Técnicas de Procesamiento de Datos e Información

Rafael Cantorin Curty
procesamiento de datos e informacin
Tcnicas de
UNIDAD 1. TCNICAS DESCRIPTIVAS

1.1 VISIN SISTMICA DE LA ESTADSTICA
POBLACIN
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.
Cuando una caracterstica o variables no es numrica, se denomina variable cualitativa o

atributo.
Cuando puede ser expresada numricamente, la variable estudiada se denomina variable

cuantitativa. Las variables cuantitativas pueden ser discretas o continuas.
Tenemos:
VARIABLES
ESTADISTICAS
Es la atribucin de un valor (numrico o alfanumrico) a cada
caracterstica de una unidad de observacin
CUALITATIVAS
CUANTITATIVAS
Son atributos o categoras

Ejemplos:
- Sexo
- Religin
- Grupos de edad
- Origen
Son numricos
DISCRETAS
CONTINUAS
Pueden tomar determinados valores y son el

resultado de un conteo
Valores de la moneda
Peso
Figura 02
1.2.1 ESCALAS DE MEDICIN DE LA VARIABLE ESTADISTICA

Tcnicas de
Las escalas se clasifican en nominales, ordinales, intervalares y de razn o proporcionales.

A.- Escala nominal.- Son aqullas en las cuales los nmeros que se asignan a sus diversas categoras
slo sirven como smbolos o cdigos para efectos de clasificacin.
Ejemplo:
Protestante
(1)
Masculino (1)
Catlico
(2)
Sexo
Religin
Judo
(3)
Femenino
(0)
Otros
(4)
Este sera el caso de usar la etiqueta (1) para el sexo masculino y la etiqueta (0) para el sexo
femenino o viceversa, cuando estudiamos la variable estadstica SEXO. De igual manera sucedera
con la variable RELIGIN.
B.- Escala ordinal.- Es cuando las modalidades que toma la variable estadstica no solo se distinguen
una de otra, sino que tambin pueden ser ordenadas jerrquicamente de menos a ms. Los nmeros
que se asignan a las personas en base a la posesin de una propiedad indican slo rdenes de
magnitud o rango entre ellas; as, podemos colocarle un 6 a un alumno que observa un cierto
comportamiento o actitud y un 3 a otro en esa dimensin, pero el comportamiento reconocido con un
6 no quiere decir que sea el doble del indicado por el nmero 3, slo significa un rango mayor, un
orden. Para estos efectos podran haberse utilizado los nmeros 7 y 4, sin mayores problemas de
interpretacin de esas conductas en su relacin de mayor y menor.
Ejemplos de este tipo de variable: actitudes, inteligencia, rendimiento escolar (orden de mrito), etc.
Si nuestra variable estadstica es APRECIO QUE SE TIENE AL PROFESOR DE CURSO, las
modalidades seran: Ningn aprecio, poco aprecio, regular aprecio y mucho aprecio.
C.- Escala intervalar.- Son aqullas en las cuales existen distancias iguales en los objetos en relacin
con una cierta propiedad. As, si se tiene cuatro objetos a los cuales se le asignaron los nmeros 9,
5, 7, y 3, la distancia real entre 9 y 7 es igual a la que se da entre 5 y 3 (vale decir, 2). En estas
variables no existe un cero real, pero puede elegirse uno arbitrario. Ejemplos de este tipo de variable:
test de inteligencia, temperatura en las escalas Celsius y Fahrenheit, rendimiento acadmico, etc.
D.- Escala de razn o proporcional.- Tienen las mismas propiedades que las variables intervalares y,
adems, posee un cero que refleja la ausencia del atributo a medir. Ejemplos: las variables: edad,
ingreso, aos de escolaridad, analfabetismo, etc.
La clasificacin anterior es especialmente importante en relacin con las tcnicas estadsticas que se
pueden usar con los nmeros que se le asignan a los objetos o las personas en funcin del modo o
magnitud con las cuales se dan las diferentes variables en ellas:
1)
Las nicas tcnicas estadsticas que se pueden emplear con la escala nominal son: la
distribucin de frecuencias, la moda, el prueba chi cuadrado(X), el coeficiente de contingencia
como medida de asociacin.
2)
Con la escala ordinal: moda, mediana y los coeficientes de rango: Spearman y Gamma.
Conviene tomar nota que, en sentido estricto, con los puntajes o valores de este tipo de variables,
no se pueden calcular la media aritmtica, varianza ni desviacin estndar. De hecho se calculan,
pero sus valores son slo aproximaciones que deben tomarse con precaucin.
3)
La escala intervalar admiten todas las tcnicas estadsticas. Por lo tanto, admiten el clculo de
la media aritmtica, mediana, desviacin estndar, coeficiente de correlacin de Pearson,
coeficiente de correlacin mltiple, etc.
4)
La escala de razn o proporcional, admite sin excepcin todas las tcnicas estadsticas.
Distribucin de frecuencias
Moda
Coeficiente de
contingencia
Chi cuadrado X
NOMINALES
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:
Una variable estadstica se clasifica en:

Variable cualitativa nominal
Variable cualitativa, que puede ser
Variable cualitativa ordinal
Variable cuantitativa discreta
Variable cuantitativa, que puede ser
Variable cuantitativa continua
De acuerdo con el tipo de variable estadstica, la escala de medicin que se usar ser:
VARIABLE
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

