UNIVERSIDAD DE LAS

NACIONES
RESUMEN

Metodologa de la Investigacin II

PRESENTA:

JOS CARLOS HERNNDEZ SANTIAGO

Cosamaloapan Ver. A 20 de julio de 2016

NDICE
EL CONOCIMIENTO COMO PROBLEMA

Pgina

MTODO CIENTFICO

Pgina

LAS HIPTESIS

Pgina

10

POBLACIN Y MUESTRA

Pgina

15

LAS VARIABLES

Pgina

18

LA OBSERVACIN

Pgina

20

GUA PARA ELABORAR UNA TESIS

Pgina

26

OBTENCIN Y ORDENAMIENTO DE DATOS

Pgina

29

MEDIDAS DE TENDENCIA CENTRAL Y DE

DISPERSIN

Pgina

32

PROBABILIDAD

Pgina

38

VARIABLE ALEATORIA

Pgina

41

DISTRIBUCIONES DE PROBABILIDAD

Pgina

48

INFERENCIA ESTADSTICA

Pgina

56

NMEROS NDICES

Pgina

57

Bibliografa

Pgina

60

EL CONOCIMIENTO COMO PROBLEMA

El conocimiento como problema Los seres humanos utilizan, para desarrollar su vida y
realizar actividades, un conjunto amplio de conocimientos. Pero este conocimiento debe
ser encontrado por medio de un trabajo indagatorio sobre los objetos que se intenta
conocer. Por ejemplo: si un profesor nos dice (o leemos en un libro o peridico) que la
economa del pas crece a un ritmo del 4% anual, esta afirmacin (cierta o falsa)
podemos utilizarla y recordarla, al mismo tiempo que se incorpora y relaciona con otros
conocimientos que poseemos de antemano. Pero resulta evidente que alguien es el
responsable de esa afirmacin; alguien, de algn modo, ha estudiado la economa y ha
determinado por algn procedimiento que su crecimiento es de un 4% Cmo lo ha
hecho? De qu recursos se ha valido? Cuando comenzamos a preocuparnos del
modo en que se ha adquirido un conocimiento, o cuando intentamos encontrar un
conocimiento nuevo, se nos presentan cuestiones de variada ndole, muchas de las
cuales integran el campo de la Metodologa. El conocimiento como proceso Desde que
la especie humana comenz a crear cultura, es decir, a modificar y remodelar el
ambiente que la rodeaba para sobrevivir y desarrollarse, fue necesario tambin que
comprendiera la naturaleza y las mutaciones de los objetos que constituan su entorno.
Tareas que hoy resultan sencillas, como edificar una vivienda precaria, domesticar
animales o trabajar la tierra, slo pudieron ser emprendidas despus de cuidadosas
observaciones de todo tipo: el ciclo de los das y las noches, el de las estaciones del
ao, la reproduccin de los animales y vegetales, el estudio del clima y de las tierras, el
conocimiento elemental de la geografa, etc.
CARACTERSTICAS DEL CONOCIMIENTO
Capacidad descriptiva, explicativa y predictiva (mediante leyes): la ciencia es un saber
que busca leyes mediante las cuales poder describir y explicar la realidad. Carcter
crtico: la ciencia es un saber crtico. Este rasgo esencial al que nos estamos refiriendo
alude a su carcter problemtico y cuestionador: el pensamiento cientfico es un pensar
interrogante y por ello, su tarea ms propia es la del preguntar. La ciencia presupone
una primaca de la pregunta, una apertura del hombre a lo no sabido, una racionalidad
estructurada en forma de una lgica de pregunta respuesta. Saber fundamentado: la
ciencia requiere siempre la fundamentacin de sus afirmaciones. Carcter metdico: la
tendencia fundamental del pensamiento cientfico moderno es la de identificar el saber,
el conocimiento propiamente dicho, la ciencia, con lo comprobable empricamente y por
tanto, la verdad con certeza. Esto es lo que posibilita, a partir del innegable avance de
las ciencias naturales, la reduccin de la verdad al mtodo.

Sistematicidad: el carcter sistemtico de la ciencia alude a una unidad armnica,

consistente, no contradictoria del saber, en virtud de la cual nuevos conocimientos se
integran a los ya establecidos. Comunicable mediante un lenguaje preciso: la ciencia
tiende naturalmente a la bsqueda de un lenguaje unvoco; aspira a la posibilidad de
crear un lenguaje ideal que elimine toda equivocidad, que sea plenamente exacto, que
tenga un nico sentido posible. Pretensin de objetividad: el conocimiento cientfico es
un saber que aspira a la objetividad.
El conocimiento especulativo consiste esencialmente en la mera consideracin o
inquisicin de lo que es consistente en s mismo y con independencia de nuestros
actos, es decir, en la consideracin o investigacin del orden real y del ideal en tanto
que no tratamos de cambiarlos, sino simplemente de conocerlos. En realidad, lo ms
caracterstico de la especulacin es la actitud que con ella adoptamos frente a todo tipo
de objetos: nos limitamos a conocerlos o a investigarlos, pero nos abstenemos de
cambiarlos o de manejarlos. Y no por eso, el trato que la e. comporta con los objetos
reales o con las verdades ideales es superficial o est teido de indiferencia. Ms bien
hay aqu una actitud de sumo respeto y de amor por la verdad; y ambos sentimientos
son perfectamente compatibles con una investigacin y penetracin diligentes de
aquellos objetos y verdades. Esto se ha dicho para salir al paso de esa actitud, tan
extendida hoy, de desprecio o subestima de la e. frente a la accin y la produccin. Ya
en algn sector del pensamiento moderno se puede observar una distincin entre el
conocimiento terico en general y un uso particular de ese conocimiento, que sera el
puramente especulativo. Este ltimo supondra una va muerta e intil, un puro juego
mental, sin verdadero alcance cognoscitivo.
Conocimiento Emprico. Muchas personas sin tener ttulos profesionales o contar con
algn tipo de formacin acadmica son expertos en hacer algo, tienen una gran
habilidad en ciertos aspectos, pueden dominar a la perfeccin una tcnica o un arte.
Cuando le preguntamos en donde han adquirido este conocimiento, la respuesta es que
no han ido a ninguna universidad o colegio, simplemente lo ha adquirido con la prctica.
Pues bien, el conocimiento emprico es aquel conocimiento adquirido por la experiencia.
Es el conocimiento que no se adquiere filosofando ni teorizando, sino de la prctica y
del contacto directo con la realidad. En el mundo actual, si se quiere aprender algo, por
lo general lo primero que se piensa es en ir a una universidad con el objetivo que
alguien nos transfiera los conocimientos ya adquiridos y descubiertos. En este proceso,
simplemente se aprenden y asimilan los conceptos de las cosas y de la naturaleza,
pero no se validad ni replican en la realidad. La validacin y la prctica del conocimiento

adquirido en una universidad se da cuando ya se es egresado, momento en el cual se

que se debe enfrentar a la realidad.
Conocimiento cientfico Es el que, fundamentalmente, da razones, es decir, explica el
porqu de las cosas (o al menos tiende a este fin). Se le puede llamar conocimiento
objetivo, pues sobrepasa la mera opinin individual (subjetiva) y se sita como posible
de ser comprobado. Ahora bien, el conocimiento cientfico es superior al vulgar, pero no
es posible suponerlo sin ste: de las falencias del conocimiento vulgar surge la
necesidad del conocimiento cientfico. Por eso diremos que la ciencia crece a partir del
conocimiento comn y le rebasa. La investigacin cientfica empieza en el lugar mismo
en que la experiencia y el conocimiento ordinario dejan de resolver -o siquiera plantearproblemas. No obstante, la ciencia no es una mera prolongacin, un simple afinamiento
del conocimiento ordinario. Cmo utilizar el conocimiento explcito y tcito en nuestra
carrera profesional? Puede decirse que no existe una nica combinacin de tcnicas y
herramientas, ni una metodologa exclusiva para llevar a cabo con xito el proceso de
gestin del conocimiento, pero si es cierto que, tcnicas como la minera de datos se
han convertido en un aliado de la gestin del conocimiento a la hora de analizar todo el
conocimiento explcito que las empresas ya disponen, en forma de dato, en sus bases
de datos.
Nadie pone en duda el papel que juegan las tecnologas de la informacin y
comunicacin en las organizaciones y esto se hace, lgicamente, extensible a la gestin
del conocimiento. Pero el hecho de identificar qu tipo de conocimiento (tcito o
explicito) se ha descubierto, como se ha generado, y de qu manera lo verificamos,
interpretamos, interiorizamos y transmitimos, lo que determina la magnitud del data
mining en la gestin del conocimiento y en el ciclo de conversin del conocimiento.. He
aqu unas posibles combinaciones para que lo entendis mejor: Segn Nonaka y
Takeuchi se pueden dar 4 transformaciones del conocimiento:
1) De tcito a tcito: El paso de conocimiento de tcito a tcito se produce a travs de
procesos de socializacin, es decir, a travs de la adquisicin de conocimientos e
informacin mediante la interaccin directa con el mundo exterior: con otras personas,
con otras culturas, etc.
2) De tcito a explcito: Se produce a travs de la externalizacin, que podramos definir
como el proceso de expresar algo, el dilogo. Externalizar es convertir imgenes y/o
palabras a travs del dilogo.

3) De explcito a explcito: Este paso se denomina combinacin. Como su propio

nombre indica, se combinan diferentes formas de conocimiento explcito mediante
documentos o bases de datos.
4) Tcito a tcito: es la Interiorizacin del conocimiento, y consiste en la incorporacin
del conocimiento tcito por parte de los individuos de cualquier organizacin.

MTODO CIENTFICO
El mtodo cientfico: sus etapas
Los conocimientos que la humanidad posee actualmente sobre las diversas ciencias de
la naturaleza se deben, sobre todo, al trabajo de investigacin de los cientficos. El
procedimiento que stos emplean en su trabajo es lo que se llamar MTODO
CIENTFICO.
El mtodo cientfico consta de las siguientes fases:

Observacin

Formulacin de hiptesis

Experimentacin

Emisin de conclusiones

Observacin
Los cientficos se caracterizan por una gran curiosidad y el deseo de conocer la
naturaleza. Cuando un cientfico encuentra un hecho o fenmeno interesante lo primero
que hace es observarlo con atencin.

La Observacin consiste en examinar atentamente los hechos y fenmenos que tienen

lugar en la naturaleza y que pueden ser percibidos por los sentidos.

Ejemplo: Queremos estudiar si la velocidad de cada libre de los cuerpos

depende de su masa. Para ello, dejamos caer, desde una misma altura una tiza
y una hoja de papel. Observamos que la tiza llega mucho antes que el papel al
suelo. Si medimos la masa de la tiza, vemos que sta es mayor que la masa del
papel.
Formulacin de hiptesis
Despus de las observaciones, el cientfico se plantea el cmo y el porqu de lo que ha
ocurrido y formula una hiptesis.
Formular una hiptesis consiste en elaborar una explicacin provisional de los hechos
observados y de sus posibles causas.

Ejemplo: Podemos formular, como hiptesis, el siguiente razonamiento: "Cae

con mayor velocidad el cuerpo que posee mayor masa".

Experimentacin
Una vez formulada la hiptesis, el cientfico debe comprobar si es cierta. Para ello
realizar mltiples experimentos modificando las variables que intervienen en el
proceso y comprobar si se cumple su hiptesis.
Experimentar consiste en reproducir y observar varias veces el hecho o fenmeno que
se quiere estudiar, modificando las circunstancias que se consideren convenientes.

Durante la experimentacin, los cientficos acostumbran a realizar mltiples medidas de

diferentes magnitudes fsicas. De esta manera pueden estudiar qu relacin existe entre
una magnitud y la otra.

Ejemplo: Si lanzamos la tiza junto a una hoja de papel arrugada, vemos que
llegan al suelo prcticamente al mismo tiempo. Si seguimos esta lnea de
investigacin y lanzamos una hoja de papel arrugada y otra hoja sin arrugar
desde la misma altura, vemos que la hoja arrugada llega mucho antes al suelo.
Emisin de conclusiones
El anlisis de los datos experimentales permite al cientfico comprobar si su hiptesis
era correcta y dar una explicacin cientfica al hecho o fenmeno observado.
La emisin de conclusiones consiste en la interpretacin de los hechos observados
de acuerdo con los datos experimentales.
A veces se repiten ciertas pautas en todos los hechos y fenmenos observados. En
este caso puede enunciarse una ley. Una ley cientfica es la formulacin de las
regularidades observadas en un hecho o fenmeno natural. Por lo general, se expresa
matemticamente.
Las leyes cientficas se integran en teoras. Una teora cientfica es una explicacin
global de una serie de observaciones y leyes interrelacionadas.

