una sólida conclu P es el estímulo en un experimento de proce
sión sobre si la variable independiente en rea samiento de información, cada presentación
lidad afecta causalmente a las variables depen de la P será una instancia estímulo de la cla
dientes. se de estímulos que consiste en todas las le
tras P posibles. El mismo principio es válido
LA VARIABLE INDEPENDIENTE para las respuestas, de modo que hablamos
de instancias de respuestas de una clase de res
Variables de estímulo puestas.
En la experimentación, la variable indepen Variables organísmicas

diente es un estímulo; el término estímulo se
refiere generalmente a cualquier aspecto del Las relaciones posibles entre las variables
medio (físico, social, etc.) que excita a los re organísmicas y la conducta se estudian me
ceptores. Ejemplos de variables de estímulo diante el empleo del método de observación
que pueden afectar un tipo particular de con sistemática y no el de experimentación. Una
ducta son los efectos de diferentes tamaños variable organísmica es cualquier característi
de letra sobre la velocidad de la lectura, los ca física relativamente estable del organismo,
efectos de diferentes estilos de letra sobre la como el sexo, el color de los ojos, la estatura,
velocidad de la lectura, los efectos de la inten el peso y la estructura corporal; del mismo
sidad de la luz sobre la tasa de condiciona modo que características psicológicas como
miento, los efectos del número de personas la inteligencia, el nivel de educación, el neuro-
presentes en una cena sobre la cantidad de ticismo y el prejuicio. La razón de que no po
comida que se consume, los efectos de la at damos estudiar los efectos de las variables
mósfera social sobre la capacidad de resolver organísmicas en un experimento, al menos
problemas. La administración de medicamen con seres humanos, es que no podemos asig
tos en la investigación psicofarmacológica tam narles valores específicos; más adelante abun
bién podría considerarse como variable de es daremos a este respecto.
tímulo, con la condición de que entonces se
manipula el medio interno: el que llevamos LA VARIABLE DEPENDIENTE
bajo la piel.
Guando empleamos el término “estímulo”, Medidas de respuesta
sin embargo, en realidad estamos pensando
en cierta clase de estímulo. Una clase de estí Dado que en psicología estudiamos la con
mulo es cierto número de instancias sirnila- ducta, y puesto que los componentes de la
conducta son respuestas, nuestras variables
dependientes son las medidas de respuesta.
1Al clasificar así estas variables podemos reconocer
Las “medidas de respuesta” también consti
las más claramente y utilizarlas en experimentos; de esta tuyen una clase sumamente numerosa que
manera, podemos formar mejores relaciones entre ellas. comprende fenómenos tan diversos como el
Sin embargo, como en cualquier sistema de calificación, número de gotas de saliva que segrega un
siempre hay desventajas. Por ejemplo, a veces, resulta difí perro, el número de errores que comete una
cil meter las variables en categorías, lo que significa que
algunas decisiones de clasificación son totalmente arbitra rata en un laberinto, el tiempo que una per
rias. La norma de todo sistema clasificatorio es saber si sona necesita para resolver un problema, la
funciona; o sea, ¿es útil para formular leyes? Para subrayar amplitud de los electromiogramas (señales
su carácter arbitrario, otros sistemas de psicología son (1) eléctricas producidas por los músculos al con
las variables de estímulo, orgánicas, de respuesta y de esta traerse), el número de palabras pronunciadas
do hipotético; (2) las variables ambientales, de tarea,
instructional y de sujeto; y (3) las variables de estímulo, en un periodo determinado, la precisión al
organísmicas, de respuesta y antecedentes. lanzar una pelota de béisbol y el juicio de las
52 Las variables experimentales y cómo controlarlas
personas acerca de ciertos rasgos. Pero cual Frecuencia y tasa. Frecuencia es el número
quiera que sea la respuesta, lo mejor será de veces que ocurre una respuesta, como cuán
medirla con toda la precisión posible. En unos tas respuestas emite un organismo antes de
experimentos puede lograrse una gran preci que se extinga una respuesta condicionada, j
sión y, en otros, las características de los he Éa frecuencia de las respuestas, durante un pe
chos imponen medidas más burdas. He aquí riodo determinado, es la tasa de respuesta. Si 1
algunos modos comunes de cómo se miden una respuesta se emite 10 veces en un minu-1
las respuestas. to, la tasa de respuesta es de 10 respuestas por I
minuto. La tasa nos da una indicación de la f
Precisión. Una manera de medir la preci probabilidad de la respuesta: cuanto más in- j
sión de las respuestas sería un sistema métri tensa sea la tasa mayor será la probabilidad de i
co, como cuando disparamos con un fusil que ocurra la respuesta en la misma situación j
contra un blanco. Así, un tiro en el centro en algún momento futuro. La tasa de respuesta j
recibiría una calificación de cinco, en el si es una medida usual en los experimentos de ,j
guiente círculo externo, de tres, y en el siguien condicionamiento operante. Por ejemplo, se j
te círculo, de uno. La frecuencia de aciertos o coloca un organismo en una caja de Skinner y i
de errores es otra medida de precisión de la cada depresión de una palanca queda regis- I
respuesta; por ejemplo, el número de “canas trada automáticamente en una tira móvil de ¡
tas” que alguien puede encestar desde la lí papel. Una vez, el profesor B. F. Skinner dijo :
nea de tiro libre en una cancha de baloncesto que su mayor logro había sido su uso de la tasa
o el número de errores que alguien comete de respuesta como medida de la conducta.
al resolver un examen.
á
Latencia. Éste es el tiempo que se necesita Otras medidas de respuesta, Otros ejemplos i
desde el comienzo de un estímulo hasta el son el nivel de capacidad que puede manifes
comienzo de una respuesta, como en los estu tar una persona (por ejemplo, cuántos pro
dios de tiempo de reacción. El experimenta blemas de creciente dificultad resuelve en un
dor podrá hacer una señal a la que deberá periodo ilim ita d o de tiempo) o la intensi
responder el participante. Luego, se mide el dad de una respuesta (por ejemplo, la ampli
intervalo del tiempo entre el principio del tud de la respuesta galvánica de la piel en un
estímulo y el comienzo de la respuesta. El in estudio de condicionamiento). A veces, resul
tervalo entre el disparo de una pistola y el ta difícil medir adecuadamente la variable de
momento en que los pies de un corredor se pendiente con una de las técnicas antes men
despegan del punto de partida en una carre cionadas. En este caso, habrá que inventar una
ra de cien metros sería, en este caso, la laten escala de calificación. Y una escala de califi
cia de respuesta. cación de la angustia podría tener cinco gra
daciones: 5 significaría “sumamente angustia
Duración (velocidad). Ésta es una medida do”, 4, “moderadamente angustiado”, y así
del tiempo necesario para completar una res sucesivamente. Entonces, jueces competentes
puesta, una vez comenzada. Para oprimir una señalarían la posición apropiada en la escala
tecla de telégrafo, la medida de tiempo sería para cada participante, o bien los participan
muy breve. Pero, para resolver un problema tes podrían calificarse a sí mismos.
difícil, la medida sería larga. El tiempo de una Las pruebas objetivas pueden servir como
persona al correr sobre una distancia corta medidas de la variable dependiente. Por ejem
sería el tiempo entre salir del punto de par plo, tal vez usted deseara saber si la psicote
tida y llegar a la meta. Subrayemos la dis rapia reduce las tendencias neuróticas de una
tinción entre las medidas de latencia y de du persona, caso en el cual usted les aplicaría una
ración: la te n c ia es e l tiem p o en tre el p rin c ip io del prueba estándar. Si no se dispone de una prue
estím u lo y la a p a ric ió n de la respuesta, y ra p id ez o ba estándar apropiada, podría formarse una,
d u ra c ió n es e l tiem po en tre el com ienzo y la te rm i como lo hizo un estudiante que creó una “Es
n a c ió n de la respuesta. cala de felicidad”.
Éstas son algunas de las medidas más co Como recompensa por meter la nariz en las co
múnmente utilizadas de las variables depen sas, a Hofman se le acreditó el descubrimiento
dientes. Algunas de estas ideas, combinadas del ácido lisérgico dietilamida (LSD), que ha re
con su propio ingenio (el de usted), podrían sultado muy útil para los psiquiatras porque con
aportar una apropiada medida de la variable él pueden inducir a voluntad estados similares a la
dependiente para la variable independiente esquizofrenia (Page, 1957, p. 55).
que desee estudiar.
Por otra parte, si tiene usted una hipótesis
Selección de una variable dependiente precisa, ésta le indicará la variable dependiente
en que usted está interesado al especificar que
La conducta es sumamente compleja y, en cierta variable independiente influirá sobre
cualquier momento, un organismo realiza un cierta variable dependiente. Usted simplemen
número verdaderamente increíble de respues te seleccionará una medida de esa variable
tas. ¿Cómo determina un experimentador qué dependiente y con ella pondrá a prueba su
variable dependiente deberá registrar y me hipótesis. Las sagaces observaciones de Pavlov
dir? Tomemos el sencillo experimento del lo llevaron a formular una hipótesis específi
condicionamiento, efectuado por Pavlov con ca, cuya variable dependiente era la salivación.
perros. Aunque su variable dependiente era
la cantidad de salivación, el perro también Validez de la variable dependiente
estaba respirando a cierta tasa, meneando la
cola, moviendo las patas, levantado las ore Debe usted asegurarse de que los datos que
jas, etc. Entre toda esta masa de conducta, registra midan en realidad la variable depen
Pavlov logró seleccionar una medida de res diente especificada por su hipótesis, ¿Qué
puesta, que constituyó una norma excelente habría pasado si Pavlov hubiese medido el
para sus variables independientes. Si hubiese cambio de color del pelo de sus perros? Este
elegido alguna otra medida de respuesta, se es un ejemplo grotesco, pero ocurren errores
habría retrasado nuestra comprensión del más sutiles del mismo tipo. Para estudiar la
condicionamiento. emotividad como variable dependiente se
Cada estímulo provoca respuestas. Enton puede hacer que varios jueces califiquen a los
ces, el problema de seleccionar una variable participantes sobre esta conducta. Cualquie
dependiente consistiría, sencillamente, en ra que sea el resultado, deberemos preguntar
descubrir todas las respuestas que son influi si los jueces en realidad calificaron la emotivi
das por cierto estímulo. Sin embargo, eso no dad o si, involuntariamente, calificaron algu
es tan sencillo, pues es imposible descubrir y nas otras características, como la “disposición
registrar cada una de esas respuestas. A me general ante la vida”, la “inteligencia” o el
nudo interviene aquí la suerte, como en el “atractivo personal”. Esto nos lleva al primer
proceso de seren d ip ity. Por ejemplo, el descu requisito de una variable dependiente: debe
brimiento de la siguiente variable dependien rá ser v á lid a . Por validez entendemos que
te, una respuesta de tipo esquizofrénica, fue los datos sean medidas reales de la variable
un acontecimiento debido al seren d ip ity. dependiente, tal como fue operacionalmen-
te definida; es decir, la cu estió n de la v a lid e z
El descubrimiento de serotonina en el cerebro tal es sa b er s i la v a r ia b le d e p e n d ie n te operacional-
vez fuera la vuelta más notable de la rueda de la m e n te d e fin id a e n re a lid a d m id e lo q u e está es
fortuna... Hace varios años, Albert Holman, quí pecifica d o e n la co n d ició n consecuente de la h ip ó
mico suizo, tuvo una experiencia alarmante: ha tesis.
bía sintetizado una sustancia nueva y una tarde la
Las definiciones son arbitrarias. “Ahora”,
olfateó, llevándose un poco a la nariz. Poco des
podrá decir usted, al recordar nuestro análi
pués tuvo sensaciones cada vez más extrañas y, por
sis de las definiciones operacionales, “si el
último, alucinaciones. Transcurrieron seis horas
experimentador definió la emotividad como
antes de que desaparecieran estas sensaciones.
aquello que los jueces reportaron, entonces, puede ser válida. Pues, si todos los problemas
por definición, eso es emotividad: esto es in son fáciles, entonces usted probablemente es¡
discutible”. Y así lo es, al menos por los moti taría midiendo la rapidez de la lectura y no líj
vos que usted ha ofrecido. Reconocemos que capacidad para resolver problemas. Es deciij
quien quiera puede definir cualquier cosa, y aparte del hecho de que el texto contenía “proj
hacerlo del modo que desee. Si usted lo de blemas”, quienes leyeran con rapidez obten!
sea, podrá definir al objeto de cuatro patas drían una alta calificación y quienes leyeran]
con una superficie plana sobre el que come con lentitud recibirían una baja calificación!
como “una silla”, si así le gusta. Nadie dirá Ésta no sería una medición válida de la capa-J
que (usted) no puede hacerlo. Sin embargo, cidad para resolver problemas (a menos, des]
habremos de pedirle que considere una nor de luego, que dicha capacidad y la rapidez de]
ma social: ¿es acaso ése el nombre que habi lectura estén bien correlacionadas). O, paral
tualmente le dan otras personas? Si usted in simplificar aún más las cosas, si usted forma]
siste en llamar “sillas” a las mesas nadie le dirá una prueba muy breve compuesta por proble1]
que está equivocado, pues las definiciones no mas extremadamente fáciles, todos los parti-j
son verdaderas ni falsas, sino sólo arbitrarias. cipantes obtendrían una calificación perfecj
La única norma de una definición es que fa ta, a menos que usted estuviese trabajando!
cilite la comunicación y usted se encontraría con personas retrasadas. Esta prueba (ampo
a este respecto en clara desventaja. Cuando co sería una medida válida de la variable de
pidiera a sus invitados que se sentaran a la pendiente. i
mesa a tomar sus alimentos en una silla, reci Digamos que está usted interesado en sa
biría usted algunas respuestas desconcertan ber si niños muy pequeños pueden aprender)
tes, por decirlo con discreción. a tirar de un cordón blanco, en comparacióri;
con uno negro, en sus cunas, si usted siempre
El uso de variables dependientes comúnmente
les da alimento después de que tiren del blan
aceptadas. Así, nuestra lección es ésta: aun
co. Deberá usted darles varias oportunidades,
que usted pueda definir su variable depen
con las opciones de cuerda blanca y cuerda
diente como lo desee, es prudente definirla
negra, pero supongamos que la cuerda blant
tal como suele hacerse. Si existe una cierta
ca siempre queda a la derecha. Supongamos:
definición generalmente aceptada para su va
que el predominio de opciones que registra1
riable dependiente, deberá usted usarla (o una
mos está en la cuerda blanca. Podríamos coir
que tenga con ella una estrecha correlación).
cluir que la respuesta de tirar de la blanca fue
Una prueba psicométrica estandarizada podría
bien reforzada porque los niños escogieron
constituir una buena variable dependiente
el color con el que antes habían obtenido ali1
operacionalmente definida, y que ha demos
mentación. Pero, ¿estamos midiendo realmen
trado ya su validez. Por ejemplo, la Escala de
te el número de veces que escogieron la cuer
Ansiedad Manifiesta (Taylor, 1953) podría ser
da blanca? Los niños, como los adultos, pue:
una medida de la ansiedad válida y opera
den ser diestros, zurdos o ambidiestros. Si
cionalmente definida, como variable depen
hemos estudiado un grupo de niños que eraii
diente. Sólo hemos de añadir que otras defi
diestros, todos ellos, probablemente tiraron
niciones operacionales de la ansiedad podrían
producir diferentes conclusiones experimen de lo que tenían a la derecha, que en este caso
era la cuerda blanca, pero sin fijarse en el
tales.
color. Así, nuestra medida simplemente pudo
Variables dependientes no válidas. Conside ser de si eran diestros o zurdos y no de la
remos algunos otros ejemplos. Supongamos variable dependiente que a usted le interesa1
que usted define su variable dependiente ba. Por tanto, habríamos medido la frecuen
como el número de problemas de cierto tipo, cia de emplear la mano preferida y no la fré1
resueltos dentro de un periodo determinado. cuencia de elegir la cuerda blanca.
Si la prueba tiene un gran número de proble Los problemas de validación de la variable
mas que varían en dificultad, entonces, bien dependiente pueden ser peliagudos y siempre
habrá trampas aguardando al experimentador problemas con números nones y otra para los
incauto. Por lo menos, el lector ahora está cons números pares. Un coeficiente de correlación
ciente de la existencia del problema y de los entre estas dos calificaciones para todos los
potenciales errores. Tras una reflexión y un participantes indicaría el grado de confia
estudio considerables de la investigación an bilidad.
terior en su área de problemas, podrá usted Con frecuencia, los experimentadores es
aumentar las posibilidades de seleccionar una tudian características de la conducta de la
medida válida de la variable dependiente. gente que cambian con el paso del tiempo,
Nuestro estudio de las variables extrañas como el proceso de aprendizaje o el desarro
facilitará su entendimiento de la selección de llo del estado de ansiedad. En tal caso, la co
medidas válidas. En el ejemplo anterior, la rrelación de las diversas calificaciones sería
variable extraña de la posición de las cuerdas alta, siempre que los participantes mantuvie
blancas y negras produjo una medida inváli ran casi la misma posición en el rango de ca
da de la variable dependiente. lificaciones en cada prueba. Por ejemplo, si
tres personas recibieran calificaciones de 10,
Confiabilidad de la variable dependiente 9 y 6 en la primera prueba, y 15,12 y 10, res
pectivamente, en la segunda prueba, la corre
Definición de la confiabilidad. El siguiente lación (y, por tanto, la confiabilidad) sería alta,
requisito es que una variable dependiente sea ya que mantuvieron el mismo rango relativo.
digna de confianza. Confiabilidad s ig n ific a el En cambio, si el orden de rango cambiara,
grado en que los p a rtic ip a n te s obtienen, a p ro xi sería menor la confiabilidad. Ya sea que las
m adam ente, las m ism a s calificaciones cu a n d o se medidas de la variable dependiente cambien
hacen repetidas m ediciones. Por ejemplo, una o no con el tiempo, se puede computar un
prueba de inteligencia es bastante confiable coeficiente de correlación para determinar
si las personas reciben aproximadamente la hasta qué punto es confiable la variable de
misma calificación cada vez que se las somete pendiente.
a la prueba, como un CI de 105 la primera
vez, 109 la segunda, y 102 la tercera. En cam Dificultades en el camino. Por desgracia, los
bio, si una persona común recibió calificacio experimentadores rara vez consideran la con
nes de 109, 183 y 82, la prueba no puede con fiabilidad de sus variables dependientes: de
siderarse confiable, pues las diversas medicio otro modo, sabríamos mucho más acerca
nes variaron demasiado de ese importante tema. Al mismo tiempo, con
frecuencia es poco realista tratar de determi
Determinación de la confiabilidad de una nar la confiabilidad. En algunas situaciones,
variable dependiente. Un experimentador po la variable dependiente es más confiable de
dría obtener, primero, medidas de la variable 10 que indicaría un coeficiente computado
dependiente, preferiblemente de personas que de correlación. A veces, las personas estudia
no participen en el experimento. Luego, se das son demasiado homogéneas para permi
sometería a nueva prueba a los mismos parti tir que el valor computado de correlación se
cipantes después de cierto periodo y se com aproxime siquiera al verdadero valor. Por
putaría la correlación entre los conjuntos de ejemplo, si todos los participantes en un estu
medidas. Si la correlación es alta, entonces es dio del aprendizaje tuviesen precisamente la
confiable la medición de la variable depen misma capacidad de aprender la tarea que se
diente; de otra manera, no lo será. Otro enfo les hubiera presentado, entonces (idealmen
que consistiría en computar un coeficiente de te) todos recibirían exactamente las mismas
confiabilidad dividido a la mitad, si la varia calificaciones de la variable dependiente en
ble dependiente es una medida que pueda pruebas sucesivas; la correlación computada
dividirse en dos. Por ejemplo, si consiste en no indicaría la auténtica confiabilidad de la
20 problemas, por tanto el experimentador variable dependiente. Otra razón por la que
podrá obtener una calificación total para los una correlación computada puede ser diferen
te de la auténtica es que la escala utilizada para e s ta d ístic a m e n te co n fia b le s e n tre los g r u p o s , es

medir la variable dependiente puede tener un probable q u e la v a ria b le d e p e n d ie n te sea confia
alcance insuficiente. Una vez más, pongamos ble; si n o hay diferencias s ig n ific a tiv a s entonces
como ejemplo un caso extremo: supóngase n o es p o sib le n in g u n a c o n c lu sió n acerca de su
que sólo es posible un valor de la variable de c o n fia b ilid a d (al menos, basada sobre esta in-¡
pendiente. En este caso, todos los participan formación). Si las repeticiones del experimen-
tes recibirían esa calificación, digamos, 5.0 y, to producen resultados congruentes repetidas
una vez más, la correlación computada no se veces, ciertamente la variable dependiente es
ría la auténtica. Con mayor realismo, un ex confiable.
perimentador podría utilizar una escala de
cinco puntos como medida de una variable En conclusión. Los constructores de prue
dependiente, pero la única diferencia entre bas psicológicas han empleado extensamente!
ésta y nuestro absurdo ejemplo sería de gra los conceptos de validez y de confiabilidad,
do. La escala de cinco puntos puede ser aún pero éstos han sido casi totalmente desdeña,
demasiado limitada, ya que no diferencia lo su dos por los experimentadores, aun cuando
ficiente entre las verdaderas calificaciones; por tengan gran importancia en la experimenta
ejemplo, dos personas pueden tener califica ción. Si usted tiene una variable dependiente!
ciones auténticas de 3.6 y 3.9, pero en una es sin confiabilidad alguna, entonces, cualquie
cala de cinco valores, ambas recibirían una ra que sea la condición experimental, sus va
puntuación de 4.0. Por último, las medidas de lores variarán al azar. Si todos los valores de
la variable dependiente a menudo no se pue la variable dependiente están variando en for
den administrar más de una vez, porque la no ma caótica, será imposible determinar la efi
vedad es uno de sus rasgos críticos, como en cacia de las variables independientes. Si la va
los estudios de solución de problemas. riable dependiente es confiable pero no váli
da, se puede llegar a una conclusión errónea;
El procedimiento prevaleciente. Reconocien por ejemplo, si alguien efectúa un experimen
do que la determinación de la confiabilidad to de aprendizaje y la variable dependiente
es deseable, pero a menudo no factible, ¿qué en realidad mide la motivación, entonces,
hacen los experimentadores? Planean experi obviamente, carecerán de base todas las con
mentos y recaban datos. Si las medias de los clusiones con respecto al aprendizaje. Sin una
grupos difieren en forma considerable, la di variable dependiente válida y confiable, un
ferencia puede sugerir algunas conclusiones experimento no vale nada.
tentativas acerca de la confiabilidad.
En particular, las medias grupales que di Medidas múltiples de variables
fieren en forma confiable (es decir, más de lo dependientes
que puede esperarse de situaciones al azar)
indican que una variable dependiente es sufi Cualquier variable independiente puede
cientemente confiable, pues la falta de confia afectar diversos aspectos de la conducta y en
bilidad sólo produce variaciones aleatorias en muchos experimentos se registra, en realidad,
los valores. Por otra parte, si dos grupos no buen número de medidas. Por ejemplo, las
difieren confiablemente, es probable que va medidas de la conducta de los niños en el es
lores de la variable dependiente se deban a tudio de tirar de la cuerda pueden compren
una variación aleatoria (al azar). Entonces, la der el tiempo que necesitan para tirar de la
conclusión normal sería que la manipulación cuerda una vez que se les presentan las cuer
de la variable independiente no afecta la va das (latencia de respuesta), el tiempo que ne
riable dependiente. Pero también son posi cesitan para completar la respuesta de tirar,
bles otras razones. Puede ser que la variable una vez comenzada la respuesta (duración de
dependiente no sea confiable. Por tanto, este la respuesta), el número de ensayos necesa
enfoque sobre la determinación de la confia rios para aprender a tirar de la cuerda duran
bilidad sólo va en un sentido: si hay diferencias te la fase de aprendizaje y el número de erro
res cometidos durante las fases de aprendiza ramificaciones importantes del método. Si
je y de prueba. Podría considerarse que tal usted sólo midió el tiempo necesario para ad
experimento tiene cuatro mediciones de la va quirir destreza, podrá pasar por alto otras
riable dependiente, caso en el cual el experi consideraciones tal vez más importantes: por
mentador podría hacer cuatro pruebas esta ejemplo, la eficiencia de un método sólo po
dísticas por separado para ver si los grupos dría ponerse en claro después del paso del
difieren en cu a lq u iera de las cuatro variables tiempo.
dependientes.
En caso de emplearse este procedimiento, Medidas de variable dependiente múltiple y
sería valioso computar las correlaciones en definiciones fundamentales. Si en un experi
tre las diversas variables dependientes. Podría mento sólo se mide una variable dependien
descubrirse que dos de ellas tienen una alta te, esa medida, operacionalmente definida, es
correlación, caso en el cual estarían midien específica de esa investigación en particular.
do casi la misma cosa. Por consiguiente, tiene En realidad, a menudo las definiciones preci
poco objeto registrar ambas medidas en futu sas de variables dependientes son exclusivas
ros experimentos; se podría seleccionar la más de un experimento determinado. Por ejem
fácil de registrar. Sin embargo, las correlacio plo, las definiciones operacionales de “fuerza
nes entre sus variables dependientes deberán de respuesta” y de “ansiedad” difieren mucho
ser bastante altas, antes de que usted elimine en diferentes estudios. Además, esas diferen
una de ellas. Yo, una vez, efectué un experi tes medidas normalmente se correlacionan
mento utilizando tres variables dependientes mal entre sí. Tal especificidad sin duda obsta
culiza nuestro avance. El uso de medidas de
y descubrí que sus correlaciones eran de .70,
variables dependientes múltiples en un solo
.60 y .80.2 Y sin embargo, había una diferen
estudio podría ayudar a corregir esto. Por
cia confiable entre los grupos en sólo una de
las tres mediciones. ejemplo, en un solo estudio, el uso de cierto
número de medidas de ansiedad podría ayu
Lo ideal sería que usted midiera cada va
darnos a comprender hasta qué punto cada
riable dependiente que, razonablemente, pu
definición de ansiedad traslapa otras defini
diese ser afectada por su variable independien
te, aunque esto, desde luego, no es factible. ciones y hasta qué punto cada una es inde
Al menos podrá usted tratar de medir varias, pendiente de las demás. Por consiguiente,
podríamos avanzar y establecer definiciones
lo que no sólo mejoraría su comprensión de
generales fundamentales. Las definiciones
la conducta que esté estudiando, sino que tam
bién aumentaría sus posibilidades de encon fundamentales son generales en dos sentidos:
trar una diferencia estadísticamente confia son universalmente aceptadas y abarcan toda
una variedad de conceptos específicos. Una
ble entre sus grupos. En la investigación prác
definición fundamental de ansiedad compren
tica existe un peligro especial al utilizar sólo
dería varias definiciones específicas; cada de
una medida de la variable dependiente. Por
finición específica tendría importancia depen
ejemplo, si usted está poniendo a prueba la
diendo de hasta qué punto explicara la defi
eficiencia de un método de aprendizaje para
nición fundamental.3 Por ejemplo, cada defi
niños pequeños, deberá considerar todas las
nición de la ansiedad puede ser indicadora
de un concepto generalizado fundamental:
2 Véase, en el capítulo 9, un análisis sobre la correla concepto fundamental de ansiedad = / (ansiedad,,

ción y una interpretación de estas cifras. Incidentalmente, ansiedad^,. . . , ansiedadN)
esa correlación debe computarse por separado para cada
griipo del experimento; es decir, no se debe combinar a
todos los participantes de todos los grupos y computar un 3 l,a cantidad de definición fundamental explicada por
coeficiente general de correlación (por ejemplo, para dos una definición específica queda determinada, a su vez,
grupos se deben computar dos coeficientes de correlación). por la cantidad de variación extraña de la cual está libre
En su futuro estudio, esté alerta ante las diferencias entre y por su independencia de otros componentes o indica
las correlaciones intra e interclase. dores.
Así, en cualquier experimento, al medir jor aprendizaje que otro, pero, ¿se mantiene
simultáneamente varios indicadores de un esa ventaja a lo largo de un periodo? Suponj
concepto por medio de diferentes variables gamos que usted empleara un método para
dependientes, se pueden estudiar sus interre enseñar a unos mecánicos cierto trabajo su-
laciones para avanzar hacia el desarrollo del mámente técnico, después de lo cual otro inj
concepto fundamental. Con el tiempo, enton vestigador les enseñara un trabajo diferente,
ces podría ser posible formar una medida di Dado que los mecánicos no emplearían la
recta del propio concepto fundamental, como enseñanza de usted durante un tiempo, usted
medida de una sola variable dependiente. Así, se interesaría no sólo por ver si el primer
se resolvería el problema de cuál era la medi método es el más eficiente para aprender, sino
da de ansiedad o de cualquier otra cosa, su también por ver si ese método produce la
primiendo con esto la crítica de la especifici mejor retención. En un experimento, puede
dad de las definiciones operacionales. hacer que los sujetos vuelvan para otra prueJ
ba, poco antes de comenzar su trabajo. Dichaj
Medidas de crecimiento prueba aplazada indicaría, a la larga, cuál del
los dos métodos es superior. ,f
En psicología, a menudo los experimenta Las medidas aplazadas tienen importancia;
dores miden las variables que cambian con el especial en la evaluación de los programas;
tiempo, como en los estudios de aprendizaje. educativos. Las evaluaciones de los instructo j
Por ejemplo, podemos estar interesados en ver res también cambian a menudo y se pueden!
cómo crece una capacidad mediante la prác mejorar si se realizan varios años después de;
tica repetida, por medio de dos métodos dis la graduación. Por desgracia, los investigado *
tintos. A menudo se efectúa una prueba esta res rara vez toman medidas aplazadas de sus
dística con datos terminales, es decir, con da efectos experimentales, aun cuando semejan
tos obtenidos sólo en el último ensayo duran te práctica les sería sumamente fácil. ..¡j
te el aprendizaje. Sin embargo, las curvas de
aprendizaje de los dos grupos podrían ofre TIPOS DE RELACIONES EMPÍRICAS
cernos considerable información sobre cómo EN PSICOLOGÍA
los dos métodos condujeron a sus puntos ter
minales; los participantes que emplearon un Habiendo especificado dos subclases de va
método pudieron ser “lentos al principio”, riables independientes —de estímulo y orga-
pero cobrar mayor rapidez hacia el final. Ta nísmicas—y habiéndonos explayado sobre la
les medidas de desarrollo de la conducta pue naturaleza de las medidas de la variable de
den estudiarse más ampliamente mediante pendiente, nos volveremos ahora hacia las
una técnica estadística llamada análisis de ten relaciones entre estas clases de variable. Hay
dencias. El análisis de tendencias permitirá a dos clases principales de leyes empíricas que
usted comparar las curvas de aprendizaje, por incluyen variables independientes: (1) las re
ejemplo, en puntos específicos, o en toda su laciones de estímulo-respuesta, resultantes del
extensión. En sus futuros estudios, tal vez ten uso del método experimental, y (2) las leyes
ga usted que estar alerta ante el análisis de de variable organísmica-respuesta, que se de
tendencias, que también se relaciona con los rivan del uso del método de observación sis
diseños experimentales por el hecho de que temática.
hay medidas repetidas de los mismos partici
pantes (capítulo 9). Leyes de estímulo-respuesta
Medidas aplazadas Este tipo de ley afirma que cierta clase de

respuesta va en función de cierta clase de es
Otra cuestión importante concierne a la tímulo y se la puede simbolizar como R=f(E).
retención de los efectos experimentales. Por Para establecer una ley de E-R, un estímulo
ejemplo, un método puede producir un me determinado es sistemáticamente manipula
do como variable independiente, para deter pertinentes a la relación entre variables orga
minar si una respuesta determinada (la varia nísmicas y conducta, nunca será perfecta por
ble dependiente) también cambia de manera la imposibilidad de controlar todas las varia
ordenada. Por ejemplo, en un estudio, pode bles extrañas al formularlas. De manera simi
mos variar las condiciones de iluminación lar, nunca se controlan las variables extrañas
sobre un objeto dado, para ver si cambia el en la investigación correlacional, por lo que
informe verbal que sobre su tamaño hace una nunca sabremos qué factores causales influ
persona (la medida de respuesta). yen en las relaciones correlaciónales.
Leyes organísmicas y de la conducta LA NATURALEZA DEL CONTROL

EXPERIMENTAL
Este tipo de relación afirma que cierta cla
se de respuesta va en función de una clase de La fuerza de la civilización se basa, en el fon
variables organísmicas, simbolizadas como do, en la cantidad y los tipos de conocimien
R - J(0). La investigación tendiente a estable to fidedigno que se han acumulado. Pero el
cer este tipo de ley aspira a determinar si cier progreso ha sido lento y difícilmente logra
tas características de un organismo están aso do, a menudo retardado por grandes guerras
ciadas a ciertos tipos de respuesta. Por ejem y por otros desastres. Dentro de esta perspec
plo, podemos tratar de saber si las personas tiva, debemos estar orgullosos de nuestros
que son de baja estatura y robustas se com logros: de la historia de la adquisición del co
portan de manera distinta que las personas nocimiento y del desarrollo de métodos con
altas y delgadas. Mediante el método de ob fiables para adquirir ese conocimiento. En
servación sistemática podríamos reunir a dos tre los avances más notables de la metodolo
de tales grupos de personas y comparar su gía está el reconocimiento de la necesidad de
grado de felicidad, emotividad general o condiciones de control “normales”, contra las
verbosidad. cuales evaluar los tratamientos experimen
tales.
La formulación matemática de las leyes Para llegar a esta etapa relativamente avan
zada, los metodólogos probablemente hicie
La forma R - f(E) se deriva directamente ron muchas pruebas tentativas, en que hubo
del planteamiento de relaciones hipotéticas un buen número de investigaciones mal con
entre las variables independientes y depen troladas. Pero debemos admirar incluso estos
dientes. Como lo hemos mostrado en el capí “semi-experimentos”, pues fueron realmente
tulo 3, esta declaración matemática es un caso imaginativos. Un ejemplo es el extraño relato
especial de la relación más general “si a, en hecho por Herodoto, sobre el experimento
tonces b”. Podemos añadir que también pue de lingüística realizado por Psamético, rey de
den buscarse relaciones más complejas como, Egipto (H isto ria e , II, 2). Para determinar cuál
por ejemplo, las que ocurrirían si usted inves era el lenguaje más antiguo, Psamético orde
tigara la relación que hay entre dos estímulos nó criar a dos niños que nunca oyeran el ha
y una respuesta dada f/i =f(E¡E2)] o entre un bla humana e hizo que se registraran sus pri
estímulo, una respuesta y una variable organís- meras palabras. Una vez obtenido un claro
mica [A’ =f(0, E)\. registro del habla de los niños, se enviaron
embajadores por todo el mundo a descubrir
Advertencia. Nuestros esfuerzos por formu dónde se hablaba ese idioma (específicamen
lar sólidas leyes entre el estímulo y la respues te, dónde la palabra que significa “pan” era
ta sólo podrán tener éxito, empero, si en todo bekos). Como resultado de su experimento,
momento se controlan adecuadamente las Psamético declaró que el frigio era el lengua
variables extrañas que siempre se introducen je más antiguo, aunque antes de hacer la prue
en toda investigación psicológica. Debemos ba había supuesto que era el egipcio (Jones,
notar que nuestra formulación de las leyes, 1964, p. 419).
Una investigación más refinada, pero tam sentido del término “control”, se aplica c u a é
bién antigua, s í incluyó una condición de con do la v a ria b le in d e p e n d ie n te es m a n ip u la d a dé
trol: Ateneo, en E l B a n q u e te de los S o fis ta s m a n e ra conocida y específica. Aquí, la variable
(D eiphosophistae, III, 84-85), muestra cómo el independiente fue la cantidad de acitrón ad-1
acitrón era un antídoto contra el veneno. Al ministrada y, a propósito, se le hizo tomar dos;
parecer, un magistrado de Egipto había sen valores: cero, y cierta cantidad positiva. i
tenciado a un grupo de delincuentes convic :
tos a ser ejecutados, arrojándolos a unas ser Control de variables extrañas .§
pientes venenosas, en un teatro. Se le infor
mó que, aunque se había cumplido debida El segundo sentido de co n tro l surgió cuan-!
mente la sentencia y los delincuentes habían do el magistrado intentó determinar si la va-j
sido mordidos por las serpientes, ninguno de riación de la cantidad de acitrón administra!
ellos había muerto. El magistrado inició in da a los envenenados afectaría su inminente]
mediatamente una investigación. Supo así que estado de inanición (desde luego, una clara;
cuando los delincuentes eran llevados al tea medida de variable dependiente, si alguna vezJ
tro, una mujer del mercado, por simple pie la hubo). No obstante, para descubrir si estas,
dad, les dio a comer un poco de acitrón. Al dos variables estaban relacionadas, habría que
día siguiente, basándose en la hipótesis de que preguntar acerca de otras variables (extrañas); j
el acitrón los había salvado, el magistrado hizo que también pudieron afectar el grado de via
dividir al grupo por parejas, y ordenó que se bilidad de los hombres. Si las había, la reía-,
diera acitrón a un miembro de una pareja, ción que buscaba el magistrado acaso se le
pero no al otro. Luego se expuso a ambos in hubiese ocultado. Por ejemplo, alguna sustan
dividuos a las serpientes, el individuo que cia que hubiera en el almuerzo de los hom
había comido acitrón no sufrió ningún daño, bres habría podido servir de antídoto. Los
mientras que el otro murió instantáneamen hombres acaso fueron miembros de un culto;
te. El experimento se repitió varias veces y, de a las serpientes y, por tanto, pudieron haber
este modo (nos dice Ateneo), quedó firme desarrollado inmunidad, etc. A falta de cono
mente establecida la eficacia del acitrón como cimientos sobre tales variables extrañas, era
antídoto contra el veneno (Jones, 1964, p. 419). necesario suponer que habrían podido afec
De esa manera, se desarrolló la lógica del con tar la variable dependiente. Por tanto, se con
trol experimental, hasta llevarnos lentamente trolaron sus posibles efectos; es decir, el ma
a nuestro actual nivel de refinamiento metodo gistrado formó dos grupos equivalentes y le
lógico. administró acitrón sólo a uno. Así pues, pue
El problema de controlar las variables, fase de suponerse que los dos grupos quedaban
crítica de la planeación y dirección de los ex equiparados con respecto a todas las variables
perimentos, requiere una vigilancia particu extrañas, de modo que la única diferencia era
lar. Para empezar, la palabra “control” indica que uno de ellos había recibido el supuesto
que el experimentador tiene cierto poder so antídoto. El hecho de que sólo sobrevivieron
bre las condiciones de un experimento; di miembros del grupo que recibió el acitrón
cho poder consiste en manipular de manera excluyó toda nueva consideración sobre las
sistemática las variables, en un esfuerzo por variables extrañas. Establecido así este con
llegar a la debida conclusión empírica. Pon trol, el magistrado obtuvo la relación que bus:
gamos un caso, utilizando el anterior ejem caba, lo que muestra nuestro segundo senti
plo farmacológico. do de la palabra “control”: el co n tro l de toda
v a ria b le e x tra ñ a es la re g u la ció n de va ria b le s ex
Control de la variable independiente tra ñ a s. '
Una variable extraña es la que opera en la
Primero, el magistrado ejerció un control situación experimental, además de la varia
sobre su variable independiente al producir ble independiente. Como podría afectar a la
el hecho que deseaba estudiar. Este, primer variable dependiente y como nosotros no es
tamos inmediatamente interesados en saber Un ejemplo psicológico. Para mostrar más

si afecta la variable dependiente, se le deberá claramente estos dos sentidos de “control” y
regular de modo que no oculte el posible efec también para avanzar más, consideremos la
to de la variable independiente. cuestión de si la vitamina A afecta las capaci
dades visuales. La variable independiente es
No confunda las variables. No controlar la cantidad de vitamina A administrada y la
adecuadamente las variables extrañas da por variable dependiente es el número de letras
resultado un experimento confuso, conse que pueden verse en una carta. Para ejercer
cuencia desastrosa para el experimentador; es control sobre la variable independiente, su
decir, si se permite que una variable extraña pongamos que un grupo recibe tres unida
opere sistemáticamente de manera no contro des de vitamina A, un segundo grupo cinco
lada, ésta y la variable independiente se con unidades y un grupo de control recibe un pla
fundirán. Por tanto, la variable dependiente cebo, pero no vitamina A. Para mostrar el
no quedará libre de influencias improceden control de la variable extraña nótese que las
tes. Por ejemplo, supóngase que quienes reci condiciones de iluminación para la prueba
bieron el acitrón hubieran recibido un desa afectan el número de letras que los partici
yuno distinto del de los participantes de con pantes pueden leer correctamente. Por ejem
trol. En este caso, el magistrado no sabría si plo, supongamos que se hace la prueba en
fue el acitrón o algo que había en los alimen una habitación en la que la cantidad de luz
tos del grupo experimental lo que sirvió de varía durante el día y que, además, el grupo 1
antídoto: por ello, el tipo de almuerzo habría se presenta principalmente por la mañana, el
sido una variable extraña, que podía confun grupo 2 cerca del mediodía y el grupo 3 por
dirse con la variable independiente. Ocurre la tarde. De este modo, algunos participantes
confusión cuando hay una variable extraña pasarían la prueba mientras había buena luz;
que es relacionada sistemáticamente con la otros, cuando la luz era mala. Las calificacio
variable independiente y puede actuar sobre nes de la prueba reflejarían entonces básica
la variable dependiente; por tanto, la variable mente las condiciones de iluminación, más
extraña puede afectar las calificaciones de la que la cantidad de vitamina A administrada.
variable dependiente de un grupo, pero no En ese caso, quedarían ocultos los posibles
del otro. Si llega a haber confusión, entonces efectos de la vitamina A. Dicho de otra mane
la razón de que ocurra algún cambio en la ra, la cantidad de luz y la cantidad de vitami
variable dependiente no podrá atribuirse a na A se confundirían. La falta de control de
la variable independiente. esta variable extraña nos dejaría en una situa
ción en la que no sabríamos qué variable o
En resumen. O curre c o n fu sió n c u a n d o u n a qué combinación de variables influyó sobre
variable extra ñ a se relaciona de m a n e ra sistem á nuestra variable dependiente.
tica con la va ria b le in d e p e n d ie n te y p u e d e afec Tan sólo para desarrollar brevemente este
tar d iferencialm ente los valores de la v a ria b le de punto, consideremos algunas de las posibili
p en d iente de los dos o m á s g ru p o s de la in v e sti dades, cuando la luz es la única variable ex
gación. Esta es una definición importante traña no controlada. Supóngase que el valor
y deberá aprenderla de memoria. Observe de la variable dependiente aurnentajunto con
en especial la palabra difere n cia lm e n te. Si la la cantidad de vitamina A; es decir, la variable
variación de la variable independiente va dependiente del grupo que recibió la dosis de
acompañada sistemáticamente por variación cinco unidades recibió la más alta calificación;
de una variable extraña y si los valores de la luego le sigue el grupo que recibió tres uni
variable dependiente de los grupos difieren, dades y el grupo que recibió cero unidades
entonces la variable dependiente se ve di recibió la calificación más baja. ¿Qué pode
ferencialmente afectada; por tanto, esa varia mos sacar en conclusión acerca del efecto de
ble extraña se confunde con la variable inde la vitamina A sobre la variable dependiente?
pendiente. Puesto que no se controló la luz, bien pudo
ser éste el factor que influyó sobre las califi modos en que un investigador puede ejercer
caciones de la variable dependiente. O tal vez control sobre la variable independiente)
la iluminación no controlada ejerció un efec (1) una v a r ia c ió n in te n c io n a l (m a n ip u la c ió n ) d¿.
to deprimente, de modo que, si se hubiera la v a ria b le , y (2) una selección de los valores
mantenido constante, los efectos de la vitami deseados de la v a ria b le a p a r tir de cierto numeró
na A habrían sido aún más pronunciados: por de valores que y a existen. Cuando se emplea la
ejemplo, si el grupo de cinco unidades reci manipulación intencional, se está efectuando
bió una calificación de 10, acaso la hubiese un experim ento, pero se utiliza la selección erf
recibido de 20 si se hubiese controlado la luz. el método de observación sistemática. Si u s í ¡
Otra posibilidad es que la luz no tuviera nin ted está interesado en saber si la intensidad!
gún efecto, caso en el cual nuestros resulta de un estímulo afecta la tasa de condiciol
dos podrían aceptarse como válidos. Pero namiento, podrá variar la intensidad de dosj
puesto que no lo sabemos, no podemos lle maneras: alta y baja. Si el estímulo es una luz))
gar a esa conclusión. Cuando una variable in podría elegir valores como 2 y 20 de energía!
dependiente se confunde con una variable de una vela. Entonces, usted, al azar: (1) divi|
extraña, entonces necesariamente hay ambi diría la muestra de participantes en dos gruí)
güedad al interpretar sus efectos. Sin embar pos, y (2) determinaría, al azar, qué grupo;
go, cuando hay más de una variable extraña recibiría el estímulo de baja intensidad, asfj
confundida, la situación es casi de total caos. como qué grupo recibiría el de alta insen-
En resumen. El control experimental es la sidad. En este caso, estaría usted v a r ia n d o a
propósito (m a n ip u la n d o ) la variable indepen
regulación directa e intencional de variables
experimentales, de las cuales hay dos clases: diente (éste es un experimento). La decisión-
independientes y extrañas. (La variable de sobre qué valores de la variable independien- ;
pendiente es otra clase que intentamos con: te estudiará y, de mayor importancia, qué gru
trolar indirectamente, ejerciendo un control po recibirá qué valor, d ep en d erá enteram ente
de usted. Y, tal vez de no menor importancia,
sobre la variable independiente.) Por medio
del control de la variable extraña regulamos usted también “creará” los valores de la varia!
ble independiente. >
las variables extrañas —otras variables que
pueden influir sobre la conducta de los parti Para ilustrar el co n tro l de la v a ria b le inde
p e n d ie n te p o r m edio de la selección de valores ya
cipantes—para evitar confusión. Si es adecua
do el control de las variables extrañas, podre existentes (el método de observación sistemá-:
mos hacer una declaración inequívoca sobre tica), considérese el efecto de la inteligencia
la relación causal entre las variables indepen sobre la resolución de problemas. Suponga
diente y dependiente. En cambio, si no es ade mos que el investigador no está interesado en
cuado el control de las variables extrañas, estudiar los efectos de pequeñas diferencias
habrá que moderar esa conclusión. ¿Hasta qué de inteligencia, sino que desea estudiar valo
punto habrá que moderarla? Esto depende de res sumamente distintos de esta variable, como
cierto número de factores, pero frecuentemen un CI de 135, un segundo de 100 y un tercero
te un control inadecuado de las variables ex de 65. Hasta este punto, los procedimientos
trañas no conduce a ninguna conclusión res para los dos tipos de valor de las variables
pecto a una relación causal. independientes son los mismos; el investiga
dor determinará qué valores de las variables
se estudiarán.
Dos tipos de control de la Sin embargo, en este caso el investigador
variable independiente debe encontrar ciertos grupos que tengan los
valores de inteligencia deseados. Para lograr
- Ya hemos dicho que hay control de la va lo, se pueden administrar pruebas de inteli
riable independiente cuando el investigador gencia en tres instituciones diferentes. Prime
varía la variable independiente en forma co ro, se pueden analizar a estudiantes universi
nocida y específica. Hay esencialmente dos tarios brillantes, para formar un grupo con
un CI promedio de 135. Segundo, se puede sería la conclusión apropiada del investigador

elegir a un grupo un tanto no selectivo, de en el ejemplo de la inteligencia para resolver
estudiantes de preparatoria o personal del problemas. Consideremos la co n fu sió n de esta
ejército, para obtener un valor promedio de investigación. Tenemos tres grupos que di
100. Tercero, se puede buscar una institución fieren en inteligencia. Pero, ¿en qué otros as
especial, de la que salga un grupo con un CI pectos pueden diferir? Las posibilidades son
promedio de 65. Una vez formados estos tres tantas que sólo enumeraremos tres: posición
grupos, se les aplica una prueba de capacidad socioeconómica, grado de estimulación de sus
para resolver problemas y se llega a las con ambientes y motivación para resolver proble
clusiones apropiadas. Obsérvese que los valo mas. Por tanto, cualquiera que sea el resulta
res de la variable independiente fueron selec do de las pruebas para resolver problemas,
cionados entre una población numerosa. L os habrá una atroz confusión de nuestra varia
índices de C I de la s personas e x a m in a d a s d e te rm i ble independiente con variables extrañas. No
naron quiénes sería n los p a rtic ip a n te s. E l experi sabríamos a qué variable o combinación de
m entador no d eterm in a (com o sucede e n los expe variables atribuir las posibles diferencias
rim entos) q u é p a rtic ip a n te s recibirán d e te rm in a de calificación de la variable dependiente. Esto
do va lo r de la va ria b le in d ep en d ien te. En la se no es así en un experimento como el de nues
lección se procede al revés: el v a lo r de la v a r ia tro ejemplo sobre la condición de la ilumina
ble in d ep en d ien te d eterm in a q u é p a rtic ip a n te s se ción. En aquel experimento, cualquiera que
rán empleados. Es obvio que en el control de la pudiese ser la variable extraña, sus efectos se
variable independiente por selección de valo distribuirían al azar, por igual, sobre todos
res ya existentes en los participantes n o se a sig los grupos.
na a l a za r a los p a rtic ip a n te s de los g ru p o s: ésta Cuando una variable de estímulo es la va
es una falla crítica del método de observación riable independiente, se recurre a la manipu
sistemática. lación intencional. Sin embargo, si la variable
Además, en realidad no es práctico prede independiente es una variable organísmica, la
terminar unos valores precisos de CI, como selección es el procedimiento de control de
en nuestro ejemplo. Lo más probable es que la variable independiente. Por ejemplo, si la
el investigador diga: “quiero un grupo de muy inteligencia (el número de años de escuela,
alta inteligencia, un grupo mediano y un gru la ansiedad crónica, etc.) es la variable inde
po de muy baja inteligencia” y, luego, acepte pendiente, no tenemos más alternativa prác
cualesquier CI que haya obtenido. En este tica que la de seleccionar a participantes con
caso, los promedios podrían ser de 127,109 y los valores deseados. Acaso sea posible mani
72, lo que probablemente bastaría para este pular intencionalmente algunas de estas varia
propósito en particular. bles, pero tal idea es impráctica. Es reconoci
damente difícil, por ejemplo, criar a una per
En resumen. La manipulación intencional
sona de tal manera (manipulando el medio o
de una variable independiente ocurre cuan administrándole medicamentos) que la perso
do el investigador determina los valores de la na llegue a tener un índice CI del valor desea
variable independiente, “crea” dichos valores do; dudamos que el lector intente hacer esto.
y determina qué grupo recibirá determinado Se han realizado muchos estudios para de
valor. Se ejerce control de la variable inde terminar si fumar cigarrillos se relaciona con
pendiente por medio de la selección cuando el cáncer de pulmón. Esencialmente, el para
el investigador elige a participantes que ya digma ha consistido en comparar a personas
poseían los valores deseados de la variable que no fuman con personas que sí lo hacen.
independiente. Por ello, la variable independiente es el gra
Confusión en el método de observación siste do de tabaquismo. Luego, se toman medidas
mática. Es importante la distinción entre am de la variable dependiente: la frecuencia de
bos modos de control de la variable indepen casos de cáncer de pulmón. Los resultados,
diente. Para subrayar esto, consideremos cuál en general, han sido decisivos, revelando que
los fumadores sufren de cáncer de pulmón El uso de “grupos de control” nos indica!
con mayor frecuencia que los no fumadores. inmediatamente que se ha efectuado un ex-fl
Nadie rechazaría esta declaración. Y, sin em perimento. La referencia a “grupos de com- j
bargo, a menudo se hace una declaración adi paración” nos indica que se empleó el méto- l
cional: por tanto, podemos concluir que fu do de observación sistemática. |
mar causa cáncer de pulmón. Sobre la base
de la evidencia presentada, tal declaración es LAS VARIABLES EXTRAÑAS J
infundada, ya que el tipo de control de la va
riable independiente que se ha utilizado es el En cualquier momento, un número fantás
de selección de valores.4 Las variables adicio ticamente grande de estímulos rodea a un or- J
nales pueden confundirse con la variable in ganismo, los cuales afectan su conducta aun
dependiente. De hecho, investigadores muy que sólo sea en forma sutil. Pero en cualquier f
serios han sostenido que quienes están pre experimento, por lo general sólo nos interesa j
dispuestos a tener cáncer de pulmón con más saber si una clase de estímulo afecta una clase j
frecuencia adquieren el hábito de fumar, in de respuesta. Por tanto, con este propósi
virtiendo así la relación causal. to inmediato deseamos eliminar de toda con- j
El único enfoque conductual para deter sideración a las demás variables. Si esto fuera
minar la relación de causa-efecto consiste en posible, concluiríamos que cualquier cam
ejercer un control por medio de una manipu bio de nuestra variable dependiente sólo sé;
lación intencional, es decir, seleccionar al azar debe a la variación de nuestra variable inde
a un grupo que nunca haya tenido el hábito pendiente.
de fumar (por ejemplo, niños o grupos cultu Sin embargo, si se permite que todas estas
rales aislados), dividirlos al azar en dos gru otras variables extrañas influyan sobre nues
pos y determinar, también al azar, qué grupo tra variable dependiente, cualquier cambio de
será de fumadores y cuál de no fumadores. nuestra variable dependiente no podría atri
Desde luego, el experimentador deberá ase buirse a la variación de nuestra variable inde
gurarse de que cumplan estas instruccio pendiente. No sabríamos cuál de las muchas va
nes durante un largo periodo. Conforme los riables habría causado el cambio. Para controlar
miembros de los dos grupos adquieren cán la situación experimental, de modo que po
cer de pulmón, la acumulación de esta evi damos descartar a todas estas otras variables
dencia decidirá la cuestión. Aunque proba extrañas deberemos empezar por identificar
blemente nunca se efectuará este experimen las. Como sería una tarea interminable enu
to, subrayemos el punto principal de este aná merar todas las variables que pudieran afectar
lisis: ocurre confusión cuando se emplea una la conducta de un organismo, debemos limi
selección de los valores de la variable inde tar nuestra pregunta: de esas variables, ¿cuál
pendiente (el método de observación sistemá es probable que afecte nuestra variable depen
tica), pero eso se puede evitar cuando se em diente? Aunque esta sigue siendo una pregun
plea debidamente la manipulación intencio ta difícil, inmediatamente podremos eliminar
nal por medio de la experimentación. Para muchas posibilidades. Por ejemplo, si estamos
subrayar esta diferencia, nos referimos a gru estudiando un proceso de aprendizaje, no con
pos “normales” de participantes como grupos sideraríamos siquiera variables como el color
de control, en un experimento, pero en el de la silla en que se sientan los participantes
método de observación sistemática son gru o la marca del lápiz utilizado. Nuestra lista de
pos de comparación. variables extrañas que deberían considerarse
podría empezar con una revisión de la biblio
grafía. Podremos así estudiar experimentos
4 Sin embargo, la investigación pertinente no niega una anteriores para ver qué variables han influi
relación causal. De hecho, es sumamente probable que
exista, por lo que la persona prudente, considerando la do sobre nuestra variable dependiente y no
expectativa matemática, apostaría a que fumar sí produce tar qué variables extrañas habían controlado
cáncer. los experimentadores anteriores. Las seccio
nes de discusión de artículos anteriores pue de, ¿debe permitirse que una variable extra
den incluir las variables recomendadas para ña menor influya sobre la variable dependien
una futura consideración. De este modo y tras te? Si el experimentador no va a controlar al
considerable reflexión sobre otras variables, gunas variables, ¿qué puede hacer con ellas?
podremos enumerar las variables extrañas que Al pensar sobre estos puntos, debemos recor
deban tomarse en cuenta. dar que siembre habrá un gran número de
variables en esta categoría. La pregunta es:
Especificación de variables extrañas ¿afectarán a uno de nuestros grupos en ma
que deben controlarse yor grado que a otro? Si no afectan diferencial
mente a nuestros grupos, entonces disminu
Entre estas variables extrañas potencial yen nuestras preocupaciones. Podemos supo
mente pertinentes deberemos decidir, ahora, ner que esas variables se “distribuirán al azar”
cuáles deben controlarse, es decir, las varia y que, a largo plazo, afectarán por igual a nues
bles que probablemente afectarán nuestra va tros grupos. Si es razonable hacer esta supo
riable dependiente. Éstas son las variables a sición, entonces este tipo de variable no debe
las que se necesitará aplicar las técnicas de retrasarnos más. Cuando, más adelante, ana
control que pronto veremos. De momento, licemos la aleatorización como técnica de con
baste plantear el resultado final: los cambios trol, abundaremos a este respecto.
de la variable dependiente se atribuirán a la
variable independiente y no a las variables Cuándo abandonar un experimento
extrañas controladas. Después de considerar
este paso y los siguientes, ilustraremos todos Hasta aquí hemos sido optimistas, supo
los pasos con un ejemplo. niendo que podemos controlar todas las va
riables pertinentes de cierta importancia, de
Especificación de variables extrañas que
modo que sus efectos sean esencialmente igua
no pueden controlarse razonablemente
les sobre todos los grupos. Si esta suposición
es irrazonable, entonces el experimentador
Una respuesta sencilla a la pregunta de deberá considerar la posibilidad de abando
cuáles de las variables extrañas especificadas nar el experimento. Aun si no estamos segu
deben controlarse es que deberíamos contro ros en este punto, tal vez lo mejor sería no
larlas todas. Aunque eso pudiera ser posible, efectuarlo. Cierto tiempo después de evaluar
sería demasiado costoso en cuestión de tiem los diversos problemas de control, el experi
po, dinero y esfuerzo. Por ejemplo, suponga mentador deberá precisar lo que ganará si si
mos que la variación de la temperatura du gue adelante. En los casos de un inadecuado
rante las sesiones experimentales es de dos control de las variables extrañas, la respuesta
grados. Esto, aunque pueda ser controlable, no tiene que ser que no se ganará nada; pue
probablemente no afectará nuestra variable de ser que se obtendrán nuevos atisbos o una
dependiente. El esfuerzo “no vale la pena”, información benéfica, con respecto al proble
particularmente cuando consideramos el gran ma del control. Pero debemos entender que
número de otras variables que hay en la mis ésta es la situación y ser realistas, compren
ma categoría. Con la limitada energía y recur diendo que tal vez lo mejor sea interrumpir
sos de que disponga el experimentador sólo el proyecto.
debe tratar de controlar las variables impor
Técnicas de control
tantes que sean potencialmente pertinentes.
La eficacia de la aleatorización. Pero, ¿qué Aunque los experimentadores intentan
pasa si estas variables menores se acumulan ejercer un control experimental adecuado, a
hasta tener un efecto de cierta importancia veces, sólo después de compilar los datos, se
sobre la variable dependiente, invalidando así descubre una variable extraña decisiva y no
el experimento? Aun si su efecto no es gran controlada. Hasta en experimentos publica
dos se descubren ciertas fallas de control. Cier 2. Constancia de las condiciones. Las va
tamente, son muy sutiles las confusiones que bles extrañas que no sea posible eliminar pue
pueden eludir al experimentador, al editor y den mantenerse constantes durante el experi
a la publicación. Además los errores de con mento. Así, el mismo valor está presente para
trol no son exclusivos de los experimentado todos los participantes. Tal vez la hora del día
res jóvenes; se les puede encontrar en la obra sea una variable importante, pues las perso
de algunos de los psicólogos más respetados nas se desempeñan mejor en la variable de
y de establecida reputación. ¿Cómo podemos pendiente por la mañana que por la tarde.
reducirlos? Para mantener constante la hora del día, ha
Después de pensar mucho en los errores brá que estudiar a todos los participantes casi
potenciales, después de reflexionar y de com a la misma hora, en días sucesivos. Aunque la
probar, podrá usted recibir sugerencias de sus cantidad de fatiga no pueda mantenerse cons
colegas. Alguien “de fuera” probablemente tante para todos los participantes todos los
tenga otra visión y pueda ver algo que usted días, este procedimiento sin duda deberá ser
pasó por alto. ¡Esto es importante! Un cien de ayuda.
tífico llama a sus colegas para verificar los Otro ejemplo de esta técnica sería mante
pasos de un experimento de principio a fin, ner constantes las condiciones de iluminación
incluyendo la lectura de los primeros borra en nuestro experimento sobre la lectura y la
dores. Al comienzo de sus carreras, los estu vitamina A. Así, simplemente podríamos ba
diantes deben aprender a ayudarse de esta ma jar las persianas en la sala de experimentos y
nera. Es asombroso notar que algunos estu hacer que la cantidad de iluminación sea la
diantes ni siquiera se molestan en leer sus re misma para todos los participantes.
portes para corregirlos antes de entregarlos. Una de las aplicaciones estándar de la téc
Después de especificar una importante var nica de mantener constantes las condiciones
riable extraña ¿cómo controlarla? ¿De qué consiste en efectuar las sesiones experimen
técnicas se dispone para regularla de modo tales en la misma habitación. Así, cualquiera
que puedan quedar claramente aislados los que pueda ser la influencia de las característi
efectos de la variable independiente sobre la cas particulares del salón (animación, olores,
variable dependiente? Las siguientes técnicas, color de las paredes y del mobiliario, ubica
muy comunes, ilustran principios importan ción), será la misma para todos los participan
tes que se pueden aplicar a una gran variedad tes. De manera similar, para mantener cons
de problemas específicos de control. tantes diversas variables organísmicas (nivel
de educación, sexo, edad) deberemos selec
1. La eliminación. El modo más deseable cionar a participantes con las características
de controlar las variables extrañas es simple que necesitemos; por ejemplo, si completa
mente eliminarlas de la situación experimen ron la secundaria y nada más, si todos son
tal. Por ejemplo, algunos laboratorios son varones, o si todos tienen 50 años de edad.
oscuros y a prueba de ruido a fin de eliminar Muchos aspectos del procedimiento expe
ruidos y luces ajenas. De hecho, a menudo rimental se mantienen constantes, como las
los arquitectos y administradores de las uni instrucciones dadas a los participantes. Así,
versidades se irritan al ver que los psicólogos los experimentadores leen precisamente el
diseñan los edificios de sus laboratorios sin mismo conjunto de instrucciones a todos los
ventanas, dándoles una apariencia “insólita”. participantes (salvo las modificaciones para
Aun así, no se puede eliminar la mayoría de distintas condiciones experimentales). Pero
las variables extrañas. En el ejemplo anterior hasta las mismas palabras se pueden leer con
del efecto de la vitamina A sobre la capacidad diferente entonación y énfasis, pese a los es
de leer letras, la variable extraña era la ilumi fuerzos del experimentador por mantener una
nación. Es obvio que para leer se necesita luz. constante. Para un control más preciso, algu
Otras variables extrañas que costará trabajo nos experimentadores presentan las instruc
eliminar son el sexo, la edad y la inteligencia. ciones estandarizadas con una grabadora.
En lo que toca al procedimiento, todos los se las puede identificar, y se dan pasos especia
participantes deben dar los mismos pasos en les para controlarlas.
el mismo orden. Por ejemplo, si los pasos con
Balanceo de variables extrañas no especifi
sisten en saludar a los participantes, pedirles cadas. Consideremos un experimento para
que se sienten, vendarles los ojos, empezar la
determinar si un prolongado periodo de en
tarea, etc., entonces no sería correcto vendar trenamiento en tiro con fusil mejoró la esta
los ojos a unos participantes antes de leerles bilidad con la que los soldados sostenían sus
las instrucciones y a otros después. También la armas. La investigación anterior había indi
actitud del experimentador debe mantenerse cado que cuanto más firmemente se sostuvie
tan constante como sea posible, para todos ra el fusil, con mejor puntería se disparaba.
los participantes. Si se muestra jovial con un Por ello, si se pudiera aumentar la estabilidad
participante y gruñón con otro, habrá confu
mediante un entrenamiento, se podría mejo
sión en la actitud del experimentador con la rar la puntería. Se hicieron pruebas de esta
variable independiente. El experimentador
bilidad antes y después del entrenamiento,
podrá practicar el procedimiento experimen en un diseño de test previo y posterior. Co
tal hasta que se le vuelva tan rutinario que mo podemos ver en la tabla 4-1, las califica
pueda tratar a cada participante de manera ciones de estabilidad mejoraron, lo cual sugi
mecánica. Por lo general, el mismo experi rió que el entrenamiento sí aumentaba la es
mentador recaba todos los datos, pero si se tabilidad.
emplean diferentes experimentadores de ma
Sin embargo, otro conjunto de datos de un
nera no sistemática, de ello puede resultar un grupo de control que no recibió ese entrena
grave error. Por ejemplo, en un experimento, miento lo modificó todo. En la tabla 4-2 po
un experimentador hizo correr unas ratas
demos ver que no sólo aumentaron las califi
durante catorce días, pero se ausentó al deci
caciones del grupo no entrenado, sino que
moquinto día. El desempeño de las ratas en
mejoraron más que los puntajes del grupo
ese día fue tan atípico que se justificó la con entrenado. Para llegar a la conclusión de que
clusión de que las diversas maneras de tomar
el entrenamiento con fusil es la variable a la
las habían causado el cambio y no el trata
que se debió la mejora de las calificaciones,
miento experimental.
el grupo experimental tenía que mostrar un
El aparato para administrar el tratamiento
aumento considerablemente mayor que el del
experimental y para registrar los resultados
grupo control. Vemos así que el entrenamien
deberá ser el mismo para todos los partici
to en el tiro de fusil no fue la razón del au
pantes. Supongamos, por ejemplo, que se em mento de la firmeza. Tuvieron que intervenir
plean dos diferentes proyectores giratorios
otras variables para causar ese cambio, varia
para presentar estímulos, uno para el grupo bles que actuaron en ambos grupos. Lo nota
experimental y el otro para el grupo de con ble es que cualquiera que fuese la variable, fue
trol. Si el que se emplea con un grupo es más controlada mediante la técnica de balanceo (es
rápido o más ruidoso o proyecta una imagen decir, sus efectos en el grupo entrenado que
más clara, de ello pueden resultar confusio
daron balanceados —igualados—por el uso del
nes. La técnica de la constancia de condicio grupo de control). Las variables extrañas per-
nes exige que todos los participantes empleen
el mismo proyector giratorio, aparato graba
dor o cualquier otro equipo.
TABLA 4-1. Calificación promedio de estabilidad
3. Balanceo. Cuando no es posible mante de los soldados, antes y después de
ner constantes las condiciones, el experimen entrenamiento con fusil
tador deberá balancear el efecto de las varia
bles extrañas. Puede emplearse el balanceo Antes del entrenamiento Después del entrenamiento
en dos situaciones: (1) cuando no se pueden 64.61 Período de entrenamiento 105.74
identificar las variablés extrañas y (2) cuando
j
TABLA 4-2. Calificación media de estabilidad de grupos entrenados y no entrenados
Antes del Después del

entrenamiento entrenamiento
Grupos entrenados (experimentales) 64.61 Periodo de entrenamiento 105.74

Grupo no entrenado (de control) 73.39 Sin periodo de entrenamiento 129.67
tinentes afectaron por igual a ambos grupos. tuar también sobre el grupo de control. Porj
Pero podemos reflexionar sobre estas varia tanto, la variable independiente será la única
bles extrañas. Por ejemplo, el entrenamiento que pueda influir difercncialmente sobr e los
de tiro se dio durante las dos primeras sema dos grupos (figura 4-1).
nas de la vida del soldado en el ejército. Tal i
vez la baja de las calificaciones reflejara sim Más de un grupo de control para evaluar
plemente una adaptación general a los inicia una variable extraña. Se pueden emplear va
les impactos emocionales. O quizás los solda rios grupos de control para evaluar la influen
dos pudieron aprender en la prueba de fir cia de las variables extrañas y para analizar la
meza de la primera sesión lo bastante como situación total en sus partes. Supóngase que
para mejorar su desempeño en la segunda estamos interesados en el efecto de la varia
(efecto de práctica). Cualquiera que sea la ble extraña 1 de la figura 4-1. Para evaluarla,
variable extraña los efectos fueron controla sólo necesitamos añadir otro grupo de con
dos (balanceados), por el uso del grupo de trol, que reciba un valor de cero de ella, como <
control. queda ilustrado en la figura 4-2. La variable
La lógica dicta que si se trata del mismo extraña posiblemente influya en la varia
modo a los diversos grupos, salvo en lo tocan ble dependiente del grupo experimenta] y del
te a la variable independiente, entonces cual grupo de control 1. Dado que esta variable
quier diferencia de la variable dependiente no está actuando sobre el grupo de control 2,
entre ellos puede atribuirse a la variable inde una comparación sobre los dos grupos de con
pendiente (al menos, a largo plazo). Por ello, tro l nos indicará el efecto de la variable extra
no necesitamos especificar todas las variables ña. Consideremos una de las variables extra
extrañas pertinentes. Por ejemplo, suponga ñas que estaba interviniendo en el experimen
mos que hay tres variables extrañas descono to de la estabilidad en el manejo del fusil: la
cidas actuando sobre el grupo experimental, práctica en la situación de prueba (familiari
además de la variable independiente. Sus efec zarse con el procedimiento de la prueba,
tos se pueden balancear permitiéndoles ac aprender a sostener el fusil, etcétera).
Variable extraña 1
Variable
Grupo Variable extraña 2
dependiente
experimental Variable extraña 3
Cantidad positiva de la variable L
independiente J
Grupo de Variable extraña 1
Variable
control 1 Variable extraña 2
dependiente
Variable extraña 3
Cantidad cero de variable 1
independiente J Sin efecto
FIGURA 4-1. Representación del uso del grupo de control como técnica de
balanceo
Variable extraña 1 Variable

Variable extraña 2 dependiente
Grupo
Variable extraña 3
experimental
Cantidad positiva de la variable L
independiente J
Grupo de Variable extraña 1 Variable
control 1 Variable extraña 2 dependiente
Variable extraña 3
Sin efecto
independiente J
Grupo de Variable extraña 2 Sin efecto
control 2 Variable extraña 3
independiente J
FIGURA 4-2. Uso de un segundo grupo de control para evaluar el efecto de

una variable extraña
Por ejemplo, para evaluar el efecto de la sexo, no podrá generalizar debidamente sus
práctica, añadimos un segundo grupo de con resultados sobre el otro sexo. Entonces, si
trol que no pasó por la prueba inicial de esta emplea usted personas de uno y otro sexo,
bilidad. De este modo, la tabla 4-3 ilustra el necesitará balancear la variable del sexo so
diseño pretest, postest, como en la tabla 4-2, bre los dos grupos. Para balancear los sexos,
salvo la adición del segundo grupo de con simplemente se asignará un número igual de
trol. Una comparación de las calificaciones miembros de cada sexo a cada grupo. Por ello,
de estabilidad de los dos grupos no entrena si el sexo es un factor que influye en la varia
dos, después del entrenamiento (del grupo ble dependiente, sus efectos serán los mismos
experimental), deberá indicar cualquier efec para cada condición experimental. De mane
to de la prueba inicial. Por ejemplo, si, en la ra similar, se puede controlar la edad de los
segunda prueba, el grupo de control 2 mues participantes asignando un número igual de
tra menos estabilidad que el grupo de con cada clasificación por edad a cada grupo. Lo
trol 1, la primera prueba aumenta la firmeza. mismo puede decirse de una variable de apa
rato. Supóngase que se emplean dos instru
Balanceo para controlar una variable extra mentos experimentales, para ahorrar tiempo.
ña conocida. Considérese la necesidad de con Podrán tener o no ligeras diferencias, sin
trolar la variable del sexo. Obviamente, el pro embargo para asegurarse de que esta varia
cedimiento más sencillo consistirá en emplear ble está controlada la mitad de los participan
sólo hombres o únicamente mujeres. Sin em tes de cada grupo deberá utilizar cada instru
bargo, si usted sólo estudia miembros de un mento. Por ello, cualquiera que sea la dife-
TABLA 4-3. Posible diseño experimental para evaluar también el efeclo de la práctica sobre la
primera prueba de firmeza
¿Recibió la prueba antes ¿Recibió ¿Recibió la prueba después

del entrenamiento? entrenamiento? del entrenamiento?
Grupo entrenado (experimental) Sí Sí Sí

Gpo. 1 no entrenado (de control) Sí No Sí
Gpo. 2 no entrenado (de control) No No Sí
^ m e n ta le s y cómo controlarlas 71
■„hlss ex P 1
t as vanabLe
h - 0 contrabalanceado par:
pata tres
**
------ ” "festó n expérimentât
(número
V" de ordené'
j.jllo. Por tanto, su menor tiempo de reacción
al amarillo, simplemente puede reflejar los primeé0
Primero Segundo Tercero
' .tosde práctica y adaptación y no el efecto V
so, acaso no “recordaran! color: el color del signo y la cantidad de la R
zón, necesitamos balancea! íctica se han confundido. Para controlar la R
cajas con recompensas. Pai| ,ei
variable extraña de el la método
cantidadde de práctica, 1 Unsextodelos
jráctica
podemos
variable se i n
emplear R
mos a la m itad de los animí odemosextraña
em plear de el la método
n. de contraba-
lanceo. Para ello, la m itad de los participan- participantes
ra a la caja negra en busca d | anceo.
tes Para ello,
responde laeromal itad de los participan- Un s e x m ^ -
atra mitad para que corra, p0F —He primprimero signo
al signo am arillo yy lue-
amarillo lue- 2. Unsextode los R
go al rojo, mientras' que la otra m ■
itad experi-
mitad
'"ego
experi
el sif pai ticipantes
caja blanca.5 Si en los ensayo m entará primero el signo rojo y luego el sig- 3 Unsext0de Ios R
animales entrenados para cc
olanco muestran una preferer no amarillo (véase tabla 4-5). "t,apantes. R
neo, tendremos mayor confiar/ El principio general de contrabalanceo es
uvieron la discrim inación, pue que en los experimentos con tratam iento re p a rú c v p ^ f^
;ue fuese el color con que se le* petidos, cada condición (por ejemplo, el color
aservaron el hábito durante u de un signo),debe presentarse a cada p a rticip a n
res meses. El efecto del color i, unmsi6-
te el ismo núm. ero de veces y cada condición tie ___
variable que influyera sobre sf el mismo
ne,eder
que
,■Que
Z y
r /se núm
ocurrir
g u irig
ocurrir
ero
au aal
igu l númlas
-
todas erodemás
número d e veces en cada seel es
de i/mcondiciones, trespresentado dos veces
variables, nótese queen cada
cada Col0r . , señal
sión 2de
depráctica.
práctica.AdemAdemás, cadacondición
ás,cada condicióndebe
debepre
p,*-
I m 7 oyr n
ceder seguir
^ e m palotodas, en lala tabla 4-5condiciones,
s dem ás podemos ob- el cada participante recibe cada c o lo ^ 11’ (lr>e
servar que cada colorla de señal
4-5fue presentado
ob-y que
ceo. En algunos experimenf cada color precede y sigue dos Vez Y
pante actúa bajo dos o mái 5 uPor
mismo ejemplo,
aínúmero
número enveces
dede
veces. tabla
a cada podemos
participante otros colores. Por consiguiente, Se nece?Sa los
-'"te cada color de señal
'’“fes fue presentado■
lerim entales diferentes; pof efuela señal amarilla y laaroja
cada participante
aparecieron
^r-pC
ieron igual mínimo de seis participantes, y Un
.terminar si un signo de “Altóf número de veces en ambas sesiones deigu;
prác- quier múltiplo de seis (12, 18, etc.). S a l
e rojo o de am arillo, debemól tica; además la señal am arilla precedió y si- Control del efecto de orden. £] c
pos de reacción a esos colores',; guió a la señal roja, igual número de veces, ceo se ha diseñacjo para resolver^’^ 'a n -
jue presentamos el signo rojo y así como la señal roja precedió y siguió a la ma creacj0 cuando hay más de una ° Pr°ble-
dio, y descubrimos que el tieníf señal amarilla igual número de veces. perim ental -e s decir, cuando el ex'
5n es m enor ante el amarillo,’ puede contrabalancear cualquier número del participante puede mejorar g r¿ ? P eñ°
remos ahora a la oficina de tráttl
de condiciones experimentales. Por ejemplo, si practica- pero también puede haber
de amarillo las señales de “Alto”? tenemos tres colores de señales (rojo, R; ama- cremento del desem peño, debido a ¿ ^ de-
rticipantes prim ero fueron (ti rillo A y verde, V), un sexto de los participan- El método de contrabalanceo Se d is * ¿ U& -
n o rojo, su tiempo de reaccióñ f
rendizaje de operar el aparató! tes sería expuesto a cada orden especificado distribuir por igual estos efectos de
en4la tabla 4-6. Para ver cómo se satisfacen los de fatiga, sobie todas las condici0nes p efec-
de orden), influye en la conducta
lca y
y adaptarlo a la situación expé-1 requisitos de contrabalanceo de los efectos de to to,
encualquiera que sea su
cada condición, yaefecto (llam cado*1
que cada / 11'
? °r ?gUal
:go, se los expuso al signo ama- ocurre con la misma frecuencia en , dición
lternamos al azar las posiciones (dere-

e lascajasblancaynegraparaasegurai Contrabalanceo para controlar una ja práctica. da etapa
no estén aprendiendo simples hábito ------------------ —-------- E l problem a de la transferencia d if
>, por ejemplo, dar vuelta siempre a la -mental Sin embargo, al utilizar el contrabi^*®*-
variable extraña suponemos que . . el
. efecto de preSe/ t Ce°>
prim era variable, a
el mismo que el de presentar la segu*//’ es
e :-v,le
^ re T q uque
antes e ^la primera. Por ejem j Va‘
tfûmew de práctica de responde?
’—-— 1 °Prime-
’-C{Ue
p a r tid p f^
na mitad de «aUo)a
p a r tic ip a ^
responder primero a la señal amarilla. Tal vez mera y segunda, el efecto de la variación de 1
esto no sea así, de modo que ver primero la presión quedó oscurecido y la prueba estadía
señal roja podría producir un mayor efecto tica indicó (erróneamente) que no era un efe
de práctica (o de fatiga), lo que posiblemente to confiable. En general, la transferencia difi
nos llevara a conclusiones erróneas. Más ge rencial reduce la diferencia registrada entre dé
neralmente, los diseños de contrabalanceo condiciones, pero también podría exagerar
entrañan la suposición de que no hay una diferencia. Por ello, la lección es que si en
transferencia diferencial (asimétrica) entre las pleamos el contrabalanceo como técnica di
condiciones. Transferencia diferencial signi control, deberemos examinar los datos, ei
fica que la transferencia de la condición 1 (cuan busca de efectos de transferencia asimétrico^
do ocurre primero) a la condición 2 es diferente Para ver cómo hacerlo, supóngase que qui|
de la transferencia de la condición 2 (cuando ocu nes recibieron la condición A obtuvieron, a]
rre primero) a la condición 1. Si esta suposi principio, una calificación de 5 para su vari;
ción no está justificada, habrá dificultades en ble dependiente. Luego, sometidos a la segur
el análisis estadístico (en particular, habrá in da condición B, recibieron una calificacióii
teracciones entre variables de orden y de tra de 7. A la inversa, la otra mitad de los particl
tamiento, concepto que analizaremos más pantes recibió valores de variables dependien
adelante en este libro). Por ejemplo, en un tes de 3 para la condición B y de 5, para A|
estudio de los efectos de la presión del aire Podemos ver a la izquierda de la tabla 4-7 qu|
sobre la conducta de barajar naipes, un gru la diferencia para ambos grupos fue la mis]
po de personas primero barajó los naipes ma, a saber, de 2. En este caso, la transiere!
cuando era alta la presión que los rodeaba. cia fue simétrica: no hubo una transferencia)
Luego, repartieron cartas bajo una presión diferencial. El efecto de pasar de la primera
normal. Un segundo grupo de personas ex condición a la segunda fue el mismo para
perimentó primero la condición normal, se ambos grupos, sin importar si A o B ocurrían
guida por la condición elevada. En el primer primero. Por otra parte, supóngase que las
grupo de hombres, hubo muchas respuestas diferencias fueron de 2 y 4, como aparece en
lentas, en condiciones elevadas, como podía el lado derecho de la tabla 4-7. Ahora, la mi)
esperarse. Pero cuando escogieron cartas bajo tad de los participantes aumentó su califica
presión normal, estos hombres tuvieron casi ción en 4 en lugar de 2. Sin duda, en este
tantas respuestas lentas como en la condición segundo ejemplo hubo una transferencia asi
elevada. En cambio, el segundo grupo tuvo métrica.
un número menor de respuestas lentas bajo En el primer ejemplo, en el que la transfe
presión normal y cometió casi el mismo nú rencia fue simétrica, sería legítimo combinar
mero de respuestas lentas cuando cambiaron. los valores de A y compararlos con los valores
En otras palabras, la conducta de dar cartas de B. Es decir, se podrían sumar 5 más 5 y
(la variable dependiente) fue influida por el comparar estos valores con 3 más 7. En cam
orden en que se presentaron las condiciones bio, donde hubo una transferencia asimétri
experimentales. Por consiguiente, cuando se ca no debemos combinar los resultados de A
combinaron los resultados de las sesiones pri y compararlos con los de B. Desearíamos tra-
TABLA 4-7. Ilustración de transferencia simétrica y asimétrica entre las condiciones A y B
Transferencia simétrica Transferencia no simétrica

Número de participantes Condición (orden) Diferencia Condición (orden) Diferencia
La mitad de los participantes A primero B segundo A primero B segundo

5 7 2 5 7 2
La mitad de los participantes B primero A segundo B primero A segundo
3 5 2 3 7 4
tarlos por separado, con la condición de que extrañas actúan en la situación experimental,
el efecto de hacer que B ocurra primero y A pero no es factible aplicar una de las anterio
después fuera mayor que el efecto de pasar res técnicas de control, y (2) donde supone
primero de A a B. mos que actuarán algunas variables extrañas,
pero no podemos especificarlas, y por tanto
Balancear no es contrabalancear. Los estu no podemos aplicar las otras técnicas. En
diantes a veces confunden el balanceo y el
ambos casos, tomamos precauciones que au
contrabalanceo tal vez porque ambas son téc
mentan la probabilidad de nuestra suposición
nicas de control y sus nombres tienen en co de que los efectos de las variables ajenas se
mún el término “balanceo”. Pero un poco de “anularán al azar”, es decir, que, cualquiera
reflexión debe eliminar esa confusión: se em
que sea su efecto, influirá sobre ambos gru
plea el contrabalanceo cuando cada participan pos aproximadamente en el mismo grado.
te recibe más de un tratamiento (AB o BA) y
¿Cómo hacemos esto?
el propósito es distribuir por igual los efectos
Consideremos la variable extraña, antes
del orden (fatiga, práctica), sobre todas las con mencionada, de la iluminación en el salón. Si
diciones experimentales (como en la tabla
se somete a prueba al grupo experimental por
4-5). En el balanceo, cada participante recibe
la mañana, cuando hay una luz moderada, y
sólo el tratamiento experimental: las variables
al grupo de control por la tarde, cuando en
extrañas son balanceadas cuando se hace que
tra un sol brillante por la ventana, claramente
afecten a los miembros del grupo experimen
habrá una confusión. Es decir, esperaríamos
tal igual que a los del grupo de control. Por
que las calificaciones de la visión fuesen más
ello, un participante sólo sirve en una con bajas para el grupo examinado en condicio
dición experimental o de control, de modo
nes de luz moderada que para el grupo exa
que cualquier variable extraña (práctica, fati
minado en condiciones de luz brillante, cual
ga), ejerza igual influencia (sea “balancea
quiera que fuese el grupo experimental: cuan
da”) sobre los dos grupos. El balanceo se usa
to mejor fuese la luz, mejores serían los valo
en la investigación de grupos independien
res de la variable dependiente, sin que impor
tes, mientras que el contrabalanceo se em
tara algún posible efecto de la variable inde
plea en la investigación de tratamientos repe
pendiente. Pero si cada participante de cual
tidos.
quier grupo tiene igual oportunidad de exa
5. La aleatorización. La aleatorización es minarse por la mañana o por la tarde, enton
un procedimiento que sirve para asegurarse ces, en promedio, la iluminación afectará por
de que cada miembro de una población o igual a ambos grupos. El gran valor de la alea
universo tenga igual probabilidad de ser ele torización consiste en que distribuye al azar
gido. Si se lanza al aire una moneda no carga los efectos extraños sean los que fueran en
da, sin ningún sesgo, será igual la probabili tre las condiciones experimental y de control.
dad de que caiga águila o sol. Si selecciona Esta compensación ocurre ya sea que se ha
usted sus participantes en forma no sesgada yan identificado ciertas variables extrañas o
entre una población de 500 estudiantes, cada no, porque los efectos de las variables extra
uno de estos estudiantes tendrá igual posibi ñas desconocidas y no especificadas están
lidad de servir en su experimento. Utilizar una igualmente distribuidos en todas las condi
tabla de números aleatorios tomada de un li ciones.
bro de estadísticas puede asegurar esa selec Al asignar a los participantes a los grupos,
ción aleatoria. al azar, las diferencias individuales también
La aleatorización se utiliza como técnica se equilibran, de modo que los grupos son
de control, porque el experimentador da cier equivalentes en sus valores de todas las varia
tos pasos para igualar los efectos de las varia bles organísmicas. Sin embargo, obsérvese
bles extrañas sobre los diversos grupos. La que cuando se utiliza el método de observa
aleatorización tiene dos aplicaciones genera ción sistemática, no asignamos al azar los parti
les: (1) donde se sabe que ciertas variables cipantes a los grupos, lo que constituye otra
demostración de por qué podemos esperar ratas más veloces. De este modo, se confutjl
confusión cuando se utilizan métodos no ex dieron los efectos de los tratamientos experj
perimentales. Pronto hablaremos más al res mentales y de la capacidad inicial (innata) di
pecto. correr. El experimentador que no toma ciei|
Ampliemos esto: nótese cuán extensas son tas medidas para asegurar la aleatorizació|
las diferencias entre cualquier grupo de par (como asignar, al azar, los participantes a loa
ticipantes —difieren de sus anteriores expe grupos), puede ser víctima de un experimen
riencias de aprendizaje, nivel de motivación, to confuso. ’1
cantidad de alimentos ingeridos el día del ex Las potenciales variables extrañas que pue
perimento, relaciones románticas y problemas den aparecer en la situación experimental son
económicos, y cualquiera de ellas puede afec considerables, como el sonido de campana!s
tar nuestra variable dependiente. Desde lue de la universidad, el sonido de los tubos di
go, tales variables no pueden ser controladas un radiador, la peculiar conducta momenta?
mediante ninguna de las técnicas anteriores. nea del experimentador (como un tic, estorj
Pero si se asignan al azar los participantes a nudar o rascarse), la intrusión de otra perscil
los grupos experimental y de control, pode na, olores que lleguen del laboratorio de qúíi
mos suponer que los efectos de tales varia mica o el goteo de agua de unas espitas defeca
bles son casi los mismos sobre la conducta de tuosas. Es difícil controlar estas variables. No*
uno y otro grupos. De este modo, ambos gru siempre se leen los letreros colocados en la]
pos deben diferir en ésta y otras variables, sólo puerta de un laboratorio para evitar intruj
dentro de los límites del muestreo aleatorio. siones. Una habitación a prueba de sonido!
Cualquiera que sea la diferencia entre gru puede ayudar, pero tal vez no se disponga de'
pos (esperamos que sea pequeña), la toman ella. Sencillamente es imposible controlar in|
en cuenta nuestras pruebas estadísticas. Las tencionalmente todas las variables extrañasj
pruebas estadísticas se planean precisamente mediante las cuatro técnicas aquí enumera
para que nos revelen si los grupos difieren das. Por tanto, la siguiente opción consiste en*
sobre una base distinta de la de las fluctua adoptar medidas explícitas para asegurarse de
ciones al azar. que los efectos de las variables extrañas que
Uno de los ejemplos más increíbles de con den aleatorizados de modo que no afecten
fusión que yo haya visto en mi vida ocurrió diferencíalmente a nuestros grupos. Una de!
porque el experimentador no asignó al azar tales medidas consiste en alternar el orden
sus participantes a los grupos. Tal vez no ha en que trabajamos con nuestros participan,
bría sido increíble si lo hubiese cometido un tes. De este modo, si al azar asignamos la prf
estudiante de preparatoria, pero fue come mera persona al grupo experimental y la si
tido por un ducho estudiante ya graduado. guiente al grupo de control, la tercera sería
La variable dependiente de este estudian asignada, al azar, al grupo de control o al ex
te, la velocidad con que se recorría un labe perimental, y entonces la cuarta quedaría en
rinto, exigía que el grupo experimental de el otro grupo, etcétera. Por ejemplo, de este
ratas fuese el que tuviera la mayor velocidad. modo podemos esperar que, si cerca de ahí
El experimento ni siquiera comenzó porque, están construyendo un edificio (lo que resul
al asignar las ratas a los grupos, el experimen ta irritante), afectará a varios participantes de
tador simplemente metió la mano en las jau cada grupo y a ambos grupos casi por igual.
las y asignó las primeras ratas que encontró
al grupo experimental, y el resto al grupo de Ejemplo de control sobre
control. No hay duda de que los animales la variable extraña
más activos asomaron la cabeza para ser to
mados por el experimentador, mientras que Para ilustrar algunos de nuestros principa
los menos activos se quedaron en la parte tra les puntos y tratar de unificar nuestro crite
sera de la jaula. Pese al entrenamiento dado a rio acerca de los procedimientos de control,
los grupos, el grupo experimental tenía las consideremos un experimento hecho para
determinar si la cantidad de estrés de unos El siguiente paso es determinar las varia

estudian! es influye sobre el grado de hostili bles extrañas que es razonable esperar que
dad que expresarán verbalmente a sus padres, puedan influir sobre la variable dependiente.
durante las discusiones en grupo. Formamos Una que probablemente no influirá sobre la
dos grupos y hacemos variar la variable inde variable dependiente y, por tanto, podemos
pendiente (cantidad de estrés), con una ma pasarla por alto, es el color de los ojos. Sin
yor cantidad ejercida sobre el gr upo experi embargo, aun cuando hay variables que po
mental y una cantidad normal en el grupo de demos pasar por alto, recuérdese que en rea
control. La variable dependiente —la hostili lidad se les controla mediante las técnicas de
dad verbalmente expresada hacia los padres— balanceo y de aleatorizacion.
se cuantifica a partir de discusiones grabadas. Para tratar con las demás, podemos con
Remitiéndonos a la figura 4-3, nuestro pri trolar las siguientes manteniendo constantes
mer paso en el control es determinar las va las condiciones: lugar del experimento —cele
riables extrañas que haya presentes. Median brando sesiones para ambos grupos en la
te los procedimientos ya especificados pode misma habitación; hora del día —celebrando
mos llegar a la lista siguiente: sexo y edad de las sesiones a la misma hora para ambos gru
los participantes, si sus padres aún viven o ya pos (en distintos días); condiciones de ilumi
murieron, lugar del experimento, hora del día, nación —manteniendo la misma luz para am
características del experimentador, condicio bos grupos, sin permitir que entre luz del ex
nes de iluminación, ruidos ambientales, nú terior; tamaño del grupo —manteniendo el
mero de grupos de discusión, antecedentes mismo número en cada grupo; y característi
familiares y origen étnico de los participan cas del experimentador —haciendo que el mis
tes, nivel educativo, experiencias recientes con mo experimentador aparezca ante ambos gru
sus padres, tendencias agresivas generales, pos con una actitud constante.
frustraciones, sentimientos anteriores hacia los Las variables de sexo, edad, nivel educati
padres y color de los ojos. vo y padres vivos o muertos se pueden con-
D:, torm ine las varia bies extra has
Las que probablemente no Las que pueden Influir

influirán sobre: la variable razonablemente sobre la variable
dependiente dependiente
Ignórelas Les que factiblemente: Las que no se pui don

pueden controlar controlar por eliminación,
ma ri 11¡nie ndc, co ns ia iites
Aplique técnicas de las condiciones,
Continue el experimento control contrabalanceo o balanceo
Continue el experimento ; £ß'$ Las que no

que se se
aleatorizaran aleatorizarán
Continúe el Abar .done el

experimento eXßfrimerfb
FIGURA 4-3. Diagrama de flujo de las medidas que deben tomarse al controlar las variables
trolar mediante balanceo. Podemos asignar subrayaremos brevemente. En el reporte e$j

un número igual de miembros de cada sexo a perimental se deberán especificar las técni-'
cada grupo, asegurándonos de que el prome cas empleadas para controlar la variable dél
dio de edad de cada grupo sea casi el mismo, experimentador y el número de los t ecabadoreá
distribuyendo al nivel educativo por igual de datos. La violación más evidente a los buél
entre ambos grupos y asignando a cada gru nos procedimientos de control ocurre cuatí
po un número igual de participantes cuyos do un experimentador recaba los datos ch¿
padres aún viven. No obstante, el equilibrio rante un tiempo y luego es relevado por otrojj
simultáneo de todas estas variables sería difí sin ningún plan para asignar un número igual
cil (si no imposible) con un número pequeño de participantes de cada grupo a cada expedí
de participantes. De hecho, dos variables pro mentador; sin embargo, también son posibles'!
bablemente serían el máximo. Podemos selec efectos mucho más sutiles, como cuando lo'
cionar el sexo y los padres vivos o muertos que el experimentador había esperado del;
como las más importantes y balancearlas. Si comportamiento de los participantes influye'
trabajamos con estudiantes universitarios, el sobre cómo se comportan en realidad.
nivel educativo y la edad serán muy similares, Se ha demostrado a veces que la raza de
por lo que podremos incluirlos con los siguien experimentador afecta las respuestas del par-':
tes, como variables que no consideramos fac ticipante, así como las diferencias en earactBf
tible controlar mediante nuestras cuatro pri rísticas como el sexo, la edad, la identidad ét|
meras técnicas: ruidos, antecedentes familia nica, el prestigio, la ansiedad, la amabilidad;
res, origen étnico, experiencias recientes con la autoridad y la cordialidad. También se hit
los padres, tendencias agresivas generales, demostrado que el experimentador afecta las
grado de frustración y sentimientos previos calificaciones de tareas como: las pruebas'
hacia los padres. Algunas de estas variables de inteligencia, pruebas proyectivas, tareas dé
pueden considerarse importantes y, cierta condicionamiento verbal y varias medidas fi-'
mente, sería deseable controlarlas. Sin embar siológicas y educativas (Barber, 1976). Abura
go, en su mayor parte son difíciles de medir y daremos sobre los efectos del experimenta
por ello, difíciles de controlar explícitamen dor en el capítulo 12 cuando consideremos"
te. ¿Es razonable suponer que afectarán, al las posibles limitaciones de estas variables
azar, a ambos grupos aproximadamente en el sobre las generalizaciones a partir de los dm
mismo grado? Lo es, si los participantes se tos. Á
asignan al azar a los grupos (salvo en la me
dida en que hayamos limitado el proceso Los sesgos del experimentador. A veces, el
de aleatorización mediante balanceo). Pero experimentador presta mayor atención al gru
siempre podremos supervisar la validez de es po experimental que al grupo de control,1
ta suposición comparando a los grupos en lo que también influye, involuntariamente,
cualquier variable determinada. Dado que la sobre los resultados. Las expectativas de los
suposición parece razonable en nuestro ejem participantes, si se les presta diferente aten-;
plo, concluiremos que efectuar el experimen ción, influyen éonsiderablemente sobre su
to es factible en lo tocante a los problemas de conducta.
control; no hemos logrado especificar efec Una manera de estudiar esos posibles ses
tos de confusión que pudiera indicarnos que gos del experimentador sería balancear el
abandonáramos el experimento. número de participantes entre varios experi
mentadores, como se mostró en la tabla 4-4,
El experimentador como variable extraña en la página 70. Entonces, se podrán analizar
los datos separadamente para cada experimen
Varias veces hemos mencionado la necesi tador. Si los resultados difirieron dependien
dad de controlar las influencias del experi do de quien recabó los datos, ciertamente nos
mentador sobre la variable dependiente, pero encontraremos ante un problema, que desa
el tema tiene tanta importancia que aquí lo rrollaremos en el capítulo 12. En algunos ca
sos, puede no informarse al recabador de da cabeza si no era así y la movía en varias direc
tos de la naturaleza de la hipótesis, ni decirle ciones para decir sí o no.
en qué condición experimental está partici Muchos se mostraban escépticos ante las
pando el sujeto. Si empleamos este muy de habilidades de Hans, por lo que se reunió una
seable método de control, que define los ex junta que incluía a dos zoólogos, un psicólo
perimentos doble ciego, es muy improbable go, un entrenador de caballos y un empresa
que los efectos del experimentador sean con rio de circo. Para estudiar la habilidad de
fundidos con la variable independiente. Tam Hans, hicieron que otras personas, además
bién podría emplearse la técnica de elimina del entrenador, plantearan preguntas a Hans,
ción instruyendo a los participantes exclusi que él respondió con todo acierto. Por ejem
vamente por medio de un equipo automati plo, cuando se le preguntó la raíz cuadrada
zado, como grabadoras. Un ejemplo más ex de 16, Hans golpeó el suelo cuatro veces. La
tremo de control automatizado en esta época junta confirmó las asombrosas habilidades
de gran uso de las computadoras es la com- cognoscitivas de Hans.
putarización total de los laboratorios. En ta Sin embargo, el psicólogo Oskar Pfungst
les laboratorios no hay ninguna intervención varió la metodología, haciendo que alguien
de experimentadores y, por ello, los partici que no conocía la respuesta correcta hiciera
pantes simplemente se presentan a su cita y las preguntas. Sus resultados mostraron que
van a la computadora, la cual los programa Hans lograba resolver 9 de cada 10 proble
durante todo el experimento. Sin embargo, mas si el interrogador conocía las respuestas,
como lo veremos en el apéndice C, en la in pero su calificación fue sólo de una de cada
vestigación hay peligros indudables si se de 10 si el interrogador no las conocía. Obser
pende demasiado de la computadora. vando con cuidado al interrogador, Pfungst
notó que cuando Hans había dado el número
Influencias del experimentador sobre la con correcto de golpes, como por ejemplo cuatro
ducta animal. Los efectos sutiles que el expe veces como raíz cuadrada de 16, el interro-
rimentador puede tener sobre los participan gador involuntaria y casi imperceptiblemente
tes no se limitan a los seres humanos, pues el le daba claves. Así, en lugar de utilizar proce
experimentador también puede influir sobre sos mentales superiores, Hans había aprendi
la conducta de animales. Consideremos el caso do a observar claves tan sutiles como las de
ya clásico del caballo excepcional, el Clever un ligero cambio de postura, respiración o
Hans. A comienzos del siglo xix, Clever Hans expresión facial del interrogador. Cuando
recorrió toda Alemania con su entrenador, observaba esas claves, Hans dejaba de golpear.
realizando hazañas cognoscitivas al parecer Por consiguiente, el número de veces que
notables. Al golpear la tierra con sus cascos había golpeado, indicaba la respuesta correc
el número correcto de veces, Clever Hans daba ta. Claves sutiles e involuntarias, como las
la respuesta a problemas de suma, resta, mul expresiones faciales y las variaciones de la voz
tiplicación, división y todos los factores de un de los experimentadores en la investigación
número: hasta sumaba quebrados. Los golpes psicológica pueden comunicar incluso a par
indicaban el día de la semana en que caería ticipantes animales lo que el experimentador
cierta fecha. Mostraba oído absoluto y podía espera de su conducta, influyendo así sobre
identificar los acordes tocados en un instru ella. Sin embargo, debemos reconocer que
mento musical. Si un acorde no era agrada Hans realmente era listo. Pero, evocando la
ble, indicaba las notas que se debían supri regla de parsimonia que planteaba Morgan,
mir. Podía “leer” en alemán, eligiendo uno no debemos atribuir la inteligencia de Hans a
de varios naipes que contenían la palabra de grandes procesos mentales.
seada y golpeando con el casco para indicar
las hileras y columnas de una tabla alfabética Problemas del efecto del experimentador so
especialmente preparada. Asentía con la ca bre la investigación humana. Para resumir y
beza si comprendía una pregunta, sacudía la ampliar nuestro análisis consideremos los
siguientes puntos establecidos por Barber estas otras variables, de modo que en el.-i
(1976). forme haya al menos algo positivo.
• Pueden hacerse análisis post hoc, sin correí
1. El efecto del paradigma del investigador. Esta tram el alterado nivel de probabilidades (véase !
pa es causada por las creencias y métodos ge capítulo 7).
nerales del investigador. Por ejemplo, podemos • Si efectúa usted un gran número de prueBj
no ver ciertos hechos que están presentes y tam estadísticas, 5 por ciento de ellas res
bién ver hechos inexistentes, como cuando en erróneamente confiable por azar, a nivel i
un solo año (1904), se imprimieron casi 100 .05 (capítulo 6). El experimentador podrá el
documentos sobre los rayos N. Tras el descu gir sólo esos resultados positivos, pasauil
brimiento de los rayos X, muchos científicos se por alto el 95 por ciento de las pruebas esc
engañaron “viendo” rayos N. Con el tiempo se dísticas que son negativas.
demostró que todos los efectos atribuidos a los • El experimentador podrá registrar erróne:
rayos N se debían al simple deseo de verlos y a mente los datos. j,
la dificultad de estudiar a simple vista la bri 5. El efecto del engaño del investigador. El efecto pqj
llantez de objetos tenues. de no ser una mentira completa, sino consistí
2- El efecto del diseño experimental del investigador. tan sólo en “amañar” los datos, dejando qi
Se puede llegar a diversas conclusiones depen los deseos y los sesgos influyan en el modo c
diendo del tipo de diseño utilizado. Por ejem analizar los datos e informar sobre ellos
plo, en el capítulo 9 mostramos que pueden puede seleccionar o excluir ciertos datos p<|
resultar diferentes conclusiones, dependiendo llegar a un nivel de probabilidad de .05. H'l
de que empleemos un diseño entre grupos o casos célebres de “amañamiento”, así como di
intragrupos. fraude en toda forma. j
3. El efecto de procedimiento laxo del investigador. 6. El efecto de los atributos personales del experimenté
Como lo hemos repetido, si en un estudio no dor (analizados en este capítulo).
nos apegamos a procedimientos detallados 7. El efecto del experimentador que no sigue el proceí
podrán obtenerse diversos resultados. El pro miento (véase efecto 3).
cedimiento experimental deberá ser preciso, 8. El efecto de las expectativas involuntarias del e:
bien aclarado, seguido a detalle y el mismo para cimentador. Aquí, se pueden dar claves involum
todos los participantes en cada condición. riamente para influir sobre la conducta del si
4. El efecto del análisis de datos del investigador. Como jeto, como cambios en la expresión facial d|
lo subrayamos continuamente, se deberá hacer experimentador. Tales claves pueden influí
el análisis estadístico apropiado, que también sobre la respuesta de un participante deseoáj
deberá ser preciso. Hay varios ejemplos especí de complacer al experimentador. ;
ficos enumerados por Barber: I
■ Si se ha recabado un gran número de datos RESUMEN DEL CAPÍTULO i
y no se ha planeado previamente el análisis V|
estadístico, el investigador podrá seleccionar I. Dos clases de variables independientes que se
los datos que confirmen su hipótesis y pasar pueden estudiar para ver si afectan determi
por alto los datos que la refuten. Una analo nada variable independiente son ¡
gía es el uso de una técnica proyectiva como A. Variables de estímulo, que son cambioj
el Rorschach: el investigador puede proyec cuantificables de energía (como luz o so
tar en los datos sus propias esperanzas y se nido), que pueden afectar la conducta,
ñalar los descubrimientos que estaba desean B. Variables organísmicas, que son caracterís
do como confirmación. ticas de seres humanos y de animales
• Los investigadores pueden no informar de (como la inteligencia), que se pueden es
los datos que refutan sus hipótesis. Se dice tudiar sistemáticamente para ver si se rela
que muchos experimentadores tienen archi cionan con ciertas conductas. i.
vos enteros llenos de experimentos inéditos II. La variable dependiente es la norma condut
“que no salieron bien”. al al para ver si una variable independiente es
• Se pueden recabar datos incidentales que no eficaz.
están directamente relacionados con la hipó A. Medidas de respuesta de la variable depen
tesis puesta a prueba. Si no se hacen descu diente incluyen
brimientos fidedignos en favor de la hipóte 1. Precisión ‘ \
sis, entonces, pueden emplearse datos sobre 2. Latencia '
3. Velocidad (duración) 2. Mantener constantes las condiciones,

4. Frecuencia (y, por tanto, tasa). con objeto de que sean las mismas para
B. Al seleccionar una variable dependiente todos los participantes.
deberá usted considerar 3. Balancear las condiciones para que afec
1. Su validez. Debe medir lo que fue espe ten por igual a ambos grupos (todos).
cificado en la condición consecuente de 4. Contrabalancear las condiciones, de
la hipótesis. modo que cada una se presente a cada
2. Su confiabilidad. Debe dar casi los mis participante igual número de veces y
mos valores cuando se le tomen repeti cada condición ocurra un número igual
das mediciones. de veces en cada sesión de práctica. Ade
3. Múltiples medidas dependientes. Debe más, cada condición deberá preceder y
rá usted hacer más de una medición, si seguir a todas las demás condiciones
se puede hacer razonablemente. igual número de veces.
4. Medidas de desarrollo para estudiar su 5. Aleatorizar los posibles efectos de las
variable dependiente, que puede cam variables extrañas de modo que, en pro
biar con el tiempo. medio, afecten a ambos grupos (todos)
5. Medidas aplazadas. En un esfuerzo por por igual.
ver si es duradero el efecto de la varia E. Será de especial importancia controlar las
ble independiente, podrá usted tomar variables del experimentador. Las caracte
medidas de “seguimiento”. rísticas y prejuicios del experimentador
III. Relaciones empíricas: si se confirman, las re merecen especial atención.
laciones entre variable independiente y varia
ble dependiente son, característicamente, de REVISIÓN CRÍTICA PARA EL ESTUDIANTE:
dos tipos: ALGUNOS PROBLEMAS DE CONTROL
A. Leyes de estímulo-respuesta: éstas resultan
a partir de los experimentos. En las investigaciones siguientes, deberá
B. Leyes variables organísmicas-respuesta: usted especificar los problemas de control y
éstas resultan del método de observación
sistemática. las técnicas con las cuales resolverlos, o tal
IV. Naturaleza del control experimental vez decida usted que no debieran efectuarse
A. El control de la variable independiente se los experimentos, caso en el cual justificará
ejerce variándola intencionalmente de ma usted esa conclusión.
nera sistemática. Para fijar el tono, considérese un experi
B. En el control de las variables extrañas de mento en el que el control, si existió, fue su
berá usted regular las variables extra mamente excéntrico. Un día, un general me
ñas para evitar confusión. Ocurre confu llamó para decirme que estaba repitiendo un
sión cuando una variable extraña se rela experimento que yo había efectuado sobre
ciona sistemáticamente con la variable in
puntería en el tiro con fusil, y para invitarme
dependiente y puede afectar diferencial
mente los valores de la variable dependien a visitarlo. Yo acudí, e inmediatamente fui
te de los dos (o más) grupos en investiga mos al campo de tiro para observar el pro
ción. greso del grupo experimental. Sin embargo,
C. Tipos de control de la variable indepen valía más la pena ver al general que a los nue
diente: vos reclutas del ejército. Mientras éstos dispa
1. Se le puede variar intencionalmente en raban, el general se paseaba a lo largo de la lí
un experimento. nea, colocando a puntapiés a algunos en la
2. Se puede ejercer control sobre la varia posición correcta, y tendiéndose al lado de
ble independiente por medio de la se otros para ayudarlos a disparar, etc. Por fin,
lección de características organísmi- el general sugirió que nos fuéramos. Eso es
cas (el método de observación sistemá
tica).
tuvo bien, pero yo había deseado observar al
D. Técnicas para controlar las variables extra grupo de control; entonces el general sugirió
ñas: que yo (y no los dos) fuese a la colina conti
1. Eliminarlas, si es posible, como amorti gua para estudiarlo. En camino, comenté en
guar los ruidos, si los hay. privado al sargento lo entusiastas que se mos
traban los participantes experimentales. El sar de se pone a prueba a una muestra de niñosj
gento me explicó que eso era lo que deseaba para ver si pueden aprender bien. Después dé
el general: que el general esperaba que el gru hacer toda una serie de pruebas de lectura, se
po experimental disparara mejor que el gru descubre que los niños que emplearon el méi
po de control y que ellos sabían “demasiado” todo fónico son manifiestamente superiores a l
quienes aprendieron con el método de palaj
bien que más les valía que así fuera. Cuando bras. Se concluye entonces que el método fónicpl
llegué al otro lado de la colina, me asombró es mejor que el método de palabras. ¿Acepta|
el contraste. Esos participantes formaban el usted o rechaza esta conclusión? ¿Por qué? ,J
grupo de control más moroso, deprimido y 2. Un psicólogo militar quiere saber si enseñar ai|
lacónico que yo hubiese visto. El sargento en disparar una ametralladora desde un tanquqj
cargado de este grupo sabía que no tendrían aumenta la precisión al disparar el principal!
tan buena actuación como el grupo experi cañón del tanque. Se divide entonces al azar,|
mental. Desde luego, nadie deseaba causar en dos grupos, a toda una compañía de solda-J
una decepción al general (sus motivos eran dos que no ha tenido experiencia de tiro. UnJ
demasiados para citarlos aquí). Huelga decir grupo es entrenado con ametralladora; el otro|
no. Luego, se prueba la puntería de ambos gru-|
que cuando el general informó de los resulta pos al disparar el cañón principal del tanque,|
dos del experimento, éstos favorecieron cla Hay dos tanques que pueden disparar contraj
ramente al grupo experimental. Allí no sólo blancos puestos en un campo. El grupo quej
había habido un efecto de placebo. fue entrenado con ametralladoras es asignado^
En otro experimento interesante, éste con a un tanque y a un correspondiente conjunto*
el efecto de placebo, yo debía llevar periódi de blancos, mientras que el grupo de control ;
camente 21 un paranoide ezquizofrénico del dispara contra otro grupo de blancos desde el,,
hospital a mi laboratorio, tan sólo para medir segundo tanque. Las pruebas muestran que
su conducta de habla encubierta durante sus el grupo antes entrenado con la ametralladora i
alucinaciones auditivas. Después del cuarto es, confiablemente, más preciso que el grupo
de control. La conclusión es que el entrenamien
viaje me confió que estaba mucho mejor, tan to con ametralladoras aumenta la precisión al,,
to así que le habían permitido pasar un fin de disparar el cañón principal del tanque. 1,1
semana en su casa. Mientras yo no hacía mas 3. Un psicólogo pone a prueba la hipótesis de que ¡
que tomar medidas electromiográficas de su el control de esfínteres temprano produce una,
musculatura del habla, él me dio las gracias personalidad excesivamente compulsiva acerca
profusamente, diciéndome “doctor”, por todo de la limpieza y que, a la inversa, el control de
lo que hoy había hecho por él. esfínteres tardío produce descuido y desaliño.
Veamos si podemos encontrar errores si Estudios anteriores han mostrado que a los ni
milares en lo siguiente: ños de clase media se les enseña el control de
esfínteres antes que a los niños de clase baja,
por lo que se forma un grupo de niños de clase
1. El problema de si se debe enseñar a leer a los media y otro de niños de clase baja. A los dos
niños mediante el método de palabras o me grupos se les asigna la tarea de pintar con los
diante el método fónico ha causado controver dedos y se registran datos sobre hasta qué pun
sias durante muchos años. Dicho brevemente, to los niños se embadurnan de pintura manos
el método de palabras enseña al niño a perci y brazos, si se limpian después de la sesión, y
bir una palabra como una unidad completa, cuántas veces se lavan las manos tratando de
mientras que el método fónico pide al niño di quitarse la pintura. Comparaciones de los dos
vidir la palabra en partes. Intentando decidir grupos, sobre estas normas, revelan confiable
esta cuestión, un experimentador planea ense mente que los niños de clase media se preocu
ñar a leer a dos grupos, uno por cada método. pan más por la limpieza que los de clase baja.
El sistema escolar del lugar sólo enseña con el Por ello, se llega a la conclusión de que el con
método de palabras, “eso está muy bien para trol de esfínteres temprano produce una com
un grupo”, dice el experimentador. “Ahora pulsiva preocupación por la limpieza, mientras
debo encontrar un sistema escolar que utilice que el control de esfínteres tardío da por resul
el método fónico.” Por tanto, hace una visita a tado menos preocupación por la limpieza per
otra población que usa el método fónico y don sonal.
4. Al estudiar la función del hipotálamo dentro Se dio tratamiento mediante acupuntura a la

del cerebro, un psicofisiólogo forma, al azar, mitad de los participantes con hombros adolo
dos grupos de gatos. Se quita el hipotálamo ridos, mientras que la otra mitad no recibió un
a los gatos de un grupo, y al segundo grupo tratamiento especial. Los participantes tratados
(de control) no se le opera. En cierta prueba mediante la acupuntura informaron a un evalua
de conducta se descubre que el grupo que fue dor “ciego” después del tratamiento de una
operado es claramente deficiente, en compara confiable mejora de sus hombros. En cambio,
ción con el grupo de control. El psicólogo con el grupo de control no mencionó ninguna me
cluye que al hipotálamo se le puede atribuir el jora estadísticamente confiable. El médico con
tipo de conducta que “falta” en el grupo que cluyó que la acupuntura es un tratamiento efi
fue operado. caz para el dolor crónico del hombro.
5. Según una hipótesis, las palabras que tienen 7. Se utilizaron dos clases de psicología educativa
una carga emocional, como sexo y prostituta, para estudiar los efectos de las calificaciones
deben ser expuestas por un tiempo más largo como recompensas o castigos. El mismo ins
para ser percibidas que las palabras neutrales. tructor enseñó a las dos clases. En una clase, a
Poniendo a prueba esta hipótesis, se coloca a los estudiantes se les dieron calificaciones de
los participantes ante varias palabras durante A, B, C, D o F, mientras que en la otra clase
intervalos sumamente breves. De hecho, el tiem sólo había aprobados o reprobados. Las prue
po inicial de exposición es tan breve que nin bas indicaron que no había diferencias confia
gún participante puede repetir ninguna de las bles entre las dos clases en cuestión de logros,
palabras. Luego, se aumenta gradualmente el actitudes o valores. La conclusión fue que los
tiempo de exposición, hasta que se repiten co estudiantes aprenden igualmente bien sin la
rrectamente todas las palabras. Se registra la recompensa o el castigo de las calificaciones.
duración de la exposición necesaria para que El investigador también observó una diferen
puedan repetir cada palabra. Se descubre cia en la atmósfera del aula, en que la clase de
que la duración necesaria para informar de las los que pasaban o eran reprobados era más
palabras con carga emocional es mayor que la relajada y libre de las tensiones causadas por
de las palabras neutrales. Se concluye así que las calificaciones, con una mejor relación entre
la hipótesis queda confirmada. el instructor y los estudiantes.
6. Un médico efectuó un experimento para estu
diar el efecto de la acupuntura sobre el dolor.
El plan de investigación 83
se con objeto de llegar al inform e de la evi recabación de nuevos datos le ayudará a con
dencia. firmar o a rechazar la hipótesis. Una vez des
cubiertos el problema y los factores que lleva
MÉTODOS PARA OBTENER UN INFORME
ron a su desarrollo, el psicólogo puede tratar
DE LA EVIDENCIA
de ayudar a esa persona a adaptarse mejor a
las circunstancias. Deberá notarse que el mé
Los métodos que analizaremos tienen la carac
todo clínico se utiliza, en general, en sentido
capítulo 5 terística com ún de facilitar la recabación sis
temática de datos que pueden em plearse para
aplicado —en contraste con un sentido bási
co—, ya que su objetivo habitual es resolver
formular u n inform e de la evidencia.
un problema práctico y no contribuir al avan
ce de la ciencia. Sin embargo, la observación
EL PLAN DE INVESTIGACIÓN Métodos no experimentales
de una conducta por medio de este método
puede ser fuente de hipótesis más generales,
que se puedan someter a pruebas severas. Ade
Subrayamos los m étodos experim entales
más, el clínico orientado hacia la investiga
porque conducen a las conclusiones más fir
ción puede recabar datos sistemáticamente,
mes. Juzgamos la eficiencia de los m étodos basado en el progreso de cierto número de
no experim entales p o r relación con los m éto clientes, en un esfuerzo por validar cualquier
dos experim entales. Tam bién los m étodos no
método terapéutico que esté utilizando (véan
experimentales son valiosos, y los desarrolla
se capítulos 10 y 11).
mos en los capítulos 9 y 11. El m odo de clasi
ficar los m étodos no experim entales es un
Los métodos de observación naturalista. En
tanto arbitrario y varía ju n to con la autoridad
la observación naturalista, el investigador
que hace la clasificación. Unos m étodos que
registra la conducta conforme va ocurriendo
se pueden contrastar con el m étodo experi
naturalmente. No Se hace ningún esfuerzo por
mental son el método clínico (llamado, en oca
producir o controlar la conducta, como en la
siones, m étodo de historia de caso o el m éto
experimentación. A menudo, se recaban da
do de historia de vida), los métodos de observa
tos sistemáticos sobre la conducta en grupos
ción naturalista, la investigación por medio de
Propósito principal: Lo que usted debe adquirir: que existen naturalmente, como familias, ni
encuestas, la investigación documental, la inves
ños en edad preescolar y clases escolares. Las
Especificar con detalle cada paso en el avance La capacidad de desarrollar un plan detallado tigación correlacional y los cuasi-experimentos.
observaciones se hacen, preferiblemente, en
de un proyecto de investigación. de investigación para un proyecto propio.
El método clínico clásico. Tradicionalmen forma discreta, para mantener las formas na
Lo que usted encontrará: turales de conducta. Por desgracia, la investi
te, los psicólogos emplearon el método clíni
1. Distinciones entre los métodos experimentales y los co en un intento por ayudar a un cliente a gación conductual a menudo ha carecido de
no experimentales. resolver problemas personales, fuesen emo una discreta metodología de observación na
2. Una guía para planear y llevar a cabo un proyecto de cionales, vocacionales o de cualquier otra ín turalista: una solución posible sería el uso de
investigación, desde su ¡dea inicial hasta su conclu dole. En una forma común del método clíni la radio-telemetría, mediante la cual pueden
sión. co, el psicólogo recaba la información perti detectarse voces y otros datos de los partici
nente acerca de la persona, desde su nacimien pantes, y enviarlos por medio de transmiso
to. Algunas de las técnicas para reunir esta res al receptor del investigador. Una buena
EL INFORME DE LA EVIDENCIA información son la entrevista intensiva, el es cantidad de investigación de observación na
cubrió en la investigación. Una vez hecho el
tudio de antecedentes, las pruebas psicológi turalista se efectúa en los ámbitos educativo,
informe de evidencia, se lo relaciona con la
Una investigación científica empieza por un cas, el interrogatorio a otros acerca de la per de desarrollo, clínico, de áreas sociales y otros,
hipótesis. AI comparar la hipótesis (la pre
problema soluble que se puede plantear como sona, el estudio de obras escritas de la perso junto con análisis de vivas cuestiones meto
dicción de cuáles serán los resultados del ex
pregunta (capítulo 2). Entonces, se propo na o, bien, los cuestionarios biográficos. So dológicas. Estos procedimientos tienen sus
perimento) con el informe de la evidencia (la
ne una hipótesis como posible solución (capí declaración de cuáles fueron los resultados) bre la base de la información resultante, el propios problemas de diseño y análisis.
tulo 3). Para poner a prueba la hipótesis, se psicólogo trata de determinar los factores que Como ejemplo del empleo de este méto
es posible determinar si la hipótesis es pro
resumen los resultados empíricos de un es condujeron al problema de la persona, lo cual do, se puede estudiar a niños en una situa
bablemente verdadera o falsa. Ahora, debe
tudio a manera de informe de la evidencia, mos analizar los diversos métodos de la psico lo lleva a formular una hipótesis informal so ción de juego libre con toda una variedad de
frase que plantea concisamente lo que se des- bre la causa del problema de esa persona; la equipos para determinar qué habilidades po-
logía para obtener datos que puedan emplear
82
84 El plan de investigación
seen los niños de cierta edad. Se puede ob nes de sexo y el tipo de recipiente de cerveí
servar, registrar y catalogar su conducta. Otro Se llegó a la conclusión de que las mujer!
ejemplo del uso de la observación naturalista bebían menos cerveza que los hombres. Tara
fue el clásico y aún célebre estudio del pánico bién se determinó que los hombres consumí^
causado por la dramatización radial de La gue cerveza a una tasa de .92 onzas por minuto!
rra de los mundos, de H. G. Wells, efectuada En el eje vertical derecho, podemos ver cuár|
por Orson Welles. Los psicólogos entrevista to tiempo permanecían los estudiantes en J
ron a personas que participaron en él, tratan bar y notar, hecho interesante, que las estM
do de determinar por qué ocurrió el pánico. diantes se quedaban ahí periodos más largó!
También los etólogos se valen de este méto que los hombres. Además, los estudiantes cora
do en su estudio de los animales en su medio sumían considerablemente más cerveza cuati
natural. Los célebres estudios del etólogo do bebían en grupo y cuando la compraban
Konrad Lorenz dieron por resultado una cla enjarras y no en vasos o botellas. Los autorel
sificación de 20 conductas diferentes especí consideraron que los resultados mostraba^
ficas de los patos. que los estudiantes universitarios varones cpl
En una aplicación de este método, a veces rrían mayor riesgo que las mujeres de condi|
llamada “investigación de observador-partici cir autos en estado de ebriedad. Su razona-:
pante”, el investigador en realidad se une a miento fue que los hombres bebían más cer-'
un grupo para registrar disimuladamente su veza a una tasa mayor, se iban más pronto d|
conducta. Como ejemplo, Geller, Russ y Alto- un bar y, cuando compraban jarras de cerye|
mari (1986) estudiaron una muestra de 243 za y bebían en grupo, era más probable qup
estudiantes universitarios caucásicos, mientras consumieran una cantidad excesiva de cervej
bebían cerveza. Se les había observado disimu za, lo que podía causar embriaguez. Los auto
ladamente bebiendo cerveza en cinco establer res sugirieron que se debía intervenir, para
cimientos públicos y en el centro universita impedir que los estudiantes condujeran ei}
rio. Los resultados aparecen en la figura 5-1, estado de ebriedad.
en la que podemos estudiar el número de Este ejemplo ilustra muy bien que, aujj
onzas de cerveza consumidas por cada estu cuando se puedan establecer relaciones cau
diante (eje vertical izquierdo) como funcio sales en la investigación experimental, no se
FIGURA 5-1. Onzas de