Grados de aficin al cine
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
Tipos de desviacin social:

alcoholismo, prostitucin, drogadiccin
Tiempo de servicios
Temperatura
Extensin de fincas cultivadas
Grados de aficin al cine
Clases sociales
Frecuencia de visitas a amigos
Sexo
Religin
Aos de escolaridad
Puntuacin obtenida en una escala

de Thurstone
Grado de generosidad
Peso
Escalas de prestigios de
profesiones
Nombre de las Instituciones

Educativas
Filiacin poltica
Deportes practicados
Grado de instruccin
Rango de agresividad
Permetro torxico
Rasgo caracterial preferido:

amabilidad, simpata
Nivel de ingresos
Coeficiente de inteligencia
Rango de prestigio

Rango en la amplitud musical
ndice ceflico
Rendimiento acadmico (notas)
Tcnicas de

Tcnicas de
1.3 REDONDEO DE NMEROS

Tericamente el redondeo de los nmeros se puede hacer:
1.3.1 Por defecto.- Es cuando no se altera la ltima cifra a redondear.
Ejemplo: Redondear al milsimo por defecto los nmeros siguientes:
NMERO
RESPUESTA
4,151 6
4,151
5,394 5
5,394
122,003 8
122,003
2,369 7
2,369
1.3.2 Por exceso.- Es cuando se incrementa en una unidad la cifra a redondear.

Ejemplo: Redondear al milsimo por exceso los nmeros siguientes:
NMERO
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
Es redondeado a una cifra inmediata

mayor porque, el nmero que antecede
al 5 es impar.
Los dcimos
8,05
8,0
No es redondeado porque, el nmero

que antecede al 5 es par.
Los dcimos
5,24
5,2
No es redondeado porque, el nmero

que esta despus de 2 es menor que 5.
66,936
66,94
Los centsimos
COMENTARIO
Es redondeado a una cifra inmediata

mayor porque, el nmero que esta
despus de 3 es mayor que 5.

Tcnicas de
1.4 GRFICAS, TABLAS Y CUADROS ESTADSTICOS

Representacin grfica.- Es una representacin objetiva que muestra visualmente el resumen de la
informacin que interesa destacar y recordar. Las representaciones grficas deben conseguir que un
simple anlisis visual ofrezca la mayor informacin posible.
La representacin grfica puede percibirse como un recurso visual que permite al investigador tener
una idea clara, precisa y rpida de las observaciones que se obtuvieron para la variable objeto de
estudio, ya sea de una muestra, poblacin o grupo de elementos.
En toda tabla o cuadro estadstico se debe tener en cuenta lo siguiente:

Cuadro 01. REGIN JUNN: PERSONAL DOCENTE, SEGN NIVEL Y
MODALIDAD, 2005 - 2009
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)
1.4.1 GRFICOS LINEALES

Son grficos que consisten en lneas o segmentos de recta. Para construir una grfica de lnea,
primero se marcan los datos mediante puntos, de acuerdo a las escalas de las dos lneas de
referencia. Luego se unen los puntos por medio de segmentos. Las escalas usadas en las dos
lneas de referencia son usualmente cuantitativas y pueden ser o no iguales. Los grficos
lineales son usados principalmente para mostrar datos clasificados por cantidad y tiempo.
Ejemplo:
GRFICO 01. NMERO DE INSTITUCIONES EDUCATIVAS EN EDUCACIN
SECUNDARIA - REGIN JUNN, 2005 - 2009
660
640
620
600
580
N INST. EDUCATIVAS 560
540
520
500
480
2005
2006
2007
2008
2009
AOS

Tcnicas de
1.4.2 GRFICO DE BARRAS

Son usados frecuentemente para presentar datos clasificados mediante cualquier base
(cronolgica, geogrfica, cuantitativa o cualitativa), mientras que los grficos lineales son usados
principalmente para presentar datos clasificados por tiempo y cantidad. Existen diferentes tipos de
barras:
a) Barras simples o barras
MONTO RECAUDADO (S/.)
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)
b) Barras componentes o de partes componentes:

NMERO DE DESAPROBADOS
35
30
25
20
15
10
5
2007
2008
2009
2010
AO
MUJERES
HOMBRES
c) Barras mltiples o agrupadas:
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
1.4.4 POLGONO DE FRECUENCIAS

Se denomina as a la lnea quebrada que resulta de unir los puntos medios de las bases superiores
de los rectngulos sucesivos de un histograma. El rea bajo esa lnea poligonal ser en general,
una aproximacin al rea cubierta por el histograma.

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
1.4.6 GRFICO CIRCULAR O DE SECTORES

Equivale a una circunferencia cuya rea se divide en partes proporcionales a las partes integrantes
de un total; se utiliza en el caso de atributos. Para su construccin es necesario determinar el
ngulo que representa a cada sector, para lo cual se utiliza una regla de tres simple.
Ejemplo:
Cuadro 02. OCUPACIN OBRERA EN LA MINERA
DETALLE
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:
41 446 obreros son representados por
360
20 784 obreros sern representados por x
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
FUENTE: APOYO Y OPININ-2000
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
FUENTE: TESIS DE SILVIO CHAVEZ (2010; 101)
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
(*) Representa grficamente: Histograma, polgono y ojiva
TABLA N 06*
ESTRUCTURA DEL PRESUPUESTO
12

Tcnicas de
(*) Representa grficamente con sector circular
13

Tcnicas de
UNIDAD II.- ESTADIGRAFOS DE LA ESTADISTICA DESCRIPTIVA

En cualquier anlisis o interpretacin de datos numricos se puede utilizar una gran
variedad de medidas descriptivas que representan las propiedades de posicin, dispersin y
forma, para extraer y resumir las caractersticas salientes del conjunto de datos:
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
2.1 Media aritmtica.- Es el estadgrafo de posicin ms importante, se obtiene dividiendo la suma de

todos los valores de la variable entre el nmero total de observaciones. Se presenta dos casos:
Para datos no agrupados
Para datos Agrupados
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
: Lmite inferior de la clase mediana.

