Vous êtes sur la page 1sur 346

PROCESO DE LA INVESTIGACIN:

METODOLOGA, DISEO Y
ESTADSTICA.
C U R S O -TA L L E R

CONTENIDO 13/JUL
Da 1
Aspectos generales y presentacin de
programas.
Presentacin del curso, del instructor y de
los integrantes del taller.
1. EL CONOCIMIENTO CIENTFICO
2. CONOCIMIENTO Y MTODO
3. LA INVESTIGACION CIENTIFICA
4. PLANTEAMIENTO DE LA INVESTIGACION

OBJETIVO
El curso tiene como objetivo el contribuir al
conocimiento de los principios bsicos de la
metodologa, los diseos experimentales y
la
investigacin
con
fundamentos
estadsticos. Por otro lado, con el curso se
pretende favorecer el planeamiento y
desarrollo
de
un
diseo,
recolectar,
organizar, analizar e interpretar datos
experimentales
obtenidos
en
la
investigacin de campo y laboratorio, as
como interpretar los resultados del anlisis.

EVALUACIN

Asistencia mnima del 90% y calificacin


final mnima de 80%.
Solucin y entrega de problemas asignados
y aplicados.
Un
trabajo
final
de
investigacin
documental y experimentacin.
Prcticas en software especializado.
Entregar portafolio de evidencias.
Cuestionarios de actividades programadas.

EL CONOCIMIENTO CIENTIFICO
- SIMPLE
CONOCIMIENTO
COMN

- ADQUIRIDO Y ACEPTADO
SIN > DISCUSIN
- COMPLEJO

CONOCIMIENTO
CIENTFICO

- SE ADQUIERE A TRAVS
DEL MTODO CIENTFICO
-BUSCA RESPONDER
INTERROGANTES
-INTERPRETAR LA
REALIDAD
-MODIFICAR LA REALIDAD

Conocimiento

Conocimient
o vulgar

Distintasformas
formas
Distintas
Conocimiento
mticoreligioso
CONOCIMIENTOCIENTFICO
CIENTFICO
CONOCIMIENTO

Adquirido en el proceso de
socializacin.
Superficial
Sensitivo y subjetivo
Supone la adhesin a una
creencia de verdad.
Dogmtica
No requiere contrastacin
emprica de sus verdades.

Racional: se obtiene a travs del uso de la razn.


Metdico: supone procedimientos logico-metodolgicos basados en el
mtodo cientfico
Sistemtico: sus componentes tericos y sus observaciones empricas se
articulan en un todo.
Verificable: los postulados tericos se contrastan con la realidad
Falible: tiene un carcter provisorio.
Busca las regularidades: intenta describir la realidad para comprenderla en sus
relaciones invariantes.
Usa como instrumentos: la reflexin, la observacin y la experimentacin de los
fenmenos
Es un producto socio-cultural: se genera en contextos sociales especficos y en
procesos histricos determinados.

CONOCIMIENTO CIENTFICO

OBSERVA
DESCUBRE
EXPLICA
PREDICE
CONOCIMIENTO
SISTEMTICO DE LA
REALIDAD

R
E
A
L
I
D
A
D

Producto de
dela
lainvestigacin
investigacincientfica
cientficaes
esel
el
Producto
CONOCIMIENTO CIENTFICO
CIENCIA
Cuerpo de ideas
NIVEL TERICO
Plantea problemas
tericos. Explica la
realidad
independientemente de la
aplicacin del
conocimiento.

Investigacin bsica
CIENCIA PURA

NIVEL PRCTICO
Estudia problemas
prcticos

Investigacin aplicada
CIENCIA APLICADA
Genera una actividad
terica

Genera nuevos
problemas
tericos

Investigacin
tecnolgica
TECNOLOGA
Toma teoras
cientficas y las adapta
para determinados
fines.

APLICACIN
DEL
CONOCIMIENTO

INFLUYE SOBRE
LA SOCIEDAD

QU ES UNA INVESTIGACIN?
El significado etimolgico: in (en)
vestigar (hallar, seguir
vestigios).

Es un procedimiento reflexivo, sistemtico, controlado


y crtico que tiene por finalidad descubrir o interpretar
los hechos y fenmenos, relaciones y leyes de un
determinado mbito de la realidad.

Investigacin constituye una bsqueda de


hechos, un camino para conocer la realidad.

DIFERENCIA ENTRE INVESTIGACIN


CIENTFICA Y MTODO CIENTFICO
La investigacin es un conjunto de fases en la
bsqueda de una respuesta a una situacin
problemtica.
El mtodo es el camino a seguir en esa bsqueda, es
decir, los procedimientos a utilizar a travs de normas
y reglas genricas de actuacin cientfica.
Investigacin
Actividades de bsqueda.
Mtodo
Procedimientos para seguir el camino de esa
bsqueda.

MTODO CIENTFICO

CONOCIMIENTO
CIENTFICO

INVESTIGACIN
CIENTFICA

El mtodo cientfico es un procedimiento para


descubrir las condiciones en que se presentan
sucesos especficos, caracterizado
generalmente por ser:
tentativo
verificable
de razonamiento
riguroso y
observacin emprica

EL MTODO CIENTFICO
PERMITE

analizar y sistematizar informacin


MEDIANT
E
EL PROCESO
INVESTIGATIVO
OBTENER
EXPLICACIONES
LGICAS Y
COHERENTES

ESQUEMA
MTODO CIENTFICO
Caracterstico

de la ciencia
APLICADA

PUR
A
- No infalible ni
autosuficiente
- Puede perfeccionarse
- Se sustenta en
conocimientos previos
Puede reajustarse y elaborarse

EL MTODO CIENTFICO
Independencia y objetividad
Al respecto, Barragn dice: Lo que importa de mtodo
cientfico es su independencia respecto de aquello (materia)
que se estudia. Cada ciencia tendr sus propios problemas y
para ello debe utilizar prcticas o tcnicas que se acomoden
al objeto de estudio.
METODO
CIENTFICO

METODO
CIENTFICO

OBJETO DE
ESTUDIO

INDEPENDENCIA

RECHAZA

MANIPULACIONE
S
PREJUICIOS

REALIDAD

OBJETO
DE
ESTUDIO

(Barragn, H. Epistemologa, pg. 101)

EL PROCESO DE LA INVESTIGACIN
CIENTFICA
Paso 1
Concebir la idea a investigar
Paso 2
Plantear el problema de investigacin
- Establecer objetivos de investigacin
- Desarrollar las preguntas de investigacin
- Justificar la investigacin y su viabilidad

EL PROCESO DE LA INVESTIGACIN
CIENTFICA
Paso 3
Elaborar el marco terico
Revisin de la literatura
*Deteccin de la literatura
*Obtencin de la literatura
*Consulta de la literatura
*Extraccin y recopilacin de la informacin de
inters
Construccin del marco terico

EL PROCESO DE LA INVESTIGACIN
CIENTFICA
Paso 4
Definir si la investigacin se indica como
exploratoria, descriptiva, correlacional o
explicativa y hasta qu nivel llegar.

EL PROCESO DE LA INVESTIGACIN
CIENTFICA
Paso 5

Establecer la hiptesis o hiptesis


Detectar las variables
Definir conceptualmente las variables
Definir operacionalmente las variables

EL PROCESO DE LA INVESTIGACIN
CIENTFICA
Paso 6
Seleccionar el diseo apropiado de
investigacin:
Experimental
Cuasiexperimental
No experimental

EL PROCESO DE LA INVESTIGACIN
CIENTFICA
Paso 7
Seleccionar la muestra
- Determinar el universo
- Extraer la muestra

EL PROCESO DE LA INVESTIGACIN
CIENTFICA
Paso 8
Recoleccin de los datos:
- Elaborar el instrumento de medicin y
aplicarlo
- Calcular validez y confiabilidad del
instrumento de medicin
- Codificar los datos
- Crear un archivo que contenga los datos

EL PROCESO DE LA INVESTIGACIN
CIENTFICA
Paso 9
Analizar los datos:
- Seleccionar las pruebas estadsticas
- Elaborar el problema de anlisis
- Realizar los anlisis

EL PROCESO DE LA INVESTIGACIN
CIENTFICA
Paso 10
Presentar los resultados:
Elaborar reporte de investigacin
Presentar el reporte de investigacin

ESQUEMA:
EL PROCESO DE LA INVESTIGACIN CIENTFICA

ELECCIN
DEL TEMA

PROBLEM
A

OBJETIVO
S

MARCO
TERICO

DELIMITACI
N DEL TEMA
PLANTEAMIENT
O
REVISIN DEL
CONOCIMIENT
O

IDENTIFICACIN

ALCANCE Y
LMITES

FORMULACIN

DESCRIPCIN

GENERALES

ANTECEDENTES

ESPECFICO
S

DEFINICIN
CONCEPTUAL

METODOLOG
A
POBLACIN Y
MUESTRA
RECOLECCI
N DE DATOS

HIPTESIS

PROC. DE
DATOS

VARIABLES

CODIFICACI
N
TABULACIN

RECURSOS

ENTREGA DE
INFORME

OPERACIONES O MOMENTOS DEL PENSAR DE UN


INVESTIGADOR
DE QUE SE
Situacin problemticaTRATA
PROCESO DE
INVESTIGACINACCIN
Aplicarse (ir a la
accin)

Implicarse
(meterse en el
problema)
Hechos
Fenmenos
Formulacin del
problema.

CUALES SON TUS


ASPECTOS
Complicarse
(Hacer suya la
complejidad de la
realidad)
Aspectos o
facetas del
problema.

Programar
Corto
Mediano

Plazo

Largo
Teniendo en cuenta lo
posible, lo probable y
lo deseable.
QUE
HACE
R

EJECUTAR la decisin
tomada.
EVALUAR Y VERIFICAR
resultados.

Enumerar
Describir
Comparar
Distinguir
Clasificar
Definir

Puntos de vistas
Contradicciones.

Situar Tiempo
Espacio
Explicarse
(Apropiarse del
saber)
Tratar la
informacin.

PROCESO
Analizar los hechos.
ETNOGRFICO
Causas.Leyes.Teor
EN QUE CONSISTEN
as .Consecuencias

Preocuparse
(Abordar la realidad)
Mtodos y tcnicas
de abordaje de la
realidad
Recopilar datos
informacin relativos
al problema
COMO
ESTUDIARLO

ETAPAS DE LA INVESTIGACIN
Paso N 1

Paso N 2

Paso N 3

Concebir
la idea a
investigar.

Plantear el
problema de
investigacin:

Elaborar el marco
terico:

Establecer
objetivos de
investigacin.
Desarrollar las
preguntas de
investigacin.
Justificar la
investigacin y
su viabilidad.

Revisin de la
literatura:
Deteccin de la
literatura.
Obtencin de la
literatura.
Consulta de la
literatura.
Extraccin y
recopilacin de la
informacin de
inters.

ETAPAS DE LA INVESTIGACIN
Paso N 4

Paso N 5

Definir
si
la
investigacin se
inicia
como
exploratoria,
descriptiva
correlacional
o
explicativa
y
hasta qu nivel
llegar.

Establecer
hiptesis

las

Detectar
variables.

las

Definir
conceptual
mente
variables.
Definir
operacional
mente
variables.

Paso N6

las

las

Seleccionar
el
diseo
apropiado
de
investigacin:
Diseo
experimental,
preexperi
mental
cuasiexperi
mental

ETAPAS DE LA INVESTIGACIN
Paso N 7
Seleccin
de la
muestra:
Determinar
el universo.

Paso N 8

Paso N 9

Paso N 10

Recoleccin de
los datos:

Analizar los
datos:

Presentar los
resultados:

Elaborar el
instrumento de
medicin y
aplicarlo.

Seleccionar las
pruebas
estadsticas.

Elaborar el
reporte de
investigacin.

Elaborar el
problema de
anlisis.

Presentar el
reporte de
investigacin.

Extraer la
muestra Calcular validez y
confiabilidad del
instrumento de
medicin
Codificar los
datos
Crear un archivo
que contenga los

Realizar los
anlisis.

QU NECESITO PARA HACER


INVESTIGACIN?

Informacin

Ideas

Esfuerzo

Tcnica

Motivacin

CRITERIOS PARA GENERAR IDEAS


Las buenas ideas intrigan,
alientan
y
excitan
al
investigador
de
manera
personal.
Las
buenas
ideas
de
investigacin
no
son
necesariamente nuevas pero s
novedosas.
Las
buenas
ideas
de

INTERACCIN ENTRE LA PREGUNTA INICIAL, LA


EXPLORACIN Y LA PROBLEMATICA
PREGUNTA INICIAL
FASE EXPLORATORIA
Las lecturas

Las entrevistas
exploratorias

PLANTEAMIENTO DEL PROBLEMA


ACLARAR PROBLEMTICA
MARCO TERICO

ESTRUCTURACIN DEL MODELO DE ANLISIS

CARACTERSTICAS DE LA PREGUNTA DE
INVESTIGACIN
Actualidad: La interrogante bsica debe ser novedosa y
actual. La pregunta de investigacin debe ser original.
Viabilidad: Antes de proponer un proyecto debemos
estar seguros de que disponemos de los recursos
materiales, humanos y de tiempo para concretarlo.
Pertinencia: La pregunta de investigacin tiene que
tener importancia para resolver situaciones o problemas
de las personas o de la comunidad.
Precisin: La pregunta de investigacin debe ser precisa,
es decir, tiene que estar adecuadamente ubicada en
tiempo, espacio y persona.
tica: Toda propuesta de investigacin que no sea
cientficamente slida, es por tanto, ticamente
incorrecta.

