Scribd Logo
Upload

Welcome to Scribd!

  • Conceptos Básicos Estadística

    Uploaded by

    Sarah Peña
    11 views9 pages

    Original Title

    Conceptos básicos estadística

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    Download as pdf
    11 views9 pages

    Conceptos Básicos Estadística

    Uploaded by

    Sarah Peña

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    Download as pdf
    of 9
    3.4. Conceptos previos 3.1.1. Poblacion Conjunto de objetos (realmente existentes o posibles) que verifican una de- finicidn bien determinada. Por objeto entendemos cualquier persona, animal, cosa, operacidn, familia, institucién, ete. Asi, por ejemplo, constituirin una poblacién Jos universitarios espafoles, las familias europeas, los coches fabricados al aio por cierta empresa automovilistica, los posibles lanzamientos de un dado, 3.42. Muestra Cualquier subconjunto de una poblacién. La muestra hace siempre referencia fauna poblacién de la cual es parte. Asi, por ejemplo, constituirén una muestra de las anteriores poblaciones: 300 universitarios espafiles, 1.200 familias europeas, 213 coches, #0 lanzamientos de un dado. ‘Supongamos que observamos una caracteristica de los objetos de una pobla- cién. Por ejemplo, consideremos fa altura de los universitarios espatioles (pobla idn}, Tendremos tina poblacién de observaciones y una poblacidn de admeros Paraleiamente, observando la altura de una muestra de universitarios espaftoles, tendremas una muestra de observaciones y una muestra de nimeros Es claro que, deda una misma poblacién de abjetos, podemos tener diversas poblaciones de observaciones y, consiguientemente, diversas poblaciones de ni- eros, segin que estudiemos una u otra caracteristica. Asi, con los mismos uni- versitarios espafoles, podiamos haber considerado su. peso, su capacidad inte- lectual, su actitud frente a la guerra, ete 3.4.3, Pardmetro ‘Toda funcién definida sobre los valores numéricos de una poblaciéa. Asi por ejemplo, seré pardmetro la media aritmética de las alturas de todos Jos uni- Oub ox ta Estacion? | 37 serstarios espafioles, pues dicha media aritmética no es mis que la suma de las ituras de la poblacién de universitarios espafioles dividida por el nimero de éstos, decir, es una funcién definida sobre los valores numéricos de Ia poblacion Conviene distinguir entre Iz funcién, como tal, y el resultado numérico obte rido mediante Ia misma en cada caso concreto. La funcién es idéntica en todos Jos ‘asos particulares. Por el contrario, el resultado numérico varia, en general, de 3:14, Estadistico Toda funcién definida sobre los valores numéricos de una muestra. Asi, por cjemplo, end estadistico la media aritmética de las alturas de una muestra de 300 uni tersitarios espaol. Supongamos tna poblacidn constituida por diez personas a quienes hemos eplicado una prueba objetiva. Tenemos diez observaciones y diez valores numé- eos. Supongamos que éstos son: 3, 12, 14, 8,7, 7, 3, 10, 6 8. Las puntuaciones Fy 10, por ejemplo, constituirén una muestra de esa poblacién. Seri un pardémetro lh media aritmétice de las diez puntuaciones (poblacién), es decir, (3 + 12 -+ 14 + HB +747 43-4 10 + 6 + 8/10 = 7.8. Serd un estadistico ia media aritmé tice de las dos puntuaciones 8 y 10 (muestra), es decir (8 + 10)/2 ‘Consideremos ahora cl sexo de las diez personas. Atribuyamos un [a los va- rones y un O a las mujeres. Tenemos, también, diez observaciones y diez valores umérisoe. Supongamos que éstos son: 0, 1, 1,0, 1,0, 1, 1, 1, 1 Flos eonstituyen li poblacin. Los tres primeros, por ejemplo, constituirin una muestra de esa po blacidn, Serd un pardmetro la proporcién de «unos» (varones) en la poblacién de las diez personas, es decir, 7/10 = 0,70, Serd un estadistico la proporcién de