Académique Documents
Professionnel Documents
Culture Documents
Tcnicas de
PARMETRO
MUESTRA
ESTADSTICO
INFERENCIA
ESTADSTIC
ESTADSTICA
DESCRIPTIVA
ERROR
PROBABILIDADES
Figura 01
1.2 VARIABLE ESTADSTICA
Es la atribucin de un valor (numrico o alfanumrico) a cada caracterstica de una unidad de
observacin, es decir, es una funcin de las observaciones (mediciones) realizadas.
CUALITATIVAS
CUANTITATIVAS
Son numricos
DISCRETAS
CONTINUAS
Tcnicas de
Moda
Mediana
Coeficientes de rango:
Spearman y Ganma.
ORDINALES
ESCALAS
PROPORCIONALES
Admiten todas las
tcnicas estadsticas.
Tcnicas de
INTERVALARES
Moda
Mediana
Media Aritmtica
Varianza
Desviacin estndar
Correlacin mltiple
UNA VARIABLE r
ESTADSTICA
de PearsonES EL ATRIBUTO QUE SE ESTUDIA
SOBRE UNA POBLACIN ESTADSTICA DETERMINADA
Recuerde:
ESCALA DE MEDICION
CUALITATIVA
CUANTITATIVA
Nominal
Ordinal
De intervalo
De razn
ACTIVIDAD 01:
Identifica la variable: cualitativa (C) o cuantitativa (Q) y clasifica las variables segn el carcter de las
escalas: nominal (N), ordinal (O), de intervalo (I) y de razn (R):
Edad
Sexo
Grado de instruccin
Estado civil
Religin
Rango de agresividad
Nmero de hijos
Aos de escolaridad
Tipos de desviacin
social: alcoholismo,
prostitucin, drogadiccin
Puntuacin obtenida
en una escala de
Thurstone
Tiempo de servicios
Grado de
generosidad
Temperatura
Peso
Extensin de fincas
cultivadas
Escalas de prestigios
de profesiones
Permetro torxico
Rasgo caracterial
preferido: amabilidad,
simpata
Nivel de ingresos
Coeficiente de
inteligencia
Rango de prestigio
Clases sociales
Frecuencia de visitas a
amigos
Nombre de las
Instituciones Educativas
Tcnicas de
Filiacin poltica
Deportes practicados
Rango en la amplitud
musical
ndice ceflico
Rendimiento
acadmico (notas)
ACTIVIDAD 01:
Identifica la variable: cualitativa (C) o cuantitativa (Q) y clasifica las variables segn el carcter de las
escalas: nominal (N), ordinal (O), de intervalo (I) y de razn (R):
Edad
Estado civil
Nmero de hijos
Tiempo de servicios
Temperatura
Clases sociales
Sexo
Religin
Aos de escolaridad
Grado de generosidad
Peso
Escalas de prestigios de
profesiones
Filiacin poltica
Deportes practicados
Grado de instruccin
Rango de agresividad
Permetro torxico
Nivel de ingresos
Coeficiente de inteligencia
Rango de prestigio
ndice ceflico
Tcnicas de
Tcnicas de
RESPUESTA
4,151 6
4,151
5,394 5
5,394
122,003 8
122,003
2,369 7
2,369
RESPUESTA
4,151 6
4,152
5,394 5
5,395
122,003 5
122,004
2,369 7
2,370
1.3.3 Por aproximacin.- La regla general es que, si el dgito que precede a la cifra a redondear es
menor que 5, se mantiene igual; si el dgito que precede es mayor que 5, la cifra a redondear
se aumenta en una unidad. El caso dudoso aparece cuando los nmeros terminan en 5. El
criterio que seguiremos en estas circunstancias es que si el dgito anterior al 5 es impar, se
aumenta en una unidad, y si es un nmero par, se conserva. Los ejemplos siguientes explican
este criterio:
REDONDEAR A:
NMERO
RESPUESTA
Los centsimos
8,375
8,38
Los dcimos
8,05
8,0
Los dcimos
5,24
5,2
66,936
66,94
Los centsimos
COMENTARIO
Tcnicas de
TITULO
VARIABLES
(Cabezas)
CONTENIDO
FUENTE
Ao
2005
2006
2007
2008
2009
Educacin
Inicial
Educacin Primaria
Menores
Adultos
Educacin Secundaria
Menores
Adultos
1 620
8 897
75
8 234
1 692
8 990
78
8 351
1 925
9 247
14
8 774
1 813
9 253
14
9 056
2 030
9 607
10
9 127
Fuente: Junn Compendio Estadstico 2010 - INEI
275
229
216
122
37
CUERPO
(Unidades
Absolutas)
660
640
620
600
580
N INST. EDUCATIVAS 560
540
520
500
480
2005
2006
2007
2008
2009
AOS
Tcnicas de
700
600
500
400
300
200
100
SET.
OCT.
NOV.
MES
DIC.
GRFICO 02. MONTO RECAUDADO DE CUOTAS DE LOS ALUMNOS DE LA PROMOCIN (SETIEMBRE DICIEMBRE)
35
30
25
20
15
10
5
2007
2008
2009
2010
AO
MUJERES
HOMBRES
20
15
10
5
NMERO DE DESAPROBADOS
25
2007
2008
HOMBRES
2009
2010
AO
MUJERES
Tcnicas de
1.4.3 HISTOGRAMA
Es una representacin grfica que hace uso de barras, consiste en marcar en el eje de las
abscisas (eje x) de un sistema de coordenadas rectangulares, los intervalos de clase y sobre
cada uno de estos intervalos levantar un rectngulo de rea proporcional a la frecuencia
correspondiente.
INTERVALOS DE CLASE
xi
fi
Fi
hi
Hi
(% hi)
(% Hi)
04; 07
5,5
0,04
0,04
07; 10
8,5
0,12
0,16
12
16
10; 13
11,5
24
32
0,48
0,64
48
64
13; 16
14,5
10
42
0,20
0,84
20
84
16; 19
17,5
50
0,16
1,00
16
100
TOTAL
50
1,00
HISTOGRAMA DE FRECUENCIAS
30
25
20
N DE ALUMNOS
15
10
5
0
0
5,5
8,5
11,5
14,5
17,5
NOTAS
Tcnicas de
POLGONO DE FRECUENCIAS
30
25
20
FRECUENCIAS
15
10
5
0
0
5,5
8,5
11,5
14,5
17,5
NOTAS
1.4.5 OJIVA
Es una representacin grfica lineal de la distribucin de frecuencias acumuladas, ya sean
absolutas o relativas. Empieza en el lmite inferior del primer intervalo de clase, y muestra las
frecuencias acumuladas menores a cualquier lmite real superior trazado sobre los lmites reales
superiores de clase.