cerveza consumidas y minutos
pasados en un bar por cliente,
como funciones de sexo y tipo
de recipiente de cerveza [Geller,
Russ y Altomari (1986)].
las puede establecer firmemente en una in Establecer coeficientes. Aquí, el objetivo es
vestigación no experimental; en todos estos buscar relaciones entre variables, calculando
métodos no experimentales sólo resultan re los coeficientes de correlación, como veremos
laciones correlaciónales. En nuestro ejemplo, en el capítulo 9. Una vez más, no es posible
aunque es probable que el informe de la evi inferir relaciones causales empleando este
dencia implique que los estudiantes universi método, ya que no hay una variable indepen
tarios varones se encuentran en mayor riesgo diente manipulada de propósito.
de conducir en estado de ebriedad que las
Métodos cuasi-experimentales. La caracterís
mujeres, también es posible sacar otras con
clusiones. Por una parte, la investigación no tica definitiva de este enfoque es que no se
hace ningún intento por asignar a los partici
estableció, ni mucho menos, que alguien es
pantes a grupos, al azar. En cambio, se estu
tuviese embriagado. Aunque no deseo defen
dian grupos ya formados, en un esfuerzo por
der esta posibilidad contra un grupo radical
inferir las relaciones causales, Los métodos
feminista, bien pudo ser que los varones no
se encontraran en mayor riesgo que las muje principales de la cuasi-experimentación, como
res, cuando unos y otros habían estado be el método de observación sistemática, serán
elaborados en el capítulo 11.
biendo cerveza.
Investigación mediante encuestas. Las en Métodos experimentales
cuestas se aplican para analizar los informes
verbales que las personas dan de sus actitu Aunque se pueden utilizar los informes de
des, creencias y sentimientos acerca de cues evidencia obtenidos por métodos no experi
tiones específicas. La técnica de investigación mentales para poner a prueba las hipótesis,
por encuestas está sumamente desarrollada tales informes tienen limitaciones importan
de modo que, cuando se toman las muestras tes que analizaremos después de considerar
adecuadas, se obtienen resultados muy preci el método experimental. Las conclusiones a
sos; por ejemplo, el resultado de una elección las que se llega con ellos siempre tienen me
presidencial con mucha frecuencia se puede nor probabilidad que cuando se emplean bue
predecir con exactitud, minutos después de nos métodos experimentales. Aunque pueden
que se cierran los comicios en el Este de Esta darnos información valiosa, es importante
dos Unidos. reconocer sus limitaciones cuando los aplica
Sin embargo, al evaluar nuestras actitudes, mos.
creencias, etc., es claro que los cuestionarios En las primeras etapas del desarrollo de
sólo indican lo que las personas afirman que una ciencia suelen tener mayor importancia
creen, lo cual puede ser muy distinto de lo los métodos no experimentales. En algunas
que en realidad creen. Por tanto, habrá que ciencias —por ejemplo, la sociología—hay po
condicionar, a este respecto, los resultados de cas esperanzas de que en general pudiera
las encuestas. emplearse algo distinto a los métodos no ex
Investigación documental. En este método, perimentales. Esto se debe, ante todo, a que
los investigadores no recaban los datos por sí la sociología se interesa enormemente en los
mismos, sino que obtienen datos de registros efectos de la cultura prevaleciente y las insti
públicos, archivos, etc. El investigador se li tuciones sociales sobre la conducta, y es difí
mita a analizar los datos y a tratar de sacar de cil manipular estos dos factores como varia
ellos ciertas conclusiones. El método puede bles independientes en un experimento. Sin
ser valioso en muchos aspectos. Por ejemplo, embargo, en los ámbitos que sí son suscepti
no hay otro modo de recabar datos sobre sui bles de experimentación, con el tiempo ocu
cidios y homicidios. Sin embargo, por desgra rre un cambio de metodología al ir acumu
cia, los datos archívales también pueden en lándose conocimientos. Las investigaciones
trañar ciertas trampas, como lo veremos en científicas se vuelven más profundas porque
el capítulo 11. los acontecimientos “espontáneos” de la na
86 E l plan de investigación
turaleza no son adecuados para permitir las no fue manipulada a propósito. Antes bieij
observaciones necesarias. Esto lleva a estable seleccionamos a nuestros participantes porqyj
cer condiciones especiales que produzcan los diferían en edad. La “edad de los participar)
hechos deseados en circunstancias favorables tes” no es, sencillamente, una variable que u|
a las observaciones científicas y que originen investigador pueda controlar. No podemol
así experimentos. decir a una persona: “usted tendrá 20 años”J
En un experimento, el investigador toma parte a otra: “usted tendrá 60 años”. Los participan]
activa, produciendo el acontecimiento. Al crear tes del experimento son asignados, al azar, |
el hecho que se va a estudiar, se puede hacer los grupos experimental y de control, pero e|
que ocurra en un momento específico, de el método de observación sistemática no lj
modo que el experimentador esté preparado son. Aun cuando, en cada caso, se emplearo|
para registrarlo y medirlo con precisión. Las dos grupos, al grupo “norm al” se le llaml
condiciones precisas en que ocurrió el acon grupo de control en un experimento, miera
tecimiento se pueden registrar de modo que tras que en los métodos no experiméntale!
el experimentador, así como otros experimen al grupo normal se le llama grupo de compal
tadores, pueda replicar el experimento. Y, al ración. En un grupo de comparación, los parí
producir activamente el hecho, se pueden va ticipantes ya están agrupados y fueron seleccié
riar sistemáticamente las condiciones experi nados para su estudio por causa de algun^
mentales y de control, de manera que pueda característica común. Así, no se les asignó, afl
determinarse si las medidas de la variable azar, al estado “normal” o “estándar”.
dependiente también variarán, por ello, en Esta decisiva diferencia de diseño es unj
forma sistemática. de las principales razones de que, en el méta]
do experimental, se dé mayor importancia ai
CONTRASTE DE LOS MÉTODOS la conclusión que si se hubiese logrado pe®
EXPERIMENTAL Y NO EXPERIMENTAL un método no experimental. Dicho de otra
manera, un informe de la evidencia, obterii’
La manipulación intencional contra la selección do mediante la experimentación, es más con-:
de los valores de la variable independiente. La úni fiable que cuando es obtenido mediante el;
ca característica que tienen en común todos uso de un método no experimental. Esto re;
los métodos no experimentales es que las va sulta así porque la interpretación del efecto
riables que se están evaluando no son mani de una variable independiente es más ciará
puladas intencionalmente por el experimen en un experimento. La interpretación ambi
tador. Como la psicología es el estudio de la gua de los resultados es característica de lós
conducta de los organismos, al emplear méto métodos no experimentales, básicamente por
dos no experimentales, el psicólogo, de mane una falta de control de las variables extrañas.
ra característica, debe aguardar hasta que ocu Es difícil o, frecuentemente, imposible, en üñ
rra con toda naturalidad la conducta que le in estudio de observación sistemática, estar se)
teresa. Al no tener control sobre la variable que guros de que los resultados, con respecto a la
se estudiará, el investigador sólo puede obser variable dependiente, se deban a la variable
var el hecho en su estado natural. independiente: pueden resultar de alguna
Para subrayar esta distinción decisiva en variable extraña no controlada, que casual
tre los métodos no experimental y experimen mente intervino en el estudio. En los méto,-
tal, consideremos el modo en que la rapidez dos no experimentales también suele ser más
de aprendizaje va cambiando con la edad. Te difícil definir las variables estudiadas que en
nemos dos diferentes grupos de edad que el caso en que se las produjo, como en un
aprenderán una misma tarea: uno, de mucha experimento.
chos de 20 años, y otro, de personas de 60
años. A primera vista, esto puede parecer un Hay menor varianza de error en la investi
“experimento”, pero no lo es, porque la varia gación experimental. Otra razón de que se
ble independiente (edad de los participantes) deba preferir la experimentación es que hay
más “ruido” en la investigación no experimen ce. Que cualquier hecho pueda parecer dife
tal. Como lo veremos más ampliamente en el rente en la situación natural, en comparación
capítulo 6, en la investigación es importante con la del laboratorio, significa sencillamen
reducir la varianza de error (el “ruido”). Cuan te que también está siendo influido por otras
to más ruido haya, más difícil será oír algo. variables, que a su vez deben ser llevadas al
De manera análoga, cuanto mayor sea la va laboratorio para su investigación. Una vez
rianza de, error en la investigación, más difí estudiadas por separado y en el laboratorio
cil será descubrir una ley acerca de la conduc todas las variables pertinentes que existen en
ta, Una importante contribución a la varianza condiciones naturales, y cuando se ha de
de error es el número de variables extrañas terminado en qué forma influyen todas ellas
no controladas. Como resultado del mayor rui en la variable dependiente y entre sí, enton
do debido a un mal control, se reduce marca ces se habrá logrado una completa compren
damente la posibilidad de establecer relacio sión de ese hecho natural. El análisis por par
nes ordenadas acerca de la conducta. tes, de los hechos en el laboratorio, es necesa
A pesar de todo, esto no significa que el rio para comprenderlos debidamente.
método experimental sea un método perfec Ciertas características de la conducta sen
to para responder preguntas. Ciertamente, cillamente son demasiado complejas como
puede conducir a errores y, en manos de ma para comprenderlas con la observación casual
los experimentadores, los errores pueden ser de la vida cotidiana: mediante una observa
grandes. Sin embargo, en términos relativos, ción naturalista acaso no sea posible descu
se prefiere el método experimental donde se brir las variables pertinentes que determinan
le puede emplear apropiadamente. Pero si no se cierto tipo de conducta. Tal vez se necesiten
le puede emplear, entonces deberemos hacer aparatos sensibles de registro de laboratorio,
lo que podamos y emplear un método no ex empleados en condiciones controladas, para
perimental. Así, cuando no sea razonable pro precisar a qué variables se debe un hecho. Se
ducir los hechos que deseemos estudiar, como pueden emplear luego estos descubrimientos
en el ejemplo del páúico, deberemos basar para comprender mejor el complejo mundo
nos en métodos no experimentales. Pero no que nos rodea. Por ejemplo, una observación
olvidemos que, cuando se seleccionan hechos casual, ya de muchos siglos, ha convencido a
para su estudio, en lugar de producirlos y con la gente de que una respuesta se puede elimi
trolarlos, habrá que tener cautela antes de lle nar si se castiga al perpetrador. Y, sin embar
gar a una conclusión. go, no fue posible comprender adecuadamen
te los verdaderos efectos del castigo hasta que
Una crítica del método experimental. Cuan este fenómeno se realizó en el laboratorio.
do se introduce en el laboratorio un hecho Aunque pueda creerse que el castigo hace que
para estudiarlo (como ocurre habitualmente), una respuesta desaparezca inmediatamente,
con ello se modifica el carácter de ese hecho. la experimentación ha demostrado que la res
Por una parte, el hecho no ocurre natural puesta “castigada” sólo queda temporalmen
mente y aislado como se produce en el labo te suprimida y que puede reaparecer en cuan
ratorio, pues en la vida natural siempre hay to se suprima la amenaza de un nuevo casti
muchas otras variables que influyen sobre él. go. Una técnica más eficaz para eliminar una
La crítica de los experimentos, por tales mo respuesta es el proceso de extinción, cuyo
tivos, se basa en una interpretación errónea descubrimiento requirió de una investigación
de la metodología experimental. La esencia de laboratorio.
del estudio de un hecho en el laboratorio es A pesar de estas claras afirmaciones en fa
que en realidad deseamos saber cómo es el vor del análisis de los hechos en el laborato
hecho cuando no recibe la influencia de otros rio, existe la posibilidad de que ello modifi
acontecimientos. Entonces, es posible trans que o hasta “destruya” un hecho. Esto ocurre
ferir el hecho de vuelta a su situación natural, cuando el experimentador no ha logrado
y para luego saber más sobre cómo se produ transferir el hecho al laboratorio. Así, produ
ce un hecho distinto del deseado. Tal vez una la variable independiente y la dependiente)!
persona se comporte de otra manera en un Una frase descriptiva común para el exper|f
experimento que en la “vida real”. Simplemen mentó exploratorio es “desearía saber quC
te, saber que se participa en un experimento ocurriría si yo hiciera esto”, mientras que, anM
puede hacer que alguien se comporte de otra logamente, el experimento confirmatorio efi
manera. Esto desde luego es posible y plantea “apuesto a que esto ocurriría si yo hiciera aquef
un problema metodológico al que a menudo lio”. Sin embargo, en ambos casos, el propól
hay que enfrentarse con astucia. Por otra par sito es llegar a un informe de evidencia. Si e)J
te, los hechos pueden no ser debidamente experimento es exploratorio, el informe de Iajl
estudiados, a menos que se les lleve al labora evidencia puede ser la base para formular unM
torio, donde se puede aplicar un control apro hipótesis precisa y específica. En el experímenjf
piado. Por consiguiente, aun si un hecho es to confirmatorio se emplea el informe de tó
deformado por la observación, se le estudia evidencia para poner a prueba la hipótesis; si
manteniendo constante este efecto. la hipótesis no está de acuerdo con el inforf|
me de la evidencia, se le podrá modificar para,
TIPOS DE EXPERIMENTOS que coincida mejor con los datos y, luego, se '
le pondrá a prueba en un nuevo experimen: ¡
Comparación de experimentos to. Si la hipótesis queda confirmada por e|
exploratorios y confirmatorios informe de la evidencia, entonces habrá au
mentado la probabilidad de que sea cierta.
Muchos términos se refieren a diferentes En cada caso, suelen emplearse diferentes di
tipos de experimentos, aunque en todos ellos seños experimentales; un tipo es más eficien
se emplee el mismo método experimental te para el experimento exploratorio y otro)
general. Por ejemplo, que un experimentador para el experimento confirmatorio, como ló
efectúe un experimento en forma explorato veremos más adelante. ,/
ria o confirmatoria dependerá de la cantidad •a
de conocimiento relativo al problema estudia Experimentos cruciales á
do. Si hay un conocimiento insuficiente para ••i,í-'-i*
formular una solución posible, se efectuará A veces, el lector encontrará el término
un experimento exploratorio. En un experi “experimento crucial” (experimentum crucis), el
mento exploratorio no hay ninguna base para cual es un experimento que pretende poner a
predecir el efecto de la variable independien prueba simultáneamente todas las hipótesis
te sobre la variable dependiente. Por ello, se posibles. Por ejemplo, si los resultados de un
efectúan experimentos exploratorios en las experimento son de cierta manera, una hipó;
etapas preliminares de la investigación de un tesis queda confirmada y una segunda hipó:
área de problemas. Conforme se acumula más tesis es refutada, pero si los resultados fueron
información, más capaces nos volvemos de for en otra dirección, la primera hipótesis queda
mular hipótesis que nos permitan predecir rechazada y la segunda es confirmada. En su
cómo resultará un experimento. En esta eta forma ideal, un experimento crucial es aquel
pa más avanzada podemos efectuar experi cuyos resultados apoyan una hipótesis y refur
mentos confirmatorios para poner a prueba tan todas las alternativas posibles. Sin embar
ciertas hipótesis explícitas. Dicho de otra go, probablemente nunca podremos estar se
manera, el experimento exploratorio se em guros de haber logrado plantear todas las de
plea principalmente para descubrir si las nue más hipótesis posibles, por lo que quizás ja
vas variables independientes afectan, aunque más tendremos un experimento en realidad
sea poco, una determinada variable depen crucial. El concepto es importante para noso
diente. En el experimento confirmatorio tam tros como un ideal hacia el que debiéramos
bién determinamos hasta qué punto y en qué dirigir nuestra experimentación, aun cuando
forma una variable influye sobre otra (es de tengamos que conformarnos con aproxima
cir, la relación cuantitativa y funcional entre ciones.
Los estudios piloto PLANEACIÓN DE UN EXPERIMENTO
El término estudio piloto o experimento pilo Se deben satisfacer las condiciones antece
to no tiene nada que ver con la conducta de dentes de la hipótesis. Al diseñar un experi
los pilotos de aviación, como creyó un estu mento, el investigador intenta obtener datos
diante, sino que se refiere a un experimento que sean pertinentes a una hipótesis capaz de
preliminar, efectuado antes del experimento resolver un problema. Esto comprende pre
principal. Se utiliza habitualmente tan sólo guntas acerca de la técnica experimental
con un número pequeño de sujetos, para su como, por ejemplo: ¿qué aparato permitirá la
gerir qué valores específicos deben asignarse mejor manipulación y observación de nues
a las variables que se estén estudiando; poner tro fenómeno?, ¿qué variables extrañas pue
a prueba ciertos procedimientos para ver si den contaminar el fenómeno de interés bási
funcionan bien; y, más generalmente, para co y, por tanto, hay que controlarlas?, ¿qué
descubrir qué errores podrían cometerse al hechos se deben observa y cuáles pasar por
efectuar el experimento real, de modo que alto?, ¿cuál es la mejor manera de observar,
el experimentador se prepare para ellos. Es el registrar y cuantificar los datos de la conduc
“ensayo general” de la función principal. ta? Al considerar estos problemas y otros si
Desde luego, al efectuar investigaciones milares se está tratando de excluir la posibili
surgirán muchos problemas difíciles de pre dad de recoger evidencia improcedente. Por
ver. Algunos de estos problemas se pueden ejemplo, si no se satisfacen las condiciones
especificar por medio de un estudio piloto. antecedentes de la hipótesis, el informe de la
Cuando usted planea su investigación, desa evidencia no tendrá que ver con la hipótesis,
rrolla el mejor plan que en ese momento pue lo que bloqueará todo progreso de la investi
de concebir. Al efectuar el estudio piloto, re gación. Dicho de otra manera, la hipótesis dice
caba información que le ayudará a evaluar la que si ocurre tal y tal cosa (las condiciones
eficiencia de su plan. Tal vez el estudio piloto antecedentes de la hipótesis), entonces ocurri
lo anime a llevar adelante el procedimiento y rá tal y tal cosa (las condiciones consecuentes
el diseño que tentativamente había desarro de la hipótesis). La hipótesis equivale a un
llado, quizá le dará sugerencias importantes contrato que el experimentador hubiera fir
para modificar el plan o podría sugerirle que mado: el experimentador ha aceptado asegu
abandone su plan y que invente una estrate rar que se satisfagan las condiciones antece
gia totalmente distinta. dentes. Si el experimentador no cumple con
ese acuerdo, entonces cualquier resultado que
Estudios de campo obtenga no tendrá nada que ver con la hipó
tesis; será improcedente y, por ello, no se le
En la investigación de campo se hacen es podrá emplear y poner a prueba la hipótesis.
fuerzos por descubrir relaciones en las estruc Esto muestra la importancia de planear ade
turas sociales auténticas de la vida cotidiana. cuadamente el experimento. Si éste no ha sido
Los estudios de campo pueden ser verdade bien planeado, entonces no podrán hacerse
ros experimentos o tomar la forma de un tipo inferencias a partir de los resultados o sólo
de método no experimental, como un diseño será posible hacer inferencias para responder
cuasi-experimental, que analizaremos en el ca a preguntas que el experimentador no había
pítulo 11. Dado que los estudios de campo se planteado; se trata de otro ejemplo de dar la
efectúan en el medio de la vida cotidiana, su respuesta correcta a la pregunta errónea, par
control es marcadamente reducido en com ticularmente por experimentadores neófi
paración con la investigación de laboratorio. tos. Si el único resultado de un experimento
Como resultado, la varianza de error (ruido), es que el experimentador aprenda que no
por lo general aumenta considerablemente en deberán repetirse estos mismos errores en el
los estudios de campo, en comparación con futuro, tal educación resulta realmente muy
la investigación de laboratorio. cara.
El experimentador deberá trazar un plan acerca de variables extrañas que hay que cojf
completo antes de efectuar el experimento. trolar, y de sugerencias sobre cómo contri
Una vez anotado en el papel el plan completo Jarlas. 1
del experimento, es aconsejable pedir todas Sería imposible exagerar la importancia di
las críticas que sean posibles. El experimenta estudiar la bibliografía. Los experimentad!
dor a menudo pasa por alto muchos puntos res que la descuidan suelen pagar este pecl
importantes o los contempla en forma erró do en forma de errores de diseño o algún!
nea y preconcebida; la crítica de otros puede otra complicación. El conocimiento, en la p$|
hacer que suijan errores potenciales. Ningún cología, aumenta todo el tiempo y hace mi]
científico está libre de crítica y es mucho mejor difícil que una persona abarque todos los dea
aceptar críticas antes de efectuar un experi cubrimientos hechos en una área de probl®
mento que cometer errores que pudiesen mas. Por tanto, este paso requiere particulaj
invalidar el experimento. Sugeriremos ahora atención. Asimismo, como se deberán resil
una serie de pasos que el investigador podrá mir y mencionar los estudios pertinentes e|
dar al planear un estudio. Obsérvese qué par la descripción del experimento, esto bien p j
tes considerables del plan experimental po dría hacerse antes de efectuar el experimeji
drán utilizarse después para su informe (como to, combinando así dos pasos en uno. ;J
se especifica en el apéndice B). En la psicología, somos muy afortunados!
al contar con los P sychological Abstraéis, quij
Esbozo de un plan experimental hacen relativamente fácil ese estudio.1 Todo]
estudiante de psicología debe tratar de facilg
1. Titule el experimento. El título deberá tarse la consulta de los A bstraéis. También s|
quedar claramente especificado, así como el podrán buscar artículos previamente publica!
tiempo y el lugar del experimento. Con el paso dos sobre el problema de nuestra investiga
del tiempo, cuando el experimentador acu ción en otras fuentes como el Science Citation
mule cierto número de experimentos en la Index, el S o cia l Science In d e x y varias instala*
misma esfera de problemas, se podrá remitir ciones de investigación, por computadora!
a esta información sin mayor riesgo de con que pueden encontrarse en las bibliotecas uni.
fundir un experimento con otro. versitarias. La más grande y profunda investí1
gación por computadora que hay en el cam
2. Revise la bibliografía. Se deberá estudiar po de la psicología, es la de Psych Lit, tam
todo trabajo anterior, relacionado con el ex bién conocida como Silver Platter.
perimento. Esta base tiene particular impor
tancia en el plan experimental, por buen nú 3. Plantee el problema. Se está efectuando
la investigación por una falta de conocimien
mero de razones. Primero, ayuda a formular
el problema. La vaga noción que a menudo to acerca de algo. El planteamiento del pro
tiene el experimentador de su problema se blema expresa la falta de conocimiento. Ha
vuelve más concreta si consulta otros estudios. brá que desarrollar el problema con cierto
detalle mediante una serie de pasos lógicos^
O el experimentador tal vez sea llevado a
modificar el problema original, de tal modo citando la investigación anterior. Sin embar
que el experimento se vuelva más valioso. Otra go, se tendrá que plantear el problema en for
razón de este estudio del conocimiento perti ma concisa e inequívoca en una sola frase,
nente es que podrá mostrar si se tiene que preferiblemente en forma de pregunta. Al
efectuar siquiera el experimento. Si esencial
mente el mismo experimento ya fue efectua 1 Psychological Abstracts es una revista profesional, pu
do por alguien más, no tendrá objeto repetir blicada por la American Psychological Association. Resu
la operación, a menos que estuviese específi me la mayor parte de la investigación psicológica y la clasi
camente diseñada para confirmar descubri fica por temas (y por autores) de modo que es bastante
fácil determinar lo que antes se ha hecho sobre cualquier
mientos anteriores. Otros estudios del mismo problema. El último número de cada volumen especificó
ámbito también son fuente de sugerencias toda la investigación que aparece en ese volumen.
E l plan de investigación 91
planteamiento de la pregunta-problema se ce C). Dos funciones generales de los apara

deberá dar una respuesta inequívoca, sea po tos de experimentación psicológica son: (1)
sitiva o negativa. Si no es posible dar respues facilitar la administración del tratamiento ex
ta a la pregunta, e n g en e ra l podemos decir que perimental, y (2) ayudar a registrar la conduc
no deberá efectuarse el experimento. Todo ta resultante. Veamos cómo pueden desem
experimento que valga la pena entraña cierto peñarse estas dos funciones.
riesgo. Si no es posible dar una respuesta de Un importante problema de la investiga
finitiva al problema, sea positiva o negativa, ción de psicología, psicolingüística, neurocien-
el experimentador no habrá arriesgado nada cia y lingüística tiene que ver con la forma en
y, por tanto, no podrá esperar obtener un que los seres humanos procesan y compren
conocimiento nuevo. den el lenguaje. Hay buenos testimonios de
que subvocalizamos lo que leemos, como ayu
4. Plantee la hipótesis. Las variables especi da para la comprensión. Cuando subvocaliza
ficadas en e) planteamiento del problema que mos se activan nuestros músculos del habla.
dan explícitamente planteadas en la hipóte Es decir, se contraen en pautas muy comple
sis. Por lo general, con este propósito se em jas, como cuando hablamos en voz alta. En
plean idiomas naturales, pero también pue ciertas investigaciones se ha tratado de deter
den utilizarse otros idiomas (por ejemplo, el minar la latencia de las respuestas de los
de las matemáticas o la lógica) que, de hecho, músculos del habla a las palabras que se pre
son preferibles. sentaron. Con este propósito, se requirió un
Aunque hemos sugerido la relación “si..., aparato que permitiera presentar las palabras
entonces...” como forma básica de plantear la por periodos muy breves. A ese aparato se le
hipótesis, la frase real no tiene que presentar llamó taquistoscopio, que puede ser una mo
se explícitamente como frase “si..., enton dificación del típico proyector giratorio Ko
ces...”. Lo importante es que la hipótesis pue dak, ilustrado en la figura 5-2.
da replantearse en forma lógica. Para detectar las latencias de las respues
5. Defina las variables. Se han especifica tas de los músculos del habla a los estímulos
do, en el planteamiento del problema y de la lingüísticos se toman registros electromiográ-
hipótesis, las variables independiente y depen ficos de los músculos del habla (“electro” sig
diente. Ahora se les deberá d e fin ir operado- nifica eléctrico, “mió”, músculo, y “gráfico”
m ím en te, de modo que sean claras e inequí
escritura, de manera que “electromiográfico”
vocas. Esta fase es crítica, pues si no se pue significa “escribir señales eléctricas a partir
den definir operacionaimente todas las varia de los músculos”). Al contraerse los múscu
bles experimentales, la hipótesis no podrá los, generan unas ligerísimas señales eléctri
ponerse a prueba. cas (llamadas potenciales de acción muscular),
que se pueden amplificar, registrar y medir
6. Los aparatos. Todo experimento abarca (como en la figura 5-2). Hay que amplificar
dos cosas: (1) hay que manipular una variable las considerablemente, tal vez por 50,000,
independiente, y (2) se debe registrar el re porque las contracciones musculares a menu
sultante valor de la variable dependiente. Tal do son tan pequeñas que ningún movimien
vez el tipo de variable independiente que con to puede verse a simple vista. Por medio de la
más frecuencia aparece en psicología sea la electromiografia (figura 5-3) se ha determi
presentación de ciertos valores de un estímu nado que estas minúsculas respuestas encu
lo, y en cada experimento se registra una res biertas (subvocalizaciones) de los músculos del
puesta. El propio experimentador podrá des habla ocurren cuando procesamos estímulos
empeñar, a mano, estas funciones. Sin embar lingüísticos. La pregunta es: ¿con qué rapi
go, con frecuencia es deseable y a veces en dez ocurren estas respuestas?
realidad necesario recurrir a un aparato me Davis midió las latencias de las respuestas
cánico, eléctrico o electrónico. Aquí pueden de habla encubierta a palabras de aproximada
ser valiosas las computadoras (véase apéndi mente 44 milisegundos, desde los labios, y de
FIGURA 5-2. Un proyector giratorio modificado para convertirlo en

taquistoscopio, de modo que se pudieran presentar visualmente palabras
durante brevísimos periodos de exposición. El aparato de la derecha (puesto de
cabeza, para mostrar su interior), controló el periodo de exposición. A la
derecha, abajo, aparecen un interruptor y una lente especiales, y a la izquierda,
abajo, hay muestras de diapositivas. Puede verse una muestra de trazos
electromiográficos de la lengua, para definir las respuestas encubiertas a las
palabras (Davis, 1983). ':|r
0:
85 milisegundos medidas desde la lengua (un los del habla, de modo que, en efecto, lo que I
milisegundo es 1/1,000 de un segundo); es vemos nos lo decimos silenciosamente a no:|
tas latencias son menores que el tiempo que sotros mismos. Luego oímos el habla silen- j
se necesita para percibir una palabra, a saber, ciosa que nos dijimos a nosotros mismos, y/
unos 200 milisegundos. Así, el comienzo de entonces comprendemos lo que leimos. Por
la respuesta de habla encubierta es lo bastan ello, estos datos apoyan un modelo n enromas/
te rápido en el periodo entre la presentación cular de la percepción, en el cual la compren- ;
de la palabra y la percepción del estímulo, para sión del lenguaje ocurre a medida que los d ril
que los músculos del habla sean parte del pro cuitos reverberantes transmiten información»
ceso de percepción. Es decir, a la información entre el cerebro y los músculos (McGuigan,;
que llega por los ojos responden los múscu- 1978, 1993).
FIGURA 5-3. Aparato para medir eiectromiográficamente la conducta encubierta

en pequeña escala. La actividad eléctrica generada cuando los músculos del
habla encubierta respondieron fue registrada eiectromiográficamente, como se
vio en la figura 5-2. El experimentador supervisa el estímulo en la computadora,
y las conductas encubiertas en el osciloscopio, mientras el sujeto trata de leer
las palabras proyectadas. Se pueden observar los electrodos de la grabación en
los labios y los ojos del sujeto.
Sin embargo, aquí el punto principal con del aparato en la investigación —registrar los
siste en ilustrar la función del aparato. Prime valores de la variable dependiente—fue des
ro, se empleó un aparato para presentar empeñada por el equipo electromiográfico,
taquistoscópicamente estímulos de palabras, el cual permitió la medición de las respuestas
con exposiciones de distinta duración. En este de los músculos del habla encubierta, de modo
caso, primero se proyectaron unas diapositi que se les pudo observar y medir.
vas por tan breve periodo de tiempo que no Los tipos de aparato utilizados en la expe
se pudo percibir las palabras. Luego, el apa rimentación conductual son tantos, que no
rato permitió una mayor duración de la ex podemos intentar siquiera incluirlos aquí a to
posición, de modo que con el tiempo los par dos de manera sistemática. Para mayor infor
ticipantes pudieron identificar las palabras mación, el lector pude remitirse a la publica
que se les presentaban. La segunda función ción psicológica titulada Behavior Research
Methods, Instruments & Computers, que proba se comparan con los de un grupo de contrójl
blemente se encontrará en su biblioteca. Ade Más adelante consideraremos algunos otrjjj
más de las aplicaciones específicas de apara diseños, entre los que el experimentador pul
tos, también podrá encontrar referencias a de elegir el más apropiado para el probleiri
libros de texto recientes sobre la materia. que tenga a la mano. Por ejemplo, puede sil
Ahora, ilustraremos brevemente, un poco más conveniente utilizar varios grupos y ffl
más, el valor de los aparatos y además le hare sólo dos, caso en el cual se adoptaría el di|l
mos ciertas advertencias. ño multigrupos (capítulo 7). Otro tipo de ti
7. Control de las variables. En esta fase de seño, que en muchos casos es el más eficaz!
cada vez más empleado en psicología, es I
la planeación del experimento, el científico
diseño factorial (capítulo 8). Sin embarga
deberá considerar todas las variables que pue
aquí seguiremos ilustrando principios de el
dan contaminar su experimento; deberá tra
perimentación por medio del diseño básiof
tar de evaluar todas y cada una de las varia
bles extrañas que pudieran afectar la variable de dos grupos: el de asignar aleatoriamenS
los participantes a un grupo experimental®
dependiente. Podrá decidir si algunas de es
tas variables pueden actuar de tal forma que de control. Extenderemos estos principi®
cuando ilustremos diseños más complejo!
invaliden el experimento, o que al menos
dejen en entredicho la conclusión del mismo. como los que tienen más de dos condición»
experimentales y de control, caso en el qyf
Hay que controlar esas variables. Las técnicas
hay más de dos grupos independientes di
para lograr el control exigen gran atención,
participantes. X
como ya se subrayó en el capítulo 4. Para ser
breves, diremos aquí que hay que asegurarse 9. Elija y asigne los participantes a sus
de que ninguna variable extraña pueda afec pos. El experimentador efectúa un experirnera
tar diferencialmente la conducta de nuestros to para llegar a alguna conclusión acerca cjf
grupos; es decir, que ninguna de dichas va la conducta. Desde luego, para hacer esto hf
riables pueda afectar a un grupo de manera que seleccionar a ciertos participantes y est®
diferente que a otro, en lo tocante a los valo diarios. Pero, ¿de qué grupo de personas (f
res de la variable dependiente. de animales, etc.) se seleccionará a los partic|
Al examinar las variables que pueden in pantes? Esta pregunta es importante porquf
fluir sobre una variable dependiente, de pre deseamos generalizar los descubrimientos«
ferencia sobre la base de la información dada los participantes que estudiamos al grupo máj
por la investigación anterior, si usted consi general de participantes de entre los cuales
dera que no es probable que una determina se los eligió (véase paso 14, p. 99). r<¡
da variable ejerza influencia, acaso lo razona
ble sea pasarla por alto. En cambio, otras va Definición de una población y una muestra}
riables pueden considerarse pertinentes, pero La colección más grande de participantes e„s
la población (o universo) en estudio. Quie
con dificultades para controlarlas. Tal vez sea
nes participan en un experimento constituí
razonable suponer que tales variables ejerce
yen una muestra. La población de participan}
rán efectos iguales, al azar, en todas las con
diciones. Si esta suposición resulta sostenible, tes se define como todos los individuos posij
el experimentador podrá decidir continuar. bles que se pueden seleccionar para su estUI
dio. La población podría ser todos los posif
Pero si la suposición de un control adecuado
bles estudiantes universitarios de Estados
de las variables extrañas resulta endeble, en
tonces la dificultad puede ser de tan graves Unidos y la muestra puede ser de todos los
que usted seleccionó para su estudio de uní
proporciones que lo más prudente sea aban
clase de psicología en la universidad. De maV
donar el experimento.
ñera más general, población significa el nút
8. Elija un diseño. Hasta aquí, nos hemos mero total de posibles especímenes de unf
concentrado en el diseño de dos grupos en el clase que se puedan estudiar: es toda la clasé
cual los resultados de un grupo experimental o la colección de especímenes entre los cuf
El plan !de investigación 95
les se puede tomar una muestra. Por ello, “po persona. En este estudio, se agotó toda la po
blación” no tiene que referirse exclusivamen blación del poblado (también el autor quedó
te a personas, sino también a cualquier tipo agotado), y se obtuvieron resultados más con
de organismo: amibas, ratas, medusas, etc. fiables que si se hubiese seleccionado una
Además, la definición se redacta de tal modo muestra pequeña del poblado. (Sin embargo,
que pueda referirse y se refiera también a como resultaron las cosas, ni una sola perso
objetos inanimados. Por ejemplo, podemos na planeaba comprar televisores, lavadoras de
tener una población de tipos de terapia (di trastos o aparatos eléctricos similares duran
rectiva, no directiva, de relajación, conductual, te el año siguiente, en gran parte porque en
etc.) o de aprendizaje de tareas (golpear una el poblado no había electricidad.) Sin embar
pelota de béisbol, aprender el camino en un go, la población que va a estudiarse raras ve
laberinto, etc.). O el experimentador puede ces es tan .pequeña que el investigador pueda
estar interesado en hacer la muestra de una agotarla. Más probablemente la población será
población de condiciones de estímulo (pala demasiado numerosa para estudiarla comple
bras con significación alta, media y baja), o ta, y el investigador deberá estudiar una mues
una población de experimentos (tres experi tra. En ese caso, habrá que seleccionar cierto
mentos separados para probar una misma hi número de participantes y .estudiarlos. Una
pótesis). En ingeniería, una persona puede técnica para seleccionar una muestra es la de
estar interesada en estudiar una población de aleatorización. En la selección aleatoria de una
los puentes del mundo; un psicólogo indus muestra de participantes entre una población,
trial puede interesarse por una población de cada miembro de la población tiene las mis
productos de whisky. mas oportunidades de ser elegido. Por ejem
plo, si deseamos obtener una muestra al azar
Especifique la población con gran precisión. entre una universidad de 600 estudiantes,
De momento, preocupémonos exclusivamen podremos escribir los nombres de todos los
te por las poblaciones de participantes y deje estudiantes en unos pedacitos separados de
mos otras poblaciones para después (véase papel. Luego colocaremos los 600 trozos
capítulo 12). Al especificar una población, de de papel en un sombrero (grande), lo agitare
bemos observar las características pertinen mos y, sin mirar, sacaremos nuestra muestra.
tes en particular; por ejemplo, si nos interesa Si la muestra debe consistir en 60 estudian
una población de personas, podemos especi tes, seleccionaremos 60 pedazos de papel.
ficar la edad, el sexo, la educación, la posi Desde luego, hay técnicas más sencillas para
ción socioeconómica y la raza. Si estamos tra conseguir una muestra al azar como, por ejem
bajando con animales tal vez deseemos espe plo, tomar una lista ya publicada de los 600
cificar las especies con su sexo, edad, estrés, estudiantes y elegir a uno de cada 10 para for
experiencia y procedimientos de habituación. mar la muestra. Para sacar el primer nombre,
Dada una población bien definida para seleccionaríamos, al azar, a uno de los 10 pri
estudiarla, entonces tenemos el problema de meros participantes y, luego, sucesivamente,
cómo estudiarla en realidad. Si es una pobla contaríamos de 10 en 10.
ción pequeña, tal vez sea posible observar a
todos los individuos. Estudiar adecuadamen La muestra debe ser representativa. Una vez
te toda una población es preferible a estudiar que el experimentador ha elegido aleatoria
sólo una muestra de ella. En una ocasión efec mente una muestra, se supone que esa mues
tuamos ciertos estudios de investigación de tra es característica de toda la población: que
los consumidores de los que, supuestamente, se ha tomado una muestra representativa. Por
obtendríamos una muestra de 18 personas de lo general, tomar muestras al azar basta para
un pequeño poblado de las Altas Sierras. Tras asegurar que una muestra sea representativa,
considerables dificultades logramos localizar pero el investigador podrá verificarlo si así lo
el “poblado” y, tras nuevas dificultades, por desea. Por ejemplo, si a la población puede
fin logramos encontrar a una decimaoctava asignársele valores, entonces se les podrá com
parar con los valores de la muestra. Si alguien ticipantes entre una población, la asignación
está estudiando la población de personas de al azar de los participantes a los grupos y la,:
Estados Unidos, encontrará a su disposición determinación al azar de cuál de los dos gru-:
abundante información de los censos sobre pos será el grupo experimental y cuál será él|
niveles educativos, edad, sexo, etc. Podemos grupo control. Mediante este proceso dé
computar algunas de las estadísticas de una aleatorización, intentamos eliminar los sesgos
muestra y comparar estas cifras con las de la (errores) de nuestro experimento. Cuando
población general. Si los valores se aproximan, deseemos hacer declaraciones acerca de nues
podemos suponer que nuestra muestra alea tra población de participantes, generalmente
toria sí es representativa. Asegurarse de que estudiaremos una muestra que sea represen-i
una muestra sea similar a la población en buen tativa de esa población. Si nuestra muestra
número de características conocidas implica no es representativa, entonces lo que pueda
que también sea semejante respecto a ciertas decirse de nuestra muestra podrá no decirse
características de las que no se tienen datos. de nuestra población y cometeremos un error
Esta podría ser una suposición peligrosa, pero al generalizar los resultados obtenidos, de
ciertamente es mejor que si no se verificara nuestra muestra a la población. La asignación;
su representatividad. aleatoria de nuestra muestra a dos grupos es>;
importante porque deseamos comenzar núes-'1
Asignación de los participantes a los gru tro experimento con grupos que sean esen-;
pos. Una vez especificada la población, toma cialmente iguales. Si no asignamos los parti
da de ella una muestra y determinado cierto cipantes aleatoriamente a los dos grupos, bien 1
tipo de diseño experimental, la muestra debe podemos terminar con dos grupos que sean I
ser dividida al azar en grupos. Empleando la desiguales en algún aspecto importante. Sií
aleatorización nos aseguramos de que cada asignamos los participantes a los grupos de j
participante tenga una oportunidad igual de manera no aleatoria simplemente, tal vez, I
ser asignado a cada grupo. Con este propósi viendo a cada participante y diciendo “lo pon- j
to, puede emplearse algún procedimiento, dré en el grupo de control”, podremos tener, j
como echar una moneda al aire. Por ejemplo,
supóngase que tenemos una muestra de 20
un grupo más inteligente que el otro; cons- J
cíente o inconscientemente, habremos elegi-j
participantes y dos grupos. Si la primera mo do a los participantes más inteligentes para el I
neda cae “águila”, el primer participante será grupo experimental. |
asignado al grupo 1. Pero si cae “sol”, el par
ticipante será asignado al grupo 2. Haremos Limitaciones de la aleatorización. Habien
entonces lo mismo para el segundo partici do subrayado así la importancia de estos pro-1
pante y así, sucesivamente, hasta tener 10 par cedimientos, debemos apresurarnos a aña *
ticipantes en el grupo. Los restantes serán dir que el uso de la aleatorización no garantí- í
asignados al otro grupo. za que nuestra muestra sea representativa de s
Asignación de grupos a condiciones experi la población de la que procede, o que los gru-A
mentales. Al azar, determinamos qué grupo pos de un experimento sean iguales antes de ,•
será el experimental y cuál el grupo control. administrarles el tratamiento experimental; i-
Por ejemplo, podemos establecer como regla pues si por un lamentable capricho del desti-é
que si cae “águila”, el grupo 1 será el grupo no, la aleatorización llega a producir dos gi u-
experimental, y el grupo 2 el grupo de con pos desiguales, un grupo puede resultar con- •;
trol, o viceversa. siderablemente más inteligente que el otro.l
Sin embargo, la aleatorización es, normalmen- •
Varios de los usos de la aleatorización. Aho te, el mejor procedimiento que podemos em-í<
ra, no cabe duda de que usted ya ha adquiri plear y puede el lector estar seguro de que, aÚ
do una “sensación” de la importancia de la menos a largo plazo, su empleo se justifica. ¿
aleatorización en la investigación experimen Para cualquier muestra dada y en cualquier 4
tal: la selección al azar de una muestra de par experimento, la aleatorización puede dar por 4
resultado errores, pero aquí, como en todo lo de recabación de datos del experimento de
demás en la vida, debemos sopesar las proba berá establecerse con gran detalle. El experi
bilidades. Si ocurre un acontecimiento muy mentador deberá formular con precisión
improbable (por ejemplo, si el procedimien cómo se administrarán los valores de la varia
to de aleatorización produce dos grupos des ble independiente y cómo se registrarán los
iguales), podremos terminar con una conclu valores de la variable dependiente, asimismo,
sión errónea. Sin embargo, a la larga, y debi deberá planear con todo cuidado cómo tra
do a que la ciencia, por naturaleza se supervi tar a los participantes, cómo se presentarán
sa a sí misma, podrá descubrirse el error. los estímulos y cómo observará y registrará la
respuesta. Las instrucciones a los participan
Determinación del número de grupos. El
tes (si son seres humanos) deberán ponerse
número de grupos que se empleará en un
por escrito. El experimentador podrá estable
experimento queda determinado por el nú
mero de variables independientes, por el nú cer un plan que vaya de saludar al participan
mero de valores de éstas que se eligieron para te y guiarlo, paso por paso, a decirle “adiós”.
En la primera etapa, la de dar instruccio
el estudio y por la naturaleza de las variables
nes al participante, el investigador explicará
externas que deberán controlarse. Si tenemos
todos los aspectos de la investigación que, ra
una sola variable independiente que hacemos
zonablemente, puede esperarse que influyan
variar de dos maneras, deberemos tener dos
sobre la buena disposición a participar; el in
grupos: un grupo experimental y un grupo
vestigador también deberá preguntar si el
de control. Si elegimos para su estudio tres
participante tiene algunas preguntas y respon
valores de la variable independiente, enton
ces deberemos asignar nuestra muestra de par derlas con el mayor detalle posible. Dedique
ticipantes a tres grupos. Por ejemplo, supon una sesión de práctica a asegurarse que el
participante puede seguir las instrucciones.
gamos que usted está interesado en saber si la
Habiendo obtenido la anuente cooperación
cantidad de competencia entre los estudian
tes de una clase aumenta la práctica de hacer del participante, éste deberá firmar una de
claración de consentimiento informado. El
trampa en los exámenes. La variable indepen
diente de la cantidad de competencia se pue lector podrá pensar que la declaración firma
de hacer variar de tres modos, de modo que da de consentimiento informado en realidad
los participantes sean asignados, al azar, a tres no es necesaria en las investigaciones que
entrañan un riesgo mínimo, como la que pro
grupos en que hay cantidades pequeñas, me
dianas y excesivas de competencia. (En un bablemente estará efectuando. Sin embargo,
momento libre, podrá usted imaginarse cómo para su propia protección, es recomendable
tener una declaración firmada en la que el
definiría, operacionalmente, la variable de
pendiente de la cantidad de trampas.) participante declara comprometerse volunta
riamente a la investigación y estar bien ente
Habitualmente, se asigna un número igual
rado de lo que ocurrirá. Para mayor informa
de participantes a cada grupo. Por ello, si te
nemos 80 participantes en nuestra muestra y ción sobre estos y otros aspectos de la ética
en la investigación, véase el apéndice D sobre
si variamos de cuatro maneras la variable in
dependiente, deberemos tener cuatro grupos principios éticos.
en el experimento, en el que probablemente Tampoco olvide el lector que es recomen
haya 20 participantes en cada grupo. Sin em dable efectuar un estudio piloto con unos
bargo, no es necesario que exista el mismo cuantos participantes, para ver cómo funcio
número de participantes en cada grupo, y el na el procedimiento. A menudo, estos “ensa
yos generales” podrán sugerirle nuevos pun
experimentador podrá determinar la dimen
tos que deberá atender y modificaciones a los
sión de cada grupo de acuerdo con normas
procedimientos ya establecidos.
que después le explicaremos.
10. Especifique el procedimiento experimen 11. Evalúe los datos. Los datos del experi
tal. El procedimiento para completar la fase mento suelen someterse a un análisis estadís-
tico para evaluar la confiabilidad de los resul to. Así, más completamente, el informe de la
tados. Supóngase que en un diseño de dos evidencia es una declaración de si se encon
grupos, la media de la muestra para el grupo tró que ocurrían las condiciones anteceden
experimental es de 14.0 unidades (en alguna tes de la hipótesis obtenida y las condiciones i
medida de respuesta) y que para el grupo de consecuentes especificadas por la hipótesis.
control es de 12.1 unidades. Sin embargo, esta Si se descubrió que las condiciones consecuen
diferencia de la media de la muestra acaso no tes ocurrían, el informe de la evidencia será
sea confiable: puede ser una diferencia casual positivo; en caso contrario, el informe de la
y no “auténtica”. Si la diferencia no es confia evidencia será negativo. Como muestra, con
ble, podrá invertirse el resultado la siguiente sidérese esta hipótesis: “si un profesor elogia
vez que se efectúe el experimento. Puede a un estudiante por su buen desempeño al
emplearse una técnica estadística para deter leer, aumentará la competencia de lectura del
minar si es confiable una diferencia de mues estudiante”. Para poner a prueba esta hipóte
tras entre las calificaciones medias de la va sis, un experimentador tendría que hacer que
riable dependiente. El análisis estadístico po la s participantes en un grupo experimental
drá revelarnos, en realidad, las probabilida fueran elogiados cada vez que mostraran uñ
des de que la diferencia entre los grupos haya buen desempeño de lectura. No se haría nin
ocurrido por casualidad. Si es pequeña la pro gún elogio a los miembros del grupo de con
babilidad de que esta diferencia se deba a fluc trol cuando leyeran bien. Supongamos que el
tuaciones aleatorias, entonces podemos con grupo experimental mostrara un aumento
cluir que la diferencia sí es confiable, que el confiablemente mayor en su competencia de
grupo experimental sí es confiablemente su lectura que el grupo de control. Remitiéndo
perior al grupo control nos a la hipótesis, la condición antecedente
Aquí, la idea principal es que los datos se quedaba satisfecha, y se encontró que la con
evalúan mediante una prueba estadística; dición consecuente era la predicha. Podemos
se dispone de muchas de ellas. Sin embargo, entonces formular así nuestro informe de evi
unas pruebas sólo son apropiadas para un tipo dencia: “los estudiantes fueron elogiados por
de datos o de diseño experimental y otras no, un maestro cuando mostraron un buen de
pero todas deberán cumplir con ciertos re sempeño de lectura y luego mostraron un
quisitos. Los analizaremos más adelante; de aumento en su competencia de lectura (en
momento, subrayemos que se debe planear comparación con el grupo de control)”. En
todo el procedimiento de análisis estadístico resumen, el informe de la evidencia es una
antes de efectuar el experimento. A veces, los frase que afirma que las condiciones antece
experimentadores no lo hacen así y encuen dentes se sostuvieron y que las condiciones
tran graves problemas en el análisis estadísti consecuentes se sostuvieron o no se sostuvie
co, que habrían podido evitarse con una me ron: es de la forma “a y b ”, en que a represen
jo r planeación. La falta de rigor en el uso ta las condiciones antecedentes, y b las condi
apropiado de las estadísticas puede invalidar ciones consecuentes de la hipótesis.
un experimento.2
12. Haga el informe de la evidencia. Ya he 13. Haga inferencias, del informe de la evi
dencia a la hipótesis. En esta fase, el informe
mos dicho que el informe de la evidencia es
una declaración resumida de los descubri de la evidencia se relaciona con la hipótesis
para determinar si la hipótesis es probable
mientos del experimento, pero también nos
revela algo más: nos dice cuál de las condicio mente verdadera o falsa. Para esto, una infe
nes antecedentes de la hipótesis sostenida es rencia del informe de evidencia a la hipótesis
tuvo (en realidad presente) en el experimen es esencialmente así: si el informe de la evi
dencia es positivo, la hipótesis queda confir
mada (el informe de la evidencia y la hipóte
2 En el capítulo 10 se presentará un enfoque “no esta sis coinciden: lo que la hipótesis predecía ocu
dístico” pero riguroso. rrió en realidad, como lo muestra el informe
de la evidencia). En cambio, si el informe de mulos y para registrar respuestas se analizó

la evidencia es negativo, la hipótesis no fue como paso 6. Consideramos el importante
confirmada. tema del control (paso 7), que luego fue au
mentado en el capítulo 4. Después, hicimos
14. Generalice los descubrimientos. ¿Hastaver que varios diseños son posibles, además
qué punto se pueden generalizar los resulta del diseño de dos grupos en el cual nos he
dos? Esto depende de hasta qué punto se es mos concentrado (paso 8). Las formas en que
pecificaron las poblaciones de que trata el pueden emplearse varios diferentes diseños
experimento y hasta qué punto estuvieron re de investigación son el tema de los capítulos
presentadas esas poblaciones en el experimen 6-11. Abordamos luego la selección de los
to mediante las muestras al azar. Considere participantes y su asignación a los grupos
mos, por ejemplo, que el experimentador es (paso 9). El paso 10 consistió en un breve aná
pecificó la población, diciendo que eran to lisis del procedimiento experimental, y en el
dos los estudiantes del Ivy College. Si de esa paso 11 ofrecimos un adelanto del análisis
población se sacó una muestra aleatoria de estadístico, que será cubierto más rigurosa
estudiantes,3 los resultados experimentales se mente en relación con los diferentes diseños
podrán generalizar a toda esa población; en experimentales. La formación del informe de
tonces, se podrá afirmar que lo que era cier la evidencia y el modo en que se lo emplea
to en la muestra probablemente sea cierto en para poner a prueba la hipótesis fueron los
toda la población. Desde luego, si la pobla pasos 12 y 13. Por último, consideramos bre
ción no fue adecuadamente definida o la vemente el problema de la generalización
muestra no se tomó al azar, esa generaliza (paso 14). Conforme avancemos en el libro,
ción no se justificará; hablando en sentido seguirán apareciendo cada uno de estos pun
estricto, los resultados sólo se aplicarían a la tos en muy distintos lugares, aun cuando no
muestra estudiada. se les dedique capítulos separados. Como re
sumen de esta sección, y para facilitarle a us
RESUMEN
ted planear sus experimentos, le ofrecemos la
siguiente lista de chequeo.
Ya hemos cubierto las principales fases de la
experimentación, y el lector deberá tener aho
1. Dé un nombre al experimento.
ra una buena idea de los pasos particulares y 2. Resuma la anterior investigación pertinente.
de cómo caen en una pauta lógica. Nuestro 3. Plantee su problema, preferiblemente en for
primer esfuerzo por presentar todo el cuadro ma de pregunta.
se hizo en el capítulo 1. En los capítulos 2 y 3 4. Plantee su hipótesis.
y en esta sección hemos tratado de abundar 5. Defina sus variables.
acerca de algunos de esos pasos. De este 6. Especifique sus aparatos.
modo, en el capítulo 2 consideramos la natu 7. Plantee las variables extrañas que habrá que
raleza del problema, y en el capítulo 3 anali controlar y las formas en que las controlará.
zamos la hipótesis. Estas dos fases iniciales de 8. Seleccione el diseño más apropiado a su pro
planeación del experimento se resumieron en blema.
9. Indique la manera de seleccionar a sus parti
los pasos anteriores 3 y 4. Luego, dijimos que cipantes, la forma en que los asignará a los
las variables especificadas por la hipótesis grupos y el número que habrá en cada grupo.
debían ser definidas operacionalmente (paso 10. Enumere los pasos de su procedimiento ex
5). El empleo de aparatos para presentar estí perimental, incluyendo los principios éticos
que se seguirán.
11. Especifique el tipo de análisis estadístico que
utilizará.
9 Para mostrar- la importancia de definir operacional
mente ciertos términos, como “estudiante”, considérese la 12. Plantee los posibles informes de la evidencia.
respuesta del rector de una universidad a la pregunta de ¿Le informarán los resultados de algo acerca
cuántos estudiantes había en su universidad. Después de su hipótesis, no importando cómo resul
de reflexionar un poco, respondió: “cerca de 10 %". ten?
13. Determine si puede usted hacer inferencias de errores experimentales. Los propios
inequívocas, del informe de la evidencia a la cólogos veteranos aprovechan la medida eí
hipótesis. que formularon y lograron adherirse a un ph
14. Determine hasta qué punto podrá usted ge experimental preciso.
neralizar sus descubrimientos.
DIRECCION DE UN EXPERIMENTO:
■4
Ahora, después de presentar los pasos de UN EJEMPLO
4
la experimentación en forma ordenada y lógi 1'7
ca, concluyamos esta sección con un comen Una de las ventajas de efectuar un estudio,eí
tario que modere todo entusiasmo excesivo. comienzo del curso sobre métodos de invest;
El anuncio de una agencia de empleos bien gación es que le dará la oportunidad de cq
puede decir que “siempre hay un futuro en el meter errores que podrá aprender a evitat¡
mantenimiento de aparatos”. Una creencia Comience temprano su trabajo sobre un prq
muy generalizada es que cada experimenta blema, sin que importe la simplicidad del ej(
dor tiene un fantasma personal, el cual, capri perimento o si aportará algún conocimiento
chosamente, interviene en el laboratorio en nuevo. Demasiados estudiantes creen que sq
el momento preciso. Muchas y comunes “le primer estudio debe ser importante. Sin duda¡
yes de la experimentación” reflejan las conse deseamos fomentar la investigación importan,
cuencias: “todo lo que pueda salir mal, sal te, pero la mejor manera de llegar a este punj
drá”; “todo sale mal en algún momento”; “se to es mediante la práctica. Una posibilidad de
necesita más tiempo para reparar las cosas que facilitar la práctica es, simplemente, repetirj
para hacerlas”; “si varias cosas pueden salir un estudio clásico, como el siguiente, basado,;
mal, la que saldrá mal es la que causará el ma en investigaciones de E. L. Thorndike. El hej
yor daño”; “si el laboratorio parece ir bien, es cho de que se trate de un experimento sencj-J
que usted no ha visto algo”, y similares. lio y directo, con equipo mínimo, nos permi-í
Después de seguir fielmente las prescrip tirá ilustrar mejor los puntos que hemos se¿
ciones que hemos ofrecido en este capítulo, halado antes.
los estudiantes experimentan, característica
mente, dificultades al hacer un experimento, El problema y la hipótesis. Una clase deci
las cuales se resumen con frases como “todo dió estudiar el efecto del conocimiento de los
es un caos”. Esto, al parecer, quiere decir co resultados sobre el desempeño. Se trataba de' j
sas como que el equipo dejará de funcionar saber si informar a una persona sobre lo bien'
en mitad de una sesión experimental; que al que se realizaba una tarea facilitaba el apren-;
gunos participantes no mostraron espíritu de dizaje de esa tarea. El título fue “El efecto del
cooperación; que ocurrió algún error fatal del conocimiento de los resultados sobre el de
control de las variables detectado después de sempeño”.
recabar los datos, etc. Si ocurren tales dificul Entonces se planteó el problema siguiente:
tades, no son exclusivas de los estudiantes; “¿cuál es el efecto del conocimiento de los
también investigadores experimentados han resultados sobre el desempeño?”, y los estu
pasado por tales problemas, pero han apren diantes revisaron minuciosamente la biblioj
dido a ser más ágiles y pueden recuperarse grafía sobre el tema. La hipótesis era: “si se ;
mejor cuando surge la dificultad. Casi siem da a una persona un conocimiento de los re
pre se necesita hacer ajustes; por ejemplo, si sultados, entonces se facilitará el desempeño
hay que descartar los datos de un estudiante de esa persona”. (Nótese que el planteamien
por causa de errores de procedimiento, se les to del problema y de la hipótesis ha determi
podrá remplazar poniendo a otro estudiante nado implícitamente las variables; ahora, ha
en las mismas condiciones. Los 14 pasos que brá que hacerlas explícitas.) La tarea de los
hemos ofrecido podrán ayudarle a planear participantes consistiría en dibujar, con los
minuciosamente su experimento para preve ojos vendados, una línea de cinco pulgadas.
nir problemas y ayudar a reducir el número La variable independiente, la cantidad de co
nocimiento de los resultados, varió de cero cipio general de control es que se debe tratar
(ninguna información) a una gran cantidad, a ambos grupos por igual en todos los aspec
definida operacionalmente como decir a los tos, salvo los diferentes valores de la variable
participantes si la línea trazada era “demasia independiente (en este caso, las diferentes
do larga”, “demasiado corta” o “correcta”. A cantidades de conocimiento de los resultados).
su vez, “demasiado larga” fue definido como Así pues, se leyeron esencialmente las mismas
cualquier línea de 5!4 pulgadas o más; “de instrucciones a los dos grupos; se mantuvo
masiado corta”, como una línea de 45A pulga una “actitud experimental” constante, en pre
das o menos; y “correcta”, como cualquier lí sencia de ambos grupos (el experimentador
nea ente 5 Vi y 4% pulgadas. El valor de la va no frunció el ceño ante algunos de los suje
riable dependiente fue determinado por la tos, ni se mostró jovial con los otros). Se eli
longitud real de 50 líneas trazadas por cada minaron las claves incidentales en la medida
persona. Más precisamente, el desempeño de lo posible (el experimento se habría invali
total de cada persona fue la suma total de to dado, por ejemplo, si los experimentadores
das las desviaciones de las líneas de 5 pulga hubiesen contenido el aliento cuando los lá
das en los 50 ensayos. pices de los participantes llegaran a la marca
de las cinco pulgadas). Esas claves incidenta
El aparato. Este consistió en un pizarrón, les no sólo habrían dado cierto conocimiento
al cual se fijaron un papel, una venda y un de los resultados a un participante alerta, sino
lápiz. El papel se podía quitar fácilmente para que también habrían aumentado el conoci
cada prueba y tenía líneas, de tal manera que miento de los resultados para los participan
el experimentador podía decir inmediatamen
tes experimentales.
te dentro de cuál de las tres categorías (larga,
La cantidad de tiempo entre pruebas ¿cons
corta o correcta) caían las líneas de los parti
tituye una variable importante? Hojeando la
cipantes.
bibliografía, vemos que las investigaciones an
Los participantes. Puesto que había dos teriores nos sugieren que sí lo fue. En gene
valores de la variable independiente (uno ral, cuanto más tiempo transcurra entre las
positivo y una cantidad cero) se necesitaba dos pruebas, mejor será el desempeño. Por consi
grupos: el grupo experimental recibió cono guiente, el intervalo entre pruebas fue con
cimiento de los resultados, pero no así el gru trolado manteniéndolo constante para todos
po de control. La población participante fue los participantes. Después de cada respuesta,
definida como todos los estudiantes de la se dejaron transcurrir precisamente 10 segun
universidad. De una lista del cuerpo estudian dos antes de que la mano del participante vol
til se asignaron al azar 60 individuos para su viera al punto de partida para la prueba si
estudio, los cuales fueron divididos al azar en guiente. ¿Qué otras variables externas se pue
dos grupos.4 Entonces, se determinó al azar den considerar? Tal vez sea importante la hora
cuál sería el grupo experimental y cuál sería del día en la que se efectúa el experimento.
el de control. Una persona puede tener mejor desempeño
por la mañana que por la tarde o por la no
Control de las variables extrañas. Luego, se
che. Si el grupo experimental actuó por la
determinó qué variables extrañas podían in
mañana, y el grupo de control por la tarde,
fluir sobre la variable dependiente, a las que, entonces no podrá sacarse ninguna conclu
por tanto, había que controlar. Nuestro prin sión clara sobre la eficiencia del conocimien
to de los resultados. Una medida de control
4 Se supuso, con razón, que los 60 participantes co podría consistir en hacer pasar a todos los
operarían. Sin embargo, la difundida práctica, entre los participantes entre las 2:00 y las 4:00 p.m. Pero
experimentadores, de emplear a estudiantes de cursos aun esto podría producir diferencias, ya que
introductorios de psicología, como voluntarios, no da como algunos podrían desempeñarse mejor a las
resultado una muestra aleatoria, y ello nos lleva a la pre
gunta de si la muestra es representativa de alguna pobla 2:00 que a las 3:00 p.m. Además, no sería po
ción, como la de todos los estudiantes de una universidad. sible efectuar el experimento con todos los
participantes a una hora del mismo día, por ber afectado de manera distinta las medidas
lo que habría que efectuar el experimento en de variable dependiente de los dos grupos)
un periodo de dos semanas. ¿Hay una dife Así quedó adecuadamente controlada la va»
rencia si los estudiantes participan en el pri riable del experimentador. j
mer día o en el último día de las dos sema Estos ejemplos deben bastar para mostrar»
nas? Bien puede ser que estén pasando exá los problemas de control que intervienen;
menes junto con la primera parte del experi aunque el lector deberá imaginar algunas va»
mento, lo que causaría nerviosismo. Asimis riables adicionales, que la clase también com
mo, podría ser que las personas que fueran a sideró. Por ejemplo, ¿existían influencias que
pasar el lunes tuvieran una actuación distinta distrajeran, como el ruido del aire acondicio
si pasaran el viernes. nado o la charla de otras personas? Esto po;
El problema de cómo controlar la variable día controlarse hasta cierto grado, pero na
del tiempo fue bastante complejo. Se eligió el por completo. En el caso de las variables que
siguiente procedimiento (véase capítulo 4, no podían controlarse razonablemente, sé
para mayores detalles): todos los participan supuso que afectaban a ambos grupos por
tes pasaron entre las 2:00 y las 4:00 p.m. Cuan igual: se “anulaban aleatorizándose”. Por ejem*
do el primer participante llegaba al laborato pío, no hay razón para pensar que varias in
rio, una moneda echada al aire determinaba fluencias y distracciones han de afectar a un;
su asignación al grupo experimental o al gru grupo más que a otro. Después de analizar
po de control. Si la persona quedaba en el las posibilidades, la clase llegó a la conclusión
grupo de control, el siguiente participante era de que no había variables extrañas que afec
asignado al grupo experimental. El tercer taran de manera diferente las calificaciones!
participante era asignado de manera similar de variable dependiente de los dos grupos! j
a un grupo y el cuarto participante al otro, y En otras palabras, todas las variables extra:;
así, el resto de los participantes a otro duran ñas fueron intencionalmente controladas, dj
te los días que duró el experimento. Este pro bien afectarían por igual, al azar, a ambos;
cedimiento asegura, en forma bastante fide grupos.
digna, que cualesquiera que fuesen los efec VÍ
tos de las diferencias de tiempo sobre el de El procedimiento. El plan para esta fase fue
sempeño de los participantes, quedan equili el siguiente: después de que el participante
brados (afectaron por igual a ambos grupos). entraba en la habitación y recibía un saludo;
Esto es así porque, a la larga, podemos supo se le sentaba ante una mesa, se le explicaba
ner que un número igual de individuos de brevemente de lo que trataba el experimento
ambos grupos participó durante cualquier y se le pedía que llenara una forma de con»
intervalo del día y, en particular, el día del sentimiento informado. Para más información
experimento. acerca del consentimiento informado y sobre
Otro problema de control concierne a las la ética de la investigación más en general;
características individuales del experimenta deberá usted estudiar el apéndice D. Luego
dor, tema en el que abundaremos más ade se daban al participante las instrucciones si
lante. En este experimento, todos los estudian guientes: “deseo que trace usted unas líneas
tes de la clase de psicología experimental fue rectas de cinco pulgadas de largo, con los ojos
ron participantes. Sin embargo, cada estudian vendados. Deberá trazarlas horizontalmente
te-experimentador trabajaba con un número así (el experimentador lo demuestra, trazan»
igual de participantes y también con un nú do una línea horizontal). Cuando haya com
mero igual de participantes de cada grupo/Si pletado la línea, deje el lápiz en el punto en
un estudiante-experimentador hacía pasar a que paró. Yo le guiaré la mano de vuelta al
más participantes que otro, o si los estudian punto de partida. Además, por favor, manten
tes no trabajaban con un número igual de par ga el brazo y la mano separados de la mesa
ticipantes experimentales y de control, las ca mientras está trazando su línea. Lo único que
racterísticas del experimentador podrían ha deberá tocar el papel será la punta del lápiz.
¿Alguna pregunta?” El experimentador res unidad organizada. La intención es ayudarle

ponde a las preguntas repitiendo las partes a usted a empezar en el desarrollo y la formu
pertinentes de las instrucciones, y luego ven lación de un problema, y a avanzar a través de
da los ojos al participante: “ahora, voy a ven fases importantes que le permitirán llegar a
darle los ojos”. El experimentador entonces una sólida conclusión empírica. La formula
descubre el aparato y coloca el lápiz en la mano ción de su plan experimental (que también
del participante. Lleva la mano de la persona puede ayudar en la redacción ulterior de su
al punto de partida, y luego pregunta: “está investigación) le ayudará a planear cada paso
usted listo? Empiece”. En cuanto el lápiz para, importante de su investigación. En puntos se
se da a la persona un informe de los resulta leccionados de su estudio, especialmente
dos. A los participantes del grupo de control mientras usted está planeando o redactando
no se les da ninguna información. Al termi su propia investigación, verá que esos linca
nar una prueba hay una espera de 10 segun mientos constituyen una guía valiosa. Con su
dos, después de la cual se hace volver la mano estudio ulterior (de este libro y en cursos si
al punto de partida. Se dice entonces a la per guientes) podrá completar el esquema que le
sona: “ahora, trace otra línea de cinco pulga hemos presentado en este capítulo.
das de largo. ¿Está usted listo? Comience”. El
experimentador debe mover el papel antes de I. Se puede obtener un informe de la evidencia,
cada prueba, para poder registrar la siguien una declaración de los resultados de una in
te respuesta del participante. El mismo pro vestigación científica, con
cedimiento se sigue hasta que el participante A. Métodos no experimentales, como el mé
ha trazado 50 líneas.. Entonces, el experimen todo clínico, la investigación por encues
tador le quita la venda de los ojos y le da las tas, la investigación documental, la inves
gracias, asimismo, le pide que hable del expe tigación correlacional y los cuasi-experi-
rimento (con otros estudiantes). Por último, mentos. Un conocido método cuasi-expe-
rimental es el método de la observación
el experimentador explica la naturaleza del sistemática, en el que se estudia a los par
experimento y responde a todas las pregun ticipantes en grupos preformados, en lu
tas (a esto se le llama “información”). gar de asignarlos, al azar, a condiciones
Después de esto, los estudiantes recaban de tratamiento.
sus datos. Fue tranquilizador, aunque no muy B. El método experimental. Una característi
sorprendente, descubrir que el conocimiento ca de este método es que el hecho que va a
de los resultados en realidad sí facilitaba el estudiarse se produce intencionalmente;
desempeño. por tanto, el experimentador está prepa
Más adelante, al analizar estos puntos, se rado para estudiarlo minuciosamente. Los
participantes también son asignados al azar
dará una ilustración de los pasos finales de la a ciertas condiciones, y al azar se hace la
planeación y realización de un experimento selección de qué grupo recibe determina
(tratamiento estadístico de los datos, forma do tratamiento.
ción del informe de la evidencia, compara II. Los tipos de experimentos comprenden ex
ción de la hipótesis con el informe de eviden perimentos exploratorios y confirmatorios, ex
cia, y generalización de los descubrimientos). perimentos cruciales, estudios piloto y estu
A su debido tiempo, veremos cómo los descu dios de campo.
brimientos de un experimento pueden con III. Un plan de investigación deberá incluir los
tribuir a la formulación de leyes empíricas y siguientes pasos (que pueden servir como lis
cómo pueden embonar en algún marco teó ta de chequeo):
A. Dé un nombre al experimento.
rico. B. Resuma la investigación anterior perti
nente.
RESUMEN DEL CAPÍTULO C. Plantee su problema, preferiblemente en
forma de pregunta.
En este capítulo hemos presentado los aspec D. Plantee su hipótesis.
tos principales de la experimentación como E. Defina sus variables.
F. Especifique sus aparatos. ALGUNAS PREGUNTAS PARA EL

G. Plantee las variables extrañas que habrá ESTUDIANTE
que controlar y las formas en que las con
trolará. 1. ¿Cuál es el principal rasgo contrastante entt
H. Seleccione el diseño más apropiado a su los métodos experimental y no experimental]
problema. 2. Pase revista a (y tal vez, esboce) los pasos pert
I. Indique la manera de seleccionar a sus par nentes al planear un experimento. Podrá usté
ticipantes, la forma en que los asignará a tomar notas acerca de temas importantes mei
los grupos y el número que habrá en cada cionados, pero aún no cubiertos (como el ani
grupo. lisis estadístico).
J. Enumere los pasos de su procedimiento 3. Como preparación para el primer estudio qúj
experimental, incluyendo los principios efectuará en su clase podrá usted seleccio
éticos que se seguirán. para sí mismo, un problema y desarrollar li
K. Especifique el tipo de análisis estadístico lincamientos de un plan experimental. Esto l*
que utilizará. será especialmente útil para plantear alguna!
L. Plantee los posibles informes de la eviden preguntas que acaso no se le hubieran ocurrí
cia. ¿Le informarán los resultados de algo do.
acerca de su hipótesis, no importando la 4. Elija algunas revistas de psicología de su biblii
forma en que resulten? teca y estudie cómo los diversos compoi
M. ¿Puede usted hacer inferencias inequívo fueron resueltos por otros autores.
cas del informe de la evidencia a la hipóte 5. ¿Cómo informaría usted adecuadamente a los'
sis? participantes humanos en el estudio de una im
N. ¿Hasta qué punto podrá usted generalizar vestigación? ¿Reconoce usted alguna dificultad*
sus hallazgos? en otros puntos mencionados en el apéndice!
IV. Por último, no se desanime si su investiga D, sobre la ética de la investigación?
ción no sale en forma completamente orde
nada... ¡rara vez ocurre!
capítulo 6
DISEÑO EXPERIMENTAL: EL CASO DE
DOS GRUPOS INDEPENDIENTES

Probar una hipótesis empírica mediante el aná La habilidad para analizar e interpretar estadís
lisis estadístico de los valores de las variables ticamente los datos a partir de una investiga
dependientes de dos grupos. ción con dos grupos mediante la prueba t.
Lo que usted encontrará:
1. Ecuaciones para calcular la media, la desviación es
tándar y la varianza.
2. Cómo estos valores conforman la base para la con
ducción de una prueba t la cual es un método esta
dístico que permite determinar si las medias de la va
riable dependiente de dos grupos difieren confiable
mente.
3. Instrucciones detalladas sobre cómo conducir e inter
pretar una prueba t
Ya ha adquirido una comprensión general pasar apresuradamente por algunas fases. En

sobre cómo conducir un experimento. En los los capítulos restantes, nos concentraremos en
capítulos 1 a 5 abarcamos las fases más im estas áreas relativamente descuidadas mien
portantes de la experimentación pero, al pre tras seguimos mostrando cómo se acomodan
sentar un panorama general, tuvimos que las fases en el panorama general de la investi
105
106 Diseño experimental: el caso de dos grupos independientes
gación. Nuestro primer foco de atención es terminada. O, como en el caso de la evalui

la selección de un diseño. ción de métodos de aprendizaje, en donde
Aunque existen muchos diseños experimen podría definir que la población son los alu
tales, nos hemos concentrado en uno que com nos de sexto grado en Estados Unidos. La i]
prende dos grupos independientes. Puesto vestigación que se lleva a cabo comúnmeni
que este diseño es fundamental, este capítulo sobre los problemas en las áreas de proces!
ofrecerá las bases a partir de las cuales podre miento de información, percepción lingüístii
mos avanzar hacia diseños más complejos (no o aprendizaje del lenguaje asume que la p¡j
necesariamente más difíciles de comprender). blación es el Homo Sapiens. Es práctica comúj
que la muestra se integre con voluntarios
ORIENTACIÓN GENERAL una clase de introducción a la psicología,
problema de la generalización a partir de
Recuerde que cuando estudiemos dos grupos muestra no seleccionada al azar para integr;
independientes, tal vez utilicemos un diseño la población se ve en el capítulo 1. Por ahor
experimental, o tal vez empleemos el método nos ajustaremos al procedimiento común o
de la observación sistemática. Al conducir un asumir que podemos hacer una generalizado)
experimento, asignamos los participantes alea razonable a partir de esa muestra. Suponieiff
toriamente a los dos grupos independientes do que tenemos 60 estudiantes que participf
con lo que se forma un diseño de dos grupos rán en el estudio, el siguiente paso es dividir]
aleatorios. Sin embargo, al emplear el méto los en dos grupos. Cualquier método que ase-'
do de la observación sistemática, selecciona gure que los participantes serán asignado!
mos dos grupos ya formados con característi aleatoriamente a los dos grupos será suficien!
cas diferentes. La prueba t es adecuada para te; por ejemplo, se saca de un sombrero ej
analizar estadísticamente los datos de cada nombre del primer participante y se le asigna
diseño. Nos concentraremos en el diseño ex al grupo número 1, el segundo al grupo nú
perimental porque, como hemos detallado, mero 2 y así hasta que tengamos los dos gri|
es el más poderoso. pos con 30 participantes cada uno. Después,
Para hacer un resumen de lo que se ha di con sólo tirar una moneda al aire sabremol
cho sobre el diseño de dos grupos aleatorios, cuál va a ser el grupo experimental y cuál él
recuerde que el experimentador define opera- grupo de control. La razón por la que esto sé
cionalmente que una variable independiente llama diseño aleatorio de dos grupos es ahora mui
habrá de variar de dos maneras. Se puede re clara: los participantes se asignan aleatoria?
ferir a los dos valores asignados a la variable mente a los dos grupos y sus tratamientos tarn-
independiente como dos condiciones, tratamien bién se designan al azar.
tos o métodos. La pregunta es entonces si estas
dos condiciones afectan diferencialmente la ESTABLECIMIENTO DE LA "IGUALDAD"
variable dependiente. Para responder, defini DE LOS GRUPOS MEDIANTE LA
mos una población sobre la que deseamos afir ALEATORIZACIÓN
mar algo y seleccionamos al azar una muestra
de participantes para el estudio; se infiere que Una presuposición básica e importante que sé
lo que se observa para la muestra es verdade hace en cualquier tipo de diseño es que las
ro para la población. Sin embargo, para ser medias (promedios) de los grupos en la varia
realistas, los investigadores rara vez definen ble dependiente no difieren confiablemente
sus poblaciones con precisión. En vez de eso, al principio del experimento. En un diseñó
como en el estudio de los humanos, se asume de dos grupos, los dos valores de la variable
por lo general que sus poblaciones son los independiente se administran entonces respec
humanos con vida el día de hoy. A veces, se tivamente a los dos grupos. Por ejemplo, se da
puede definir la población con mayor preci una cantidad positiva al grupo experimental)1
sión, como en el caso de los obreros, los cua cero al grupo de control. Después se registran
les llevan a cabo una labor de ensamblaje de y se analizan estadísticamente las puntuado-
íi
Diseño esperimental: el caso de dos grupos independientes 107
nes de la variable dependiente para todos los diferencia considerable en las medias de los
particip: ntes. Si la prueba estadística indica dos grupos, la probabilidad de encontrar di
que los dos grupos difieren confiablemente, cha diferencia es mayor que en este caso que
tiene que concluirse que esta diferencia se con un grupo mayor. La lección es muy clara:
debe a la variación de la variable independien si se desea reducir la diferencia en las medias
te. Si se asume que se han empleado los con de los dos grupos, utilícese un número gran
troles experimentales adecuados, se podrá de de participantes.1
concluir que los dos valores diferentes de la
variable independiente son los que producen Es posible que haya grupos "desiguales"
las diferencias en la variable dependiente.
Si se asignan los 60 participantes aleatoria Aun con un número comparativamente
mente a los dos grupos, es razonable suponer grande de participantes es posible, aunque
que los dos grupos son iguales en esencia, remoto, que las medias de los grupos difie
pero ¿aproximadamente equivalentes con res ran considerablemente por las fluctuaciones
pecto a qué? La respuesta podría ser que los aleatorias. Por ejemplo, suponga que se mi
grupos son equivalentes en muchos aspectos. dió la inteligencia, y que se obtuvo un cocien
Y es fácil defender tal respuesta, suponiendo te medio de inteligencia de 100 para un gru
que la aleatorización se ha llevado a cabo ade po y 116 para el otro. Si se emplean las técni
cuadamente. Sin embargo, en un experimen cas estadísticas adecuadas, se puede determi
to dado, queremos que los dos grupos sean nar que dicho caso se daría por azar aproxi
iguales en aquellos factores que pudieran afec madamente 5 veces de 100. Si realizáramos el
tar nuestra variable dependiente. Si la varia experimento 100 veces y asignáramos los par
ble dependiente es la tasa de aprendizaje de ticipantes a los dos grupos al azar en cada ex
una tarea visual, desearíamos que los dos gru perimento, la diferencia de 16 puntos, o más,
pos fuesen iguales por lo menos en lo que de CI entre los grupos (es decir 116 - 100)
toca a inteligencia y capacidad visual; por ejem ocurriría por azar en sólo cerca de 5 experi
plo, querríamos que los puntajes de las me mentos. Las diferencias entre los dos grupos
dias de inteligencia y agudeza visual fueran de menos de 16 puntos de CI deberían darse
en esencia los mismos, pues estos dos facto más frecuentemente y las diferencias entre los
res influirán probablemente sobre nuestra dos grupos de 24 puntos o más deberían su
variable dependiente. ceder menos de una vez en 100 experimen
tos, en promedio. Entonces, debería darse con
Es remoto que haya grupos "desiguales" mayor frecuencia una pequeña diferencia en
tre los dos grupos.
Algunas veces, los estudiantes critican el “Pero”, continúa el estudiante escéptico,
diseño de grupos aleatorios señalando que “suponga que en el experimento en particu
“por azar” (es decir con base en las fluctua lar que yo estoy conduciendo (no me impor
ciones aleatorias) podríamos terminar tenien tan los otros 95 o 99 experimentos) asigno al
do grupos desiguales. Es posible que un gru azar a mis participantes a dos grupos de habi
po fuera más inteligente, en promedio, que lidades muy diferentes. Yo pensaría que el
el otro grupo. Es posible pero poco probable grupo con el CI promedio de 116 tendría una
que un grupo tuviera una puntuación de in puntuación promedio más alta en la variable
teligencia promedio más alta, en especial si dependiente que el otro grupo, independien
se ha empleado a un gran número de partici temente del efecto de la variable independiente.
pantes en ambos grupos. Se puede demostrar Yo (el experimentador) llegaría a la condu-
que mientras mayor sea el número de gente
asignada aleatoriamente a los dos grupos, más
se aproximarán sus medias entre sí. En conse 1 Al hacer esta observación estamos ignorando la dis
cuencia, aunque es probable que con un nú tribución de los puntajes. Entonces, el asunto no es tan
mero pequeño de participantes exista una sencillo, pero la idea principal es correcta.
sión de que la variable independiente es efec diente. Esta técnica estadística es conocida1
tiva, cuando en realidad no lo es”. como análisis de covarianza, o covariancia y se-
encuentra en muchos libros de estadística,
Comparación de medias grupales
en variables pertinentes La ciencia es autocorrectiva ti
Uno no puede más que sorprenderse con “Excelente”, persiste el estudiante, “pero
un ataque tan convincente, pero la retirada suponga que los dos grupos difieren en uif
en este punto sería prematura pues aún tene sentido del cual no tenemos medida y que está!
mos varias armas con las cuales dar la batalla. diferencia influirá grandemente sobre los!
Primero, si uno tiene dudas en lo que toca a puntos de la variable dependiente. Entiendo»
la equivalencia de los dos grupos, se pueden ahora que probablemente podamos corregir*
calcular sus puntajes en ciertas variables para la diferencia entre los dos grupos en factores!
ver la diferencia real de sus medias. Enton como la inteligencia y la agudeza visual puesf
ces, en el ejemplo mediríamos el CI y la agu estas son variables fáciles de medir. Pero, ¿qué»
deza visual de los participantes, calcularíamos sucede si los grupos difieren en algún factor!
las medias para ambos grupos y compararía que no pensamos medir? En este caso deseo-?
mos los puntajes para ver si hay gran diferen noceríamos por completo la diferencia y lie-1!
cia. Si la diferencia es poca, sabremos que ganamos a conclusiones ilegítimas con base*}
nuestra asignación aleatoria ha sido, por lo en nuestros datos”. |
menos, bastante exitosa. De hecho, esta pre “Usted”, decimos al estudiante, con una*
caución laboriosa y por lo general innecesa admiración secreta por su inquisitiva perse-1!
ria se ha tomado en muchos experimentos.2 verancia, “nos ha puesto en una situación tan1!
poco probable que no tenemos que preocu-|
Análisis de covarianza parnos por que suceda. Sin embargo es posi-í
ble, de la misma forma que es posible que a*
“Pero”, continúa el estudiante testaruda usted lo atropelle un carro el día de hoy alJi
mente, “suponga que encuentro que hay una cruzar la calle. Y, si existe un factor que no j
diferencia considerable y que me doy cuenta podamos corregir, el experimento probable- '
ya que se han recolectado todos los datos. Mi mente termine con una conclusión errónea”.’’,
experimento sería invalidado”. Con todo, to Al único punto al que nos podemos referir*
davía hay esperanza. En este caso emplearía aquí es al de las características generales deU
mos una técnica estadística que nos permite proyecto científico: ¡la ciencia es autocorrec-1*
igualar a los dos grupos con respecto a la in tiva! Entonces, si un experimento dado llega
teligencia; es decir, podríamos “corregir” es a una conclusión falsa, y si la conclusión tiene
tadísticamente la diferencia entre los dos gru alguna importancia, entonces aparecerá una
pos y determinar si difieren en la variable incongruencia entre los resultados del experi
dependiente por alguna razón que no sea la mento invalidado y los datos de un experimen
inteligencia. Visto de otro modo, podríamos to posterior. La existencia de este problema
igualar estadísticamente a los dos grupos en desembocará en una solución que, en su caso,
inteligencia de modo que las diferencias será la de descartar la conclusión incorrecta. '
en esta variable extraña no afectaran diferen
cialmente los puntajes de la variable depen ANÁLISIS ESTADÍSTICO DEL DISEÑO
DE DOS GRUPOS INDEPENDIENTES
2 Por ejemplo, en el experimento sobre buena punteEn el capítulo uno presentamos el siguiente
ría con el rifle, discutido en el capítulo 4, se determinó problema: después de que un experimenta
que cuatro grupos no diferían confiablemente en las si
guientes variables externas: experiencia previa para dispa
dor ha recolectado los datos de la variable
rar, ser diestros o zurdos, agudeza visual, inteligencia o dependiente, lo que se desea es determinar si
nivel de educación. un grupo es superior al otro. La hipótesis
puede predecir una media más alta para el mente nos instruye para sumar cualquier cosa
grupo experimental que para el grupo con que se encuentre a su derecha.23 En este caso,
trol. El primer paso para probar la hipótesis la letra X se encuentra a la derecha de 2 así
es calcular la media de los puntajes de la va que debemos encontrar ahora los valores que
riable dependiente para los dos grupos. Pue representa X y sumarlos. Aquí X sólo indica la
de resultar que el grupo experimental tenga puntuación que obtuvo cada participante. Por
una puntuación media de 40, mientras que la ejemplo, supóngase que hicimos un examen
del grupo de control sea de 35. ¿Podemos con a una clase de cinco estudiantes y los resulta
cluir que esta diferencia de 5 puntos es con dos fueron los siguientes:
fiable o es tan sólo el resultado de las fluctua
ciones aleatorias, del error experimental? X
Veamos ahora una prueba estadística conoci Joan 100
da como prueba t (nótese que es una t minús Constance 100
cula y no mayúscula, la cual tiene otra deno Richard 80
Betty 70
tación en estadística), ya que se emplea a me Joe 60
nudo para contestar esta pregunta.
Es común meter datos experimentales en Para calcular 2X sólo sumamos los puntos de
una computadora programada para conducir X: 2X= 100 + 100 + 80 + 70 + 60 = 410. La n en
un análisis estadístico como el de dar el valor la ecuación 6-1 representa el número de gen
de t. Como se ve en el apéndice C, el uso te en el grupo. Entonces, en este ejemplo, n =
moderno de la computadora es maravilloso, 5. De modo que para calcular X solamente
pero no la podemos usar a ciegas. Es crucial sustituimos 2X por 410, n por 5 en la ecua
comprender lo que la computadora está ha ción 6-1 y luego dividimos 2X entre n. Así, la
ciendo y ser capaces de verificar el programa puntuación media del grupo de cinco estu
para confirmar que en realidad es exacto. Se diantes es:
pueden cometer muchos errores si el experi
mentador no sabe calcular manualmente la
prueba t o análisis estadísticos más comple
jos. Entonces, al mismo tiempo que se fomenta
el uso de la computadora para el análisis esta Entre paréntesis, hagamos hincapié en la gran
dístico, el usuario debe poseer una compren importancia de distinguir entre mayúsculas y
sión total de lo que la computadora lleva a minúsculas al llevar a cabo un análisis estadís
cabo. Es por estas razones que procederemos tico. Ya mencionamos que no se debe usar
con el estudio del cálculo manual de nuestros una T mayúscula cuando se trate de la prueba
análisis estadísticos. t. Del mismo modo, no se debe emplear unax
minúscula en lugar de una X mayúscula pues
Cálculo de la media cada una significa cosas diferentes. Otro ejem
plo es la diferencia entre N mayúscula y n
El primer paso para calcular un valor de la minúscula, como veremos en breve. La preci
prueba t es calcular las medias de los puntajes sión en tales temas puede ser de considera
de la variable dependiente de los dos grupos ble importancia; es un tema sobre el cual se
que intervienen en la prueba. La ecuación puede reflexionar al observar el ala del avión
para calcular una_ media (que se acostumbra en el que se viaja y entonces esperar que el
representar por X) es: ingeniero que diseñó el ala haya puesto aten
ción a los símbolos.
3 Más exactamente, 2 le indica que debe sumar todos

2 es el símbolo de la adición y se debe inter los valores de los símbolos que se encuentran a su dere
pretar como “suma de”. Este símbolo única cha, valores que se obtuvieron de su muestra.
Cómo probar la diferencia comedero durante los 25 ensayos se presenta,

entre las medias en la tabla 6-1. ’’
Para obtener un informe de evidencia que’i
Emplearemos la prueba t con este propósi nos diga si la hipótesis es probablemente ver-,;
to. La ecuación para calcular t es: dadera o falsa, calculamos primero las medias
del grupo. Nótese que se han empleado sub-,
X, - X 2 índices en la ecuación 6-2 para indicar a qug
( 6- 2) t = grupo corresponden las diversas variables. En,
SS. + ss2 1
(nl - 1) + (n2 - 1) \n l
1 +
este caso, X \ representa la media del grupo 1
(el grupo experimental) y X2, la del grupo |j
(el grupo de control). De manera similar, SCj,
Aunque esta ecuación parezca prohibitiva para y SC2 representan lo que se llama suma de'
el neófito en estadística, tal impresión debe cuadrados para los grupos 1 y 2 respectiva-,
durar poco puesto que t es realmente muy mente, y n\ y n2 son los números respectivos,
sencilla de calcular. Por ejemplo, imaginemos en los dos grupos (n minúscula y N mayúscu-j
un fascinante experimento sobre ARN (ácido la). Ahora podemos determinar que EX] = 48,,
ribonucleico) en el cerebro durante el alma mientras que XX2 = 8. Puesto que el número
cenamiento de memoria.4 Primero, se entre de animales en el grupo 1 es 7, n, = 7. La,
nó un grupo de 7 ratas para que se acercaran media para el grupo 1 (es decir, Xi), puede,
al comedero en una caja de Skinner cada vez determinarse ahora sustituyéndola en la ecua
que escucharan el sonido de un clic. Los ani ción 6-1.5
males raramente, o nunca, se acercaban a la
caja si no se presentaba el clic. Al día siguien
te de que terminaron su entrenamiento, se TABLA 6-1 Número de veces que el animal se ¡
sacrificó a los animales y se extrajo el ARN acercó al comedero durante los 25 ensayos
de una porción seleccionada. También se ex
trajo el ARN de los cerebros de 89 ratas no Grupo 1 Grupo 2
entrenadas. Aproximadamente ocho horas Número Ratas experimentales Número Ratas bap.
después de la extracción, se inyectó el ARN de animal X, de animal control X¡'
de cada una de las ratas, entrenadas y no en 1 1 8 0
trenadas, a ratas vivas no entrenadas. Enton 2 3 9 0
ces, se inyectó ARN a 15 ratas vivas: siete (el 3 7 10 0
grupo experimental) recibieron ARN de ra 4 8 11 1
5 9 12 1'
tas entrenadas y ocho (el grupo de control) 6 10 13 1'
de ratas no entrenadas. Se probó a ambos gru 7 10 14 Z ’i
pos en una caja de Skinner presentándose el 2X, = 48 15 3
clic en un total de 25 ocasiones y se registró SX2 = 8
el número de veces que se acercaron al come
dero. La hipótesis, aunque suene asombroso,
era que el almacenamiento de memoria se
puede trasmitir por medio de inyecciones de 5 Sería prudente que en sus cálculos pusiera atención
ARN o sustancias relacionadas. Se predijo a las cifras significativas, como muestra de la exactitud de,
entonces que el grupo experimental se acer sus mediciones y de sus cálculos. Para determinar la preci
sión de una medición, cuente el número de dígitos; por
caría al comedero más a menudo durante los ejemplo, 21 es correcto para dos cifras significativas, J.2‘
ensayos de prueba que el grupo de control. para dos cifras significativas, .012 para dos cifras signifi
El número de veces que cada rata se acercó al cativas y 1.456 para cuatro cifras significativas. El valor
final de las estadísticas, de la media o de la desviación
estándar, se debe redondear con una cifra significativa más
que en el valor de los datos crudos. Los cálculos interme
4 Dirigido por Babich, Jacobson, Bubash y Jacobsondios para la prueba t se pueden obtener con seguridad
(1965). cargando tres dígitos más de los que cargan los datos.
— el grupo 1 EX, = 48, EXf = 404, y n, = 7. En

X¡ = y = 6.86
tonces,
En forma similar, para el grupo 2 (n2 = 8),
SS, = 404 - « - 404 -
7 7
x* = § = 1-00
= 404 - ^ y ^ = 404.000 - 329.143
Necesitamos calcular ahora la suma de los = 74.857
cuadrados (un valor que se usará mucho en
los últimos capítulos) para cada grupo. La De igual manera, los valores para calcular la
ecuación para la suma de los cuadrados (SC) suma de los cuadrados para el grupo 2 son
es: EX2 = 8, EX¡ = 16, y n2 = 8.
Por lo tanto,
(6-3) SS = EX2 - (— )2
n
SS2 = 16 -- 16 - ^ = 8.000
o 8
La ecuación 6-3 incluye dos términos con
los que ya estamos familiarizados, es decir n y
EX. El otro término, EX2, nos indica que de Para resumir en la ecuación 6-2 los valores
bemos sumar los cuadrados de todos los valo necesarios para calcular la t de este experi
res de un grupo determinado. Entonces, para mento,
calcular EX2 para el grupo 1 debemos elevar Grupo 1 Grupo 2
a la segunda potencia el valor para el primer
animal, sumarlo al cuadrado de la puntuación % = 6.86 X2 - 1.00
del segundo, sumar ambos valores al cuadra r a ¡ =7 n2 = 8
SC, = 74.857 SC2 = 8.000
do del tercero, etcétera.
Al elevar a la segunda potencia las puntua
ciones de los animales en ambos grupos de la Al sustituir estos valores en la ecuación
tabla 6-1 y sumarlas tenemos: 6-2, obtenemos
f = 6.86 - LOO_________
Grupo 1 Grupo 2
Ratas / f 74.857 + 8.000 1 f \ TV
Número experimentales Número Ratas bajo control y¡ 10 - 1) + (8 - 1)J \7 + 8 )
de animal X¡ X, de animal X2 X\
1 1 1 8 0 0 Necesitamos seguir estos pasos para calcu

2 3 9 9 0 0 lar t:
3 7 49 10 0 0
4 8 64 11 1 1
5 9 81 12 1 1 1. Obtener la diferencia entre las medias: 6.86 - 1.00
6 10 100 13 1 4 = 5.86
7 10 100 14 2 9 2. Sumar SC, + SC2: 74.857 + 8.000 = 82.857.
15 3 3. Calcular n, - 1: 7 - 1 = 6.
2X, = 404 2X1= 16 4. Calcular Ji2 - 1: 8 - 1 = 7.
5. Sumar i + l = I + I = ± + ^ . = a 15
Para evitar un error común, conviene per «i m2 7 8 56 56 56'
catarse de que EX2 no es el cuadrado de EX.
Es decir (EX)2 no es igual a EX2. Por ejemplo, Los resultados de estos cálculos son
laSXi= 48. El cuadrado de este valor es (EXi)2
= 2,304, mientras que EXf = 404. 5.86
Sustituimos ahora los valores adecuados en t =
la ecuación 6-3 y calculamos la suma de los 82.857
cuadrados para cada grupo. Sabemos que para 6 + 7
En la siguiente etapa divida los dos numera media será mayor que la otra. Por ejemplo,,
dores (82.857 y 15) entre sus respectivos de tal vez usted pruebe una teoría que precisa-f
nominadores (13 y 56): mente dice que X¡ es mayor_que X2. En ese
caso, a usted no le interesa si X2 es mayor que
5.86 Xj. La diferencia entre una prueba de una
V (6 .3 7 4 )(.2 6 7 9 ) cola y una de dos colas es importante como S
veremos en breve. %
Después multiplique los valores en el deno
minador: La hipótesis nula |
t = 5.86 Dijimos que la razón por la que queremos
V i . 708 obtener el valor de t es para determinar si la -
diferencia entre las medias de los dos grupos
El siguiente paso es encontrar la raíz cuadra es el resultado de fluctuaciones aleatorias o
da de 1.708, la cual es 1.307. Si se divide como si es una diferencia confiable. Para llegar a
se indica, vemos que t es una respuesta debemos considerar una hipó- ,
tesis nula, un concepto que es vital que en
tendamos.6 La hipótesis nula que se emplea
generalmente en un diseño de dos grupos
independientes afirma que n o existe diferencia
A pesar de que el cálculo de í no es complica entre la s m e d ia s de p o b la ció n de la v a ria b le de
do, es muy probable que el estudiante novato p e n d ie n te de los dos g ru p o s. Nótese que desea
cometa un error en su cálculo. El error no mos contrastar las dos m ed ia s de población,
suele ser de procedimiento, sino de cálculo puesto que algunos estudiantes expresan erró
(dividir incorrectamente, no saber elevar al neamente la hipótesis nula y dicen que “no
cuadrado correctamente, cometer errores en hay diferencia entre los dos grupos”. Siempre
la suma). Se debe tener mucho cuidado con existen m u c h a s diferencias entre cualquier par
el trabajo estadístico; ¡se debe v e rific a r cada p a so de grupos, pero a nosotros sólo nos interesan,
d el cálculo! Para aprender cómo calcular t se las medias de la variable dependiente.
deben realizar todos los ejercicios al final del
capítulo hasta que las respuestas sean correc
tas. (También debemos observar que el valor 6 El término hipótesis nula lo empleó por primera vez
bajo el signo de la raíz cuadrada es siempre Sir Ronald A. Fisher (comunicación personal). Eligió el
positivo. Si es negativo en su cálculo, revise el término hipótesis nula sin “interés particular” en su etimo
logía, sino por analogía con el uso que antes daban, y tal
trabajo para encontrar el error.) vez aún lo dan, los físicos al hablar de un experimento
Un punto sobre el cual debemos extender nulo, o un método nulo de medición para referirse a un
nos es la operación contenida en el numera- caso en el cual un valor propuesto se inserta experimen
dt>r, la cual indica que X2 se debe sustraer de talmente en el aparato y el valor se corrige, se ajusta y,
finalmente se verifica cuando se ha encontrado el valor
Xi. Sin embargo, estamos llevando a cabo u n a correcto. La disposición es tal, como en el caso del puente
p r u e b a de dos colas que es opuesta a una p r u e de Wheatstone, que un galvanómetro muy sensible no
ba de u n a cola. En consecuencia, lo único que muestra la desviación cuando se ha insertado exactamen
nos interesa es la diferencia absoluta entre las te el valor correcto. “La reflexión imperante en la física es
medias, por lo que se debe sustraer la media que un instrumento hecho para medir directamente es, a
menudo, mucho menos sensible que uno que puede estar
menor de la mayor. Por ejemplo, si en su ex diseñado para dar movimientos súbitos hacia un lado o
perimento usted ve que X2 esjnayor que Xj hacia el otro de acuerdo a si se ha introducido un valor
(X2>Xj), entonces sólo reste X , de X2, es de demasiado grande o demasiado pequeño.” “Sin hacer re
cir, la_ecuación 6-2 tendría como numerador ferencia a este uso en física... uno puede resumir diciendo
que si la hipótesis es exactamente verdadera, todos los ex
X2 - X„ perimentos del mundo no arrojarían fácilmente una dis
Una prueba de una cola se lleva a cabo si crepancia significativa, o que la discrepancia en nula sin
existe una buena razón para predecir que una considerar los errores del muestreo aleatorio.”
Nótese también que la hipótesis nula tiene llaman parámetros, y las características de las
que ver con medias de población-, queremos muestras se llaman estadísticos o estadí
saber si las medias verdaderas de nuestros gru grafos. Un parámetro es una medida que se
pos difieren, en donde la media de la pobla averigua con base en todas las observaciones
ción es la media verdadera. Puesto que rara posibles de una población, mientras que un
vez podemos estudiar una población por com estadígrafo o estadístico es un valor calculado
pleto, la manera de determinar si las medias solamente a partir de una muestra. La distin
(de población) verdaderas difieren consiste en ción entre parámetros y estadísticos se marca
comparar las dos medias de la muestra. Sus utilizando letras griegas como símbolos para
traemos entonces la media de un grupo de los parámetros. Así, ¡x (la letra griega minús
muestra de la media del otro, como se especi cula my) representa la media de la población,
fica en el numerador de la ecuación 6-2. Si la en contraste con X, que representa la media
diferencia entre las medias de la muestra es de la muestra. La hipótesis nula que usual
muy pequeña, nos inclinaríamos por la con mente probamos cuando trabajamos con el
clusión de que la diferencia es casual. Si la diseño de dos grupos independientes es ¡Ui -
diferencia es muy grande, no es probable que q 2 = 0, o, igualmente, ¡u¡ - q 2 si Indiferencia
se deba a las fluctuaciones aleatorias. entre las medias de la muestra (Xj - X2) es
La hipótesis nula es una hipótesis que in pequeña, es probable que deduzcamos que no
tentamos refutar (rechazar). La hipótesis nula existe diferencia entre las medias de pobla
afirma que la diferencia entre las medias de ción y que, por tanto, q [ - q 2 = 0 (la hipótesis
la población es cero. Nuestra intención es nula es verdadera). Por otra parte, si X\ - X2
determinar que eso es falso y que sí existe es grande, entonces la hipótesis nula de que
diferencia. Por lo que, si se rechaza la hipóte pt\ - q 2 - 0 tal vez no sea verdadera. Sin em
sis nula, podemos concluir que (probablemen bargo, nótese que esta es una hipótesis nula
te) existe una diferencia verdadera entre nues sólo para el diseño de dos grupos indepen
tros grupos. Es más, si el experimento se lle dientes. Cuando discutamos otros diseños, se
vó a cabo adecuadamente, esta diferencia se probarán otras hipótesis nulas.
debe a la variación de la variable independien Para ofrecer un breve comentario acerca
te. Es decir, si podemos rechazar la hipótesis de la naturaleza de los parámetros, hay que
nula, podemos concluir que la diferencia en señalar que el parámetro (el símbolo de po
la variable dependiente entre nuestros gru blación) para correlación es p (la letra griega
pos fue ocasionada por la diferencia en los minúscula rho) en comparación con el sím
valores de la variable independiente. En este bolo para muestra de r y que la letra griega o
caso, concluiremos que nuestra hipótesis es (la letra griega minúscula sigma) indica la
probablemente cierta. desviación estándar de la población en com
Por otra parte, si no podemos rechazar la paración con el valor s de la muestra.
hipótesis nula, entonces no podemos afirmar
que exista una diferencia entre los dos gru En resumen. Buscamos probar la falsedad
pos. Probablemente entonces, la variación de de la hipótesis nula. La hipótesis nula afirma
nuestra variable independiente no es efectiva que la diferencia entre nuestros dos grupos
y la hipótesis empírica sea tal vez falsa. es cero (ju\ - q 2= 0). Si la diferencia-entre nues
tras medias de la muestra (X) - X2) es gran
Distinción entre poblaciones y muestras. Esta de, entonces probablemente la hipótesis nula
distinción es de gran importancia, como ve es falsa y la rechazamos. Sin embargo, si la di
remos en el último capítulo cuando discuta ferencia entre las medias de la muestra es pe
mos la mecánica de la generalización. En la queña, no podemos rechazar la hipótesis nula.
ciencia buscamos hacer afirmaciones sobre Así, tí] - q 2= 0. Cuando no podemos rechazar
poblaciones, sobre todos los humanos, sobre la hipótesis nula concluimos que cualquier di
todos los perros, sobre todos los aeroplanos, ferencia entre nuestras medias de la muestra
etc. Las características de las poblaciones se se debe al azar (fluctuaciones aleatorias).
¿Qué tan grande es "grande"? de t son los números que completan el cua-j
dro. Nuestro propósito es determinar el valótq
Valores tabulares de probabilidad. La cues de P asociado con un valor específico de
tión ahora es c[ué tan grande debe ser la dife y de gl. Para esto, bajamos por la columna gl i
rencia entre X x y para afirmar que n o es hasta que llegamos al valor específico de gl\ I
ocasionada por las fluctuaciones aleatorias. en este caso, 13 g l. Después leemos toda la j
Esta pregunta se puede responder a través del línea marcada con 13 g l el cual incluye di ver
valor de t; si es suficientemente grande, la sos valores de t: 0.128, 0.259, 0.394, etc. Lee
diferencia es demasiado grande para que se mos esta línea hasta que llegamos al valor más
le atribuya sólo a las fluctuaciones aleatorias. cercano a nosotros, en este caso 4.48. El valor
Para determinar qué tan grande es “suficien más grande de t en esta línea, 4.221 es la cifra
temente grande” podemos consultar la tabla que más nos acerca a 4.48, de modo que lee
de t. Sin embargo, antes de hacer esto existe mos la columna que incluye 4.221 para deter
otro valor que debemos calcular —los grados minar qué valor de P es el que se asocia a ella,
de libertad (g l )— para averiguar el valor ade en este caso 0.001.
cuado de probabilidad en la tabla. Hagamos una observación general: entre
Grados de libertad. Los grados de libertad más grande sea t, más pequeña será P . Por
ejemplo, con 13 g l, una t de 0.128 tiene una?
disponibles para la prueba t son una función
de 0.9 asociada a ella, mientras que con el
del número de participantes en el experimen
to. Más específicamente, g l= N - 2,7 en don mismo g l, una t de 1.771 tiene u n aP d e 0.1. A
de N es el número de sujetos en un grupo partir de esta observación y nuestro estudio
de los valores de las tablas de t y de P , pode
(nx) más el número de sujetos en el otro gru
mos concluir que si una t de 4.221 tiene una
po (n2). Entonces, en nuestro ejemplo tene
mos que P d e 0.001, cualquier t mayor que 4.221 debe
tener una P menor que 0.001. Es suficiente
N = n x + n 2 es decir, N = 7 + 8 = 15; para nuestros fines solamente percatarse de
este hecho sin intentar hacerlo más preciso.
por lo que
Prueba de la hipótesis nula
gl = 15 - 2 = 13.
Cuando hablamos del valor de una t calcu
El concepto de grados de libertad y su sig lada, escribimos una ecuación que indica el
nificado se discute en el apéndice de este ca número de g l (13 aquí) entre paréntesis; por
ejemplo, t (13) = 4.48. A continuación inter
pítulo de modo que podamos continuar con
pretamos el hecho de que una t de 4.48 tenga
nuestro cálculo del valor de t.
una P menor a 0.0001 (P < 0.001) asociada a
La tabla t. Para determinar la probabilidad ella. (El símbolo < indica que el valor a la dere
asociada a t veamos ahora una tabla de t (ta cha es mayor que el valor a la izquierda.) Este
bla A-l en el apéndice A) equipados con dos hallazgo indica que una diferencia promedio
valores: t = 4.48 y g l - 13. La tabla de t se entre grupos del tamaño que se obtuvo (5.86)
organiza alrededor de dos valores: una colum tiene una probabilidad menor a 0.01; es de
na denominada g l y una línea denominada -P cir, puede esperarse que una diferencia de es
(de probabilidad). La columna g l se encuen te tamaño entre las medias se dé menos de
tra en el extremo izquierdo y la línea P atra una vez en 100 por azar (0.01 = 1/100). Visto
viesa la parte superior de la tabla. Los valores7 de otro modo, si se ha llevado a cabo el expe
rimento 100 veces, esperaríamos que la suer
te propiciara alrededor de una vez una dife
7 Esta ecuación para calcular gl se emplea sólo para la
aplicación de la prueba ¡ a los dos grupos independientes.
rencia de este tamaño, siempre y cuando la
Utilizaremos otras ecuaciones para gl cuando veamos otras hipótesis nula sea verdadera. Esto, debemos
pruebas estadísticas. estar todos de acuerdo, es un hecho muy poco
factible. De hecho, es tan poco razonable pen datos. Entonces podría decirse que “si el va
sar que se diera una diferencia tan grande lor que obtengo de t tiene una P menor que
por pura suerte en el primero de los 100 ex 0.05, rechazaré mi hipótesis nula”. Del mis
perimentos hipotéticos que preferimos recha mo modo, usted puede establecer una P de
zar “al azar” como explicación. En consecuen O. 01, o hasta de 0.90 si así lo desea, siempre y
cia, preferimos rechazar la hipótesis nula de cuando lo haga a ntes de llevar a cabo su expe
que¿ti - [ii = 0; es decir, nos negamos a consi rimento. Por ejemplo, no sería adecuado ha
derar razonable queda verdadera diferencia cer una prueba t, establecer 0.06 para P y de
entre las medias de los dos grupos sea cero cidir después que si P es igual a 0.06 se recha
cuando hemos obtenido una diferencia tan zará la hipótesis nula. Un experimentador así
grande en las medias de la muestra, como siempre rechazará la hipótesis nula pues el
indican los valores de 6.86 y 1.00 respectiva criterio para rechazarla (el valor de P ) se de
mente. Sin embargo, si no se atribuye una terminaría por cualquier cifra que obtuviera
diferencia de este tamaño al azar, ¿qué expli P . El caso extremo sería obtener unaP de 0.90
cación le podemos dar? Si se han observado y establecer después 0.90 como criterio. Es
todas las medidas de seguridad adecuadas, obvia la invalidez de semejante decisión, pues
parece razonable afirmar que los dos grupos la diferencia de la media correspondiente se
difirieron porque recibieron distintos valores daría por suerte 90 veces de las 100. No es
de la variable independiente. De ahí que es razonable rechazar una hipótesis nula con una
probable que la variable independiente haya P tan grande, pues es un error rechazar falsa
influido en la variable dependiente, lo cual mente una hipótesis nula.
era precisamente el propósito de este experi
mento. La seriedad de la decisión establece el valor
de P. Existen algunos lincamientos para esta
Especificación del criterio para la prueba blecer el valor deP, aunque la decisión real es
arbitraria. Uno de los criterios es cuán im
Valor arbitrario de P. Todavía quedan al portante es creer en la conclusión, eso quiere
gunas preguntas que resolver sobre este pro decir evitar cometer el error de rechazar la
cedimiento. Una se refiere al valor de P que hipótesis nula cuando de hecho es verdadera.
se requiere para rechazar la hipótesis nula. Si se está llevando a cabo un experimento
Dijimos que la P menor que .01 asociada con sobre una vacuna nueva que podría afectar
nuestra t era lo suficientemente pequeña para las vidas de millones de personas, se querrá
rechazar la hipótesis nula (“azar”). Pero, ¿cuán ser muy conservador estableciendo tal vez P
grande debe ser P para que rechacemos la = 0.01 de modo que lo que se esperaría es
noción de que nuestra diferencia de las me que sólo una vez de 100 los resultados se die
dias se debió al azar?, es decir, ¿qué tan pe ran gracias al azar. Las cosas muy serias, como
queña debe ser P para que rechacemos la hi el diseño de alas de avión o las operaciones
pótesis nula? Por ejemplo, si hubiéramos ob cerebrales requerirían ser más conservadoras
tenido con 13 g l un valor de 1.80 para t, la y establecer un valor de 0.001. Incluso 0.0001
tabla A-l del apéndice A nos indica que el no sería irreal bajo ciertas condiciones extre
valor de P es inferior a 0.10. Se podría espe mas. Por el contrario, si es un experimento
rar que el azar ocasionara una diferencia co industrial en el que se está probando un
rrespondiente entre dos medias de grupo al artilugio mejorado que puede ofrecer a la
rededor de 10 veces en 100 experimentos. ¿Es compañía una ganancia financiera, se podría
esto lo suficientemente improbable como para establecer un criterio liberal de P = 0.10. Para
poder rechazar la hipótesis nula? La cuestión la psicología experimental P = 0.05 es el es
es ¿qué tan pequeña debe ser P para que po tándar común. A menos que se especifique
damos rechazar la hipótesis nula? La respues otra cosa, se entiende siempre que el experi
ta es que es una decisión arbitraria que el mentador estableció P = 0.05 antes de reali
experimentador toma antes de recolectar los zar el experimento. En resumen, se establece
•■J
el valor de P antes de recolectar los datos que en cuál media muestral era mayor. Con 13 m
sirven como criterio para probar la hipótesis y un criterio de P = 0.05, se necesita que ejf
nula, si el valor de la tabla de P asociado con valor de t para rechazar la hipótesis nula .sea
el valor calculado de t es menor que el del de por lo menos 2.160. Sin embargo, si se1
criterio, entonces se rechaza la hipótesis nula; hubiera empleado una prueba de una colp
de no ser así, se acepta. se habría necesitado solamente un valor de
t = 1.771 como se puede apreciar en la tabla
Cómo probar la hipótesis empírica. Aplique de t en la tabla A-l. Cuando su conocimiento
mos ahora estas reflexiones a nuestro ejem es lo suficientemente amplio como para pre
plo. La hipótesis sostenía que los animales en decir con confianza la dirección de las dife
el experimento se acercarían al comedero más rencias de la media, recuerde que puede em
frecuentemente que los del grupo de control. plear una prueba de una cola. (Y especifique ¡
Las medias de los puntajes fueron 6.86 y LOO que una media de la muestra debe ser mayor
respectivamente. La prueba t dio un valor de que la otra.) En este caso, como puede obser
4,48 el cual, con 13 g l tenía una P menor que varse a partir de un estudio cuidadoso la ta
0.01. Puesto que 0.01 es menor que 0.05, re bla de t, es más sencillo rechazar su hipótesis
chazamos la hipótesis nula y afirmamos que nula. Es decir se requiere de un valor menor
existe una diferencia verdadera entre nuestros de t para rechazar la hipótesis nula cuando se
dos grupos (y que la hipótesis nula no es soste- emplea una prueba de una cola.
nible). Además, la dirección de la diferencia La palabra “cola” se refiere a una cola de
es la que especifica la hipótesis empírica; es la distribución de t. Como puede verse en la
decir, el informe de la evidencia asegura que figura 6-1, en la prueba de una cola sólo nos
los valores para las ratas experimentales fue interesa ver si el valor de t cae en la cola supe
ron confiablemente mayores que los de las rior, cuya región es dos veces mayor que la de
ratas del grupo de control. Concluimos que la prueba de dos colas. Puesto que la región
la hipótesis se confirma. crítica para rechazar la hipótesis nula es dos
Se puede formular ahora la siguiente re veces mayor en la prueba de una cola, es evi
gla: s i la h ip ó tesis em p írica especifica u n a dife dente que es más probable que se rechace una
rencia direccional en tre la s m ed ia s de dos g ru p o s,
hipótesis nula en este caso que cuando se
y si la h ip ó tesis n u la es rechazada con u n a d ife
emplea una prueba de dos colas.
rencia en tre los dos g r u p o s e n la dirección q u e se
especificó, entonces se c o n firm a la hip ó tesis e m p í PASOS PARA PROBAR UNA HIPÓTESIS
rica. Asimismo tenemos dos casos en los que EMPÍRICA
la hipótesis empírica no se confirmaría: pri
mero, si la hipótesis nula no fue rechazada y Hagamos un resumen de cada uno de los pa
segundo, si fue rechazada pero la diferencia sos importantes que hay que seguir al probar
entre los dos grupos se encontraba en la di una hipótesis empírica. Para este propósito
rección opuesta a la especificada por la hipó se puede diseñar un estudio para comparar
tesis empírica. Para ejemplificar esta última la cantidad de ansiedad que padecen los estu
posibilidad, imaginemos una t de 2.40 (P < diantes de licenciatura en las diferentes facul
0.05). Con una puntuación media para las tades.
ratas control mayor que la de las experimen
tales no podemos confirmar la hipótesis em 1. Plantee el problema. Por ejemplo, ¿existe una
pírica aunque rechacemos la hipótesis nula. diferencia en la ansiedad que sufren los estu
diantes de licenciatura de distintas facultades?
Comparación de pruebas de una cola y 2. Plantee la hipótesis. Por ejemplo, “si se miden
pruebas de dos colas los puntajes de ansiedad de los estudiantes de
inglés y de psicología, los estudiantes de psi
cología tendrán puntuaciones mayores”.
Hemos empleado una prueba de dos co 3. Diseñe el experimento de acuerdo con los pro
las en este ejemplo, es decir, no reparamos cedimientos señalados en el capítulo 4; por
FIGURA 6-T. La región crítica en una cola de la

distribución de t para rechazar una hipótesis nula
es dos veces mayor en la prueba de una cola
(figura superior) que para la prueba de dos colas
(figura inferior). En cualquier caso, si el valor
calculado de su t cae en cualquier lugar dentro de
las regiones críticas, rechace su hipótesis nula. De
no ser así, no puede rechazarla. Note que nunca
puede aceptar una hipótesis nula, simplemente no
puede rechazarla.
ejemplo, la ansiedad se define operacional- CONFIABILIDAD "LIMÍTROFE"

mente (como los puntajes de la Escala de An
siedad Manifiesta de Taylor, 1953); se obtie
nen las muestras de cada población, etcétera. Es obvio que un experimentador que esta
4. Se plantea la hipótesis nula: fii - ¡u%= 0; “no blece un criterio convencional y obtiene una
existe diferencia en las medias de población P de 0.30 no puede rechazar la hipótesis nula.
de los dos grupos”. Sin embargo, suponga que P es igual a 0.06.
5. Se establece un valor de probabilidad para de Uno podría argüir: “bueno, no es exactamen
terminar si se rechaza la hipótesis nula; por te 0.05 pero está tan cerca que de todos mo
ejemplo, si P < 0.05 entonces se rechaza la hi dos voy a rechazar la hipótesis nula. Esto pa
pótesis nula; si P > 0.05, no se rechazará la rece razonable pues la diferencia de la media
hipótesis. A menos que se especifique otra que obtuve sólo puede esperarse que se dé 6
cosa, se supone que se está trabajando con
una prueba de dos colas, que es más conser de 100 veces cuando la hipótesis nula es ver
vadora. dadera. Es seguro que no difiere mucho de
6. Recolecte los datos y analícelos estadísticamen una probabilidad de 5 veces de 100”. Para esto
te. Calcule el valor de t y obtenga la P corres sólo existe una respuesta: la prueba l es deci
pondiente. siva; una P de 0.06 no es una P de 0.05 y no
7. Si las medias se encuentran en la dirección queda más alternativa que aceptar la hipóte
especificada por la hipótesis (si los estudian sis nula. Si el experimentador había estableci
tes de psicología tienen una puntuación me do el criterio de unaP de 0.06 antes de que se
dia mayor que la de los estudiantes de inglés) realizara el experimento, entonces no tendría
y si se rechaza la hipótesis nula, se puede con mos nada que discutir; el experimentador
cluir que se confirma la hipótesis. Si no se podría rechazar la hipótesis nula en este caso.
rechaza la hipótesis nula, puede concluirse Sin embargo, puesto que se estableció un cri
que la hipótesis no es confirmada. O, si se
rechaza la hipótesis nula pero las medias di terio de 0.05 para P, ya no puede modificarse
fieren en la dirección opuesta a la que se pre sino hasta después de que se recolecten los
dijo con la hipótesis, entonces la hipótesis no datos. Podemos recurrir a una analogía de las
se confirma. apuestas: si uno apuesta en las carreras de
caballos, se debe poner la apuesta antes de los cuales se calculó la tabla de t no se basa,
que comience la carrera, pues si se elige un ban en qué tan dentro de la región crítica sei
caballo que “casi ganó”, el cajero simpatizará encontraría su valor de t. Como se ilustra er¡¡
muy poco con nosotros; ahora que si usted la figura 6-2, la única pregunta es si el valor
sabe de un hipódromo en donde se pueda calculado de su t cae o no dentro de la región
apostar una vez que terminó la carrera o en crítica. No existe diferencia en absoluto en
donde se le remunera económicamente si us cuanto a en dónde ha caído el valor de su ¡
ted alega que su caballo perdió sólo por una calculada en la región crítica. Entonces, decir
nariz (confiabilidad limítrofe), espero que no que el valor de su t calculada era muy confia-
sólo me envíe una postal, sino que me llame ble en vez de decir solamente que era o no
por cobrar inmediatamente. confiable es como decir que una mujer que
Por otra parte, debemos estar de acuerdo está embarazada está muy embarazada. ¡ílo
en que es muy poco probable que una P de hay grados de embarazo! '
; .‘•.i
0.06 se dé por azar. Nuestro consejo es: “Sí.
Parece que tal vez tenga algo. Es un buen LA DESVIACIÓN ESTÁNDAR
momento para hacer más experimentos. Rea Y LA VARIANZA
.1;
lice un experimento nuevo y vea qué sucede.
Si en esta réplica encuentra una diferencia é
Para comprender el carácter de las suposiciq
confiable, se encuentra a salvo al rechazar la
nes estadísticas en las que se basa la prueba í,
hipótesis nula. Sin embargo, si el valor obte mismas que discutiremos en el siguiente ca
nido de t se encuentra muy lejos del valor cal
pítulo, así como para emplear los conceptos
culado de 0.05 en esta prueba nueva e inde
de desviación estándar y varianza o variancia,
pendiente, entonces se ha salvado de haber en otros contextos, es recomendable presen
cometido un error”.
tarlos aquí. Supongamos que alguien nos pre
Una P no puede ser muy confiable. Existe gunta acerca de la inteligencia de los estu
un error a la inversa que también se comete diantes en una escuela de 1,000 alumnos,
muy a menudo en psicología. Este error se i1,000 puntuaciones es un número muy difí
relaciona también con el cambio de criterio cil de manejar! No hay duda de que si comen
para rechazar la hipótesis nula después de que zamos a leerlas, la persona que hizo la pregun
se ha hecho el análisis estadístico, pero el cam ta la retiraría mucho antes de que llegáramos
bio es en sentido contrario. Suponga que ha a la puntuación número 1,000. Un procedi
establecido un criterio de P = 0.05 pero que miento más razonable para hablarle a uno
su valor calculado de t hubiera sido confiable sobre la puntuación de inteligencia de los es
más allá del nivel 0.01. En este caso usted es tudiantes de facultad sería recurrir a ciertas
taría tentado a declarar el valor de su t como formas resumidas. Por ejemplo, podríamos
inferior a 0.01 y decir que “era muy confia decir a nuestro interlocutor que la inteligen
ble” aun cuando ya había establecido un cri cia promedio de los estudiantes es 125 o lo que
terio de 0.05 antes de realizar su estudio. Sin sea. Sería informativo, pero no adecuado, pues
embargo, los valores de probabilidad sobre hay más que contar al respecto. Cada vez que
FIGURA 6-2. Una vez que se ha establecido el

criterio para probar la hipótesis nula, no se debe
cambiar. La probabilidad calculada asociada con
la prueba t sólo le dice si el valor cae o no
dentro de la región critica. Es ¡rrelevante dónde
cae, de modo que í¡ no es ni más ni menos
importante que t2.
describamos un grupo de datos, necesitamos tro interlocutor nos dice: “Muy bien. Ya me
ofrecer dos tipos de estadísticas: una me habló de la inteligencia media del alumnado
dida de tendencia central y una medida de pero, ¿qué tan hom ogéneos son sus estudian
variabilidad. Las medidas de tendencia cen tes? ¿Sus puntuaciones tienden a concentrar
tral nos hablan sobre el valor del punto cen se alrededor de la media, o hay muchos que
tral de un grupo de datos. Son una especie se considere que están por debajo de la me
de prom edios que nos hablan sobre la puntua dia?” Para responder a esto tal vez recurra
ción com ún en una distribución de datos. La mos al cálculo de la desviación estándar. E n
medida más común de tendencia central es la tre m á s g ra n d e sea la d e sv ia c ió n está n d a r, m á s
media. Otras medidas de tendencia central va ria b les so n n u estra s p u n tu a c io n e s . Por ejem
son la moda (el v a lo r m á s fr e c u e n te e n u n a d is plo, supongamos que reunimos los puntajes
tribución) y la mediana (el v a lo r sobre el c u a l de inteligencia de estudiantes de dos escuelas
y bajo el c u a l c a e n el 5 0 % de la s p u n tu a c io diferentes. Al agrupar el número de gente que
nes). Debe ponerse mucha atención a estas obtuvo cada puntaje en cada escuela, obten
definiciones, pues es muy común que exista dríamos las distribuciones que se muestran
confusión en cuanto a estos promedios. Por en la figura 6-3.
ejemplo, recuerdo al militar a cargo de la ca Al calcular la desviación estándar8 para los
pacitación de los reclutas que me dijo que dos grupos, tal vez encontremos que sus valo
teníamos que “trabajar más para lograr que res son 20 para la escuela A y 5 para la B. Al
más soldados estuvieran por a rrib a de la me comparar las distribuciones para las dos es
diana”. cuelas vemos que hay considerablemente más
Las medidas de variabilidad nos dicen variedad en la escuela A que en la B; es decir,
cómo se dispersan los puntos; nos indican algo las puntuaciones de la escuela A están más
acerca sobre la naturaleza de la d istrib u c ió n dispersas que las de la B. La desviación están
de los puntajes. Además de esto, nos infor dar nos dice que mientras más grande sea el
man sobre el rango de puntuaciones en el valor de la desviación estándar, mayor será la
grupo. La medida de variabilidad más frecuen variabilidad de la distribución de los puntajes.
temente utilizada, tal vez por ser a menudo la La desviación estándar (para una distribución
más confiable de todas (en el sentido de que normal) también nos da información más pre-
es la que menos varía de muestra a muestra)
es la desviación está n d a r. La desviación están
dar tiene como símbolo una s.
8 Obsérvese otra vez que lo que más nos interesa son
Para ilustrar la importancia de las medidas ios valores para las muestras. Un valor de población (o) se
de variabilidad podríamos imaginar que nues puede inferir del valor de una muestra.
FIGURA 6-3. Distribuciones de puntuaciones de

inteligencia en las dos facultades.
cisa en lo que concierne a que cerca de dos Ratas experimentales Ratas control
tercios de los puntajes caen dentro del inter £X/7 —48 2XC = 8
valo que se encuentra a una desviación están 2X£2 = 404 2Xc2 = 16
dar por arriba y por abajo de la media. Para n 7 = SC2 = 8
ser más claros, fijémonos primero que la inte
ligencia media de los estudiantes en las dos Al substituir estos valores en la ecuacipl
escuelas es la misma: 125. Si sustraemos una 6-4 obtenemos sE para el grupo experiment!
desviación estándar (es decir, 20) de la media
de la escuela A y añadimos una desviación
7(404) - (48)2
estándar a esa media, obtenemos dos valores:
105 (125 - 20 = 105) y 145 (125 + 20 = 145). En 7(7 - 1)
consecuencia, cerca de dos terceras partes de
los estudiantes en la escuela A tienen una 2,838 - 2,304
ai
puntuación de inteligencia de entre 105 y 145. 7(6)
De manera similar, cerca de dos terceras par
tes de los alumnos en la escuela B tienen pun
tuaciones entre 120 (125 - 5) y 130 (125 + 5),
con lo que tenemos un ejemplo más de que %
= V 12.4762
las puntuaciones de la escuela A están más
dispersas que las de la B. Visto de otro modo, = 3.53
los puntajes de la escuela B son los más homo
géneos (lo que significa que son más pareci De aquí que
dos), mientras que los puntos de la escuela A A
son más heterogéneos (menos homogéneos). Por 4;
sE2 = (3.53)(3.53) = 12.48 ‘Á
mi momento podríamos especular que la
escuela A es algo indulgente en la selección ■i.ffl.
de sus estudiantes, como puede ser el caso de Para el grupo control sc es:
algunas universidades estatales. La escuela B ■i
oí,
es más selectiva, con lo que tienen un alum - /8(16) - (8)2 ■i«-
nado más homogéneo, como sería el caso de 8(8 - 1)
una institución privada con altos costos
de colegiatura. /¡28
El símbolo s 2 es conocido como la v a r ia n z a V 8(‘ 8(7)
de un grupo de valores. Tiene esencialmente
/64
las mismas características que la desviación
estándar y es solamente el cuadrado de la des 56
viación estándar. De aquí que si s = 5, enton = V i . 1459
ces s2 = 25. Para ilustrar aún más estos estadís
ticos consideremos los puntajes de la variable = 1.07
dependiente en la tabla 6-1. La ecuación de
cálculo más sencilla para la desviación están De aquí que
dar es:
sc2 = (1 -07)( 1.07) = 1.14
lnZX2-(X X jí
(6-4) Podemos ver entonces que la variabilidad
\ n(n -1) del grupo experimental es considerablemeh
te mayor que la del grupo de control, hecho
Puede observar que ya antes en este capí que resalta a simple vista en los datos de la tabla
tulo calculamos los componentes para esta 6-1. Ahí podemos observar que los valores para
ecuación, y son: el grupo experimental varían en un rango de
1a 10. (El rango, otra medida de variabilidad error son aditivos, y (4) los valores de la varia
común, es 10 - 1 = 9.) Por otra parte, el rango ble dependiente son independientes. Muy
de puntuaciones para el grupo de control va aproximadamente, la suposición 1, la de la nor
de 0 a 3 (por lo que el rango = 3). Obviamen malidad, significa que la distribución tiene
te, el rango de una distribución de puntajes forma de campana o es gaussiana (como se
es igual al valor más alto menos el valor más muestra en la figura 6-1). La suposición 2 sos
bajo. Es claro que los valores para el grupo tiene que la forma en que se dispersan las dis
experimental son más variables (más hetero tribuciones es más o menos la misma para los
géneos), mientras que los grupos de control diferentes grupos en el experimento; en for
son menos variables (más homogéneos). Un ma un poco más precisa, quiere decir que las
significado de esta diferencia en la homo desviaciones estándar de los puntos de las va
geneidad de las varianzas es que existe una riables dependientes de cada grupo multipli
transgresión de una suposición estadística cados por sí mismos (es decir sus “varianzas”)
para la prueba t, como veremos en la siguien son más o menos las mismas (homogéneas).
te sección. A propósito, tal vez notemos que Para ayudarlo a visualizar la característica de
si todos los valores para un grupo son los mis la suposición 3, suponga que cualquier varia
mos, por ejemplo 7, tanto la desviación están ble dependiente dada es una función de dos
dar como la varianza serían de cero, pues ha clases de variables: su variable independiente
bría cero variabilidad entre los valores. y las diferentes variables extrañas. Ahora bien,
Por último, tal vez notemos que si la suma podemos suponer que los valores de las varia
de los cuadrados (SC) ya se ha calculado para bles dependientes generados por estas dos
una distribución empleando la ecuación 6-3, fuentes de variación pueden expresarse como
también se habrá completado la mayor parte una suma algebraica del efecto de una más el
de los cálculos para s. De ahí que el valor cal efecto de la otra; es decir, si R es la medida de
culado de SC pueda ser sustituido a la ecua respuesta que se usa como variable dependien
ción 6-5. te, si I es el efecto de la variable indepen
diente y si i? es el efecto combinado de todas
las variables extrañas, entonces la suposición
<«> *- ^
de aditividad dice que R = I + E.
Hay varias pruebas disponibles en los li
bros de estadística que sirven para determi
Entonces, puesto que SC = 74.857 para el nar si sus datos en particular le permiten sos
grupo experimental, tener la suposición de homogeneidad de la
varianza, de la normalidad y de la aditividad.
Sin embargo, a este nivel no parece factible
/74.857 elaborar estas suposiciones o la naturaleza de
V 6
5= 3.53 las pruebas. Además, siempre es más difícil
determinar si las suposiciones están suficien
temente satisfechas; es decir, estas pruebas son
muy insensibles. La opinión general es que
SUPOSICIONES QUE SUBYACEN AL USO se puede tolerar una desviación considerable
DE LAS PRUEBAS ESTADÍSTICAS de las suposiciones 1, 2 y 3 y aun así generar
análisis estadísticos válidos. Nuestras pruebas
Elaboramos ciertas suposiciones cuando apli estadísticas son muy sólidas en tanto que nos
camos pruebas estadísticas a los diseños ex llevan a conclusiones adecuadas, a menudo
perimentales que se presentan en este libro. alejándose de estas suposiciones. Por ejem
En general, éstas son: (1) la distribución de plo, en el experimento de ARN de este capí
la población es normal, (2) las varianzas tulo, las varianzas de los grupos no son ho
de los grupos son homogéneas (“iguales”), (3) mogéneas; es decir, la varianza del grupo ex
los efectos de tratamiento y los efectos de perimental es 12.48 y la del grupo de control
es 1.14. Una alternativa a la prueba t es lo que TABLA 6-2. Ilustración del u s o de valores'
se conoce como una prueba no paramétrica, que repetidos de la variable dependiente para cad^
también se llama prueba de libre distribución. participante
Las pruebas no paramétricas no hacen supo
Condición A Condición)
siciones sobre las distribuciones de normali
dad y de homogeneidad. Las pruebas paramé Participante Ensayo Participante Ensayo’
número 1 2 3 4 5 número 1 2 3 jj
tricas, como la prueba t sí hacen estas suposi
ciones sobre los parámetros de la distribución. i 3 2 3 5 6 i 9 4 6i
Las pruebas paramétricas son muy fuertes 2 4 114 4 2 8 9 3 7:.
porque pueden tolerar desviaciones impor 3 6 94 9 9 3 7 8 2 8(i
tantes de sus suposiciones básicas, como se
ilustra aquí, pues la prueba t nos lleva a las
mismas conclusiones que la prueba U de
Mann Whitney, una prueba no paramétri ces podrían emplearse erróneamente los 30w
ca. Podemos añadir que es más seguro que lores de la variable dependiente para calcul;
las suposiciones de normalidad y de homo N = 30, de modo que gl = 30 - 2 = 28. Este
geneidad puedan ser transgredidas en tanto un valor inflado burdamente para los grado|
que aumente el número de participantes. de libertad (recuérdese que mientras ma;
Para mayor información sobre las suposicio sea el número de grados de libertad en la
nes, debe consultarse cualquier libro de esta bla A -l del apéndice A, menor es el valor,i
dística. t necesario para rechazar la hipótesis nula). 0
Sin embargo, la cuarta suposición es esencial, gl correcto aquí esg/ = N - 2 = 6 - 2 = 4. 9
puesto que cada valor de la variable dependiente Podemos prevenir este error utilizando u:
debe ser independiente de cualquier otro valor de y sólo un valor de variable dependiente para a
variable dependiente. Por ejemplo, si existe un participante. Si se trata de un experimento
valor de 15, la determinación de que un se aprendizaje, podría emplearse el último vaíiji
gundo valor sea, digamos de 10, no debe ser de variable dependiente de modo que t si
influida por, o relacionada con, el hecho de calculara utilizando los valores del ensayo !|
que el primer valor sea 15. Si los participan es decir 6, 4 y 9 contra 8, 9 y 6. Otro método,
tes han sido seleccionados al azar y si se em común para evitar el error de los grados dé
plea uno y sólo un valor de cada variable de libertad inflados es calcular un valor repre
pendiente para cada participante, entonces la sentativo para cada participante; por ejem
suposición de independencia debe quedar sa plo, calcular una media para cada línea dé
tisfecha. valores de variable dependiente, como los de
Sin embargo, en algún estudio se pueden la tabla 6-3. En este ejemplo, la t entre los dos
recolectar diversos valores de la variable de grupos puede basarse en los valores de la
pendiente para cada participante, quizá como media para la condición A (3.8, 2.8, 7.4) con
en un experimento de aprendizaje. Por ejem tra los de la condición B (7.0, 7.2, 6.2). ¿La
plo, imaginemos un experimento (tabla 6-2) condición A difiere confiablemente de la con
en el que hay tres participantes bajo las dos dición B?
condiciones (A y B) con cinco puntajes repe v.fl
tidos de la variable dependiente para cada uno. EL ANALISIS DE SUS DATOS i(¡
Si se capturan por separado todos los datos DEBE SER EXACTO
de la tabla 6-2 en el cálculo del valor de t, se •íi
cometería un error de independencia. Por En cierto sentido esta sección se debería pg
ejemplo, para el participante 1, un estudiante ner al comienzo del libro, con las letras más
puede añadir 3, 2, 3, 5 y 6 y sumar también negras posibles. Pues no importa cuánta aten-
sus cuadrados y del mismo modo emplear cin ción le ponga a los demás aspectos del expe
co (en lugar de uno) valores de variable de rimento; si no es preciso en sus registros y en
pendiente para los otros participantes. Enton- sus análisis estadísticos el experimento no sir-
TABLA 6-3. Uso de la media de los valores del ensayo para cada participante
de la tabla 6-2
Condición A Condición B
Participante Ensayo Participante Ensayo
número 1 2 3 4 5 X número 1 2 3 4 5 X
i 3 2 3 5 6 3.8 i 9 4 6 8 8 7.0
2 4 114 4 2.8 2 8 9 3 7 9 7.2
3 6 9 4 9 9 7.4 3 7 8 2 8 6 6.2
ve. Por desgracia, nadie puede darle reglas Por último, una tercera persona que podía ver
fijas para garantizar la precisión. Lo mejor el problema desde un punto de vista no vicia
que podemos hacer es ofrecerle ciertas suge do, i'evisó nuestros cálculos y encontró el
rencias que, de seguirlas, reducirán el núme error. Este estadístico de fama internacional
ro de errores y si está muy atento, los elimina admitió que nunca fue muy bueno en aritmé
rán por completo. tica y que a menudo cometía errores en la
El primer punto importante es el de la “ac adición y la sustracción por lo que para él era
titud”. Algunas veces, los estudiantes creen muy importante revisar sus operaciones arit
que pueden registrar sus datos y llevar a cabo méticas. Si él tenía que revisar con cuidado
el análisis estadístico una vez nada más; así lo sus resultados, naturalmente nosotros también
hacen y tiene una confianza asombrosa en la debíamos hacerlo.
exactitud de sus resultados. La palabra com El primer lugar en donde se puede come
probar no existe en su vocabulario, aunque ter un error es cuando acaba de obtener sus
resulta grato tener confianza en la propia per datos. A menudo el experimentador observa
fección. He observado a muchos estudiantes la conducta y registra los datos escribiéndo
y científicos durante un periodo suficiente los a mano o ingresándolos en una computa
mente largo para saber que esto no es sensa dora. Sin embargo, a veces una computadora
to. Todos cometemos errores. registra los datos automáticamente, como se
La mejor actitud que se puede tomar como discute en el apéndice C; en ese caso se de
científica no es pensar que tal vez se cometa ben tomar precauciones especiales para garan
un error, sino pensar que lo cometerá; el único tizar la exactitud de su sistema de registro.
problema es encontrarlo. Acepte esta sugeren Suponga que está estudiando a alumnos
cia o no, como guste. Pero recuerde esto: por que realizan una tarea en la que tienen que
lo menos las primexas veces que realice un acomodar cartas y usted está registrando los
análisis, existe una posibilidad de 99 a 1 de datos: (1) latencia para decidir en dónde po
que cometa un error. A medida que adquiere ner la carta dentro de un contenedor, si a la
más experiencia, la posibilidad baja de 10 a 1. derecha o a la izquierda; (2) el tiempo que se
Por ejemplo, los estudios de artículos ya publi tardan en hacerlo, y (3) si ponen la carta a la
cados en revistas profesionales han generado derecha o a la izquierda. Su registro debe iden
diversos y difei'entes tipos de error, incluyen tificar a cada estudiante y debe tener tres co
do el cálculo erróneo de las pruebas estadísti lumnas para los ti'es tipos de datos. A conti
cas. Una vez tuve la oportunidad de discutir nuación escribe los datos de cada estudiante
un tema con uno de nuestros expertos en es en la columna indicada. Una vez que indica
tadística más destacados, George Snedecor, los valores de tiempo y dirección, continúa
para quien realizamos una sencilla prueba con el siguiente participante. Cuando termi
estadística. Nuestra respuesta era obviamen na el experimento ya no hay posibilidad de
te absurda, de modo que tratamos de descu volver a comprobar, de manera que cualquier
brir el error. Sin embargo, después de com error cometido ya no se puede corregii'. En
probarlo varias veces, el error seguía oculto. consecuencia debe ser extremadamente cui
dadoso y registrar el valor correcto. Debe fi hoja de datos, ya que tal vez tenga que usarll
jar muy bien en su mente el valor y debe pre como referencia más tarde. Anote sus indii
guntarse todo el tiempo si está transcribiendo ciones claramente, poniendo el título, la
el valor correcto. Una vez escrito o capturado cha, el lugar de realización, etc. No debe hj
en la computadora, vuelva a comprobar para ber ambigüedad en ninguna fuente de dato:
asegurarse de que es correcto. Si el valor que Las tres columnas deben decir: “latencia jj
anotó parece poco probable, vuelva a verifi respuesta desde la aparición de la luz de in!
car. Después de haber verificado un dato poco ció”, “tiempo para dar la respuesta” y “diré|
usual, anote que es correcto pues tal vez más ción en la que se pone la carta (izquierda),
tarde vuelva a él con duda. Por ejemplo, si sus derecha)”. Se debe rotular claramente caiji
estudiantes se tardan cerca de dos segundos operación estadística. Por ejemplo, si eondí
para ejecutar la tarea usted anota que uno tuvo ce una prueba t debe registrar en la parte s|
un valor de duración de respuesta de siete perior de su hoja que se trata de una prueb'i
segundos, vea una vez más el cronómetro para t entre tal y cual condición, y que se emplea!
asegurarse que su lectura es correcta. De ser tal y cual medidas como variable dependió
así, escriba una nota breve junto a “siete se te. En resumen, indique cualquier cosa qu'
gundos” con lo que indique que se ha verifi sea pertinente para los registros y análisis
cado ese valor. modo que pueda volver a su trabajo años
A veces, los experimentadores vacían los tarde y todavía entenderlo.
registros originales de conducta a una com La realización misma del análisis estadísíj
putadora o a otra hoja para su análisis esta co es quizá la fuente más grande de error. En*
dístico. Dicha labor es tediosa y puede llevar el análisis por computadora, el programa pitá
nos a cometer errores, de modo que hay que de tener un error o puede ser mal emplead®
observar estricta vigilancia. Se debe verificar (véase apéndice C). En el análisis manual*
el trabajo terminado para asegurarse de que debe verificar cada paso conforme avance. P6:
no hubo errores en la transcripción. Es tam ejemplo, si comienza por calcular las sumas
bién recomendable indicar cuando se ha veri las sumas de los cuadrados, verifíquelos ante:
ficado un número o una operación. Una ma de sustituir estos valores en su ecuación, puel!
nera de lograrlo es poner un puntito arriba y si son erróneos tendrá que volver a realizá|
a la derecha del valor (no hay que ponerlo todo el trabajo. De la misma forma se debe
abajo para que no se confunda con un punto comprobar inmediatamente cualquier multP
decimal) o, si tiene computadora puede es plicación, división, sustracción y adición, an|
cribir un símbolo que no sea usual adelante tes de pasar a la siguiente operación que s®
del número. Una ventaja de indicar que se base en el resultado. Una vez que haya cala#
verificó el resultado es que más tarde usted lado su prueba estadística, verificando cada
tendrá la seguridad de que así se hizo. paso sobre la marcha, debe ponerlo a un lado
Al escribir los datos en papel, la legibilidad y realizar todo el análisis de nueva cuenta, siñ!
es muy importante, pues la lectura equivoca considerar el trabajo anterior. Quizá la mejor
da de un número es un error muy frecuente. estrategia sea conducir su análisis manualmen-1
Tal vez se sorprenda al ver qué tan difícil le te y luego verificarlo con su programa de com-1
puede parecer leer su propia letra, sobre todo putadora. Si sus dos cálculos independiente^
después de algún tiempo. Si utiliza un lápiz, concuerdan, es probable que tenga el valor’
la punta debe ser dura y estar bien afilada final correcto.
para evitar los manchones. De ser posible,
registre sus datos con tinta y si hay que cam NÚMERO DE PARTICIPANTES
biar un número, bórrelo por completo o eli POR GRUPO T
mínelo con corrector.
Ya sea que lo haga por escrito o que escri “¿Cuánta gente debería tener en mis grupos?”
ba los datos directamente en la computadora, es una pregunta que hacen los estudiantes f
etiquete totalmente todos los aspectos de su menudo al iniciar un curso de metodolo'
gía de la investigación. Un procedimiento tra de las varianzas, también se puede calcular el

