CUESTIONARIO DE EXPERIMENTAL Razonamiento Estadstico El razonamiento estadstico opera a travs de los siguientes pasos: 1. Se plantea un problema de estudio. 2.

Se realiza un muestreo consistente en la recoleccin de datos referentes al fenmeno o variable que deseamos estudiar. 3. Se propone un modelo de probabilidad, cuyos parmetros se estiman mediante estadsticos a partir de los datos de muestreo. 4. Se valida el modelo comparndolo con lo que sucede en la realidad. 5. Se utiliza el modelo validado para tomar decisiones o predecir acontecimientos futuros. Medidas De Tendencia Central Son indicadores estadsticos que resumen todos los datos en un solo nmero, han sido obtenidos a travs de frmulas, se utiliza generalmente para variables cuantitativas por lo tanto son valores que representan a un conjunto de datos. Son llamados tendencia central porque se ubican generalmente en el centro de la distribucin de los datos. Tiene como propsito lo siguiente: Mostrar en qu lugar se ubica la persona promedio o tpica del grupo. Sirve como un mtodo para comparar o interpretar cualquier puntaje en relacin con el puntaje central o tpico. Sirve como un mtodo para comparar el puntaje obtenido por una misma persona en dos diferentes ocasiones. Sirve como un mtodo para comparar los resultados medios obtenidos por dos o ms grupos.

La Media Aritmtica Es un indicador estadstico que representa a un conjunto de datos cuantitativos. Se usa solo para datos homogneos. Es conocido como media o promedio. Se representa as:

Ejemplo: el promedio del nmero de hijos de la empresa coca-cola es 3 X=3. Significa que cada empleado en promedio tiene 3 hijos. La mediana La cual es el puntaje que se ubica en el centro de una distribucin. Se representa como Md. Por lo tanto es el indicador estadstico que divide al conjunto de datos en dos partes iguales. Se usa si los datos son heterogneos.

Ejemplo: si la mediana del nmero de trabajadores de un grupo de empresas de transporte es 4. Significa que el 50% de las empresas de transporte tiene menos de 4 trabajadores y el otro 50% mayor de 4. La moda Que es el puntaje que se presenta con mayor frecuencia en una distribucin. Se representa Mo. Se utiliza cuando los datos son cualitativos. Se pueden presentar ms de una moda (aceptar un mximo 3 modas) o puede no presentarse. Ejemplo: Si la moda de la especialidad de los trabajadores de la empresa ALFA es TECNICOS Significa que el cargo que ms se repite en la empresa Alfa es el de Tcnico. Medidas De Dispersin Tambin llamadas medidas de variabilidad, muestran la variabilidad de una distribucin, indicando por medio de un nmero, si las diferentes puntuaciones de una variable estn muy alejadas de la media. Al igual que sucede con cualquier conjunto de datos, la media, la mediana y la moda slo nos revelan una parte de la informacin que necesitamos acerca de las caractersticas de los datos. Para aumentar nuestro entendimiento del patrn de los datos, debemos medir tambin su dispersin, extensin o variabilidad. 1. EL RANGO O RECORRIDO (R): Es la medida de variabilidad ms fcil de calcular. Para datos finitos o sin agrupar, el rango se define como la diferencia entre el valor ms alto (Xn Xmax.) y el ms bajo (X1 Xmin) en un conjunto de datos. 2. LA VARIANZA (S2 2): La varianza es una medida de dispersin relativa a algn punto de referencia. Ese punto de referencia es la media aritmtica de la distribucin. Ms especficamente, la varianza es una medida de que tan cerca, o que tan lejos estn los diferentes valores de su propia media aritmtica. Cuando ms lejos estn de su propia media aritmtica, mayor es la varianza; cuando ms cerca estn a su media menos es la varianza. 3. LA DESVIACIN ESTNDAR (S ): Es una medida de la cantidad tpica en la que los valores del conjunto de datos difieren de la media. Es la medida de dispersin ms utilizada, se le llama tambin desviacin tpica. 4. EL COEFICIENTE DE VARIACIN DE PEARSON (C.V.): Cuando se quiere comparar el grado de dispersin de dos distribuciones que no vienen dadas en las mismas unidades o que las medias no son iguales se utiliza el llamado "Coeficiente de Variacin de Pearson". Se define como la relacin por cociente entre la desviacin estndar y la media aritmtica; o en otras palabras es la desviacin estndar expresada como porcentaje de la media aritmtica. Distribucin Normal Es una distribucin de una variable aleatoria continua. Varios matemticos intervinieron en su desarrollo entre ellos figura el astrnomo del siglo XVIII Karl Gauss, a veces es llamada en su honor la distribucin de Gauss. La curva tiene un solo pico, por consiguiente es unimodal. Presenta una forma de campana.