unos» (varones) en la muestra de las tres primeras personas, es decir, 2/3 = 0,67 3.2. Definicién de Estadis Ciencia gue recoge, ordena y analiza los datos de uns muestra, extraida de cier- ta poblacién, y que, a partir de esa muestra, valiéndose dei Céleulo de Probabili- ades, se encarga de hacer inferencias acerca de la poblacién, ‘Ordinariamente, las inferencias versarén sobre los parimetros de la poblacién 4 partir de los estadisticos de la muestra, Pero, también, haremos inferencias acerca dea forma de la distribucién® de a poblacién, a partir de la forma de Ia distribo tin de la muestra, En cualquier caso las inferencias estaran basadas Unicamente ¢n la informacién objetiva contenida en la muestra. La informacién sera exclusi- vamente objetiva, no subjetiva; contenida en la muestra y no en otras fuentes ex- srafias a la misma, Esta postura es Ia llamada «eldsica» cuyo exponente miximo ha sido Ronald Aymer Fisher (1890-1962). Nos limitamos a este punto de vista Te el eaptla 4 tetaremes sobeedisibcion de Fecuencias 388 / Estadistcn pera Paicdlogos sclisicon por tna doble razén. En primer lugar, s6lo con una base sélida en esta Aistica clasica es posible acceder a otros puntos de vista como el bayesiano o el de la teoria dela decision. En segundo lugar, ni la estadistica enfocada bayesiana- ‘mente, nila teoria de la decisién pueden presentar hoy un cuerpo de doctrina ten testructurado como el que presenta Ia estadistica clisica. Ademas, el enfoque clésico hoy por hoy es mucho més Wil en la aplicacién a los easos précticos psicolégicos gue los otros dos enfoques. ‘Conviene distinguir entre Estadistica, estadisticas y estadistico (0 estadisticos), a) Estadistica es la ciencia acabada de defini. b) Estadisticas son los resultados numéricos abtenidos mediante la Estadis- tica: mimero de accidentes de trafico durante un mes, proporcién de aleohélicos fen diversas naciones, consumo medio semanal de leche por familia, ec. {)_ Estadistico es todo valor numérico obtenido a partir de los valores pre- sentados por una muestra, segin lo dicho anteriormente or supuesto, estadistico como sustantivo es, también, usado para denominar 4 la persona dedicada a la Estadistica, Como adjetivo es utilizado para calficar personas y cosas relacionadas con la Estadistica, 3.3, Division de la Estadistica ‘Segin la definicién acabada de dar en el patrafo anterior, la Estadistica cons. ta de dos partes fundamentales ‘a) Recogida, ordenacidn y andlisis de los datos de una muestra, 1b) Verificacién de inferencias acerca de la poblacién (de sus parémetros, de Ja forma de su distribucion), a parti de la muestra (de sus estadisticos, de la forma de su distibucin. La Probabilidad es el puente que nos permite pasar vilidamente de la muestra ‘Ia poblacién, que legitima el salto desde las caracteristicas (conocidss) dela mues- tra hasta las earactersticas (desconocidas) de la poblacién. La primera parte constituye la Estadistica Deseriptiva, cuyo cometido es des- cribir una muestra. La segunda parte constituye la Estadistica Inferencial, cuyo ‘cometido es hacer inferencias sobre Ia poblacién, a partir de la muestra. En este primer tomo nos limitaremos a la Estadistica Descriptiva. En el segundo tomo, tras unos capitulas sobre Probabilidad, estudiaremos la Estadistica Inferencial. Alli discutiremos la diferencia entre Probabilidad y Estadistica y veremos el papel {que juega la Probabilidad en la fundamentacién de las inferencias estadistices. 3.4, Tareas de la Estadistica Descriptiva 3.4.1. Recogida de datos Posponemos la consideracién de este apartado, dejéndola para el tomo Il Es muy dificil hablar de recogida de datos sin haber tratado sobre el muestreo Oud es le Estadstiea? | 39 AA su vez, es pricticamente imposible presentar el muesireo sin haber expuesto algunas nociones previas de Probabilidad. 