PRE-TEST O PRUEBA PILOTO DE UNA ENCUESTA

El pre-test o prueba piloto de una encuesta es una actividad que forma parte del diseo
de un cuestionario de investigacin. Una vez que el instrumento ha sido diseado, suele
elegirse una pequea muestra (que puede estar entre el 2 y el 10% de los casos,
dependiendo del tipo de estudio, la dificultad del instrumento o los perfiles de las personas
a entrevistar) para probar su funcionamiento en el campo.
La utilizacin del pre-test o prueba piloto resulta de mucho inters para el aseguramiento
de la validez de la encuesta, es decir, que sta mida lo que tiene que medir. En la prueba,
las investigadoras/es pueden percatarse de si la redaccin de las preguntas es adecuada
para una buena comprensin de las mismas por parte de las personas entrevistadas.
Igualmente, sirve para detectar valores inesperados de las variables, flujos de presuntas
errneos, considerar si la duracin del cuestionario es la adecuada o para superar otras
dificultades que pueden presentarse en el proceso de comunicacin.
Desde aqu proponemos que este ejercicio sea realizado in situ por las personas que
trabajan en el diseo del cuestionario, mejor que por los entrevistadores. Desarrollar la
prueba de esta forma favorece que los investigadores e investigadoras perciban ms
claramente las dificultades del instrumento.
El buen desarrollo del pre-test permite la posterior toma de decisiones en cuanto a
mejorar la redaccin de las preguntas, reducir la extensin de un formulario demasiado
largo, mejorar los flujos de preguntas y el orden de las mismas, entre otros objetivos.
ESTUDIO PILOTO EN LA METODOLOGA CIENTFICA
Un estudio piloto es una herramienta cientfica estndar para una investigacin sencilla, lo
que permite que los cientficos lleven a cabo un anlisis preliminar antes de iniciar un
experimento o estudio a gran escala.
Un pequeo experimento de qumica en un laboratorio de una universidad cuesta muy
poco y los errores o los problemas de validez son fcilmente rectificables. En el otro
extremo de la escala, un experimento mdico que toma muestras de miles de personas
de todo el mundo es costoso y generalmente ronda los millones de dlares.
Descubrir que hubo un problema con el equipo o con las estadsticas utilizadas es
inaceptable y puede generar consecuencias nefastas.
Un proyecto de investigacin de campo en la Cuenca del Amazonas absorbe mucho
tiempo y dinero, por lo que descubrir all que el sistema electrnico utilizado no funciona
en esas condiciones de humedad y calor puede ser demasiado tarde.
Para poner a prueba la viabilidad, el equipo y los mtodos, los investigadores
generalmente utilizan un estudio piloto, un ensayo a pequea escala del diseo de
investigacin ms grande. En general, la tcnica del estudio piloto se refiere

especficamente a una versin a ms pequea escala del experimento, aunque las

pruebas de equipos son cada vez ms importantes en este subgrupo de experimentos.
Los investigadores del Amazonas pueden realizar un experimento, en condiciones
similares, enviando un pequeo equipo al Amazonas para probar los procedimientos o
utilizando algo similar al sistema ecolgico cerrado del Proyecto Edn.
Los estudios piloto tambin son excelentes para entrenar investigadores sin experiencia,
ya que les permiten cometer errores sin temor a perder su trabajo o fracasar en la tarea.
A partir del estudio piloto, se pueden realizar clculos logsticos y financieros y
reestructurar la pregunta de investigacin y el proyecto para reducir el desperdicio de
recursos y tiempo.
Los pilotos pueden constituir una parte importante para atraer subvenciones para la
investigacin, ya que se pueden mostrar resultados a la entidad financiadora.
En general, la mayora de las entidades financiadoras ven la investigacin como una
inversin, por lo que no van a repartir dinero a menos que estn seguros de que existe la
posibilidad de un beneficio econmico.
Desafortunadamente, son pocos los artculos que informan sobre estudios piloto
preliminares, sobre todo si se registraron problemas, ya que pueden ser estigmatizados y
marginados. Esto es injusto y castiga a los investigadores por ser metdicos. Por esta
razn, estas actitudes se encuentran en un perodo de revaluacin.
Desalentar a los investigadores a que informen errores metodolgicos, como sucede con
los estudios piloto, significa que los investigadores posteriores pueden cometer los
mismos errores.
El otro gran problema es decidir si los resultados del estudio piloto pueden ser incluidos
en los resultados y anlisis finales. Esto vara ampliamente segn la disciplina.
Los pilotos se estn convirtiendo rpidamente en un importante precursor de muchos
proyectos de investigacin, sobre todo cuando las universidades luchan constantemente
por reducir los costos. Si bien existen debilidades, son muy tiles para los procedimientos
de conduccin en una poca cada vez ms dominada por la tecnologa, en donde la
mayora no es probada en condiciones de campo
LA ESTADSTICA DESCRIPTIVA O DEDUCTIVA
La estadstica descriptiva o deductiva. Se construye a partir de los datos y la inferencia
sobre la poblacin no se puede realizar, al menos con una confianza determinada, la
representacin de la informacin obtenida de los datos se representa mediante el uso de
unos cuantos parmetros, tablas y algunas graficas planteadas de tal forma que den
importancia los mismos datos a travs de parmetros que caractericen la distribucin. .
No se hace uso del Clculo de Probabilidades y nicamente se limita a realizar
deducciones directamente a partir de los datos y parmetros obtenidos

