| Summary: | Cuando se realiza la medición de una variable, es común que las estimaciones derivadas de una muestra de datos presenten una cantidad sustancial de sesgo. Algunos de los factores responsables son la asimetría de la distribución o la presencia de valores extremos. En la psicología y ciencias sociales es usual encontrar que los estadígrafos más empleados, como la media aritmética y su error estándar asociado, sean estimadores imprecisos para extraer información y poder hacer inferencias. Para solucionar esta situación, el investigador puede hacer uso de la estadística robusta. Esta estadística, ofrece una serie de estimadores alternativos resistentes a la influencia de los datos atípicos en una distribución, resultando en información e inferencias más precisas. El objetivo de este artículo es describir un conjunto de procedimientos para calcular medidas de localización y escala con métodos robustos empleando el lenguaje de programación R y el software estadístico SPSS. Primero, se revisarán métodos de detección de datos atípicos de manera visual y cuantitativa. Posteriormente, se revisarán alternativas para las medidas de localización como la media recortada, la media winsorizada y el estimador M. Cada medida estará acompañada de su correspondiente error estándar. Por último, se presentarán medidas de escala, como el rango intercuartil y su modificación denominada cuartos ideales. Se concluye, invitando al lector al uso razonado de los procedimientos en congruencia con sus posibilidades, intereses e implicaciones teóricas y metodológicas.
|
|---|