Ejemplo: A la vista de los resultados experimentales, se puede concluir

que no es la masa la que determina que un objeto caiga antes que otro en la
Tierra; ms bien, ser la forma del objeto la determinante. Como comprobacin
de nuestro resultado deducimos que nuestra hiptesis inicial era incorrecta.
Tenemos, por ejemplo, el caso de un paracaidista: su masa es la misma con el
paracadas abierto y sin abrir; sin embargo, cae mucho ms rpido si el
paracadas se encuentra cerrado.

LAS HIPTESIS
Una hiptesis (del latn hypothsis y este del griego ) es una suposicin de
algo posible o imposible para sacar de ello una o ms consecuencias. 1 Es una idea
que puede no ser verdadera, basada en informacin previa. Su valor reside en la
capacidad para establecer ms relaciones entre los hechos y explicar por qu se
producen. Normalmente se plantean primero las razones claras por las que uno cree
que algo es posible. Y finalmente ponemos: en conclusin. Este mtodo se usa en el
mtodo cientfico, para luego comprobar las hiptesis a travs de los experimentos.
Una hiptesis cientfica es una proposicin aceptable que ha sido formulada a travs
de la recoleccin de informacin y datos, aunque no est confirmada, sirve para
responder de forma alternativa a un problema con base cientfica.
Una hiptesis puede usarse como una propuesta provisional que no se pretende
demostrar estrictamente, o puede ser una prediccin que debe ser verificada por
el mtodo cientfico. En el primer caso, el nivel de veracidad que se otorga a una
hiptesis depender de la medida en que los datos empricos apoyan lo afirmado en la
hiptesis. Esto es lo que se conoce como contrastacin emprica de la hiptesis o
bien proceso de validacin de la hiptesis. Este proceso puede realizarse
mediante confirmacin (para las hiptesis universales) o mediante verificacin (para
las hiptesis existenciales).
Formulacin de hiptesis
Aspecto de la hiptesis
Como se ha dicho, una hiptesis es una conjetura posible que se establece en forma de
proposicin afirmativa, en futuro simple o en condicional. Una hiptesis no se establece
en forma de pregunta, como por ejemplo: pueden los gansos sobrepasar los 85 km/h
volando? sino que de una suposicin, de la que se cree que es algo viable y veraz, se
afirma por ejemplo que: los gansos pueden sobrepasar volando los 85 km/h; o bien se

10

asegura que: los gansos sobrepasarn volando los 85 km/h; o bien: si un grupo de
gansos escogido puede superar los 85 km/h, entonces podremos concluir que los
gansos pueden sobrepasar volando los 85 km/h.
Adems, especialmente desde Karl Popper, se ha insistido en que las hiptesis
formuladas deben ser falsables, es decir, deben estar formuladas de una forma clara
que permita construir un experimento que potencialmente pueda corroborar o
contradecir la hiptesis. Si bien, diversas crticas al falsacionismo ms simplista, han
sealado que la falsabilidad no es una condicin suficiente, aunque generalmente
necesaria.
Pasos de la hiptesis
Los pasos de la hiptesis son: reunir informacin, compararla, dar posibles
explicaciones, escoger la explicacin ms probable y formular una o ms hiptesis.
Despus de hacer todos estos pasos (en la ciencia) se realiza una experimentacin, en
la que se confirma la hiptesis o no. Si la hiptesis es confirmada, entonces lo
planteado como hiptesis es verdadero. En caso de que no sea confirmada, la hiptesis
es falsa.
Hiptesis de investigacin
Una hiptesis de investigacin representa un elemento fundamental en el proceso de
investigacin. Despus de formular un problema, el investigador enuncia la hiptesis,
que orientar el proceso y permitir llegar a conclusiones concretas del proyecto que
recin comienza.
Toda hiptesis constituye un juicio o proposicin, una afirmacin o una negacin de
algo. Sin embargo, es un juicio de carcter especial. Las hiptesis son proposiciones
provisionales y exploratorias y, por tanto, su valor de veracidad o falsedad depende
crticamente de las pruebas empricas disponibles. En este sentido, la replicabilidad o
repetibilidad de los resultados es fundamental para confirmar una hiptesis como
solucin de un problema.Nota 1
La hiptesis de investigacin es el elemento que condiciona el diseo de la
investigacin y responde provisionalmente al problema, verdadero motor de la
investigacin. Como se ha dicho, esta hiptesis es una aseveracin que puede
validarse estadsticamente. Una hiptesis explcita es la gua de la investigacin, puesto
que establece los lmites, enfoca el problema y ayuda a organizar el pensamiento.
Una hiptesis se considera explicacin y por tanto toma cuerpo como elemento
fundamental de una teora cientfica, cuando el conocimiento existente en el rea

11

permite formular predicciones razonables acerca de la relacin de dos o ms elementos

o variables.
Dicha hiptesis indica el tipo de relacin que se espera encontrar:

Describe alguna o algunas propiedades de la relacin entre A y B.

El primer elemento A es la causa del segundo B.

Cuando se presenta esto (A), entonces sucede aquello (B).

Cuando esto s, A, entonces aquello no, B.

Para que sea admitida como cuerpo de conocimiento cientfico, la hiptesis tiene que
poder establecer una cuantificacin determinada o una proporcin matemtica que
permita su verificacin estadstica, pues el argumento meramenteinductivo no es
cientficamente concluyente.2
Importancia de la hiptesis
Las hiptesis son el punto de enlace entre la teora y la observacin. Su importancia es
que dan rumbo a la investigacin al sugerir los pasos y procedimientos que deben
darse en la bsqueda del conocimiento.
Cuando la hiptesis de investigacin ha sido bien elaborada, y en ella se observa
claramente la relacin o vnculo entre dos o ms variables, es factible que el
investigador pueda:

Elaborar el objetivo, o conjunto de objetivos, que desea alcanzar en el desarrollo

de la investigacin.

Seleccionar el tipo de diseo de investigacin factible con el problema

planteado.

Seleccionar el mtodo, los instrumentos y las tcnicas de investigacin acordes

con el problema que se desea resolver.

Seleccionar los recursos, tanto humanos como materiales, que se emplearn

para llevar a feliz trmino la investigacin planteada.

Caractersticas de la hiptesis

12

Deben referirse a una situacin real o realizable, no a una situacin que no

puede ocurrir bajo un cierto estado de hechos.

Las variables de la hiptesis tienen que ser comprensibles, estar bien definidas
y ser lo ms concretas posible.

La relacin entre variables propuesta por una hiptesis debe ser clara y
verosmil.

Los trminos de la hiptesis y la relacin planteada entre ellos, deben poder ser
observados y medidos.

Las hiptesis deben estar relacionadas con tcnicas disponibles para probarlas.

Asimismo, cada tipo de hiptesis tiene sus caractersticas extra.

Las hiptesis descriptivas del valor de variables que se van a observar en un

contexto.

Las hiptesis correlacionales especifican las relaciones entre dos o ms

variables y el orden de stas no es importante. Pueden alcanzar un nivel
predictivo y parcialmente explicativo.

Hiptesis en estadstica inferencial

En un trabajo de investigacin generalmente se plantean dos hiptesis mutuamente
excluyentes: la hiptesis nula o hiptesis de nulidad () y la hiptesis de investigacin ().
La hiptesis de investigacin es una afirmacin especial cuya validez se pretende
demostrar, y si las pruebas empricas no apoyan decididamente la hiptesis de
investigacin, entonces se aceptar la hiptesis nula, abandonndose la hiptesis de
investigacin.
En algunos casos es posible plantear hiptesis alternas o hiptesis alternativas. El
anlisis estadstico de los datos servir para determinar si se puede o no aceptar .
Cuando se rechaza , significa que el factor estudiado ha influido significativamente en
los resultados y es informacin relevante para apoyar la hiptesis de
investigacin planteada. Plantear hiptesis de investigacin que no sea excluyente
con supondra una aplicacin incorrecta del razonamiento estadstico.
Identificacin de las variables
Algunas hiptesis involucran variables cuantitativas que pueden poseer una relacin
causal establecida. En ocasiones el investigador tendr control o capacidad de

13

observacin sobre unas variables y sobre otras no, en estas dimensiones las variables
involucradas pueden clasificarse en:

Variable independiente: valor real dado a una hiptesis en relacin con la

causa.

Variable dependiente: valor real que se refiere al efecto, ms no a la causa.

Variable interviniente: aquella que no se refiere a factores de causa o efecto,

pero que modifican las condiciones del problema investigado.

Ejemplos
En esta seccin se proponen algunos ejemplos de las diferentes tipologas de hiptesis
que se pueden hacer:

Hiptesis de investigacin: La computadora con regulador trabaja 100% del

tiempo sin fallar. La computadora que se utiliza sin regulador solamente trabaja
80% del tiempo sin fallar.

Hiptesis no direccional: Existe una diferencia entre el nivel de ansiedad de

los nios con un coeficiente intelectual alto y aquellos con un coeficiente bajo.

Hiptesis direccional: Los nios con coeficientes intelectuales altos tendrn un

nivel de ansiedad mayor que los nios con coeficientes intelectuales bajos.

Hiptesis nula: No existe diferencia en los niveles de ansiedad entre nios con
coeficientes intelectuales altos y aquellos que tienen coeficientes intelectuales
bajos.

Tipos de hiptesis

Segn su alcance: singulares (se refieren a un hecho singular, concreto) o

generales (versan sobre hechos que se repiten sistemticamente). Dentro de
esta ltimas: Universales (por ejemplo, todos los reptiles tienen sangre fra) o
probabilistas (no llegan al grado universal, por lo que aparecen bajo
formulaciones como la mayora, %, etc.)

Por su origen: Inductivas (se descubren secuencias y se confa en ellas; la

induccin es circular: se basa en que todos los casos que no hemos visto sern
iguales; es decir, se basa en cierta regularidad del orden de la naturaleza),
deductivas (deducciones de otras hiptesis), por analoga (surgen a modo de
metfora, por el trasvase de hiptesis de unas disciplinas a otras, como es el

14

caso del darwinismo social y econmico o del mecanicismo leyes de la

mecnica adaptadas a la naturaleza), Ad Hoc (para justificar fallos de otras), o
por intuicin.

Por su profundidad: Fenomenolgicas (no buscan explicaciones de fondo, sino

que se quedan en la observacin de fenmenos: caja negra) o
representacionales (pertenecen a un nivel ms explicativo: caja traslcida)

Por su nivel natural: Sociolgicas, biolgicas, psicolgicas, fsico-qumicas, de

varios niveles, etc.

Por su fundamento: Empricas (tienen a su base datos empricos que le dan

cierta consistencia, pero no el soporte terico de otras hiptesis o teoras),
tericas (o plausibles, porque no tienen base emprica sino el apoyo de otras
teoras) o convalidadas (esto no quiere decir comprobadas, pues si lo estuvieran
ya no seran hiptesis).

POBLACIN Y MUESTRA
Las estadsticas de por s no tienen sentido si no se consideran o se relacionan dentro
del contexto con que se trabajan. Por lo tanto es necesario entender los conceptos de
poblacin y de muestra para lograr comprender mejor su significado en la investigacin
educativa o social que se lleva a cabo.

15

POBLACIN - es el conjunto total de individuos, objetos o medidas que poseen

algunas caractersticas comunes observables en un lugar y en un momento
determinado. Cuando se vaya a llevar a cabo alguna investigacin debe de tenerse en
cuenta algunas caractersticas esenciales al seleccionarse la poblacin bajo estudio.
Entre stas tenemos:
1.

Homogeneidad - que todos los miembros de la poblacin tengan las mismas

caractersticas segn las variables que se vayan a considerar en el estudio o

investigacin.
2.

Tiempo - se refiere al perodo de tiempo donde se ubicara la poblacin de

inters. Determinar si el estudio es del momento presente o si se va a estudiar a una

poblacin de cinco aos atrs o si se van a entrevistar personas de diferentes
generaciones.
3.

Espacio - se refiere al lugar donde se ubica la poblacin de inters. Un estudio

no puede ser muy abarcador y por falta de tiempo y recursos hay que limitarlo a un rea
o comunidad en especfico.
4.

Cantidad - se refiere al tamao de la poblacin. El tamao de la poblacin es

sumamente importante porque ello determina o afecta al tamao de la muestra que se

vaya a seleccionar, adems que la falta de recursos y tiempo tambin nos limita la
extensin de la poblacin que se vaya a investigar.
MUESTRA - la muestra es un subconjunto fielmente representativo de la poblacin.
Hay diferentes tipos de muestreo. El tipo de muestra que se seleccione depender de la
calidad y cun representativo se quiera sea el estudio de la poblacin.
1.