OJIVA
60
50
40
FRECUENCIA ACUMULADA
30
20
10
0
0
10
13
16
19
NOTAS
OBREROS NGULO
PORCENTAJ
E
COBRE
20 784
181
50 %
HIERRO2,5
3 173
27
8%
CARBON
11 278
98
27 %
SALITRE
5 353
46
13 %
20
10
PETRLEO
TOTAL
Tcnicas de
958
2%
41 446
360
Para obtener el ngulo que representa a los obreros que trabajan con Cobre se procede de la
siguiente manera:
360
Y se resuelve as:
Salitre
Petrleo
Carbon
Cobre
Hierro
PRACTICA N 01
ACTIVIDAD 02:
Dadas los siguientes cuadros estadsticos y distribucin de frecuencias. Representa con la grfica
correspondiente o apropiada.
CUADRO N 01
ALUMNOS MATRICULADOS EN UNIVERSIDADES POR SECTOR
1992
1993
1994
1995
1996
1997
1998
1999
Pblicas
242
235
242
79
175
109
136
216
Privadas
145
132
123
102
118
17
68
105
FUENTE: INEI-2000
CUADRO N 02
PREGUNTA N 01. EN EL COLEGIO EL DIRECTOR TIENE CAPACIDAD DE LIDERAZGO Y
CONVOCATORIA PARA GESTIONAR LA INSTITUCIN EDUCATIVA
RESPUESTAS
fi
Fi
Mala
17
17
Tolerable
29
46
Regular
97
143
hi
Hi
% hi
%Hi
11
Buena
38
181
ptima
41
222
TOTAL
Tcnicas de
222
FUENTE: CUESTIONARIO DE GESTIN INSTITUCIONAL
CUADRO N 03
DISTRIBUCIN DE LA LECTORA
NIVEL SOCIO
ECONMICO
DE INFORMACIN
ENTRETENIMIENTO
DEPORTES
OTROS
NIVEL A
19
NIVEL B
15
NIVEL C
14
NIVEL D
11
TOTAL
57
23
24
16
CUADRO N 04
ESTRS LABORAL EN DOCENTES DE EDUCACIN PRIMARIA DEL DISTRITO DE CHILCA
Sexo
Nivel
Edad
Bajo
Medi
o
20
13
Alto
6
33
TOTAL
Cond. Laboral
20-40 41-60
Proced.
ISPP
19
16
14
21
28
17
26
24
20
30
40
10
TABLA N 05*
TABLA DE FRECUENCIAS DE UNA PRUEBA DE PROCESO EN MATEMTICA
LIR - LSR
xi
fi
[03; 05[
[05; 07[
[07; 09[
11
[09; 11[
15
[11; 13[
[13; 15[
[15; 17[
[17; 19]
TOTAL
60
Fi
hi
Hi
%hi
%Hi
TABLA N 06*
ESTRUCTURA DEL PRESUPUESTO
12
Tcnicas de
13
Tcnicas de
Propiedades
de los datos
Posicin
Medidas de tendencia
Central
Media aritmtica
Mediana
Moda
Cuantiles
Dispersin
Medidas de dispersin
o variabilidad
Rango
Varianza
Desviacin Estndar
Coeficiente de Variacin
Simetra
Forma
Curtosis
Asimtrica + Simtrica
Leptocrtica
Mesocrtica
Platicrtica
2.2 Mediana.- Es aquel dato que tiene la propiedad de dividir al conjunto en dos partes iguales. Si el
nmero de datos fuese impar se tomar como mediana el valor central, pero si el nmero de datos
fuese par, se tomar como mediana la semisuma de los datos centrales siempre y cuando los datos
estn ordenados ascendentemente o descendentemente.
Para datos agrupados
Su ecuacin es:
Donde:
LMe
c
n
Fm-1
fm
2.3 Moda.- La moda es el valor que se da con mayor frecuencia. Si se tiene una moda se llama
UNIMODAL; si tiene dos modas se llama BIMODAL y si tiene dos o ms modas se llama
MULTIMODAL o POLIMODAL. Hay dos tipos de moda:
Moda Absoluta: Es el valor de la variable que se da con mayor frecuencia.
14
Tcnicas de
Donde:
LMo: Lmite inferior de la clase modal.
c : Amplitud de la clase modal.
n : nmero total de datos.
1 : Diferencia entre la frecuencia absoluta de la clase modal y la frecuencia absoluta anterior.
2 : Diferencia entre la frecuencia absoluta de la clase modal y la frecuencia absoluta posterior.
2.4 Rango o recorrido.- El rango o recorrido de un conjunto de observaciones es la diferencia entre el
dato mayor y el dato menor de la variable.
2.5 Varianza.- La varianza es el promedio del cuadrado de las desviaciones de cada valor de la variable
respecto de la media aritmtica.
Datos agrupados
2.7 Coeficiente de variacin.- El ms comn de los parmetros de dispersin relativa que se utiliza en
estudios estadsticos es el coeficiente de variacin. Este coeficiente se define como el cociente entre
la desviacin estndar y la media aritmtica, se expresa como porcentaje y no en trminos de las
unidades de los datos particulares. Es decir:
15
Tcnicas de
Como es una medida relativa su utilidad es muy particular. Sirve para comparar la variabilidad de
dos o ms conjuntos de datos que se expresan en diferentes unidades de medida:
Si CV > 33 % el conjunto de datos es heterogneo
Si CV < 33 % el conjunto de datos es homogneo
2.8 ndices de asimetra.- Se dice que una distribucin de frecuencias es simtrica, si los intervalos
equidistantes del intervalo central tienen iguales frecuencias.
= Me = Mo
Me Mo
Simtrica: As = 0
Dificultad de una prueba:
Mo Me
As=
1
3
( Xi X ) fi
1
2
( Xi X ) fi
3/2
( Q3 Q2 )( Q2 Q1)
1
( Q3Q2 ) + ( Q2Q1 )
2.9 Curtosis.- Es la propiedad de una distribucin de frecuencias por la cual se compara la dispersin de
los datos observados cercanos al valor central con la dispersin de los datos cercanos a ambos
extremos de la distribucin.