ETAPAS DE LA FORMULACIN DE LA
PREGUNTA
Una vez elegido el tema de investigacin y enunciada la cuestin
preliminar, el investigador deber seguir precisando el
problema, pensando y escribiendo acerca de las siguientes
preguntas:
Qu necesitamos para comprender mejor nuestro tema de
investigacin?
Qu conocemos acerca del problema? Rescatar conocimiento
previo.
Cul es la situacin deseable y cules son las sugerencias
propuestas para alcanzar dicha situacin?
Qu han hecho otros para resolver este problema?
Cules son los escenarios y las personas involucradas en el
problema?
Qu metodologa resultara ms til para dar respuesta a
nuestros interrogantes?
Qu aspectos ticos deben considerarse en el abordaje del
problema?

CRITERIOS PARA PLANTEAR UN


PROBLEMA DE INVESTIGACIN
Segn Kerlinger (2002) son:
El problema debe expresar una relacin entre dos o mas
variables ( exceptuando que se describa el problema).
Debe estar formulado claramente y sin ambigedad
como pregunta.
El planteamiento implica la posibilidad de realizar una
prueba emprica..
Se debe expresar en una dimensin temporal y espacial.
Debe especificar la poblacin a la cual se inferirn los
resultados.
Se debe especificar la viabilidad del estudio.

ERRORES QUE SUELEN COMETERSE AL


PLANTEAR UN PROBLEMA
Muy amplio, no est delimitado.
Muy especfico, intrascendente.
No se puede medir en la prctica.
Ya est resuelto, no hay novedad.
El estudiante no posee los recursos
para investigarlo.
Es
un
tema
filosfico
y
est
expresado con trminos valorativos.

FORMULACIN O PLANTEAMIENTO DEL PROBLEMA DE


INVESTIGACIN

Plantear el problema no es si no afinar y


estructurar ms
formalmente
la
idea
de
investigacin, en trminos
concretos y explcitos.
La gnesis de estos problemas se dar por la
reflexin surgida con ocasin de las lecturas,
de los debates, de las experiencias de
aprendizaje; en fin, de la vivencia intelectual
dentro del medio de educacin superior y en
el ambiente cientfico y cultural.

CMO CONSTRUIR UN PROBLEMA DE INVESTIGACIN?

A) PLANTEAMIENTO
INICIAL:
en
esta
etapa
se intenta responder a
pregunta qu investigar?

la

Defino y describo el objeto de estudio,


a travs del planteamiento
de
interrogantes
entorno
al
tema
escogido.

CMO CONSTRUIR UN PROBLEMA DE INVESTIGACIN?


B) ANTECEDENTES DEL PROBLEMA: es importante
definir el contexto de la investigacin, es decir,
recabar toda la informacin sobre el tema.
ANTECEDENTES TERICOS: revisin
bibliogrfica
sobre otros estudios con respecto al
tema
consulta a expertos en la temtica evolucin
histrica de la temtica.
ANTECEDENTES EMPRICOS: experiencia
prctica
que
se posee sobre el tema experiencia directa
del investigador motivaciones personales.

CMO CONSTRUIR UN PROBLEMA DE INVESTIGACIN?

C) PLANTEAMIENTO DEFINITIVO: luego de


realizar
una descripcin de la temtica
exponiendo los antecedentes tericos y
empricos, se precisa cual es la finalidad de la
investigacin.

REDACTAR LA PREGUNTAS DE
INVESTIGACIN
Se requiere especificidad.
En lugar de decir
Cul es el impacto de la tecnologa en la
educacin?
Sera mejor decir
Qu porcentaje de profesores utilizan ejercicios
en los que sus estudiantes utilicen una base de
datos electrnica?

REDACTAR LA PREGUNTAS DE
INVESTIGACIN
Debe evitarse la simplicidad excesiva o un nivel de
complejidad que haga poco factible su realizacin.
Existe una norma que regule el desecho de la basura en
la industria del estado de SLP?
En cuntos municipios del estado de SLP existen
normas ambientales que regulen la actividad industrial?.
En cuntos municipios de Amrica Latina existen
normas ambientales que regulen la actividad industrial?

REDACTAR LA PREGUNTAS DE
INVESTIGACIN
Se debe apreciar con claridad la variable que se
est estudiando.
En la pregunta planteada anteriormente Cules
son las condiciones de seguridad e higiene en los
restaurantes de SLP?

La variable en estudio sera: Condiciones


seguridad e higiene

de

TIPOS DE PREGUNTAS DE
INVESTIGACIN
Descriptivas:
Se pueden expresar como Qu caracterstica (s) tiene una
determinada unidad o categoras de unidades de observacin?
o Cuales son las unidades de observacin que tienen una
caracterstica dada?.
Analticas:
Se pueden formular como Qu caracterstica X est
relacionada con la caracterstica Y en cada unidad de
observacin?.
Diagnostico:
Se pueden enunciar como Qu caracterstica (s) tiene una
determinada unidad de observacin (o categoras de unidades)
y cuales son los factores de un estado determinado para
clasificarlo como bueno, regular o malo (u otra clasificacin)?.

REDACTAR LA PREGUNTAS DE
INVESTIGACIN
Debe permitir visualizar la metodologa que probablemente ser
utilizada.
Cules son las normas ambientales que deben ser cumplidas por
las empresas que producen jugos?
Tipo documental en la que el investigador busca averiguar.
Cul es la calidad del servicio al cliente que se otorga en las
cafeteras de la ciudad de SLP?
Estudio descriptivo que se podra realizar a travs de una
observacin, mediante una encuesta o una auditora de la calidad
del servicio.
Cules son los factores que contribuyen a elevar los ndices de
titulacin en la carrera de Ingeniera Agroindustrila?
Diseo experimental Estamos hablando de un estudio manipulativo
en el que seguramente se evaluaran las variables del estudio.

REDACTAR LA PREGUNTAS DE
INVESTIGACIN
Al formular una pregunta de investigacin se trata de
formular el problema con claridad no la solucin.
Una pregunta de investigacin apropiadamente
redactada debe poder visualizar tambin el escenario,
los sujetos o lmites del estudio.
Finalmente al estructurar la pregunta de investigacin
debe evaluarse la relevancia de la misma, de manera
general es necesario cuestionarse si la respuesta a la
pregunta enriquece el conocimiento.

PLANTEO DEL PROBLEMA


OBJETIVOS

PREGUNTAS

JUSTIFICACIN

Qu?

Una o varias.

Para qu?

Claridad.

Resume lo que
ser la
investigacin.

Finalidad de la
investigacin

Alcanzables.

Clara.
Precisa
Lmites
temporales y
espaciales.
Manipulable

OBJETIVOS DE INVESTIGACIN
El o los objetivos establece el sentido, direccin, curso
que seguir la Investigacin, constituye la identificacin
de los elementos de anlisis de una investigacin.
Plantean los propsitos a estudiar y no la metodologa.
Objetivo general o principal: es
el enunciado
claro y preciso del propsito central que se persiguen
con la investigacin.
Objetivos especficos o secundarios: indica lo que se
pretende llevar a
cabo
en
cada
etapa,
descomposicin
del
objetivo general.

CRITERIOS PARA LA FORMULACIN DE


OBJETIVOS

Deben
especificar
con
claridad
los
resultados prcticos que debe llegar el
estudio.
Deben ser explcitos, claros y precisos.
Deben ser observables y susceptibles de
medir.
Deben ser ordenados segn prioridades.
Deben invocar la pregunta de investigacin.
Deben estar expresados en el infinitivo de
un verbo.

ASPECTOS FUNDAMENTALES DE LOS


OBJETIVOS:
Claridad: se basa en un lenguaje comprensible y
preciso, un lenguaje fcil de identificar.
Factibilidad: se refiere a la posibilidad de lograr
los objetivos con los recursos disponibles, con la
metodologa adoptada y dentro de los plazos
previstos.
Pertinencia: se conforma de la relacin lgica
con el tipo de problema que se pretende
solucionar.

SEGN SU COMPLEJIDAD LOS OBJETIVOS


Perceptual: implica conocimiento externo y superficial
del evento, para precisar aquellos elementos que
resultan evidentes, por ejemplo describir, explorar.
Aprehensivo: implica la bsqueda de aspectos no tan
evidentes en el evento de estudio, de aquello que
parece oculto y subyace a la organizacin interna del
evento, por ejemplo analizar, comparar.
Comprensivo: alude a la explicacin de las situaciones
que generan el evento, por ejemplo explicar.
Integrativo: implica la modificacin del evento por
parte del investigador, por ejemplo evaluar.

VERBOS SEGN CORRESPONDAN CON LA FINALIDAD DE TU


INVESTIGACIN

Nivel

Finalidad Verbos
Explorar:indagar, conocer, detectar,

Percept estudiar, reconocer, descubrir.


ual

Describir:caracterizar, tipificar, clasificar,


identificar, diagnosticar.

VERBOS SEGN CORRESPONDAN CON LA FINALIDAD DE TU


INVESTIGACIN

Nivel
Aprehensi
vo

Finalidad Verbos
Analizar:interpretar, criticar.
Comparar:contrastar, asemejar,
diferenciar.

VERBOS SEGN CORRESPONDAN CON LA FINALIDAD DE TU


INVESTIGACIN

Nivel

Finalidad Verbos
Explicar:entender, comprender.
Predecir:proveer, pronosticar.

Comprensi
vo

Proponer:plantear, formular, configurar,


disear, crear, proyectar, invertir,
programar.

VERBOS SEGN CORRESPONDAN CON LA FINALIDAD DE TU


INVESTIGACIN

Nivel

Finalidad Verbos
Modificar:cambiar, ejecutar, reemplazar,
propiciar, organizar, realizar, aplicar, mejorar,

Integrati
vo

promover.
Confirmar:verificar, comprobar, demostrar,
probar.
Evaluar:valorar.

HACINDONOS LAS PREGUNTAS


CORRECTAS
Qu quiero saber?
Cmo es? Cules son sus
caractersticas?

Qu objetivo voy a plantear?


Describir:caracterizar, tipificar,
clasificar, identificar, diagnosticar.

Cmo vara en el tiempo?


En qu medida este evento se
corresponde con ciertos
criterios? Cules son los
aspectos ocultos de este evento?

Analizar:interpretar, criticar.

HACINDONOS LAS PREGUNTAS


CORRECTAS
Qu quiero saber?
Qu objetivo voy a plantear?
Por qu ocurre este fenmeno?, Cules
son sus causas?, Cmo vara este evento
Explicar:entender, comprender.
en presencia de otros eventos?, Cmo se
puede explicar?
Cmo se presentar este evento en un
futuro que rena tales condiciones?,
Predecir:prever, pronosticar
Dadas tales circunstancias.. Cules sern
las situaciones futuras?
Cules sern las actividades de un
aparato, diseo, propuesta, etc., que

Proponer:plantear, formular, configurar,

permita lograr los objetivos tales,

disear, crear, proyectar, invertir, programar.

relacionado con este fenmeno?

HACINDONOS LAS PREGUNTAS


CORRECTAS
Qu quiero saber?
Cules cambios se pueden producir
en este fenmeno, al aplicar este
diseo, programa, plan de accin?
Existe realmente relacin entre
estos dos eventos?

Qu objetivo voy a plantear?


Modificar:cambiar, ejecutar, propiciar,
motivar, organizar, realizar, aplicar,
mejorar, promover.
Confirmar:verificar, comprobar,
demostrar, probar.

Hasta qu punto el programa,


diseo o propuesta est alcanzando
los objetivos que se propuso?

Evaluar:valorar, estimar.

CRITERIOS DE JUSTIFICACIN
DEL ESTUDIO
Conveniencia:
Que tan conveniente es la investigacin?
para que sirve?
Relevancia Social:
Cual es la Trascendencia para la sociedad?
quienes sern los beneficiarios con la
investigacin? .. Cul es el alcance social?

CRITERIOS DE JUSTIFICACIN DEL


ESTUDIO
Implicaciones Practicas:
Contribuir a solucionar un problema prctico?
Valor Terico:
Con la investigacin se podrn generalizar los
resultados a principios mas amplios?
servir para desarrollar, comentar o apoyar una
teora?.. que se espera saber con los resultados
que no se conociera antes?

CRITERIOS DE JUSTIFICACIN DEL


ESTUDIO
Utilidad Metodologca:
Investigacin ayudara a la definicin de un nuevo concepto,
variable o relacin entre ellas? sugiere como estudiar
mejor a un tipo de poblacin? puede ayudar a crear nuevos
instrumentos de recoleccin o anlisis de datos?
Factibilidad:
Debemos tener encuenta si contamos realmente con los
recursos para poder realizar el estudio o investigacin es
factible llevar a cabo esta investigacin?
Cuanto tiempo tomara realizarla?
Es competente el equipo de investigacin para efectuar el
estudio?

