Vous êtes sur la page 1sur 50

ESTADSTICA APLICADA A LA

INVESTIGACIN

Autores:
Arana Cerna Branco Ernesto
Arruntegui Huamn Betsy Pamela
Guerrero Ojeda Guillermo Arturo

Estadstica Aplicada a la Investigacin


Universidad Seor de Sipn, 2016

De la presente edicin:
Centro Editorial de la Universidad Seor de Sipn
Diseo de portada:
Correccin: Patricia Chavarry Ysla
Editor: Norma del Carmen Glvez Daz

Diagramacin:

Primera edicin digital: Marzo - 2016


Hecho Depsito legal en la Biblioteca Nacional del Per
Universidad Seor de Sipn S.A.C.
Km.5 Carretera a Pimentel
Lambayeque, Per

Queda prohibida la reproduccin, distribucin, comercializacin, transformacin, y en general, cualquier otra


forma de explotacin, por cualquier procedimiento, de todo o parte de los contenidos de esta obra sin
autorizacin expresa y por escrito de sus autores.

CONTENIDO
Presentacin

Variable

.
- Definicin...
- Clasificacin ..

05
05
05

Muestreo

...
- Terminologa bsica en muestreo ...............
- Caractersticas de una muestra ....
- Tipos de muestreo .
- Frmulas de tamao de muestra...

08
08
09
10
15

Validez y Confiabilidad..
- Validez de un instrumento..
- Confiabilidad del Instrumento..

16
16
18

Prueba de Hiptesis ..
- Metodologa para desarrollar hiptesis..
- Resumen de Pruebas estadsticas..
- Desarrollo de pruebas..

21
21
22
23

Casos Aplicativos.....

33

Anexo

55

Referencias .........

Presentacin

La presente gua denominada Estadstica Aplicada a la Investigacin, ha sido elaborado con el fin
de que oriente, guie y sirva de complemento a los contenidos temticos desarrollados a lo largo del
proyecto e informe de investigacin, logrando implementar la metodologa estadstica en la
desarrollada en estos trabajos de investigacin que sern el pase para otorgar el ttulo profesional
a los estudiantes de todas las escuelas acadmico profesionales.
La importancia de la Estadstica dentro del proceso investigativo, es que dota al estudiante de
conocimientos que permitan describir situaciones de inters, hacer inferencias sobre la base de
observaciones y evaluar hiptesis relacionadas con alguna circunstancia prctica; adems, pueden
iniciarse en el estudio de los fenmenos y experimentos aleatorios, estableciendo el vnculo entre
los conocimientos y habilidades de los contenidos de la estadstica descriptiva e inferencial,
necesaria para generar los objetivos presentados en el trabajo de investigacin.
La presente bibliografa est compuesta por contenidos en donde se desarrolla de manera didctica
y sencilla los contenidos de la Estadstica Descriptiva, iniciando con la definicin y clasificacin de
variables hasta el desarrollo de pruebas de hiptesis que permitirn mediante los estadsticos de
prueba generar los resultados del proyecto o informe de Investigacin.
As mismo al final del presente texto se presentan casos aplicativos en donde se desarrolla la
metodologa estadstica por cada una de las facultades que tiene esta casa de estudios, mostrando
de manera adecuada la presentacin de los resultados.
Es deseo de los autores que la presente bibliografa se constituya en una herramienta de consulta
para todos los estudiantes que se encuentren elaborando un trabajo de investigacin y adems sea
un complemento acadmico para el asesor metodlogo puesto que contribuir a generar un
producto de calidad.

Los Autores

VARIABLE

DEFINICIN
Es una caracterstica que representa a aquello que vara o que est sujeto a algn
tipo de cambio. Se trata de algo que se caracteriza por ser inestable, inconstante y
mudable.
1. ELEMENTOS DE UNA VARIABLE
Segn Martnez (2012): La identificacin y definicin de variables es la

tarea ms delicada de toda investigacin y del trabajo estadstico.


Tngase presente que las variables se deduce a partir de los objetivos
de un estudio o investigacin. En consecuencia, para tener xito en la
seleccin de variables, es recomendable distinguir los siguientes cinco
elementos:
Nombre o denominacin de la variable.
Definicin o conceptualizacin de la variable.
Un conjunto de categora o niveles, que es definida por el investigador.
Las categora no son nica, lo mnimo es dos categoras y dependen
de los objetivos de la investigacin.
Procedimientos para categorizar o agrupar las unidades de anlisis.
Algunas medidas de resumen o indicadores

2. CLASIFICACION DE LA VARIABLE
2.1 Variables cualitativas: Son las variables que expresan distintas
cualidades, caractersticas o modalidad. Cada modalidad que se presenta
se denomina atributo o categora, sus datos se expresan mediante una
palabra, es no numrico. Las variables cualitativas pueden ser dicotmicas
cuando slo pueden tomar dos valores posibles como: s y no, hombre y
mujer, etc. o son politmicas cuando pueden adquirir tres o ms valores.
Se clasifican en variables cualitativas nominales y ordinales. (Martnez,
2012)

2.1.1 Variable cualitativa nominal


Es aquella variable que permite clasificar a las unidades
elementales en categora sin implicar orden entre ellas.
Ejemplo

Lugar de nacimiento.
Color de ojos.
Partidos polticos.
Cul de estas marcas de jugo de naranja ha probado?
1. Marca A
2. Marca B
3. Marca C
4. Ninguna de las tres.

2.1.2 Variable cualitativa ordinal


Es aquella variable que permite clasificar a una unidad elemental
en una sola categora, y a la vez expresa orden de jerarqua.
Ejemplo

Clase social.
Grado de estudio.
Grado dentro del mando militar.
Cuntas veces a la semana toma Ud. Jugo de naranja?
1. Menos de tres veces a la semana
2. De tres a cinco veces
3. Seis a siete veces
4. Ms de siete veces

2.2. Variables cuantitativas: Son las variables que se expresan mediante


cantidades numricas. El dato o valor puede resultar de la operacin de
contar o medir. Las variables cuantitativas pueden ser: discreta o
continua.
2.2.1 Variable discreta: Es la variable que presenta separaciones o
interrupciones en la escala de valores que puede tomar. Estas
separaciones o interrupciones indican la ausencia de valores entre
los distintos valores especficos que la variable pueda asumir.
(Martnez, 2012)

Ejemplo
El nmero de hijos por familia (1, 2, 3, 4, 5, etc).
Nmero de accidentes de trnsito por das.
Nmero de trabajadores por empresa.