16
Tcnicas de
K=
1
4
( Xi X ) fi
1
2
( Xi X ) fi
EJERCICOS DE APLICACIN:
1.
Con los datos de la tabla N 05, determina los estadgrafos de tendencia central, de dispersin y de
posicin.
Tenemos:
TABLA N 05.- PRUEBA DE PROCESO EN MATEMTICA
xi
fi
xifi
Fi
[03; 05[
99,405
[05; 07[
24
102,010
[07; 09[
48
12
55,815
[09; 11[
10
90
21
9,923
[11; 13[
12
84
28
6,317
[13; 15[
14
70
33
43,513
[15; 17[
16
64
37
98,010
[17; 19]
18
54
40
144,908
40
442
TOTAL
Media aritmtica:
Mediana:
(xi -
LIR - LSR
)fi
559,900
Reemplazando:
Reemplazado:
2012
Me=9+2 ( 9 ) =10,78
17
Moda:
Tcnicas de
Mo=9+2
Reemplazando:
( 3+23 )=10,20
S =
=14,36
( 559,9
351 )
Desviacin estndar:
Reemplazando:
Coeficiente de Variacin:
Reemplazando:
Interpretacin: El conjunto de datos de la prueba de proceso de matemtica es heterogneo
porque 34,29 % > 33%.
Coeficiente de Asimetra:
Reemplazando:
As=
3(11,0510,78)
=0,22
3,79
Kurtosis:
18
Tcnicas de
Con los datos del Cuadro N 01, determina los estadgrafos de tendencia central, de dispersin y de
posicin.
Cuadro 01. Matriz de tem por sujeto de los resultados de una Prueba de Rendimiento Acadmico
1
10
11
12
13
14
15
tem 1
tem 2
tem 3
tem 4
tem 5
tem 6
tem 7
tem 8
tem 9
tem
10
2
0
18
20
18
16
14
16
12
16
18
3.1.1 Validez
El objetivo de la validez es definir si el test cumple la funcin para el cual fue diseado, se dice que
un instrumento es vlido cuando demuestra efectividad en cuanto a lo que mide; es decir mide lo
que se ha propuesto medir. Para este fin, la validez se agrupa en tres grandes grupos:
A. Validez de Contenido.- Grado en el cual los tems son una muestra representativa de la
variable que se desea medir. Se refiere al grado en que un instrumento refleja un dominio
especfico del contenido de lo que se mide. Para lograr una buena evidencia del contenido
debe tenerse en cuenta:
1. Definicin conceptual
2. Definicin operacional
3. Pertinencia
4. Exhaustividad
5. Plan de Prueba
6. Evaluacin o juicio de un experto
19
Tcnicas de
Donde:
S, es igual a la sumatoria de los valores de SI.
N, es el nmero de jueces.
C, constituye el nmero de valores de la Escala,(Es 2, cuando se tiene: SI y NO).
3.2 CONFIABLIDAD DE LOS INSTRUMENTOS
La confiabilidad de un instrumento de medicin, se refiere al grado en que su aplicacin repetida al
mismo sujeto u objeto produce resultados iguales.
La confiabilidad de un instrumento se refiere a la constitucin interna de las personas, a la mayor o
menor acescencia de errores de medida. Un instrumento confiable significa que si lo aplicamos por
ms de una vez a un mismo elemento entonces obtendramos iguales resultados.
Mtodos para calcular la confiabilidad de un instrumento de medicin:
Hay diversos mtodos para determinar la confiabilidad de un instrumento de medicin. Todos utilizan
frmulas que producen coeficientes de confiabilidad estos coeficientes pueden oscilar entre 0 y 1,
donde un coeficiente de o significa nulo confiabilidad y 1 representa un mximo de confiabilidad
(confiabilidad total).
20
Tcnicas de
CONFIABILIDAD
Muy baja
Baja
Regular
0
0%
Confiabilidad del instrumento debe ser: Mayor al 60 %
Aceptada
Elevada
1
100 %
Donde:
N: nmero de parejas
X: valores obtenidos en el momento 1
Y: valores obtenidos en el momento 2
3.2.2 Mitades partidas (Split-Halves)
Consiste en calcular el Coeficiente de correlacin de Pearson entre las dos mitades de cada
factor (pares e impares) de los elementos. Este mtodo requiere solo una aplicacin de la
medicin.
Especficamente el conjunto total de tems (o componentes) se divide en dos mitades y se
comparan las puntuaciones o los resultados de ambas. Si el instrumento es confiable, las
puntuaciones de ambas mitades deben estas muy correlacionadas.
21
Tcnicas de
Donde:
k: Es el nmero de tems.
Si: Sumatoria de varianzas de los tems.
ST: Varianza de la suma de los tems.
: Coeficiente de Alfa de Cronbach.
3.2.4 Kuder - Richardson
Kuder y Richardson (1937) desarrollaron varios modelos para estimar la confiabilidad de
consistencia interna de una prueba, siendo uno de los ms conocidos la denominada frmula 20
(KR20), el cual se representa de la siguiente manera:
Donde:
22
Tcnicas de
k: Es el nmero de tems.
St: Varianza total de la prueba.
pq: Sumatoria de la varianza individual de los tems.
rKR: Coeficiente de confiabilidad Kuder-Richardson.
Tambin tenemos:
Donde:
k: Es el nmero de tems.
St: Varianza total de la prueba.
p: Promedio (X / k)
rKR: Coeficiente de confiabilidad Kuder-Richardson.
EJERCICOS DE APLICACIN:
1. Sean los datos de una prueba administrado dos veces en diferentes tiempos en una muestra de
veinte estudiantes, cuyos resultados se presentan en el Cuadro 01. Estima la estabilidad mediante el
mtodo test retest.
Cuadro 01. Notas de 20 estudiantes de una misma prueba en diferentes tiempos
SUJETOS PRUEBA (t1)
PRUEBA (t2)
11
10
08
11
10
10
12
12
10
10
09
05
10
07
09
06
10
13
10
12
08
23
Tcnicas de
11
11
13
12
08
07
13
09
06
14
12
11
15
12
13
16
12
12
17
06
07
18
14
12
19
11
10
20
15
14
10
11
12
13
14
15
Item 1
Item 2
Item 3
Item 4
Item 5
Item 6
Item 7
Item 8
Item 9
Item 10
20 18
20
18
16
14
04
16
08
08
12
06
08
16
18
10
10
10
10
10 10
10
10
10
Impar
Par
rxy = 0,6547
De acuerdo con el resultado anterior, se concluye que el instrumento en estudio tiene una confiabilidad
de consistencia moderada, aunque no lo suficientemente alta como para ser considerada aceptable en el
caso de pruebas escritas, cuyo coeficiente de homogeneidad siempre se espera que caiga en la
categora de muy alto (entre 0,80 y 1,0).