3.4.2. Organizacion de los datos Supongamos una muestra de 300 nifios @ quienes aplicamos una prueba de inteligencia. Estos niflos manifestarén dicha caracteristica segin diversas modal dades. Si Ja prueba consta de 20 preguntas, un conjunto posible de modalidades seria: «ninguna pregunta bien respondiday, «ona pregunta bien respondida», ‘eveinte preguntas bien respondidas». Atribuyamos alimeros a esas modalidades, Una atribucién razonable (no la unica) puede ser la siguiente: un 0 a la primera smodalidad, un 1 a la segunda, ..., un 20 a la vigésimo primera, (Recuérdese que esta atribuciéa de ndmeros, en rigor, no es propia de la Estadistea que comienza 4 actuar sobre unos nimefos ya atcibuides previamente,) Tenemos, por tanto, 300 nimeres (varios de ellos necesariamente iguales entre si) correspondientes a los 300 nifos. Este conjunto desordenado de nimeros nos oftece una informacion muy pobre sobre la inteligencia de la muestra. Una orde- nacién razonable consiste en colocar los 21 nimeros posibles (0, 1, 2, ... 20) dde menor # mayor. Pues bien, al nimero de ceros le liamaremos frecuencia cortes- pondiente a le primera modalidad (mejor atin, correspondiente al 0, atribuido fla primera modalidad), al nimezo de unos le llamaremos frecuencia correspon- diente 2 Ja segunda modalidad (mejor ain, correspondiente al 1, atribuide a segunda modalidad), ..., al nimero de veintes le llamaremos frecuencia corres- pondiente a la vigésimo primera modalidad (mejor aun, correspondiente al 20, atribuido a a vigésimo primera modalidad). Por fin, llamaremos distribucién de frecuencias al conjunto de todas las modalidades (mejor ain, de todos los ni- rmeros attibuidos @ dichas modalidades) y de sus correspondientes frecuencias. De esta manera obtendremos una informacién més clara sobre la inteligencia de la rmuestra, Es posible que sean muchas veintiuna modalidades. Por esta raz6n, podiamos reducilas, por ejemplo, a siete clases, cada una de ellas con tres modalidades, La primera compuesta de las modalidades: eninguna pregunta bien respondian, «cuna pregunta bien respondidan, «dos preguntas bien respondidaso. Y asi, suce- sivamente. En este caso la distribucidn de frecuencias quedaria constituida por el Conjunto de las siete clases (mejor ain, por el conjunto de los siete nimeros atri- bbuidos a las siete clases) y de sus correspondientes frecuencias. Por regla general, este agrupamiento en pocas clases nos ofrece una informaciéa mis asequible que la oftecida por las 21 modalidades. En el caso de caracteristicas no cuantificables, por ejemplo, «provincia de ori gen», podemos seguir haciendo algo anélogo a lo acabado de realizar. Supongs ‘mos una muestra de 1.000 espafioles que manifiestan la caracterstica «provincia de origem» segin diversas modalidades. En principio el nimero de modalidades Posibles es 50. Podemos-atribuir los nimeros 1, 2, ..., 50 a estas modalidades. ‘Tendremos 1.000 numeros (varios de ellos necesariamente iguales entre si), corres- 40 / Estaiatice pare Psiotogos pondientes a los 1,000 espaftoles. Podemos seguir un esquema andlogo al anterior fasta legar a una distribucién de frecuencias. De igual modo podemos reducir las 50 modalidades (provincias) a un namero menor de clases (por cjemplo, ha- ciendo de cada regién una clase}. Es claro que, bajo estas condiciones, las diversas ‘clases no estarin constituidas por el mismo numero de modalidades, 34.3. Anélisis de los datos 8) Supuesta una solo caracterstica En el caso de caracteristicas cuantificables nos seri mvy dil obtener un solo ‘nimero, promedio de todos los nimeros de Ia muestra, y que, como tal, los repre- senle a todos ellos ¥ nos indique su posicién. También, nos seré ati obtener un ‘valor numérico que nos diga