2.2.2. Variable continua: Es toda variable cuyo valor se obtiene por


medicin o comparacin con una unidad o patrn de medida.
Las variables continuas pueden tener cualquier valor dentro
de su rango o recorrido, por tanto se expresa por cualquier
nmero real.
Ejemplo
La estatura (1,64 m, 1,65 m, 1,66 m,...)
El ingreso familiar ( S/. 2500, S/. 3050.5)
La temperatura ambiental ( -5 c, 18 c, 31.5 c)

MUESTREO

2. INTRODUCCIN AL MUESTREO
El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica
es determinar qu parte de la realidad en estudio de la poblacin debe
examinarse con la finalidad de hacer inferencias sobre dicha poblacin. Obtener
una muestra adecuada significa lograr una visin simplificada de la poblacin,
que reproduzca de algn modo sus rasgos bsicos. (Webster, 2008)
Grficamente

Tcnica de
Muestreo

POBLACIN

MUESTRA

Inferencia

Fuente: Elaboracin propia

3. MUESTREO
Se conoce con el nombre de muestreo al proceso de extraccin de una muestra
a partir de la poblacin. El proceso esencial del muestreo consiste en identificar
la poblacin qu estar representada en el estudio.
4. TERMINOLOGA BSICA EN MUESTREO
4.1 Poblacin o Universo: es un conjunto de unidades o elementos que
presentan una caracterstica comn; tambin se le considera como un
conjunto de medidas. Si la caracterstica observada ha sido medida, recibe
8

el nombre de variable continua; si por el contrario, tan slo se hace recuento


se le denomina atributo o puede ser una variable discreta. Considerar la
poblacin como conjunto de unidades o elementos, debe entenderse como
un grupo de personas, familias, establecimientos, manzanas, barrios, etc.,
pero en realidad es un conjunto de medidas obtenidas de las caractersticas
estudiadas. (Webster, 2008)
4.2 Unidad y Elemento: la unidad es divisible, por ejemplo una familia se puede
subdividir en personas que la conforman; una universidad se divide en
facultades, a su vez puede considerarse como unidad, ya que se subdivide
en cursos y stos en estudiantes. En cambio el elemento es indivisible, una
persona, una cosa, etc., sigue siendo la forma ms elemental de
presentacin, sin embargo, generalmente se habla en forma indistinta de
elemento o unidad como una sola cosa. La unidad hace referencia a una
persona, una familia, una vivienda, una manzana, un barrio, un
establecimiento, etc., y se denomina elemento cuando con ella obtenemos
la informacin necesaria. Es el individuo, entidad u objeto, del cual
deseamos observar todas o algunas de sus caractersticas para ser
medidas o contadas. (Martnez, 2012)
4.3 Marco Muestral: Lista de unidades o elementos de muestreo. El marco
puede ser una lista de personas, o unidades de vivienda, hogares, un
archivo de registros, un mapa subdividido, una foto area con detalles, entre
muchos otros.
4.4 Plan de Muestreo: Diseo segn el cual se toman una o varias muestras
con el objeto de obtener informacin y, eventualmente tomar una decisin.

5. CARACTERISTCAS DE UNA BUENA MUESTRA


Una buena muestra cumple dos caractersticas importantes:
Representativa: Refleja las caractersticas de la poblacin (tipo de muestreo
utilizado)
Adecuada: Cuantitativamente debe ser lo suficiente grande (tamao de
muestra)
6. PROCESO DE MUESTREO
Definicin de los objetivos de la investigacin
9

Definicin de la poblacin objeto de estudio, elementos, unidades de


muestreo, alcances, tiempo.
Definicin del marco muestral.
Seleccin del procedimiento de muestreo
Determinar el tamao de muestra
Obtener la muestra

5. TIPOS DE MUESTREO
Aqu destacan los muestreos de tipo probabilstico y no probabilstico:
5.1 Muestreo Probabilstico: Se denomina probabilstico cuando los
elementos que constituyen la poblacin o universo tienen la misma
posibilidad de ser seleccionados.
Caractersticas
Se basan en el principio de la equiprobabilidad.
Cada elemento de la poblacin tiene una probabilidad conocida de
formar parte de la muestra.
Los componentes de la muestra son elegidos al azar.
Es cientfico, permite acotar el error y medir la confianza de obtener
buenas estimaciones.
Aseguran la representatividad de la muestra extrada y son por lo
tanto los ms recomendables. (Webster, 2008)
Ejemplos:
Los estudios de opinin publica ( probabilstico)
Las encuestas que realiza el INEI: (ENAHO, ENDES, etc.)
Los trabajos de investigacin cientfica.

5.1.1

Muestreo aleatorio simple: el mtodo de muestreo aleatorio


simple es recomendable, en especial, cuando la poblacin no es
numerosa y las unidades se concentran en un rea pequea; por
otra parte, la caracterstica no debe tener gran variabilidad,
porque implicara un tamao muestral muy amplio lo que a su vez,
incrementara costo y tiempo; por ltimo, la poblacin debe
facilitar su enumeracin para que permita la aplicacin de este
mtodo:
10

- Se requiere un listado de unidades de la poblacin.


- No existe garanta de que todas las unidades queden
representadas en la muestra, cuando la caracterstica tienen
una gran variabilidad.
- Si el coeficiente de variacin es mayor del 30% el tamao de
muestra se va haciendo ms grande. (Webster, 1998)
Procedimiento de seleccin:
El procedimiento de seleccin de una muestra aleatoria simple
consiste en:
i) Enumerar las unidades de la poblacin, desde 1 hasta N.
ii) Usando la tabla de nmeros aleatorios seleccionar la primera
unidad para la muestra.
iii) Continuar la seleccin excluyendo las unidades repetidas (si
es sin reposicin) o incluyendo las unidades repetidas (si es
con reposicin) hasta completar el tamao de muestra n.

5.1.2 Muestreo Aleatorio Estratificado: se denomina tambin como


muestreo aleatorio restringido, este procedimiento implica una
divisin de la poblacin en grupos, denominados estratos, en tal
forma que el elemento presenta una caracterstica tan definida
que slo le permite pertenecer a un nico estrato.
La estratificacin es una tcnica comn. Para esto hay muchas
razones, las principales son las siguientes.
1. La estratificacin puede producir un lmite ms pequeo para el
error de estimacin que el que se generara por una muestra
aleatoria simple del mismo tamao. Este resultado es
particularmente cierto si las mediciones dentro de los estratos
son homogneas.
2. El costo por observacin en la encuesta puede ser reducido
mediante la estratificacin de los elementos de la poblacin en
grupos convenientes.

11

3. Se pueden obtener estimaciones de parmetros poblacionales


para subgrupos de la poblacin. Los subgrupos deben ser
entonces estratos identificables. (Webster, 1998)
FORMAS DE ESTRATIFICAR
- Afijacin igual: se da cuando los elementos quedan asignados o
repartidos por igual en cada estrato muestral.
- Afijacin proporcional: los elementos se distribuyen en los
estratos muestrales, en la misma proporcin en que se
distribuyen los elementos de la poblacin.
- Afijacin ptima: cuando el tamao, tanto de la muestra general
como para cada uno de los estratos muestrales, depende del
grado de variabilidad de la caracterstica en cada estrato y del
costo mnimo para una precisin dada.