3. Sean los datos de una prueba de diez tems en una muestra de quince estudiantes, cuyos resultados
se presentan en el Cuadro 03. Estima la confiabilidad interna mediante el Alfa de Cronbach
Cuadro 03. Matriz de tem por sujeto de los resultados de una Prueba de Rendimiento Acadmico
tem 1
10
11
12
13
14
15 SItem
0,952
4
24
Tcnicas de
tem 2
0,838
1
tem 3
1,028
6
tem 4
0,838
1
tem 5
1,028
6
tem 6
0,838
1
tem 7
0,495
2
tem 8
1,028
6
tem 9
0,685
7
tem
10
1,028
6
8,7619
2
0
18
20 18
16
14
16
12
16
18
ST
28,8381
Reemplazando en la frmula:
De acuerdo con el resultado anterior, se concluye que el instrumento en estudio tiene una confiabilidad
de consistencia interna significativa, aunque no lo suficientemente alta como para ser considerada
aceptable en el caso de pruebas escritas, cuyo coeficiente de homogeneidad siempre se espera que
caiga en la categora de muy alto (entre 0,80 y 1,0).
4. Supongamos que hemos administrado una prueba de diez tems en una muestra de quince
estudiantes, cuyos resultados se presentan en el Cuadro 04. Estima la confiabilidad interna mediante
KR20 (Kuder-Richardson)
Cuadro 04. Matriz de tem por sujeto de los resultados de una Prueba de Rendimiento Acadmico
1
10
11
12
13
14
15
pq
tem 1
0,666
7
0,3333
0,2222
tem 2
0,800
0
0,2000
0,1600
tem 3
0,666
7
0,3333
0,2222
tem 4
0,666
7
0,3333
0,2222
tem 5
0,666
7
0,3333
0,2222
tem 6
0,666
7
0,3333
0,2222
tem 7
0,933
3
0,0667
0,0622
tem 8
0,466
0,5333
0,2489
25
Tcnicas de
7
tem 9
0,800
0
0,2000
0,1600
tem 10
0,466
7
0,5333
0,2489
16 16
14
16
14
12
12
14
12
12
14
10
16
18
6,971
4
1,9911
Reemplazando en la frmula:
rKR = 0,7938
De acuerdo con el resultado anterior, se concluye que el instrumento en estudio tiene una
confiabilidad de consistencia interna significativa, aunque no lo suficientemente alta como para ser
considerada aceptable en el caso de pruebas escritas, cuyo coeficiente de homogeneidad siempre
se espera que caiga en la categora de muy alto (entre 0,80 y 1,0).
Donde:
A: N de aciertos
N=Nmero total de participantes
Clasificacin del nivel de dificultad:
Muy fcil
Fcil
Intermedio
Difcil
Muy difcil
de 0,75
de 0,55
de 0,45
de 0,25
de 0,05
a
a
a
a
a
0,99
0,74
0,54
0,44
0,24
N DE
ACIERTOS
ID
tem 1
10
0,67
Fcil
tem 2
12
0,80
Muy fcil
tem 3
10
0,67
Fcil
tem 4
10
0,67
Fcil
tem 5
10
0,67
Fcil
tem 6
10
0,67
Fcil
tem 7
14
0,93
Muy fcil
tem 8
0,47
Intermedio
tem 9
12
0,80
Muy fcil
COMENTARIO
26
tem 10
Tcnicas de
0,47
Intermedio
Vlido
0,20
1,0
Donde:
Con
rcrudo
St
Si
S2t
S2i
=
=
=
=
=
=
St = 5,3701
Correlaci
n de
Pearson
Coeficient
e de
validez
Comentario
tem 1
0,9524
0,9759
0,2544
0,0750
NO VLIDO
tem 2
0,8381
0,9155
0,5192
0,3778
VLIDO
tem 3
1,0286
1,0142
0,4407
0,2701
VLIDO
tem 4
0,8381
0,9155
0,5773
0,4459
VLIDO
tem 5
1,0286
1,0142
0,5456
0,3917
VLIDO
tem 6
0,8381
0,9155
0,6354
0,5158
VLIDO
tem 7
0,4952
0,7037
0,5645
0,4649
VLIDO
tem 8
1,0286
1,0142
0,6610
0,5326
VLIDO
tem 9
0,6857
0,8281
0,6554
0,5529
VLIDO
tem 10
1,0286
1,0142
0,9128
0,8710
VLIDO
St = 28,8381
27
Tcnicas de
Donde:
= Promedio de las puntuaciones totales del postulante que respondi bien el tem
analizado.
= Promedio de las puntuaciones totales de todos los postulantes considerados en el anlisis.
st = Desviacin estndar de las puntuaciones totales de todos los postulantes considerados en el
anlisis.
p y q = Proporciones de los postulantes que, respondieron bien, mal u omitieron el tem analizado.
Clasificacin de la discriminacin del tem
Clasificacin
Puntaje
0,40 0,99
Buena Discriminacin
0,30 0,39
Baja Discriminacin
0,20 0,29
0,05 0,19
Pt
Xt
St
PD
Comentario
tem 1
13,800
13,60
2,64
0,6667
0,3333
0,11
tem 2
13,667
13,60
2,64
0,8000
0,2000
0,05
tem 3
14,600
13,60
2,64
0,6667
0,3333
0,54
tem 4
14,200
13,60
2,64
0,6667
0,3333
0,32
Buena discriminacin
tem 5
13,60
2,64
0,6667
0,3333
tem 6
13,60
2,64
0,6667
0,3333
tem 7
13,60
2,64
0,9333
0,0667
tem 8
13,60
2,64
0,4667
0,5333
tem 9
13,60
2,64
0,8000
0,2000
tem 10
13,60
2,64
0,4667
0,5333
UNIDAD IV
INFERENCIA ESTADSTICA
4.1 TCNICAS DE MUESTREO
En este captulo aprenderemos mtodos sencillos para determinar la probabilidad de seleccionar
muestras de una poblacin. Una parte fundamental para realizar un estudio estadstico de cualquier
tipo es obtener unos resultados confiables y que puedan ser aplicables; pues, resulta casi imposible
28
Tcnicas de
o imprctico llevar a cabo algunos estudios sobre toda una poblacin, , por lo que la solucin es
llevar a cabo el estudio basndose en un subconjunto de sta denominada muestra.