: Amplitud de la clase mediana.
: nmero total de datos.
: Frecuencia absoluta acumulada de la clase anterior a la clase mediana.
: Frecuencia absoluta de la clase mediana.
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
Moda relativa: Es un valor de la variable que representa un intervalo de clase.
Moda para una variable continua o datos agrupados

Se utiliza la siguiente frmula:
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.
Mtodo de clculo para datos sin agrupar
Mtodo de clculo para datos agrupados

2.6 Desviacin estndar.- La desviacin estndar de una distribucin se define como la raz cuadrada
de la varianza. Por consiguiente para su clculo solo debemos agregarle una raz cuadrada a las
ecuaciones de la varianza. Se denomina tambin desviacin tpica.
Datos sin agrupar
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.
Existen varias medidas de asimetra, una de ellas es el coeficiente o ndice de asimetra de

Pearson:
Otra forma de expresar el ndice de asimetra es:

Interpretacin:
= Me = Mo
Me Mo
Simtrica: As = 0
Dificultad de una prueba:
Mo Me
Asimetra positiva: As >0

Asimetra igual a cero:
Asimetra positiva:
Asimetra negativa:
Asimetra negativa: As < 0

prueba moderada.
prueba difcil.
prueba fcil.
Tambin tenemos el coeficiente de asimetra de Fisher:
As=
1
3
( Xi X ) fi
1
2
( Xi X ) fi
3/2
Tenemos el ndice basado en tres cuartillas (Yule Bowley):

o Simtrico
: Q3 Q2 = Q2 Q1
o Simetra positiva
: Q3 Q2 > Q2 Q1
o Simetra negativa
: Q3 Q2 < Q2 Q1
Su ecuacin es:
( 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
La curtosis utilizando percentiles se define por el cociente:

Interpretacin: Sensibilidad de una prueba:
Mesocrtica: K = 0,263
Leptocrtica: K > 0,263 (Prueba no muy sensible)
Platicrtica: K< 0,263 (Prueba muy sensible)
Tambin tenemos el coeficiente de Fisher:
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
Rango: Xmax Xmin = 19 03 = 16

Reemplazando:
Varianza:
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
Interpretacin: El coeficiente de asimetra es positivo o tiene un sesgo hacia la derecha; tambin

nos indica que la prueba escrita de proceso de matemtica estuvo difcil.
Kurtosis:
Calculando los respectivos percentiles se tiene:

Interpretacin: El conjunto de datos tiene como coeficiente de kurtosis igual a 0,02; es decir le
corresponde una grfica mesocrtica.
18

2.
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
UNIDAD III.- VALIDEZ Y CONFIABILIDAD DE LOS INSTRUMENTOS

3.1 VALIDEZ Y CONFIABILIDAD DE LOS INSTRUMENTOS
Estos procesos se aplican en el desarrollo de una investigacin, con la finalidad de evaluar la
consistencia del diseo de la estructura de los instrumentos de recoleccin que se usaran para el
acopio y recoleccin de la informacin necesaria para la ejecucin de una investigacin.
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
B. Validez de Criterio.- Establece la validez de un instrumento de medicin comparndola con

algn criterio externo. Este criterio es un estndar con el que se juzga la validez del
instrumento. Entre ms se relacionen los resultados del instrumento de medicin con el criterio,
la validez del criterio ser mayor.
Si el criterio se fija en el presente, se habla de validez concurrente; si el criterio se ubica en el
futuro, se habla de validez predictiva; si el criterio se fija en el pasado, equivale a la validez
posdictiva.
C. Validez de Constructo.- Se refiere al grado en que una medicin se relaciona
consistentemente con otras mediciones de acuerdo con hiptesis derivadas tericamente y que
conciernen a los conceptos (constructos) que estn siendo medidos. La validez del constructo
incluye tres etapas:
- Se establece y especifica la relacin terica entre los conceptos.
- Se correlacionan ambos conceptos y se analiza cuidadosamente la correlacin.
- Se interpreta la evidencia emprica de acuerdo con el nivel en que clarifica la validez del
constructo de una medicin en particular.
El Informe de la Validez de Contenido a travs del Juicio de Expertos

Para la determinacin de la validez de contenido a travs del Juicio de Expertos, se utiliza el
Coeficiente V. De Aiken, puesto que los valores son contrastados estadsticamente segn el
tamao de la muestra de los jueces consultados. De acuerdo con Navarro (2009), requiere de un
grupo mnimo de cinco jueces y que por lo menos cuatro estn en concordancia para que el tem
sea vlido, alcanzando Coeficiente V iguales o superiores a 0,80, a un nivel de significacin
estadstica de p < 0,05.
Este coeficiente puede obtener valores entre 0 y 1, y a medida que sea ms elevado el valor
computado, el tem tendr una mayor validez de contenido. Tal como lo seala Escurra (1988), el
resultado puede evaluarse estadsticamente haciendo uso de la tabla de probabilidades asociadas
a la cola derecha. La frmula utilizada para determinar la validez de contenido ese la siguiente:
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 %
3.2.1 Mtodo de la medida de estabilidad: Test Retest