5.1.3 Muestreo Sistemtico: ms que un mtodo de muestreo, es


considerado como un mtodo de seleccin, al que algunos
denominan mtodo de seleccin a intervalos regulares. Se aplica
cuando la caracterstica a investigar se encuentra ordenada de
acuerdo al valor, tiempo, cantidad, etc.
Ventajas
Es ms fcil de llevar a cabo en el campo, y por lo tanto, a
diferencia de las muestras aleatorias simples, est menos
expuesto a los errores de seleccin que cometen los
investigadores de campo.
El muestreo sistemtico puede proporcionar mayor
informacin que la que puede proporcionar el muestreo
aleatorio simple por unidad de costo.
Desventajas
Si la constante de muestreo est asociada con el fenmeno de
inters, las estimaciones obtenidas a partir de la muestra pueden
contener sesgo de seleccin.
Procedimiento
- N = 100
- Se desea una muestra de n = 20
12

K = N/n = 100/20 = 5
Se escoge un nmero aleatorio entre 1 y 5
Nmero seleccionado r = 4
Empezamos con el 4 y escoger cada quinto nmero

1
26
51
76
2
27
52
77
3
28
53
78
4
29
54
79
5
30
55
80
6
31
56
81
7
32
57
82
8
33
58
83
9
34
59
84
10
35
60
85
11
36
61
86
12
37
62
87
13
38
63
88
14... 39... 64... 89...
15
40
65
90
16
41
66
91
5.1.4. Muestreo por17
conglomerados:
este
42
67
92 muestreo se utiliza cuando no
existe listado, o bien las unidades estn demasiado dispersas y no permiten
18
43
68
93
llegar directamente a las fuentes de informacin. Esto nos obliga a sustituir
19
44
69
94
las unidades fsicas o elementales, por grupos de unidades, que llamaremos
20
45
70
95
conglomerados; generalmente son superficies o reas en las que se ha
21
46por la71poblacin.
96 Supongamos que se desea
dividido el espacio ocupado
47 en 72
97
realizar estudios a 22
familias
una ciudad,
cada unidad o familia se
23
48
73
98
constituye en un conglomerado, por tal razn se aplica en muestreo
24 es 49
99 la investigacin en una sola
aleatorio monoetpico,
decir, 74
se realiza
25
50
75
100
etapa. (Martinez, 2012)
Caracterstica principal
Hay una variacin considerable dentro de cada grupo, pero los grupos son
esencialmente similares entre s.

13

5.2 Muestreo No Probabilstico: Entre los diferentes tipos de muestreo no


probabilstico se pueden mencionar: el casual o fortuito, el de seleccin
experta, el muestreo de poblaciones mviles y el de cuotas.
5.2.1. El muestreo casual o fortuito: se utiliza en diferentes reas de la
investigacin como arqueologa, historia y medicina, entre otras. Aqu las
muestras se integran por voluntarios o unidades mustrales que se obtienen
en forma casual. Otras ciencias que no se preocupan por la
representatividad de sus especmenes son astronoma, fsica y qumica.
5.2.2. El muestreo de seleccin Experta: denominado tambin como
muestreo de juicio, es una tcnica utilizada por expertos para seleccionar
especmenes, unidades o porciones representativas o tpicas, segn el
criterio del experto; por ejemplo: la seleccin de un conjunto de
especmenes con determinadas caractersticas, para un experimento de
laboratorio, o la seleccin de determinadas semanas del ao para llevar a
cabo algunas auditoras. Es importante hacer notar que en este caso los
criterios de seleccin pueden variar de experto a experto, al determinar
cules son las unidades de muestreo representativas de la poblacin.
(Pimienta, 2000).
5.2.3. El mtodo de poblaciones mviles: se basa en el concepto de
captura-marca-captura. La poblacin total se estima con base en la
proporcin de individuos en la recaptura, esto es, aqullos que han sido
capturados previamente y marcados. Este tipo de tcnicas se utiliza mucho
en el muestreo de insectos, peces, venados, ballenas y, en general,
poblaciones de animales en extincin.
5.2.4. El Muestreo de Cuotas: es un tipo de muestreo ampliamente
utilizado en encuestas sobre opinin electoral, investigacin de mercado o
similares. Los encuestadores reciben la orden de obtener cierto nmero de
entrevistas (cuotas), a partir de las cuales se construye una muestra
relativamente proporcional a la poblacin. Este esquema se ve como una
alternativa del muestreo probabilstico, en el que se busca seleccionar una
muestra representativa de la poblacin estableciendo proporciones de los
diferentes segmentos que la componen. La tcnica consiste en determinar,
al seleccionar la muestra, la cuota de entrevistas que se debe cubrir de cada
grupo de la poblacin y por cada enumerador. El supuesto bsico de esto
es que con la conjuncin de todas las cuotas se obtiene una imagen de la
totalidad.
14

Los diferentes tipos de muestreo no probabilstico mencionados varan


ampliamente en grado y rea de justificacin, pero cada una de sus tcnicas
tienen en comn la generalidad de los supuestos que sustentan la distribucin
de las variables en la poblacin. (Pimienta, 2000).
6. Las frmulas para el clculo del tamao de muestra

Cuando se conoce N

TAMAO DE

Cuando NO se conoce
N

MUESTRA
Cuando la variable
principal es

2 2
( 1) 2 + 2 2

2 2
2

CUANTITATIVA
Cuando la variable
principal es

2
( 1) 2 + 2

2
2

CUALITATIVA
Donde:
n: Tamao de muestra
Z: Nivel de confianza
E: Margen de error
2 : Varianza poblacional
: Desviacin estndar de la poblacin
P: Proporcin de la poblacin que tiene la
caracterstica de inters
Q: 1- P
N: Tamao de la poblacin

15

Nivel de
confianza
90%

Valor de
Z
1,65

95%

1,96

99%

2,58

VALIDEZ Y CONFIABILIDAD

7. Validez y Confiabilidad de Instrumentos


7.1. Validez de un Instrumento: se refiere al grado en que un instrumento de
medicin realmente mide la variable que pretende medir. Por ejemplo: que un
instrumento de inteligencia mida inteligencia y no ausencia de memoria.
Pasos para crear y validar un Instrumento de Medicin
Listar las variables que se van a medir u observar.
a) Revisar la definicin conceptual de las variables.
b) Establecer la definicin operacional.
c) Elegir un instrumento ya desarrollado que se adaptar para el estudio o crear
un nuevo instrumento, tomando en cuenta las dimensiones a medir y los
indicadores especficos que se utilizarn para cada una.
d) Indicar el nivel de medicin de cada tem o variable.
e) Establecer la forma en que se codificarn (darles un nmero que represente)
las variables o tems.
Aplicar una prueba piloto del instrumento.
f) Modificar el instrumento, a partir de los resultados de la prueba piloto. Ruiz
Bolvar (2002)

La validez responde a la pregunta con qu fidelidad corresponde el universo o


poblacin al atributo que se va a medir?. La validez de un instrumento consiste
en que mida lo que tiene que medir (autenticidad), algunos procedimientos a
emplear son: Know groups (preguntar a grupos conocidos), Predictive validity
(comprobar comportamiento) y Cross-check-questions (contrastar datos previos).
Al estimar la validez es necesario saber a ciencia cierta qu rasgos o
caractersticas se desean estudiar. A este rasgo o caracterstica se le denomina
variable criterio. Al respecto, Ruiz Bolvar (2002) afirma que nos interesa saber
qu tan bien corresponden las posiciones de los individuos en la distribucin de
los puntajes obtenidos con respecto a sus posiciones en el continuo que
representa la variable criterio (p. 74). Existen tres tipos de validez:
16