La muestra siempre ser un subconjunto de la poblacin en estudio;
sin embargo, para que los estudios tengan la validez y confiabilidad
buscada es necesario que tal subconjunto de datos, posea algunas
caractersticas especficas que permitan generalizar los resultados
hacia la poblacin en total. Esas caractersticas tienen que ver
principalmente con el tamao de la muestra y con la manera de
obtenerla.
29
Tcnicas de
Muestreo
Caso 1:
Fijo
Secuencial
Figura 4.1
En el muestreo fijo, se establece un nmero fijo de tamao de muestra y se recaban los datos antes
de realizar el anlisis de los resultados. En el muestreo secuencial, el tamao de la muestra no se
determina por una regla de decisin, ni de manera arbitraria; se comienza con la recoleccin de
datos y, en forma peridica, se examina si es necesario continuar con el muestreo o se llega a la
conclusin de que la informacin recabada basta para analizar los datos y realizar las inferencias
necesarias.
Caso 2:
Muestreo
Atributos
Variables
Figura 4.2
30
Tcnicas de
Muestreo
Caso 3:
Probabilstico
Determinstico
Figura 4.3
V
e
nt
aj
as
Econmico
Desventajas
Probabilstico
Sesgo de recoleccin
intrnseco imperceptible al
anlisis.
31
Tcnicas de
BAJA
ALTA
MUESTREO
MUESTREO
DETERMINSTICO
PROBABILSTICO
Considerando un universo
Considerando el universo
ms conveniente
MENOR
MAYOR
Figura 4.4
De Juicio
Diseo de la
bola de nieve
Por
Conveniencia
Por Cuotas
32
De entrevista
de grupo
Tcnicas de
De intercepcin de
centros comerciales
De paneles
controlados
Figura 4.5
33
Tcnicas de
El investigador trabaja nuevamente con su juicio, pero, esta vez utiliza una variable de control
que forman subgrupos dentro de la poblacin. Nuevamente el tamao de la muestra ser a
juicio del investigador, como as tambin el porcentaje que se tomar de cada subgrupo.
Tengamos en cuenta que no necesariamente estos porcentajes deben ser iguales, pueden
estar relacionados al tamao de la poblacin en relacin al tamao del departamento, o usar la
densidad poblacional como elemento de ponderacin.
Ejemplo: La variable aleatoria es el nivel de ingresos en la Provincia de Huancayo. Esta
provincia tiene distintas reas poblacionales (distritos) que marcan una distincin en cuanto a
poder adquisitivo, por consiguiente es interesante poder discriminar esos subgrupos dentro de
la provincia y determinar el porcentaje de poblacin que se tomara de cada subgrupo.
Distritos (muestra)
Huancayo
Tambo
Chilca
Sapallanga
Porcentaje
Casa habitacin
20
20
20
20
20
57
63
25
15
31
100
191
Aleatorio
simple
Aleatorio
estratificado
Sistemtico
Por
Conglomerados
Figura 4.6
34
Tcnicas de
muestrea irrestricta aleatoria, entre varias tcnicas, para lo cual algunos investigadores
acostumbran utilizar una tabla de nmeros aleatorios. (Ver la tabla de nmeros al azar)
Ejemplo: Se tiene 300 estudiantes y se desea seleccionar una muestra aleatoria simple de 30
estudiantes. Determine los seleccionados.
Solucin:
Nmero
muestral
Sel
ecci
ona
do
23 15
231
Si
05 54
055
Si
14 87
148
Si
97 31
973
No
11 74
117
Si
43 36
433
No
93 80
938
No
49 54
495
No
...
...
Nmeros
de la tabla
...
Solucin 2:
35
Tcnicas de
Tenemos, 647; 558; 388; 584; 122; 259; 201; 769; 615; 655; 950; 459; 594; ... Son
seleccionados los nmeros (ni 300: 122; 259; 201; ...)
36
Tcnicas de
Sabemos que,
Reemplazando,
E = 10 - 11,5
E = - 1,5
Para determinar los elementos de la muestra se aplicar la siguiente frmula, citado por Sierra Bravo.
n =
Donde:
N
n
E
pyq
: Tamao de la poblacin
: Tamao de la muestra
: Error (E = 0,05 E = 0,10)
: La mxima probabilidad, p = 0,5;
q = 0,5 (p + q = 1)
Ejemplo. En una Institucin Educativa ABC del nivel secundario, los alumnos del cuarto grado son 500
de sexo masculino. Se desea determinar la muestra respectiva, con un margen de error de 0,05
Datos:
N = 500 alumnos
E = 0,05
p = 0,5
q = 0,5
Reemplazando los datos en la frmula respectiva se tiene:
n=
n=
222
En la siguiente figura se muestran los casos para la determinacin del tamao de una muestra con
una serie de recomendaciones para el uso de las formulas:
PROCEDIMIENTOS PARA DETERMINAR EL TAMAO DE MUESTRA EN UN MAS
37
Tcnicas de
38
Tcnicas de
No
No
Si
Si
No
No
Si
Si
39
Tcnicas de
N = Tamao de la poblacin
N = Tamao de la poblacin
40
Tcnicas de
n = tamao de la muestra
N = tamao de la poblacin
Ejemplos:
1.
Determina el tamao de la muestra necesaria para estimar el peso promedio de una
poblacin conformada por 2 000 alumnos, con un margen de confianza del 95 % y un error admisible
de 50 g. Si, en un estudio similar se obtuvo que la desviacin de los pesos de los alumnos con
respecto a su media fue de 300 gramos.
SOLUCION:
Datos:
n = ?
N = 2 000
2,5 %
95 %
2,5 %
Margen de confianza: 95 % Z/2 = 1,96
E = 50 g
-1,96
+1,96
= 300 g
Reemplazando en la formula:
n = 129,35 129
Observamos que utilizando la formula (3), el tamao de la muestra es 129 y si utilizamos el factor de
correccin, formula (5), el tamao de la muestra sera 121. Luego, dejamos al criterio del investigador
decidir el tamao de la muestra a utilizarse.