Consiste en la aplicacin de dos veces o ms veces un mismo instrumento de medicin a un
mismo grupo de personas, despus de cierto perodo. Si la correlacin entre los resultados de
las diferentes aplicaciones es altamente positiva, el instrumento se considera confiable. Se
determinar mediante el clculo del Coeficiente de correlacin de Pearson (r).
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
3.2.3 Coeficiente Alfa de Cronbach

Requiere de una sola administracin del instrumento de medicin y se basa en la medicin de la
respuesta del sujeto con respecto a los tems del instrumento.
Su ventaja reside en que no es necesario dividir en dos mitades a los tems del instrumento de
medicin; simplemente se aplica la medicin y se calcula el coeficiente. Alfa refleja el grado en el
que covaran los tems que constituyen el test, es, un indicador de la consistencia interna del test.
Su ecuacin del coeficiente es:
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
St: Varianza total de la prueba.
pq: Sumatoria de la varianza individual de los tems.
rKR: Coeficiente de confiabilidad Kuder-Richardson.
Tambin tenemos:
Donde:
St: Varianza total de la prueba.
p: Promedio (X / k)
rKR: Coeficiente de confiabilidad Kuder-Richardson.
Dentro de los factores que pueden afectar la confiabilidad y la validez se encuentran:

- Improvisacin
- Uso de instrumentos desarrollados en el extranjero que no han sido validados.
- Instrumento inadecuado para las personas a las que se le aplica.
- Condiciones en que se aplica el instrumento.
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
Reemplazando en la frmula de la correlacin de Pearson:

rxy = 0,6646
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).
2. Sean los datos de una prueba de 10 tems aplicado en una muestra de quince estudiantes, cuyos
resultados se presentan en el Cuadro 02. Estima la confiabilidad mediante el mtodo de Split-Halves.
1
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
Reemplazando en la frmula de la correlacin de Pearson:
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
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)
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).
3.2.5 ndice de dificultad

Indica la proporcin de personas que respondieron correctamente la pregunta o reactivo.
Se halla dividiendo el nmero de participantes que respondieron bien el tem sobre el nmero de
participantes evaluados. Su ecuacin es:
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
Del Cuadro N 04:

ITEM
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
3.2.6 Coeficiente de validez de los tems

El coeficiente de validez de cada tem es una correlacin tem-test o tambin llamada tem-total.
Para que sea vlido el coeficiente de validez debe ser mayor que 0,20.
No vlido
0
Vlido
0,20
1,0
Se calcula mediante la frmula, que es una correccin al coeficiente de correlacin de Pearson.
Donde:
Con
rcrudo
St
Si
S2t
S2i
=
=
=
=
=
=
Coeficiente de validez del tem.

Coeficiente de correlacin de Pearson.
Desviacin estndar del puntaje total.
Desviacin estndar del tem.
Varianza del puntaje total.
Varianza del tem.
Del Cuadro N 03:

Desviaci
Varianza n estndar
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
3.2.7 Poder discriminativo de la prueba pedaggica

La magnitud de esta capacidad diferenciadora de los tems se expresa por ndices de
discriminacin, cuyo clculo se realiza mediante el mtodo correlacional, coeficiente de correlacin
punto serial (rp.bis).
Se calcula mediante la frmula, que es una correccin punto serial (r p bis).
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
Muy buena discriminacin
0,40 0,99
Buena Discriminacin
0,30 0,39
Baja Discriminacin
0,20 0,29
Muy baja Discriminacin
0,05 0,19
Del Cuadro N 04:

tem
Pt
Xt
St
PD
Comentario
tem 1
13,800
13,60
2,64
0,6667
0,3333
0,11
Muy baja discriminacin
tem 2
13,667
13,60
2,64
0,8000
0,2000
0,05
Muy baja discriminacin
tem 3
14,600
13,60
2,64
0,6667
0,3333
0,54
Muy buena discriminacin
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.
4.1.1 IMPORTANCIA DEL MUESTREO

A lo largo de la asignatura se hacen uso de dos tipos de razonamiento: el deductivo y el
inductivo. El primero est relacionado directamente con la teora de la probabilidad, el
segundo tipo de razonamiento se relaciona con la denominada inferencia estadstica; luego,
la importancia que desempea el muestreo consiste en proporcionar el nmero de elementos
necesarios y suficientes para realizar la inferencia respectiva. Dicho nmero se estima por
medio de distribuciones de probabilidad y tipos de muestreo.
Es posible obtener una informacin apropiada de la poblacin a partir de la muestra, siempre
que se eviten errores como la mala elaboracin de la encuesta o del cuestionario o las
equivocaciones de los entrevistadores. Sobre el particular, conviene impartir a stos
capacitacin previa para cada proyecto que se va a realizar; este tipo de errores por lo general
se llaman sesgos.
Toda muestra tiene un error muestral, debe tomarse un nmero de elementos suficientes para
poder inferir acerca de la poblacin; cuanto menor sea el error muestral, mayor ser la
muestra, es decir, se tiende a encuestar al universo, y estaremos realizando un censo; lo que
se busca es efectuar una muestra considerando el error y evitando sesgos en toda nuestra
investigacin.
29

Tcnicas de
4.2 CLASIFICACIONES DE MUESTREO

Tenemos los siguientes diseos muestrales:
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
La diferencia entre el muestreo de atributos y el de variables consiste en el tipo de parmetro

que se busca acerca de la poblacin. Un atributo es una caracterstica cualitativa o
descriptiva que un integrante de la poblacin posee o no posee; por eso siempre se har
referencia a proporciones de la poblacin en estudio. El muestreo de variables trata de
estimar una medida de la poblacin y no una proporcin de ella.
Ejemplo, supngase que se necesita conocer la opinin de los docentes acerca de las
clases que se imparten en la especialidad de educacin primaria; nuestro atributo lo
constituiran todas las personas que son pedagogos y se titularon en ello. Debido a que no
todos los individuos cumplen este requisito, es una proporcin de la poblacin total.
30