Validez de Contenido: se refiere al grado en que un instrumento refleja un


dominio especfico del contenido de lo que se quiere medir, se trata de
determinar hasta dnde los temes o reactivos de un instrumento son
representativos del universo de contenido de la caracterstica o rasgo que se
quiere medir, responde a la pregunta cun representativo es el
comportamiento elegido como muestra del universo que intenta representar.
Por ejemplo, un cuestionario sobre la actitud de los alumnos ante la
investigacin no tendr validez de contenido si explora la opinin de los
alumnos sobre las caractersticas de los docentes dentro de la ctedra de
estadstica. Tambin se le denomina validez racional o lgica.
Los investigadores deben elaborar una serie de temes, acordes con las
variables empleadas y sus respectivas dimensiones. Luego de la seleccin de
los temes ms adecuados para el proyecto, se elabora el instrumento, para
ser validado por un grupo impar de expertos, normalmente de tres o cinco, que
certifiquen, efectivamente, que las preguntas, reactivos o afirmaciones
seleccionadas son claras y tienen coherencia con el trabajo desarrollado.
Hay que considerar que, la validez de contenido no puede expresarse
cuantitativamente es ms bien una cuestin de juicio, se estima de manera
subjetiva o intersubjetiva empleando, usualmente, el denominado Juicio de
Expertos. Ruiz Bolvar (2002)
Validez de Constructo: intenta responder la pregunta hasta dnde el
instrumento mide realmente un rasgo determinado y con cunta eficiencia
lo hace? Al respecto Gronlund (1976, citado por Ruiz Bolvar, op. cit.)
seala que esta validez interesa cuando se quiere usar el desempeo de
los sujetos con el instrumento para inferir la posesin de ciertos rasgos.
Para estudiar este tipo de validez es necesario que exista una
conceptualizacin clara del rasgo estudiado basado en una teora
determinada. La teora sugiere las tareas pruebas que son apropiadas para
observar el atributo o rasgo y las evidencias a considerarse en la
evaluacin. Cronbach (1960, citado por Ruiz Bolvar, op. cit.) sugiere los
siguientes pasos:
1) Identificar las construcciones que pudieran explicar la ejecucin en el
instrumento
2) Formulacin de hiptesis comprobables a partir de la teora
3) Recopilacin de los datos para probar las hiptesis
Muchas pruebas psicolgicas, y en menor medida algunas pruebas
educativas, intentan medir rasgos generales o cualidades de un individuo,
17

tales como: razonamiento verbal, visualizacin especial, sociabilidad,


introversin e inters mecnico son designaciones de constructos o de rasgos.
Las pruebas de estas funciones son vlidas en tanto se comporten de la
manera que cabra esperar que se comportara el rasgo.
Validez Predictiva o de Criterio Externo o Emprica: se asocia con la visin
de futuro, determinar hasta dnde se puede anticipar el desempeo futuro de
una persona en una actividad determinada. La validez predictiva se estudia
comparando los puntajes de un instrumento con una o ms variables externas
denominadas variables de criterio. Se establece una correlacin, la cual se
interpreta como ndice de validez.
Para este propsito, estamos interesados en el grado en que el instrumento
se correlaciona con algunos de los criterios escogidos para medir, por ejemplo:
el xito en los estudios. As, se toma alguna otra medida, como el criterio del
xito, y juzgamos el cuestionario elaborado en trminos de su relacin con
esa medida de criterio. El procedimiento bsico consiste en aplicar la prueba
a un grupo de personas que ingresan a un trabajo o a un programa de
entrenamiento y, posteriormente, seguirlas observando para obtener de cada
una, una medida criterio de xito especfica y luego calcular la correlacin
entre la puntuacin de prueba y la medida criterio de xito. Cuanta ms alta
sea la correlacin, mejor ser el instrumento, es decir, la evaluacin como
predictor es principalmente una evaluacin emprica y estadstica.
Cualidades deseables en una medida criterio: Existen cuatro cualidades
deseables en una medida criterio, en orden de importancia son:
- Atingencia Se consideran que un criterio es atingente en la media en que
esta medida criterio corresponde con o ejemplifica el xito en el trabajo.
- Libre de sesgos La medida debera ser aquella en la que cada persona
tiene las mismas oportunidades de obtener una buena puntuacin.
- Confiabilidad Debe ser estable o reproducible si ha de ser predicha por
algn tipo de prueba.
- Disponibilidad Debe tener en cuenta lmites prcticos como: Qu tanto se
debe esperar para obtener una puntuacin?, Cunto dinero costarn las
interrupciones de las actividades? .Ruiz Bolvar (2002)
7.2. Confiabilidad del Instrumento: Se refiere al grado en que su aplicacin
repetida al mismo sujeto u objeto produce resultados similares o consistentes con
mediciones previas.

18

Existen diversos mtodos para evaluar la confiabilidad de un instrumento, tales


como:
a) Medida de Estabilidad: (confiabilidad test - retest). Un mismo instrumento
es administrado a un mismo grupo de personas despus de un perodo de
tiempo. Se mide la confiabilidad a travs de la correlacin entre ambos puntajes.
b) Mtodo de Formas paralelas o alternativas. Se Administran dos formas
equivalentes, por tanto no es el mismo instrumento. Las formas son equivalentes
en contenidos, preguntas, instrucciones, duracin, etc. Las formas se administran
a un mismo grupo dentro de un perodo de tiempo corto. Se mide la confiabilidad
a travs de la correlacin entre ambos puntajes.
c) Mtodo de las Mitades partidas (split - halves). Requiere una sola
medicin en un mismo grupo de sujetos. Se divide la prueba en dos mitades y se
comparan los resultados en correlaciones.
d) Coeficiente de Cronbach. Este coeficiente requiere una sola medicin y
mide la consistencia interna de los tems en cada escala y el instrumento como
conjunto. Es decir entrega un valor estadstico que nos indica en qu medida un
conjunto de tems apuntan en la misma direccin. (Ross,2000)
Coeficientes para determinar la confiabilidad Segn Corral (2009):
0,53 a menos

Confiabilidad nula

0,54 a 0,59

Confiabilidad baja

0,60 a 0,65

Confiable

0,66 a 0,71

Muy Confiable

0,72 a 0,99

Excelente confiabilidad

1.0

Confiabilidad perfecta

Resumen de los Mtodos y Tcnicas para estimar la confiabilidad de un


instrumento.

19

Mtodo

Tcnica

Propsito

Test-Retest

Coeficiente de correlacin r de
Pearson

Consistencia en el tiempo
de los puntajes

Formas
equivalentes

Coeficiente de correlacin r de
Pearson

Coeficiente de
equivalencia, variacin en
el tiempo de los puntajes

Correlacin de Pearson
Divisin por
mitades

Correlacin de Spearman-Brown
Coefiente de Rulon

Establecer la
homogeneidad de los
temes al medir el
constructo

Coeficiente de Guttman
Coeficiente Alfa de Cronbach

Homogeneidad
de las
Coeficiente de Kuder Richarson 20
preguntas o
temes

Fuente: Palella y Martins (2003), p. 155.

20

Para escalas policotmicas


como las tipo Likert
Para temes con escalas
dicotmicas

PRUEBA DE HIPTESIS
8. Pruebas de hiptesis
Uno de los criterios ms importante en la Inferencia estadstica necesaria en la
investigacin es la prueba de hiptesis. Es decir, probar enunciados o afirmaciones
sobre los parmetros de las poblaciones.
Metodologa para desarrollar pruebas de hiptesis:
Para desarrollar una prueba de hiptesis puedes hacerlo haciendo uso de estos
siete pasos:
1 Planteamiento de hiptesis: aqu debers plantear la hiptesis nula (H0) y
la hiptesis alternativa (H1)
2 Nivel de significancia: es el valor que te ayudar a tomar la decisin de
aceptar o rechazar H0
3 Estadstico de prueba: aqu slo se plasmar la funcin pivotal.
4 Regin de aceptacin y rechazo: Se determinar en funcin a los puntos
crticos.
5 Calculamos el estadstico de prueba: se reemplaza los datos en la funcin
pivotal.
6 Decisin: en este paso se tomar la decisin de aceptar o rechazar H0.
7 Conclusin: se describir y/o dar respuesta al problema presentado.
(Webster, 2008).