2.
0,0228
0,9544
0,0228
z
41
Tcnicas de
E = 1,5 puntos
-2
+2
= 10 puntos
Reemplazando en la formula :
n = 158,94 159
Observamos que utilizando la formula (3), el tamao de la muestra es 159 y si utilizamos el factor de
correccin, el tamao de la muestra sera 144. Luego, dejamos al criterio del investigador decidir el
tamao de la muestra a utilizarse.
3.
Luego de aplicar una evaluacin a los estudiantes de un centro educativo x. Determina
el tamao de la muestra necesaria para mantener la probabilidad de 0,6826 con los alumnos de
escasos recursos, con un error admisible de -1,5 y una desviacin poblacional de 8 puntos.
SOLUCION:
Datos:
n = ?
P(z) = 0,6826 Z/2 = 1
0,1587
0,6826
0,1587
E = -1,5
= 8
+1
Reemplazando en la formula:
-1
n = 28,4 28
Observamos que utilizando la formula (1), el tamao de la muestra es 28.
4.
En una Institucin educativa ABC del nivel secundario, los alumnos del cuarto grado
son 500 del sexo masculino. Determina la muestra respectiva para un proceso de investigacin, con
un margen de error de 0,05 y un nivel de confianza del 95 %.
SOLUCION:
Datos:
N = 500
n =?
2,5 %
95 %
2,5 %
E = 0,05
z
42
Tcnicas de
-1,96
+1,96
p = 0,5 y (1 p) = 0,5
Reemplazando en la formula :
n = 217
5.
Se desea realizar una encuesta sobre el nivel de aceptacin de la autoridad respectiva
entre los pobladores de un distrito x del nivel socioeconmico C. Con este fin determina el tamao
de la muestra para una poblacin total de 12 000 habitantes; la proporcin del nivel socioeconmico
C con respecto a la poblacin total es de 32,76 %. Se acepta un error muestral de 0,10 y una
confiabilidad del 95 %.
SOLUCION:
Datos:
n = ?
N = 12 000
2,5 %
95 %
2,5 %
p = 0,3276 y (1 p) = 0,6724
E = 0,10
-1,96
0
+1,96
Margen de confianza: 95 % Z/2 = 1,96
Reemplazando en la formula :
n = 84
Observamos que utilizando la formula (4), el tamao de la muestra es 84.
Utiliza la formula (5) y determina el tamao de la muestra final.
Ahora resuelve t el siguiente problema:
6.
Se desea realizar un estudio de las actitudes hacia la experiencia prematrimonial a los
estudiantes de la UNCP, que cuenta con una poblacin estudiantil de 10 000 estudiantes.
Determina el tamao de la muestra con un margen de error permitido del 2 por 100 y un nivel
de confianza del 90 %.
4.4.2 MUESTREO ALEATORIO ESTRATIFICADO (MAE)
Cuando la caracterstica que nos interesa estudiar no se distribuye homogneamente en la
poblacin, por la existencia de grupos o estratos entre s heterogneos, se efecta un muestreo
estratificado. El resultado es una muestra compuesta por tantas muestras, elegidas al zar, como
estratos existan en la poblacin. Es as que los alumnos de una Institucin Educativa los podemos
agrupar por edades, clase social, lugar de procedencia, etc. (estratos). Cada uno de estos grupos
se pueden subdividir en subgrupos y elegir la muestra en funcin de ellos. El nmero de elementos
del estrato podr ser diferente desde el momento que es diferente el nmero total de sujetos que
forman cada uno de ellos.
Ejemplo. En una Institucin Educativa (x) tiene cinco secciones del 4to grado, se desea determinar
la muestra por estratificacin, dado el siguiente cuadro.
43
Tcnicas de
GRADO
CANTIDAD
DE ALUMNOS
CANTIDAD DE
ALUMNOS POR ( W)
4to A
45
0,6512
29
4to B
40
0,6512
26
4to C
48
0,6512
31
4to D
42
0,6512
28
4to E
40
0,6512
26
215
n = 140
W=
= 0,6512
k=
k = 12
Al nmero aleatoriamente elegido se le suma sucesivamente 12.
Si el nmero elegido al azar fue el 9, la serie que constituye la muestra sera 9; 9 + 12; 21 + 12;
33 + 12 y as sucesivamente.
4.4.4 MUESTREO ALEATORIO POR CONGLOMERADOS (MAC)
Una muestra por conglomerados es una muestra aleatoria, en la cual cada unidad de muestreo
es una coleccin o conglomerado de elementos.
Es fcil confundir el muestreo por conglomerados con el aleatorio estratificado, ya que en
ambos se forman subconjuntos de la poblacin para realizar el muestreo; una diferencia radica
en la recoleccin de la muestra.
Es importante reconocer tres elementos para la aplicacin correcta de este diseo:
Variable de inters. Es lo que se desea conocer acerca de la poblacin.
Unidades primarias. A la primera divisin de la poblacin en estudio se le denomina unidad
primaria.
Unidades secundarias. Una vez bien definidas las unidades primarias, es necesario
subdividirlas para establecer cuntas unidades se sometern a la observacin.
44
Tcnicas de
Ejemplo:
VARIABLE
DE
INTERS
UNIDADES
PRIMARIA
S
UNIDADES
SECUNDARIA
S
TENENCIA
DE
TELEVISO
R
MANZANA
S
CASA
HABITACIN
PROFESO
RES DE LA
UNCP
FACULTAD
ES
DEPARTAMEN
TOS
Este muestreo tiene el inconveniente de una importante prdida de informacin al no ser los
individuos las unidades muestrales sino el conglomerado. Sin embargo, cuando los elementos
de los conglomerados son muy numerosos, hay grandes inconvenientes para aplicar el
muestreo de conglomerados de una sola etapa, dado que el nmero de entrevistas sera muy
numeroso y las estimaciones, por otra parte, seran poco precisas.
4.5 PRUEBA DE HIPTESIS Y TEORA DE LA DECISIN ESTADSTICA
4.5.1 FORMULACIN DE LA HIPTESIS
No todas las investigaciones cuantitativas plantean hiptesis. Las investigaciones cuantitativas
que formulan hiptesis son aquellas cuyo planteamiento define que su alcance ser
correlacional o explicativo, o las que tienen un alcance descriptivo, pero que intentan pronosticar
una cifra o un hecho. Mientras que los estudios cualitativos, por lo regular, no formulan hiptesis
antes de recolectar datos.