dicional es estudiar un número de partici número de participantes requeridos. Por des
pantes, determinado más o menos arbitraria gracia, es poco frecuente que los experimen
mente y ver cuáles son los resultados. Si los tadores tengan esta información. Las fuentes
grupos difieren confiablemente, el experi posibles de información en este caso son los
mentador puede quedar satisfecho con ese experimentos publicados que son similares al
número o se puede considerar estudiar a más que usted quiere realizar y de los cuales pue
participantes para confirmar los hallazgos con de tomar la información necesaria, o un estu
fiables. Por otra parte, si los grupos no difie dio piloto conducido por usted mismo para
ren confiablemente, pero las diferencias son generar los cálculos de la información que
prometedoras, se debe incluir más participan necesita. De cualquier manera, a partir de esta
tes con la esperanza de que los datos comple información, a continuación tenemos un pro
mentarios darán la confiabilidad.9 cedimiento para determinar el número míni
Es verdad que no podemos contestar ade mo de participantes requeridos para el posi
cuadamente todas las preguntas de los estu ble rechazo de la hipótesis nula.
diantes, pero sí podemos ofrecerles reflexio Imagínese que está realizando un experi
nes que los guíen. En primer lugar, entre mento con dos grupos aleatorios. Usted cal
mayor sea el número de participantes, mayor cula (con base en los datos previamente reco
será la confiabilidad estimada para cualquier lectados) que la puntuación media de la con
diferencia de la media entre grupos. Esta es dición A es 10 y para la B es 15. La diferencia
una afirmación verdadera y segura, pero no entre estas medias es 5. Usted también calcu
es de mucha ayuda. Podemos decir claramen la que las varianzas de sus dos grupos es 75.
te que 100 participantes por grupo es mejor Digamos que establece el nivel de probabili
que 50. Tal vez quiera saber si 20 participan dad en 0.05, en cuyo caso el valor de t que
tes por grupo sea suficiente. Eso depende, en necesitará para rechazar la hipótesis nula es
primer lugar, del tamaño de la “verdadera” aproximadamente dos (puede ser más preciso
diferencia de la media (población) entre sus si así lo desea). Suponga que desea tener un
grupos y, en segundo lugar, del tamaño de número igual de participantes en ambos gru
las varianzas de sus grupos. Lo que podemos pos. Ahora tenemos esta información:
decir es que mientras mayor sea la diferencia
real entre los grupos, menor será el número Xj - X 2 = 5
de participantes requerido para el experimen
to, y mientras menores sean las varianzas de y s | ambos = 75
grupo, menor será el número de participan f =2
tes que se requiera. Ahora que si tiene bue
nos cálculos de la diferencia de las medias y Con un poco de esmero podemos resolver la
ecuación 6-2 para n en lugar de para t. Me
diante la manipulación algebraica,10encontra
9 Este último procedimiento no se puede defender más
mos que en las suposiciones anteriores, la
que en una investigación preliminar pues quien agrega ecuación 6-2 se convierte en
participantes hasta encontrar una diferencia confiable
puede ser favorecido por la suerte. Por ejemplo, si uno
tiene 10 participantes por grupo y obtiene un valor de t
que se acerca al nivel de probabilidad de 0.05, tal vez de
bería añadir otros 10 participantes al grupo. Suponga que
la diferencia media es confiable ahora, pero que los resul
tados de estos participantes adicionales se deba sólo a la
suerte. Se detiene el experimento y se declara un éxito.
Sin embargo, si todavía se estudiara a más participantes,
se perdería la confiabilidad y el experimentador nunca lo 10 Las operaciones algebraicas pueden resultar más
sabría. Si dicho experimento se va a validar cruzadamente claras si usted se remite a otra forma de la ecuación 6-2,
(replicar), el procedimiento es válido, por supuesto. que es la ecuación 9-3 en página 201.
Si sustituimos estos valores en la ecuación 6-6 bos extremos. Si está llevando a cabo un ex®
i
y le clamos un valor a n, tenemos que perimento “descuidado” (es decir, los control
les son débiles o usted no lleva registros exac|
2(2)z(75) = 600 tos), reduce sus oportunidades de rechazai§
n una hipótesis nula que en realidad deberíal
(15 - 10)2 25
rechazarse. Por otra parte, si está realizando!
un experimento muy sofisticado (está bien!
Podemos decir entonces que con esta diferen controlado, mantiene registros exactos, etc.),¡
cia verdadera de la media, con estas varianzas aumenta su probabilidad de rechazar una hi|
para nuestros dos grupos, y utilizando el ni pótesis nula, que realmente debería ser recha-í
vel de confiabilidad 0.05, necesitamos un mí zada. En resumen, si hay mucho “ruido” en la®
nimo de 24 participantes por grupo para re situación experimental, los valores de la va®
chazar la hipótesis nula. Sin embargo, apenas riable dependiente van a modificarse por ra-f
hemos aproximado el valor de t necesario para zones diferentes a la variación de la variable-?
el nivel 0.05, y no hemos tomado en cuenta independiente. Dicho “ruido” oscurece cual®
ningún incremento en la varianza de nuestros quier relación sistemática entre las variables!
dos grupos. En consecuencia deberíamos su dependiente e independiente. Existen dos
brayar la palabra mínimo. Entonces, para es formas generales en las que un experimenta®
tar seguros deberíamos tener más de 24 par dor puede incrementar las posibilidades dea
ticipantes por grupo: 30 sería razonable en rechazar una hipótesis nula que realmente
este caso y es un número que se ha utilizado debería ser rechazada: (1) incremente la dife-¡,
tradicionalmente en la experimentación.11 rencia entre las medias de las variables dé®
El punto principal. Debe tener el número pendientes de los grupos (es decir, el nume-,
rador de la razón t), y (2) reduzca la variabil®
de participantes suficiente para rechazar la
hipótesis nula si es que de hecho debe ser re dad en el experimento (es decir, el denomi-i
chazada. En consecuencia, no hay un número nador de la razón t).
Sabemos que entre mayor sea t, mayor será
mágico aparte de las reflexiones ya mencio
la probabilidad de rechazar la hipótesis nulajj
nadas. De hecho, si la diferencia verdadera
de la media es muy grande y la varianza muy Entonces nuestra pregunta es: ¿cómo pode!
mos diseñar un experimento tal que el valor
pequeña, tal vez pueda rechazar su hipótesis
de t se pueda incrementar legítimamente?!
nula con sólo unos cuantos participantes por
Dicho de otro modo, ¿cómo podemos inere-;
grupo. Una estudiante demostró que 10 par
mentar el numerador de la ecuación 6-2 y dis
ticipantes por grupo era suficiente porque
minuir el denominador? El num erador se
pudo rechazar su hipótesis nula. Con todo y
puede incrementar a menudo exagerando la
eso, el decano no quiso firmar su tesis por
diferencia entre los dos valores de la variabléi
que creía rígidamente que un grupo debería
independiente. Por ejemplo, si usted pregun
tener 30 participantes.
ta si la cantidad de práctica aumenta la canti
dad de lo aprendido, es más probable que
VARIANZA O VARIANCIA DE ERROR
obtenga una diferencia confiable entre los dos,
Una importante estrategia de investigación grupos si éstos realizan 100 ensayos contra 1Q¡
en vez de sólo 15 ensayos contra 10. Esto es?
consiste en incrementar la posibilidad de re
así porque probablemente usted incremen
chazar la hipótesis nula, si es que de hecho debe
taría la diferencia entre las medias de la varia-;
rechazarse. Este punto se puede ver desde am
ble dependiente de los dos grupos y, como
dijimos, entre mayor sea la diferencia de la
media, mayor será el valor de t. Veamos aho
11 Este procedimiento se ofrece como una guía elemen
tal, pues dejamos a un lado las reflexiones sobre el poder
ra el denominador de la ecuación 6-2.
de la prueba estadística. Este procedimiento tiene un po En todo experimento hay una cierta varían-,
der mínimo para rechazar la hipótesis nula. za de error, y en nuestro análisis estadístico)
obtenemos un cálculo de ella. En los diseños suficientemente pequeña, aumentamos las po
de dos grupos la varianza de error es el d en o sibilidades de rechazar la hipótesis nula.
minador de la ra zó n t (así como el denomina
dor de la razón F ). Básicamente, la v a r ia n z a Métodos para reducir la varianza de error
de error e n u n exp erim en to es u n a m ed id a del g ra
do en el que los p a r tic ip a n te s q u e recibieron el
Reconociendo pues que es muy aconseja
mismo tra ta m ien to m u estra n v a r ia b ilid a d en su s
ble reducir las varianzas de nuestros grupos,
valores de las va ria b le s dep e n d ie n tes. Son mu
¿cómo se logra esto? Existen varias posibili
chas las razones por las que obtenemos valo dades.
res diferentes para los participantes que reci
bieron el mismo tratamiento. Uno: cada or Reduzca las diferencias individuales. Prime
ganismo está “hecho” de diferente manera y ro recuerde que nuestros participantes son
cada uno responde en distinta forma al mis todos diferentes cuando entran a una situa
mo tratamiento experimental. Dos: es senci ción experimental, y que entre más grandes
llamente imposible tratar a todos los partici sean las diferencias, mayores serán las varian
pantes en el mismo grupo de la misma forma; zas de nuestros grupos. Entonces, una mane
siempre tenemos un número de variables ex ra muy obvia de reducir las varianzas de nues
trañas cambiantes que influyen diferen tros grupos y por ende la varianza de error es
cialmente en la conducta de nuestros partici reducir el grado de diferencia entre nuestros
pantes. Y, por último, algo de la varianza de participantes. A menudo, los psicólogos incre
error se debe a las imperfecciones de nues mentan la homogeneidad de sus grupos me
tros instrumentos de medición. Ningún ins diante una selección. Por ejemplo, trabajamos
trumento puede ofrecer una puntuación “ver con diferentes razas de ratas. Sin embargo,
dadera” por completo, ni nosotros como en un determinado experimento se toman
humanos podemos lograr lecturas 100% exac todas las ratas de una misma especie: la raza
tas y consistentes del instrumento de medi Wistar, la raza Sprague-Dawley o la que sea.
ción. Si un psicólogo asigna aleatoriamente ratas
De muchas formas es desafortunado que de diversas razas a los grupos, es probable
haya tanta variabilidad entre los valores de las que las varianzas se incrementen. Trabajar con
variables dependientes de los participantes humanos es más difícil, pero aun aquí la se
que recibieron el mismo trato, pero debemos lección de los participantes similares es una
aprender a vivir con esta varianza de error. práctica frecuente y debe considerarse. Por
Lo mejor que podemos hacer es intentar re ejemplo, emplear estudiantes universitarios
ducirla. Para hacer énfasis en por qué quere como participantes nos da como resultado,
mos reducir la varianza de error veamos el sin duda alguna, varianzas más pequeñas que
siguiente ejemplo: digamos que la diferencia si seleccionamos participantes al azar de en
entre las medias de los dos grupos es 5. Aho tre la población general. Sin embargo, tam
ra imaginemos dos situaciones, una en la que bién se puede ser selectivo con la población
la varianza de error es grande y una en la universitaria; puede emplear sólo mujeres,
que es pequeña. Por ejemplo, digamos que la solamente estudiantes con un CI de más de
varianza de error es 5 en el primer caso y 120, sólo aquellos que tuvieron puntuaciones
2 en el segundo. Entonces, para el primer de ansiedad baja, etcétera.
caso, nuestro cálculo de t sería t = 5/5 = 1.0 y Sin embargo, una objeción seria a la elec
para el segundo sería t = 5 / 2 = 2.5. Es claro ción de los participantes es que entonces se
que en el primer caso n o p o d ría m o s rechazar restringe el grado en el que puede generali
nuestra hipótesis nula mientras que en el se zar sus resultados. Es decir, si usted sólo in
gundo es muy probable que sí. En resumen, cluye en su muestra estudiantes con un CI alto,
si nuestra varianza de error es muy grande ciertamente estará en peligro cuando trate de
probablemente no podremos rechazar la hi generalizar sus hallazgos a la población de bajo
pótesis nula; pero si la varianza de error es CI o a cualquier población que no haya entra-
1
128 D ise ñ o e x p e rim e n ta l: el caso de dos g r u p o s in d e p e n d ie n te s
do en la muestra. Es por esta razón que se ral no tiene por qué perturbarnos de grá|
debería pensar muy bien acerca de la selec manera. $
ción de participantes homogéneos para un
Disminuya los errores. Para reducir su
experimento con sólo dos grupos (es decir
varianzas, disminuya los errores al leer l|
experimental y de control) antes de llevarla a
instrumentos de medición, al registrar su
cabo. Entre mayor sea su selección de partici
datos, y en su análisis estadístico. Entre
pantes homogéneos, más débiles serán sus
errores haya, mayores serán las varianzas, sjf
bases para un amplia generalización.
Una solución a este problema, como vere poniendo que dichos errores son fruto d|
azar. Este punto también se relaciona con f
mos en el capítulo 12 es incorporar sistemáti
tema de la confiabilidad de su variable depejj
camente una variable organísmica (como la
diente, o quizá mejor dicho, con qué tan c<jf
inteligencia) en un diseño factorial. Al estu
fiablemente usted la midió. Por lo que, entit
diar los efectos de su variable independiente
más confiable sea su medición de la varia®
como una función de varios grados (niveles)
de inteligencia, no sólo podrá reducir su va- dependiente, menor será su varianza de errcl
Una forma en la que se puede incrementar!
rianza de error, sino que también fijará las
confiabilidad de la medición de la varia®
limitaciones a sus generalizaciones.
dependiente es hacer más de una observado!
a cada participante; si su procedimiento el
Utilice procedimientos precisos. Usted pue
perimental se lo permite, sería prudente qi|
de reducir sus varianzas con su procedimien
lo considerara. I
to experimental. Lo ideal es tratar a todos los
participantes en el mismo grupo tan precisa Otros métodos. Estas tres técnicas puedéf
mente como sea posible. No podemos hacer reducir la varianza del error reduciendo l|
énfasis en esto lo suficiente. Hemos recurri varianzas de sus grupos. Otra técnica posibl
do al uso de una grabadora para dar las ins para reducir la varianza del error es la quél
trucciones, de modo que los participantes es refiere al diseño elegido. El ejemplo más clf
cucharan exactamente las mismas palabras ro para los diseños que hemos estudiado s|
con exactamente la misma entonación. Si en ría reemplazar el diseño de dos grupos ató
vez de eso les dice informalmente lo que de torios con el diseño de grupos igualados paft
ben hacer, variando la forma en que lo dice a dos grupos (véase capítulo 9) siempre y cuál
cada persona, es muy probable que esté au do exista una correlación sustancial entrei||
mentando sus varianzas. De la misma mane variable dependiente y la variable indepéf
ra, mientras mayor sea el número de varia diente. El diseño factorial también se puedl
bles extrañas operando al azar, mayores se emplear para disminuir su varianza de errS
rán sus varianzas. Por ejemplo, si hay ruidos Por ejemplo, usted podría incorporar a sí
en diversos grados para algunos participan diseño una variable que de otra manera seríit
tes, pero para otros no, sus varianzas grupales extraña y eliminar la varianza atribuible a esf
probablemente se van a incrementar. Sin variable de su varianza de error. ñ
embargo, una vez más aquí, debería recono Otra técnica que casi siempre es efecti(|
cer que cuando se eliminan las variables ex para reducir la varianza de error es el “anájj
trañas, debe restringir el grado de generali sis de covarianza”. En resumen, esta técnilj
zación en las situaciones en que están presen le permite obtener una medición de lo qiif
tes. Por ejemplo, si todos sus participantes se usted cree que es una variable extraña, partid
encuentran en habitaciones a prueba de rui cularmente importante, fuera de su contróll
do, entonces usted, estrictamente hablando, Esto a menudo requiere de cierta caracterísf
no debería generalizar a las situaciones en las ca de sus participantes. Por ejemplo, si está
que ocasionalmente hay ruido. Sin embargo, llevando a cabo un estudio sobre el efecto d§
puesto que a menudo no tratamos de genera ciertas variables psicológicas en el peso, tál
lizar a estas condiciones no controladas, o por vez emplee como medición el peso de sus paíí
lo menos no enseguida, esta objeción gene ticipantes antes de realizar su experimento.
D iseñ o esp erim en ta l: el caso de dos g ru p o s in d e p e n d ie n te s 129
través del análisis de covarianza, usted puede probabilidad de rechazar una hipótesis nula
“controlar estadísticamente” esta variable; es puede aumentar si incrementamos la diferen
decir, usted puede eliminar el efecto del peso cia entre los valores de la variable indepen
inicial de sus puntajes de las variables depen diente que se administró a los grupos en el
dientes, con lo que disminuye su varianza de experimento y si disminuimos la varianza de
error. Tal vez notemos que el grado de éxito error. Las formas específicas con las que uno
al reducir la varianza de error mediante el puede disminuir la varianza de error son: (1)
análisis de covarianza dependa del tamaño de seleccionar participantes homogéneos de
la correlación entre su variable extraña y su acuerdo con sus puntajes en alguna medición
variable dependiente. Sin embargo, la aplica importante, (2) estandarizar, de manera estric
ción de esta técnica estadística no siempre es ta, los procedimientos experimentales emplea
sencilla: puede ser mal empleada y no garan dos, (3) reducir los errores en la observación
tizar la “salvación” de un experimento mal y el registro de los valores de la variable de
hecho. Algunos experimentadores abusan este pendiente (y, de ser posible, realizar más de
método; recuerdo que una vez escuché que una medición para cada participante), (4) se
alguien preguntaba a un experimentador: leccionar un diseño relativamente exacto, (5)
¿dónde está tu análisis de covarianza? Se daba incrementar el número de participantes por
por hecho en su departamento que siempre grupo, y (6) como veremos en la siguiente
se tenía que usar en un experimento. En sus sección, hacer una réplica del experimento.
estudios de experimentación y estadística
aprenderá cómo se aplica esta técnica. REPLICACIÓN
Refiriéndonos una vez más a la ecuación
6-2, hemos visto que a medida que las varian En la historia de la ciencia, muchos pero mu
zas de nuestros grupos disminuyen, la varian chos hallazgos asombrosos se han registrado
za de error disminuye y el tamaño de t au equivocadamente. Hace poco, un psicólogo
menta. El otro factor en el denominador es n. importante, el cual había cosechado tal fama
Amedida que n aumenta, la varianza de error que la reina lo había nombrado caballero, fue
disminuye. Esto sucede por dos razones: por calificado como científicamente deshonesto
que usamos n en el cálculo de las varianzas y en su investigación sobre la herencia en la
porque empleamos n de otro modo. Debemos inteligencia; nadie ha repetido su investiga
señalar que incrementar el número de parti ción que fue tachada como fraudulenta, a
cipantes por grupo es tal vez una de las mane pesar de que había constituido la base de im
ras más sencillas de disminuir, casi siempre portantes movimientos sociales. Hemos hecho
drásticamente, la varianza de error. énfasis en el carácter autocorrectivo de la cien
En esta sección hemos tratado de indicar cia; si un científico se equivoca, por la razón
la importancia de la reducción de la varianza que sea, el error se descubre, por lo menos si
de error en la experimentación y de sugerir era importante. El criterio básico en la cien
algunas formas en las que esto se puede lo cia para evaluar la validez de nuestras conclu
grar. Por desgracia, no es posible ofrecer una siones es que la investigación se repita. El tér
cobertura exhaustiva de las técnicas disponi mino técnico para la repetición de un experi
bles por la falta de espacio y por lo complejo mento se llama replicación. Replicación sig
que nos sería ir más allá de este nivel de dis nifica que los métodos que emplea un experimen
cusión. En los libros sobre diseños experimen tador se repiten en un esfuerzo por confirmar o
tales es posible encontrar excelentes trata desconfirmar los hallazgos obtenidos. Decimos
mientos sobre este tema, aunque se requiere que un experimento se replicó cuando se han
de un conocimiento algo avanzado sobre ex repetido los procedimientos experimentales
perimentación y estadística. con una nueva muestra de participantes. La
réplica la puede hacer el experimentador ori
En resumen. Los siguientes puntos son lo ginal, o de preferencia otro investigador en
más relevante que hemos visto: primero, la un laboratorio diferente; esto último daría
130 D ise ñ o e x p e rim e n ta l: el caso de dos g r u p o s in d e p e n d ie n te s
como consecuencia una mayor probabilidad tados. Más exactamente, la probabilidad coitiS
de las conclusiones (si concuerdan con las puesta para este ejemplo sería de 0.05 y usted
originales) que en el primero, pues se podría podría rechazar la hipótesis nula. h
reducir cualquier predisposición, se podrían 4
emplear aparatos diferentes, etc. Obsérvese RESUMEN DEL CÁLCULO DE fEN UN ¡)
una distinción importante: la réplica es la repe DISEÑO DE DOS GRUPOS %
tición del experimento y no la confirmación del INDEPENDIENTES f>
hallazgo original. De aquí que la réplica de un -iW"
experimento puede confirmar o desconfirmar Hemos hecho énfasis en el gran valor del aná
(ser congruente o contradictorio con) los ha lisis por computadora así como en la impor
llazgos del experimento anterior. Por desgra tancia de comprender lo que se está hacien
cia, existe una tendencia entre algunos a de do. Si usted puede seguir los pasos en está
cir que “no pudieron replicar el experimen sección, habrá comprendido la aplicación de
to” lo cual quiere decir literalmente que no la prueba t. Para un estudio más profundo
pudieron repetir la metodología original; sobre el uso de la computadora en psicología
quieren decir que sí replicaron el experimen véase el apéndice C. Suponga que hemos óí£
to, pero no pudieron duplicar los hallazgos. tenido los siguientes valores de las variable!
Esta distinción es importante; es análoga a la dependientes para los dos grupos y que bus¡
que se debería hacer entre “no obtener resul camos probar la hipótesis nula de que
tados” y obtener “resultados negativos”. (o igual, pt\ - Hi = 0):
La replicación es el corazón de la ciencia,
pero es relativamente rara. Esto es compren
sible pero desafortunado. En las revistas se Grupo 1 Grupo 2
da prioridad de espacio a las investigaciones 10 8
originales, por lo que probablemente retene 11 9
mos muchos desaciertos que fueron el resul 11 12
12 12
tado del azar (las 5 veces de 100 en que erró 15 12
neamente se rechazó la hipótesis nula). Exis 16 13
ten varias soluciones posibles. Una consiste 16 14
en incluir un experimento anterior dentro de 17 15
uno nuevo y extenderlo incluyendo otra va 16
17
riable independiente, como se hace en el di
seño factorial. Otra es fomentar la investiga
ción y las réplicas realizadas por los estudian Comience con la ecuación 6-2, la ecuación para
calcular t\
tes (tesis de maestría, etc.), tal vez con seccio
nes pequeñas de nuestras publicaciones de X, - X2
dicadas a tales estudios. Se debería conside
rar mucho este problema. Sin embargo, el asun 1 SC X + s c .¿
(-* - '!
to aquí es que la réplica no sólo corrige erro V _(» i - 1) + (w2 — 1)_ \«i V-
res, sino que también reduce la varianza de
error. 2. Calcule la suma de X¡ (es decir 2 A ), la suma de
Ahora si usted replica, ¿cómo va a combi X2 (es decir 2AV) y n para cada grupo:
nar los resultados de estas réplicas? En los li
bros de estadística (y en las ediciones anterio Grupo 1 Grupo 2 -o
res de este texto) encontrará diversos proce
XX 2 = 108 XX2 =128
dimientos relacionados con este fin. Por ejem XX 2 = 1,512 Z X 2 = 1,712
plo, suponga que la probabilidad calculada n =8 n = 10
para su prueba t es 0.08 y 0.10 en una réplica.
En ningún experimento se puede rechazar la 3. Con la ecuación 6-1, calcule las medias para cada
hipótesis nula si no es combinando los resul grupo: -r>ji
108 blación de los dos grupos; por ejemplo,

X, 13.50 12.80 1*1 = /¿2-
8
III. Para probar la hipótesis nula se calcula la
diferencia entre la media de los valores de
4. Con la ecuación 6-3, calcule las sumas de los la muestra de los dos grupos en la variable
cuadrados para cada grupo: dependiente.
(XX,)2 _= 1512 - 15? IV. La probabilidad de que la diferencia de me
SC, = 2X? dia se haya dado por azar (es decir como pro
X, ’ 8 ducto de las fluctuaciones aleatorias) es eva
= 54.000 luada con la conducción de una prueba t.
V. La prueba t es una razón entre la media de
SC2 = 1,712 - = 73.600 las diferencias entre sus grupos y la varianza
de error en el experimento; la varianza de
5. Sustituya los valores anteriores en la ecuación error es una función directa de la variabili
6-2 : dad de los puntajes de la variable dependien
13.50 - 12.80 te. Esa variabilidad puede ser medida por
t = las varianzas o las desviaciones estándar de
000 + 73.600
4 ^ i + —
1) + (10 - 1) 8 10
los grupos.
VI. En la tabla t se encuentran los valores calcu
lados de t y el número adecuado de grados
6. Desarrolle las operaciones como se indica y de de libertad, en donde gl = n\ + n2 - 2.
termine que el valor de t es VII. Si el valor calculado de t excede el valor de
0.70 = 0.70 la tabla para su criterio predeterminado (es
t = decir 0.05) usted puede rechazar su hipóte
V(7.975)(.2250) V i.7944 sis nula; de otro modo no puede rechazarla.
0.70 VIII. Si usted rechaza su hipótesis nula, confirma
= .523
1.3395 su hipótesis empírica suponiendo que la di
ferencia promedio se encuentra en la direc
7. Determine el número de grados de libertad aso ción especificada por la hipótesis empírica;
ciados con el valor anterior de t: si no es así, no puede confirmar (desconfir
ma) la hipótesis empírica.
gl =N - 2 = 18 - 2 = 16 IX. Sin embargo, todas las pruebas estadísticas
se basan en ciertas suposiciones.
8. Consulte la tabla t y determine la probabili A. Para la prueba t (y la prueba F que pron
dad asociada con este valor t. En este ejemplo, to estudiaremos) las suposiciones son:
0.70 > P > 0.60. En consecuencia, suponiendo 1. La distribución de la población es nor
un nivel de confiabilidad requerido de 0.05 no mal.
se rechaza la hipótesis nula y llegamos a la con 2. Las varianzas de los grupos son ho
clusión correcta sobre nuestra hipótesis empí mogéneas.
rica. 3. Los efectos del tratamiento y los efec
tos del error son aditivos.
RESUMEN DEL CAPÍTULO 4. Los valores de la variable dependien
te son independientes.
I. El experimento básico es aquel en el que una B. Las primeras tres suposiciones pueden
muestra de participantes se asigna aleato ser violadas hasta cierto grado, pero no
riamente a dos grupos, por lo general, un así la suposición de independencia.
grupo experimental y uno de control. En el C. Deberíamos añadir una quinta suposición
método de observación sistemática los par importante que es aún más decisiva, es
ticipantes están en grupos preformados de decir, ¡que los registros de dalos y los
modo que no son asignados aleatoriamente análisis sean exactos!
a las condiciones. Con cualquier procedi X. Por último, observamos que el número óp
miento la prueba t es un método adecuado timo de participantes en un experimento es
de análisis estadístico. aquel que es suficiente para permitir recha
II. Se formula una hipótesis nula de que no zar la hipótesis nula si es que debe ser re
existe diferencia entre las medias de po chazada. El número se determina mediante
el tamaño de la diferencia en la media de I. Haciendo réplicas de sus experimento;!

población y las varianzas de población. Tra J. Poniendo atención a otras formas de r|
dicionalmente, se considera que el número ducir la varianza de error, como se di|
óptimo es alrededor de 30 por grupo, aun cute más tarde en el libro. I
que en un experimento en clase no espera
ríamos que hubiera un número tan grande ■!
REVISION CRÍTICA PARA
por lo general.
XI. Es importante en cualquier experimento lo EL ESTUDIANTE
grar un alto grado de precisión, lo que sig
nifica que la varianza de error debería ser 1. Los temas y conceptos importantes en lo que
pequeño. La varianza de error en un experi se debe concentrar son:
mento es la medida del grado en el que los Aleatorización
participantes que reciben el mismo trato Autocorreción en la ciencia
muestran variabilidad en los valores de la Media |
variable dependiente. En un experimento de Suma de cuadrados
dos grupos independientes es representado Hipótesis nula
por el denominador de la razón t. Cuando Valor tabulado de probabilidad
se emplea el análisis de varianza, el error de Grados de libertad
varianza se representa con el denominador Desviación estándar y varianza
de la razón F. Si se reduce la varianza de Suposición estadística de independencia
error, aumenta la probabilidad de rechazar 2. Problemas (respuestas en el apéndice E).
una hipótesis nula que de hecho debería ser Antes de comenzar a trabajar con un proble
rechazada. La varianza de error se puede ma, debe estudiar esta sección. Aquí hay un
reducir: ejemplo de cómo se debe ver el trabajo de
A. Siendo exacto en todos los aspectos de un estudiante cuando está resolviendo un pro
la medición, así como elaborando regis blema que incluye análisis estadístico. Observe
tros precisos. que cada paso fue especificado cuidadosamen
B. Logrando un control experimental efec te, que se confirmó cada cálculo, como lo indi
tivo. ca el puntito arriba de cada número, que no se
C. Seleccionando un diseño experimental olvidó ningún paso, y que el estudiante real
adecuado, como el diseño de grupos mente solucionó el problema empírico (en vez
igualados; se elimina así de la varianza de sólo decir “se rechazó la hipótesis nula” o
de error una función de la correlación alguna otra afirmación incompleta). Hacemos
entre los puntajes de las variables de igua hincapié en que la estadística es una herramien
lación y dependiente, como en el último ta para nosotros, pero que no sirve de nada si
término en el denominador de la ecua al final no tenemos una solución al problema
ción 6-2. que se planteó. Si quedamos por ahí colgados
D. Seleccionando participantes homogé con una conclusión estadística no relaciona
neos, aunque esto reduce el grado al que da con la hipótesis empírica, quiere decir que
pueda generalizar sus hallazgos; es de hubiera sido mejor irnos a la playa.
cir, puede generalizar sobre los partici El problema que se planteó en un estudio
pantes sólo hasta el grado en que haya fue si la administración de una droga en parti
tomado la muestra de su población. cular aumentó los errores en una tarea psico-
E. Teniendo procedimientos experimenta motora, pensando en que fue un experimento
les, consistentes como hacer que las ins bien conducido, cuyos detalles no nos intere
trucciones sean las mismas para toda la san aquí.
gente en un grupo. La hipótesis nula era que pi = fií en donde
F. Haciendo más de una medición de la va las condiciones 1 y 2 eran droga y no droga
riable dependiente para cada participan respectivamente. El criterio para rechazar la hi
te y combinándolas, como si las estuvie pótesis nula fue P = 0.01.
ra promediando. A. Un experimentador lleva a cabo un experi
G. Considerando el uso del análisis de cova- mento bien diseñado en el que nt = 16 y w2=
rianza. 12. Se obtiene una t de 2.14. Con un crite
H. Aumentado el número de participantes rio de P = 0.05. ¿Se puede rechazar la hipó
por grupo. tesis nula?
D iseñ o esp erim en ta l: el cuso de dos g ru p o s in d e p e n d ie n te s
Cond¡«ones
2. Drogas
/, Sin drogas
6
4
3
3
4
C o n d ic ió n Condición
s in d r o g a s con drogas
X , *3 x i
* r
0 :S6
0
u
L
t <+ 1
■3 9
0 0
I 1 f 16
ft- J) U f i'»
X, = ■ ^± = ~ -- I oo
1 n 5
X * £ £ a = J £ = ¿i.00
* n s
Xi - i »
-t = 551 +• S S i
(6- 1)
V? .(0,-1) + (Hi
Necesitamos encontrar 5C, y SC2
SC, =X X f
se, - S-5 -- H.bo
scA = E X x rv
i.
_
26 m5 t , u - taf
5 C, = fi¿ - KO = (o,00
Al sustituir en la ecuación (6-2):
n . o o - Í - 0 0
3 .0 0
i •
*.¿>0+ ¿.¿P
;-i)A
(5 -0 + 0 5-
Y
> _ 3-00_________ 3^0. = 3.00

\¡ (l.l5)(OAO) V 0.50 0.707/
Cálculo de los gl = n - 2 . . ,, ,
0l = 6 + 6 - * . * d so
B u sca r en la tabla: p «= 0 .0 / '¿.o/ = 3 .3 5 5
La hipótesis nu/a rechaza a nivel de 0.01
Conclusión empírica:
La administración de la droga incrementó el número de
errores en la tarea psicomotora.
B. Un experimentador obtiene una t calculada el desempeño de cada participante (mien

de 2.20 con 30 gl. Las medias de los dos tras más alta es la puntuación, mejor es el
grupos se encuentran en la dirección indi desempeño en la tarea). El criterio para
cada por la hipótesis empírica. Suponiendo rechazar la hipótesis nula es P = 0.02. ¿Se
que el experimento fue bien diseñado y que confirmó o se desconfirmó la hipótesis em
el experimentador ha establecido una P de pírica?
0.05 ¿influyó la variable independiente en
la variable dependiente? Grupo 1
C. Se ha anunciado que cierto tranquilizante 10, 12, 13, 13, 15, 15, 15, 17, 18,
tiene un efecto curativo en los psicóticos. 22, 24, 25, 25, 25, 27, 28, 30, 30
Un psicólogo clínico quiere determinar si
esto es verdad. Se realiza un experimento Grupo 2
bien diseñado con los siguientes resultados 8, 9, 11, 15, 16, 16, 16, 19, 20, 21,
para una gama de tendencias psicóticas. Su 25, 25, 26, 28, 29, 30, 30, 32, 33, 33
poniendo que el criterio para rechazar la
hipótesis nula es P = 0.01 y suponiendo que E. Con base en su experiencia personal, un
mientras menor sea la puntuación, mayor consejero matrimonial sospecha que cuan
será la tendencia psicòtica, determine si el do uno de los cónyuges es del norte y el
tranquilizante tiene el efecto que se anun otro del sur, el matrimonio tiene posibili
cia. dades de fracasar. Se seleccionan dos gru
pos de participantes: el grupo 1 se compo
Valores para el grupo ne de matrimonios que son de la misma re
que recibió el tranquilizante gión del país (ya sea norte o sur) y el grupo
2, 3, 5, 7, 7, 8, 8, 8 2 que son parejas en las que uno es del nor
te y el otro del sur. El criterio para rechazar
Valores paia el grupo la hipótesis nula no se ha establecido, de
que no recibió el tranquilizante modo que se establece una P = 0.05. Se ob
1, 1, 1,2, 2, 3,3 tiene la clasificación del éxito del matrimo
nio (mientras más alta sea la calificación
D. Un psicólogo elabora la hipótesis de que la mejor será el matrimonio). Imagine que se
gente que tiene un cuerpo con complexión han llevado a cabo los controles adecuados.
similar trabaja mejor en conjunto. Con base ¿Se confirma la sospecha?
en esto se forman dos grupos. El grupo 1
se compone de individuos que tienen una Grupo 1
complexión similar y el grupo 2 consta de 1, 1, 1, 2, 2, 3, 3, 4, 4, 5, 6, 6, 7, 7
individuos con diferente complexión. Los
dos grupos ejecutan una tarea que requiere Grupo 2
de un alto grado de cooperación. Se mide 1, 1, 2, 3, 4, 4, 5, 5, 6, 7
3. Cuando lleve a cabo su primer proyecto de in vó a cabo con precisión y exactitud? ¿Verificó
vestigación, piense en revisar sus hojas de da cada paso o tuvo un colega que lo hiciera en su
tos y su análisis estadístico y relacionar esos lugar? (Si su trabajo no fue preciso, tal vez se
puntos con la discusión que inicia en la página pudo haber ahorrado el tiempo de llevar a cabo
128 ¿Fue sistemático en la recolección y regis el estudio.)
tro de sus datos? ¿Su análisis estadístico se lle
Apéndice
El significado de los grados de libertad
Grados de libertad es un concepto que expre En cada caso, x es igual a 9. El valor de 9 se

sa cuánta libertad se tiene para determinar determina absolutamente entonces por los
los valores en una disposición de números. otros cuatro números y la suma. Siempre y
Por ejemplo, considere el siguiente grupo de cuando la suma sea 40 y haya cinco observa
datos: ciones, entonces cualquiera de las cuatro ob
servaciones puede asumir cualquier valor. Sin
7 embargo, el quinto valor no puede variar una
6
vez que se han determinado los otros valores.
5 Hemos perdido entonces ese valor de liber
8
tad. Los grados de libertad que uno tiene a)
_9 trabajar con un grupo de datos siempre son
35 menores que el número de observaciones en
Una vez determinada la suma de 35, sólo el grupo de datos.
cuatro de los otros valores pueden variar li Si estuviéramos realizando un análisis es
bremente. Es decir, usted está en libertad de tadístico en el que calculamos una suma (o
seleccionar cualquier valor que quiera para igualmente, una media), entonces el número
cualquiera de los cuatro números, pero el de grados de libertad será menor por uno que
quinto está establecido. Por ejemplo, en lu el número de observaciones. Si tenemos dos
gar de 7, 6, 5 y 8 podría seleccionar los valo sumas, o del mismo modo, dos medias en
res de 8, 7, 6 y 9. Mas en cualquier caso, para análisis estadístico, entonces los grados de li
ser igual a 35, el quinto valor debe ser 5. Tie bertad son el número de observaciones me
ne entonces cuatro grados de libertad para nos dos. Calculamos la media para cada gru
este conjunto de números. La combinación po en la prueba t para dos grupos indepen
de la suma y de cualquiera de los otros cuatro dientes. En consecuencia, nuestros grados de
valores determina absolutamente el valor del libertad son N - 2 . En una aplicación diferen
quinto número. El quinto número no tiene te de la prueba t conocida como la prueba t
libertad para variar, de modo que usted sólo igualada o apareada, sólo se calcula una me
tiene cuatro grados de libertad. dia. En consecuencia, para la prueba t aparea
Para ver con detalle, considere los siguien da, los grados de libertad serían uno menos
tes datos: el número de valores dados a la ecuación para
t; por ejemplo, gl = n - 1. La misma razón
10 b. 18 fundamental define los grados de libertad
6 8 para otros estadísticos, tal como el coeficien
8 2 te de correlación de Pearson y los diseños ex
7 3 perimentales que requieren análisis de varian-
X X za. Especificaremos las ecuaciones para el
40 40 cálculo de los grados de libertad para cada
uno de estos análisis estadísticos, ya que di pótesis nula, como se ve en la tabla A-l de t
fieren en cada caso. en el apéndice A. Eso significa que, entre más
Entre paréntesis, entre más grados de li participantes haya en su estudio, es más pro
bertad haya, menor es el efecto de la variable bable que usted rechace su hipótesis nula (si
independiente requerido para rechazar la hi es que debe ser rechazada).
capítulo 7
DISEÑO EXPERIMENTAL: EL CASO
DE MÁS DE DOS GRUPOS
INDEPENDIENTES

Extender los principios de la investigación y del La habilidad para llevar a cabo un experimento
análisis estadístico de un diseño de dos grupos multigrupal y analizarlo adecuadamente. Sobre
a un diseño multigrupal. todo, debe comprender con claridad el uso del
Lo que usted encontrará: análisis de varianza, ya que es fundamental para
1. Una discusión detallada sobre las ventajas de emplear
los capítulos posteriores.
más de dos grupos.
2. Tres métodos de análisis estadístico que puede utili
zar, dependiendo de sus propósitos:
a. Uso de la prueba t para comparaciones por pares
limitadas y planeadas
b. Uso de la prueba t, ajustada con la prueba Bon-
ferroni para realizar todas las comparaciones por
pares posibles y pertinentes.
c. Uso del análisis de varianza con la prueba F para
una prueba global entre todas las medias.
137
138 Diseño experimental: el caso de más de dos grupos independientes
EL VALOR DE MÁS DE DOS GRUPOS secuencia, el diseño en el que se emplean si-1

multáneamente tres grupos es superior pues
Ejemplo con tres grupos. Los diseños en la requiere de menos trabajo, menos participan-§
investigación psicológica a menudo emplean tes y el control experimental puede ser más
más de dos grupos. Suponga que un psicólo efectivo. f
go tiene dos métodos disponibles para correc
ción de problemas de lectura. Se supone que Razón fundamental para un diseño multi■■
ambos son de utilidad para aquellos estudian grupal. El diseño de grupos independientes
tes que no han aprendido a leer con el méto para el caso de más de dos grupos se puede ¡í
do usual, pero ¿cuál es superior? Lo que es aplicar a una amplia variedad de problemas,
más, ¿es cualquiera de estos dos métodos su como por ejemplo, la influencia de la canti-1
perior actualmente al método normal? Para dad de ruido en la eficacia del procesamiento
responder a estas preguntas se podría dise de información, la influencia del método de
ñar un experimento que incluya varios gru relajación para aliviar dolores de cabeza de
pos, es decir, imagine que se asignan aleato bidos a la tensión, la influencia de la cantidad
riamente a tres grupos 60 estudiantes que de reforzamiento sobre el condicionamiento,
muestran deficiencias muy marcadas en lec 0 la influencia de varios tipos de actividades
tura. Al primer grupo se le enseñaría a leer intercaladas en la memoria. El procedimien
empleando el método A y al segundo, el mé to para aplicar un diseño multigrupal (es de
todo B. La comparación de los resultados de cir, un diseño con más de dos grupos) a cual
estos dos grupos nos diría cual es superior, quiera de estos problemas consistiría en se
en caso de serlo. Para determinar si cualquie leccionar diversos valores de la variable inde
ra de estos métodos es superior al método pendiente y asignar aleatoriamente un grupo
normal de enseñanza, el tercer grupo se ca de participantes a cada valor. Por ejemplo,
pacitaría con el método normal y sería el gru para estudiar la influencia del número de se
po control. Después de un periodo razona siones de capacitación en biorretroalimen-
ble, digamos nueve meses, se haría una prue tación en el grado de alivio de los dolores de
ba de lectura estándar para comparar la habi cabeza, podríamos elegir los siguientes valo
lidad en la lectura de estos tres grupos. res de esta variable independiente: 0 sesiones,
1 sesión, 5 sesiones, 10 sesiones, 15 sesiones y
Desventajas de una serie de experimentos con 20 sesiones. Habiendo seleccionado seis valo
dos grupos diferentes. Para responder a estas res de la variable independiente, tendríamos
preguntas mediante experimentos con dos seis grupos diferentes de participantes. Para
grupos podríamos llevar a cabo un experimen estudiar la influencia de la cantidad de ruido
to en el que el método A se compare con el en la eficacia al procesar la información, se
método B; un segundo experimento en el que leccionaríamos cuatro valores de la variable
el método A se compara con el grupo control independiente: 0, 5, 10 y 15 cantidades. Des
y un tercero en el que el método B se compa pués asignaríamos aleatoriamente nuestros
ra con el grupo control. Obviamente esa es participantes a cuatro grupos y estudiaríamos
trategia es poco deseable, pues no sólo reque un grupo bajo cada condición.
riría de más trabajo y más participantes, sino Estas consideraciones hacen evidente aho
que el problema de controlar las variables ra otra ventaja del diseño multigrupal junto
extrañas sería enorme. Por ejemplo, para man al diseño de dos grupos; es decir, si usted
tener constante la variable del experimenta aborda cualquiera de los problemas anterio
dor, éste debería realizar los tres experimen res con un diseño de dos grupos, tiene que
tos. Y aún así, es probable que el experimen decidir cuáles son los dos valores de la varia
tador se condujera en forma diferente en el ble independiente que va a emplear. En nues
primer experimento y en el último, tal vez por tro ejemplo referente a la capacitación en bio-
una mejoría en su pericia como instructor o rretroalimentación seleccionamos seis valores
quizá por el aburrimiento o la fatiga. En con para estudiar. ¿Cuáles son los dos que usted
Diseño experimental: el caso de más de dos grupos independientes 139
emplearía en un estudio con un diseño de dos avanza en dos etapas: primero, se busca de
grupos? term inar cuál de las muchas variables in
Suponga que el diseño de seis grupos nos dependientes posibles influye una variable de
da los siguientes valores: ninguna diferencia pendiente dada; segundo, cuando se ha iden
entre las condiciones de las sesiones 0-, 1- y 5-, tificado que una cierta variable independien
pero las condiciones restantes son superiores te influye sobre una variable dependiente, in
a las primeras tres (figura 7-1). La conclusión tentamos establecer una relación cuantitativa
a partir de este experimento con seis grupos precisa entre ellas. A pesar de que un diseño
sería que la variación del número de sesiones de dos grupos puede lograr el primer propó
de 0 a 5 no afecta los dolores de cabeza; sin sito, no es así en cuanto al segundo, pues no
embargo, un número mayor de sesiones sí au se puede establecer una relación adecuada con
menta la eficacia de la biorretroalimentación. sólo dos valores de la variable independiente
Si se hubiera empleado un diseño de dos gru (y por tanto sólo dos valores de la variable
pos con sólo 0 y 5 sesiones como valores de la dependiente). Para ilustrar este punto refié
variable independiente, los resultados sugeri rase a la figura 7-2, en donde los valores de
rían que la variación del número de sesiones una variable independiente se indican en el
no afecta los dolores de cabeza, conclusión eje horizontal, y los de la variable dependien
que sería un error. Entonces, entre más mues te, en el vertical.1 Los dos puntos marcados
tras haya de los valores de la variable inde
pendiente, mejor será la evaluación de su in 1 En las siguientes discusiones el rango de la variable
fluencia en la variable dependiente dada. independiente debería quedar claro a partir del contexto:
por ejemplo, de cero a infinito. También deberíamos asu
Establezca relaciones cuantitativas. La in mir que la confiabilidad de los datos es elevada y que no se
vestigación en cualquier área por lo general deben a alguna variación aleatoria.
FIGURA 7-1 Un diseño de dos

grupos que emplea 0 y 5 sesiones
de biorretroalimentación no habría
determinado que el número de
sesiones fuera una variable
independiente efectiva
í!|
"’I
Punto de
datos 2
4
,i: TcJ
.2
|u
!i Q <u.
' T3
FIGURA 7-2 Dos puntos de datos obtenidos a partir
¡ 8> de un diseño de dos grupos. Al grupo 1 se le dio el f
ii JD
en*S
i valor de cero en la variable independiente, mientras 111
Punto de
datos 1 que al grupo 2 se le dio un valor positivo. El valor dé
la variable dependiente es menor para el grupo 1
0 (punto de datos 1) que para el grupo 2 (punto de ‘
Grupo 1 Grupo 2 datos 2) -il
Valores crecientes de la variable Independiente
(obtenidos de un diseño de dos grupos) indi valor promedio de la variable dependiente

can que, a medida que aumenta el valor de la para el grupo 3 es el mismo que aparece en la
variable independiente, también aumenta el figura 7-4, podemos concluir que la relación
valor promedio de la variable dependiente. es probablemente una función lineal (linda
Sin embargo, ésta es una ilustración burda, recta). Por supuesto, podemos equivocarnos.
pues no nos dice nada de lo que sucede entre Es decir, la relación no es necesariamente la,
(o más allá) los dos puntos marcados. La figu línea recta que se indica en la figura 7-4, pues
ra 7-3 muestra unas cuantas del infinito nú puede ser que otra línea sea la “verdadera”,
mero de posibilidades. como la que se muestra en la figura 7-5. Sin
Si se emplea un diseño de tres grupos se embargo, con sólo tres puntos de datos pre
puede establecer la relación con mayor preci ferimos apostar que la línea recta es la rela
sión. Para lograr esto podemos añadir un ter ción “verdadera” porque es la más sencilla de
cer grupo que reciba un valor intermedio de todas las relaciones posibles. La experien
la variable independiente entre aquellos cia nos indica que la curva más sencilla ge
de los otros dos grupos en la figura 7-2. Si el nera, a menudo, las mejores predicciones;
FIGURA 7-3 La relación real entre la variable

independiente y la variable dependiente se establece
parcialmente por dos puntos de datos. Sin embargo, el
número de curvas que pueden pasar a través de los
dos puntos es infinito. Se muestran tres posibles
Valores crecientes de la variable independiente relaciones
FIGURA 7-4 La suma de un tercer punto de datos

Valores crecientes de la variable independiente (grupo 3) sugiere que la relación es una función lineal
entonces se podría predecir que si obtenemos Primero, al emplear esta función de línea
un punto de datos para el nuevo valor de la recta, predeciríamos que los puntos de los
variable independiente (además de los tres que datos para el cuarto grupo serían los que in
ya se había indicado en la figura 7-4), el nue dican X\ en la figura 7-6; es decir, si la línea
vo punto de datos caería en la línea recta. Se recta es la relación “verdadera”, el punto de
puede hacer diferentes predicciones a partir datos para el cuarto grupo debería caer en
de las otras curvas en la figura 7-5. esa línea, sin embargo, las tres curvas de la
Por ejemplo, imagine que añadimos un figura 7-5 nos conducen a tres predicciones
cuarto grupo cuyo valor de la variable inde adicionales (y diferentes).
pendiente se encuentra a la mitad de las de Imagine que el valor de la media para el
los grupos 1 y 3. En base a las cuatro relacio grupo 4 es realmente el que indica X¡ en la
nes presentadas en la figura 7-5 podríamos figura 7-6, lo cual aumenta nuestra confianza
hacer cuatro predicciones diferentes acerca del en la función de la línea recta; dicha función,
valor de la variable dependiente de este cuar tiene mayor probabilidad que las otras posi
to grupo. bles funciones, de ser la “verdadera”. Si estos
FIGURA 7-5 Puede haber otras curvas

que pasen a través de los tres datos de
Valores crecientes de la variable Independiente
puntos
FIGURA 7-6 Cuatro predictores de un

punto de datos para el grupo 4. Se podrí|
predecir, a partir de la línea recta de la |
figura 7-4, que el valor de la variable
dependiente es el que indica X]. A
partir de; las tres curvas de la figura 7-5
(curvas A, B y C) se podría predecir que
Grupo 1 Grupo 4 Grupo 3 Grupo 2 los puntos ile datos son los que indican
Valores crecientes de la variable independiente XA, XB y Xc, respectivamente
fueran realmente los resultados, se justifica Si hemos seguido este principio, no nos1
ría nuestro procedimiento de preferir la cur habremos equivocado en el ejemplo referen?
va más sencilla como la “verdadera” (por lo te a la influencia del número de sesiones dg
menos hasta que se obtengan resultados que biorretroal¿mentación el alivio de los dolores
indiquen lo contrario). Este procedimiento se de cabeza. En lugar de escoger condicidj
llama simplicidad inductiva: la inducción más nes de 0- y 5 sesiones como hicimos nosotros)
segura es que las relaciones más sencillas ofre debimos haber seleccionado 0 y 9 sesiones,,
cen la mejor predicción de los puntos de da En este caso, el diseño de dos grupos nos hit-'
tos adicionales. En este caso seleccionamos bría llevado a una conclusión que estuviera]
la relación más sencilla que encaja con los más acorde con la del diseño para seis grutí
puntos de datos, la cual es una línea recta. pos. Sin embargo, todavía debería ser aparen?
Con el diseño aleatorio para más de dos gru te que el diseño para seis grupos dio muchol
pos se pueden establecer cuantos puntos de más información, lo que nos permitió esta«
datos se desee. blecer la relación entre las dos variables con)
alto grado de confianza.
Selección de los valores de las variables in Aun así, la selección de los valores extre
dependientes. Un principio general de la ex mos, para los dos grupos puede traer más di
perimentación al usar un diseño de dos gru ficultades, además de las ya consideradas. Por
pos es que resulta aconsejable escoger valo ejemplo, suponga que los dos puntos de da
res extremos de la variable independiente.2 tos obtenidos son los que indica As en la figu
ra 7-7. La conclusión obvia es que la manipu
lación de la variable independiente no influ
2 Debemos enfatizar la palabra algo, pues sería muyye en la variable dependiente, pues los valo
raro que deseáramos elegir valores de la variable indepen res de la variable dependiente son los mismos
diente para dos grupos realmente extremos. Esto es así para los dos grupos. La mejor deducción es:
porque es probable que las generalizaciones logradas en
psicología queden destruidas al elegir valores irrealmente que no existe relación como lo indica la línea
extremos. Un buen ejemplo de lo anterior está en la ley de recta horizontal que encaja con los dos puní
Weber, que seguramente ha estudiado en sus cursos de tos. Con todo, la relación real puede ser la.
introducción a la psicología. Aunque la ley de Weber se línea curva en la figura 7-8; una relación que
mantiene para pesos que pueden sostenerse en la mano,
obviamente sería absurdo afirmar que es verdadera para
puede ser descubierta con un diseño de tres
valores de pesos extremos como los de tamaño atómico o grupos. El principio correspondiente con un
los de varias toneladas. diseño de tres grupos es entonces seleccionar
■o g
0w
£
£I
)T
C
.2o ao
o *o
o a>
<013
a) ro
5 ¡5 FIGURA 7-7 Dos puntos de datos para valores extremos
$> de la variable independiente que emplean un diseño de
Grupo 1 Grupo 2 dos grupos. Estos puntos sugieren que la variable
Valores crecientes de la variable independiente independiente no afecta la variable dependiente
FIGURA 7-8 Relación real establecida para los

puntos de datos en la figura 7-7. Esta relación se
especificaría con un diseño de tres grupos
Valores crecientes de la variable independiente conveniente
dos v a lo r e s e x tr e m o s d e l a v a r i a b l e in d e p e n d ie n t e LIMITACIONES DE UN DISEÑO

Por DE DOS GRUPOS
y ta m b ié n u n v a l o r i n t e r m e d i o e n t r e e llo s .
supuesto que si el punto de datos para el gru
po 3 hubiera sido el mismo que para los gru Para ilustrar concretamente los riesgos de un
pos 1 y 2, entonces tendríamos más confianza diseño de dos grupos, imaginemos un expe
en que la variable independiente no afectó la rimento en el que se pone una rata en una
variable dependiente. caja de Skinner. Se le presenta una luz y, des
En resumen, los psicólogos buscan deter pués de un lapso específico, se le entrega al
minar cual de las diferentes variables inde animal una píldora de comida. Una vez que la
pendientes influyen sobre una variable depen luz y la comida de asocian varias veces, se per
diente dada y también tratan de establecer la mite que el animal oprima una barra. Cada
relación cuantitativa entre ellas. Con un dise vez que oprime la barra, se prende la luz. La
ño de dos grupos uno nunca está suficiente variable independiente es la duración del tiem
mente seguro de que los valores adecuados po que está encendida la luz a n t e s de que se
de la variable independiente se seleccionaron entregue la comida. La variable dependiente
en un intento por determinar si la variable es es el número emitido de respuestas, oprimir
efectiva. Sin embargo, si se utilizan más de la barra, en un periodo de 10 minutos. Por lo
dos grupos, incrementamos nuestras posibi que, mientras mayor sea el número de res
lidades de (1) determinar con precisión si una puestas, más fuertes serán las propiedades ad
variable independiente dada es efectiva y (2) quiridas por la luz como reforzador secunda
especificar la relación cuantitativa entre las rio.
variables independiente y dependiente. Por Ahora póngase en el lugar del experimen
estas razones, los diseños de dos grupos son tador a medida que diseña este experimento.
ahora menos frecuentes y vemos que los dise En la fase de entrenamiento usted le presenta
ños multigrupales son más efectivos. una luz a la rata y después le entrega una píl-
dora de comida. Si emplea un diseño de dos entre más largo sea el intervalo entre la apari-f
grupos, ¿qué valores temporales selecciona ción de la luz y la comida, más fuertes serán
ría para separar estas dos presentaciones? las propiedades reforzantes adquiridas por la
Como condición de control usted querría usar luz? Para estudiar esta interrogante hemos
un valor de cero al presentar la luz y la comi puesto una línea recta a los puntos de datos
da simultáneamente. ¿Pero cuál sería el valor en la figura 7-9.
de su segunda condición? Imagine que por Sin embargo, antes de aceptar esta conclu
que tenía que hacer algo,3 decidió prender la sión, debemos encarar tortuosas preguntas
luz un segundo antes de entregar la comida. como ¿qué habría sucedido si la demora hü-
Si de hecho hubiera realizado el experimen hiera sido de 0.5 segundos o de 2.0 segun
to, sus resultados deberían verse como los de dos? ¿Habrían caído los valores de la variable
la figura 7-9; es decir, los animales que tuvie dependiente para 0.5 y 2.0 segundos en la Ir
ron una demora de 0.0 segundos entre el ini nea recta, como lo sugieren los dos círculos
cio de la luz y la entrega de la comida oprimi de la figura 7-9? La respuesta, por supuesta
rían 19 veces la barra en el periodo de 10 es que nunca sabríamos a menos que hubiera
minutos de la prueba, pero los animales en un experimento que incluyera tales condiciff
cuyo entrenamiento la luz precedía a la comi nes. Por fortuna, disponemos de datos rel|
da por 1 segundo, daxían aproximadamente vantes para este ejemplo. Además de las cor),
25 respuestas. De aquí que la luz adquiere diciones de demora de 0.0 y de 1.0 segundó^
propiedades de reforzador secundario más en la figura 7-10 se presentan puntos de dal
fuertes cuando se presenta un segundo antes tos para las demoras de 0.5, 2.0, 4.0, 10.0 yla'
que la comida que cuando se da simultánea curva resultante se presenta en la figura 7-10;
mente con ella. ¿Podemos concluir ahora que Si estudiamos la figura 7-10 podemos ver qué;
tan errada estaría la conclusión basada en él
experimento con dos grupos. En lugar de que
3 F.n la investigación, como en muchas fases de la vida,una demora de 0.5 segundos generara 22 ré$
frecuentemente enfrentamos problemas para los que no puestas, como predice la figura 7-9, producé!
tenemos una respuesta apropiada. Un principio que me resultados similares a los obtenidos con UjlS¡
ha resultado útil es el proporcionado por un maestro de demora de 1.0 segundo, después de lo cual la¡
matemáticas (el Dr. Bell) para aplicarlo a problemas
de matemáticas aparentemente irresolubles “si no puede curva, en vez de continuar su ascenso, cae drá$
hacer nada, haga algo". Le fascinará la frecuencia con la ticamente. En resumen, la conducción de ufi'
que este principio conduce al éxito, si no de manera direc experimento con dos grupos en este proble
ta, al menos si indirectamente. ma habría dado como resultado una conclu
ir
A
.'sili
í'ijáí
■-.1
FIGURA 7-9 Dos puntos de datos para un diseño^
de dos grupos. El punto de datos 1 (indicado por L
X,) fue el resultado de un intervalo de 0 segundos ,
durante el entrenamiento de reforzamiento
secundario, y el punto de datos 2 (X2) es el que j
resultó de una demora de 1 segundo. La sugeréndá'
es que entre más largo sea el intervalo, mayor será'“
el número de respuestas resultantes. De aquí que la
predicción para otros valores de intervalo, como 0.?
y 2.0 segundos sean los que indican los círculos (de.
Bersh, 1951) 'W
sión errónea: el número de veces que se opri yecto. Sin embargo, cuando realice una tesis
me la barra aumenta de una demora de 0.0 a doctoral es de esperarse que invierta más tiem
0.5 segundos que es más o menos la misma po y energía.
que una demora de 0.5 a 1.0 segundos, des
pués de lo cual disminuye el número de res ANÁLISIS ESTADÍSTICO DE UN DISEÑO
puestas. Esta compleja relación no habría po CON MÁS DE DOS GRUPOS
dido ser determinada con un simple diseño INDEPENDIENTES
de dos grupos. Entre más valores se hayan
muestreado de la variable independiente, Al igual que en los diseños anteriores, necesi
mejor será nuestro cálculo cuantitativo de su tamos determinar si los valores de la variable
influencia en una variable dependiente dada. dependiente de nuestros grupos difieren con
No hay reglas sin excepción ni para la selec fiablemente. Sin embargo, ahora tenemos más
ción de una variable independiente como in de dos medias de grupo para comparar. Por
fluencia posible en una variable dependiente desgracia, para nuestros propósitos actuales
ni para la determinación del número de valo hay mucho desacuerdo entre los estadísticos
res de las variables independientes estudiadas. y entre los psicólogos en cuanto a cuál proce
La perspectiva general que consideramos en dimiento estadístico es el más adecuado para
el capítulo 2 adquiere relevancia aquí; es de este tipo de problema. El desacuerdo parte
cir, una vez que se ha seleccionado el proble de la necesidad de probar diferentes hipóte
ma, formulado la hipótesis y especificado las sis nulas y de hacer énfasis en diferentes as
variables independientes y dependientes, en pectos del problema empírico. Sin embargo,
tonces determine cuántos valores de la varia nos restringiremos a procedimientos estadís
ble independiente va a probar. Para esto ne ticos que se aplican a sus problemas de inves
cesita evaluar sus recursos (número de parti tigación inmediatos.
cipantes disponible, limitaciones de tiempo y
esfuerzo, etc.), estudiar en la literatura inves Comparaciones planeadas (a priori) y com
tigaciones similares, llevar a cabo un estudio paraciones post hoc (a posteriori). Como mar
piloto, etc. Muchas de estas decisiones depen co para la siguiente discusión, recuérdese el
den de la importancia que para usted tenga la tema de confiabilidad limítrofe; se puede re
investigación. Para un proyecto preliminar en lacionar ese punto con la presente discusión.
una clase de metodología de la investigación, Es decir, llevar a cabo un experimento es como
necesita progresar rápidamente con su pro hacer una apuesta antes de que comience la
carrera. Debe especificar un criterio para re Especifique sus problemas de investigacióm
chazar la hipótesis nula antes de recolectar sus Existen tres problemas básicos que usted debí'
datos y mantenerla todo el tiempo. Por ejem considerar. '■%
plo, si usted ve que una t calculada hubiera P rim ero, ¿desea hacer comparaciones só|||
sido confiable al nivel 0.07 y después adopta entre ciertos p a res de g ru p o s? Por ejemplo, |¡f
una P = 0.07, entonces no tiene un valor ver tiene tres grupos en su estudio, podría hacer),
dadero de P. una prueba del grupo 1 contra ei grupo 2 f
Para que sea un valor verdadero, usted debe después del grupo 1 contra el grupo 3; esto
planear sus comparaciones antes de comen se llamaría comparaciones limitadas porpá-
zar su análisis estadístico. Comparaciones pla res. Al llevar a cabo comparaciones limitadas
neadas so n a q u e lla s q u e u ste d especifica m ie n por pares no hace todas las comparaciones
tras d ise ñ a s u experim ento. Es más, so n p ru e b a s posibles por pares. Tampoco está interesad^'
exp lícita s de su hipótesis em p írica . Puesto que en combinar grupos para probarlos contri
debe planear las comparaciones antes de ver otros grupos; por ejemplo, usted no combi
sus datos, también se les conoce sinónimamen naría los resultados de los grupos 1 y 2 parí
te como comparaciones a priori. Hay un lí probarlos contra el grupo 3.
mite en el número de comparaciones planea Seg u n d o , ¿desea hacer todas las compara
das por pares como veremos después. ciones posibles entre los diferentes grupos
En contraste, las comparaciones post hoc tomando de dos en dos? En este caso, usted
so n a q u e lla s hech a s después de h a b er estu d ia d o pondría a prueba el grupo 1 contra el grupo
los datos, por lo que se conocen también como 2, el grupo 2 contra el grupo 3 y el grupo 1
com paraciones a p o ste rio ri. Las comparaciones contra el grupo 3, con lo q u e h a ría todas las
post hoc están elaboradas de acuerdo con el comparaciones posibles por pares. f
principio de serendipity; es decir, después de Tercero, ¿desea determinar si existe u n a dife
realizar un experimento, se puede encontrar rencia confiable entre c u a lq u ie r p a r de grupos, sin
algo interesante que no se estaba buscando especificar q u é p a r de g ru p o s es el que difiere ? Por
inicialmente. Por ejemplo, se puede haber ejemplo, si hay cinco grupos en su experimeií
planeado una comparación entre los grupos to, usted debería realizar una prueba estadís
1 y 3 y 2 y 3, pero después de ver sus datos se tica sencilla que le diga si cualquier par dé
da cuenta de que las comparaciones entre los esos grupos difiere confiablemente, pero pòi
grupos 1 y 2 o hasta 1 y los resultados combi desgracia, la prueba no le diría cuál es el par
nados de los grupos 2 y 3 son valiosos. Aun que difiere. ¡,f
que, con esto se altere su criterio establecido Antes de dar respuesta a estos tres proble
de P = 0.05, tal vez aún así realice dichas com mas. es importante que hagamos una distin
paraciones pues usted debe extraer cualquier ción entre las comparaciones planeadas y las
información razonable de su experimento. Sin comparaciones post hoc. Al resolver el pro
embargo, debe percatarse entonces de que ha blema 1 , estamos haciendo comparaciones
alterado su criterio de P = 0.05 (o el que sea) planeadas o a priori; mientras que al resolver
y hacer los ajustes adecuados. Lo fundamen el 2 , estamos haciendo comparaciones posi
tal en las comparaciones por pares post hoc hoc o a posteriori. Al resolver el problema 3
sería hacer todas las comparaciones posibles no estamos haciendo ninguna comparación
entre sus grupos, tomando de dos en dos y de específica (por pares) entre los grupos, de
entre las diversas combinaciones de grupos. modo que esta distinción no es relevante para
Aun si especifica que va a hacer todas las com ese problema. -j
paraciones posibles por pares antes de reali
zar su experimento, se alterará su criterio de Comparaciones limitadas por pares n
probabilidad. En cualquier caso, necesita ha
cer algunos ajustes de probabilidad a P= 0.05. En el primer problema se puede proceder
Estudiaremos este punto cuando veamos el se directamente al análisis de su estudio multj-
gundo problema. grupal con la prueba que ya había empleado;
i
Diseño experimentalel caso de más de dos grupos independientes 147
la prueba t. Sin embargo, legítimamente no ¿Por qué no es legítimo realizar todas las
puede conducir todas las pruebas t posibles; pruebas t posibles? Suponga que realizamos
debe limitarse a las comparaciones seleccio un experimento con dos grupos y que esta
nadas. Para entender este punto (recordando blecemos nuestro criterio para rechazar la
que r simboliza el número de grupos), em hipótesis nula en P = 0.05. Esto significa que
pleamos la ecuación para determinar el nú si obtenemos una t que tenga una P de 0.05,
mero posible de comparaciones por pares (Cp), las posibilidades son de 5 en 100 de que una
que es t de este tamaño o mayor se hubiera podido
dar por azar. Puesto que esto sucedería muy
_ r(r - 1) raramente (5 por ciento del tiempo), pensa
(7-1)
P ~ 2 mos que t no se debió a las fluctuaciones alea
torias. Preferimos mejor concluir que los dos
Por ejemplo, si tiene tres grupos, r = 3, de grupos son “realmente” diferentes, como se
modo que el número de comparaciones por ve por la medición de la variable dependien
pares posible es te. Rechazamos entonces nuestra hipótesis
nula y conclüimos que la variación de la va
= 3(3 - 1) riable independiente sí produjo una diferen
C, cia entre nuestros dos grupos. Digamos que
2
= 3j_2 al terminar la investigación, llevamos a cabo
2
un nuevo experimento con dos grupos. Nó
= 3 tese que los dos experimentos son indepen
dientes el uno del otro. En el segundo experi
mento también establecimos un criterio de
Las tres comparaciones posibles son entre 0.05 y seguimos el mismo procedimiento que
los grupos 1 y 2, 2 y 3 y entre 1 y 3. Si tiene antes. Una vez más, esto significa que las po
cuatro grupos, usted puede ya determinar que sibilidades son de 5 en 100 de que una t del
hay 6 comparaciones posibles por pares; con tamaño correspondiente se hubiera dado por
cinco grupos, hay 10. El número de compara azar.
ciones legítim as por pares (CL) que usted pue Sin embargo, hagámonos una pregunta.
de hacer es determinado por el número de Dado un nivel requerido de P = 0.05 en cada
grados de libertad para sus grupos, es decir, uno de los dos experimentos ¿cuáles son las
r- 1. Para un experimento con tres grupos, gl posibilidades de que por azar t sea estadísti
= 3 - 1 = 2, de modo que usted podría, por camente confiable en un experimento, en el
ejemplo, realizar legítimamente pruebas t otro, o en los dos? Antes de que llegue a una
entre los grupos 1 y 2 y 2 y 3. Para un experi conclusión apresurada, permítanos preve
mento con cuatro grupos, g l = 4 - 1=3. Usted nirlo en cuanto a que la probabilidad n o es
podría entonces emplear un grado de liber 0.05. En vez de eso, la probabilidad combi
tad para comparar el grupo 1 y el 2 , un se nada podría ser de 0.0975.4 Es decir, las
gundo grado de libertad para el grupo 3 y el posibilidades de obtener una t confiable en
4 y quizás un tercer grado de libertad para el nivel 0.05 en cualquiera de los experimen
el grupo 2 y el grupo 3. El principio es que tos o en ambos son de 975 en 10,000. Esto
debería usar las cuatro medias cuando realice ciertamente difiere de 0.05; es decir, 500 de
sus pruebas estadísticas; quizá notemos que 1 0 ,0 0 0 ...n
las dos primeras comparaciones (1 y 2 y 3 y 4)
son totalmente independientes. Sin embargo,
la tercera comparación (2 y 3) se correlaciona
(no es independiente) con las otras dos- com 4 Por medio de la siguiente ecuación: P¡ = 1 - (1 - a)k
paraciones puesto que sólo se emplearon los donde P, es la probabilidad conjunta, a es el nivel de
confiabilidad, y i es el número de experimentos indepen
grupos 2 y 3 en esas dos primeras compara dientes. Por ejemplo, en este caso a - .05, h - 2. Por ende
ciones. Pj= 1 - (1 - 0.05)2 =0.0975.
Por ejemplo, consideremos una analogía. confiable sólo por azar.5 En resumen, al ai
¿Cuál es la probabilidad de obtener cara si se mentar el número de pruebas t realizadas, sf
tira una moneda dos veces? En la primera vez altera el criterio de probabilidad de 0.05 par¿
que se tira es de una en dos. Sin embargo, la rechazar la hipótesis nula .6 Contestos mét<
probabilidad de obtener dos caras en dos ti dos usted saca provecho del azar y aument;
ros sucesivos (antes de tirar la moneda la pri las posibilidades de rechazar la hipótesis nu!j
mera vez) es Vi X Vá = Vi. Para desarrollar to cuando ésta no debería ser rechazada. Sin entí
davía más la analogía, la probabilidad de ob bargo, si se limita al número de comparado*
tener cara la primera vez que se tira la mone nes legitimas que se pueden hacer, como id
da o la segunda o en ambas (una vez más, determina la ecuación gl= r - 1 , en opinión
antes de lanzarla) es P = 0.75. de los investigadores y de los estadísticos us|
Regresemos ahora a nuestro experimento ted no altera de manera importante el crite
con tres grupos en el cual hay tres pruebas t rio de P = 0.05. -
posibles. Suponga que establecemos un nivel
de probabilidad requerido de 0.05 como nues E n r e s u m e n . Si usted elige hacer compahjj
tro criterio para cada t. ¿Cuáles son las posi ciones por pares en un experimento grupa!
bilidades de obtener una t confiable cuando con la prueba t, se encuentra a salvo si limita!
veamos todas las pruebas t y sus combinacio el número de comparaciones al número es
nes? Es decir, ¿cuáles son las posibilidades de pecificado por CL=r - 1.7 Existe sólo una con
obtener una t confiable en por lo menos una dición: debe especificar precisamente las cou¡|
de las siguientes situaciones? paraciones que va a hacer antes de ver si¡
datos. Sin embargo, esto no quiere decir qui|
Primera: entre los grupos 1 y 2
no pueda realizar otras pruebas t despuéi
o Segunda: entre los grupos 1 y 3
de haber estudiado sus resultados; es dees#
puede hacer comparaciones a posteriori, aun sf
o Tercera: entre los grupos 2 y 3
hace todas las comparaciones por pares posi
o Cuarta: entre los grupos 1 y 2 y también en bles.
tre los grupos 1 y 3 t¡¡
o Quinta: entre los grupos 1 y 2 y también en
tre los grupos 2 y 3 m
o Sexta: entre los grupos 1 y 3 y también en 5 Cuando decimos que tenemos una “{ confiable”JM
tre los grupos 2 y 3 una “Fconfiable”) estamos afirmando de manera abrevií
da que la t indica que existe una diferencia confiable efltfe
o Séptima: entre los grupos 1 y 2 y también en las medias de nuestros dos grupos. . ¿¿Ss-j
tre los grupos 2 y 3 y también entre 6 Existe otra razón por la cual puede alterar el 1.1 neriji
los grupos 1 y 3. de P - 0.05 al conducir todas las comparaciones posibles
entre pares: las medias no son independientes. Por ejem
plo, en un experimento con cuatro grupos puede compá-
La respuesta a este problema es aun más rar el grupo 1 contra el grupo 2, y el grupo 3 contra él'
compleja que antes, pero lo que podem os de grupo 4, ya que son comparaciones totalmente indepctiy
cir es que no es 0.05. Es, mejor dicho, consi dientes. Sin embargo, las comparaciones restantes del gty*
po 1 contra el grupo 3 y contra el grupo 4, y del grupo®
derablemente mayor que 0.05. Esto es por contra los grupos 3 y 4, no son independientes de las dpf
que con sólo realizar una cantidad de prue primeras comparaciones o entre sí. Este número excesiva*
bas t aumentamos las posibilidades de obte de comparaciones correlacionadas altera aún más la pipí
ner una diferencia confiable por puro azar. habilidad establecida de P.
7 En este caso el procedimiento consiste en aplicada
Si llevamos a cabo 100 pruebas t, se espera ecuación 6-2 para computar í usando únicamente los da
que 5 de ellos sean confiables sólo por azar. tos de los dos grupos comparados. Así que si está com¡%
Más aún, al realizar todas las pruebas t posi rando los grupos 1 y 2 no puede usar los valores del griipó
bles en un experimento multigrupal, algunas 3. En contraste, en el denominador de la razón l puede
de estas pruebas t (como mencionamos an usar una estimación combinada del error, la cual pue:j-
de calcularse usando los Valores de los tres grupos. Am;y
tes) no son independientes, lo cual también bos procedimientos tienen ventajas y desventajas, como1
aumenta las posibilidades de obtener una t esperamos que aprenda en su estudio posterior.
Todas las comparaciones resultante. Por ejemplo, un experimento con

posibles por pares tres grupos, el número de comparaciones
posible (Cp) es tres. De ahí que, si su nivel es
Al comparar todas las medias grupales tablecido hubiera sido 0.05, ese valor dividi
posibles mediante las comparaciones post hoc, do entre tres equivale aproximadamente a
necesita ajustar su criterio establecido para 0.017. Entonces sólo reemplaza 0.05 con 0.017
probar la hipótesis nula. Todas las soluciones para probar su hipótesis nula. Por ejemplo, si
propuestas para este problema, y hay varias, nos referimos a la tabla t (tabla A-l) con una i
emplean la misma lógica básica. Es decir, pues- de 0.017 y 10 gl para un experimento con tres
I to que el valor de probabilidad establecido grupos en el que deseamos hacer todas las
(por ejemplo, P = 0.05) no es el valor verdade comparaciones posibles, encontramos que el
ro, se hace un esfuerzo para modificar P para valor de t en el nivel 0.02 es 2.764 y en el nivel
¡ que sea un valor más realista. Estos procedi- 0.01, de 3.169. Si interpolamos entre los valo
I mientos llegan después a un valor “más ver res 0.02 y 0 .0 1 encontramos que un valor de t
dadero” de P el cual disminuye las posibilida- = 2.886 corresponde a nuestro nivel de pro
i des de que usted rechace erróneamente su babilidad ajustado de 0.017. En consecuen
hipótesis nula. Es decir, el ajuste lo protege cia, para rechazar la hipótesis nula para cada
de llegar a la conclusión de que existe una una de las tres comparaciones por pares, nues
diferencia media confiable entre sus grupos, tro valor calculado de t debe ser mayor que
cuando de hecho la diferencia verdadera es 2.886. Por ejemplo, si hallamos que el valor
de cero. Por ejemplo, si usted realiza 20 prue de t entre los grupos 1 y 3 equivale a 2.900,
bas t, usted puede esperar, por azar, que uno podríamos concluir que esos dos grupos di
de esos valores indiquen confiabilidad esta fieren confiablemente. Sin embargo, si la t
dística (5 por ciento de 20 = 1). Para proteger entre los grupos 2 y 3 es igual a 2.800, con
se en contra de este error ocasionado por el cluiríamos que no difieren confiablemente.
azar, usted podría disminuir su criterio esta Por cierto, nótese que el valor de t correspon
blecido para rechazar la hipótesis nula de 0.05 diente a una P de 0.05 con 10 gl es 2.228. Si
a 0.0 1 ; con este criterio más conservador, us no hubiéramos corregido el criterio de P =
ted no esperaría valores confiables para sus 0.05, habríamos cometido un error al concluir
pruebas t por azar (el 1 por ciento de 20 es que los grupos 2 y 3 eran confiables y dife
sólo .2 por ciento). Holland y Copenhaver rentes.
(1988) encontró en una investigación en re En un experimento con cuatro grupos vi
vistas de psicología “...muchos ejemplos... de... mos que Cp = 6 . De aquí que para usar la prue
rechazo equivocado de hipótesis (nulas)...” por ba Bonferroni y hacer todas las comparacio
esta razón (p. 157). nes posibles, nuestro nivel de probabilidad
El procedimiento más sencillo para ajustar
ajustado sería = 0.008. En consecuencia,
el criterio para rechazar la hipótesis nula es la
prueba Bonferroni.8 Para realizar la prueba para hacer estas seis comparaciones, el valor
Bonferroni, sólo divida su criterio estableci calculado de t para cada comparación por
do entre el número de comparaciones posi pares tendría que exceder P = 0.008. Con 10
bles y utilice el valor (nivel) de probabilidad grados de libertad, el valor de t requerido para
rechazar la hipótesis nula es 3.484.
Los procedimientos estadísticos más sofis
8 No tenemos la referencia original porque aparenteticados para hacer todas las comparaciones
mente no se sabe quién era Bonferroni. Con la prueba t posibles por pares se conocen como pruebas
hay un problema similar, se le conoce como t de Student (procedimientos) de comparación múltiple y se
porque originalmente se publicó de manera anónima. El encuentran en los libros regulares de estadís
autor firmó simplemente como “Un estudiante” porque tica. Algunos de estos textos pueden emplear
trabajaba para una cervecería de Dublin que no le permi
tía descubrir su nombre. Años después se descubrió que se hasta para realizar comparaciones que no
se trataba de William Sealy Gosset. son por pares, como son las combinaciones
L
de medias de grupos y las pruebas de varias de grupos, pero no sabremos cuál es el grupo
combinaciones que de ahí se originan. En que difiere del otro. Si ésta es una hipótesis
ediciones anteriores de este libro se explicó nula total para un diseño de tres grupos, su
al detalle una prueba de comparación múlti rechazo podría significar que la media para
ple, el de Prueba de Rangos Múltiples de el grupo 1 difiere confiablemente de la dej
Duncan. Sin embargo, existe gran desacuer grupo 2 , o que difiere confiablemente de lá
do entre los estadísticos y entre los psicólogos del grupo 3, o que existe una diferencia con.
entre cuál es la mejor manera de solucionar fiablemente entre las medias de los grupos!
nuestro segundo problema cuando se reali y 3. Mantengamos esta hipótesis nula total qi
zan más del número legítimo de comparacio mente y regresemos a ella después de que es-
nes entre 2 grupos y entre varios grupos. En tudiemos el análisis de varianm. Aprender a
parte, estos desacuerdos provienen de los di realizar un análisis de varianza no es impor
ferentes tipos de hipótesis que se están pro tante sólo para este propósito, sino que^s
bando y de los diferentes aspectos del proble básico para su aplicación a otros diseños que
ma sobre el que se está haciendo énfasis. Sin veremos en los capítulos posteriores. j.
embargo, el método Bonferroni debería ser
Cómo llevar a cabo un análisis de varianm,
suficiente por lo menos para su trabajo preli
Usted ya está familiarizado con el términó
minar.
varianza, lo cual hará más sencilla la próxirrja
discusión. Sería de gran ayuda que lo revisá
Las pruebas F globales (ómnibus)
ramos ahora (pagina 118).
y el análisis de varianza
La aplicación más sencilla del análisis dj
varianza sería probar la diferencia de las me
Hipótesis NULA parcial y global. Para solu dias entre los dos grupos independientes, (jé
cionar el tercer problema, podemos realizar
obtendrían resultados iguales si se lleva a Cábó
un análisis estadístico para determinar si existe
la prueba t en un diseño de dos grupos. ía
una diferencia confiable entre cualquier par decir, podríamos analizar un diseño de doi
de medias en un diseño multigrupal. La hipó
grupos utilizando la prueba t o el análisis de
tesis nula para este propósito es que todas las
varianza (con la prueba F, la cual se explicará
medias de población de los grupos son igua
en breve) y obtener exactamente las misriiá's
les. Esto es lo que se llama hipótesis nula glo
conclusiones. Digamos que los valores de'ü
bal (ómnibus o completa). Si hay tres grupos
variable dependiente resultantes de un dise
en el experimento, la hipótesis nula total esta ño de dos grupos son los que aparecen enjá
blecería que = [¿2 = /í ?,.9 La hipótesis nula figura 7-11. Es decir, la distribución de fiü-
entre pares de grupos (por ejemplo grupo 1 y
cuencia a la izquierda representa valores para
2) se llama hipótesis nula parcial. Debemos los participantes en el grupo 1 , y la de la detü-
hacer énfasis en cómo se diferencia una hipó
cha, para los del grupo 2 .
tesis nula total de una hipótesis nula parcial
establecida para una comparación por pares. La suma total de cuadrados = suma de (os
La diferencia entre estas dos hipótesis nulas cuadrados entre grupos + suma de los cuadré
en fundamental para la comprensión de nues dos intragrupos. Ahora, ¿las medias de estos
tra solución al tercer problema. En particu grupos son confiablemente diferentes? Para
lar, si rechazamos la hipótesis nula total, sólo solucionar este problema empleando el análi
sabremos que existe por los menos una dife sis de varianza, determinemos primero la
rencia confiable entre las medias de un par suma total de los cuadrados. La suma total
de los cuadrados es el valor que resulta cuatti-
do tomamos en cuenta a todos los participan
9 Una afirmación alternativa es que fi\ - fi2</¿i =t1?, y tes en el experimento como una unidad. Esta
fi2 = fi$. Otra forma de plantearlo, algo más sofisticada, suma total de los cuadrados se calcula a partir
consiste en afirmar que las medias poblacionales del gru
po son iguales entre sí y que también son iguales a la me de los valores de las variables dependien
dia global de todos los grupos combinados. tes de todos los participantes, ignorando el
FIGURA 7-11 Indicación aproximada de

/
Indicación de suma
\
Indicación de suma
la naturaleza de las sumas de cuadrados
intra e intergrupos que emplean sólo dos
de cuadrados intra de cuadrados intra grupos
(grupo 1) (grupo 2)
hecho de que unos se encontraban bajo unas ra de ilustración, suponga que todos los inte
condiciones experimentales diferentes a las grantes del grupo 1 han sido tratados exacta
de los otros. Una vez hecha la suma, se separa mente igual. Entonces, si todos recibieron
por partes (se analiza). Hay dos componentes exactamente el mismo trato al comenzar el
en particular que son muy importantes: la experimento, todos deberían recibir el mis
suma de los cuadrados entre grupos (inter mo valor en la variable dependiente. Si esto
grupos) y la suma de los cuadrados dentro de hubiera sucedido, la suma de los cuadrados
los grupos (intragrupos). De manera general intragrupos (en lo que concierne al grupo 1 )
se debe pensar que la suma de los cuadrados sería igual a cero, pues no habría variación
entre grupos la determina el grado en el que entre sus valores. Por supuesto, es poco pro
difieren las medias de la muestra de los dos bable que la suma de los cuadrados intra
grupos. grupos sea de cero, puesto que todos los par
ticipantes no son iguales antes del experimen
El significado de intra e intergrupos. En la to y el experimento jamás podría tratarlos a
figura 7-11 el tamaño de la suma de los cua todos exactamente igual.
drados entre grupos la indica aproximadamen Razonemos ahora mediante una analogía
te la distancia entre las dos medias. Podemos con la prueba t
decir con mayor precisión que mientras más
grande sea la diferencia entre las medias,
mayor será la suma de los cuadrados entre
grupos. Por otra parte, la suma de los cuadra 1 se, + s c 2 m | /f
dos intragrupos es determinada por el grado («i - 1 ) + (n2 - l ) \ n j \n z
en el que los miembros de cada grupo difie
ren entre sí en la medición de la variable de
pendiente. Si los participantes en el grupo 1 Recordará que el numerador de la ecuación
difieren considerablemente entre sí, y /o si lo 6-2 es una medida de la diferencia entre las
mismo es cierto para los miembros del grupo medias de dos grupos. Es entonces análoga a
2 , la suma de los cuadrados intragrupos será nuestra suma de cuadrados intergrupos. El
grande. Y mientras más grande sea la suma denominador de la ecuación 6-2 es una medi
de los cuadrados intragrupos, mayor será la da de la varianza de error en el experimento
varianza de error en el experimento. A mane y por tanto es análoga a nuestra suma de cua
152 D iseño experimental: el caso de más de dos grupos independientes
drados intragrupos. Esto debería ser eviden Si las diferencias entre sus diversas medias soijf
te cuando uno observa que el denominador grandes, la suma de los cuadrados entre
de la ecuación 6-2 es grande si las varianzas diferentes grupos será grande. Si las diférefif
de los grupos son grandes y pequeña cuando cias entre las diversas medias son pequeñas)
las varianzas de los grupos también lo son. la suma de los cuadrados entre varios grupos3
Recuerde que entre mayor sea el numerador será pequeña. Si los participantes que recibejí'
y menor sea el denominador de la razón t, el mismo trato difieren considerablemente)
mayor será la probabilidad de que los dos gru entonces la suma de los cuadrados dentro d¿!
pos sean confiablemente diferentes. Lo mis cada grupo (interna) será grande. Si las varían-
mo es cierto en nuestra analogía: mientras zas de grupo individuales son grandes, la suma
más grande sea la suma de los cuadrados de los cuadrados dentro de varios grupos será
intergrupos y más pequeña sea la suma de los grande. Entre mayores sean las sumas de los
cuadrados intragrupos, mayor será la proba cuadrados entre varios grupos y menores sean
bilidad de que nuestros grupos sean confia las sumas de los cuadrados intragrupos, nía-'
blemente diferentes. Si observamos la figura yor será la probabilidad de que las medias de
7-11 podremos decir que mientras mayor sea los grupos difieran confiablemente.
la distancia entre las dos medias y menores
sean las varianzas intragrupos (internas), lo Ecuaciones de cálculo. Hemos intentado
más probable que sean confiablemente dife presentar, de manera superficial, la razón fun-
rentes. Por ejemplo, es más probable que la damental que sustenta el análisis de varianza,
diferencia entre las medias de los dos grupos Como ahora nos acercamos al cálculo de las
en la figura 7-12 sea estadísticamente confia diversas sumas de cuadrados, seremos más,
ble que la diferencia entre las medias de los precisos. Las ecuaciones que presentaremos
dos grupos de la figura 7-11. Esto es porque se basan en el siguiente razonamiento, y su
la diferencia entre las medias en la figura 7- cálculo automáticamente logra lo que vamos
1 2 se representa como mayor que la de la fi a decir. En primer lugar, una media total se
gura 7-11 y también porque la suma de los calcula en base a todos los valores de la varia
cuadrados intragrupos en la figura 7-12 se re ble dependiente en el experimento (ignoran
presenta como menor que la de la figura 7-11. do el hecho de que algunos participantes es
Hemos analizado el caso de dos grupos. tuvieron bajo unas condiciones diferentesía
Precisamente el mismo razonamiento gene las de los demás). Después se calcula la suma
ral se aplica cuando hay más de dos grupos. Para total de cuadrados como una medida de la
este caso, de tres o más grupos, diremos va desviación de todos los valores de esta media
rios grupos. La suma total de cuadrados en total. La suma de los cuadrados de varios gru
el experimento se analiza en dos partes: la pos es una medida de la desviación de las
suma de los cuadrados intragrupos y la suma medias de los diversos grupos de la media
de los cuadrados entre los diferentes grupos. total. La suma de los cuadrados intragrupos
F IG U R A 7 -1 2Una diferencia media más extrema y 1

entre los dos grupos que la que se muestra en 1a.
figura 7-11. Aquí la suma de cuadrados intergrupos es
mayor pero la suma de cuadrados intragrupos (la , :!
variabilidad) es menor
Diseño experimental: el caso de m ás de dos grupos independientes 153
es una suma combinada de los cuadrados ba ble dependiente para el grupo 1; SX| es la
sada en la desviación de los puntos en cada suma de los cuadrados de los valores de la
grupo a partir de la media de ese grupo. A variable dependiente para el grupo 3, etcéte
medida que avancemos, nos extenderemos ra. N sigue siendo el número total de partici
más sobre estas afirmaciones preliminares. pantes en el experimento y n el número en
Para calcular la SC total que se va a anali cada grupo.
zar por partes, consideremos una ecuación
Un ejemplo del procedimiento del análisis
generalizada para el cálculo de la SC total
de varianza. Imagine un experimento (relacio
nado con otro analizado anteriormente en
(7-2) SC total = (SX? + XX¡ páginas 1 1 0 -1 1 2 ) sobre el condicionamiento
+ .. ■ + sx?; clásico de las planadas a una luz.10 Más espe
_ (EX, + s x 2 + e x 3 + . . . + x x r)2 cíficamente, un grupo (grupo CC de “con
dicionamiento clásico”) recibió a la vez la pre
N
sentación de la luz y una descarga eléctrica.
Las planadas normalmente se contraen cuan
Al igual que antes, el subíndice r sólo indica do reciben una descarga, pero después del
que seguimos añadiendo los valores indica condicionamiento también se contraían ante
dos (la suma de los cuadrados de A y la suma el estímulo condicionado, la luz. El grupo SC
de las Xs respectivamente) para todos los gru
(de “seudocondicionamiento”) fue tratado de
pos que tengamos en el estudio. la misma manera que el grupo CC, pero la
Nuestro siguiente paso es analizar la SC luz y la descarga no se presentaban juntos; es
total en sus componentes: de varios grupos
decir, a estas planadas se les administraban
e intragrupos. La ecuación generalizada para
descarga y luz, pero de manera no asociada,
calcular la SC y de varios grupos es
de modo que no podía ocurrir el condiciona
miento. El tercer grupo de planarias (NC de
(7-3) “no condicionado”) sólo permanecía en sus
contenedores y no era expuesto a la situación
SC de varios = (EXj)2 (EX2)2 (EX3)2 experimental.
gruP°s m n2 ns Después de seguir este procedimiento, se
+ + (M J !
inyectó a planarias no entrenadas ácido ribo
nr nucleico (ARN, véase la página 110) de los
tres grupos. Más específicamente, un nuevo
_ (lYi + XX2 + SX3 + . . . + IX ,)2
grupo de planarias recibió ARN extraído del
N grupo CC, otro grupo ingenuo recibió una
inyección de ARN del grupo PC, y un tercer
grupo recibió inyecciones del grupo NC. Se
Los elementos de la SC total intragrupos
examinó a estos nuevos grupos para ver la fre
se pueden calcular con una sustracción. Es
cuencia con que darían una respuesta condi
decir,
cionada (contracción) al estímulo condiciona
do (luz). El número de respuestas condicio
(74) SC intragrupos = SC total nadas dadas por cada animal a lo largo de los
—SC entre varios grupos 25 ensayos de prueba se presenta en la tabla
7-1.
Por supuesto que en un diseño de más de
Para calcular la SC total, podemos escribir
dos grupos aleatorios puede haber cualquier
una forma especializada de la ecuación 7-2
número de grupos. Para calcular las diferen
para los tres grupos de la siguiente manera:
tes SC debemos calcular EX y EX2 para cada
grupo por separado. Los subíndices, igual que
antes, indican los diferentes grupos. De aquí 10 Tomado de un experimento de Jacobson, Fried y
que EX] es la suma de los valores de la varia Horowitz, 1966.
154 D ise ñ o e x p e rim e n ta l: el caso de m á s de dos g r u p o s in d e p e n d ie n te s
TABLA 7-1 Número de respuestas de cada

- ^ + 46 + 205>‘ = 849.92 -
planada inyectada en los 25 ensayos de prueba 75
Planadas inyectadas con ARN de:
; .>$:
Para calcular la S C entre los diferentes griq
Grupo 1 (NC) Grupo 2 (PC) Grupo 3 (CC) pos, sustituimos los valores adecuados en ¡aj
0 0 6
ecuación 7-6, la forma especializada de la ecua
0 0 6 ción 7-3 para los tres grupos. Esto requiere
0 0 6 que sólo reemplacemos el valor de XX para
0 0 7 cada grupo, lo elevemos al cuadrado y lo divi-
1 0 7 damos entre el número de participantes en,
1 0 7
1 0 7
cada grupo. Puesto que el último término es
1 0 7 el mismo que el último término en la ecua
1 0 8 ción 7-5, no necesitamos calcularlo de nuevo,
1 1 8 siem pre y cu a n d o no se haya equivocado en su
1 1 8
1 8
cálculo la primera vez. Al hacer las sustitucio,
2
1 2 8 nes pertinentes de la tabla 7-1 y ejecutar los
1 2 9 cálculos indicados, encontramos que ¡f)
1 2 9
2 3 9 g, S C entre los _ (XAr,)2 (XX¡)2-
2 3 9
2 3 9 diferentes grupos - n n¡, ,
2 3 9
3 3 9 (Xx3)2 _ (XX, + XX, + XX,)2
+
3 3 9 N
3 4 10
3 4 10 _ (40)2 (46)2 (205)2
4 5 10 ~ ^ í T + 25 + 25 , ’ 12 9 '08
5 5 10
= 700.56 »
ZX: 40 46 205 Al sustituir en la ecuación 7-4, M
ZX2: 104 154 1721
n: 25 25 25
X : 1.60 1.84 8.20 SC intragrupos = 849.92 - 700.56 ,
= 149.36 T.l
-T■
Al llevar a cabo este análisis de varianza t?l
vez se haya preguntado, ¿en dónde están las
varianzas? Hacemos referencia a ellas en nues
(7-5) SC total = (XX? + XXf + XX?) tros valores de la muestra no como varianzas,
_ (XX, + XX2 + XX3)2 sino como cuadrados de la m edia. Es decir, es
N
tamos calculando valores de la muestra como,
cálculos de las varianzas (valores de poblaf,
ción). Por ejemplo, el cuadrado de la media
Podemos ver que la suma de X para el grupo intragrupos es un cálculo de la varianza den-,
NC es 40, para el grupo PC es 46 y para el tro de los grupos. L a regla p a r a ca lcu la r cua
grupo CC es 205. O, escrito en términos de drados de la m ed ia es sencilla: d iv id a u n a suma
la ecuación 7-5, podemos decir que XX, = 40, de cu a d ra d o s d a d a en tre los g ra d o s de libertad
XX2 = 46 y XX3 = 205, igualmente XX? = 104, adecuados. b
XX¡ = 154, XXf = 1,721 y N= 75. Al sustituir
estos valores en la ecuación 7-5 vemos que la Grados de libertad. Al presentar las ecua;¡
S C total es hagamos-
d o n e s p a r a los tres g ra d o s de lib e rta d
hincapié en lo que hemos hecho con respecte,-
SC total = (104 + 154 + 1,721) a las sumas de los cuadrados. Hemos calcula
do una SC total y la hemos dividido en dos La prueba F. Recordemos ahora que si el

partes, la SC entre los diferentes grupos y la cuadrado de la media entre los diferentes gru
SC intragrupos. El mismo procedimiento se pos es suficientemente grande, en relación
sigue para gl. Primero, determinamos que con el cuadrado de la media intragrupos, los
valores de 4a variable dependiente para los
(7-7) gl total = N - 1 grupos diferirán confiablemente (probable
mente). Sin embargo, una vez más tropeza
Después, que mos con un problema: ¿qué tan grande es su
ficientemente grande, es decir, cuan conside
(7-8) gl entre los diferentes grupos = r - 1 rable debe ser el componente entre los gru
pos en relación con el componente intragru
y que pos para que podamos concluir que una va
riable independiente dada« efectiva? Para res
(7-9) gl intragrupos = N - r ponder a esto aplicamos la prueba F, desarro
llada por el notable estadístico Sir Ronald
Para nuestro ejemplo, N = 75 y r = 3, de modo Aymer Fisher (George W. Snedecor, otro bri
que llante estadístico, le dio el nombre a la prue
ba en su honor). El estadístico F para este di
gl total = 75 - 1 = 74 seño se puede definir como sigue.11
gl entre los diferentes grupos = 3 - 1 = 2 (7-10) cuadrado de la media

p ____ entre los diferentes grupos
gl intragrupos = 7 5 - 3 = 72 cuadrado de la media intragrupos
y quizá observemos que gl entre los diferen Obviamente, este estadístico es fácil de cal
tes grupos más gl intragrupos es igual a gl cular y tal vez nos recuerde la similitud entre
total, es decir, 72 + 2 = 74. él y la prueba t. En ambos casos, el numera
dor es una indicación de las diferencias pro
Cuadrados de la media. Necesitamos calcu medio intergrupos o entre los diferente gru
lar un cuadrado de la media para la fuente de pos (más el error de varianza), y el denomina
variación entre los diferentes grupos y una dor es una indicación de la varianza de error
para la fuente de variación intragrupos. Para
lo anterior dividimos la SC entre los diferen
tes grupos entre gl entre los diferentes gru
pos, y lo mismo para el siguiente. Por ejem F es11siempre
Esta es una de varias aplicaciones de la prueba F.
una razón de dos varianzas, y el hecho de que
plo, el cuadrado de la media intragrupos es en ocasiones se utilicen varianzas diferentes a las de la ecua
149.36 dividido entre 72. Estos valores se re ción 7-10 no debe ser fuente de confusión. Simplemente
gistran después en el cuadro sinóptico (tabla note que Epuede usarse también de maneras diferentes a
7-2). la que aquí se discute.
TABLA 7-2 Cuadro sinóptico para un análisis de varianza para las

condiciones de las planadas con ARN
Fuente de variación Suma de cuadrados gl Cuadrado de la media F
Entre grupos 700.56 2 350.28 169.22

Intragrupos 149.36 72 2.07
Total 849.92 74
únicamente. En forma más particular, en esta deremos a esta pregunta para la prueba F del
sencilla aplicación (de muchas) de la prueba misino modo que lo hicimos para la prueba«
F , el numerador contiene un cálculo de error Para calcular F , hemos dividido el cuadrad®
de varianza más un cálculo del efecto “real” de la media intergrupos (350.28) entre él cují
(si es que lo hay) de la variable independien drado de la media intragrupos (2.07) y hemos!
te. El denominador es solamente un cálculo registrado el valor resultante (169.22) en 1¿)
de la varianza de error, es decir: tabla 7-2. a®
(7-11) Cálculo de la diferencia L a ta b la F.

'I
Al igual que con la prueba /, a
de la media del grupo continuación debemos determinar el valor de)
+ cálculo del error de varianza P asociado con nuestro valor calculado de 1?,
r —--------------------------------------
cálculo de la varianza de error Suponga que hemos establecido un criteuioj
d eP = 0.05. Si el valor d e F tiene una probabi
Ahora usted puede ver qué sucede cuando lidad de menos de 0.05, entonces debemos)
divide el numerador entre el denominador: rechazar la hipótesis nula total; podemos de
el valor calculado de F refleja él efecto que la cir que existe una diferencia estadísticamente!
variable independiente tuvo al producir una confiable entre las medias de los diferentes)
diferencia entre las medias. Por ejemplo, su grupos. Sin embargo, si la P asociada con;,
ponga que la variable independiente no in nuestra F es mayor que 0.05, entonces np
fluye para nada sobre la variable dependien podemos rechazar la hipótesis nula. Conclui
te. En este caso esperaríamos (por lo menos a mos entonces que no hay diferencia confia
largo plazo) que el numerador no contuvie ble entre las medias del grupo (o con mayor
ra ninguna contribución de la variable inde exactitud, que ningún par de medias difiere
pendiente (no habría cuadrado de la media confiablemente).
“real” entre los diferentes grupos). De aquí Para averiguar el valor de P asociado coni
que el valor para el numerador sólo sería un nuestra F , refiérase a la tabla A-2 en el apén-J
cálculo de la varianza de error; en el denomi dice A, el cual cumple la misma función quel
nador hay un cálculo del error de varianza la tabla t, aunque es un poco diferente en su
similar. Por lo que a largo plazo (con un gran uso. Por principio de cuentas notemos que:
número de g l), si divide un valor para la va ( 1 ) “g l asociados con el numerador” se encuen
rianza de error entre un valor para la varian tra en la parte superior, y (2 ) “g l asociados/
za de error, obtiene una F de alrededor de con el denominador” se encuentra abajo a lai
1. 0 . izquierda. En consecuencia necesitamos dos!
Entonces, ca d a ve z q u e obtengam os u n a F de valores g l para hacer un registro en la tabla i7,
a p ro x im a d a m e n te 1, p o d em o s esta r seguros que la En este ejemplo tenemos 2 g l para la condi-,
v a r ia c ió n de u n a va ria b le in d e p e n d ie n te n o p r o ción entre grupos (el numerador de la prue
d u jo u n a diferencia e n la s m ed ia s de la va ria b le ba /•) y 72 g l para la condición intragrupos (el
d e p e n d ie n te de n uestro s g ru p o s. Si el numera denominador de la prueba F). Entonces bus
dor es de algún modo mayor que el denomi camos la c o lu m n a denominada “2 ” y leemos
nador (el cuadrado de la medía entre los dife hacia abajo para encontrar una lín e a denomi
rentes grupos es algo mayor que el cuadrado nada “72”. No existe ninguna, pero hay líneas
de la media intragrupos), ¿qué tan grande para 60 y 12 0 gl; 72 cae entre los dos valores
debe ser antes de que concluyamos que las encontrados en las líneas de 60 y 120 g l. Eri
medias de los grupos son realmente diferen ambas líneas, para 60 y 12 0 g l encontramos
tes? Si el numerador es bastante grande (en líneas para u n aP d e 0.01, para u n aP de 0.05,
relación con el denominador), el valor de F para una P de 0.10 y una P de 0.20. Estamos,
será grande. Ésta es la misma pregunta que llevando a cabo una prueba a nivel de 0.05,
hicimos en relación con la prueba t; es decir, de modo que ignoraremos los otros valores
¿cuán grande debe ser t antes de que poda de P . Con 2 y 72 g l, interpolamos entre 3.15 y
mos rechazar nuestra hipótesis nula? Respon 3.07 y nos damos cuenta que debemos tener
Diseño experimental: el caso de máts de dos grupos independientes 157
una F de 3.13 en el nivel 0.05. Puesto que la F que usted simplemente no sabe en base a su
calculada (169.22) excede este valor,12 la hipó prueba F. En resumen, si estuviera interesa
tesis nula total es rechazada: concluimos que do en una tercera pregunta, ¡ya la habría con
hay por lo menos una diferencia confiable testado! un análisis total de varianza y la prue
entre los pares de medias. Suponiendo que ba F correspondiente le indican si hay una
hubo técnicas experimentales adecuadas, con diferencia confiable o más entre los pares de
cluimos que la variación de la variable inde medias en sus grupos.
pendiente influyó confiablemente sobre la Hace muchos años, cuando aún estábamos
variable dependiente. Más específicamente, desarrollando cierto grado de sofisticación
la inyección de ARN hizo que los grupos difi estadística, los psicólogos empleaban un mé
rieran confiablemente en la medición de la todo de comparación de dos etapas: primero
variable dependiente. conducían una prueba F total; si no era con
Sería conveniente que estudiara la tabla F fiable concluían que no había diferencia con
para asegurarse que la comprende adecuada fiable entre cualquier par de medias (lo cual,
mente. Para adquirir un poco de práctica, di por cierto, no necesita ser el caso). Sin embar
gamos que tiene seis grupos en su experimen go, si el valor de F permitía rechazar la hipó
to con 10 chimpancés por grupo. Usted tiene tesis nula, entonces realizaban todas las prue
cinco grados de libertad para su fuente de bas t posibles para averiguar en dónde po
variación entre los diferentes grupos, y 54 gl dría^) estar la(s) diferencia(s) confiable(s). Al
para su fuente intragrupos. Imagine una prue llevar a cabo todas las pruebas t posibles, us
ba de nivel 0.01. ¿Cuál es el valor de Preque ted altera su nivel establecido de probabilidad,
rido para rechazar la hipótesis nula total? Para lo cual es una razón por la que este enfoque
responder a esta pregunta, entre a la colum no es adecuado.1®Más aún, en retrospectiva,
na denominada “5” y lea hacia abajo hasta que es obvio que un investigador que sigue tal pro
encuentre la línea para 54 gl. No existe una cedimiento haya confundido nuestras pregun
línea para 54 gl de modo que debe interpolar tas dos y tres. Aquel que realiza todas las com
entre los valores de la tabla 40 gl y 60 gl. Si paraciones por pares posibles después de una
hubiera 40 gl para su fuente intragrupos, se prueba F confiable está realmente interesado
requeriría una F calculada de 3.51 para recha en la segunda pregunta lo que quiere decir que
zar la hipótesis nula; de igual manera, si us no hay razón para probar una hipótesis nula
ted hubiera tenido 60 gl, habría necesitado total con la prueba F. Si a usted le interesa
una F de 3.34. Al interpolar linealmente en hacer todas las comparaciones por pares posi
contramos que se necesita una F de 3.39 para bles, no hay necesidad de que conduzca un
el nivel 0.01 con 5 y 54 gl. Pruebe usted con análisis de varianza; debe ir directamente y
otros problemas. hacer todas las comparaciones por pares posi-
Desventajas de la hipótesis nula total. Si
usted ha llevado a cabo el experimento ante L1 Como Ryan {1980) señalara, ésiaiuc la razón por la
rior, debe sentirse muy contento consigo mis que el notable estadístico Tukey desconoció su procedi
mo; habrá tenido éxito al rechazar su hipóte miento de comparación múltiple, conocido como prueba
sis nula total. Pero espere un momento. ¿Re de brecha de Tukey (o prueba de límites extremos). Ryan plan
tea el problema así: suponga que tenemos diez poblacio
cuerda la hipótesis nula que usted probó? Su nes, de las cuales nueve son iguales y una tiene una media
conclusión entonces es que existe por lo me mucho mayor que las otras. En ese caso, es probable que
nos una diferencia promedio entre sus gru la prueba global preliminar (F o cualquier otra) sea signi
pos. ¿Mas, dónde se encuentra? ¿Está entre ficativa, y procedamos a hacer pruebas individuales sobre
los pares. Ahora tenemos 36 comparaciones en las que la
los grupos I y 2, entre los grupos 1 y 3, entre hipótesis nula es verdadera. Si hacemos esas pruebas a ni
los grupos 2 y 3, o son dos o todas las diferen vel de significancia nominal de 0.05, es casi seguro que
cias de la media confiables? La respuesta es una o más comparaciones específicas se declare significa
tiva cuando no lo es. Esto será así aunque las comparacio
nes se diseñen adecuadamente para cualquier heteroge
12 Exposición un poco incompleta. neidad que pudiera existir en la varianza (p. 354-355).
bles con la prueba t y ajustar sus niveles de pro prueba F total. Términos de la hipótesis nula¡$
babilidad establecidos con la prueba Bon- usted no debería probar la hipótesis nula toj
ferroni. Para ilustrar este procedimiento, co tal sino ir directamente a su hipótesis nula par-;
rramos una prueba t empleando los datos en cial. Sin embargo, usted no ha desperdiciado!
la tabla 7-1. Para adquirir práctica debería cal su tiempo aquí aprendiendo análisis de varían.;
cular esos valores y encontrará que son: za, puesto que es un conocimiento crítico par^l
el análisis de otros diseños, como el factorial;.
intergrupos 1 y 2: t¡2 = .56 "t
intergrupos 1 y 3: í 13 = 18.08 RESUMEN DEL CAPITULO
intergrupos 2 y 3: í23 = 14.90 é
I. Un diseño multigrupal sencillo tiene varias;
Al ajustar nuestro nivel de probabilidad \ ventajas sobre una serie de experimentos con;
establecido con la prueba Bonferroni a 0.017 dos grupos.
(como lo hicimos anteriormente) encontra A. Es más eficiente para el experimentador,,
mos, mediante la interpolación, que el valor B. Se necesitan menos participantes.
C. El control experimental puede ser más efeo
requerido de t con 48 gl en la tabla A-l es tivo. ‘I
2.401. Por tanto, las diferencias de la media D. Se pueden estudiar más valores de una va-1
entre los grupos 1 y 3 entre los grupos 2 y 3 riable independiente (esto le permite in-;
son confiables, pero la de los grupos 1 y 2 no crementar las posibilidades de determinar'
lo son. El grupo 3, el cual recibió el ARN de si una variable independiente afecta una!
las planarias que fueron condicionados clási variable dependiente, y también aumenta!
camente tuvo, en consecuencia, más contrac su habilidad para especificar la relaciójt
ciones ante la luz durante los ensayos de prue funcional entre ellas).
ba que los otros dos grupos (control). Los II Existen varios métodos de análisis estadísti
“datos parecerían sugerir que se transmitió co, dependiendo de su propósito. .-
A. Para hacer comparaciones limitadas (plá-j
una respuesta aprendida específica mediante neadas) solamente entre pares de grupól
la inyección de la preparación de ARN”. individuales de acuerdo con la ecuación g¡
(Jacobson, Fried y Horowitz, 1966, p. 5). = r - 1, usted prueba esas hipótesis nula?
por pares directamente con la prueba (.'■>!
Comparaciones por pares limitadas. Por úl B. Para hacer todas las comparaciones posit
timo, pongamos un ejemplo de la aplicación bles por pares, al igual que para las cónv¡
del enfoque de la comparación limitada por paraciones post hoc, ajuste su nivel de prp,-,
pares con el siguiente experimento. En este habilidad establecido a un nivel más rey
caso a usted no le interesa hacer toda las com lista. Para dicho fin puede emplear la prue-,
paraciones posibles entre sus grupos. Su hi ba Bonferroni, en cuyo caso divide su ni
vel de probabilidad establecido (es decir,
pótesis empírica sugiere que el grupo 3 debe 0.05) entre el número de comparaciones
ría tener más contracciones que los grupos 1 posibles (o sea, 3) y emplea el nivel de prg-,
y 2 , pero la comparación entre los grupos 1 y habilidad ajustado resultante (es decir,,
2 no es de interés; su hipótesis no dice nada 0.017) para probar sus hipótesis nulas, ¡sj
sobre esta comparación; aparece en el diseño C. Para determinar si existe una diferencié
sólo para fines de control. En este caso usted confiable entre cualquier par de medias en
va directamente a su análisis de la prueba t para el diseño multigrupal, tendría que probar1
hacer las dos comparaciones legítimas por una hipótesis nula total diciendo que rio
pares. Puesto que los valores de t para estas existe una diferencia verdadera entre Ids1
comparaciones fueron 18.85 y 18.17, respec medias de los diferentes grupos. Para este!
fin puede conducir un análisis de varianza-
tivamente, usted puede rechazar las dos hipó total y una prueba F general ómnibus eolito!
tesis nulas y llegar a la conclusión (al igual que la que se ve en el siguiente resumen de,
el autor original) de que el grupo 3 tuvo con análisis estadístico.
fiablemente más contracciones. No había ne III Estrategia para un análisis de varianza.
cesidad, o incluso valor alguno, de realizar una A. Calcule la varianza total del experimento,
á
B. Analice esa varianza en un componente

intergrupos (o entre los diferentes grupos)
y en un componente intragrupos. La va
rianza entre los diferentes grupos es una
indicación del grado en el que los grupos Si su criterio de probabilidad es 0.05, ese
difieren en la medición de la variable de valor dividido entre 3 equivale aproximada
pendiente, y la varianza intragrupos es un mente a 0.017. Entonces reemplace 0.05 con
indicador del error experimental. 0.017 para probar sus tres hipótesis nulas con
C. Si la primera es más grande que la segun la prueba t.
da, de acuerdo con la división de la prue
ba F, su variable independiente fue efecti Resumen del cálculo del análisis de
va probablemente. varianza y de la prueba F para un diseño
de grupos independientes con más de
RESUMEN ESTADÍSTICO dos grupos
Comparaciones limitadas por pares Este enfoque prueba una hipótesis nula
total, la cual para cuatro grupos espii=pi2 -pt3
Aquí se evalúan pares de hipótesis nulas =fiA.
con series de pruebas t, es decir, en un expe Suponga que se han obtenido los siguien
rimento con tres grupos la hipótesis nula po tes valores-de la variable dependiente para los
dría ser ¡Ui = n<¿ y /t 2 = fi3 cuatro grupos de participantes:
El número de comparaciones por pares
planeadas y legítimas que usted puede hacer
se determina por el número de grados de li Grupo 1 Grupo 2 Grupo 3 Grupo 4
bertad por grupos, el cual es el número de
grupos (r) - 1. Por ejemplo, con cinco grupos i 2 8 7
i 3 8 8
en su experimento, gl = 5 - 1 = 4, de modo 3 4 9 9
que puede realizar cuatro comparaciones por 5 5 10 9
pares. Otro ejemplo, usted podría conducir 5 6 11 10
pruebas t para los grupos l y 2 , 2y3, 3 y 4 y 4 6 6 12 11
7 6 12 11
y 5.
Todas las comparaciones 1. Deseamos calcular primero ZX, ZX2, y

posibles por pares n, y casi siempre es informativo calcular tam-
bién la media (X) para cada grupo:
Las hipótesis nulas en este enfoque tam
bién son por pares, de modo que con los tres Grup0 1 2 3 4
grupos son = ¡u2, =¡u3 y ¡u2 = /z3. Si usted ZX 28 32 70 65
realiza todas las comparaciones por pares po ZX2 146 162 718 617
sibles, puede emplear la prueba Bonferroni n 7 7 7 7
para ajustar el nivel de P.1'1Para esto solamen X 4.00 4.57 10.0 9.29
te divida el nivel de probabilidad establecido
entre el número de comparaciones posibles y 2. Para calcular el total de la suma de los
emplee el nivel ajustado resultante para pro cuadrados empleamos la ecuación 7-2.
bar sus valores de t. Por ejemplo, con tres gru
pos independientes en su experimento, el (7-2) SC total = (Xxf + 1X¡ + .
número de comparaciones posibles (Cp) es (2Xj + 4- 2 X3 + . . . + 2Xr)*
tres, como lo determina la ecuación 7-1:14
N
14 Para pruebas múltiples más poderosas, aunque de Al sustituir estos valores en la ecuación 7-2,
mayor complejidad, vea Holland y Copenhaver (1988). obtenemos:
SC total = (146 + 162 4- 718 + 617) Resumimos estos valores para las fuentes ?
(28 + 32 + 70 + 65)2 de variación en la tabla 7-3 y calculamos los
28 grados de libertad como sigue:
(195)2
= 1,643 -
28 gl entre grupos = r - 1
38,025 =4-1=3
= 1,643 -
28 gl intragrupos = N - r
= 1,643 - 1,358.04 = 284.96 = 28 - 4 = 24
gl total = N - 1
= 28 - 1 = 27
Después calculamos laSC entre los diferen
tes grupos como sigue:
El cuadrado de las medias se calcula dividien-1
(7-3) SC entre los do cada fuente de variación entre grupos en
diferentes _ (SX])2 (SX2)2 tre los grados de libertad adecuados, por ejem
grupos ~ n¡ n2 plo, = 67.94. Estos valores se registran
Ó
+ (M al! + + (M il! en la tabla 7-3.
n3 " ' nr Por último, para calcular la prueba F, el
_ (Xx, + xxs + Xx3 + ... + xxr)2 cuadrado de la media intragrupos se divide
N entre el cuadrado de la media entre grupos:
67.94
2 0 . 1 0 . Éste es el último registro en la
3.38 Xi
Al sustituir los valores adecuados podemos tabla 7-3.
determinar que la SC entre los diferentes gru
pos es
TABLA 7-3 Cuadro sinóptico del análisis d e!'::
varianza 1i
SC entre los _ (28)2 ^ (32)2 *»!
diferentes —7 7 Fuente de Suma de Cuadrado "A
grupos + (7 0 f m f _ , ,3 58 .0 4 variación cuadrados gl de la media F
7 7 Entre grupos 203.82 3 67.94 20.10
784 1,024 4,900 Intragrupos 81.14 24 3.38
7 + 7 + 7 Total 284.96 27
4 225
+ - 1,358.04 Xl
= 112.00 + 146.29 + 700.00 Por último, consultamos la tabla A-2 con ?
+ 603.57 - 1,358.04 y 24 grados de libertad. Hallamos que se re
= 1,561.86 - 1,358.04 quiere un valor de la tabla de 3.01 en el nivel
= 203.82 0.05. Puesto que nuestro valor calculado de
2 0 .10 excede este valor de la tabla, llegamos á
la conclusión de que existe por lo menos una
La fuente de variación intragrupos se pue comparación por pares entre las medias de
de calcular por medio de una sustracción de nuestros cuatro grupos que difiere confiable»
la manera siguiente: mente. En consecuencia, rechazamos la hipó?
tesis nula de que no hay diferencia verdadera
(7-4) entre las medias de nuestros cuatro grupos:
SC intragrupos = SC total - SC entre grupos Concluimos que por lo menos una media es
Al sustituirlo como se indica, confiablemente diferente de por lo menos otra
SC intragrupos = 284.96 - 203.82 = 81.14 media.
REVISIÓN CRÍTICA PARA EL ESTUDIANTE sión, haga las siguientes comparaciones pla
neadas: grupo 1 y 2, grupo 2 y 3, grupo 3 y
1. Invente un problema y una hipótesis que sea 4 y grupo 4 y 5. Después de llevar a cabo las
de interés para usted y diseñe dos experimen pruebas t para las comparaciones ¿cuál es
tos para probar la hipótesis. El primer diseño la recomendación sensata?
debe emplear dos grupos, el segundo, tres gru
pos. Una vez que haya terminado este ejerci
Grupo
cio, ¿qué podría aprender de los posibles pun
tos de la variable dependiente sobre las venta 1 2 3 4 5
jas del diseño de tres grupos? Número de ensayos de entrenamiento
2. ¿Cuáles son las tres preguntas básicas que us 0 10 30 70 100
ted hace al analizar un diseño multigrupal?
Éstas se relacionan con: (a) comparaciones li Número de goles que anotó cada participante
mitadas por pares, (b) todas las comparaciones
0 2 4 24 24
posibles por pares y (c) prueba de una hipóte 1 2 5 25 24
sis nula total. Indique también las hipótesis 3 1 7 23 25
nulas calculadas para estas tres preguntas. 0 4 9 23 25
3. Problemas. 0 0 8 25 22
A. Un experimentador se interesó por evaluar 2 0 7 22 24
los puntos de sociabilidad relativa de dife 1 0 6 24 22
rentes estudiantes universitarios en una uni 0 3 8 23 26
versidad. Se seleccionaron muestras aleato 3 2 9 22 24
rias de estudiantes que estudiaban inglés, 1 1 9 24 23
arte, y química y se les administró una prue
ba estandarizada de sociabilidad. Suponga C. Se realiza un experimento para determinar
un criterio de 0.05 para probar la hipótesis cuál de los tres métodos para enseñar espa
nula total de que no hay diferencia de la ñol es superior. Suponiendo que el experi
media entre cualquier componente de los mento se ha llevado a cabo adecuadamente,
tres grupos. (Observe que no intenta deter que se ha establecido un criterio de P = 0.05
minar cuál de las tres comparaciones por para cada hipótesis nula parcial y que una
pares pueda ser confiablemente diferente.) nota más alta indica un mejor desempeño
después de la capacitación en los tres méto
dos, ¿cuál método es el que se va a preferir?
Puntajes de sociabilidad Para responder a esta pregunta, utilice el
Estudiantes Estudiantes Estudiantes enfoque de realizar todas las comparacio
deinglés de arte de química nes por pares posibles.
0, 1, 3, 5 3, 5, 6, 6 5, 7, 9, 9
Puntajes de los tres grupos en un experimen
to con métodos de enseñanza del español
B. Un profesor de educación física se interesa
por el efecto de la práctica en la frecuencia Método A Método B Método normal
de goleo en el hockey. Después de consul
15 16 22 12 17 2
tar con un psicólogo, se diseñó el siguiente
17 12 25 19 6 8
experimento. Se formaron cinco grupos de 12 11 23 24 9 9
modo que el grupo 1 tuvo la menor prácti 13 19 17 26 11 14'
ca y el grupo 5, la mayor práctica. Los valo 10 19 29 29 4 7
res de la variable dependiente representan 19 14 26 30 3 8
el número de goles que anotó cada partici 17 15 25 26 8 6
pante en la temporada. Usted necesita deci 21 17 24 27 9 5
dir qué cantidad de práctica se debe reco 14 13 27 21 12 16
mendar. Para ayudarlo a llegar a una deci 15 12 31 23 6 9
capítulo I
DISEÑO EXPERIMENTAL
EL DISEÑO FACTORIA!