Elementos
El primer paso en toda investigacin estadstica consiste en fijar el conjunto de elementos
que queremos estudiar, que llamaremos poblacin o universo. Cada elemento de la
poblacin se denomina individuo o unidad estadstica. La poblacin puede ser el conjunto
de personas de una localidad, las llamadas telefnicas a una central... Llamaremos
muestra a un subconjunto limitado extrado de la poblacin, con objeto de reducir el
nmero de experiencias.
Una vez fijada la poblacin debemos indicar cules son las caractersticas o cualidades
que nos interesan estudiar en esa poblacin, estableciendo la forma en la que deben
medirse, las unidades de medida.
Estas caractersticas observables en una poblacin se clasifican en cualitativas, que son
aquellas que no se pueden cuantificar, tales como el color de pelo, el gusto musical, grupo
sanguneo,... Las caractersticas que no son cualitativas las llamamos cuantitativas, que
son aquellas que s se pueden cuantificar, como es la estatura, el nmero de hijos...
A su vez, las caractersticas cuantitativas se dividen en dos tipos, las discretas y las
continuas. Las caractersticas cuantitativas discretas son aquellas que toman valores
aislados, como es el nmero de televisores en una unidad familiar o el nmero de hijos de
una pareja.
Por el contrario, las variables continuas pueden tomar cualquier valor comprendido en un
determinado rango o intervalo, aunque muchas veces la unidad de medida no nos permita
tal hecho. Esto ocurre, por ejemplo, al estudiar la altura de una poblacin, que aunque
sabemos que es una variable continua, los aparatos de medida slo nos permiten tomar
stas con una determinada aproximacin.
Algunas veces tambin es preferible, en el caso de las variables discretas con un gran
nmero de resultados, tratarlas como si fueran variables continuas y viceversa.
Una vez obtenida la informacin referente a la variable de estudio, sta se organiza y
resume en las llamadas distribuciones de frecuencias, que nos proporcionan el nmero de
individuos que hay para cada uno de los valores de la variable. Estas distribuciones de
frecuencias pueden ser de frecuencias absolutas, que nos dicen el nmero de individuos
que presentan un determinado valor de la variable, o de frecuencias relativas, que nos
dan el tanto por uno o por ciento de la poblacin que presenta es determinado carcter.
En ocasiones, tambin sern de utilidad las frecuencias acumuladas, en las que cada
valor acumula los datos pertenecientes tambin a los que son menores que l

Medidas

Uno de los objetivos de la Estadstica Descriptiva es la de resumir toda la

informacin recopilada en unos pocos valores numricos, para poder sacar
consecuencias de esa informacin. Dentro del conjunto de valores numricos
que resumen toda la informacin los hay de distinto tipo y que aportan
distintas caractersticas.
As, nos encontramos con:
-Medidas de centralizacin: media, moda, mediana, cuarteles, deciles y
percentiles...
Media aritmtica

o promedio

Es aquella medida que se obtiene al dividir la suma de todos los valores de una
variable por la frecuencia total. En palabras ms simples, corresponde a la
suma de un conjunto de datos dividida por el nmero total de dichos datos.