Alcance del estudio
Formulacin de hiptesis
Exploratorio
No se formulan hiptesis
Descriptivo
Correlacional
Explicativo
45
Tcnicas de
estudio que se van a recolectar y a analizar, para probar o desaprobar las hiptesis, son
cuantitativas (nmeros, porcentajes, promedios). Hay tres tipos fundamentales de hiptesis
estadsticas, que corresponden a clasificaciones de las hiptesis de investigacin y nula: de
estimacin, de correlacin y de diferencias de medias.
Ejemplo de hiptesis estadstica de estimacin:
H0: = 200 (El promedio mensual de casos es igual a 200)
H1: > 200 (El promedio mensual de casos es mayor a 200)
Ejemplo de hiptesis estadstica de correlacin:
H0: r = 0 (No existe correlacin o correlacin nula)
H1: r > 0 (Existe correlacin positiva)
Ejemplo de hiptesis estadstica de diferencias:
H0: 1 = 2 (No hay diferencia entre los promedios de los dos grupos)
H1: 1 2 (Hay diferencia entre los promedios de los dos grupos)
4.5.5 TIPOS DE PRUEBAS DE HIPTESIS.El tipo de prueba depende bsicamente de la hiptesis alterna H 1. Se denomina prueba de una
cola a toda prueba de hiptesis donde la alternativa H 1 es unilateral. Si la alternativa es bilateral,
la prueba se denomina prueba de dos colas. Por ejemplo, si se asume que 0 es un valor de
parmetro desconocido :
1) Si H0: = 0 y H1: 0, se denomina prueba bilateral o de dos colas.
2) Si H0: = 0 y H1: > 0, se denomina prueba unilateral de cola a la derecha o positiva.
3) Si H0: = 0 y H1: < 0, se denomina prueba unilateral de cola a la izquierda negativa.
ZONA DE
ACEPTACIN
ZONA DE
RECHAZO
x
Ejemplos de docimasia de hiptesis
1. Si el diseo de investigacin es correlacional descriptivo simple:
OX
r
OY
Donde:
M: Muestra (profesores de educacin primaria)
Ox : Inteligencia emocional
OY: Estrs
rXY : Correlacin de Pearson
Sean los datos de 20 profesores del Nivel Primario, cuyos resultados fue a travs del inventario de
BarON, de la inteligencia emocional en el componente interpersonal:
126
148
152
137
99
165
147
146
150
135
142
162
124
119
154
153
138
140
135
137
46
Tcnicas de
El estudio del estrs (sndrome de BOURNOUT), fue a travs de la escala de Maslach Bournout
Inventory (MBI), aplicado a 20 profesores del Nivel Primario, cuyos resultados fueron:
11
11 12
14
14
10
14
17
12
10
8
10 18
19
12
11
10
12
12
10
Decisin
XY
1
2
3
19
20
=
Fuente: Archivo del tesista 2013.
Donde:
X = Componente interpersonal
Y = Estrs
Reemplazando:
Comparando, rc = y
Conclusin:
rc = -0,4482
rt = .; tenemos:
47
Tcnicas de
20
18
16
14
12
10
ESTRES
8
6
4
2
0
90
100
110
120
130
140
150
160
170
INTELIGENCIA EMOCIONAL
Tambin para aceptar o rechazar la hiptesis nula se emplea la razn t (t de student), definida como
sigue:
t
Donde:
n = Nmero de pares de valores de las variables X y Y
r = Coeficiente de correlacin lineal obtenido.
Decisin
48
Tcnicas de
Reemplazando:
Comparando, tc = y
Conclusin:
tc =
tt = .; tenemos:
Zona de
Aceptacin
Zona de rechazo
t
2. Ejemplo de aplicacin:
Sean los puntajes de autoestima y de agresividad de los estudiantes del cuarto ao de la Institucin
Educativa Jhon Dewey Huancayo:
AUTOESTIMA:
62 80
56
72
86
46
74
76
88
48
62
68
70
80 62
AGRESIVIDAD:
8
9
12
29
15
36
25
16
11
18
21
16
14
14 19
49
Tcnicas de
O1
GC:
O2
O3
O4
Donde:
GE: Grupo experimental.
GC: Grupo control.
O1 y O2: Prueba de entrada o Pre test
O3 y O4: Prueba de salida o Post test
H0: No existe diferencia significativa entre los puntajes obtenidos en el post test de los grupos
experimental y control de los alumnos del tercer grado de educacin secundaria de la Institucin
Educativa...
Ho: XGE =
XGC
H1: Existe diferencia significativa entre los puntajes obtenidos en el post test de los grupos experimental y
control de los alumnos del tercer grado de educacin secundaria de la Institucin Educativa...
H1: XGE
Prueba estadstica
XGC
: t de student.
Reemplazando:
tc =
Comparando, tc = y tt = .; tenemos: .
Conclusin: Observamos que tc < t t, porque 0,732 < 1,697; entonces aceptamos la hiptesis nula y
rechazamos la hiptesis alterna, es decir no existe diferencia significativa entre los puntajes obtenidos
en el post test de los grupos experimental y control de los alumnos del tercer grado de educacin
secundaria de la Institucin Educativa...
50
Tcnicas de
= 0,05
= 0,05
Zona de rechazo
Zona de
Aceptacin
Zona de rechazo
t
-1,697
+1,697
Docimasia de la hiptesis de trabajo del Post test y Pre test del Grupo experimental
Sean las notas de 15 alumnos del grupo experimental, cuyas notas del Post test son:
20
18 20
18
16
14
04
16
08
08
12
06 08
16
18
Sean las notas de 15 alumnos del grupo experimental, cuyas notas del Pre test son:
10
10
08
08
12
14
06
10
06
08
12
10
08
14
08
H0: No existe diferencia significativa entre los puntajes obtenidos en el post y pre test del grupo
experimental de los alumnos del tercer grado de educacin secundaria de la Institucin
Educativa...
Ho: XPS =
XPE
H1: Existe diferencia significativa entre los puntajes obtenidos en el post y pre test del grupo experimental
de los alumnos del tercer grado de educacin secundaria de la Institucin Educativa...
H1: XPS XPE
Prueba estadstica
: t de student.