silos nimeros de lz muestra se encuentran muy pré- ximos entre i (y respecto del promedio de todos ellos) 0 muy distantes 0 dispersos ‘unos de otros. En resumen, calcularemas estadisticos de tendencia central o de posicin y estadisticos de variabilidad o de dispersién 1b) Supuestas dos o mas caracteristicas Comenzaremat estudinnde conjumtamente dos carscterstieas Asi, por ejem= plo, podemos considerar la inteligencia espacial y la habilidad mecinica de 368 adul- tos, Tendremas 368 pares de nimeros (cada persona tiene dos puntuaciones, una en inteligencia espacial y otra en habilidad mecanica). A partir de ellos constr remot diversos indices que nos manifiesten el grado de relaciin existente entre esas dos caracteristias y que nos permitan pronosticar, del mejor modo posible, Ja puntuacién de una persona en una de las dos czractersticas, conociendo la que hha obtenido en la otra. Veremos mis adelante cémo nos seta posible elaborar indices de correlaci6n e insirumentos de prondstico, tanto en el caso de variables ccusntificables como en el caso de no cuantificables, aunque sean distintos los modos de aleanzarlos en une y otro caso. Estudiado el caso mas simple de solas dos variables, rataremos el caso de tres variables. 3.5. Resumen: Definiciones Poblacién: conjunto de objetos (actuales © posibles) que verifican una defi- nicién bien determinada, ‘Muesira: cualquier subconjunto de una poblacién. Parémetro: toda funcién definida sobre los valores numéricos d¢ una poblacién. Estodisico: toda foncién definida sobre los valores numéricas de una muestra. 006 In Esscives? | 44 Extadistica: ciencia que recoge, ordena y analiza los datos de wna muestra, cextraida de cierta poblacién, y que, @ partic de esa muestra, veliéndose del Céleule de Probabilidades, se encarga de hacer inferencias acerca de Ja poblacién. Estodistien Descriptiva: parte de la Estadisica que se limita a recoger, ordenar yy analizar los datos de una muestra, Es decir, se limita a deseribir la muestra Estadistica Inferencial: parte de la Estadistica que se encarga de hacer ife- vencias acerca de la poblacién a partir de una muestra extraide de la misma, 24 J estacisice para Peicblogos ln segue pico los redox namics obenios mediante Conviene advertir que los investigadores psicomatemdticos con sélida pre- Imatemdtica suclen sec muy cautos en la interpretacién psicoldgica de jos numéricos. La razén es que ellos conocen muy bien las limitaciones de los modelos matematicos aun de aquellos que pueden aparecer bastante com- plejos. Son mucho mas audaces en dichas interpretaciones psicolégicas los que Earecen de adecuada preparacién matemética, precisamente por carecer de ella, por desconocer la limitaciGn de los modelos que usin, Es necesaria una buena, preparacién matematica para conocer la potencia y la debilidad de las téenicas Sadia, eonsiemement, parser wal com fini, al vex con prudencia 2 Medida en Psicologia 2.1, Introduccion Hemos visto que ¢s posible enfocar mateméticamente Jos problemas psicolé- sicos, Ene enfoque implica atrbuir nimeros a las manifestaciones psiolégics Bos Peicioe nemeros a clertas téenicas matematicas de modo que leguemos & Somesultado numérico final e iaterpretar psicoldgicamente este resultado. En Weiidad, el estadio estrictamente matematico es el segundo que comienza €on saeescyméricos y concluye con resultados, también, muméricos. Pero éste es in~ cates ible sin una previa atribucign de mimeros a Tas rmuuifetacioncs puicald- Sine Por ello, vamos ahora a referionos brevemente a dicha atribuci6n numérica To que es equivalente, a la definicion de medida. 