Este capítulo pretende aumentar su conocimien La capacidad de conducir y analizar un diseño
to de los principios de investigación para abar factorial y de interpretar los resultados, espe
car al diseño factorial, el cual puede ser conside cialmente los de interacción.
rado como el diseño experimental más valioso
en psicología.
Lo que usted encontrará:
1. Una discusión de las ventajas relativas del diseño fac
torial
2. Una explicación detallada del concepto central de in
teracción
3. Una descripción, paso a paso, de los procedimientos
de análisis estadístico con análisis de varianza y la
prueba F
PANORAMA riable independiente se hace variar de sólo

dos maneras, se utiliza el diseño de dos gru
Definición del diseño factorial. Los diseños pos, si se hace que tome más de dos valores,
precedentes son apropiados para la investiga se usa el diseño de grupos múltiples. Pero para
ción que involucra una sola variable. Si la va estudiar más de una variable independiente
Diseño experimental: el diseño factorial 163
en un solo experimento puede usarse el dise ta se les presentó una tarea de aprendizaje de
ño factorial. Un diseñofactorial completo es aquel pares asociados, contabilizándose el núme
en que se utilizan todas las combinaciones posi ro de errores cometido durante el aprendiza
bles de los valores seleccionados de las variables je de la tarea. Durante las condiciones experi
independientes. mentales los cuatro grupos aprendieron una
segunda lista —comparable a la primera—de
Ilustración de un diseño factorial. Conside
pares asociados, realizándose un conteo simi
re el siguiente experimento que pretendía
lar de los errores cometidos. La variable de
estudiar el aprendizaje durante la hipnosis. Las
pendiente medida fue la diferencia en el nú
dos variables independientes fueron: ( 1 ) si los
mero de errores cometido en ambas tareas.
participantes estaban o no hipnotizados, y (2 )
Así, los grupos fueron tratados de la siguien
la alta o baja susceptibilidad a la hipnosis. En te manera: El grupo 1 estuvo formado por
la figura 8 .1 se diagrama la manipulación en participantes cuyo pretest mostró una baja sus
esas dos variables independientes, mientras
ceptibilidad a la hipnosis y que aprendieron
que en la tabla 8 .1 se representa el diseño fac
la segunda lista estando hipnotizados; el gru
torial que muestra todas las combinaciones
po 2 también estuvo formado por participan
posibles de dichas variables.
tes con baja susceptibilidad, pero aprendie
La tabla 8.1 muestra que existen cuatro ron la segunda lista en su estado normal de
combinaciones posibles de los valores de las vigilia; el grupo 3 estuvo formado por indi
variables independientes. Cada posible com
viduos altamente susceptibles a la hipnosis
binación se representa en una caja,o célula:
que aprendieron la lista estando hipnotiza
(1 ) hipnotizado y baja susceptibilidad; (2 ) no dos; y el grupo 4 estuvo formado por indi
hipnotizado y baja susceptibilidad; (3) hipno
viduos altamente susceptibles que apren
tizado y alta susceptibilidad; (4) no hipnotiza
dieron la lista en su estado normal de vigilia.
do y alta susceptibilidad. Con cuatro condi El análisis estadístico de la variable depen
ciones experimentales hay cuatro grupos en
diente debería entonces proporcionar infor
el experimento. mación concerniente a las siguientes pregun
Primero se probó la susceptibilidad de los
tas:
participantes a la hipnosis formándose dos
grupos: uno con alta y otro con baja suscepti 1. ¿Influye la hipnosis en el aprendizaje?
bilidad. Luego los individuos altamente sus 2. ¿Influye la susceptibilidad a la hipnosis en el
ceptibles fueron asignados al azar a una de aprendizaje?
dos condiciones, hipnótica o no hipnótica. Al 3. ¿Existe alguna interacción entre el grado de
go similar se hizo con los individuos que mos hipnosis y la susceptibilidad a ser hipnotizado?
traron una baja susceptibilidad.
El experimento fue conducido esencial El procedimiento para responder a las dos
mente de la siguiente manera. Primero, es primeras preguntas es directo, pero la terce
tando todos los participantes en estado de aler ra requerirá un poco más de consideración.
No hipnotizado Hipnotizado
\ I
t
0 Grado de hipnosis ,---------------
Baja Alta
I I
FIGURA 8-1. Variación de dos
variables independientes, cada una t Susceptibilidad a la hipnosis —
0
asume dos valores
164 Diseño experimental: el diseño factorial
TABLA 8-1. Diagrama de un diseño factorial un estado de hipnosis, 8 individuos altamet}

te susceptibles y 8 con poca susceptibilidad
o ........ , Grado de hipnosis
Susceptibilidad 1 De manera similar, tenemos 16 personas qu|
a la hipnosis Hipnotizado No hipnotizado aprendieron cuando no estaban hipnotizado^
Tenemos por tanto dos grupos que, como uní
Baja 1 2 todo, fueron tratados de igual forma excepto!
en lo que concierne a la variable hipnosis. Parm
Alta 3 4
la comparación hipnosis-no hipnosis es irrelevam|
que la mitad de cada grupo fuera altamente súi'j
ceptible y que la otra mitad tuviera baja suscepti I
bilidad —la variable susceptibilidad es controvf
Primero examinaremos los valores de la va lada. Para hacer nuestra comparación únicsffl
riable dependiente obtenidos para cada gru mente necesitamos calcular la media de ló||
po (tabla 8 -2 ), para luego colocar las medias 16 individuos hipnotizados y la de los 16 páih|
de los cuatro grupos en las células apropiadas ticipantes no hipnotizados. Para hacer estol
(tabla 8-3). tenemos que computar la media de las me-
dias de los dos grupos hipnotizados (tabla!
EVALUACIÓN DE LAS DOS 8-3). (Esto es posible porque las n ' s para cada;
VARIABLES INDEPENDIENTES media son iguales.) La media de -14.25 jif
-23.25 es de -18.75, y de manera similar, l;j
¿Afecta la hipnosis al aprendizaje? Para media para los participantes no hipnotizados ;
responder a la primera pregunta debemos es de 0.38. Como ambas medias (-18.75 y|
estudiar el efecto de estar en un estado de -0.38) son marcadamente diferentes, sospq i
hipnosis sobre los puntajes de aprendiza chantos que estar hipnotizado tuvo influencia
je. Para este propósito debemos ignorar la va sobre la variable dependiente. Sin embargo! .i
riable de susceptibilidad. Ignorando su gra tenemos que esperar los resultados de la prue
do de susceptibilidad, tenemos 16 personas ba estadística para saber si esta diferencia e.(
que aprendieron mientras se encontraban en confiable.
■na
TABLA 8-2. Valores de la variable dependiente para los cuatro grupos que
componen el diseño factorial de la tabla 8-1*
Grupo
1 2 3 4
Hipnotizado/baja No hipnotizado/baja Hipnotizado/alta No hipnotizado/alta
susceptibilidad susceptibilidad susceptibilidad susceptibilidad
0 9 -16 -4
-8 1 0 8
1 -5 -20 -10
-20 -14 -41 9
-17 -2 -32 -10
-43 -3 -6 -23
-4 14 -42 29
-23 9 -29 -14
n: 8 8 8 8
XX: -114 9 -186 -15
2X2: 3,148 593 6,002 1,927
X: -14.25 1.12 -23.25 -1.88
Con aprecio para W. F. Harley Jr., y W. F. Harley Sr., comunicación personal

TABLA 8-3. Medias de las condiciones experimentales

colocadas en sus células
Grado de hipnosis
Susceptibilidad Hipnotizado No hipnotizado Medias
Baja -14.25 -1.12 -6.57
Alta -23.25 -1.88 -12.57
Medias: -18.75 -.38 -9.57
Si le resulta difícil ignorar la variable sus cera: ¿Existe una interacción entre las dos va
ceptibilidad al considerar la variable hipnosis, riables? El concepto de interacción es uno de
mire por un momento al diseño factorial como los más importantes en la investigación. Si
si fuera un experimento en que sólo se mani logra comprenderlo, usted tendrá ahora la
pula el grado de hipnosis. En este caso la va oportunidad de aplicarlo en una amplia va
riable susceptibilidad puede ser temporalmen riedad de situaciones; el concepto le ayudará
te considerada como una variable extraña a aclarar una gran cantidad de problemas y
cuyo efecto es controlado. De modo que el aumentará considerablemente su compren
diseño de dos grupos se vería como el indica sión de la conducta.
do en la tabla 8-4. Primero, aproximémonos al concepto de
Para la pregunta 2 debemos comparar la interacción desde un punto de vista muy sim
clasificación alta contra baja susceptibilidad plificado. Asumamos que el problema es del
e ignorar la variable hipnosis. En la tabla 8-3, siguiente tipo: en relación al tiempo ahorra
la media de los 16 participantes con baja sus do, ¿qué es más eficiente para un hombre que
ceptibilidad fue de -6.57, y la media de los 16 se está vistiendo, ponerse primero la camise
sujetos con alta susceptibilidad fue de -12.57. ta o los calzoncillos?
La diferencia entre esas medias no es tan gran A primera vista parece que una prueba em
de como la anterior, lo que sugiere que esta pírica adecuada nos daría una o dos respues
variable quizá no influyó mucho, si acaso lo tas: ( 1 ) primero la camiseta, o (2 ) primero los
hizo, en los puntajes de aprendizaje. No obs calzoncillos. Pero además de esas posibilida
tante, una vez más debemos esperar los resul des existe una tercera respuesta: (3) depende.
tados de una prueba estadística de confia Ahora bien, “depende” abarca la noción bási
bilidad antes de hacer un juicio final. ca de interacción. Suponga que un análisis
lineal de los datos indica de “qué” depende la
EL CONCEPTO DE INTERACCIÓN eficiencia. Podemos encontrar que para los
hombres altos es más eficiente ponerse pri
Ahora que tenemos respuestas preliminares mero los calzoncillos pero que para los hom
para las primeras preguntas, vayamos a la ter bres bajos es más eficiente ponerse primero
TABLA 8-4. Mirando una variable independiente del diseño factorial como si fuera un
experimento sencillo de dos grupos
Valorde la variable independiente Grupo I (hipnotizado) Grupo 2 (no hipnotizado)
n 16 16
Media del puntaje de la variable dependiente -18.75 -.38
la camiseta. En este caso podemos decir que Una ilustración psicológica. La investigació™
nuestra respuesta depende de la estructura conducida por Berry y McArthur (1986) ilt||
corporal del hombre que se está vistiendo. tra una interacción obtenida en un estudia
O, para ponerlo en términos de una interac psicológico. Estos investigadores predijeron!
ción, podemos decir que existe una interacción que la información que indicaba conductM
entre la estructura corporal y ponerse primero la delictiva por negligencia sería más creíble cuaiw
camiseta o los calzoncillos. Esta es la noción do el acusado tuviera rasgos faciales infaníp
básica de interacción. Veamos otro ejemplo les,, y que la información que indicaba cod
de la vida cotidiana antes de considerar el ducta delictiva intencional sería más creíble
concepto de manera más precisa. cuando el acusado tuviera rasgos faciales!
En una ocasión tuve que obtener el apoyo maduros. Aquí tenemos un estudio en que se|
de un oficial superior de la Armada para con predijo explícitamente una interacción. *í
ducir un experimento. Para controlar ciertas Los participantes en este experimento leí
variables (como el efecto del comandante de yeron copias de reportes ficticios prelimináff
la compañía), quería usar sólo una compañía. res a un juicio en que un hombre joven eng
Como tenía que estudiar cuatro métodos de acusado de cierto delito. Un conjunto de reí
aprendizaje planeaba dividir la compañía en portes describía el ilícito como resultado dé!
cuatro grupos. Cada grupo (formado como una negligencia. Por ejemplo, el reporte indu
un pelotón) aprendería por medio de un mé raba que el acusado había olvidado.advertirá
todo diferente. Sin embargo, el oficial objeta un cliente de los riesgos potenciales de un
ba ese diseño, argüía, “Siempre entrenamos a producto que le estaba vendiendo. Otro con?;
nuestros hombres como una compañía com junto de reportes describía el incidente como
pleta. Usted los va a entrenar en grupos del un engaño intencional, en que el vendedor nb?
tamaño de un pelotón. Por lo que los resulta había informado al cliente sobre los riegos
dos que obtenga con las unidades de entrena para hacer la venta. De modo que la primera
miento del tamaño de un pelotón pueden no variable independiente era el grado del deli
ser aplicables a lo que normalmente hacemos to, que tomaba dos valores —negligente o in¡;
con los grupos del tamaño de una compañía”. tencional. La segunda variable indepem;
Tuve que reconocerlo, y el punto es bastante diente era la madurez de los rasgos faciales
sofisticado. Era posible que los resultados para del acusado, la que se manipuló sistemática!
los pelotones fuesen diferentes de los resulta mente agregando una fotografía al reporté;
dos para compañías —podría haber una inter Un conjunto de fotografías era de caras de
acción entre el tamaño de la unidad de entre jóvenes adultos que habían sido juzgadás
namiento del personal y el tipo de método como de rasgos infantiles, mientras que la apa;
usado. En otras palabras, un método puede riencia facial de los modelos del otro conjuir
ser superior si se usa con pelotones pero con to de fotografías había sido calificada como
compañías sería mejor otro método. En reali madura.
dad, como la evidencia disponible sugería que En la figura 8-2 se muestran los resultados?
semejante interacción era altamente impro la variable dependiente, la tasa de fallos de
bable en esta situación, no me preocupé por culpabilidad, se gráfico sobre el eje vertical,
ella, aunque el oficial superior continuó in En el eje horizontal se indica si la ofensa se
tranquilo. consideraba negligente o intencional. Los
datos más altos fueron par a los acusados con
Definición de interacción. Los ejemplos sim rasgos infantiles, a quienes se consideró cul
plistas que vimos nos permiten afirmar que pables de una ofensa por negligencia —con
existe una interacción entre dos variables inde una tasa de 0.82. En contraste, la tasa de fa
pendientes si el valor de la variable dependiente llos por ofensas intencionales fue sólo ligera
que resulta de una variable independiente es de mente superior a 0.50, para los acusados con
terminado por el valor especifico asumido por la rasgos infantiles. Los acusados con rasgos ma
otra variable independiente. duros tuvieron una tasa de fallos de ofensas
i.
1.00 r
0.75 -
Acusados con
rasgos faciales
maduros
Acusados con
® 0.50 rasgos infantiles
FIGURA 8-2. Proporción de participantes que

recomiendan un fallo como función de la
0.25
conducta delictiva negligente vs intencional y la
madurez aparente de los rasgos faciales del
acusado. Existe una interacción entre las
variables independientes de la conducta
delictiva y la madurez facial del acusado. Delito intencional
Delito negligente
Tomado de Berry y McArthur (1986) Intención del acusado
intencionales algo superior, aproximadamen aprendizaje) para el grado de hipnosis depen

te 0.60, pero se les consideró culpables de derían del grado de susceptibilidad del parti
ofensas por negligencia con una tasa de sólo cipante. O, con más precisión, podríamos es
aproximadamente 0.50. tablecer esa interacción de la siguiente mane
Los resultados indican así que los partici ra: el hecho de que estar hipnotizado afecte la can
pantes dieron con mayor frecuencia fallos de tidad aprendida depende del grado de susceptibi
negligencia para los individuos con rasgos lidad de los participantes.
infantiles, y de intencionalidad para los indi
viduos con rasgos maduros. En resumen, exis Ilustrando una falta de interacción. Para
te una interacción entre la variable indepen aumentar nuestra comprensión de este con
diente de madurez facial y el tipo percibido cepto crítico, asumamos temporalmente los
de conducta delictiva. Es decir, que el hecho valores ficticios de la muestra (no de la pobla
de que los hombres adultos fueran percibidos ción) en la figura 8-3 que indican una falta de
con mayor frecuencia como culpables de deli interacción. En el eje horizontal hemos mos
tos por negligencia o intencionales dependía trado los dos valores de la variable “suscepti
de si sus rasgos faciales eran infantiles o ma bilidad”. Los puntos señalan las medias ficti
duros. O, dicho de otra manera, que la madu cias de las cuatro condiciones: el punto X 1es
rez de los rasgos faciales se relacionaba con la la media para el_grupo hipnotizado de baja
tasa de fallos emitidos dependiendo de si el susceptibilidad; X 2 es la media para el grupo
delito del que se era acusado era una ofensa no hipnotizado de baja susceptibilidad; X 3 el
por negligencia o intencional. grupo hipnotizado de alta susceptibilidad; y
Respondiendo a la tercera pregunta. Para X 4 el grupo no hipnotizado de alta suscepti
regresar ahora a nuestro experimento de hip bilidad. La línea que conecta los puntos 1 y 3
nosis e ilustrar una posible interacción, asu representa la ejecución de los participantes
ma momentáneamente que existe una interac hipnotizados, la mitad de los cuales tenía alta
ción entre las dos variables, grado de hipnosis susceptibilidad y la otra mitad eran poco sus
(hipnotizado y no hipnotizado) y susceptibili ceptibles. La línea éntre los puntos 2 y 4 re
dad a la hipnosis (alta y baja). La interacción presenta la ejecución de los participantes no
significaría que los resultados (puntajes de hipnotizados. Si estos datos fueran reales,
30 líneas basadas en las medias de esas muestfi

son claramente no paralelas, (es decir, si
diferencia A es confiablemente diferente
•SI la diferencia B), existe una interacción.
N No hipnotizados
‘-c5 20 ------------------------— x 4-| Otra manera de ilustrar el mismo punti
0) es calcular la diferencia entre las medias d|
Q.
CU Diferencia ■Diferencia los grupos. Las medias graficadas en la
*<D(D
/)
A B
0) Hipnotizados ra 8-3 están especificadas en las células de l|t
¿S 10
c tabla 8.5. Hemos computado las diferencial!
Q 3_ necesarias de modo que puede verse que (|
diferencia entre los participantes con baja sus;.
ceptibilidad que fueron hipnotizados y los qt¡||
0 J________________ L no lo fueron es de - 10 .00 y que, para los paF
Baja Alta
Susceptibilidad a la hipnosis
ticipantes de alta susceptibilidad es de -8.fi
Gomo esas diferencias son similares, proba
FIGURA 8-3. Ilustración de una falta de interacción blemente no existe interacción. Puede lleg;
con medias ficticias de la muestra se a la misma conclusión comparando las d]
ferencias en la otra dirección; es decir, coíri'
0.00 y 1.25 son aproximadamente iguales, ni
¿cuáles podríamos decir que fueron los efec existe interacción. Incidentalmente, -10.00 esf
tos de las variables independientes? Prime la diferencia A de la figura 8-3 y -8.75 es 1;
ro, dado que ambas líneas son esencialmente diferencia B. Obviamente, si esas diferencial
horizontales, podría decirse que la variación son aproximadamente iguales las líneas sei
en el nivel de susceptibilidad no afectó al aproximadamente paralelas.
aprendizaje. Segundo, como la línea “no hip En este punto usted puede sentirse
notizados” es superior a la línea “hipnoti cionado porque no ilustramos una interac-f
zados”, puede afirmarse que los sujetos no ción. Esto puede arreglarse fácilmente asiíjt
hipnotizados se comportaron mejor que los miendo por el momento que los datos so®
participantes hipnotizados. Tercero, la diferen como los que se presentan en la tabla 8-6, eftl
cia entre los grupos con baja susceptibilidad ese caso nuestras líneas serían similares a las'
(hipnotizado y no hipnotizado) (diferencia A) de la figura 8-4. ¡i)'
es casi igual a la diferencia entre los grupos Ahora notamos que las líneas no son paráv
—hipnotizado y no hipnotizado—con alta sus lelas; de hecho se cruzan. Por tanto, si se tr$
ceptibilidad (diferencia B). La ejecución de los tara de datos reales haríamos las siguiente!)
participantes hipnotizados y no hipnotizados fue afirmaciones: La ejecución de los participarte
así esencialmente independiente de su grado de tes poco susceptibles que no fueron hipnotP
susceptibilidad. No existe entonces interacción entre zados es superior a la de los participantes pocoV
esas dos variables. Pongámoslo de otra mane Mlib-
ra: Si las líneas dibujadas en la figura 8.3 son
aproximadamente paralelas (es decir, si la di
TABLA 8-5. Ilustración de una falta de
4
ferencia A es aproximadamente igual a la di
interacción con medias ficticias i
ferencia B), es probable que no exista interac _________________ ______________ —23
ción entre las variables.1 Sin embargo, si las Grado de hipnosis
•Hh
Susceptibilidad Hipnotizado No hipnotizada Diferencia^
/;¡li
1 Debemos enfatizar que se trata de valores de mues
tras y no de poblaciones. Así, aunque la afirmación es ver Baja 10 20 - 10 .00,.
■¡w
dadera para valores de la muestra, es verdad para los valo
res de la población. Si las líneas de los valores de la pobla Alta 10 18.75 sM
ción son incluso ligeramente no paralelos, existe una in
teracción. Diferencia 0.00 1.25
TABLA 8-6. Nuevas medias ficticias diseñadas mos en lo que resta del capítulo deberían ayu
para mostrar una interacción darnos a hacerlo más claro. Por ahora note
que las líneas confiablemente no paralelas
Grado de hipnosis
indican una interacción, p e r o n o es n e c e s a r io
Susceptibilidad Hipnotizado No hipnotizado Medias q u e l a s l ín e a s s e in te r s e c te n .
P a r a r e su m ir. S e e s tá e m p l e a n d o u n d i s e ñ o f a c
Baja 69.1 90.0 79.55 t o r i a l c u a n d o s e e s t u d i a n v a lo r e s s e le c c io n a d o s d e
d o s (o m á s ) v a r i a b l e s i n d e p e n d ie n t e s e n t o d a s la s
Alta 91.7 80.0 85.85
Hemos ilustrado el di
c o m b in a c io n e s p o s ib le s .
Medias: 80.40 85.00 82.70 seño factorial usando dos variables indepen
dientes cada una con dos valores. En este caso
los participantes son asignados a las cuatro
condiciones experimentales. E l a n á l i s i s d e los
susceptibles que fueron hipnotizados, pero los d a to s d e l a v a r i a b l e d e p e n d ie n t e p r o p o r c i o n a i n
participantes altamente susceptibles que fue f o r m a c i ó n so b re: ( 1 ) l a i n f l u e n c i a d e c a d a v a r i a
ron hipnotizados tuvieron mejor desempeño b le i n d e p e n d ie n t e s o b r e l a v a r i a b l e d e p e n d ie n te , y
que los participantes altamente susceptibles ( 2 ) l a in te r a c c ió n e n tr e l a s d o s v a r i a b l e s i n d e p e n
no hipnotizados. O, la afirmación lógicamen d ie n te s .
te equivalente: El efecto de la hipnosis dismi
nuye el desempeño de los participantes poco ANÁLISIS ESTADÍSTICO DE
susceptibles pero mejora la ejecución de los LOS DISEÑOS FACTORIALES
participantes altamente susceptibles. Puesto
de otra manera: La diferencia entCc estar y Hemos comparado las medias de cada una de
no estar hipnotizado depende de la suscepti las condiciones experimentales en el experi
bilidad de los participantes, o, igualmente, la mento sobre la hipnosis, y estudiamos tam
diferencia entre el grado de susceptibilidad bién el concepto de interacción, pero sólo
depende de si los participantes están o no hip obtuvimos respuestas tentativas; para obtener
notizados. respuestas más firmes se requiere aplicar prue
Esta discusión debería aclarar el significa bas estadísticas a los datos. Por ejemplo, para
do de in te r a c c ió n . No obstante se trata de un encontrar sí es confiable la diferencia aparen
concepto difícil, y los ejemplos que presenta- temente razonable en las medias de los suje
tos hipnotizados y no hipnotizados debemos
realizar un a n á l i s i s d e v a r i a n z a , cuyos rudimen
tos presentamos en el capítulo 7.
Análisis de varianza para un

diseño factorial 2 X 2
Para repetir lo que dijimos acerca del aná

lisis por computadora, un buen investiga
dor debe comprender lo que realmente hace
un programa estadístico. Para alcanzar esa
comprensión, el investigador debe saber paso
a paso cómo realizar el análisis estadístico.
Aún más, el investigador debe ser capaz de
Baja Alta seleccionar el programa específico de aná
Grado de susceptibilidad lisis estadístico que sea apropiado para el
problema particular que maneja, ya que exis
FIGURA 8-4. Ilustración de una posible interacción ten muchas aplicaciones diferentes del análi
con medias ficticias de las muestras sis de varianza para diferentes estimaciones
del error de varianza. Finalmente, no es raro (8-2) SC entre grupos

encontrar programas de cómputo que le da
rán respuestas erróneas. Por ello seguiremos
= (xx,)2+ (sx2)2+ a x £ + (ixA
paso a paso con nuestro análisis del diseño n\ n2 n3 n¿j
factorial. _ (XX, + XX2 + SX, + XX4)2
El primer paso al conducir un análisis de N
varianza para el diseño factorial es muy pare SC entre grupos
cido al que se usa en el diseño de grupos
múltiples. Deseamos calcular la suma total de . ( - H 4 ) 2 . (9)2 m
cuadrados (SC) y dividirla en los dos compo - T ~ +T
nentes principales, la suma de cuadrados en + _ 926 12
tre grupos y la suma de cuadrados intragrupo
que será nuestro término de error. Regrese
8 8
mos a los datos de la tabla 8-2 que se resumen
en la tabla 8-7.
=3’06112 I
Calculando las sumas de los cuadrados. Para Y, como antes, podemos obtener por su¿-'
calcular la SC total, sustituimos los valores tracción la SC intragrupos como en la ecua
apropiados de la tabla 8-7 en la ecuación 8-1, ción 8-3 ^
que para cuatro grupos (que es siempre el caso 4
de los diseños 2 x 2 ) es: (8-3) Media de cuadrados
intragrupos = SC total - SC entre gru
(8-1) SC total pos i
=8,743.88-3,061.12 = 5,682.76 '
= (Xxf + xx f + Xxf + Xxf) :¡!
_ (XX, + XX2 + x x s + SX 4)2 Esto completa la etapa inicial del análisif

N de varianza para un diseño factorial 2 X 2,
para el cual hemos ilustrado el cálculo de lá'
= (3,148 + 593 + 6,002 + 1,927) SC total y de la SC intragrupo. Como puede
_ ( - 114 + 9 - 186 - 15)2 ver, esta etapa inicial es la misma para cual
32 quier diseño. Pero vayamos ahora más lejos!1
= 8,743.88 La suma de cuadrados entre grupos ndS
dice algo acerca de la forma en que difieren
todos los grupos. Sin embargo, no nos intere
Posteriormente, para calcular la SC entre sa hacer comparaciones simultáneas para los
grupos sustituimos los valores apropiados en cuatro grupos, sino que sólo buscamos res
la ecuación 8 -2 , que para cuatro grupos es puesta para nuestras tres preguntas: es decir.
TABLA 8-7. Resumen de los componentes para el análisis de varianza

(tomados de la tabla 8-2)
Grupo
1 2 3 4
Hipnotizado/baja No hipnotizado/baja Hipnotizado/alta No hipnotizado/alta
susceptibilidad susceptibilidad susceptibilidad susceptibilidad
n: 8 8 8 8
2X: -114 9 -186 -15
SX«: 3,148 593 6,002 1,927
X: -14.25 1.12 -23.25 -1.88
estamos interesados en saber si la variación Haciendo las sustituciones adecuadas en la

de cada • ariable independiente afecta a la va ecuación 8-4 podemos calcular la suma de
riable dependiente y en saber si existe una cuadrados entre las condiciones de hipnosis
interacción significativa. El primer paso es
calcular la suma de cuadrados entre grupos SC entre las condiciones de hipnosis
para cada variable independiente. Usando la
tabla 8-1 como guía, podemos escribir nues = ( - 1 1 4 - 186)2 (9 - 15)2 _ q9fí
tras ecuaciones para calcular las sumas de 8 + 8 8 + 8
cuadrados entre grupos para comparaciones
específicas. = —0;f!.()Q) + ^ - 2,926.12 = 2,701.13
Ib Ib
Los grupos son los etiquetados en las célu
las. Por ende, para determinar si existe una
diferencia significativa entre los dos valores Este valor será utilizado para responder a
de la primera variable (hipnosis), necesitamos la primera pregunta. No obstante, debemos
calcular la suma de cuadrados entre esos dos responder a todas las preguntas de una vez y
valores de la siguiente manera: no por partes, de modo que retenemos la in
formación hasta completar esta etapa de la
(84) SC entre condiciones de la primera investigación. Hemos calculado una suma de
variable independiente cuadrados entre los cuatro grupos (que es de
3,061.12) y puede ser dividida en partes. He
= (XX, + XX3) 2 (XX2 + XX4) 2 mos calculado la primera parte, la suma de
nx + % n2+ n4 cuadrados entre las condiciones de hipnosis
_ (XXI + XX2 + XX3 + XX4) 2 (2,701.13). Hay otras dos partes: la suma de
N cuadrados entre la condición de susceptibili
dad y la que corresponde a la interacción.
Posteriormente calculamos la suma de cua Usamos la ecuación 8-5 para calcular la suma
drados entre las condiciones de la segunda de cuadrados correspondientes a la variable
variable independiente: susceptibilidad
Al sustituir los valores requeridos en la
(8-5) SC entre condiciones de la segunda ecuación 8-5 determinamos que
variable independiente
SC entre las condiciones de susceptibilidad
= (XX, + XX2) 2 (XX3 + XX4) 2
n, + n2 n 3 + n4 ( - 1 1 4 + 9)2 ( - 1 8 6 - 15)2
_ (XX, + XX2 + XXg + XX4)2 8 + 8 8 + 8
N - 2,926.12 = 288.00
En resumen. Conducimos pruebas estadís La suma de cuadrados entre grupos tiene

ticas para determinar si el grado de hipnosis tres partes. Hemos calculado directamente las
(nuestra primera variable independiente) in dos primeras partes, por lo que la diferencia
fluye en la variable dependiente, si la suscep entre la suma de las dos primeras partes y la
tibilidad hipnótica (nuestra segunda varia suma de cuadrados entre grupos debe pro
ble independiente) influye en la variable de porcionarnos la tercera parte, la que corres
pendiente, y si existe una interacción signifi ponde a la interacción.
cativa.
Para determinar el efecto de estar hipnoti (8 -6 ) SC de la interacción = SC entre gru
zado necesitamos probar la diferencia entre pos
las dos condiciones de esa variable (hipnoti — SC entre condiciones de la prime
zado-no hipnotizado) ignorando a la variable ra variable independiente (hip
susceptibilidad. nosis)
— SC entre condiciones de la segun En nuestro ejemplo, N = 32 y r (el númetft

da variable independiente (suscep de grupos) = 4. Por ende tenemos un total
tibilidad) 3 2 - 1 = 31 gi 4 - l = 3g¿ entre grupos, y 32;«
4 = 28 gl para la SC intragrupo o término cp
Recordando que la SC entre grupos fue de error. fjg
3,061.12, que la SC entre las condiciones de La forma en que dividimos la suma de cují
hipnosis fue de 2,701.12, y que la SC entre las drados total y los grados de libertad total®
condiciones de susceptibilidad fue de 288.00, puede repetirse para la suma de cuadrados y
encontramos que la SC para la interacción es los grados de libertad entre grupos. Los
entre grupos son 3. Como analizamos la surryal
SC de la interacción = 3,061.12 - 2,701.13 de cuadrados entre grupos en tres partes!
-288.00 = 71.99 podemos hacer lo mismo para los gl entr§
grupos, un gl para cada parte (cosa que sol#
Esto completa el cálculo de las sumas de puede hacerse en un diseño factorial 2 X 2)1
cuadrados. Los valores deben ser todos posi Tomemos primero la condición de hipnosis;,
tivos. Si sus cálculos arrojaran una SC negati como temporalmente estamos ignorando ]|-
va, revise su trabajo hasta que descubra el variable susceptibilidad, tenemos sólo do||
error. condiciones de hipnosis a considerar o, si 1#
prefiere, dos grupos. De ahí que los gl para
Construcción de una tabla resumen. Que
las condiciones entre hipnosis se basan en r =
dan sólo algunos temas menores a discutir
2. Al sustituir este valor en la ecuación 8-8
antes de terminar el análisis. No obstante, vemos que los gl entre condiciones de hipnosis
antes de continuar resumamos en la tabla 8-8
son de 2 - 1 = 1. Lo anterior se mantiene para
nuestros hallazgos hasta este punto.
la variable susceptibilidad; hay dos valores, por
Determinación de los grados de libertad. tanto r = 2 y los gl para esta fuente de varia:
Para determinar los grados de libertad (gl) ción son de 2 - 1 = 1 . ' «
para esta aplicación del procedimiento de Ahora, para los gl de la interacción, note,
análisis de varianza repetimos la ecuación vis que en la tabla 8-9 la interacción está escritjf
ta en el capítulo 7: como hipnosis X susceptibilidad. Abreviamos
esta notación usando H X S, que se lee cofnf);
(8-7) gl totales =N - 1 “la interacción entre hipnosis y susccptibilj-,
(8 -8 ) gl entre grupos =r - 1 dad”. El signo X puede usarse como un mne,
(o entre condiciones) mónico para recordar cómo calcular los ¿¡7de
(8-9) gl de la media del =N - r la interacción: multiplique el número de gra
cuadrado intragrupos dos de libertad de la primera variable por el
TABLA 8-9. Sumas de Cuadrados y g l para el

TABLA 8-8. Sumas de cuadrados para el diseño diseño factorial 2 x 2
factorial 2 X 2
S u m a s de
S u m a de. F uentes de v a ria ció n cuadrados
F u en te de v a ria c ió n cuadrados
Entre grupos (3,061.12) (3) i;
Entre grupos (3,061.12) Entre condiciones de
Entre condiciones de hipnosis (H) 2,701.13 hipnosis (H) 2,701.13 1 :
Entre condiciones de susceptibili Entre condiciones de sus-
dad (S) 288.00 ceptibilidad (S) 288.00 1
Interacción: hipnosis X suscepti Interacción: hipnosis x :
bilidad (H x S) 71.99 susceptibilidad (H X S) 71.99 1„ d
Intragrupos 5,682.76 intragrupos 5,682.76 28 , s
Total 8,743.88 Total 8,743.88 31M
número de grados de libertad de la segunda tes. En particular, tenemos tres sumas de cua
variable. Como ambas variables tienen un gl, drados “entre condiciones” y un término que
el gl de interacción también es de 1 ; es decir, representa el error experimental (la media del
1 X 1 = 1. Esto cuenta para los tres gl que se cuadrado intragrupo). Los componentes “en
asocian con la suma de cuadrados entre gru tre condiciones” indican el grado en que di
pos.2 Estos hallazgos agregados a la tabla 8-8 fieren las condiciones experimentales. Por
forman la tabla 8-9. ejemplo, un componente “entre” considera
Calculando el cuadrado de las medias. En ble, como el observado para las condiciones
el diseño factorial 2 x 2 hay cuatro medias de de hipnosis, indica que la hipnosis influye en
cuadrados (también conocidas como medias
la variable dependiente. Por tanto, simplemen
cuadráticas) en las que estamos interesados. te necesitamos conducir las pruebas F apro
En éste experimento corresponden a: (1) en piadas para determinar si los diversos com
ponentes “entre” son confiablemente mayo
tre condiciones de hipnosis, (2 ) entre condi
ciones de susceptibilidad, (3) la interacción, y res de lo que se esperaría por azar. La prime
(4) intragrupos. Para calcular la media de los ra F que debemos computar es la que corres
ponde a las dos condiciones de hipnosis.® Para
cuadrados para las fuentes de variación entre
hacerlo, sólo sustituimos los valores apropia
condiciones de hipnosis y entre condiciones
de susceptibilidad, dividimos esas sumas de dos en la ecuación 7-10. Como la media del
cuadrados entre sus gl correspondientes. cuadrado entre las condiciones de hipnosis
es de 2,701.13, y la media del cuadrado intra
media de los grupo (o término de error) es de 202.95, divi
dimos el primer valor entre el último:
cuadrados entre 2,701.13 0 ^
condiciones de ~ j - 2,701.13
2,701.13
hipnosis 13.30
202.95
media de los cuadrados
La F entre las condiciones de susceptibili
entre condiciones de = — = 288.0
susceptibilidad 1
dad a la hipnosis es:
288.00
La media del cuadrado intragrupos se cal = 1.41
202.95
cula de modo similar:
5,682.76 La F para la interacción es:
202.95
28 71.99
0.35
202.95
Esos valores son luego agregados a nuestra
tabla resumida del análisis de varianza, como
ya hemos mostrado. Esos valores han sido incluidos en la tabla
8-1 0 , que
constituye el resumen final de nues-
Computando las pruebas-F. Esto completa
el análisis de varianza para el diseño 2 X 2, al
menos en la forma usual. Hemos analizado la
suma total de cuadrados en sus componen 3 El diseño factorial nos ofrece un buen ejemplo de lo
que señalamos en el capítulo 7 acerca de las comparacio
nes planeadas: es decir, si tenemos preguntas específicas,
no es necesario conducir una prueba F para la fuente de
variación entre grupos. Con este diseño estamos interesa
2 Si esto no le queda claro, recuerde que losgl para las dos exclusivamente en saber si nuestras dos variables inde
SCentre condiciones en un diseño 2 x 2 es siempre igual, pendientes son efectivas y si existe una interacción. Por
como se ve en la tabla 8-9; es decir, los gl y la SC entre ende avanzamos directamente a esas preguntas sin correr
condiciones de cada variable independiente es 1, y para la una prueba/1’global entre los cuatro grupos, aunque pue
interacción, 1. de hacerse fácilmente.
TABLA 8-10. Resumen del análisis de varianza para los puntajes de aprendizaje
Fuente de variación Suma de cuadrados gi Media de los cuadrados F

Entre grupos (3,061.12) (3)
Entre condiciones de hipnosis 2,701.13 1 2,701.13 13.30*
Entre condiciones de susceptibilidad 288.00 1 288.00 1.41
Interacción H x S 71.99 1 71.99 0.35
Intragrupos (error) 5,682.76 28 202.95
Total 8,743.88 31
* P < 0.05.
tro análisis estadístico. Esta es la tabla que notizados (jiH) y de no estar hipnotizado (t<NHj.
usted puede presentar en la sección de resul Simbólicamente esto se expresa comoH h = A nh-
tados de un reporte experimental. 2. No existe diferencia entre las medias de las po
Los valores resumidos en esta tabla pue blaciones para los niveles elevado y bajo de sus
den ser muy útiles para una variedad de pro ceptibilidad a la hipnosis (juRS, /tAS).
pósitos, como lo indican las varianzas para sus 3. No existe interacción entre las medias de las
poblaciones para las dos variables independien
condiciones bajo la columna correspondien tes.14
te al cuadrado de las medias (CM); sin embar
go, la práctica estándar de las revistas ha sido Para determinar la probabilidad asociada
abreviar los hallazgos, a mi juicio excesivamencon cada valor de F, suponga que primero
te. No obstante, la forma de presentar una F hemos establecido un nivel requerido de 0.05
confiable es: para cada prueba F. Necesitamos simplemen
te confrontar ese nivel con la probabilidad
F (1/28) =13.30, P < 0.05 asociada con cada F. Si esa probabilidad es de
0.05 o menos, podemos rechazar la hipótesis
Así, los grados de libertad se presentan den nula correspondiente y concluir que la varia
tro del paréntesis y se indica sí la F es o no ble independiente en cuestión fue efectiva
significativa por el nivel de probabilidad si para producir el resultado .5
guiendo al valor de la F. Regresando a la primera hipótesis nula, la
que corresponde a la variable hipnosis, nues
Las pruebas F y la hipótesis nula tra F obtenida es 13.30. Tenemos sólo un gl
para el numerador y 28 gl para el denomina
Posteriormente asignamos los valores de dor. Se requiere una F de 4.20 a un nivel de
probabilidad a los valores F; es decir, necesi 0.05 con 1 y 28 gl (tabla A-2 del apéndice A).
tamos determinar las probabilidades de que Como nuestra F de 13.30 excede ese valor,
las Fs pudieran deberse al azar. Antes de ob rechazamos la primera hipótesis nula y con
tener los datos siempre planteamos nuestra cluimos que las dos condiciones de hipno
hipótesis nula. En este diseño habíamos plan
teado previamente tres hipótesis nulas de
manera más precisa que el simple “No hay 4 Un planteamiento más preciso de esta hipótesis nula
diferencia entre las medias de las poblacio es: “No existe diferencia en las medias de los cuatro gru
nes de nuestros grupos.” Esas hipótesis nulas pos después de que las medias de las células han sido ajus
son: tadas para efectos de hilera y columna." Sin embargo, pro
bablemente podría comprender esa afirmación sólo des
pués de trabajar más en estadística.
1. No existe diferencia entre las medias de las po 5 Por supuesto, asumimos que se han ejercido los pro
blaciones para las dos condiciones de estar hip cedimientos apropiados de control.
sis llevan a una ejecución confiablemente ción hipnosis es una ilustración gráfica de la
diferente. Dado que la media para la condi efectividad de dicha variable.
ción de hipnosis (-18.75) es inferior a la de la
condición de no hipnosis (-0.38), podemos Un ejemplo más breve
concluir que, bajo las condiciones de este ex
perimento, la hipnosis “tuvo un fuerte efecto La discusión precedente para el análisis es
inhibidor sobre el aprendizaje”. tadístico de un diseño factorial ha sido muy lar
Para probar el efecto de variar la suscepti ga debido a su naturaleza detallada. Pero, con
bilidad hipnótica, notamos que la razón F para este antecedente, ahora podemos presentar
esta fuente de variación es 1.41. Tenemos 1 y otro ejemplo más breve. Este experimento fue
28 gl disponibles para esta prueba. El valor F una investigación sobre el efecto de dos varia
necesario es, como antes, 4.20, y dado que bles independientes en el aprendizaje de con
1.41 no excede a 4.20, concluimos que la varia ceptos, aunque no es preciso que nos intere
ción en la susceptibilidad hipnótica no influ semos en los detalles de dicho estudio. La pri
ye confiablemente en la cantidad aprendida. mera pregunta concernía a la relación entre la
Para estudiar la interacción revise la figu fuerza de una asociación de palabras (AP) so
ra 8-5. Note que las líneas no se desvían de bre una tarea de formación de conceptos. De
ser paralelas en ningún grado que sugiera que manera más específica, la pregunta se refería
no existe interacción confiable entre las va a si variar de baja a alta la fuerza de la asocia
riables. ción de palabras (AP) tenía influencia en la
Para probar la interacción notamos que la rapidez con que se aprende un concepto.
F es 0.85. Esta F está considerablemente por La segunda pregunta concernía a una res
debajo de 1.00. Podemos por tanto concluir puesta de observación (RO). De manera ge
de inmediato que la interacción no es confia neral, la respuesta de observación se manipu
ble. Esto puede también revisarse notando que ló cambiando la localización de un compo
para esta fuente de variación también tene nente estímulo crítico en un campo visual
mos 1 y 28 gl. Sabemos que una F de 4.20 es complejo. De ahí que la respuesta de observa
nuestro criterio a un nivel de 0.05. Es claro ción de los participantes se manipuló cambian
que 0.35 no se aproxima a 4.20 y, por tanto, do o no la localización del estímulo crítico.
no es confiable. La tercera hipótesis nula no La respuesta de observación se varió de dos
es rechazada. Incidentalmente, el hecho de maneras: ( 1 ) el estímulo crítico se mantuvo
que la línea para la condición no-hipnosis sea constante a lo largo del experimento, o (2 ) la
notablemente superior a la línea de la condi localización del estímulo crítico se cambió sis-
FIGURA 8-5. Los datos reales sugieren que no hay

interacción entre la susceptibilidad hipnótica y el
grado de hipnosis
temáticamente. Por consiguiente, la segunda Luego calculamos la SC entre grupos hacieij,

pregunta fue si la variación de la respuesta de do las sustituciones apropiadas en la ecuació(|
observación influía en la rapidez con que se 8-2 . ,,
aprendía un nuevo concepto. La tercera pre •<>3
gunta fue si existía una interacción entre la SC entre grupos ;iy!
variable asociación de palabras y la variable = (387)2 (205)2 (195)2 (77¿ ^
respuesta de observación.
12 12 12 12 :+
En la tabla 8-11 se presenta un diagrama
- (387,+ 205 + 195 4 77)2 = ^
del diseño factorial 2 x 2 , junto con las me
dias del experimento (tomado de la tabla 48
■ín
8-12). Las tres hipótesis nulas que se proba
ron fueron las siguientes: La SC intragrupo es (ver ecuación 8-3)
1. No existe diferencia entre las medias de la po SC intragrupos = 24,528.00 - 4,093.60

blación para las condiciones alta y baja de aso = 20,434.40
ciación de palabras.
2. No existe diferencia entre las medias de la po Posteriormente analizamos la SC entre gru
blación para las condiciones de la respuesta de pos en sus tres componentes: ( 1 ) entre las con
observación. diciones de asociación de palabras, (2 ) entre
3. No existe interacción entre las medias de la po las condiciones de la respuesta de observa
blación para las variables de asociación de pa ción, y (3) la interacción AP x RO. Conside
labras y de la respuesta de observación. rando primero la asociación de palabras, sus
tituimos los valores apropiados en la ecuación
Doce participantes fueron asignados alea 8-4 y encontramos que
toriamente a cada condición. La tabla 8-12 pre
senta, para cada participante, el número de en SC entre las condiciones de asociación de pa
sayos requerido para alcanzar un criterio que labras
demostraba que el concepto fue aprendido.
Nuestro primer paso es calcular la suma = (387 + 195)2 (205 + 77)2
de cuadrados total sustituyendo los valores de 12+12 + 12 + 12
la tabla 8 -1 2 en la ecuación 8 -1 . _ (387 + 205 + 195 + 77)2
48
SC total = 20,599 + 6,367 = 1,875.00
+ 11,709 + 1,405
_ (387 + 205 + 195 + 77)2
48 Para calcular la SC entre las dos condicio
= 24,528.00 nes de la respuesta de observación:
Sustituimos en la ecuación 8-5
SC entre las condiciones de la respuesta de

observación
TABLA 8-11. Un diseño factorial 2 x 2 en que
las dos variables son la fuerza de la asociación de = (387 + 205)2 (195 + 77)2
palabras y la respuesta de observación 12+12 + 12 + 12
Fuerza de la asociación de palabras _ (387 + 205 + 195 + 77)2
Respuesta de
observación Baja Alta 48
= 2,133.34
Cambiada 32.25 17.08
SC para el componente de interacción
Constante 16.25 6.42
= 4,093.60 - 1,875.00 - 2,133.34 = 85.26
r
TABLA 8-12. Número de ensayos para alcanzar el criterio6
Grupo
1 2 3 4
RO cambiada/ RO cambiada/alta RO constante/baja RO constante/alta
baja asociación asociación asociación asociación
23 12 3 33
10 3 1 2
4 32 1 2
10 18 5 1
34 12 75 1
14 10 75 4
15 17 5 5
31 28 2 12
75 59 2 4
75 4 19 10
75 6 5 2
21 4 2 1
IX : 387 205 195 77

2X2: 20,599 6,367 11,709 1,405
X: 32.25 17.08 16.25 6.42
6Tomado de Lachman, Meehan, y Bradley (1965).
Ahora podemos determinar los distintos gl: que tenemos 1 y 44 grados de libertad dispo
nibles. Asumiendo un nivel de prueba de 0.05,
total {N - 1) = 48 - 1 = 47 entramos en la tabla A-2 del apéndice y en
entre grupos ( r - 1) = 4 - 1 = 3 contramos que debemos interpolar entre 40
entre condiciones de AP = 2 - 1 = 1 gl y 60gl. Los valores F son 4.08 y 4.00 respec
entre condiciones de RO = 2 - 1 = 1 tivamente. Consecuentemente, una F con 1 y
interacción: AP X RO = 1 X 1 = 1 44 gl debe exceder a 4.06 para indicar confia
intragrupos (N - r) = 48 - 4 = 44 bilidad. La F para la asociación de palabras
es de 4.04; por lo que no logramos rechazar
Las medias de los cuadrados y las Fs han la primera hipótesis nula y concluimos que la
sido calculados y colocados en la tabla resu variación de la variable de asociación de pala
men (tabla 8-13). bras no afectó confiablemente la rapidez con
que se aprendieron los conceptos.
Interpretación de las Fs. Para probar la F Tenemos el mismo número de gl disponi
para la variable asociación de palabras, note ble para evaluar el efecto de la variable res-
TABLA 8-13. Resumen del análisis de varianza para el experimento de

aprendizaje de conceptos
Fuente de variación Suma de cuadrados gi Media de los cuadrados F
Entre condiciones de AP 1,875.00 1 1,875.00 4.04

Entre condiciones de RO 2,133.34 1 2,133.34 4.59
Interacción: AP X RO 85.26 1 85.26 0.18
Intragrupos 20,434.40 44 464.42
Total 24,528.00 47
puesta de observación , y, en consecuencia, la el valor F para la fuente de variación de inter

Tapara este efecto también debe exceder a 4.06 acción, es decir, esta F está muy por debajo
para ser confiable. Notamos que es de 4.59, y de 1.0 y podemos concluir de inmediato qué
podemos entonces rechazar la segunda hipó no es confiable.
tesis nula. La conclusión empírica es que la
variación de la respuesta de observación in En conclusión. Esto termina nuestros ejem
fluye de manera confiable en la rapidez con plos del análisis estadístico de los diseños
que se forma un concepto. factoriales. Hemos discutido los diseños facto
Podemos estudiar visualmente esos hallaz riales de manera general, pero sólo hemos
gos refiriéndonos a la figura 8 -6 . Primero, ilustrado el análisis para el caso 2 x 2 . En la
observe que los puntos para las condiciones parte final de este capítulo y en el capítulo 1S¡
cambiadas de la respuesta de observación son se ilustran diseños factoriales más complejos,
superiores a las condiciones constantes de discutiéndose su gran importancia para la
dicha respuesta. Como esta variable afectó generalización de los resultados. En el capítu
confiablemente los puntajes de la variable lo 1 2 también elaboramos más sobre el im
dependiente, concluimos que mantener cons pacto de las interacciones en la generalización
tante una respuesta de observación facilitó la de los hallazgos. Para el caso de principios
formación del concepto. del análisis estadístico de diseños factoriales
Segundo, note que los puntos para la con más complejos, debe consultar libros de esta
dición elevada de asociación de palabras son dística avanzada o tomar un curso más avan
inferiores a los observados para la condición zado. Sin embargo, es poco probable que en
baja de esa variable; no obstante, aunque este su trabajo elemental vaya más allá del diseño
decremento se acercó mucho al valor reque 2 x 2. '
rido de F de 4.06, aún así no es confiable.
Finalmente, notamos que las dos líneas son Seleccionando un término de error
aproximadamente paralelas, lo que sugiere
una falta de interacción entre las variables El término de error, el denominador de la
independientes, suposición confirmada por razón F , lia sido la media del cuadrado intra-
grupos. Ese es el término de error que debe
utilizarse cuando los valores de las variable?
independientes han sido seleccionados explí
citamente. En contraste, si dichos valores han
sido elegidos al azar de entre una población
considerable de ellos, la media del cuadrado
intragrupo no es el término de error apropia
do. Como es indudable que en su trabajo ele:
mental usted seleccionará intencionalmente
los valores de sus variables independientes,
no necesitamos ir más lejos por el momento,
Puede estar satisfecho usando la media del
cuadrado intragrupo como término de error.
Sin embargo, en el capítulo 12 desarrollare
mos este tema un poco más. Debe haberle
quedado claro que al usar la media del cua
drado intragrupo está empleando un modelo
determinado y no uno aleatorio, lo que tiene
FIGURA 8-6. Puntos de datos para el experimento significado para el proceso de generalización;
de formación de conceptos. Como las líneas son Comprender cuál es el término de error
aproximadamente paralelas, probablemente no existe apropiado constituye otra razón para enten
interacción der el procedimiento de análisis de varianza
en lugar de confiar ciegamente en un pro lificaron de la siguiente manera obteniendo

grama de computadora que alguien más le el primer grupo la mayoría de los papeles
entrega. protagónicos: ( 1 ) hombres guapos y poco in
teligentes, (2 ) hombres feos y muy inteligen
LAIMPORTANCIA DE LAS tes, (3) hombres guapos y muy inteligentes, y
INTERACCIONES (4) hombres feos y poco inteligentes.
Si esos fueran los hallazgos obtenidos, la
Una meta de la psicología es llegar a plantear simple afirmación “él es guapo, no tendrá
aseveraciones acerca de la conducta de los problema para obtener papeles estelares en
organismos que puedan utilizarse para expli las películas” sería inexacta. La apariencia no
car, predecir y controlar la conducta. Para lo es todo, la inteligencia también importa. No
grar esos propósitos procuramos que nues podemos decir que los hombres guapos tie
tras afirmaciones sean tan simples como sea nen mayor probabilidad de ganar papeles es
posible. Sin embargo, la conducta puede ser telares más de lo que podemos afirmarlo para
cualquier cosa menos sencilla, y sería sorpren los hombres poco inteligentes. La única afir
dente que nuestras afirmaciones acerca de ella mación correcta es que la apariencia y la inte
pudieran serlo. Es más razonable esperar que ligencia interactúan. Como se observa en la
deban hacerse afirmaciones complejas acerca figura 8-7 los hombres guapos y poco inteli
de eventos complejos. Quienes hablan de la gentes fueron elegidos con mayor frecuencia
conducta en términos simples probablemen que los hombres no atractivos con poca inte
te estén equivocados, lo que se ilustra en las ligencia, aunque los hombres feos y muy in
discusiones de “sentido común” acerca de la teligentes obtuvieron papeles protagónicos
conducta. A menudo la gente dice cosas como con mayor frecuencia que los hombres atrac
“ella es lista, le irá bien en la universidad” o tivos e inteligentes.
“él es guapo, llegará lejos en el cine”. Sin em Cuando hablamos de interacciones entre
bargo, tales asuntos no son tan sencillos; exis dos variables apenas hemos comenzado a ha
ten otras variables además de la inteligencia cer afirmaciones precisas. También ocurren
que influyen en el éxito académico, y otras interacciones de orden superior —interaccio
variables además de la apariencia que influ nes entre tres, cuatro o cualquier número de
yen en el éxito en una carrera artística. Más variables. Para ilustrar eso, no interactúan sólo
aún, tales variables no siempre actúan sobre la apariencia y la inteligencia, sino también
toda la gente de la misma manera. Más bien variables como la motivación, las hablilidades
interactúan de tal manera que la gente con cier sociales, etc. De ahí que para tener una com
tas características se comporta de una mane prensión realmente adecuada de la conducta
ra, pero otras personas que además de esas necesitamos determinar el enorme número
características tienen otras, se comportan de de interacciones que indudablemente ocu
manera distinta. Vamos a especular un poco rren. En el análisis final, si éste ocurriera en
para ilustrar la forma en que esas dos varia psicología, probablemente llegaríamos a dos
bles pueden influir en el éxito de unjoven en clases generales de afirmaciones sobre la con
una carrera cinematográfica. Considere dos ducta: las que nos hablan de la forma en que
valores de cada variable: atractivo y fealdad, todos nos comportamos (las formas en que la
inteligencia elevada y baja. Podemos enton gente es similar), sin excepciones reales, y las
ces obtener los datos en una muestra de cua afirmaciones que nos informan sobre la for
tro grupos: hombres atractivos con alta inteli ma en que la gente difiere. Esta última proba
gencia, hombres feos con alta inteligencia, blemente incluirá afirmaciones acerca de in
hombres atractivos con poca inteligencia, y teracciones que expliquen por qué en presen
hombres feos y poco inteligentes. Suponga que cia de los mismos estímulos la gente con cier
nuestra variable dependiente es la frecuencia tas características actúa de manera diferente
con que los hombres de esos cuatro grupos a como lo hace la gente que tiene característi
estelarizaron películas y encontramos que ca cas distintas. Las afirmaciones que describen
•ÍS*
180 Diseño experimental: el diseño factorial ■»
■'mv
Á
: 1
'.t
V ii'
FIGURA 8-7. Una posible interacción entre

apariencia e inteligencia
la variación en la conducta de la gente proba la medida en que fuera propositivamente'

blemente se apoyarán en la determinación manipulada junto con la variable independien
precisa de las interacciones. Si llegáramos a te original, podría determinarse la naturale
contar con una determinación completa de za de la interacción. De esta manera, no soló
las interacciones posibles, seríamos capaces podrían entenderse los resultados aparente
de comprender la conducta de lo que se ha mente contradictorios, sino que se avanzaría
llamado personalidad “única”. en el conocimiento.
Esta situación no necesita limitarse al caso-'
INTERACCIONES, VARIABLES EXTRAÑAS en que no se controla una variable extraña.
Y RESULTADOS CONFLICTIVOS Por ejemplo, el primer experimentador pue
de haber controlado la variable extraña en
Regresemos ahora al capítulo 2 en que discu cierto valor mientras que el segundo experi
timos las formas en que podíamos percatarnos mentador puede haberla controlado pero en
de la existencia de un problema. Una forma un valor distinto. Podría obtenerse el mismo
consiste en estar al tanto de los hallazgos con resultado que se encuentra cuando la varia
tradictorios en una serie de experimentos. ble queda sin control: hallazgos contradicto
Considere dos experimentos sobre el mismo rios en ambos experimentos. Para ilustrar ese
problema, con el mismo diseño pero con re caso regresemos a dos experimentos previa
sultados contradictorios ¿A qué podría deber mente discutidos sobre supresión de lengua
se? Una razón podría ser que en alguno de je (págs. 19-20). En el primer experimento la
los experimentos no se hubiera controlado estimulación verbal previa producía un efec
cierta variable, de ahí que pudiera tener un to de supresión verbal en el grupo experimen
valor en el primer experimento y uno distin tal pero no en el grupo de control. La varia
to en el segundo. Si esa variable extraña in ble extraña relevante fue la localización del
teractúa con la variable(s) independiente(s), experimentador, que en este estudio no po
eso explicaría la discrepancia en los resulta día ser visto por los estudiantes participantes. •
dos. Entonces podría conducirse un nuevo Sin embargo, en la repetición del experimen
experimento en el que la variable extraña se to los estudiantes podían ver al experimenta
convirtiera en una variable independiente. En dor, con el resultado de que no había efecto
de supresión para el grupo experimental en

comparación con el grupo de control. La so
lución ideal para este problema, dijimos, con
sistía en conducir un nuevo experimento uti
lizando un diseño factorial que incorporara
la localización del experimentador como se
gunda variable. De modo que, como se mues
tra en la tabla 8-14, la primera variable es la
original (estimulación verbal previa), que se
hizo variar de dos maneras usando un grupo
experimental y uno control. La segunda va
riable —la localización del experimentador-
tuvo dos valores: podía o no ser visto por el
estudiante.
En resumen, repetimos el experimento ori
ginal bajos dos condiciones de la variable ex
traña. En la figura 8-8 se ofrece una ilustra
ción gráfica de los resultados esperados. Po
demos ver que el grupo experimental exhibe FIGURA 8-8. Ilustración de una interacción entre la
un efecto de supresión mayor que el grupo variable independiente y la ubicación del experimenta
control cuando el estudiante puede ver al ex dor. Cuando la localización del experimentador se
perimentador. Pero cuando no puede verlo, manipuló sistemáticamente, se hizo evidente la razón
no hay diferencia confiable entre los grupos. de los resultados conflictivos de dos experimentos
Existe entonces una interacción entre la loca
lización del experimentador y la variable de
estimulación verbal previa. Lo que inicialmen
te se consideró como contradicción se resol VALOR DEL DISEÑO FACTORIAL
vió aislando una interacción entre la variable
independiente original y una variable extra Por años el diseño de dos grupos fue están
ña. El problema pudo solucionarse recurrien dar en la investigación psicológica. Sin em
do a un diseño factorial. bargo, estadísticos e investigadores estaban
Es indudable que esas consideraciones son desarrollando otros tipos de diseños en cam
pertinentes para una amplia variedad de ha pos como la agricultura y la genética. Uno de
llazgos experimentales, ya que en la psicolo ellos fue el diseño factorial, que, incidental
gía las contradicciones abundan. A menudo mente, surgió con el desarrollo del análisis
esos problemas pueden ser resueltos con apli de varianza. Lentamente, los psicólogos em
caciones sagaces del diseño factorial. pezaron a probar esos diseños en sus propios
TABLA 8-14. Un diseño para investigar sistemáticamente el

efecto de una variable extraña
Estimulación verbal previa

Ubicación del Ninguna Alguna (grupo
experimentador (grupo control) experimental)
No p o d ía s e r v isto
Podía se r v is to
problemas, algunos de los cuales se encontra ma variable dependiente? Si investigamos esdjr

ron inapropiados. No obstante, el diseño fac dos problemas usando un diseño de dos gr¿
torial ha tenido éxito, y el alcance de su éxito pos, obtendríamos dos valores para cada v¿
sigue extendiéndose, encontrando incluso riable; es decir, K variaría de dos maneras (£y
aplicaciones en la investigación sobre la psi y Kf) y algo similar pasaría con L (Lxy L2). $¡
coterapia. Aunque cada tipo de diseño que tuviésemos 60 participantes para cada experi
hemos considerado es apropiado para condi mento, el diseño para el primer problema po?
ciones particulares, y aunque no podemos dría ser , ,¡
decir que cierto diseño deba usarse siempre
que sea factible, el diseño factorial suele ser Experimento 1 y
superior a los otros diseños discutidos. Este
asunto fue abordado por el eminente pione Grupo Ki Grupo K.¿
ro Sir Ronald Fisher de la siguiente manera: 30 participantes 30 participantes h
Usualinente no sabemos si algún factor ejercerá Y, de manera similar para el segundo proble
sus efectos independientemente de todos los otros ma na
factores que pueden ser variados, o si sus efectos ■i !
están relacionados con variaciones en esos otros Experimento 2 . .‘i.’)
factores. Por el contrario, cuando se eligen los fac

Grupo L x Grupo L<¿
tores a investigar, no es porque anticipemos que 1 i ii1
las leyes de la naturaleza puedan ser expresadas 30 participantes 30 participantes u
con cualquier simplicidad particular en términos
de dichas variables, sino porque son variables que Con un total de 120 participantes podemos
pueden ser controladas o medidas con compara evaluar el efecto de las dos variables indepen
tiva facilidad. Si, bajo esas circunstancias, el investi dientes. Pero si las miramos en dos experi
gador restringe su atención a cualquier factor único, mentos separados no podemos decir si existe
podemos inferir que es la víctima desafortunada de una una interacción entre K y L.
teoría doctrinaria sobre la forma en que debería proce Pero ¿qué pasaría si usáramos un diseño
der la experimentación, o cuya disposición de tiempo, factorial para resolver nuestras dudas?. Supon
material y equipo es demasiada limitada para permitir ga que seguimos con 30 participantes en cada
le atender a más de un aspecto restringido de su proble condición, en ese caso el factorial sería como
ma.... En realidad, en una amplia variedad de ca el ilustrado en la tabla 8-15 —cuatro grupos
sos una investigación experimental, al tiempo que con 15 participantes por grupo. Pero para
se hace más integrativa también puede ser más comparar las dos condiciones de K tendría
eficiente, si por eficiencia entendemos que es po mos 30 participantes para la condición K\ y
sible obtener mayor conocimiento con un alto
grado de precisión y con el mismo número de
observaciones (Fisher, 1953, páginas 91-92; las TABLA 8-15. Un diseño factorial 2 X 2 que
itálicas son nuestras). incorpora 2 experimentos de dos grupos (se
muestran los números de participantes por célula,
Siguiendo con el tema de la eficiencia, note las condiciones, y el número total de
primero que la cantidad de información ob participantes)
tenida de un diseño factorial es considerable
mente mayor que la que se obtiene con otros K
diseños, en relación al número de participan K, K?
tes empleados. Por ejemplo, digamos que te 15 15 30
¿i
nemos dos problemas: (1) ¿Afecta la variación
de la variable independiente K a una varia ¿2 15 15 30
ble dependiente dada? y (2) ¿Afecta la varia
ción de la variable independiente L a la mis 30 30 60
30 participantes para la condición K2, igual pendientes, cada una de las cuales varía de
que en el experimento 1. Y lo mismo sucede dos maneras. El número de números en la eti
con el segundo experimento: tenemos 30 par queta indica con cuántas variables indepen
ticipantes para cada condición de L. De modo dientes se trabaja en el experimento. El valor
que con el diseño factorial 2 x 2 hemos con (tamaño) de esos números indica de cuántas
seguido lo mismo que con los dos experimen maneras varían las variables independientes.
tos separados con dos grupos. Con esos expe Como el diseño 2 x 2 tiene dos números (2 y
rimentos requeríamos 12 0 participantes para 2 ), podemos decir de inmediato que hay dos
poder tener 30 sujetos en cada condición, pero variables independientes; como los valores de
con el diseño factorial sólo necesitamos 60 ambas también son 2 , sabemos que cada va
participantes para tener el mismo número de riable independiente varía de dos maneras.
sujetos por cada condición. El diseño facto Del “2 x 2” también podemos decir cuántas
rial es mucho mas eficiente porque usamos a condiciones experimentales (células) existen:
nuestros participantes de manera simultánea 2 multiplicado por 2 es igual a 4.
para probar ambas variables independientes;
además, podemos evaluar la interacción en El diseño factorial 3 x 2 . En este diseño se
estudian dos variables independientes, una de
tre K y L, algo que no era posible con los 2
experimentos de dos grupos. Aunque podría las cuales varía en tres maneras mientras que
mos considerar la información sobre la inter la segunda asume dos valores. Como se mues
tra en la tabla 8-16, la verbalización varía de
acción como una simple “ganancia adicional”,
debemos notar que algunas hipótesis pueden tres maneras (ninguna, poca, mucha) y la can
tidad de información proporcionada varía en
ser específicamente construidas para probar
las interacciones. De modo que puede ser que dos formas (mucha y poca). Los detalles de
el experimentador esté principalmente inte esos experimentos no nos interesan ahora
resado en la interacción, en cuyo caso la otra porque simplemente estamos ilustrando la
información puede ser considerada como “el naturaleza de los diseños extendidos.
bono adicional”. Pero, independientemente El diseño factorial 3 x 3 . Para investigar
de cual sea el caso, es evidente que el diseño dos variables independientes, cada una de las
factorial produce considerablemente más in cuales toma tres valores, asignamos a los par
formación que el diseño de dos grupos sepa ticipantes a nueve condiciones experimenta
rados y con costos considerablemente meno les. Como en la tabla 8-17, las dos variables
res para el experimentador. En capítulos pos independientes (intensidad y duración del
teriores de este libro se presentarán otras ven castigo) varían en tres formas (pequeña, mo
tajas del diseño factorial, mismas que puede derada y grande).
ver en cursos más avanzados.
El diseño factorial K x L. En el diseño fac
TIPOS DE DISEÑOS FACTORIALES
torial generalizado para dos variables inde
pendientes, K representa a la primera varia
Vamos a concluir este capítulo considerando ble independiente y L denota a la segunda
variable independiente. K y L pueden asumir
algunas perspectivas de lo que puede reque
rir en su trabajo futuro. Para ello menciona
remos muy brevemente diseños factoriales con
TABLA 8-16. Un diseño factorial 3 x 2
dos y tres variables independientes presenta
das de distintas maneras. Cantidad de Cantidad de verbalización
información Ninguna Poca Grande
Diseños factoriales con dos variables
independientes
Pequeña
El diseño factorial 2 X 2. En este diseño Grande
estudiamos los efectos de dos variables inde
184 D ise ñ o e x p e rim e n ta l: e l d ise ñ o fa c to r ia l
TABLA 8-17. ilustración de un diseño factorial tro células a la izquierda la probabilidad del
3X 3 estímulo es de 1.0. De igual manera, páralos
que fueron asignados a las últimas cuatro cé
D u ra ció n del
Intensidad del castigo lulas a la derecha, P = 0.5. La segunda varia-:
castigo Leve M oderada In te n sa ble independiente —escenario de los participar)?}
tes— podía ser constante o cambiante. Noté
Pequeña también que la mitad de los participantes es
lavo en la condición constante y la otra mitad
Moderada
en la condición cambiante. Finalmente, para
Grande el tercer tipo de variable independiente —el
tipo de respuesta—a la mitad de los sujetos se le:
permitió responder libremente mientras que
la otra mitad fue forzada a responder de una
cualquier valor. Si la primera variable inde manera particular. i
pendiente varía de cuatro maneras y la otra
El diseño factorial K X L X M. En el caso
de dos, tendríamos un diseño 4 x 2. Si la pri
mera variable toma seis valores y la segunda general de un diseño factorial con tres varia
dos, tendríamos un diseño 6 x 2. Si asumie bles independientes, K,LyM pueden asumir
cualquier valor positivo entero que el experi
ran respectivamente cinco y tres valores, el
diseño sería de 5 x 3, y así sucesivamente. mentador desee. Por ejemplo, si cada varia
ble independiente asume tres valores, tendre
mos un diseño 3 x 3 x 3. Si una variable in
Diseños factoriales con más de dos
dependiente (K) toma dos valores, la segunda
variables independientes
(L) toma 3 y la tercera (M) asume cuatro, re
El diseño factorial 2 X 2 X 2. En principio, sulta un diseño 2 x 3 x 4. En la tabla 8-19 se
diagrama un diseño 5 x 3 x 3 en que la varia
el número de variables que pueden estudiar
ble independiente (K) cambia de cinco for
se es ilimitado. En este caso, el factorial más
mas, y la segunda y la tercera variables inde
simple para estudiar tres variables indepen
dientes cambia en dos maneras, por lo que pendientes (L y M) asumen cada una tres va
lores: es decir, existen tres niveles de L bajo la
tenemos ocho condiciones experimentales.
condición M1; los mismos tres valores bajo
Como una ilustración del diseño factorial 2
, y lo mismo para el tercer valor de la variable
x 2 x 2 , considere la tabla 8-18, en que la
probabilidad del estímulo cambia de P = 1.0 con independiente M.
tra P = 0.5. Note que en cada condición parti
cipa la mitad de los sujetos; por ejemplo, para RESUMEN DEL CAPÍTULO
todos los sujetos incluidos en las primeras cua- I. El diseño factorial (aquel en que se emplean
todas las combinaciones posibles de los való-
res seleccionados de cada variable indepen
TABLA 8-18. Ilustración de un diseño factorial diente) suele ser el diseño más eficiente y val
2x2x2 lioso en la investigación psicológica porqué:
A. Permite estudiar simultáneamente dos o
Probabilidad del estímulo más variables independientes.
1.0 0.5 B. Pueden evaluarse las posibles interaccio
E scenario del E scenario del nes entre las variables independientes,
T ipo de p a rtic ip a n te p a rtic ip a n te existe una interacción cuando el valor de
respuesta C onstante C a m b ia n te C on sta n te C am biante la variable dependiente que resulta de una
variable independiente es influenciado por
Forzada la(s) otra(s) variable(s) independiente(s).
C. El uso de los participantes es eficiente, ya
Libre que puede utilizárseles para responder a
las tres preguntas.
D iseñ o e xp e rim e n ta l: e l d ise ñ o fa c t o r i a l 185
TABLA 8-19. Ilustración de un diseño factorial K X L x M en que K = 5, L = 3, y M = 3
II. Para los análisis estadísticos de ios diseños B. Pueden usarse para explorar las causas de '
factoriales se emplean el análisis de varianza y resultados conflictivos en experimentos
la prueba F: la varianza total se divide en sus previos, manipulando sistemáticamente
componentes entre e intragrupos. En un dise una variable extraña previa que asumía va
ño 2 x 2 la varianza entre grupos se divide en: lores diferentes en los dos experimentos
A. La varianza entre las condiciones de la pri en conflicto.
mera variable independiente. IV. Tipos de diseños factoriales.
B. La varianza entre las condiciones de la se A. El diseño K X L indica que existen dos
gunda variable independiente. variables independientes. En un diseño 2
C. La que corresponde a la interacción entre x 3 la primera variable toma dos valores y
las dos variables independientes. la segunda tres.
Posteriormente se realizan tres pruebas B. Los diseños factoriales con tres variables
F dividiendo las fuentes de variación en independientes pueden simbolizarse como
tre grupos entre la variación intragrupos K X L x M, donde los valores de K, L y M
(el término de error) para determinar la indican el número de formas en que se
confiabilidad estadística. hace variar cada variable independiente,
Las medias de los cuadrados intragrupos por ejemplo, 5 X 4 X 4.
constituyen el término de error apropia V. En la siguiente sección se resumen los proce
do para los modelos determinados, en que dimientos específicos para conducir un análi
los valores de las variables independientes sis de varianza y una prueba F.
han sido seleccionados por una razón es
pecífica. RESUMEN DE UN ANÁLISIS DE VARIANZA
III. Las interacciones, que sólo pueden estudiar
Y DEL CÁLCULO DE UNA PRUEBA F PARA
se por medio de los diseños factoriales, son
de gran relevancia para la psicología porque: UN DISEÑO FACTORIAL 2 X 2
A. Nos ayudan a entender la conducta com
pleja, ya que el comportamiento no está Para revisar la exactitud de cualquier programa
determinado de modo simple por una va de cómputo que pudiera utilizar, asuma que se
riable independiente, sino más bien por han obtenido los siguientes valores de la variable
un complejo de estímulos que interactúan dependiente por medio de un diseño factorial
de manera intrincada. 2 X 2.
Condición A 4. La SC intragrupos se determina por sustrac

Ai • Ai ción, en la ecuación 8-3
2 3
SC total - SC global entre grupos = SC intragrupos
3 4
4 5 238.68 - 67.25 = 171.43
4 7
5 9 5. Ahora trataremos de analizar la SC global en
6 10
tre grupos en sus componentes, es decir, la SC
7 13
entre condiciones de A, la SC entre condicio
Condición B
5 4 nes de B, y la SC de la interacción A X B. La SC
6 6 entre condiciones de A puede calcularse usan
7 7 do la ecuación 8-4
8 9
8 10 SC entre las condiciones de A
8 11 = (XX, + EX,)2
8 14
n, + n 3
+ (EX,; + XX4)2
1. El primer paso es calcular para cada condición n 2 + n4
EX, EX2, y «. Para nuestro ejemplo se han cal _ (EX, + EX2 + XX, + XX4)2
culado los valores:
N
Condición A = (31 + 50)2 (51 + 61)2
Ai A2 7 + 7 7 + 7
2X = 51
_ (31 + 51 + 50 + 61)2 = M 3„
28
E X = 31
B\ X X ■= 155 XX2 = 449
n=7 n= 7
Condición B La SC entre condiciones de B puede calcularse
r x = so X X = 61 usando la eóuación 8-5
B2 X X = 366 XX2 = 599
n=7 n=7 SC entre las condiciones de B
= (EX, + XX2)2 + (EX, + EX4)2
n¡ + n¡ n3 + n4
2. Usando la ecuación 8-1 calculamos la SC total _ (EX, + SX2 + EX3 + XX4)2
N
SC total = (XXj + EX| + EXl + XXj) = (31 + 51)2(50 + 61)2
_ (EX, + SX2 + XX, + SX4)2 7 + 7 7+ 7
N _ (31 + 51 + 50 + 611 =3Q Q4
= (155 + 449 + 336 + 599) 28
- ( 3 1 + ^ 0 + 61)* _ 238.68 La suma de cuadrados para el componente de
interacción (A X B) se calcula por sustracción
3. La SC global entre grupos se calcula sustitu usando la ecuación 8-6:
yendo en la ecuación 8-2:
(8-6) A X B = SC global entre grupos - SC
SC entre grupos entre condiciones de A - SC entre
condiciones de B
= (tx £ + + ( E x ^ + (Ex 4)2
67.25 - 34.32 - 30.04 = 2.89
ri\ n<¿ n3 w4
_ (EX, + SX2 + EX:i + EX4)2
6. Calcule los diversos grados de libertad. En par
N ticular, determine los gl para la fuente total de
_ (31)2 (51)2 (50)2 (61)2 varianza por medio de la ecuación 8-7, para la
7 7 7 7 fuente de variación global entre grupos por
_ (31 + 51 + 50 + 61)2 = g7 25 medio de la ecuación 8-8, y la fuente de varian
za intragrupo siguiendo la ecuación 8-9. Al
hacerlo, asigne los grados de libertad al com al número de grados de libertad para el nume
ponente correspondiente, es decir, entre con rador y la hilera para el número de grados de
diciones de A, entre condiciones de B, y la inte libertad asociados con el denominador. En
racción A X B. nuestro ejemplo son 1 y 24 respectivamente.
La F de 4.81 para las condiciones de A sería
totales = N - 1 confiable más allá del nivel de 0.05, y en conse
= 28 - 1 = 27 cuencia, podríamos rechazar la hipótesis nula
para esta condición. Sin embargo, las Fs corres
gl global entre grupos =r - 1 pondientes a las condiciones de B (4.21) y a la
=4-1=3 interacción (0.40) no son confiables al nivel de
gl intragrupos = N - r 0.05; de ahí que no podamos rechazar la hipó
= 28 - 4 = 24 tesis nula para esas dos fuentes de variación.
Los componentes de los gl global entre grupos REVISIÓN CRÍTICA PARA EL ESTUDIANTE
son
gl entre condiciones = r - 1 Al haber concluido este capítulo usted debe

entre condiciones d e A = 2 - l - l ser capaz de:
entre condiciones d eB = 2 - 1 = 1
1. Definir los siguientes términos y conceptos im
gl de la interacción A X B = (número de gl portantes:
para las condiciones de A) X (número de Interacción
gl para las condiciones de B) = 1 X 1 = 1 Diseño factorial
Valores de los datos para una muestra (esta
7. Calcule las medias de los cuadrados. Esto se dísticos) contra los valores para una po
logra dividiendo las diversas sumas de cuadra blación (parámetros)
dos entre sus grados de libertad correspondien Término de error para un análisis de varian
tes. Esas operaciones, y los resultados de las za.
operaciones precedentes, se resumen de la si 2. Especificar diferentes tipos de diseños factoria
guiente manera: les y los nombres que reciben.
3. Evaluar el valor de los diseños factoriales en
relación a otros diseños experimentales
Fuente de Suma de Media de los 4. Resolver los siguientes problemas
variación cuadrados gl cuadrados F A. Un experimentador desea evaluar el efecto
de una nueva droga sobre la “curación” de
Entre condiciones tendencias psicóticas. Se estudian dos va
de A 34,32 1 34.32 4.81 riables independientes —la cantidad admi
Entre condiciones
nistrada del fármaco y el tipo de condición
de B 30.04 1 30.04 4.21
A XB 2.89 1 2.89 0.40
psicòtica. La cantidad administrada de la
Intragrupos 171.43 24 droga se varía de dos maneras —0 cc y 2 cc.
El tipo de condición psicòtica también toma
Total 238.68 27
dos valores —esquizofrénico y maniaco-de
presivo. Diagrame el diseño factorial utili
zado.
8, Calcule una 7’para cada fuente de variación “en B. En el experimento anterior el psicólogo uti
tre” condiciones. En un diseño factorial 2 X 2 lizó una medida de normalidad como varia
deben correrse tres pruebas F. La F se compu ble dependiente. Esta medida fluctúa entre
ta dividiendo la media de cuadrado en cues 0 y 10, en que 10 corresponde a muy nor
tión entre la media del cuadrado intragrupos mal y 0 a muy anormal. Se asignaron siete
(asumiendo que se trata de variables determi participantes a cada célula. En la siguiente
nadas). Dichas Fs han sido calculadas e ingre tabla se presentan los puntajes resultantes
sadas en la tabla precedente. para los cuatro grupos. Realice el análisis
9. Vaya a la tabla A-2 del apéndice A para deter estadístico apropiado y llegue a una conclu
minar la probabilidad asociada con cada/7. Para sión acerca del efecto de cada variable y su
hacerlo encuentre la columna correspondiente interacción.
Condición psicòtica tados son los siguientes (10 participantes por

célula) ¿A qué conclusiones puede llegar el
Esquizofrénicos Maniaco-Depresivos experimentador?
Recibieron el No recibieron Recibieron el No recibieron
fármaco elfármaco fármaco elfármaco
Old Zincs Counts
6 2 5 1 Confiltro Sinfiltro Confiltro Sin filtro
6 3 6 I
6 3 6 2 7 7
2 2
7 4 7 3 7 2 3 7
8 4 8 4 8 3 7
3
8 5 8 5 8 3 3 8
9 6 9 6 9 9
3 3
9 4 4 9
10 4 4 10
C. ¿Cómo debería diagramarse el diseño pre 10 5 5 10
cedente si el experimentador hubiese varia 11 5 5 11
do la cantidad del fármaco en tres maneras 11 5 6 11
(0 cc, 2 cc, y 4 cc) y el tipo de tendencia
psicótica también de tres formas (esquizo
frénica, maniaco-depresivo y paranoide)? G. Se realiza un experimento para investigar
D. ¿Cuál debería ser el diagrama si el experi el efecto del opio y la marihuana sobre la
mentador hubiera manipulado la cantidad actividad alucinatoria. Ambas variables in
del fármaco de cuatro maneras (0 cc, 2 cc, 4 dependientes se manipularon de dos mane
cc, y 6 cc) y el tipo de participante también ras. Se asignaron siete participantes a cada
de cuatro maneras (normal, esquizofrénico, célula, y se escaló el monto de actividad alu
maniaco-depresivo y paranoide)? cinatoria de modo que un número elevado
E. Una compañía cigarrera está interesada en indicaba alucinación considerable. Asumien
el efecto de varias condiciones de tabaquis do que se han establecido los controles ade
mo sobre la estabilidad. La compañía ma cuados y que se estableció un criterio de
nufactura dos marcas: Oíd Zincs y Counts, 0.05, ¿a qué conclusiones podría llegarse?
además, cada marca puede adquirirse con o
sin filtro. Un psicólogo conduce un experi
mento en que se estudian dos variables Fumaron opio No fumaron opio
independientes. La primera es la marca, Fumaron Nojumaron Fumaron Nofumaron
que se varía de dos maneras (Oíd Zincs y marihuana marihuana marihuana marihuana
Counts), y la segunda es el filtro que tam
bién varía de dos formas (con y sin filtro). 7 5 6 3
Se utilizó una prueba estándar de estabili 7 5 5 2
dad como variable dependiente. Diagrame 7 4 5 2
el diseño factorial resultante. 6 4 4 1
6 3 4 1
F. En el experimento anterior, entre mayor fue 5 3 4 0
se el puntaje de la variable dependiente, ma 4 3 3 0
yor era la estabilidad. Asuma que los resul
capítulo 9
CORRELACIONES Y DISEÑOS
EXPERIMENTALES

Comprender el concepto de correlación y la La habilidad para conducir investigación co
forma en que es utilizado en la investigación rrelaciona! y experimentos utilizando un dise
experimental y no experimental. ño de dos grupos igualados y diseños de trata
Lo que usted encontrará: mientos repetidos para grupos.
1. Métodos estadísticos para determinar el grado en que
dos variables están correlacionadas y la forma de in
terpretar esas correlaciones,
2. El diseño experimental de dos grupos igualados.
3. Diseños experimentales para grupos con tratamien
tos repetidos.
INVESTIGACIÓN CORRELACIONAL diseño de dos grupos igualados y en los di

seños para grupos con tratamientos múlti
Éste es un tipo especial de investigación no ples.
experimental. Recuerde que al utilizar méto
dos no experimentales no se manipulan pro El significado de correlación
positivamente las variables independientes.
Después de discutir la investigación correla- Una correlación es la afirmación de una
cional consideraremos la forma en que el con posible relación entre dos (o más) variables, y
cepto de correlación está involucrado en el se ejemplifica diciendo que dichas variables
189
190 Correlaciones y diseños experimentales
están correlacionadas. Cualesquier variables do en que dos variables se relacionan lineal-

que se midan en un individuo pueden ser es mente. El valor que r puede asumir fluctúa
tudiadas para ver si están correlacionadas. Por entre + 1.0 y - 1.0. Un valor de + 1.0 indica
ejemplo, podemos intentar correlacionar in una correlación positiva perfecta, y - 1.0 in
teligencia y estatura midiendo primero la dica una correlación negativa perfecta. Para
inteligencia y la estatura de una persona y lue ilustrar lo anterior, suponga que se han admi
go evaluar el grado de relación entre inteli nistrado dos diferentes pruebas de inteligen
gencia y estatura calculando un coeficiente cia a un grupo de personas. Supuestamente
de correlación. Obviamente ambas medidas las dos pruebas miden la misma cosa, por lo
se toman en cada individuo estudiado, pues que los puntajes deberían estar altamente
sería poco fructífero correlacionar la inteli correlacionados, como en la tabla 9-1.
gencia de un grupo de gente con la estatura El individuo que recibió el puntaje más alto
de un grupo distinto. Seguramente la corre en la prueba A también recibió el mayor
lación encontrada sería de cero porque las dos puntaje en la prueba B y así sucesivamente
variables son totalmente independientes. hasta el final de la lista en que el sexto indivi
En la investigación psicológica, es frecuen duo recibió el menor puntaje en ambas prue
te calcular correlaciones entre dos variables bas. Un cálculo de r para esta pequeña mues
organísmicas como la estatura y la inteligen tra arrojaría un valor de + 1.0. Los puntajes
cia, entre variables dependientes como la tasa de ambas pruebas se correlacionan positiva
de aprendizaje y la latencia de respuesta, y mente porque la persona que tuvo el mejor
entre una variable dependiente y una orga- resultado en una prueba también lo tuvo en
nísmica. También se calculan correlaciones la segunda; el que tuvo el segundo mejor
entre mediciones repetidas de la misma va puntaje en una prueba también lo obtuvo en
riable dependiente, como vimos al evaluar la la otra, manteniéndose la misma relación para
confiabilidad de una variable dependiente. el resto de los participantes. El hecho de que
La investigación correlacional se realiza no hubiera excepciones indica que la correla
con más frecuencia cuando no es posible ción es perfecta .1
manipular propositivamente las variables in Si hubieran una o dos excepciones en el
dependientes. En la psicología social y la so rango de los puntajes de las pruebas, como
ciología abundan ejemplos en que es difícil,
sino es que imposible, manipular sistemática ¡1A.i
mente las instituciones sociales. Aunque po TABLA 9-1 Puntajes ficticios recibidos por cada¡
dría resultar interesante y muy informativo, persona en dos pruebas de inteligencia
sencillamente no podemos usar el tipo de
Persona Puntaje en la prueba Puntaje en la pruebo
gobierno como una variable independiente, número de inteligencia A de inteligencia B
asignando aleatoriamente a un país a una for
ma de gobierno democrático y a un segundo i 120 130
país a un gobierno autocràtico. 2 115 125 '
3 110 120
4 105 115
Correlaciones negativas, positivas y cero. El 5 100 110
desarrollo más refinado de la investigación 6 95 105
correlacional se realizó a finales del siglo XIX
cuando el famoso estadístico Karl Pearson nos
enseñó la manera efectiva de cuantificar la 1 En realidad, otra característica necesaria para qu'éel
relación entre dos variables. Es por eso que el coeficiente de correlación producto momento de Pearson
estadístico correlacional más importante fue sea perfecto es que el intervalo entre pares sucesivos di
nombrado en su honor coeficiente de corre puntajes de una variable debe ser proporcional al interva
lo observado para los pares correspondientes en la otra
lación producto momento de Pearson. variable. En nuestro ejemplo, cinco puntos de CI separan
El índice de correlación de Pearson es sim a cada persona en cada prueba. Sin embargo, este requisi
bolizado por r, y su valor preciso indica elgra- to no es crucial para la presente discusión.
JF
Correlaciones y diseños experimentales 191
por ejemplo, que la persona 1 hubiera tenido ciones en el bachillerato y la universidad. Por
el mejor puntaje en la prueba A pero el terce otro lado, tenemos una correlación negativa si el
ro en la prueba B, que la persona 3 ocupara valor de una variable decrementa mientras que
el tercer lugar en la prueba A pero el primero aumenta el valor de la segunda variable. No en
en la B, y que el testo de las posiciones relati contrar excepciones indica que la relación
vas permanecieran igual, la correlación no negativa es elevada y posiblemente perfecta.
sería perfecta ( 1 .0 ) pero aún sería elevada (de De ahí que esperaríamos que en la medida en
hecho sería de 0.77). que aumenten las características democráti
Para ilustrar una correlación negativa per cas exhibidas por la gente disminuyan sus pre
fecta en que r = - 1 .0 , podemos aplicar dos juicios. También esperaríamos encontrar co
pruebas: una de características democráticas rrelaciones negativas entre la cantidad de com
yotra que mida el prejuicio (ver tabla 9-2). La bustible que usa la gente para calefacción y la
persona que recibe el mayor puntaje en la temperatura externa, y entre el peso de una
primera prueba recibe el puntaje más bajo de persona y su éxito como jockey.
la segunda, manteniéndose sin excepción esa Por último, cuando r = 0 hay una falta total
relación inversa para todos los participantes. de relación (lineal) entre las dos medidas. Así,
Si encontráramos una o dos excepciones en vemos que a medida que se incrementa el va
la relación inversa, la r sería aproximadamen lor de una variable el valor de la otra cambia
te de - 0.70, indicando que existe una rela de manera aleatoria. Algunos ejemplos de si
ción negativa entre las variables, pero que no tuaciones que podemos esperar que r sea igual
es perfecta. a cero podrían ser la correlación de la altu
Para resumir. Dadas las medidas de dos ra de la frente con la inteligencia, o el núme
variables por cada individuo, existe una corre ro de libros leídos por una persona en un año
lación positiva si a medida que el valor de una con el largo de las uñas de sus pies.2
variable se incrementa, también lo hace el valor En ciencia tratamos de encontrar relacio
de la otra. Si no hubiera excepción, la correla nes entre variables, y una relación (correla
ción sería elevada e incluso posiblemente fuese ción) negativa es tan importante como una
perfecta; si se encuentran relativamente po positiva. No consideramos que una correla
cas excepciones, la correlación sería positiva ción negativa sea indeseable o que indique
pero no perfecta. De modo que, a medida que falta de relación. Por ejemplo, para una mues
se incrementan los puntajes obtenidos en la tra determinada una correlación de - 0.50 in
prueba A, también se incrementan los pun dica una relación tan fuerte como una corre
tajes de la prueba B. Pueden encontrarse ejem lación de + 0.50, y una correlación de - 0.90
plos adicionales de correlaciones positivas indica una relación más fuerte que una de
entre la altura y el peso de una persona, el CI + 0.80. Piense en este punto por un minuto y
y su capacidad de aprendizaje, y sus califica- verá que el hecho de que los puntajes en una
escala de medición sean positivos o negativos
puede ser bastante arbitrario. Al hacer la cali
ficación de una prueba de prejuicio, como en
TABLA 9-2 Puntajes ficticios en dos medidas de
la tabla 9-2, podríamos contar cada ítem como
personalidad un punto positivo o como uno negativo, lo
Puntaje en la prueba que nos daría precisamente los valores de pre
Participante de características Puntaje en la juicio opuestos a los exhibidos en la tabla 9-2,
número democráticas prueba de prejuicio cambiando la correlación de - 1.0 a + 1.0
i 50 10
2 45 15
3 2 Sin embargo, se ha argumentado que en realidad ésta
40 20
4 podría ser una correlación positiva sobre el supuesto de
35 25
5 que una lectura excesiva de libros reduce el tiempo que la
30 30
6 persona dedica a cortar sus uñas. La solución de esta dis
25 35 cusión debe aguardar los datos relevantes.
k
Diagramas de dispersión otra buena razón para no meter ciegamente

los datos en un programa de cómputo. Es
Un buen principio general para entender preferible trabajar con sus datos antes de con
sus datos, derivados de la investigación expe ducir las pruebas estadísticas.
rimental o correlacional, consiste en esquema
tizar una “ilustración” de los mismos. Ello no Correlaciones perfectas (r = 1.0). Los datos
sólo le permitirá visualizar mejor las posibles de la Tabla 9-1 se presentan en un diagrama
relaciones entre variables, sino que al traba de dispersión en la figura 9-1. La persona que
jar con los diversos valores, primero con uno obtuvo el mayor puntaje en la prueba de inte
y luego con otro, con frecuencia puede pasar ligencia A (120), también recibió el mayor
se de la confusión a discernimientos valiosos. puntaje en la prueba de inteligencia B (130).
Por ejemplo, en la investigación experimen De modo similar, los valores para cada per
tal suele ser útil graficar los valores de la va sona pueden leerse en el eje vertical para la
riable dependiente como función de los valo prueba A y en el eje horizontal para la prueba
res de la variable independiente. En la inves B (la decisión de qué eje se usa para cada va
tigación correlacional, el diagrama de la rela riable es arbitraria). Él hecho de que cada
ción es conocido como diagrama de disper punto cae de manera precisa en la línea recta
sión o gráfica de dispersión, que consiste en indica que la relación es perfecta (r = 1 .0).
una gráfica de la relación entre dos medidas de Más aún, es una correlación positiva porque
los mismos individuos. Con frecuencia esos dia a medida que se incrementa el valor de una
gramas revelan más acerca de sus datos que variable también lo hace el valor de la segun
los simple estadísticos como X, t , o r. Ésta es da; por ejemplo, los puntos para la persona
Positiva perfecta (+1.00)
FIGURA 9-1 Una correlación lineal

positiva perfecta entre dos variables. A
medida que los valores de la primera
variable dependiente (prueba A) se
incrementan, también lo hacen los
valores de la segunda variable. Como
cada punto cae sobre una línea recta,
el coeficiente de correlación es el
máximo
menos inteligente caen en la parte inferior de para individuos de los que no tenemos infor
la izquierda, mientras que para la persona mación. Si el puntaje de un nuevo individuo
más inteligente están en la parte superior de en la prueba democrática fue de 32, podría
recha. mos buscar ese valor en el eje vertical de la
El diagrama de dispersión que gráfica los figura 9-2 y encontrar que el valor correspon
datos de la tabla 9-2 indica una correlación diente en la línea recta para la medida de pre
negativa perfecta (figura 9-2). Así, a medida juicio es de 28. Sin embargo, aun cuando la
que aumenta el valor de las características correlación fuese perfecta, la predicción,
democráticas disminuye el grado de prejui como siempre sucede en el mundo real, sólo
cio. Como cada punto cae precisamente en sería probabilística. Es poco razonable espe
una línea recta, podemos concluir que se tra rar que podamos hacer predicciones perfectas
ta de una correlación negativa perfecta (r = de esta naturaleza, y ésa es precisamente la
1 .0 ). razón por la que necesitamos acudir a la esta
dística.
Predicciones. Una característica notable de
las correlaciones es que le permiten hacer Correlaciones confiables menores de 1.0. En
predicciones sobre una variable a partir de la la figura 9-3 se ilustra un diagrama de disper
otra. Por ejemplo si sólo conociéramos los sión para una correlación moderadamente
puntajes de las características democráticas de negativa (cerca de - 0.70). (Una correlación
una nueva muestra de individuos de la mis moderadamente positiva sería similar a ésta,
ma población en que se calculó la correlación, pero los puntos se distribuirían en la direc
podríamos predecir los puntajes de prejuicio ción mostrada en la figura 9-1.) Aunque los
Negativa perfecta (-1.00)
FIGURA 9-2 Una correlación lineal

negativa perfecta entre dos variables. A
medida que disminuyen los valores en
la primera variable (características
democráticas), aumentan los valores de
la segunda variable
Negativa moderadamente (-0.70)
FIGURA 9-3 Una correlación

moderadamente negativa ocurre cuando
los valores de una variable decrementan
mientras los valores de la segunda variable'
aumentan, con una serie de desviaciones
Variable B de la línea de mejor ajuste.
puntos se agruparon cerca de una línea rec mero de viajes aéreos realizados en un año,
ta, que es la línea de mejor ajuste, se desvían En este ejemplo, el diagrama de dispersión
de ella en cierto grado. Con una correlación sería parecido al que se ilustra en la figura
elevada como ésta, podemos hacer predic 9-4. No existe una relación clara entre esas
ciones moderadamente exitosas de una varia dos variables, por lo que no podemos prede
ble a partir de la otra. Pero, como sucede con cir en absoluto el valor de una variable a par
todos nuestros estadísticos, podemos espe tir de la otra. Por ejemplo, hemos graficado
rar éxito sólo en las carreras largas, es decir, el rango total de viajes aéreos que correspon
al considerar un número grande de casos. den a un valor de 4 pulgadas de la altura de la
Así, aunque los principios discutidos en esta frente. Es claro que los datos de la figura 94
sección son válidos, en realidad sólo se man no tienen un ajuste lineal, y, de hecho, la “lí
tienen para números de casos superiores a nea de mejor ajuste” para esos datos podría
los que hemos usado con propósitos ilus caracterizarse como un círculo. Aunque, para
trativos. ser serios, la línea de mejor ajuste no necesita
ser lineal y puede incluso ser una curva.
Correlaciones orden cero. Si se considera el
número infinito de variables en el universo, Relaciones curvilíneas
es de esperar que la mayoría de ellas no estén
relacionadas. Una tarea de la ciencia es especi Nos hemos concentrado en las relaciones
ficar los relativamente pocos casos en que es lineales, como con el coeficiente de correla
tán relacionadas (correlacionadas). Si fuése ción producto momento de Pearson que ex
mos muy poco sagaces, podríamos intentar presa el grado en que dos variables se correla
correlacionar la altura de la frente con el nú cionan linealmente. Con esto nos referimos a
No relacionado (0.00)
D
-o
2 4 6 8 10 12 FIGURA 9-4 Un arreglo ficticio de datos

Número de viajes en avión indicando una falta total de relación entre
dos variables
que el valor de r indica el grado en que los lla. Debe haber entonces una cantidad de ten
datos de ambas variables se ajustan a una línea sión que sea óptima para el éxito, pues muy
recta. En ciencia seguimos el principio de sim poca o demasiada ocasionan fracaso. En la
plicidad inductiva (ver la página 142). Cuan figura 9-5 se presenta una función semejante
do lo aplicamos significa que hacemos infe en forma de U-invertida. Una mirada superfi
rencias de una variable a otra sobre la base de cial a esos datos sugeriría que la correlación
la relación más simple posible entre ellas, que lineal sería aproximadamente de cero —a me
es una línea recta o función lineal. Sin embar dida que aumentan los puntajes de la prime
go, como Einstein nos recordó, “las cosas de ra variable (tensión), los valores de la segun
ben hacerse tan simples como sea posible, pero da variable (el éxito) al principio aumentan,
no simplistas”. Así, sucede que la porción del luego se estabilizan, y después disminuyen.
mundo que estudiamos con frecuencia no es Una línea recta ajustada para esos datos sería
simple y a menudo requiere que postulemos horizontal, de modo que, para cualquier va
relaciones más complejas que las lineales. lor de la tensión, habría uná rango amplio de
Por ejemplo, considere la relación entre el valores del éxito. Pero en contradicción con
éxito en la vida y el grado de tensión de una el diagrama de dispersión de la figura 9-4, en
persona. ¿Postularía usted una relación lineal que r también es igual a cero, en la figura 9-5
entre esas variables, por ejemplo, que entre se observa una relación sistemática entre las
menos tensa fuese una persona, mayor sería dos variables. Esta relación sistemática no se
su éxito? O, en lugar de esa relación negativa ría indicada por un coeficiente de correlación
¿pensaría que entre mayor fuese la tensión, lineal. ¿Cómo cuantificar semejante correla
mayor sería el éxito? Luego de una breve re ción curvilineal? La respuesta es por el uso
flexión, se daría cuenta que ninguna de esas del más generalizado coeficiente de correla
afirmaciones simplistas sería suficiente, ya que ción conocido como eta y simbolizado como
sólo para seguir viviendo se requiere cierto r¡. Para los datos de la figura 9-5 el valor de r¡
grado de tensión. Un individuo que no expe (que puede calcular fácilmente con la ayuda
rimenta tensión alguna no puede ser más que de cualquier libro estándar de estadística)
un vegetal. Por otro lado, un individuo exce debe ser alto, aproximándose a LO. Pero como
sivamente tenso es “asfixiante” y por eso fa en este trabajo es más importante que apren-
Éxito en la vida
FIGURA 9-5 Una correlación curvilineal

computada por (rj)
. ‘ "' i
da a computar las relaciones lineales, regre Primero computamos la suma de los pun-,
saremos a esos procedimientos. En el capítu tajes de nuestra primera variable, es decir, XX
lo 7 se discutieron varias funciones curvili- = 225. Luego obtenemos EX2 elevando al cua
neales. drado cada valor de la primera prueba y su
mando esos valores, de modo que EX2 = 8,875.
EL CÁLCULO DE LOS COEFICIENTES De modo similar, obtenemos la suma de los
DE CORRELACIÓN puntajes y la suma de los cuadrados de los
puntajes para la segunda medida. Como po
El coeficiente de correlación demos ver en la tabla 9-3, EE = 135 y ET2 =
producto-momento de pearson 3,475. Por último, necesitamos obtener la
suma de los productos cruzados (XXY). Para
La ecuación 9-1 es conveniente para calcu hacerlo simplemente multiplicamos el puntaje
lar el coeficiente de correlación producto- de cada individuo en la primera prueba por;
momento de Pearson directamente de los da el puntaje correspondiente en la segunda y
tos crudos. sumarlos. Por ejemplo, 50 X 10 = 500, 45 X
15 = 675, y así sucesivamente. Sumando esos
(9-1, -tapen -
productos cruzados en la columna etiquetada
V[n29? - (X X fJntY “ - ( t Y f \ XY, encontramos que EXF= 4,625.
Notando que n - 6 , hacemos la sustitución
apropiada de los datos de la tabla 9-3 en la
Es muy fácil obtener los componentes de ecuación 9-1 de la siguiente manera:
la ecuación 9-1, aunque al principio la ecua
ción pueda parecer prohibitiva. Para ilustrar 6(4,625) - (225)(135)
los procedimientos de cálculo, pasemos los T v y / ~ ~ — ~ - ■ ____ - -~ - ■ — - ■
datos de la tabla 9-2 a la tabla 9-3. V[6(8,875) - (225)a][6(3,475) - (135)*]

TABLA 9-3 Datos sobre dos medidas de personalidad de la tabla 9-2 para ilustrar el cálculo de r
Puntajes en la prueba de Puntajes en la
características democráticas prueba de prejuicio
participante
número X A? Y Y2 XY
1 50 2 ,5 0 0 10 100 500
2 45 2 ,0 2 5 15 225 675
3 40 1 ,6 0 0 20 400 800
4 35 1 ,2 2 5 25 625 875
5 30 900 30 900 900
6 25 625 35 1 ,2 2 5 875
XX = 225 X X ¡ = 8 ,8 7 5 XY = 135 X Y ¿ = 3 ,4 7 5 X X Y = 4 ,6 2 5
___________27,750 - 30,375_________ variable continua a la que se forzó en una

V(53,250 - 50,625)(20,850 - 18,225) dicotomía. Por ejemplo, la serie de califica
ciones dadas en un curso es una variable con
= - 2,625 tinua que va de A a F, pero en el ejemplo que
V(2^625)(2Í625) discutíamos antes se trató como una dicotomía
(aprobado o reprobado). Un tipo más de co
= - 2,625 rrelación es la correlación tetracórica, simbo
2,625 lizada rt, la cuál es apropiada cuando ambas
= - 1.0 variables son continuas pero forzadas artifi
cialmente en dos categorías. Finalmente, cuan
Como vimos antes, el cómputo real de r do ambas variables son realmente dicótomas,
indica que los datos de las tablas 9-2 y 9-3 ilus puede calcular lo que se conoce como coefi
tran correlaciones perfectas. ciente phi.
No abundaremos más en este tópico por
Variables dicotomizadas que probablemente no revista mayor interés
para usted. No obstante, es importante reco
Los datos que hasta ahora hemos visto en nocer que las correlaciones pueden calcular
el capítulo no han sido dicotomizados. Sin se cuando las variables corresponden a dico
embargo, en ocasiones una o ambas medidas tomías genuinas o artificiales. Si lo necesita,
son dicotomías, por ejemplo, si un estudiante puede consultar un buen libro de estadística
aprobó o reprobó, si una persona es hombre sobre correlaciones, para saber cómo compu
o mujer, o si se respondió a una pregunta si o tar rápidamente esos coeficientes simples de
no. Para esos casos se han desarrollado méto correlación.
dos especializados para calcular los coeficien
tes de correlación. Suponga, por ejemplo, que CONFIABIUDAD ESTADÍSTICA DE
tiene los puntajes de CI de un grupo de estu LOS COEFICIENTES DE CORRELACIÓN
diantes y la información de si aprobaron o no
un curso. En ese caso, podría computar un Como en el caso de la prueba t, existen dos
coeficiente de correlación biserial, simboliza factores principales que determinan si un co
do por r¡,. Una variante de la r biserial es la r eficiente de correlación es estadísticamente
punto biserial, simbolizado rpb¡. La decisión confiable: ( 1 ) el tamaño del valor, y (2 ) el nú
sobre cuál de estos coeficientes emplear de mero de individuos en que se basa (lo que
pende de si la variable dicotomizada es para determina los grados de libertad). Para la
una auténtica dicotomía o si se trata de una prueba t tratamos de ver si la diferencia entre
las medias de ambos grupos era confiable estar relacionados causalmente son
p a re ce n
mente mayor a cero. Para este propósito pode simples co-ocurrencias. Hoy, Hume diría qué,
mos referirnos a la tabla A-3 del apéndice A. aunque existan correlaciones entre eventos
Ahí leemos el valor mínimo de r que se naturales, no podemos afirmar que uno de
requiere para que el coeficiente de correla ellos causa al otro. Se trata de una mera con
ción sea significativamente diferente a cero comitancia en la naturaleza, no de causalidad,
con una probabilidad de 0.05 o 0.01. Sin em No pretendemos resolver aquí ese enorme
bargo, como con las tablas t, necesitamos en problema filosófico. En lugar de eso defini
trar a la tabla A-3 con el número de grados de remos la c a u s a lid a d operacionalmente para su
libertad asociados con el valor particular uso limitado en la investigación. Para noso
de nuestra correlación. Para dicho propósito tros el término significa precisamente lo si
la ecuación es guiente, y nada más: Una variable indepen
diente ca u sa cambios en una variable depen
(9-2) gl = N - 2 diente cuando esto ha sido demostrado en un
experimento bien conducido; es decir, se ha
De modo que si computamos una correla establecido u n a relación causa-efecto cuando se
ción entre los puntajes de 30 individuos, g l = h a d em ostrado q u e u n a v a r ia b le independiente
30 - 2 = 28 . Al entrar a la tabla A-3 con 28 g l, in flu y e sistem á tic a m en te e n u n a va ria b le depen
podemos ver que se necesita un valor de 0.361 d ie n te h a b ie n d o controlado la in flu e n c ia de las
para que la correlación sea confiablemente variables extra ñ a s. La única condición es la que
diferente de cero a un nivel de probabilidad debemos poner a todas las leyes empíricas, es
de 0.05. Si establecimos el criterio más estric decir, que aunque dicha relación causa-efecto
to de P < 0.01, el valor de la correlación ten puede aproximarse a la certeza, sigue siendo
dría que exceder a 0.463. No obstante, el ni probabilística. Aunque la experimentación es
vel de probabilidad con r no indica su fuerza. nuestro método de investigación más pode
La fuerza de la relación es indicada por el valor roso, incluso él sólo nos brinda leyes probabi
de r. Si el valor de r tiene una probabilidad lísimas. Aun cuando, por ejemplo intentára
asociada inferior a 0.05, significa sólo que la mos eliminar todas las otras causas posibles
correlación es confiablemente diferente de de cambios en la variable dependiente, algu
cero. La lógica de determinar si un coeficien nas de esas variables extrañas pueden no ha
te de correlación es estadísticamente confia ber sido controladas. Pero aunque estuviéra-.
ble es similar a la de la prueba t. Si usted con mos seguros de haber eliminado todas esas
cluye que tiene una correlación lineal estadís otras causas posibles, aún no podríamos ase
ticamente confiable, habrá cumplido una de gurar que la variable independiente es la úni
las metas de la investigación: ha tenido éxito ca causa. Esto se debe a que la conclusión de
al encontrar —en un universo infinito de va que existe una diferencia estadísticamente
riables—dos variables que está n relacionadas. confiable entre las medias de nuestros dos
Ahora puede predecir, probabílísticamente, grupos es en sí sólo probabilística.
el valor de una a partir de la otra. Pero ¿le Un corolario de esta discusión es que las
dará esto control c a u sa l de la relación? conclusiones derivadas de los experimentos
difieren de las obtenidas de métodos no ex
CORRELACIÓN Y CAUSALIDAD perimentales únicamente en términos del gra
do de probabilidad. En consecuencia, pode
El concepto de ca u sa lid a d tiene una muy com mos inferir relaciones causales de la investi
pleja historia científica y filosófica. En el si gación no experimental, pero esas inferencias
glo xvii el gran filósofo David Hume demolió tienen menores grados de probabilidad que
el concepto al sostener que las relaciones cau si se hubieran derivado de experimentos rea
sa-efecto no son más que hábitos de la mente les. Por ejemplo, una relación causal inferida
humana proyectados en la naturaleza. Hume sobre la base de la observación sistemática
sostenía que los eventos de la naturaleza que tiene un mayor grado de probabilidad que
w
una inferida de una investigación correlacio- para decir lo menos. Considere dos aconteci
nal, pero ambas podrían estar por debajo de mientos naturales relativos a las posibles rela
la probabilidad derivada de la experimenta ciones causales.
ción. En el capítulo 11 veremos que existe una
variedad de diseños quasi-experimentales dis Dos ejemplos de la vida cotidiana. En Egip
tintos al método de observación sistemática, to se observó que cuando el precio del algo
y de ellos podemos inferir relaciones causa- dón era muy bajo, el 52 por ciento de los
efecto, pero todavía a niveles reducidos de matrimonios islámicos se disolvió en divor
probabilidad. Sin embargo, a pesar de esta cio. En contraste, cuando los precios del algo
deficiencia, los diseños quasi-experimentales dón eran elevados, los hombres mahometa
y la investigación correlacional siguen siendo nos adquirían esposas adicionales (su religión
valiosos porque con frecuencia son los úni les permite tener hasta cuatro esposas a la vez
cos métodos a nuestro alcance para abordar y divorciarse de ellas diciendo tres veces “me
algunos de los problemas más agudos de la divorcio de ti”). Se razonó que el precio del
sociedad. algodón influía en la tasa de divorcios. Y que,
Examinemos con mayor detalle algunas cuando los maridos estuvieran en la opulen
posibles relaciones causa-efecto entre dos va cia, podían mantener a más esposas. Sin em
riables. Si la relación fue establecida en un i bargo, la capacidad de los hombres para sos
experimento bien controlado, puede tener tener a las mujeres se redujo por las presio
confianza en que se trata de una relación cau-i nes económicas del descenso de precios. ¿Us
sal. En la investigación no experimental, como ted cree que pueda inferir una relación cau
en el método de observación sistemática, la sal entre los precios del algodón y la frecuen
variable independiente bien puede ser la cau-, cia de divorcios? ¿O, podría ser que la varia
sal, pero, dado que necesariamente está con-i ble causal fuese otra, como la situación eco
fundida con otras características de los parti nómica general en el país, que a su vez se re
cipantes, no podemos afirmar inequívocamen- i fleja en los precios del algodón?
te que es la causa de los cambios en la variable El segundo estudio indicaba que nueve
dependiente. meses después del apagón que por una falla
La relación entre variables que están con eléctrica sufrió la ciudad de New York, aumen
fiablemente correlacionadas es aún más in -1 tó notablemente la tasa de nacimientos. Por
cierta. Si las variables X y Y están correlacio ejemplo, exactamente nueve meses después
nadas, las posibles relaciones causales son: del apagón, estaban saturadas todas las salas
primero, X puede causar a Y; segundo, Y pue de parto de los grandes hospitales impactados
de causar a X; o tercero, la relación sistemáti por el apagón. En esos hospitales se observó
ca entre X y Y puede ser causada por alguna un incremento en la tasa de nacimientos que
otra variable Z, que puede ser cualquiera de variaba entre 33 y 50 por ciento durante un
un número infinitamente grande de variables. período de 36 horas. En contraste, otros dos
Si el precio del arroz en China estuviera corre grandes hospitales que no fueron afectados
lacionado positivamente con el número de seriamente por el apagón reportaron que la
barcos cargueros en Estocolmo, no podríamos tasa de nacimientos era normal. ¿Fue el apa
decir que uno causa al otro (aunque incluso gón la variable causal del incremento en la
eso es posible a través de una serie sorpren tasa de nacimientos? O ¿hubo alguna otra cosa
dente de eventos intercurrentes). Más bien, correlacionada con el apagón que produjo el
es probable que los valores de ambas varia incremento en la tasa de nacimientos?
bles sean causados por otra variable, como ¿Por q u é es ta n im p o rta n te establecer la s rela
las condiciones económicas mundiales o al ciones ca u sa les ? La respuesta es que intenta
guna otra que ni siquiera imaginamos. En mos controlar la naturaleza, y que lo hacemos
resumen, aunque podemos predecir sobre la identificando la causa de un efecto —porque
base de correlaciones, nuestras inferencias deseamos producir cambios intencionales y
acerca de relaciones causales son limitadas, sistemáticos en la conducta. Si podemos ejer
cer control seremos capaces de instituir una torios podemos asignar al azar a los partici
causa y producir el cambio deseado (el efec- pantes a ambos grupos independientemente
i to). Si queremos que los animales de nuestro de lo que podamos saber de ellos. Sin embar
laboratorio respondan más vigorosamente, go, con el diseño de grupos igualados usa
causamos esto incrementando su nivel de pul mos los puntajes de una medida inicial deno
sión; si deseamos que nuestros niños apren minada variable de igualación como ayuda
dan más, intencionalmente incrementamos la para asegurar la equivalencia de los grupos.
efectividad de los métodos instruccionales. Si Una variable de igualación, como veremos,
deseamos reducir la delincuencia, incremen es justo lo que el término implica —alguna
tar la tasa de empleo o decrementar la infla medida objetiva cuantificada que permite di
ción, debemos establecer las causas efectivas vidir a los participantes en dos grupos equi
que pueden cambiar sistemáticamente esas valentes. Los puntajes de inteligencia como
variables dependientes. Como veremos en el los presentados en la tabla 9-4 para 10 estu
capítulo 1 1 , el concepto de causalidad es vital diantes pueden fungir como nuestra variable
para mejorar la sociedad. de igualación.
Nuestra estrategia consiste en formar dos
DISEÑO EXPERIMENTAL DE grupos que sean iguales en inteligencia. Para
DOS GRUPOS IGUALADOS lograrlo, apareamos a aquellos que tienen
puntajes iguales, asignando a un miembro de
La lógica básica de todos los diseños experi cada par a cada grupo. Pueden ser apareados
mentales es la misma. Empezar con grupos que de la siguiente manera: 1 y 2, 3 y 4, 5 y 6 , 7 y
sean esencialmente iguales, administrar el tra 8 , 9 y 10. Luego dividimos aleatoriamente a
tamiento experimental a uno y no al otro, y los miembros de cada pareja en dos grupos.
notar la diferencia en la variable dependien La asignación al azar es necesaria para preve
te. Sí ambos grupos empiezan con medias nir que posibles sesgos del experimentador
equivalentes en la variable dependiente, y si interfieran con la igualación. Por ejemplo, a
después de la administración del tratamiento pesar de que cada par tenga el mismo puntaje'
experimental, existe una diferencia confiable de inteligencia, el experimentador podría
entre esas medias, y si se han controlado ade —aun sin estar consciente de sus acciones-
cuadamente las variables extrañas, entonces asignar a los estudiantes más motivados a uno
la diferencia en la variable dependiente pue de los grupos. Lanzando una moneda pode
de ser atribuida al tratamiento experimental. mos determinar que el estudiante 1 irá al gru
Los diseños de grupos aleatorizados se basan po de lectura y recitación; el estudiante 2 irá
en la suposición de que las diversas condicio al grupo de lectura. El siguiente lanzamiento
nes resultarán en grupos esencialmente igua de la moneda determina que el estudiante 3
les. El diseño de grupos igualados es simple
mente una manera de ayudar a satisfacer la
suposición de que los grupos tienen valores TABLA 9-4 Puntajes de una muestra de
esencialmente iguales de la variable depen estudiantes para una variable de igualación
diente antes de la administración del trata
miento experimental (en lugar de confiar en Estudiante número Puntaje de la prueba de inteligencia
la asignación al azar). 1 120
2 120
La lógica del diseño de dos grupos iguala 3 110
dos. Considere una hipótesis que sostiene que 4 110
la lectura y la recitación del material produ 5 100
6 100
cen mejor retención que la sola lectura. De 7 100
dos grupos de participantes, uno aprendería 8 100
el material leyendo y recitando, y el segundo 9 90
sólo leyendo. Con un diseño de grupos alea 10 90
TABLA 9-5 Formación de dos grupos igualados sobre la base de los puntajes de
inteligencia
G r u p o d e le c t u r a G r u p o d e le c t u r a y r e c ita c ió n
Estudiante número Puntaje de inteligencia Estudiante número Puntaje de inteligencia
2 120 1 120
3 110 4 110
6 100 5 100
7 to o 8 100
10 90 9 90
520 520
irá al grupo de lectura y el estudiante 4 al ¿será confiablemente superior? Para responder

grupo lectura y recitación, y así sucesivamen a esta pregunta podemos aplicar la prueba t,
te para las parejas restantes (vea la tabla 9-5). aunque la aplicación será algo diferente para
Note que las sumas (y por ende las medias) un diseño de grupos igualados. La ecuación
de los puntajes de inteligencia de los dos gru es la siguiente
pos de la tabla 9-5 son iguales. Ahora asuma
que los dos grupos son sometidos a su res (9-3) *t ^ *2
pectivo tratamiento experimental y que obte
nemos los puntajes de retención indicados ¡ID2 - ( W
en la tabla 9-6 (entre mayor sea el puntaje
mejor fué la retención del material aprendi n(n — 1)
do). Hemos ordenado las parejas de acuerdo
con su nivel inicial de habilidad en la variable Los símbolos son los mismos a los previamente
de igualación; es decir, la pareja más inteli utilizados, salvo por la D, que es la diferencia
gente se coloca primero y la menos inteligen entre los puntajes de la variable dependiente para
te al último. cada par de estudiantes. Para encontrar D resta
mos el puntaje del primer miembro del par
Análisis estadístico de un diseño del puntaje del segundo. Por ejemplo, los
de dos grupos igualados puntajes de la primera pareja son 8 ylO res
pectivamente, de modo que D - 8 - 10 = - 2.
Los valores de la tabla 9-6 sugieren que el Como luego tendremos que elevar al cuadra
grupo de lectura y recitación es superior, pero do los puntajes D (para obtener 2 £>2) no hace
TABLA 9-6 Puntajes de la variable dependiente para las parejas de estudiantes

ordenados sobre la base de los puntajes en la variable de igualación
G r u p o d e le c tu ra G r u p o d e l e c t u r a y r e c ita c ió n
Nivel inicial Estudiante Estudiante
dehabilidad número Puntaje de retención número Puntaje de retención
1 2 8 1 10
2 3 6 4 9
3 6 5 5 6
4 7 2 8 6
5 10 2 9 5
diferencia de qué grupo se restan los punta pío n - 5. El numerador es la diferencia entre
jes del otro. Con la misma facilidad podría las medias (de la variable dependiente) de los
mos haber dicho que D = 10 - 8 = 2. La única dos grupos, como en la aplicación previa de
precaución es que necesitamos ser consisten la prueba t. Las medias de los dos grupos son
tes; es decir, siempre debemos restar los 4.6 y 7.2. La sustitución de todos esos valores
puntajes de un grupo de los puntajes del otro, en la ecuación 9-3 da por resultado lo siguien
o viceversa. En la tabla 9-7 se muestra el cóm te:
puto completo de D.
La ecuación 9-3 nos enseña a realizar tres 7.2 - 4.6
t =
operaciones respecto a D. Primero, obtener
2D, la suma de los valores de D; es decir, ' 39 - (~ 13)2 = 5.10
5(5 - 1)
= ( - 2) + ( - 3) + ( - 1) + ( - 4)
+ ( - 3) = - 13
La ecuación para computar los grados de
libertad para la prueba t igualada es gl = n - í,
Segundo, obtener ID 2, la suma de los cua (Note que esta ecuación para obtener gl es
drados de D; es decir, eleve al cuadrado cada diferente a la que se usa en el diseño de dos
valor de D y sume esos cuadrados de la si grupos aleatorios). Por ende, para nuestro
guiente manera: ejemplo, gl= 5 - 1 = 4 . Consultando la tabla
de t (pág. 306) con una t de 5.10 y cuatro gra
ID 2 = ( - 2)2 + ( - 3)2 + ( - l )2 dos de libertad encontramos que nuestra t es
+ ( - 4 )2 + ( - 3)2 confiable a nivel de 0.01 (P = < 0.01). Debe
= 4 + 9 + 1 + 16 + 9 = 39 mos así rechazar la hipótesis nula (que no hay
diferencia en las medias poblacionales de
Tercero, calcule (ID)2’, que es el cuadrado ambos grupos) y concluimos que los grupos
de la suma de los puntajes D; esto es difieren de manera confiable. Si se tratara de
datos reales veríamos que la media del grupo
lectura-recitación es mayor concluyendo que
(ID )2 = (ID) (ID) la hipótesis es confirmada.
Incidentalmente, en el caso del diseño de
Recuerde que n es el número de partici grupos igualados, la suposición de indepen
pantes en un grupo (y no el número total de dencia para la prueba i toma una forma lige
participantes en el experimento). Cuando ramente distinta a la que vimos en la página
igualamos a los participantes, podemos tener 123; la suposición es que los valores de D son
la seguridad que en cada grupo el número de independientes. En los diseños previos, cada
participantes es el mismo. En nuestro ejem- valor de X tiene que ser independiente de
cualquier otro valor de X. Sin embargo, en
este diseño los valores de X no son indepen
dientes —están correlacionados debido a igua
TABLA 9-7 Computación dei valor de D para la
lación. Pero la suposición de independencia
ecuación 9-3
sigue siendo sostenible porque la diferencia
entre los valores de X es independiente .3
N iv e l in ic ia l G ru p o de G ru p o de lectura
de h a b ilid a d lectura y recitación D
i 8 10 -2 3 Una afirmación más precisa de la suposición de in