Reemplazando:
tc =
Comparando, tc = y tt = .; tenemos:
Conclusin:
51
Tcnicas de
GRFICA 4.5. Grfica de la Curva Normal del Grupo Experimental del Post y Pre test.
Zona de rechazo
Zona de
Aceptacin
Zona de rechazo
t
3.PRUEBA F O COMPROBACION DE IGUALDAD DE VARIANZAS
Nos preguntamos, es vlida nuestra hiptesis 1 = 2?; es decir, si validamos que las varianzas
son iguales estaramos determinando la homogeneidad de los grupos respecto a su varianza
poblacional.
Su
ecuacin
es:
tambin:
Ejercicios:
1. Se toman muestras aleatorias de n 1 = n2 = 31 nios y nias respectivamente; las desviaciones
normales muestrales de las calificaciones son s1 = 10 puntos y s2 = 7 puntos. Existe alguna razn
para dudar que las varianzas poblacionales sean iguales? ( = 5%)
SOLUCION:
n1 = 31
n 2 = 31
s1 = 10 puntos
s2 = 7 puntos
DATOS
s1 = 100 puntos
s2 = 49 puntos
Tener en cuenta lo siguiente:
i) Planteamiento de las hiptesis estadsticas:
Ho : s1 = s2 ; es decir las varianzas son iguales o son homogneos los grupos.
H1 : s1 > s2 ; es decir la varianza de la muestra 1 es mayor que la muestra 2 o son heterogneos
los grupos.
ii) Determinando los grados de libertad: 1 = 31 - 1 = 30 y 2 = 31 - 1 = 30
iii) Sabiendo que el nivel de significacin es, = 5%
iv) Conocer la regla de decisin:
Si Fc < Ft, entonces se acepta la Ho y se rechaza la H1.
Si Fc > Ft, entonces se rechaza la Ho y se acepta la H1.
52
Tcnicas de
Comparando Fc > Ft, porque 2,04 > 1,84; entonces se rechaza la Ho y se acepta la H 1 es decir
los grupos son heterogneos respecto a su varianza o sus varianzas no son iguales.
GRFICAMENTE:
g(F)
5%
ZONA DE ACEPTACION
ZONA DE RECHAZO
1,84
2,04
3.1 Puntos crticos de ambos extremos o prueba de dos colas
Sea F una distribucin de F con n1 = 15, n2 = 20 y 1 = 14 y 2 = 19 grados de libertad. Determina el
valor crtico de ambos extremos, con = 5 %.
SOLUCION:
i) Determinamos el punto crtico de la
g(F)
derecha:
P F > 2,62 / 1 = 14, 2 = 19 = 0,025
2,5 %
2,5%
2,62
El procedimiento para hallar el punto crtico del extremo de la izquierda es, si F tiene una distribucin
F con 1 y 2 grados de libertad, se halla el valor de F para el punto crtico del extremo derecho
correspondiente a 2 y 1, luego se toma el inverso de dicho dato.
En smbolos podemos expresarlo de la manera siguiente:
11
14
53
09
06
08
11
10
06
17
16
16
09
07
13
11
12
15
08
06
Tcnicas de
XGC
H0: No existe diferencia significativa entre los puntajes obtenidos en el post y pre test del grupo
experimental de los alumnos del quinto grado de educacin secundaria de la Institucin
Educativa...
Ho: XPS =
XPE
H1: Existe diferencia significativa entre los puntajes obtenidos en el post y pre test del grupo experimental
de los alumnos del quinto grado de educacin secundaria de la Institucin Educativa...
H1: XPS XPE
Ho : sGE = sGC ; es decir las varianzas son iguales o son homogneos los grupos.
H1 : sGE sGC ; es decir la varianza del grupo experimental es diferente que la varianza del grupo
control o son heterogneos los grupos.
4. ANOVA.El anlisis de varianza fue elaborado por R. A. Fisher y se utiliz principalmente en investigaciones
agrcolas, pero posteriormente ha encontrado aplicacin en casi todas las disciplinas cientficas y ha
llegado a ser un tema muy amplio y tcnico. Adems nos interesa el anlisis de varianza (ANOVA)
como un ejemplo de las aplicaciones de la distribucin F.
Ejemplo: Tenemos los puntajes luego de la aplicacin de un material autoinstructivo y queremos
averiguar si los promedios son iguales significativamente. Sea su diseo de investigacin:
GE1:
GE2:
O1
O2
GC:
O3
X
X
O4
O5
O6
Donde:
GE: Grupo experimental.
GC: Grupo control.
54
Tcnicas de
15
16
16
14
17
15
16
14
14
17
16
13
15
15
13
G. E2:
17
13
16
15
14
15
15
16
15
14
14
16
16
17
14
17
13
14
15
15
G. C:
11
12
12
12
10
11
10
11
12
11
12
11
10
11
10
11
13
10
10
gdl
SC
CM
Entre grupos
(Tratamiento)
Dentro de grupos
(Error)
TOTAL
Conclusin:
PROCESO:
i) Determinando los puntajes de la prueba de salida:
G E1
G E2
GC
TOTAL
55
Tcnicas de
X
X
(X)
N
ii) Suma total de cuadrados:
SCtotal = ..
iii) Suma de cuadrados entre los grupos:
SCeg = ..
iv) Suma de cuadrados dentro de los grupos:
SCd.g = SCtotal SCe.g
SCd.g =
v) Grados de libertad (gdl):
gdle.g = k 1 = ..
k = nmero de muestras
gdld.g = n k = .
gdltotal = n -1 = ..
vi) Cuadrados medios:
CMe.g = .
CMd.g = .
56
Tcnicas de
i) CMd.g =
GE1 =
GE2 =
GC =
SX = .
ii) Si k = y gdldg = ; entonces, Q(3; 54) = .
iii) Diferencia significativa, D = Q * SX =
Conclusin:
Ejercicio: Valida con las siguientes notas, si existe diferencia significativa, luego de la aplicacin de
materiales instructivos para mejorar el aprendizaje de ecuaciones en los alumnos del sexto grado de
primaria del distrito de Paucarbamba. Sean las notas:
IE. N 30263:
IE. N 31182:
IE. N 30270:
03
08
07
05
08
10
10
04
09
08
03
07
05
10
03
10
09
04
08
06
05
10
09
06
09
06
06
09
10
06
08
08
06
06
09
07
09
09
04
11
08
10
06
12
07
10
10
09
08
08
57
09
10
Tcnicas de
10
11
10
58