CRITERIOS DE JUSTIFICACIN DEL


ESTUDIO
Implicancias ticas:
Existen implicancias de orden moral? se
cuenta con la autorizacin de los sujetos
mediante el Consentimiento Informado?

ELABORACIN DEL MARCO TERICO

Marco
Terico

Implica analizar teoras, investigaciones;


Y antecedentes que se consideren vlidos
Para el encuadre del estudio.
objetivos
El problema de estudio

Tenemos
ya

relevancia
factibilidad

preguntas

FUNCIONES PRINCIPALES DEL MARCO


TERICO
Ayuda a prevenir errores
Orienta sobre cmo analizar el estudio
Gua al investigador para centrarse en el
problema,
evitando
desviaciones
del
planteamiento original.
Conduce al establecimiento de hiptesis o
afirmaciones
Inspira nuevas lneas y reas de investigacin
Posee un marco de referencia para interpretar

FUENTES DE INFORMACIN
PRIMARIAS: (datos de primera mano) libros, antologas,
artculos, monografas, tesis, disertaciones documentos
oficiales, testimonios de expertos, Internet, artculos
cientficos.
SECUNDARIAS: (listado de fuentes primarias) (reprocesar
informacin)
compilaciones, resmenes y listado de
referencias, publicaciones en un rea de conocimiento.
TERCIARIAS: compendios de fuentes secundarios, listados de
publicaciones boletines, conferencias, simposios, sitios WEB,
ttulos de reportes, etc.

CMO SE CONSTITUYE EL MARCO


TERICO?
(Kerlinger)
TEORA: conjunto de conceptos, definiciones y proposiciones
relacionados entre s, que presentan una visin sistemtica
de fenmenos especificando relaciones
entre variables con
el objetivo de explicar y predecir fenmenos.

Cules son las funciones de una Teora?


- Explicar, decir porqu, cmo, cuando, ocurre un fenmeno.
- Sistematizar, ordenar el conocimiento sobre un fenmeno o
una realidad.
- Hacer
inferencias
a
futuro,
predecir,
sobre
el
comportamiento de un futuro.

ESTRATEGIAS PARA CONSTRUIR EL


MARCO TERICO
1. Existencia de
desarrollada.

una

teora

completamente

2. Existencia de varias teoras aplicables.


3. Existencia de piezas y trozos de teoras.
4. Descubrimientos interesantes,
que no se ajustan a una teora.

pero

parciales,

5. Existencia de guas no investigadas, ideas


largamente relacionadas con la investigacin.

PARTES O ELEMENTOS QUE


CONFORMAN EL MARCO TERICO

Antecedentes de la Investigacin.
Resea Institucional (si aplica).
Bases Tericas.
Bases Legales (si aplica).
Sistema de Variables.
Definicin de Trminos Bsicos.

HIPOTESIS
Son explicaciones tentativas del fenmeno
investigado y que se formulan como proposiciones.
(No siempre son verdaderos; o siempre pueden
comprobarse con hechos o experimentalmente).
Sus funciones son:
Guiar el estudio
Proporcionar explicaciones
Apoyar la prueba de teoras

CARACTERSTICAS DE UNA HIPTESIS


Deben referirse a una situacin real, contexto y
universo bien definidos.

Las variables de la hiptesis deben ser


comprensibles, precisas y lo mas concretas posible.
Relacin entre variables debe ser clara y verosmil
(lgica).
Las variables y la relacin entre ellas deben ser
observables y medibles, tener referentes en la
realidad.
Deben estar relacionadas con tcnicas disponibles
para probarlas

CLASIFICACIN DE LAS HIPOTESIS


INVESTIGACIN:

NULAS:

Proposiciones tentativas acerca


de las posibles relaciones entre
dos o ms variables y que
cumplen con los requisitos
mencionados

Reverso de las anteriores

Hi

H1, H2, H3

ALTERNATIVAS:
Posibilidades
diferentes
o
alternas entre las hiptesis de
investigacin y nula.

Refutan o niegan lo que afirma la


hiptesis de investigacin (la
relacin entre variables)
Ho
ESTADISTICAS: (enfoque
cuantitativo)
Representan la transformacin
de
las
hiptesis
de
investigacin,
nulas
y
alternativas
en
smbolos
estadsticos

VARIABLES
Cualidad o caracterstica de un objeto (o evento) que contenga, al
menos, dos atributos en los que pueda clasificarse un objeto o
evento
Requisitos bsicos:

Exhaustividad: debe comprender el mayor nmero de


atributos posible. Toda observacin debe ser clasificada

Exclusividad: los distintos atributos de la variable deben ser


mutuamente excluyentes. Una observacin solo puede
clasificarse en trminos de un solo atributo

Precisin: realizar el mayor nmero de distinciones posibles.


Las categoras pueden agruparse ms tarde, el camino
inverso no es posible...

NIVEL DE MEDICIN

Variables Nominales:
Ejemplos: sexo, nacionalidad, estado
ocupacional, grupo sanguneo, partido poltico,
estado civil, religin, plan social al que
pertenece, localidad donde reside, etc.
No se puede establecer ningn tipo de relacin
Anlisis estadstico limitado

NIVEL DE MEDICIN
Variables Ordinales:
Ejemplos: estrato social, orden de mrito, nivel
educativo,
opinin
acerca
de
un
hecho/situacin/gobierno
Los
atributos,
adems
de
poseer
las
caractersticas mencionadas, tienen la propiedad
de poder establecer un orden
No puede conocerse la magnitud de la diferencia
entre un atributo y otro
Son variables no mtricas o cualitativas
Anlisis estadstico limitado

NIVEL DE MEDICIN
Variables Cuantitativas o mtricas:
Variables de intervalo:
Adems de establecer un orden, la diferencia entre dos
atributos puede cuantificarse
La distancia que separa a personas de 15 y 16 aos, es la
misma que la existente entre personas de 72 y 73 aos
Permite realizar la mayora de las operaciones aritmticas
Ejemplos: temperatura en C
No tiene cero absoluto. El cero no implica la ausencia de
atributo

NIVEL DE MEDICIN
Variables Cuantitativas o mtricas:
Variables de razn:
Adems de las caractersticas de las variables de
intervalo, se suma la posibilidad de contar con un
cero absoluto
El cero absoluto indica ausencia de la caracterstica
Permite clculo de proporciones
Permite realizar cualquier operacin aritmtica
Ejemplos: ingreso, altura, peso, nmero de
habitantes, todas las variables que consideren
tiempo y distancia

NIVEL DE MEDICIN
Variables Cuantitativas o mtricas:
Variables discretas:
Entre dos valores dados, no existen valores intermedios
Ejemplos: nmero de hijos, nmero de elementos
vendidos, nmero de beneficiarios de un plan
Variables continuas:
Entre dos valores dados, existen valores intermedios
Ejemplos: edad, peso, altura, ingreso
Variable Dicotmica:
Slo puede tomar dos valores (s no, 0 1, hombre mujer,
bueno malo, encendido apagado).

VARIABLES DEL DISEO EXPERIMENTAL


Tipo

Accin

V.
Independient
e

Manipulacin

V.
Dependiente

Medicin

V. Extraa

Control

Variable

Papel

V.
Independient
e

Causa

V.
Dependiente

Efecto

V. Extraa

Confusin

DISEOS EXPERIMENTALES
El diseo experimental es una estructura de
investigacin donde al menos se manipula una
variable
y
las
unidades
son
asignadas
aleatoriamente a los distintos niveles o categoras
de la variable o variables manipuladas.
Se trata de un diseo estadstico, el mismo debe
tener en cuenta la estructura del estudio, y todos
los aspectos concernientes a la recoleccin de
datos, incluido el tipo de mediciones a realizar y
la frecuencia de las mismas.

DISEOS EXPERIMENTALES
Es el proceso de planear un experimento para
obtener datos apropiados, que pueden ser
analizados mediante mtodos estadsticos, con
objeto de producir conclusiones vlidas y
objetivas.
Xs
Factores
De control

Ys respuestas

Zs factores no controlables

ELEMENTOS DEL DISEO DE


EXPERIMENTOS
El diseo de experimentos se refiere a la estructura del
experimento considerando:
i) El conjunto de tratamientos incluidos en el estudio.
ii) El
conjunto
de
unidades
utilizadas en el estudio.

experimentales

iii) Las reglas y procedimientos por los cuales los


tratamientos son asignados a las unidades
experimentales (o viceversa).
iv) Las medidas o evaluaciones que se hacen a las
unidades experimentales luego de aplicar los
tratamientos

QU ES UN EXPERIMENTO DISEADO?
Cambios deliberados y sistemticos de las
variables de entrada (factores) para observar
los cambios correspondientes en la salida
(respuesta).
Entradas

Salidas (Y)

Proceso

Entradas

Salidas (Y)

Diseo de
Producto

REQUISITOS DE UN EXPERIMENTO
El primer requisito es la manipulacin intencional de una o ms variables
independientes. Es decir la variable independiente es la que se considera
como supuesta causa en una relacin entre variables. Al efecto provocado
por dicha causa se le denomina variable dependiente.
Medir el efecto que la variable independiente tiene en la variable
dependiente.
Maneras de medir:
Cuestionarios
Escalas
Observacin
Entrevistas
Mediciones fisiolgicas
Anlisis de contenido
Hay dos requisitos importantes que debemos manejar a la hora de llevar a
cabo un experimento.
Control

CMO SE LOGRAN EL CONTROL Y LA


VALIDEZ INTERNA?
Se logra cuando en un experimento tenemos
grupos equivalentes en todo.
Manipulacin de la variable independiente.
En un experimento se debe de tener por lo menos
dos grupos a comparar.
Esto debe de ser as para poder verificar si
existen cambios significativos durante el
experimento.

OBJETIVOS DE UN EXPERIMENTO
OBJETIVOS
Maximizar
la
sistemtica primaria

CONSECUCIN
variancia

Control de las fuentes


variacin secundarias

Minimizar la variancia del error

de

Mediante la adecuada eleccin de los valores


de la variable independiente

Mediante la seleccin de un diseo adecuado

Aumentando la precisin en la medida de los


registros y seleccin de sujetos homogneos

CLASIFICACIN POR VALIDEZ


Pseudo-experimentales:
un grupo con una sola medida
X O
pretest-postest de un solo grupo
O1
X O2
dos grupos NO equivalentes
G1
X O1
G2
O2

CLASIFICACIN POR VALIDEZ


Cuasi-experimentales:
Dos grupos no equivalentes con prepostest
G1
O1X O2
G2
O3
O4
Dos muestras separadas con pretestpostest
G1
O1 X
G2
X O2

CLASIFICACIN POR VALIDEZ


Experimentales:
Dos grupos equivalentes con pretest postest
G1
X O1
G2
O2

CLASIFICACIN POR NMERO FACTORES


Simples: una Variable Independiente
Factoriales: ms de una V.I.
Estudio de la interaccin

V2

V2

V1

V1

EXPERIMENTOS FACTORIALES
Totalmente aleatorizado: (A x B)
Ejemplo: Conocimiento x Coherencia (2 x 2)
Efecto Conocimiento (A)
Efecto Coherencia (B)
Efecto Interaccin (A*B)

Medidas Repetidas:
Mismo grupo, medido varias veces

Mixto: Entre-sujetos e Intra-sujetos

EXPERIMENTOS FACTORIALES
Bloques al azar:
Variables que influye validez interna
Bloque como factor

Jerrquicos o anidados
Evitar todas las combinaciones de un factor
Procedimiento 1
Centro

Procedimiento 2
C

DISEOS EVOLUTIVOS
-Foco: cambios en el tiempo
-Tipos:
- Longitudinal: cambios de un grupo de participantes
- Transversal: distintos grupos (de diferentes edades)
- Secuencial: combinacin longitudinal + transversal

Tcnicas de control
Experimental o directo:
Diseo

Estadstico o indirecto:
Ajuste

Tcnicas de control asociadas al diseo


Tcnica de control

Diseo

Aleatorizacin

Diseos de grupos
completamente al azar

Constancia

Diseos de dos grupos


apareados y de bloques

El sujeto como
control propio

Diseos intra-sujetos o
de medidas repetidas

CLASIFICACIN DEL DISEO


EXPERIMENTAL CLSICO

EL DISEO DE EXPERIMENTOS TIENE


COMO OBJETIVOS DETERMINAR:
Las Xs con mayor influencia en las Ys
El mejor valor de Xs para lograr Ys nominales
El mejor valor de Xs de manera que la
variabilidad de Y sea pequea
El mejor valor de las Xs de manera que se
minimizen los efectos de las Zs Proceso robusto

DISEO DE DOS GRUPOS


Una de las situaciones ms simples de
investigacin experimental, es la formada por dos
grupos, uno de control y otro experimental.
Tcnica de control
Aleatorizacin

Constancia

El sujeto como control


propio

Diseo
Diseo de dos grupos
completamente al azar
Diseo de dos grupos apareados
Diseo de bloques de dos
tratamientos
Diseos de medidas repetidas
(Sujetos x Tratamientos)

FORMATO DEL DISEO DE DOS


GRUPOS COMPLETAMENTE AL AZAR

FORMATO DEL DISEO DE DOS


GRUPOS EMPAREJADOS

S 1, S 2
S 3, S 4
S 5, S 6

DISEOS MULTIGRUPO
Los diseos multigrupo, son estructuras de una sola
variable independiente a tres o ms valores o niveles. Al
seleccionar ms de dos valores de la variable
independiente o causal, es posible extraer la relacin
funcional entre la variable independiente y dependiente del
experimento.
Tcnicas de
control

Diseo

Aleatorizacin

Diseo multigrupo (de tres o ms grupos


completamente al azar)

Constancia
El sujeto como
control propio

Diseo de bloques de grupos al azar


Diseo de medidas repetidas con tres o ms
tratamientos (Sujetos x Tratamientos)

DISEO MULTIGRUPO AL AZAR


El diseo multigrupo completamente al azar
requiere la asignacin aleatoria de los sujetos de
la muestra a los distintos grupos, sin restriccin
alguna. Se trata de una extensin del diseo de
dos grupos, ya que en esta situacin se eligen de
la variable de tratamiento ms de dos valores o
condiciones.