2 6 9 -3 dependencia es que ¡os efectos de tratamiento y error son
3 5 6 -1 independientes; es decir, en términos de los símbolos usa
4 2 6 -4 dos para la cuarta suposición, I y E son independientes
5 2 5 -3 (página 123),
Selec cionando la variable de igualación eq u iva len tes a n tes de la a d m in istra c ió n d e l tra ta
m ien to exp erim en ta l.
Recuerde que al igualar a los participantes Sin embargo, no siempre es factible igua
hemos intentado igualar nuestros dos grupos lar a los participantes sobre una medida ini
con respecto a sus valores medios de la varia cial de la variable dependiente. Suponga, por
ble dependiente. En otras palabras, seleccio ejemplo, que la variable dependiente es una
namos alguna medida inicial de habilidad para medida de la rapidez para resolver un proble
igualar a los participantes de modo que am ma. Si para obtener los puntajes de iguala
bos grupos sean esencialmente iguales en esa ción se permite la práctica sobre el problema,
medida. Si la variable de igualación está alta al intentar hacer la medición correspondien
mente correlacionada con los puntajes de la te resultaría que todos saben la respuesta. O
variable dependiente, nuestro procedimiento considere lo que sucede cuando creamos una
ha sido exitoso, ya que habremos igualado los situación artificial para ver cómo reaccio
grupos en sus valores de la variable depen na la gente bajo condiciones de estrés. Utili
diente utilizando la medida indirecta de la zar la misma situación para tomar las medi
variable de igualación. Pero si los puntajes das iniciales que nos permitan igualar a los
entre esta variable y la variable dependiente individuos destruiría su novedad. En tales
no correlacionan en grado notable, el proce casos debemos encontrar otras medidas que
dimiento no habrá tenido éxito. En resumen, tengan una correlación elevada con la ejecu
el grado en que correlacionan los valores de ción de la variable dependiente. En el ejem
la variable de igualación y de la variable de plo de la solución de problemas podríamos
pendiente es una indicación de nuestro éxito pedir a los participantes que resolvieran un
en la igualación. problema diferente —aunque similar—e igua
¿Cómo podemos encontrar una variable de larlos sobre los resultados del mismo. O, si
igualación que tenga una correlación elevada nuestra variable dependiente fuese una lista
con nuestra variable dependiente? Una posi de problemas a resolver, podríamos seleccio
bilidad sería usar a la propia variable depen nar la mitad de esa lista para usarlos como
diente. Por ejemplo, podemos tratar de com variable de igualación y usar la otra mitad
parar dos métodos de lanzar dardos a un blan como variable dependiente.
co. ¿Qué podida ser mejor como medida ini Hemos dicho que el diseño de grupos igua
cial para igualar a los participantes que el pro lados sólo puede utilizarse si existe una corre
pio lanzamiento de dardos? Podríamos hacer lación elevada entre las variables dependien
que los participantes lanzaran dardos en cin te y de igualación. Para determinar si existe
co ensayos y utilizar los puntajes de esos esa correlación puede consultar estudios pre
cinco ensayos como base para aparearlos for vios en los que las medidas que le interesan,
mando dos grupos. Luego compararíamos a u otras similares, hayan sido correlacionadas
los grupos respecto a la medida de la variable empíricamente. Por supuesto, debe estar tan
dependiente de lanzamiento de dardos des seguro como sea posible que para sus partici
pués de un entrenamiento con dos métodos. pantes existe un valor similar de correlación
Si las medidas iniciales de los primeros cinco con las técnicas específicas que utilice. O pue
ensayos correlacionan altamente con la medi de conducir un estudio piloto en que tome
da posterior de la variable dependiente, nues ciertas medidas en algunos participantes, in
tra igualación habrá sido exitosa. Como tan cluyendo las medidas de su variable depen
to los puntajes iniciales de la igualación como diente. La selección de la medida más alta
los posteriores de la variable dependiente co mente correlacionada con la variable depen
rresponden a la tarea de lanzamiento de dar diente proporciona un buen criterio, si es
dos, la correlación entre ambas medidas debe suficientemente alto. Si fuese muy bajo, po
ser elevada. En resumen, u n a m ed id a in ic ia l de dría buscar otras posibilidades de igualación
la variable d ep en d ien te es el m ejor criterio posible o considerar la conveniencia de abandonar el
para ig u a la r a los in d iv id u o s y fo r m a r dos g ru p o s diseño de grupos igualados.
Una desventaja de procedimiento del dise pendiente, la igualdad de los grupos es bené
ño de igualación que ocurre en muchos ca fica. De no serlo, no sólo no es benéfica sino
sos, es que al utilizar los ensayos iniciales de que, de hecho, puede ser perjudicial. Para en
una tarea de aprendizaje como variable de tender esto, note una desventaja general del
igualación, necesita traer a los participantes diseño de igualación. Recuerde que la ecua
al laboratorio para obtener los datos con que ción para calcular los grados de libertad es i
los igualará. Luego, después de hacer los cál - 1. En el diseño de grupos aleatorios la ecua
culos y formar los grupos igualados, los parti ción para los grados de libertad es N - 2. Por
cipantes deben regresar para la administra consiguiente, al usar el diseño de grupos igua
ción de la variable independiente. En ocasio lados dispone de menos grados de libertad
nes, el requisito de que la gente se presente que con el diseño de grupos aleatorios, asu
dos veces en el laboratorio es problemático. miendo que en ambos diseños el número de
Es más conveniente usar medidas ya disponi participantes sea igual. Por ejemplo, si en cada
bles, como los puntajes de pruebas de inteli grupo hay siete participantes, n = 7 y N = 14.
gencia o puntajes de pruebas escolares. Tam Con el diseño de grupos igualados tendría
bién es más sencillo aplicar pruebas grupales, mos 7 - 1 = 6 grados de libertad, mientras
como las de inteligencia o personalidad, que que para el diseño de grupos aleatorios ten-;
puedan hacerse en el salón de clases. Sobre la dríamos 14 - 2 = 12. También debemos recor
base de esas pruebas puede seleccionarse a dar que entre mayor sea el número disponi
los estudiantes apropiados y asignarlos a los ble de grados de libertad, menor será el valor
grupos antes de que lleguen al laboratorio. de t requerido para la confiabilidad estadísti
Al pasar a la tabla de t (tabla A-l del apén ca, manteniéndose otras cosas iguales. Por esta
dice A) con un valor de 2.53 y 4 gl, podemos razón es que el diseño de grupos igualados
ver que se requiere una t de 2.776 para ser sufre uña desventaja en comparación con el
confiable a nivel de 0.05. Por ende no pode diseño de grupos aleatorios. Así, una t dada
mos rechazar la hipótesis nula y no podemos puede indicar una diferencia media confia
afirmar que la variación en el nivel de ansie ble con un diseño de grupos aleatorios peró
dad dio por resultado una ejecución diferen no con uno de grupos igualados. Suponga que
te en los puntos de difícil elección. En efecto, t = 2.05 con 16 participantes por grupo, inde
podemos incluso observar que la dirección de pendientemente del diseño usado. Con un
la media en contraria a lo que se predecía; es diseño de grupos igualados tendríamos 15 gl
decir, en realidad el grupo de baja ansiedad y se requeriría encontrar una t de 2.131 para
cometió más errores que el grupo de ansie una confiabilidad a nivel de 0.05; por lo que
dad elevada. la t no es confiable. Pero con los 30 gl dispo
nibles para los grupos aleatorios, sólo necesi
¿Qué diseño usar: tamos 2.042 para una confiabilidad a nivel de
grupos aleatorios o grupos igualados? 0.05.
Para resumir este punto concerniente a la
En ocasiones los resultados de un diseño elección de un diseño de grupos igualados o
de grupos aleatorizados parecen poco razo de grupos aleatorios, una ventaja del primero
nables y el experimentador duda si la asigna es que nos ayuda a asegurar la igualdad de
ción al azar produjo realmente grupos equi los grupos si existe una correlación positiva
valentes. Una ventaja del diseño de grupos entre la variable de igualación y la variable
igualados es que los pretests de igualación dependiente. Por otro lado, al usar el diseño
aseguran equidad aproximada de ambos gru de grupos igualados se pierden grados de li
pos antes del inicio del experimento. Sin em bertad, se dispone sólo de la mitad de los gra
bargo, esta igualdad no es útil a menos que dos de libertad que se tendría con un diseño
también concierna a la variable dependiente. de grupos aleatorios. Por ende, si la correla
Por ende, si la variable de igualación tiene ción es bastante grande para compensar la
una correlación elevada con la variable de pérdida de grados de libertad, debería usarse
el diseño de grupos igualados.4 De no ser así, tablecer el nivel de probabilidad para una t
entonces el diseño a emplear es el de grupos como criterio para rechazar la hipótesis nula.
aleatorios.5 En resumen, Si piensa usar un di Dijimos que el experimentador puede esta
seño de grupos igualados, debe estar seguro de que blecer el nivel que desee, siempre que lo haga
la correlación entre sus variables de igualación y antes de conducir el experimento. De manera
dependiente es bastante alta y positiva. análoga, el experimentador puede elegir el
En este punto un estudiante brillante po diseño que desee, siempre y cuando éste se
dría decir: “Mire, ya ha hablado mucho de esta elija después de haber conducido el experi
correlación entre las variables de igualación mento. En cualquier caso debe respetar la deci
y dependiente, y ya entendí el problema. Us sión. Si se elige un diseño de grupos iguala
ted dice que trate de encontrar alguna evi dos también se está comprometiendo con cier
dencia previa de la existencia de esa correla to tipo de prueba estadística (por ejemplo, la
ción, Pero quizá esa correlación no se sosten prueba ¿-igualada, que tiene cierta probabili
ga en nuestro experimento. Pero creo que ya dad apegada a sus resultados). Si se cambia el
tengo la solución. Vamos a igualar a nuestros diseño, puede alterarse la probabilidad asig
participantes en lo que creamos que es una nada a la / a través de la tabla t. Si decide usar
buena variable y luego calculamos la correla un diseño de grupos igualados, debe mante
ción. Si encontramos que la correlación no ner su decisión. Tal vez la siguiente experien
es suficientemente alta, nos olvidamos de que cia pueda consolarlo en el caso de que llegue
igualamos a los participantes y corremos una a encontrarse en la improbable situación des
prueba t para un diseño de grupos aleatorios. crita. En una ocasión utilicé un diseño de gru
Si procedemos así no podemos perder, si la pos igualados para el cual la investigación
correlación es elevada eso nos permitirá com previa había arrojado una correlación de 0.72
pensar los grados de libertad que perdimos entre las variables de igualación y dependien
al emplear un diserto de grupos igualados; o te, lo que suponía una excelente oportunidad
si es muy baja, usamos un diseño de grupos para usar el diseño de grupos igualados. Sin
aleatorizados y no perdemos nuestros grados embargo, resultó que para los datos que ob
de libertad.” tuvimos la correlación fue de - 0.24. Y, como
“Este estudiante, responderíamos, está pen veremos en la siguiente sección, una correla
sando, y eso es bueno. Pero lo que piensa es ción negativa decrementa el valor de t. En conse
erróneo.” En un curso de estadística debería cuencia, no sólo perdimos grados de libertad
discutirse a fondo en qué estriba el error de sino que en realidad disminuyó el valor de t.6
ese razonamiento, pero podemos decir que En conclusión, el diseño de grupos iguala
es similar al que aludimos previamente al es dos puede ser muy útil en situaciones selec
cionadas, pero sus desventajas pueden ser
considerables. En el pasado se utilizó con fre
cuencia, debido quizá a la seguridad intuitiva
4 Note que si el número de participantes en un grupo que brindaba contar con grupos equivalen
es grande (si n = 30), entonces uno podría compensar la
pérdida de grados de libertad por la igualación. Es decir, tes, pero ha perdido popularidad y ahora es
existe sólo una pequeña diferencia entre el valor de t re un diseño más en el arsenal de los experimen
querido para confiabilidad en cualquier nivel dado con un tadores.
gl grande. De ahí que uno no pierde mucho igualando a
los participantes incluso si la correlación entre las varia
bles independiente y dependiente es cero. La pérdida degl
de consideración es por tanto un argumento contra el di 6 Otra desventaja de la igualación es que si la iguala
seño de grupos igualados sólo cuando n es relativamente ción involucra dos poblaciones diferentes se observa un
pequeña. efecto de regresión estadísdea. El efecto de regresión es
5 Si está interesado en el tema, puede encontrar una un artefacto estadístico que ocurre en pruebas repetidas
elaboración técnica de dichas afirmaciones en el apéndice de modo que el valor del puntaje de la segunda prueba
de las ediciones previas de este libro. Esa discusión elabo regresa hacia la media de la población. Este efecto puede
rada se eliminó en esta edición para ayudar al estudiante a sugerir que existe un cambio en la variable dependiente
avanzar a temas de mayor prioridad. cuando en realidad no es así.
Varianza de error y el diseño de grupos

igualados t = í
■4
9 9 3
La ecuación generalizada para la prueba t
que es apropiada tanto para el diseño de dos
'9 9 2(o-7o)m V»
¥
'k
m í
= 6.49
grupos independientes como para el diseño
de dos grupos igualados se presenta como Ahora debe ser evidente que entre mayor
ecuación 9-4. sea el valor positivo de r ]2 mayor será el tÉ
mino que se resta de las varianzas de los dos*
t = grupos. En un caso extremo de esta ilus(r¡f
c2 ción, en que r 12 = 1 .0 , deberíamos restar 2 ,0|
s2
~ + - - 2 (rI2) de la suma de las varianzas (2 .00 ), lo que ddf
nl ra2 ría un denominador de cero, en cuyo caso)
sería infinitamente grande. Por otro la®
Recuerde que el denominador de la ecua suponga que r 12 es más bien pequeño, dip
ción 9-4 representa la varianza del error, cuyo mos de 0.10. En ese caso, simplemente a§
tamaño es determinado por las varianzas de heríamos restar 0.20 de 2 .00 , y el denominé
ambos grupos (s¡ y s|) el número de partici dor sólo sería ligeramente reducido. O, si’fj)
pantes en cada grupo (n,\ y n%) y el valor de la = 0 , entonces se restaría ese valor de las varian
correlación r12. El valor de r ,2 es determinado zas, lo que no las reduciría. La lección debe
por la correlación entre la variable de iguala ser ya clara; Entre mayor sea el valor de r12 '(j
ción y la variable dependiente del estudio .7 por ende el valor de la correlación entre las vatií
Debemos notar que restamos r i2 de las varian bles dependiente y de igualación), mayor seráil
zas (así como .q y s2 pero no necesitamos pre valor de t. ’í
ocuparnos ahora por eso). Sin que nos intere Una consideración final del valor de r:¡ s)
semos ahora por los aspectos técnicos, el va refiere al efecto que una correlación negativa
lor de r 12 es un indicador del tamaño de nues puede tener en el valor de t. Recuerde qué
tra correlación entre los puntajes de las varia una correlación negativa incrementa el derió-
bles de igualación y dependiente. Cualquier minador, disminuyendo así t. En este casó, en
sustracción de las varianzas de ambos grupos lugar de restar ese valor de las varianzas de
dará por resultado un denominador más pe bemos sumarlo (“menos por menos es iguala
queño y un consecuente incremento en t. Por más”). Más aún, entre mayor sea la corréis
ende, si se obtiene una correlación grande y ción negativa, mayor será el denominador. Pói
positiva entre las variables de igualación y ejemplo, suponga que en el ejemplo anterior
dependiente, podemos notar que el denomi en lugar de tener un valor de r 12 = 0.70, tene
nador es decrementado. mos que r 12 = -0.70. En ese caso podemos ver
A manera de ilustración, suponga que la que el valor que computamos para t disminu
diferencia entre las medias de ambos grupos ye de 6.49 a 2.72, es decir o
es 5 y que en cada grupo hay nueve partici ¡V'jyO
pantes (tanto n\ como n2 son iguales a 9). Su t =
■1 ÍX9
ponga también que tanto Si como s2 son igua

les a 3 (por lo que sf y s¡ son ambos igual a 9) 3 3
l ¡ + § - 2 ( - 0.70)
y que rvi es 0.70. Al sustituir esos valores en la V9. Vft
ecuación 9-4 obtenemos = 2.72
Previamente dijimos que la ecuación 94
es una ecuación generalizada aplicable a cual
quiera de los dos diseños discutidos. Sin em
7 En las primeras ediciones de este libro se presentaba bargo, podríamos preguntar de qué manera
una consideración más extensa de la naturaleza de r12. puede aplicarse al diseño de grupos aleaíií
rios, ya que contiene un término de correla La técnica de emparejar a los participantes

ción y al usar ese diseño no hemos hecho nin es un diseño específico que da por resultado
guna referencia a cualquier correlación. Por grupos igualados, por lo que también se co
ejemplo, es absurdo hablar de la correlación noce como diseño de grupos apareados. El
entre pares de participantes cuando se emplea diseño de grupos igualados (o, si lo prefiere,
el diseño de grupos aleatorios, puesto que por apareados) implica que el diseño puede ex
la propia naturaleza del diseño los participan tenderse a más de dos grupos.
tes no son apareados. La respuesta a esto es
que como los participantes no han sido apa DISEÑOS EXPERIMENTALES
reados, la correlación entre cualquier pareja PARA GRUPOS Q U E USAN
aleatoria de participantes a la larga es cero. TRATAMIENTOS REPETIDOS
Es decir, si seleccionamos al azar a los partici
pantes del grupo experimental, al emparejar Diseños entregrupos vs. diseños intragrupos.
ese valor con un participante elegido al azar Los diseños de dos grupos aleatorios, de más
del grupo de control, y continuamos con ese de dos grupos aleatorios, el factorial, y el de
procedimiento para todos los participantes, grupos igualados son —todos— ejemplos de
podríamos esperar que la correlación entre diseños entre grupos. Esto es así porque hay
los valores de la variable dependiente sea cero dos o más valores de la variable independien
(o, más precisamente, la correlación no sería te y en el experimento se administra u n valor
confiablemente diferente de cero). Simple a cada grupo. Luego, al calcular para cada
mente no habría razón para esperar una co grupo la media de los valores de la variable
rrelación distinta a cero porque los partici dependiente, calculamos también la diferen
pantes fueron emparejados sobre la base del cia promedio en tre los grupos y así evaluamos
azar. Cuando se utiliza el diseño de grupos el efecto de manipular la variable indepen
aleatorios, asumimos que el término r ]2 de la diente. Una alternativa al diseño entre gru
ecuación 9-4 es cero, y siendo igual a cero, el pos es un diseño de tratamientos repetidos
término que incluye a r 12 “desaparece”. Así que o intragrupos e n q u e dos o m á s valores de la
la ecuación 9-4 asume la siguiente forma para v a ria b le in d e p e n d ie n te se a d m in istra n , a lte r n a d a
el diseño de grupos aleatorizados m ente, a los m ism o s p a r tic ip a n te s . Se obtiene
luego un valor de la variable dependiente para
la ejecución de cada participante bajo cada
valor de la variable independiente; posterior
mente, las comparaciones de los valores de la
variable dependiente bajo los diferentes tra
Una nota final. Aunque hemos llamado al tamientos experimentales permiten evaluar
tipo de diseño discutido en este capítulo como los efectos de la manipulación de la variable
diseño de g ru p o s igualados, hemos limitado nues independiente.
tra discusión al caso de dos grupos. Puede En resumen, para los diseños entre grupos
decirse que los dos grupos son igualados por comparamos los valores de la variable depen
que apareamos a los participantes con punta diente e n tre grupos que han sido tratados
jes similares. Como todos los participantes son diferencialmente. En los diseños de tratamien
apareados los grupos tendrían que ser aproxi tos repetidos, los mismos individuos son tra
madamente equivalentes. Este hecho puede ser tados diferencialmente en momentos distin
determinado al comparar la distribución de tos, y sus puntajes son comparados como una
los valores de igualación para ambos grupos. función de los diferentes tratamientos expe
Lamejor de esas comparaciones probablemen rimentales. Por ejemplo, suponga que desea
te consista en comparar las medias y las des mos evaluar los efectos de cierta droga sobre
viaciones estándar de los dos grupos. Espera la precisión de la percepción. En un diseño
ríamos encontrar que ambos grupos fuesen entre grupos probablemente administraría
muy similares en las dos medidas. mos la droga al grupo experimental y un pía-
cebo al grupo de control, determinando los los músculos involucrados en el lenguaje

posibles efectos del medicamento mediante tran mayor actividad cubierta cuando el sínj
una comparación de las medias de ambos to escribe palabras que cuando realiza“®
grupos en una prueba de precisión perceptual. tarea comparable no relacionada con el jé|
Pero, en un diseño de tratamientos repetidos, guaje. Para responderla, para cada person!''-
administraríamos la prueba de precisión per se restó la amplitud del EMG del mentón ®
ceptual a los miembros de la muestra: ( 1 ) cuan rante el reposo del exhibido durante la escri.
do se encuentran bajo el efecto del fármaco, tura. Luego se midió de manera similar cácjá
y (2 ) cuando están en condiciones norma incremento individual en la amplitud del ÉM(j
les. Si las medias de las mismas personas cam del mentón mientras el sujeto dibujaba ova.
bian conforme pasan de una condición a otra, los. Como se muestra en la tabla 9-8, se obsejy
podemos atribuir el cambio conductual a la vó un incremento en la amplitud de las rq.
droga, siempre que los controles fueran los puestas del lenguaje cubierto de 23.5 pV (¿v
adecuados. = microvolt, que es una millonésima parte
un volt) durante la escritura para el estudiar
El diseño de dos tratamientos repetidos te número 1 ; el incremento comparable mien*
tras dibujaba óvalos era de 12 .0 piW, y así s|.
Ya nos hemos familiarizado con la prueba cesivamente para todos los estudiantes. La píe.
t para grupos igualados y eso nos da una bue gunta es: ¿El incremento observado durante
na base para estudiar el tipo más sencillo de el período de escritura fue significativam||
diseño de tratamientos repetidos. En este caso, te mayor al observado durante el período dé
se obtiene una medida de cada participante dibujo? Para responder a esta pregunta coro
cuando actúa bajo una condición experimen putamos la diferencia en las medidas de ra
tal, la misma medida se toma nuevamente puesta: para el estudiante número 1 la dij|
cuando el participante actúa bajo una segun renda es de 11.5 ¡uV. Para conducir una prue
da condición experimental. Luego se calcula ba estadística calculamos la suma de esas diro
la diferencia promedio entre cada par de me rendas y la suma del cuadrado de las diferen
didas y se prueba para determinar si es con cias, como en la parte inferior de la tablaj)'-|
fiablemente diferente de cero .8 Si la diferen Si la media de esas diferencias es confiablg
cia no es confiable, entonces la variación de mente mayor que cero, podemos asegurar que
la variable independiente probablemente no la variación de las tareas experimentales pij|
produjo cambios conductuales. Por ejemplo, dujo un cambio en la conducta verbal cubiéB
considere un experimento en que se plantea ta. La prueba indicada es la prueba t -iguabi
la hipótesis de que los individuos subvocalizan da, en que XDes la diferencia entre las media?
cuando escriben (igual que cuando leen). La de ambas condiciones
medida de subvocalización consistió en elec-
, di
tromiógrafos del mentón (EMG) en estudian Xn -ÚS
tes que realizaban tareas de escritura. (Los (9-6) t =
electromiogramas son medidas de respuesta
J X D 2 - (Xüfin id
n(n — 1 ) ' >b

cubierta de la actividad eléctrica de los múscu
¡up
los.) Los estudiantes pasaban por tres condi
:'jj
ciones (en un orden contrabalanceado): re Al sustituir en la ecuación los valores aprj>
poso, dibujo de óvalos, y escritura de pala piados de la tabla 9-8 resulta
bras. La tarea motora de dibujar óvalos no es
una tarea lingüística y por ello servía como ¿ ____________________ __ _ g g/yol
condición control. La pregunta se refería a si
/28,578.32 - (384.00)2/ l l f
v 11 a 1 - n
8 El diseño popularmente conocido como diseño pre-
test-postest se ajusta a este paradigma. También, gl = n — 1 = 1 1 — 1 = 10A
r
TABLA 9-8 Cambios en los electromiogramas del En este caso, podría plantearse otra pregunta
mentón (aV) durante la escritura y durante el relacionada, es decir, ¿La ejecución durante
dibujo de óvalos (tomado de McCuigan, 1970) la condición A (y la B) cambió confiablemen
te respecto a la condición estándar? Los da
Estudiante Escritura Dibujo de óvalos Diferencia tos de la tabla 9-8 pueden proporcionar tam
1 23.5 12.0 11.5 bién respuestas a esas preguntas. Como los

2 .3 5.8 -5.5 valores correspondientes a “Escritura” y “Di
3 86.8 52.8 34.0 bujo” son en sí valores de diferencia, también
4 33.3 -29.3 62.6 pueden ser analizados por medio de la prue
5 46.4 22.9 23.5
6 -1.6 -24.1 22.5 ba t. Es decir, para cada persona se obtuvo
7 26.2 -20.7 46.9 una medida durante el reposo, y luego mien
8 6.6 - 6.0 .6 tras escribía. El puntaje de 23.5 para el estu
9 16.9 -13.1 30.0 diante número 1 se obtuvo así al restar el ni
10 43.6 22.6 21.0 vel obtenido en reposo del obtenido durante
11 143.6 6.7 136.9
la tarea. Para determinar si hubo un incremen
2D = 384.00 to confiable en el lenguaje cubierto cuando
2D2 = 28,578,34 los estudiantes pasaban del reposo a la escri
tura, sólo es necesario computar la suma de
los valores bajo la columna “escritura”, la
media de ese valor para el numerador, y la
Al remitirnos a la tabla A-l del apéndice suma de los cuadrados de esos puntajes. Lue
A, encontramos que una t = 2.97 (con 10 gl) go esos valores pueden sustituirse en la ecua
indica que la media de las diferencias entre ción 9-6 para determinar sí el valor resultante
las dos condiciones es confiablemente dife de t es confiable, ¿lo es? ¿Qué hay acerca de
rente de cero; es decir, P < 0.05 (en realidad los valores para la condición de óvalos?
P sería menor de 0.02 si hubiéramos estable
cido ese criterio). Así, se concluye que los es Diseños de varios tratamientos repetidos
tudiantes emiten una cantidad confiablemen
te mayor de respuestas verbales cubiertas du El diseño de tratamientos repetidos en que
rante la escritura silente que durante una ta dos tratamientos experimentales son adminis
rea motora comparable que no es de natura trados a los mismos participantes puede ex
leza verbal (dibujar óvalos). La interpretación tenderse indefinidamente. Ilustremos breve
de este hallazgo es que los individuos se ocu mente una extensión considerando un expe
pan en conductas verbales cubiertas cuando rimento clásico en que se administraron cua
reciben y procesan estímulos lingüísticos (pa tro valores de la variable independiente al
labras).9 mismo grupo de participantes. Primero, to
dos los participantes experimentaron una con
Cambios a partir de la condición de línea dición ( 1 ) en que no se estudiaron listas de
base. Incidentalmente, la pregunta en que nos palabras. Luego, en la condición (2) estudia
hemos centrado es: ¿Hay un mayor cambio ron dos listas de pares de adjetivos; en la con
en la variable dependiente cuando los partici dición (3) cuatro listas de pares de adjetivos,
pantes se ocupan de la tarea A que cuando lo y finalmente, en la condición (4) seis de esas
hacen en la tarea B? A menudo, como en este listas. Después de pasar por las cuatro condi
caso, la ejecución en las dos tareas es deter ciones, todos aprendieron una lista diferente
minada por comparación contra alguna con de pares de adjetivos. Después de haber trans
dición estándar, como un estado de reposo. currido 25 minutos se probó su retención de
esta nueva lista. La variable dependiente fue
* Una interpretación compatible resultó de una com
el número de pares de adjetivos que pudie
paración con diferentes tareas motoras no lingüísticas de ron recordar. Los resultados se presentan en
dibujar claves musicales. la figura 9-6, donde debe notarse que entre
L
FIGURA 9-6 Un diseño de tratamientos repetidos en

que los participantes aprendieron listas verbales bajo
cuatro condiciones diferentes. Entre mayor fuera el
número de listas estudiadas antes del aprendizaje,
mayor era el monto de la inhibición proactiva,
(después de Underwood, 1945)
■ti
:*•4'
menor hubiera sido el número de listas estu condiciones, considere un estudio sobre la
diadas previamente, mejor era el recuerdo. eficiencia de una persona para el procesamien
Como quizá ha notado, se trató de un experi to interno de información. Cada persona tra
mento de inhibición (interferencia) proactiva, baja bajo cada condición de A, B, C, y D. Su
es decir, cuando estudiamos algo y luego ponga que los puntajes de la variable depen
aprendemos otro material (relacionado), el diente son los que se muestran en la tabla 9-9.
material aprendido primero inhibe el recuer El procedimiento estadístico a usar es un anái
do del que se aprendió después. Puesto de lisis de varianza con pruebas F. Para ello, pri
otra manera, los materiales aprendidos pri mero calculamos como antes la suma total de
mero interfieren proactivamente con la reten cuadrados (SC), para luego analizarla en tres
ción del material aprendido después, y en este componentes: ( 1 ) entre condiciones, (2 ) en
experimento entre mayor hubiera sido el nú tre estudiantes, y (3) un término de error (qué
mero de listas previas, mayor era la cantidad será el denominador de las pruebas F).
de inhibición proactiva. Independientemen La ecuación para calcular la suma total de
te del tema de los hallazgos, el punto a seña cuadrados es
lar es que es posible administrar a los partici
pantes un número de tratamientos experimen (9-7) SC total = (XX? + XX| + XX? + XX?
tales por medio del diseño de tratamientos
repetidos. _ (XX, + xx2 + XXH + XX4)2
N
Análisis estadístico para más de dos
tratamientos repetidos La única diferencia entre esta aplicación
de la ecuación 9-7 y la ecuación 8 -1 es que,
Para ilustrar el análisis estadístico para un en un diseño de tratamientos repetidos, N es
diseño de tratamientos repetidos con cuatro el número de participantes multiplicado por
TABLA 9-9 Valores asumidos de la variable (61)2 (31)2 (50)2 (51 )2

dependiente para un diseño de tratamientos 7 7 7 7
repetidos en que cada persona pasa por las
cuatro condiciones _ (61 + 31.+ 50 + 51)2 = 6 7 25
¿o
Condición de procesamiento de información
Estudiante A B C D XS Para computar la suma de cuadrados entre
estudiantes usamos la ecuación 9-9.
1 4 2 8 3 17
2 14 7 5 13 39
3 6 6 6 10 28 (9-9) SC entre estudiantes =
4 11 3 8 4 26
5 7 5 7 5 24 (XS,)2 _ ( S S ^ (SS7)2
6 10 4 8 9 31 K K " K
7 9 4 8 7 28
XX: 61 31 50 51 193 _ (XX { + xx2 + xx3 + SX4)2
XX2: 599 155 366 449 N
Note que en la tabla 9-9 hemos calculado

una suma de los valores de la variable depen
diente para cada estudiante en la columna lla
mada “2S”. Por ejemplo, el total de puntajes
el número de condiciones. De ahí que, para para el estudiante 1 (XS) es 17. En este experi
este ejemplo, cuatro condiciones multiplica
mento también se calculó la cantidad (XSj)2/
das por siete estudiantes es igual a N = 28. K para cada participante. (K es el número de
Los otros valores requeridos para la ecuación condiciones; por ende K= 4.) En la ecuación
9-7 han sido calculados y colocados en la par 9-9 hemos indicado que existen siete de esas
te inferior de la tabla 9-9, al sustituirlos com cantidades, pero si usted tuviera nueve parti
putamos la suma total de cuadrados de la si
cipantes, tales factores serían nueve, [es de
guiente manera: cir, (SS9)2/X j. De modo similar, en la última
cantidad, se calcula el valor XX para cada con
SC total = (599 + 155 + 366 + 499)
dición, en nuestro ejemplo tenemos cuatro
_ (61 4- 31 + 50 + 51)2 de esos valores; sí usted tuviera sólo tres con
28 diciones (A, B, y C) sólo habría tres valores
de XX en la última cantidad de las ecuaciones
= 238.68 9-7, 9-8 y 9-9. Al sustituir los valores de la ta
bla 9-9 en la ecuación 9-9 tenemos
Para computar la SC entre condiciones em
pleamos la ecuación 9-8. SC entre estudiantes =
(17)2 (39)2 (28)2 (26)2*28
(9-8) SC entre condiciones =
(SX,) 2 + (XX2) 2 + (Sxs) 2 + (SX4)2 . (24)2 (31) (28)2
nl w2 n3 W4 + — + — + —
_ (Sx, + Sx2 + Sx, + SX4)2 _ (61 + 31 + 50 + 51)2
N 28
_ (289) 1521 , 784 , 676 576
Yal hacer las sustituciones apropiadas de la
tabla 9-9 encontramos 4 4 4 4 4
961 784
SC entre condiciones = 4 4
37,249 Note que la ecuación para los gl del tèrmi,

28 no de error es meramente el producto de los
gl entre condiciones y entre sujetos. Como
= 72.25 + 380.25 + 196.00 + 169.00 hicimos antes, puede revisar su ejercicio su
+ 144.00 + 240.25 + 196.00 - 1,330.32 mando las sumas de cuadrados componentes
para estar seguro de que son iguales al total
= 67.43 (238.68) mostrado en la tabla 9-10, siguiendo
un procedimiento similar, para los grados de
El término de error de la suma de cuadra libertad (27). Obviamente el cuadrado de las
dos se obtiene por sustracción, como lo hici medias y los valores F no se suman a nada
mos en el caso del término de error denomi sensible.
nado “intragrupos”. Luego necesitamos calcular los cuadrados
de las medias y conducir nuestras pruebas F,
(9-10) Como antes, para obtener los cuadrados de
las medias, dividimos las sumas de cuadrados
error de la SC = SC total entre el número apropiado de grados de li
— SC entre condiciones
bertad, por ejemplo, el cuadrado de la media
- SC entre estudiantes
entre condiciones 67.25/3 = 22.42, como en
= 238.68 - 67.25 - 67.43
la tabla 9-10. Para conducir la prueba F entre
= 104.00
condiciones, dividimos el cuadrado de la me
dia entre el término de error, es decir, 22.42/
Esto completa el cálculo de las sumas de 5.78 = 3.88. De modo similar, el valor de F
cuadrados ¡oar» un diseño de tratamientos
entre estudiantes = 11.24/5.78 = 1.94. Esos
repetidos en que se tienen más de dos trata
valores nos dirán si existe una diferencia con
mientos. Los valores se resumen bajo el ru
fiable entre condiciones y entre estudiantes;
bro SC en la tabla 9-10. respectivamente. Primero, para hacer la prue
Las ecuaciones para calcular los grados de
ba entre condiciones notamos que la prueba
libertad son F se basó en tres grados de libertad para el
numerador y 18 grados para el denominador;
(9-11) gl total = N - 1 = 27
al acudir a la tabla A-2 con esos valores, en
contramos que nuestra F debe ser mayor de
(9-12) entre condiciones = K — 1
3.16 para indicar confiabilidad estadística a
= 4 -1 = 3
nivel de 0.05. Como nuestro valor de 3.88
excede al de la tabla (como lo indica el aste
(9-13) entre estudiantes — n — 1
risco en la tabla 9-10), podemos concluir que
= 7 - 1 = 26
la variación de las condiciones de procesa
miento interno de información influyeron dg
(9-14) término de error = (K — 1) (n — 1)
manera confiable a la variable dependiente.
= 3 X 6 = 18
Para probar si existe una diferencia confiable
entre estudiantes entramos a la tabla A-2 con
6 y 18 grados de libertad para encontrar un
TABLA 9-10 Resumen del análisis de varianza valor de 2.51 a nivel de 0.05. Como nuestra
para un diseño de tratamientos repetidos razón F de 1.94 es menor al valor de la tabla,
concluimos que la fuente de variación entre
F u en te de v a ria ció n SC g1 CM F
estudiantes no es confiable, es decir, que no
E n tre c o n d ic io n e s 6 7 .2 5 3 2 2 .4 2 3 .8 8 * existe diferencia confiable entre estudiantes
E n tre e s tu d ia n te s 6 7 .4 3 6 1 1 .2 5 1 .9 4 para la medida de la variable dependiente. :
E rro r 1 0 4 .0 0 18 5 .7 8 Esto concluye nuestro análisis estadístico
T o ta l 2 3 8 .6 8 27 para el diseño de tratamientos repetidos con
* P < 0 .0 5 . más de dos condiciones. Implícitamente he-
mos probado dos hipótesis nulas: ( 1 ) que no miento (aquí las filas son los siete sujetos y los
existe diferencia verdadera entre las medias tratamientos son las cuatro condiciones ex
de nuestros cuatro tratamientos, y (2 ) que no perimentales). Si existiera una interacción
existe diferencia verdadera entre las medias confiable significaría que las covarianzas para
de los siete estudiantes. Hemos rechazado la todos los pares de niveles de tratamiento son
primera hipótesis nula, pero no logramos re heterogéneas (diferentes), es decir, el diseño
chazar la segunda. La conclusión empírica es asume que las covarianzas de la población para
que la variación de las condiciones de proce todos los pares de niveles de tratamiento son
samiento interno de información afectan la homogéneas. Para tener una idea aproxima
medida de la variable dependiente. Sin em da de lo que esto significa, afirma que la ten
bargo, no existen diferencias confiables en la dencia es aproximadamente la misma de tra
ejecución entre participantes. Sólo podemos tamiento a tratamiento. Por ende, a medida
agregar que sí está interesado en una serie que pasa del tratamiento A al B, los puntajes
alternativa de hipótesis nulas para la variable son aproximadamente los mismos; conforme
independiente, debe usar un análisis estadís pasa del tratamiento B al C, son similarmente
tico diferente. Por ejemplo, si está interesado homogéneos, y algo similar cuando pasa de C
en ciertas comparaciones entre pares, no ne a D. Los libros de estadística le proporcionan
cesita conducir un análisis de varianza sino métodos para establecer con precisión si se
que puede pasar directamente a las pruebas t ha violado esta suposición, de haberlo hecho,
igualadas entre esas condiciones usando la hay correcciones que pueden ser usadas como
ecuación 9-6, debiendo haber usado el proce la Caja de corrección, que consiste simplemen
dimiento para comparaciones planeadas. De te un ajuste en sus grados de libertad .10
modo similar, si estuviera interesado en to
das las posibles comparaciones entre pares, El orden de los participantes en los
debe seguir el procedimiento para compara diseños de tratamientos repetidos
ciones post-hoc ajustando sus niveles nomina
les de confiabilidad con la prueba Bonferroni, Esto atañe a la asignación de los partici
o algún otro procedimiento de comparación pantes al orden de las condiciones; es decir,
múltiple. ¿cómo determina si el participante número 1
experimenta primero la condición A, luego
Suposiciones estadísticas la B, y así sucesivamente? Hay dos respuestas
factibles: puede asignar al azar el orden en
Debemos mencionar brevemente las supo que se experimentan las condiciones, de mo
siciones estadísticas implicadas en el diseño do que, por ejemplo, para el participante 1
de tratamientos repetidos porque son diferen determine aleatoriamente el orden A, B, C, y
tes de las que corresponden a los diseños en D, procediendo de modo semejante con los
tre grupos. Si usted tiene dos grupos, la supo otros estudiantes. Luego simplemente orde
sición de independencia es que los valores de naría en columnas los valores para la variable
D —como en la tabla 9-8—son independien
tes. Esta no es una suposición exigente sólo
porque significa que los valores de la variable 10 A s u m ie n d o u n m o d e lo d e e fe c to s d e te r m in a d o s, u n
dependiente para cada participante no depen p la n t e a m i e n t o m á s c o m p l e t o y p r e c i s o d e l a s s u p o s i c i o n e s
den de (o son influenciados por) los valores ed sa: s ( 1a )l qa zu ae r l ad se olba s pe or vb al ac ci oi ón ne ,s (e2n) lqa us ec él laus l ap so sbol na c si eo lne ec sc ipo an raa
de los otros participantes. Sin embargo, para e s a s c é lu la s s e d is t r ib u y e n n o r m a l m e n t e , ( 3 ) q u e l a s v a r ia n -
más de dos tratamientos existe una suposición z a s d e e s a s p o b l a c i o n e s s o n h o m o g é n e a s , y ( 4 ) q u e l o s e f e c
adicional que puede plantearse de distintas t o s d e h i l e r a y c o l u m n a s o n a d i t i v o s — e s d e c ir , l o s p u n t a j e s
maneras. Aunque debe ser estudiada con a l i n t e r i o r d e c a d a h i l e r a t i e n e n l a m i s m a t e n d e n c i a e n t r e
c o n d ic io n e s. S i 4 e s v e r d a d , n o e x iste in te r a c c ió n c o n f ia
mayor detalle en cursos posteriores, la nueva b l e e n t r e l a h i l e r a y l a s c o n d i c i o n e s d e t r a t a m i e n t o . L a
suposición sostiene que no existe interacción a u s e n c i a d e i n t e r a c c i ó n s i g n i f i c a q u e l a s c o v a r i a n z a s e n t r e
confiable entre las variables de fila y de trata t o d o s l o s p a r e s d e n iv e le s d e t r a t a m i e n t o s o n i g u a l e s .
k
dependiente como en la tabla 9-10, indepen los animales. Al usar el diseño de tratamien.jjj
dientemente del orden en que fueron experi tos repetidos puede decrementar tiempo
mentados; o podría contrabalancear el orden querido para administrar instrucciones, én'
de las condiciones, como se discutió en el particular si el experimento es complicado'?1!
capítulo 4. Como lo vimos antes, cada proce Una vez que hace tales inversiones al prepa.*’
dimiento tiene ventajas y desventajas. Más aún, rar su trabajo, debería obtener numerosos'
aunque metodológicamente es acertado alea- datos, probablemente estudiando a sus parí?’
torizar el orden de los tratamientos, este pro cipantes bajo una variedad de condiciones.
cedimiento (en comparación con el de contra
balanceo) puede incrementar el error de va- 3. Reduce la varianza de error. La ventaj
rianza. más frecuentemente citada es que la varianza
de error es menor en el diseño de tratamien!.,
Evaluación de los diseños tos repetidos que en un diseño entre grupos
de tratamientos repetidos comparables. Como hemos visto, al igualar a
los participantes respecto a una medida ini
Existen ventajas y desventajas de los dise cial puede incrementar la precisión de su ex
ños de tratamientos repetidos y entre grupos. perimento. La misma lógica se aplica aquí. Al
Tres de las principales ventajas de los diseños tomar dos medidas del mismo participante
de tratamientos repetidos son las siguientes: puede reducir su varianza de error en pro
porción al grado en que ambas medidas es
1. Uso más económico de los participantes. tén correlacionadas. De otra manera, una rq-
El diseño de tratamientos repetidos es mu zón de que la varianza de error sea tan gran
cho más económico en el uso de los partici de en los diseños entre grupos es que incluye
pantes porque obtiene valores de la variable la medida en que los individuos difieren. Pero,
dependiente para todos los sujetos bajo todas como en el diseño intragrupos se repiten las
las condiciones de tratamiento; por ejemplo, medidas en los mismos participantes, está eli
en un diseño entre grupos con dos grupos minando las diferencias individuales de su
(dos tratamientos) necesitaríamos 20 partici varianza de error. De ahí que en lugar de te
pantes en cada grupo para obtener un total ner un grupo control independiente, cada
de 40 valores de la variable dependiente. Pero individuo funge como su propio control.11
en un diseño de tratamientos repetidos don Probablemente se esté preguntando cuáles
de todos los sujetos pasan por ambas condi serán las desventajas:
ciones, usted tendría: ( 1 ) que estudiar sólo a
20 participantes para obtener el mismo nú 1. Los efectos del tratamiento pueden no s
mero de valores de la variable depéndiente reversibles. Si un tratamiento se aplica prime
(es decir, 40), o (2) podría estudiar a 40 parti ro puede que no sea razonable presentar el
cipantes obteniendo 80 valores dependientes otro. Por ejemplo, si inyecta ARN en un orga
para cada condición. nismo y necesita una condición control que
2. Ahorra tiempo de laboratorio. El diseño

de tratamientos repetidos también resulta re 11 S in e m b a r g o , a u n q u e e s c ie r to q u e lo s v a lo re s d e l
lativamente ventajoso si su procedimiento v a r ia b le d e p e n d i e n t e p a r a lo s p a r tic ip a n te s c a m b ia r á me
n o s b a jo tr a ta m ie n to s r e p e t i d o s e n r e la c ió n a lo s valores
experimental demanda tiempo o energía con
d e d is e ñ o s e n tr e tr a ta m ie n to s , é s to s r e t i e n e n u n im por
siderables al preparar la obtención de datos. ta n te c o m p o n e n te d e e r r o r ; e s d e c ir, los in d iv id u o s se com
Por ejemplo, en la investigación psicofisioló- p o r t a n c o n c ie r ta s im ilitu d c u a n d o s e p r u e b a n re p e tid a
gica supone mucho tiempo y paciencia la im m e n te b a jo c o n d ic io n e s d ife re n te s , p e r o a c tú a n d iferencial
plantación adecuada de los electrodos en una m e n te e n m o m e n to s d is tin to s , a u n si s e le s r e p ite la p ru e
b a p r e c is a m e n te b a jo la s m is m a s c o n d ic io n e s . C a m bian
persona; de modo similar, en la investigación c o n r e s p e c to a la a te n c ió n p r e s ta d a , a lo q u e e s tá n p e n sa n
neuropsicológica se hacen inversiones consi d o , el m o n to d e p e r tu r b a c io n e s , e tc . to d a s la s c u a le s con
derables al implantar electrodos cerebrales en tr ib u y e n a l e r r o r e n la m e d i d a d e la v a r ia b le d e p e n d ie n te .
A
no reciba ARN, debe usar un diseño entre participantes que deben pasar por la condi
grupos. Es decir, no puede administrar pri ción B. Seamos claros acerca de la seriedad
mero el ARN, probar a los animales y luego de este problema. Si usted asume que una
extraer de ellos el ARN y volver a probarlos. condición no interactúa con otra cuando en
El efecto de administrar el ARN es irreversi efecto lo hace, sus conclusiones serán drásti
ble.12 Un efecto irreversible es aquel en que se camente distorsionadas. Por ejemplo, reexa
realiza un conjunto de operaciones de manera que minemos la clásica curva de olvido de Ebbing-
las mediciones subsecuentes se ven sesgadas por haus. Recuerde que él memorizaba listas de
los efectos de las operaciones originales. sílabas sin sentido y posteriormente probaba
su retención de las mismas. En las suposi
2. Pueden presentarse efectos asimétricos de ciones de Ebbinghaus estaba implícito, como
transferencia. Puede haber problemas con el podemos ver desde nuestro ventajoso punto
orden en que se presenten los tratamientos de vista, que sus tratamientos no interac
experimentales a los mismos participantes. tuaban para afectar su variable independien
Hemos dicho que el propósito del contraba te. Puesto de manera más sencilla, suponía
lanceo es controlar los efectos del orden (prác que el aprendizaje de una lista de sílabas sin
tica, fatiga) para distribuir por igual esas va sentido no afectaba el recuerdo de otra lista.
riables extrañas entre todas las condiciones Sus resultados indicaban que la mayor parte
experimentales. Pero, señalamos, al ejercer ese de lo que aprendemos se olvida rápidamente;
control puede heredar otro tipo de proble por ejemplo, de acuerdo a la curva de olvido
mas, como generar efectos asimétricos de de Ebbinghaus, después de un día se olvida
transferencia. Por ello, si está usando un dise alrededor del 66 por ciento. Incidentalmen-
ño contrabalanceado debe demostrar (por te, una consecuencia de esta investigación
medio de los análisis estadísticos apropiados) ha sido una fuente considerable de desáni
que no existió transferencia diferencial entre mo entre educadores (y estudiantes). Sin em
sus condiciones. Por otro lado, si usted espe bargo, ahora sabemos que la suposición bási
ra (aunque “teme” sería un mejor término) ca del diseño experimental de Ebbinghaus
efectos asimétricos de transferencia, puede no es sostenible; es decir, que existe conside
usar el procedimiento metodológico apro rable competencia por el recuerdo entre los
piado para aleatorizar el orden de los trata diversos ítems que habían sido aprendidos.
mientos. Enfatizando, si usted tiene tres tra De modo que el olvido sería poco si no hu
tamientos (A, B, y C) y todos los participantes biera listas aprendidas previamente. Por ejem
deben recibir todos los tratamientos, enton plo, en la figura 9-7 podemos ver que, cuan
ces debe determinar al azar el orden de A, B, do no se habían aprendido listas previas, el
y C para cada participante. recuerdo después de 24 horas era casi de un
80 por ciento. Cuando, por otra parte, unas
3. Los diseños de tratamientos repetidos y 20 listas habían sido aprendidas, el recuerdo,
entre grupos pueden arrojar resultados contra 24 horas después, era de, aproximadamen
dictorios. En un diseño de tratamientos repe te, un 1 0 .
tidos las condiciones pueden interactuar en Underwood (1957) demostró ingeniosa
tre sí. Por ejemplo, la experiencia de haber mente este defecto en el diseño de Ebbing
pasado por la condición A puede influenciar haus, al demostrar que Ebbinghaus, al apren
los valores de la variable dependiente para los der un gran número de listas, creó una con
dición en que maximizó la cantidad de olvido.
Si se hubieran aprendido menos listas el olvi
12 U s te d p o d r í a p r e g u n t a r “¿ P o r q u é n o p r o b a r p r im e do no habría sido tan grande. Cuando se
ro a to d a s la s r a t a s sin A R N y luego se les in y e c ta ? El p r o aprenden muchas listas el olvido es conside
b lem a e s q u e p u e d e n h a b e r e fe c to s d e o r d e n ta le s q u e la
rable, pero si no existieran listas previamente
p rá c tic a p o d r í a c o n f u n d ir s e c o n la in y e c c ió n ; p a r a c o n tr o
lar lo s e fe c to s d e o r d e n n o p u e d e u s a r e l c o n tr a b a la n c e o
aprendidas, se olvida sólo alrededor del 25
p o rq u e , u n a v ez m á s , n o p u e d e e lim in a r e l A R N . por ciento después de un día. La lección debe
216 C orrelaciones y d iseñ o s e x p e rim e n ta le s
ser clara: al usar un diseño de tratamientos sidad del estímulo condicionado afecta la fuer
repetidos Ebbinghaus nos brindó un conjun za de la respuesta condicionada? Los resulta
to de resultados altamente restringidos que dos presentados en la figura 9-8 indican que
fueron sobregeneralizados y condujeron a en ambos experimentos hubo un incremento
conclusiones erróneas acerca del olvido. Si en el porcentaje de respuestas condicionadas
hubiera usado un diseño ent re grupos en que dadas al estímulo condicionado. Pero las pen
cada participante aprendiera sólo una lis dientes de las curvas difieren dramáticamen
ta habría concluido que la cantidad olvidada te. La diferencia en el porcentaje de respues
era relativamente pequeña, como en la figu tas condicionadas como una función de la
ra 9-7. intensidad del estímulo no fue estadísticamen
Para una ilustración adicional de la forma te confiable para el diseño entre grupos (“un
en que los dos tipos de diseños pueden llevar estímulo”), pero si lo fue para el diseño intra-
a conclusiones contradictorias, considere un grupos (en que los participantes recibieron
experimento en que se manipuló la intensi “dos estímulos”). De hecho, la magnitud del
dad de los estímulos condicionados. Para este efecto de intensidad fue cinco veces mayor
propósito se emplearon ambos diseños. En el para la condición de dos estímulos que para
diseño entre grupos, un grupo recibió un es la condición de un estímulo. Por ende los vá-
tímulo condicionado de baja intensidad (tono lores de la variable dependiente fueron in
suave) mientras que el segundo grupo reci fluenciados por el número de condiciones
bía un estímulo condicionado de alta intensi bajo las cuales trabajaron los participantes;
dad (tono fuerte). Para el diseño de tratamien existió una interacción entre la intensidad dej
tos repetidos, todos los participantes recibie estímulo y el número de presentaciones de
ron ambos valores del estímulo condiciona
do. La pregunta era ¿La variación de la inten-
FIGU RA 9-7 Ilustración de condiciones que

interactúan de modo tal que entre mayor fuese el
número de listas de material verbal previamente
aprendidas, mayor era el olvido. Si, como en un diseño
entre grupos, no se aprendió previamente ninguna lista, FIGURA 9-8 El porcentaje de respuestas
el olvido es pequeño. Sin embargo, si existiera condicionadas durante los últimos 60 ensayos depende!
aprendizaje previo de listas como en el diseño de de si se usó un diseño entre grupos (la condición de un
tratamientos repetidos, el olvido es considerable estímulo) contra un diseño intragrupos (la condición de
(Underwood, 1957) dos estímulos) (después de Grice y Hunter, 1 964)
C orrelaciones y diseños exp e rim e n ta le s 217
los estímulos. Aparentemente los participan jora su calificación de F a C manifiesta el

tes podían contrastar ambos estímulos y di mismo monto de ganancia que uno que me
cha comparación influía en su conducta. Por jora de C a A? El problema de la no indepen
otro lado, con el diseño entregrupos los indi dencia también puede, y usualmente lo hace,
viduos no podían comparar los estímulos por perturbar el nivel nominal de probabilidad
que se les presentaban por separado, nunca de las pruebas F o t. El procedimiento de aná
juntos. lisis de covarianza a menudo es utilizado don
La investigación en otras áreas también ha de las medidas de la variable dependiente son
arrojado conclusiones contradictorias, depen ajustadas para diferencias en los puntajes del
diendo de si el investigador usó diseños de pretest entre participantes, pero este análisis
tratamientos repetidos o entregrupos; por implica grandes dificultades potenciales. Fi
ejemplo, Pavlik y Carlton (1965) compararon nalmente, los diseños de tratamientos repeti
los efectos de los programas de reforzamiento dos pueden resultar en lo que se ha llamado
continuo con los efectos de los programas de efectos indeseables de rango que pueden condu
reforzamiento intermitente (o “parcial”) (se cir a conclusiones no garantizadas. Estos pun
comparó una condición en que los participan tos, que exceden todos al nivel análisis de este
tes reciben reforzamiento en el 10 0 por cien trabajo, se mencionan simplemente para aler
to de los ensayos con otra en que reciben tarlo sobre su importancia para sus investiga
reforzamiento en menos del 100 por ciento ciones futuras.
de los ensayos). Al usar el diseño entre gru
pos se encontraron los efectos usuales de los Un resumen evaluativo
programas intermitentes, a saber, mayor re
sistencia a la extinción y una ejecución termi En resumen, es muy claro que existen mu
nal más alta, pero esos efectos no se encontra chas ventajas del diseño de tratamientos re
ron en el diseño intragrupos. En lo que pue petidos sobre el diseño entre grupos y vice
de ser una medida más amenazadora de la versa. Si usté elige un diseño de tratamientos
variable dependiente, Valle (1972) encontró repetidos pero no puede manejar efectivamen
que la frecuencia de defecación de las ratas te los problemas de control vinculados al
era afectada diferencialmente por el tipo de contrabalanceo, puede entonces presentar a
diseño usado (tratamientos repetidos contra los participantes los tratamientos en orden
entregrupos) al estudiar la exploración libre aleatorio. Sin embargo, si no está satisfecho
y la exploración forzada. con su contrabalanceo, probablemente deba
En resumen, el mismo problema puede recibir usar un diseño entregrupos, incluyendo al
diferentes respuestas dependiendo de si se emplea diseño de grupos igualados.
un diseño entregrupos o de tratamientos repeti Si sus condiciones interactúan para produ
dos. De hecho usted puede estar estudiando cir valores diferentes de la variable dependien
fenómenos diferentes cuando se dirige al mismo te, debe estar claro que puede estar estudian
problema. do fenómenos diferentes, dependiendo de si
usa un diseño entregrupos o de tratamientos
4. Existen controversias sobre el análisis esrepetidos. Puesto de manera sencilla, en un
tadístico. Existe mucho desacuerdo respecto diseño entre grupos los participantes experi
a la validez de diferentes análisis estadísticos mentan la condición en relativo aislamiento.
de los diseños de tratamientos repetidos, Pero en un diseño de tratamientos repetidos
como los diseños longitudinales, los diseños de los participantes experimentan una condición
ganancias, y otros en que se toman medidas en relación a otra condición, lo que constituye
repetidas en el mismo individuo. En los dise un fenómeno más complejo. Debe tener clari
ños de ganancias se buscan las mejorías de dad acerca del fenómeno que desea estudiar.
un período de prueba a otro, pero los montos El problema de cómo analizar estadística
de esas ganancias no son comparables; por mente varias clases de diseños de tratamien
ejemplo ¿un estudiante que en un curso me tos repetidos (algunos de cuyas instancias se
218 C orrelaciones y d ise ñ o s e xp e rim e n ta le s
denominan diseños de pretest-postest, diseños de mayor sea el valor absoluto del coeficiente
ganancias, diseños de mediciones repetidas, dise de correlación (independientemente de si es
ños longitudinales, o diseños de desarrollo) ha positivo o negativo), más fuerte será la rela
constituido un obstáculo considerable a su uso ción entre las dos variables.
adecuado. Hace muchos años, durante una A. Una relación positiva indica que a medi
placentera caminata con Mr. Snedecor, dis da que el valor de una variable incremen
ta, también lo hace el valor de la otra
fruté al escuchar sus consideraciones sobre variable (se trata de una relación directa).
este problema, él admitía que no tenemos una B. Una relación negativa indica que a medi
buena solución, pero que teníamos que, usar da que incrementa el valor de una varia
el diseño de tratamientos repetidos bajo cier ble, el valor de la otra variable disminu
tas condiciones. Consecuentemente “por aho ye (es una relación inversa).
ra” debemos hacer lo mejor que podamos, C. Un coeficiente de correlación de ordert
esperando que los continuos contrastes de los cero indica que las variables no están re
diseños de tratamientos repetidos y entregru lacionadas. i
pos eventualmente nos llevarán a una buena IV. Una representación de los datos en una grá
fica proporciona una “imagen” de la rela
solución. Creo que estamos haciendo algunos ción conocida como diagrama de dispersión
progresos en nuestra comprensión del pro o diagrama de puntos.
blema. V. El coeficiente de correlación de Pearson es
apropiado cuando ambas variables son con
PANORAMA DE LOS DISEÑOS tinuas. Cuando una o ambas variables son
EXPERIMENTALES Y SUS PRUEBAS dicótomas (son asignadas a uno de dos va
ESTADÍSTICAS lores, “di” se refiere a dos), otros coeficien
tes de correlación pueden computarse como
se resume bajo el título “variables dicoto-
Los diseños revisados en este capítulo son los mizadas”.
últimos diseños experimentales para grupos VI. El valor de r puede ser probado para ver sí
que consideramos en este libro. En un inten es confiablemente diferente de cero refirién
to de guiarle de manera resumida a través del dose a la tabla A-3.
laberinto de los diseños experimentales de VIL Una relación causa-efecto es aquella en que
grupos y los análisis estadísticos discutidos, le se demuestra sistemáticamente que una va
ofrecemos un “diagrama de flujo” (figura 9-9) riable independiente afecta a una variable
(con aprecio al profesor Ronald Webster por dependiente en un experimento bien con
una versión previa). trolado en que se controlan las influencias
diferenciales de variables extrañas.
A. Una correlación sólo puede sugerir que;
RESUMEN DEL CAPÍTULO 1. La primera variable puede afectar
causalmente a la segunda.
I. Una correlación es una relación entre varia 2. La segunda puede afectar causalmente
bles que es importante para conducir una a la primera.
investigación no experimental y para com 3. Ambas son causalmente controladas
prender la investigación experimental. por otra variable o conjunto de varia
II. Los métodos estadísticos para determinar bles.
las correlaciones son: VIII. Para un diseño de dos grupos igualados, los
A. El coeficiente de correlación momento participantes son medidos en alguna varia
producto de Pearson (r) para relaciones ble objetiva y cuantificable, y luego son
lineales. apareados. Un miembro de cada pareja es
B. El coeficiente de correlación (eta, sim luego aleatoriamente asignado a uno de los
bolizado por r¡), un indicador del grado grupos, y se determina al azar qué grupo
de relación entre dos variables que pue recibe qué tratamiento.
den estar lineal o curvilinealmente rela IX. La prueba t para grupos apareados puede
cionadas. determinar si los grupos difieren confiable
III. Los coeficientes de correlación lineal varían mente en la variable dependiente.
de + 1.0 pasando por 0 y hasta - 1 .0; entre X. Si la variable sobre la cual los participantes
C orrelaciones y diseños exp e rim e n ta le s 219
¿ T ie n e p r e c is a m e n t e d o s c o n d ic io n e s d e t r a ta m ie n to ?
No Sí
¿ E s t á n ig u a la d o s io s g r u p o s ? o
¿ C a d a p a r t ic ip a n t e r e c ib ió d o s t r a t a m ie n t o s ?
No Sí
L U s e la p r u e b a f - i g u a la d a
D e b e te n e r d o s g ru p o s in d e p e n d ie n t e s , a s i q u e
d e b e u s a r la p r u e b a t p a ra g r u p o s in d e p e n d ie n
t e s . S i n o lo h a c e t e n d r á u n p r o b l e m a , v e a a s u
m a e stro
¿ T ie n e u n d is e ñ o f a c t o r ia l?
No Sí
|_________________ ¿ T ie n e d o s v a r ia b le s in d e p e n d ie n t e s
c o n d o s n iv e le s p o r c a d a v a r ia b le ?
No Si
T ie n e t r e s o m á s g r u p o s i n d e p e n d i e n t e s c o n
c u a tro p o s ib le s c u r s o s d e a c c i ó n :
A. C o m p a r a c i o n e s p l a n e a d a s c o n la p r u e b a í . A
B. T o d a s l a s c o m p a r a c i o n e s p o s i b l e s c o n la
A lt o B a jo
p ru e b a B o n fe rr o n i y la s p r u e b a s t.
C. L a p r u e b a d e u n a h i p ó t e s i s n u l a g lo b a l c o n G ra n d e
p ru e b a F.
D. 0 b u s q u e e n o t r o l ib r o la p r u e b a d e Pequeño
n u e v o s r a n g o s m ú lt ip le s d e D u n c a n o u n a
p r u e b a d i f e r e n t e d e c o m p a r a c i ó n m ú lt ip l e
É s t e e s u n d is e ñ o f a c t o r ia l 2 x 2 . L a v a r ia b le
i n d e p e n d i e n t e A t i e n e d o s n i v e l e s ( a lt o y b a jo ) .
L a v a r ia b le i n d e p e n d ie n t e B t ie n e d o s n iv e le s
( g r a n d e y p e q u e ñ o ) . ( S i A t u v ie r a t r e s n iv e le s y
B t u v i e r a d o s , t e n d r í a u n d i s e ñ o f a c t o r i a l 3 x 2 .)
U s e u n a n á lis is d e v a r ia n z a
A
T ie n e t r e s o m á s v a r i a b l e s i n d e p e n d i e n t e s c o n
dos o m á s n iv e le s d e c a d a v a r ia b le , p o r e je m p lo , C a lie n t e F río
si c a d a v a r i a b l e i n d e p e n d i e n t e t i e n e d o s n i v e l e s , B B
tien e u n d i s e ñ o f a c t o r i a l 2 x 2 x 2 . U se un G ra n d e Pequeño G ra n d e Pequeño
a n á lis is d e v a r i a n z a , p e r o c o n s u l t e u n a f u e n t e
m ás a v a n z a d a .
c Alt°1 B a jo
1 I j ~~
FIGURA 9-9 Diagrama de flujo para especificar el tipo de diseño y método de análisis
estadístico
220 C o rrela cio n es y d ise ñ o s exp e rim e n ta le s C orrelaciones y d iseñ o s e x p e rim e n ta le s 221
son igualados y luego apareados en los gru C. Pueden reducir la varianza de error a| o Esos valores han sido computados en la tabla
pos no se correlaciona positivamente con la usar al mismo participante como su pro- precedente. Luego los sustituimos en la ecua
medida de la variable dependiente, es prefe pió control. ción 9-1 de la siguiente manera:
rible usar un diseño de dos grupos aleato D. Los efectos del tratamiento pueden no'
rios porque: ser reversibles, invalidando el uso deí Tyv
A. Con el diseño de grupos igualados pue diseño. ' _ 10(120,960) —(700)(1720)
de aumentar la varianza de error. E. Puede tener problemas para controlar V¡T5(49,096) - (700)2][ 10(299,300) - (TTSOp]
B. En el diseño de grupos igualados sólo los efectos de orden y de interacción-- 2. Calcule el valor de D para cada par de partici
dispone de n - 1 gl contra los N - 2 del Más seriamente, un diseño entregrup0¿ pantes, y luego la suma de D (2D), la suma de
diseño de grupos aleatorios. y uno de tratamientos repetidos puede' 3 Al realizar los cómputos como se indica deter los cuadrados de D (2Z)2), la suma de D elevada
XI. En un diseño de grupos repetidos, los mis darle resultados conflictivos, lo que sig. minamos que al cuadrado [(ZD)2], y n.
mos individuos trabajan bajo diferentes con nifica que el problema presentado a los
diciones experimentales. En contraste, en un participantes puede ser diferente en cada Medida inicial Grupo 1 Grupo 2 D
diseño entregrupos, los individuos trabajan diseño. i 1,209,600-1,204,000________
sólo bajo una condición experimental. F. Aun no estamos satisfechos con los mé ^Ü ),960 - 490,000)(2,993,000 - 2,958,400) 1 10 ii -1
XII. Para un diseño de tratamientos repetidos todos de análisis estadísticos para este _ 5,600 = 5,600 2 10 8 2
de dos condiciones, la diferencia media de tipo de diseño pues tienen defectos. I 3 8 6 2
la variable dependiente puede ser probada _ V(960)(34,600) V(33,216,000 4 7 7 0
para ver si es confiablemente diferente de 5 7 6 1
cero, por medio de la prueba t igualada. RESUMEN DE LOS CÁLCULOS 6 6 5 1
XIII. Si hay más de dos tratamientos repetidos, ESTADÍSTICOS V5,763.33 7 4 3 1
2£> = 6
puede usarse una aplicación especial del 2Z>2 = 12
análisis de varianza para determinar si exis Correlaciones 4, Al ingresar en la tabla A-3 con nueve grados de
n ~ 1
te una verdadera diferencia entre las medias libertad (gí = N - 2) y el valor del coeficiente
de los efectos de las cuatro condiciones de de correlación de 0.97, encontramos que este
Suponga que los siguientes puntajes fue-i valor es confiablemente diferente de cero a un
tratamiento sobre la variable dependiente y 3. Determine la diferencia entre las medias. Esto
también si existe una verdadera diferencia
ron obtenidos para dos medidas de variables nivel de 0.01. Como la correlación entre las dos puede hacerse calculando la media de las dife
entre las medias de los participantes. dependientes (X y Y) y que está usted intere variables dependientes es tan elevada podemos rencias. Como esto último es más fácil, es lo
XIV. Puede asignar aleatoriamente el orden de sado en determinar si será suficiente regis concluir que en la investigación futura bastará que elegimos
los tratamientos para cada participante, o trar uno de ellos en la investigación futura: ! con registrar sólo una de ellas.
puede contrabalancearlos sistemáticamente.
2D
XV. Los diseños de tratamientos repetidos tie 1. Primero, necesita calcular los siguientes com-,
Cálculo de t para un diseño
Medidas de diferencia
n
| = 0.86
nen ventajas y desventajas. ponentes para la ecuación 9-1: 2X, XX2, 2Y,
A. Generalmente requieren menos partici 2Y2, 2XY, y n = 10. de dos grupos igualados
pantes que los diseños entregrupos. 4. Sustituya los valores en la ecuación 9-3
nXXY - (IX)(XY) Suponga que dos grupos de participantes
B. Permiten hacer un uso más eficiente del (9-1)
tiempo de laboratorio. V tn X X 2 - (2 X )2][ m 2 E 2 - (SE)2] han sido igualados sobre una medida, inicial 0.86
t=
como se indicó, y que se han obtenido para
ellos los siguientes puntajes de la variable de
pendiente.
Variable
7(7 - 1 )
Variable
Participante dependiente dependiente
5. Realice las operaciones como se indica y deter
número X Y X2 T2 XY Medida inicial Grupo 1 Grupo 2 mine el valor de i.
i 66 145 4,356 21,025 9,570 i 10 ii 0.86
2 70 180 4,900 32,400 12,600 2 10 8 = 2.15
3 68 165 4,624 27,225 11,220, 3
0.40
8 6
4 76 210 5,776 44,100 15,960 4 7 7
5 74 190 5,476 36,100 14,060 5 7 6 6 . Determine el número de grados de libertad aso
6 70 165 4,900 27,225 11,550 6 6 5 ciado con el valor computado de t.
7 66 150 4,356 22,500 9,900 7 4 3
8 70 170 4,900 28,900 11,900
10,880
gl = n — 1 = 7 — 1 = 6
9 68 160 4,624 25,600
10 72 185 5,184 34,225 13,320
1. La ecuación para calcular t, la ecuación 9-3 7. Entre en la tabla de t con los valores computa
2X7 = 120,960
J>
O
O
2 7 = 1,720 2X2 = 49,096 2 T2 = 299,300

II
es dos de t y gl. Determine la probabilidad asocia-

da con este valor de t. En este ejemplo, 0.1 > P 3. Vaya a la tabla A-l con t = 8.87 y gl = n - 1=3,
> 0.05. Por ende, asumiendo un criterio de encontramos que este valor excede al valor de
0.05, la hipótesis nula no es rechazada. la tabla a nivel de 0.005. En consecuencia con
cluimos que la diferencia media entre los facto
Diseño de dos tratamientos repetidos res de seguridad de esos dos automóviles es
estadísticamente confiable, y como el Bloop-
Suponga que se pide a un psicólogo indus móvil tuvo el mayor factor medio de seguri
trial que pruebe el factor seguridad de dos dad, el psicólogo concluye que es el vehículo
más seguro.
automóviles diferentes. Hizo que cuatro con
ductores manejaran los dos automóviles por
medio de un curso-prueba en orden contraba Más de dos tratamientos repetidos
lanceado, obteniendo los siguientes puntajes
de seguridad para cada automóvil. ¿Qué au Suponga que se probó a tres automóviles
tomóvil es más seguro (si alguno lo fuera)? en orden contrabalanceado, usando a seis con
ductores con los siguientes puntajes de segu
ridad:
Puntajes de seguridad (entre mayor sea el valor
más seguro es el automóvil)
Puntajes de seguridad
Conductor número Bloopmóvil ¡yudwagen Diferencias (D)
Conductor X Conductores
1 8 4 4 número Bloopmóvil Dudmagen Lemollac (D)
2 6 1 5
3 9 4 . 5 i 8 4 1 13
4 7 4 3 2 5 2 6 13
X D = 17 3 6 4 3 13
XD2 = 7 5 4 8 8 2 18
X D = 4 .2 5 5 7 2 4 13
6 2 6 4 12
XX: 3 6 26 20 82
1. El primer paso es calcular los valores requeri XX2: 2 4 2 1 40 82
dos para la prueba t igualada, que son X D, ZD2,
ZD, y n =4. Dichos valores han sido ingresados.
1. Primero, computamos la suma total de cuadra
dos con la ecuación 9-7 modificada para tres
D~ — (l<D)2/n tratamientos repetidos, de la siguiente mane
n (n — 1) ra: (N = número de participantes multiplicado
por el número de tratamientos = 6 X 3 = 18).
2. Sustituya en la ecuación 9-6 y realice las opera
ciones indicadas, encontramos que t es (9-7) SC total = (ZXf + ZX\ + ZX|)
_ (XXj + ZX2 + XX,f
t= 4.25 = 4.25
N
/75 - ' ( l~7)2/4 /75 - 289/4
V 4(4 - 1) V 4 -3 SC total = (242 + 140 + 82)
_ (36 + 26 4- 20)2
= 4.25 = 4.25 18
/75.000 - 72^25 /275 = 464.00 - 373.56 = 90.44
V 12 V 12
2. Luego calculamos las sumas de cuadrados en
tre condiciones por medio de la modificación
. 4.25 _ 4.25 de la ecuación 9-8 para tres tratamientos repe
V02292 ° - 479 tidos:
(9-8) SC entre condiciones = (941) gl total —N — 1 = 18 —1 = 17
(2X,)2 ( (XX2)2 ! (XX,)2 (9-12) entre condiciones = K —1

nx n2 n$ =3-1=2
(XX, + XX, + XX3)2 (9-13) entre estudiantes = n —1
N =6-1=5
Al hacer las sustituciones apropiadas y realizar (9-14) término de error = (K — 1) (n — 1)

las operaciones indicadas encontramos que = 2 * 5 = 10
6. Para calcular los dos valores de F para este di
SC entre condiciones = seño, dividimos la media del cuadrado entre
(36)2 _ (26£ (20f _ condiciones entre el término de error de la si
373.56 guiente manera:
6 6 6
= 216.00 + 112.67 + 66.67 - 373.56 10.89
1.79
= 21.78 6.09
3. A continuación calculamos las SC entreconduc
tores de la siguiente manera: Luego dividimos la media cuadrática entre con
ductores entre el término de error:
(9-9) SC entre conductores =
&Di)2
K
, (W
K '"
(W
K
F = 6Q9 = ° ' 2 5
1 55
(XX, + XX2 + XX3)2 7. Resumimos esos valores en la siguiente tabla

N
donde K, el número de tratamientos, = 3.

Resumen del análisis de varianza para un diseño
SC entre conductores = de tratamientos repetidos
(13)2 (13)2 (13)a (18)2 Fuente de variación SC el CM F

3 3 3 3 Entre condiciones 21.78 2 10.89 1.79
Entre conductores 7.76 5 1.55 0.25
Error 60.90 10 6.09
Total 90.44 17
= 56.33 + 56.33 + 56.33 + 108.00
+ 56.33 + 48.00 - 373.56
= 381.32 - 373.56 - 7.76 8. Finalmente, para interpretar las Fs vamos a la
tabla A-2, primero con F= 1.79 y gl = 2, y luego
con F = 0.25 y gl = 5. Encontramos que la pro
4. Luego obtenemos el término de error de las babilidad asociada con esos valores es menor
sumas de cuadrados que 0.05. La conclusión, entonces, es que no
existe diferencia confiable entre las medias de
(9-10) error de la SC = SC total - SC entre condiciones ni de conductores. Por ello, con
condiciones —SC entre estudiantes esta prueba no podemos concluir que un ve
= 90.44 - 21.78 - 7.76 = 60.90 hículo sea más seguro que el otro, ni podemos
concluir que un conductor sea más seguro que
5. El cálculo de los grados de libertad es: otro.
REVISIÓN CRÍTICA PARA EL ESTUDIANTE Puntaje de la variable dependiente
Términos que debe comprender Posición en las Grupo de Grupo de agan,

variables de igualación agarre oriental occidental V,
1. Coeficiente de correlación, correlación positi 1 10 2
va, relación negativa, relación de orden cero, 2 5 8
correlación perfecta, diagrama de dispersión, 3 9 3
relación curvilineal, coeficiente de correlación, 4 5 1
rj, causalidad y relaciones causa-efecto, r con 5 0 3
fiable. 6 8 1
2. Problema 7 7 0
Suponga que ha contado el número de conduc 8 9 1
tas perturbadoras (X) cometido por cinco de
sus compañeros en su curso de investigación y
que en el curso de las dos últimas semanas ha
contado el número de minutos (Y) que abando B. Para probar la hipótesis de que a mayor an
nan la clase antes de que termine. Esos valores siedad inducida mejor es el aprendizaje, un
son tabulados abajo. ¿Existe una relación con experimentador formó dos grupos de par
fiable entre esas dos medidas de conducta en ticipantes igualándolos sobre una medida
el salón de clases? inicial de ansiedad. Luego, en el grupo ex
perimental se indujo una ansiedad conside
rable, pero no en el grupo de control. Se
Número de conductas perturbadoras y minutos obtuvieron después los siguientes puntajes
sobre una tarea de aprendizaje, donde el
Estudiante número X Y puntaje más alto indicaba un mejor apren
dizaje. Asumiendo que se ejercieron los con
1 24 29 troles adecuados y que se estableció un cri
2 19 16 terio de 0.05 ¿se confirmó la hipótesis?
3 21 17
4 18 23
5 20 18
Puntajes de la variable dependiente
Posición en las Grupo Grupo

3. ¿Cuáles son los criterios para elegir la variable variables de igualación experimental control
de igualación para un diseño de grupos igua
lados? i 8 6
4. ¿En qué condiciones debería elegir un diseño 2 8 7
de grupos aleatorios sobre uno de grupos igua 3 7 4
4 6 5
lados, o viceversa? 5 3
5
5. Problema 6 3 1
A. Un psicólogo quiere probar la hipótesis de 7 1 2
que el agarre occidental para sostener una
raqueta de tenis es superior al oriental. Los
participantes son igualados sobre la base de
una prueba de ajuste físico; luego son en C. Un psicólogo militar desea evaluar un ins
trenados en el uso de las dos formas de aga trumento de entrenamiento para facilitar la
rre, respectivamente, y se obtienen los si enseñanza de lectura de mapas a los solda
guientes puntajes sobre la eficiencia de su dos. Se formaron dos grupos de participan
juego de tenis. Asumiendo que se han ejer tes sobre la base de una prueba de percep
cido los controles adecuados, que se ha es ción visual (habilidad que es importante en
tablecido un nivel de 0.05 para rechazar la la lectura de los mapas). Se estableció un
hipótesis nula, y que un puntaje más alto criterio de 0.02 para rechazar la hipótesis
indica una mejor ejecución, ¿qué podemos nula y se ejercieron los controles apropia
concluir con respecto de la hipótesis empí dos. Asumiendo que un puntaje más alto
rica? indica una mejor ejecución ¿mejoró el ins-
r
trumento de entrenamiento la eficiencia en eficiencia en lo que atañe al número de partici

la lectura de mapas? pantes, la relevancia del concepto de varian-
za de error, el factor de irreversibilidad, los
efectos de orden, y la interacción entre trata
mientos experimentales.
Puntajes del Pontajes del
8 . Si estuviera limitado a la prueba t, ¿qué forma
Posición en grupo que usó el grupo que no usó
la variable de instrumento de el instrumento de
de ella emplearía para un diseño de tratamien
igualación entrenamiento entrenamiento tos repetidos, la t aleatorizada o la t apareada?
(Aquí está implícita la pregunta de por qué usa
1 30 24 ría esa forma.)
2 30 28 9. Problema
3 28 26 Diez participantes estudiaron cuatro listas di
4 29 30 ferentes de sílabas sin sentido que variaban en
5 26 20 su grado de significado. Las listas se presenta
6 22 19
7 25 22
ron en orden aleatorio, obteniéndose los si
8 20 19 guientes porcentajes de retención
9 18 14
10 16 12
11 15 13 Puntajes de la variable dependiente de memoria
12 14 10
13 14 11 como una función de incrementar el grado de
14 13 13 significado
15 10 6
16 10 7 Participante
17 9 5 número 1 (Bajo) 2 3 4 (Alto)
18 9 9
19 10 6 i 90 88 100 99
20 8 3 2 65 75 88 82
3 42 62 95 84
4 75 70 97 97
5 68 35 92 96
6. Distinga entre los diseños de tratamientos re 6 76 76 98 92
7 65 63 67 98
petidos y entregrupos. Identifique ejemplos de 8 70 71 89 94
cada categoría. ¿Son estos diseños necesaria 9 72 69 94 89
mente experimentales o puede usarse el méto 10 68 70 97 97
do de observación sistemática con cualquier
tipo?
7. Resuma algunos de los argumentos a favor y
en contra del uso de los diseños de tratamien Realice un análisis de varianza de tratamientos
tos repetidos. Debe incluir una discusión de la repetidos y llegue a las conclusiones apropiadas.
capítulo 10
DISEÑO EXPERIMENTAL;
INVESTIGACIÓN DE UN SOLO
SUJETO (N = 1)

Comprender la "estrategia" de estudiar a un Una comprensión de las ventajas y desventa
solo participante bajo un diseño de tratamien jas de la metodología de caso único junto con
tos repetidos con réplica. la habilidad de emplear esta forma de investi
Lo que usted encontrará: gación.
1. Una crítica a la experimentación de grupo junto con
la fundamentación del estudio extendido de la con
ducta de organismos únicos.
2. Definiciones de términos críticos en el Análisis Expe
rimental de la Conducta y otros diseños de investiga
ción de caso único ( N = 1).
3. Cómo determinar si una variable independiente es
efectiva a través de gráficas y análisis estadísticos.
4. Presentación de los diseños de caso único ( N = 1)
con una discusión de sus fortalezas y debilidades.
Diseño experimental: investigación de un solo sujeto (N = 1) 227
DOS ESTRATEGIAS DE INVESTIGACIÓN putar los valores promedio. Sin embargo,

Bernard convenció a sus colegas de que los
La estrategia de estudiar grupos. Con los dise promedios basados en muestras de grupos
ños experimentales previos se estudiaba a sólo podría arrojar un valor ficticio y abstrac
muchos sujetos (participantes) por un breve to que no diría nada acerca de la orina del
periodo de tiempo. Los efectos de la manipu individuo europeo. Afortunadamente, la ra
lación de la variable independiente eran eva zón original de esta investigación se diluyó
luados probando la diferencia entre las me con el tiempo.
dias computadas para grupos en relación al La aproximación individual de Gustav
monto de error en el experimento. Si una di Fechner en 1860 tuvo consecuencias impor
ferencia entre medias era suficientemente tantísimas para el desarrollo de la nueva cien
mayor que el error experimental, se concluía cia de la psicología cuando desarrolló nues
que existía una relación entre las variables tros métodos psicofísicos y cuando formalizó
independiente y dependiente. Por ejemplo, en la famosa ley de Weber. Aún más significati
las pruebas t o F el valor del numerador es un vo para la psicología fue la investigación de
indicador de los efectos de la manipulación Ivan Pavlov quien estudió la historia de condi
de la variable independiente (la diferencia cionamiento de sus perros para brindarnos
media o media de los cuadrados entre gru los principios contemporáneos de las respues
pos); el denominador (la media del cuadrado tas condicionadas. Wilhelm Wundt y otros
intragrupos) es la varianza de error. Las prue psicólogos pioneros estudiaron los procesos
bas t o F producen un valor significativo si el mentales bajo una o más condiciones secuen-
numerador es suficientemente mayor que el ciales, todas en la misma persona. Los experi
denominador. En breve, la estrategia ha con mentos clásicos sobre memoria realizados por
sistido en determinar si los cambios en la con Hermann Ebbinghaus (1913) proporcionan
ducta producidos por la variable independien un ejemplo final del éxito del uso temprano
te fueron suficientemente grandes para mos de la investigación de un solo sujeto en psico
trarse a pesar del “ruido” (varianza de error) logía. Se recordará que este pionero memori-
en el experimento. Estos diseños de grupos, zó varias listas de sílabas sin sentido y luego
que empezamos a emplear alrededor del ini probó su recuerdo en varios momentos des
cio de siglo, se han sofisticado mucho. Esta pués de que el aprendizaje había sido com
sofisticación ha ocurrido con el desarrollo de pletado. Posteriormente calculó el porcentaje
la estadística inferencial y la teoría de mues- de cada lista que había olvidado después de
treo, especialmente la desarrollada por R. A. diversos periodos de tiempo. Por ejemplo,
Fisher (páginas 186-187). encontró que había olvidado cerca del 47 por
ciento de una lista 20 minutos después de
Historia del estudio del individuo. La Psico haberla aprendido, 66 por ciento de una se
logía empezó realmente con el estudio pro gunda lista después de un día, 72 por ciento
longado e intensivo del individuo. Esta estra de una tercera lista después de dos días, y así
tegia de investigación de un solo participante sucesivamente. Al tomar medidas repetidas en
se derivó de los primeros paradigmas cientí sí mismo, Ebbinghaus fue capaz de graficar
ficos empleados por los fisiólogos. El prime la cantidad olvidada como una función del
ro fue la investigación clásica del gran fisió paso del tiempo desde el aprendizaje y obtu
logo francés Claude Bernard en la década de vo así su famosa curva de olvido.1
1830’s. La estrategia de Bernard de concen
trarse en el individuo fue ampliamente acep
tada en la fisiología cuando ganó la contro 1 Por fortuna, incidentalmente, Ebbinghaus no era un
versia científica concerniente al conocimien psicólogo profesional. Si lo hubiera sido se habría entera
do de que lo que logró era “imposible” —los psicólogos de
to fisiológico de la orina europea. Se había su tiempo sostenían que no era posible abordar experi
hecho la propuesta de colectar muestras de mentalmente los “procesos mentales superiores" (como la
orina de una estación central de trenes y com memoria)
228 Diseño experimental: investigación de un solo sujeto (N = 1)
Estrategias nomotética contra idiográfica. La a sólo un participante a la vez bajo todas las
discusión acerca de los valores relativos de la condiciones del experimento —ésta es la es¡
investigación de un solo sujeto contra los mé trategia clásica de utilizar al mismo sujetó
todos entre grupos continúa hasta este día. como su propio control. El “ruido” es reduci
Esas dos aproximaciones clásicas a la compren do al establecer condiciones altamente con
sión de la conducta se conocen como estrate troladas en la situación experimental.
gias idiográficas (estudio intensivo a largo pla La clave para ello estriba en desarrollar uri
zo del individuo) contra la estrategia nomo control muy preciso y efectivo sobre el medio
tética (determinar los promedios grupales). experimental, en lugar de permitir que las
Otros términos que reflejan esas dos diferen variables extrañas afecten aleatoriamente la
tes aproximaciones son investigación longi conducta de los participantes. Con semejan
tudinal (de desarrollo) contra investigación tes mejoras en el control, se incrementan las
transversal. En la investigación entregrupos, oportunidades de poder demostrar que la
nomotética y transversal, se calculan los pro variable independiente afecta a la variable
medios grupales. Sin embargo, en la investi dependiente. La generalización se logra por
gación idiográfica (longitudinal) usualmente medio de la réplica exitosa del experimento
se grafican los datos individuales a lo largo con varios participantes adicionales.
del tiempo por lo que no suelen calcularse La investigación pionera de Skinner hace
promedios de grupo. Pasemos ahora de los medio siglo se realizó con ratas blancas, y lúe-1
experimentos clásicos conducidos en indivi go con palomas. Desde entonces, su método
duos únicos con diseños de tratamientos re ha sido utilizado con casi cualquier especie
petidos a diseño de caso único tal como suele concebible, ratones, tortugas, chimpancés,
aplicarse en la psicología contemporánea. peces, gatos, perros, estudiantes universitarios,
individuos con retardo mental, neuróticos,
EL ANÁLISIS EXPERIMENTAL psicóticos, personal militar, trabajadores in
DE LA CONDUCTA dustriales, y otros. Los resultados han sido
generalizados a una amplia variedad de situa
La experimentación de grupo con análisis ciones humanas como las aulas, la clínica, los
estadístico ha sido objeto de severas críticas hospitales mentales, la industria, e incluso el
por el profesor B. F. Skinner (1959) e investi gobierno.
gadores de esta tradición (especialmente
Murray Sidman, 1960). En su caso Skinner El experimento básico:
emplea la investigación de un solo participante condicionamiento operante
con replicación, una metodología a la que se
refiere como el Análisis Experimental de la Para ilustrar la metodología, considere el
Conducta. En lugar de estudiar a un número caso de una rata blanca colocada en un am
relativamente grande de participantes por un biente bien controlado como una cámara de
breve período de tiempo, Skinner proponía condicionamiento operante, más popularmen
estudiar a un participante a lo largo de un te conocida como caja de Skinner. En esa caja
período prolongado. Luego replicaba el expe se logra aumentar el control principalmente
rimento con uno o más participantes adicio a través ele métodos de eliminación de varia
nales. La estrategia dominante consiste en re bles extrañas y de mantenerlas constantes (ca
ducir la varianza de error en el experimento. pítulo 4). Por ejemplo, los ruidos externos son
Podemos considerar que el error experi eliminados y enmascarados a través de un ais
mental tiene dos componentes principales: ( 1 ) lante de sonidos, se previene la entrada de
el que obedece a las diferencias individuales señales olfativas externas, se mantiene cons-'
entre los participantes, y (2 ) el que se debe tante la intensidad de la iluminación.
a procedimientos no efectivos de control. El experimento básico es una condición en
De manera breve y sencilla, el primer tipo de que la rata blanca presiona una palanca cuan
error es eliminado en este diseño, al estudiar do se enciende una luz especial. Primero, el
animal es colocado en la cámara por un pe trol o pre-experimental. En el condiciona

ríodo prolongado para establecer un nivel de miento operante la conducta operante es con
línea base de ejecución. La frecuencia con que trolada por sus consecuencias, si éstas son
el organismo presiona la palanca antes del condi positivas se conocen como reforzadores o es
cionamiento se denomina nivel operante. La tímulos reforzantes. Los reforzadores se ha
respuesta que debe ser aprendida es presio cen contingentes a que el organismo emita la
nar la palanca sólo cuando está encendida la operante cuando la ocasión es apropiada —es
luz, después de lo cual el animal recibe una decir, cuando el SD está presente, pero no
bolita de comida (conocida como pellet). Una cuando el SD está ausente. Además, como se
vez que se ha establecido un nivel operante ve en la tabla 10 -1 , los reforzadores pueden
estable de presión de palanca, empieza el ser positivos o negativos.
condicionamiento. La señal luminosa se co
noce Como un estímulo discriminativo, sim Contingencias de respuesta
bolizado por SD. La presencia del SDsignifica
que la ocasión es propicia para que el animal En la tabla 10-1 podemos observar dos ti
presione la palanca y sea reforzado con el pos de operaciones con los estímulos: el estí
pellet. Conforme el condicionamiento tiene mulo puede ser presentado o retirado. De
lugar se incrementa la fuerza de la conexión modo similar, el estímulo puede ser positivo
estímulo-respuesta entre la luz especial y la (“placentero”) o negativo (“nocivo”). El refor
respuesta de presionar la palanca. De manera zamiento positivo es la operación en que se
más precisa, cuando el condicionamiento tie presenta un estímulo positivo de manera con
ne éxito se incrementa la probabilidad de que tingente a una respuesta específica (como dar
el animal responda en presencia del estímulo a un niño un helado cuando presenta una
discriminativo (SD). En contraste, cuando la conducta constructiva, célula inferior izquier
luz está apagada, la ocasión no es adecuada da de la tabla 10-1). El reforzamiento negati
para dar la respuesta; es decir, una respuesta vo consiste en el retiro de un estímulo negati
en ausencia del SD no es reforzada. La clase vo de manera contingente a una operante es
de respuestas como la de presionar la palanca pecífica (como quitar una mala calificación
se conoce como una operante. Las respues cuando el estudiante mejora en una prueba,
tas seleccionadas como operantes para los ex célula superior derecha). En los casos de
perimentos de condicionamiento en anima reforzamiento positivo y negativo se incremen
les son objetivamente mensurables, fácilmen ta la fuerza de la respuesta. El castigo positivo
te realizables, y como no son demasiado exi ocurre cuando un estímulo negativo es pre
gentes el organismo puede realizarlas repeti sentado contingentemente a la ocurrencia de
damente sin fatigarse. En el condicionamien una respuesta (como propinarle una tunda a
to operante el organismo incrementa la tasa un niño, célula superior izquierda). El castigo
del responder operante por encima del nivel negativo consiste en el retiro de un estímulo
operante, es decir de la tasa de respuestas con positivo contingente a una respuesta (como
TABLA 10-1 Posibles consecuencias de presentar y retirar estímulos

positivos y negativos
Operación con el estímulo

Tipo de estímulo Presentación Retirada
Negativo (nocivo) Castigo positivo Reforzamiento positivo

(la respuesta disminuye) (la respuesta se incrementa)
Positivo (placentero) Reforzamiento negativo Castigo negativo

(la respuesta se incrementa) (la respuesta disminuye)
quitarle el helado a un niño, célula inferior

derecha). En los casos de castigo positivo y
negativo, las respuestas pueden dejar de ocu
rrir.
Ésas son las posibles consecuencias de res
ponder. El condicionamiento operante ocu
rre cuando la operante es reforzada positiva
o negativamente. Pero cuando la respuesta es
castigada, usualmente es suprimida en la me
dida que continúe el castigo o la amenaza de
castigo (por lo general, el castigo no modifi
ca de manera permanente a la conducta, por
ende la respuesta no es eliminada toda vez
que regresa a su nivel operante cuando el cas
tigo cesa).
El registro acumulativo
Para llegar a tales conclusiones acerca de

la conducta, los investigadores utilizan la tasa FIGURA 10-1 Una curva acumulativa de respuestas
de respuestas como indicador de la fuerza de mostrada en detalle
la operante —tasa es la frecuencia del respon
der dentro de un tiempo dado e indica la pro
babilidad de que una respuesta sea dada en la de derecha a izquierda, y que cada presión de
ocasión apropiada (cuando el SDesté presen palanca eleva a la plumilla una unidad. Cuan-,
te). Cuantificar la variable dependiente como do no se emite ninguna respuesta, la plumilla
una tasa de respuestas ha demostrado ser de sigue moviéndose horizontalmente. Por tan
enorme valor para la psicología. En muchos to podemos notar que se dio una respuesta
estudios tanto de laboratorio como aplicados, después de un minuto, que se dio otra res
la tasa de respuestas ha proporcionado un puesta luego de transcurrir dos minutos, y que
indicador muy sensible de la efectividad de una tercera respuesta se dio después de dos
las variables independientes. De hecho, cuan minutos y medio, y así sucesivamente. Si de;
do se le pidió al profesor Skinner que cali seamos conocer el número total de respues
ficara la importancia de sus muchas contri tas dadas después de cualquier momento en
buciones, señaló a su elección de la tasa de la situación experimental, simplemente lee
respuestas como la más importante. Esta me mos la curva desde el punto que nos interesa
dida de la variable dependiente se estudia y a lo largo del eje vertical. Por ejemplo, po
efectivamente por medio del registro acumu demos ver que después de cinco minutos la
lativo. rata había dado cinco respuestas, como se lee
Un registro acumulativo indica la frecuencia en el eje vertical. Incidentalmente, la curva
total de una operante y el momento preciso acumulativa de respuestas es una sumación
en que ocurrió. Los principales datos del ex del número total de respuestas dadas desde
perimento son así contenidos en el registro el tiempo cero; esto significa que la curva
acumulativo, que se establece de la siguiente nunca puede decrecer; es decir, después que
manera. Cada vez que la rata presiona la pa se ha dado una respuesta, como lo indica una
lanca se activa automáticamente la plumilla marca ascendente, la respuesta no puede des
del registro y se desplaza una unidad a lo lar hacerse y la pluma nunca puede moverse ha
go del eje vertical, sobre una pieza de papel cia abajo. Piense acerca de este punto si la
que se mueve a una tasa constante, como en curva acumulativa de respuestas es algo nue
la figura 10-1. Imagine que el papel se mueve vo para usted.
Diseño experimental: investigación de un solo sujeto (N = 1) X
En la figura 10-1 hemos mostrado sólo una Finalmente, el reforzamiento fue retirado y la
parte pequeña de la curva acumulativa de res extinción ocurría a medida que la curva re
puestas. Más realistamente, el participante gresaba a su nivel operante. Puede verse que
responde mucho más, de modo que se regis se trata de un diseño de tratamientos repeti
tra una historia experimental considerable. dos en que el primer tratamiento consistió en
Eventualmente la ejecución se vuelve bastan el no reforzamiento (llamemos A a esa prime
te estable —el nivel operante de la tasa de res ra condición), seguida del reforzamiento (B),
puestas se estabiliza. Una vez que se ha esta y finalmente la condición de tratamiento re
blecido este nivel operante estable, es razo gresó a la de no reforzamiento (A). Este tipo
nable extrapolar la curva indefinidamente en de diseño se conoce como paradigma A-B-A.
la medida que las condiciones permanezcan
sin cambio. En este momento el experimen Análisis gráfico para evaluar los
tador introduce algún tratamiento único. cambios en la respuesta
La lógica es muy clara, si la curva de res
puestas cambia, ese cambio puede atribuirse Al revisar la figura 10-2 ¿cómo podemos
a los efectos de la nueva condición estímulo. concluir que el cambio en la tasa de respues
Una vez que se ha establecido que la curva tas —la variable dependiente— es confiable?
cambia, la condición experimental puede re Hemos respondido a preguntas análogas en
moverse y, dado que no hay efectos irreversi el diseño de grupos por medio de la prueba t
bles, la curva debe regresar a su tasa estable y la prueba F. Skinner y sus seguidores tradi
previa. Si el experimentador lo desea, pue cionalmente han evitado el análisis estadísti
den presentarse condiciones adicionales. co confiando más bien en el análisis gráfico,
En la figura 10-2 se presenta una curva más o lo que es igual, el análisis visual o criterio
prolongada de condicionamiento para una de inspección. El registro acumulativo de la
rata blanca. Primero podemos ver una tasa figura 10 -2 es así una exhibición de la con
de respuestas más bien baja para el perío ducta que puede ser analizada. A partir del
do de nivel operante en que la palanca era pre registro acumulativo puede concluirse si el
sionada muy raramente, si acaso lo era. Lue control de la conducta es confiable; de mane
go, al empegar el condicionamiento operante ra más específica, un análisis visual de la grá
podemos ver un incremento dramático en la fica puede indicar si los cambios en la tasa de
pendiente. Este incremento en la pendiente respuestas son confiables. Si la introducción
indica una tasa de respuestas mayor en que la del tratamiento es acompañada por cambios
rata está dando más respuestas por unidad de en la tasa de respuestas, puede concluirse que
tiempo, es decir, la fuerza de la conexión Su- la variable independiente sí influye en la va
operante ha sido notablemente incrementada. riable dependiente. Por otro lado, si la tasa
FIGURA10-2 Un experimento de condicionamiento operante que utilizó el paradigma

de retirada A-B-A
de respuestas no cambia sistemáticamente al dres sin entrenamiento previo en el Análisis

presentar y retirar la variable independiente, Experimental de la Conducta. T
se concluye que la variable independiente no Podemos decir que el análisis gráfico es el
influye en la dependiente. método tradicionalmente empleado en la i¿.!
El análisis gráfico es entonces un proceso vi vestigación de caso único, y sigue siendo la
sual por el cual los cambios conductuales se atri forma principal de arribar a conclusiones. Sirj
buyen a cambios sistemáticos en la variable inde embargo, recientemente se ha venido incre
pendiente; esa conclusión depende de si los cam mentando el uso de métodos estadísticos de
bios conductuales son suficientemente grandes para análisis para ese propósito. Los métodos efec
ser observados de un vistazo. En consecuencia, tivos de análisis estadístico para los diseños
el análisis gráfico no es un método muy sensi de caso único (N = 1) le permiten analizares
ble para el análisis de los datos, lo que se con tadísticamente la investigación con un solo
sidera una ventaja por los investigadores que participante, aunque sigue sin ser investiga
utilizan este método. El razonamiento es el ción de grupo. En el apéndice B de este capí
siguiente: Si el efecto de la variable indepen tulo se estudiarán análisis estadísticos para los
diente no es suficientemente grande para pro diseños de caso único.
ducir un cambio realmente notable en el re -' -i
gistro acumulativo, no se considera que di PARADIGMAS PARA LOS DISEÑOS
cho cambio sea confiable. De este modo pue EXPERIMENTALES DE CASO ÚNICO
de evitarse el análisis estadístico. Los investi (N=1)
gadores creen que la ventaja del análisis grá
fico sobre el estadístico es que impide con Panorama. Con esta comprensión de la
cluir que las variables independientes débiles forma en que llega a concluirse si los cambios
y poco sostenibles son efectivas. Con el análi en la variable dependiente son confiables,1
sis estadístico a gran escala, por otro lado, vamos a examinar más cercanamente la cues
puede llegar a concluirse que existe un cam tión de cómo concluimos que esos cambios
bio confiable, pero el cambio puede ser tan confiables en la curva de respuestas se deben
pequeño que no tiene significado práctico. realmente a manipulaciones de la variable
Por ejemplo, podemos encontrar que una di independiente —es decir, ¿podrían haber ocu
ferencia en el CI de dos grupos de niños es rrido esos cambios independientemente de
estadísticamente confiable, pero como se tra la administración de los programas de reforza
ta de una diferencia de sólo 1.2 puntos de CI, miento, de extinción, etc. ? Se ha introducido
no tendría significado práctico. El argumen una variedad de paradigmas para incremen
to entonces es doble: no debe emplearse el tar la probabilidad de la conclusión de que
análisis estadístico, ni los datos deben obte cualquier cambio en la respuesta realmente
nerse de grupos de participantes agrupados. es una función de la introducción o retirada
En el Análisis Experimental de la Conduc de un tratamiento experimental. En todos
ta se identifica así a las variables importantes ellos, no obstante, el principio central es que
como aquellas con el poder y la generalidad sólo se manipula una variable independiente
suficientes para poder ser detectadas por a la vez. En el diseño A-B-A, por ejemplo, des
medio del análisis gráfico. Su generalidad se pués de la condición A se establece la condi
hace evidente al aplicarlas de manera signifi ción B y sólo ésa. Uno no podría agregar una
cativa a problemas cotidianos; es decir, las condición C confundida con B para formar
variables independientes, cuyos efectos se un diseño A-B-C-A. Aunque algunos investi
manifiestan en forma repetida y general a tra gadores introducen más de una variable a la
vés del análisis gráfico, y que se puede trans vez para intentar estudiar interacciones entre
ferir de inmediato al mundo real, su aplica ellas, el procedimiento tienen muchas dificul
ción puede aprenderse con facilidad, como tades y básicamente es inadecuado.
se ha demostrado en el caso del entrenamien En general, el éxito de la investigación de
to en ingeniería conductual a maestros y pa caso único depende de obtener una lineábase
estable. La variabilidad excesiva de la línea pendiente, notar cualquier cambio en la tasa

base hace muy difícil determinar si un trata de respuestas, y retirar la variable indepen
miento es efectivo para cambiar la tasa de res diente para ver si la tasa de respuestas regre
puestas. Las líneas base estables rara vez son sa al nivel operante, como estudiamos en el
un problema en la investigación de laborato paradigma A-B-A de la figura 10-2
rio, pero en los escenarios aplicados, especial Desventajas del paradigma A-B. Esta es la
mente en el trabajo clínico, suele ser difícil
más simple de las estrategias de investigación
establecerlas. Entre mayor sea la cantidad de
para los diseños de caso único (IV = 1), y sólo
datos obtenidos, mejor será el estimado de la se presenta para ayudarle a comprender otros
línea base para determinar su estabilidad. En diseños. Como en este caso el factor de con
cualquier caso, se requiere un mínimo de tres
fusión es excesivo, le aconsejamos que sólo lo
puntos de datos para graficar cualquier ten
utilice como último recurso. En el diseño A-
dencia, como vimos en el capítulo 7.
B se establece la línea base y se predice qué
Como los procedimientos de caso único conducta seguiría de no introducir el tra
requieren que se hagan observaciones con- tamiento (figura 10-3). Si después de la
ductuales repetidas durante un período, for intervención (B) la medida de la respuesta
man una subclase de los diseños de tratamien se aparta de esa predicción, p u e d e atribuir
tos repetidos conocidos como diseños de se el cambio en la respuesta al efecto del trata
ries de tiempo. En el capítulo siguiente revi
miento.
saremos algunos de estos diseños porque son
Un problema es que en realidad no sabe
uno de los dos tipos más importantes de dise qué habría pasado con la respuesta de no ha
ños cuasi-experimentales. Mucho de lo que ber administrado el tratamiento. Otro proble
digamos respecto a los siguientes diseños de
ma es que no sabe si el cambio se produjo
series de tiempo será directamente aplicable por el tratamiento específico, pues podría
alos diseños cuasi-experimentales. Debe pres
haber cambiado porque hizo algo diferente
tar especial atención a maximizar la transfe
siendo irrelevante lo que en realidad hizo.
rencia de su aprendizaje al siguiente capítulo.
Después trabajaremos sobre este efecto de
El más destacado de esos diseños en el Análi
placebo como una limitación de otros dise
sis Experimental de la Conducta es el diseño
ños .3
de retirada.
Una manera de aumentar la posibilidad de
Diseños de retirada.2 Como el nombre lo saber si cualquier cambio conductual f u e in
implica, el tratamiento experimental que se ducido por la introducción de un tratamien
introduce después del período de línea base to es hacer después una segunda medición
es luego retirado. El tratamiento puede pre de la respuesta, algo después de la primera
sentarse y retirarse sistemáticamente de va medición. Entonces, si en el segundo perío
rias formas. La lógica básica es establecer un do el cambio conductual es el mismo obte
nivel operante, introducir una variable inde- nido inmediatamente después de la adminis
tración del tratamiento, se habrá fortalecido
su creencia en que el tratamiento influyó en
la conducta. Es decir, dos medidas de un cam
2 En ocasiones el diseño de retirada es erróneamente
llamado diseño de reversión. El error es pensar que la re
bio conductual que son consistentes incremen-
versión se refiere a la remoción o retirada de la variable de
tratamiento que se aplica después del período de línea base;
es decir, que se regresa a la línea base. Sin embargo, es
obviamente inadecuado referirse a esta secuencia como 3 El término placebo viene de un término latino que
un diseño de reversión porque no hay reversión de condi significa “complacer”. Se refiere a lo que parece ser un
ciones, sino una retirada del tratamiento en la segunda medicamento recetado por un médico para complacer al
fase A. Esta distinción quedará mas clara cuando discuta paciente. Aunque puede ser sólo una pildora de azúcar u
mos un verdadero diseño de reversión. El punto importan otra sustancia inerte, la sugestión de que el paciente mejo
te es que reconozca los principios involucrados en lugar rará puede tener efectos poderosos (aunque sólo tempo
de centrarse en etiquetas usadas inconsistentemente. rales).
FIGURA 10-3 La lógica de un

diseño A-B. Usted predice que si no
se administra el tratamiento la
conducta continuará en el mismo
nivel de la línea base. En el punto eje
intervención, si la medida de
respuesta se incrementa de manera
notable, usted puede concluir que su
intervención fue la que produjo el
cambio. Pero la conclusión es débil
tan la probabilidad de que la respuesta cam cida considerablemente sobre el posible re
biada y el cambio se deban al tratamiento. sultado del paradigma A-B-A.
Vamos a ilustrar un diseño A-B-A-B con un
El paradigma A-B-A. Sí la conducta cambia experimento realizado con un pequeño de
de A (la condición de línea base o control) a cuatro años que lloraba en exceso al experi
B (la condición de tratamiento) y regresa a la mentar frustraciones menores. La pregunta
línea base cuando la variable independiente
era ¿cuál es el evento reforzante que mantie
o tratamiento es descontinuado, se incrementa
ne a esta conducta de llanto? Los experimen
la probabilidad de que el cambio en la res
tadores hipotetizaron que era la atención es
puesta sea una función de la variable inde
pecial que recibía de la maestra al romper en
pendiente. Este paradigma es mucho más efi llanto. El paradigma es el mismo que para la
ciente que el paradigma A-B porque permite rata en la cámara operante: al dar la respues
probar si la omisión del tratamiento da por
ta (presionar la palanca o llorar) ocurre el
resultado un regreso a la condición de línea
reforzamiento (se entrega comida o la maes¿
base.
tra atiende al niño). Después de 10 días cuan
El paradigma A-B-A-B. Para aumentar aún do se estabilizó la tasa de respuestas (A), se
más la probabilidad de la conclusión de que introdujo el tratamiento experimental (B),
la conducta está funcionalmente relacionada durante los siguientes 10 días la maestra ig
con la variable independiente, podemos in noró los episodios de llanto del niño y refor
troducir una secuencia A-B-A-B. El efecto ex zó conductas más constructivas (conductas
perimental es producido dos veces para estu verbal y de autocuidado) proporcionándole
diar los cambios a partir de dos fases de línea atención y aprobación.
base. La conducta puede cambiar del primer Se determinó que cada mañana el niño llo
nivel operante (A) a la fase de tratamiento (B); raba alrededor de ocho veces (como se ve en
luego puede decrementar durante la segunda la figura 10-4). El número acumulativo de
fase (A) en que se retira el tratamiento. Final episodios de llanto fue aproximadamente
mente, la conducta puede incrementarse de de 80 para los primeros 10 días del experi
nuevo al reintroducir la variable independien mento. En ese momento que la maestra sus
te (B). En consecuencia, la inferencia de que pendió el reforzamiento para el llanto, des
existe una relación funcional entre el trata pués de lo cual puede verse que el número de
miento (B) y la medida conductual es fortale episodios de llanto disminuyó notablemente,
cambio de las condiciones estímulo, los resul

tados se generalizan a la población mues-
treada. Una observación que hicimos antes
también se aplica aquí; es decir, el grado en
que los resultados puedan ser generalizados
a la población del organismo depende del
grado en que la población haya sido mues-
treada.
Variaciones del diseño A-B-A-B. Hemos ilus

trado el diseño de retirada para el paradigma
A-B-A a través del condicionamiento de una
rata blanca, y para el paradigma A-B-A-B en
un experimento de modificación de conduc
ta. Aunque esos diseños de investigación han
surgido del laboratorio, han encontrado mu
chas aplicaciones fuera de éste en la investi
FIGURA 10-4 Registro acumulativo del número diario gación de la modificación de conducta. El
de episodios de llanto. La maestra reforzó el llanto estudiante interesado puede encontrar mu
durante los primeros 10 días (círculos oscuros) y retiró chas variaciones de esos diseños en la crecien
el reforzamiento durante los segundos 10 días (círculos te literatura de la modificación de conducta,
daros). El reforzamiento se reinstaló durante el tercer como en el Journal of the Applied Analysis of
período de 10 días (círculos oscuros) y se retiró una Behavior. Por ejemplo, otra forma en que la
vez mas durante los últimos 10 días, (después de relación entre un cambio conductual y la in
Harris, Wolf y Baer, 1964) troducción de la variable independiente pue
de ser confirmada es por la introducción del
tratamiento experimental en un punto al azar
De hecho, durante los últimos 5 de esos 10 de la sesión experimental, en lugar de hacer
días sólo se registró una respuesta de llanto. lo en un momento predeterminado. Es decir,
Durante los siguientes 10 días se reinstaló en lugar de introducir el tratamiento experi
el reforzamiento (A) —siempre que el niño mental después de 10 días, como en la figura
lloraba la maestra atendía al chico como lo 10-4, puede determinarse al azar que el cam
había hecho originalmente, recuperándose bio de programa se efectuará en cualquier día
aproximadamente la tasa original de respues quizá entre el día 5 y el 15. Asuma que ocurre
tas. Luego, durante los últimos 10 días del ex el mismo cambio conductual en varios parti
perimento, se retiró otra vez el reforzamiento cipantes inmediatamente después de la intro
por llorar (B) y la tasa de respuestas regresó a ducción del tratamiento experimental. En ese
un nivel cercano a cero. Permaneciendo en caso, como el tratamiento aparecía aleatoria
ese nivel después de que el experimento ha mente en momentos distintos para cada par
bía concluido. El experimento se replicó con ticipante, podría concluirse con mayor fir
otro niño de cuatro años de edad obtenién meza que ambos están relacionados funcio
dose los mismos resultados generales. nalmente.
Vamos a enfatizar este último punto, es de El paradigma A-B-A-B puede incrementar
cir, que una vez que ha sido determinado con la probabilidad de que un cambio en la res
un solo participante que un tratamiento afec puesta sea causado por un tratamiento espe
ta una medida de respuesta, ese experimento cífico. El diseño para aumentar dicha proba
es replicado. bilidad puede extenderse con retiradas y re
Cuando bajo ciertas condiciones contro gresos adicionales a las condiciones de línea
ladas se corrobora que otros participantes base. Por ejemplo, podrían establecerse se
se comportan de la misma manera ante el cuencias A-B-A-B-A o A-B-A-B-A-B-A.
El paradigma básico de la secuencia A-B-A- luar los efectos de dos tratamientos diferen
B es un diseño de replicación tal que las fases tes (B y C) en relación a la línea base. Sin
A-B repetidas son réplicas de la primera fase embargo, aunque con este diseño pueda de
A-B. Por ejemplo, podría usarse una secuen cir si B y C afectan la conducta, no puede eva
cia así en el control conductual del comer luar su efectividad relativa. Es decir, no pue
excesivo. Durante la primera fase A se esta de afirmar que un tratamiento es más efecti
blecería el nivel de peso de los participantes vo que el otro. El uso del diseño A-B-A-B-A-G-
estudiándose los cambios durante la introduc A es una propuesta para determinar la efecti
ción de la intervención conductual (B). Lue vidad relativa de los dos tratamientos B y C.y
go los participantes podrían salir del progra estimar cuál afecta la conducta en mayor me
ma de control (que se retiraría durante la se dida.
gunda fase A), que sería reintroducido durante Una desventaja del paradigma A-B también
la segunda fase B, y así sucesivamente. Si se se aplica en cierta medida al paradigma A-B-
pierde peso durante cada fase B y se recupera A-B. El problema es que un cambio conduc
durante las fases A subsecuentes, podría con tual observado puede no ser causado por su
cluirse que la intervención conductual fue tratamiento específico. Puede haber resulta
exitosa. Sin embargo, en este ejemplo podría do porque se hizo algo (cualquier cosa) dife
esperarse cierta generalización de la terapia rente al participante —y no porque el trata
por lo que la pérdida de peso eventualmente miento en sí fuera efectivo. Lo que se requie
podría mantenerse al retirar el tratamiento. re es un control para la atención y actividad
De modo que la reducción de peso que se presentes cuando un participante está en cual
mantiene durante las últimas fases A indica quier condición de tratamiento, independien
que la terapia ha sido exitosa. Un ejemplo si temente de cuál es. Una solución propuesta
milar puede ser el tratamiento para el taba es análoga a la condición de “placebo” como
quismo. Eventualmente se podría esperar que en un diseño A-B-C-B (figura 10-5). En esta
el cese del fumar se generalice a todas las fa variación del diseño A-B-A-B, en lugar de re
ses y situaciones de la vida al interrumpir el tirar un tratamiento y regresar a la línea base
tratamiento. Así, en la última fase A (trata en la tercera fase, se administra un tratamiento
miento) el número de cigarrillos fumados diferente. Por ejemplo, en la fase B el reforza
debería caer a cero. Otra variación del dise miento se hace específicamente contingente
ño A-B-A-B es un diseño A-B-A-C-A para eva a una respuesta dada. Luego, en la fase C,
FIGURA 10-5 Un diseño de control para

efectos "placebo". Si la conducta cambia
durante la fase B, pero regresa al nivel de
línea base durante la fase de control (C),
aumenta considerablemente la
probabilidad de que el cambio en la
respuesta haya sido producida por el
tratamiento específico
pueden entregarse los reforzadores pero de tamiento B. Las dos curvas son luego compa
acuerdo a un programa aleatorio no contin radas para ver qué tratamiento resultó más
gente. Finalmente, en la cuarta fase, se resta efectivo.
blece el programa de reforzamiento contin Existen además tratamientos alternados en
gente. De manera ideal, desearíamos que la que sí se toma línea base. Se diseñó un estu
medida de respuesta durante la fase C regre dio, en parte, para considerar el efecto de dos
sara al nivel operante. Si lo hace, se fortalece tipos de intervención sobre una conducta es
la inferencia de que el cambio conductual tereotipada de enroscarse el cabello en rela
ocurrió debido a el tratamiento específico que ción a una condición sin intervención. En
se introdujo durante la fase B y que no se de consecuencia, hubo tres condiciones: ( 1 ) sin
bió simplemente a reforzadores no contingen intervención; (2) práctica positiva; y (3) res
tes. Dicho cambio conductual probablemen tricción física de la conducta de enroscarse el
te no se deba a la mera adición de atención o cabello. Las líneas base se tomaron antes de
actividad puesto que no ocurrió durante la administrar cualquier tratamiento, y los valo
fase control (C). res aparecen en la parte izquierda de la figu
ra 10-6. Dicha conducta disminuyó considera
Diseños de tratamientos alternados. Una blemente durante los períodos de restricción
subclase específica del diseño A-B-A-B es aque física, pero el decremento fue mucho mayor
lla en que no se requiere línea base. En lugar después de la práctica positiva.
de ello, A y B son dos tratamientos diferentes Un sinónimo para el diseño de tratamien
que se alternan al azar con un solo individuo. tos alternados es “diseño entre-series”, la ló
El tratamiento A es entonces retirado y reem gica es que se comparan los resultados entre
plazado, no por una línea base, sino por otro dos series separadas de datos. La lógica bási
tratamiento. El propósito de este diseño es ca de este diseño se ha denominado diseño
evaluar la efectividad relativa de dos (o más) de programa múltiple, diseño de línea base
tratamientos. Por ejemplo, una serie extendi múltiple a través de elementos, y diseño de
da de tratamientos puede ser alternada en un tratamientos simultáneos.
diseño A-B-A-B-A-B en que A y B son dos Con esta consideración del diseño de reti
métodos distintos para controlar el tabaquis rada o supresión, consideremos brevemente
mo. Luego de un período prolongado de tiem el segundo diseño básico utilizado en el aná
po, un método puede terminar siendo rela lisis experimental de la conducta, conocido
tivamente efectivo mientras que el otro no como diseño de inversión.
lo es. En situaciones prácticas, puede verse
que este tipo de diseño, que se ha venido usan El diseño de inversión
do de manera creciente en los años recientes,
tiene la ventaja de que el tratamiento se utili En este diseño se seleccionaron conductas
za sin una retirada y regreso a la línea base. alternativas incompatibles para ser estudiadas.
Es sólo que dos tratamientos diferentes es Se establecen luego los niveles operantes (lí
tán cada uno en efecto el 50 por ciento del neas base) para ambas clases de conducta,
tiempo. pudiendo utilizarse entonces varias estrate
Otro uso de un diseño de tratamientos al gias. Por ejemplo, una conducta puede ser
ternados puede consistir en administrar a un sometida a un tratamiento específico mien
cliente un tipo de terapia por una semana y tras que la otra conducta, incompatible, reci
otro la semana siguiente. La presentación de be simultáneamente otro tipo de tratamien
los dos tratamientos puede ser decidida al azar to. Los efectos de ambos tratamientos son
alo largo de semanas. Las dos series de datos entonces evaluados y después de acumular
pueden luego graficarse por separado de datos suficientes, las condiciones de trata
modo que todos los datos del tratamiento A miento son invertidas de modo que la prime
son conectados, y, en una curva separada se ra conducta recibe el tratamiento dado ini
conectan los puntos correspondientes al tra cialmente a la segunda conducta y ésta recibe
Línea base Tratamientos alternativos
FIGURA 10-6 El uso de un diseño de

tratamientos alternados para evaluar
diferentes tratamientos para la conducta
de enroscar el cabello (modificado a
partir de Ollendick, Shapiro, y Barrett,
1981)
el tratamiento recibido por la primera. Existe da condición de tratamiento). Se esperaría que

así literalmente una inversión de las condi bajo esas condiciones la tasa de hablar se
ciones de tratamiento para ambas conductas. incrementara pero no la de llanto, como
Como un ejemplo de dos conductas incom se ilustra en la figura 10-7. Una vez que se
patibles considere las de hablar y llorar (figu han establecido las conclusiones iniciales du
ra 10-7). Después de establecer los niveles rante la fase 1 con este diseño, en la segunda
operantes para ambas conductas, cada vez que fase tiene lugar la inversión, por lo que en
el niño habla (la primera conducta) se entre esta segunda fase el llanto sería reforzado y el
ga reforzamiento. Sin embargo, cada vez que habla sería ignorado. Sin embargo, como ve
durante ese período el niño llora, el llanto remos en breve, sería desafortunado dejar al
(segunda conducta) no es reforzado (la segun participante en esa condición (aunque por
FIGURA 10-7 Ilustración de un diseño,

de inversión. Durante la primera fase
(tratamiento 1), se refuerza una clase de
conducta (como hablar) mientras que la
segunda clase de conducta,
incompatible (tratamiento 2, como
llorar) no recibe reforzamiento. Luego*
después de la inversión de los
tratamientos, no se refuerza el hablar
mientras que el llanto es reforzado. El
aumento en la tasa de respuestas
después del tratamiento 1,
independientemente de la clase de , .
conducta a la que se aplica, indica que el
tratamiento (reforzamiento positivo) fue
Tiempo — ► efectivo
desgracia en la vida real muchos niños son terio, el siguiente puede requerir un nivel
reforzados continuamente por llorar en un mayor de logro para recibir el reforzador. En
intento de sus atormentados padres por tener cada una de las subfases subsecuentes se re
un poco de paz y tranquilidad). En este ejem quieren niveles de logro sucesivamente ma
plo, probablemente se desearía establecer una yores para la obtención de reforzadores.
condición final en que se reinstalara el trata Un ejemplo ofrecido por Kazdin (1982)
miento deseado de modo que se reforzara el consistió en incrementar la frecuencia del ejer
habla y no el llanto. cicio. Durante el período de línea base, el
participante nunca se ejercitó, pero durante
Diseños de cambio de criterio la fase de intervención se estableció un crite
rio de diez minutos de ejercicio diario. Si ese
La estrategia básica del diseño de cambio criterio era alcanzado o excedido, se obtenía
de criterio es que la efectividad del tratamien una consecuencia reforzante, como dinero
to se juzga de acuerdo a si ocurren cambios para adquirir un bien deseado. Cuando el
conductuales gradualmente especificados primer criterio fue cumplido durante varios
durante el período de intervención. Los cri días sucesivos, se exigió un poco más de ejer
terios son componentes reales de la interven cicio, digamos 20 minutos al día. A medida
ción y especifican que la conducta debe cam que la ejecución se estabiliza en el nuevo ni
biar en incrementos que igualen a los cam vel el criterio es nuevamente elevado, siendo
bios establecidos en los criterios. Como con incrementado continuamente hasta alcanzar
la mayoría de los diseños de un solo sujeto, el el nivel terminal de ejecución que se desea.
diseño de cambio de criterio inicia con una El diseño de cambio de criterio representa
fase de línea base (A) en que se toman regis un progreso sobre los otros diseños discuti
tros de una clase de conducta. Después se dos toda vez que en las subfases continúa pro
administra el tratamiento (figura 10-8). La bando la efectividad de las intervenciones. Si
diferencia con otros diseños es que durante el tratamiento es realmente efectivo, los cam
la intervención hay varias subfases, cada una bios en la conducta siguen sistemáticamente
con un criterio preestablecido diferente. Así, a los cambios en el criterio. Es decir, si la eje
durante un estudio del aprendizaje el primer cución corresponde cercanamente al criterio
criterio puede especificar un nivel muy bajo cambiante, es razonable atribuir los cambios
para la entrega de reforzadores. Después de conductuales a la intervención. Por otro lado,
que la conducta del aprendiz satisface ese cri si la conducta no sigue sistemáticamente a los
FIGURA 10-8 El diseño de

cambio de criterio. Después de
establecer una línea base estable
se introduce el tratamiento.
Cuando el participante alcanza el
primer criterio, indicado por la
línea punteada, se eleva el criterio
para la frecuencia de la respuesta.
Adicionalmente, pueden
establecerse criterios más
exigentes de acuerdo con la
Tiempo naturaleza del estudio
240 Diseño experimental: investigación de un solo sujeto (N - 1)
cambios en el criterio en el curso de la fase El diseño de cambio de criterio es clínica

de intervención, puede considerarse que el mente valioso porque no requiere que se reti
tratamiento no es efectivo. re un tratamiento que puede ser efectivo, ni
Kazdin (1982) ilustra el diseño de cambio revertir la conducta a los niveles de línea base
de criterio con un estudio en que se intentó para demostrar la efectividad de una inter
mejorar la ejecución académica de dos niños vención. El diseño es valioso en cualquier cla
perturbadores que se rehusaban a realizar el se de proceso de aprendizaje como la modifi
trabajo escolar o lo hacían a tasas bajas. Du cación clínica de la conducta, y la adquisición
rante cuatro días se realizaron las observacio de habilidades motoras y lingüísticas; en esos
nes de línea base del número de problemas casos, la meta es la aproximación gradual
matemáticos resueltos correctamente antes del (moldeamiento) a un nivel terminal de la eje
receso. Luego, en la intervención, los niños cución deseada. Es muy difícil cambiar la con
podían salir al receso yjugar baloncesto siem ducta drásticamente o adquirir nuevas com
pre que hubieran resuelto correctamente cin ductas de ese tipo. Es más realista aproximar
co problemas; en caso contrario, tenían que se gradualmente a una conducta final a tra
permanecer en el salón de clases durante el vés del moldeamiento, en el cual se requieren
receso hasta alcanzar el criterio. Cuando niveles de ejecución crecientemente exigen
el primer criterio fue satisfecho, el siguiente tes. Para una evaluación e información sobre
se incrementó a seis problemas correctamen las variaciones de la clase de diseños de cam
te resueltos, como se ilustra en la figura 10-9. bio de criterio, revise el trabajo de Kazdin
Los criterios adicionales se incrementaron (1982).
gradualmente a siete, ocho, nueve, y diez pro Esto concluye nuestra presentación de los
blemas correctamente resueltos. Los datos diseños de un solo sujeto o caso único, aun
para uno de los niños, ilustrados en le figura que en el apéndice B al final de este capítulo
10-9, indican que el criterio fue satisfecho con se presenta el diseño de línea base múltiple
sistentemente en cada subfase. Durante la fase del cual existen tres subcategorías: uno en que
final, el criterio consistió en resolver proble se grafican varias líneas base entre sujetos,
mas más realistas. Como puede verse, salvo otros que las gráfica entre conductas, y otros
dos excepciones, el niño satisfizo ese criterio. entre situaciones. El estudiante interesado
Línea Baloncesto contingente
FIGURA 10-9 Registro del número de

problemas de matemáticas resueltos
correctamente por Dennis, un niño con
"conducta desordenada"; los valores se
grafican durante línea base, el receso, y la
oportunidad para jugar baloncesto, que fue
contingente a niveles cambiantes de
ejecución. (Tomado de Etzel, LeBlanc y Baer,
1977)
debe animarse a estudiar esos diseños con de las terapias. El primer paso en la evalua
mayor detalle. ción objetiva de una terapia es ser capaz de
especificar alguna característica conductual
EL MANTENIMIENTO DE LA del paciente que pueda ser mejorada. Las te
CONDUCTA ADQUIRIDA rapias conductuales deben especificar las con
ductas objetivo relevantes que representen un
Hemos enfatizado la adquisición de respues avance considerable sobre las terapias que in
tas tales como una tasa de respuestas crecien volucran fenómenos nebulosos como el ego y
te como una función del reforzamiento. Sin el superego. Eysenck (1983) ha resumido los
embargo, una vez que se ha adquirido una resultados de numerosas evaluaciones de va
nueva conducta, particularmente si se trata rios tipos de terapia y concluyó que las tera
de una conducta deseable en una situación pias conductuales son considerablemente más
práctica, es importante mantenerla aun cuan efectivas que las “psicoterapias verbales”. Más
do el tratamiento se haya retirado. Si su regis aún, como dedicamos considerable atención
tro acumulativo indica una tasa de respuestas a la ética en el apéndice D, Eysenck plantea la
estable, puede retirar el tratamiento. Si a esto siguiente pregunta acerca de la psicoterapia
le sigue un decremento en la tasa de respues verbal: “Aún más importante, desde un punto
tas, aparentemente el tratamiento es requeri de vista ético, es la cuestión de si tenemos
do para mantener la conducta. La confirma derecho a hacer grandes demandas por prác
ción de esta conclusión puede obtenerse si al ticas como la psicoterapia, demanda honora
reintroducir el tratamiento la tasa de respues rios exorbitantes por realizar un servicio
tas regresa al nivel de mantenimiento desea crecientemente dudoso, y por entrenar a as
do. Obviamente, esta estrategia resulta apro pirantes a psicólogo en los arcanos y los ritos
piada para cualquier tipo de medida conduc- misteriosos de esta profesión” (pág 319).
tual y no sólo para la tasa de respuestas. El Los principios del condicionamiento ope
mantenimiento de la conducta deseada es es rante que han sido desarrollados en el labora
pecialmente importante en muchas aplicacio torio han sido aplicados con éxito a la terapia
nes, como en la terapia conductual. conductual y de manera más general a la mo
dificación de conducta en la educación, la
CAMPOS DE APLICACIÓN
industria, la medicina de rehabilitación, etc.
Existen dos áreas de la psicología y campos En este capítulo hemos ilustrado algunos de
relacionados en que los diseños de un solo esos diseños.
participante son especialmente aplicables: la
terapia conductual y la evaluación de drogas. Evaluaciones de drogas
La investigación en estos campos nos brinda
una oportunidad para trabajar en algunas fa El antiguo paradigma en que un partici
ses de la metodología de caso único. pante funge como su propio control ha sido
especialmente importante al evaluar los efec
Terapia conductual tos de las drogas. Una estrategia común ha
sido establecer una fase de línea base (A) segui
La metodología utilizada en el Análisis da por una fase placebo (A¡) y luego la admi
Experimental de la Conducta ha encontrado nistración de una droga activa (B), la nueva
una aplicación especial en la evaluación de administración del placebo (Ai), y finalmen
las terapias conductuales. A su vez, el desa te la nueva administración de la droga activa
rrollo de las terapias conductuales ha llevado (B). Con esta estrategia A- Ar B- A] -B es po
a una mayor sofisticación en la metodología sible evaluar el efecto del placebo al pasar de
del caso único. Otra consecuencia de la apli A a Ai y el efecto de la droga al pasar de Ai a
cación de la metodología de un solo sujeto en B en ambos episodios.
la terapia conductual es que los clínicos han La evaluación de la fase A a la fase place
orientado su trabajo a la evaluación objetiva bo Ai nos dice algo de las expectativas de me
joría del participante. Ese efecto placebo de En la estrategia de doble ciego ni el pa.
bido a las expectativas del sujeto es separa cíente ni el investigador saben qué medica
do de los efectos farmacológicos reales de la mento recibe el paciente en cualquier punto
droga. Este diseño evalúa así ambas variables, durante la evaluación. Como antes, placebo^
el efecto de sugestión y el efecto real de la y drogas son idénticos en apariencia. Pero, uttá
droga. vez más, si la droga tiene algunos efectos co
Los problemas con la evaluación de dro laterales definidos, tanto el investigador como
gas suelen ser únicos, y ciertamente son nu el sujeto sabrán que no se trata del placebo,
merosos. Por ejemplo, existen efectos rema Por ejemplo, la droga podría producir sacudi
nentes a largo plazo de la droga evaluada ta das del cuerpo y temblores musculares que por
les que una secuencia como la que acabamos decir lo menos, sería extraño que fueran re
de describir (A-Ar B-Ar B) puede no ser apro sultado de tomar una píldora de azúcar.
piada; esto es porque el efecto de la droga Esto nos da alguna idea sobre las aplicacio
activa puede perdurar de la fase B a la segun nes de la investigación de caso único en la
da fase placebo (Aj). Estos y otros temas rela evaluación de drogas. Las variaciones de los
cionados con la evaluación de drogas son dis paradigmas son numerosas, como se ilustra
cutidos por Barlow y Hersen (1984). en la tabla 10-2. Debe notar que los diseños 1,
El posible efecto de la sugestión en el parti 2, y 3 son esencialmente diseños A-B con to
cipante en ocasiones ha sido controlado con das sus desventajas. Los diseños 4, 5, y 6 son
una estrategia de ciego sencillo en que el par en esencia diseños A-B-A, mientras que los
ticipante no conoce la diferencia entre las fa diseños 7, 8 , y 9 son diseños B-A-B. Variacio
ses en que se administran la droga y el place nes adicionales de estos 15 diseños básicos
bo. Es decir, el participante no sabe si realmen pueden involucrar la evaluación de niveles
te se le está administrando o no una droga por diferentes de una droga para determinar la
que la apariencia de droga y placebo es idén dosis efectiva.
tica. No obstante en ocasiones no es posible
disfrazar el cambio de la condición placebo a DIFICULTADES ENCONTRADAS CON
la condición en que administra la droga (por LA M ETODOLOGÍA DE CASO ÚNICO
ejemplo si una droga produce efectos inmedia
tos de vértigo y mareos, el participante segu Efectos irreversibles. La limitación más evi
ramente sabrá que no se trata de un placebo). dente es el hecho de que algunos tratamien-
TABLA 10-2 Estrategias experimentales de caso único para la evaluación de drogas (de Barlow &
Hersen, 1984, Tabla 6-1 )
No. Diseño Tipo C on tro l ciego posible
1 A-A! Cuasi-experimcntal Ninguno