Moda
Es la medida que indica cual dato tiene la mayor frecuencia en un conjunto de
datos; o sea, cual se repite ms.
Ejemplo 1:
Determinar la moda en el siguiente conjunto de datos que corresponden a las
edades de nias de un Jardn Infantil.
5, 7, 3, 3, 7, 8, 3, 5, 9, 5, 3, 4, 3
La edad que ms se repite es 3, por lo tanto, la Moda es 3 (Mo = 3)
Mediana (Med)
Para reconocer la mediana, es necesario tener ordenados los valores sea de
mayor a menor o lo contrario. Usted divide el total de casos (N) entre dos, y el
valor resultante corresponde al nmero del caso que representa la mediana de
la distribucin.
Es el valor central de un conjunto de valores ordenados en forma creciente o
decreciente. Dicho en otras palabras, la Mediana corresponde al valor que deja
igual nmero de valores antes y despus de l en un conjunto de datos
agrupados.
Segn el nmero de valores que se tengan se pueden presentar dos casos:

Si el nmero de valores es impar, la Mediana corresponder al valor central de

dicho conjunto de datos.
Si el nmero de valores es par, la Mediana corresponder al promedio de los
dos valores centrales (los valores centrales se suman y se dividen por 2).

-Medidas de dispersin: varianza, desviacin tpica, rango, rango intercuartlico...

Varianza
Se puede definir como el "casi promedio" de los cuadrados de las desviaciones
de los datos con respecto a la media muestral. Su frmula matemtica para el
caso de datos referentes a una muestra es:

Y para el caso de datos de una poblacin es dada por

Propiedades de la varianza
Dos propiedades importantes de la varianza son:
1. La varianza de una constante es cero
2. Otra propiedad importante es que si se tiene la varianza de de un
conjunto de datos y a cada observacin se multiplica por una constante
, entonces la nueva varianza de los datos se obtiene multiplicando a la
varianza de los datos por

Ejemplo
La varianza muestral para los datos del ejemplo 1 de la clase 04, se determina
de la siguiente manera

Ejemplo
Propiedades de la varianza
Retomando el ejemplo 4 de la clase 04 y suponiendo que la varianza de los
salarios del ao 2000 fu 100.000, se tiene que la varianza para los salarios del
ao 2001 es

-Medidas de forma: coeficiente de variacin de Pearson, Curtosis de Fisher...

-Relacin entre variables: coeficiente de correlacin lineal, recta de regresin...

.
Grficos
Dentro de las tcnicas que permiten resumir la informacin de una variable estadstica, los
grficos ocupan un papel fundamental, debido a su facilidad de comprensin incluso entre
aquellas personas que no poseen conocimientos de estadstica.
Los diagramas de barras, pictogramas, diagramas de sectores, histogramas, polgonos de
frecuencias, diagramas de caja y bigotes, pirmides de poblacin, cartogramas, entre
otras, ofrecen una informacin visual muy clara para comprender cmo est distribuida la
caracterstica que estamos estudiando en la poblacin. La introduccin del ordenador ha
permitido que estos grficos se obtengan de forma sencilla y rpida con una gran calidad
grfica

ESTADSTICA INFERENCIAL O INDUCTIVA

La estadstica inferencial o inductiva. Sirve extrapolar los resultados obtenidos en el

anlisis de los datos y a partir de ello predecir acerca de la poblacin, con un margen de
confianza conocido. Se apoya fuertemente mediante el clculo de probabilidades. El arte
de obtener con confianza conclusiones sobre el modo de proceder del fenmeno que se
estudia es el objeto de las diversas tcnicas existentes de Inferencia Estadstica. La
Estadstica Inferencial o inductiva plantea y resuelve el problema de establecer
previsiones y conclusiones generales sobre una poblacin a partir de los resultados

obtenidos de una muestra. Los modelos estadsticos actan de puente entre lo observado
(muestra) y lo desconocido (poblacin). Su construccin y estudio estn basados en el
Clculo de Probabilidades.
As pues, la Inferencia Estadstica es la metodologa tendente a hacer descripciones,
predicciones, comparaciones y generalizaciones de una poblacin estadstica a partir de
la informacin contenida en una muestra. Utiliza resultados obtenidos mediante la
Estadstica Descriptiva y se apoya fuertemente en el Clculo de Probabilidades