DISEO MULTIGRUPO AL AZAR


Tratamientos
A1

A2

S
u
j
e
t
o
s

S
u
j
e
t
o
s

Aj
.

Asignacin aleatoria
Muestra
experimental

Aa
S
u
j
e
t
o
s

DISEO MULTIGRUPO AL AZAR


Prueba de significacin
general

ANOVA unidireccional

Si la V. Independiente es
categrica

Comparaciones mltiples

Si la V. Independiente es
cuantitativa

Anlisis de tendencias

DISEO DE BLOQUES DE GRUPOS AL


AZAR
El principal objetivo de la experimentacin es el
control de las fuentes de variacin extraas. La
neutralizacin o control de las variables extraas
incide directamente en la reduccin de la
variacin del error. Es decir, las unidades varan
con respecto a cualquier variable a excepcin de
la controlada. Siendo esto as, el margen de
variacin es menor que con la presencia de la
variable extraa (o variable no controlada).

TCNICA DE BLOQUES
Mediante la tcnica de bloques se pretende
conseguir una mayor homogeneidad entre los
sujetos o unidades experimentales intra bloque y
una reduccin del tamao del error experimental.
La formacin de bloques homogneos se realiza a
partir de los valores de una variable de carcter
industrial,
biolgico
o
social,
altamente
relacionada con la variable dependiente.

FORMATO DEL DISEO DE BLOQUES


Tratamientos

Bloques
A1

A2

Aj

Aa

B1

n1

n2

nj

na

B2

n1

n2

nj

na

..
..
Bk

n1

n2

nj

na

VENTAJAS DE LA TCNICA DE
BLOQUES
Se neutraliza una potencial fuente de variacin
extraa que, en caso contrario, incrementara la
variacin del error.
Mediante la tcnica de bloques se consigue un
material experimental mucho ms homogneo,
se reduce la magnitud del error experimental y se
incrementa
el
grado
de
precisin
del
experimento.

DISEO FACTORIAL
El
diseo factorial, como estructura de
investigacin, es la combinacin de dos o ms
diseos simples (o unifactoriales); es decir, el
diseo
factorial
requiere
la
manipulacin
simultnea
de
dos
o
ms
variables
independientes (llamados factores), en un mismo
experimento.
Cantidad de niveles por
factor

Grado de control

2x2, 2x2x2, 2x3, 2x3x4, etc.


Diseo factorial completamente
al azar
Diseo factorial de bloques

EFECTOS FACTORIALES
ESTIMABLES
1. Efectos simples
El efecto puntual de una variable independiente o factor
para cada valor de la otra.
2. Efectos principales
Son el impacto global de cada factor considerado de
forma independiente, es decir, el efecto global de un
factor se deriva del promedio de los dos efectos simples.
3. Efectos secundarios
El efecto secundario o de interaccin se define por la
relacin entre los factores o variables independientes, es
decir, el efecto cruzado.

FORMADO DEL DISEO FACTORIAL 2 X 2


COMPLETAMENTE AL AZAR

REPRESENTACIN GRFICA DE LA
INTERACCIN
Interaccin nula

Interaccin positiva

Interaccin negativa

B1

B1

B1
B2

B2
B2
A1

A2

A1

A1

A2

A2

B2

B1
A1

A2

Interaccin inversa

VENTAJAS DEL DISEO FACTORIAL


La disposicin bifactorial aporta informacin no slo de
cada factor (efectos principales), sino de su accin
combinada (efecto de interaccin o efecto secundario).
De esta forma, con la misma cantidad de sujetos
requerida para experimentos de una sola variable
independiente o factor, el investigador puede estudiar,
simultneamente, la accin de dos o ms variables
manipuladas.
Ello supone un enorme ahorro de tiempo y esfuerzo. Si
se tiene en cuenta la posibilidad de analizar la accin
conjunto o cruzada de las variables, se concluye que el
diseo factorial es una de las mejores herramientas de
trabajo.

DISEO DE MEDIDAS REPETIDAS


El diseo de medidas repetidas es una extensin
del diseo de bloques, en que el sujeto sustituye
al bloque y acta de control propio. Con este
formato, los sujetos de la muestra reciben todos
los tratamientos y repiten medidas o registros de
respuesta; asimismo, la comparacin de los
tratamientos es intra-sujeto.
De este modo, el uso del procedimiento de
medidas repetidas proporciona un control ms
efectivo de las fuentes de variacin extraas
asociadas, por lo general, a las caractersticas
individuales; es decir, se consigue una reduccin
de la variancia del error.

EFECTOS DE ORDEN
Los efectos de orden se derivan de la propia
estructura del diseo de medidas repetidas, y
deben ser neutralizados para que no confundan los
efectos de los tratamientos.
A) Efecto residual
B) Efecto de perodo

EFECTO RESIDUAL
El efecto residual, conocido por error progresivo,
se caracteriza por la persistencia de la accin de
un tratamiento ms all del perodo o tiempo de
aplicacin. Representa la progresiva acumulacin
tanto de los efectos facilitadores de la respuesta
(efecto de la prctica, aprendizaje, etc.) como de
los efectos obstaculizadores (como la fatiga
mental, cansancio fsico, etc.)
Solucin:
ampliar
tratamientos.

los

intervalos

entre

EFECTO DE PERODO
Los efectos de perodo ocurren cuando,
independientemente del tratamiento aplicado, el
sujeto responde al perodo o posicin que, en la
secuencia, ocupa el tratamiento (perodo de
administracin). Cabe, por lo tanto, la posibilidad
de que el sujeto responda mejor al perodo que al
tratamiento en s mismo. Cuando esto ocurre, el
efecto de perodo confunde la accin del
tratamiento.
Solucin: contrabalanceo

DISEO DE MEDIDAS REPETIDAS SIMPLE


DE UN GRUPO
El diseo simple de medidas incorpora la
estrategia de comparacin intra-sujeto. Los
sujetos se cruzan o combinan con los
tratamientos (Sujetos x Tratamientos). As mismo,
es un diseo simple o unifactorial porque slo se
evala la accin de una variable independiente o
de tratamientos.
La principal ventaja del diseo, dada su especial
disposicin, es la posibilidad de extraer del error
una de sus fuentes de variacin ms importante:
la
variacin
atribuida
a
las
diferencias
individuales.

ESTRUCTURA DEL DISEO


A diferencia del diseo factorial, la variable de
sujetos no es manipulada, ya que se trata de un
pseudo-factor. La variable de tratamientos est
manipulada por el experimentador y es
considerada como un autntico factor.

DISEO DE MEDIDAS REPETIDAS SIMPLE


(S X A)

DISEO DE MEDIDAS REPETIDAS


FACTORIAL (S X A X B)

DISEO DE MEDIDAS REPETIDAS


MULTIGRUPO O FACTORIAL MIXTO
El diseo de medidas repetidas multigrupo,
conocido tambin por diseo factorial mixto,
incorpora dos estrategias de inferencia de
hiptesis: estrategia de comparacin entre
grupos y estrategia de comparacin intra sujetos.
La estructura mixta combina, en un mismo
experimento, el procedimiento de grupos
independientes y el procedimiento con sujetos de
control propio.

DISEO DE MEDIDAS REPETIDAS


MULTIGRUPO O FACTORIAL MIXTO
Puesto que el diseo mixto integra, en un mismo
estudio, dos enfoques de investigacin se aplica a
aquellas situaciones donde estn presentes, por
lo menos, dos variables independientes. As, los
valores o niveles de la primera variable
independiente genera grupos separados y su
efecto se infiere por la comparacin entre grupos
o entre sujetos.

DISEO DE MEDIDAS REPETIDAS


MULTIGRUPO O FACTORIAL MIXTO
Esta variable independiente es conocida como
variable entre. Los valores de la segunda variable
se administran a todos los sujetos, en cuyo caso
los sujetos repiten medidas. Dado el carcter de
repeticin, esa segunda variable recibe el nombre
de variable intra. De esto se concluye que el
diseo mixto requiere siempre una estructura
factorial. Por lo tanto, son experimentos donde
intervienen como mnimo dos variables.

FORMATO DEL DISEO DE MEDIDAS


REPETIDAS DE DOS GRUPOS

MUESTREO
Poblacin: Conjunto de unidades de las que se desea
obtener cierta informacin.
Muestra: Seleccin de unas unidades concretas de la
poblacin que representen la caracterstica que se quiere
medir.
Procedimiento por el cual se extrae, de un conjunto de
unidades que constituyen el objeto de estudio
(poblacin), un nmero de casos reducido
(muestra)
elegidos con criterios tales que permitan la generalizacin
a toda la poblacin de los resultados obtenidos al estudiar
la muestra.

RAZONES DE MUESTREO
Disminucin de costos ( tiempo, personal,
material)
Al disminuir el nmero de casos disminuyen
tambin
los
errores
asociados
a
la
manipulacin de los datos.
Puede confiarse en la generalizacin de los
resultados si se ha tenido cuidado al
seleccionar la muestra.

CRITERIOS IMPORTANTES PARA LA


SELECCIN DE LA MUESTRA
Salvo en poblaciones muy pequeas y accesibles

nunca se observan a todas las unidades de la


poblacin.
Se debe disear una muestra que constituya una

representacin a pequea escala de la poblacin


a la que pertenece.
Cualquier

diseo muestral comienza con la


bsqueda de la informacin que ayude a la
identificacin de las caractersticas de la
poblacin bajo estudio

TAMAO DE LA MUESTRA
Es el nmero de unidades a incluir en la muestra.
Existen varios factores que influyen en el:
Tiempo y recursos disponibles
Modalidad de Muestreo
Tipo de Anlisis Previsto
Varianza o heterogeneidad de la poblacin
Margen de Error mximo admisible
Nivel de confianza de la estimacin muestral

TIPOS DE MUESTREOS

PROBABILSTICOS

Todas las unidades tienen igual


probabilidad de participar en
la muestra.
La eleccin de cada unidad
muestral es independiente de las
dems
Se puede calcular el error muestral

NO PROBABILISTICOS
Cada unidad NO tiene igual
probabilidad de participar en
la muestra.
No se puede calcular el error
muestral
Alto riesgo de invalidez
producido por la introduccin
de sesgos

USOS DE CADA TIPO DE MUESTREO


Muestreo
Probabilsticos
Estimacin de
Parmetros
Comprobacin de
Hiptesis

Muestreos No
Probabilsticos
Estudios Pilotos
Estudios Cualitativos
Investigaciones en
poblaciones de difcil
registro o localizacin
( Ej. Marginales,
prostitutas, enfermos
de VIH, etc)

RECORDANDO: TIPOS DE
MUESTREOS
PROBABILSTICOS
Todas las unidades tienen igual
probabilidad de participar en
la muestra.
La eleccin de cada unidad
muestral es independiente de las
dems
Se puede calcular el error muestral

NO PROBABILISTICOS
Cada unidad NO tiene igual
probabilidad de participar en
la muestra.
No se puede calcular el error
muestral
Alto riesgo de invalidez
producido por la introduccin de
sesgos

EJEMPLO: MUESTREO
PROBABILSTICO?
Se realiza un muestreo entre los alumnos que
van a clases de la Materia Metodologa,
eligindolos al azar a la entrada del saln.

Este diseo es NO probabilstico porque aquellos que


no van a clases NO PUEDEN ser elegidos

EJEMPLO: MUESTREO
PROBABILSTICO?
Se utiliza la lista de propietarios de lneas
telefnicas para elegir a aquellos que sern
encuestados.

Este diseo es NO Probabilstico porque aquellos que


no tienen telfono NO PUEDEN ser elegidos

EJEMPLO: MUESTREO
PROBABILSTICO?
Un investigador toma muestras del carbn
extrado de una mina, tomando al azar trozos
de carbn de la parte superior de cada carro.