2.2. Caracteristices y modatidades Los objetos manifestan caracteristicas segun diversas modalidades. Asi, por ejemplo, las personas manifiestan 1a caracteistice «sexo» segin dos mods)ide- seeeetsn y mujer, 1a caracteristica aeligidn» segin muchas modalidades: cats fico, protestante, mahometano, budist, ateo, etc; la caracteritica «peso» segtn intaitas modalidades, pues entre dos modalidades, por préximas que se encuentren, Son siempre posibles otras modalidades intermedias 23. Definicion de medida ‘Atribucién de niimeros a los objetos segin ciertas reglas* Tr daicién anterior estdwomada de Stevens En so primera pblicacién sobre 14 media oats ee det. SPartaseandos NR, Campo,» podemas de ave meds 7 8 ete 36 a2 eo ip busin demerits ages 0 sees de sexe COR Fe 26 / Extaciaice para Psicdlogos ‘Fenemos por una parte némeros y, por otra, objetos con sus correspondientes smodalidades. Entee los nmeros existen ciertas relaciones que son vélidas siempre entzo del mundo aritmético, ideal. Entre las modalidades existen certas relacio tet (en unos casos, poeas y simples; en otros, bastantes y complejas) que son veri fReables en el mundo empirica, real. Pues bien, la atribucidn de aiimeros a los ob- jetor no va.a ser arbitraria, sino de acuerdo con esta regla general: aceptar s6lo Como relaciones validas entre los nimeros aquellas que sean verifcables empi tieamente entre las correspondientes modalidades, Esta regla general se concte- {ard en unas u otras reglas pacticulares, segun sea mayor o menor el numero de relaciones verficables empiricamente. Exigimos, por tanto, un cierto paralelismo o isomorfismo entre las relaciones aceptadas como vidas entre los niimeros y las relaciones verficables entre las Correspondientes modalidades (en nuestro caso, psicoldgicas). Consiguientemente, Gon los aiimeros atribuides a las modalidades, s6lo podremos realizar aquellas operaciones que esten de acuerdo con las relaciones aceptadas como vlidas entre Tos mismos, Por otta parte, estas relaciones son precisamente las verifiables entre las modalidades empiricas, psicoldgicas. En consecuencia, parece que el resul tado numérico final, obtenido operando de este modo con Jos mimeros atribuidos 4 las modalidades psicoldgicas, admitira una interpretaciGn psicoldgica razonable Ordinariamente, la expresidn vatribucién de niimeros a las modalidades» sexi una simphificacion de uatribucién de nimeros a los objetos segtin las modali- ‘dades bajo las cuales manifiestan cierta caracteristican. Pasamos por alto las ven~ {ajar inconvenientes que esta equivalencia leva consigo. Tampoco nos detene- tos a discutir si los nimeros deben ser atribuidos a los objetos o a sus caracteris tteas, por ereer dicha discusidn ajena af fin de este texto. Unicamente, nos conten~ tamos con proponer la anterior equivalencia, usando preferentemente Ia expresién primera por meras razones de sencilez 2.4, Definicién de escala de medida La palabra «escalan es usada profusamente en Ja literatura psicomatematica, pero raramente definida. Ya Suppes y Zinnes se quejaban (1968, pag. 10) de que fes raro encontrar en Ta literatura sobre la medida una definicién exacta de escalas» [Niel mismo Stevens ha sido lo suficientemente explicito. Suppes y Zinnes han pre- sentado una definicion clara de wescalan, Algo parecido ocurre con Coombs, Dawes y Tverski (1970) y con Pfanzagl (1971) Veamos qué entendemos aqui por escala de medida. Comenzaremos definién- En aricos pstroes 1951, 1989 965, 1968s. 1975 por eempl) valves proper ienticn © as Palscloncssobe lo medida, Grdinanamente van a palabra saumerale pero, taniven, EAShntee unumeros (eens, por ejemplo, 1968, rig. 850) Segun algunos autores, hay que remeeCteerene tos doe voctlos coumersi Fenimeross As, etre eos, Lovke (57, ue), Sender (1958, pg. 50. Segn ellos, snuretale x un concepto mas amplo gue =aGmero= EE tes Stevens (1583p, 19) m0 parece dar mayor importncie& ese iinet Medias en Peicologie / 27 dola en algunos casos