Tcnicas de
Muestreo
Caso 3:
Probabilstico
Determinstico
Figura 4.3
Esta clasificacin es la ms usual. El muestreo probabilstico, indica que la eleccin de

cada integrante de la poblacin debe ser completamente aleatoria, y que todos tendran la
misma probabilidad de ser seleccionados. En el muestreo determinstico, el investigador
escoge los elementos de acuerdo con sus necesidades, el nmero de muestra y los
elementos de la poblacin en estudio.
Ejemplo, para establecer el nmero apropiado de instituciones educativas primarias y
secundarias que deben contar con el Plan Huascarn, en el Distrito de Huancayo; se
desconoce el nmero de estudiantes y computadoras por centro educativo y sera muy
costoso realizar un censo, por lo que se usar el muestreo. La pregunta inmediata es:
probabilstico o determinstico? En este caso conviene ms el muestreo probabilstico; de lo
contrario, slo se extraer informacin referente a cierto sector, la cual no sera confiable.
Para ejemplificar el muestreo determinstico, se tiene lo siguiente; un docente desea conocer
la opinin de sus alumnos respecto a la calidad de las sesiones de aprendizaje. El imparte la
materia a cuatro grupos, pero decide encuestar slo a dos. Es importante sealar que el
maestro solamente ser capaz de realizar un estudio estadstico descriptivo. No podr hacer
ningn tipo de inferencia al respecto.
Luego, uno de los primeros problemas que enfrentamos es la eleccin del tipo de muestreo mas
adecuado. Pasamos a detallar un listado de ventajas y desventajas en la eleccin entre determinstico o
probabilstico.
Determinstico
V
e
nt
aj
as
Econmico
Cuenta con modelos para calcular el

tamao de la muestra, con una
confiabilidad y un grado de error
determinado.
Es viable inferir respecto de los

estadsticos y parmetros insesgados.
Alto costo en el establecimiento del

marco muestral adecuado.
Puesta en marcha sencilla

Conocimientos bsicos de la
estadstica.
No es posible obtener
patrones insesgados
No cuenta con un modelo

para la determinacin del
tamao de muestra
Menor tiempo de elaboracin
Desventajas
Probabilstico
Sesgo de recoleccin
intrnseco imperceptible al
anlisis.
Mayor tiempo de elaboracin

Se necesita manejo de la estadstica
inferencial.
31

Tcnicas de
Por ltimo, se considerar la calidad del diseo de muestreo requerido. En la prctica el

probabilstico es irrealizable en su totalidad debido a su alto costo; por eso, en ocasiones
experimenta cambios (llamados adaptaciones del muestreo probabilstico). Estos provocan que la
calidad del diseo disminuya considerablemente; es responsabilidad del investigador decidir hasta
dnde est dispuesto a sacrificar dicha calidad.
CALIDAD DEL DISEO DE MUESTREO REQUERIDO
BAJA
ALTA
MUESTREO
MUESTREO
DETERMINSTICO
PROBABILSTICO
Considerando un universo
Considerando el universo
al que se tiene acceso
ms conveniente
MENOR
MAYOR
Figura 4.4
4.3 MUESTREO DETERMINISTICO

Muestreo Determinstico
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
4.3.1 MUESTREO DE JUICIO O CRITERIO

El tamao de la muestra y los elementos muestrales estn sujetos al juicio del investigador,
contando con la experiencia que el mismo tenga, por consiguiente su xito o fracaso depende
de la capacidad de la eleccin de los elementos. Hay situaciones en las que este procedimiento
es el ms adecuado y an aconsejable cuando el muestreo probabilstico no es factible o
resulta costoso.
Existe sin embargo, imposibilidad de asegurar la representatividad de la muestra, tampoco
tenemos un mtodo estadstico para determinar el tamao de la muestra, ni capacidad de
inferir sobre los parmetros del universo. Ejemplo: Una muestra aleatoria de homosexuales,
puede llegar a ser inviable obtenerla, para ello se recomienda utilizar una muestra de juicio
sobre los lugares que frecuentan (bares, plazas pblicas, etc.), sus lugares de reunin.
Tambin resultara difcil obtener una lista de vendedores ambulantes, as que una muestra de
juicio es la ms apropiada.
4.3.2 EL DISEO DE LA BOLA DE NIEVE
Este diseo resulta conveniente cuando se requiere alcanzar poblaciones especficas
(pequeas) de las cuales es difcil encontrar marcos muestrales adecuados. La regla es simple,
a cada encuestado se le pide que identifique a uno o ms sujetos con las mismas
caractersticas, hasta recolectar la cantidad de encuestas que considere adecuadas el
investigador para satisfacer los objetivos de estudio.
Ejemplo: Para la evaluacin de los profesores se requiere especialistas en evaluacin. El
primer paso ser encontrar al primer especialista en evaluacin, despus ste recomendar a
otro u otros; quienes alcanzaran los informes respectivos.
4.3.3 MUESTREO POR CONVENIENCIA
Sencillamente consiste en ponerse en contacto con los elementos muestrales apropiados. El
tamao de la muestra y el lugar de contacto quedan deliberados a la conveniencia del
investigador.
Ejemplo: Se desea hacer la prueba piloto de un producto, se contacta directamente a las
personas en los supermercados, se hace una demostracin y luego se recolecta una serie de
datos mediante una encuesta.
Un muestreo por conveniencia a menudo se utiliza para pruebas piloto o para probar un
cuestionario.
4.3.4 MUESTREO POR CUOTAS
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
San Agustn de Cajas
Porcentaje
Casa habitacin
20
20
20
20
20
57
63
25
15
31
100
191
4.4 MUESTREO PROBABILISTICO