Este diseo es NO probabilstico


porque solo se toma carbn
de la parte superior

FACTORES QUE INFLUYEN EN EL TAMAO DE LA


MUESTRA
La tcnica de anlisis influye en el tamao
de la muestra:
Comparacin de Medias
Estimacin de Proporciones
( parmetros)
Anlisis Univariables
Anlisis Multivariables

HETEROGENEIDAD POBLACIONAL
Cuanto mas heterognea sea la poblacin mayor
ser su varianza poblacional lo que implicar
mayores tamaos muestrales.
Cuando se desconoce el valor de la varianza
poblacional se recurre al supuesto mas
desfavorable,
asumiendo
una
varianza
poblacional igual a 0,5.
0,5 significa que una unidad seleccionada tiene
50 % de posibilidades de pertenecer o no a un
grupo especfico dentro de la poblacin.

ALGUNOS TIPOS DE MUESTREO


PROBABILSTICO

MUESTREOS PROBABILSTICOS:
SIMPLE
Se realiza utilizando alguna fuente de eleccin

aleatoria.
Supone que cada miembro de la poblacin tiene

elemento
que lo identifica ( ej. Un nmero
identificador)
y mediante el cual puede ser
elegido si sale sorteado.
La afirmacin anterior implica que hay que tener

un listado completo de TODOS los miembros de la


poblacin.

MUESTREOS PROBABILSTICOS:
SIMPLE
Ventajas

Facilidad en los clculos


estadsticos
Elevada probabilidad de
lograr equivalencia
entre las caractersticas
de la muestra y las
correspondientes a la
poblacin

Desventajas

Cada que cada miembro


de la poblacin tiene que
ser identificado
Complicado en
poblaciones grandes
Alto costo

MUESTREOS PROBABILSTICOS:
MUESTREO ALEATORIO SISTEMTICO
Similar al muestro simple salvo que:

Solo la primera unidad de la muestra se elige


al azar siempre que el nmero seleccionado
sea mayor que el coeficiente de elevacin.

Coeficiente de Elevacin = N/ n
Donde
N: Tamao de la poblacin
n : Tamao de la muestra

Los restantes elementos de la muestra se


hayan sumando, sucesivamente el coeficiente
de elevacin.

MUESTREOS PROBABILSTICOS:
MUESTREO ALEATORIO ESTRATIFICADO
Presupone

el conocimiento de las
caractersticas de las unidades que
forman la poblacin para poder
dividirla en grupos ( estratos)

Se eligen los miembros de la muestra

en cada estrato creado siguiendo


algn tipo de muestreo de los vistos
anteriormente.

EJ. MUESTREO PROBABILSTICO POR


ESTRATOS

Estrato Primario

MUESTREO ALEATORIO ESTRATIFICADO


El objetivo de este tipo de muestreo es garantizar
la representatividad equitativa de los estratos ( que
implica
representacin
equitativa
de
las
caractersticas de la poblacin).
Se logra si:
Son mximas las diferencias entre los estratos.
Son mnimas las diferencias entre los miembros
de un mismo estrato.
Los criterios de divisin de la poblacin en
estratos se hallen relacionadas con los objetivos
de la investigacin.

MUESTREO ALEATORIO ESTRATIFICADO

Los tamaos de cada estrato pueden ser:


Los mismos ( Afiliacin simple).
Proporcional al peso relativo ( tamao)
del estrato dentro de la poblacin
(Proporcional).
En funcin de la heterogeneidad de cada
estrato ( ptima).

VENTAJAS Y DESVENTAJAS
Ventajas
1. No
es
necesario
disponer de la lista de
toda la poblacin sino
de las subpoblaciones
de
orden
superior
extradas ( por ej. las
escuelas primarias y
secundarias)
2. Existe
una
considerable
reduccin de costos

Desventajas
Puede ocurrir que
los miembros de
una unidad superior
se
parezcan,
reduciendo
la
representatividad
de otros en la
muestra final.

MUESTREO ALEATORIO POR


CONGLOMERADOS
La unidad muestral es un grupo de elementos de
la poblacin que forman una unidad, a la que
llamamos conglomerado.
A diferencia de un estrato, un conglomerado es
una unidad de elementos que contienen
representantes de toda la poblacin.
Zona Geogrfica
Edificio
Una institucin

EJEMPLO: MUESTREO POR


CONGLOMERADOS

Todos los profesores de las Carrera 2 (F. Ingeniera) y Carrera 1 (F. Ciencias) son parte
de la muestra

VENTAJAS DEL MUESTREO POR


CONGLOMERADOS
Es ventajoso, desde el punto de vista de
costos, si se pueden agrupar los miembros
de la poblacin por conglomerados, en los
cuales el criterio de agrupacin no sea la
variable que se estudia.
No es preciso tener un listado de toda la
poblacin, sino de las unidades
( conglomerados) por los que se
agruparn.

DESVENTAJAS
El error es mayor que cuando se utilizan
otras tcnicas de muestreo.

TIPOS DE MUESTREOS NO
PROBABILSTICOS POR CUOTAS
La poblacin debe ser dividida en estratos
definidos por variables cuya distribucin dentro
de la poblacin sea conocida.
Se procede a calcular el tamao de cada
estrato siguiendo el mismo procedimiento que
si
fuese
un
muestreo
probabilstico
estratificado.
( proporcional).
A diferencia del M. Probabilstico Estratificado
el entrevistador es libre para escoger a quienes
forman parte de cada estrato. (CUOTA)

MUESTREO POR CUOTAS


Ventajas
Resulta
ms
econmico que los
muestreos
probabilsticos .
Fcil de ejecutar el
trabajo de campo
No
precisa
el
listado
de
la
poblacin

Desventajas
Supone mayor error muestral
que los diseos probabilsticos.
No existe un mtodo vlido
para calcular el error.
Dificultas para el control del
trabajo de campo.
Limitaciones
en
la
representatividad
de
la
muestra
para
las
caractersticas
no
especificadas en los controles
de cuotas.

MUESTREO DE BOLA DE NIEVE


Este modelo es particularmente til cuando se
muestrean poblaciones cuyos componentes, por
motivos morales, ideolgicos, legales o polticos
tienen a ocultar su identidad.
A partir de unos pocos individuos el entrevistador, con
ayuda de los primeros, va conociendo a nuevos
miembros de la muestra.
El riesgo fundamental est asociado a la seleccin
inadecuada de los primeros miembros de la muestra y
de quienes depender el resto.
Tambin es posible que ocurran distorsiones si no se
tiene en cuenta criterios muy especficos para la
seleccin de la muestra.

TAMAO DE LA MUESTRA
Estimando qu proporcin de sujetos poseen una

caracterstica al nivel de confianza del 99%


(Z=2.56) y un error de admitido del 2%, ser:
R=4096
El nmero ptimo para un estudio de 60.000

personas estableciendo un nivel de confianza de


95%(z=1.96), y el margen de error en el 3%,
sera:R=1049
Es necesario estimar entre 10.000 establos, el

nmero de vacas lecheras por establo con un


error de estimacin de 4 y un nivel de confianza
del 95%. Sabemos que la varianza es 1.000.
Cuntos establos deben visitarse para satisfacer

TAMAO DE LA MUESTRA

TAMAO DE LA MUESTRA
Para analizar el crecimiento de ratas de
laboratorio se elige una muestra piloto de 13
ratas y se miden obteniendo una talla promedio
de la muestra de 5.3 centmetros y una varianza
muestral de 19.2 Pregunta: Un investigador desea
determinar el tamao de muestra mnimo usando
un diseo MAS para estimar la talla promedio de
las ratas en la poblacin con una confianza de
95% y un error de estimacin no mayor a 2
centmetros si en la poblacin hay 200 ratas.
Cuntas ratas se debe elegir en la muestra?
R=19

TAMAO DE LA MUESTRA
En una fbrica de artculos electrnicos
generalmente el 10% de los artculos presenta
algn defecto de fabricacin. Para analizar la
calidad del producto se desea estimar la
proporcin de artculos electrnicos defectuosos
de un lote de 2000 artculos listo para ser
embarcado. Cuntos artculos deben ser
elegidos del lote si se desea una confianza de
95% y un error de estimacin no mayor a 0.05?

TAMAO DE LA MUESTRA
Para estudiar la imagen de diferentes empresas,
se pide a los encuestados que los evalen en una
escala (continua) de 0 a 10 puntos. Si se acepta
que la varianza de esta variable es de 1.5 puntos,
cuntos casos se necesitan para que la semiamplitud del intervalo de confianza al 95% de la
media poblacional sea de 0.05 puntos?

TAMAO DE LA MUESTRA
Una mquina llena cajas con cierto cereal. El
supervisor desea conocer con un error de
estimacin de mximo 0.1 y un nivel de confianza
del 90%, una media estimada del peso. Como la
varianza era desconocida se procedi a escoger
una muestra piloto. Los resultados fueron los
siguientes: 11.02, 11.14, 10.78, 11.59, 11.58,
11.19, 11.71, 11.27, 10.93, 10.94. Cuntas cajas
debe escoger para que se cumplan los requisitos
propuestos?

TAMAO DE LA MUESTRA
Se desea hacer una encuesta para determinar la
proporcin de familias que carecen de medios
econmicos para atender los problemas de salud.
Existe la impresin de que esta proporcin est
prxima a 0.35. Se desea determinar un intervalo
de confianza del 95% con un error de estimacin
de 0.05.

TAMAO DE LA MUESTRA
Un productor de semillas desea saber con un
error de estimacin del 1% el porcentaje de
semillas que germinan en la granja de su
competidor. Qu tamao de muestra debe
tomarse para obtener un nivel de confianza del
95%?

TAMAO DE LA MUESTRA
Se desea realizar una encuesta entre la poblacin
juvenil de una determinada localidad para
determinar la proporcin de jvenes que estara a
favor de una nueva zona de ocio. El nmero de
jvenes de dicha poblacin es N=2,000.
Determinar el tamao de muestra necesario para
estimar la proporcin de estudiantes que estn a
favor, con un error de estimacin de 0.05 y un
nivel de confianza del 95%.

TAMAO DE LA MUESTRA
Determinar el nmero de profesionales a encuestar
en una regin donde se estima en 4500 el nmero
de ellos. El objetivo del estudio es determinar entre
otras cosas, la intencionalidad de seguir estudios
de maestra, con una prueba piloto de 20
profesionales, se determin que la proporcin de
profesionales con afn de continuar sus estudios
era del 25%. La confiabilidad del estudio, dado que
sus resultados sern validados con otras fuentes se
defini en el 90%, el error puede estar entre el 4 y
el 6%, dependiendo de los costos se definir cual
tamao seleccionar.

TAMAO DE LA MUESTRA
De una poblacin de 1 176 adolescentes, de la
ciudad de SLP, se pretende conocer la aceptacin
de una barra energetica. Se desea tomar una
muestra para saber la cantidad de adolescentes a
entrevistar y con ello tener una informacin
adecuada, con un error standard de 1.5% al 90%
de confiabilidad.

TAMAO DE LA MUESTRA
Suponga que decide llevar a cabo un estudio comparativo del
costo de una comida en un restaurante de una gran ciudad con el
de una comida similar en un restaurante fuera de la ciudad. La
siguiente tabla muestra los datos de 50 restaurantes citadinos y
50 fuera de la ciudad. Con un intervalo de confianza de 90% y un
error de 5 pesos, Cuntos restaurantes debo seleccionar para
estimar el costo de los platillos?.

MTODOS, TCNICAS DE RECOLECCION DE


DATOS E INSTRUMENTOS DE MEDICION
Para la eleccin y desarrollo del instrumento de
medicin se debe tomar en cuenta el objetivo de
la investigacin.
La metodologa utilizada en la recoleccin de
datos debe estar acorde con el enfoque
conceptual que se ha desarrollado en el estudio.

MTODOS, TCNICAS DE RECOLECCION DE


DATOS E INSTRUMENTOS DE MEDICION
Al momento de definir como se va a abordar la
recoleccin de los datos, se debe definir el tipo de
informacin requerida (cuantitativa, cualitativa o
ambas).
Mtodo: Representa la estrategia concreta e
integral de trabajo para el anlisis de un problema
coherente con la definicin terica del mismo y con
los objetivos de la investigacin.
Tipo de Mtodo: observacin, entrevista y la
encuesta.

MTODOS, TCNICAS DE RECOLECCION DE


DATOS E INSTRUMENTOS DE MEDICION
Tcnica: conjunto de reglas y procedimientos que
permiten al investigador establecer la relacin con el
objeto o sujeto de la investigacin.
Instrumento: mecanismo que usa el investigador
para
recolectar
y
registrar
la
informacin;
formularios,pruebas, test, escalas de opinin, listas de
chequeo.