ALEATORIA - cuando se selecciona al azar y cada miembro tiene igual

oportunidad de ser incluido.

16

2.

ESTRATIFICADA - cuando se subdivide en estratos o subgrupos segn las

variables o caractersticas que se pretenden investigar. Cada estrato debe corresponder

proporcionalmente a la poblacin.
3.

SISTEMTICA - cuando se establece un patrn o criterio al seleccionar la

muestra. Ejemplo: se entrevistar una familia por cada diez que se detecten.
El muestreo es indispensable para el investigador ya que es imposible entrevistar a
todos los miembros de una poblacin debido a problemas de tiempo, recursos y
esfuerzo. Al seleccionar una muestra lo que se hace es estudiar una parte o un
subconjunto de la poblacin, pero que la misma sea lo suficientemente representativa
de sta para que luego pueda generalizarse con seguridad de ellas a la poblacin.
El tamao de la muestra depende de la precisin con que el investigador desea llevar a
cabo su estudio, pero por regla general se debe usar una muestra tan grande como sea
posible de acuerdo a los recursos que haya disponibles. Entre ms grande la muestra
mayor posibilidad de ser ms representativa de la poblacin.
En la investigacin experimental, por su naturaleza y por la necesidad de tener
control sobre las variables, se recomienda muestras pequeas que suelen ser de por lo
menos 30 sujetos.
En la investigacin descriptiva se emplean muestras grandes y algunas veces se
recomienda seleccionar de un 10 a un 20 por ciento de la poblacin accesible.

Las razones para estudiar muestras en lugar de poblaciones son diversas y entre
ellas podemos sealar
a.

Ahorrar tiempo. Estudiar a menos individuos es evidente que lleva menos

tiempo.
b.

Como consecuencia del punto anterior ahorraremos costes.

c.

Estudiar la totalidad de los pacientes o personas con una caracterstica

determinada en muchas ocasiones puede ser una tarea inaccesible o imposible de

realizar.
d.

Aumentar la calidad del estudio. Al disponer de ms tiempo y recursos, las

observaciones y mediciones realizadas a un reducido nmero de individuos pueden ser

ms exactas y plurales que si las tuvisemos que realizar a una poblacin.
e.

La seleccin de muestras especficas nos permitir reducir la heterogeneidad de

una poblacin al indicar los criterios de inclusin y/o exclusin.

17

LAS VARIABLES
Definicin.
Son atributos, cualidades, caractersticas observables que poseen las personas,
objetos, instituciones que expresan magnitudes que varan discretamente o en forma
continua. Ejemplo: son variables de las personas: la edad, sexo, talla, peso, contextura,
color del cabello, color de ojos, grado de atencin, conocimientos previos, confesin
religiosa, procedencia, clase social, etc.
Son variables de las cosas, objetos: forma, color, tamao, peso, conservacin,
antigedad, etc. Las instituciones tambin poseen variables como: antigedad,
organizacin, eficiencia, magnitud, productividad, etc.

Clasificacin: Existen diversas clasificaciones de variables.

Por su Grado de abstraccin o concrecin.

18

a.
Variables Tericas: Son aquellas que son abstractas que no se entienden
porque no son observables o medibles sino se definen. Ejemplos: estatus
socioeconmico, rendimiento acadmico, imperialismo, dependencia, dominacin,
infraestructura, etc.
b.
Variables Intermedias: Son aquellas que permiten comprender a las variables
tericas. Ejemplo El rendimiento acadmico no se entiende sino est referida a los
calificativos, a la asistencia, a la dedicacin al estudio, puntualidad del estudiante.
c.
Variables empricas: Indicadores, son aquellas que permiten entender mejor a
las variables intermedias y por tanto a las variables tericas. No necesitan definirse por
cuanto son fcilmente entendibles, medibles u observables. Ejemplos: la variable
calificativa puede ser muy buena, buena, regular, mala y psima. Las variables
empricas pueden expresarse cuantitativamente.

Por su posicin en la investigacin:

a.
Variable Dependiente: Es aquella que dentro de una hiptesis representa
la consecuencia, el efecto, el fenmeno que se estudia. Se simboliza con la letra Y.
Ejemplo: entre las variables rendimiento acadmico y aplicacin de mtodos, la variable
dependiente es rendimiento acadmico. En una funcin matemtica como la tpica: Y=
(f) X (Se lee Y est en funcin de X; Y depende de X)
b.
Variable Independiente: Es aquella que influye en la variable dependiente y
no de depende de otra variable, dentro de una hiptesis. Se simboliza con la letra X.
Ejemplo: entre las variables hiperactividad y falta de autoestima, la variable autoestima
es independiente, ya que explica o influye en la hiperactividad del nio.
c.
Variable Extraas: Externas son aquellas que provienen del exterior al
campo de investigacin y por ello se denominan tambin intervinientes. Son de varias
clases pero lo que ahora nos interesa son las variables conexas, o variables sujeto y
orgnicas, como son las cualidades del sujeto que se investiga por ejemplo: edad, sexo,
inteligencia, conocimientos previos, procedencia, etc. y que pueden influir en la variable
dependiente, por ejemplo rendimiento acadmico. En otras hiptesis las variables
extraas pueden provenir de fuera del sujeto de estudio. Se simbolizan con la letra Z.

19

Por su Naturaleza: Pueden ser cualitativas, ordinales y cuantitativas.

a.
Variables Cualitativas: son aquellas que nominan o sealan cualidades.
Ejemplo: La variable talla puede expresarse: muy alto, alto, mediano, bajo, muy bajo.
b.
Variables Ordinales: son las que expresan una clasificacin jerarquizada,
en orden de importancia. Ejemplo: la variable nivel de instruccin comprende: iletrado,
primaria, secundaria, superior.

c.

Variables Cuantitativas: pueden ser discretas y continuas

Variables Discretas: son las que expresan nmeros enteros, por tanto
pueden ser contados. Ejemplo poblacin escolar, produccin de petrleo,
nacimientos, muerto, etc.

Variables Continuas: son las que expresan en nmeros decimales, por tanto
pueden ser medidos con mayor exactitud. Ejemplo: el peso, edad talla de una
persona.

Operacionalizacin de variables:
Es una operacin que consiste en transformar las variables tericas en variables
intermedias y luego en variables empricas o indicadores.

20

LA OBSERVACIN
"Ob-servar es ponerse delante (eso significa el prefijo ob.) de un objeto, a la vez como
esclavo (que ste es el primer significado de la raz serv.) para serle fiel; y como
maestro para poseerlo o conservarlo (que es el segundo significado de la raz serv.).
Observar a uno es poner la mirada en l, considerarlo como objeto."
Es un procedimiento emprico por excelencia, el ms primitivo y a la vez el ms usado.
Es el mtodo por el cual se establece una relacin concreta e intensiva entre el
investigador y el hecho social o los actores sociales, de los que se obtienen datos que
luego se sintetizan para desarrollar la investigacin.
Este mtodo es una "lectura lgica de las formas" y supone el ejercicio y "metodologa
de la mirada" (deconstruccin y produccin de nueva realidad).
Desde fines del siglo pasado y comienzos de ste, se fue recurriendo a esta tcnica de
manera cada vez ms sistemtica, llegando a constituirse como el instrumento
metodolgico por excelencia en la antropologa, si bien hoy cabe reconocer que su uso
es mucho ms amplio.
La observacin es un proceso cuya funcin primera e inmediata es recoger informacin
sobre el objeto que se toma en consideracin. Esta recogida implica una actividad de
codificacin: la informacin bruta seleccionada se traduce mediante un cdigo para ser
transmitida a alguien (uno mismo u otros). Los numerosos sistemas de codificacin que
existen, podran agruparse en dos categoras: los sistemas de seleccin, en los que la
informacin se codifica de un modo sistematizado mediante unas cuadrculas o parrillas
preestablecidas, y los sistemas de produccin, en los que el observador confecciona l
mismo su sistema de codificacin.
En su origen la palabra "observar" significaba "ajustarse a lo que est prescripto"
(ponerse en actitud de siervo ante la ley): "observar los mandamientos", "observar la
Ley". En este sentido se habla de observancia: se vigila, se observa tambin, a
21

cualquiera que infringe la norma para hacerle una observacin o una indicacin.
Aunque nosotros nunca utilizaremos este significado, es interesante con todo subrayarlo
para acotar el campo connotativo de la nocin de observacin.
Desde este punto de vista de las tcnicas de investigacin social, la observacin es un
procedimiento de recoleccin de datos e informacin que consiste en utilizar los
sentidos para observar hechos y realidades sociales presentes y a la gente donde
desarrolla normalmente sus actividades.
En los contextos experimentales, clnico y educativo, la observacin conlleva
alternativamente varias significaciones ms especficas, derivadas de su primer sentido
(la observacin considerada como un proceso).
La observacin es un objetivo que hay que conseguir o una aptitud que hay que
desarrollar: aprender a observar; desarrollar el sentido de la observacin.
El investigador hablar ms de tcnica de observacin que de mtodo de observacin.
Con ello pretende significar una tcnica de recogida de datos sirvindose de uno de
varios observadores (sentido estricto) o de cuestionario de encuesta (sentido amplio).
El investigador hablar tambin de observacin en oposicin a experimentacin. En tal
caso, la observacin designa esa fase de la investigacin, consistente en familiarizarse
con una situacin o fenmeno determinado, en describirlo, en analizarlo con el fin de
establecer una hiptesis coherente con el cuerpo de conocimientos anteriores ya
establecidos.
La observacin es el resultado codificado del acto de observar seguido del acto de
interpretar. Para el investigador, ello supone la referencia a un marco terico.
OBSERVAR ES UN PROCESO, SITUADO MAS ALLA DE LA PERCEPCION QUE, NO
SOLAMENTE

HACE

CONSCIENTES

LAS

SENSACIONES,

SINO

QUE

LAS

ORGANIZA.
La observacin organiza las percepciones. Ello implica toda una serie de operaciones
de sensibilizacin y de concentracin de la atencin, de comparacin, de
discernimiento, todo ello dirigido por una intencin. Observar es un acto promovido a la
vez por disposiciones de orden cognitivo y afectivo, cuyo producto es una creacin del
espritu. Al final el producto de una observacin puede ser que no tenga ninguna
existencia real, es una representacin interiorizada, seguida de una expresin
exteriorizada en lenguajes muy distintos (verbal, grfico, formal, etc.) de una realidad

22

percibida. En ella juegan un papel importantsimo la intencionalidad y la atribucin de

un significado.
SE PUEDE DEFINIR EL PROCEDIMIENTO DE OBSERVACION: LA OBSERVACION
ES UNA OPERACIN DE SELECCIN Y DE ESTRUCTURACION DE DATOS DE
MODO QUE QUEDE PATENTE UNA RED DE SIGNIFICACIONES.
La seleccin de datos: comprende la recogida de informacin en la situacin de que se
trata. Las informaciones que hay que recoger dependen de los objetivos que uno se fije.
Puede hacerse en funcin de una hiptesis preconcebida o de una manera ms
explcita, en funcin del objetivo que se persigue con la investigacin.
La estructuracin de los datos: los datos recogidos de ese modo son categorizados, o
sea, clasificados segn criterios de equivalencias determinados de antemano.
En la observacin en un medio natural, como es el caso de las situaciones educativas,
las influencias producidas por el observador, son ms difciles de someter a un estudio
experimental.
El observador de una situacin pedaggica puede ser una persona en formacin, un
formador, un maestro que participa de una experiencia pedaggica, un investigador, un
inspector. Las condiciones psicolgicas cambian segn el estatus o el rol que le
atribuyen los participantes en la situacin que hay que observar. Puede tratarse de una
verdadera intrusin que introduce modificaciones en las estructuras comportamentales;
o bien de una presencia reactiva que enriquece algunos fenmenos habituales sin
llegar a modificarlos totalmente.
Como tambin intervienen las representaciones que el observador tiene de la situacin
educativa, provenientes de su experiencia como observador, y a veces, de este actor en
este tipo de situaciones, y sus referenciales tericos, valores personales, opiniones
ideolgicas y pedaggicas, su mtodo de observacin va unido a la anticipacin que l
hace del acopio de un determinado tipo de datos. A veces el mtodo, sobre todo si es
gnero clnico, corre el riesgo de volcarse siempre sobre s mismo. Su estado
psicolgico, en un momento dado, le hace ms vulnerable a ciertos hechos y ms apto
para darse cuenta de unos comportamientos mejor que de otros.
La actitud del observador proviene de la idea (representacin) que tiene de la persona
observada, en funcin del grupo social o profesional al que pertenece y en funcin de la
representacin que tiene de su rol en esa situacin que pretende observar.