Tipos de pruebas de hiptesis:


a. Hiptesis bilateral de dos colas
H0 : = 0
H1 : 0

b. Hiptesis unilateral hacia la derecha


H0 : = 0
H1 : > 0

21

c. Hiptesis unilateral hacia la izquierda


H0 : = 0
H1 : < 0
0 = es el valor del parmetro desconocido

9. Resumen de pruebas estadsticas ms utilizadas

Fuente: Palella y Martins (2003), p. 172.

22

10. Desarrollo de las pruebas


Prueba de Independencia,
La prueba de independencia Chi-cuadrado, nos permite determinar si existe
una relacin entre dos factores analizadas en un estudio. Para saber si dos
factores muestran algn grado de dependencia se construyen tablas de
doble entrada (filas y columnas) .Es necesario resaltar que esta prueba nos
indica si existe o no una relacin entre las variables, pero no indica el grado
o el tipo de relacin; es decir, no indica el porcentaje de influencia de una
variable sobre la otra o la variable que causa la influencia. (Webster,2008).

Caracterstica
A (i)

1
1

1,1
2,1
.
.

1
Total n.j

muestras

2
1,2
2,2

.
.
,1
.1

,2
.2

Total A
.

1,
2,

.
.

,
.

.
..

= Frecuencia observada de la respuesta o clase ai de la caracterstica A,


correspondiente a la muestra j.
. = Tamao de muestra de la localidad o muestra j.

. =

. =

=1

=1

= =1 . = =1 . = =1
Con la informacin de este cuadro se procede a realizar la prueba de
hiptesis, la cual debe seguir el procedimiento que se muestra a
continuacin.

Ejemplo
Alicia Garca es la directora de investigacin de Plaguicidas de un importante
Laboratorio en la ciudad de Chiclayo. En su proyecto actual Alicia debe
determinar si existe alguna relacin entre la clasificacin de efectividad que
los consumidores asignan a un nuevo insecticida y el sitio (urbano o rural) en
23

el cual se utiliza. De los 100 consumidores a quienes se le aplic la encuesta,


75 vivan en zonas urbanas y 25 en zonas rurales. La Tabla resume las
clasificaciones hechas por los consumidores. (Use =0.10) (Webster,2008).
Clasificacin segn el uso de Plaguicidas
Clasificacin

Urbano

Rural

Total

Arriba del
promedio
Promedio

20

11

31

40

48

Debajo del
promedio
Total

15

21

75

25

100

Solucin
1. Planteamiento de hiptesis
H0: La clasificacin y la ubicacin son independientes.
H1: La clasificacin y la ubicacin No son independientes.
2. Nivel de significancia:
=0.10
3. Estadstico de prueba
2 = =1

( )2

.;
= .

4. Regin de aceptacin y rechazo


>
>
5. Calculamos el estadstico de prueba
Clasificacin
Arriba del
promedio
Promedio

Rural
11
7.75
8
12
6
5.25

Total
31

Debajo del
promedio

Urbano
20
23.3
40
36
15
15.8

Total

75

25

100

24

48
21

Clculo de las frecuencias esperadas:


1. .1 (75)(31)
11 =
=
= 23.25
(100)
. .
11 =

1. .2 (25)(31)
=
= 7.75
(100)
. .

11 =

2. .1 (75)(48)
=
= 36
(100)
. .

11 =

2. .2 (25)(48)
=
= 12
(100)
. .

11 =

3. .1 (75)(21)
=
= 15.75
(100)
. .

11 =

3. .2 (25)(21)
=
= 5.25
(100)
. .

Estadstico de prueba:

(20 23.3)2 (11 7.75)2 (40 36)2 (8 12)2 (15 15.8)2


+
+
+
+
23.3
7.75
36
12
15.8
(6 5.25)2
+
5.25
= 3.76

6. Decisin
Como 2 < 2 , entonces No se rechaza la Ho

7. Conclusin
No existen suficientes evidencias estadsticas con un nivel de significacin =0,05
para afirmar que la clasificacin de la efectividad y la ubicacin donde se utiliza sean
independientes.

25

A. El coeficiente de determinacin: R2
El coeficiente de determinacin en un anlisis de regresin simple es r2, es
decir el coeficiente de correlacin al cuadrado y nos indica el porcentaje de
variaciones observadas en la variable dependiente que es explicado por las
variaciones de la variable independiente. El coeficiente de determinacin
expresa la variabilidad explicada por el modelo de regresin. A partir de l
podeos calcular el coeficiente de alineacin. Este coeficiente expresa la
proporcin de la variabilidad de la variable dependiente no explicada por el
modelo y viene dado por la siguiente expresin: [1 R2 ] (Webster,2008).

Ejemplo
Se conduce un experimento en 12 sujetos para analizar si la dosis de cierta
droga (en ml) est relacionada con el tiempo de reaccin a un estmulo en
segundos.
Droga (ml)
1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5
Tiempo (segs) 1,0 0,8 1,8 1,4 2,1 1,8 2,2 3,0 2,7 3,0 4,1 4,9
Realizar un anlisis de correlacin de las variables en estudio. En el caso de que
las variables estn correlacionadas realizar un anlisis de regresin.
Grfico de dispersin del tiempo de reaccin a estmulo
versus dosis de droga
5

Tiempo de reaccin (seg)

R = 0.8824
0

Dosis de droga (ml)

Figura 1: se aprecia la correlacin positiva entre las variables


droga y tiempo.

26

B. Coeficiente de correlacin

nY

n Yt X t Yt X t
2

Yt n X t2 X t
2

12 130.9 28.85 45
(12 85.7125)2 (12 204.5 452 )

= 0.939

Se puede concluir de existe una alta correlacin positiva entre el tiempo de


reaccin y dosis de la droga.

Interpretacin de los coeficientes de correlacin

C. Prueba t Student
Si (X,X1,X2,...,Xn) son n+1 variables aleatorias normales independientes de
media 0 y varianza 2, la variable
X
Yn
1 n 2
Xi
n i 1
Tiene una distribucin t-Student con n grados de libertad. Su funcin de
densidad es
n 1
n 1

2
2

1
x
2

f (x)
x0

n
n
n

2

27

(P) X P 1e x dx

0
Siendo
la funcin gamma de Euler con P>0. La media de la
distribucin t-Student es E(X)=0 y su varianza V(X)=n/(n-2), la cual no existe para
grados de libertad menores que 2.

Esta distribucin aparece en algunos contrastes del anlisis normal.