MTODOS, TCNICAS DE RECOLECCION DE


DATOS E INSTRUMENTOS DE MEDICION

El mtodo orienta la tcnica, pueden existir distintas


tcnicas de recoleccin de informacin, pero no varios
mtodos, sin ser validados como tales.
En investigacin cuantitativa el investigador puede
usar varias tcnicas; entrevistas y cuestionarios,
ayudados por entrevistas grupales, historias de vida y
observacin etnogrfica. (cualitativas)

MTODOS, TCNICAS DE RECOLECCION DE


DATOS E INSTRUMENTOS DE MEDICION
1- Fuentes Primarias: Se obtiene informacin por
contacto directo con el sujeto de estudio; por medio
de observacin, cuestionarios, entrevistas, etc.
2- Fuentes Secundarias: Informacin obtenida
desde documentos; historia clnica, ficha acadmica,
estadsticas,
datos
epidemiolgicos,
Censo,
encuestas nacionales, etc.

FUENTES DE INFORMACN

1- LA OBSERVACIN: Es el registro visual de lo que


ocurre en una situacin real, clasificado
y
consignando los datos de acuerdo con algn
esquema previsto y de acuerdo al problema que se
estudia.
Ventajas:
Permite registrar datos cualitativos y cuantitativos.
Se observan caractersticas y condiciones de los individuos.
Puede ser utilizada en cualquier tipo de investigacin y en
cualquier rea del saber.
Es un mtodo que no depende de terceros o de registros.

LA OBSERVACIN
Desventajas:
Se requiere de mucha habilidad y agudeza para ver los
fenmenos estudiados.
Demanda gran cantidad de tiempo.
Tiene sesgos; el humano ve lo que quiere ver.
Al momento de la interpretacin pueden distorsionarse los
hechos e ir ms all de lo que vimos en realidad.

Para reducir los problemas se utiliza:


Definir claramente los objetivos perseguidos.
Determinar claramente la unidad de observacin.
Las condiciones en que se asumir la observacin y las
conductas que debern registrarse.

LA OBSERVACIN
1- La Observacin Participante: El investigador se
involucra total o parcialmente con la actividad
objeto de investigacin.
La observacin se hace desde el interior del grupo.
Pueden intervenir las emociones del investigador.

2La
Observacin
NO
Participante:El
investigador no se involucra en la actividad objeto
de estudio.
Los datos pueden ser ms objetivos.
Al no integrarse al grupo los datos pueden no ser exactos.

Todos los errores de la observacin se


pueden minimizar por medio de una buena
definicin operacional de las variables.

FORMAS DE OBSERVACIN
1-La Observacin Simple, No estructurada, No
regulada, No controlada: El investigador utiliza
lineamientos generales para observar y luego escoge lo
que estima relevante a los efectos de la investigacin
propuesta.
Fundamentalmente usada para estudios exploratorios.
2- La Observacin Sistemtica, estructurada,
regulada o controlada: El investigador dispone de un
instrumento estructurado y estandarizado para medir
las variables en estudio de una manera uniforme.
Se utiliza para probar hiptesis en que se especifica
claramente que se estudia.
Se usan listas de cotejo, grabadoras, filmadoras, etc.

ERRORES RELACIONADOS CON LA


OBSERVACIN
Cuando los fenmenos a observar no se dan de la
misma manera en todos los sujetos de observacin.
Cuando el observador tiene ideas prejuiciadas.
Cuando el instrumento no es vlido, es inexacto o
est mal definido.

LA ENCUESTA
Consiste en obtener informacin de los sujetos en
estudio, proporcionados por ellos mismos, sobre
opiniones, conocimientos, actitudes o sugerencias.
Existen dos maneras de obtener informacin:
1- La Entrevista: Las respuestas son formuladas
verbalmente y se necesita de la presencia del
entrevistador. y
2- El Cuestionario: Las respuestas son formuladas
por escrito y no se requiere de la presencia del
investigador.

LA ENTREVISTA
Comunicacin interpersonal entre el investigador y el
sujeto de estudio a fin de obtener respuestas verbales a
las interrogantes planteadas sobre el problema
propuesto.
Ventajas:
Es aplicable a toda persona (muy til con analfabetos, nios o en
aquellos con alguna limitacin fsica o psicolgica).
Permite estudiar aspectos psicolgicos o de otra ndole donde se
desee profundizar en el tema.
Permite obtener informacin ms completa.
A travs de ella el investigador puede: Aclarar el propsito del
estudio, especificar claramente la informacin que necesita,
aclarar preguntas y permite usar triangulacin.
Permite captar mejor el fenmeno estudiado ya que permite
observar lenguaje no verbal.

TIPO DE ENTREVISTA
1- ENTREVISTA ESTRUCTURADA.

Se elabora un formulario estandarizado.


Idnticas preguntas y en el mismo orden a todos los sujetos.
Los sujetos eligen la respuesta de 2, 3 o pocas ms alternativas.
Los comentarios y explicaciones son los mismos para todos.

Ventajas:

Respuestas cortas y precisas.


Informacin fcil de procesar.
El entrevistador no requiere de gran entrenamiento.
Informacin uniforme.

Desventajas:
La informacin puede ser muy superficial.
Limitada la posibilidad de profundizar
determinado.
Difcil obtener informacin confidencial.

en

un

aspecto

TIPO DE ENTREVISTA
2- ENTREVISTA NO ESTRUCTURADA.
Es flexible y abierta, pero regida por los objetivos de la
investigacin.
Las preguntas, su contenido, orden y formulacin es
controlado por el investigador, el que puede adaptarlas
dependiendo de las situaciones y caractersticas de los
sujetos en estudio.
El entrevistado tambin cuenta con libertad para dar sus
respuestas.
Se utiliza un instrumento gua que contiene las orientaciones
de los temas a tratar.
Muy til para estudios exploratorios, descriptivos y
cualitativos.

Ventajas:
Adaptable y aplicable a toda clase de sujetos en diversas

TIPO DE ENTREVISTA
Desventajas:

Requieren mucho tiempo.


Muy costosos por el tiempo de las entrevistas.
Limitado para personas con problemas de comunicacin.
Dificultad para tabular datos que han sido recopilados de
distinta forma.
Se requiere crear confianza y comodidad entre el
entrevistado y el entrevistador.
Se requiere habilidad tcnica para obtener la informacin y
mayor conocimiento respecto del tema.
Debido a que son entrevistas en profundidad habitualmente
se utilizan muestras pequeas.

CONSIDERACIONES PARA LAS ENTREVISTAS


Para evitar
entrevistas:

el

rechazo

atrasos

al

aplicar

Establecer los contactos necesarios para el buen fin de las


entrevistas.
Entrevistador debe estar bien capacitado. El entrevistador
debe establecer una buena comunicacin con el
entrevistado, uso de vestuario adecuado, lenguaje
adecuado, escuchar adecuadamente, no apresurar al
entrevistado, etc.
Buen registro de la informacin a fin de poder interpretarla
adecuadamente.
El entrevistador debe:
Dejarle un mensaje positivo al entrevistado.
Jams dar consejos,
Jams hacer juicios morales,

CUESTIONARIO
Mtodo que utiliza un instrumento o formulario impreso,
destinado a obtener respuestas sobre el problema en
estudio y que el sujeto investigado llena por s mismo.
El cuestionario puede aplicarse a grupos o individuos
estando presente el investigador.
Incluso puede enviarse por correo a los destinatarios.
Ventajas:
Costo relativamente bajo.
Proporciona informacin sobre un mayor nmero de personas en
un perodo breve.
Fcil para obtener, cuantificar, analizar e interpretar datos.
Menores requerimientos de personal capacitado.
Mayor posibilidad de mantener anonimato de los encuestados.
Eliminacin de los sesgos que introduce el encuestador.

CUESTIONARIO
Desventajas:
Es poco flexible, la informacin no puede variar ni profundizarse.
Si el cuestionario se enva por correo, es posible que no sean
devueltos o que no se obtengan respuestas.
No utilizable en personas que no saben leer ni escribir.
No permite aclarar dudas.
Resulta difcil obtener cuestionarios completamente contestados.
Se deben obtener grandes muestras.

En general, el proceso de recoleccin de


informacin para una investigacin, mtodos,
tcnicas e instrumentos y las fuentes de las
mismas suelen combinarse, cada uno de ellos con
sus ventajas y desventajas.

VALIDACIN DE LA BASE DE DATOS


Se requiere verificar la calidad de la informacin con la
finalidad que tengamos informacin real y sin errores (o con el
mnimo error posible)
Esto se puede realizar mediante:
Revisin manual: se revisa la informacin de forma
independiente.
A pesar que este proceso no ofrece garantas, es mejor que
slo ingresar la informacin
Revisin de valores inconsistentes: La intencin es no
contar con valores inverosmiles, es decir, que los datos estn
registrados dentro de los rangos reales que esa variable
puede asumir

VALIDACIN DE LA BASE DE DATOS


Cotejo cruzado de bases independientes: Un capturista
ingresa la informacin y otro ingresa la misma tambin de
forma independiente. Luego de ello se realiza el contraste a
travs de un software. Se puede observar: inconsistencia entre
las bases. Es el ms usado.
Imputacin de datos: Los procesos de limpieza de base de
datos implican el tratamiento para los valores perdidos (el
dato no se pudo recolectar pese a todos los esfuerzos)
Imputar es introducir un dato probable a partir de la
informacin que se recolect. Se necesitan que se cumplan:
-Una serie de supuestos
-Modelos matemticos para su estimacin
-Proporcin de datos a imputar muy pequea.

ELEMENTOS DE ESTADSTICA
La Estadstica es una ciencia que facilita la
solucin de problemas en los cuales necesitamos
conocer caractersticas sobre el comportamiento
de algn suceso o evento.
Nos permite inferir el comportamiento de sucesos
iguales o similares sin necesidad de que estos
ocurran.

ETAPAS DE UN ESTUDIO ESTADSTICO


Planteamiento del problema: consiste en definir el objetivo de la
investigacin y precisar el universo o poblacin.
Recogida de la informacin: consiste en recolectar los datos
necesarios relacionados al problema de investigacin.
Anlisis descriptivo: consiste en resumir los datos disponibles
para extraer la informacin relevante en el estudio.
Inferencia estadstica: consiste en suponer un modelo para toda la
poblacin partiendo de los datos analizados para obtener
conclusiones generales.
Diagnstico: consiste en verificar la validez de los supuestos del
modelo que nos han permitido interpretar los datos y llegar a
conclusiones sobre la poblacin

ETAPAS DE UN ESTUDIO ESTADSTICO


Esquema de las etapas de un estudio estadstico

AREA DE INTERES

DATOS

ORGANIZAR Y RESUMIR
Tema de Investigacin
-Antecedentes Previos
-Objetivos
-Preguntas de Investigacin
-Posibles Hiptesis
-Unidad de Anlisis
-Poblacin
-Variables

ESTADSTICA DESCRIPTIVA

(Tablas,
Grficos, Medidas
Descriptivas, etc.)

INTERPRETACIN
Muestra
Poblacin o Muestra?
Poblacin

INFERENCIA ESTADSTICA

CONCLUSIONES
INFORMACIN

Probabilidad

ETAPAS DE UN ESTUDIO ESTADSTICO


La Estadstica es la Ciencia de la
Sistematizacin, recogida, ordenacin y
iv presentacin de los datos referentes a un
t
p
ri
fenmeno
que
presenta
variabilidad
o
c
s
incertidumbre para su estudio metdico, con
De
a
objeto de
idadeducir las leyes que rigen esos fenmenos,

il
b
a
b
o
Pr
d

y
poder de esa forma hacer previsiones sobre los
a
i
tomar
decisiones
u
obtener
nc mismos,
e
r
fe
conclusiones.
n
I

ESTADSTICA DESCRIPTIVA
Centralizacin o Tendencia central o promedios
Indican valores con respecto a los que los datos
parecen agruparse.
Media, mediana y moda

Posicin
Dividen un conjunto ordenado de datos en grupos con
la misma cantidad de individuos.
Cuantiles, percentiles, cuartiles, deciles, quintiles...

Forma
Asimetra
Apuntamiento o curtosis

Dispersin o Variabilidad
Indican la mayor o menor concentracin de los datos
con respecto a las medidas de centralizacin.
Desviacin tpica, coeficiente de variacin, rango, varianza

LA MEDIA ARITMTICA

[=PROMEDIO(RANGO)]
La media aritmtica de una variable se define como la suma
ponderada de los valores de la variable por sus frecuencias
relativas y lo denotaremos por

x
y se calcula mediante las expresiones, segn el caso:
Para TDNA

TF

TI

xi
xi ni
ci ni
x

i 1 n
i 1 n
i 1 n
xi representa el valor de la variable; ci representa la marca de clase.

LA MEDIANA
[=MEDIANA(RANGO)]
La mediana de un conjunto de nmeros ordenados en magnitud es
o el valor central o la media de los dos valores centrales.

Clculo de la mediana en el caso de variables discretas

Tendremos en cuenta el tamao de la muestra.