23

En la imposibilidad de resaltar todo, el observador tiene que realizar una eleccin,

segn su proyecto de trabajo.
La observacin participante es indicada para propsitos exploratorios, y forma parte del
proceso de familiarizacin del investigador en el estudio de la situacin. Aqu, el anlisis
de los datos es simultneo a la recoleccin de los mismos. El investigador que
determinar qu es lo que debe observar y cmo va a registrar esas observaciones.
Debe plantear su estrategia anticipadamente, as como establecer listas y registros de
observacin de manera que la observacin sea selectiva, concentrndose sta en los
detalles sustantivos.
El investigador es un observador declarado y aceptado por la comunidad. De esta
manera ste se conforma como uno ms de la comunidad y participa y observa de
todas sus actividades siempre y cuando aquellas no interfieran en la investigacin como
tal. La premisa bsica de este tipo de investigacin es la convivencia en el medio para
el conocimiento del mismo. Es una manera de investigacin en profundidad y ocupa por
lo general un tiempo prolongado.
La ventaja es que el investigador ya no es neutro en la realidad que interviene.
Por otro lado se establece de manera visible una tica de actuacin del investigador:
ello significa que el observador se atiene a las normas de la comunidad lo que equivale
tambin a reconocer y aceptar lo que le es ajeno.
La desventaja radica en que el observador confunda su rol y de pronto sea ms
importante la participacin en la realidad que la propia observacin.
A este tipo de observacin Postic la clasifica en observacin participante pasiva cuando
(segn Margaret Mead) el observador participante entra en el juego, observa, pero no
toca nada...Se toma la molestia de estudiar las costumbres de los seres humanos, con
los que se mezcla, hasta en los ms mnimos detalles, pero se esfuerza
escrupulosamente por dejarlos intactos, ya que considera la urdimbre de esta vida
como una aportacin preciosa para la ciencia.; y observacin participante activa cuando
el

observador

desempea

roles

efectivos

que

pueden

llegar

modificar

sustancialmente determinados aspectos de la vida del grupo. Es importante que el

investigador tenga en cuenta desde el principio que estas informaciones provienen del
campo representativo de la observacin y efecte controles necesarios, si quiere
establecer la correspondencia entre el campo representativo del informador y el campo
perceptivo de los comportamientos manifestados.

24

La observacin sistemtica o objetivamente estructurada es ms estructurada que la

observacin participante. Se aplica en situaciones de diagnstico y clasificacin en
base a taxonomas o tipologas ya establecidas, de manera que las categoras de
observacin ya estn codificadas, implicando la observacin sistemtica una tarea de
registro bastante menos flexible que la de la situacin en la observacin participante.
La ventaja de este tipo de observacin es que se atiende a objetivos concretos.
La desventaja es que hay demasiada instrumentalizacin para obtener datos.
La observacin objetivamente abierta: se produce cuando el investigador es un
observador ajeno a lo que investiga y por lo tanto toma distancia en su modo de
observacin.
Se realiza en medio natural y puede llegar a ser un tipo de observacin exotista . Es:
Abierta: se observa toda ocurrencia en un determinado momento y situacin sin tener
pauta estructurada. Sirve para comparar lo que se dice y lo que se hace.
Semiestructurada: en una variacin de lo anterior, se tiene una pauta ms o menos
sistemtica de lo que se quiere observar, pero se acomoda al tiempo real de los
acontecimientos.
La ventaja es que no se requiere del permiso de nadie para la realizacin de la
investigacin si es que la investigacin est definida de esta manera.
La desventaja es que existe un violentamente de una realidad por una intervencin no
autorizada. Esto lleva a que la observacin no sea necesariamente "objetiva".
Para que una observacin tenga validez cientfica no puede reducirse a un simple mirar
las cosas, ni a una corriente comprobacin de lo que sucede.
Qu garantiza que la observacin se convierta en un instrumento vlido para la
investigacin cientfica?.
Utiliza la observacin con un objetivo bien determinado dentro del proceso de
investigacin a realizar.
Necesidad de explicitar el marco terico referencial que servir para orientar la
realizacin de las observaciones sobre el terreno.
Poseer una lista de gua o control acerca de los aspectos que se pretenden investigar,
lista que debe ser abierta, pues una vez en el terreno, pueden aparecer elementos no
previstos.
Realiza el trabajo de manera sistemtica, de tal manera que los registros sean tambin
sistemticos.

25

Se requiere como actitud la comprensin para entender debidamente a las otras

personas, sentimientos, reacciones, emociones o experiencias intelectuales o religiosas
que el investigador no ha experimentado o sentido.
El observador debe incorporarse sin llamar la atencin con una manera de actuar
casual, evitando actitudes de superioridad, respetando las convenciones sociales del
grupo a trabajar.
Ya en el terreno se deben buscar algunas personas claves que sern introductores al
resto de la comunidad.
Se explicar a la gente las tareas a desarrollar.
Se deben poner las observaciones por escrito lo antes posible.
Se deben asegurar los medios de control para la validez y fiabilidad de los datos
registrados.
Funciones de la observacin segn Postic.
Para qu observar? La respuesta a esta pregunta permite distinguir cinco funciones
esenciales que pueden se prioritarias a la hora de crear o de utilizar un instrumento de
observacin. Es verdad que un mismo instrumento puede servir simultneamente para
varias funciones, pero la eleccin y la utilizacin de un determinado instrumento de
observacin, ante todo debe pensarse en relacin a una funcin prioritaria.
FUNCIN DESCRIPTIVA
La funcin descriptiva se observa para describir fenmenos o una situacin.
FUNCION FORMATIVA
En este marco se observa para retroaccionar, y se retroacciona para formar. En la
formacin de profesores se utiliza la observacin en el marco de las prcticas
profesionales.
FUNCION EVALUATIVA
En esta perspectiva nos situamos en la dinmica siguiente: se observa para evaluar, se
evala para decidir y se decide para actuar. A su vez la accin ser sometida a
evaluacin (y por consiguiente a observacin) para una nueva toma de decisiones.
FUNCION HEURISTICA
Se habla de funcin heurstica o de observacin invocada cuando la actividad est
orientada hacia la emergencia de hiptesis pertinentes que ulteriormente sern
sometidas a actividades de control.
FUNCION DE VERIFICACION

26

En este caso se hablar de observacin provocada, en el sentido de que se provoca,

busca o manipula una situacin con el fin de verificar una hiptesis.
Modalidades de observacin.
Segn los medios utilizados: estructurada (sistemtica) o no estructurada (asistemtica,
libre, simple), consiste en reconocer los hechos a partir de categoras o guas de
observacin poco estructuradas.
Segn el papel o modo de participar el observador: participante (asume uno o ms
roles en la vida de la comunidad) o no participante (ajeno a la situacin que observa).
Segn el nmero de observadores: individual o grupal.
El diario (relato escrito cotidianamente de los hechos o experiencias vividas).
El cuaderno de notas (para anotar sobre terreno todas las informaciones, datos, fuentes
de informacin, expresiones, opiniones, etc. que son de inters para el investigador).
Los cuadros de trabajo (se presentan los datos en forma de cuadros, planillas, grficos).
Los mapas (ubicacin geogrfica del rea a investigar, con datos acerca de sus lmites,
situacin topogrfica, extensin, clima, etc.; en una comunidad pequea se puede
sealar las principales instituciones, vas de comunicacin, etc.).
Dispositivos mecnicos (cmara fotogrfica, filmadora, grabador, siempre y cuando no
afecten las costumbres del lugar).
Elementos que conforman la observacin.
El sujeto observador.
El sujeto o lo que se observa.
Los medios o sentidos (vista y odo).
Los instrumentos.
El marco terico (gua de observacin).
Ventajas de la observacin.
Nos permite registrar el hecho cuando est ocurriendo, logrando ese registro con una
mayor espontaneidad.
Hace posible obtener informacin del comportamiento tal como ocurre.
Los fenmenos se pueden analizar en su totalidad.
Desventajas.
A veces es imposible predecir un suceso como para poder observarlo.
La observacin dura solamente lo que dura el proceso.
Se puede dar la "ecuacin personal" o proyeccin del observador sobre el observado.

27

Es necesario adquirir la capacidad de distinguir entre los hechos observados y la

interpretacin de esos hechos.
Influencia del observador sobre la situacin motivo de investigacin.
Existe el peligro de realizar generalizaciones no vlidas a partir de observaciones
parciales.
Qu debe ser observado?.
Lo que pasa con los particulares (quines son, qu tipo de relaciones mantienen,
cuntos son, hay personas claves, etc.).
El ambiente (qu tipo de comportamiento es facilitado, permitido, objetado, etc.).
El objetivo por el cual se han reunido los participante del grupo.
El comportamiento social.
La frecuencia y duracin de los comportamientos (cuando tuvieron lugar, son
habituales, son nicos.).

GUA PARA ELABORAR UNA TESIS

1.- Elabora un plan de trabajo. Para realizar una investigacin, es indispensable tener
una organizacin de todas las actividades que piensas seguir, esto te ayudar en la
buena administracin del recurso tiempo y le dar forma a tu proyecto. Ten en cuenta
que debes abordar bsquedas, investigaciones, prcticas y lecturas, entre otro tipo de
materiales.
2.- Plantea un anteproyecto o perfil de tesis. Este anteproyecto establecer los
parmetros de tu bsqueda, es decir, definirs el tema de investigacin y te dar una
idea de los materiales con los que debes contar y los recursos que vas a necesitar para
acceder a estos materiales. Este paso es importante porque de esta manera no te vers
sorprendido en caso de no poder acceder a la informacin solicitada.
3.- Realiza un esquema. El esquema ayuda a darle sentido y cuerpo a la investigacin.
Dentro de tu esquema, debes contemplar:

Definicin del problema

Justificacin

Definicin de terminologa tcnica

Objetivos de la investigacin

Hiptesis que plantea la tesis

Marco de referencia o marco terico

28

4.- Inicia la etapa de investigacin. Esta etapa requiere la revisin minuciosa del
material bibliogrfico. Para no caer en el problema de exceso de informacin debes
delimitar tu bsqueda en los siguientes aspectos: conceptos ligados al tema o problema
investigado, trabajos preexistentes sobre la temtica, diferentes mtodos que se han
usado para resolverlo y autores que lo han tratado.
5.- Organiza la informacin para que su manipulacin sea ms fcil. La forma de
organizacin puede ser fsica o lgica. Si hablamos de un mtodo fsico, hacemos
referencia a un archivo basado en fotocopias, manuscritos, fotografas, etc. Cuando
hablamos de un archivo lgico, nos referimos a la toma de citas o puntos claves de las
bases bibliogrficas, estas pueden ser recopiladas en medio magntico o en la
elaboracin de fichas.
6.- Empieza la redaccin. No olvides que la redaccin debe ser muy prolija, pues tu
documento se convertir en un material de investigacin para otras personas. La
coherencia en la redaccin, la claridad y buena ortografa son de mucha importancia.
A lo largo de la redaccin debes conservar el estilo, no olvides que ayuda

mucho acudir a recursos gramaticales. Es aconsejable el uso de palabras y frases

cortas.

Cuando una frase sea larga o complicada, porque la idea que refleja es larga y
complicada, debes tratar de aclararla. Ten presente que la ciencia debe ser escrita en
voz activa y de modo impersonal, por lo tanto evita juicios de valor
7.- Aplica diferentes tcnicas dentro de la estructura de la tesis. Puedes desarrollar
el tema de formas diversas, como por medio de cuadros sinpticos y mapas
conceptuales. Estos ayudan a exponer de forma ms especfica y directa los conceptos
que ests desarrollando.
8.- Elabora cada seccin de la tesis. La tesis debe estar compuesta por una serie de
divisiones dan orden y sentido al contenido de la misma. Una tesis bien expuesta y
completa debe contar con las siguientes secciones:

Portada: aqu aparece el ttulo de la tesis, la validez y el reconocimiento del

estudio, los autores del trabajo, la entidad de edicin y la fecha de impresin.

Contraportada

Dedicatorias

Agradecimientos

29

Introduccin: es donde realizas la presentacin de tu trabajo de manera formal,

expresando el objetivo de tal investigacin, las razones que te llevaron a realizarla y las
bases que la sustentan. En la introduccin puedes incluir:
Prlogo: donde preparas al lector acerca de lo que va a encontrar

cuando lea la tesis.

Objetivo: aqu manifiestas lo que pretendes con la presentacin de tu

o
tesis.

Justificacin: pones de manifiesto el por qu de la tesis y el para qu de

o
la misma.