particulares, para conchuir ofreciendo una definicién general Consideremos la caracteristica peso. Aceptemos como unidad empirica de nedida la modalidad presentada por up cuerpo elegido arbtrariamente. Me- Giante una balaniza podemos legit otro cuerpo que manifieste la caracteristica psto bajo la misma modalidad que el primero (es decir, que pese lo mismo}. Me- dante estos dos cuerpos podemos clegir otro nuevo cuya modalidad sea igual 2 Je suma de las modalidades de los dos cuerpos anteriores (es decir, que pese [o rnismo que los dos primeros juntos). Para ello, basta con colocar estos dos cuerpos en un platillo de Ia balanza y en el otro un tercer cuerpo tal que la balanza quede feqlibrada. Esta operacién la podemos it repitiendo, poniendo tres cuerpos de peso unidad en un platillo y en el otro un cuerpo tal que la balanza permanezca 1 equilibrio, Asi, legaremos a obtener un conjunto de euerpos materiales, uno ‘con la modalidad unitaria, otro con uns modalidad dos veces mayor que la ni taria, ete. Podemos ahora atribuir nimeros a estas modalidades (0 a estos euerpos rmanifestando la caracteristica, segin estas modalidades). Una atribucién obvia (ao la nica, como luego veremos) es asignar el 1 ala primera modalidad, el 2 a la modalidad empirica doble, el 3 ala triple, ete. Esta atribucién es obvia, en cuanto aque la primera modalidad ha sido elegida arbitrariamente como modalidad em: pirica unitara Pues bien, amaremos escala de medida a este conjunto de modalidades em- Diricas distintas y de aiimeros distintos, puestos en correspondencia biunivoca {cada modalidad le corresponde un solo numero y a cada nimero una sola mo- dalidad), O, lo que es igual, a este conjunto de cuerpos materiales, con pesos dis- tintos, ¥ de los nlimeros distintos atrbuidos a dichas cuerpos. Mediante esta es- cala podemos atribuir nimeros de modo coherente a otro cuerpo cualquiere, comparando su modalidad peso con las modalidades de la escala tipo acabada de construir y atribuyéndole el niimero de la escala asociado a la modalidad que coincide empiricamente con Ia modalidad del cuerpo en cuestin. ‘Veamos otro ejemplo algo més complejo. Se trata de la caracteristica temper tara, Consideremos una vasija lena de agua y situada sobre una fuente calorifca Introduzcamos dentro del agua un tubo estrecho de vidrio en uno de cuyos extre- mos lleva un pequeo depésite conteniendo mercurio, Al aumentar Ia tempera tara el mercusio se dilata y va avanzando por el tubo de vidrio que supondremos cn posicién vertical y con el depésito de mercurio en su extremo inferior. En un ‘momento arbitrario la vasja manifestaré la caracterstica temperatura segin cierta, modalidad determinada y la columna de mercurio habré alcanzado una altura de ‘urminada, Seialemos una raya en el tubo de vidrio junto al nivel aleanzado por mercurio en ese momento, Vayamos aumentando la temperatura del agua ¥ e otr0 momento, también arbitrario, veamos hasta dénde ha ascendido la colurmna, e mercurio marcando otra raya en el tubo de vidrio junto al nivel aleanzado por € mercurio en este segundo momento, Sigamos caleatando e} agua hasta el pre dso momento en que la diferencia entre esta altura y Ja obtenida en el momento segundo sea igual que la diferencia entre las alturas alcanzadas en los momentos segundo y primero respectivamente y hagamos otra raya en el tubo de vidrio junto al nivel aleanaado por el mercurio en este tercer momento. Si veriicamos una ope- 2B / extaciztce para Puestogos racién semejante en repetidas ocasiones, el tubo de vidrio habré quedado mar- ado con una sucesién de rayas equidistantes, correspondientes a las modalida- es de la caracteristia temperatura manifestadas por el agua de la vasija en el primer momento, en el segundo, en el tercero, etc. Podemos, ahora, atribuir