La distribucin t-Student se construye como un cociente entre una normal Z~N (0,1)
2
y la raz de una Chi n independientes. De modo preciso, llamamos distribucin tStudent con n grados de libertad, tn a la de una variable aleatoria T,
X

T
tn
Z
2
T
tn
n

1
i
1 2
i

n
n

1
i

n
y adems,

Para calcular

n 1

( n 1) / 2

t
t
2 x2

P(T t ) f ( t )dt
dx

n
n

n
2
Sea un estadgrafo t calculado para la media con la relacin
x
t
n

28

0,375

n=120
n=2
n=11

0,125

-3,50

+3,50

Ejemplo: En 16 recorridos de prueba de una hora cada uno, el consumo de gasolina


de un motor es de 16.4 gal, con una desviacin estndar de 2.1 gal. Demuestre que
la afirmacin que el consumo promedio de gasolina de este motor es 12.0 gal/hora
Solucin, Sustituyendo n=16, =12.0, x =16.4 y s=2.1 en la frmula de t-Student, se
tiene
x 16.4 12.0
t

8.38
s n
2.1 16
Para el cual en las tablas, para =5% y 15 gl es insignificante, y por tanto se puede
concluir que el consumo de 12 gal/h es real
D. ANLISIS DE VARIANZA
Cuando es necesario hacer comparaciones entre tres o ms medias muestrales
para determinar si provienen de poblaciones iguales utilizamos la tcnica de anlisis
de varianza. Esta tcnica se realiza utilizando la distribucin de probabilidad F vista
anteriormente. Para el uso de esta tcnica es necesario seguir los siguientes
supuestos:
1) Las poblaciones siguen una Distribucin de Probabilidad Normal
2) Las poblaciones tienen desviaciones estndar () iguales
3) Las muestras se seleccionan de modo independiente
La tcnica del anlisis de varianza descompone la variacin total en dos
componentes de variacin llamados variacin debida a los tratamientos y variacin
aleatoria.
Cuando estamos frente a un problema de anlisis de varianza lo primero que
debemos hacer es identificar en trminos del problema lo siguiente:

29

Variable dependiente o variable respuesta: Es la variable que nos interesa medir


o respuesta que se va a estudiar para determinar el efecto que tiene sobre ella la
variable independiente.
Variable independiente o factor: Es la variable o factor que puede influenciar en
la variabilidad de la respuesta o variable dependiente.
Nivel o tratamiento del factor: Es un valor o condicin del factor bajo el cual se
observa la respuesta medible.
Unidad experimental: Es el objeto (persona, animal o cosa) donde se aplica un
determinado tratamiento, para obtener una medicin de la variable respuesta.
Error experimental: Es la variacin que no se puede atribuir a un cambio de
tratamiento; es decir, la que se produce por los factores extraos que pueden influir
en la respuesta y que deben ser eliminados o controlados por el investigador.
Aleatorizacin: Consiste en asignar en forma aleatoria los tratamientos a las
unidades experimentales con el propsito de remover los posibles sesgos
sistemticos y neutralizar los efectos de todos aquellos factores externos que no se
encuentran bajo el control del investigador, pero pueden estar presentes en el
experimento.
Nosotros estudiaremos el diseo Completamente Aleatorizado con un solo factor o
unifactorial.
Este modelo es apropiado en aquellas situaciones donde se tiene un solo factor o
variable independiente con c niveles o tratamientos. En este diseo nos interesa
probar las siguientes hiptesis:
H0: Las medias de las c poblaciones son iguales
H1: No todas las medias de las c poblaciones son iguales
Otra forma de platear las hiptesis es:
H0: 1 = 2 = 3 = = c
H1: Alguna de las medias difiere
Tambin se puede plantear la hiptesis en funcin de los efectos de los tratamientos
asi:
30

H0: Los tratamientos no producen efecto


H1: Alguno de los tratamientos produce efecto
H0: 1 = 2 = 3 = = c
H1: Algn es diferente
Para probar esta hiptesis se toma una muestra aleatoria de cada una de las c
poblaciones y se examina la cantidad de variacin dentro de cada una de estas
muestras en relacin con la cantidad de variacin entre las muestras.
Si no se rechaza H0 entonces las medias de las c poblaciones son iguales; es decir,
no existe ningn efecto de los tratamientos sobre la variable respuesta. (Walpole,
1998)
Para realizar un contraste de hiptesis de este tipo debemos seguir los siguientes
pasos:

a) Planteamiento de hiptesis
Se pueden plantear en cualquiera de estas formas
H0: 1 = 2 = 3 = = c
H1: Alguna de las medias difiere
H0: Los tratamientos no producen efecto
H1: Alguno de los tratamientos produce efecto
H0: 1 = 2 = 3 = = c
H1: Algn es diferente
b) Se realizan los siguientes clculos para obtener la tabla ANOVA
TRATAMIENTO O NIVELES DEL FACTOR
1
2
j
C
Y11
Y12
Y1j
Y1c
Y21
Y22
Y2j
Y2c



Yi1
Yi2
Yij
Yic



Yn11 Yn22 Ynjj Yncc
31

T.1
n1

T.2
n2

Y .1

Y .2

T.j
nj
Y. j

T.c
Nc

Y.c

Donde:
T.j
nj
Y. j

son los totales de los tratamientos


son los tamaos muestrales
Son las medias muestrales
c

n nj
j 1

T .. T. j
j 1

c nj
T ..2
2
SCT Yij
n
j 1 i 1

c T. j 2 T ..2
SCTr

n
j 1 n j

SCE SCT SCTr


c) Se fija la regin crtica
Para un anlisis de varianza vamos a considerar las pruebas de cola derecha
utilizando una distribucin F con grados de libertad 1 (c 1) y 2 (n c)
d) Se completa la Tabla ANOVA y se obtiene el estadstico de prueba

Fuente de
Variacin
Tratamientos

TABLA ANOVA
Grados de
Suma de
Libertad
Cuadrados
c-1

SCTr

Error

n-c

SCE

Total

n-1

SCT

32

Cuadrados
Medios
SCTr
CMTr
c 1
SCE
CME
nc

Fc

Fc

CMTr
CME

e) Se toma la decisin contrastando el estadstico de prueba con el valor


crtico
Una vez que se ha completado la tabla y se ha calculado el estadstico de
prueba, se compara el Fc con el Ft.
Si Fc > que Ft rechazo H0, lo que indica que alguna de las medias difiere o
que alguno de los tratamientos est produciendo algn efecto.
CASOS APLICATIVOS
(Archivo de tesis)
I. CASO: CIENCIAS DE LA SALUD
1.1. TTULO: Teora de Virginia Henderson: Necesidades de cuidado y la dinmica
familiar de mujeres violentadas, Chiclayo-2015
1.2. POBLACIN Y MUESTRA:
Poblacin
Fue de 350 mujeres que han denunciado maltrato desde enero- abril del 2015, dato
ofrecido por Registro estadsticos de la Regin Policial Nor Oriente Lambayeque,
Direccin Territorial de Polica ( DIRTEPOL),Comisara de la Familia en Chiclayo.
Muestra
La muestra para la presente investigacin fue representada por 55 mujeres
violentadas que han hecho la denuncia de maltrato desde enero abril de 2015,
segn Registro de la Regin Policial Nor-Oriente Lambayeque, Direccin Territorial
de Polica (DIRTEPOL), Comisaria de la Familia en Chiclayo.
Para la obtencin del nmero de entrevistadas a realizar al pblico objetivo, se
utiliz un muestreo probabilstico, aplicando la frmula cuando las variables de la
investigacin son cuantitativas y su poblacin es conocida. Se detalla:

Frmula:

2
(1) 2 + 2

Reemplazando los valores en la formula tenemos:


33

Donde:
n: Tamao de muestra
Z: Valor que se obtiene de la tabla
de distribucin normal y depende
del nivel de confianza (95%), = 1.96
e:Tolerancia de error, = 0.9
p: Proporcin. = 0.5
q: Proporcin. = 0.5
N: Tamao de la poblacin = 350

. . .
=
. ( ) + . . .