Si N es Impar, hay un trmino central, el trmino
que ser el valor de la mediana.
Ejemplo: El conjunto de nmeros 3,4,4,5,6,8,8,8 y 10
tiene mediana 6.

n 1
X
2

LA MEDIANA
Clculo de la mediana en el caso de variables discretas

Si N es Par, hay dos trminos centrales,

n
X
2

la mediana ser la media de esos dos valores

n
n
X X 1
2
2
2
Ejemplo: El conjunto de nmeros 5,5,7,9,11,12,15 y18
tiene mediana 10

n
X 1
2

LA MODA
[=MODA(RANGO)]
La moda es el valor de la variable que tenga
mayor frecuencia absoluta, la que ms se repite,
es la nica medida de centralizacin que tiene
sentido estudiar en una variable cualitativa, pues
no precisa la realizacin de ningn clculo.
Por su propia definicin, la moda no es nica,
pues puede haber dos o ms valores de la
variable que tengan la misma frecuencia siendo
esta mxima. En cuyo caso tendremos una
distribucin bimodal o polimodal segn el caso.

LA MODA

ESTADGRAFOS DE POSICIN
Se define el cuantil de orden como un valor de la variable
por debajo del cual se encuentra una frecuencia acumulada
Casos particulares son los percentiles, cuartiles, deciles,
quintiles,...

CUANTIL DE ORDEN
[=PERCENTIL(RANGO;K)]
Los cuantiles son generalizaciones de la mediana.
Los cuartiles dividen a los datos en cuatro partes iguales, los deciles
en diez, los quintiles en cinco, los percentiles en cien.

r
C r n
k
k

3
Q3 42
4
4

31,5

CUANTIL DE ORDEN

Cuartiles (Q): Dividen a la muestra en 4 grupos con frecuencias similares.

Quintiles (K): Dividen a la muestra en 5 grupos con frecuencias similares.

Primer quintil
= Percentil 20 = Cuantil 0,20
Segundo quintil = Percentil 40 = Cuantil 0,40
Tercer quintil = Percentil 60 = Cuantil 0,60
Cuarto quintil
= Percentil 80 = Cuantil 0,80

Deciles (D): Dividen a la muestra en 10 grupos con frecuencias similares.

Primer cuartil
= Percentil 25 = Cuantil 0,25
Segundo cuartil = Percentil 50 = Cuantil 0,50 = mediana
Tercer cuartil = Percentil 75 = Cuantil 0,75

Tercer decil = Percentil 30 = Cuantil 0,30


Quinto decil = Percentil 50 = Cuantil 0,50 = mediana
Sptimo decil
= Percentil 70 = Cuantil 0,70

Percentiles (P) : Dividen a la muestra en 100 grupos con frecuencias


similares.

La mediana es el percentil 50
El percentil de orden 15 deja por debajo al 15% de las observaciones. Por encima
queda el 85%

MEDIDAS DE DISPERSIN
Miden el grado de dispersin (variabilidad) de los
datos, independientemente de su causa.

Amplitud o Rango

La diferencia entre las observaciones extremas.


2,1,4,3,8,4. El rango es 8-1=7
Es muy sensible a los valores extremos.

[=max(rango)-min(rango)]

% 25% %
%
5
25 2
25

Rango intercuartlico

[=CUARTIL(rango;3)-CUARTIL(rango;1)]

Es la distancia entre el primer y tercer cuartil.


Rango intercuartlico = Q3 Q1 = P75 - P25 = C0.75 C0,25
Parecida al rango, pero eliminando las observaciones ms extremas
inferiores y superiores.

No es tan sensible a valores extremos.

MUESTRA DE EDADES DE CINCO NIOS


En una muestra de cinco nios se observa que

stos tienen las siguientes edades:


1, 1, 4, 8 y 9 .
En promedio tienen 4.6 aos.
Cunta variabilidad hay en las edades de los
nios?
A qu distancia quedan las edades observadas
de la media muestral 4.6 aos?

DIFERENCIAS DE VALORES
OBSERVADOS A LA MEDIA MUESTRAL

-3.6
4.4
-3.6
-.6

3.4

DESVIACIN ABSOLUTA MEDIA


[=DESVPROM(RANGO)]

-3.6 + -3.6 + -.6 + 3.4 + 4.4 = 0


|-3.6| + |-3.6| + |-.6| + |3.4| + |4.4| = 15.6
Distancia promedio = 15.6 / 5 = 3.12
En general:

En
estadstica
la
desviacin
absoluta
promedio
o,
sencillamente desviacin
media o promedio de un
conjunto de datos es la
media
de
las
desviaciones absolutas y
es un resumen de la
dispersin estadstica.

1
DAM | xi x |
n i 1
| xi x |
DAM
n
i 1
n

VARIANZA
3

Frecuencia

3.6x3.6

Media
Muestral

2
4.4x4.4
.6x.6

3.4x3.4

3.6x3.6

0
1

Area observada

More

VARIANZA
[=VAR(RANGO)]

-3.6 + -3.6 + -.6 + 3.4 + 4.4 = 0


3.6(3.6) + 3.6(3.6) + .6(.6) + 3.4(3.4) +

4.4(4.4) = 57.2
rea promedio = 57.2 / 4 = 14.3
En general:
n

1
2
s
( xi x )

n 1 i 1
2

( xi x )
s
n 1
i 1
2

GRADOS DE LIBERTAD
Por qu calculamos la varianza dividiendo por n - 1,
en lugar de dividir por n?
Como la suma de las desviaciones es 0, la ltima
desviacin es una combinacin lineal de las n - 1
desviaciones restantes.
Por lo tanto, no estamos calculando el promedio de
n nmeros independientes (los desvos). Solo n -1 de
las desviaciones al cuadrado pueden variar
libremente y por ello, promediamos la suma de los
desvos al cuadrado dividiendo por n -1.
Al numero n -1 se lo denomina grados de libertad
de la varianza o de la desviacin tpica.

DESVIACIN ESTNDAR
[=DESVEST(RANGO)]

s s

As s = 3.78

DESVIACIN ESTNDAR

S 14.3 aos
2=

S
S=3.78 aos

MEDIDAS DE FORMA
Asimetra
Si bien es fcil tener una idea de si la distribucin
es simtrica o no tras ver la representacin
grfica, es importante cuantificar la posible
asimetra de una distribucin.
Recordemos que cuando la distribucin de los
datos es simtrica, la media, la mediana y la
moda coinciden. (Y la distribucin tiene la misma
forma a la izquierda y la derecha del centro)

NDICES DE ASIMETRA
1. ndice de asimetra de Pearson
Muy sencillo de calcular. Est basado en la relacin entre la
media y la moda en distribuciones simtricas y asimtricas:

__

X Mo

Sx

Si la distribucin es simtrica As ser 0


Si la distribucin es asimtrica positiva, As ser mayor que
0
Si la distribucin es asimtrica negativa, As ser menor que
0

NDICES DE ASIMETRA
2. ndice de asimetra de Fisher
Est basado en la diferencia de los datos sobre la media,
como la varianza, si bien esta vez se elevan los coeficientes
al cubo
n

AS

__

3
(
x

X
)
n
i
i 1

3
x

Si la distribucin es simtrica A s ser 0


Si la distribucin es asimtrica positiva, A s ser mayor que 0
Si la distribucin es asimtrica negativa, A s ser menor que 0
Desventaja: Muy influida por puntuaciones atpicas

NDICES DE ASIMETRA
3. Expresin en Excel
En el software Excel, la funcin
=COEFICIENTE.ASIMETRIA(A3:A14) se basa en la siguiente
expresin:
__

( n 1) ( n 2)

3
(
x

X
)
i

Si la distribucin es simtrica As ser 0


Si la distribucin es asimtrica positiva, A s ser mayor que 0
Si la distribucin es asimtrica negativa, A s ser menor que
0
Desventaja: Muy influida por puntuaciones atpicas

Asimetra
Asimetra hacia la derecha
(asimetra positiva)

Al ser positiva significa que la


grfica es asimtrica por la
derecha de la media y por
tanto los valores mayores que
ella estn ms dispersos que
los menores.

Asimetra hacia la izquierda


(asimetra negativa)

Al ser negativa significa que la


grfica es asimtrica por la
izquierda de la media y por
tanto los valores menores que
ella estn ms dispersos que
los mayores.

CURTOSIS O APUNTAMIENTO
La curtosis representa la elevacin o achatamiento de una
distribucin, comparada con la distribucin normal. Una
curtosis positiva indica una distribucin relativamente
elevada, mientras que una curtosis negativa indica una
distribucin relativamente plana.
El estndar
mesocrtica.

es

la

distribucin

normal:

distribucin

Si la distribucin es ms apuntada que la distribucin


normal tenemos una distribucin leptocrtica.
Si la distribucin es ms achatada que la distribucin
normal tenemos una distribucin platicrtica.

NDICE DE CURTOSIS
Para una distribucin normal (mesocrtica) sabemos que
n

(x

__

X )4 n
3

i 1

Y esta va a ser la referencia


s x para el ndice de curtosis
que vamos a emplear
n

(x

__

X )4 n

3
C r (mesocrtica),
4
Si la distribucin es normal
el ndice vale
sx
0
i 1

Si la distribucin es leptocrtica, el ndice es superior a 0


Si la distribucin es platicrtica, el ndice es inferior a 0

NDICE DE CURTOSIS
En el software Excel, la funcin =CURTOSIS(A3:A14) se
basa en la siguiente expresin:

Cr

__

2
(
x

X
)
i
n(n 1)
3(n 1)

4
(n 2)( n 3)
(n 1)( n 2)( n 3)
s x
4

Si la distribucin es normal (mesocrtica), el ndice vale


0
Si la distribucin es leptocrtica, el ndice es superior a
0
Si la distribucin es platicrtica, el ndice es inferior a 0

Curtosis
Leptocrtica

Al ser positiva significa que


la grfica es ms apuntada
que la grfica de la
distribucin normal y por
tanto los valores alrededor
de la media estn mas
concentrados que en la
Distribucin Normal.

Platicrtica

Al ser negativa significa


que la grfica es menos
apuntada que la grfica de
la distribucin normal y por
tanto los valores alrededor
de la media estn menos
concentrados que en la
Distribucin Normal.

MEDIDAS DE FORMA
Son aquellos nmeros, que indican la morfologa de
la distribucin de los datos, es decir de la simetra y
apuntamiento que tiene el histograma de la
variable en estudio. Slo se pueden calcular en
variables medidas en escala intervalar y de razn.
Son el:
SESGO (COEFICIENTE DE ASIMETRIA)
CURTOSIS

TIPOS DE DISTRIBUCIONES DE
FRECUENCIA MS COMUNES
Distribucin Simtrica

DISTRIBUCIN SIMTRICA

DISTRIBUCIN ASIMTRICA

DISTRIBUCIN ASIMTRICA

RELACIN ENTRE LA MEDIA, MEDIANA Y


MODA
X = Me = Mo

Cuando una distribucin de frecuencia


es simtrica, la media, mediana y
moda coinciden en su valor ( X = Me
= Mo). En el caso de una distribucin
binomial simtrica, es necesario
calcular el promedio de las modas.
Mo < Me < X

En una distribucin sesgada a


la izquierda, la moda es
menor a la mediana, y esta a
su vez menor que la media.

Medidas de Forma
Page 221

RELACIN ENTRE LA MEDIA, MEDIANA Y


MODA
Mo
> Me
> X distribucin
En
una

sesgada a la derecha la
relacin se invierte, la moda es mayor a la
mediana, y esta a su vez mayor que la media.

EJEMPLO: RELACIN ENTRE LA MEDIA,


MEDIANA Y MODA
Calcular la media, mediana y moda de los siguientes datos e
interpretar su
relacin.

COEFICIENTE DE ASIMETRA
Mide el grado de asimetra de la distribucin con respecto a la media.
Un valor positivo de este indicador significa que la distribucin se
encuentra sesgada hacia la izquierda (orientacin positiva). Un
resultado negativo significa que la distribucin se sesga a la derecha.

EJEMPLO: CLCULO DEL COEFICIENTE


DE ASIMETRA
Calcular el coeficiente de asimetra a partir de los siguientes datos
obtenidos de una muestra. Realizando el Polgono de
Frecuencias.

CURTOSIS
Indica que tan apuntada o achatada se encuentra una
distribucin respecto a un comportamiento normal
(distribucin normal).
Si los datos estn muy
concentrado hacia la media,
la distribucin es
leptocrtica (curtosis mayor
a 0).
Si los datos estn muy
dispersos, la distribucin es
platicrtica (curtosis menor
a 0).
El comportamiento normal
exige que la curtosis sea
igual a 0 (distribucin
mesocrtica).

CLCULO DE LA CURTOSIS
La frmula empleada para calcular la Curtosis se muestra a
continuacin (reemplace el valor de n por N en caso de tratar con
datos poblacionales):

EJEMPLO: CLCULO DE LA CURTOSIS


Calcular el coeficiente de asimetra a partir de los siguientes datos
obtenidos de una muestra. Realizar el polgono de frecuencias.

IDENTIFICACIN DE HIPTESIS
Una
hiptesis
estadstica
es
una
suposicin acerca que una caracterstica
de la poblacin, que debe ser probada con
base en la informacin porporcionada por
una muestra aleatoria.
Hiptesis nula:

H0 : Es la que se pretende
probar, generalmente se
establece con el fin de
rechazarla.