2 A-B Cuasi-experimental Ninguno
3 Ai-B Cuasi-experimental Sencillo o Doble
4 A-Ai-A Experimental Ninguno
5 A-B-A Experimental Ninguno
G Ai-B-A, Experimental Sencillo o Doble
7 A,-A-A, Experimental Sencillo o Doble
8 B-A.B Experimental Ninguno
9 B-Aj-B Experimental Sencillo o Doble
10 A-A,-A-Aj Experimental Sencillo o Doble
11 A-B-A-B Experimental Ninguno
12 Ax-B-A¡-B Experimental Sencillo o Doble
13 A-A,-B-Ar B Experimental Sencillo o Doble
14 A-A,-A-A1-B-A1-B Experimental Sencillo o Doble
15 Ar B-A,-C-Ar C Experimental Sencillo o Doble
Nora: A = sin droga; A] = placebo; B = droga 1; C = droga 2

tos simplemente no son reversibles. Por ejem Otra posible solución con una terapia benéfi
plo, una vez que se ha practicado una lesión ca sería el uso del diseño B-A-B en que el tra
quirúrgica, a menos que se llame al Dr. Fran- tamiento es administrado, luego se retira y
kenstein es poco lo que puede hacerse. De finalmente se reinstala dejando al paciente el
igual modo, vimos en la investigación para la beneficio que pueda haber obtenido del tra
evaluación de drogas que los efectos de algu tamiento. De nuevo la falta de una línea base
nas de ellas pueden prolongarse en lo que inicial impide una evaluación efectiva del tra
sería el regreso a lineábase, existiendo el caso tamiento en la primera fase B. En este caso
de drogas como la marihuana cuyos efectos sería entonces preferible emplear un diseño
pueden mantenerse durante meses después A-B-A-B.
de la administración inicial. Otros efectos irre Efectos de orden e interacción. En todos los
versibles son fenómenos de aprendizaje como diseños de series de tiempo pueden haber
aprender a leer y a jugar tenis. Una vez que se efectos de orden que generen confusión. La
ha adquirido la habilidad, sería muy tonto tra práctica con un tratamiento puede mejorar
tar de regresar al aprendiz a la línea base. la ejecución bajo un tratamiento posterior, o
En ocasiones un efecto sí puede ser rever el primer tratamiento puede producir fatiga
sible, pero no sería ético, o al menos sería o sensibilización al segundo. Otro tipo de efec
prácticamente difícil, retirar el tratamiento. to puede llevar a una limitación en la genera
Por ejemplo, al evaluar una terapia en un di lización. Por ejemplo, si se está evaluando una
seño A-B-A, si resulta que el tratamiento es terapia, podría no ser efectiva en la primera
efectivo en la fase B, el diseño exigiría supri fase B de un diseño A-B-A-B pero serlo en la
mir la terapia durante la fase final A. Al ha segunda fase B. La conclusión puede ser que
cerlo, se estaría negando al paciente el bene para una aplicación exitosa la terapia debe
ficio de la terapia con el regreso a línea base. ser presentada, luego retirada, y presentada
Si ha logrado eliminar una condición neuró una vez más. Aunque esto pueda parecer una
tica como una fobia, podría reinstalarla gene aproximación novedosa, su promoción pro
rando en el paciente una enorme ansiedad, bablemente alarmaría y confundiría tanto al
por decir lo menos. O suponga que un tra terapeuta como al paciente.
tamiento es efectivo con un niño hiperac-
tivo. Imagine la reacción del maestro si el in ¿Fue efectivo un tratamiento? ¿Hubo algún
vestigador intentara reinstalar la conducta cambio conductual confiable como función
hiperactiva en el salón de clases. Si la tera de la introducción de una condición de trata
pia no es benéfica, o incluso si es peijudicial miento? Primero, puede haberse dado un cam
como algunas terapias pueden serlo, retirar bio, pero no lo suficientemente grande para
el tratamiento no sería obviamente un pro permitirnos concluir que realmente se trató
blema. de una modificación confiable en la conduc
Los diseños de retirada y de inversión es ta. Discutiremos este tema bajo el análisis grá
tán entonces excluidos cuando tenga efectos fico y estadístico al final de este capítulo. Pero,
irreversibles. Una posible solución es el uso asumiendo que ocurrió un cambio confiable
del diseño de línea base múltiple (vea el apén en la conducta ¿fue producido específicamen
dice B al final de este capítulo) en que no se te por la introducción de la variable indepen
requiere el retiro o la inversión de los trata diente, o se debió a que se hizo algo diferen
mientos.4 En consecuencia, si el tratamiento te? Como discutimos al considerar el proble
afecta a una línea base, pero no afecta a las ma de control del efecto placebo, una solu
otras líneas base (de control), puede concluirse ción es el uso del diseño A-B-C-B. Como vi
que el tratamiento irreversible es efectivo. mos, si la conducta durante la fase C se pare
ce a la ocurrida en la fase A, aumenta la pro
babilidad de que el cambio en la fase B fuera
4 Otra solución podría ser el uso de un diseño de cam producido específicamente por la interven
bio de criterio, como discutimos antes. ción.
Problemas de línea base. Los diseños discu Sesgos del investigador. Al inicio de este
tidos en este capítulo, como también algunos capítulo discutíamos los posibles sesgos pro
del siguiente, descansan en la suposición de venientes del investigador al aplicar o retirar
que se ha establecido una línea base estable. un tratamiento. Es decir, el investigador pue
Si ésta varía considerablemente se hace difí de estar respondiendo a señales provenientes
cil evaluar cualquier cambio conductual con de la conducta a modificar del participantes
fiable que siga a la intervención. del momento en que el tratamiento debería
Otro problema de línea base puede ocu ser introducido o retirado. Esos posibles
rrir con un diseño A-B-A-B si la segunda lí sesgos deben prevenirse al establecer los pe
nea base difiere marcadamente de la prime ríodos de tiempo para el estudio. Por ejem
ra. Por ejemplo, si se observa una mejoría plo, antes de recoger los datos debe especifi-
considerable en la segunda línea base, esto carse con precisión la duración de la línea base
impide una evaluación definitiva del efecto y del tratamiento y adherirse rígidamente a
de la intervención. No se puede saber si hubo esas especificaciones. Esos valores tempora
una transferencia positiva de B a la segunda les deben mantenerse fuera del alcance del
fase A, o si hubo una mejoría en la variable encargado de recoger los datos que está mi
dependiente debida a la experiencia del indi diendo la conducta, de modo que el investi
viduo en el ambiente de investigación. gador no sepa cuándo han cambiado las con
Barlow y Hersen (1984) han discutido al diciones. El sesgo del investigador también
gunos otros problemas bajo el tópico de “De es un problema con respecto a “ver” los efec
terioro de las Líneas Base.” Presentan algu tos que uno espera cuando realmente no es
nas posibles soluciones a los problemas de las tán ahí.
líneas base decrecientes, para las líneas base
variables, para las líneas base variable-estable, Limitaciones prácticas. Un diseño de un so
para las líneas base creciente-decreciente, lo sujeto sólo es factible cuando tiene un par
y para las líneas base decreciente-creciente. ticipante que desea cooperar brindándole
Sin embargo, esos problemas requieren un tiempo suficiente (que en ocasiones es consi
análisis más detallado del que aquí sería ade derable) y que está dispuesto a someterse a
cuado. Un ejemplo debe bastar. Si está estu mediciones repetidas. Tales dificultades, que
diando el número de tics faciales que emite rara vez se encuentran con ratas o palomas,
una persona, suponga que su línea base se suelen ser un problema cuando se trabaja con
incrementa con el tiempo. Entonces, cuando humanos.
se aplica un tratamiento, suponga que no exis En ocasiones el tratamiento no puede ad
te cambio en la pendiente; sino que la medi ministrarse repetidamente, o la variable de
da de respuesta continúa para incrementarse pendiente no puede medirse repetidamente.
Por ejemplo, una vez que se han resuelto cier
a la misma tasa que lo hizo durante el perío
tos problemas, no se puede tomar ninguna
do de línea base. En ese caso, quizá el trata
miento no fue efectivo porque no produjo un medida adicional de la variable dependiente.
cambio en la pendiente. Pero, por otro lado, Generalización. Algunos investigadores han
quizá fue efectivo y, de no haberse introduci concluido que la limitación de la posibilidad
do, la pendiente de la línea base se habría de generalizar los hallazgos es el factor que
decrementado. Si hubiera existido un decre más ha retrasado a la metodología de caso
mento en la pendiente después de la inter único. Sin embargo, se trata de una crítica
vención, uno podría concluir razonablemen excesivamente severa ya que los problemas de
te que el tratamiento causó el cambio en la generalización son esencialmente los mismos
respuesta. tanto para la metodología de caso único como
Si llegara a encontrarse con cualquiera de para los diseños de grupos, como veremos en
esos problemas con la línea base, debe con el capítulo 12. Para poder generalizar a partir
sultar la obra de Barlow y Hersen (1984) en de los resultados de un participante, es nece
busca de posibles soluciones. sario replicar el estudio de manera sistemáti
m
ca con varios participantes más. Pero, más que Varianza de error. Una supuesta ventaja de
eso, lo ideal sería que otros investigadores estudiar al individuo en lugar de estudiar a
replicaran el estudio en diferentes laborato grupos atañe a la reducción de la varianza de
rios. Si esas réplicas confirman los hallazgos error. En varias ocasiones hemos notado que
originales, puede generalizarse el efecto de los diseños de tratamientos repetidos emplean
los tratamientos a laboratorios (ambientes), a los mismos participantes como su propio
investigadores, y a participantes. control, eliminando así las diferencias indivi
duales. El efecto consiste en reducir la varian
Magnitud de los efectos. Una desventaja de za de error en el estudio, siendo la varianza
los diseños en que se administran tratamien de error una medida de la varianza que no
tos repetidos al mismo individuo concierne podemos explicar. Quienes apoyan la aproxi
al grado en que un tratamiento es efectivo mación de caso único sostienen que la ven
para individuos ingenuos, es decir, para indi taja principal de la metodología de un solo
viduos que no han experimentado los trata sujeto es la reducción de la varianza de error
mientos previos. Es verdad que cuando los y, se espera, su completa eliminación. Co
participantes han sido expuestos a condicio mo hemos enfatizado, no obstante, esta meta
nes anteriores, podemos estimar si una inter no es exclusiva de la investigación de un solo
vención es efectiva. Pero como el cambio de sujeto puesto que todos los científicos de
conducta que sigue a la intervención es pos sean reducir en lo posible la varianza de error.
terior a algunos tratamientos previos, no po Sin embargo, no es factible eliminarla por com
demos afirmar qué tan efectiva es la interven pleto. La razón de ello sigue siendo objeto
ción para individuos que no han experimen de debate filosófico ¿existe un indeterm i
tado las condiciones antecedentes. Por supues nismo inherente a este mundo que nos limi
to, si no existe otra condición precedente que ta a leyes científicas de tipo probabilístico? o
la línea base, como en un diseño A-B, no hay ¿en realidad el universo está 10 0 por cien
tal problema. Otra forma de estimar la mag to determinado y nuestra incapacidad para
nitud del efecto del tratamiento es usar un plantear leyes científicas con absoluta certe
diseño entre-grupos en que un cambio en la za se debe simplemente a procedimientos de
conducta puede evaluarse en relación al gru control que no son lo suficientemente efecti
po control. Una aproximación de “compro vos?
miso” puede consistir en replicar exitosamente
un estudio en que hay varios tratamientos que CO NCLUSIÓ N
usan participantes con la metodología del caso
único y conducir luego un experimento entre La metodología de caso único, que ha sido
grupos para evaluar la magnitud del efecto usada principalmente en el Análisis Experi
con una muestra de participantes ingenuos. mental de la Conducta, así como en muchas
otras áreas de investigación, tiene mucho a
COMENTARIOS SOBRE LOS su favor. El trabajo de Skinner, y el trabajo
DISEÑOS DE GRUPOS que inspiró, han sido una gran influencia en
la psicología contemporánea. Además de sus
Otra vez el tema de los promedios. Al prin contribuciones a la ciencia pura, esta meto
cipio vimos que una crítica a los diseños de dología ha tenido un impacto considerable en
grupo era que las conclusiones obtenidas áreas tecnológicas como la educación (como
de ellos se basaban en promedios grupales la enseñanza programada), control social, psi
que podían ser engañosos para los individuos. cología clínica (a través de la modificación de
Bajo ciertas condiciones, los promedios gru conducta), etc. Es probable que deba conti
pales pueden o no ser suficientemente infor nuar avanzando en sus estudios de psicología
mativos de la conducta individual. En esos para que encuentre que puede hacer buen uso
casos claramente necesitamos emplear la me de este tipo de diseño. Particularmente en esta
todología idiográfica. etapa del desarrollo de la psicología debemos
246 Diseño experimental: investigación de un solo sujeto (N = 1) Diseño experimental: investigación de un solo sujeto (N = 1) 247
apoyar a una variedad de aproximaciones por cual cualquier cambio en la respuesta $e q Dudas respecto a la efectividad del trata tratamientos repetidos. ¿Aplicaría una prueba
que tenemos muchas preguntas que son de atribuye a los cambios en los tratamien miento (aunque no son exclusivas del di estadística para determinar si es confiable un
difícil respuesta. Ninguna aproximación meto tos. ' seño de un solo sujeto). efecto experimental con un diseño N = 1?
dológica única puede afirmar con seriedad E. También es posible conducir un análisis D. Problemas con la línea base. 2. ¿Apoya usted la “lógica” básica de los diseños
estadístico de un registro acumulativo L £. Conductas dependientes (no independien entre grupos, o se siente más influenciado por
que será universalmente exitosa, y nosotros
otras medidas longitudinales para la varij tes). la lógica de la investigación de caso único?
debemos mantener un arsenal de métodos tan ble dependiente). E Sesgos provenientes del investigador. Quizá existan problemas para los cuales usted
grande como sea posible. En ocasiones un III. Tipos de diseños de caso único con repljca. G. Duración del tiempo requerido por parti crea que un diseño puede ser más apropiado y
problema determinado puede ser abordado ción. cipante. otros problemas para los cuales la otra aproxi
más efectivamente con un tipo de diseño A. El paradigma de retirada o supresión H. Limitaciones prácticas. mación es más pertinente; de ser así ¿cuál sería
mientras que otro problema puede llevar a (A-B-A) es básico. Para este diseño se esta I. Generalización. la diferencia entre esos problemas?
otro diseño diferente. blece un nivel operante (A), se introduce J. Magnitud de los efectos. 3. Los términos básicos del Análisis Experimen
la variable independiente (B), y luego se yi. Apéndices. tal de la Conducta que debe definir son:
RESUMEN DEL CAPÍTULO retira (A). De este modo, los cambios con- A. Análisis estadístico de los diseños de se Nivel operante
ductuales pueden atribuirse a la introduc ries de tiempo. Condicionamiento operante
I. Existen muchas aplicaciones del paradigma en ción y supresión de la variable indepen- 1. Se calcula una autocorrelación entre Estímulo discriminativo
que se estudia intensivamente a un solo parti diente. los datos para un solo participante. Si Clases de reforzamiento y castigo
cipante bajo condiciones diferentes por un 1. El paradigma A-B-A-B es una extensión la correlación es baja o no existe, pue Registro acumulativo
período prolongado de tiempo. Cuando hay del paradigma A-B-A en que la variable de aplicar la prueba t o la F para eva Análisis gráfico
más de uná condición de tratamiento, se tra independiente es introducida nueva luar el efecto del tratamiento. Diseño de retirada o supresión
ta de un caso de un diseño de tratamientos mente (y así sucesivamente, por ejem 2. Puede computar una C estadística para Paradigma A-B-A
repetidos. plo, A-B-A-B-A....). determinar si las tendencias en la serie Paradigma A-B-A-B
II. La aplicación sistemática más cuidadosa es el 2. Pueden hacerse modificaciones de mo de datos son significativamente diferen Diseño de inversión
Análisis Experimental de la Conducta cuya do que la conducta a controlar puede tes durante la intervención con relación Diseños de cambio de criterio
estrategia consiste en reducir la varianza de ser representada por A y la supresión a las observadas durante línea base. 4. ¿Qué posición tomaría usted entre un análisis
error principalmente al reducir las diferen del estímulo contingente por B. B. Los diseños de línea base múltiple son gráfico contra un análisis estadístico de los di
cias y aumentar el control experimental. 3. Los diseños de tratamientos alternados aquellos en que el tratamiento se adminis seños de series de tiempo?
A. Para el Análisis Experimental de la Con son una subcategoría del diseño A-B-A- tra sucesivamente a una conducta objetivo 5. ¿Puede usted aplicar uno de los paradigmas dis
ducta primero se establece un nivel ope B en que dos tratamientos son alterna a la vez mientras que varias conductas com cutidos en el capítulo a su vida cotidiana?; por
rante, es decir, la frecuencia de respuestas dos para un solo individuo. patibles se usan como medidas de control ejemplo, ¿cómo ayudaría a un amigo a perder
por unidad de tiempo (la tasa de respues B. Para el diseño de inversión se toman me de línea base. Otros dos diseños de línea peso o a un pariente a dejar de fumar, o a al
tas) antes de introducir el tratamiento ex didas de dos conductas incompatibles. Se base múltiple son aquellos en que varios guien más a conducir con más seguridad?
perimental. establece un nivel operante para ambas; individuos diferentes son estudiados en el 6. Generalmente ¿favorece una aproximación
B. Control de las operantes. Una operante es luego se administra un procedimiento mismo ambiente y donde diferentes par idiográfica o una nomotética a la investigación?
una respuesta emitida bien definida, obje como reforzamiento o castigo a una de las ticipantes se estudian en ambientes dis 7. Otros términos que debe definir son
tivamente mensurable, fácilmente ejecu conductas pero no a la otra. En el momen tintos. Tasa de respuestas
table, que es controlada por sus consecuen to apropiado se invierten las condiciones v Conducta dependiente
cias. Cuando el reforzamiento positivo o de tratamiento. REVISIÓN CRITICA PARA EL ESTUDIANTE Autocorrelación
negativo se hace contingente sobre ella, su C. Los diseños de cambio de criterio desig Experimentos de ciego sencillo
tasa (probabilidad) se incrementa. Pero nan sistemáticamente un cambio en el cri 1. Discuta los paradigmas de condicionamiento Experimentos de doble ciego
cuando un estímulo negativo se presenta terio para administrar la consecuencia du operante dentro del contexto de los diseños de
de manera contingente a una respuesta, o rante la fase de intervención.
cuando un estímulo positivo se retira con IV. Campos de aplicación.
tingente a la respuesta, ocurre el castigo; A. En la terapia conductual, características
en este caso la respuesta es suprimida en objetivamente mensurables de los pacien Apéndice A
la medida que persista el castigo o su ame tes fungen como variables dependientes
naza (pero la respuesta no es permanente para la evaluación de tratamientos terapéu Análisis estadístico para los diseños de series de tiempo
mente eliminada). ticos.
C. La medida de la variable dependiente es B. Para la evaluación de drogas se dispone
expresada en un registro acumulativo que de una variedad de diseños cuyo uso per
indica el número total de operantes ocu mite evaluar su efectividad.
Notamos antes que un análisis gráfico a tra con desdén a las pruebas estadísticas. Pero, la
rridas y el momento preciso en que ocu V. Dificultades encontradas con la metodología vés de la inspección visual es el método usual confianza en la efectividad de la interven
rrieron. de caso único. para evaluar los efectos de tratamientos en la ción puede aumentar cuando los análisis grá
D. El registro acumulativo es sometido a un A. Efectos irreversibles. investigación de un solo sujeto. Muchos in fico y estadístico llegan a la misma conclu
análisis gráfico, un proceso por medio del B. Efectos de orden e interacción. vestigadores idiográficos continúan mirando sión. Cuando no es así, el análisis estadístico
aparentemente indica un efecto confiable que el segundo, el segundo con el tercero, el ter
no es tan aparente en el análisis gráfico. El cero con el cuarto, y así sucesivamente a tra
análisis estadístico es más preciso y exacto que vés de la serie entera de datos. Por ejemplo,
“mirar” los datos usando la popular “prueba en una serie de 4, 5, 3, 2, 4, 1, 5, y 6 podrían
de ojo”. Es factible encontrar un hallazgo es aparearse los valores de la siguiente manera:
tadísticamente confiable cuando los datos son
demasiado caóticos y ruidosos como para lle 4 5 (Los dos primeros son apareados, por
ejemplo, 4 y 5)
gar a conclusiones positivas por medio del 5 3 (Los dos siguientes son apareados, etc,)
análisis gráfico. Esto es particularmente cier 3 2
to para la investigación aplicada en los esce 2 4
narios naturales donde el control es pobre. 4 1
1 5
La suposición de independencia. El princi 5 6
pal problema del análisis estadístico que dis
cutimos en el capítulo 9 sobre los diseños de Luego puede computarse un coeficiente
tratamientos repetidos es que las observacio de correlación entre esas dos columnas de
nes sucesivas del mismo participante no son datos. Si la correlación calculada entre esos
independientes. Como el diseño de un solo datos fuera cercana a cero, puede seguir
participante es una variación del diseño de con su análisis estadístico de la siguiente ma
tratamientos repetidos, también está sujeto al nera.
problema de la transgresión de la suposición
Análisis estadístico con baja dependencia.
de independencia de los datos al considerar
Suponga que tiene un diseño A-B, donde,
el análisis estadístico de los datos —en el dise
como es usual, A es la línea base y B es la
ño de caso único, cada dato se relaciona con
intervención. La estrategia consiste en usar
(depende de) cada dato precedente.
todos los datos obtenidos en línea base como
La esencia de los datos dependientes en los
los datos de una condición y los datos obteni
diseños de series de tiempo, como los que
dos en la fase B para la otra condición. Por
hemos discutido en este capítulo, es que has
ejemplo, suponga que en la serie precedente
ta cierto grado permiten predecir los datos
los primeros cuatro datos corresponden a la
posteriores para un participante tomando línea base y los segundos cuatro a la condi
como base los primeros datos del mismo su
ción de tratamiento. En ese caso podríamos
jeto. La cuestión esencial es ¿en qué medida computar una prueba t entre los valores de 4,
pueden hacer exitosamente dichas prediccio
5, 3, y 2 contra los valores de tratamiento de
nes? El primer paso, entonces, en el análisis
4, 1, 5, y 6 . Si el valor calcrílado de t fuera sig
estadístico de los datos de series de tiempo nificativo y si la media fuera mayor para lá
consiste en evaluar el grado en que existe una condición de tratamiento, podríamos concluir
dependencia real entre los datos sucesivos. Si que la medida de respuesta cambió confia
se calcula que no existe dependencia o que es
blemente después de la intervención. El mis
baja , se aconseja proseguir con el análisis es
mo principio general puede seguirse con los
tadístico.
otros diseños como en los casos de los dise
Evaluación del grado de dependencia. Cal ños A-B-A o A-B-A-B. En esos casos tendría
culamos lo que se conoce como autocorrela- tres o cuatro condiciones con las cuales pue
ción que es una correlación entre los datos de seguir los principios desarrollados en él
separados por diferentes intervalos de tiem capítulo 7 para diseños de grupos múltiples.
po de la serie. El intervalo de tiempo selec La diferencia es que aquí se pretende llegar a
cionado se conoce como “demora” y se llama conclusiones respecto a participantes únicos
“demora 1 ” al más simple de ellos, que suele más que a conclusiones sobre grupos. La ge
ser suficiente para revelar una dependencia neralización a la población de participantes
serial en los datos. La autocorrelación de de se logra por medio de la replicación. Por ende,
mora se calcula apareando el primer dato con si encontrara un efecto significativo para un
participante, debería replicar su estudio con La primera cuestión a responder con el

otros individuos. Si encontrara cambios con- estadístico C es si la serie de tiempo contiene
ductuales estadísticamente confiables para o no alguna tendencia, es decir, desviaciones
todos los participantes estudiados individual sistemáticas de la variación aleatoria. Prime
mente, su confianza en sus conclusiones rela ro se evalúan los datos de línea base para de
tivas a la efectividad de su tratamiento aumen terminar si existe o no tendencia. En caso de
taría considerablemente. no ser a sí, las primeras series de tratamiento
Otras consideraciones. Se han hecho avan pueden combinarse con las series de datos de
ces significativos en el análisis estadístico de línea base y el conjunto puede someterse a
los diseños de series de tiempo, y existen al prueba. Si el estadístico C es significativo, es
gunas variaciones que pueden ser aplicadas a evidencia de que las series del tratamiento se
distintos problemas. Esto es válido tanto para alejan de las de la línea base. La conclusión
los diseños de caso único como para los dise es que el tratamiento es probablemente efec
tivo.
ños de series de tiempo para grupos. En el
siguiente capítulo discutiremos algunos de los Como ejemplo, Tryon (1982) presenta al
diseños de series de tiempo para grupos. gunos datos sobre la frecuencia de una con
Hemos discutido únicamente los análisis es ducta de “parloteo” en un grupo de 15 niños
tadísticos más sencillos, pero para aumentar retardados con edades de 9 a 11 años. Se de
finió al parloteo como cualquier vocalización
su conocimiento del área, debemos notar que
los análisis pueden considerar cambios en las que no fuera autorizada por el maestro. Lue
pendientes de las curvas. Por ejemplo, supon go se obtuvieron diez datos de línea base,
ga que observa un incremento en la pendien como se presenta en la figura 10-10. El cálcu
te de línea base, pero que después de la inter lo indicó que C no era confiable, lo que sig
vención aparece un incremento más marca nifica que la línea base no mostraba ninguna
do. Usted puede preguntarse si el cambio en tendencia significativa, cosa deseable.
la pendiente fue un efecto estadísticamente Durante la fase de tratamiento, el maestro
confiable. Otros problemas surgen cuando las depositaba una ficha en una jarra de vidrio
líneas base son inestables o cuando la autoco- sobre el escritorio después de cada período
rrelación que usted calcula es de hecho esta de 5 minutos en que ningún miembro del
dísticamente confiable. Surgen además otras grupo exhibiera la conducta de parloteo. Al
preguntas concernientes al número de datos concluir un período, cada estudiante recibía
que se requiere para un análisis exitoso de los el número de fichas que hubiera en la jarra,
diseños de series de tiempo. Algunas autori mismas que podían intercambiar por comes
dades en la materia recomiendan al menos tibles.
50 y preferiblemente 100 datos (pero vea la El cómputo de C confirmó el análisis grá
siguiente discusión de un procedimiento re fico de que hubo un cambio en la tendencia
comendado por Tryon, 1982). Para esos y otros de la serie de tiempo de las observaciones de
temas se le recomiendan los trabajos de Kra- línea base a la observada durante la interven
ción.
tochwill (1978), Kazdin (1982), y al capítulo 9
de Barlow y Hersen (1984). Finalmente, el procedimiento de dar fichas
al grupo fue descontinuado durante un pe
Un análisis de las series de tiempo simplifi ríodo de dos semanas. C indicó que no hubo
cadas. El procedimiento anterior requiere tendencia confiable durante ese período, lo
mucho tiempo y numerosos datos para cada que, nuevamente, es deseable.
fase experimental. Tryon (1982) presentó un El uso del estadístico C es un procedimien
cálculo mas sencillo del estadístico C. Las ven to elegante y C es relativamente sencillo de
tajas de calcular C es que puede hacerse a calcular. Si encuentra ocasión de usarlo, pue
mano, puede usarse hasta con 8 datos, y ayu de remitirse al trabajo de Tryon (1982). Kazdin
da a determinar si se ha estabilizado el res (1982) también discute las técnicas estadísti
ponder en la fase. cas para los diseños de caso único.
Apéndice B sobre la segunda conducta objetivo. A su vez,

las conductas restantes serán sometidas a tra
Diseño de línea base múltiple tamiento de manera escalonada. Si el trata
miento logra modificar la tasa de respuestas
luego de su administración a cada una de las
El concepto de esta clase de diseños que an distintas clases de conducta, podemos tener
tes de la administración del tratamiento(s) se considerable confianza en la efectividad del
establecen de manera simultánea varias líneas tratamiento. En resumen, al utilizar este dise
base. Discutiremos tres tipos de diseños de ño se aplica un tratamiento a varias conduc
línea base múltiple: ( 1 ) el diseño de línea base tas cuyas líneas base difieren en su extensión;
múltiple entre conductas, (2 ) el diseño de lí si después de la intervención se observa un
nea base múltiple entre sujetos, y (3) el dise cambio en la conducta objetivo, pero no en
ño de línea base múltiple entre condiciones las otras conductas, es muy probable que el
(ambientes). cambio fuera producido por ese tratamiento
El diseño de Línea Base Múltiple entre Con específico.
ductas. En este diseño, se selecciona para es Conductas dependientes. Los diseños de lí
tudio a varias conductas compatibles, es de nea base múltiple entre conductas asumen que
cir, conductas que ocurren simultáneamente las diferentes respuestas estudiadas son inde
en el individuo. Después de establecer las lí pendientes. Consecuentemente, puede consi
neas base para cada clase de conducta, se in derarse efectiva una intervención que afecte
troduce un tratamiento para una conducta a una conducta pero no a las otras. Pero, si
objetivo (figura 10-11). Si esa clase de con las conductas están correlacionadas, una in
ducta cambia mientras que las otras conduc tervención que afecta a una línea base pue
tas (de control) permanecen estables a nivel de parecer que también afecta a la otra aun
de línea base, puede considerarse que el tra que no se haya aplicado el tratamiento a esas
tamiento es efectivo para ese tipo de conduc otras respuestas. La interpretación aquí es
ta. Luego, después de que haya transcurrido difícil. Por un lado, pueden haber efectos ge
cierto tiempo, el mismo tratamiento es tam neralizados de un tratamiento indicando gene
bién aplicado a una segunda clase de las con ralización de respuesta; es decir, el tratamiento
ductas compatibles y se registran sus efectos afectó primero a una respuesta y subsecuen-
FIGURA 10-11 Ilustración de un 10

diseño de línea base múltiple entre
conductas en un solo sujeto. El
tratamiento se hace contingente sólo « o
a la ocurrencia de la conducta #1. j»
Luego, después de una prolongada g-
línea base se aplica el tratamiento a £
la conducta #2. Eventualmente el Tj
tratamiento se aplica a la tercera ^ 1Q
conducta. Si las tres medidas de
conducta cambian luego de la
intervención posterior a línea base Q
múltiple, se considera que el Tiempo
tratamiento es efectivo
temente afectó a las otras a través de la gene nas con retardo que son institucionalizadas
ralización. Pero otra interpretación podría ser no logran desarrollar actividades apropiadas
que el tratamiento tuvo efectos generalizados de juego y aprovechamiento del tiempo libre.
en todas las conductas; por ejemplo, el trata Las participantes eran mujeres adultas de 15
miento pudo haber producido una activación a 25 años de edad, que residían en una insti
general del individuo. En ese caso, no podría tución para personas con retardo.
afirmarse que el tratamiento afectó únicamen Durante la fase de línea base se instruyó a
te a la conducta objetivo. Sin embargo, ese las participantes para que jugaran con jugue
problema sólo puede ser determinado toman tes, pero si no lo hacían se les instigaba ver
do una serie de medidas de respuesta simul balmente para que regresaran a sus asientos.
táneamente. Se registraron dos tipos diferentes de conduc
ta: juego independiente y juego inapropiado.
Diseño de línea base múltiple entre sujetos. Como puede verse en la figura 10-12, se to
En el diseño de línea base múltiple entre con maron líneas base para 5,9,13,17, 21,25, 29,
ductas el mismo tratamiento es aplicado se- y 33 períodos de juego, cada uno de ellos con
cuencialmente a diferentes conductas emiti una duración de una hora. Para cada una de
das por un solo participante. Otra aplicación las participantes (de Kim a Ruby) pudimos
del diseño de línea base múltiple es aquella notar que las líneas base típicamente eran
en que un tratamiento particular se aplica en bajas para ambos tipos de juego. Durante la
secuencia a la misma conducta de diferentes intervención, se dieron instigadores físicos y
individuos en el mismo ambiente. En este verbales: se les instruía verbalmente para que
caso, el tratamiento es aplicado al primer par jugaran con uno de los juguetes y si no lo
ticipante luego de, quizá, una hora, al segun hacían se les guiaba físicamente. La instigación
do después de dos horas, y así sucesivamente. física consistía en poner sus manos sobre los
Debido al carácter secuenciado de la interven juguetes y dirigirlas gentilmente en acciones
ción después de distintos períodos de línea de juego. Por ejemplo, la línea base de Kim
base, este diseño también se conoce como fue establecida registrando las dos medidas
“diseño de control de demora temporal”. de variable dependiente durante cada uno de
Como una ilustración del diseño de línea cinco períodos de juego. Luego, durante el
base múltiple entre sujetos, Singh y Milli- sexto período se le instigó verbal y físicamen
champ (1987) utilizaron instigadores verbales te, después de lo cual se incrementó cuantiosa
y físicos para enseñar a ocho adultos con re mente el monto de juego independiente de
tardo profundo a mejorar su juego indepen Kim. Eventualmente, el monto del juego in
diente. El estudio obedeció a que las perso apropiado de Kim se estabilizó a un nivel re-
SESIONES SEMANAS MESES

FIGURA 10 12 I l u s t r a c i ó n d e l d is e ñ o d e l ín e a b a s e m ú l t i p l e e n t r e s u j e t o s . El
de la sesi' 6 ^U6®° ^dependiente e inapropiado para todos los sujetos. Después
e a 'esion 65 se obtuvieron datos de mantenimiento un día a la semana
(adaptado de S in g h y M illic h a m p , 1987)
lativamente bajo. También podemos ver que años. Para ayudar a prevenir la enfermedad
en las sesiones de seguimiento realizadas se se enseñó a cuatro niños a cepillar sus dien
manas mas tarde, se observó un mantenimien tes luego de diferentes períodos de línea base
to a largo plazo de la conducta de juego inde en los que se tomaron dos medidas del por
pendiente de Kim mientras que la conducta centaje de placa (interproximal y facial-lin
de juego inapropiado permanecía a un nivel gual). La figura 10-13 muestra que las dos
muy bajo. La conducta de Kim fue represen medidas de la cantidad de placa (que contri
tativa de la conducta del resto de las partici buyen a la enfermedad periodontal) disminu
pantes, por lo que podemos concluir que en yeron en la fase de tratamiento. Sin embargo,
todos los casos hubo un incremento en la can de gran importancia resultó el hecho de que
tidad de la conducta de juego independiente se enseñó a los padres cómo mantener la con
que fue mantenida. La cantidad específica de ducta de cepillado durante un período de se
juego independiente durante línea base tuvo guimiento de tres a cuatro meses en que se
tasas promedio que iban de 0 a 5 por ciento, administraron contingencias al cepillado.
elevándose sustancialmente durante la insti
gación y manteniéndose en las sesiones de Diseño de línea base múltiple entre condi
seguimiento. ciones (ambientes). En este diseño, se aplica
En otro estudio, Dahlquist y Gil (1986) in un tratamiento a diferentes participantes que
tentaron controlar la enfermedad periodon- se encuentran en condiciones o ambientes
tal, una de las causas principales de la pérdi distintos. Por ejemplo, puede tener a tres pa
da de dientes cuando la gente pasa de los 35 cientes distintos en tres cuartos diferentes.
Línea
base Tratamiento Seguimiento
FIGURA 10-13 Ilustración de un diseño de línea base múltiple entre sujetos. Note
que se establecieron diferentes líneas base para uno de cada cuatro sujetos. El
tratamiento logró reducir la cantidad de placa en la boca, como lo demuestran los
datos de seguimiento (tomado de Dahlquist y Gil, 1986)
Para cada participante se establecen diferen Debemos enfatizar la diferencia entre la

tes períodos de línea base, por ejemplo, 30 segunda y la tercera variantes de los diseños
minutos para uno, 45 minutos para otro, y 60 de línea base múltiple. En el diseño de línea
minutos para el tercero. Después de que con base múltiple entre sujetos, se aplica un trata
cluye cada período de línea base, puede apli miento a la misma clase de conducta exhibí-
carse el tratamiento, como reforzamiento, de da por distintos participantes que se encuen
manera contingente a cierto tipo de respues tran en el mismo escenario. Sin embargo, en
ta que está siendo emitida. Una vez más, si la tercera variante, el tratamiento es aplicado
después de la intervención se observa un cam a la misma conducta cuando los participantes
bio conductual en todos los participantes, es se encuentran en diferentes ambientes.
probable que el tratamiento sea efectivo. Debe ahora ser evidente que una ventaja
importante de cualquier tipo de diseño de
Resumen. Los diseños de línea base múlti línea base múltiple es que no se requiere re
ple pueden ser utilizados para evaluar el efec tirar el tratamiento una vez que se ha aplica
to de las variables independientes entre: ( 1 ) do (en contraste con otros diseños que he
varias conductas diferentes emitidas por el mos estudiado), lo que evita el conflicto éti
mismo sujeto; (2 ) varios individuos diferen co de retirar un tratamiento benéfico a un
tes en el mismo ambiente; y (3) diferentes participante en una situación práctica de la
participantes en ambientes distintos. vida real.
capítulo 11
DISEÑOS CUASI-EXPERIMENTALES:
BUSCANDO SOLUCIONES A LOS
PROBLEMAS DE LA SOCIEDAD

Intentar resolver problemas de la vida cotidia 1. La habilidad de inferir relaciones causales entre varia
na a través de la investigación sistemática cuan bles dependientes e independientes con diversos gra
do no sea posible realizar un experimento. dos de probabilidad, dependiendo de lo adecuado
Lo que usted encontrará: del diseño en que se basan las inferencias.
2. Una comprensión de las condiciones de la sociedad
1. La interrelación benéfica que existe entre la ciencia
que pueden ser mejoradas a través de la aplicación
pura y la aplicada (tecnología).
de relaciones causales; esto se consigue al establecer
2. Los dos diseños cuasi-experimentales más importan
una condición de variable independiente y logrando
tes:
luego el resultado deseado (la variable dependiente).
a. El método de la observación sistemática (grupos
de comparación no equivalentes)
b. Series de tiempo interrumpidas
3. Las limitaciones de los diseños cuasi-experimentales
CIENCIA PURA CONTRA CIENCIA tir controversia entre la ciencia y la tecnolo

APLICADA gía, o entre la psicología “experimental” y la
“clínica”. Los frutos de la ciencia pura coi)
El espíritu con que este libro fue escrito origi frecuencia se aplican para la solución de pro
nalmente (1960) era que la psicología pura y blemas sociales, así como la investigación so
la aplicada no eran mutuamente excluyentes y bre problemas tecnológicos (aplicados o prác
que podían complementarse. No debería exis ticos) puede proporcionar bases para el pro
255
256 Diseños cuasi-experimentales: buscando soluciones a los problemas de la sociedad
greso científico (“básico” o “puro”). La exis La ciencia ha demostrado que el reforza-

tencia de problemas prácticos puede señalar miento selectivo de la conducta no sólo es más
resquicios en nuestro conocimiento científi efectivo que el castigo, sino que el reforza
co aparente, y la investigación tecnológica miento no tiene ninguna de las desafortuna,
puede exigir el desarrollo de nuevos métodos das consecuencias del mismo. Dicho de modo
y principios en la ciencia. Además, es común más sencillo, el principio es reforzar cultural
para un investigador participar en investiga mente las respuestas deseables y no reforzar
ción científica y aplicada en momentos dife las indeseables. Sólo bajo ciertas condiciones
rentes, o un proyecto de investigación puede deberían castigarse esas conductas indesea
estar diseñado para adquirir conocimiento bles para permitir la ocurrencia de conductas
científico a la vez que resuelve algunos males alternativas más adecuadas. Skinner, en su
sociales. El tema, entonces, no es si estamos a obra clásica, Walden too (1948), ilustra con de
favor de la ciencia pura para la exclusión de talle cómo diseñar y lograr una cultura ideal,
asuntos aplicados o viceversa, pretendemos Lo fundamental es contingencias reales de
abarcar ambos. No es necesario ser un experi reforzamiento para desarrollar y mantener res
mental o un clínico, es posible ser un clínico puestas socialmente deseables. Para lograrlo,
experimental. En contra de la opinión popu debería reforzarse de manera inteligente las
lar, no tenemos que elegir entre tales temas. respuestas sociales apropiadas y retirar selec
tivamente el reforzamiento de, o en ocasio
APLICACION DE LOS PRINCIPIOS nes castigar socialmente a, las conductas in
PSICOLO GICO S PARA MEJORAR LA adecuadas.
SOCIEDAD Skinner apoyó principalmente la aplicación
del conocimiento científico disponible para
El profesor B. F. Skinner, la fuerza propulsora la solución de nuestros problemas prácticos.
más importante de los diseños de investiga Ciertamente la aplicación sabia y efectiva de
ción de caso único, es un buen ejemplo de un los principios conductuales a problemas como
científico tecnológico. Aunque el profesor la delincuencia, drogas, accidentes automovi
Skinner dedicó mucho tiempo de su vida a la lísticos, y abusos en la crianza infantil, debe
adquisición de conocimiento por el conoci ser mucho mejor que las simples conjeturas,
miento mismo (ciencia), probablemente de Al dirigir asuntos en varios niveles guberna
dicó más tiempo a la aplicación de los princi mentales, constantemente estamos modifican
pios de la conducta para la solución de pro do políticas e introduciendo reformas. Un
blemas sociales (tecnología). nuevo presidente o alcalde es elegido en cam
Históricamente, la sociedad ha hecho uso pañas en que prometen cambiar esto o aque
mínimo de las condiciones de control para llo —abolir el sistema de bienestar social, o ex
tratar de resolver problemas prácticos. Skin tenderlo, modificar el sistema penal, etc. Por
ner caracterizaba el asunto de esta manera: desgracia, es muy raro que la sociedad evalúe
“Hasta ahora, los hombres han diseñado sus de modo sistemático los efectos de las refor
culturas en gran medida a través de conjetu mas, y tenemos muy pocas bases objetivas para
ras, incluyendo algunas afortunadamente acer determinar si una nueva política en realidad
tadas; pero no estamos lejos del estado de mejoró las cosas. Lo mismo puede decirse de
conocimiento en que esto pueda ser cambia muchos otros aspectos de nuestra sociedad,
do” (Skinner, 1961, pág. 545). Para conster como nuestras universidades y escuelas. Cons
nación de Skinner, las conjeturas con frecuen tantemente cambiamos nuestras prácticas
cia involucraban técnicas punitivas, los prin educativas, el carácter de nuestros planes de
cipios del Viejo Testamento (“ojo por ojo y estudio, nuestros requisitos de titulación. El
diente por diente”) suelen ser aplicados para péndulo oscila indefinidamente entre los ex
controlar la conducta. ¿Con cuánta frecuen tremos de exigencias decrecientes y crecien
cia observamos a los padres pegar a sus hijos tes para los estudiantes. La esencia de este capí
para “lograr que se comporten”? tulo es que a menudo nos encontramos en una
Diseños cuasi-experimentales: buscando soluciones a los problemas de la sociedad 257
posición que nos permite evaluar de manera siste ran descontinuados, o si asignáramos al azar
mática programas y políticas para desarrollar gra a los criminales convictos a condiciones ex
dualmente prácticas establecidas objetivamente que perimentales de muerte o prisión perpetua.
sean benéficas para la sociedad. La Declaración Durante la Segunda Guerra Mundial los na
de Independencia no nos garantiza felicidad, zis realizaron experimentos médicos atroces
sino la oportunidad de perseguirla, lo que con poco respeto por la vida humana, pero
podemos hacer de manera más efectiva como en una sociedad civilizada esos extremos por
resultado de la investigación sistemática. el bien de la investigación simplemente no
Alguien podría negar que las reformas so son tolerados —el tipo de investigación citada
ciales actuales sean cuestión de conjeturas y en el capítulo 4 en que la mitad de los “parti
afirmar que los datos se obtienen por medio cipantes” recibía un antídoto potencialmente
de diversas prácticas culturales. Ciertamente efectivo para impedir la muerte por envene
existen kilómetros y kilómetros de registros namiento puede haber sido permitido en los
gubernamentales que constituyen datos de viejos tiempos, pero no hoy.
todo tipo. Sin embargo, rara vez se utilizan Como no suele ser factible conducir una
para mejorar una práctica gubernamental al investigación que satisfaga los elevados están
relacionarlos sistemáticamente con las condi dares científicos, la cuestión es si se justifican
ciones de variables independientes bajo las ciertos compromisos con el rigor metodoló
cuales fueron recogidos. La investigación sis gico. Si se trata de un problema importante
temática puede reemplazar los datos no utili que exige solución, puede ser mejor compro
zados obtenidos bajo condiciones de políti meter los criterios de investigación que no
cas que cambian caóticamente? Por desgra intentar una solución basada en la investiga
cia, no podemos, sin embargo, conducir ex ción. La sociedad está llena de ejemplos en
perimentos en la vida real con las condicio que alguna investigación fue mejor que nin
nes adecuadas de control. De modo que tene guna. Por ejemplo, la investigación que no
mos un dilema, pues un propósito importan cumplió los elevados criterios del laboratorio
te de este libro es que apoyemos la investiga eliminó efectivamente los secuestros aéreos.
ción sana y evitemos la de mala calidad. Por Los diseños cuasi-experimentales presentados
ejemplo, en el capítulo 4 en la sección “Cuán por Cook y Campbell (1979) han tenido una
do abandonar un experimento”, sugeríamos aplicación importante para la solución de pro
que si existe una confusión irresoluble debe blemas prácticos.
ría considerar abandonar su estudio. Esta re
comendación es fácil de hacer cuando habla DISEÑOS CUASI-EXPERIMENTALES
mos de adquirir conocimiento por el conoci
miento mismo (“ciencia pura”) —es difícil con Buscando relaciones causa-efecto. El rasgo
cebir una situación en que pueda tolerarse que define al diseño cuasi-experimental es que
una investigación científica mal diseñada. Pero los participantes no son asignados aleatoria
muchos temas tecnológicos plantean otra cues mente a las diferentes condiciones. El méto
tión. Al tratar de resolver un problema im do de observación sistemática es un diseño
portante de la sociedad, el investigador sim cuasi-experimental en que los participantes
plemente puede no ser capaz de conducir son clasificados de acuerdo con algunas ca
apropiadamente un experimento bien contro racterísticas, como inteligencia alta contra
lado. Considere un estudio sobre los efectos baja; la ejecución de los grupos con alta y baja
de los programas de bienestar en el desem inteligencia son luego comparadas en relación
pleo, o los efectos de la pena capital en la a una variable dependiente. La desventaja de
disuasión del crimen. Es posible imaginar el ese diseño cuasi-experimental es que la varia
furor nacional si intentáramos asignar aleato ble independiente puede confundirse con
riamente a la mitad de la población actual de variables extrañas, por lo que no sabemos si
los programas de bienestar a una condición un cambio en la variable dependiente se debe
control en que los cheques del programa fue realmente a la variación de la variable inde
k
pendiente; es decir, la probabilidad de una En resumen, para mejorar la sociedad de-

conclusión de que la variable independiente bemos acumular tanto conocimiento de alto
produjo un determinado cambio conductual grado de probabilidad como podamos. Para
(redujo la dependencia de los programas de dicho propósito necesitamos diseños cuasi-ex
bienestar, etc.) es menor cuando usamos di perimentales.
seños cuasi-experimentales que cuando resul Cook y Campbell (1979) presentaron una
tan de un experimento. Aunque podemos in variedad de diseños cuasi-experimentales y los
ferir una relación causal entre una variable in aplicaron a una variedad de problemas socia
dependiente y una dependiente en cualquier les. Existen dos clases principales de dichos
estudio, es más probable que esa inferencia diseños cuasi-experimentales: ( 1 ) los diseños
sea cierta cuando resulta de un experimento. de grupos de comparación no equivalentes, y (2 )
En capítulos anteriores reconocimos que no diseños de series de tiempo interrumpidas. Para
sabíamos con certeza nada acerca del mundo facilitar nuestra discusión de esos diseños y
empírico, pero buscamos conclusiones de la especificar algunas variaciones en los mismos,
mayor probabilidad, congruentes con el es resumamos primero el sistema de notación
fuerzo razonable. El mejor de nuestros expe empleado por Cook y Campbell.
rimentos puede llevar a conclusiones fallidas,
como rechazar la hipótesis nula 5 veces de 100 Sistema de notación para los
cuando no debería ser rechazada. En conse diseños cuasi-experimentales
cuencia la probabilidad empírica de una con
clusión causal surgida de un experimento bien Recuerde que los diseños cuasi-experimen
diseñado puede ser, digamos, sólo de 0.92. Si tales emplean grupos ya formados por lo que
debemos realizar un estudio y no podemos rea los individuos no son asignados al azar a las
lizar un experimento riguroso, con el uso de condiciones. En consecuencia, en este capítu
un buen diseño cuasi-experimental, la proba lo no discutimos grupos de control (porque se
bilidad de una relación causa-efecto qui zá componen de participantes asignados al azar),
pueda caer a 0.70. Los diseños cuasi-experi sino grupos de comparación (los ya formados y
mentales menos rigurosos pueden producir susceptibles de ser estudiados). Esta distinción
probabilidades aun más bajas (quizá de 0.50 o entre grupos de control y grupos de compa
de 0.40 ). La probabilidad de una conclusión ración es una importante diferencia de eti-
causal a partir de un estudio correlacio nal, quetación porque inmediatamente alerta al
clínico, o de historia de caso puede ser aun investigador a esperar confusiones; es decir,
menor (quizá de 0.25), pero aun así es la me el término grupo de comparación implica la
jo r información de que disponemos. Cierta existencia de factores de confusión con una
mente es preferible que operemos sobre la ba reducción concomitante en la confianza de
se de un conocimiento de baja probabilidad que sea posible concluir que cualquier cam
(aunque estadísticamente confiable) que sin bio observado en la variable dependiente debe
conocimiento alguno (relaciones de probabi ser atribuido a la variable independiente, es
lidad de 0.00). Como Campbell ha señalado. decir, la condición de tratamiento.
Note también que muchas características
La ética general, apoyada aquí por administrado de esos diseños y sus limitaciones fueron dis
res públicos así como por científicos sociales, con cutidos en el capítulo 10. Aunque algunos de
siste en usar el mejor método posible, aspirando esos diseños son utilizados en la investigación
a los “experimentos verdaderos” con grupos de de caso único, también son aplicables a la in
control aleatorios. Pero cuando no es posible con vestigación de grupos. Por ello puede ser bue
tar con tratamientos aleatorios, se apoya un uso no que revise el capítulo 10 como base para
autocrítico de los diseños cuasi-experimentales. seguir con este capítulo. Ello hará innecesa
Debemos hacer lo mejor que podamos con lo que rio repetir mucho de lo que ya dijimos.
tengamos a nuestra disposición (Campbell, 1969, Existen dos símbolos para la notación: X
pág 411). representa una condición de tratamiento (una
Diseños cuasi-experimentales: buscando soluciones a los problemas de. la sociedad 259
intervención de la variable independiente en ción para enfatizar que un diseño A-B-A se

la serie de datos), y O representa una observa utiliza en el caso de un único participante
ción de la conducta. Los subíndices de O (Oí, mientras que una etiqueta Oí X O2 de
0‘¿ ) indican observaciones repetidas en que nota a un estudio de grupo.
se obtienen los datos, es decir, las medidas de El pretest {()\) generalmente involucra la
la variable dependiente. El tipo de diseño más medición de la variable dependiente antes de
sencillo se conoce como diseño de un grupo la intervención, después de la cual el grupo
sometido sólo a postest para el cual el paradig experimenta el tratamiento (X), y finalmente
ma es: se le administra un postest en que nuevamen
te se mide la variable dependiente (0 2)- Este
X O diseño permite el uso de análisis estadísticos,
computando primero los puntajes de ganan
La notación nos dice que un grupo de par cia de O} a 0 2 y sometiendo la diferencia pro
ticipantes ha experimentado un tratamiento medio a la prueba t apareada (capítulo 9). De
(X) después del cual se midió una variable ser así, recuerde los posibles problemas dis
dependiente (O). Con este diseño se genera cutidos acerca de los puntajes de ganancia.
tanta confusión que lo presentamos sólo como Un ejemplo del uso de este diseño puede
un inicio al sistema de notación y para discu ser la introducción de un nuevo plan de estu
tir los problemas de control de los diseños dios o un método de enseñanza en una es
cuasi-experimentales. Aunque el valor de la cuela o universidad. Como sucede tan frecuen
variable independiente (tratamiento) puede temente en la educación, la nueva generación
estar relacionado con el valor de la observa de educadores adquiere grandes insights al
ción (0), cualquier inferencia causal está pro establecer “el nuevo programa de matemáti
hibida. La falta de un grupo de comparación cas”, “el regreso a las tres Rs básicas”, “la re
que no haya experimentado el tratamiento volución del proceso educativo con la instruc
esencialmente hace imposible inferir que cual ción programada”, etc. Cuando se hace algo
quier cambio en la variable dependiente pue más inteligente que la simple aplicación del
da atribuirse al tratamiento. postest, se toman medidas (0 |) de los estudian
tes antes de administrar el nuevo método.
Diseño de un grupo sometido a Luego se introduce y casi universalmente se
pretest-postest concluye, tomando como base la mejoría de
los puntajes al final del curso (0 2), que el nue
O, X o2 vo método logró mejorar la educación. Es po
sible que esa conclusión sea válida, pero su
Este diseño representa un avance en rela grado de probabilidad es, ¡ciertamente muy
ción al de un grupo sometido sólo a postest bajo!
toda vez que establece una línea base previa
al establecimiento del tratamiento. Esto per Desventajas de este diseño. Quizá la razón
mite identificarlo con el diseño A-B-A, con más importante por la cual cualquier inter
las virtudes y limitaciones del mismo que ya vención parece exitosa sea el efecto place
discutimos en el capítulo 1 0 . bo —que supone que el simple hecho de hacer
La traducción de los símbolos empleados cualquier cosa nueva o diferente puede aumen
para representar los diseños de caso único por tar la motivación, haciendo que los estudian
los que representan a los diseños cuasi-expe tes trabajen más; de modo similar existe el
rimentales seguramente facilitará su transfe hecho de que todos esperan que el nue
rencia del aprendizaje entre ambos. En la me- vo método produzca mejores resultados, lo que
todología de caso único se denominaría B al influye tanto a los estudiantes como a los ad
diseño X O . lo que enfatiza una vez más la ministradores en esa dirección. Es obvio que
poca información que obtenemos de dicho en un experimento en que no existe grupo
diseño. Sin embargo, se mantiene la distin control semejante confusión es casi obligada.
Otra dificultad con este diseño es que en En este caso un grupo experimenta el tra
tre el pretest y el postest puede haber sucedido tamiento, después de lo cual se mide en am
alguna otra cosa que beneficiara a los estu bos grupos la variable dependiente. Como los
diantes. La mejoría observada en el aprendi grupos pueden diferir en mudaos aspectos,
zaje entre 0\ y 0 2 puede haberse debido a la es muy baja la probabilidad de atribuir al tra
influencia de otros cursos académicos o even tamiento cualquier diferencia entre los gru
tos ajenos al escenario educativo. pos respecto a la variable dependiente. Este
Por último, puede haber una mejoría en diseño, como el caso del diseño de un grupo
los puntajes de la variable dependiente sin con sólo postest, se considera “generalmente
relación con la aplicación del tratamiento en no interpretable”, lo que significa que la con
tre pretest y postest. El solo hecho de presentar fusión impide extraer conclusiones claras acer
el pretest puede haber sido una experiencia ca de cualquier relación causal entre el trata
de aprendizaje, de modo que la ejecución de miento y la variable dependiente.
los estudiantes mejora en el postest por la prác Una aplicación del diseño es aquella en que
tica obtenida. O quizá los estudiantes madu varios grupos reciben diferentes valores de
raron a lo largo del semestre y se volvieron la variable independiente. Cook y Campbell
más sabios y mejor educados, lo que mejoró sugirieron un ejemplo en que grupos no equi
su ejecución independientemente del méto valentes de convictos que recibirían libertad
do. La adición de al menos un grupo de com condicional bajo palabra recibieron asesoría
paración mejora en algo este diseño, como psicológica durante períodos diferentes mien
en el siguiente caso. tras se encontraban en prisión. Este diseño
podría representarse de la siguiente manera,
Diseños con grupo de comparación en que el subíndice indica la duración en
no equivalente meses del tratamiento. Por ejemplo, un gru
po pudo haber recibido asesoría durante 12
Probablemente sean éstos los diseños cua meses por lo que su tratamiento sería simbo
si-experimentales usados con mayor frecuen lizado como (X!2); un segundo grupo la reci
cia, un ejemplo de lo cual es el método de ob biría por 9 meses (X9); un tercero por 6 meses
servación sistemática discutido en los capítu (X6); otro, 3 meses (X3); y finalmente habría
los anteriores. En estos casos se estudian dos o un grupo sin asesoría (X0).
más grupos ya formados naturalmente, como
dos grupos de quinto grado de una escuela 0
Xx2
primaria. Como los participantes no se asig
naron al azar a los grupos, no hay un grupo *9 0
control, sino sólo un grupo de comparación.
El caso más simple de este diseño es aquel *6 0
en que se hacen observaciones sólo después *3 0
de que uno de los grupos ha experimentado
el tratamiento. *0 0
El diseño de sólo postest con grupos de com Asuma que la variable dependiente (O) es
paración no equivalentes. Al agregar un gru la frecuencia con la que los miembros de cada
po de comparación al diseño de un grupo con grupo violaron su palabra y que la duración
sólo postest, llegamos a la siguiente instancia de la asesoría se relacionó positivamente con
de los diseños con grupo de comparación no los puntajes de la variable dependiente. De
equivalente: modo que podemos concluir que entre más
prolongado fuese el período de asesoría, los
X O sujetos violarían con menor frecuencia su li
bertad condicional bajo palabra. Como la
O duración del tratamiento se manipuló siste
máticamente y se observaron incrementos grupos que reciben el postest (0 2), el cual con
concurrentes en la medida de respuesta, la siste en una medida de la variable dependien
probabilidad de que las variables independien te. El investigador podría, preferentemente,
te y dependiente estén funcionalmente rela determinar al azar cual de los dos o más gru
cionadas aumentó considerablemente. Este di pos recibe el tratamiento experimental. Am
seño supone un progreso notable sobre el bos grupos reciben el pretest, lo que propor
diseño de sólo postest con grupo de compara ciona alguna información acerca de su “equi
ción no equivalente. Sin embargo, como los valencia” antes de la administración del trata
participantes no fueron asignados al azar a miento. Pero, aun si los dos grupos demues
los grupos, tenemos que enfatizar que no es tran ser equivalentes respecto al pretest, indu
posible plantear relaciones causales. Por ejem dablemente difieren en muchos otros aspec
plo, es posible que se haya seleccionado para tos —aun con puntajes idénticos del pretest no
recibir libertad bajo palabra a los individuos tenemos razón para considerarlos como gru
que tenían menos probabilidades de regresar pos equivalentes, por ejemplo, aunque los
a prisión; los administradores que asignaron puntajes del pretest sean iguales para el CI los
a los prisioneros a los grupos de asesoría psi grupos pueden variar en medidas de puntajes
cológica podrían haber deseado que el pro de emocionalidad.
grama de libertad condicional bajo palabra
pareciera benéfico y por ende podrían haber Oj X 02
asignado (intencional o inconscientemente)
a los prisioneros con mayores probabilidades Oí 02
de éxito a los grupos con períodos más pro
longados de asesoría. Dado este factor de con Independientemente de si los grupos son equi
fusión, incluso esta variante del diseño de sólo valentes en el pretest, el tratamiento experi
postest con grupo no equivalente debe usarse mental es administrado a uno de los grupos,
sólo en casos de desesperación. después de lo cual se aplica a los dos grupos
El análisis estadístico de esos diseños con el postest en que vuelve a medirse la variable
dos o más grupos presentan problemas que dependiente. El investigador debería, prefe
no nos son extraños. Simplemente probamos rentemente, determinar aleatoriamente cuál
la confiabilidad de las diferencias entre las de los dos o más grupos recibirá el tratamien
medias con la prueba t, como vimos en el ca to experimental.
pítulo 6 . Campbell y Stanley (1963) ilustraron este
diseño con un estudio conducido por Sanford
Diseño de grupo de comparación sin trata y Hemphill en la Academia Naval de Anna-
miento con pretest y postest.1El siguiente para polis en Estados Unidos. La pregunta era si
digma muestra que existen dos grupos en que los guardias marinos que llevaron un curso
se toman medidas de pretest (O í), seguido de de psicología desarrollaban mayor confianza
un grupo que recibe el tratamiento (X) y dos ante situaciones sociales. Se eligió al grupo
de segundo año para tomar el curso de psi
cología mientras que el grupo de tercer
año constituía el grupo de comparación. El
1 Cook y Campbell se refieren a los tres diseños men grupo de segundo año incrementó confiable
cionados primero como “generalmente no interpretables”, mente sus puntajes de confianza en un cues
mientras que este diseño es “generalmente interpretable”.
Sólo debemos repetir que todos los diseños cuasi-experi tionario de situaciones sociales, pasando de
mentales tienen factores de confusión, por lo que el uso 43.26 a 51.42, mientras que el grupo de terce
que Cook y Campbell hacen del término “interpretable" ro incrementó sus puntajes sólo de 55.80 a
aquí simplemente supone que la inferencia de una rela 56.78. A partir de esos datos se podría con
ción causal entre las variables independiente y dependien
tees algo mayor para este tipo de diseño que para los an
cluir que tomar el curso de psicología produjo
teriores. Ningún diseño cuasi-experimental es interpretable una mayor confianza en situaciones sociales.
enel sentido que lo son los experimentos. Sin embargo, aunque esta explicación sea fac-
tibie, son evidentes otras explicaciones alter tos del día y fueran influenciados por las ca
nativas. Por ejemplo, las mayores ganancias racterísticas diferentes de las aulas separadas,
del grupo de segundo año podría haberse y existen aun otras fuentes de confusión de la
debido a algún proceso general de sofistica variable independiente con variables extrañas
ción cjue ocurre principalmente durante el en que usted, por sí mismo, puede pensar.3
segundo año y que es mínimo en el tercer Esto introduce los principios básicos de los
año. Si éste fuera el caso, el considerable in diseños de grupos no equivalentes, pero en
cremento en los puntajes del grupo de segun algunas de las investigaciones más interesan
do año habría ocurrido independientemente tes se ha empleado una serie de variantes,
de que los guardias marinos tomaran o no el Cook y Campbell discuten esas variantes y
curso de psicología. Esta conclusión alterna muestran la forma en que bajo ciertas condi
tiva se ve fortalecida al notar que los puntajes ciones podrían derivarse inferencias más ra
en el pretest del grupo de segundo año eran zonables de los resultados. Sin embargo, re
sustancialmente menores, y que aunque su gresemos ahora a la segunda clase de los di
ganancia fue mayor, sus puntajes en el postest seños quasi-experimentales más utilizados, en
no eran tan altos como los del grupo de ter los que se estudian series extendidas de da
cer año .2 tos. Mucho de nuestra discusión sobre esta
Un método para el análisis estadístico de clase de diseño para participantes únicos se
este tipo de diseño podría ser el que discuti aplica también cuando consideramos grupos.
mos en el capítulo 9 sobre dos tratamientos Deberíamos también repetir que cuando se
repetidos. Por ejemplo, podría evaluar la ga aplica cualquier diseño en una situación de
nancia en los puntajes de cada grupo por se campo de la vida real, el control es mucho
parado, de modo que pudiera determinar si menos posible que cuando se utiliza bajo con
existió un cambio confiable en la medida de diciones de laboratorio. En general, los dise
la variable dependiente de cada uno de sus ños discutidos en este capítulo se aplican en
grupos. Para cumplir este propósito podría situaciones de la vida real mientras que los
emplear la prueba t apareada. Por último, diseños discutidos en el capítulo 10 en el “Aná
podría desear determinar si cualquier cambio lisis Experimental de la Conducta” se origi
entre pre y postest fue mayor para uno de los nan típicamente en el laboratorio.
grupos que para el otro. Para ello podría con
ducir una prueba t para grupos independien
Diseños de series de tiempos
tes (capítulo 6 ) entre los dos grupos, emplean
interrumpidas
do un puntaje de ganancia para cada uno de
los participantes en el estudio. Sin embargo,
En este tipo de diseño se realizan medicio
asegúrese de recordar nuestra discusión so
nes periódicas sobre un grupo o individuo
bre los problemas en la medición de ganan
en un esfuerzo por establecer una línea base.
cias (capítulo 9).
Eventualmente, se hace algún tipo de cambio
Aunque este diseño permite controlar al
durante la serie de tiempo en marcha, y el
gunas variables extrañas (por ejemplo, ambos
investigador intenta determinar si ocurre un
grupos reciben el pretest y el postest), exis-ten
cambio en la variable dependiente. De ser así,
muchas diferencias en la forma en que los
intenta inferir si ese cambio en la serie de tiem
grupos son tratados durante la conducción
de la investigación. Por ejemplo, es probable
que los dos grupos tuvieran distintos maes
tros, quizá se reunían en diferentes momen-
3 Campbell (1969) advirtió acerca de igualar a los par
ticipantes de ambos grupos en los puntajes del pretest, por
que este procedimiento de igualación daría por resultado
2 Un diseño preferible habría sido formar dos gruposartefactos de regresión, un fenómeno que, incidentalmente,
de segundo grado y haber impartido el curso de psicolo es en general una desventaja de los diseños de grupos igua
gía sólo a uno de ellos (elegido al azar). lados.
po (la variable dependiente) se relaciona sis dilucidar era lo qué sucedería con la produc
temáticamente con el tratamiento. tividad si la jornada laboral se redujera de 10
a 8 horas. Para responder a esta pregunta, cada
Diseño de series de tiempo simple interrumpi mes se calculó la producción por hora duran
da. En este caso, del diseño más elemental de te un período de 17 meses para establecer una
las series de tiempo, se realiza una serie línea base. Como podemos notar en la figura
de observaciones durante línea base (0\, 0 2, 1 1 -1 , el hecho de cambiar la jornada laboral
03, 0 4, 0 5, y así sucesivamente), para luego in de 10 a 8 horas en agosto de 1919 fue segui
troducir el tratamiento (X). La serié de obser do por un incremento notable en la produc
vaciones posteriores al tratamiento (0 6, O-j, ción por hora. Este cambio ascendente en el
Os, Og, 0 io, y así sucesivamente) puede ser en nivel llevó a concluir que la reducción de la
tonces analizada para determinar si se dio un jornada laboral de 10 a 8 horas había mejorado
cambio en el nivel o en la pendiente después la productividad.
de introducir el tratamiento.
problemas con el diseño. Sin embargo, las
siguientes son algunas de las razones que per
0] Ov O3 O4 O5 X 0 6 07 Og 0 9 0] q miten cuestionar dicha conclusión. Primero,
la mejoría podría haber ocurrido en cualquier
Cambios de nivel y de pendiente. En el capí forma, ya que antes de introducir el tratamien
tulo 10 discutimos las formas en que una in to la pendiente iba en ascenso, el cual podría
tervención puede afectar una serie de obser haber continuado independientemente del
vaciones. Cook y Campbell describen dos for tratamiento. Incidentalmente, aquí se hace evi
mas comunes de cambio en los datos de la dente una ventaja de los diseños de series de
serie que son similares a las que discutimos: tiempo sobre el resto de los diseños cuasi ex
(1 ) un cambio en el nivel, y (2 ) un cambio en perimentales; es decir, los diseños de series
la pendiente. De modo muy simplista, supon de tiempo permiten evaluar el desarrollo de
ga que tiene una línea base de observaciones cualquier pendiente desde línea base, antes
que consta de valores de 4, 4, 4, 4, en cada de intervenir, y tomar en consideración di
punto en que introduce el tratamiento. Si los cha información, como en este ejemplo.
valores se elevaran a 6 , 6 , 6 , 6 , o disminuye Segundo, puede haber ocurrido algún otro
ran a 2 , 2 , 2 , 2 , existiría una discontinuidad evento diferente al cambio en la duración de
abrupta en el punto de interrupción, lo que la jornada de trabajo. Esa variable extraña
indica un cambio en el nivel. Para indicar una podría haber sido responsable del cambio en
discontinuidad similar para el cambio en la la variable dependiente.
pendiente puede remitirse a la figura 10-3 Tercero, es posible cuestionar la validez de
como ilustración; es decir, una vez que se es los datos. En la figura 11-1 podemos notar
tabilizó el nivel operante en el experimento que la línea base está apoyada en datos obte
de condicionamiento, empezó el reforza nidos durante 17 meses, momento en que
miento, después de lo cual se observó un in ocurrió la intervención. Posiblemente hubo
cremento espectacular en la pendiente del un cambio en la forma en que se hacían los
registro acumulativo. Los cambios en el nivel o registros del período de línea base al período
en la pendiente se utilizan como base para inferir posterior al tratamiento; es decir, el interés
si el tratamiento afectó causalmente a la variable especial en el proyecto pudo llevar a registros
dependiente. más precisos (o incluso falseados) después de
la intervención.
Un ejemplo. Cook y Campbell ilustraron Finalmente, lo que se conoce como efecto
este diseño con el estudio clásico del Consejo Hawthorne pudo jugar algún papel aquí. En
Británico para la Investigación de la Fatiga los estudios clásicos de Hawthorne reporta
Industrial, que introdujo el manejo de la cien dos por Roethlisberger y Dickson (1939), se
cia experimental cuantitativa. La cuestión a separó a un grupo de obreros industriales de
[lUjn es la frecuencia de viajes vacacionales que el programa es definitivamente valioso”
que se eleva en verano y disminuye en otoño (Campbell, 1969, pág. 412). Sin embargo, en
(excepto tal vez en Minnesota).4 la figura 11-3 se presentan los datos de la fi
Como otro ejemplo del diseño de series gura 1 1 - 2 como parte de una serie prolonga
je tiempo interrumpida, Campbell (1969) da de tiempo. Debe notarse que en realidad
presentó algunos datos sobre el efecto que en la línea base es muy inestable, lo que ilustra
1955 tuvieron las sanciones severas estableci una de las dificultades del uso de este diseño
das en Connecticut sobre el exceso de veloci en las situaciones de campo —lo que contras
dad al conducir. Luego de que en 1955 se re ta con el diseño de un solo participante dis
gistrara un alto registro de accidentes viales, cutido en el capítulo 10 en que la metodolo
se inició la aplicación de sanciones severas gía operante reclama un mayor control al es
contra el exceso de velocidad. Como puede tablecer la línea base. Con una línea base tan
notarse en la figura 1 1 -2 , un año después de inestable, es difícil evaluar el efecto de un tra
iniciar las sanciones el número de accidentes tamiento, independientemente de cuándo se
disminuyó de 324 a 284. El gobernador ofre introduce el tratamiento en la serie de tiem
ció la conclusión de que “Con el ahorro de 40 po. En la figura 11-3 el “tratamiento experi
vidas en 1956, una reducción del 12.3% res mental” (las sanciones) fue iniciado en el pun
pecto a las muertes registradas en 1955 en to más alto de la serie de tiempo. Consecuen
accidentes automovilísticos, podemos afirmar temente, el número de accidentes en 1956
sería en promedio menor que el registrado
en 1955, independientemente de que se hu
4 Una forma de resolver este problema sería eliminar biera iniciado en ese punto la aplicación de
1918 • 1919 1920 la variación cíclica de las series expresando su variable sanciones. Campbell atribuye este rasgo a la
Meses
dependiente como una desviación del patrón cíclico espe inestabilidad de la curva de la serie de tiem
rado. po y se refiere a la reducción en los acciden-
FIGURA 11-1 Cambios en la productividad por hora como resultado de cambiar
la jornada de trabajo de 10 a 8 horas (después de Farmer, 1924)
sus grupos de trabajo y se les permitió des También es importante observar los patro
cansar sistemáticamente de acuerdo con cier nes cíclicos en la investigación de series de
tos programas experimentales. Los investiga tiempo, ya que pueden explicar cualquier cam
dores estaban interesados en estudiar los efec bio aparente en la variable dependiente. En
tos del descanso en la productividad. Sin em la figura 1 1 -1 , por ejemplo, podemos notar
bargo, el simple aislamiento de este pequeño que agosto de 1918 fue un mes con baja pro
grupo de obreros podría explicar el incremen ductividad al que siguió un incremento en el
to en la productividad independientemente nivel; de modo similar el tratamiento se in
de la introducción de los períodos experi trodujo en agosto de 1919, y también fue se
mentales de descanso, como con el sugestivo guido por un incremento en el nivel. La in
efecto placebo. El solo hecho de que hubie troducción de un tratamiento en el punto
ra un cambio y que se prestara atención es apropiado de un patrón cíclico supone un fac
pecial a los participantes podría dar cuenta tor de confusión; por ejemplo, el patrón cícli
del incremento en el nivel posterior al trata co de ventas al menudeo alcanza su pico cada
miento. diciembre y declina en enero. En consecuen
El efecto Hawthorne significa que el solo cia, si usted introduce un tratamiento en di FIGURA 11-2 Accidentes viales en Connecticut
hecho de prestar atención a los participantes, ciembre y utiliza las ventas al menudeo como (después de Campbell, 1969, copyright, 1969, por la
como en ese estudio, puede influir en la con su variable dependiente, puede esperar un American Psychological Association; reproducido con
ducta independientemente de cuál sea el tra incremento en las mismas independientemen autorización)
tamiento particular. te de su tratamiento. Otro patrón cíclico co-
:J Í 1 L
FIGURA 11-3 Accidentes viales en Connecticut (son

los mismos datos de la figura 11-2 presentados como
parte de una serie extendida de tiempo) (después de
Campbell, 1969, copyright, 1969 por la American
Psychological Association, reproducido con
autorización)
tes de 1955 a 1956 como debido al menos en otras variables podrían haber operado para
parte a un “artefacto de regresión”. producir el decremento después de 1955, con
fundiéndose con la variable independiente.
Es probable que los artefactos de regresión sean Para ilustrar un poco más cómo puede uno
la forma más recurrente de auto-decepción en la intentar razonar con el uso del diseño de se
literatura de la reforma experimental social. Es rie de tiempo interrumpida (y de manera ge
difícil hacerlos intuitivamente obvios... Tome cual neral con los diseños cuasi-experimentales),
quier serie de tiempo con variabilidad, incluyen podemos notar que Campbell argumentaba
do una generada por puro error. Muévase a lo en contra de esta última interpretación. Él
largo de ella en una dimensión temporal. Escoja señalaba que en la figura 11-3, antes del ini
un punto que sea el “mayor hasta ahora”. Busque cio de las sanciones la pendiente general era
luego el siguiente punto. En promedio este siguien ascendente, mientras que después de estable
te punto será más bajo, o cercano a la tendencia cer la medida la pendiente era descendente.
general (Campbell, 1969, pág. 414). Si la tendencia nacional a la reducción de ac
cidentes viales hubiera estado presente en
En resumen, podríamos esperar que la se Connecticut antes de 1955, podría haberse
rie de tiempo tenga un decremento después esperado una pendiente descendente previa
del punto más alto independientemente del al establecimiento de las sanciones. Este razo
efecto de cualquier tratamiento. namiento ayuda en parte a incrementar la
Otra razón por la cual no podemos llegar probabilidad de la conclusión de que el esta
a conclusiones firmes acerca de una relación blecimiento de sanciones fue benéfico.
causal en este estudio es que las tasas de mor El diseño de serie de tiempo interrumpida
talidad en Estados Unidos ya estaban descen se utiliza típicamente cuando no es posible
diendo año tras año, en relación a la pobla contar con un grupo control y cuando la uni
ción de conductores, independientemente de dad gubernamental en su totalidad recibe el
la penalidad establecida. Consecuentemente tratamiento experimental (que es designado
Diseños cuasi-experirnentales: buscando soluciones a los problemas de la sociedad 267
como reforma social). Debido al serio factor 1. Muchos tratamientos no se establecen rápida
de confu >ión de este diseño, Campbell argu mente, sino que se difunden lentamente a tra
mentaba a favor de la inclusión de grupos de vés de la población por lo que cualquier cam
comparación siempre que fuera posible, aun bio en las observaciones posteriores al trata
que fueran un pobre sustituto de los grupos miento pueden ser demasiado graduales para
poder ser discernibles.
control. El siguiente diseño constituye un es 2. Muchos efectos no son instantáneos sino que
fuerzo por mejorar el diseño de la serie de presentan demoras temporales impredecibles
tiempo interrumpida al añadir series de da que pueden diferir entre poblaciones y de mo
tos de comparación de una institución, gru mento a momento.
po o individuo similar no sometidos a cam 3. Muchas series de datos son mayores a las aqui
bio experimental. consideradas pero menores a las aproximada
mente 50 observaciones recomendadas para
Series de tiempo interrumpidas con una se hacer análisis estadísticos. El análisis estadísti
rie de tiempo de un grupo de comparación no co de los diseños de series de tiempo es más
equivalente sin tratamiento. Este diseño es bien complejo y no lo trabajaremos aquí. En
básicamente el diseño de grupo de compara lugar de ello puede remitirse a nuestra discu
ción no equivalente con la excepción de que sión del tópico en el capítulo 10 , y también
se toman medidas de la variable dependiente puede consultar los trabajos de Cook y Camp
en series de tiempo múltiples. El paradigma bell (1979) y de Kratochwill (1978) sobre este
para este diseño es el siguiente: tema.
4. Puede ser difícil localizar a muchos archivistas
y éstos pueden mostrarse renuentes a entregar
Os 04 o5 x o6 07 datos. La entrega de datos puede involucrar in
o
0, 08 Og 0 ]0
CM
tervalos de tiempo que son mayores a lo que

0, 02 Os o4 o5 o6 07 08 O9 o10 nos gustaría, y algunos datos pueden faltar o
parecer sospechosos.
Por ejemplo, los datos de la serie de tiem
po para Connecticut en la figura 11-3 pue Se han utilizado algunas variantes de las
den compararse con datos similares de un series de tiempo básicas, y pueden estudiarse
estado vecino como Massachusetts. Si la pen en la obra de Cook y Campbell (1979).
diente decreciente de la curva de la figura 11-3
posterior al establecimiento de sanciones con CONCLUSIÓN
trastara con los valores para Massachusetts,
la conclusión de que la reducción en los acci
dentes de tráfico fue producida por el esta Los ejemplos presentados ilustran la natura
blecimiento de penalidades ganaría fuerza. leza de los diseños cuasi-experimentales. Al
Con este diseño, entonces, es posible evaluar gunas de las dificultades enfrentadas al im-
cualquier posible cambio en la variable de plementar experimentos en condiciones na
pendiente en relación a un valor de línea base turales son evidentes, pero aun así, las des
(como en el caso precedente) y también en ventajas de los diseños cuasi-experimentales
relación a una serie de comparación de otra hacen claro que los experimentos deben pre
unidad gubernamental. Otro método para ferirse siempre que sea posible. Como hemos
aumentar la probabilidad de una conclusión discutido antes, los experimentos de labora
válida consiste en introducir el tratamiento torio están justificados como métodos analí
experimental aleatoriamente en algún punto ticos para examinar relaciones causales. Si
de la serie, una estrategia que ya menciona usted desea probar la validez externa de una
mos en el capítulo 1 0 . relación causal (para ver si la conclusión del
laboratorio es válida para el “mundo real”), el
Problemas con el diseño. Cook y Campbell experimento de laboratorio puede replicarse
presentaron algunas de las desventajas de los en el campo. O uno puede empezar a resol
diseños de series de tiempo interrumpidas. ver un problema directamente con experimen
Algunas de las cuales son las siguientes: tación de campo. En cualquier caso, al con
ducir un experimento de campo debe reco cia que los participantes no se asignan aleato
nocer la posibilidad de que pueda fallar de riamente a las diferentes condiciones y en ge
alguna manera. La experimentación de cam neral los tratamientos no son determinados
po suele ser cara por el hecho de que se están al azar para los grupos.
manipulando instituciones sociales por lo que IV. Es posible inferir relaciones causales entre la
variable independiente y la variable depen-
es aconsejable planear el experimento como diene en cualquier estudio, pero su probabili
un posible cuasi-experimento. Si empieza por dad de ser verdadera es relativamente baja
conducir un experimento de campo, puede cuando se derivan de la investigación no ex
tener en mente un diseño cuasi-experimental perimental. Las relaciones causales son valio
de respaldo para poder salvar, en el caso de sas porque nos proporcionan el conocimien
que fuese necesario, los datos que sea posi to de cómo manipular nuestro mundo siste
ble. Como Cook y Campbell concluyen “al máticamente.
diseñar un experimento aleatorizado no debe V. Tipos de diseños
impedir el diseño simultáneo de un cuasi-ex A. El diseño más simple es el de un grupo
perimento de respaldo en que utilizará la mis con postest, que esencialmente es inútil.
ma base de datos que en el experimento
aleatorizado” (1979, pág. 386). X O
Nuestro estudio de los diseños cuasi-expe
rimentales puede ser provechoso al ayudar B. Si se toman medidas de la variable inde
nos a aprender cómo resolver algunos pro pendiente antes y después de la interven
blemas tecnológicos. Del mismo modo, nos ción (aun careciendo de un grupo de com
permite comprender mejor nuestras limita paración), el diseño es mejorado, pero si
ciones en términos de los factores de confu gue siendo débil la inferencia de que un
cambio en la variable dependiente se debe
sión y las restricciones sobre la posibilidad de a la intervención, es decir, a la variable in
generalizar las conclusiones. También puede dependiente.
proporcionarnos la oportunidad de apreciar
mejor la experimentación, al reconocer las des
ventajas de los diseños cuasi-experimentales, 0, X 02
debemos mejorar nuestra capacidad para pla
near y conducir experimentos bien diseñados. C. Los diseños con grupos de comparación
no equivalentes son como los del método
RESUMEN DEL CAPÍTULO de observación sistemática.
1. En el diseño de sólo postest con grupo
1. Para resolver los problemas sociales necesita de comparación no equivalente, un gru
mos acudir a los productos de la investigación po recibe el tratamiento y se toman me
científica básica (el conocimiento obtenido por didas de la variable dependiente en
su propio valor) así como de la investigación ambos grupos.
tecnológica, aplicada (conocimiento obtenido
de la investigación dirigida a la solución de X O
problemas prácticos).
II. El conocimiento más firme proviene de la ex O
perimentación, independientemente de si
(¿esta se realiza en el campo de la ciencia o de 2. Para el diseño de grupo de compara
la tecnología. Sin embargo, desafortunadamen ción no tratado con pretest y postest, la
te en ocasiones no es factible intervenir en el adición de un grupo de comparación
trabajo en marcha de las instituciones socia incrementa la probabilidad de que cual
les en el grado requerido para conducir un quier cambio en la variable dependien
experimento. En ese caso, puede obtenerse al te se deba a la variable independiente.
menos cierto conocimiento al conducir un
cuasi-experimento. 0, X 02
III. Un diseño cuasi-experimental es aquel que se
asemeja a un experimento, siendo la diferen 0, 02
r
p. Diseños de series de tiempo interrumpi 3. ¿Puede un administrador público, bien educa

das do en la sabiduría popular, resolver nuestros
1. En el diseño simple de series de tiem problemas si se le da el poder de hacerlo? o
po interrumpidas se toman medidas re ¿Deben las autoridades gubernamentales con
petidas de la variable dependiente. La fiar en la investigación tecnológica sistemática
variable independiente es luego intro para lograr a la larga un progreso real?
ducida en algún punto de la serie de 4. ¿Qué haría si recibiera el poder completo so
tiempo, preferiblemente después de que bre los sistemas penales o los sistemas de bien
se ha establecido una línea base esta estar social del país? ¿Intentaría cambiar esos
ble. Puede hacerse una inferencia induc sistemas? De ser así, ¿Cómo procedería exacta
tiva de que un cambio en la variable de mente?
pendiente que sigue a la intervención 5. Distinga entre los diseños experimentales y cua
se debe a la variable independiente. La si-experimentales.
base para semejante inferencia puede 6 . La confusión está siempre presente en un dise
ser un cambio en el nivel (los datos de ño cuasi-experimental. ¿Cierto o Falso? Por qué?
la serie cambian hacia arriba o hacia aba 7. Sin duda deseará revisar y resumir los diversos
jo con una discontinuidad brusca), o en tipos de diseños cuasi-experimentales presen
la pendiente (la tasa de cambio es mo tados, incluyendo especialmente el método de
dificada). observación sistemática discutido en capítulos
previos.
8 . Considere algunos casos en los que apoyaría el
'o, 0, 0-¡ 0 4 0 5 X Og O7 Og O9 Ojo uso de la observación naturalista.
9. ¿Cómo intentaría usted resolver lo que conside
2 . Serie de Tiempo Interrumpida con una ra uno de los problemas sociales más apremian
serie de tiempo de un grupo de com tes? Para ayudarle a empezar le presentamos
paración no equivalente sin tratamien- aquí la forma en que un estudiante (un tenien
to. te de policía) respondió a esta pregunta.
“Me gustaría desarrollar un disuasivo más
0, o 2 0 3 O4 Og X Or; O Og Og ()]!■,
7 efectivo para quienes conducen en estado de
ebriedad. Mi hipótesis es la siguiente: Un casti
0, o 2 Og O4 Og Og O Og Og Ojo
7
go radical reducirá significativamente los ca
sos de reincidencia entre los conductores arres
E. Efectos de una variable dependiente. tados por conducir bajo la influencia del alco
1. Un cambio en la variable dependiente hol (por conducir ebrios).
usualmente se nota cuando el nivel o la “Mi estudio abarcaría un marco temporal de
pendiente de la medida cambian. 12 meses y las 26 agencias legales de la región.
2. Los efectos pueden ser continuos (per Empezando a las 0001 del 1 de enero y termi
sisten mucho después de la interven nando a las 2400 del 31 de diciembre, cada in
ción) o discontinuos (decaen, indican dividuo arrestado por conducir ebrio recibiría
do un efecto temporal). un número en secuencia numérica.
3. Los efectos pueden ser instantáneos o “Cada individuo con un número non, al ser
demorados. transportado a la corte la mañana siguiente a
4. Las caracterizaciones no son únicas para su arresto, tendría la oportunidad de ver cómo
los diseños de series de tiempos, pero se reduce a su automóvil (incautado en el mo
sólo pueden averiguarse si se hacen ob mento del arresto) a un pequeño cubo de me
servaciones repetidas después de una tal en el patio de demolición.
intervención. “A los que hubiesen recibido números pares
no se les modificarían sus automóviles de tal
REVISIÓN CRITICA PARA EL ESTUDIANTE forma y continuarían su proceso en la corte de
la manera tradicional.
1. Distinga entre ciencia pura y ciencia aplicada “Al concluir el 12° mes del estudio, compa
¿Debe un científico elegir definitivamente uno raría los registros de arrestos de los individuos
de esos campos? que recibieron números nones con los regis
2. Si es usted psicólogo clínico ¿significa que no tros de los que recibieron números pares. Ten
puede ser psicólogo experimental? go la fuerte sospecha de que ver cómo se des-
truye su auto VW o Rolls Royce (sin compensa en estado de ebriedad. En cualquier caso, sería
ción económica) ejercería alguna influencia algo interesante” (Con lo cual tenemos que es
sobre la decisión del individuo a no conducir tar de acuerdo).
Apéndice
Posibles efectos del tratamiento
Efectos continuos contra efectos discontinuos. tre la introducción del tratamiento y el cam
Ya liemos discutido los cambios de nivel y bio en la curva de respuestas. Tales efectos
pendiente en la variable dependiente. Otra demorados recientemente han adquirido im
forma de caracterizar los efectos concierne a portancia para la sociedad a medida que se
si los efectos persisten en el tiempo o si de ha incrementado nuestra conciencia de la
caen. Un efecto continuo es aquel que persiste degradación ambiental. Muchos ciudadanos
por un tiempo considerable después de la in argumentan en contra de los controles am
tervención con el tratamiento. Los efectos bientales porque no pueden ver los efectos
continuos pueden ser indicados por un cam de la contaminación (porque no son instantá
bio en el nivel o en la pendiente. Por otro neos), pero si se mantienen controles por unos
lado, un efecto discontinuo es el que decae cuantos años podrían establecerse los efectos
—no persiste en el tiempo por lo que el cam nocivos (el cáncer es, para uno, un efecto de
bio en la serie de observaciones posteriores morado por muchos años).
al tratamiento es temporal y la curva de res
Utilización de las tres medidas. Para con
puestas regresa al valor de la línea base pre
via a la intervención. cluir con esta nota sobre los efectos, es posi
ble evaluar los resultados de una investigación
Efectos inmediatos contra efectos demorados. de series de tiempo interrumpidas utilizan
Otra dimensión para caracterizar a los efec do de manera simultánea esas tres dimensio
tos se refiere a si son instantáneos o demora nes. Así, un investigador puede est udiar una
dos. Si se observa un cambio en el nivel o la serie de tiempo para determinar si el trata
pendiente poco después de introducir el tra miento parece haber afectado ( 1 ) el nivel o la
tamiento, el efecto es obviamente instantáneo. pendiente; (2 ) la duración, es decir, si el efec
Por otro lado, puede pasar cierto tiempo an to fue continuo o discontinuo; y (3) su laten-
tes de que el tratamiento afecte la serie de cia, si fue inmediato o demorado. Las conclu
observaciones, en cuyo caso se hace más difí siones más positivas para este diseño tienen
cil relacionar ese cambio con el tratamiento cambios de nivel inmediatos y continuos.
—otros eventos podrían haber intervenido en
capítulo 12
LA GENERALIZACIÓN, LA
EXPLICACIÓN Y LA PREDICCIÓN
EN PSICOLOGÍA

Ofrecer una vasta perspectiva de la ciencia den La capacidad de generalizar, explicar y prede
tro de la cual pueda usted incorporar un expe cir, sobre la base de sus hallazgos. Por consi
rimento específico que contribuya a nuestro guiente, podrá usted emplear estos procesos y
abasto de conocimientos. otros relacionados con ellos, para comprender
Lo que usted encontrará: y controlar mejor el mundo en que vivimos, y
1. Un análisis de los procesos críticos del razonamiento para poder hacer predicciones.
científico, reconstruidos por el esquema inductivo.
2. Especificación de los métodos por los cuales pone
mos a prueba las hipótesis; para ello, hacemos infe
rencias inductivas y deductivas a partir de informes
de la evidencia, a hipótesis y a partir de ellas.
3. Procedimientos para determinar si debe usted limitar
su generalización empírica; para hacer esto, prueba
la interacción entre una variable independiente y una
de interés secundario.
271
272 La generalización, la explicación y la predicción en psicología
Hasta ahora, hemos cubierto la mayor parte “¿Cómo está usted?” dijo Holmes cordialmente,
de las fases del método científico, tal como dándome la mano con una fuerza que no habría
las desarrollamos en el capítulo 1. En estas esperado de él. “Veo que ha estado usted en Afga
fases finales de la investigación, enfocaremos nistán.” “¿Cómo pudo usted saberlo?” Pregunté,
las preguntas siguientes: (1) ¿Qué y cómo ge asombrado. “Se lo dijeron, sin duda.”
neraliza el experimentador? (2) ¿Cómo expli “Nada de eso. Supe que venía usted de Afganistán.
camos nuestros resultados? y (3) ¿Cómo pre Por una larga costumbre, mis pensamientos co
decimos otras situaciones? rren con tal rapidez por mi mente que llego a las
Para enfocar estas preguntas, recuérdense conclusiones sin tener conciencia de las etapas in
nuestras distinciones entre la ciencia aplica termedias. Sin embargo, sí hubo tales etapas. Mi
da (tecnología) y la ciencia básica (pura): en razonamiento fue: ‘He aquí a un caballero con tipo
la ciencia aplicada se hacen intentos por re de médico, pero con el aire de un militar. Enton
solver problemas limitados, mientras que en ces, sin duda es un médico del ejército. Acaba de
la ciencia básica los esfuerzos tienden a llegar llegar de los trópicos, pues su rostro está broncea
a principios generales. La respuesta que ob do, pero ése no es el color de su piel, pues sus
tiene el científico aplicado sólo suele ser apli muñecas son blancas. Ha sufrido enfermedades y
cable en las condiciones específicas del expe estrecheces, como claramente lo muestra su ros
rimento. En cambio, los resultados del cientí tro macilento. Tiene una herida en el brazo iz
fico básico probablemente tengan más vasta quierdo, pues lo sostiene de manera rígida y
aplicación. Por ejemplo, un psicólogo aplica antinatural. ¿En qué lugar de los trópicos pudo
do puede estudiar por qué las ventas de re estar un médico militar inglés que ha pasado por
frescos en Atlanta, Georgia, estuvieron por tales vicisitudes y le han herido un brazo? Sin duda,
debajo de lo normal en el mes de diciembre. en Afganistán’. Todo ese razonamiento no duró
En cambio, el científico básico estudiaría la un segundo. Le dije entonces que usted venía de
relación general entre la temperatura y el con Afganistán, y quedó asombrado” (Doyle, 1938, pp.
sumo de líquidos. Tal vez las ventas declina 6, 14).’
ran porque Atlanta padeció por entonces un
frío excesivo. En cambio, el científico básico Esta primera reunión de Holmes y Watson
podría buscar la conclusión más general de no es más que una sencilla demostración de
que la cantidad de líquido consumido por los la capacidad de Holmes para llegar a conclu
seres humanos depende de la temperatura del siones que pasman a Watson, El razonamien
aire: cuanto más baja sea la temperatura, me to de Holmes está reconstruido en la figura
nos líquido consumen. De este modo, el des 12-1. La información de que por observación
cubrimiento de la relación general resolvería dispuso Holmes se encuentra en la parte de
el problema específico de Atlanta y, además, abajo. Sobre la base de estos datos, Holmes
sería aplicable a una gran variedad de fenóme infirió ciertas conclusiones intermedias. Por
nos adicionales. Así, esa declaración general ejemplo, observó que el rostro de Watson era
podrá emplearse para explicar planteamien moreno, pero que sus muñecas eran claras,
tos más específicos, predecir situaciones nue lo que al punto le llevó a la conclusión de que
vas, y también facilitar inferencias inductivas la piel de Watson no era oscura por naturale
que llegaran a ser planteamientos más gene za. Por tanto, debió estar expuesto reciente
rales. Para explayarnos al respecto, echemos mente a un fuerte sol (ciertamente, no el de
una ojeada a estas importantes características Londres); Watson probablemente “acababa
de la ciencia estudiando el esquema inductivo, de llegar de los trópicos”. Partiendo de estas
creado por el profesor Hans Reichenbach. conclusiones intermedias, pudo Holmes indu
cir la conclusión final: que Watson había es-
EL ESQUEMA INDUCTIVO
“El Dr. Watson, el Sr, Sherlock Holmes”, dijo Stam- 1 Se reproduce con autorización del Estate of Sir
fórd, presentándonos. Arthur Conan Doyle.
La generalización, la explicación y la predicción en psicología 273
Ha estado
FIGURA 12-1 Esquema inductivo basado en el primer encuentro de Sherlock

Holmes con el Dr. Watson
tado recientemente en Afganistán. Debe us cirse específicamente por la cantidad de tiem
ted seguir cada paso del proceso del razona po que los cuerpos estaban en movimiento.2
miento de Holmes en el esquema inductivo y, Gopérnico se sintió insatisfecho con la teo
tal vez incluso, formar un esquema similar, ría tolemaica de que el sol giraba en torno de
para usted, a partir de otros procesos asom la Tierra, y sobre la base de extensas observa
brosos del razonamiento de Holmes. ciones y considerable razonamiento planteó
la teoría heliocéntrica (copernicana) del mo
El razonamiento científico. Los más esplén vimiento de los planetas: que los planetas gi
didos avances científicos se han logrado en la ran alrededor del sol. Kepler basó sus leyes
más refinada de las ciencias, la física. Por des en sus propias y minuciosas observaciones,
gracia, pasará mucho tiempo antes de que en sobre las observaciones de otros y sobre la
psicología podamos mostrar tan extensamen teoría de Copérnico. El planteamiento de sus
te un razonamiento científico comparable. tres leyes de las órbitas planetarias (entre ellos,
Considérese el esquema inductivo de la figu el planteamiento de que la órbita terrestre es
ra 12-2. En la hilera inferior se encuentran una elipse), constituyó un considerable avan
algunos de los informes de la evidencia a par ce para nuestro conocimiento.
tir de los cuales se hicieron declaraciones más Siempre ha habido interés en la altura de
generales. Por ejemplo, Galileo efectuó algu las mareas en diversas localidades, y es natu-
nos experimentos en que hizo rodar unas
bolas por planos inclinados. Midió dos varia
bles: el tiempo en que los cuerpos estuvieron 2 Más precisamente, ia ley de la caída de los cuerpos es
en movimiento y la distancia recorrida al tér que S = %gt2en que S es la distancia que recorre el cuerpo
mino de varios períodos. Los datos resultan al caer, g es la constante gravitacional y i es el tiempo que
tes le llevaron a la generalización conocida está en movimiento. La historia no es muy clara sobre si
Galileo efectuó experimentos similares en otras situacio
como ley de la caída de los cuerpos, a partir nes, pero se dice que dejó caer varios objetos desde la To
de la cual la distancia recorrida podía prede rre Inclinada de Pisa y obtuvo mediciones similares.
274 La generalización, la explicación y la predicción en psicología La generalización, la explicación y la predicción en psicología 275
sentada en la figura 12-2, que bien puede ser muchos años. (Supondríamos que no debían
nuestra más grande realización intelectual. pasarse por alto las condiciones limitadoras
Con este esquema inductivo podemos aho de Galileo, como las concernientes a la resis
ra explayarnos sobre varias características de tencia del aire.)
ja ciencia. Dado que las inferencias se encuen Y así ocurre con las otras afirmaciones de
tran en el meollo mismo del proceso científi la figura 12-2. Gada conclusión puede estar
co, empecemos por considerar las dos clases en un error. Mientras se hagan inferencias
posibles. inductivas, la conclusión sólo tendrá una cierta
probabilidad de ser verdad. Y sin embargo, las
Inferencias inductivas y deductivas inferencias inductivas son necesarias para la
generalización. Dado que una generalización
Inferencias inductivas (probabilidad). En la nos dice algo acerca de fenómenos aún no
figura 12-2, obsérvese que las inferencias observados, debe ser susceptible de error. Para
inductivas están representadas por flechas que ayudar a desarrollar más nuestra vasta pers
señalan hacia arriba, y las inferencias deduc pectiva de cómo embona la experimentación
tivas por flechas que apuntan hacia abajo. dentro del método científico, nos explayare
Recuérdese que las inferencias inductivas es mos sobre los importantes conceptos de in
------Informes de la evidencia---- - tán sujetas a error. Por ejemplo, en la figura ducción y deducción.
12-1, Watson fue presentado como el “Dr. Wat- Empecemos con un conjunto de afirmacio
FIGURA 12-2 Esquema inductivo, que representa parcialmente el desarrollo de son”. Sobre la base de esta información llegó nes que constituyen nuestros informes de la
la física (según Reichenbach) Holmes a la conclusión de que Watson era evidencia, a los cuales llamaremos A. Estas
un médico. ¿Es así, necesariamente? Desde afirmaciones contienen información, sobre la
ral que se hicieran registros precisos de este general de la relatividad. Otro ejemplo de luego, no, pues habría podido ser otro tipo base de la cual podremos llegar a otro plan
fenómeno en varios momentos del día. Se predicción es la que se hizo a partir de la teo de doctor, como un doctor en filosofía. De teamiento, B. Ahora bien, cuando pasamos
hicieron observaciones concomitantes de la ría de la relatividad concerniente al perihelio manera similar, consideremos la información de A a B hacemos una inferencia —es decir,
ubicación de la luna, conduciendo a la rela de Mercurio. Las ecuaciones de Newton no observacional, “la mano izquierda, rígida en una conclusión a la que se ha llegado sobre la
ción conocida como la ley de las mareas y la habían explicado una ligera discrepancia en posición antinatural” sobre la base de lo cual base de ciertas declaraciones anteriores-, o sea,
luna, a saber, que sólo ocurren altas mareas el perihelio de Mercurio, discrepancia que fue concluyó Holmes que “el brazo izquierdo es un proceso de razonamiento en el cual co
en las regiones de la tierra que están más le precisada por la teoría de Einstein. A mayor taba herido”. Esta conclusión no se impone menzamos con A y llegamos a B. Tanto en las
jos y más cerca de la luna. Conforme la luna abundamiento, esa investigación del movi necesariamente, pues habría podido haber inferencias inductivas como en las deductivas,
se desplaza alrededor de la tierra, el lugar de miento del perihelio de Mercurio fue asocia otras razones para ello (Watson habría podi nuestra confianza en la verdad de B se basa
las altas mareas cambia en consecuencia. da al descubrimiento del planeta Neptuno, por do estar deformado orgánicamente al nacer, en la suposición de que A es verdad. La dife
Aprovechando estas relaciones, Newton Leverrier. o llevar un abrigo que le sentara mal). Ade rencia esencial es el grado de confianza que
pudo formular su magnífica ley de la gravita Esta breve exposición es inadecuada, des más, ¿era inevitable que Watson acabara de tenemos al creer que B es verdad. En la in
ción.3 En pocas palabras esta ley afirma que de luego, para dar una comprensión adecua regresar de Afganistán? El cuento bien habría ducción, la inferencia es que si A es verdad, B
la fuerza de atracción entre dos cuerpos varía da de la evolución de esta parte de la física. podido ser así: Holmes: “Veo que ha estado la sigue con cierto grado de probabilidad; sin
inversamente con el cuadrado de la distancia Cada paso de la historia constituye un cuento usted en Afganistán.” Watson: “Ciertamente embargo, en la deducción, si A es verdad, B
que hay entre ellos. Como ejemplo de una pre emocionante que acaso quiera seguir el lec que no. No he salido de Londres durante cua es necesariamente verdad.
dicción a partir de una ley general (la prime tor en detalle. Y, ¿de dónde sigue el cuento, a renta años. ¿Se ha vuelto usted loco?” Supóngase que la declaración A es “Todas
ra flecha hacia abajo de la figura 12-2), la cons partir de aquí? Un problema que ha obsesio En forma similar, podemos notar que la ley las mañanas al levantarme he visto salir el sol”.
tante gravitacional fue predicha a partir de la nado a físicos y filósofos es el de cómo recon de Galileo fue planteada como ley general, Sobre la base de este planteamiento, podemos
ley de Newton, determinada por Cávendish. ciliar el ámbito de la física presentado en la afirmando que cualquier cuerpo al caer en inferir la declaración B. “El sol siempre sal
La realización culminante de esta evolución figura 12-2 con un ámbito similar conocido cualquier lugar y en cualquier tiempo la obede drá cada mañana.” Ahora bien, ¿necesaria
fue el planteamiento de Einstein de su teoría como la mecánica cuántica. Con este fin, físi cía. ¿Es así, necesariamente? Sin duda, no, mente se sigue B a partir de A? No es así, pues
cos como Einstein y Schródinger intentaron pues tal vez una piedra que cayera del Monte aun cuando usted pueda haber observado re
crear una teoría de “campo unificado” que Everest, o un sombrero que cayera de la cabe petidas veces la salida del sol en el pasado, de
abarcara la teoría de la relatividad de Einstein za de un señor en Nueva York, podría caer de ahí no se sigue que siempre saldrá en el futu
5Se le preguntó cómo podía ver tan lejos, cómo podía así como los principios de la mecánica cuán acuerdo con una ley diferente que la plantea ro. La declaración B no es necesariamente cierta
tener una visión tan magnífica. Contestó Newton: porque
se apoyaba sobre los hombros de gigantes (los que están
tica. Llegar a principios generales de tan alto da a partir de un conjunto de pelotas que ro sobre la base de A. Aun cuando hoy nos pue
más abajo en el esquema inductivo). nivel es aún más difícil que la evolución pre daron por un plano inclinado en Italia, hace da parecer improbable, es enteramente posi-
ble que un día, sin importar lo que usted haya generalizadas por las de Newton. D e a h í se si
observado en el pasado, no salga el sol. La En este caso,
g u e que p u e d e n deducirse de ellas.
declaración B sólo es probable (probablemen puede decirse: “Si las leyes de Newton son
te cierta) sobre la base de A. ciertas (A), entonces necesariamente las de
Vemos así que las inferencias inductivas con Galileo (B) son ciertas, y también las de Kepler
un cierto grado de probabilidad son llama (B) son ciertas”. De manera similar, sobre la
das, como sinónimo, in feren cia s de p ro b a b ili base de las leyes de Newton se dedujo la cons
dad. tante gravitacional, y fue empíricamente veri
Las inferencias de probabilidad pueden ficada por Cavendish. Esta inferencia deduc
ser especificadas con toda precisión, en lugar tiva toma la siguiente forma: “Si las leyes de
de tener probabilidades descritas como “alta”, Newton son ciertas, entonces la constante
“mediana” o “baja”. Convencionalmente, la gravitacional es tal y tal”. De manera seme
probabilidad de una inferencia inductiva se jante, si la teoría de Einstein es cierta, enton
puede expresar por cualquier número, de cero ces esto explica la anterior discrepancia en el
a uno. Así, la probabilidad (P) de la inferen perihelio de Mercurio.
cia de A a B puede ser de 0.40, o de 0.65. Vemos así que se hace una inferencia de
Además, cuanto más se acerque P a 1.0, ma ductiva cuando la verdad de una afirmación
yor será la probabilidad de que la inferencia es necesaria, basada en otra afirmación o en
resulte en una conclusión verdadera (una vez otro conjunto de declaraciones, es decir, la
más, suponiendo que A sea verdad). Cuan declaración A n ecesa ria m en te implica B. Las
to más cerca esté P de 0.0, menor será la pro inferencias deductivas válidas siguen reglas
babilidad de que la inferencia resulte en una específicas de lógica deductiva. Por ejemplo,
conclusión cierta. Vemos de este modo que si podemos inferir inductivamente que “todas
la probabilidad de que B se siga de A es de las personas nerviosas se muerden las uñas”,
0.99, es casi seguro que B será verdad.4 La y además, que “Juan Pérez es nervioso”. Por
inferencia de que “el sol saldrá siempre cada tanto, podemos inferir deductivamente que
mañana” tiene en realidad una altísima pro Juan Pérez se muerde las uñas. En este ejem
babilidad. Por otra parte, la inferencia, a par plo, si las dos primeras declaraciones son cier
tir de “una persona tiene el cabello rojo” (A), tas (se les llama p rem isa s), la afirmación final
a “esa persona es muy temperamental” (B) (la co n d ició n ) necesariamente es cierta.
tendría una muy baja probabilidad. Inciden- Sin embargo, obsérvese que una inferen
talmente, un valor de probabilidad no se ex cia deductiva no garantiza que la conclusión
presa propiamente como porcentaje. Así, en sea cierta. Por ejemplo, la inferencia deducti
lugar de decir que la probabilidad de que llue va no dice que la ley de Galileo sea cierta. Sí
va es de 70%, decimos P = 0.70. dice que s i las leyes de Newton son ciertas, la
ley de Galileo es cierta. En este punto, bien
En resumen. El valor del grado de probabi
podríamos preguntar cómo determinaremos
lidad expresa el grado de nuestra creencia en
que las leyes de Newton son ciertas o, en térmi
que una inferencia es verdadera: cuanto más
nos más generales, cómo determinamos que
cerca esté su valor de 1.0, más probable será las premisas de una inferencia deductiva son
que la inferencia resulte en una conclusión
ciertas. La respuesta está en la lógica inductiva.
cierta. Por ejemplo, la investigación empírica indica
La lógica deductiva. Nótese en la figura 12- que las leyes de Newton tienen un m u y alto
2 que las leyes de Galileo y de Kepler fueron grado de probabilidad, tan alto que son cier
tas (en sentido aproximado, desde luego).
La concatenación
4 R e c u e r d e q u e la s i n f e r e n c i a s i n d u c t i v a s ( d e p r o b a
b ilid a d ) p u e d e n e s ta r sim b o liz a d a s, c o m o a q u í, d o n d e Conforme subimos por el esquema induc
A ip B . tivo, las declaraciones se vuelven cada vez más
generales y, por lo tanto, hay un cierto au probabilidad de la teoría de Einstein, ya que
mento de la probabilidad de que la declara hay toda una variedad de datos adicionales
ción sea cierta. Este aumento es resultado de que confirman esta última.
dos factores. Primero, dado que la declara
ción más general se basa en un testimonio La generalización
más numeroso y más variado, por lo general
se le ha confirmado en mayor grado que una Galileo efectuó cierto número de experi
declaración menos general. Por ejemplo, hay mentos específicos. Cada experimento dio por
un cierto aumento de la probabilidad de la resultado una declaración de que había una
ley de la gravitación de Newton, que no está relación entre la distancia recorrida por unas
presente en la ley de Galileo de la caída de los bolas que rodaban por un plano inclinado y
cuerpos, ya que la anterior se basa en induc el tiempo en que estuvieron en movimiento.
ciones a partir de datos más numerosos y de Partiendo de estas declaraciones específicas,
más vasta envergadura. Dicho de otra mane planteó entonces una declaración más gene
ra, una teoría que es apoyada por variados ral: la relación entre la distancia y el tiempo
informes de evidencia es más probable que medido de los cuerpos en movimiento era
una que es apoyada por una gama más estre cierta para todos los cuerpos al caer, en todos
cha de datos. En segundo lugar, la declara los lugares y en todos los tiempos.
ción más general se concatena con otras decla Copérnico observó la posición de los pla
raciones generales. Por concatenación enten netas en relación al sol. Después de hacer cier
demos que las declaraciones están “encade to número de observaciones específicas, es
nadas” con otras declaraciones, y por ello son tuvo dispuesto a generalizar a las posiciones
congruentes con esas otras declaraciones. Por de los planetas que no había observado. Las
ejemplo, la ley de la caída de los cuerpos, de observaciones que había hecho embonaban
Galileo, no está concatenada con otras decla en la teoría heliocéntrica: que los planetas
raciones, pero la ley de Newton sí lo está. El giraban en torno del sol. Hizo entonces la afir
hecho de que la ley de Newton esté vinculada mación de que la teoría heliocéntrica era váli
con otras declaraciones le da un aumento de da para las posiciones de los planetas que él
probabilidad, que no puede atribuirse a la no había observado. Y así ocurre también a
de Galileo. Podemos decir que la probabili las leyes de Kepler y a la ley de las mareas. En
dad de que todo el sistema de la figura 12-2 cada caso, se hizo cierto número de afirma
sea cierto es mayor que la suma de las proba ciones específicas basadas en la observación
bilidades de cada afirmación tomada por se (informes de la evidencia). Luego, partiendo
parado. Son la compatibilidad de todo el sis de esas informaciones específicas vino una
tema y el apoyo obtenido por la concatena declaración más general. Este proceso, de
ción los que le dan su mayor probabilidad. partir de un conjunto de declaraciones espe
También se sigue de ahí que cuando se cíficas hacia una declaración más general, es
confirma cada generalización particular en el el que suele llamarse generalización. Así, la
sistema, todo el sistema obtiene mayor credi declaración general no sólo incluye las decla
bilidad. Por ejemplo, si la teoría de Einstein raciones específicas que condujeron a ella,
se basara enteramente en sus propias obser sino también toda una vasta gama de otros
vaciones y en las que ella misma estimuló, su fenómenos que no se han observado.
probabilidad sería mucho menor de la que Este proceso de creciente generalización
en realidad es, considerando que también se continúa conforme subimos por el esquema
basa en todas las generalizaciones de la par inductivo. Así, la ley de la gravitación de
te inferior de la figura 12-2. O supongamos Newton es más general que ninguna de las
que una prueba nueva y extensa determina que están en la parte inferior del sistema. Po
ra que la ley de Galileo era falsa. Esto signifi demos decir que generaliza las leyes de Gali
caría la completa “desconfirmación” de la ley leo, de Copérnico, de Kepler y de las mareas.
de Galileo, pero sólo reduciría ligeramente la La ley de Newton es más general en el senti
do de que incluye estas leyes más específicas, cífica. Para establecer esta relación, debere
y de que hace declaraciones acerca de fenó mos mostrar que la afirmación específica pue
menos aparte de aquellos en que se basó. A de ser deducida lógicamente de la declaración
su vez, Einstein formuló principios que eran más general. Por ejemplo, para explicar la
más generales que los de Newton, principios declaración de que “Juan Pérez es nervioso”
que incluían los de Newton y, por tanto, to deberemos deducirla lógicamente a partir de
dos los que están en la parte inferior del es una afirmación más general, por ejemplo, “Si
quema. Dado que los métodos precisos por es verdad que ‘todos los hombres que se muer
los cuales generalizamos en psicología son de den las uñas están nerviosos’ y si es verdad
tanta importancia para la investigación, este que ‘J uan Pérez es un hombre que se muerde
tema será analizado con detalle más adelante, las uñas’, entonces es verdad que ‘J uan Pérez
en este mismo capítulo. Pero de momento, es nervioso’.” Hemos deducido lógicamente
ilustremos la siguiente fase del método cien esa afirmación específica, partiendo de la de
tífico: la manera de explicar nuestros descu claración más general. Al inferir así deductiva
brimientos. mente esa conclusión, hemos explicado por
qué Juan Pérez es nervioso (basándonos en
La explicación la suposición de que la afirmación más gene
ral es cierta).
Los conceptos no científicos. La explicación, Refiriéndonos a la figura 12-2, podemos
como se emplea en la ciencia, a veces es difí ver que las leyes de Kepler son más generales
cil de comprender, probablemente por el uso que la teoría copernicana. Y puesto que esta
común del término al cual estamos acostum última está incluida en las primeras, puede
brados. Uno de los “significados” comunes deducirse lógicamente de ellas: las leyes de
del término, implica una familiaridad. Supon Kepler explican la teoría copernicana. A su
gamos que usted se entera de un fenómeno vez, la ley de Newton, siendo más general que
científico, nuevo para usted. Desea que se lo las leyes de Galileo, de Kepler y de las ma
expliquen; quiere saber “por qué” es así. Este reas, explica estas leyes más específicas; todas
deseo de usted es un fenómeno psicológico, ellas se pueden deducir lógicamente de la ley
un motivo. Cuando alguien puede relacionar de Newton. Y por último, todas las generali
el fenómeno científico con algo con lo que zaciones inferiores pueden deducirse de la
usted ya está familiarizado, el motivo psicoló teoría de Einstein y, por tanto, podemos de
gico queda satisfecho. Usted siente que com cir que la teoría de Einstein explica todas las
prende el fenómeno por causa de su asocia generalizaciones de la parte inferior. Ahora,
ción con un conocimiento que le es familiar. consideraremos este importante proceso con
Con ese propósito, frecuentemente se em mayor detalle.
plean metáforas. Por ejemplo, en un nivel muy
elemental, podría decirse que la fisión del áto Condiciones antecedentes y leyes generales.
mo es como disparar una bala incendiaria Cuando se mete con rapidez un termómetro
contra una caja de pólvora. de mercurio en agua caliente hay una baja
temporal de la columna de mercurio, después
La explicación científica. Sin embargo, cual de la cual la columna se eleva rápidamente.
quier satisfacción del motivo de usted al rela ¿Por qué ocurre esto? Es decir, ¿cómo pode
cionar un fenómeno nuevo con un fenóme mos explicarlo? Puesto que el aumento de tem
no familiar está lejos de ser una explicación peratura al principio sólo afecta al tubo de
de aquél. Explicación es la colocación sistemáti cristal del termómetro, el tubo se expande,
ca de una declaración dentro del contexto de una ofreciendo así mayor espacio para el mercu
declaración más general. Si logramos mostrar rio que hay en el interior. Al llenar este espa
que una declaración específica pertenece a la cio más grande, el nivel del mercurio baja,
categoría de una declaración más general, pero en cuanto el aumento de temperatura
habrá quedado explicada la declaración espe pasa por el tubo de vidrio y llega al mercurio,
el mercurio también se expande. Dado que el estas declaraciones podemos inferir deduc
mercurio se expande más que el vidrio (es tivamente que Sócrates es mortal.
decir, el coeficiente de expansión del mercu
rio es mayor que el del vidrio), sube el nivel f Ley general: todos los hombres
del mercurio. Inferencia — son mortales
Ahora bien, esta explicación, como lo se deductiva: l Condición antecedente:
ñalaron Hempel y Oppenheim (1948) en un Sócrates es hombre.
artículo ya clásico, consiste en dos afirmacio —* Fenómeno por explicar (es
nes: (1) afirmaciones acerca de condiciones decir, ¿por qué murió
antecedentes que existían antes que ocurriera Sócrates?): Sócrates es
el fenómeno por explicar, por ejemplo, el mortal.
hecho de que el termómetro consista en un
tubo de vidrio parcialmente lleno de mercu La explicación en psicología. Con esta com
rio, que se mete en agua caliente, etc., y (2) prensión de la naturaleza general de la expli
declaraciones de leyes generales, un ejemplo cación, preguntémonos ahora dónde entra el
de las cuales sería acerca de la conductividad procedimiento, en la obra del psicólogo ex
térmica del vidrio. Deducir lógicamente una perimental. Supongamos que un investigador
afirmación acerca del fenómeno que va a ex desea poner a prueba la hipótesis de que cuan
plicarse partiendo de las leyes generales, jun to mayor sea la ansiedad mejor será el desem
to con las declaraciones de las condiciones peño en una tarea relativamente sencilla. Para
antecedentes, constituye una explicación del variar la ansiedad de dos modos, el investiga
fenómeno. Determinamos así que se puede dor escoge dos grupos de participantes, uno
resumir un fenómeno dado según una ley de los cuales estará compuesto por personas
general, deduciendo (infiriendo deductiva considerablemente ansiosas, y un segundo
mente), el primero a partir del último. El es grupo por personas que sienten poca ansie
quema para lograr una explicación es el si dad. El informe de la evidencia dice que el
guiente: grupo más ansioso tuvo un mejor desempe
ño que el grupo con poca ansiedad. Así, el
Declaración de la(s) ley(es) informe de la evidencia es positivo y, puesto
Inferencia general(es) que está de acuerdo con la hipótesis, ésta que
deductiva: Declaración de la(s) da confirmada. La investigación está comple
condición(es) ta, el problema está resuelto. Pero, ¿es así en
antecedente(s) realidad? Aunque esto pueda decirse del pro
blema limitado para el cual se efectúa el estu
'Descripción del fenómeno dio, aún nos queda una pregunta obsesionan
que va a explicarse te: “¿por qué es “cierta” la hipótesis? ¿Cómo
explicarla?” Para responder a esta pregunta
De este modo, el fenómeno que va a expli deberemos remitirnos a un principio que es
carse (la caída inmediata del nivel de mercu más general que esa hipótesis. Consideremos
rio, seguida por su rápido ascenso) se puede un principio según el cual el desempeño es
deducir lógicamente de acuerdo con este es determinado por la cantidad aprendida, mul
quema. Como última y breve ilustración de la tiplicada por el nivel de pulsión presente.
naturaleza de la explicación, consideremos La ansiedad se define como una pulsión
una analogía, utilizando el conocido silogismo específica, de modo que el grupo con ansie
que explica la muerte de Sócrates. El silogis dad elevada muestra un poderoso factor de
mo contiene los dos tipos de declaraciones pulsión, y el grupo con poca ansiedad mues
que necesitamos para una explicación. Prime tra un débil factor de pulsión. Para simplifi
ra, la ley general es que “todos los hombres car las cosas, supongamos que ambos grupos
son mortales”. Luego, la condición anteceden aprendieron la tarea igualmente bien, hacien
te es qtie “Sócrates es hombre.” Partiendo de do así que el factor de aprendizaje sea el mis
mo para ambos grupos. Entonces, claramen general y la declaración de las condiciones

te, el desempeño del grupo de pulsión eleva antecedentes eran en realidad ciertos, un plan
da (gran ansiedad) debiera ser superior al del teamiento más cauteloso de nuestra explica
grupo de poca pulsión, de acuerdo con este ción sería éste: suponiendo que (1) la ley ge
principio más general. El principio es muy neral sea cierta y (2) que se obtuvieron las
general ya que aparentemente abarca todas condiciones antecedentes, entonces queda
las pulsiones, además de incluir una conside explicado el fenómeno de interés. Pero, ¿cómo
ración del factor aprendizaje. Así, siguiendo podemos estar seguros de que en realidad el
nuestro esquema anterior, tenemos la situa principio general es cierto? Nunca podremos
ción siguiente: estar a b so lu ta m e n te seguros, porque siempre
tendrá un valor de probabilidad. Algún día
Ley general: cuanto mayor es tal vez resulte que el principio general utiliza
la pulsión, mejor es el do para explicar un fenómeno particular era,
— desempeño. en realidad, falso. En este caso, habremos
Condiciones antecedentes: aceptado como explicación “verdadera” la que
Inferencia los participantes tienen dos en realidad no era ninguna explicación. Por
deductiva: niveles de pulsión, desgracia, no podemos hacer más en esta si
desempeñaron una tarea tuación. Nuestras explicaciones siempre ten
sencilla, la ansiedad es una drán que ser tentativas. Como lo ha dicho el
pulsión, etc. profesor Herbert Feigl: “L a s verdades científi
*Fenómeno por explicar: los cas sólo se so stien e n h a sta n u e v o a viso Por tan
participantes con mayor to, deberemos comprender siempre que ex
ansiedad desempeñaron plicamos un fenómeno sobre la suposición de
una tarea sencilla mejor que el principio general empleado en la ex
que los participantes con plicación es cierto. Si es grande la probabili
poca ansiedad. dad del principio general, entonces estamos
casi seguros. Sin embargo, nunca podremos
Dado que sería lógicamente posible dedu estar absolutamente seguros, lo que simple
cir la hipótesis (planteada como “el fenóme mente es otra indicación más de que sólo te
no por explicar”) partiendo del principio ge nemos un “universo probabilístico”, en el cual
neral junto con las necesarias condiciones vivimos. Cuanto antes aprendamos a aceptar
antecedentes, podemos decir que la hipótesis este hecho (en nuestro contexto, cuanto antes
quedó explicada. aprendamos a aceptar la naturaleza probabi-
Hay una continua búsqueda de una expli lística de nuestras explicaciones), mejor adap
cación de nivel superior para nuestras afir tados a la realidad estaremos.
maciones, como en la figura 12-2. Ahí hemos Un pensamiento final sobre el tema de la
mostrado cómo una hipótesis relativamente explicación. Hemos indicado que la explica
específica acerca de la angustia y el desempe ción se logra por deducción lógica. Pero, ¿con
ño puede ser explicada por un principio más cuánta frecuencia explican los psicólogos en
general acerca de: (1) las pulsiones en gene realidad sus fenómenos de manera tan for
ral y (2) un factor de aprendizaje (que pasa mal? ¿Con qué frecuencia citan, en realidad,
mos por alto, por no ser pertinente a nuestro una ley general, plantean sus condiciones an
análisis actual). Obviamente, la siguiente pre tecedentes e infieren deductivamente de ellas
gunta será cómo explicar este principio gene sus fenómenos? La respuesta, claramente, es
ral. Pero, dado que hemos cumplido nuestro que esto se hace con muy poca frecuencia.
propósito inmediato, dejaremos la pregunta Casi nunca encontrará usted que se utilice un
a la próxima generación de psicólogos en proceso tan formal en el informe real de las
embrión. investigaciones científicas. Antes bien, se les
Para subrayar que la deducción lógica se sustituye por métodos mucho más informales
hizo sobre la suposición de que el principio de razonamiento. No suele emprenderse una
carrera científica llevando como armas libros tador querrá entonces generalizarla a todos
de fórmulas lógicas. Sin embargo, la familia los escolapios. Partiendo de esa hipótesis ge
ridad con los procesos lógicos fundamentales neralizada, es posible derivar declaraciones
podrá impedir que usted haga inferencias no específicas concernientes a cualquier grado
válidas. Además, aunque no necesite seguir escolar. Por ejemplo, el experimentador po
rígidamente los procedimientos que hemos dría inferir deductivamente que la hipótesis
esbozado, podría explicar un descubrimiento, es aplicable a la conducta de niños de quinto
si lo deseara, de manera lógica y formal. Es grado, prediciendo así en niños aún no ob
tas consideraciones deben ensanchar su pers servados.
pectiva de dónde embona la experimentación
El proceso de predecir y el de explicar son
psicológica en la empresa científica general.
Por ello, en lugar de limitarse a poner un pie precisamente lo mismo. Todo lo que hemos
dicho acerca de la experimentación también
delante de otro en la investigación, podrá com
es aplicable a la predicción. La única diferen
prender mejor lo que esté tratando de reali
cia es que una predicción se hace antes de
zar, y cómo lograr llegar allí de la mejor ma
observar el fenómeno, mientras que la expli
nera. Vayamos ahora a la fase final del méto
do científico: la de predecir las situaciones cación ocurre después de registrado el fenó
meno. Por ello, en la explicación empezamos
nuevas.
con el fenómeno y lógicamente lo deducimos
La predicción
partiendo de una ley general y de las condi
ciones antecedentes que la acompañan. En
cambio, en la predicción, empezamos por la
Definición. Para predecir aplicamos una
ley general y las condiciones antecedentes, y
generalización a una situación que aún no se
ha estudiado. La generalización dice que todo derivamos nuestras consecuencias lógicas; es
decir, de la ley general inferimos que ocurri
lo de algo tiene una cierta característica. Si
rá cierto fenómeno. Efectuamos entonces un
extendemos la generalización a la situación
experimento y, si el fenómeno se manifiesta,
nueva, esperamos que la situación nueva ten
ga las características especificadas en la gene nuestra predicción ha tenido éxito, lo que
resulta en un aumento de probabilidad de la
ralización. En su forma más sencilla, esto es
ley general.
lo que constituye una predicción, y hemos ilus
trado tres predicciones en la figura 12-2: la Condiciones límite. Al comienzo de este
constante gravitacional, el perihelio de Mer- capítulo hemos analizado las inferencias induc
| curio y el descubrimiento de Neptuno. Si la tivas (probabilidades) en nuestra formulación
predicción queda confirmada es algo que, de las leyes generales y hemos visto cómo esas
desde luego, tiene gran importancia para la inferencias pueden ser erróneas. Al hacer
generalización. Pues si lo es, aumenta consi predicciones sobre la base de observaciones
derablemente la probabilidad de la generali pasadas debemos reconocer que hay ciertos
zación. En cambio, si no lo es (suponiendo límites que no se deben rebasar. Por ejemplo,
que el informe de la evidencia sea verdadero la ley de Weber puede decirnos algo muy va
y que la deducción es válida), entonces o bien lioso acerca de la capacidad humana para dis
se ha reducido la probabilidad de la generali criminar entre diferentes cantidades de peso.
zación, o bien la generalización deberá limi Sin embargo, obviamente no se aplica cuan
tarse, de modo que no se aplique a los fenó do el peso es tan grande que una persona no
menos concernientes a esa predicción. puede levantarlo (por ejemplo, el peso de una
tonelada), o, en el otro extremo, cuando el
Una ilustración psicológica. Consideremos peso es tan infinitesimal que ni siquiera tene
una hipótesis acerca de la conducta de escola mos conciencia de él, como el de los átomos.
res de cuarto grado. Digamos que se la ha Por consiguiente, al plantear nuestra ley ha
puesto a prueba en esos niños y se demostró brá que especificar con toda precisión las con
que era probablemente cierta. El experimen diciones límite (los límites de aplicabilidad de
un planteamiento). Tomemos una serie muy J o u r n a l, con el

título de “E l N a tio n a l Geogra
sencilla de observaciones, por ejemplo la ob phic: ¿máquina del día del juicio final, o be
servación de una docena de palomas blancas nefactor? Una justificación”. En una com
en un parque. El proceso de inducción por pleja serie de datos, el científico que hacía la
enumeración podría llevarnos a inferir que la crítica concluyó que aunque la predicción fue
siguiente paloma que encontremos también se correcta, la fecha de la catástrofe anuncia
será blanca, o tal vez, que en realidad todas da era errónea, ya que el continente no se
las palomas del parque son blancas. Tales hundiría durante otros 25 mil millones de
inferencias son sanas, pero debemos tener años.
cuidado de no hacer una inducción por enu Y sin embargo, otro científico más, en un
meración sin especificar unas razonables con tercer artículo, criticó al segundo porque, en
diciones límites. En este ejemplo, una condi su opinión, estaba ocultando una catástrofe
ción límite es que la conclusión sólo se aplica inminente. Se habían cometido dos enormes
a este parque: en otros parques tal vez sólo errores de cálculo: la suposición de que la cir
haya palomas oscuras. Para establecer clara culación del N a tio n a l G eographic no aumenta
mente el punto describamos brevemente al ría en el futuro, y de que la revista se distri
gunas conclusiones tomadas de la respetable buiría por igual por los 48 estados continen
publicación científica intitulada J o u r n a l o f tales de la nación. Por consiguiente, dado que
Irreproducible R esults. más de la mitad de la población de Estados
Una predicción fue que si alguien se ponía Unidos vive en la cuarta parte del territorio
a apilar números del N a tio n a l G eographic en situado a lo largo de la costa Este, y como la
su garaje y buhardilla en lugar de descartar población de la costa del Oeste va en aumen
los, el peso de las revistas pronto haría que se to, la verdad es que sólo las dos costas se hun
hundiera 30 metros el continente, y nos ve dirían, mientras que la parte central de Esta
ríamos inundados por los océanos. El artícu dos Unidos, en realidad, subiría de nivel. Y
lo se intitula “N a tio n a l Geographic, la máquina en lugar de ocurrir dentro de 25 mil millones
del día del juicio final.” El científico hizo no de años, ocurriría mucho antes, en 3 millo
tar que más de 6.8 millones de números del nes de años.
N a tio n a l G eographic, cada uno con un peso de En un estudio diferente se predijo que si el
dos libras, se envía mensualmente a sus sus- número de portaobjetos para microscopio
criptores, y que no se ha tirado ni un solo entregados al laboratorio de un hospital de
ejemplar desde que su publicación comenzó, St. Louis sigue aumentando al ritmo actual,
hace casi 95 años. El científico infirió que muy la ciudad de St. Louis se verá enterrada bajo
pronto la subestructura geológica del país no un metro de vidrio en el año 2224. En un
podría ya soportar esa carga, de modo que artículo “Las explosiones del vidrio y del
las formaciones rocosas se comprimirían, lue bazo”, la base de datos decía que el número
go se volverían flexibles y empezarían a flo de portaobjetos de laboratorio se había esta
tar. Aparecerían grandes fallas, y el continen do duplicando cada 9.49 años. Y ese mismo
te se hundiría y sería inundado por las aguas. hospital, también en el año 2224, estaría ha
Otra predicción basada en esos estudios fue ciendo 8300 millones de biopsias del bazo
que el aumento de actividad telúrica en Cali anuales.
fornia se debió al aumento de población en En otro artículo intitulado “Nueva contri
el estado, que condujo al consiguiente aumen bución a la erosión de las playas y sus conse
to de suscripciones del N a tio n a l G eographic. cuencias”, el científico extrapolaba las medi
Reconociendo la urgencia de la situación, el ciones de arena tomadas a varios bañistas al
científico pedía intervenir al Congreso o al irse de la playa. Si los bañistas siguen volvien
Presidente, para poner alto a la publicación do a sus casas con tanta arena pegada a ellos
del N a tio n a l G eographic. como hasta ahora, 80 por ciento de la línea
De manera verdaderamente científica, el costera del país desaparecerá dentro de 10
artículo fue criticado por otro científico del años.
Otra extrapolación dice que si la población un informe de la evidencia positivo; el segun

mundial aumenta a su ritmo actual, no pasa do, negativo.
rá mucho tiempo para que, en el próximo si
glo, cada quien no tenga más que un pie cua Ilustración. Ahora, a representa “un gru
drado de terreno (sólo los elefantes podrán po industrial de trabajo que se encuentra en
tener “espacio de pie”). Además, con el pro gran conflicto interno” y b representa “ese
yectado aumento de las publicaciones cientí grupo de trabajo que ha reducido su nivel de
ficas, cada quien estará de pie sobre un me producción”. Si en nuestra investigación un
tro de publicaciones. grupo industrial de trabajo se hallaba en gran
Todas estas predicciones tienen buenas conflicto interno, podemos afirmar que se
bases de datos. Lo que está mal es que han han cumplido las condiciones antecedentes de
pasado por alto las condiciones límite. En cada nuestra hipótesis. Para determinar si son ver
caso, obviamente hay límites a las curvas de daderas o falsas las condiciones consecuen
crecimiento que se deben imponer. tes de la hipótesis necesitaremos un grupo
Con este entendimiento de cómo se em control como base para nuestra comparación.
plean los procesos inferenciales en la genera Pues sin semejante base, un “más bajo nivel
lización, explicación y predicción, explicare de producción” en nuestros ejemplos no sig
mos ahora más minuciosamente los modos en nificaría nada: tiene que ser más bajo que
que se les emplea para evaluar hipótesis. Con algo. Si el descubrimiento es que el grupo de
este propósito, volvamos al fundamento en trabajo tuvo un nivel de producción más bajo
que se hicieron estas inferencias, el que se que el del grupo control, son ciertas las con
levantó sobre la base de resultados experimen diciones consecuentes. Por tanto, el informe
tales. de la evidencia es “Un grupo de trabajo in
dustrial estaba en gran conflicto internoy ese
REDACCIÓN DEL INFORME grupo de trabajo había rebajado su nivel de
DE LA EVIDENCIA producción”. El hecho de que la hipótesis pre
supone implícitamente la existencia de un
Definición. Recuérdese que un informe de grupo control se hace explícito al plantear la
la evidencia (o, como sinónimo, s e n te n c ia hipótesis de esta manera: “Si un grupo de tra
observacional, se n ten c ia de protocolo, concepto p o r bajo industrial se halla en gran conflicto in
inspección) es una declaración resumida de los terno, entonces ese grupo de trabajo ten
resultados de una investigación empírica; es drá un nivel de producción inferior a l de u n
una frase que resume con toda precisión lo g ru p o que n o te n g a co n flicto in te r n o ”. Si el aná
que se ha descubierto. Además, el informe de lisis estadístico indica que el nivel de pro
la evidencia afirma que se cumplieron las con- ducción es confiablemente más bajo, proba
¡ diciones antecedentes de la hipótesis. Por tan- blemente sean verdaderas las condiciones
| to, consiste en dos partes: una declaración de consecuentes. Pero si el grupo del conflicto
que se han cumplido las condiciones antece interno tiene un nivel de producción con
dentes de la hipótesis y una declaración de fiablemente más alto, o si no hay una dife
que se encontraron verdaderas o falsas las rencia confiable entre los dos niveles, las con
condiciones consecuentes. La forma general diciones consecuentes probablemente son
del informe de la evidencia es, por tanto, la falsas. Entonces, el informe de la evidencia
de una conjunción. La hipótesis es “Si a , en diría: “Un grupo de trabajo industrial te
tonces b " , en que a denota las condiciones nía gran conflicto interno, y ese grupo de tra
antecedentes de la hipótesis y b, las condicio bajo no tuvo un nivel inferior de produc
nes consecuentes. Por tanto, los posibles in ción”.
formes de la evidencia son “o y b”, o “a y no Con este formato para el informe de la evi
b”, en que se ha encontrado que las condicio dencia, consideremos ahora la naturaleza de
nes consecuentes son (probablemente) verda las inferencias hechas a partir de él, hasta la
deras o falsas, respectivamente. El primero es hipótesis.
DECLARACIONES DIRECTAS Comprobación de las declaraciones indirec