Hiptesis: es la suposicin o idea principal que pretendes demostrar con

tu investigacin.
o

Metodologa utilizada: muestras el cmo se hizo y el con qu se hizo.

ndice: lugar donde desarrollas el contenido de la tesis, organizado por

captulos, ttulos y pginas donde se encuentran.
Captulos: aqu es donde expones, demuestras y das las conclusiones

derivadas de la experimentacin.
Conclusiones: es donde manifiestas lo ms importante de la

investigacin. Debes especificar los hallazgos y la comprobacin de la hiptesis

planteada.

Bibliografa: es la parte donde escribes todas las referencias

bibliogrficas y documentos que utilizaste para desarrollar tu tesis. Debe ser
informacin completa que contenga el nombre completo del autor, el nombre de la obra,
la casa de edicin, el pas de origen y el ao en que fue editada.

Parte complementaria: es la ltima seccin de la tesis, donde incluyes

los anexos, apndices, glosario de trminos y grficas y cuadros.

30

OBTENCIN Y ORDENAMIENTO DE DATOS

Diseo de los registros
Un registro debe recoger no slo las nuevas inscripciones, sino que debe poder indicar
que una voz concreta del registro est inactiva (por ejemplo, una empresa que haya
suspendido sus actividades) o anotar los cambios en las actividades (por ejemplo, el
aumento de la capacidad de elaboracin de una empresa). Si las licencias deben
renovarse todos los aos, los datos recopilados a partir de las licencias son
particularmente tiles, ya que los registros se actualizan de forma anual.
Los datos de los registros deben incluir tambin criterios para clasificar las unidades
pesqueras

por

estratos.

Estas

clasificaciones

se

basan

habitualmente

en

presuposiciones y en un conocimiento a priori relativo a las diferencias en las tasas de

capturas, la composicin de las especies y las especies capturadas selectivamente.
En general, los registros para la inscripcin y datos de buques son sistemas complejos
que requieren unos procedimientos administrativos bien organizados apoyados por
unos sistemas eficaces de comunicacin, almacenamiento y elaboracin de datos.
Como tales, suelen ocuparse predominantemente slo de ciertos tipos y tamaos de
unidades pesqueras, que en la mayor parte de los casos pertenecen a flotas
industriales y semiindustriales. La pesca en pequea escala y de supervivencia, que
involucra a un gran nmero de unidades pesqueras, no suele figurar en los sistemas de
registro o, si se estn matriculados, no es fcil realizar un seguimiento de la misma que
permita su validacin o actualizacin.

31

Cuestionarios
A diferencia de las entrevistas, en las que un encuestador plantea preguntas
directamente, los cuestionarios son formularios que rellenan los encuestados solos. Los
cuestionarios pueden entregarse en mano o enviarse por correo y recogerse
posteriormente o devolverse en un sobre prefranqueado. Este mtodo puede adoptarse
para toda la poblacin o para sectores escogidos.
Los cuestionarios pueden utilizarse para recopilar datos sistemticos habituales o poco
frecuentes, y datos para estudios especializados. Si bien la informacin de esta seccin
se aplica a los cuestionarios para todos estos usos, los ejemplos se refieren slo a
datos sistemticos, tanto si son habituales como poco frecuentes. Algunos de los datos
que suelen obtenerse a travs de cuestionarios son: caractersticas demogrficas, artes
de pesca, opiniones de las partes involucradas en la actividad o la ordenacin
pesquera, informacin general sobre los pescadores y presupuestos de alimentacin de
las unidades familiares.
Los cuestionarios prevn que los encuestados rellenen el formulario ellos mismos, para
lo que tambin se requiere un alto nivel de alfabetizacin. Cuando son habituales varios
idiomas, los cuestionarios deben prepararse utilizando los idiomas principales del grupo
destinatario. Debe prestarse especial atencin a estos casos para asegurar la precisin
de las traducciones.
Para maximizar los ndices de respuesta, los cuestionarios deben disearse de forma
que sean lo ms sencillos y claros posible, con secciones y preguntas dirigidas. Lo que
es ms importante, los cuestionarios deben ser tambin lo ms cortos posible. Si el
cuestionario se va a entregar a una poblacin de muestra, puede ser preferible preparar
varios cuestionarios ms pequeos y ms orientados, uno para cada submuestra. Si el
cuestionario va a utilizarse para realizar una encuesta completa, debe prestarse
especial atencin para evitar sobrecargar al encuestado. Si, por ejemplo, varios
organismos necesitan los mismo datos, deben tratar de coordinar su recopilacin para
evitar las duplicaciones.
La informacin que puede obtenerse a travs de los cuestionarios atae a
prcticamente todas las variables. Por ejemplo, la informacin acerca de las capturas o
los desembarques puede recopilarse a travs de cuestionarios dirigidos a los
pescadores, los intermediarios del mercado, los vendedores y los compradores en el
mercado, los elaboradores, etc. De igual forma, los datos socioeconmicos pueden
obtenerse tambin a travs de cuestionarios destinados a distintas fuentes. Sin

32

embargo, en todos los casos, las variables obtenidas son una opinin y no una
medicin directa, y por lo tanto pueden contener errores de bulto. Es ms fiable para
este tipo de datos la utilizacin de observaciones directas o de sistemas de
presentacin de informes.
Los cuestionarios, al igual que las entrevistas, pueden contener preguntas
estructuradas con espacios en blanco para rellenar, preguntas con opciones mltiples o
pueden incluir preguntas abiertas en las que se invita al encuestado a contestar de
forma amplia y en cierta medida elegir su propio enfoque.
Para facilitar la cumplimentacin de los formularios y la introduccin de datos en un
formato estructurado, ste debera ser preferiblemente de lectura automtica o al menos
presentar una disposicin en la que los campos de datos sean claramente identificables
y las respuestas estn previamente codificadas. En general, la escritura debera
limitarse al mximo (por ejemplo, casillas para marcar, opciones mltiples),
reservndose sta preferiblemente a los nmeros. En un formato abierto, deben
imponerse posteriormente palabras clave y otros procedimientos de estructuracin para
facilitar la introduccin en la base de datos y el anlisis, llegado el caso.
Entrevistas
En las entrevistas, la informacin se obtiene a travs de una encuesta y es registrada
por encuestadores. Las entrevistas estructuradas se llevan a cabo utilizando formularios
de encuesta, mientras que en las entrevistas abiertas se toman notas mientras se habla
con los encuestados. Las notas se estructuran (interpretan) luego para su posterior
anlisis. Las entrevistas abiertas, que deben interpretarse y analizarse incluso durante
la entrevista, deben realizarlas observadores y/o encuestadores bien formados.
Al igual que al preparar un cuestionario, es importante experimentar con formularios de
prueba diseados para las entrevistas. El mximo esfuerzo por aclarar y centrar por
parte del diseador no puede anticipar todas las posibles interpretaciones de los
encuestados. Una prueba a pequea escala antes de utilizarlos para recopilar
realmente datos asegurar unos datos mejores y evitar que se pierda tiempo y dinero.
Aunque las entrevistas estructuradas pueden utilizarse para obtener casi cualquier
informacin, al igual que en los cuestionarios, la informacin se basa en una opinin
personal. Los datos basados en variables como las capturas o el esfuerzo son
potencialmente objeto de errores de bulto, debido a clculos errneos o a errores
intencionados en la informacin delicada.

33

Entrevistas abiertas
Las entrevistas abiertas cubren una serie de actividades de recopilacin de datos que
incluyen varios mtodos de investigacin de las ciencias sociales.
Los grupos de muestra son pequeos (5-15 personas) y estn compuestos por
miembros representativos de un grupo cuyas apreciaciones, prcticas u opiniones se
estn buscando. Al hacer las preguntas iniciales y estructurar el examen posterior, el
facilitador/entrevistador puede obtener, por ejemplo, informacin sobre prcticas de uso
de artes comunes, respuestas a las normativas de ordenacin u opiniones sobre la
pesca.
Las encuestas de grupo comportan la seleccin aleatoria de un reducido nmero de
personas que representan a un grupo y que se prestan a estar disponibles durante un
perodo de tiempo prolongado, a menudo de uno a tres aos. Durante ese perodo,
sirven como muestra aleatoria estratificada de personas de las que pueden extraerse
datos sobre una serie de temas.
Entrevistas estructuradas
En general, las entrevistas estructuradas se llevan a cabo con un formulario bien
diseado previamente establecido. Se diferencian de los cuestionarios en que son los
investigadores quienes rellenan los formularios en lugar de los encuestados. Aunque
esta solucin resulta ms costosa, pueden hacerse preguntas ms complejas y los
datos pueden validarse en el momento de recopilarlos, mejorando as la calidad de los
mismos. Las entrevistas pueden llevarse a cabo con varias fuentes de datos (desde los
pescadores a los consumidores), y a travs de medios alternativos, como por telfono o
en persona.

Observaciones directas
Observadores
Los observadores pueden realizar mediciones directas en las embarcaciones
pesqueras, en los puntos de desembarque, en las instalaciones de elaboracin o en los
mercados. Las variables que los encuestadores pueden recopilar incluyen las capturas
(desembarques y descartes), el esfuerzo, los buques/artes, las actividades, variables

34

medioambientales (por ejemplo, estado de la mar, temperatura), variables biolgicas

(como talla, peso, edad), los valores y las cantidades desembarcadas y las ventas.
En la prctica, los observadores no slo realizan mediciones directas (observaciones),
sino que tambin llevan a cabo entrevistas y encuestas por medio de cuestionarios.
Tambin pueden participar en la elaboracin y el anlisis de datos. Las tareas de un
observador son difciles y por tanto fundamentales para una formacin y una
supervisin adecuadas.
Deben tomarse decisiones claras acerca de la naturaleza y el alcance de los datos
recopilados durante cualquier salida. A menudo, la cantidad de datos y la frecuencia de
la recopilacin pueden establecerse analticamente con datos preliminares.
Preferiblemente, los observadores slo deben recopilar datos, no llevar a cabo otras
actividades, como la aplicacin de las medidas, la concesin de licencias o la
recaudacin de impuestos. Esto debe ayudar a minimizar el margen de error al reducir
los incentivos para mentir. Los problemas en trminos de conflictos entre la recopilacin
de datos y la aplicacin de la ley, por ejemplo, pueden reducirse mediante una
delimitacin clara, separando las actividades por localizacin o por tiempo. Esto se
convierte en una necesidad para los observadores en mar abierto. Su posicin en los
buques pesqueros y las tareas que llevan a cabo dependen en gran medida de una
buena relacin de trabajo con el capitn y la tripulacin, que puede malograrse si son
vistos como personal encargado de la observancia.
Inspectores
Los inspectores son una especie de encuestadores que participan en la aplicacin de la
ley y la vigilancia (en relacin con reglamentos pesqueros, inspecciones sanitarias,
control laboral, etc.). Pueden trabajar en mar abierto en buques de vigilancia, en los
puntos de desembarque en tierra, en las plantas de elaboracin y en los mercados. En
general, los datos cientficos pueden recopilarse mejor mediante encuestadores que no
participen directamente en la aplicacin de la ley. No obstante, muchas de las variables
recopiladas por los inspectores son muy tiles, e incluyen informacin sobre los
desembarques, las actividades, el esfuerzo, los precios del desembarque, el
procedimiento de elaboracin y el precio del producto en el mercado y para los
elaboradores. Los inspectores son tambin tiles a la hora de recopilar datos sobre
empleo.

35

Investigacin cientfica
Los mtodos de investigacin ecolgica pueden llevarse a cabo de manera
independiente de las actividades pesqueras comerciales para medir variables relativas
a la poblacin de peces o el medio ambiente. Este tipo de investigacin puede correr a
cargo de embarcaciones de investigacin institucionales, o por parte del sector o de
instituciones mediante buques pesqueros comerciales. El objetivo es obtener
observaciones sobre variables biolgicas (por ejemplo, abundancia de poblaciones o
distribucin espacial y tamao de los peces, madurez y actividades de desove) y
medioambientales (por ejemplo, salinidad y temperatura). Es importante que este tipo
de investigaciones se lleven a cabo peridicamente para obtener series cronolgicas de
datos.
Del mismo modo, los mtodos de investigacin sociocultural pueden utilizarse para
obtener informacin especfica til con fines de ordenacin. Aunque estos mtodos no
puedan considerarse con frecuencia como rutinarios, ofrecen datos importantes y
deberan tenerse en cuenta en las recopilaciones de datos poco frecuentes, cuando
esto sea posible.
Los informadores selectos son personas con conocimientos especializados en un
tema concreto. Pueden incluir a especialistas acadmicos, lderes de la comunidad o
pescadores de especial cualificacin. Las entrevistas suelen comenzar con un conjunto
de preguntas bsicas, pero el entrevistador espera obtener informacin nueva y quizs
imprevista pidiendo al informador clave que ample sus respuestas a dichas preguntas
iniciales. Este mtodo es ideal para obtener datos descriptivos en profundidad sobre las
convicciones y las prcticas, incluidas las prcticas histricas.
La observacin por participacin es una tcnica en la que el investigador dedica un
amplio perodo de tiempo (puede ir desde semanas hasta aos, dependiendo del
objetivo y del contexto) viviendo con una comunidad objetivo, observando su
comportamiento y participando en sus prcticas. Durante este tiempo, el investigador
llevar a cabo entrevistas oficiales y oficiosas abiertas acerca de diversos temas. Este
es un buen mtodo para aprender acerca de los procesos reales de toma de
decisiones, frente a los procedimientos oficiales. Las normas culturales e institucionales
apenas se siguen al pie de la letra, y suelen existir normas oficiosas para una libertad
de accin aceptable. Sin embargo, suele ocurrir que la informacin acerca de estas
normas slo pueda obtenerse a travs de la observacin por participacin.