ni rmeros a esas rayss. A una cualquiera de elas le atribuimos et valor 0. A cada una de las rayas superiores (correspondientes a modalidades mas cilidas) les vamos atribuyendo los nimeros 1, 2, 3, ...A su vez, a cada una de las rayas inferiores (correspondientes @ modalidades mas frias) les vamos atribuyendo los nimeros Hl, =2, -3, ues bien, llamaremos escala de medida a este conjunto de rayas y de nimeros relacionados ‘biunivocamente. Mediante esta escala podemos atribuir nimeros de modo coherente a un cuerpo cualquiera. Para ell, le ponemos en contacto con 1 tubo de vidrio tipo (0 termémetro}, acabado de construr, y observamos hasta qué raya de éste, r,, ha ascendido la columna de mercuric. Hecho esto, atribui femos ai cuerpo en cuestién el nimero correspondiente a Por supuesto, la sueesién de maimeros(..., 3, ~2, ~1,0,1,2,3,.. .)eaunaue fobvia, no es la Unica, segun veremos més adelante. Ademés, es claro que ahora Ia ‘medida es indirecta, en cuanto que lo que medimos directamente es a altura alcan- zada por el mercurid ¢ indirectamente la temperatura causante de esa altura. Antes, fen cambio, mediamos directamente la caracteristica peso, Consideremas, finslmente, Ia. caracteristica provincia de origen. Empirica- mente podemos distinguir las modalidades Soria y Segovia, por ejemplo. Tendse- 02 lantas modalidades distintas como provincias espafclas, Podemos atribuie 2 cada provincia un niimero distinto. Tendremos tantos numeros distintos como provincias distintas. Pues bien, tlamaremos escala de medida a este conjunto de modalidades (tantas como provincias espailolas) y de mimeros relacionados biunivocamente. Mediante cesta escala, podemos atribuir nimeros de modo coherente a una persona cualquiera. Le atribuitemos, sencillamente, el numero de ln escala correspondiente a la mo- dalidad bajo la cual manifiesta esa persona su provincia de origen. Por supuesto existen infintas sucesiones de ndmeros distintos que puedan ser atribuidos a las modalidades anteriores, segiin veremos luego. En conclusién, podemos oftecer la siguiente definicion general de escala: con junto de modalidades (distintas) y conjunto de nimeros (distintos) relacionados biunivocamente. Es decir, a cada modalidad le corresponde un solo niimero y @ cada nlimero una sola modalidad. 1a escala, asi definida, os un instrumento natural de medida. Con ella podemos attibuir ndmeros a cualquier objeto. Para ello, basta con observar qué modalidad, ‘mq, de la escala coincide empiricamente con la modalidad del objeto en cuestion, atribuyendo a éste el mimero correspondiente am, en la escala 1a definicién anterior de escala esté de acuerdo con la idea que tenemos de uno de los instrumentos de medida més usuales, la regla. Una regla no es mas que ‘un conjunto de rayas equidistantes marcadas sobre un listén de madera (0 de otro material) y un conjunto de nimeros, en correspondencia biunivoca: a cada raya le comresponde un solo numero y a cada nimero una sola raya Medios en Pecoiogin | 29 Nétese que hablamos de modalidades y numeros relacionados biunivocamente Ordinariamente, tendremos conjuntos de objetos tales que, dentro de cada con junto, todos sus objetos no manifiesten la earacteristica de que se trate bajo moda lidades distntas. Es decir, tendremos més objetos que modslidades. En este caso, ' cada objeto le corresponde un solo ndmero; pero un mismo niimero puede corres: ponder a varios objetos (todos los que manifiesten la caracteristica segin la misma modalidad). En el caso general, tendremos n objetos y m modalidades. Si defini. ‘mos la escala como conjunto de objetos y de niimeros, deberemos distinguir dos as0s. En el primero, m = 7; habré correspondencia biunivoca entre objelos nnimeros (isomorfismo). En el segundo, m

    You might also like