CONTRA INDIRECTAS tas. Dado que las afirmaciones indirectas no
se pueden poner a prueba directamente hay
La ciencia trata con dos tipos de declaracio que emplear inferencias deductivas para re
nes: directas e indirectas. Una declaración ducirlas a afirmaciones directas. Considere
directa es la q u e se refiere a fe n ó m e n o s lim ita d o s mos una afirmación indirecta S . Al hacer
q ue s o n in m e d ia ta m e n te observables', es decir, a inferencias deductivas a partir de S , podemos
fenómenos que pueden observarse directa llegar a ciertas consecuencias lógicas, a las que
mente con los sentidos, como por ejemplo “ese llamaremos s2> etc. (figura 12-3). Ahora
pájaro es rojo”. Con aparatos auxiliares, como bien, entre las afirmaciones $i, s2, etc., algu
microscopios, telescopios y electrodos, se pue nas de ellas que son directas pueden ponerse
de ampliar el alcance de los sentidos para ha a prueba comparándolas con los apropiados
cer declaraciones directas como “ahí hay una informes de la evidencia. Si estas consecuencias
amiba”, “allá hay una mancha del sol”, o “esa directam ente comprobables de la a firm a c ió n indi
es una respuesta encubierta”, respectivamen recta S re su lta n ciertas, po d em o s in fe r ir deducti
te. El procedimiento para poner a prueba una v a m e n te q u e la p ro p ia a firm a c ió n in d irecta pro
declaración directa también es directo: com bablem ente es cierta; es decir, a u n q u e n o podamos
páresele con un informe de la evidencia rele p o n e r a p ru e b a directam ente u n a a firm a c ió n in
vante. Si están de acuerdo, la declaración di directa, s í podem os d e r iv a r in feren cia s deductivas
recta es cierta; de otra manera, es falsa. Para p a r tie n d o de ta l a firm a c ió n y d irecta m en te poner
poner a prueba la afirmación directa “Esta las a p ru eb a . Si esas afirmaciones directamen
puerta está abierta” observamos la puerta. Si te comprobables resultan ciertas, podemos
el informe de la evidencia dice que está abier inferir inductivamente que la afirmación indi
ta, nuestra observación está de acuerdo con recta probablemente es cierta, pero si las con
la afirmación directa, y concluimos que la de secuencias de 5 resultan falsas, debemos in
claración es cierta. Si observamos que la puer ferir que también la afirmación indirecta es
ta está cerrada, concluimos que la declaración falsa. E n su m a , las a firm a cio n es in d irecta s que tie
directa es falsa. n e n consecuencias ciertas p ro b a b lem en te son tam
Una declaración indirecta es la que no se bién ciertas, pero las a firm a cio n es indirectas que
puede poner a prueba directamente. Tales tie n e n consecuencias fa ls a s son, a s u vez, falsas.
declaraciones suelen tratar de fenómenos que Como ilustración, consideremos la hipóte
no se pueden observar directamente (cons- sis universal “Todos los hombres son ansio
tructos lógicos, como la electricidad o los há sos”. Supongamos que sabemos que “Juan
bitos), o que son tan numerosos o tan exten Pérez es un hombre”, y que “Pedro López es
didos en el tiempo que es imposible verlos a un hombre”. A partir de esas afirmaciones
todos. Una hipótesis universal es de este tipo: (premisas) podemos inferir deductivamente
“Todos los hombres están angustiados”. Sin que “Juan Pérez está ansioso”, y que “Pedro
duda es imposible observar a todos los hom López está ansioso”. Dado que la hipótesis
bres (vivos, muertos, o aún no nacidos), para universal es una afirmación indirecta, no se
ver si la afirmación es cierta. La hipótesis le puede poner a prueba directamente. Sin
universal es del tipo en que más se interesan embargo, las inferencias deductivas derivadas
los científicos, ya que es un intento por decir de esta afirmación indirecta sisón directamen
algo acerca de las variables para todo tiempo te sometióles a prueba. Sólo necesitamos de
y lugar.5 terminar la verdad o la falsedad de estas afir
maciones directas. Si efectuamos las opera
ciones empíricas apropiadas y con ellas con
cluimos que las varias afirmaciones directas
5 S i n e m b a r g o , n o s e v u e lv a d e m a s i a d o u n iv e r s a l, c o m o son verdaderas, podremos concluir, por vía
l o h iz o u n e s t u d i a n t e , q u i e n d e f i n i ó u n a d e c l a r a c i ó n u n i
v e r s a l c o m o u n a “ r e l a c i ó n e n t r e todas l a s v a r i a b l e s p a r a de una in feren cia in d u c tiv a que queda confir
to d o s lo s tie m p o s y p a r a to d o s lo s lu g a r e s” . mada la afirmación indirecta.
FIGURA 12-3 El procedimiento para

poner a prueba afirmaciones
indirectas: (1) las inferencias
deductivas resultan en consecuencias
Si, s2, etc., de afirmaciones generales
(S), que son empíricamente
sometibles a prueba. (2) Estas
afirmaciones directas quedan
confirmadas en pruebas empíricas.
(3) Estas consecuencias confirmadas
forman la base de una inferencia
inductiva de que la frase indirecta
probablemente es cierta
Puesto que esta afirmación indirecta hace consecuencias lógicas son ciertas, inferimos
aseveraciones acerca de un número infinito inductivamente que la propia hipótesis pro
de ejemplos, es imposible poner a prueba to bablemente es cierta (figura 12-3).
das sus consecuencias posiblemente lógicas; Obsérvese que hemos sido cautelosos y li
por ejemplo, no podemos poner a prueba la mitados en nuestras afirmaciones acerca de
hipótesis para todos los hombres. Además, es concluir que una hipótesis universal es falsa.
imposible hacer una inferencia deductiva par En ciertas condiciones, es posible concluir que
tiendo de las afirmaciones directas, de regre una hipótesis universal es estrictamente falsa
so a la afirmación indirecta. Antes bien, ha (no sólo improbable o probablemente falsa),
bremos de conformarnos con una inferencia basándonos en la suposición de que es con
inductiva. Sabemos que una inferencia induc fiable el informe de la evidencia. Más gene
tiva está sujeta a error; su probabilidad debe ralmente (es decir, con respecto a cualquier
ser menor a 1.0. Por consiguiente, mientras tipo de hipótesis), puede demostrarse que en
intentemos poner a prueba afirmaciones in ciertas circunstancias es posible estrictamen
directas habremos de conformarnos con una te determinar que una hipótesis es verdadera
estimación de probabilidad de su verdad. o falsa, y no sólo probable o improbable, pero
Nunca sabremos absolutamente si son cier siempre sobre la suposición de que es cierto
tas. Nunca sabremos con toda certeza que algo el informe de la evidencia. Distinguiremos
es absolutamente cierto. Nuestras “verdades” aquí entre los procesos de verificación y de
sólo se sostienen hasta nuevo aviso. confirmación. P or v e rifica c ió n nos referim os a l
proceso de d e te rm in a r que u n a hip ó tesis es estric
CONFIRMACIÓN CONTRA ta m en te verdadera o estric ta m en te fa ls a ; la confir
VERIFICACIÓN m a ció n es el proceso de d e te rm in a r si u n a h ip ó te
sis es probable o im probable. Esto corresponde a
Nuestra meta como científicos es determinar la distinción entre inferencias inductivas y
si una afirmación universal dada es verdade deductivas. En ciertas condiciones, es posi
ra o falsa. Para alcanzar esta meta razonamos ble hacer una inferencia deductiva, partien
así: S i la hipótesis es cierta, entonces las afir do de la consecuencia de una hipótesis (que
maciones directas que son resultado de infe se ha determinado como verdadera o fal
rencias deductivas también son ciertas. Si sa) de regreso a tal hipótesis. De este modo,
descubrimos que los informes de la evidencia donde es posible hacer semejante inferencia
están de acuerdo con las consecuencia lógi deductiva podemos dedicarnos al proceso de
cas (las afirmaciones directas), concluimos que verificación. Donde tenemos que limitarnos
las consecuencias lógicas son ciertas, Si las a inferencias inductivas se emplea el proceso
de confirmación. Extendiéndonos al respec Hipótesis universal: Si se refuerza a las ratas al

to, hagamos ahora una consideración de los término de sus carreras por
modos en que se ponen a prueba los diversos el laberinto, entonces esas
tipos de hipótesis. ratas aprenderán a recorrer
el laberinto sin errores.
Informe positivo Un grupo (específico) de
INFERENCIAS A PARTIR DEL de la evidencia: ratas, fue reforzado al
INFORME DE LA EVIDENCIA término de su carrera por
HASTA LA HIPÓTESIS el laberinto, y esas ratas
aprendieron a recorrer el
laberinto sin errores.
Hipótesis universales
Conclusión: La hipótesis probablemente
es cierta.
La confirmación a prueba con un informe
de evidencia positivo. Recuerde que la hipóte Estos pasos específicos al poner a prueba
sis universal “Si a, entonces b” especifica que una hipótesis deben darle al lector un atisbo
todas las cosas a las que nos hemos referido de las varias inferencias que deberá hacer con
tienen una cierta característica; que nos esta este propósito. Sin embargo, en su trabajo real
mos refiriendo a todas las a y a todas las b. Por no necesitará usted especificar cada paso, pues
ejemplo, si a representa “las ratas son reforza eso se volvería sumamente engorroso. Antes
das al acabar de correr por sus laberintos” y b bien, simplemente deberá basarse en las bre
representa “esas ratas aprenderán a correr por ves reglas que le presentamos para poner a
ese laberinto sin cometer errores”, estamos prueba cada tipo de hipótesis. La regla para
hablando acerca de todas las ratas y de todos poner a prueba una hipótesis universal con un
los laberintos. Para poner a prueba esta hipó informe positivo de la evidencia es que, dado que
tesis procedemos así: el informe de la evidencia está de acuerdo con la
hipótesis, esa hipótesis queda confirmada (pero
Hipótesis universal: Si a, entonces b. no verificada).
Informe de evidencia: a y b
Verificación con resultados negativos. Para
poner a prueba una hipótesis universal cuan
Inferencia inductiva do es negativo el informe de,evidencia, pode
mos aplicar el procedimiento de la verifica
ción. Esto es posible porque las reglas de la
Conclusión: “Si a entonces b” pro lógica deductiva nos dicen que se puede ha
bablemente es cierto. cer una inferencia deductiva a partir de un
informe de la evidencia negativo, para llegar
Por ejemplo, formemos dos grupos de ra a una hipótesis universal. El procedimiento
tas; el grupo E es reforzado al término de cada es el siguiente:
carrera por el laberinto, pero no así el grupo
C. Supongamos que después de 50 pruebas, Hipótesis universal: Si a, entonces b.
el grupo E logra correr por el laberinto con Informe de evidencia: a y no b
confiablemente menos errores que el grupo
C; en realidad, no comete errores. Dado que
se cumplen las condiciones antecedentes Inferencia
de la hipótesis y los datos están de acuerdo deductiva
con la condición consecuente, es positivo el
informe de la evidencia. Las inferencias que
intervienen en la prueba de esta hipótesis son Conclusión: “Si a, entonces b" es
las siguientes: falso.
La generalización, la explicación y íla predicción en psicología 287
Por ejemplo, el proceso de verificación. Así, para el infor

me de evidencia positivo, el paradigma es
Hipótesis universal: Si se refuerza a las ratas des
pués de su carrera por el la Hipótesis
berinto, entonces esas ratas existencial: Hay una a, de modo
aprenderán a recorrer ese la que si a , entonces b.
berinto sin errores.
Informe negativo Un grupo de ratas fue refor-
Informe de la
de evidencia: zado al término de sus carre evidencia positivo: a y b
ras por el laberinto, y esas
ratas no aprendieron a reco
rrer el laberinto sin errores. Inferencia
Conclusión: La hipótesis es falsa. deductiva
En resumen. P odem os d e te r m in a r q u e u n a h i
pótesis es (estrictam ente) fa ls a (p o r m edio de v e ri Conclusión: Por tanto, la hipóte
fica ción) si es n eg a tivo el in fo rm e de la evidencia. sis es (estrictamente)
Pero si es p o sitiv o el in fo rm e de la ev id en cia , n o cierta.
podem os d e te rm in a r q u e la h ip ó tesis es (estricta
m ente) cierta; a n tes bien, sólo p odem os decir que Para ilustrar por medio de nuestro ejem
es probable (p o r m edio de co n firm a ció n ). Así, una plo anterior,
hipótesis universal es u n ila te ra lm e n te verifica-
ble, es decir, se puede determinar que es es Hipótesis existencial: Hay una rata que, si es re
trictamente falsa por medio de verificación, forzada después de correr
de acuerdo con las reglas de la lógica deducti por su laberinto, aprenderá
va. Pero, puesto que no se puede verificar a recorrer ese laberinto sin
deductivamente la hipótesis universal en el errores.
caso de un informe de evidencia positivo, sólo Informe de la Un grupo de ratas recibió
se le puede confirmar. Por ello, la hipótesis es evidencia positivo: refuerzo después de correr
por sus laberintos, y al me
unilateralmente verificable, porque se le pue nos una de esas ratas apren
de refutar estrictamente con un informe de dió a recorrerlo sin errores.
la evidencia negativo, pero no se puede de Conclusión: La hipótesis es (estrictamen
terminar estrictamente que sea cierta. La ve te) cierta.
rificación unilateral es una inferencia estric
ta que sólo puede ir en una dirección. Confirmación con resultados negativos. Por
otra parte, si seguimos observando los hechos
Hipótesis existenciales en busca de la característica especificada por
la hipótesis y nunca encontramos una, podre
Verificación con un informe positivo de la mos empezar a creer que la hipótesis es falsa.
evidencia. La hipótesis existencial afirma que Pero no podemos estar seguros, porque si
hay al menos una cosa que tiene una cierta continuamos con nuestras observaciones po
característica. Nuestro ejemplo, planteado dríamos encontrar un caso positivo y, como
como hipótesis existencial positiva, sería: “hay hemos visto, un solo ejemplo positivo basta
(al menos una) rata que si es reforzada des para verificar que la hipótesis es cierta. Sin
pués de correr por el laberinto, aprenderá a embargo, nuestra paciencia no es infinita: una
recorrerlo sin cometer errores”. La hipótesis vez que hemos hecho un número razonable
existencial se pone a prueba observando una de observaciones sin encontrar un solo ejem
serie de hechos apropiados en busca de un plo positivo, llegamos al punto en que decidi
solo ejemplo positivo. Si se observa un solo mos formular un informe de la evidencia ne
caso positivo, eso bastará para determinar que gativo. Y a partir de este informe de la evi
la hipótesis es estrictamente cierta mediante dencia negativo podemos inferir inductiva
mente que la hipótesis probablemente no es de la ciencia, caprichos van y caprichos vie

cierta. De este modo, también se pueden ve nen, pero el problema básico de cómo poner
rificar unilateralmente las hipótesis exis- a prueba las hipótesis sigue con nosotros. En
tenciales: podemos determinar que una es un libro erudito y conceptuoso, Glymore
estrictamente cierta por medio de verifi (1980) pasa revista a los principales tipos de
cación, pero sólo inductivamente podemos estrategias que se han aplicado para poner a
inferir que probablemente es falsa. La infe prueba hipótesis. Ninguna estrategia que se
rencia, para el caso de un informe de la evi haya utilizado o se utilice hoy resuelve todos
dencia negativo es: los problemas enfocados. Como él dice, “to
das estas estrategias tienen sus dificultades,
Hipótesis pero algunas tienen más que otras” (p. 13).
existencial: Hay una a , de modo La estrategia que prefiere Glymore es la que
que si a , entonces b. utilizamos a lo largo de este libro. La esencia
Informe de la de este método, desarrollado tan explícitamen
evidencia negativo: a y no b te por los grandes filósofos Rudolph Carnap
y Hans Reichenbach, es que las “hipótesis se
confirman deduciéndolas, o deduciendo ins
Inferencia inductiva tancias positivas de ellas a partir de [infor
mes de la evidencia]” (pág. 12). La idea esen
cial es que la confirmación se da a través de
Conclusión: Por tanto, la hipótesis instancias; las afirmaciones teóricas (genera
no queda confirma les, indirectas), se confirman al obtener ins
da. tancias de ellas a partir de informes de la evi
dencia.
Y, para el ejemplo, es “Difícil sería exagerar la importancia his
tórica de esta idea. Formó... la principal apli
Hipótesis existencial: Hay una rata que, si reci cación positivista de la idea de verdad analíti
be reforzamiento después ca, y fue la principal idea en que se basaron
de correr por el laberinto, los influyentes análisis de Reichenbach de las
aprenderá a recorrer ese la teorías físicas” (pág. 48).
berinto sin errores. Este análisis de Glymore es importante para
Informe de la Un grupo de ratas fue re nosotros, ya que las estrategias que hemos
evidencia negativo: forzado después de correr seguido aquí y a lo largo de este libro siguen
por el laberinto, y ningu
na de las ratas aprendió a siendo los pilares de nuestra investigación
recorrer ese laberinto sin científica práctica cotidiana. Como Glymore
errores. concluye “L a s estrategias que em p lea ro n los p ri
Conclusión: La hipótesis no se confirma. meros e m p irista s s ig u e n e n el centro de va rio s sis
tem a s m etodológicos contem poráneos, y e n la me
Nuestra estrategia filosófica. Hagamos pau d id a que lo hacen, las d ificu lta d es que obstaculi
sa por un momento y reflexionemos sobre la za ro n los enfoques e m p irista s a la confirm ación
cuestión de la confirmación, de cómo poner ta m b ié n so n d ificu lta d es de los sistem a s contempo
a prueba las hipótesis. Hemos subrayado que ráneos" (pág. 13, las cursivas son mías).
nuestro enfoque, a lo largo de este libro, es Reconociendo que el objetivo de la cien
práctico, y desde el punto de vista del investi cia es llegar a sólidas declaraciones generales
gador operante. Los argumentos filosóficos, acerca de la naturaleza, y con la perspectiva
con lo que queremos decir argumentos de la obtenida a lo largo de este libro sobre la im
filosofía de la ciencia, han sido sopesados vi portancia de la tarea, cabe concluir nuestro
gorosamente durante siglos, se les sopesa hoy análisis de las fases del método científico de
y no hay duda de que continuarán mientras tallando los procedimientos específicos por
haya filósofos. En la ciencia y en la filosofía los cuales generalizamos nuestro descubrí-
miento. También debemos considerar cómo representatividad es la aleatorización; si la

determinamos las limitaciones de nuestras muestra ha sido tomada al azar entre la po
generalizaciones. blación, resulta razonable suponer que es re
presentativa de la población. Sólo si la muestra
LA MECÁNICA DE LA GENERALIZACIÓN es representativa de la población podremos gene
ralizar de ella a la población. Subrayamos este
Considere un experimento científico con 20 punto por dos razones: por su gran impor
personas. Obviamente, el interés no está en tancia en la generalización a las poblaciones,
estas 20 personas por sí mismas; antes bien, y por nuestro deseo de plantear una generali
se las estudia porque son representativas de zación. Deseamos generalizar partiendo de lo
un grupo mayor. Lo que el investigador des que hemos dicho acerca de las poblaciones o
cubra acerca de ellas podrá suponerse que es los organismos, hacia una gran variedad de
cierto del grupo mayor. En suma, el deseo otras poblaciones. Cuando usted efectúe un
es generalizar partiendo de la muestra de 20 experimento, en realidad tendrá un número
personas hacia el grupo mayor: la población. de poblaciones, además de una población de
Un investigador define a una población de personas, perros, etc., a la cual querrá usted
participantes sobre la cual hará afirmaciones. generalizar.
Por lo general es bastante numerosa, como Como demostración, suponga que está us
todos los estudiantes de la universidad, todos ted efectuando un experimento sobre el co
los perros de una cierta raza o, tal vez, to nocimiento de los resultados: tiene usted dos
dos los seres humanos. Como no es factible grupos de personas, uno que recibe informa
estudiar a todos los miembros de poblacio ción de los resultados, y un grupo (control)
nes tan grandes, el experimentador seleccio que no la recibe. Tenemos aquí varias pobla
na, al azar, una muestra de ellas, que es repre ciones: (1) personas, (2) experimentadores, (3)
sentativa de esa población. Por consiguiente, tareas, (4) condiciones de estímulo, etc. Para
lo que es probablemente cierto en la muestra generalizar hacia la población de personas,
también es probablemente cierto en la pobla seleccionamos al azar una muestra de ella y al
ción; se hace una generalización, de la mues azar la asignamos a dos grupos. El hallazgo
tra a toda la población de la que procedía.6 —el grupo con conocimiento de los resulta
dos se desempeña mejor que el grupo de con
Muestras representativas trol —se afirma como verdadero para toda la
población de las personas entre las cuales sa
El requisito más importante para generali lió la muestra.
zar partiendo de una muestra, es obtener una
muestra representativa de la población. La Experimentadores representativos
técnica que hemos estudiado para obtener la
Pero, ¿qué decir del experimentador? Pue
de suponerse que hemos controlado esta va
6 A u n c u a n d o e s t a d e c l a r a c i ó n o f r e z c a la i d e a g e n e r a l riable, al hacer que un solo experimentador
n o e s m u y p r e c i s a . S í s i g u i é r a m o s e s t e p r o c e d i m i e n t o , d e recabara los datos de todos los participantes.
t e r m in a r ía m o s q u e l a m e d i a d e u n a m u e s t r a e s , p o r e je m De ser así, ¿podemos decir que el grupo con
p lo , 1 0 .3 2 , y g e n e r a l i z a r í a m o s a la p o b l a c i ó n , i n f i r i e n d o conocimiento de los resultados siempre será
q u e s u m e d i a t a m b i é n e r a d e 1 0 .3 2 . H a b l a n d o e s t r i c t a superior al grupo control quienquiera que sea
m e n te , e s t e p r o c e d i m i e n t o n o e s r a z o n a b l e , p u e s p o d r í a
m o s t r a r s e q u e l a p r o b a b i l i d a d d e s e m e ja n t e i n f e r e n c ia e s el experimentador? En pocas palabras, ¿pode
0 .0 0 . U n p r o c e d i m i e n t o m á s a d e c u a d o s e c o n o c e c o m o l a mos generalizar partiendo de los resultados
estimación del in te rv a lo d e co n fia n za , p o r l a c u a l s e in f i e r e obtenidos por nuestro único experimentador,
q u e la m e d i a d e l a p o b l a c i ó n e s t á “ c e r c a ” a la d e la m u e s a todos los experimentadores? Esta pregunta
tra , q u e c a e d e n t r o d e c i e r t o in t e r v a l o y q u e s e le p u e d e es difícil de responder. Imaginemos una po
c o m p u t a r . P o r t a n t o , l a in f e r e n c i a m á s a p r o p i a d a p o d r í a
se r q u e , s o b r e la b a s e d e u n a m u e s t r a d e l a m e d i a d e 1 0 .3 2 , blación de experimentadores, integrada por
la m e d i a d e l a p o b l a c i ó n e s t á e n t r e 1 0 .1 0 y 1 0 .5 4 . todos los psicólogos que realizan experimen
tos. Por ello, estrictamente hablando, debere digo Morse, golpear una pelota de golf, en
mos tomar una muestra al azar entre esa po samblar un radio en todas sus partes, etc. Para
blación de experimentadores y hacer que cada hacer una afirmación sobre la eficacia del
miembro de nuestra muestra efectúe un ex conocimiento de los resultados para todas las
perimento separado. Supóngase que nuestra tareas, también deberemos obtener una mues
población incluye a 500 psicólogos, entre los tra representativa de esa población. Al selec
cuales elegimos, al azar, una muestra de 10 cionar una tarea particular, mantuvimos cons
experimentadores. Supóngase con una mues tante la variable de la tarea, por lo que no
tra de 100 participantes, entonces al azar asig podemos generalizar, de regreso, a la pobla
naremos a los participantes a dos grupos de ción más grande de tareas. El procedimiento
50 cada uno. Por último, asignaremos al azar apropiado para generalizar a todas las tareas
cinco participantes de cada uno de los dos consistiría en seleccionar al azar cierto núme
grupos a cada experimentador. De hecho, re ro de tareas entre esa población. Entonces re
petiremos así el experimento diez veces, mien petiríamos el experimento para cada una de
tras cada experimentador recaba datos de cin esas tareas. Si descubrimos que en cada ta
co participantes en cada grupo. No sólo ha rea, el grupo con conocimiento de los resul
bremos controlado la variable del experimen tados es superior al grupo control, entonces
tador mediante el balanceo, sino que también podremos generalizar esa conclusión a todas
habremos hecho el muestreo, partiendo de las tareas.
una población de experimentadores. Supon
ga que los resultados resultan aproximadamen Los estímulos representativos
te los mismos para cada experimentador: que
el desempeño de los participantes con infor Ahora, ¿qué decir de las diversas condicio
mación de los resultados es casi siempre su nes de estímulo que estuvieron presentes para
perior a sus correspondientes controles para nuestros participantes? Por una parte, supon
los 10 experimentadores. En este caso, pode ga que les impedimos un conocimiento visual
mos hacer la siguiente generalización: para la de los resultados, vendándoles los ojos. Pero
población de los experimentadores muestrea- hay diferentes técnicas para “vendar los ojos”
dos y para la población de los participantes a la gente. Un experimentador podría utilizar
muestreados, darles información de los resul un gran pañuelo, otro usaría lentes opacos,
tados en las condiciones de este experimento, pro etc. ¿Sería superior la condición de conoci
duce un desempeño superior (en relación al miento de los resultados, cualquiera que fue
desempeño del grupo control). ra la técnica empleada para tapar los ojos? ¿Y
qué decir de otras condiciones de estímulo?
Tareas representativas ¿Tendría algo qué ver la temperatura especí
fica? ¿Y qué decir del nivel de ruido de fon
Con “bajo las condiciones de este experi do? Y así sucesivamente. Podemos concebir
mento”, queremos decir dos cosas: con la ta gran número de poblaciones de estímulos.
rea específica utilizada, y bajo las condicio Estrictamente hablando, si un experimenta
nes de estímulo específico que estuvieron dor desea generalizar a todas las generacio
presentes. Respecto a la primera, nuestra pre nes de estímulos presentes, entre esas pobla
gunta es: puesto que descubrimos que el gru ciones habría que tomar muestras al azar.
po con información de los resultados era su Pongamos como ejemplo la temperatura. Si
perior al grupo control en una tarea determi deseamos generalizar los resultados a todos
nada, ¿sería también superior ese grupo al los valores razonables de esta variable, enton
aprender otras tareas? Desde luego, la respues ces habría que seleccionar, al azar, cierto nú
ta es que no lo sabemos a partir de este expe mero de temperaturas. Luego se replicaría el
rimento. Consideremos una población de to experimento para cada valor de temperatura
das las tareas que pueden aprender los seres estudiado. Si se obtienen los mismos resulta
humanos, como trazar líneas, aprender el có dos cualquiera que sea el valor de la tempera
tura, podremos generalizar esos resultados a táneamente cierto número de poblaciones.

la población de temperaturas muestreadas. Como ilustración, suponga que deseamos
Sólo muestreando sistemáticamente las diver generalizar nuestros resultados a poblaciones
sas poblaciones de estímulos, el experimenta de personas, experimentadores, tareas y con
dor podrá, estrictamente hablando, generali diciones de temperatura. Aquí podríamos
zar los resultados a esas poblaciones. efectuar varios experimentos, pero resulta más
eficiente y productivo de conocimientos, efec
APLICACIÓN DE LOS DISEÑOS tuar un experimento utilizando cuatro varia
FACTORIALES bles independientes, variadas de la siguiente
manera: (1) el conocimiento de los resultados
En este punto, pudiera parecer que la buena varió de dos maneras (conocimiento y no co
realización de la experimentación psicológi nocimiento), (2) los experimentadores va
ca es desesperantemente complicada. Uno de riaron de seis maneras, (3) las tareas varia
los rasgos más desalentadores de la investiga ron de cinco maneras y (4) la temperatura
ción psicológica es la dificultad que se tiene varió de cuatro maneras. Suponga que hemos
para confirmar los resultados de experimen elegido al azar los valores de las tres últimas
tos anteriores. Cuando un experimentador variables. En la tabla 12-1 se presenta el dise
(López) descubre que la variable A afecta a la ño factorial resultante 6 X 5 X 4 X 2.
variable B, con excesiva frecuencia otro expe Pero, ¿qué pasa si descubrimos una dife
rimentador (Pérez) llega a resultados diferen rencia significativa para la variable del cono
tes. Tal vez las diferencias en los hallazgos cimiento de los resultados, pero no interac
ocurrieran porque López mantuvo constan ciones significativas? En este caso, podríamos
tes ciertas condiciones en un valor, y Pérez hacer generalizaciones bastante seguras
les dio otro valor. Por ejemplo, López pudo acerca del conocimiento de los resultados a
mantener constante la variable del experi nuestra población de experimentadores,
mentador y haber generalizado implícitamen a nuestra población de tareas, a nuestra po
te a una población de experimentadores. blación de temperatura y también, desde lue
Estrictamente hablando, eso no debió hacer go, a nuestra población de seres humanos,
se, pues López no tomó la muestra al azar desde luego, siempre que utilicemos el mo
entre una población de experimentadores. La delo apropiado.
generalización de López pudo ser errónea, y
los resultados obtenidos sólo son, por ello, Los modelos y la elección de
válidos para experimentadores como López. un término de error correcto
De ser así, habrían podido esperarse resulta
dos diferentes con un experimentador dife Recuerde nuestro análisis, en el capítulo 8,
rente. del diseño factorial en que dijimos que el
La investigación psicológica (o, para el experimentador suele seleccionar los valores
caso, cualquier investigación) frecuentemente de la variable independiente por alguna ra
se vuelve desalentadora. Después de todo, si zón específica. Como en el caso del conoci
usted supiera cuáles serán los resultados, ha miento de los resultados contra el descono
bría poco objeto (o alegría) en pasar por este cimiento de los resultados, no seleccionamos
trámite. Pero la nuez más dura de cascar es la valores al azar de esas variables independien
de mejor sabor. Sin embargo, los psicólogos tes entre la población de posibles valores. Éste
están aceptando el desafío y hoy están estu es, así, un modelo fijo. En contraste, para un
diando sistemáticamente las variables extra modelo al azar, definimos una población y
ñas con mayor minuciosidad que en el pasa luego al azar seleccionamos valores entre esa
do, para explicar los resultados conflictivos. población. La pertinencia de esta distinción
Ésta es una de las razones de que los diseños es que sólo para el caso del modelo aleatorio
factoriales se utilicen cada vez más, pues son se puede generalizar con seguridad hacia la
maravillosos recursos para muestrear simul población. Si selecciona usted los valores de
TABLA 12-1. Un diseño factorial 6 x 5 x 4 X 2 para estudiar el efecto del conocimiento de los
resultados cuando se toman muestras al azar entre experimentadores, tareas, temperaturas y personas
C o n o c i m i e n t o d e lo s r e s u l t a d o s S in c o n o c im ie n to d e lo s re su lta d o s
1 2 3 4 5 6 1 2 3 4 5 6
C3
¡3
<D
a
a
£
sus variables de manera no aleatoria (fija), cualesquiera resultados experimentales que

todas las conclusiones deberán limitarse a esos obtengamos, podremos generalizar segura
valores. Como ilustración, consideremos una mente de vuelta a esa población de valores,
vez más la variable de temperatura. Supónga pues habremos seleccionado al azar nuestros
se que estamos particularmente interesados valores de entre ella.7
en tres valores específicos de esta variable: 60 Si seleccionamos los valores de nuestras
grados, 70 grados y 80 grados Fahrenheit. variables por razones específicas, y no por
Ahora, cualesquiera que sean nuestros resul aleatorización, habremos utilizado un modelo
tados, estarán limitados a esos valores parti
culares de temperatura. Por una parte, si es
tamos interesados en generalizar a todas las
temperaturas entre 40 y 105, podremos ano 7 S u p o n ie n d o , d e s d e lu e g o , q u e e le g im o s u n n ú m e ro
tar cada número entre 40 y 105 en un papel, t r a t o m a ed ad ed ve a ul on rae sp po ba rl aa cei só tnu ddi ea r pl oe .r sAo sní ac so, mc uo aennt ol a mm auyeosr
s u f ic ie n t
colocar todos estos números en un sombrero, s e a e l n ú m e r o d e v a l o r e s s e l e c c i o n a d o s , m á s p r o b a b l e s e r á
y sacar del sombrero varios valores. Luego, q u e l a m u e s t r a s e a r e p r e s e n t a t i v a d e l a p o b l a c i ó n .
L a generalización, la explicación y la predicción en psicología 293
fijo. Con un modelo fijo hemos dicho que el mera variable independiente —el número de
cuadrado de las medias intragrupos, es el tér ensayos—los que van del 6 al 300. Luego, co
mino apropiado de error que debe utilizarse locaríamos estos 295 números en un sombre
para el denominador de la prueba F. Pero si ro y sacaríamos dos de ellos. Los númer os re
los valores de las variables independientes sultantes serían los valores que asignaríamos
fueron seleccionados al azar entre una pobla a nuestra variable independiente. Y el mismo
ción, se utiliza un modelo aleatorio, caso en el proceso se podría seguir con respecto a la
cual usted podrá generalizar a esa población. variable del CI.
Por último, si el valor de una variable inde El procedimiento para poner a prueba los
pendiente fue seleccionado al azar, pero los cuadrados de las medias entre grupos, en el
valores de las otras variables son fijos, se uti caso de que ambas variables independientes
liza un modelo mixto. Se necesitan diferentes sean variables aleatorias, es el siguiente: Pón
términos de error para la prueba F, en los gase a prueba el cuadrado de la media de la inter
modelos aleatorios y mixtos. Aclaremos bre acción dividiéndolo entre el cuadrado de la media
vemente los tres casos. intragrupos. Luego pónganse a prueba los demás
cuadrados de la media dividiéndolos entre el cua
El caso de un modelo fijo. Si en un diseño drado de la media de la interacción. Es decir,
de 2 X 2, se seleccionaron los valores de las póngase a prueba el cuadrado de la media de
dos variables independientes por alguna ra K X L, dividiéndolo entre el cuadrado intra
zón particular, tenemos un modelo fijo. Así, grupos. Luego, póngase a prueba el cuadra
los dos valores de cada variable independien do de la media entre las dos condiciones de
te no fueron seleccionados al azar: estamos K, dividiéndolo entre el cuadrado de la me
interesados en el método A de enseñanza dia de K X L, y también pruébese del cuadra
(método específico) contra, por ejemplo, el do de la media de L, dividiéndolo entre el
método B. O hemos decidido comparar 10 cuadrado de la media K X L. Podemos obser
horas de entrenamiento contra 20 horas. De var que los diseños en que ambas variables se
manera similar, hemos decidido hacer 50 con seleccionan al azar son relativamente raros en
tra 100 ensayos de golf, seleccionando estos la investigación psicológica.
valores particulares por una razón especial.
Para este caso de un modelo fijo, el cuadrado El caso del modelo mixto. Este es un caso
intragrupos, es el término de error correcto menos insólito que el del modelo aleatorio,
para todas las pruebas F que se están efec pero tampoco ocurre con tanta frecuencia
tuando. Si nos referimos a nuestras dos varia como el caso del modelo fijo. El caso del
bles independientes como K y L, y a la inter modelo mixto ocurre cuando los valores de
acción como K X L, los cuadrados de las una variable independiente son fijos y los otros
medias entre las dos condiciones de K, entre
de la otra variable, aleatorios. El procedimien
las dos condiciones de L, y para K X L, debe to para poner a prueba los tres cuadrados de
rán dividirse entre el cuadrado de la media las medias de este caso es el siguiente: Divída
intragrupos. Como hemos dicho, éste es el se el cuadrado de la media entre grupos, entre el
caso que con más frecuencia se encuentra en cuadrado de la media de interacción; divídase
la investigación psicológica. el cuadrado de la media de la interacción entre el
El caso del modelo aleatorio. Consideremos cuadrado de la media para la variable indepen
cómo llegamos a los dos valores de las dos diente fija; y divídase el cuadrado de la media
variables independientes: número de ensayos intragrupo entre el cuadrado de la media para la
y CI de los participantes. Para esto, especifi variable independiente aleatoria.
caríamos todos los posibles y razonables nú Éstos son los tres casos que más probable
meros de ensayos y todos los CI posibles y mente encontrará el lector en su investigación,
razonables, y luego elegiríamos dos valores aunque pueda ocurrir cierto número de va
de cada uno, al azar. Podríamos considerar riaciones. La importancia de estas reglas con
como valores posibles y razonables de la pri siste en que con un modelo aleatorio o mix-
to, el análisis estadístico le permitirá gene mos un experimento factorial 2 X 2, en que

ralizar a la población muestreada, si emplea nuestra primera variable son los métodos de
usted el término de error correcto como de aprendizaje, variados en dos formas, y la se
nominador de su prueba F. En las edicio gunda es el sexo, variado, desde luego, en dos
nes anteriores de este libro podrá usted en formas. Al azar, formamos una muestra de
contrar una explicación detallada de por qué hombres y mujeres de una población univer
estos son los términos de error correcto, o sitaria. Suponemos que nuestros resultados
podrá encontrarlos en libros actuales de esta nos darán los valores medios y que cuanto
dística. Si usted está empleando un análisis mayor sea la calificación, mejor será el desem
por computadora, deberá asegurarse que el peño (tabla 12-2).
programa emplee el término de error apro Haciendo una gráfica de estos resultados
piado. Si el programa no pregunta qué mode podemos ver una interacción entre el género
lo está usted empleando, podrá usted come y los métodos, de modo que las mujeres lo
ter un grave error, lo cual es otro argumento hacen mejor con el método A y los hombres
para efectuar, asimismo, un análisis estadísti con el método B (figura 12-4). Hemos confir
co a mano. mado así los resultados del primer experimen
Con estos antecedentes, echemos una ojea to, ya que el método A es el mejor para las
da a la otra cara de la moneda, o sea, ¿cómo mujeres; de manera similar, hemos confirma
sabemos cuándo limitar nuestras generaliza do los resultados del segundo experimento,
ciones? al descubrir que el método B es el mejor para
los hombres. Por tanto, hemos establecido la
LA LIMITACIÓN DE GENERALIZACIONES razón de esos resultados conflictivos. Pero no
podemos hacer una simple declaración sobre
Comprobando la razón de unos la superioridad de un método que en general
resultados conflictivos se aplique a todos. El descubrimiento de esta
interacción limita el alcance que se puede atri
¿Hasta qué punto es razonable generalizar? buir a una generalización sencilla.
Digamos que nos interesa saber si el método
A o el método B de aprendizaje produce un El empleo de la estratificación para genera
mejor desempeño. Supongamos que un ex lizar. Hemos visto, pues, que se pueden pla
perimentador puso a prueba estos métodos near experimentos, explícitamente para de
con una muestra de estudiantes universitarios, terminar si alguna característica de nuestros
y descubrió que el método A era el mejor. Sin participantes interactúa con nuestra variable
vacilar, generalizó los resultados, aplicándo independiente, como en este caso de la inter
los a todos los estudiantes universitarios. Otro acción de género x métodos. Para ello, po
experimentador repitió el experimento y des drá usted muestrear sistemáticamente una
cubrió que el método B era superior. Desea población e incorporar cierto número de va
mos resolver la contradicción. Después de lores diferentes al diseño factorial. Por ejem-
estudiar los dos experimentos podemos des
cubrir que el primer experimento se efectuó
en una universidad femenina, mientras que
el segundo se hizo en una universidad mascu TABLA 12-2 Diseño factorial de 2 X 2 para
lina. Ahora, surge una posible razón de los resolver resultados contradictorios
diferentes resultados. El primer experimenta M éto d o s
dor generalizó a una población de estudian G é n e r o A B
tes, hombres o mujeres, sin hacer muestras
aleatorias de los primeros (así como el segun
H o m bres 10 20
do, pero sin muestra de las mujeres). Para
determinar si hemos evaluado correctamente M u je r e s 20 12
la razón de los resultados conflictivos, planea
ralizar su población de participantes en todo

lo concerniente al CI.8
Prueba para interacciones entre variables

de interés primario y secundario. Considera
remos ahora la cuestión de limitar nuestras
generalizaciones en forma más general. Nues
tro propósito es hacer declaraciones genera
les, pero también querríamos que fuesen tan
sencillas (parsimoniosas) como fuera posible
(véase página 46). Sin embargo, por desgra
cia, la naturaleza no siempre se presta y, para
hacer afirmaciones generales, a menudo de
FIGURA 12-4 Interacción entre métodos de beremos complicarlas para describir con pre
aprendizaje y género que explica resultados cisión los hechos que estudiamos. Esto signi
conflictivos fica que podemos esperar encontrar un cier
to número de interacciones entre nuestros tra
tamientos experimentales, por lo que debere
pío, si está usted interesado en saber si la in mos planear explícitamente nuestros experi
teligencia interactúa con su variable indepen mentos para descubrirlos. La alternativa de
diente, podrá usted clasificar a sus participan no buscar interacciones equivale a cegarnos
tes como de alto CI, mediano CI y bajo CI (a a nosotros mismos ante la verdad; la conse
esto se llama estratificación). En este caso po cuencia es que llegamos entonces a afirma
drá usted generalizar a toda su población de ciones simplistas que son erróneas y no con
participantes en lo tocante al CI si no hay una firmamos los resultados de la experimenta
interacción de CI X métodos. Además, y esto ción anterior.
es un tanto más avanzado, podrá reducir su Por todo ello, en general, el experimenta
varianza, o variancia de error utilizando este dor deberá estudiar sistemáticamente las va
diseño: es decir, cuando usted estratifica a los riables que puedan interactuar con las varia
participantes en niveles (las hileras verticales bles de interés fundamental. A menudo es muy
de la factorial), computa usted la variación de fácil hacer diseños experimentales para estu
la variable dependiente debida a los niveles diar tales interacciones. En el ejemplo ante
(aquí, tres niveles de CI), como lo hicimos con rior podemos analizar convenientemente los
las hileras del diseño de los tratamientos re resultados como función del género o de otras
petidos del capítulo 10, y luego esta variación características de los participantes, como la
debida a los niveles de CI es extraída “auto ansiedad. Cuando más de un experimentador
máticamente” del término de error, lo que
resulta en un aumento en la precisión del ex
perimento. En pocas palabras, puede usted 8 U n p u n to a lg o m á s a v a n z a d o d ic e q u e u s t e d p o d r á
estratificar a sus participantes repitiendo su r e d u c i r s u v a r ia n c ia d e e r r o r , e m p l e a n d o e s t e t ip o d e d i s e
experimento en diferentes niveles de partici ñ o : e s d e c ir , c u a n d o u s t e d e s t r a t i f i c a a l o s p a r t i c i p a n t e s e n
pantes homogéneos, y luego reduciendo su n iv e le s ( la s h i l e r a s v e r t i c a l e s d e l f a c t o r i a l ) , c o m p u t a u s t e d
varianza de error, mientras al mismo tiempo la v a r ia c ió n d e l a v a r i a b l e d e p e n d i e n t e m e d i d a e n n iv e le s
( a q u í , t r e s n iv e le s d e C I ) , c o m o lo h i c i m o s c o n l a s h i l e r a s
establece hasta qué punto puede generalizar. e n el d is e ñ o d e tr a ta m ie n to s r e p e tid o s d e l c a p ítu lo 9 . E n
Como otro ejemplo, para determinar si la in to n c e s , e s t a v a r ia c ió n d e b i d a a l o s n iv e le s d e C I e s e x t r a í d a
teligencia interactúa con su variable indepen “ a u t o m á t i c a m e n t e ” d e l t é r m in o d e e r r o r , l o q u e r e s u l t a e n
diente, podrá usted clasificar a sus participan u n a u m e n to d e la p r e c is ió n d e l e x p e r im e n to . E n su m a ,
p u e d e u ste d e str a tific a r a su s p a rtic ip a n te s r e p itie n d o su s
tes como de alto CI, mediano CI o bajo CI (a e x p e r im e n t o s e n d if e r e n t e s n iv e le s d e p a r t i c i p a n t e s h o m o
esto se llama estratificación). Si no hay inte g é n e o s , lo q u e r e d u c e , a s í , s u v a r i a n z a d e e r r o r , m i e n t r a s
racción de CI X métodos, podrá usted gene e sta b le c e h a s ta q u é g r a d o p u e d e u s te d g e n e r a liz a r .
recaba los datos en un experimento dado (y

esto ocurre en casi la mitad de los experimen
tos publicados), es “natural” analizar los re
sultados como función de los experimenta
dores para ver si esta variable interactúa con
la de interés primario. Las variables similares
que se pueden integrar en un diseño facto
rial con este propósito pueden ser: tempera
tura ambiental, tipo de tarea, naturaleza del
equipo usado (por ejemplo, el aparato X con
tra el aparato Y), etcétera.
Examinemos ahora más minuciosamente
los posibles resultados para la variable de in
terés secundario. Supongamos que hacemos
variar la variable independiente de interés
primario en dos maneras, utilizando un gru
Variable de interés secundario
po experimental y uno de control. La varia
ble de interés secundario se puede variar de FIGURA 12-5 Valores de población para el caso I,
diferentes modos pero, por el momento, ha que no muestran interacción entre una variable de
gámosla variar sólo en dos modos, por ejem interés secundario (por ejemplo, los experimentadores)
plo, digamos que dos experimentadores reca y la variable independiente primaria. La variación de la
ban datos en un diseño de dos grupos aleato variable de interés secundario n o afecta
rios, de modo que podemos analizar los da diferencialmente los valores de la variable
tos como un diseño factorial de 2 X 2 (véase dependiente
tabla 12-3). Hay tres resultados posibles, los
casos I, II y III.
Caso I. Generalización a una variable se de interés secundario. Sin embargo, queda un
cundaria ineficaz. Este caso se da cuando los punto pendiente: no podíamos haber sabido
experimentadores 1 y 2 obtienen esencialmen esto, a menos que hubiésemos diseñado y
te los mismos resultados como en la figura
analizado nuestro experimento para descu
12-5. Las líneas son paralelas, indicando que
brirlo.
la variable de interés secundario no influye En la figura 12-6 se presenta una ilustra
sobre la medida de la variable dependiente: ción empírica del caso I, incluyendo dos mé
no interactúa con nuestra variable de interés todos de aprendizaje y tres recabadores de
primario. En este caso, se puede generalizar datos. Por tanto, tenemos cierta razón para
una diferencia entre nuestros grupos experi
generalizar los resultados de los métodos a
mental y de control con respecto a la variable
una población de experimentadores aunque,
desde luego, sería preferible una muestra más
grande de esta población.
TABLA 12-3 Diseño de dos grupos en que se
analizan los datos como función de dos Caso II. Generalización a una variable se
experimentadores
cundaria eficiente. La segunda posibilidad
general es que la variación de la variable de
interés secundario sí afecte la variable depen
diente. Sin embargo, afecta del mismo modo
a todos los participantes, cualquiera que sea
la condición experimental a la que se asignó
a dichos participantes. Por ejemplo, en la fi
gura 12-7, los participantes asignados al ex-
Variable de interés secundario

FIGURA 12-7 Valores de población para el caso II
que no muestran interacción entre las variables de
FIGURA 12-6 Valores de muéstrales que ¡lustran el interés primario y secundario. Pero la variable de
caso I utilizando tres experimentadores y dos métodos interés secundario sí influye sobre los valores de la
(conocimiento de los resultados). La falta de una variable dependiente
interacción confiable entre experimentadores y
métodos, nos permite generalizar a una población de
experimentadores (tomado de McGuigan, Hutchens,
Caso III. Una interacción limita la generali
Eason y Reynolds, 1964)
zación a la variable secundaria. En los casos I
y II tuvimos justificación para generalizar a
la población de la variable secundaria, en la
perimentador 1 (o a la temperatura A, o a la medida en que se hubiera hecho un mues-
tarea X) actúan a un nivel superior, en pro treo de esa población. En cambio, en el caso
medio, al de aquellos a los que se asignó el III, hemos de enfrentarnos a una interacción.
número de valor 2. En ambos casos, el grupo Tomando un ejemplo extremo, supongamos
experimental es igualmente superior al gru que el grupo control es superior al grupo ex
po control para ambos experimentadores, o perimental para un experimentador, pero que
lo que se quiera. Como ejemplo empírico, en ocurre lo contrario para el segundo experi
la figura 12-8 hay una diferencia significativa mentador (figura 12-9). En este caso, el gra
entre experimentadores, pero una falta de in do en que podemos generalizar a una pobla
teracción entre experimentadores y métodos. ción se ve severamente restringido, en parti
Así, en el caso II, podemos llegar a la misma cular porque probablemente no conocemos
conclusión para la variable de interés prima los modos precisos en que difieren los dos
rio, sin que importe qué experimentador efec experimentadores. Dicho con discreción, el
túa el experimento, y podemos generalizar los descubrimiento de una interacción de esta
resultados con respecto a los métodos a esa índole, nos dice que debemos proceder con
población de experimentadores. No hay una precaución. Para comprender esto más con
interacción que limite nuestra generalización. cretamente, examinemos dos estudios in
Sin embargo, como anexo podemos notar que teresantes en que se han establecido interac
la conducta sí se ve influida por esta variable ciones con los experimentadores.
secundaria: información que puede ser valio El primero fue un estudio de condiciona
sa para nuevas experimentación. miento verbal el que utilizó la clase de res-
puesta de palabras hostiles emitidas en fra rente para cada uno. Los dos experimentado
ses. Cada vez que los participantes sin darse res diferían en género, estatura, peso, edad,
cuenta empleaban un término hostil en una apariencia y personalidad:
frase, el experimentador reforzaba sutilmen
te esa respuesta diciendo “bien”. Se emplea El prim ero... fue... una joven atractiva, reserva
ron dos grupos, con un experimentador dife- da, de habla suave... de 1.54 de estatura y 40 kilos
de peso. E l... segundo ... era un hombre muy
viril, de 1.95 de estatura, casi 100 kilos de peso,
y que tenía muchas de las características de una
personalidad sin inhibiciones, que pueden espe
rarse de un ex-capitán de la marina; tal vez más
importante que su verdadera diferencia de edad
—unos 12 años— era la diferencia que aparenta
ban: la muchacha podría pasar por una estudiante
de segundo grado, mientras que al experimenta
dor frecuentemente lo confundían con un miem
bro del profesorado. (Binder, McConnell y Sjo-
holm, 1957, p. 309.)
Los resultados se presentan en la figura 12-

10. Nótese que, puesto que el número de pa
labras hostiles emitidas por ambos grupos
aumenta conforme aumenta también el nú
mero de ensayos, los participantes de ambos
Variable de interés secundario experimentos fueron debidamente condicio
nados. Sin embargo, durante los dos prime
ros bloques de ensayos de aprendizaje, los par
FIGURA 12-9 Valores de población para el caso III ticipantes asignados a la experimentadora ob
que muestran una posible interacción entre una tuvieron resultados inferiores a los obtenidos
variable de interés secundario (aquí, los por los participantes asignados al experimen
experimentadores), y la variable independiente primaria tador varón. En los bloques subsecuentes los
r
creó uno de dos escenarios al entrar en la si

tuación experimental: en el ambiente positi
vo, se dijo al participante que el experimenta
dor era una “persona cordial y amistosa, con
la que se llevaría muy bien”; en el ambiente
negativo, se dijo al participante que el experi
mentador podría “irritarle un poco, que no
es muy amigable, en realidad, es un poco frío”.
¡En ambos casos, el experimentador era la
misma persona!
Luego se condicionó a los participantes
para emitir una clase de pronombres, refor
zada diciéndoles “bien”. Los resultados indi
caron una diferencia confiable entre las acti
tudes positiva y negativa del experimentador,
en que los participantes con un ambiente po
sitivo se desempeñaron mejor que los de am
biente negativo. Además, y esto es lo que aquí
participantes de la experimentadora, muestra una nos interesa, hubo una interacción significa
interacción entre los experimentadores y la etapa de tiva entre la actitud del experimentador y la
aprendizaje (tomado de Bindereta/., 1957) personalidad del participante (ya fuese que el
individuo fuera histérico o psicasténico). Para
ilustrar esta interacción, en la figura 12-11
resultados se invirtieron, y las dos curvas hemos graficado las puntuaciones terminales
intersectaron. En suma, hay una interacción del condicionamiento obtenidas bajo estas
entre los experimentadores y los ensayos de
aprendizaje, de modo que la pendiente de la
curva de aprendizaje de la experimentadora
es más inclinada que la pendiente del experi
mentador varón. Por tanto, si deseamos ha C
cer una generalización acerca de las caracte ’oO
rísticas de la curva de aprendizaje, se la debe TDC
rá moderar considerando la naturaleza del O
experimentador. No sabemos con claridad
exactamente por qué ocurrió esta diferencia, Q>
3
pero podemos suponer, junto con los auto CL
res, que la experimentadora ofrecía un me
dio menos amenazador, y por tanto, los parti "O
cipantes se sentían menos inhibidos en su ten O
dencia a aumentar la frecuencia de palabras E 0)
hostiles. Puede suponerse que en el inicio del o
entrenamiento estuvo presente algún efecto
inverso.
En el segundo ejemplo del caso III, se se
leccionó a un grupo de personas con altas
calificaciones en la escala de histeria del In FIGURA 12-11 Interacción entre el ambiente para el
ventario Multifásico de Personalidad de Min experimentador y característica de personalidad de los
nesota, y a un segundo grupo que había reci participantes. El efecto del ambiente depende de si las
bido una calificación elevada en la escala personas son histéricas o psicasténicas (tomado de
psicasténica. Luego, a los participantes se les Spires, 1960)
cuatro condiciones. Podemos ver así que los de los casos I y II, los resultados serán genera
histéricos que fueron asignados a un escena lizadles a una población en la medida en que
rio positivo obtuvieron mejores puntajes que se haya hecho un muestreo de esa población.9
los que fueron asignados a un ambiente ne Reconocemos que rara vez se logra una mues
gativo. Sin embargo, hubo poca diferencia tra completamente satisfactoria de las varia
entre los dos grupos de psicasténicos. bles secundarias, pero al menos cierto mues
Este tipo de investigación nos resultará es treo es mejor que ninguno. Y es benéfico para
pecialmente valioso por su naturaleza analíti saber y para poder afirmar que, dentro de esas
ca; por ejemplo, sugiere que podemos gene limitaciones, los resultados parecen ser ejem
ralizar los resultados del condicionamiento plos de los casos I o II.
con respecto a esta característica particular del En tercer lugar, si descubre usted que sus
experimentador para un tipo de persona, pero datos son un ejemplo del caso III, entonces
no para otro tipo. Los análisis continuos y no podrá dar de ellos una sencilla generaliza
sostenidos de las diversas variables secunda ción. Si su variable de interés secundario está
rias en una situación experimental podrán operacionalmente definida, entonces su ge
permitirnos, con el tiempo, hacer avanzar neralización podrá ser bastante precisa, si bien
nuestras generalizaciones, de modo que ten complicada. Por otra parte, si usted no puede
gamos mayor confianza en ella. especificar adecuadamente la forma en que
difieren los valores de su variable secundaria
Resumen para limitar las generalizaciones (como en el caso de distintos recabadores de
datos), el grado en que podrá usted generali
Habiendo especificado ahora estos tres zar se ve gravemente limitado. Por ejemplo,
casos, resumamos nuestra posición. usted sólo podrá decir que el método A será
Primero, si usted no ha tomado su muestra superior al método B, cuando se empleen
de una población de alguna variable, estricta experimentadores parecidos a López, pero
mente hablando, no deberá generalizar a toda que ocurre lo contrario cuando los experimen
esa población. Por ejemplo, si sólo hay un tadores son semejantes a Pérez. Este conoci
recabador de datos para su experimento, lo miento es valioso, pero sólo en un sentido
mejor que podrá usted hacer será tratar de negativo, ya que probablemente sólo sus es
mantener constante su influencia sobre los posas podrían sospechar cuáles son las dife
participantes. En cambio, si usted tiene un rentes características en cuestión; una interac
conocimiento previo de que no se ha descu ción de esta índole nos dice que debemos
bierto ninguna interacción entre su variable proceder con considerable cautela (cf. Mc-
independiente y las poblaciones que otras Guigan, 1963).
variables a las que usted deseara generalizar,
entonces probablemente se justifique su ge Una estrategia elemental. Todo esto puede
neralización a esas poblaciones. parecer bastante exigente, y sí lo es para al
En segundo lugar, si usted ha variado siste canzar un entendimiento avanzado de nues
máticamente alguna variable que para usted tra ciencia. Sin embargo, para no concluir este
tenga interés secundario, deberá entonces tema con esta nota, volvamos a la situación
investigar la posibilidad de que exista una in más típica que probablemente encontrará us
teracción entre ella y su variable de interés ted en su labor elemental, a saber, la especifi
primario. Por ejemplo, si se ha empleado a cada en el primer punto mencionado.
más de un recabador de datos, deberá usted: Si no tiene usted un conocimiento de las
(1) especificar las técnicas para controlar esta interacciones entre su variable independien
variable, (2) analizar sus datos e informar de te y las poblaciones a las que desee usted ge-
ellos como función de los experimentadores,
y (3) poner a prueba las interacciones entre
experimentadores y tratamientos. Si su análi 9 Estamos suponiendo que se utilizó un modelo alea
sis indica que el experimento es un ejemplo torio (véase página 293).
neraliz.ar, entonces es posible, tentativamente, zadas, será gravemente limitado el grado al

ofrecer su generalización. Entonces otros ex que podemos generalizar. Si seguimos proce
perimentadores podrán repetir su experimen diendo en nuestra actual dirección con varia
to en sus propios laboratorios. Esto implica bles extrañas que adoptan diferentes valores
que las diversas variables ajenas adquirirán en distintos experimentos, entonces, cuando
valores diferentes de los que aparecieron en se confirman unos descubrimientos experi
el experimento de usted (sea como resultado mentales, podremos estar bastante seguros de
de un control intencional, o porque se les que no hubo interacciones. Cuando no se
permitió variar al azar). Si en las repeticiones confirman los descubrimientos, sospechamos
de su experimento se confirman los resulta que hubo interacciones que limitaron nues
dos que usted obtuvo, entonces será probable tras generalizaciones y, por tanto, que debe
que las poblaciones a las cuales usted genera mos iniciar una experimentación para descu
lizó no interactúen con su variable indepen brirla. Cualquiera que sea nuestra opinión
diente. Por otra parte, si las repeticiones del sobre estas dos posibles hipótesis —en favor
experimento de usted, hechas por otros, con de la estandarización, o en contra—la cues
diferencias de tareas, condiciones de estímu tión probablemente sea sólo académica. Es im
lo y otros factores no confirman sus resulta probable, que en el futuro previsible vaya a
dos, entonces probablemente al menos hay haber mucha estandarización. De hecho, en
una interacción que se debe descubrir. En este años recientes, ha habido una tendencia to
punto habrá que hacer un análisis minucioso talmente opuesta, la cual sostiene que los ex
y detallado de las diferencias encontradas perimentos de laboratorio efectuados en con
entre su experimento y las repeticiones, para diciones sumamente controladas, carecen de
descubrir las interacciones. Este análisis pue validez externa. Por validez externa se entien
de adoptar la forma de un diseño factorial, de el grado en que se pueden generalizar re
como el diagramado en la tabla 12-2 e ilustra sultados de laboratorio al “mundo real”. El
do por la figura 12-4. argumento dice que, al haberse efectuado en
condiciones sumamente “artificiales” en que
Experimentación estandarizada contra no se impidió que las numerosas variables extra
estandarizada. Este último punto nos lleva a ñas del medio natural influyeran de manera
considerar una propuesta interesante. Algu diferencial sobre la variable dependiente, las
nos experimentadores han sugerido que de conclusiones del laboratorio no se pueden
biéramos emplear una situación experimen transferir fuera del laboratorio.
tal sumamente estandarizada para estudiar Más atrás, en este mismo libro, nos enfren
ciertos tipos particulares de conducta. Todos tamos a este tipo de argumento, el cual fue
los experimentadores que están tratando de planteado mucho antes de la actual afirma
estudiar un tipo dado de conducta debieran ción de que los estudios ecológicos son más
emplear los mismos valores de cierto número importantes que los experimentos de labo
de variables extrañas: iluminación, tempera ratorio. La intención misma de llevar un “he
tura, ruido, etc. De esta manera se podría ejer cho del mundo real” al laboratorio es deter
cer un mejor control, y aumentaría la proba minar qué variables lo controlan, hecho que
bilidad de confirmar nuestros resultados mu habitualmente no se puede lograr con unas
tuos. La caja de Skinner es un buen ejemplo variables extrañas que afectan al azar la con
de un intento por estandarizar los valores de ducta. Sólo cuando el hecho es precisado con
las variables extrañas en un experimento, controles apropiados, podemos aum entar
porque se ha controlado la iluminación (la caja nuestra comprensión de si ocurriera natural.
es opaca), se ha controlado el nivel de ruido Por último, no hay nada malo en efectuar un
(es a prueba de ruido) y se ha impedido que experimento de campo, el cual es un verdade
toda una variedad de otros estímulos exter ro experimento efectuado en un escenario na
nos intervengan en el espacio experimental. tural. El principal inconveniente de los expe
Por otra parte, en condiciones tan estandari rimentos de campo, es que tienen infladas
variancias de error. Esta cuestión es muy com A. Generalización: el proceso de inferir

plicada, empero, y el estudiante interesado inductivamente una declaración más ge
deberá remitirse a las agudas respuestas da neral a partir de una o más declaracio
das a las críticas de experimentos de labora nes específicas.
B. Deducción: colocar una afirmación espe
torio por Berkowitz y Donnerstein (1982). cífica dentro de un contexto de la decla
ración más general (infiriéndola deduc
UNA OJEADA AL FUTURO tivamente) y explicar así la declaración
específica.
Con esto concluye nuestra presentación. Ha C. Predicción: inferir deductivamente una
terminado usted un libro sobre métodos de consecuencia a partir de una generaliza
investigación, pero el tema mismo es infini ción, de modo que la consecuencia ten
ga que ver con fenómenos aún no obser
to. Entre quienes han estudiado este libro, vados.
algunos llegarán a ser investigadores de talen IV. El fundamento para las inferencias es el in
to; esperamos que quienes lo hagan, descu forme de evidencia, que es una declaración
brirán por sí mismos algunas características resumida de descubrimientos empíricos. Es
nuevas e interesantes de la conducta. Y espe una declaración directa que se remite a fe
ramos que todos hayan logrado una mayor nómenos limitados que son observables in
apreciación del sano conocimiento psicológi mediatamente.
co. Una ciudadanía ilustrada ciertamente ne V. Sin embargo, las generalizaciones son decla
cesita saber discriminar entre las prácticas raciones indirectas en la medida en que se
sanas y las espurias. remiten a fenómenos que no pueden, razo
nablemente, observarse en forma directa.
Para poner a prueba una declaración in
RESUMEN DEL CAPÍTULO directa y generalizada, necesitamos infe
rir deductivamente de ellas unas consecuen
I. Se pueden utilizar declaraciones generaliza cias lógicas que se puedan poner a prueba
das, que se derivan de la investigación cien directamente. Entonces podremos inferir
tífica, para explicar y predecir (así como para inductivamente que la declaración generali
controlar). zada probablemente es verdadera o falsa,
II. Las inferencias, que son procesos por los dependiendo de la verdad o falsedad de la
cuales llegamos a una conclusión sobre la declaración directa derivada de ella (véase
base de las afirmaciones precedentes rele figura 12-3).
vantes, pueden ser de dos clases: VI. Dependiendo del modo en que se haya for
A. Inferencias deductivas, en que la conclu mado la hipótesis empírica, y de la verdad
sión es necesariamente cierta si la afir o falsedad del informe de evidencia obteni
mación en que se basa es cierta. do para poner a prueba la hipótesis, podre
B. Inferencias inductivas, en que la conclu mos hacer varias clases de inferencias. Si la
sión se sigue de las declaraciones antece inferencia a partir del informe de eviden
dentes, con sólo un grado de probabi cia a la hipótesis es inductiva, la hipótesis
lidad. tendrá cierto grado de probabilidad (con
III. El esquema inductivo es una cadena de de firmación). Si la inferencia es deductiva,
claraciones que representan procesos de ra se infiere que la hipótesis es estrictamente
zonamiento basados en inferencias induc verdadera o estrictamente falsa (verifica
tivas y deductivas. Concatenación significa ción).
que las afirmaciones están encadenadas para A. Hipótesis universales:
formar un sistema compatible; este siste 1. Se les puede confirmar como proba
ma entrelazado aumenta la probabilidad de blemente ciertas mediante una infe
cualquier afirmación dada sobre otra que rencia inductiva, si el informe de evi
se hubiese tomado en aislamiento. Cuan dencia es positivo.
do se utiliza para reconstruir una empresa 2. Se puede inferir deductivamente que
científica, el esquema puede ilustrar los si son falsas, si el informe de evidencia
guientes procedimientos de razonamiento es negativo.
científico básico: B. Hipótesis existenciales:
1. Se puede inferir deductivamente que la variable de interés primario. En este

son ciertas si el informe de evidencia caso podrá usted generalizar a sus dos
es positivo. variables independientes, en la medida
2. Se puede inferir inductivamente que en que usted las haya muestreado.
probablemente son falsas, si el infor B. Para el caso II, la variable de interés se
me de evidencia es negativo. cundario sí afecta la variable indepen
VII. En experimentación, se puede generalizar diente primaria, pero no hay interacción.
partiendo del informe de evidencia, a la hi En este caso, usted puede generalizar a
pótesis en la medida en que se ha hecho su variable independiente.
muestreo de las poblaciones. C. Para el caso III, hay una interacción en
A. Si la muestra de participantes es repre tre sus dos variables independientes, de
sentativa de la población estudiada, po modo que la generalización es restricti
drá usted generalizar, de esa muestra a va: deberá usted declarar la naturaleza
la población. específica de la interacción en su conclu
B. Se pueden hacer declaraciones simila sión.
res para otras poblaciones que concier
nen al experimento, por ejemplo, ex REVISIÓN CRÍTICA PARA EL ESTUDIANTE
perimentadores, tareas y condiciones de
estímulo. 1. Para ayudarse a comprender mejor la natura
C. El diseño factorial es un método exce leza del esquema inductivo, podrá usted cons
lente para permitirnos hacer tales gene truir un esquema basándose en uno de los
ralizaciones. Sin embargo, tales genera otros cuentos de Sherlock Holmes.
lizaciones se ven restringidas si usted ha 2. Revise las definiciones básicas, como genera
empleado un modelo fijo. En un mode lización, predicción y explicación.
lo fijo habrá usted seleccionado valores 3. ¿Empleó mal Sherlock Holmes el término “de
específicos de su variable independien ducción”? ¿Ha notado que el término se em
te, caso en el cual podrá usted llegar a plea mal en su periódico y en otros aspectos
una conclusión sólo acerca de esos valo de la vida cotidiana?
res específicos. 4. Tal vez considerará usted, asimismo, desarro
1. Para un modelo fijo, se emplea el cua llar un esquema inductivo para algún ámbito
drado de la media intragrupos para de la investigación científica que sea de espe
su término de error en todas las prue cial interés para usted. Por ejemplo, podría
bas F en su análisis de la varianza. usted desarrollar uno para una teoría deter
2. Para un modelo aleatorio, se seleccio minada de la visión, para la teoría de “big
nan al azar valores de sus variables in bang” del origen del universo, o para una teo
dependientes y así se puede generali ría de cómo se desarrolló la vida. Al hacerlo,
zar a todas aquellas dimensiones de deberá usted subrayar los términos básicos de
la variable independiente. explicación, generalización y predicción en un
3. Para un modelo mixto, se emplea un contexto nuevo.
modelo aleatorio para una variable in 5. Podrá usted subrayar, para sí mismo, los pro
dependiente, pero un modelo fijo cedimientos básicos por los cuales las hipóte
para la otra. sis universales y existenciales se someten a
4. En el caso de modelos aleatorios o pruebas empíricas. Desde luego, aquí es bási
mixtos (que no es probable que usted co el uso de inferencias inductivas y deduc
emplee en este nivel elemental), po tivas.
drá usted consultar las páginas 118- 6. Resuma los procedimientos por los cuales po
121 para el término de error correc demos generalizar a partir de una muestra,
to, en su análisis de la variancia. hasta una población. Considere cómo se ase
VIII. Para determinar si su generalización a lo gurará usted de tener una muestra represen
largo de una dimensión de variable indepen tativa.
diente debiera limitarse, deberá usted po 7. La muestra a partir de la cual generaliza us
ner a prueba las interacciones entre sus va ted, ¿tiene que limitarse a los organismos?
riables independientes. lie aquí tres casos: ¿Qué otras poblaciones existen en un experi
A. Para el caso I, no hay interacción, y la mento, de las cuales obtendría usted muestras
variable de interés secundario no afecta aleatorias?
8. Revise la tabla 12-1. Podrá usted considerar caría sus descubrimientos y cómo haría pre
un experimento que haya realizado o que le dicciones a situaciones nuevas?
gustaría realizar, y hacer un diagrama de un 11. Probablemente deseará usted asegurarse
diseño factorial similar para su experimento, que puede definir los términos básicos utili
para generalizarlo a varias poblaciones. zados por todo el libro, y especialmente en
9. Especifique los modos en que las interaccio este capítulo. Tal vez el glosario que hay al
nes limitan la medida en que puede usted plan final del libro le sea útil para su revisión. He
tear su generalización. aquí algunos términos básicos que no debe
10. Defina los tres casos pertinentes al avance de olvidar: informe de evidencia, varias clases de
las generalizaciones. ¿Puede usted encontrar hipótesis, la diferencia entre inferencias in
ejemplos de esos tres casos en la bibliografía ductiva y deductiva, declaraciones directa con
científica? Podrá usted buscarlos cuando lea tra indirecta, confirmación contra verifica
las revistas en su biblioteca. En los experimen ción, y la relación condicional (la proposición
tos en que usted ha participado, ¿cómo expli “si... entonces... ”).
apéndice A
TABLAS ESTADÍSTICAS
TABLA A-1 Distribución para las pruebas t de una y dos colas
306
Proporción en la prueba de una cola
0.45 0.40 0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.025 0.01 0.005 0.0005
Tablas estadísticas
Proporción en la prueba de dos colas
0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.05 0.02 0.01 0.001
gl P 0.9
0.510 0.727 1.000 1.376 1.963 3.078 6.314 12.706 31.821 63.657 636.619
1 0.158 0.325
0.445 0.617 0,816 1.061 1.386 1.886 2.920 4.303 6.995 9.925 31.598
2 0.142 0.289
0.424 0.584 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841 12.924
3 0.137 0.277
0.414 0.589 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604 8.610
4 0.134 0.271
0.559 0.727 0.920 1.156 1.476 2.015 2.571 3.365 ; 4.032 6.869
5 0.132 0.267 0.408
0.404 0.553 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707 5.959
6 0.131 0.265
0.549 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499 5.408
7 0.130 0.263 0.402
0.546 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355 5.041
8 0.130 2.262 0.399
0.543 0.703 0.883 1.100 1.383 1.833 2.262 . 2.821 3.250 4.781
9 0.129 0.261 0.398
0.542 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 4.587
10 0.129 0.260 0.397
0.540 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106 4.437
11 0.129 0.260 0.396
0.395 0.539 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055 4.318
12 0.128 0.259
0.394 0.538 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012 4.221
13 0.128 0.259
0.393 0.537 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977 4.140
14 0.128 0.258
0.536 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947 4.073
15 0.128 0.258 0.393
0.392 0.535 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921 4.015
16 0.128 0.258
0.392 0.534 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898 3.965
17 0.128 0.257
0.392 0.534 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878 3.922
18 0.127 0.257
0.257 0.533 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861 3.883
19 0.127 0.391
0.533 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845 3.850
20 0.127 0.257 0.391
0.532 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831 3.819
21 0.127 0.257 0.391
0.532 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.792
22 0.127 0.256 0.390
0.532 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807 3.767
23 0.127 0.256 0.390
0.531 0.685 0.857 1.059 1.318 1.711 2.064 2492 2.797 3.745
24 0.127 0.256 0.390
0.531 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.725
25 0.127 0.256 0.390
0.531 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779 3.707
26 0.127 0.256 0.390
0.531 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771 3.690
27 0.127 0.256 0.389
0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763 3.674
28 0.127 0.256 0.389 0.530
0.530 0.683 01854 1.055 1.311 1.699 2.045 2.462 2.756 3.659
29 0.127 0.256 0.389
0.530 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750 3.646
30 0.127 0.256 0.389
oo 0.12566 0.25335 0.38532 0.52440 0.67449 0.84162 1.03643 1.28155 1.64485 1.95996 2.32634 2.57582 3.291
L a tabla A-1 se tom ó de la tabla IV de la obra de Rsher, Métodos Estadísticos para los Investigadores, 1949, publicado por Oliver y Boyd Ltd. Edim burgo, con autorización del
a u to r y d e lo s e d ito re s .
T A B L A A -2 Tabla de F
9lAnn?lc?0S gl A S O C IA D O S C O N E L N U M E R A D O R
D EN O M IN AD O R P 1 2 3 4 5 6 8 12 24 00
1
0.01 4052 4999 5403 5625 5764 5859 5981 6106 6234
0.05 161.45 199.50 215.71 6366
224.58 230.16 233.99 238.88 243.91
0.10 39.86 249.05 254.32
49.50 53.59 55.83 57.24 58.20 59.44
0.20 60.70 62.00 63.33
9.47 12.00 13.06 13.73 14.01
2 14.26 14.59 14.90 15.24 15.58
0.01 98.49 99.00 99.17 99.25 99.33 99.33 99.36 99.42 99.46
0.05 18.51 19.00 99.50
19.16 19.25 19.30 19.33 19.37
0.10 8.53 19.41 19.45 19.50
9.00 9.16 9.24 9.29 9.33 9.37
0.20 9.41 9.45 9.49
3.56 4.00 4.16 4.24 4.28
3 4.32 4.36 4.40 4.44 4.48
0.01 34.12 30.81 29.46 28.71 28.24 27.91 27.49 27.05 26.60
0.05 10.13 9.55 26.12
9.28 9.12 9.01 8.94 8 .8 4 . 8.74
0.10 5.54 8.64 8.53
5.46 5.39 5.34 5.31 5.28
0.20 5.25 5.22 5.18 5.13
2.68 2.89 2.94 2.96 2.97 2.97
4 2.98 2.98 2.98 2.98
0.01 21.20 18.00 16.69 15.98 15.52 15.21 14.80 14.37 13.93
0.05 7.71 6.94 13.46
6.59 6,39 6.26 6.16 6.04
0.10 4.54 5.91 5.77 5.63
4.32 4.19 4.11 4.05 4.01
0.20 3.95 3.90 3.83 3.76
2.35 2.47 2.48 2.48 2.48 2.47
5 2.47 2.46 2.44 2.43
0.01 16.26 13.27 12.06 11.39
TaMru estadísticas
10.97 10.67 10.29 9.89 9.47

0.05 6.61 5.79 5.41 9.02
5.19 5.05 4.95 4.82 4.68
0.10 4.06 4.53 4.36
3.78 3.62 3.52 3.45 3.40 3.34 3.27 3.19 3.10
0.20 2.18 2.26 2.25 2.24 2.23 2.22 2.20 2.18 2.16
6 2.13
0,01 13.74 10.92 9.78 9.15 8.75 8.47 8.10 7.72 7.31
0.05 5.99 5.14 6.88
4.76 4.53 4.39 4.28 4.15
0.10 4.00 3.84 3.67
3.78 3.46 3.29 3.16 3.11 3.05 2.98 2.90 2.82 2.72
0.20 2.07 2.13 2.11 2.09 2.08 2.06 2.04 2.02 1.99 1.95
TABLA A-2 continuación
308
gl Asociados
con el gl Asociados con el numerador
denominador 1 2 3 4 5 6 8 12 24 00
7
0.01 12.25 9.55 8.45 7.85 7.46 7.19 6.84 6.47 6.07 5.65
0.05 5.59 4.74 4.35 4.12 3.97 3.87 3.73 3.57 3.41 3.23
0.10 3.59 3.26 3.07 2.96 2.88 2.83 2.75 2.67 2.58 2.47
0.20 2.00 2.04 2.02 1.99 1.97 1.96 1.93 1.91 1.87 1.83
8
0.01 11.26 8.65 7.59 7.01 6.63 6.37 6.03 5.67 5.28 4.86
0.05 5.32 4.46 4.07 3.84 3.69 3.58 3.44 3.28 3.12 2.93
0.10 3.46 3.11 2.92 2.81 2.73 2.67 2.59 2.50 2.40 2.29
0.20 1.95 1.98 1.95 1.92 1.90 1.88 1.86 1.83 1.79 1.74
9
0.01 10.56 8.02 6.99 6.42 6.06 5.80 5.47 5.11 4.73 4.31
0.05 5.12 4.26 3.86 3.63 3.48 3.37 3.23 3.07 2.90 2.71
0.10 3.36 3.01 2.81 2.69 2.61 2.55 2.47 2.38 2.28 2.16
0.20 1.91 1.94 1.90 1.87 1.85 1.83 1.80 1.76 1.72 1.67
10
0.01 10.04 7.56 6.55 5.99 5.64 5.39 5.06 4.71 4.33 3.91
0.05 4.96 4.10 3.71 3.48 3.33 3.22 3.07 2.91 2.74 2.54
0.10 3.28 2.92 2.73 2.61 2.52 2.46 2.38 2.28 2.18 2.06
0.20 1.88 1.90 1.86 1.83 1.80 1.78 1.75 1.72 1.67 1.62
11
0.01 9.65 7.20 6.22 5.67 5.32 5.07 4.74 4.40 4.02 3.60
0.05 4.84 3.98 3.59 3.36 3.20 3.09 2.95 2.79 2.61 2.40
0.10 3.23 2.86 2 . 6? 2.54 2.45 2.39 2.30 2.21 2.10 1.97
0.20 1.86 1.87 1.83 1.80 1.77 1.75 1.72 1.68 1.63 1.57
12
0.01 9.33 6.93 5.95 5.41 5.06 4.82 4.50 4.16 3.78 3.36
0.05 4.75 3.88 3.49 3.26 3.11 3.00 2.85 2.69 2.50 2.30
0.10 3.18 2.81 2.61 2.48 2.39 2.33 2.24 2.15 2.04 1 90
0.20 1.84 1.85 1.80 1.77 1.74 1.72 1.69 1.65 1.60 1.54
13
0.01 9.07 6.70 5,74 5.20 4.86 4,62 4.30 3.96 3.59 3.16
0.05 4.67 3.80 3.41 3.18 3.02 2.92 2.77 2.60 2.42 2.21
0.10 3.14 2.76 2.56 2.43 2.35 2.28 2.20 2 . 10 ' 1.98 1.85
0.20 1.82 1.88 1.78 1.75 1.72 1.69 1.66 1.62 1.57 1.51
14
0.01 8.86 6.51 5.56 5.08 4.69 4.46 4.14 3.80 3.43 3.00
0.05 4.60 3.74 3.34 3.11 2.96 2.85 2.70 2.53 2.35 2.13
0.10 3.10 2.73 2.52 2.39 2.31 2.24 2.15 2.05 1.94 1.80
0.20 1.81 1.81 1.76 1.78 1.70 1.67 1.64 1.60 1.55 1.48
15
0.01 8.68 6.36 5.42 4.89 4.56 4.32 4.00 3.67 3.29 2.87
0.05 4.54 3.68 3.29 3.06 2.90 2.79 2.64 2.48 2.29 2.07
0.10 3.07 2.70 2.49 2.36 2.27 2.21 2.12 2.02 1.90 1.76
0.20 1.80 1.79 1.75 1.71 1.68 1.66 1.62 1.58 1.53 1.46
16
0.01 8.53 6.23 5.29 4.77 4.44 4.20 3.89 3.55 3.18 2.75
0.05 4.49 3.63 3.24 3.01 2.85 2.74 2.59 2.42 2.24 2.01
0.10 3.05 2.67 2.46 2.33 2.24 2.18 2.09 1.99 1.87 1.72
0.20 1.79 1.78 1.74 1.70 1.67 1.64 1.61 1.56 1.51 1.43
17
0.01 8.40 6.11 5.18 4.67 4.34 4.10 3.79 3.45 3.08 2.65
0.05 4.45 3.59 3.20 2.96 2.81 2.70 2.55 2.38 2.19 1.96
0.10 3.03 2.64 2.44 2.31 2.22 2.15 2.06 1.96 1.84 1.69
0.20 1.78 1.77 1.72 1.68 1.65 1.63 1.59 1.55 1.49 1.42
18
0.01 8.28 6.01 5.09 4.58 4.25 4.01 3.71 3.37 3.00 2.57
0.05 4.41 3.55 3.16 2.93 2.77 2.66 2.51 2.34 2.15 1.92
0.10 3.01 3.62 2.42 2.29 2.20 2.13 2.04 1.93 1.81 1.66
0.20 1.77 1.76 1.71 1.67 1.64 1.62 1.58 1.53 1.48 1.40
19
0.01 8.18 5.93 5.01 4.50 4.17 3.94 3.63 3.30 2.92 2.49
0.05 4.38 3.52 3.13 2.90 2.74 2.63 2.48 2.31 2.11 1.88
0.10 2.99 2.61 2.40 2.27
2.18 2.11 2.02 1.91 1.79 1.63

0.20 1.76 1.75 1.70 1.66 1.63 1.61 1.57 1.52 1.46 1.39
20
0.01 8.10 5.85 4.94 4.43 4.10 3.87 3.56 3.23 2.86 2.42
0.05 4.35 3.49 3.10 2.87 2.71 2.60 2.45 2.28 2.08 1.84
0.10 2.97 2.59 2.38 2.25 2.16 2.09 2.00 1.89 1.77 1.61
0.20 1.76 1.75 1.70 1.65 1.62 1.60 1.56 1.51 1.45 1.37
309
TABLA A-2 continuación
310
gl Asociados
con el gl Asociados con el numerador
denominador p 1 2 3 4 5 6 8 12 24 00
21 0.01 8.02 5.78 4.87 4.37 4.04 3.81 3.51 3.17 2 80 2.36
0.05 4.32 3.47 3.07 2.84 2.68 2.57 2.42 2.25 2.05 1 81
0.10 2.96 2.57 2.36 2.23 2.14 2.08 1.98 1.88 1 75 1 69
0.20 1.75 1.74 1.69 1.65 1.61 1.59 1.55 1.50 1.44 1.36
22 0.01 7.94 5.72 4.82 4.31 3.99 3.76 3.45 3.12 2 75 2 31
0.05 4.30 3.44 3.05 2.82 2.66 2.55 2.40 2.23 2 03 1 78
0.10 2.95 2.56 2.35 2.22 2.13 2.06 1.97 1.86 1 73 1 57
0.20 1.75 1.73 1.68 1.64 1.61 1.58 1.54 1.49 1.43 1.35
23 0.01 7.88 5.66 4.76 4.26 3.94 3.71 3.41 3.07 2.70 2 26
0.05 4.28 3.42 3.03 2.80 2.64 2.53 2.38 2.20 2.00 1 76
0.10 2.94 2.55 2.34 2.21 2.11 2.05 1.95 1.84 1.72 1 56
0.20 1.74 1.73 1.68 1.63 1.60 1.57 1.53 1.49 - 1.42 1.34
24 0.01 7.82 5.61 4.72 4.22 3.90 ■- 3.67 3.36 3.03 2.66
0.05 2 21
4.26 3.40 3.01 2.78 2.62 2.51 2.36 2.18 1.98 1 73
0.10 2.93 2.54 2.33 2.19 2.10 2.04 1.94 1.83 1.70 1 53
0.20 1.74 1.72 1.67 1.63 1.59 1.57 1.53 1.48 1.42 1.33
25 0.01 7.77 5.57 4.68 4.18 3.86 3.63 3.32 2.99 2.62 2 17
0.05 4.24 3.38 2.99 2.76 2.60 2.49 2.34 2.16 1 96 1 71
0.10 2.92 2.53 2.32 2.18 2.09 2.02 1.93 1.82 1 69 1 5?
0.20 1.73 1.72 1.66 1.62 1.59 1.56 1.52 1.47 1.41 1.32
26 0.01 7.72 5.53 4.64 4.14 3.82 3.59 3.29 2.96 2.58 2 13
0.05 4.22 3.37 2.98 2.74 2.59 2.47 2.32 2.15 1.95 1 69
0.10 2.91 2.52 2.31 2.17 2.08 2.01 1.92 1.81 1 68 1 50
0.20 1.73 1.71 1.66 1.62 1.58 1.56 1.52 1.47 1.40 1.31
27 0.01 7.68 5.49 4.60 4.11 3.78 3.56 3.26 2.93 2 55 pm
0.05 4.21 3.35 2.96 2.73 2.57 2.46 2.30 2.13 1.93 1 67
0.10 2.90 2.51 2.30 2.17 2.07 2.00 1.91 1.80 1 67 1 49
0.20 1.73 1.71 1.66 1.61 1.58 1.55 1.51 1.46 1.40 1.30
28 0.01 7.64 5.45 4.57 4.07
0 .0 5
3.75 3.53 3.23 2 .9 0 2.52 2 .0 6
4.20 3.34 2.95 2.71 2-56 2 .4 4 2 .2 9 2 .1 2 7.91 1.65
0.10 2.89 2.50 2.29 2 .1 6 2 .0 6
i fi?
2 .0 0 i .90 4^
3 j ao. j ao.
29
7.60 5.42 4.54 4.04 3.73 3.50 3.20 2.87 2.49 2.03
0.01
3.33 2.93 2.70 2.54 2.43 2.28 2.10 1.90 1.64
0.05 4.18
2.89 2.50 2.28 2.15 2.06 1.99 1.89 1.78 1.65 1.47
0.10
1.72 1.70 1.65 1.60 1.57 1.54 1.50 1.45 1.39 1.29
0.20
30
7.56 5.39 4.51 4.02 3.70 3.47 3.17 2.84 2.47 2.01
0.01
4.17 3.32 2.92 2.69 2.53 2.42 2.27 2.09 1.89 1.62
0.05
2.49 2.28 2.14 2.05 1.98 1.88 1.77 1.64 1.46
0.10 2.88
1.72 1.70 1.64 1.60 1.57 1.54 1.50 1.45 1.38 1.28
0.20
40
7.31 5.18 4.31 3.83 3.51 3.29 2.99 2.66 2.29 1.80
0.01
4.08 3.23 2.84 2.61 2.45 2.34 2.18 2.00 1.79 1.51
0.05
2.84 2.44 2.23 2.09 2.00 1.93 1.83 1.71 1.57 1.38
0.10
1.68 1.62 1.57 1.54 1.51 1.47 1.41 1.34 1.24
0.20 1.70
60
4.98 4.13 3.65 3.34 3.12 2.82 2.50 2.12 1.60
0.01 7.08
4.00 3.15 2.76 2.52 2.37 2.25 2.10 1.92 1.70 1.39
0.05
2.79 2.39 2.18 2.04 1.95 1.87 . 1.77 1.66 1.51 1.29
0.10
1.68 1.65 1.59 1.55 1.51 1.48 1.44 1.38 1.31 1.18
0.20
4.79 3.95 3.48 3.17 2.96 2.66 2.34 1.95 1.38
120 0.01 6.85
3.07 2.68 2.45 2.29 2.17 2.02 1.83 1.61 1.25
0.05 3.92
2.35 2.13 1.99 1.90 1.82 1.72 1.60 1.45 1.19
0.10 2.75
1.63 1.57 1.52 1.48 1.45 1.41 1.35 1.27 1.12
0.20 1.66
oo
3.78 3.32 3.02 2.80 2.51 2.18 1.79 1.00
0.01 6.64 4.60 S3
3.84 2.99 2.60 2.37 2.21 2.09 1.94 1.75 1.52 1.00
0.05 '
2.30 2.08 1.94 1.85 1.77 1.67 1.55 1.38 1.00
0.10 2.71
1.64 1.61 1.55 1.50 1.46 1.43 1.38 1.32 1.23 1.00
0.20 a
La tabla A-2 se resumió de la tabla V del trabajo de Fisher y Yates, Tablas Estadísticas para la Investigación en la Biología, la Agricultura y la Medicina, 1949; publicado por Oliver
y Boyd Ltd. Edimburgo, con autorización del autor y de los editores
W>
312 Tablas estadísticas
TABLA A-3 Valores de r para los niveles de contabilidad* de 0.05 y 0.01
Grados de
libertad Grados de
(N-2) j0.05 0,01 libertad 0.05 0.01
1 0.997 1.000 24 0.388 0.496
2 0.950 0.990 25 0.381 0.487
3 0.878 0.959 26 0.374 0.478
4 0.811 0.917 27 0.367 0.470
5 0.754 0.874 28 0.361 0.463
6 0.707 0.834 29 0.355 0.456
7 0.666 0.798 30 0.349 0.449
8 0.632 0.765 35 0.325 0.418
9 0.602 0.735 40 0.304 0.393
10 0.576 0.708 45 0.288 0.372
11 0.553 0.684 50 0.273 0.354
12 0.532 0.661 60 0.250 0.325
13 0.514 0.641 70 0.232 0.302
14 0.497 0.623 80 0.217 0.283
15 0.482 0.606 90 0.205 0.267
16 0.468 0.590 100 0.195 0.254
17 0.456 0.575 125 0.174 0.228
18 0.444 0.561 150 0.159 0.208
19 0.433 0.549 200 0.138 0.181
20 0.423 0.537 300 0.113 0.148
21 0.413 0.526 400 0.098 0.128
22 0.404 0.515 500 0.088 0.115
23 0.396 0.505 1000 0.062 0.081
L a t a b l a A - 3 e s u n r e s u m e n d e l a t a b l a V d e l a o b r a d e F is h e r , M é t o d o s E s t a d í s t i c o s p a r a I n v e s t i g a d o r e s , O liv e r y B o y d
L t d ., E d i m b u r g o , 1 9 4 9 , c o n a u t o r i z a c i ó n d e l a u t o r y l o s e d i t o r e s . L a i n f o r m a c i ó n a d i c i o n a l s e t o m ó d e l a o b r a d e
S n e d e c o r , M é t o d o s E s t a d í s t i c o s , I o w a S t a t e C o l l e g e P r e s s , 1 9 5 6 , c o n l a a u t o r i z a c i ó n d e l a u t o r y d e l e d it o r .
* L a s p r o b a b i l i d a d e s p r e s e n t a d a s c o r r e s p o n d e n a u n a p r u e b a d e c o n f i a b i l i d a d d e d o s c o l a s , e s d e c ir , q u e s e i g n o r a e l
s i g n o d e r.
apéndice B
REDACCIÓN DE SU
EXPERIMENTO

Ayudarle a adquirir la habilidad de comunicar La capacidad de comunicar por escrito todos
eficientemente los objetivos, métodos y hallaz los aspectos de su investigación, lo bastante
gos de su investigación. bien para que alguien más pueda repetir su
Lo que usted encontrará: estudio exclusivamente sobre la base de su in
forme. También deberán poder comparar mi
1. Una exposición detallada, paso por paso, de las fases
de redacción de sus informes de investigación.
nuciosamente sus nuevos resultados e interpre
2. Ciertos consejos sobre cómo refinar su escritura y
taciones con los de usted.
cómo evitar cierto número de errores y malas expre
siones comunes en su exposición.
CÓMO PREPARARSE tífica, o que se trate de una tarea asignada en

un curso de metodología. Esto aumenta la
Después de reunidos los datos, el investiga transferencia del aprendizaje a la conducta real
dor los analiza e interpreta estadísticamente, de la investigación, como psicólogos profesio
con alguno de los métodos presentados, en nales, que es el principal objetivo de este li
los capítulos 6 a 11, llega a una conclusión bro: ayudar a los estudiantes a adquirir con
apropiada y luego escribe el reporte. Debe ductas profesionales importantes con un mí
emplearse el mismo formato general utiliza nimo de ajetreo.
do al describir un experimento, ya sea que su Lo que sigue es un esbozo que puede em
trabajo vaya a publicarse en una revista cien plearse para hacer el reporte de un experi
313
314 Redacción de su experimento
mentó u otra investigación. También encon su informe. Si esto no es posible, entonces el

trará sugerencias que deberán ayudarle a evi informe no está bien hecho. Por otra parte,
tar algunos errores cometidos a menudo por no deberá usted entrar en demasiados deta
los estudiantes, y otras indicaciones que de lles. Aquellos aspectos de un experimento que
berán conducir a una mayor aproximación a el experimentador considere improcedentes no
la escritura científica. deberán aparecer en el informe. Por ello, en
En primer lugar, debemos estar conscien general, el informe deberá incluir todo aspec
tes de que aprender a redactar manuscritos to importante del experimento pero también
de investigación es tarea difícil (aunque, a la deberá ser todo lo conciso posible, pues la
postre, satisfactoria). A menudo resulta frus escritura científica es escritura económica.
trante para el estudiante, así como para el El escritor también deberá esforzarse por
profesor que lee el informe del estudiante. Por lograr claridad de expresión. Si una idea se
tanto, deseamos concentrarnos en especial en puede expresar simple y claramente, no se le
esta sección, de modo que el producto final deberá expresar compleja y ambiguamente;
sea útil para todos. los términos rimbombantes, la jerga técnica y
La meta general del informe de investi las frases ampulosas deberán evitarse siem
gación es transmitir información científica pre que sea posible (y por favor, no invente
o tecnológica. Si el investigador efectúa un palabras).
experimento pero nunca informa de él al mun Como psicólogos, nos apegamos a ciertas
do científico, bien podría no haber empren convenciones estandarizadas. Las convencio
dido siquiera la labor. Lo mismo puede de nes y cuestiones relacionadas con la redacción
cirse si un artículo no es comprensible. El de los reportes experimentales, pueden en
informe científico es el corazón mismo de la contrarse en el Publication Manual of the Ame
ciencia. Tratamos de aprender a escribir in rican Psychological Association. 1
formes bien organizados que comuniquen cla El Publication Manual ofrece algunas suge
ramente, que sean precisos y que sean fácil rencias excelentes sobre cómo escribir bien,
mente comprensibles por el lector. ¿Cómo cómo presentar sus ideas en forma moderada
alcanzar esa meta? La respuesta es la misma y tersa, cómo evitar la ambigüedad en sus fra
que para lograr un alto grado de eficiencia ses y cómo hacer las cosas más claras. Tam
en cualquier tarea difícil: por medio de prác bién se insiste en el empleo preciso de las
tica y más práctica. palabras. Le convendrá a usted estudiar con
Antes de sentarse a escribir, deberá usted cierto detalle ese manual.
estudiar una revista modelo, a la que planee Deberá notarse la relación directa que hay
usted enviar su informe para su publicación. entre el escrito y el esbozo del plan experi
Por ejemplo, podría usted seleccionar e\ Jour mental, del capítulo 5. Convendrá hacer fre
nal of Experimental Psychology: General, que pue cuentes referencias a ese esbozo en el análisis
de encontrar en su biblioteca. Estudie varios siguiente, pues ahí habrá usted hecho ya una
números recientes de la revista, leyendo con buena parte del informe.
todo detalle varios artículos. Observe, preci
samente, cómo los autores han comunicado REPASO DE LOS COMPONENTES
cada paso del método experimental al lector. DE UN MANUSCRITO
En su estudio bibliográfico, habrá usted no
tado ya cómo los autores tratan ciertos facto Los siguientes son los elementos que usted
res que usted tendrá que considerar en su in deberá incluir si entrega su artículo para que1
forme.
El principio más importante que debe usted
seguir al describir un experimento es que su 1 El Publication Manual a menudo puede conseguirse
en cualquier librería local, obtenerlo de un profesor ama
informe incluya todo aspecto importante del ble o escribiendo a Publication Sales, American Psycholo
experimento: alguien más deberá poder repetir gical Association, 1200 17th Street, NW Washington, D.C.,
su experimento, exclusivamente sobre la base de 20036.
Redacción de su experimento 315
sea publicado en una revista. Disponga las muestra de un informe en la página 324. El
páginas del manuscrito de la manera siguien título debe ser breve y revelador del tema exac
te y numere todas las páginas, salvo las figu to del experimento. Si usted está estudiando
ras, consecutivamente. la interacción del nivel de pulsión y la canti
dad de reforzamiento, incluya en el título una
• Frontispicio con el título, el nom bre del autor y declaración de las variables de pulsión y de
su afiliación, y el título de página (página sepa reforzamiento. No hay que especificar en el
rada, página nu m erad a 1) título cada tema incluido en el informe. En
• R esu m en (p ág in a se p arad a , p ág in a n u m e ra el título no deben emplearse abreviaturas. La
da 2) longitud máxima recomendada para el título
• Texto (com ience en u n a nueva página, num e es de 12 a 15 palabras, y deberá ser exclusivo:
rad a 3) deberá distinguir su estudio de todas las de
• Referencias (com ience en u n a página nueva) más investigaciones. Se deberán evitar frases
• A péndices (com ience en u n a página nueva) introductorias como “Un estudio de...”, o “Una
• N otas de identificación del au to r (com ience en investigación de...”, pues se da por sentado
u na página nueva) que usted está estudiando algo. Un buen títu
• N otas de pie de página (com ience en u n a pági lo sería: “La Interacción de la Pulsión y el
na nueva) Reforzamiento en la Adquisición de una Ta
• Tablas (coloque cada u n a en u n a página sepa rea Motora”.
rada) El título deberá escribirse en mayúsculas y
• Pies d e las fig u ra s (com ience en u n a página minúsculas, centrado en la página. Luego el
nueva) título breve, mecanografiado en el extremo
• Figuras (coloque cada una en una página sepa superior derecho de la página, sería “Pulsión
rada) y Reforzamiento”. El titulillo es un título abre
viado que se imprime en lo alto de las pági
Esta no sería la manera en que se impri nas de un artículo publicado, para identificar
ma su informe, pero es la manera en que re el artículo ante los lectores. Es conveniente
visores e impresores tratan los manuscri que sea breve, de menos de 50 letras, meca
tos que se les envían para publicación. Será nografiado en mayúsculas en la parte baja del
buena práctica que usted siga esos proce frontispicio. Un titulillo podría decir “Pulsión
dimientos. Además para el reporte de inves y Reforzamiento en el Aprendizaje Motor”;
tigación que debe entregar en su curso de mecanografíe directamente abajo el número
metodología incluirá sus datos crudos y su de la página.
análisis estadístico en un apéndice. Esto per
Nombre del autor y afiliación
mitirá a su instructor revisar sus procedimien
a una institución
tos y tal vez ofrecerle algunas sugerencias.
También lo preparará a usted para incluir sus
datos originales en una tesis en caso de que En una línea, a doble espacio, bajo el títu
su trabajo aspire a un grado avanzado. (“Da lo, deberá usted mecanografiar su nombre y
tos crudos” es un término que implica que el de su institución o universidad, debajo de
los datos no han sido estadísticamente tra su nombre, bien centrado. Si el informe tie
tados.) ne más de dos autores, ponga sus nombres,
uno tras otro en la misma línea, separados
LAS PÁGINAS DE UN MANUSCRITO:
por comas. No especifique el departamento
de psicología de la institución. A veces, toda
EL FRONTISPICIO una clase colabora en un experimento, caso
en el cual habrá múltiples autores. De ser así,
La primera página es la del título. Contiene lo mejor será poner sólo el nombre de usted,
tres elementos: el título, el (los) autor(es) con y no enumerarlos a todos, incluyendo al pro
la afiliación y el titulillo, como aparece en la fesor.
LA PÁGINA DEL RESUMEN introductoria de su informe en la parte co

rrespondiente a la revisión de la bibliografía
El resumen estará en la segunda página de su de su plan de investigación. En su introduc
artículo. Deberá escribirlo después de haber ción, deberá usted desarrollar lógicamente su
completado el resto del escrito. El resumen, problema, citando los estudios más pertinen
mecanografiado en una hoja separada, inclui tes. Luego, deberá hacer una declaración re
rá el título abreviado y el número de páginas sumida del problema, preferiblemente en for
en el extremo superior derecho. El resumen ma de pregunta. Los resultados de la revisión
compendia el artículo y ofrece prontamente bibliográfica deberán llevar, sin transición, al
al lector la esencia de la investigación. En 100 planteamiento del problema. Por ejemplo, si
a 150 palabras plantee el problema, el méto usted está estudiando los efectos del alcohol
do (incluya aquí el número, tipo, edad y gé sobre el desempeño de una tarea de cancela
nero de los participantes; el diseño de la in ción (por ejemplo, borrar todas las letras E,
vestigación y los aparatos), los resultados en una serie de letras), deberá usted resumir
(incluyendo niveles de significación estadísti los resultados de experimentos anteriores, que
ca) y las conclusiones e implicaciones. Los re muestren los efectos nocivos del alcohol so
sultados y las inferencias hechas a partir de bre varios tipos de ejecución. Luego, indique
los resultados son la parte más importante del que no hay una obra anterior sobre los efec
resumen. No cite referencias en el resumen. tos del alcohol en la tarea de cancelación, y
Deberá usted añadir algunas palabras cla que el propósito de su experimento fue ex
ve al final de su resumen. Estas palabras clave tender los anteriores descubrimientos, a esa
son útiles para la búsqueda computarizada de tarea. Por tanto, el problema es: “¿Afecta
información. Ayudarán a otro investigador a nocivamente el consumo de alcohol el desem
identificar específicamente la investigación de peño de una tarea de cancelación?” También
interés directo, entre una masa de artículos, se deberán presentar lógicamente los pasos
que de otra manera tendría que revisar. Por que condujeron al planteamiento de la hipó
ejemplo, la palabra “ansiedad” por sí sola, re tesis; pero la hipótesis misma deberá quedar
mitiría a miles de artículos, pero si se le aña planteada en una sola frase, preferiblemente,
den los términos “pulsión” y “reforzamiento” en la forma “S i...en to n ces...”. El plantea
sólo remitirá a los artículos más pertinentes. miento de la hipótesis y la definición de las
variables podrán ayudar al lector a compren
LAS PÁGINAS DEL TEXTO der lo que usted intenta hacer, los resultados
que espera y por qué los espera. El por qué
Comience el texto en la página 3, mecano
los espera usted entraña el desarrollo de una
grafiando el título corto y el número 3 en el
extremo superior derecho de la página. Me teoría, si usted tiene una.
Muchos rasgos del informe son arbitrarios,
canografíe el título del escrito centrado en lo
alto de la página y luego, debajo, mecanogra como por ejemplo, dónde define usted sus
fíe el texto. Todas las secciones del texto de variables. Podrán ser definidas precisamente
en la sección introductoria, o en la sección de
ben seguirse unas a otras sin interrupción.
método del estudio.
Por ejemplo, no comience las secciones de
“Método” o de “Resultados” en páginas nue
El método
vas. Cada página de manuscrito, salvo las de
las figuras, deberá llevar el título abreviado
La función principal de esta sección es
y el número de la página mecanografiados
decir a su lector precisamente cómo se efectuó
en el extremo superior derecho.
la investigación. Dicho de otra manera, esta
Introducción sección sirve para especificar los métodos de
recabar datos que son pertinentes para la hi
(Pero no lo llame “Introducción”.) Ya ha pótesis, datos que servirán para poner a prue
desarrollado usted una base para la sección ba la hipótesis. Es aquí donde tienen que to
marse las decisiones principales sobre qué as Los aparatos. Se deberán incluir todos los
pectos del procedimiento son pertinentes y aspectos pertinentes de los aparatos. Si em
cuáles no lo son. Si usted especifica cada de pleó un tipo estándar de aparato (por ejem
talle necesario para que alguien repita el ex plo, el taquistoscopio de Ralph Gerbr^nds),
perimento, pero no más, su reporte estará bien sólo ponga su nombre. De otro modo, habrá
hecho. Como ilustración, supongamos que que describir el aparato con detalle suficien
usted reporta un estudio en que condicionó te (incluyendo el número de modelo) para que
a su perro para que no se mantenga en la ca otro experimentador pueda obtenerlo o cons
lle. Diría usted al lector, por ejemplo, que, truirlo. Es recomendable que el estudiante
como reforzador, empleó unas croquetas para incluya un diagrama del aparato, en su escri
perro. Luego especificará usted la naturaleza to, aunque en las revistas profesionales, esto
precisa de las croquetas, precisar cuándo se sólo se hace si el aparato es complejo y nuevo.
entregaron de forma contingente a qué con
ducta específica del perro, y la forma precisa El diseño. El tipo de diseño empleado de
en que midió su variable dependiente. No es berá incluirse en una sección después de des
necesario decir que el color de la acera de la cribir el aparato. Se deben identificar los mé
calle era cemento blanco, o que el nombre de todos usados para asignar los participantes a
la calle era la Avenida Snoopy, ya que varia los grupos y los nombres dados a los grupos
bles como éstas no influirían en el desempe (por ejemplo, el grupo E puede ser el gru
ño. En realidad, sería extraño que los perros po experimental y el grupo C, el grupo con
se condicionaran diferencialmente, depen trol, etc.). Se deberán definir (operacional-
diendo del nombre de su calle. mente) las variables contenidas en la hipóte
Aunque las subsecciones situadas bajo el sis, si no fueron definidas ya en la introduc
rubro “Método” no son rígidas y se les puede ción; también es conveniente (al menos, para
modificar para que sirvan a cualquier experi que usted practique), indicar cuáles son las
mento, en general, deberá encontrarse en ellas variables independientes y las dependientes.
la siguiente información y habitualmente en También pueden incluirse aquí las técnicas
este orden: necesarias para ejercer el control experimen
tal. Por ejemplo, si hubo una variable particu
Participantes (o sujetos). La población se larmente difícil que había que controlar, se
deberá especificar con detalle, así como el podrán mencionar las técnicas empleadas con
método con que se obtuvo la muestra estu este propósito. Aquí cabe incluir los compro
diada. Al especificar la población, incluya misos insólitos hechos en su manipulación,
detalles como género, edad, ubicación geo procedimientos de aleatorización, contraba
gráfica general, tipo de institución de la que lanceo, u otros procedimientos de control.
procede, etc. Si algunos participantes de
la muestra tuvieron que ser “descartados” (es Procedimiento. Especifique con todo deta
tudiantes que no se presentaron a la cita o lle cómo recabó los datos. Deberá incluir o
que no pudieron realizar la tarea experimen resumir las instrucciones dadas a los parti
tal), habrá que incluir esta información, pues cipantes (si eran humanos), el programa de
la muestra tal vez no fuese aleatoria por cau mantenimiento y el modo en que los partici
sa de estos factores. Se deberá especificar el pantes se “adaptaron” al experimento (si no
número total de participantes, así como el nú eran humanos), cómo se aplicó la variable in
mero asignado a cada condición experimen dependiente y cómo se registró la variable de
tal. Diga que el tratamiento de los participan pendiente.
tes (humanos o animales), estuvo de acuerdo
con las normas éticas de la Asociación Psi Resultados
cológica Norteamericana (para un análisis
de la ética en la investigación, véase el Apén Desde luego, el meollo de la sección de
dice D). resultados es la presentación de los datos per
tinentes a la puesta a prueba de la hipótesis. de la sección sobre resultados, para presen

Estos datos se resumen en una frase precisa tar, analizar y llegar a conclusiones. Por cier
(el informe de evidencia). Si los datos están to que estas experiencias de aprendizaje no
de acuerdo con la hipótesis, entonces se con- siempre tienen un resultado favorable para
firrfi la hipótesis. Si no son de la naturaleza los artículos seleccionados, lo que nos da la
predicha por la hipótesis, entonces la hipóte oportunidad de ver que hasta los artículos
sis es rechazada. publicados podrían mejorarse considerable
Esta sección es una de las más difíciles de mente. Otros dividendos de este procedimien
escribir para los estudiantes. Aun después que to de enseñanza consisten en ayudar al estu
el instructor ha hecho comentarios individua diante a familiarizarse con las publicaciones
les a los estudiantes sobre dos o tres informes de nuestro ámbito, a adquirir el hábito de vi
de investigación en un curso, muchos estu sitar la biblioteca y, al menos, de hojear las
diantes siguen teniendo dificultades para pre revistas nuevas conforme llegan, para formar
sentar correctamente sus resultados. Por con se un acervo de conocimientos acerca de la
siguiente, se recomienda su atención especial investigación actual, etc. El estudiante serio,
a esta sección. que pronto adquiere el “hábito de leer revis
El propósito de esta sección es brindar al tas”, se beneficiará de muchas maneras, in
lector información suficiente para compren cluyendo el descubrimiento de artículos de
der cómo llegó usted a su conclusión. Esto especial interés acerca de temas que desee
incluye la presentación sistemática de datos y seguir (¿investigar?) con mayor detalle.
el razonamiento, a partir de datos, hacia las
conclusiones. Con ello damos al lector la opor Construcción de tablas. Un resumen de los
tunidad de determinar si las conclusiones se datos en que se basa el informe de evidencia
justifican, y si esas conclusiones se relaciona se logra típicamente con una tabla, pero las
ron debidamente con la hipótesis empírica. figuras también tienen sus ventajas. Si se van
Como en breve lo veremos, para el típico a emplear tablas o figuras o ambas cosas, es
estudio entre grupos, empiece reportando las algo que depende del tipo de datos y del inge
medias, explicándolas, en detalle, y luego pre nio y la motivación del escritor. Unos y otros
sente los resultados del análisis estadístico. Sin se emplean para resumir y organizar datos.
embargo, no interprete los hallazgos en esta No se les emplea para presentar todos los
sección. Los datos deberán interpretarse y datos.
analizarse en la sección sobre “Discusión”. Una tabla consiste en números que resu
Para recalcar la importancia de su atención men los principales hallazgos del experimen
a la sección de “Resultados”, consideremos to. Deberá presentar estos números en forma
algunos errores o insuficiencias comunes sistemática, precisa y económica. En cambio,
entre los estudiantes. Por ejemplo, un estu una figura es una gráfica, carta, fotografía o
diante podría lanzar directamente al lector a material similar. Es particularmente apropia
una conclusión sin referirse siquiera a los da da para ciertos tipos de datos, como para
tos en una tabla, y sin explicar siquiera có mostrar el avance del aprendizaje. Sin embar
mo obtuvo esos datos. O bien, algunos estu go, la información sólo se deberá presentar
diantes simplemente incluyen una tabla de las una vez; es decir, no se deben presentar los
medias, con la desarmante conclusión de que mismos datos en una tabla y en una figura, o
“no hubo diferencias confiables”. Una valio en el texto escrito.
sa técnica consiste en que cada estudiante, en Al construir una tabla, se deberán deter
un curso, elija un artículo de una revista im minar primero los puntos principales que se
portante y extraiga y presente la información harán resaltar. Decida cuál es el modo más
sobre los principales pasos metodológicos se económico de señalar significativamente es
guidos por el autor publicado. En sus exposi tos puntos. Dado que el propósito principal
ciones, los estudiantes pueden prestar aten del experimento es determinar si existen cier
ción especial a los componentes principales tas relaciones entre variables específicas, la
tabla deberá mostrar si se encontraron estas o después de fumar: F (]/$) = 19.29, P < 0.01,
relaciones. Para ilustrar el formato de una en dos colas.
tabla, consideremos un estudio de los efectos Lo importante que debemos observar es
de un estresor psicológico sobre fumar ciga el formato de la tabla. Es importante obser
rrillos. Empezando por la idea de que los estí var el formato preciso, pues algunos estudian
mulos estresantes intensifican el hábito de tes pasan por alto ciertos detalles necesarios.
fumar, Pomerleau y Pomerleau (1987) induje Primero, observe cada aspecto de la tabla y
ron dos niveles de ansiedad en sus participan exactamente cuál es el formato de todos sus
tes: (1) se indujo un nivel elevado de ansiedad componentes. Por ejemplo, el título de la ta
haciendo que los participantes efectuaran bla es muy informativo. A la primera ojeada,
operaciones aritméticas mentales, bajo la pre podemos ver las posibles relaciones entre las
sión de una competencia y (2) en la condi variables, saber inmediatamente cuántos par
ción de ansiedad moderada, no se aplicó pre ticipantes intervinieron, etc. Han quedado
sión de competencia mientras se efectuaban satisfechos los requisitos antes planteados de
operaciones aritméticas mentales. Aunque el una buena tabla.
estudio incluyó muchos aspectos de las con Al estudiar la tabla 1 y otras tablas en todo
secuencias de fumar, sólo enfocaremos los este libro, así como las de artículos de revis
posibles efectos de fumar sobre el desempe tas en su biblioteca, adquirirá usted la capaci
ño de operaciones aritméticas mentales, como dad de presentar sus datos en forma eficiente
función de la condición de ansiedad. Pode y sistemática. En algunos casos, deseará usted
mos observar en la tabla 1, que la calificación incluir el número de sus participantes en sus
media (el número de restas correctas) antes grupos; a menudo deseará emplear medias
de fumar, para la condición de ansiedad ele para su variable dependiente, e incluir cierta
vada fue de 38.3, y que este valor sólo cambió medida de la variabilidad, como las desvia
ligeramente después de fumar. De manera ciones estándar. Si emplea usted abreviaturas
semejante, sólo hubo un cambio pequeño en para ahorrar espacios, explíquelas en una nota
el número promedio de restas correctas debi o pie de la misma tabla (lo mismo puede de
do a fumar, en el estado de ansiedad modera cirse de las figuras). Asimismo, no haga que
da. Un análisis estadístico confirmó que los su lector se remita al texto para comprender
efectos de fumar no producen un cambio es la tabla o figura: las tablas y figuras deben
tadísticamente significativo en el desempeño ser independientes.
de la aritmética mental. Por otra parte, el de Se puede presentar más de una tabla, y és
sempeño fue confiablemente mejor en el es tas pueden utilizarse con otros propósitos, ade
tado de ansiedad moderada que durante la más del de presentar datos. Por ejemplo, el
condición de ansiedad elevada, independien diseño del experimento puede ser más obvio
temente de que la tarea fuese realizada antes al presentar por pasos por separado en forma
tabular (este empleo de las tablas se recomien
da particularmente para que el estudiante ela
TABLA 1 La ansiedad y el desempeño de bore su reporte, ya que ayuda a “integrar el
aritmética mental2 experimento”).
Medias de los puntajes obtenidos en la ejecución de
aritmética mental (N = 10) Construcción de figuras. Los mismos prin
(Número de restas correctas) cipios generales invocados para la construc
Fumar ción de tablas son válidos para las figuras. Ca
Condiciones de racterísticamente, una figura ilustra una rela
ansiedad Antes Después ción entre las variables independiente y de
pendiente. El eje vertical (a veces llamado or
Alta 38.3 38.1
Baja 45.4 46.3
denada, erróneamente, como podrán ustedes
verlo en un diccionario), sirve para asignar
2 Tomado de Pomerleau y Pomerleau (1987). calificaciones a la variable dependiente; el
i
eje horizontal (que no es sinónimo de absci de otras figuras en todo este libro y en sus
sa), puede emplearse para mostrar los nive revistas.
les, valores o el tiempo (días, horas). Por
ejemplo, en un estudio sobre el aprendiza Algunas elaboraciones sobre la sección de
je, puede presentar datos de aprendizaje resultados. Es importante el orden de presen
como función del tiempo,3 o el número de tación de los datos en tablas y en figuras rela
ensayos. tivas a los análisis estadísticos. Una tabla de
Otro formato común es la gráfica de ba medias, o una figura en que están represen
rras o histograma, como el presentado en la tadas las medias, demostrará sus principales
figura 1 para el estudio sobre fumar. Ahí po efectos experimentales. Su análisis estadísti
demos estudiar el volumen del humo inhala co indica si sus medias son confiablemente
do (volumen total de cada bocanada), como diferentes entre sí. Por tanto, el análisis esta
función del estado de ansiedad. El volumen dístico viene después de presentar las medias,
total de bocanadas en condiciones de ansie a menos que un cuadro incluya unas y otras.
dad baja, puede verse que fue aproximadamen
te de 500 (unidades arbitrarias), mientras que La fuente de los números presentados en
en condiciones de ansiedad elevada, subió a sus tablas y figuras deberá ser identificada y
cerca de 600 unidades arbitrarias. El volumen explicada con precisión. A menudo, el lector
total de bocanadas en estado de ansiedad ele pasa un tiempo considerable descifrando la
vada, fue considerablemente superior al esta pregunta de qué significan esos números:
do de ansiedad baja: í (9) = 2.82, P < 0.01. Una aunque puedan parecer claros para el autor,
vez más, podemos ver que hemos establecido su escrito habrá contenido un error. Por ejem
un punto inmediatamente, remitiéndonos a plo, en lugar de decir que la “media de de
la figura 1, es decir, que el valor de la variable sempeño aparece en la tabla 1”, podríamos
dependiente cambió como función del esta ser más precisos y decir que “las calificacio
do de ansiedad. Luego presentamos los resul nes medias de aritmética mental (número de
tados del análisis estadístico. Deberá usted restas correctas) aparecen en la tabla 1 como
estudiar el formato de la figura 1 y el formato función del estado de ansiedad, antes y des
pués de fumar”. O, en otro caso, en lugar de
referirnos simplemente al “número de res
puestas”, podríamos decir: “El número me
9 El tiempo, a menudo estudiado en psicología, ha sido
explícitamente definido como “el modo que tiene la natu dio de respuestas durante el periodo de ex
raleza de que ocurra todo a la vez”. tinción de 15 minutos”. Esta información pue-
FIGURA 1 Volumen medio del total de bocanadas en condiciones de

alta y de baja ansiedad: N = 10 (tomado de Pomedeau y Pomedeau,
1987)
de presentarse en el texto, en la cabeza de la vez que tenga usted en claro el proceso, po
tabla o en el pie de la figura. drá excluirlo de informes ulteriores.
En los reportes de estudiantes, es buena No se deberán incluir en “Resultados” los
idea declarar la hipótesis nula como se aplica pasos dados para computar las pruebas es
a su experimento, y también el nivel de confia tadísticas (los auténticos cálculos). Sin em
bilidad que usted haya adoptado. Luego, de bargo, ya hemos dicho que en los escritos
su tabla de medias y de sus pruebas estadísti de estudiantes sí es aconsejable incluir los
cas, indique con detalle si usted ha rechaza datos crudos y los pasos dados en la compu
do su hipótesis nula. Por ejemplo: “La hipóte tación de la prueba estadística, todo ello en
sis nula era: no hay diferencia entre la media un apéndice especial, de modo que su instruc
de población de los grupos experimental tor pueda corregir cualesquiera errores que
y de control sobre la variable dependiente”. haya.
Acaso haya encontrado usted que su prueba No olvide que cada tabla y cada figura van
i produjo un valor de 2.20 que, con 16 gra en páginas separadas y se incluyen al término
dos de libertad, era confiable más allá del de su informe. Todos los letreros de figuras
nivel de 0.05. Des ser así, planteará usted van en páginas separadas, pero los encabeza
esta información como sigue: “¿(16) = 2.20, dos de cuadros van en lo alto del cuadro. El
P < 0.05”; es decir, usted especificará que ha autor indica dónde deben colocarse los cua
usado su prueba t con el número de grados dros y las figuras en el texto, como sigue:
de libertad entre paréntesis, que obtuvo el
valor computado indicado, y que este valor
Insertar aquí la tabla 1
era o no confiable en el nivel de probabilidad
elegido (aquí, 0.05). Podrá usted continuar
entonces: “Por tanto, es posible rechazar la La información anterior debe bastar para
hipótesis nula”. Formará entonces usted su in que usted empiece, pero se le recomienda
forme de evidencia que afirme que las con enérgicamente continuar su estudio de la téc
diciones antecedentes de su hipótesis se sos nica para construir figuras y tablas. Para ha
tuvieron, y que se descubrió, o no, que las cerlo, consulte los libros elementales de esta
condiciones consecuentes venían al caso. Por dísticas que haya en su biblioteca, y concén
ejemplo, puede usted declarar: “En resumen, trese en las figuras y las tablas que vea en las
al aumentarse sistemáticamente el nivel de revistas de psicología.
ansiedad de los estudiantes, también aumen
tó la rapidez de aprendizaje. Como este ha La discusión
llazgo está de acuerdo con la hipótesis em
pírica, podemos concluir que se confirmó Las funciones principales de esa sección
esa hipótesis”. Desde luego, si usted empleo son interpretar los resultados de la investigación
la hipótesis empírica para predecir que se re y relacionar esos resultados con otros estudios. La
chazaría la hipótesis nula, pero no fue así, en interpretación es un intento de explicar los
tonces debe concluirse que no se confirmó la resultados, tal vez valiéndose de una teoría ya
hipótesis empírica. existente. Si la hipótesis se derivó de una teo
Habiendo establecido un punto acerca de ría general, entonces la confirmación de la
la hipótesis nula, indiquemos inmediatamen hipótesis servirá para fortalecer esta teoría.
te que en los artículos publicados no se men Los descubrimientos a su vez son explicados
ciona la hipótesis nula. Antes bien, lo que he por esa hipótesis, en conjunto con la teoría
mos hecho explícito aquí, para los experimen más general. Si los descubrimientos son opues
tadores profesionales queda implícitamente tos a la hipótesis, entonces se requerirá algu
comprendido. Tal vez la comprensión que na nueva explicación para que usted pueda
usted tenga de la hipótesis nula podrá aumen plantear una nueva hipótesis diferente. O tal
tarse en caso de que su escrito incluya especí vez la hipótesis rechazada se pueda modificar
ficamente los pasos aquí mencionados y, una para que sea congruente con los resultados,
322 R e d a c c ió n de s u e xp e rim e n to
de modo que, para pruebas futuras, se plan sos son los resultados que s í se publican. Como
tee una hipótesis “remendada”. ilustración, si usted efectúa 100 experimen
Al relacionar los resultados con otros estu tos para poner a prueba una hipótesis que es
dios, podría volver a servir el estudio de la falsa, cinco de esas pruebas confirmarán erró
bibliografía. Al considerar los resultados ac neamente la hipótesis (“por casualidad”). Re
tuales junto con los anteriores, se pueden ob sulta alarmante que, de este modo, muchos
tener nuevos atisbos, que podrían ofrecernos de nuestros experimentos publicados simple
la pieza que falta y que constituye la solución mente hayan capitalizado el azar. Una respues
del rompecabezas. ta consiste en publicar sólo los experimentos
También pueden plantearse nuevas hipó que se hayan confirmado en las replicaciones.
tesis acerca de cualquier desviación inespera otra sería crear un D ia rio de resultados negati
da de los resultados. Por ejemplo, podríamos vos. El problema al que nos enfrentamos fue
preguntarnos por qué hay un súbito ascenso bien mostrado por Hudson, en su libro de
en la parte final de una curva de aprendizaje. 1968, A Case o f Need:
¿Es confiable este incremento? y de ser así,
¿por qué ocurrió? En pocas palabras, ¿cuales Hay una prisión en el desierto, verán ustedes, con
problemas adicionales se descubrieron que un viejo prisionero, resignado ya a pasar ahí su
sugieran líneas prometedoras para una nue vida, y uno joven que acaba de llegar. El joven ha
va investigación? Como los tres príncipes de bla constantemente de escapar y, al cabo de pocos
Serendip (capítulo 3), podría usted encontrar meses, lo logra. Está prófugo una semana, y luego
algo más valioso que lo que originalmente lo devuelven los guardias. Está casi muerto, loco
buscó. de hambre y de sed. Le describe lo horrible que
Si en su experimento hay limitaciones, este fue todo al viejo preso. Las interminables exten
es el lugar para analizarlos. Por ejemplo, ¿qué siones de arena, sin ningún oasis ni señales de vida
variables pudieron estar indebidamente con en ninguna parte. El viejo preso le escucha duran
troladas? (No controlar una importante varia te un rato y luego dice: “Sí, ya lo sé. Yo también
ble extraña significa que usted no deberá traté de escapar hace 20 años”. El joven preso le
publicar su informe.) ¿Cómo modificaríamos dice, “¿Sí? ¿Por qué no me lo dijiste en todos esos
el experimento si hubiera que repetirlo? meses que estuve planeando mi escapatoria? ¿Por
Considere usted también aquí, hasta qué qué no me hiciste saber que era imposible?” El
grado se pueden generalizar los resultados. viejo preso se encoge de hombros y dice: “¿Quién
¿A qué poblaciones se les puede extender con quiere publicar resultados negativos?” (p, 90)
seguridad? ¿Cómo pueden ser limitadas las
generalizaciones por variables no controladas, En resumen, deberá usted in ic ia r la sesión
y así sucesivamente? de a n á lis is con u n breve resu m en de los resultados
Pueden ocurrir resultados n eg a tivo s, cuan im p o rta n tes, se g u id a p o r u n a clara declaración
do una hipótesis predice algo, pero los resul de si refu ta ro n o co n firm a ro n la hipótesis. Luego,
tados son opuestos a esa predicción. También deberá usted relacionarlos con otros hallazgos y
significa que no se rechazó la hipótesis nula. te o ría s. Déjese guiar por preguntas como:
De manera un tanto extraña, algunos experi ¿Qué he aportado? ¿Cómo ha ayudado mi
mentadores se sienten “culpables” o “avergon estudio a resolver mi problema? ¿Qué conclu
zados”, cuando han obtenido resultados ne siones e implicaciones se siguen de mi estu
gativos. Cualquiera que sea la razón, no de dio? Sus lectores tienen derecho a unas res
berá usted darles “coartadas” largas (o ni si puestas claras, inequívocas y directas a estas
guiera cortas). Bastará una breve reflexión preguntas.
sobre por qué se les obtuvo. Para mostrarle mejor cómo puede usted ser
Los resultados negativos constituyen un flexible en las secciones de su escrito, si el
grave problema para nuestra ciencia, porque análisis es breve, podrá usted combinarla con
rara vez se les publica en nuestras revistas. la sección de resultados, dándole el título de
Entonces, nos preguntamos cuán tendencio “Resultados y análisis”, o “Resultados y con-
R e d a c c ió n de s u e xp e rim e n to 323
alusiones”. En realidad, a veces puede ayudar iniciales, año de publicación de estudio, títu
a un lector a interpretar un descubrimiento lo del estudio, nombre de la revista (no abre
inmediatamente después de ser presentado, viado) (y subrayado para indicar que debe ir
particularmente si hay un buen número de en cursivas), número del volumen (también
ellos en un experimento complejo. Es decir, subrayado para indicar que debe ir en cursi
el lector podría extraviarse en la sección de vas), y números de páginas. No incluya el
análisis al tratar de remitir una interpretación número de publicación de la revista. Por tan
dada, de vuelta a uno de varios resultados antes to, la primera referencia citada deberá incluir
presentados en la sección “Resultados”. se en la sección de “Referencias” de su escri
to, precisamente corno sigue:
PÁGINAS DE REFERENCIA
Referencias
La principal función de la sección de referen Im ashioya, H., D ollins, A.B., & Kakigi, S.
cias es documentar (dar autoridad a) declara (1987). Influencia de la inform ación de
ciones que usted haya hecho en su escrito. la respuesta m otora sobre la form a CNV
Los científicos no dicen, sencillamente: “Todo y tiem po de resolución. The Pavlovian
el mundo sabe que...”. Tienen que referirse a J o u rn al pf Biological_Spienoe, 8g, 1-6.
“la prueba”. Unas referencias apropiadas per
miten al lector encontrar sin dificultades la Es muy importante comprobar dos veces
fuente informativa en la biblioteca. A lo largo cada punto (número, coma, etc.,).4 Los erro
de todo el escrito deberán hacerse referencia res en las referencias, así como las citas mal
a estudios pertinentes, citando el apellido copiadas o los números que representan da
[del(los) autor(es)] y el año de publicación, tos, muestran una mala ejecución. La esencia
puestos entre paréntesis, de esta manera: “Un misma de nuestra ciencia es la producción de
estudio pertinente sobre los cambios de for obras de la mayor calidad. Después de com
ma de las ondas cerebrales cuando emitimos probar una referencia, cita o cualquier otro
una respuesta motora, fue efectuado por punto, conviene escribir ligeramente, a lápiz,
Imashioya, Dollins y Kakigi (1987)”. Otro tipo que la referencia, etc., ya fue comprobada, y
de cita es: “En una reciente revisión de los poner sus iniciales para indicar, en futuras
hallazgos de investigaciones en este terreno, referencias, que fue usted quien las puso.
en más de 80 por ciento de los estudios cita
dos, se encontró que la relajación era eficaz Un ejemplo
para aliviar los dolores de cabeza” (Jones,
1988). Todas las citas mencionadas deben in Lo que sigue es un ejemplo de escrito de
cluir el apellido del autor y el número de pá una investigación, cuando Vija I.usebrink
gina de la revista de que procede la cita. (1984) era estudiante. Ilustra algunos de los
Luego, todas las referencias deberán estar puntos importantes de este capítulo.
enumeradas en orden alfabético, al término
del escrito. Revise dos veces su exactitud, y ase
gúrese de que todas las referencias citadas en
el texto aparecen en la lista de referencias, y 4 Para detalles del formato de diversas fuentes (libros,
revistas, informes técnicos), remítase a revistas o al ma
viceversa. La forma y el orden de cada refe nual de publicación de la American Psychological Asso
rencia de revistas es como sigue: apellido, ciation (1983).
324 R e d a c c ió n de s u exp e rim e n to
R e d a c c ió n de s u e x p e rim e n to 325
326 R e d a c c ió n d e s u exp e rim e n to
R e d a c c ió n de s u e x p e rim e n to 327
328 R e d a c c ió n de s u e x p e rim e n to
R e d a c c ió n de s u e xp e rim e n to 329
330 R e d a c c ió n d e s u e x p e rim e n to
COSAS Q U E DEBEN HACERSE Y COSAS afirmación similar, deberá usted tener los
Q U E NO DEBEN HACERSE datos necesarios para apoyarla: deberá usted
citar una referencia pertinente. Es de mala
Por último, he aquí algunas sugerencias adi escritura emplear frases tan trilladas como “Es
cionales que podrán ayudarle a mejorar sus un hecho demostrado que...” o “Todo el mun
informes. Algunas cosas aparecen cada año do sabe...” Tales frases probablemente signi
con los nuevos estudiantes, muchas de ellas fican, en realidad, que el autor no tiene datos
de poca importancia, pero si usted aprende o no se molestó en buscar una referencia per
ahora debidamente, podrá mejorar su eficien tinente. Si usted carece de datos pero aún así
cia al escribir artículos en el futuro. Muchas quiere expresar una de estas ideas, emplee la
convenciones facilitan la comunicación en los sección introductoria y plantéela del modo
escritos científicos. más tentativo posible; por ejemplo: “Es posi
ble que los zurdos tengan más firme la mano
Estudie las revistas. Lo primero que hay que derecha, de lo que los derechos tienen la mano
hacer, y que es de g r a n im p o rta n c ia , es consul izquierda,” o “Al respecto, debe preguntarse
tar varias revistas psicológicas recientes. Po si los zurdos...” La idea es que, si usted desea
drá usted empezar por elJ o u r n a l o f E x p e r im e n afirmar que algo es cierto, cite los datos (una
ta l P sychology: G eneral, aunque en su bibliote
referencia) en su apoyo; no bastan simples
ca encontrará usted otras muchas buenas pu opiniones planteadas de manera positiva.
blicaciones. Elija varios artículos publicados
y estúdielos minuciosamente, en particular su Hable en serio. A veces, los autores mues
formato: por ejemplo, estudie las figuras, ta tran la tendencia a “amplificar” su investiga
blas, secciones y subsecciones, con sus letre ción. Un desconocido cínico nos ofreció una
ros; observe, por ejemplo, qué palabra y sím traducción de algunas frases encontradas en
bolos están subrayados. Trate de anotar los
los escritos técnicos, y de lo que “en realidad”
ejemplos de las sugerencias que le hemos ofre pueden significar. Deberá usted reflexionar
cido y, particularmente, trate de encontrar la
sobre ellas mientras piensa cómo esci'ibir su
continuidad general de los artículos. Mas pre estudio: “De gran importancia teórica y prác
párese para el hecho de que probablemente
tica...”, (“A mí me interesó”); “Aunque no ha
no comprenderá usted cada punto de cada ar sido posible dar respuestas definitivas a estas
tículo. Aun cuando haya grandes secciones preguntas...” (“El experimento salió mal, pero
que usted no comprenda, no se preocupe de me imaginé que al menos podría sacar de él
masiado, pues esta comprensión llegará con
un artículo”); “fueron escogidos, para su es
mayores lecturas. Para cuando termine usted tudio detallado, los datos sobre tres de los
este libro podrá usted comprender la mayoría
participantes...”. (“Los resultados de los de
de los artículos profesionales. Desde luego,
más no tuvieron ningún sentido, y los pasé
algunos artículos son sumamente difíciles de
por alto”.) “La dosis experimental para los ani
compr ender, aun para especialistas en la ma
males fue contaminada involuntariamente
teria. Esto habitualmente se debe a la mala durante el experimento...” (“accidentalmente
calidad de las redacciones.
cayó al suelo”); “ La dosis experimental para
Cite a una autoridad. En sus propios escri los animales fue aplicada con extremo cuida
tos, algunos estudiantes hacen afirmaciones do durante el experimento...” (no se tiró al
como: “E s u n hecho dem o stra d o ” que los zurdos suelo”); “Se ilustran los resultados típicos...”
tienen la mano derecha más firme, que lo que (“Se muestran los mejores resultados”); “Esta
los derechos tienen la mano izquierda,” o “todo conclusión es correcta dentro de un orden de
el m u n d o sabe q ue es buena la educación sexual magnitud,..” (“es errónea”).
para los niños”. Tal vez el principal beneficio
que pueda obtenerse de un curso de métodos Evite las referencias personales. Otro deta
de investigación es una sana hostilidad hada lle que usted debe saber acerca de la redac
tal tipo de afirmaciones. Antes de hacer una ción de informes es que las referencias perso
R e d a c c ió n d e s u e x p e rim e n to 331
nales deben mantenerse en el mínimo,5 Por narlo, y v o lv e r a escribirlo, de ser necesario. Si no

ejemplo, un estudiante puede escribir cosas está usted seguro de cómo se escribe una pa
como “Creo que los resultados habrían sido labra, búsquela en el diccionario. Por desgra
distintos si yo hubiese...", o “Es mi opinión cia, muy pocos estudiantes han adquirido el
que...”. Hablando estrictamente, a su público “hábito del diccionario”, hábito que es carac
no le interesan mucho sus experiencias emo terística de la persona educada.
cionales, lo que usted cree, siente o piensa;
mucho más interesado está en los datos que Utilice las palabras con propiedad. ¿Qué es
usted haya obtenido y en las conclusiones lo que hace que algunos ingenieros y científi
que de ellos pueda sacar. En lugar de afirmar cos escriban tan mal? Un observador respon
sus ideas y sentimientos, deberá usted, enton dió que esto se debía a un “enfermizo estado
ces, decir algo como “Los datos indican que...”. mental”, identificado por dos “enfermedades”:
De manera similar, no adopte en su informe la enfermedad 1 (quadrafobia), caracterizada
un tono introspectivo. Al planear su reporte, por una abrumadora sed de una fraseología
tendrá usted que tomar muchas decisiones, trillada, que ya no nos dice nada, como “poco
pero no haga que su lector pase angustias jun me importa”. La enfermedad 2, la estatuma-
to con usted. Por ejemplo, no diga: “Este in nía, es un afán desenfrenado de estatus, o un
vestigador tuvo que decidir si era mejor para abrumador deseo de impresionar. Un grave
los niños estudiarlos por la mañana o por la síntoma de estatumanía es el mal uso de las
tarde. Después de extensas reflexiones, este palabras: “Si es grande, tiene que ser bueno.”
investigador decidió...”. Simplemente diga: Un ingeniero de considerable importancia, de
“Se estudió a los niños de 3 p.m. a 4 p.m.”. dicado a un proyecto que conduciría a la bús
queda de la roca lunar, escribió lo siguiente
Evite las frases duras o con carga emocio
(los términos mutilados aparecen en cursivas):
nal. Debe apartarse, en lo posible, de todo
“No soy el ingeniero ex p líc ita m e n te en tera d o de
estímulo emocional. Un ejemplo de mala es la espera del titanio; ni siquiera está en mi
critura sería: “Algunos psicólogos creen que a m b ig ú . Quisiera informarle a usted ahora
ciertas personas tienen percepción extrasen mismo que me opongo d ia b ó lica m en te a la idea
sorial, m ie n tra s otros a fir m a n q u e esto es sim p le
de que las propiedades físicas del titanio pue
d isp a ra te'’. Tampoco incluya adjetivos que ha
dan ser fa c to r im p o rta n te . Pero estaré encanta
gan evaluaciones en sus informes, como “un
do de c o m p a g in a r con usted acerca del proble
resultado interesante fue...”, o bien, “Estos ma. Hasta dejaré que fije usted el tem a de la
decepcionantes resultados sugieren que...” discusión.” La misma cita, con las correccio
Evite las faltas de ortografía. Estos apare nes en cursivas, diría: “No soy el ingeniero
cen con demasiada frecuencia en los infor específicam ente enterado de la esfera del titanio;
mes de estudiantes. Deberá usted tom arse la ni siquiera está en mi á m b ito . Y quiero infor
m o lestia d e leer s u in fo rm e después de termi marle a usted ahora mismo que me opongo
d ia m e tra lm e n te a la idea de que las propieda
des físicas del titanio puedan ser un factor
5 Aunque la convención habitual en los escritos cientí im p o r ta n te . Pero estaré encantado de c o n
ficos es evitar toda referencia personal, hay quienes sostie m ise ra r (término erróneo) con usted acerca
nen que no se debe sostener esa práctica. La siguiente cita del problema. Hasta dejaré que fije usted el
de un artículo intitulado “¿Por qué son tan aburridas las tono de la discusión” (White, 1971, p. 25). S i
publicaciones médicas?” expone la razón de este argumen
to: “Evitar decir ‘yo’ mediante impersonalidad y circunlo n o está u ste d seguro d e conocer el té rm in o correc
cuciones produce aburrimiento, y yo prefiero que me con to, ¡busque e n el diccionario, o b ie n em plee té rm i
sideren presumido y no aburrido. Los artículos se escri nos q u e s í d o m in e!
ben para interesar al lector, no para hacerle admirar al
autor. Se puede exagerar el anonimato voluntario, como Utilice con prudencia las abreviaturas y los
en el artículo de dos autores que llevaba una nota de pie
de página: “Desde que se escribió este artículo, por des acrónimos. Si los emplea, explíquelos. Y no
gracia uno de nosotros ha muerto” (Asher, 1958, p. 502). exagere de modo que su lector pueda perder-
332 R e d a c c ió n de s u exp e rim e n to
se en un laberinto de abstracciones. En un porcentaje se pueda cambiar en probabilidad y

divertido artículo intitulado “Camas mojadas a la inversa, nadie diría “la probabilidad era 5
y satisfacción sexual: la Ley de Wike de Pri por ciento” o “el porcentaje era 0.05”, si en rea
mas Bajas Nones (LWPBN)”, Wike (1973) lidad se quiere decir 5 por ciento.
4. Cuando se informe de los resultados de un aná
mostró este peligro: “El verdadero científico lisis estadístico, nunca diga: “Los datos son (o
se ve motivado por la búsqueda de fama, in no son) confiables. Los datos no son confia
mortalidad y dinero (FID) [él] ... trabajó casi bles en sentido técnico. En cambio, los resulta
diligentemente durante más de dos decenios dos de su análisis estadístico pueden indicar
en ese sombrío pantano (SP) llamado investi que hay una diferencia confiable entre sus me
gación, en busca de un apropiado principio, dias.
hipótesis o fenómeno al cual [llamar suyo]. 5. Cuando cite usted un artículo, ponga comillas
Recientemente, en una fuga del SP, la ley de al principio y al final de la cita, y mencione el
Wike de Primas Bajas Nones (LWPBN) en autor, el año y la página de referencia Luego,
contró un soberbio recurso mnemònico (RM). vea que la cita sea exacta, incluyendo las comas.
6. Los estudiantes pueden colaborar sistemática
Con respecto a RM, nótese que LWPBN, es mente en la fase de recabación de datos, pero
crito al revés, es NBPWL... la LWPBN dice deberán de escribir independientemente sus ar
sencillamente: Si el número de tratamientos ex tículos y efectuar personalmente sus análisis es
perimentales es un número primario bajo, non, tadísticos. Pida a un compañero que haga la
entonces el diseño experimental no está balancea crítica del primer borrador, de modo que des
do y es parcialmente confuso”(pp. 192-93). Con pués pueda usted mejorarlo. Si un compañero
cluye Wike, “El número creciente de núme no entiende lo que usted ha escrito, probable
ros abreviados (NA) en la bibliografía psico mente tampoco lo entenderá el maestro.
lógica debe considerarse como un auténtico 7. Establezca una distinción entre “resultados ne
avance. Hojeando un artículo con gran nú gativos” y “ningún resultado”. Los estudiantes
a veces dicen que “no llegaron a ningún resul
mero de NAs, el escritor técnico hábil podrá tado”, lo que quiere decir, al asombrado lector,
a menudo acercarse y a veces hasta alcanzar que aunque hayan invitado a participantes al
un estado similar al nirvana, de total incom laboratorio, por alguna razón extraña no se re
prensibilidad para sus lectores” (pág. 192). unieron datos.
Unos consejos finales son:123 8. Si es posible, mecanografíe usted su informe.
En ciertos estudios se ha demostrado que los
1. No enumere “aparatos” insignificantes, como estudiantes que mecanografían obtienen mejo
un lápiz (a menos que tenga particular impor res calificaciones. Tal vez los instructores ten
tancia). gan una “mejor disposición inconsciente men
2. Asegúrese de que sus verbos y sus sustantivos tal" para leer escritos mecanografiados. Y al
coinciden en singular o plural. mecanografiar, recuerde poner su máquina de
3. Hay una diferencia entre un valor de probabili escribir o su computadora en doble espacio y
dad (por ejemplo, P = 0.05) y un valor porcen déjela ahí para todo el informe, incluyendo refe
tual (por ejemplo, 5 por ciento). Aunque un rencias y tablas.
apéndice C
EL USO DE LAS
COMPUTADORAS
EN LA INVESTIGACIÓN
LAS COMPUTADORAS EN LA primera máquina lógica fue un aparato me