36

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN

En el caso de las variables con valores que pueden definirse en trminos de alguna
escala de medida de igual intervalo, puede usarse un tipo de indicador que permite
apreciar el grado de dispersin o variabilidad existente en el grupo de variantes
en estudio.
A estos indicadores les llamamos medidas de dispersin, por cuanto que estn
referidos a lavariabilidad que exhiben los valores de las observaciones, ya que si no
hubiere variabilidad o dispersin en los datos inters, entonces no habra necesidad de
la gran mayora de las medidas de la Estadstica descriptiva.
Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un
valor representativo, las medidas de dispersin nos dicen hasta que punto estas
medidas de tendencia central son representativas como sntesis de la informacin. Las
medidas de dispersin cuantifican la separacin, la dispersin, la variabilidad de los
valores de la distribucin respecto al valor central. Distinguimos entre medidas de
dispersin absolutas, que no son comparables entre diferentes muestras y las relativas
que nos permitirn comparar varias muestras.
LA DISPERSIN.
Al igual que sucede con cualquier conjunto de datos, la media, la mediana y la moda
slo nos revelan una parte de la informacin que necesitamos acerca de las
caractersticas de los datos. Para aumentar nuestro entendimiento del patrn de los
datos, debemos medir tambin su dispersin, extensin o variabilidad.
La dispersin es importante porque:

Proporciona informacin adicional que permite juzgar la confiabilidad de la

medida de tendencia central. Si los datos se encuentran ampliamente dispersos, la
posicin central es menos representativa de los datos.

37

Ya que existen problemas caractersticos para datos ampliamente dispersos,

debemos ser capaces de distinguir que presentan esa dispersin antes de abordar
esosproblemas.

Quiz se desee comparar las dispersiones de diferentes muestras. Si no se

desea tener una amplia dispersin de valores con respecto al centro de distribucin o
esto presenta riesgos inaceptables, necesitamos tener habilidad de reconocerlo y evitar
escoger distribuciones que tengan las dispersiones ms grandes.
Pero si hay dispersin en la mayora de los datos, y debemos estar en capacidad de
describirla. Ya que la dispersin ocurre frecuentemente y su grado de variabilidad es
importante, cmo medimos la variabilidad de una distribucin emprica?. Vamos a
considerar slo algunas medidas de dispersin absolutas: el rango, la varianza, la
desviacin estndar y el coeficiente de variacin.
El conocimiento de la forma de la distribucin y del respectivo promedio de una
coleccin de valores de una variable, puede servir para tener una idea bastante clara de
la conformacin, pero no de de la homogeneidad de cada una de los valores con
respecto a la medida detendencia central aplicada.
En el caso de las variables con valores que pueden definirse en trminos de alguna
escala de medida de igual intervalo, puede usarse un tipo de indicador que permite
apreciar el grado de dispersin o variabilidad existente en el grupo de variantes
en estudio.
A estos indicadores les llamamos medidas de dispersin, por cuanto que estn
referidos a lavariabilidad que exhiben los valores de las observaciones, ya que si no
hubiere variabilidad o dispersin en los datos inters, entonces no habra necesidad de
la gran mayora de las medidas de la Estadstica descriptiva.
Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un
valor representativo, las medidas de dispersin nos dicen hasta que punto estas
medidas de tendencia central son representativas como sntesis de la informacin. Las
medidas de dispersin cuantifican la separacin, la dispersin, la variabilidad de los
valores de la distribucin respecto al valor central. Distinguimos entre medidas de
dispersin absolutas, que no son comparables entre diferentes muestras y las relativas
que nos permitirn comparar varias muestras.

38

LA DISPERSIN.
Al igual que sucede con cualquier conjunto de datos, la media, la mediana y la moda
slo nos revelan una parte de la informacin que necesitamos acerca de las
caractersticas de los datos. Para aumentar nuestro entendimiento del patrn de los
datos, debemos medir tambin su dispersin, extensin o variabilidad.
La dispersin es importante porque:

Proporciona informacin adicional que permite juzgar la confiabilidad de la

medida de tendencia central. Si los datos se encuentran ampliamente dispersos, la
posicin central es menos representativa de los datos.

Ya que existen problemas caractersticos para datos ampliamente dispersos,

debemos ser capaces de distinguir que presentan esa dispersin antes de abordar
esos problemas.

Quiz se desee comparar las dispersiones de diferentes muestras. Si no se

desea tener una amplia dispersin de valores con respecto al centro de distribucin o
esto presenta riesgos inaceptables, necesitamos tener habilidad de reconocerlo y evitar
escoger distribuciones que tengan las dispersiones ms grandes.
Pero si hay dispersin en la mayora de los datos, y debemos estar en capacidad de
describirla. Ya que la dispersin ocurre frecuentemente y su grado de variabilidad es
importante, cmo medimos la variabilidad de una distribucin emprica?. Vamos a
considerar slo algunas medidas de dispersin absolutas: el rango, la varianza, la
desviacin estndar y el coeficiente de variacin.
MEDIDAS DE TENDENCIA CENTRAL
MEDIA: Media Aritmtica, es la que se obtiene sumando los datos y dividindolos por
el nmero de ellos. Se aplica por ejemplo para resumir el nmero de pacientes
promedio que se atiende en un turno. Otro ejemplo, es el nmero promedio de
controles

prenatales

que

tiene

una

gestante.

MEDIANA: Corresponde al percentil 50%. Es decir, la mediana divide a la poblacin

exactamente en dos. Por ejemplo el nmero mediana de hijos en el centro de salud
X es dos hijos. Otro ejemplo es el nmero mediana de atenciones por paciente en un

39

consultorio.
MODA: Valor o (valores) que aparece(n) con mayor frecuencia. Una distribucin
unimodal tiene una sola moda y una distribucin bimodal tiene dos. til como medida
resumen para las variables nominales. Por ejemplo, el color del uniforme quirrgico en
sala de operaciones es el verde; por lo tanto es la moda en colores del uniforme
quirrgico.

MEDIDAS DE DISPERSIN
DESVIACIN ESTNDAR: Llamada tambin desviacin tpica; es una medida que
informa sobre la media de distancias que tienen los datos respecto de su
media Aritmtica,

expresada

en

las

mismas

unidades

que

la

variable.

LA VARIANZA: Es el valor de la desviacin estndar al cuadrado; su utilidad radica en

que

su

valor

es

requerido

para

todos

los

procedimientos

estadstico.

ERROR TPICO: Llamado tambin error estndar de la media. Se refiere a una

medida d variabilidad de la media; sirve para calcular cuan dispersa estara la media
de realizar un nuevo clculo.

PROBABILIDAD
La probabilidad mide la mayor o menor posibilidad de que se d un determinado
resultado (suceso o evento) cuando se realiza un experimento aleatorio.
Para calcular la probabilidad de un evento se toma en cuenta todos los casos posibles
de ocurrencia del mismo; es decir, de cuntas formas puede ocurrir determinada
situacin.
Los casos favorables de ocurrencia de un evento sern los que cumplan con la
condicin que estamos buscando.
La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento, entre 0% y
100%):

40

El valor cero corresponde al suceso imposible; ejemplo: lanzamos un dado al aire y la

probabilidad de que salga el nmero 7 es cero.
El valor uno corresponde al suceso seguro, ejemplo: lanzamos un dado al aire y la
probabilidad de que salga cualquier nmero del 1 al 6 es igual a uno (100%).
El resto de sucesos tendr probabilidades entre cero y uno: que ser tanto mayor
cuanto ms probable sea que dicho suceso tenga lugar.
Mtodos de medicin de Probabilidad
Uno de los mtodos ms utilizados es aplicando la Regla de Laplace: define la
probabilidad de un suceso como el cociente entre casos favorables y casos posibles.

Ejemplos:
a) Probabilidad de que al lanzar un dado salga el nmero 2: el caso favorable (f) es tan
slo uno (que salga el dos), mientras que los casos posibles (n) son seis (puede salir
cualquier nmero del uno al seis).
Por lo tanto:

(o lo que es lo mismo, 16,6%)

b) Probabilidad de que al lanzar un dado salga un nmero par: en este caso los casos
favorables (f) son tres (que salga el dos, el cuatro o el seis), mientras que los casos
posibles (n) siguen siendo seis.
Por lo tanto:

(o lo que es lo mismo, 50%)

c) Probabilidad de que al lanzar un dado salga un nmero menor que 5: en este caso
tenemos cuatro casos favorables (f) (que salga el uno, el dos, el tres o el cuatro), frente
a los seis casos posibles.

41

Por

lo

tanto:

(o lo que es lo mismo, 66,6%)

d) Probabilidad de ganarse el premio mayor de una lotera en la que juegan 100.000
nmerosnos: tan slo un caso favorable (f), el nmero que jugamos, frente a los
100.000 casos posibles (n).
Por lo tanto:

(o lo que es lo mismo, 0,001%)

d) Probabilidad al lanzar una moneda, con un guila en una cara y un sol en la otra.
Hay dos casos posibles (n) de ocurrencia (o cae guila o cae sol) y slo un caso
favorable (f) de que pueda caer guila (pues slo hay un guila en la moneda).
Por lo tanto:

(o,

lo

que

es

lo

mismo,

50

%)

Existe una probabilidad del 50% de obtener un guila al tirar una moneda.
e) Probabilidad de elegir tal o cual fruta. Si en una canasta hay 20 peras y 10
manzanas. Qu fruta es ms probable que saque al azar de la canasta?
Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es decir los casos
posibles (n). Para calcular la probabilidad de sacar una manzana los casos favorables
(f) son 10 puesto que existen slo 10 manzanas.
Por lo tanto:

(o, lo que es lo mismo, 33,3 %)

(o, lo que es lo mismo, 66,7 %)

42

Fjate bien que 33,3% + 66,7% es igual al 100% porque siempre que saquemos algo de
la canasta es seguro que ser una fruta.
Condiciones importantes
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos
requisitos:
a) El nmero de resultados posibles (sucesos o eventos) tiene que ser finito. Si hubiera
infinitos resultados, al aplicar la regla "casos favorables dividido por casos posibles" el
cociente siempre sera cero.
b) Todos los sucesos o eventos tienen que tener la misma probabilidad. Si al lanzar un
dado, algunas caras tuvieran mayor probabilidad de salir que otras, no podramos
aplicar esta regla.
A la regla de Laplace tambin se le denomina "probabilidad a priori", ya que para
aplicarla hay que conocer antes de realizar el experimento cuales son los posibles
resultados y saber que todos tienen las mismas probabilidades.
Cuando se realiza un experimento aleatorio un nmero muy elevado de veces, las
probabilidades de los diversos posibles sucesos empiezan a converger hacia valores
determinados, que son sus respectivas probabilidades.
Ejemplo:
si lanzo una vez una moneda al aire y sale "cara", quiere decir que el suceso "cara" ha
aparecido el 100% de las veces y el suceso "cruz" el 0%.
Si lanzo diez veces la moneda al aire, es posible que el suceso "cara" salga 7 veces y el
suceso "cruz" las 3 restantes. En este caso, la probabilidad del suceso "cara" ya no
sera del 100%, sino que se habra reducido al 70%.
Si repito este experimento un nmero elevado de veces, lo normal es que las
probabilidades de los sucesos "cara" y "cruz" se vayan aproximando al 50% cada una.
Este 50% ser la probabilidad de estos sucesos segn el modelo frecuentista.