Clasificacin de los procedimientos de Inferencia Estadstica

Los procedimientos de Inferencia Estadstica los podemos clasificar atendiendo a tres
criterios:
a) Respecto al objetivo de estudio. Si el objetivo es describir una variable o las relaciones
entre un conjunto de variables se utilizan tcnicas de muestreo. Cuando el objetivo es
contrastar relaciones entre las variables y predecir sus valores futuros se utilizan tcnicas
de diseo experimental.
b) Respecto al mtodo utilizado, nos encontramos con los mtodos paramtricos y los no
paramtricos.
Los mtodos paramtricos suponen que los datos provienen de una distribucin que
puede caracterizarse por un pequeo nmero de parmetros que se estiman a partir de
los datos. Los mtodos no paramtricos suponen nicamente aspectos muy generales
de la distribucin y tratan de estimar su forma o contrastar su estructura.
c) Respecto a la informacin considerada. Aqu distinguimos el enfoque clsico y el
enfoque bayesiano.
El enfoque clsico supone que los parmetros son cantidades fijas desconocidas sobre
las que no se dispone de informacin inicial relevante. Por el contrario, el enfoque
bayesiano considera a los
Parmetros del modelo como variables aleatorias y permite introducir informacin inicial
sobre sus valores mediante una distribucin de probabilidades a priori.
La base en que se fundamenta la Estadstica Inferencial es el Clculo de Probabilidades.

CLCULO DE PROBABILIDADES
El Clculo de Probabilidades es una disciplina vital para la Estadstica a la hora de
representar fenmenos aleatorios en los que interviene el azar y para realizar cualquier
procedimiento de inferencia,
Su aparicin est ligada a los juegos de azar, estando fijada para algunos autores en la
correspondencia establecida entre Pascal y Fermat sobre la resolucin de algunos
problemas relacionados con los juegos de azar (propuestos por De Mre).
El concepto de probabilidad ha ido variando desde el punto de vista matemtico. Para
Laplace, se defina la probabilidad de un suceso como el cociente entre el nmero de
casos favorables y el nmero de casos posibles.
Posteriormente, se opt por una definicin frecuentista, tomando como probabilidad el
nmero al que tiende la frecuencia relativa.

P ( A )=lim fr ( A)
n

Existe una tercera interpretacin, la subjetivista o personalista que interpreta la

probabilidad como el grado de creencia que para un apersona determinada tiene el
suceso, en base a una informacin a priori del mismo.

TCNICAS DE MUESTREO
Muestreo
Cuando una investigacin estadstica se realiza a toda la poblacin decimos que estamos
realizando un censo (Estadstica Descriptiva), pero si recogemos datos de informacin
relativos slo a una muestra diremos que estamos realizando una encuesta o sondeo
(trmino utilizado fundamentalmente cuando la poblacin de estudio la constituyen
personas).
El muestreo es el primer paso en el proceso de inferencia estadstica y se acude a l por
resultar ms rpido, y econmico, o porque se usan procedimientos destructivos, o por
necesidad de pruebas testigos, etc.
Existen los siguientes tipos de eleccin de muestras:
-Muestreo aleatorio.

Consiste en listar todos los elementos de la poblacin y seleccionar aleatoriamente n

elementos de la poblacin
-Muestreo sistemtico.
Consiste en seleccionar los n elementos de la muestra de k en k, siendo k el entero ms
prximo

a=

Numero de elementos de la poblacion N

=
Tamao de la muestra
n

y partiendo de un arranque aleatorio i, comprendido entre 1 y k

-Muestreo por estratos.