1.3. CONFIABILIDAD DE INSTRUMENTOS


Se seleccion aleatoriamente a 10 nombres de mujeres del listado que contaron
con direcciones correctas mujeres vctimas de violencia aplicando el estadstico alfa
Crombach obteniendo 0.85 lo que indica que la concordancia entre las
observaciones es buena, segn la Escala de George y Mallery, por lo tanto los
resultados obtenidos con este cdigo fueron vlidos y confiables.
Ruta del programa SPSS para determinar la confiabilidad mediante el
coeficiente Alfa de Crombach
a) Ruta de acceso

b) Ingreso de variable a analizar y luego aceptar

34

c) Resultados del coeficiente


Estadsticos de fiabilidad
Alfa de

N de elementos

Cronbach
,852

1.4. RESULTADOS
Los resultados se presentarn en funcin a los objetivos planteados:

a) Un objetivo especfico plasmado en el trabajo de investigacin fue: Caracterizar


a las mujeres violentadas en Chiclayo, 2015

35

Tabla 1
Caractersticas sociodemogrficas de mujeres violentadas que realizaron denuncia
de maltrato en la Direccin Territorial de Polica (DIRTEPOL), Lambayeque
2015

PERFIL SOCIODEMOGRFICO

EDAD

18 - 25 aos

17

31

PROCEDENCIA

Sierra

21

39

ESTADO CIVIL

Conviviente

28

51

OCUPACIN

Ama de casa

26

47

NIVEL EDUCATIVO

Secundaria

22

40

Fuente: Cuestionario aplicado a mujeres violentadas que realizaron denuncia de maltrato en la


Direccin Territorial de Polica (DIRTEPOL), Enero Abril de 2015

b) Otro objetivo presentado fue: Analizar la relacin que existe entre las
necesidades de cuidado y la dinmica familiar de las mujeres violentadas
en Chiclayo, 2015.

Tabla 2
Anlisis de relacin entre las necesidades de cuidado y la dinmica familiar de las
mujeres violentadas que realizaron denuncia de maltrato en la Direccin
Territorial de Polica (DIRTEPOL), Lambayeque 2015
Correlaciones
PUNTAJE_APG PUNTAJE_NEC
AR

ESIDADES_DE
_CUIDADO

Correlacin de Pearson
FUNCIONAMIENTO_FAMIL
IAR

Sig. (bilateral)

,662**
,000

N
Correlacin de Pearson
NECESIDADES_ CUIDADO Sig. (bilateral)

55

55

,662**

,000

55

36

55

**. La correlacin es significativa al nivel 0,01 (bilateral).

INTERPRETACIN:
Encontrando un coeficiente de correlacin de Pearson r = 0.662, se puede
concluir que existe una alta relacin entre las necesidades de cuidado y la
dinmica familiar de las mujeres violentadas.

II. CASO: FACULTAD DE DERECHO


2.1. TTULO: El principio de proporcionalidad para determinar la pena en los delitos
de violacin sexual en menores de 12-14 aos en la ciudad de Chiclayo.
2.2. POBLACIN Y MUESTRA: al igual que el caso anterior se aplic la misma
frmula

37

2.3. CONFIABILIDAD DE INSTRUMENTOS: igual que el caso anterior

2.4. RESULTADOS: la EAP de Derecho por trabajar con la metodologa de


Alejandro Caballero, en sus resultados deben dar respuesta las variables del
problema, realidad y marco referencial.

38

39

III. CASO: FACULTAD DE INGENIERA


3.1. TTULO: Diseo de un sistema de produccin para aumentar la productividad
de la Molinera Sudamrica S.A.C., utilizando las herramientas Kaizen, 5S Y
Vsm Lambayeque-2015
3.2. POBLACIN Y MUESTRA: Por la naturaleza del trabajo de investigacin no se
hizo uso de frmula

40

Poblacin
La poblacin est conformada por los procesos del sistema de produccin de la
Empresa Molinera Sudamrica S.A.C., los cuales son: secado y pilado.
Muestra
Se us el muestreo no probabilstico por conveniencia el cual corresponde a los
procesos de la misma poblacin.
3.3. CONFIABILIDAD DE INSTRUMENTOS: Este trabajo de investigacin utiliz la
tcnica del cuestionario, con preguntas que se aplic al personal que labora en
la empresa Molinera Sudamrica S.A.C. Se obtuvo informacin sobre cmo se
encontraba el lugar donde trabajan, si tienen una buena comunicacin con la
parte Gerencial de dicha empresa y entre otras preguntas que ayud a
desarrollar nuestra investigacin. Para determinar la confiabilidad del mismo se
hizo uso del coeficiente alfa de Crombach, detallado en el caso 1.
3.4. RESULTADOS: Dando respuesta a los objetivos se plantearon los siguientes
resultados.
a) Objetivo 1: Diagnosticar la situacin actual de la Molinera Sudamrica
S.A.C.

41

IV. CASO: FACULTAD DE HUMANIDADES


4.1. TTULO: Anlisis de la dimensin referencial del discurso radiofnico en los
programas periodsticos acuarela y fuego noticias de la ciudad de Chiclayo
emitido durante el mes de Julio de 2015.

4.2. POBLACIN Y MUESTRA:

Poblacin
La poblacin estuvo conformada por todas las emisiones del mes de julio de
2015 de los programas radiales Acuarela (2 horas diarias) y Fuego Noticias (3
horas diarias), un total de 50 emisiones.

Acuarela se emite de lunes a viernes (5 das), pero Fuego Noticias trasmite de


lunes a sbado (6 das).

42

Tabla 1
Total de emisiones en julio.

Programas

Acuarela

Total de

Total de emisiones al

emisiones

da

a la semana

1 emisin = 120
minutos

Fuego

1 emisin = 180

Noticias

minutos

Total

2 emisiones

Total de emisiones al
mes

5 emisiones

23 emisiones

6 emisiones

27 emisiones

11 emisiones

50 emisiones

Tabla de autora propia.

Muestra
Para definir el tamao de la muestra se aplic la siguiente formula:
Dnde:
n= Muestra
Z= Nivel de confianza (95%)
p: Probabilidad de xito (60%)
q: Probabilidad de fracaso (40%)
E: Nivel de error (0.5%)
N: Poblacin

2
=
( 1) 2 + 2

Por lo tanto, el tamao de la muestra global de la poblacin de programas


del mes de julio es 32 emisiones, resultado obtenido de la aplicacin de la
frmula.

Considerando que dentro de la muestra tena subpoblaciones, se hall la


muestra proporcional de cada programa (Acuarela y Fuego Noticias)
utilizando la siguiente frmula:

43

Dnde:
Nh: Subpoblacin
N: Poblacin total
n: muestra Total
nh: muestra de los grupos

Del resultado obtenido concluimos que

la muestra proporcional para el

programa Acuarela fue de 15 emisiones, mientras que para el programa


Fuego Noticias fue de 17 emisiones. Se especifica en la siguiente tabla:

Tabla 2
Tabla del total de emisiones a analizadas en el mes de julio de 2015.
Programas

Subpoblacin

Muestra proporcional

Acuarela

23 emisiones

15 emisiones

Fuego Noticias

27 emisiones

17 emisiones

50 emisiones

32 emisiones

Emisiones en el mes de
julio.