43

VARIABLE ALEATORIA
Una variable aleatoria o variable estocstica es una funcin que asigna un valor,
usualmente numrico, al resultado de un experimento aleatorio. Por ejemplo, los
posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc. o un nmero real (p.e.,
la temperatura mxima medida a lo largo del da en una ciudad concreta).
Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento an no realizado, o los posibles valores de una cantidad
cuyo valor actualmente existente es incierto (p.e., como resultado de medicin
incompleta o imprecisa). Intuitivamente, una variable aleatoria puede tomarse como una
cantidad cuyo valor no es fijo pero puede tomar diferentes valores; una distribucin de
probabilidad se usa para describir la probabilidad de que se den los diferentes valores.
En trminos formales una variable aleatoria es una funcin definida sobre un espacio de
probabilidad.
Las variables aleatorias suelen tomar valores reales, pero se pueden considerar valores
aleatorios como valores lgicos, funciones o cualquier tipo de elementos (de un espacio
medible). El trmino elemento aleatorio se utiliza para englobar todo ese tipo de
conceptos relacionados. Un concepto relacionado es el de proceso estocstico, un
conjunto de variables aleatorias ordenadas (habitualmente por orden o tiempo).
Definicin de variable aleatoria
Concepto intuitivo
Una variable aleatoria puede concebirse como un valor numrico que est afectado por
el azar. Dada una variable aleatoria no es posible conocer con certeza el valor que
tomar est al ser medida o determinada, aunque s se conoce que existe
una distribucin de probabilidad asociada al conjunto de valores posibles. Por ejemplo,
en una epidemia de clera, se sabe que una persona cualquiera puede enfermar o no
(suceso), pero no se sabe cul de los dos sucesos va a ocurrir. Solamente se puede
decir que existe una probabilidad de que la persona enferme.
Para trabajar de manera slida con variables aleatorias en general es necesario
considerar un gran nmero de experimentos aleatorios, para su tratamiento estadstico,
cuantificar los resultados de modo que se asigne un nmero real a cada uno de
los resultados posibles del experimento. De este modo se establece una relacin
funcional entre elementos del espacio muestral asociado al experimento y nmeros
reales.

44

Definicin formal
Una variable aleatoria (v.a.) X es una funcin real definida en el espacio de
probabilidad, asociado a un experimento aleatorio.
La definicin formal anterior involucra conceptos matemticos sofisticados procedentes
de la teora de la medida, concretamente la nocin -lgebra o la de medida de
probabilidad
Caracterizacin de variables aleatorias
Tipos de variables aleatorias
Para comprender de una manera ms amplia y rigurosa los tipos de variables, es
necesario conocer la definicin de conjunto discreto. Un conjunto es discreto si est
formado por un nmero finito de elementos, o si sus elementos se pueden enumerar en
secuencia de modo que haya un primer elemento, un segundo elemento, un tercer
elemento, y as sucesivamente (es decir, un conjunto infinito numerable sin puntos de
acumulacin). Para variables con valores en las variables aleatorias se clasifican
usualmente en:

Variable aleatoria discreta: una v.a. es discreta si su recorrido es un conjunto

discreto. La variable del ejemplo anterior es discreta. Sus probabilidades se
recogen en la funcin de cuanta. (Vanse las distribuciones de variable
discreta).

Variable aleatoria continua: una v.a. es continua si su recorrido es un conjunto

no numerable. Intuitivamente esto significa que el conjunto de posibles valores
de la variable abarca todo un intervalo de nmeros reales. Por ejemplo, la
variable que asigna la estatura a una persona extrada de una determinada
poblacin es una variable continua ya que, tericamente, todo valor entre,
pongamos por caso, 0 y 2,50 m, es posible. Distribucin de probabilidad de una
variable aleatoria

Funcin de densidad de una v.a. continua

La funcin de densidad de probabilidad (FDP) o, simplemente, funcin de densidad,
representada comnmente como f(x), se utiliza con el propsito de conocer cmo se
distribuyen las probabilidades de un suceso o evento, en relacin al resultado del
suceso.

45

La FDP es la derivada (ordinaria o en el sentido de las distribuciones) de la funcin

de distribucin de probabilidad F(x), o de manera inversa, la funcin de distribucin es
la integral de la funcin de densidad:
Parmetros relacionados con una variable aleatoria
La funcin de densidad o la distribucin de probabilidad de una variable aleatoria (v.a.)
contiene exhaustivamente toda la informacin sobre la variable. Sin embargo, resulta
conveniente resumir sus caractersticas principales con unos cuantos valores
numricos. Entre estos estn la esperanza y la varianza (aunque para caracterizar
completamente la distribucin de probabilidad se necesitan parmetros estadsticos
adicionales).
Esperanza
La esperanza matemtica (o simplemente esperanza) o valor esperado de una v.a.
es la suma del producto de la probabilidad de cada suceso por el valor de dicho suceso.
Si todos los sucesos son de igual probabilidad la esperanza es la media aritmtica.
Momentos de orden superior
Dada una distribucin de probabilidad continua el conjunto de sus momentos
caracteriza completamente la distribucin. Dos de estos momentos ya han aparecido, el
valor esperado coincide con el momento de primer orden, mientras que la varianza
puede expresarse como una combinacin del momento de segundo orden y el
cuadrado del momento de primer orden. En general, el momento de orden n de una
variable aleatoria real con densidad de probabilidad definida casi en todas partes.

DISTRIBUCIONES DE PROBABILIDAD
Definicin

46

Una distribucin de probabilidad indica toda la gama de valores que pueden

representarse como resultado de un experimento si ste se llevase a cabo.
Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye
una herramienta fundamental para la prospectiva, puesto que se puede disear un
escenario de acontecimientos futuros considerando las tendencias actuales de diversos
fenmenos naturales.
Toda distribucin de probabilidad es generada por una variable (porque puede tomar
diferentes valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede
ser de dos tipos:
1. Variable aleatoria discreta (x). Porque solo puede tomar valores enteros y un
nmero finito de ellos. Por ejemplo:
x Variable que define el nmero de alumnos aprobados en la materia de
probabilidad en un grupo de 40 alumnos (1, 2 ,3 los 40).
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)
a) 0p(xi)1
Las probabilidades asociadas a cada uno de los
valores que toma x deben ser mayores o iguales a cero y
menores o iguales a 1.
a) Sp(xi) = 1 La sumatoria de las probabilidades asociadas a cada
uno de los valores que toma x debe ser igual a 1.
Ejemplo para variable aleatoria discreta
Se tiene una moneda que al lanzarla puede dar slo dos resultados: o cara (50%),
o cruz (50%).
La siguiente tabla muestra los posibles resultados de lanzar dos veces una
moneda:

PROBABILIDAD
DE
LOS
4
RESULTADOS
POSIBLES

PRIMER
LANZAMIENTO

SEGUNDO
LANZAMIENTO

NUMERO DE CARAS
EN
2
LANZAMIENTOS

CARA

CARA

0.5 X 0.5 = 0.25

CARA

CRUZ

0.5 X 0.5 = 0.25

CRUZ

CARA

0.5 X 0.5 = 0.25

CRUZ

CRUZ

0.5 X 0.5 = 0.25

47

Al realizar la tabla de distribucin del nmero posible de caras que resulta de

lanzar una moneda dos veces, se obtiene:

NMERO
CARAS

DE

LANZAMIENTOS

PROBABILIDAD
ESTE RESULTADO

DE

P(CARA)

(CRUZ, CRUZ)

0.25

(CARA, CRUZ)
1

0.50

(CRUZ, CARA)
2

(CARA, CARA)

0.25

NOTA: Esta tabla no representa el resultado real de lanzar una moneda dos
veces sino la del resultado terico es decir representa la forma en que se espera
se comporte el experimento de lanzar dos veces una moneda.
2. Variable aleatoria continua (x). Porque puede tomar tanto valores enteros como
fraccionarios y un nmero infinito de ellos dentro de un mismo intervalo.
Por ejemplo:

x Variable que define la concentracin en gramos de plata de algunas

muestras de mineral (14.8 gr., 12.1, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, , )
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(x)0 Las probabilidades asociadas a cada uno de los

valores que toma x deben ser mayores o iguales a cero.
Dicho de otra forma, la funcin de densidad de
probabilidad deber tomar solo valores mayores o
iguales a cero.
El rea definida bajo la funcin de densidad de
probabilidad deber ser de 1.

DISTRIBUCIONES DE PROBABILIDAD DE LAS VARIABLES ALEATORIAS

48

(LAS MAS UTILIZADAS)

Distribucin Binomial
Distribucin de Poisson
Distribucin Normal

DISTRIBUCIN BINOMIAL
La distribucin Binomial es un caso particular de probabilidad de variable aleatoria
discreta, y por sus aplicaciones, es posiblemente la ms importante.
Esta distribucin corresponde a la realizacin de un experimento aleatorio que cumple
con las siguientes condiciones:
* Al realizar el experimento slo son posible dos resultados: el suceso A,
llamado xito, o su contrario A, llamado fracaso.
* Al repetir el experimento, el resultado obtenido es independiente de los
resultados obtenidos anteriormente.
* La probabilidad del suceso A es constante, es decir, no vara de una prueba
del experimento a otra. Si llamamos p a la probabilidad de A, p(A) = P, entonces p(A) =
1p=q
* En cada experimento se realizan n pruebas idnticas.
Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la
distribucin Binomial o distribucin de Bernoulli.
En general, si se tienen n ensayos Bernoulli con probabilidad de xito p y de fracaso q,
entonces la distribucin de probabilidad que la modela es la distribucin de
probabilidad binomial y su regla de correspondencia es:

n!
pX qn - X
P(X=x) =
x!(n x)!

Como el clculo de estas probabilidades puede resultar algo tedioso se han construido
tablas para algunos valores de n y p que facilitan el trabajo.

49

Calculo de la distribucin de probabilidad binomial por tres mtodos:

a) Utilizacin de la frmula

n!

pX qn - X
P(X=x) =
x!(n x)!

b) Utilizacin de las tablas binomiales

Por ejemplo:

Cul es la probabilidad de obtener exactamente 2 caras al lanzar una misma moneda

6 veces ?

Donde:

P(X) es la probabilidad de ocurrencia del evento

p es la probabilidad de xito del evento (en un intento) (0.5)
q es la probabilidad de fracaso del evento (en un intento) y se define como
q = 1 p (0.50)

X = ocurrencia del evento o xitos deseados = 2 (para efectos de la tabla

binomial tmese como r)
n = nmero de intentos = 6
b) Clculo de la distribucin de probabilidad binomial utilizando la frmula

Al sustituir los valores en la frmula se obtiene:

50

Resolviendo:

b) Clculo de la distribucin de probabilidad binomial utilizando las tablas

binomiales.

Para una combinacin de n y p, la entrada indica una probabilidad de obtener

un valor especfico de r (ocurrencia del evento).
Para localizar la entrada, cuando p0.50, localizar el valor de p a lo largo
del encabezado de la tabla, y en la columna correspondiente localizar n
y r en el margen izquierdo.
Para localizar la entrada, cuando p0.50, localizar el valor de p en la
parte inferior de la tabla, y n y r arriba, en el margen derecho.

51

Tabla Binomial

Resolviendo el mismo ejemplo pero utilizando las tablas binomiales se tiene que:
p = 0.50, n = 6 y r = 2
Obteniendo resultado directo de tablas

NOTA: Para este caso en particular donde p = 0.50 se puede obtener el resultado de las
tablas trabajando como si p0.50 (encerrado en azul) o como si p0.50 (encerrado en
rojo)

DISTRIBUCIN DE POISSON
La distribucin de POISSON es tambin un caso particular de probabilidad de variable
aleatoria discreta, el cual debe su nombre a Simon Denis Poisson (1781-1840), un

52

francs que la desarroll a partir de los estudios que realiz durante la ltima etapa de
su vida.
Esta distribucin se utiliza para describir ciertos procesos.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea,
tiempo, pieza, etc:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- # de bacterias por c m2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o
producto, la frmula a utilizar es:

donde:
p(X) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia
de ellos es l.
l = media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718 (base de logaritmo neperiano o natural)
X = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por
unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo
es independiente de otro intervalo dado, as como cada rea es independiente de otra
rea dada y cada producto es independiente de otro producto dado.
Clculo de la distribucin de probabilidad de Poisson por dos mtodos:
a) Utilizacin de la frmula
b) Utilizacin de las tablas de Poisson

53

Por ejemplo:
Si un banco recibe en promedio (l=) 6 cheques sin fondo por da, cules son las
probabilidades de que reciba:
a) cuatro cheques sin fondo en un da dado (x),
b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
(e= 2.718281828)
c) Clculo de la distribucin de probabilidad de Poisson utilizando las tablas de
Poisson
Valores directos para determinar probabilidades de Poisson.
Para un valor dado de , la entrada indica la probabilidad de obtener un valor
especfico de X
Para el mismo ejemplo, resolviendo para:

a) Cul es la probabilidad de que el banco reciba cuatro cheques sin fondo en un da

dado?