Muestreo Probabilstico
Aleatorio
simple
Aleatorio
estratificado
Sistemtico
Por
Conglomerados
Figura 4.6
4.4.1 MUESTREO ALEATORIO SIMPLE

El muestreo aleatorio simple (MAS) o muestreo irrestricto aleatorio es el ms usado por los
investigadores, porque los que conforman la muestra son aquellas que se basan en el principio
de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos de una poblacin de tamao N para formar parte de una muestra
de tamao n. A continuacin se estudiar cmo seleccionar una muestra aleatoria simple o
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:
Se hace uso de la tabla: Nmeros al azar o aleatorios.
Los estudiantes ordenados alfabticamente deben ser numerados de 001 al 300.
Luego se empieza a seleccionar, para ello elegimos arbitrariamente el primer, segundo,

tercer o cuarto millar respectivamente y empezamos de la primera fila (1) y primera columna (1 4). En nuestro caso elegimos el segundo millar, tenemos:
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
...
Son seleccionados aquellos nmeros (n i 300). Por qu el nmero 973 no es

seleccionado? Pues, el 973 no existe, puesto que hay solamente 300 miembros. Qu sucede
si el nmero 231 o cualquier otro nmero se repite? Tambin se descarta, y se contina el
muestreo como si nada hubiese ocurrido.
Es as que se continuara, hasta completar el total de la muestra y podemos estar seguros

de que nuestra muestra es aleatoria. Este procedimiento, atractivo por su simpleza, tiene poca o
nula utilidad prctica cuando la poblacin que estamos manejando es muy grande.
Solucin 2:
35

Tcnicas de
Teniendo en cuenta el cumplimiento de los procedimientos iniciales, escogemos ahora en

lnea (fila).
De la tabla, el segundo millar y primera fila, tenemos: 64 75 58 38 85 84 12 22 59 20

17 69 61 56 55 95 04 59 59 47 ...
Tenemos, 647; 558; 388; 584; 122; 259; 201; 769; 615; 655; 950; 459; 594; ... Son
seleccionados los nmeros (ni 300: 122; 259; 201; ...)
4.4.2 DETERMINACIN DEL TAMAO DE LA MUESTRA

Para calcular el tamao de una muestra hay que tomar en cuenta tres factores:
1. El porcentaje de confianza con el cual se quiere generalizar los datos desde la muestra hacia la
poblacin total.
2. El porcentaje de error que se pretende aceptar al momento de hacer la generalizacin.
3. El nivel de variabilidad que se calcula para comprobar la hiptesis.
La confianza o el porcentaje de confianza es el porcentaje de seguridad que existe para
generalizar los resultados obtenidos. Esto quiere decir que un porcentaje del 100% equivale a decir
que no existe ninguna duda para generalizar tales resultados, pero tambin implica estudiar a la
totalidad de los casos de la poblacin.
Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a ser
prcticamente imposible el estudio de todos los casos, entonces se busca un porcentaje de
confianza menor. Comnmente en las investigaciones sociales se busca un 95%.
El error o porcentaje de error equivale a elegir una probabilidad de aceptar una hiptesis que sea
falsa como si fuera verdadera, o la inversa: rechazar a hiptesis verdadera por considerarla falsa.
Al igual que en el caso de la confianza, si se quiere eliminar el riesgo del error y considerarlo como
0%, entonces la muestra es del mismo tamao que la poblacin, por lo que conviene correr un
cierto riesgo de equivocarse.
Comnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de que no son
complementarios la confianza y el error.
La variabilidad es la probabilidad (o porcentaje) con el que se acept y se rechaz la
hiptesis que se quiere investigar en alguna investigacin anterior o en un ensayo previo a la
investigacin actual. El porcentaje con que se acept tal hiptesis se denomina variabilidad
positiva y se denota por p, y el porcentaje con el que se rechaz se la hiptesis es la
variabilidad negativa, denotada por q.
Hay que considerar que p y q son complementarios, es decir, que su suma es igual a la
unidad: p + q = 1. Adems, cuando se habla de la mxima variabilidad, en el caso de no
existir antecedentes sobre la investigacin (no hay otras o no se pudo aplicar una prueba
previa), entonces los valores de variabilidad es p = q = 0,5.
Una vez que se han determinado estos tres factores, entonces se puede calcular el tamao
de la muestra como a continuacin se expone.
Los conceptos que ayudarn a determinar el tamao de la muestra son los siguientes:
Error muestral (E): Es la diferencia entre la media muestral y la media de la poblacin
aceptable.
36

Tcnicas de
Ejemplo: La puntuacin media de una poblacin de 1 000 estudiantes en un test de fsica es

11,5 y de una muestra aleatoria de 200 estudiantes es 10. Determine su error de muestreo.
Solucin:
Sabemos que,
Reemplazando,
E = 10 - 11,5
E = - 1,5
Distribucin Z: Es el nmero de unidades de desviaciones estndar en la distribucin

normal que producir el nivel deseado de confianza.
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
FACTOR DE CORRECCION PARA LA POBLACION FINITA
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
Utilizando la formula (factor de correccin):
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.
De una poblacin de 1 500 estudiantes, determina el tamao de la muestra para

mantener una probabilidad de 0,9544 con un error admisible de 1,5. Considere, = 10 puntos.
SOLUCION:
Datos:
n = ?
N = 1 500
P(z) = 0,9544 Z/2 = 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
Utilizando la formula (factor de correccin):
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
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
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
4.4.3 MUESTREO ALEATORIO SISTEMTICO (MAS)