PERSPECTIVA HISTÓRICA cánico creado en el siglo xm por Ramón Lull,
teólogo y visionario español. Simplemente con
Las soberbias aportaciones de la computado hacer girar al azar ciertas partes de la máqui
ra moderna a tantos ámbitos de nuestros es na, podían producirse palabras y tratados, de
fuerzos sólo se pueden comprender debida modo que hasta una persona ignorante po
mente si consideramos, a través de la histo día escribir libros sobre cualquier tema.
ria, los esfuerzos del hombre por construir Se han creado muchos aparatos lógicos,
máquinas “calculadoras”. Desde luego, los pero la primera máquina (que consta defini
primeros útiles para el cálculo fueron nues tivamente) dedicada al cálculo, fue construi
tros diez dedos. Se emplearon muchos otros da en 1642 por el célebre matemático Pascal.1
sistemas primitivos de conteo, como el del En 1671, el famoso filósofo Leibniz, influido
pastor de ovejas que colocaba una piedra en por la obra de Lull, a la edad de 19 años in
una pila por cada oveja que iba al campo. Al ventó una máquina polifacética que podía
quitar una piedra cada vez que volvía una ove contar, sumar, restar, multiplicar y dividir.212
ja, el pastor podía precisar cuántas se habían
llevado los lobos. Poco después, al desarro
llarse el pensamiento cuantitativo, se creó un 1 El aparato de Pascal era un sistema de ruedas y rete
instrumento formal, el ábaco, como ayuda nes que podía automáticamente aumentar decenas, para
para hacer cálculos rápidos y precisos. sumar mecánicamente.
Las máquinas lógicas, que resuelven proble 2 Como filósofo, Leibniz previo el germen de un
álgebra universal por la cual todo conocimiento podría
mas en forma lógica, como las inferencias que obtenerse dentro de un solo sistema deductivo. Leibniz
hemos hecho en el capítulo 12, fueron bási sugirió que dos filósofos podrían resolver cualquier dispu
cas para formar la computadora moderna. La ta con este sistema, simplemente diciendo “calculemos”.
. 333
334 E l u so de la s c o m p u ta d o ra s e n la in ve stig a ció n
La primera calculadora realmente eficaz Una computadora de propósito espe

rales).
fue inventada por C. Babbage (1792-1871). Su cial hace operaciones específicas y limitadas
“motor analítico” era capaz de tabular los va como las que puede hacer una calculadora de
lores de cualquier función y de imprimir los bolsillo, o las que pueden hacerse en un au
resultados.3 Luego se crearon computadoras to que le dice a usted el número de kilóme
que podían efectuar en un instante cálculos tros que ha recorrido, su consumo de gasoli
complejos, pero no tenían memoria que les na, su velocidad media, etc. Para nuestra in
permitiera hacer frente a grandes bloques de vestigación, la que tiene especial valor es la
datos. También había problemas crónicos computadora de propósitos generales.
de falta de confiabilidad, ya que los primeros En el marco de la historia, el concepto de
aparatos de estado sólido generaban calor y una máquina de propósitos generales fue
eran muy sensibles a las variaciones de sus conocido como la máquina universal de Tu-
fuentes de energía. ring, por el nombre del matemático Alan
Turing, quien ayudó a descifrar el código se
LAS COMPUTADORAS MODERNAS creto de los alemanes durante la Segunda
Guerra Mundial. Turing mostró que si se
Hoy, las computadoras difieren de sus ante podía construir una máquina que efectuara
cesoras, ya que tienen buenas memorias. Este ciertas operaciones matemáticas básicas, po
avance se logró gracias al tubo al vacío elec día desempeñar c u a lq u ie r tipo de operación
trónico que podía aceptar y almacenar núme matemática. Así, en principio, una computa
ros para futuros cálculos automáticos. Las dora de propósitos generales con una progra
computadoras modernas con memoria se cla mación apropiada, puede resolver cualquier
sifican como co m putadora s de propósito especial problema que sea resoluble.
(dedicadas) o co m p u ta d o ra s de propósitos gene- 1 En los últimos decenios se ha logrado un
enorme aumento de la complejidad de las
computadoras, su cantidad de memoria y ra
Sin embargo, la principal aportación de Leibniz a las má pidez de cómputo, así como la disminución
quinas computadoras fue su sagaz reconocimiento de las de su tamaño. La cantidad de memoria no
ventajas de un sistema binario o de base 2 sobre un siste tiene límite. El límite de la velocidad de cóm
ma de base 10. En una escala binaria podemos represen puto es el de la velocidad de la luz, al que ya
tar cualquier número entero con una serie de ceros y de
unos. Así, el número entero 1 queda representado como han llegado hoy las “supereomputadoras”. Esta
1, 2 como 10, 3 como 11,4 como 100,5 como 101, etc. La limitación existe porque los electrones necesi
notación binaria para 2,456 es 100,110,011,000. En la es tan tiempo para ir de un lugar a otro, dentro
cala de base 10, los enteros están más complejamente re de los microchips y entre ellos. Hasta a los elec
presentados en términos de 10, El uso de la escala más
compleja de base 10 probablemente se debió al accidente trones que se desplazan con la velocidad de la
de que utilizamos los diez dígitos que tenemos en nuestras luz necesitan cierto tiempo para efectuar sus
manos para contar. cómputos. En realidad, el futuro uso de las
La idea de Leibniz de que podemos expresar cualquier computadoras parece tener pocos límites.
entero de Os y 1s, también influyó su filosofía. Infirió, a su Con respecto a su tamaño, las computado
manera metafísica, que Dios había creado el universo (1) a
partir de nada (0). Ésta es una confusión notable para un ras se clasifican como computadores del mar
matemático de los tamaños de Leibniz. Como los actuales co principal, que son las más grandes. Como
anunciadores de fútbol, erróneamente equiparó “nada” con minicomputadoras, que son un tanto más
“cero”. Cero es algo: es un número muy importante y, por pequeñas; y como microcomputadoras, que
ello, no es “nada”. (Una confusión muy similar consiste en
utilizar la letra O para representar cero, simplemente por usted se podrá colocar sobre las piernas. Las
que se parecen: es como decir que los Osos vencieron a los computadoras de marco principal y las mi
Leones por 47 a A; aunque esta práctica es aceptable en la nicomputadoras se emplean en los labora
vida cotidiana, donde la precisión no es tan importante.) torios que hacen grandes investigaciones,
3 Sin embargo, después de incurrir en gastos considey en las oficinas de gobierno y en empresas
rables el gobierno británico se abandonó el proyecto de
Babbage, y fue colocado en el Museo de Kensington, donde es necesario manejar grandes cantida
des de información procesada. La razón de
E l uso d e las c o m p u ta d o ra s e n la in v e stig a c ió n 335
que las computadoras actuales sean relativa procesamiento (UCP), que es el “cerebro” de
mente pequeñas, es que los grandes tubos al la computadora; la memoria que utilizamos
vacío electrónicos que ocupaban habitaciones para almacenar programas y datos; el teclado
enteras, fueron remplazados por transistores. y la pantalla (el tubo de rayos catódicos, (TRC)
Después, los transistores fueron transforma a través del cual nos comunicamos con el sis
dos en circuitos electrónicos integrados en tema; un aparato de almacenamiento en masa
microchips en escala mini. Un microchip es que, típicamente, consiste en discos en que
un minúsculo cuadrado de sílice y metal, que almacenamos programas y datos; la impreso
contiene circuitos integrados y similares, que ra, que nos da la impresión de los materiales;
desempeñan las mismas funciones que los e instalaciones de comunicación que pode
transistores, pero en formatos asombrosamen mos utilizar para comunicarnos de nuestras
te pequeños. El microchip contiene series de computadoras a otras. La gran ventaja de la
interruptores “on/off”, que significan un 0 microcomputadora es que puede efectuar sen
cuando el interruptor está apagado, y 1 cuan cillos cálculos secuenciales, multiplicar, sumar,
do el interruptor está encendido. Estos dos dividir y restar con extrema rapidez. Como
modos de operación de interruptor establece efectúa estos cálculos en aritmética binaria,
un sistema binario de aritmética en que se utilizando ceros y unos, todo lo que entra en
efectúan los cálculos de la computadora (véa la computadora debe traducirse a ceros y
se el pie de página 2). unos. Aunque esta traducción ya fue hecha
para el usuario típico, nos conviene al menos
LAS MICROCOMPUTADORAS estar conscientes de este progreso, tal cual fue
creado originalmente por Leibniz. Aunque el
Con el progreso de la electrónica, el precio teclado y el disco sean los típicos aparatos de
de las computadoras se ha reducido hasta tal “insumo” empleados en las microcomputado
nivel, que ya son comunes en nuestros hoga ras, otros aparatos de insumo en la computa
res. Y, lo que nos interesa más, el asombroso dora incluyen taijetas perforadas, almacena
aumento de energía y la concomitante reduc miento en discos, convertidores analógico-
ción de costos ha hecho que las universidades digitales, módems de líneas telefónicas y cin
puedan contar con microcomputadoras. Casi ta magnética; también pueden emplearse sis
todo el análisis conductual de datos puede temas de insumo mediante voz, para perso
lograrse con la computadora. Por ello, nos nas con incapacidades físicas. Pero principal
concentraremos en dicho análisis. Con el de mente empleamos un teclado para alimentar
sarrollo de la computadora digital electró la unidad de procesamiento central (UPC) con
nica de alta velocidad, ciertos proyectos de información.
investigación que incluyen un número fan Sin contar las unidades periféricas, la pro
tástico de datos y que efectúan un número pia microcomputadora consiste en una me
asombroso de cálculos, nos permite realizar moria principal y una UPC. En las micro-
proyectos de investigación con los que hace computadoras, la UPC es un microprocesador
pocos años sólo podíamos soñar. Además, que procesa información, mientras que la me
la computadora puede efectuar un enorme moria principal es donde se almacena la in
trabajo tedioso que estaría muy expuesto a formación. Ambos componentes se fabrican
errores entre seres humanos: los análisis más en forma de chips de sílice.
complejos se pueden efectuar con precisión, La información se almacena en la memo
eficiencia y rapidez. ria principal en forma de dígitos binarios lla
Una computadora es una máquina que con mados bits [que es una contracción de “binary
siste en gran número de circuitos electróni digit” (bi + t)]. Un bit de información es una
cos: (1) recibirá información, (2) procesará esa sola señal de on o de off (encendido o apa
información y (3) producirá esa información. gado). Es decir, un bit puede adoptar el valor
Los bloques de construcción básicos de la de 0 o de 1. Los bits se combinan para for
microcomputadora son la unidad central de mar una unidad conocida como byte. Un byte
i
es un conjunto de lugares en la memoria da conservar un registro físico de la computa

que pueden almacenar una pieza particular ción efectuado por la computadora.
de información cifrada como muchos valo
res de on-off en un solo lugar. Entonces, la SOFTWARE: CÓ M O INSTRUIR
computadora puede tener acceso al lugar para A LA COMPUTADORA
recuperar esa información. De ese modo, us
ted puede almacenar un dato sobre un tema La tecnología de las computadoras se puede
sobre un lugar de la memoria, otro sobre otro dividir en dos categorías principales: hardware
tema en un segundo lugar, otro sobre otro te y software. Los componentes mecánicos y elec
ma en un tercer lugar, etc. Entonces, se pue trónicos de una computadora constituyen su
de pedir a la computadora que sume esos va hardware, la máquina misma. La palabra soft
lores, que los eleve al cuadrado, que compute ware se refiere a las instrucciones que damos
su valor promedio, o lo que se desee. a la máquina para programarla a que efectúe
El tamaño de la memoria queda indicado nuestros cómputos. Incluye todos los pro
por una aproximación a cuántos bytes contie cedimientos que instruimos a la computa
ne. De este modo, una microcomputadora con dora para que los use. Típicamente metemos
64k de memoria tiene 65,536 bytes. La mayo los programas en una microcomputadora,
ría de las microcomputadoras modernas tie a partir de aparatos de almacenamiento de
nen memorias mucho más grandes. discos.
La información se almacena en unas pie A menudo damos instrucciones a las com
zas de almacenamiento llamados discos du putadoras utilizando programas de paquetes
ros para la memoria principal, incluidos o estandarizados, como para analizar datos es
anexados a la computadora y en discos blan tadísticamente por medio de una prueba t.
dos (y otros). Los discos blandos son versio En estos programas, ya se han elaborado las
nes menos costosas de los discos duros, que instrucciones y, esperamos, se han puesto bien
magnéticamente almacenan datos. Al apagar a prueba. Es como entrar en uno de esos res
la máquina, se borra la información almace taurantes de “comida rápida”: nos dan el
nada en la memoria principal y se pierde. Por menú, elegimos un platillo, e instruimos a la
ello, utilizamos sistemas auxiliares de almace computadora de que deseamos una “hambur
namiento, como discos para conservar infor guesa”. El software se encarga de lo demás.
mación fuera de la computadora. Más ade Los paquetes de programas más frecuen
lante, podremos volver a meter información temente empleados en psicología son los de
de los discos a la memoria principal y seguir análisis estadístico. Metemos Tos datos que
procesando esa información. deseamos que la computadora analice, y le
La función de la computadora es compu damos instrucciones sobre la manipulación de
tar, lo que significa efectuar operaciones arit datos. Por ejemplo, decimos a la computado
méticas y lógicas. Son efectuadas por la UPC. ra cuántos casos hay, cuáles son las variables,
Característicamente, una unidad de desplie cuántos valores pueden adquirir las varia
gue se encuentra conectada a un TRC, de bles, etc. El programa nos dice cómo crear
modo que podemos observar la información un archivo de información, cómo salvar este
que hemos introducido en la UPC. La com archivo, cómo recuperarlo, cómo hacerle co
putadora, bajo la guía de un programa espe rrecciones, y cómo borrar ese archivo de la
cífico, alimenta directamente al TRC con las memoria. *
respuestas y puede hacer preguntas para guiar Existen muchos programas útiles para el
lo a usted conforme avanza. Por ejemplo, po usuario, buenos para el análisis estadístico,
drá preguntarles cuántos números desea in que son aplicables a casi cualquier computa
troducir, podrá pedirle el programa que de dora, sea una IBM compatible, Apple, etc. Los
see emplear, etcétera. paquetes estadísticos más utilizados son
Una impresora es una unidad periférica los SPSS (Statistical Package for the Social
que aporta copias duras para que usted pue Sciences), Minitab, BMDP (BioMedical Com-
E l u so de las c o m p u ta d o ra s e n la in v e stig a c ió n 337
puter Programs), SAS (Statistical Analysis berá usted emplear la secuencia de mando
System), Statement SIZT, y Statmarks. El específica de su com putadora para tener
Minitab probablemente sea el más fácil de acceso al paquete, y entonces seguirá usted
usar. Un paquete programado que lleva el las reglas y procedimientos de ese paquete
nombre de Tadpole, tiene una capacidad en particular, para efectuar su análisis estadís
asombrosa para el análisis conductual.4 tico. Una vez completado el análisis, el paque
Por muy maravillosos que parezcan los pro te le dará una orden para que salga del pro
gramas “empacados”, usted debe saber lo que grama. En este punto, la computadora puede
está haciendo con ellos. Deberá usted com emplearse para cualquier otro propósito.
prender los principios de los métodos esta El programa le preguntará a usted por las
dísticos que está empleando. No puede usted variables que necesite usted emplear. Tendrá
confiar, a ciegas, que un programa empaca usted que introducir sus datos en forma de
do haga todo por usted. Y muchas, muchas columnas, de modo que cada columna corres
veces, el usuario recibe una respuesta tenien ponda a una variable en particular; por ejem
do poca idea de lo que significa, o de lo que plo, una columna puede ser para los valores
hará con ella. Más adelante desarrollaremos de su grupo experimental, con otra para el
este punto, especialmente al subrayar que us grupo control. En este punto, usted ordenará
ted debe comprender con detalle la naturale a la computadora realizar el análisis de datos
za de sus datos. De otra manera, como dicen, deseado. Por ejemplo, podrá usted emplear
“basura entra y basura sale”. un paquete programado para estadística des
criptiva para computar la media, mediana, el
EL USO DE PAQUETES ESTADÍSTICOS modo, la varianza y la desviación estándar de
sus datos. Por lo general puede usted dar
El manual de paquetes estadísticos ofrece ins instrucciones a la computadora para que ge
trucciones sobre las capacidades del paquete nere una distribución de frecuencia (un polí
y sobre cómo efectuar un análisis. Esos ma gono de frecuencia, o histograma), o para que
nuales ilustran típicamente el uso de progra grafique las existentes entre las variables, o
mas, paso a paso y gradualmente. podrá usted computar las correlaciones entre
El primer paso consiste en meter el paque cualquier par de variables, efectuar pruebas t,
te estadístico en la computadora. Luego, de- análisis de varianza, Ji cuadrada, diversas prue
bas no paramétricas, etcétera.
DESARROLLANDO SU PROPIO
1 Los archivos de datos de Tadpole contienen hasta PROGRAMA
9999 registros, cada uno hasta con 60 campos, y cada cam
po puede contener un número verdadero hasta con seis
cifras significativas. Las pruebas estadísticas que pueden Para ser más flexibles, podremos construir
encontrarse en Tadpole son medias, errores estándar, nuestras propias instrucciones utilizando un
sesgos, kurtosis, valores mínimo y máximo más rango, lenguaje de computadora. Hay muchos len
mediana, análisis de frecuencia que incluye diagrama de
barras, prueba t de Student para datos pareados y no pa guajes disponibles en los cuales escribir pro
reados, regresión y correlación lineal, regresión lineal gramas, que pueden entrar en la computado
múltiple, análisis A NOVA, en uno y dos factores para gru ra como software. Los más conocidos son
pos igualados y desiguales, tablas de contingencia, Ji cua FORTRAN (Formula Translation) y BASIC.
drada, la prueba exacta de Fisher, la prueba de McNemar Sin embargo, Pascal se ha vuelto el habitual
para la significancia del cambio, la prueba de Ji cuadra
da para una sola muestra, la prueba U de Mann-Whitney, para programadores avanzados. A menudo
'la prueba de rangos de pares igualados de Wilcoxon, la puede disponerse de BASIC, pero rara vez se
prueba de correlación de rango de Spearman, el coeficiente le emplea para una programación seria, pues
de correlación de rango de Kendall, el coeficiente de con suele ser lento y poco estructurado; sin em
cordancia de Kendall, el análisis de la varianza de un solo
factor de Kruskal-Wallis, el análisis de la varianza de ran bargo, antes fue muy popular por causa de las
gos en dos factores, de Friedman, y la prueba de supervi formas sencillas y condensarías de sus coman
vencia (Logrank) de Mantel-Haenzel. dos en inglés. Por ejemplo, se escribe un pro
¡
grama en BASIC o en Pascal, y se mecano funciones de laboratorio, como aleatorizar las

grafía en la memoria de la computadora por condiciones en los bloques de pruebas, de
medio de un teclado; por ejemplo, se ordena modo que puedan presentarse los estímulos
a la computadora “avance, lea y luego impri en ciertos órdenes predeterminados, sin que
ma el resultado”. La ventaja de escribir su el programador tenga que cambiar manual
propio programa es que la computadora pue mente las condiciones.
de hacer precisamente lo que usted desee. Por La computadora es de extrema utilidad si
otra parte, aprender a programar y limpiar el hay cierto número de operaciones repetitivas
programa requiere mucho tiempo. La mayo que deben efectuarse, de modo que sea mu
ría de los investigadores dependen de paque cha la oportunidad de un error humano; por
tes de programas, que tienen sus desventajas, ejemplo, puede registrar repetitivamente el
como más adelante veremos. momento en que se dio una respuesta, y
almacenarlo en un disco blando.
LA COMPUTADORA EN LA Por último, con un procesador de textos se
INVESTIGACIÓN pueden escribir y corregir los resultados.
Sin embargo, sería imposible exagerar la
Para facilitar el estudio de la bibliografía, la necesidad de probar y comprobar minuciosa
computadora es muy valiosa porque tiene ac mente los programas de computadora emplea
ceso a información almacenada en bases de dos. De otra manera, los virus (errores) de un
datos situadas en lugares remotos. Por ejem programa pueden hacer que se apliquen es
plo, podemos buscar una base de datos que tímulos en momentos erróneos, que se re
contenga información de Psychological Abs gistren incorrectamente los tiempos de res
traéis, para obtener referencias pertinentes a puesta, o que se confundan los valores de
nuestro trabajo. Combinando palabras claves, respuesta de distintos participantes.
podemos seleccionar las referencias más per En psicología hay muchas aplicaciones para
tinentes. Por ejemplo, si pedimos una impre la computadora, además de las que hemos
sión de referencias que contengan la palabra analizado. Por ejemplo, se han recabado, re
clave “esquizofrenia”, probablemente tendría ducido y analizado enormes cantidades de
mos que aguardar hasta mañana antes que la datos sobre observaciones naturalistas. Una
impresora se detuviera. Pero si combinamos lista de temas tomados de una reunión sobre
esa palabra clave con “ondas cerebrales”, la el uso de las computadoras en psicología,
longitud de la impresión sería mucho más mostrará su difundido uso, que sin duda con
razonable y pertinente. Después de imprimir tinuará aumentando:
las referencias, la computadora habitualmen
Redes de computadoras para recabación y análisis de
te le preguntará a usted si desea fragmentos datos: compartir la información entre micro-
de alguno de los artículos. Podrá usted pedir computadoras, mediante una gran computado
le los más relevantes para su trabajo. ra, empleando una red que cubra grandes dis
Los aspectos de control de un experimen tancias.
to, como la presentación de estímulos por Análisis por computadora de hechos fisiológicos: inclu
medio de diapositivas, se pueden efectuar yendo actividad cardiaca y cambios elcctroocu-
fácil y eficientemente, programando en la lográficos.
com putadora ciertos controles que hagan La computadora como herramienta de investigación:
avanzar el proyector de diapositivas. investigaciones controladas por computadora;
Puede usted programar su computadora un laboratorio automatizado.
Percepción del habla y producción de habla sintética,
para que controle una o más funciones de un generadas por computadora.
experimento; por ejemplo, podrá controlar la Interacción humano-computadora: auxiliares para es
presentación de estímulos, a intervalos espe cribir, aprender a programar, etc.
cíficos, por medio de diapositivas; mientras La computadora en sistemas de condicionamiento ope
hace avanzar el proyecto de diapositivas, si rante: medidas de amplitud de respuestas ope
multáneamente puede controlar también otras rantes.
E l u so de las c o m p u ta d o ra s e n la in v e stig a c ió n 339
Evaluación clínica de datos de biorretroalimentación: computadoras para hacer evaluaciones. Las

incluyendo EEG y EKG. evaluaciones con la ayuda de computadoras
Supercomputación en psicología: modelamiento cog han facilitado la adquisición de datos clínicos
noscitivo e inteligencia artificial. y la toma de decisiones con base en esos da
Enseñanza de aplicaciones de microcomputadoras: pro
gramas instructivos en psicología.
tos; por ejemplo, las computadoras presen
Sistemas de redes. tan, anotan e interpretan instrumentos psico-
métricos, como el MMPI. Para convencerse
de la variedad y cantidad de aplicaciones que
En resumen. Se podrá analizar la literatu
tienen en psicología, deberá usted leer Beha-
ra, controlar aspectos de un experimento, re
vior Research Methods, Instruments and Compu-
gistrar datos de variable dependiente, alma
ters, que podrá guiarlo eficazmente a unos
cenar datos, analizar estadísticamente los re artículos que facilitarán su trabajo. Por ejem
sultados y preparar su manuscrito (incluyen
plo, revise el número de diciembre de 1987,
do el trazo de figuras). Es importante que haga
el cual contiene cerca de 3 500 artículos dedi
usted una planeación sagaz de su investiga
cados a más de 150 distintos temas de psico
ción. Al desarrollar el plan de su investiga
logía.
ción, especifique los análisis estadísticos par
No hay duda de que la computadora ha lle
ticulares (pruebas), que relacionarán sus hi gado para quedarse, y de que sus funciones y
pótesis, junto con los niveles de probabilidad contribuciones seguirán extendiéndose sobre
para rechazar la hipótesis nula. Sin embargo,
muchos aspectos de nuestras vidas. La forma
los análisis hechos por computadora a menu ción de redes, la capacidad de las computado
do son “demasiado fáciles”, de modo que el
ras para comunicarse entre sí van sin duda en
investigador también efectúa unos análisis
aumento, por ejemplo, una solicitud común
estadísticos adicionales: simplemente con se
es que una pequeña microcomputadora se
leccionar otras opciones del “menú” y opri
comunique con una computadora de marco
mir un botón, el usuario puede generar todo
grande, que pueda estar situada en cualquier
un ámbito de análisis adicional. No sólo hay lugar del mundo. Hasta hay redes de compu
análisis excesivos, sino que puede haber una
tadoras que permiten a personas comunicar
violación del nivel de probabilidad declarado
se entre sí alrededor del mundo por medio
como hemos visto en el capítulo 6.
de satélites.
Aunque gran parte del uso de las compu
En conclusión. La computadora hace lo que tadoras sea efectuar análisis estadísticos, tam
le pidamos hacer, y debemos asegurarnos de bién es muy útil para operaciones no numéri
que lo que le pedimos sea correcto, pero su cas, como en los procesadores de textos. Un
empleo puede apartarnos de nuestros datos, procesador de textos es simplemente un pro
para nuestro perjuicio. Para mostrar más aún grama de computadora que permite a la com
la importancia de mantener contacto directo putadora aceptar material verbal, introducir
con nuestros datos, consideremos los ejem lo en su memoria, recuperarlo, corregir el
plos siguientes. material e imprimirlo. Hasta se usan progra
mas en procesadores de textos y máquinas de
EL GRAN VALOR DE LAS escribir para descubrir errores de ortografía
COMPUTADORAS y gramaticales, y que funcionan como diccio
narios.
En psicología y en educación, los usos aparte
de la investigación, incluyen instrucción con LA SIMULACIÓN POR
ayuda de computadoras, para sesiones de tu COMPUTADORA
toría y aprendizaje de memoria. El campo de
la inteligencia artificial es un vasto medio Se han desarrollado algunos laboratorios con
adicional para el empleo de computadoras. propósitos de enseñanza, utilizando la simu
También se han empleado extensamente las lación de experimentos en computadora. Los
340 E l u so d e la s c o m p u ta d o ra s e n la in v e stig a ció n
estudiantes no recaban datos “reales”, sino el laboratorio, como en un laboratorio cita

valores ficticios que se han empacado en pro do por Coren. Ese sistema era tan completo,
gramas, como si la recabación de datos fuese que hasta se prescindía automáticamente de
original. A menudo los datos resultan de un una hoja que acreditara al estudiante volunta
generador numérico aleatorio. Entonces los rio una hora de participación, una vez termi
estudiantes pueden eficientemente, aunque nada ésta. La computarización era tan com
no con realismo, seguir con su propia investi pleta, que el experimentador no se encontra
gación. Otra aplicación es la que simula el ba en el laboratorio. “Lo bonito” de este siste
papel de un psicoterapeuta. La computadora ma consiste en que el experimentador nunca
reacciona a las observaciones de un paciente, tiene que estar presente en personado siquie
imitando así los procesos terapéuticos. El pa ra ver a un sujeto. El problema de este sistema
ciente introduce declaraciones en la compu es que el experimentador no está presente en
tadora, la cual está programada para respon persona y nunca ve a los sujetos” (Coren, p.
der apropiadamente, como lo haría un tera 640). Por ejemplo, en un estudio, los datos
peuta humano. indicaron que un sujeto tenía una deficiencia
Algunas personas, particularmente las que visual al color, los días 1, 2 y 4, pero no el día
no están bien enteradas de la investigación 3. Interrogado, el sujeto reconoció sincera
conductual, han pedido que las computado mente que el día 3 un amigo suyo había ocu
ras simulen la conducta de animales y de se pado su lugar, y que más adelante, ese día, él
res humanos. Su solicitud de la simulación se había presentado por su amigo. Explicó que
computada ha sido especialmente insistente “Después de todo, los dos estuvimos el día
en los campos de la medicina, la fisiología y 3, por lo que no había ninguna diferencia”.
la psicología fisiológica. Aunque la simulación Luego, en una afirmación que arroja dudas
computada tiene cierto valor, semejante es sobre la validez de la empresa de todo un
trategia sería estéril, a la larga, pues una com año, añadió: “Muchos de nosotros lo hacemos
putadora sólo sabe lo que le decimos. Los cuando las sesiones se programan en mal mo
datos que introducimos se obtuvieron del es mento”.
tudio directo de la conducta; no es posible Al computarizar un laboratorio, debemos
que la computadora genere nuevo conoci comprender que, aunque hay muchas venta
miento más allá del que ya hemos aprendido jas para ahorrar tiempo, facilitar la recabación
y que hemos introducido. Lo que la computa de datos, transformar y reducir los datos, y
dora sí puede hacer es efectuar operaciones cuantificar y efectuar análisis estadísticos, a
lógicas, de modo que se pueda presentar el menudo son grandes los costos en el esfuer
conocimiento acumulado en configuraciones zo inicial por lograr el sistema que necesita
nuevas. mos. Los costos incluyen la programación, lim
pieza, interfase y, de gran importancia, la ve
TRAMPAS Y LIMITACIONES rificación “a mano” de que la computadora
está efectuando con precisión las tareas que
La parálisis computarizada del laboratorio. le hemos fijado. Por ejemplo, si va a compu
Y sin embargo, al emplear una computadora tar cierto número de correlaciones para us
existen dificultades. Cuando se le solicita efec ted, usted mismo deberá computar una, en
tuar experimentos, Coren (1986) nos advier persona, para revisar la computadora. Y el
te contra los laboratorios que sufren una “pa gasto inicial de esfuerzo y dinero podría ser
rálisis de computadoras”. Ésta es una “enfer considerable. El análisis computarizado tam
medad tecnológicamente producida que ocu bién incluye el tiempo requerido para apren
rre cuando no se ha inoculado a los investiga der a usar la computadora. Y los cálculos
dores contra algunos de los problemas inevi de ese tiempo van desde un año hasta toda
tables que acompañan la transición a un la la eternidad. Después de eso, muchas cosas
boratorio computarizado” (p. 637). Por ejem aún pueden salir mal; por ejemplo, los pro
plo, la computadora no tiene que invadir todo gramas deberán actualizarse, las partes e
E l uso de las c o m p u ta d o ra s e n la in v e stig a c ió n 341
interfases electrónicas pueden romperse. Ta enfoque directo, no sólo son lamentables,
les problemas pueden ser muy sutiles, de sino que pueden marear a cualquiera. Un es
modo que su descubrimiento y reparación tudiante que pidió todas las posibles correla
pueden ser costosos en materia de tiempo y ciones parciales que una matriz de datos de
de dinero. 18 X 18 ni siquiera pudo llevarse la impre
En conclusión, a menudo esperamos de sión que de ahí resultó, mucho menos com
masiado de la computarización, lo que lleva prenderla.
al investigador a computarizar aspectos del
laboratorio que no son benéficos y a recabar No pierda de vista sus datos crudos. El pro
muchos datos innecesarios. La parte del equi blema más grave de la investigación de labo
po más flexible y fácilmente programable de ratorio es que el investigador puede perder
laboratorio, es el investigador humano. Coren todo contacto directo con los datos origina
nos aconseja que debemos “dar a la computa les. Como hemos visto, las computadoras ha
dora la tarea de hacer cómputos repetitivos y bitualmente ofrecen mucha información que
de supervisar, pero no debe invadir todo el usted no necesita y que puede abrumarlo.
funcionamiento del laboratorio”. Esa adver También puede usted meterse en dificultades
tencia nos ayudará a evitar los peligros de la por aplicar mal un programa de paquete.
parálisis de computadoras en sus muchas Puede ser que el programa para el análisis de
manifestaciones. varianza que usted introduce utilice un tér
mino de error mientras que su trabajo requie
El desastre de la profusión. Ponemos al lec re un término de error diferente. Por ejem
tor en guardia contra otra trampa, el enfoque plo, usted podrá tener un modelo aleatorio,
de la profusión a la investigación. Es tan fácil mientras que el programador seleccionó el
recabar y analizar datos con una computado término de error para un modelo fijo (capí
ra, que se pueden reunir demasiados datos tulo 12).
improcedentes y análisis excesivos. En un ex Un paquete de programas contiene con
perimento citado por Coren, el “número de juntos de programas que pueden emplearse
ensayo, tiempo de reacción, estímulo presen con una cantidad relativamente limitada de
tado, respuesta seleccionada, bandera de co conocimientos de programación. Pero, repe
rrecto contra incorrecto, los marcadores que timos, se les debe emplear con gran cuidado,
indicaban uso de la mano y del ojo, el interva y es importante asegurarse de que se hayan
lo entre estímulos, el intervalo entre la res revisado la precisión y documentación ade
puesta y la siguiente presentación de estímu cuadas de cualquier programa que usted em
lo, y otras dos variables que se me han olvida plee. “Hasta que esté usted casi seguro de lo
do pero que corresponden a la señal de ad adecuado de un programa, empléelo con cui
vertencia, se registraron para cada ensayo. dado y precisión... o no lo emplee para nada”,
Dado que había más de 2 000 ensayos por te señala Kerlinger (1986, p. 636). El investiga
ma, esto representó un enorme cuerpo de dor debe plantearse esta pregunta: “¿Hace este
datos” (p. 641). Aunque los experimentado programa lo que yo deseo y necesito hacer?
res compraron memoria “extra” para su mi- Sin embargo, es muy probable que la pregun
crocomputadora, a la postre decidieron que ta rara vez se plantee, y virtualmente nunca
había demasiados datos para tratarlos de al se le da respuesta” (Kerlinger, 1986, p. 636).
guna manera conceptualmente significativa. Aunque desarrollar su propio programa sea
Por tanto, redujeron los datos al número que labor desagradable, hemos de comprender la
originalmente habrían debido recabar. Así, ve estadística básica antes de poder emplear con
mos que el investigador puede hundirse inteligencia un programa en paquete. Algu
en un análisis estadístico sin haber pensa nos están construidos de tal modo, que el usua
do suficientemente en las variables y sus im rio deja elecciones importantes al propio pro
plicaciones. Páginas enteras de estadísticos grama. Para asegurarnos de que sean preci
resultantes de este enfoque, en lugar de un sos, necesitaremos comparar minuciosamen
342 E l u so de la s c o m p u ta d o ra s e n la in v e stig a ció n
te los resultados de ellos con resultados obte Valores de variable dependiente de otros dos grupos
nidos a mano antes de poder confiar en un
Grupo A G ru p o B
programa. También deberemos efectuar cier
tas verificaciones de rutina, paso a paso, en 21.3 12.3
busca de errores. También es útil tener con 21.4 12.4
juntos de datos previamente analizados y ve 21.5 12.8
rificados, y emplearlos para poner a prueba X X = 64.2 X X = 37.2
X¿ = 21.4 X 2 = 12.4
un procedimiento nuevo.
Regreso a la ley del martillo. Recuérde Aquí, la diferencia media de 21.4 - 12.4 =
se que corremos el riesgo de efectuar cier 9.0 parece un poco más grande. Pero es ob
tas investigaciones simplemente porque dis vio que los valores son, relativamente, los
ponemos de instrumentos apropiados. Etzio- mismos en ambos experimentos. La única di
ni (1975) señaló el peligro de que la com ferencia es cuestión de lugares decimales. Sin
putadora fije la dirección de la investiga estudiar y elaborar cuidadosamente estos da
ción, adelantándose a la necesidad de re tos, podríamos creer que en el primer caso
flexión y pensamiento. Profesores y estudian sólo hubo una diferencia pequeña entre los
tes deben reconocer este peligro, porque cada dos grupos, mientras que en el segundo, la
vez aumentan más los estudios y análisis efec diferencia es bastante considerable. Y sin em
tuados tan sólo porque la computadora los bargo, la cosa es más grave. Considérese el
facilita. cómputo de la desviación estándar y el núme
ro de lugares decimales que se deben retener
EXAMEN DE LOS NÚMEROS QUE para el grupo A. Computamos la desviación
CONSTITUYEN NUESTROS DATOS estándar de 1:21.3, 21.4, 21.5 como sigue: HX
= 64.20, XJP = 1,373.90, i2 = 0.01, 5 = 0.10.
Si sencillamente metemos números a ciegas Hemos empleado cinco lugares decimales,
en una computadora, obtendremos un valor pero no más.
final de una prueba estadística, sin estudiar Consideremos ahora los datos del grupo A
en realidad los propios números, de ahí pue en el primer experimento calculado, al nú
den resultar muchas dificultades. Es muy im mero indicado de lugares decimales:
portante que los investigadores elaboren sus
datos, estudiándolos desde varios puntos de Numero de lugares decimales
vista y determinando si los resultados son ra Cinco Seis Siete Ocho
zonables y si han cumplido con las suposicio
nes en que se basan los análisis estadísticos. XX] 0.0642 0.0642 0.0642 0.0642
Consideremos los valores siguientes: X X f 0.00137 0.001374 0.0013739 0.00137390
s2 0.00000 0.000000 0.0000000 0.00000001
j 0.00000 0.000000 0.0000000 0.0001
Valores de variable dependiente de dos grupos
Grupo A G ru p o B
Al llevar nuestros cálculos a cinco, seis o
0.0213 0.0123 siete lugares decimales, la varianza (s2) per
0.0214 0.0124 manece en cero, así como la desviación es
0.0215 0.0125 tándar (ij. Sólo cuando corremos nuestros
X X , = 0.0642 XX 2 = 0.0372 cálculos a ocho lugares de datos obtenemos
X ] = 0.0214 X 2 = 0.0124
X ] - X 2 = 0.0214 - 0.0124 = 0.009
un valor de i2 y de i que no es cero. Al traba
jar con la desviación estándar, debemos lle
var los cálculos dos veces al número de luga
La diferencia media de sólo 0.009 parece res decimales que en los datos originales.
bastante pequeña. Ahora, consideremos un La moraleja, pues, dice que los calculado
segundo conjunto de valores: res y las computadoras tienen capacidades de
El uso de las computadoras en la investigación 343
un número máximo fijo de lugares decima alguna especie de transformación a sus da
les, algunos de ellos sólo a dos lugares deci tos. Por ejemplo, para el último conjunto de
males. En esos casos, se pueden cometer erro datos podríamos multiplicar cada número por
res enormes. 100,000, obteniendo así los siguientes valo
Supongamos, para mostrar amplitud de res: 2.13, 2.14 y 2.15. Ahora bien, si usted cal
criterio, que una computadora se base en cula la media y la desviación estándar de los
un máximo de 10 lugares decimales. Si los datos transformados, podrá entonces dividir
datos que se están empleando tienen más de estos dos_estadísticos entre 100,000 y encon
cinco lugares decimales, habrá aproxima trar que X= 0.000214 y s = 0.000001.
ciones del tipo anterior, que darán por re Una vez más, la lección nos dice que al com
sultado errores, por ejemplo, los datos de putar una desviación estándar precisa, debe
0.000213, 0.000214, y 0.000215, y resultarán rá emplearse el doble de lugares decimales
en 2X = 0.0642, 2A2 = 0.0000001374 y i = que en los datos, los investigadores que se
0 .0000000000 . enfrentan a cómputos mucho más complica
Dado que todas las máquinas tienen una dos, como la inversión de matriz (que es co
capacidad finita, debemos conocer el núme mún a todos los problemas de regresión múl
ro en lugares decimales a los que correspon tiple), deberán seguir no sólo esta regla sino
den, y seguir la pista de número de lugares también otras que pueden violar si no se man
decimales en nuestros datos. Si la máquina es tienen cerca de sus datos.
lo bastante limitada, tendrá usted que aplicar
apéndice D
PRINCIPIOS DE ÉTICA AL
EFECTUAR INVESTIGACIÓN
PSICOLÓGICA
LA INVESTIGACIÓN CON eficazmente con penicilina desde el decenio

PARTICIPANTES HUMANOS de 1940.
El segundo conjunto de estudios (durante
Violaciones a la ética básica. Dos estudios de los 60 y los 70), fue dirigido por el psicólogo
la historia reciente de Estados Unidos enfure social Milgram, quien anunció a los partici
cieron particularmente al público. El prime pantes que intervendrían en un experimento
ro, conocido como el Estudio de Tuskegee, co de “aprendizaje”. A los que se ofrecieron como
menzó en 1932, con un experimento del Ser voluntarios se les dijo que algunos de ellos
vicio de Salud Pública de Estados Unidos, efec serían maestros que enseñarían listas de pala
tuado con 399 individuos negros, pobres, casi bras a otros, los aprendices. Se indicó a los
analfabetas, que padecían sífilis. Uno de sus maestros que dieran descargas eléctricas cada
propósitos era estudiar el efecto de la sífilis vez más severas, cada vez que los aprendices
sobre varones negros no tratados; para alen cometieran un error. Sin embargo, en reali
tarlos a participar, se hizo creer a los enfer dad, el propósito del experimento no era es
mos que se les estaba tratando, cuando en tudiar el aprendizaje, sino estudiar la obedien
realidad no era así. Se registraban periódica cia a la autoridad. Además, en realidad todos
mente los síntomas de la sífilis, y después de los voluntarios eran “maestros”; es decir, a
cada muerte se efectuaban autopsias. Cuarenta todos los participantes se les dijo que eran
años después, el público se enteró de esta in maestros, y en realidad no había discípulos.
vestigación, que aun seguía en progreso. Esta Por consiguiente, todos pensaban que esta
investigación sin duda iba contra la ética, en rían dando descargas eléctricas a los alumnos,
tre otras razones porque todavía en 1972 no que no existían. Además, en realidad no ha
se daba ningún tratamiento a los que queda bía descargas eléctricas. Sin embargo, se en
ban, aun cuando se les habría podido tratar gañó a los maestros para hacerles creer que
344
Principios de ética al efectuar investigación psicológica 345
los alumnos estaban quejándose del dolor que durante 10 años. Arnold Rincover, quien es
les provocaban las descargas eléctricas. Cuan taba en la Universidad de Carolina del Norte,
do se les pidió aumentar la fuerza de las des Greensboro, fue citado por plagio y altera
cargas, algunos se negaron. A los maestros ción de datos. Lonnie Mitchell, del Coppon
que se negaron se les dijo que el experimento State College, y Jerusa Wilson, fueron cita
exigía que siguieran adelante. A quienes si dos por plagio y por inadecuada supervisión
guieron mostrándose renuentes, se les ordenó de una solicitud de beca.
proceder, y entonces un número asombrosa Más generalmente en la ciencia, David
mente grande de ellos continuó aplicando las Baltimore, presidente de la Universidad Rocke-
supuestas “descargas” a los alumnos. Y hasta feller, fue acusado por un ayudante de utili
siguieron dando descargas más allá del punto zar datos falsificados o fabricados, que había
en que los alumnos “pidieron” abandonar el presentado un colega en un documento que
experimento. La ira del público por este ex tuvo cierta influencia, y que se habían nega
perimento se centró en el engaño que habría do a investigar advertencias de que el mate
podido causar trastornos y daño psicológico rial era falso. Se descubrió que un cardiólogo
a los participantes. Además, algunas personas que había entregado 137 reportes en la Uni
generalizaron en exceso diciendo que se se versidad de California en San Diego en un
guían efectuando experimentos psicológicos breve período, había falsificado datos. El últi
similares. mo ejemplo fue el de John Darsee, en 1981,
Tanto la investigación de Tuskegee como cardiólogo médico de Harvard, quien al pa
la de Milgram sirvieron para poner restric recer amañó datos.
ciones jurídicas a toda investigación antiéti Si se considera el enorme número de in
ca. A esto siguió una regulación federal de vestigaciones científicas que se efectúan cada
la investigación en las ciencias médicas, con- año, estos ejemplos son sumamente pocos. Sin
ductuales y sociales. Organizaciones pro embargo, es importante que científicos y es
fesionales como la Sociedad Fisiológica Nor tudiantes aprendan a respetar las normas y
teamericana se han mostrado muy activas evitar las transgresiones a la integridad cien
“vigilándose” a sí misma, aun cuando la in tífica, como podemos ver en el siguiente su
vestigación no ética de sus científicos haya sido mario de esa conferencia (como apareció en
mínima. el APA Monitor, diciembre de 1991, p .ll).
Por ejemplo, una conferencia celebrada
sobre el tema de la conducta científica enga • Invención de datos
ñosa y el fraude, llegó a la conclusión de que • Falsificación de datos (“amañamiento” o altera
ambos eran raros. Los Servicios Públicos de ción de datos)
• Plagio
Salud de la Comunidad Científica examina • Trato no ético a sujetos animales o humanos
ron 118 informes de casos; 27 de ellos reque • Conflictos de intereses no revelados
rían una investigación completa, y 18 involu • Violación de material privilegiado
craban un mal manejo. En tres de ellos se • Crédito irresponsable a un autor (autoría ho
veían implicados científicos de la conducta. noraria, o exclusión de colaborador impor
De manera similar, cada año la Fundación Na tante)
cional de Ciencias ha descubierto sólo dos o • No retener datos básicos
tres casos de mala conducta lo bastante grave • Supervisión inadecuada de los productos de la
como para provocar sanciones. Sólo se han investigación
citado en años recientes cuatro científicos • Registro descuidado de datos
• Presentación confusa de datos
conductuales, en relación con mala conduc • Repetición no revelada de experimentos insa
ta. Fueron Steven Breuning de la Universidad tisfactorios
de Pittsburg, quien en 1988 quedó convic • Información selectiva de los hallazgos
to de amañar datos científicos acerca de prue • No publicación
bas de medicinas con niños retrasados. Acep • Renuencia a compartir datos o materiales de
tó no trabajar como investigador al menos investigación
346 Principios de ética al efectuar investigación psicológica
• Pruebas y procedimientos estadísticos inapro de métodos de investigación psicológica, ni

piados entre la gran mayoría de los psicólogos in
• Información insuficiente o engañosa vestigadores, nos concentraremos en la inves
• Publicación redundante tigación en que el sujeto (participante) se en
• Publicación fragmentaria (“ciencia del salami”) cuentra en “riesgo mínimo”. Buen número de
• Citas inapropiadas
• Presentación intencional de “manuscritos mal subprincipios ya han sido especificados por la
hechos”. Asociación Psicológica Norteamericana, como
lincamientos para aplicar nuestro principio
general de ética al efectuar una investigación.
En 1973, la Asociación Psicológica Norte
americana publicó ciertos lincamientos éticos Evaluación ética del investigador
para los psicólogos. Después de una revisión
crítica de los propios psicólogos, durante al En primer lugar, el investigador evalúa
gunos años, ahora contamos con un conjun minuciosamente la aceptabilidad ética de la
to de principios relativamente estables y ge investigación. Si hay aquí alguna duda, el in
neralmente aceptados, tal como se publica vestigador deberá buscar consejo ético de sus
ron en el American Psychologist en marzo de colegas o, en caso necesario, del comité uni
1990. Pasaremos revista brevemente a los más versitario o asociación profesional en cues
importantes principios éticos para la investi tión. Un estudio de la tasa de aprendizaje
gación con seres humanos, después de lo cual de palabras por niños constituía sin duda,
consideraremos los principios para la atención una investigación de riesgo mínimo, en que
y empleo de animales. Por último, comenta el investigador podía proceder. Sin embar
remos esos principios. go, el investigador que efectuó el estudio en
que se dijo falsamente a unas estudiantes que
El principio ético general. La esencia es que sus esposos habían salido gravemente heridos
el psicólogo debe decidir si su investigación de un accidente automovilístico, no debió se
es potencialmente valiosa para la ciencia psi guir adelante. El investigador no observó las
cológica y el bienestar humano. Si la decisión estrictas salvaguardas puestas para proteger
es indudablemente afirmativa, el psicólogo los derechos de participantes humanos.
deberá conservar respeto y preocupación por
la dignidad y el bienestar de los participantes La responsabilidad
mientras se efectúe su investigación.
Es el investigador en jefe, el responsable
El participante en psicología a riesgo míni de todos los aspectos de la investigación, in
mo. La primera gran consideración al aplicar cluyendo el trato ético de los participantes,
este principio general, es la decisión sobre si por todos los que colaboran en el proyecto.
el participante será un “sujeto en riesgo” o un
“sujeto en riesgo mínimo”, de acuerdo con Consentimiento informado de los
normas reconocidas. Si existe la posibilidad de participantes
un grave riesgo para el participante, el posi
ble resultado de la investigación deberá ser de En la investigación con riesgo mínimo no
valor considerable antes de proceder. Si el in se necesita un consentimiento informado. Sin
vestigador sigue adelante, deberá dar pasos embargo, es conveniente que en toda investi
importantes para impedir todo daño a los par gación, el investigador establezca un acuerdo
ticipantes. Por ejemplo, si alguien tratara de claro y justo con los participantes, antes de su
determinar los efectos sobre la conducta de un participación. Tal acuerdo debe poner en cla
medicamento con efectos colaterales poten ro las obligaciones y responsabilidades de cada
cialmente graves, deberá buscar guía médica quien. A los participantes se les explicarán
y jurídica. Ya que tal investigación con “su todos los aspectos pertinentes de la investiga
jeto en riesgo” no se efectúa en los cursos ción. Muchos investigadores utilizan una for
ma (machote), firmada por el participante, la Libertad de toda coacción

cual indica que comprende todos los aspec
tos de la investigación y que participa volun Debe ponerse en claro que el participan
tariamente. te es libre de negarse a participar, o de reti
rarse en cualquier momento de la investiga
El engaño puede ser necesario ción. Se deben evitar las formas sutiles de
coacción, como cuando el participante siente
En algunos estudios, si se les hace a los par una obligación especial de complacer a un
ticipantes una descripción precisa de lo que profesor.
trata la investigación, ésta no tendría ningún
objeto. Su validez quedaría anulada. Si el in Protección a los participantes
vestigador cree que se justifica el engaño, por
el posible valor de la investigación, y si no se Si existen riesgos, sean de incomodidad fí
dispone de otros procedimientos, entonces, sica o mental, daño o peligro, el investigador
en cuanto sea posible, deberá dar una minu deberá informar de esos riesgos al participan
ciosa explicación al participante. Por lo gene te. El investigador debe comprender que la
ral, esto se logra en la etapa de información, participación en cualquier investigación pue
al ser despedido el participante. de producir al menos cierto grado de estrés.
Por ello, hay que asegurar cuidadosamente al
Presentación del informe participante que no correrá peligro.
Una vez recabados los datos del participan La confidencialidad

te, se explica minuciosamente el carácter de
la investigación, y se intenta suprimir toda Toda información obtenida acerca del par
concepción errónea. Conviene revisar los ticipante deberá quedar como confidencial,
datos con los participantes que son estudian a menos que el participante acepte lo contra
tes, y aprovechar la sesión de información rio. El investigador debe reconocer la posibi
como experiencia de enseñanza para que el lidad de que otros puedan tener acceso a la
participante-estudiante se entere de más co información acerca del participante. En ese
sas acerca de la investigación. También se re caso, el participante deberá estar de acuerdo
comienda llevar al estudiante por el laborato con estos o con otros pasos que puedan dar
rio, y mostrarle los aparatos. La fase de infor se, como cifrar los datos delicados.
mación también tiene importancia especial
para los investigadores, ya que pueden com PRINCIPIOS ÉTICOS PARA LA
prender mejor “de dónde vienen los partici INVESTIGACIÓN ANIMAL
pantes”. Una buena pregunta inicial es: “¿De
qué cree usted que trata este experimento?”. Las monumentales contribuciones a la inves
Las cosas que los participantes dicen al inves tigación con animales, para la ciencia y para
tigador, a menudo pueden hacer comprensi el avance del bienestar humano están tan bien
bles ciertos resultados idiosincráticos. Tam documentadas en otras partes, por ejemplo,
bién constituyen buenas claves para poner a por A. Miller (1985), que no he de repetirlas
prueba nuevas hipótesis. Se podría escribir aquí. Nuestro interés es que se respeten los
un buen libro con las hipótesis interesantes,
insólitas, o típicamente improcedentes de los r e c o m p e n s a e c o n ó m ic a . A u n q u e la r e s p u e s t a n o e r a v o
participantes.1 lu n ta r ia , “s o s tu v o h a b e r d e s c u b ie r to u n a s e c u e n c ia e f ic a z
d e r e s p u e s ta s , q u e c o n s is tía e n u n o s s u tile s m o v im ie n to s
c o m o d e r e m a r, c o n a m b a s m a n o s , u n o s m o v im ie n to s p e
1 P o r e je m p lo , e n u n e s tu d io q u e in v o lu c r a b a u n c o n d i q u e ñ ís im o s d e a m b o s to b illo s y u n lig e ro d e s p la z a m ie n to
c i o n a m ie n to e n c u b i e r t o d e u n a r e s p u e s ta e n e l p u lg a r , ta n d e la m a n d íb u la h a c ia la i z q u ie rd a , lu e g o e x p ir a r ... y a g u a r
p e q u e ñ a que e r a in v is ib le a s im p le v is ta , u n s u je to c r e y ó d a r ” (H e ffe rlin e , K e e n a n y H a r fo r d , 1958 p. 2 0 9 , e n
que había aprendido a producir la respuesta y recibir una McGuigan, 1966).
principios éticos. Una vez más, repetimos que Al evaluar la investigación, la posibilidad
el número de casos en que ha habido trans de aumentar el conocimiento acerca del cre
gresiones científicas en la investigación ani cimiento, incluyendo beneficios para la salud
mal son relativamente pocos, pero deseamos o el bienestar de seres humanos y de anima
mantener esa buena fama. les, deberá ser tan grande que compense cual
El gran principio en el cuidado y uso de quier daño o molestia causada a los animales.
animales, es que “Un investigador de la con La consideración humana por el bienestar de
ducta animal se esfuerce por hacer avanzar los animales deberá tenerse siempre presen
nuestra comprensión de principios conduc- te. Si es probable que el animal sea sometido
tuales básicos y/o contribuir a la mejora de la a dolor o molestias, se deberán seguir minu
salud y el bienestar humanos. En busca de ciosamente los procedimientos experimenta
estos fines, el investigador se asegurará del les especificados en los lincamientos de la
bienestar de los animales, y los tratará con Asociación Psicológica Norteamericana, espe
humanidad. A pesar de leyes y regulaciones, cialmente si se va a practicar cirugía. En cuanto
la protección inmediata de un animal depen a la cirugía, se debe distinguir entre los rela
de de la conciencia del propio científico” (p. jantes anestésicos y los musculares. Pueden
395, A m e r ic a n P sych o lo g ist, marzo de 1990, utilizarse relajantes musculares para inmovili
“Ethical Principles of Psychologists”). zar al animal, como se aplican en cirugía hu
Lo primero que debe hacer un investiga mana, para poder aplicar procedimientos qui
dor que planee utilizar animales, es hacer su rúrgicos delicados y precisos. Sin embargo,
tarea. Más explícitamente, esto significa que los procedimientos quirúrgicos también de
deberá estudiar los “Principios éticos de los ben incluir una eficaz anestesia. De hecho, ha
psicólogos,” muchos de los cuales son direc ocurrido en procedimientos quirúrgicos hu
tamente aplicables al empleo de animales; se manos que los pacientes fueron inmoviliza
deberá enfocar el principio 10, concerniente dos por relajantes musculares, pero no que
al cuidado y empleo de animales. En segun daron suficientemente anestesiados. Por tan
do lugar, se deberá familiarizar con las leyes y to, experimentaron dolor, pero no pudieron
regulaciones federales, estatales y provincia expresarlo al cirujano.
les, incluyendo especialmente la G u id e f o r the El supervisor de un proyecto de investiga
Care a n d Use o f L a b o ra to ry A n im a ls, de los Ins ción deberá supervisar muy de cerca todos
titutos Nacionales de Salud.2Otra fuente muy los aspectos del estudio, incluyendo la salud,
amena y respetada es el T h e B io m ed ica l In v e sti comodidad y trato humano de los animales.
g a to r ’s H a n d b o o k f o r Researchers U sin g A n im a ls El supervisor también deberá llevar registro
M odels (1987) (Washington, D.C., Foundation de la adquisición, el uso y disposición de los
for Biomedical Research, 1987). Por último, animales. Deberá poder consultar a un vete
deberá estudiar las regulaciones de la univer rinario, quien también deberá inspeccionar
sidad o el colegio. las instalaciones, al menos dos veces al año.
Los lincamientos de la Asociación Psicoló Todos estos procedimientos deben ser revisa
gica Norteamericana (o de cualquier otra or dos por un comité local e institucional, sobre
ganización científica, como la Sociedad Fisio cuidado y uso de los animales.
lógica Norteamericana), deberán darse a co Con respecto a la disposición de los ani
nocer a todo el personal que participa en la males cuando ya no se Ies necesita, deben
investigación, y ser colocados en puestos muy hacerse esfuerzos por distribuirlos a colegas
visibles, doquiera que se mantengan y utili que puedan emplearlos. Sin embargo, la eu
cen animales. tanasia puede ser la única alternativa, ya sea
como requerimiento de la investigación, o
porque constituye la forma más humana de
2 Guidefor the Care and Use of Laboratory Animals, NIH disponer de un animal al término de la inves
Publication No. 85-23, Revised 1985, Office of Science tigación. La eutanasia, por definición debe
and Health Reports, DRR/NIH, Bethesda, MD 20205. realizarse de la manera más humana posible,
incluso bajo anestesia. No se debe descartar ron procedimientos excesivamente restric

ningún animal hasta haber comprobado su tivos, de modo que se dificultó efectuar in
muerte, y se deberá disponer de él de una vestigación, a veces así fuese con riesgo míni
manera legal y congruente, con preocupacio mo. Estas restricciones excesivas a la investi
nes de salubridad, ambiente y estética. gación se hicieron evidentes a lo largo de los
años, así como el hecho de que eran muy po
EVALUACIÓN DE NUESTROS cas las violaciones de nuestros principios éti
PRINCIPIOS ÉTICOS cos. La suposición errónea había sido que to
dos los experim en ta d o res e ra n culpables h a sta que
El propósito de efectuar investigación psico se dem ostrara s u inocencia. Un investigador ar
lógica es el muy noble de hacer avanzar el güyó así, en forma divertida (pero realista),
conocimiento científico y tecnológico. El psi sostuvo que el abuso más flagrante de los par
cólogo, como científico y tecnólogo, se dedi ticipantes humanos es uno al que nuestros
ca vigorosamente a estos propósitos. Los par principios de ética en la investigación no ofre
ticipantes, sean animales o humanos, son co cen remedio. Consideró que había pocos es
laboradores importantísimos en los proyec tudios en que los participantes humanos hu
tos de investigación. Repitiendo diremos que biesen sufrido, pero sostuvo que en muchos
se debe tratar a todos los que intervienen estudios
con respeto, dignidad y la mayor preocupa
ción por su bienestar. Sin embargo, se han ...se han perdido el tiempo y la energía de sujetos
cometido algunas violaciones extrañas, que humanos... cuando se rechaza 80% de los docu
llevaron a redactar los lincamientos éticos mentos presentados a las principales publicacio
publicados por vez primera por la Asociación nes —por lo general por causa de mala concep-
Psicológica Norteamericana en 1973. Por tualizacion, metodología defectuosa, o trivialidad
ejemplo, algunos estudiantes fueron falsamen de las hipótesis—es evidente que se está desperdi
te informados de que las calificaciones de sus ciando un enorme esfuerzo humano. Desde lue
pruebas indicaban que no tenían inteligen go, ocurren errores en las mejores familias, y has
cia suficiente para estar en la universidad; a ta el más sagaz investigador tendrá algunos estu
otros estudiantes que debían participar en pro dios inocuos. Pero creo yo que todo indica que
yectos de investigación, se les pidió alojarse algunos de quienes se dedican a la investigación
en casas de huéspedes de bajo costo. Cuando citológica debieran dedicarse, en cambio, a otra
han ocurrido tales violaciones, se les aplica cosa. Modificando su especialidad laboral, podrían
ron sanciones enérgicas, como la expulsión ahorrarse muchos dolores de cabeza y decepcio
del transgresor de la Asociación Psicológica nes, simplificar la tarea de los directores de revis
Norteamericana, así como de asociaciones lo tas y —de la mayor importancia—no perderían el
cales. precioso tiempo de los súbditos a los que some
Como ya se hizo notar, las violaciones a la ten a sus experimentos. Si la investigación psico
ética durante una investigación psicológica lógica tiene mala fama, no es porque, probable
han sido sumamente raras, ocurriendo con mente, causemos daños a muchos sujetos, sino por
mayor frecuencia en la práctica clínica y en que dedicamos esos sujetos a estudios triviales,
otras líneas de la conducta profesional. De mal concebidos o torpemente ejecutados. Lo que
hecho, han sido tan poco frecuentes, que po estoy proponiendo es que se permita que todo
dría argüirse que en realidad son innece investigador potencial reciba una cuota de estu
sarios: a cualquier científico que necesitara dios durante los cuales pueda demostrar que no
una guía tan detallada, no debería permitír- está perdiendo su propio tiempo y el de sus suje
setappara empezar, convertirse en científico. tos. Los que agotaran la cuota aprobada, sin pro
El argumento en contra de establecer princi ducir nada digno de interés, perderían sus licen
pios éticos ha sido que tuvieron un efecto cias “de caza”. Semejante sistema haría que todos
nocivo sobre la investigación. Después del tuviésemos un poco más de cuidado antes de otor
conjunto de principios de 1973, se promulga gar el manto del doctorado a candidatos de dudo
sa competencia para la investigación. Tal vez pue Y sin embargo, las cuestiones de la investi
gación científica a veces son muy delicadas y
da yo llamar [a este principio] el retiro obligato
rio de licencias de caza (Steiner, 1972, p. 768).complejas. Los científicos han celebrado mu
chos simposios para estudiar algunos de los
Las regulaciones pueden limitar la creati casos que plantean difíciles dilemas de ética.
vidad y libertad de la investigación científica, Esferas delicadas son las pruebas de toxici
de modo que un investigador puede jugar a dad, la investigación del dolor crónico, el
la segura, y recurrir a estudios que sólo tie empleo a largo plazo de dispositivos de res
nen un valor limitado. Para hacer una investi tricción y el uso de animales conscientes pero
gación creadora, se necesita correr cierto tipo paralizados. Explayándose brevemente sobre
de riesgos. Además, seguir y aplicar las regu la cuestión del dolor, si queremos compren
laciones puede resultar costoso en dinero y der cómo controlarlo, en algún sentido habrá
tiempo: las energías del investigador y del re que producirlo. ¿Cómo obtendríamos una
gulador podrían aprovecharse mejor, favore información pertinente sobre la eliminación
ciendo la investigación misma. o prevención del dolor, sin producir el fenó
La investigación con animales tiene cier meno, en seres humanos o en animales? si
tas características especiales que merecen co queremos seguir avanzando en la reducción
mentario. Pese al hecho que los investigado de los enormes dolores que sufren los seres
res se hayan atenido a principios humanita humanos, así como los animales, evidentemen
rios, al efectuar investigación con animales, y te no podemos suspender los esfuerzos de
pese a que las profesiones pertinentes se ha nuestra investigación. Pero debemos seguir
yan vigilado a sí mismas, periódicamente, en con ellos de la manera más sabia posible.
la historia, han surgido movimientos nacio El tema de la ética en la investigación, como
nales, que tratan de sofocar la investigación cualquier consideración de principios éticos,
de laboratorio con animales. Se ha difundido es sumamente complejo, y tema de conside
propaganda que apela a las emociones, y se rables controversias, tanto académicas como
han efectuado ataques organizados contra prácticas. Por una parte, la ética es relativa de
respetables laboratorios científicos. Estos ata una cultura o subcultura dada, de modo que
ques no sólo han sido ilegales, sino que la lo considerado como justo o injusto, puede
destrucción y los letreros dejados en las pare variar considerablemente por todo el mundo
des, sólo pueden llamarse actos de demencia. y en diversos períodos de la historia. Según
Esos desorientados atacantes no comprenden, nuestras normas actuales, los atroces experi
obviamente, el gran beneficio de la investiga mentos médicos efectuados por los nazis, an
ción científica para la sociedad. Como lo ha tes y durante la Segunda Guerra Mundial, se
resumido Miller (1985), el uso de animales encontraron entre las más flagrantes violacio
para la investigación científica, ha hecho avan nes a la ética en toda la historia. Y sin embar
zar considerablemente nuestro conocimiento go, fueron condonados y vigorosamente apo
acerca de varias especies, además de haber yados por el marco de referencia nazi. Ade
beneficiado de muchas maneras a la sociedad. más, lo justo o lo injusto depende, en parte,
Tal vez esos atacantes confunden el uso de de lo que está haciendo el que así lo percibe.
animales en la investigación científica, con el En general, lo que todos podemos aceptar es
trato que se les ha dado por no científicos. que en la ciencia contemporánea, gozan de
Por ejemplo, la matanza de crías de focas, la aceptación general los principios como los que
tortura de animales en rituales satánicos, el hemos planteado aquí. La sociedad puede es
uso de animales para probar cosméticos y la tar segura de que la ciencia misma está salva
matanza de animales con otros propósitos, guardando los derechos, el bienestar y la dig
difícilmente serán perdonados por una per nidad de quienes participan en la investiga
sona humanitaria. ción.
apéndice E
RESPUESTAS A LOS
PROBLEMAS
En el caso de que sus respuestas a los valores considerar el “número de lugares” utilizado
computados de las pruebas estadísticas se en los diferentes cómputos para comprender
aproximen, pero no sean exactamente igua las discrepancias.
les a los siguientes, deberá usted empezar por
CAPÍTULO 4 pendiente. Pudo ocurrir que el cañón de un

tanque fuera más preciso que el otro, y que
1. La confusión es especialmente atroz en este es un conjunto de blancos fuese más fácil de ati
tudio. Es indudable que los participantes de los nar que el otro. Para controlar estas variables
dos grupos difieren en gran número de aspec habría que hacer que todos los participantes
tos, aparte del método empleado. Por ejemplo, dispararan desde el mismo tanque contra los
puede haber diferencias de inteligencia, opor mismos blancos, o hacer que la mitad de los
tunidad de estudiar y nivel socioeconómico, así participantes de cada grupo pudiera disparar
como diferencias de capacidad de lectura antes desde cada tanque a cada conjunto de blancos.
de aprender por uno y otro método, y cierta El hecho de disparar con la ametralladora tam
mente hubo distintos maestros. El enfoque apro bién dio a este grupo una práctica extra: otro
piado consistiría en asignar a dos grupos, al factor de confusión.
azar, participantes de la misma clase en una es 3. Indudablemente, estas clases difieren en mu
cuela determinada, y luego determinar, al azar, chos aspectos, entre ellos la edad en que se les
a qué grupo se le enseñaría por cada método; a enseña el control de esfínteres. Los resultados
ambos grupos les enseñaría un mismo instruc de la variable dependiente pueden deberse, así,
tor. a alguna otra diferencia entre los grupos, como
2. Las características de los tanques y los blancos la cantidad de estimulación social o la cantidad
particulares, se confunden con la variable inde de dinero gastado por la familia para atender a
351
352 Respuestas a los problemas
sus necesidades. La manera obvia pero difícil del instructor en la eficacia relativa de los mé
de efectuar este experimento para estabiecer todos pudo influir sobre el desempeño de los
una relación causal consistiría en seleccionar al estudiantes en ambos grupos. Por tanto, a
azar a un grupo de niños, asignarlos al azar a los estudiantes a los que se enseñaba mediante
dos grupos y luego, también al azar, determi el método de aprobar o reprobar, pudieron des
nar la edad en la que se enseñe el control de empeñarse mejor de lo que habría sido normal
esfínteres a cada grupo. en ellos. La más grave crítica metodológica es
4. También se debió operar al grupo control, pero que no encontrar una diferencia entre grupos
el hipotálamo no debía quedar dañado. Duran no nos permite concluir que los dos métodos
te la operación se pudo afectar alguna estruc son igualmente eficaces. Hay un número infi
tura, además del hipotálamo, a la que pudiera nito de razones posibles de que las dos condi
atribuirse la conducta “faltante”; o tal vez el trau ciones de cualquier estudio puedan no diferir
ma de la operación afectó la conducta. significativamente, sólo una de las cuales es que
5. Puede haber alguna otra razón para no infor las medias (de población) de las calificaciones
mar de una palabra con carga emocional, apar de la variable dependiente de los dos grupos
te de que no fuera percibida. Por ejemplo, la son iguales. (Como veremos más adelante, no
palabra sexo pudo ser percibida pero el partici rechazar la hipótesis nula no equivale a aceptar
pante acaso aguardara hasta estar absolutamen la hipótesis nula.) Una razón mucho más pro
te seguro de que ésa era la palabra, salvándose, bable de no encontrar una diferencia confiable
de una posible “pifia social”. Además, la fre entre grupos es que exista un excesivo error
cuencia con que en la vida cotidiana se emplean experimental en la dirección de la investigación;
palabras con carga emocional o neutrales in típicamente, esto se debe a una mala metodo
dudablemente difiere, afectando así el umbral logía de control. Por último, la observación ca
de reconocimiento de las palabras. Un mejor sual de una diferencia en la “atmósfera de la
enfoque consistiría en empezar con un núme clase” no nos ofrece el tipo de información en
ro de palabras emocionalmente neutrales (o con que debe basarse un programa escolar. Dejan
sílabas sin sentido), y luego darles una carga do eso aparte, como extensión de este tipo de
emocional (como asociándoles un estímulo in conclusión probablemente podríamos predecir
decente). Habría que equiparar la frecuencia que un curso en que no hubiese calificaciones
de uso de las palabras con carga y las palabras resultaría en una libertad total de las “tensiones
neutrales. motivadas por las calificaciones”.
6. No se debe aceptar esta conclusión, porque no
hay ningún control de los efectos de la suges CAPÍTULO 6
tión. El grupo de control habría debido experi
mentar algún tratamiento similar al del grupo 2-A. Con 26 gl, una t de 2.14 es confiable más allá
experimental, como tener una pauta diferente del nivel, de 0.05. Por consiguiente, la hipóte
de las agujas insertadas bajo la piel. Estudios sis nula puede ser rechazada.
que han controlado los efectos de la sugestión 2-B. Con 30 gl, una t de 2.20 es confiable más allá
indican que no hay tales diferencias entre los del nivel de 0.05. Como éste fue el criterio
grupos de acupuntura y los grupos de placebo. establecido para rechazar la hipótesis nula, y
Otros estudios científicos, independientemen dado que la dirección de las medias es la es
te, confirmaron que la simple sugestión de que pecificada por la hipótesis empírica, ésta es
se reducirá el dolor por medio de técnicas ex confirmada, es decir, se acepta que la varia
perimentales basta para hacer que los pacien ble independiente influyó en la variable de
tes informen de menor dolor. Por último, ha pendiente.
bría sido más fuerte mostrar que el grupo ex 2-C. Con 13 gl, la l calculada de 4.30 es confiable
perimental era superior al grupo de control. más allá del nivel de 0.01. Como la menor
7. Esta investigación no nos permite sacar con tendencia psicòtica (la media más pequeña)
clusiones por sus múltiples errores metodo corresponde al grupo que recibió el tranqui
lógicos. Los dos grupos de estudiantes proba lizante, puede concluirse que el fármaco pro
blemente diferían desde antes de que empeza dujo el efecto anunciado.
ra la investigación. No asignar al azar los estu 2-D. La t computada de 0.51 no es confiable, y
diantes a las dos clases, sino permitir que fue dado que el experimentador no pudo recha
ran seleccionados sobre la base de los horarios zar la hipótesis nula, no se confirma la hipó
de clase, produce una confusión. La confianza tesis empírica.
Respuestas a los problemas 353
2- E. La sospecha no se confirma, la t computada ferroni. Por ende, el criterio ajustado para

es de 0.10 probar cada hipótesis nula parcial es de 0.017.
Al consultar la tabla t podemos ver que cada
t tiene una probabilidad asociada con ella más
CAPÍTULO 7 allá del nivel de 0.017, por lo que podemos
rechazar cada hipótesis nula y concluir que
3- A. cada grupo es confiablemente diferente de
los demás. Podemos notar también que las
Tabla resumida para un análisis de varianza entre medias grupales son las siguientes: para el
especialidades método A, X = 15.05; para el método B,
X = 24.30; y para el método normal, X = 8.45.
Fuente de Suma de Media de los Debe preferirse el método B ya que con éste
variación cuadrados Sl cuadrados F se obtuvieron puntajes confiablemente supe
riores a los obtenidos con los otros métodos.
Entre grupos 55.77 2 27.58 7.81
Intragrupos 31.75 _9 3.53
Total 86.93 11
CAPÍTULO 8
Con 2 y 9 grados de libertad encontramos
que nuestra F calculada (7.81) excede el va 4-A.
lor requerido de 4.26 al nivel de 0.05. En con
secuencia, rechazamos la hipótesis nula glo Cantidad de droga administrada
bal y concluimos que existe una diferencia
confiable entre las licenciaturas.
3-B. grupos 1 contra 2: t = 0.70
grupos 2 contra 3: t = 8.14*
grupos 3 contra 4: t = 25.08*
grupos 4 contra 5: t - 0.75
*P < 0.05
Como no se especificó el criterio para pro

bar la hipótesis nula, se asume que P = 0.05. 4-B.
Las únicas diferencias confiables son las que
se observan entre los grupos 2 y 3 y entre los Análisis de varianza
grupos 3 y 4. Notamos que las medias para
los cinco grupos son las siguientes^Xl = 1.10, Media de
X2 = 1.50, X3 = 7.20, X4 = 23.50 y X5 = 23.90. Suma de los
Fuente de variación cuadrados gl cuadrados F
La eficiencia parece aumentar considerable
mente entre los ensayos 30 y 70, estabilizán Global entre grupos (275.88) (3)
dose a los 70 ensayos de práctica. Como la Entre marcas 0.03 1 0.03 0.02
diferencia entre las medias de 7.20 contra Entre filtros 0.23 1 0.23 0.12
23,50 es confiable, y dado que la diferencia M XF 275.62 1 275.62 144.30
promedio entre los grupos 4 y 5 no es con Intragrupos 68.90 36 1.91
fiable, de acuerdo con los resultados de este Total 344.78 39 '
esperimento, parece adecuado recomendar
un número de 7^ ensayos de entrenamiento.
3-C. grupos A contra B: t = 7.52* Dado que la F para la condición “entre dro
grupos A contra C: t = 5.87* gas” es confiable, la variación de esta varia
grupos B contra C: t = 11.65* ble independiente es efectiva. El puntaje
*P < 0.05 medio para los participantes que recibieron
los medicamentos es superior al obtenido
Podemos ver que cada t sería confiable más por los que no recibieron el fármaco. De ahí
allá del nivel de 0.05 m, pero, dado que esta que podamos concluir que la administración
mos haciendo todas las comparaciones posi del medicamento llevó a un incremento en la
bles emplearemos además la prueba de Bon- normalidad. La falta de Fs confiables para
354 Respuestas a los problemas
la condición “entre psicosis” y la interacción Dado que ni la variación de marcas ni de fil

entre las fuentes de variación indican que no tros produjo diferencias confiables, podemos
existe diferencia en la normalidad como fun concluir que la variación de dichas variables,
ción del tipo de psicosis, ni interacción entre consideradas en sí mismas, no afectó la esta
las variables. bilidad. Sin embargo, la interacción fue con
fiable, lo que nos permite concluir que el he
cho de que la marca afecte la estabilidad de
4-C.
pende de si se usó filtro, es decir, que fumar
Cantidad de droga administrada
Oíd Zincs con filtro produjo mayor estabili
dad que fumar Counts con filtro, pero que
Tipo de psicosis Nada 2 cc 4 cc fumar Counts con filtro producía mayor es
tabilidad que fumar Oíd Zincs sin filtro. Pa
Paranoide recería que poner un filtro en los cigarros
Counts disminuía la estabilidad, y que ésta
Maniaco-depresivo era aumentada al poner un filtro en los ciga
rros Oíd Zincs. De hecho, como puede ob
Esquizofrénico
servarse en el diagrama de interacción, fu
mar Counts sin filtro producía aproximada
4-D. mente la misma estabilidad que fumar Oíd
Zincs con filtro. Pero no le recomendamos
Cantidad de droga administrada que fume ninguna marca de cigarrillos.
Tipo de participante Nada 2 cc 4 cc 6 cc
4-G.
Paranoide Análisis de varianza
Maniaco-depresivo
Media de
Esquizofrénico Suma de los
Fuente de variación cuadrados ë cuadrados F
Normal
Global entre grupos (80.68) (3) 26.89
Entre opio 30.04 1 30.04 27.81
4-E. Entre marihuana 48.89 1 48.89 45.27
O XM 1.75 1 1.75 1.62
Tipo de marca Intragrupos 26.00 24 1.08
Total 106.68 27
Filtro OldZincs Counts
Como las dos Fs para las condiciones “entre

Sin filtro
opio” y “entre marihuana” son confiables, po
Con filtro demos concluir que fumar ambas sustancias
produce actividad alucinatoria y que no exis
te interacción entre esas dos variables ya que
4-F. esta viltima fuente de variación no es con
fiable.
Análisis de varianza
Media de CAPITULO 9
Suma de los
Fuente de variación cuadrados ë cuadrados F 2. El valor calculado de r = 0.60 con gl = 3 no es
estadísticamente diferente de cero al nivel de
Global entre grupos (275.88) (3) 0.05. En la tabla A-3 puede ver que el valor
Entre marcas 0.03 1 0.03 0.02
0.23 0.12
requerido habría sido r = 0.811.
Entre filtros 0.23 I
1 275.62 144.30 5-A. Con 7 gl, la l calculada de 2.58 es confiable al
M XF 275.62
Intragrupos 68.90 36 1.91 nivel de 0.05, por lo que puede rechazarse la
Total 344.78 39
hipótesis nula. Sin embargo, los participan
tes que emplearon el saque oriental tuvieron
Respuestas a los problemas 355
un mayor puntaje medio, lo que nos hace con Al entrar en la tabla de t con 3 y 27 grados de
cluir que la hipótesis empírica no es confir libertad para la F entre condiciones = 22.20,
mada. encontramos que esta fuente de variación es
5-B. La t computada de 2.97 con 6 gl es confiable confiable. Podemos entonces concluir que el
más allá del nivel de 0.05. Como el grupo grado de significación de las sílabas sin sen
experimental obtuvo el mayor puntaje medio, tido influyó en los puntajes de recuerdo. Con
se confirma la hipótesis empírica. 9 y 27 grados de libertad, también encontra
5-C. Con 19 gl, la t calculada de 6.93 es confiable mos que la F de 2.38 para la condición entre
más allá del nivel de 0.02. Dado que el grupo participantes es confiable al nivel de 0.05, lo
que dispuso de la ayuda del entrenamiento que nos lleva a concluir que existe una dife
tuvo un mayor puntaje medio, podemos con rencia confiable entre los participantes.
cluir que el entrenamiento facilitó la eficien
cia en la lectura de mapas.
CAPÍTULO tt
9.
Resumen del análisis de varianza para los puntajes de

recuerdo
Fuente de variación SC gl MC F
Entre condiciones 5,653.88 3 1,884.63 22.20

Entre participantes 1,821.63 9 202.40 2.3
Error 2,291.87 27 84.88
I
GLOSARIO DE TERMINOS,
SÍMBOLOS Y ECUACIONES
ESTADÍSTICAS
Aditividad (suposición estadística): al emplear la Análisis de varianza: método para analizar, en sus
estadística paramétrica, uno supone que los componentes, la varianza total presente en un
efectos de tratamiento y error de un experi experimento. Al calcular las proporciones en
mento son aditivos. tre estos componentes (con la prueba F), se
Afirmación analítica: afirmación que es siempre puede dar respuesta a varias preguntas empíri
verdadera (no puede ser falsa), pero que empí cas tales como si dos o más grupos en un expe
ricamente es nula. rimento difieren confiablemente.
Afirmación contradictoria: es aquella que siem Análisis experimental de la conducta: aproxima
pre asume un valor verdadero de falso. ción al estudio del comportamiento desarro
Afirmación directa: oración (proposición) que se llado por B. F. Skinner con el propósito gene
refiere a un grupo limitado de fenómenos que ral de predecir y controlar la conducta. La me
se pueden observar de inmediato. todología básica consiste en la investigación de
Afirmación indirecta: oración (proposición) que caso único con replicación.
no puede probarse directamente pero que debe Análisis gráfico: proceso visual en el que los cam
reducirse a un grupo de afirmaciones directas bios en la conducta se atribuyen a los cambios
para su confirmación. sistemáticos de la variable independiente. La
Afirmación sintética: afirmación que puede ser conclusión depende de si los cambios en la con
falsa o verdadera, o más exactamente, que tie ducta son lo suficientemente grandes como
ne una probabilidad fluctuante entre 0.0 y 1.0. para ser observados a simple vista.
Aleatorización: proceso mediante el cual, cada Azar: concepto que indica que un suceso se da
miembro de un universo tiene una probabili sin antecedentes específicos. En un mundo com
dad igual de ser seleccionado, como una tabla pletamente determinista, el azar sería una ex
de números al azar. presión de nuestra ignorancia. Hasta el grado
Análisis de covarianza: técnica empleada para en que donde no exista el orden (haya caos) en
controlar estadísticamente una variable extra el mundo, los sucesos no tienen antecedentes
ña. determinables.
357
358 Glosario de términos, símbolos y ecuaciones estadísticas
Balanceo: técnica de control de variables extra una variable dependiente y que se especifican
ñas con la que se asegura que afecten por igual antes de observar los datos. Son pruebas explí
a los miembros de cada grupo; es decir, el gru citas de las hipótesis empíricas.
po experimental se ve afectado de la misma Comparaciones por pares, limitadas: realizar com
manera que el grupo control. paraciones sólo entre ciertos pares de grupos
Canon de Morgan: principio de C. Lloyd Morgan para evitar inflar el valor calculado de P.
que afirma que la actividad animal se debe in Comparaciones por pares, todas las posibles: reali
terpretar en términos de procesos que son in zar todas las comparaciones posibles entre gru
feriores en la escala de la evolución y el desa pos diferentes tomándolos de par en par.
rrollo psicológicos, dando preferencia a otros Comparaciones post hoc (a posteriori): compara
procesos psicológicos, si es que esto es posi ciones entre grupos hechas sobre la medida de
ble. una variable dependiente después de que se han
Causalidad: proceso en el cual la causa de un he estudiado los datos.
cho puede establecerse de modo que haga de Comprobable: afirmación que puede ser sujeta
ese hecho el efecto. Una relación causa-efecto directamente (o indirectamente, como las teo
se especifica cuando una variable independiente rías) a la confirmación empírica. Una afirma
ha influido sistemáticamente en la variable de ción comprobable es aquella a la que se le pue
pendiente en un experimento bien realizado. de asignar un grado de probabilidad determi
Célula: “cuadro” en un diseño factorial en el que nable, de acuerdo con la teoría de la probabili
se representan las condiciones de un experi dad de la comprobabilidad.
mento. Comprobable en el presente: hipótesis que satis
Ciencia: aplicación de método científico para la face la definición de “obtenible en el presente”
solución de problemas (para otras definicio y a la que, por lo tanto, se le puede asignar un
nes véase páginas 1 a 4.) grado de probabilidad.
Ciencia (aplicada, tecnológica, práctica): solución Concatenación: es la característica de un siste
de problemas de necesidad inmediata en la vida ma entrelazado y compatible que da un incre
cotidiana. Muchos de estos problemas se pue mento a la probabilidad de cada proposición
den solucionar mediante la aplicación de los que compone el sistema.
frutos de la ciencia pura mientras que otros Condicionamiento operante: condicionamiento
requieren de la conducción de una investiga en el que un organismo aumenta su tasa de
ción empírica “de campo”. respuestas más allá del nivel operante pues la
Ciencia (pura, básica): conducción de indagacio conducta depende de sus consecuencias.
nes sistemáticas por el bien del conocimiento Conducta: patrón de respuesta, por lo general
mismo, sin considerar la solución de los pro organizadas, que se siguen para lograr una
blemas prácticos. Nuestras universidades son meta.
los primeros agentes de la investigación del co Confiabilidad: grado en el que se obtienen las
nocimiento por el conocimiento mismo y de la mismas observaciones en estudios repetidos.
retención de ese conocimiento para la socie Confiabilidad intersubjetiva: véase objetividad.
dad. Confirmación: es el proceso de someter una afir
Circularidad viciosa: razonamiento erróneo que mación (hipótesis, teoría, ley, etcétera) a una
se da cuando la respuesta se basa en la pregun prueba empírica. La consecuencia puede ser
ta y la pregunta se basa en la respuesta, sin bus que la probabilidad de la afirmación disminu
car información externa, independiente. ya (no se confirme o no se apoye) o que au
Coeficiente de correlación producto-momento de mente (se confirme o se apoye). Se distingue
Pearson: el índice de correlación de Karl Pear- de réplica en que la réplica se refiere a la repe
son tiene su símbolo en r y su valor indica el tición de los métodos de un estudio científico.
grado en el que dos variables se relacionan li Confusión: es la presencia de una variable extra
nealmente. El valor de r varía entre +1.0 (corre ña, sistemáticamente relacionada con la varia
lación positiva) y -1.0 (correlación negativa) ble independiente de tal modo que puede afec
Comparaciones a posteriori: véase comparaciones tar diferencialmente los valores de las variables
post hoc. dependientes de los grupos en la investigación.
Comparaciones a priori: véase comparaciones pla Conocimiento: afirmación o conjunto de afirma
neadas. ciones de relaciones entre variables que han sido
Comparaciones planeadas (a priori): comparacio confirmadas empíricamente. Las afirmaciones
nes entre grupos hechas sobre la medida de pueden ser estrictamente empíricas o pueden
Glosario de términos, símbolos y ecuaciones estadísticas 359
ser teóricas (en base a hallazgos empíricos) con Desconfirmado: véase confirmación.
diferentes cantidades de interrelaciones siste Desviación estándar: medida de variabilidad de
máticas (véase concatenación). Las afirmacio la distribución de frecuencia. Véase “glosario
nes han sido confirmadas empíricamente con de ecuaciones estadísticas” en la p.
un razonable alto grado de probabilidad. Determinismo: es la suposición de que los suce
Consentimiento informado: acuerdo escrito en sos son legítimos de modo que podamos esta
un registro en el que se manifiesta que el parti blecer relaciones entre dos o más variables que
cipante colabora por su propia voluntad en el sean duraderas o permanentes. A pesar de que
estudio y con conocimiento de lo que va a su no podemos aseverar que el universo es com
ceder. pletamente determinista, la suposición del
Constancia de las condiciones: técnica de control determinismo es necesaria (aunque no suficien
de las variables extrañas, mediante la cual éstas te) para acceder al conocimiento.
conservan el mismo valor en todas las condi Diagrama de dispersión (gráfica de dispersión):
ciones a lo largo del experimento. gráfica de la relación entre dos mediciones
Constructo lógico: variable de la cual se tiene la hechas a los mismos individuos para ilustrar
hipótesis de que es útil parajustificar los hechos visualmente los datos sobre los que se basa un
no observados que intervienen entre los estímu coeficiente de correlación.
los y las respuestas (como se emplea en psico Diferencia confiable: véase significativa.
logía). Los constructos lógicos pueden tener dos Diseño cuasiexperimental: diseño similar al de un
váriedades: (1) constructos hipotéticos y (2) va experimento, pero los participantes no son asig
riables intervinientes. La diferencia consiste en nados al azar a los tratamientos, así como tam
que los constructos hipotéticos tienen la cate poco se designa aleatoriamente los tratamien
goría de ser reales, mientras que las variables tos para los grupos. En consecuencia siempre
intervinientes son ficciones convenientes. se les confunde.
Contrabalanceo: técnica para controlar los efec Diseño de dos grupos aleatorios: designación
tos progresivos en un experimento de modo aleatoria de los participantes a dos grupos in
que cada condición sea presentada a cada par dependientes.
ticipante el mismo número de veces, y que cada Diseño de dos grupos independientes: estudio en
condición ocurra el mismo número de veces el que los participantes se encuentran sólo en
en cada sesión de prácticas. En un contrabalan uno de dos grupos.
ceo completo se deben presentar todos los ór Diseño de grupos apareados: véase diseño de gru
denes posibles de las variables, lo cual no se da pos igualados.
en un contrabalanceo incompleto. Diseño de grupos igualados (diseño de grupos
Control de la variable independiente: es la varia apareados): se procura tener grupos con va
ción sistemática de la variable independiente lores esencialmente iguales en las variables de
en forma conocida y bien especificada. pendientes antes de aplicar el tratamiento ex
Control de las variables extrañas: regulación de perimental mediante el uso de una variable de
las variables extrañas en un estudio. igualación para incrementar la equivalencia.
Control, experimental: técnicas empleadas para Diseño de grupos múltiples: estudio en el que hay
asegurar que la variación de una variable de más de dos grupos independientes.
pendiente se relaciona con la manipulación sis Diseño de retiro: diseño de caso único (N - 1) en
temática de la variable independiente y no con el que el tratamiento experimental se introdu
las variables extrañas. ce siguiendo un periodo de línea base y des
Correlación: medida del grado en el que dos va pués se retira para determinar si la tasa de res
riables se relacionan, muy a menudo medidas puesta regresa al nivel operante.
por el coeficiente de correlación ( r ) de pro Diseño entre grupos: Diseños experimentales en
ducto-momento de Pearson. Mientras más gran los que hay dos o más grupos independientes
de sea el valor absoluto de r, más fuerte será la de participantes, de tal modo que cada grupo
relación (lineal) entre las dos variables. recibe una cantidad diferente de variable inde
Definición fundamental: definición general que pendiente. Contrasta con los diseños de trata
abarca definiciones específicas de un con miento repetido.
cepto. . Diseño, experimental: plan específico utilizado
Definición operacional: es la que indica que cier para asignar los participantes a las condicio
to fenómeno existe pues especifica los méto nes, como se hace en un diseño de dos grupos
dos precisos con los que se mide el fenómeno. (capítulo 6) o en un diseño factorial (capítulo
8). El plan sirve para cambiar sistemáticamente Efectos de orden: efectos sobre la conducta de
las variables independientes y tomar nota de presentar dos o más tratamientos experimen
los cambios consecuentes en las variables de tales al mismo participante. No se darían tales
pendientes. Esta definición establece una dife efectos de orden si se empleara un diseño en
rencia entre el diseño y el método del análisis tre grupos en el cual cada participante sólo re
estadístico, el diseño experimental también ha cibe un tratamiento. Véase también contraba
sido empleado para incluir todos los pasos del lanceo.
plan experimental. Eliminación: técnica para controlar variables ex
Diseño factorial: diseño experimental en el cual trañas al separarlas del experimento.
se emplean todas las combinaciones posibles Empirismo (empírico): es el estudio de los suce
de los valores seleccionados de cada variable sos observables en la naturaleza en un intento
independiente. Este es un diseño factorial com por resolver problemas. El empirismo es nece
pleto. Se puede entonces determinar la influen sario en la formulación de una afirmación
cia posible de dos o más variables independien comprobable tal como la hipótesis empírica o
tes e investigar las posibles interacciones entre la ley empírica. Se le contrasta con el nativismo.
ellas. Error experimental: es la suma de todas las fuen
Diseño sólo post-test de un solo grupo: estudio tes de variación fuera de control que afectan la
en el que un grupo de participantes se sujeta a medición de una variable dependiente. Es el
un experimento y después de llevarlo a cabo, denominador de pruebas estadísticas como la
se toma una medida de variable dependiente. prueba t y la prueba F.
Diseños de series de tiempo: subclase de diseños Esquema inductivo: sucesión de procesos de ra
de tratamiento repetido. Son diseños cuasi ex zonamiento científico que incluye inferencias
perimentales en observaciones de la conducta, inductivas y deductivas, generalizaciones cien
etc., y se llevan a cabo durante cierto tiempo. tíficas, concatenación, explicación y predicción.
Diseños de tratamientos repetidos (diseños intra- Estadísticas no paramétricas: estadísticas con las
grupales): diseños experimentales en los que que se prueban hipótesis nulas que no requie
los participantes reciben dos o más valores en ren satisfacer las suposiciones estándar para es
la variable independiente. Se opone a diseños tadísticas paramétricas que se especifican en la
entre grupos. pág. 213.
Distribución de frecuencia: distribución de punta Estadístico: o estadígrafo: valor que se calcula a
jes en los que el valor numérico es a menudo partir de la observación de una muestra de po
marcado en el eje horizontal y el número (fre blación, por ejemplo, X es una media de la
cuencia) de individuos que obtienen cada pun muestra.
to se indica en el eje vertical. Muchos fenóme Estímulo discriminativo (S°): la presencia de SD
nos naturales tienen una distribución gaussiana establece la condición para que se dé una con
(en forma de campana). ducta específica.
Efecto Hawthorne: influencia en la conducta que Estímulos: energías del medio ambiente (nuestro
se presenta tan sólo por poner atención espe alrededor) que afectan las respuestas (aspectos
cial a los participantes, como en un estudio de de la conducta).
investigación. Véase efecto Placebo. Estrategia de ciego sencillo: los participantes des
Efecto irreversible: Se lleva a cabo un conjunto conocen la naturaleza del experimento, por
de operaciones de tal modo que las medicio ejemplo ignoran en qué fases se administran
nes subsecuentes reciban la influencia perma drogas o placebo.
nente de los efectos de las operaciones origi Estrategias ¡diográficas: estudio intensivo y a lar
nales. go plazo del individuo. Se emplea a menudo en
Efecto placebo: mejoramiento en el desempeño la investigación longitudinal y del desarrollo.
independiente de la naturaleza del tratamiento Estrategias nomotéticas: intentos por estudiar la
dado y que nace de la idea de que participar en conducta mediante la determinación de pro
una investigación implica que le debe suceder medios de grupos de individuos. Se emplea a
algo positivo al participante. Una condición de menudo en la investigación transversal.
placebo controla los efectos sugestivos debidos Estratificación: proceso mediante el cual se clasi
a la alta motivación y a las características de la fica a los participantes a lo largo de una dimen
demanda puesto que todos los participantes sión con el propósito de averiguar si cierta me
pueden esperar resultados benéficos. ( Véase dida de conducta se relaciona sistemáticamen
efecto Hawthorne.) te con esa dimensión.
Experimentación: aplicación del método experi Una función primaria es la de establecer un

mental en el cual se manipula deliberadamen estándar en contra del cual se pueda evaluar el
te la variable independiente. tratamiento experimental administrado al gru-
Experimento crucial: es aquel en el que todas las po(s) experimental. Es importante distinguir
hipótesis posibles se prueban simultáneamen entre el grupo control y el grupo comparación, en
te de modo que se pueda averiguar cuál es la la medida en que el primero identifica un com
verdadera. ponente de un experimento en contra de un
Experimento doble-ciego: procedimiento en el grupo de participantes utilizados en uno de los
cual la persona que recolecta los datos no ha métodos no experimentales.
sido informada de la naturaleza de la hipótesis Grupo(s) experimental(es): grupos(s) de indivi
o de las condiciones experimentales en las que duos que reciben tratamiento experimental.
se encuentra el participante. El propósito es eli Hipótesis: afirmación comprobable de una rela
minar los efectos del experimentador en la va ción potencial entre variables que se ofrece
riable dependiente. como solución potencial a un problema.
Experimento piloto: etapas iniciales de experi Hipótesis existencial: afirmación que asegura que
mentación en las que se estudia un pequeño una relación se confirma en por lo menos un
número de participantes para probar y modifi caso.
car los procedimientos experimentales. Hipótesis nula: afirmación que especifica las ca
Experimentos de confirmación: son aquellos en racterísticas de los parámetros (en oposición a
los que una hipótesis explícita es confirmada y los valores de las muestras) que son evaluados
sometida a prueba; difiere de los experimen estadísticamente. En este libro, la única forma
tos de exploración. de hipótesis nula que se ha empleado es la que
Experimentos exploratorios: se diferencian de los especifica que las diferencias entre las medias
experimentos confirmatorios en que existe paramétricas son iguales a cero.
poco conocimiento sobre un problema dado, Hipótesis nula parcial: hipótesis nula que afirma
de modo que lo único con lo que se cuenta que no hay diferencia entre cualquier par de
para conducir el estudio son hipótesis vagas y medias de grupos en la variable dependiente
débiles. en un experimento multigrupal.
Explicación: proceso de deducción de una afir Hipótesis nula, total (general o completa): afir
mación específica a partir de una más general. mación según la cual no existe diferencia entre
Frecuencia, definición de probabilidad: véase pro las medias de diversos grupos, es decir que to
babilidad, definición de frecuencia. das las medias de población son iguales (con
Generalización: inferencia inductiva a partir de trasta con la hipótesis nula parcial).
un grupo específico de datos a un grupo más Hipótesis universal: afirmación que asegura que
amplio de observaciones potenciales. Inferimos una relación determinada confirma todas las
inductivamente que lo que es cierto para una variable comprendidas en ella, siempre y en
muestra aleatoria es probablemente cierto para todo lugar.
el universo que esta muestra representa. Las Homogeneidad de varianza: Hipótesis estadística
generalizaciones se amoldan al cálculo de pro de que existen varianzas iguales.
babilidad. Implicación general: proposición lógica de la for
Grado de probabilidad: cualquier probabilidad ma “si..., entonces...”. Si ciertas condiciones son
entre 0 (absolutamente falso) y 1 (absolutamente verdaderas, entonces otras ciertas condiciones
verdadero). también deben ser verdaderas.
Grados de libertad: valor necesario para averi Independencia (suposición estadística): es la pri
guar la probabilidad calculada de los resulta mera hipótesis estadística en un análisis para-
dos de una prueba estadística (como la prueba mètrico, es decir, que cada valor de la variable
t). Hay diferentes ecuaciones para cada prue dependiente analizado estadísticamente debe
ba estadística. Literalmente el término especi ser independiente de cualquier otro valor de la
fica el número de observaciones independien variable dependiente. Véase también crítica a la
tes posibles para una fuente de variación me estadística no paramétrica.
nos el número de parámetros independientes Inferencia deductiva: es una inferencia que se ajus
empleados al hacer el cálculo de esa variación. ta a las reglas de la lógica deductiva (en contra
Grupo de comparación: véase grupo control. de la inductiva); en consecuencia la conclusión
Grupo(s) control: es el grupo(s) que recibe una es necesariamente verdadera, en base a las
condición normal o estándar, sin tratamiento. premisas.
Inferencia inductiva: inferencia que es menos que convierte en un cambio de conducta, aun cuan
cierta (P < 1.0) y se ajusta al cálculo de probabi do el cambio sea sumamente ligero, como en
lidad. Tiene como sinónimo inferencia de proba las respuestas cubiertas.
bilidad. Metafísica: disciplinas, en especial las de filoso
Informe de la evidencia: resumen de resultados fía clásica y religión, que exponen algunas (no
de un estudio empírico empleado en el proce todas) interrogantes que no se pueden resolver
so de confirmación de una hipótesis. empíricamente. La palabra interrogantes se usa
Interacción: existe una interacción entre dos o aquí erróneamente y se le debería remplazar
más variables independientes si los valores de mejor con seudointerrogantes o seudoproblemas.
las variables dependientes obtenidos bajo nive Método clínico: también se le conoce como el
les de una variable independiente se compor método de historia de casos o método de his
tan de manera diferente bajo diferentes niveles toria de vida, y según el cual se hace un intento
de la otra variable independiente. Los valores por ayudar a un individuo a resolver sus pro
de la variable dependiente relacionados con una blemas personales o a recopilar información
variable independiente en un diseño factorial sobre su historia. La probabilidad de tener un
dependen entonces de, o varían sistemáticamen reporte de evidencia a partir de este método
te con, los valores de otra variable independien es muy baja.
te en ese diseño. Método de observación sistemática: método no
Latencia: tiempo que transcurre entre el comien experimental, cuasiexperimental en el que se
zo de un estímulo y el principio de una res estudian los hechos conforme se van dando en
puesta. la naturaleza.
Ley: afirmación de una relación empírica entre Moda: es el valor que se da con mayor frecuen
variables (preferentemente entre variables in cia en una distribución.
dependientes y dependientes) que tiene un alto Modelo de efectos aleatorios: modelo de diseño
grado de probabilidad. factorial en el cual los valores de la variable
Manipulación deliberada: control sistemático de independiente representan una muestra alea
una variable independiente de un experimen toria a partir de la población de los posibles
to. Se opone a la selección de valores de varia valores de las variables independientes.
bles independientes. Véase variable indepen Modelo de efectos fijos: diseño factorial en el
diente, control de. cual se especifican todos los valores de las va
Materialismo: tradicionalmente es una posición riable independientes sobre las cuales se va a
monista sobre el problema cuerpo-mente en el inferir.
cual se asegura que en el universo sólo se dan Modelo mixto o combinado: diseño factorial en
hechos físicos. El materialismo es una hipóte el cual algunos valores de las variables inde
sis necesaria para resolver cualquier problema pendientes son fijos, mientras que otros son
y constituye una de las bases de la ciencia. muestras aleatorias de una población mayor de
Mecanicismo: postura clásica opuesta a vitalismo posibles valores de variables independientes.
la cual emplea un modelo mecánico para com Muestra: subgrupo de observaciones de una
prender la conducta. En estos términos, los población.
organismos se conducen de acuerdo con los Muestra aleatoria: muestra (en psicología gene
principios de la física. ralmente de participantes) seleccionada de una
Media: es el promedio aritmético. (Véase ecua población tal que todos los individuos posibles
ciones estadísticas en la pag. 112). tienen las mismas probabilidades de ser selec
Mediana: valor sobre el cual 50 por ciento de los cionados.
puntajes de una distribución se encuentran arri Muestra representativa: muestra que tiene cier
ba y el otro 50 por ciento, abajo. tas características en la misma proporción que
Medio ambiente: la suma total de estímulos que aquellas de la población de donde fue extraí
pueden afectar los receptores de un organis da. Se debe asumir que una muestra aleator ia
mo. Los estímulos se pueden encontrar en el de una población sea representativa de la mis
ambiente externo, como en el caso de las luces ma.
que estimulan el ojo, o en el ambiente interno, Nativismo: postura filosófica según la cual el co
como por ejemplo las contracciones muscula nocimiento es innato, se basa en la doctrina de
res que estimulan los receptores del músculo las ideas innatas (Se opone al empirismo).
propioceptor para la modalidad cinética. Su Navaja de Occam: principio de William de Oc-
ponemos que cada excitación del receptor se cam que dice que de no ser necesario no se
deben multiplicar los entes. Es un ejemplo del Potencialmente comprobable: hipótesis que pue
princip o de parsimonia. de o no ser comprobable, concepto que se ba
Nivel operante: frecuencia por unidad de tiem sa en la definición de “potencialmente obte
po (y por ende tasa) con la que una respuesta nible”.
se da antes de sujetarse a un tratamiento expe Potencialmente obtenible: logro que puede o no
rimental. Su sinónimo es línea base. formar parte de las facultades de las personas
Normalidad (suposición estadística): suposición en un futuro dado, pero que no se poseen en
de que las distribuciones de población emplea el presente.
das en un estudio empírico son normales. Predicción: inferir inductivamente la natura
Objetividad: característica necesaria de la obser leza de un hecho no observado con base en un
vación científica en la que un número de ob conocimiento anterior. La postdicción emplea
servadores puede llegar a un acuerdo en que precisamente el mismo proceso inductivo;
se dio un determinado hecho con característi la diferencia es que en la predicción el hecho
cas específicas. Es un requisito que el conoci todavía no ocurre. Cuando se posdice, el
miento se base en observaciones confiables y hecho ya ocurrió pero no se ha Observado sis
repetibles. La afirmación formal de la objetivi temáticamente. Entonces, uno puede prede
dad se encuentra en el principio de confiabili cir algunas características sobre el mundo pa
dad intersubjetiva. ra 1999, pero posdecir que César visitó Irlan
Observación naturalista: pregunta empírica en la da.
qué no hay intervención con el fenómeno que Probabilidad: como se emplea en este contexto,
se estudia, sino únicamente una recopilación es la probabilidad determinada empíricamente
sistemática de datos sobre la conducta en la de que un hecho ocurrió u ocurrirá. Podemos
manera en que se da naturalmente: en conse determinar empíricamente que el grado de pro
cuencia, no se hace ningún esfuerzo por con babilidad de una afirmación varíe entre 0.0 y
trolar las variables extrañas. 1.0 de modo que ninguna afirmación empírica
Obtenible en el presente: esta interpretación de pueda tener una probabilidad de 0.0 (falsa) o
“posible” afirma que el logro se encuentra en de 1.0 (verdadera).
nuestro poder en el presente. Probabilidad, definición de frecuencia: es la pro
Operacionismo: movimiento científico cuya hi porción del éxito de todos los ejemplos obser
pótesis más importante es la de que la defini vados. Mediante observaciones repetidas y no
ción adecuada de las variables es crucial para sesgadas, las series convergirán en un valor ver
progresar, tales variables deben ser definidas dadero. Por ejemplo, al lanzar una moneda al
operacionalmente. aire, uno determinaría que 50 por ciento de las
Operante: clase de respuestas que puede ser me veces fueron éxitos, los cuales al ser divididos
dida objetivamente; consta de respuestas con entre el 100 por ciento de las observaciones
las que el organismo opera sobre el medio am darían, a la larga, la probabilidad verdadera de
biente para producir consecuencias como los P = 0.50. Este concepto es fundamental para la
estímulos reforzadores. ciencia.
Parámetro: Media obtenida a partir de todas Probabilidad Inferencias de: véase inferencia in
las observaciones posibles de una población o ductiva.
universo, es decir, una media de población Probabilidad, teoría de comprobabilidad (significa
(a) se distingue de una media X de una mues do): una proposición es comprobable si, y sólo
tra. si, es posible determinar su grado de probabi
Parsimonia: principio que dice que se debe pre lidad.
ferir la explicación más sencilla a la más com Problema de impase: problema soluble, de ade
plicada. cuado planteamiento e importante, pero del
Participantes (sujetos): aquellos que colaboran en cual un cúmulo de experimentos muestra re
un experimento con el propósito de permitir sultados contradictorios sin que haya razón para
que se estudie su conducta. tales discrepancias.
Plan experimental: el desarrollo de los pasos ne Problema irresoluble: a firm a c ió n q u e p a r e c e s e r
cesarios en un experimento para la conducción u n p r o b l e m a p e r o q u e es u n a s e u d o p r e g u n t a ,
de un estudio. p o r l o q u e e s i n c o n t e s ta b le . T a l e s s e u d o p r o b l e -
Población (o universo): todas las observaciones m a s s e r e la c io n a n a m e n u d o c o n lo s f e n ó m e
posibles hechas de acuerdo con reglas específi n o s s o b r e n a tu r a le s o in d a g a n s o b r e la s c a u s a s
cas. ú ltim a s .
Problema soluble: problema que presenta una in estímulo nocivo el cual, de manera similar, au
terrogante que puede responderse mediante el menta la tasa de respuesta.
uso de nuestras habilidades normales. Registro acumulativo: es la presentación del nú
Problemas: preguntas que originan indagaciones mero total de respuestas durante un periodo
científicas. Las hipótesis que son empíricamente experimental como una función del tiempo.
probables se presentan como soluciones a los Los cambios en la tasa de respuestas se pueden
problemas. Los problemas se deben distinguir averiguar a partir de un registro acumulativo;
de los seudoproblemas (“problemas sin solución”) si se relacionan sistemáticamente con la pre
que pueden parecer preguntas reales pero que, sentación o retiro de un tratamiento experi
después de un examen profundo, se ve que son mental, se puede inferir entonces que han sido
imposibles de abordar a través de los medios originadas por tales cambios.
empíricos. Relación causa-efecto: véase causalidad.
Prueba Bonferroni: Procedimiento en el cual se Replicación: conducción de un estudio comple
ajusta el criterio establecido para rechazar las mentario en el que el método del primero (ge
hipótesis nulas a un criterio más realista cuan neralmente un experimento) se repite con pre
do se desea realizar más del número legítimo cisión. El término se emplea a veces para indi
de comparaciones por pares en un experimen car que los resultados del segundo experimen
to con diversos grupos. Para efectuar la prue to confirmaron los del primero, aunque esta
ba Bonferroni se divide el nivel de probabili es una confusión de la conformación y de la
dad señalado (por ejemplo: 0.05) entre el nú replicación (repetición). Al confirmar, uno re
mero de posibles comparaciones (por ejemplo: pite y obtiene los mismos hallazgos. En estadís
3) y el valor resultante (por ejemplo: 0.017) es tica se emplean usos similares pero diferentes.
el que se emplea como criterio para rechazar Respuesta: contracción de un músculo (esquelé
la hipótesis nula. tico, liso o cardiaco) o la secreción de glándu
Prueba de dos colas: aplicación de una prueba las que constituyen los componentes de la con
estadística como la prueba t en que la hipótesis ducta.
empírica no especifica una dirección de las me Serendipity: el hallazgo de algo inesperado que
dias de grupo. En consecuencia, se emplean es más valioso que el propósito original de la
ambas colas de la distribución t. (Véase prueba investigación.
de una cola.) Seudoafirmaciones: véase seudohipótesis.
Prueba de una cola: aplicación de la prueba t o Seudohipótesis: afirmaciones que parecen ser hi
de otra prueba en que la hipótesis especifica la pótesis comprobables, pero que en realidad no
dirección de las medias de los grupos. En con los son.
secuencia, sólo se usa una cola de la distribu Seudoproblemas: véase problemas.
ción t, lo que incrementa la posibilidad de re Significado: un enunciado tiene significado (es
chazar una hipótesis nula. (Véase prueba de dos significativo) si es comprobable. De otra for
colas.) ma es no significativo o incomprobable. (Véase
Prueba estadística: se usa para decir si un hecho y las definiciones de metafísica y de comproba
es confiable, y no que sólo se debe a fluc bilidad.)
tuaciones aleatorias (azar), por ejemplo, la di Significativo: empleado en estadística para indi
ferencia entre dos grupos en un solo experi car confiabilidad. Decimos que una prueba es
mento. tadística como la prueba t puede ser significa
Prueba F (estadístico F): proporción entre dos tiva estadísticamente cuando la hipótesis nula
varianzas. Se le emplea en el análisis de varian- es rechazada, con lo que se indica que el fenó
za para determinar si un efecto experimental meno que se está estudiando es confiable.
es o no estadísticamente significativo (a menu Simplicidad inductiva: es la inferencia de que la
do para ver si existe una diferencia confiable relación más sencilla ofrece la predicción pre
entre las medias de varios grupos). ferida.
Rango: la medida más alta en una distribución Sujetos: véase participantes.
menos la medida más baja. Medida de variabi Suma de cuadrados: valores calculados entre los
lidad. grupos, dentro de los grupos y que den forma
Reforzador: estímulo que, cuando es contingen total, como en los componentes de un análisis
te a una respuesta, aumenta la tasa de respues de varianza.
ta. Este es un reforzamiento positivo. Reforza Tasa de respuestas: frecuencia de respuestas du
miento negativo corresponde al retiro de un rante un determinado periodo.
problemas. Los problemas se deben distinguir averiguar a partir de un registró acumulativo;
dad .señalado (por ejemplo: 0.05) entre el nú replicación (repetición). Al confirmar, uno re
Prueba estadística: se usa para decir si un hecho las definiciones de metafísica y de comproba
Prueba F (estadístico f): proporción entre dos tiva estadísticamente cuando la hipótesis nula
entre las medías de varios grupos). ferida.
de losseudoproblemas (“problemas sin solución”) si se relacionan sistemáticamente con la pre
de una cola.) Seudoafirmacíones: véase seudohipótesis.
Prueba estadística: se usa para decir si un hecho las definiciones de metafísica y de comproba
ambas colas de la distribución i. (Véase prueba investigación.
Prueba estadística: se usa para decir si un hecho y las definiciones de metafísica y de comproba

Copia de McGuigan (6taedic) - Psicología Experimental PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Copia de McGuigan (6taedic) - Psicología Experimental PDF

Caricato da

Copyright:

Formati disponibili

PSICOLOGÍA

Edición en inglés: *'

Acquisitions editor: Julie Berrisford

McGUIGAN: PSICOLOGÍA EXPERIMENTAL Métodos de Investigación 6/Ed.

Traducido del inglés de la obra: Experimental Psychology Methods of Research

Derechos reservados © 1996 respecto a la primera edición en español publicada por

Miembro de la Cámara Nacional de la Industria Editorial, Reg. Núm. 1524

Original English Language Edition Published by Prentice Hall Inc.

IMP. Y MAO. DE LIBROS MIS. S A DE C.V.

Prefacio a la primera edición, xv

Prefacio a la sexta edición, xvii

Las variables experimentales y cómo controlarlas, 50

La naturaleza del control experimental, 59

Diseño experimental: el caso de dos grupos independientes, 105

Es remoto que haya grupos “desiguales”, 107

Diseño experimental: el caso de más de dos grupos independientes, 137

Resumen del cálculo del análisis de varianza y de la prueba F para

Diseño experimental: el diseño factorial, 162

Correlaciones y diseños experimentales, 189

Seleccionando la variable de igualación, 203

Diseño experimental: investigación de un solo sujeto (n = 7), 226

Apéndice A: Análisis estadístico para los diseños de series de tiempo, 247

Diseños cuasi-experimentales: buscando soluciones a los problemas

La generalización, la explicación y la predicción en psicología, 277

La limitación de generalizaciones, 294

Tablas estadísticas, 305

El uso de lasxomputadoras en la investigación, 333

El gran valor de las computadoras, 339

Principios de ética al efectuar investigación psicológica, 344

Respuestas a los problemas, 35 7

Glosario de términos,símbo!os y ecuaciones estadísticas, 357

fica. Con la comprensión de las metas y requerido en un curso de psicología experi­

Propósito principal: Lo que usted debe adquirir:

LA NATURALEZA DE LA CIENCIA de muchos siglos indica con toda claridad que

una acumulación del conocimiento integra­ representación esquemática de las disciplinas

FIGURA 1 -1. Tres grupos de disciplinas

La experimentación: el método de investiga­ va se le llama hipótesis; puede ser una solu­

Velocidad para recorrer un laberinto (en segundos) -*■

FIGURA 1-2 . Representación de una variable continua que puede variar en

En el estudio de la conducta, el psicólogo nes5entre

do el menor,,teóricamente, cero segundos, y pendientes. Existe un número infinito (o, al

Generalización de la hipótesis Las predicciones

Directamente relacionado con la puesta a El siguiente paso en el método científico,

Generalización de la hipótesis Las predicciones

Directamente relacionado con la puesta a El siguiente paso en el método científico,

mática de la conducta” y asignarle valores: manera adecuada, el avance hacia la recupe­

Propósito principal: Lo que usted debe adquirir:

¿QUÉ ES UN PROBLEMA? damente con la pregunta. En uno u otro ca­

un túnel bajo el Canal de la Mancha) es ac­ tesis es actualmente comprobable. Si no po­

Potencialmente alcanzable Potencialmente comprobable

Esta interpretación concierne a las posibi­

El problema no estructurado Algunos ejemplos. Los problemas vagamen­

nuestra comprensión de este complejísimo en gran parte, enfocamos la pregunta de si

observación de un fenómeno altera el fenó­ dicado la existencia de impulsos neurales efe­

Propósito principal: Lo que usted debe adquirir:

LA NATURALEZA DE UNA HIPÓTESIS Si después de la experimentación apropiada,

no emplear declaraciones analíticas, caso en miento adicional. La idea es que la ciencia j

Extrapolación de investigaciones 1. Debe ser comprobable. La hipótesis que es com­

V. Llegar a una hipótesis experimentador tiene que aislar las variables

1. Se plantea una hipótesis como solución poten­

LAS VARIABLES EXPERIMENTALES Y

Propósito principal: Lo que usted debe adquirir:

En la experimentación, la variable indepen­ Variables organísmicas

fica. Con la comprensión de las metas y requerido en un curso de psicología experi

una acumulación del conocimiento integra representación esquemática de las disciplinas

La experimentación: el método de investiga va se le llama hipótesis; puede ser una solu

mática de la conducta” y asignarle valores: manera adecuada, el avance hacia la recupe

¿QUÉ ES UN PROBLEMA? damente con la pregunta. En uno u otro ca

un túnel bajo el Canal de la Mancha) es ac tesis es actualmente comprobable. Si no po

Esta interpretación concierne a las posibi

El problema no estructurado Algunos ejemplos. Los problemas vagamen

observación de un fenómeno altera el fenó dicado la existencia de impulsos neurales efe

Extrapolación de investigaciones 1. Debe ser comprobable. La hipótesis que es com

1. Se plantea una hipótesis como solución poten

En la experimentación, la variable indepen Variables organísmicas

2 Véase, en el capítulo 9, un análisis sobre la correla concepto fundamental de ansiedad = / (ansiedad,,

determinar si la cantidad de estrés de unos El siguiente paso es determinar las varia

planteamiento de la pregunta-problema se ce C). Dos funciones generales de los apara

¿Alguna pregunta?” El experimentador res unidad organizada. La intención es ayudarle

— el grupo 1 EX, = 48, EXf = 404, y n, = 7. En

1 1 1 8 0 0 Necesitamos seguir estos pasos para calcu

gía de la investigación. Un procedimiento tra de las varianzas, también se puede calcular el

B. Un experimentador obtiene una t calculada el desempeño de cada participante (mien

Grados de libertad es un concepto que expre En cada caso, x es igual a 9. El valor de 9 se

(obtenidos de un diseño de dos grupos) indi valor promedio de la variable dependiente