Se tiene x = 4; l = 6 cheques sin fondo por da; obteniendo resultado directo de tablas :

54

Para el mismo ejemplo, resolviendo para:

b) Cul es la probabilidad de que el banco reciba diez cheques sin fondo en dos das
consecutivos?
Se tiene X=10; l= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos
das consecutivos, obteniendo resultado directo de tablas :

55

DISTRIBUCIN NORMAL
La distribucin normal es tambin un caso particular de probabilidad de variable
aleatoria contnua, fue reconocida por primera vez por el francs Abraham de Moivre
(1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elabor desarrollos
ms profundos y formul la ecuacin de la curva; de ah que tambin se le conozca,
ms comnmente, como la "campana de Gauss". La distribucin de una variable
normal est completamente determinada por dos parmetros, su media () y su
desviacin estndar (). Con esta notacin, la densidad de la normal viene dada por la
ecuacin:

que determina la curva en forma de campana que tan bien conocemos

Existen dos razones bsicas por las cuales la distribucin normal ocupa un lugar tan
prominente en la estadstica:

Tiene algunas propiedades que la hacen aplicable a un gran nmero de

situaciones en la que es necesario hacer inferencias mediante la toma
de muestras.
La distribucin normal casi se ajusta a las distribuciones de frecuencias
reales observadas en muchos fenmenos, incluyendo caractersticas
humanas, resultados de procesos fsicos y muchas otras medidas de
inters para los administradores, tanto en el sector pblico como en el
privado.

Propiedad:
No importa cules sean los valores de y para una distribucin de probabilidad
normal, el rea total bajo la curva siempre es 1, de manera que podemos pensar en
reas bajo la curva como si fueran probabilidades. Matemticamente es verdad que:
1. Aproximadamente el 68% de todos los valores de una poblacin normalmente
distribuida se encuentra dentro de 1 desviacin estndar de la media.
2. Aproximadamente el 95.5% de todos los valores de una poblacin normalmente
distribuida se encuentra dentro de 2 desviaciones estndar de la media.
3. Aproximadamente el 99.7% de todos los valores de una poblacin normalmente
distribuida se encuentra dentro de 3 desviaciones estndar de la media.

56

Relacin entre el rea bajo la curva de distribucin normal de probabilidad y la distancia

a la media medida en desviaciones estndar.
Estas grficas muestran tres formas diferentes de medir el rea bajo la curva normal.
Sin embargo, muy pocas de las aplicaciones de la distribucin normal de probabilidad
implican intervalos de exactamente (ms o menos) 1, 2 3 desviaciones estndar a
partir de la media. Para estos casos existen tablas estadsticas que indican porciones
del rea bajo la curva normal que estn contenidas dentro de cualquier nmero de
desviaciones estndar (ms o menos) a partir de la media.
Afortunadamente tambin se puede utilizar una distribucin de probabilidad normal
estndar para encontrar reas bajo cualquier curva normal. Con esta tabla se
determina el rea o la probabilidad de que la variable aleatoria distribuida normalmente

57

est dentro de ciertas distancias a partir de la media. Estas distancias estn definidas
en trminos de desviaciones estndar.
Para cualquier distribucin normal de probabilidad, todos los intervalos que contienen el
mismo nmero de desviaciones estndar a partir de la media contendrn la misma
fraccin del rea total bajo la curva para cualquier distribucin de probabilidad normal.
Esto hace que sea posible usar solamente una tabla de la distribucin de probabilidad
normal estndar.
El valor de z est derivado de la frmula:

En la que:

x = valor de la variable aleatoria de inters.

= media de la distribucin de la variable aleatoria.
= desviacin estndar de la distribucin.
z = nmero de desviaciones estndar que hay desde x a la media de la
distribucin. (El uso de z es solamente un cambio de escala de medicin del
eje horizontal)

Distribucin normal que ilustra la comparacin de los valores de z y las

desviaciones estndar.

58

INFERENCIA ESTADSTICA
La inferencia estadstica es el conjunto de mtodos y tcnicas que permiten inducir, a
partir de la informacin emprica proporcionada por una muestra, cual es el
comportamiento de una determinada poblacin con un riesgo de error medible en
trminos de probabilidad.
Los mtodos paramtricos de la inferencia estadstica se pueden dividir, bsicamente,
en dos: mtodos de estimacin de parmetros y mtodos de contraste de hiptesis.
Ambos mtodos se basan en el conocimiento terico de la distribucin de probabilidad
del estadstico muestral que se utiliza como estimador de un parmetro.
La estimacin de parmetros consiste en asignar un valor concreto al parmetro o
parmetros que caracterizan la distribucin de probabilidad de la poblacin. Cuando se
estima un parmetro poblacional, aunque el estimador que se utiliza posea todas las
propiedades deseables, se comete un error de estimacin que es la diferencia entre la
estimacin y el verdadero valor del parmetro. El error de estimacin es desconocido
por lo cual es imposible saber en cada caso cual ha sido la magnitud o el signo del
error; para valorar el grado de precisin asociado con una estimacin puntual se parte
de dicha estimacin para construir un intervalo de confianza. En sntesis, un intervalo
de confianza est formado por un conjunto de valores numricos tal que la probabilidad
de que ste contenga al verdadero valor del parmetro puede fijarse tan grande como
se quiera. Esta probabilidad se denomina grado de confianza del intervalo, y la amplitud
de ste constituye una medida del grado de precisin con el que se estima el
parmetro.
Los mtodos de contraste de hiptesis tienen como objetivo comprobar si determinado
supuesto referido a un parmetro poblacional, o a parmetros anlogos de dos o ms
poblaciones, es compatible con la evidencia emprica contenida en la muestra. Los
supuestos que se establecen respecto a los parmetros se llaman hiptesis
paramtricas. Para cualquier hiptesis paramtrica, el contraste se basa en establecer
un criterio de decisin, que depende en cada caso de la naturaleza de la poblacin, de
la distribucin de probabilidad del estimador de dicho parmetro y del control que se
desea fijar a priori sobre la probabilidad de rechazar la hiptesis contrastada en el caso
de ser sta cierta.

59

En todo contraste intervienen dos hiptesis. La hiptesis nula (Ho) es aquella que
recoge el supuesto de que el parmetro toma un valor determinado y es la que soporta
la carga de la prueba. La decisin de rechazar la hiptesis nula, que en principio se
considera cierta, est en funcin de que sea o no compatible con la evidencia emprica
contenida en la muestra. El contraste clsico permite controlar a priori la probabilidad de
cometer el error de rechazar la hiptesis nula siendo sta cierta; dicha probabilidad se
llama nivel de significacin del contraste (

) y suele fijarse en el 1%, 5% o 10%.

La proposicin contraria a la hiptesis nula recibe el nombre de hiptesis alternativa

(H1) y suele presentar un cierto grado de indefinicin: si la hiptesis alternativa se
formula simplemente como 'la hiptesis nula no es cierta', el contraste es bilateral o a
dos colas; por el contrario cuando se indica el sentido de la diferencia, el contraste es
unilateral o a una sola cola.
Cuando se realiza un contraste con el SPSS no se fija el nivel de significacin deseado,
el programa calcula el valor-p o significacin asinttica, que es la probabilidad de que el
estadstico de prueba tome un valor igual o superior al muestral bajo el supuesto de que
la hiptesis nula es cierta. Por tanto, si el valor-p es menor o igual que el nivel de
significacin deseado se rechazar Ho. Un valor-p prximo a cero indica que se
rechazar la Ho para cualquier nivel de significacin.

60

NMEROS NDICES
En general, las magnitudes socioeconmicas varan en el tiempo y en el espacio. Con
frecuencia estaremos interesados en hacer comparaciones de dichas magnitudes en
dos o ms periodos de tiempo o en dos o ms zonas geogrficas. Por ejemplo, analizar
la evolucin del PIB espaol en los ltimos aos, comparar el PIB de los pases
europeos o, lo que es de ms inters, estudiar la evolucin de los precios de los
productos de consumo a lo largo del tiempo o comparar el nivel de desarrollo de los
pases del mundo.
Un nmero ndice,
, es una medida estadstica que recoge la evolucin relativa en el
periodo t de una magnitud econmica (precios, producciones, ) de un conjunto de
bienes o productos respecto de un periodo base o de referencia 0. Tambin permite
comparar una magnitud econmica en una zona geogrfica respecto de una zona de
referencia. Por tanto, permiten comparar el estado de un fenmeno econmico (precios,
produccin,...) en dos situaciones y es una herramienta imprescindible en los estudios
de coyuntura. Utilizaremos la notacin de los ndices temporales, cuyo uso es ms
habitual que los espaciales, si bien los desarrollos se pueden generalizar en gran
medida a estos ltimos.

Perodo base o de referencia: perodo de tiempo fijado arbitrariamente que se

toma como origen de las comparaciones.

61

Perodo actual o corriente: perodo de tiempo que se compara con el perodo

base.

Tipos de nmeros ndices

Segn que recojan la evolucin de una o ms magnitudes:

ndices simples: recogen la evolucin del precio, la cantidad o el valor de un

nico bien o producto.

ndices compuestos, complejos o sintticos: recogen la evolucin conjunta de

los precios, las cantidades o los valores de kbienes o productos. A su vez, los
ndices complejos se clasifican como:

Sin ponderar: todas las magnitudes o componentes tiene la misma

importancia, es decir, los mismos pesos. Los kbienes o productos se
consideran con el mismo peso.

Ponderados: cada magnitud o componente tiene un peso diferente

asignado en funcin de diversos criterios. Los kbienes o productos se
consideran con distinto peso, peso que recoge la importancia relativa de
cada uno de los bienes.
Simples

Nmeros
ndices

Compuestos
complejos

Sin
o ponderar
Ponderados

Sauerbeck,
Dtot,

Brandstreet-

Laspeyres,
Paasche,
Edgeworth, Fisher,

Segn el tipo de magnitud:

ndices de precios: estudian la evolucin de los precios de un bien o de un

conjunto

de

62

bienes.

ndices de cantidades: estudian la evolucin de la cantidad producida o

consumida

de

un

bien

de

un

conjunto

de

bienes.

ndices de valores: estudian la evolucin del valor de un bien o de un conjunto

de bienes.
Precios
Nmeros ndices

Cantidades
Valores

Bibliografa
Tenorio Bahena, Jorge. INVESTIGACIN DOCUMENTAL. 3 ed. Mxico (1988).
Ed. Mac Graw - Hill.
Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5
ed. Mxico (1994). Ed. Trillas S.A.
Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3
ed.
Mxico (1998). Ed. Limusa S.A.
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed.
Lumen Humanitas.
Tenorio Bahena, Jorge. INVESTIGACIN DOCUMENTAL. 3 ed. Mxico (1988).
Ed. Mac Graw-Hill.
Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5
ed. Mxico(1994).Ed.TrillasS.A.
Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3
ed.
Mxico(1998).Ed.LimusaS.A.
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed.
Lumen Humanitas.
Susan Pick y Ana Luisa Lpez -CMO INVESTIGAR EN CIENCIAS SOCIALES Ed.
63

Trillas - 1998
RICHARD I. LEVIN - DAVID S. RUBIN, ESTADSTICA PARA ADMINISTRADORES,
ED. PRENTICE HALL, SEXTA ED., 1996
RICHARD I. LEVIN - DAVID S. RUBIN, ESTADSTICA PARA ADMINISTRADORES,
ED. PRENTICE HALL, SEXTA ED., 1996
Klimovsky, Gregorio - Las desventuras del conocimiento cientfico - AZ
Editores - Bs. As. - 1995
TENORIO BAHENA, JORGE - TCNICAS DE INVESTIGACIN DOCUMENTAL - 3
edicin - ED.MC GRAW HILL - Mxico - 1988
CARLOS A. SABINO. El proceso de investigacin. Buenos Aires, Editorial
Lumen Humanitas, 1996
TENORIO BAHENA, JORGE, Tcnicas de investigacin documental, 3ra.
edicin, Mxico, Ed.Mc.GrawHill,1998
PICK, Susan (et. al.), Cmo investigar en ciencias sociales, 3ra edicin,
Mxico, Editorial Trillas, 1998.
Tenorio Bahena, Jorge. INVESTIGACIN DOCUMENTAL. 3 ed. Mxico (1988).
Ed. Mac Graw - Hill.
Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5
ed. Mxico (1994). Ed. Trillas S.A.
Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3
ed.
Mxico (1998). Ed. Limusa S.A.
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed.
Lumen Humanitas.
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (199
Bibliografa:
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed.
Lumen Humanitas.
Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5
ed. Mxico(1994).Ed.TrillasS.A.
Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3
ed.
Mxico (1998). Ed. Limusa S.A.

64

Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed.

Lumen Humanitas.

65