Es realmente, una variante del muestreo aleatorio simple, en lo nico que difiere es en la manera
como se selecciona la muestra, el procedimiento del muestreo sistemtico es exacto, por otro lado
es ms sencillo escoger los elementos de la muestra y se disminuye el grado de error. Los
nmeros que forman la muestra sern los resultantes de sumar el coeficiente de variacin
progresivamente, a partir del elegido aleatoriamente.
Coeficiente de elevacin (k) =

Donde:
N
: Nmero de unidades de la poblacin.
n
: Nmero de elementos de la muestra.
Ejemplo. Se desea seleccionar 2000 alumnos de Educacin Secundaria de una poblacin de
24000.
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
Slo se formulan hiptesis cuando se pronostica un hecho o dato
Correlacional
Se formulan hiptesis correlacionales
Explicativo
Se formulan hiptesis causales
4.5.2 HIPTESIS NULA

La hiptesis nula es, en un sentido, la negacin de la hiptesis de investigacin. Tambin
constituyen proposiciones acerca de la relacin entre variables, solamente que sirven para
refutar o negar lo que afirma la hiptesis de investigacin.
Se representa por H0; dicha hiptesis es aceptada provisionalmente como verdadera y cuya
validez ser sometida a comprobacin experimental. Los resultados experimentales nos
permitirn seguir aceptndola como verdadera o si, por el contrario, debemos rechazarla como
tal.
4.5.3 HIPTESIS ALTERNA
La hiptesis alterna, como su nombre lo indica, son posibilidades, alternativas, ante las hiptesis
de investigacin y nula. Ofrecen otra descripcin y explicacin distintas a las que proporcionan
estos tipos de hiptesis.
Se representa por H1 o por HA; dicha hiptesis es la suposicin contraria a la hiptesis nula. La
hiptesis alternativa se acepta en caso de que la hiptesis nula sea rechazada.
4.5.4 HIPTESIS ESTADSTICAS
Las hiptesis estadsticas, son la transformacin de las hiptesis de investigacin, nula y
alternativa en smbolos estadsticos. Se pueden formular solamente cuando los datos del
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.
GRFICA 4.1. Grfica de la Curva Normal unilateral positiva
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
Docimasia de la hiptesis de trabajo

H0: No existe relacin entre el componente interpersonal de la inteligencia emocional y el estrs
en los profesores del Nivel Primario.
Ho: r = 0
H1: Existe relacin inversa entre el componente interpersonal de la inteligencia emocional y el
estrs en los profesores del Nivel Primario.
H1: r < 0
Prueba estadstica
: r de Pearson.
Nivel de significacin, = 0,05 y grados de libertad, = N 2 = 20 - 2 = 18
Punto crtico o rc (18; 0,05) = 0,4438
Decisin
: Si rc rt ; se acepta la Ho y se rechaza H1.

Si rc > rt ; se rechaza la Ho y se acepta H1.
X
XY
1
2
3
19
20
=
Fuente: Archivo del tesista 2013.
Donde:
X = Componente interpersonal
Y = Estrs
Calculando r con la siguiente frmula:
Reemplazando:
Comparando, rc = y
Conclusin:
rc = -0,4482
rt = .; tenemos:
47

Tcnicas de
GRFICA 4.2. Grfica de dispersin del Componente interpersonal de la inteligencia

emocional y el estrs.
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.
Docimasia de la hiptesis de trabajo

H0: No existe relacin significativa entre el componente interpersonal de la inteligencia emocional y
el estrs en los profesores del Nivel Primario.
Ho: r = 0 y t no es significativa
H1: Existe relacin inversa significativa entre el componente interpersonal de la inteligencia
emocional y el estrs en los profesores del Nivel Primario.
H1: r < 0 y t es significativa
Prueba estadstica
: t de student.
Punto crtico, tt (18; 0,05) = 1,734
Decisin
: Si tc tt ; se acepta la Ho y se rechaza H1.
48

Tcnicas de
Si tc > tt ; se rechaza la Ho y se acepta H1.
Calculando t con la siguiente frmula:
Reemplazando:
Comparando, tc = y
Conclusin:
tc =
tt = .; tenemos:
GRFICA 4.3. Grfica de la Curva Normal unilateral hacia la derecha.
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
Desarrolla la docimasia de la siguiente hiptesis de trabajo:

H0: No existe relacin entre autoestima y agresividad que tienen los estudiantes del 4to ao de
educacin secundaria de la Institucin Educativa Privada Jhon Dewey de Huancayo.
Ho: r > 0
H1: Existe relacin inversa entre autoestima y agresividad que tienen los estudiantes del 4to ao de
educacin secundaria de la Institucin Educativa Privada Jhon Dewey de Huancayo.
H1: r < 0
49

Tcnicas de
3. Si el diseo de investigacin es cuasi experimental:

GE:
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
Docimasia de la hiptesis de trabajo del Post test (GE y GC)

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 20 alumnos del grupo control, cuyas notas del Post test son:
11
11 12
14
14
10
14
17
12
10
8
10 18
19
12
11
10
12
12
10
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.

Pinto crtico, tt (33; 0,005) = 1,697
Decisin

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
GRFICA 4.4. Grfica de la Curva Normal Bilateral del Post test.
= 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.