Consiste en dividir la poblacin en estratos homogneos y en cada uno de ellos tomar
muestras aleatorias simples.
-Muestreo por conglomerados.
Consiste en dividir la poblacin en conglomerados. Se eligen al azar
unos pocos de estos conglomerados y la muestra estar formada por todos los elementos
de ellos o por muestras aleatorias simples de stos.
-Muestreo anidado.
Es una generalizacin del muestreo por conglomerados. En la primera etapa se
seleccionan una serie de conglomerados o unidades muestrales primarias, en una
segunda se seleccionan conglomerados ms pequeos, pertenecientes a los anteriores,
llamados unidades muestrales secundarias, y as sucesivamente cuantas etapas sean
necesarias
Aplicaciones

.
APLICACIONES
Desde principios, la Estadstica ha mostrado una clara vocacin de apego a la realidad,
siendo esta vocacin su principal motor de desarrollo. As, pocos campos cientficos y
actividades humanas estn ajenos a su influencia. Veamos pues algunas de las
aplicaciones que tiene:
1. Estadsticas pblicas y de organismos oficiales.
En primer lugar, hay que hacer notar la relevancia actual e histrica que tienen las
estadsticas oficiales para el funcionamiento de un Estado. Casi todos los pases tienen
Institutos Oficiales de

Estadstica que armonizan sus mtodos a travs del Instituto Internacional de Estadstica
Es ms, algunas regiones cuentan con sus propios Institutos de Estadstica,son
fundamentales los estudios sociolgicos sobre la evolucin de los ciudadanos sobre
diversos temas, y existen diversas empresas privadas de estadstica que realizan
numerosas trabajos en diversos campos. Todos estos estudios tienen una gran influencia
para la poltica, la economa, el sector empresarial,... y para los ciudadanos en general
que prestan cada da mayor atencin a las estadsticas, de las que puede depender su
incremento salarial, el inters de referencia de la hipoteca... Algunos ejemplos que
podemos citar son: el Censo General de Poblacin, la Encuesta de Poblacin Activa
(EPA), el ndice de Precios de Consumo (IPC), el ndice de Produccin Industrial (IPI), el
Producto Interior Bruto (PIB)...
2. Ciencias Experimentales.
La Estadstica es una herramienta fundamental en todas las ciencias experimentales pues
permite medir las diferencias entre los valores experimentales obtenidos y los valores
esperados segn el modelo terico, controlando errores de medida, realizando
estimaciones, contrastando hiptesis... De hecho, una de las aplicaciones histricas ms
importantes de la Estadstica fue su utilizacin para la contrastacin emprica de la teora
de Darwin. As, la Estadstica resulta fundamental en ciencias como Fsica (control de
errores de medida, leyes de distribucin de los gases, principio de incertidumbre...),
qumica (velocidad de reacciones qumicas, composiciones...), medicina (mtodos de
diagnstico, comparacin de tratamiento...), veterinaria (control de epidemias), biologa
(estudio y reproduccin de especies), meteorologa (previsin del tiempo), etc.
3. Ciencias Sociales
.
Desde los primeros estudios sobre tablas de mortalidad aplicados por las compaas se
seguros hasta los complejos modelos econmicos, la Estadstica ha sido y es una
herramienta fundamental para las ciencias relacionadas con el estudio de los seres
humanos y sus relaciones. Son habituales las estadsticas sobre estudios econmicos
(modelos de funcionamiento del mercado), demogrficos (pirmides de poblacin, tasas
de natalidad...), psicolgicos (test psicotcnicos), sociolgicos (encuestas del CIS)...
4. Industria y comercio.
Otros campos de actuacin son las ingenieras (resistencia de materiales, estudio de
plantaciones agrcolas, diseo de nuevos productos y tiempos de vida...) o en el comercio
(control de calidad, evolucin de la produccin...).
5. Otros campos.
Como ya hemos indicado, es difcil encontrar algn sector ajeno a la Estadstica,
especialmente con el uso del ordenador y el acceso a los mtodos estadsticos para
personas no especficamente cualificadas. As, y por citar otros ejemplos, se utilizan

modelos estadsticos para establecer la aparicin de nmeros primos en intervalos

(Matemticas), para establecer la autora de obras (Lingstica), para la identificacin de
acusados (Derecho), para el trfico en redes (Informtica), para establecer el precio de los
anuncios (Publicidad), etc.