Muestra de la investigacin (autora propia).

Para la eleccin de las emisiones se trabaj con el tipo de muestra


probabilstica simple asignndole un nmero a cada emisin y por sorteo se
logr definir las fechas de los programas a analizar, teniendo en cuenta el
tamao de la muestra.
4.3. CONFIABILIDAD DE INSTRUMENTOS:
Se utiliz como instrumento dos fichas de observacin para determinar las
caractersticas particulares medibles de la dimensin referencial de los programas
Acuarela y Fuego Noticias.
-

Ficha de observacin de temtica tratada, comprende en una tabla dividida


en los apartados: fecha de emisin, programa, tema tratado, formato
44

periodstico, mbito de la noticia, si es de inters, y finalmente si respeta


criterios ticos.
-

Ficha de observacin de fuentes de informacin, dividida en fecha de


emisin, programa, tipos de fuentes, uso de fuentes en la noticia

y si

refuerzan la noticia.
Cabe resaltar que para las fichas de observacin es opcional la confiabilidad de
instrumentos.
4.4. RESULTADOS:
a) Objetivo 1: Diagnosticar la tendencia de la temtica tratada en los programas
periodsticos Acuarela y Fuego Noticas de la ciudad de Chiclayo emitido
durante el mes de julio de 2015

12%
1%

0%

0%

0%

0%

Policial Judicial
29%

0%

Economa
Poltica
Curiosidades
Espectculos
Cultura

0%

Deportes
Medio ambiente
Educacin
Salud

58%

Figura 1B. La tendencia de la temtica tratada en el programa Acuarela.

Elaboracin propia, en base a ficha de observacin de la temtica tratada.

45

V. CASO: FACULTAD DE CIENCIAS EMPRESARIALES


5.1. TTULO: Condiciones que limitan el turismo de observacin de aves como
factor de desarrollo sostenible en el rea de conservacin privada Chaparri 2015
5.2. POBLACIN Y MUESTRA:
Poblacin
La poblacin consta del todo el personal de las diferentes reas que laboran en el
rea de Conservacin Privada Chaparri de propiedad de la comunidad Santa
Catalina del distrito de Chongoyape, regin Lambayeque.
Por otra parte, de los turistas que visiten el rea de Conservacin Privada Chaparri
entre los meses de Julio y Agosto 2015. Periodo en el cual se llevara a cabo la
investigacin.
rea
N Personal

Restaurantes
3

Alojamiento

Guiado

Transporte
10

Total
24

Fuente: elaboracin propia: consultada en el rea de administracin de la


comunidad Santa Catalina de Chongoyape
Meses

Junio

Agosto

Total

N Turistas

150

150

300

Fuente: elaboracin propia, consultada al rea de administracin


Muestra
La muestra es probabilstica porque se trabajar con los jefes de rea y encargados.
En total sern tres de cada rea que se utilizan para la muestra. En el caso de los
turistas la muestra es no probabilstica porque se har al azar los turistas, sin
distinguir sexo, ni nacionalidad.
5.3. CONFIABILIDAD DE INSTRUMENTOS: Para medir la confiabilidad del
instrumento de recoleccin de datos, se aplic dicho instrumento a un grupo piloto.
Los resultados fueron tabulados en el programa estadstico SPSS y han sido
analizados por el coeficiente del alfa de Cronbach.

46

5.4. RESULTADOS:
a) Objetivo 1: Identificar el nivel de involucramiento de la administracin que
tiene a cargo el rea de Conservacin Privada Chaparri, con respecto al
Turismo de Observacin de Aves.
TABLA 1:
Presupuesto de inversin en el rea de Conservacin Privada de Chaparri
ALTERNATIVA

Frecuencia

IGUAL QUE OTRAS AREAS PROTEGIDAS

MENOR QUE OTRAS AREAS PROTEGIDA

MAYOR QUE OTRAS AREAS PROTEGIDA

Fuente: Elaboracin Propia / Ficha Tcnica Aplicada

9
8
8
7
6
5
4
3
2

MENOR QUE OTRAS AREAS


PROTEGIDA

MAYOR QUE OTRAS AREAS


PROTEGIDA

2
1
0
IGUAL QUE OTRAS AREAS
PROTEGIDAS

Figura 01: Los resultados en la Tabla y Figura 01, determinan que la mayora de
funcionarios encuestados opinan, que la inversin econmica del rea de
Conservacin Privada Chaparri (Chongoyape), es igual a otras reas Protegidas
a nivel regional (Lambayeque).

47

Tabla 2.
Proyectos por ao en el rea de Conservacin Privada de Chaparri
alternativa

frecuencia

2013

2014

2015

Fuente: Elaboracin Propia / Ficha Tcnica Aplicada

2.5
2
1.5
1

0.5
0
FRECUENCIA

2013

2014

2015

Figura 02. La tabla y figura 02, muestra que el total de proyectos


ejecutados por el rea de Conservacin Privada Chaparri de
Chongoyape, fueron 2 proyectos en el 2013; 1 proyecto en el 2014; y 1
proyecto en el 2015.

b) Objetivo 2: Identificar la calidad de servicio que brindan los encargados a los


visitantes en el rea de Conservacin Privada Chaparri, con respecto al
Turismo de Observacin de Aves.

48

CALIDAD DE SERVICIO

Alternativa

Frecuencia

Porcentaje

buena

30

50.0

mala

30

50.0

Fuente: Elaboracin Propia / Ficha Tcnica Aplicada

60
50
40
30
50.0

50.0

20
30

30

10
0

buena

excelente

Frecuencia

30

30

Porcentaje

50.0

50.0

Figura 03: La tabla y figura 3, evidencia que de los 60 turistas encuestados, 30


(50%) sostienen que los encargados tursticos brindan un buen servicio.
Asimismo, 30 (50%) argumentan que no brindan un buen servicio.

49

REFERENCIAS

Crdova, M. (2009). Estadstica Descriptiva e Inferencial. 5ta Ed. Lima: Editorial


Moshera
Corral, Y (2009). Validez y confiabilidad de los instrumentos para la recoleccin de
datos. Rev. Ciencias de la educacin. Segunda etapa, vol. 19 N 33.
Gutirrez & De ala Vara (2012). Anlisis y Diseo de Experimentos. 3ra Ed. Mxico:
Mc GrawHill
Martnez, C. (2012). Estadstica y Muestreo. 13va Ed. Colombia: Ecoe Ediciones
Palella, S. y Martins, F. (2003). Metodologa De La Investigacin Cuantitativa.
Venezuela: Editorial Fedupel
Pimienta, R. (2000). Redalyc, Encuestas probabilsticas Vs. No probabilsticas.
Poltica y Cultura, nm. 13, 2000, pp. 263-276. Recuperado de:
http://www.redalyc.org/pdf/267/26701313.pdf
Ross, S. (2000). Introduccin a la Probabilidad y estadstica para Ingenieros. New
york: John Wiley and Sons
Ruiz Bolvar, C. (2002). Instrumentos de investigacin educativa. Procedimientos
para su diseo y validacin. Barquisimeto, Venezuela: CIDEG
Walpole, R. (1998). Estadstica Matemtica con Aplicaciones. Mxico: Prentice Hall
Hispanoamericana S.A.
Webster, A. (2008). Estadstica aplicada los negocios y la economa. Mxico:
McGraw Hill

50