Punt6o crtico, tt (13; 0,025) = 0,694
Decisin

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.
v) Calculando Fc, reemplazando en la formula:

Observamos en la tabla Ft =
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 %
ii) Luego, determinamos el punto crtico

invirtiendo los grados de libertad:
P F > 2,84 / 1 = 19, 2 = 14 = 0,025
2,5%
iii) Determinamos el punto crtico de la

izquierda calculando la inversa de 2,84
0,35
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:
El valor de F, tambin puede escribirse como:

EJERCICIO DE APLICACIN
Sean las notas de pre y post test de los grupos experimental y de control de los estudiantes del quinto
grado de educacin secundaria de la Institucin Educativa.
PRE TEST DEL GRUPO EXPERIMENTAL
06
08
02
07
13
13
02
02
03
04
01
05
11
14
53

10
09
06
08
11
10
06
POST TEST DEL GRUPO EXPERIMENTAL

15
08
03
16
13
17
14
17
15
13
18
17
16
15
12
10
11
14
17
16
16
POST TEST DEL GRUPO CONTROL

13
10
08
11
14
11
07
12
10
12
06
13
06
08
08
15
11
10
10
09
09
07
13
11
12
15
08
06
Tcnicas de
Desarrolla la docimasia de las siguientes hiptesis

H0: No existe diferencia significativa entre los puntajes obtenidos en el post test de los grupos
experimental y control de los alumnos del quinto 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 quinto grado de educacin secundaria de la Institucin Educativa...
H1: XGE
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
O1, O2, y O3: Prueba de entrada o Pre test

O4, O5 y O6: Prueba de salida o Post test
Sean los datos:
G. E1:
14
14
16
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
i) Planteamiento de las hiptesis estadsticas:

Ho: 1 = 2 = c; No existe diferencia significativa de los promedios en la aplicacin de los materiales
auto instructivos.
H1: 1 2 c; Existe diferencia significativa de los promedios en la aplicacin de los materiales auto
instructivos.
RESUMEN
FUENTE DE
VARIANZA
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 = .
n = nmero total de la muestra
gdltotal = n -1 = ..
vi) Cuadrados medios:
CMe.g = .
CMd.g = .
56

Tcnicas de
vii) Clculo del F terico:

F(2; 54; 0,05) = ..
PRUEBA TUKEY SNEDECOR
Tratamient
o
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

07
12
09
10
Tcnicas de
10
11
10
58

Técnicas de Procesamiento de Datos e Información

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Técnicas de Procesamiento de Datos e Información

Transféré par

Droits d'auteur :

Formats disponibles

Rafael Cantorin Curty

procesamiento de datos e informacin

UNIDAD 1. TCNICAS DESCRIPTIVAS

Cuando una caracterstica o variables no es numrica, se denomina variable cualitativa o

Cuando puede ser expresada numricamente, la variable estudiada se denomina variable

Son atributos o categoras

Pueden tomar determinados valores y son el

1.2.1 ESCALAS DE MEDICIN DE LA VARIABLE ESTADISTICA

Rafael Cantorin Curty

Las escalas se clasifican en nominales, ordinales, intervalares y de razn o proporcionales.

Rafael Cantorin Curty

Una variable estadstica se clasifica en:

Rafael Cantorin Curty

Grados de aficin al cine

Tipos de desviacin social:

Extensin de fincas cultivadas

Grados de aficin al cine

Frecuencia de visitas a amigos

Puntuacin obtenida en una escala

Nombre de las Instituciones

Rasgo caracterial preferido:

Rafael Cantorin Curty

Rango en la amplitud musical

Rendimiento acadmico (notas)

Rafael Cantorin Curty

1.3 REDONDEO DE NMEROS

1.3.2 Por exceso.- Es cuando se incrementa en una unidad la cifra a redondear.

Es redondeado a una cifra inmediata

No es redondeado porque, el nmero

No es redondeado porque, el nmero

Es redondeado a una cifra inmediata

Rafael Cantorin Curty

1.4 GRFICAS, TABLAS Y CUADROS ESTADSTICOS

En toda tabla o cuadro estadstico se debe tener en cuenta lo siguiente:

1.4.1 GRFICOS LINEALES

Rafael Cantorin Curty

1.4.2 GRFICO DE BARRAS

b) Barras componentes o de partes componentes:

c) Barras mltiples o agrupadas:

Rafael Cantorin Curty

1.4.4 POLGONO DE FRECUENCIAS

Rafael Cantorin Curty

1.4.6 GRFICO CIRCULAR O DE SECTORES

Rafael Cantorin Curty

41 446 obreros son representados por

20 784 obreros sern representados por x

Rafael Cantorin Curty

FUENTE: APOYO Y OPININ-2000

FUENTE: TESIS DE SILVIO CHAVEZ (2010; 101)

(*) Representa grficamente: Histograma, polgono y ojiva

Rafael Cantorin Curty

(*) Representa grficamente con sector circular

Rafael Cantorin Curty

UNIDAD II.- ESTADIGRAFOS DE LA ESTADISTICA DESCRIPTIVA

2.1 Media aritmtica.- Es el estadgrafo de posicin ms importante, se obtiene dividiendo la suma de

Para datos Agrupados

: Lmite inferior de la clase mediana.

Rafael Cantorin Curty

Moda relativa: Es un valor de la variable que representa un intervalo de clase.

Moda para una variable continua o datos agrupados

Mtodo de clculo para datos sin agrupar

Mtodo de clculo para datos agrupados

Datos sin agrupar