La media de una poblacin distribuida normalmente se encuentra en el centro de su curva normal. A causa de la simetra de la distribucin normal de probabilidad, la mediana y la moda de la distribucin tambin se hallan en el centro, por tanto en una curva normal, la media, la mediana y la moda poseen el mismo valor. Las dos colas (extremos) de una distribucin normal de probabilidad se extienden de manera indefinida y nunca tocan el eje horizontal. Muestreo El muestreo estadstico es un procedimiento por el que se ingresan los valores verdaderos de una poblacin a travs de la experiencia obtenida con una muestra. El muestreo como herramienta de la investigacin cientfica arroja resultados que se pueden utilizar para concluir un determinado estudio X de poblacin, al igual las tcnicas selectivas que se requieren para dicho estudio de acuerdo a lo que se va a evaluar. Tipos: Muestreo no probabilstico: no se usa el azar, sino el criterio del investigador. Muestreo accidental: el investigador elige a aquellos individuos que estn a mano. Muestreo por cuotas: Se aplica en la ltima fase del muestreo, y consiste en facilitar al entrevistador el perfil de las personas que tiene que entrevistar dejando su criterio, la eleccin de las mismas, siempre y cuando cumplan con el perfil. Muestreo intencionado: Se toman elementos que se juzgan tpicos o representativos de la poblacin, y se supone que los errores en la seleccin se compensarn unos con otros. El problema que plantea es que sin una comprobacin de otro tipo, no es posible saber si los casos tpicos lo son en realidad, y tampoco se conoce como afecta a esos casos tpicos los posibles cambios que se producen. Muestreo probabilstico: son todos aquellos mtodos para los que puede calcularse la probabilidad de extraccin de cualquiera de las muestras posibles. Muestreo estratificado: Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos respecto a caracterstica a estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el nmero de miembros del mismo que compondrn la muestra. Muestreo sistemtico: Es la eleccin de una muestra a partir de los elementos de una lista segn un orden determinado, o recorriendo la lista a partir de un nmero aleatorio determinado. Muestreo por conglomerados: Cuando la poblacin se encuentra dividida, de manera natural, en grupos que se suponen que contienen toda la variabilidad de la poblacin, es decir, la representan fielmente respecto a la caracterstica a elegir, pueden seleccionarse slo algunos de estos grupos o conglomerados para la realizacin del estudio. Muestreo simple: toma solamente una muestra de una poblacin. Puesto que solamente una muestra es tomada, el tamao de muestra debe ser los suficientemente grandes para extraer una conclusin. Una muestra grande muchas veces cuesta demasiado dinero y tiempo.

Muestreo aleatorio simple: Es aquel en que cada elemento de la poblacin tiene la misma probabilidad de ser seleccionado para integrar la muestra. Una muestra simple aleatoria es aquella en que sus elementos son seleccionados mediante el muestreo aleatorio simple. Muestreo doble: cuando el resultado del estudio de la primera muestra no es decisivo, una segunda muestra es extrada de la misma poblacin. Las dos muestras son combinadas para analizar los resultados. Muestreo mltiple: El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble, excepto que el nmero de muestras sucesivas requerido para llegar a una decisin es ms de dos muestras. Hiptesis

Son afirmaciones que pueden someterse a prueba y mostrarse como soluciones probablemente ciertas o no, sin que las creencias o los valores del investigador interfieran en el proceso de su comprobacin. Objetivos de la hiptesis Alcanzar los conocimientos cientficos existentes con los nuevos problemas sugeridos en la realidad. Confirmar, reformar o anular los sistemas tericos existentes. Fases Para La Formulacin De Hiptesis 1. Primera Fase: Consiste en la explicacin de una conjetura, que el investigador hace fundado en ciertos hechos y en el marco terico que ha estructurado previamente. La conjetura no puede deducirse de un modo puramente lgico del conjunto de planteamientos en el que se base el marco terico, ni constituye tampoco el resultado directo de la experiencia. 2. Segunda Fase: Comprende el anlisis de la hiptesis y el estudio de las consecuencias que de esta se desprenden. En esta fase el investigador reflexiona sobre las variables que va a considerar y trata de establecer si su hiptesis es admisible. 3. Tercera Fase: Es la comparacin de los resultados analticamente, al examinar las variables intervinientes y las consecuencias lgicas que se desprenden de la hiptesis, con los datos que nos proporcionan la observacin y el experimento Caractersticas De Las Hiptesis 1. Generabilidad y especificidad: La hiptesis debe ser general en cuanto trasciende la explicacin de lo singular. Para que sea especfica debe permitir el desmenuzamiento de las operaciones y predicciones. 2. Referencia emprica, comprobabilidad y refutabilidad: Una hiptesis sin referencia emprica constituye un juicio de valor. La comprobabilidad o verificacin son esenciales; si una hiptesis no puede ser sometida a verificacin emprica, desde el punto de vista cientfico no tiene validez. 3. Referencia a un cuerpo de teora: Es posible disear una investigacin y formular hiptesis sin que stas se relacionen con un marco terico en forma explcita, pero esta falta

de insercin consciente en un cuerpo de teora, no conduce al acrecentamiento de acervo cientfico. 4. Operacionalizar: No es posible probar una hiptesis si no es operacional, esta condicin exige que este formulada claramente de modo que a partir de ella se pueda efectuar la deduccin, estableciendo claramente la relacin de las variables, las implicaciones de las relaciones establecidas y la descripcin clara de los ndices que han de utilizarse. Comprobacin De las Hiptesis Es la actividad que consiste en constatar, mediante la observacin y/o experimentacin, si una hiptesis emprica es verdadera o falsa. El investigador tiene que someter a prueba aquello que ha enunciado en su hiptesis, y para ello ha de establecer, mediante alguna tcnica de contrastacin si su hiptesis concuerda o no con los datos empricos. El investigador se concreta a confirmar o a refutar el cuerpo de la hiptesis, puesto que el cimiento de la misma (marco terico) ha sido previamente comprobado. En esta tarea, el investigador pone en prctica tres procedimientos bsicos: la observacin, la experimentacin, junto con la encuesta. Anlisis De Resultados Es la parte de la investigacin que permitir, a quien la realice, establecer las conclusiones de la misma. Si la investigacin ha sido lo suficientemente adecuada, se obtendrn resultados cuyo anlisis permitir obtener conclusiones adecuadas. Los datos obtenidos pueden ser correctos, y el anlisis estar mal realizado, lo que originara conclusiones errneas, de ah la importancia de l anlisis de resultados de una investigacin.