Hiptesis alternativa:

H1 :
Es la negacin de la
hiptesis nula, establece
adems la regin en la que se
tomar la decisin de rechazar

DEFINICIONES
Nivel de significacin: La probabilidad de rechazar la
hiptesis nula cuando en realidad es verdadera.
Error tipo I: Rechazar la nula cuando en realidad es
verdadera.
Error tipo II: Aceptar la hiptesis nula cuando en realidad
es falsa.
Estadstico de prueba: Es un valor, determinado a partir
de la informacin de la muestra, usado para decidir si
rechazar o no la hiptesis nula.
Valor crtico: El punto que divide la regin entre el lugar en
el que la hiptesis nula es rechazada y y la regin donde la
hiptesis nula es no rechazada.

QU ES UNA PRUEBA DE HIPTESIS?


Prueba de hiptesis: es un procedimiento, basado en la
evidencia de la muestra y en la teora de las
probabilidades, usado para determinar si la hiptesis
es una afirmacin razonable y debera no ser
rechazada o si no es razonable debera ser rechazada.
Principalmente sus parmetros:
Media
Varianza
Proporcin/Tasa
OJO: Si queremos contrastarla, debe establecerse
antes del anlisis.

PRUEBA DE HIPTESIS
P a s o 1 : E s t a b le c e r la h ip t e s is n u la y la a lt e r n a t iv a
P a s o 2 : S e le c c io n a r e l n iv e l d e s ig n ific a c i n
P a s o 3 : I d e n t if ic a r e l e s t a d s t ic o d e p r u e b a
P a s o 4 : F o r m u la r u n a r e g la d e d e c is i n
P a s o 5 : T o m a r u n a m u e s t r a , lle g a r a u n a d e c is i n
N o r e c h z a r la h ip t e s is n u la

R e c h a z a r la n u la y a c e p t a r la a lt e r n a t iv a

REGIN CRTICA Y NIVEL DE SIGNIFICACIN


Regin crtica
Valores improbables si...
Es conocida antes de realizar el
experimento: resultados
experimentales que refutaran H 0

Nivel de significacin:
Nmero pequeo: 1% , 5%
Fijado de antemano por el
investigador
Es la probabilidad de rechazar
H0 cuando es cierta

=0.05

Reg. Crit.

Reg. Crit.

No rechazo
H0 =40

CONTRASTES: UNILATERAL Y BILATERAL


La posicin de la regin crtica depende de la hiptesis
alternativa
Bilater
al

H1:
40

Unilateral

Unilatera
l

H1: < 40

H1:
>40

SIGNIFICACIN: P
Es la probabilidad que tendra una regin crtica que comenzase exactamente
en el valor del estadstico obtenido de la muestra.
Es la probabilidad de tener una muestra que discrepe an ms que la nuestra
de H0.
Es la probabilidad de que por puro azar obtengamos una muestra ms
extraa que la obtenida.
p es conocido despus de realizar el experimento aleatorio
El contraste es no significativo cuando p>a

No se
rechaza
H0: =40

X 43

SIGNIFICACIN : P
El contraste es estadsticamente significativo cuando p <

Es decir, si el resultado experimental discrepa ms de lo tolerado a priori.

Se rechaza H0:
=40
Se acepta H1:
>40

X 50

RESUMEN: , P Y CRITERIO DE RECHAZO


Sobre

Sobre p

Es nmero pequeo,
preelegido al disear el
experimento

Es conocido tras realizar


el experimento

Conocido sabemos
todo sobre la regin
crtica

Conocido p sabemos
todo sobre el resultado
del experimento

Sobre el criterio de rechazo

El contraste es significativo si p menor que

ESTADSTICOS PARA DISEOS DE DOS


GRUPOS
Datos
Paramticos

Ordinales
Nominales

Grupos
Relacionados
Independiente
s
t Student
t Student
muestras no
muestras
relacionadas
relacionadas
U Mann-Whitney
T Wilcoxon
Probabilidad
McNemar
exacta de Fisher

PRUEBAS NO-PARAMTRICAS
Pruebas estadsticas que no requieren muchas
asunciones acerca de la naturaleza de la poblacin
de donde proceden las muestras. Son referidos
como pruebas de distribucin libre.
Pueden usarse con datos de escala nominal y
ordinal.
Muestreo independiente o aleatorio.

PRUEBAS PARAMTRICAS
Pruebas estadsticas que asumen una serie de
propiedades sobre los parmetros de la poblacin de
donde proceden la muestras: datos de distribucin
normal y de igual variancia en la poblacin.
Datos de escala de intervalo y razn.
Muestreo independiente o aleatorio.

ANLISIS PARAMTRICOS

Coeficientes de correlacin
Regresin lineal
Prueba t
Prueba de diferencia de proporciones
Anlisis de varianza
Anlisis de covarianza

ANLISIS PARAMTRICOS
Coeficiente de correlacin de Pearson
Analiza la relacin entre dos variables medidas
en un nivel por intervalos o de razn.
Se simboliza con:r
Ejemplos: A mayor X, mayor Y.
A mayor X,menor Y.
La hiptesis de investigacin seala que la
correlacin es significativa.(No identifica
causalidad)
Puede variar de -1.00 a +1.00

ANLISIS PARAMTRICOS
Regresin lineal
Es un modelo estadstico para estimar el efecto
de una variable sobre otra.
Est asociado con el coeficiente de correlacin de
Pearson.
Brinda la oportunidad de predecir las
puntuaciones de una variable tomando las
puntuaciones de la otra variable.

ANLISIS PARAMTRICOS
Prueba t
Es una prueba estadstica para evaluar si dos
grupos
difieren
entre
si
de
manera
significativa respecto a sus medias en una
variable.
Se simboliza con :t.
La hiptesis de inv.propone que los dos grupos
difieren de manera significativa,y la hiptesis
nula que los dos grupos no difieren.

ANLISIS PARAMTRICOS
Prueba de diferencia de proporciones
Es una prueba estadstica para analizar si dos
proporciones
o
porcentajes
difieren
significativamente entre s, en dos grupos.
La comparacin se realiza con una variable.
Si hay varias variables hay que realizar una
prueba por cada variable.

ANLISIS PARAMTRICOS
Anlisis de varianza(ANOVA- one-way)
Es una prueba estadstica para analizar si ms de
dos grupos difieren significativamente (son
diferentes)entre s en cuanto a sus medias y
varianzas.
Hay otras a estadsticas relacionadas con anova.

ANLISIS NO PARAMTRICOS
Supuestos:
1. Aceptan distribuciones no normales.
2. Pueden analizar datos medidos con escalas de
intervalos,razn,nominales u ordinales.

ANLISIS NO PARAMTRICOS
Las pruebas no paramtricas ms comunes son:
Chi cuadrada
Coeficientes de correlacin e independencia para
tabulaciones cruzadas
Coeficientes de correlacin por rangos ordenados
de Spearman y Kendall.

ANLISIS NO PARAMTRICOS
Chi cuadrada
Es una prueba estadstica para evaluar hiptesis
acerca de la relacin entre dos variables
categricas.
Se simboliza :X2
No considera relaciones causales.

PRUEBA T DE STUDENT
PARA MUESTRAS RELACIONADAS
La prueba de t Student para muestras dependientes se utiliza
para comparar las medias de un mismo grupo en diferentes
etapas. Se utiliza, por ejemplo, para las comparaciones de los
resultados de una prueba antes y despus para un grupo
determinado.
A continuacin se explicar la operacin de esta prueba a travs
de un caso para contraste unilateral y otro bilateral.

DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)


ejemplo: Se desea saber si el cambio de alimento ha variado
positivamente en el peso de animales. Los datos son los
siguientes :
A1

A2

92

94

85

97

74

93

70

99

36

92

85

98

55

77

66

93

88

96

75

100

89

95

66

93

DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)


En este caso se utiliza la prueba t para muestras relacionadas

M
DS d

DS d

x
x

i1

DS

d X d
1

Media aritmtica de las diferencia s


d
DS Desviacin Estndar de las diferencia s
d
n Nmero de sujetos de la muestra
M

___

i2

n 1

DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)


En nuestro caso, se obtienen los siguientes valores:
A1

A2

92

94

-2

85

97

-12

74

93

-18

70

99

-29

36

92

-56

85

98

-14

55

77

-23

66

93

-27

88

96

-8

75

100

-25

89

95

-6

66

93

-27

___

X d 20,50

14,39

n 12

DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)


CLCULO DEL VALOR T OBSERVADO

M d 20,50

n 12

M
DS d

SUSTITUYENDO

tO

DS

20
,
50

4,93
14, 39

14,39

12

DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)


Valor calculado

to 4,93

= 0.05 unilateral
valor critico

t0.05;11 1,796

t0.95;11 1,796
to 4,93

grados de
libertad
n-1

Se Rechaza Ho
Al comparar los valores, podemos rechazar la hiptesis nula con un
margen de error de 5%, por lo cual podemos afirmar que el peso de
los animales ha variado positivamente despus del cambio de
alimento.

DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)


Ejemplo Contraste Bilateral:

Un granjero intentaba encontrar un modo eficaz de extraer


leche de su ganado. Con el fin de elegir la tcnica ms
apropiada, prob dos opciones manuales. Los resultados
fueron medidos a travs de los litros obtenidos.

DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)


En nuestro caso, se obtienen los siguientes valores:
TC. 1

TC. 2

15

27

-12

12

25

-13

22

17

20

30

-10

18

22

-4

16

19

-3

14

15

-1

19

22

-3

17

25

-8

10

19

-9

25

23

20

22

-2

M d 4,83
DS

5,61

n 12

DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)


CLCULO DEL VALOR T OBSERVADO

M d 4,83

n 12

M
DS d

SUSTITUYENDO

tO

DS

5,61

4
,
83

2,99
5, 61

12

DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)


Valor calculado
= 0.05 bilateral

to 2,99

valor critico

t0.025;11 2,201

t0.975;11 2,201
to 2,99

grados de
libertad
n-1

Se Rechaza Ho
Al comparar los valores, podemos rechazar la hiptesis nula de la
igualdad de las tcnicas de ordea, con un margen de error de 5%,
por lo cual podemos afirmar que la existen diferencias entre ellas, a
favor de la tcnica 2.

EJERCICIO T STUDENT
Tengamos las siguientes puntuaciones en las
variables X (inteligencia) e Y (rendimiento
acadmico):
X: 105 116 103 124 137 126 112 129 118 105
Y: 4 8 2 7 9 9 3 10 7 6

EJERCICIO T STUDENT

EJERCICIO T STUDENT
Los datos de la produccin de trigo en toneladas
(X) y el precio del kilo de harina en pesos (Y ) en
la dcada de los 80 fueron:
Produccin de trigo 30 28 32 25 25 25 22 24 35
40
Precio de la harina 25 30 27 40 42 40 50 45 30 25

PRUEBA DE WILCOXON
El contraste de Wilcoxon es la tcnica no paramtrica paralela a la T
de Student para muestras relacionadas. Al Igual que en esa prueba,
disponemos de n parejas de valores que podemos considerar como una
variable medida en cada sujeto en dos momentos diferentes.

Se presentar a continuacin el proceso de contraste para


muestras por aproximacin normal.

DIFERENCIA ENTRE GRUPOS


RELACIONADOS (W)
Caso
Los datos siguientes se refieren a los niveles de
tolerancia a la frustracin manifestada por un grupo
de nios en la casa y en el colegio. Se trabaj con una
muestra de 8 nios.
Se midi a travs de una escala de manifestaciones de
frustracin a los nios, tanto en la casa como en el
colegio. Se intenta establecer si existen diferencias en
los niveles de tolerancia a la frustracin manifestada .

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)


Paso 1) Se recogen y tabulan los datos.

TF-CASA

TF-COLEGIO

82

63

69

42

73

74

43

37

58

51

56

43

76

80

65

82

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)


Paso 2) Se determinan las diferencias Di entre los
pares de observaciones realizadas.

TF-CASA

TF-COLEGIO

Di

82

63

19

69

42

27

73

74

-1

43

37

58

51

56

43

13

76

80

-4

65

82

-17

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)


Paso 3) Sin tomar en cuenta el signo, se ordenan en forma creciente
las Di y se les asigna el rango de 1 a n. En el caso de haber dos o
ms diferencias iguales, se considera para cada uno el promedio de
los rangos. Las diferencias iguales a 0 se descartan los clculos y de

n , pues en este modelo no se toman en cuenta los empates.


TF-CASA

TF-COLEGIO

Di

RANGO (T)

73

74

-1

76

80

-4

43

37

58

51

56

43

13

65

82

-17

82

63

19

69

42

27

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)

Paso 4) Se coloca el signo a cada uno de los rangos Ri hallados.


Se suman entre s los rangos de las diferencias positivas
calculando su total T1-, y el de las negativas obteniendo T2+,
siendo T1 la suma de los rangos en que Y>X (diferencias
negativas); y T2 la suma de los rangos en que X>Y (diferencias
positivas).
Paso 5) Se elige la menor de ambas sumas y se la define como el
estadgrafo
W.
RANGO (T -)
RANGO (T +)
TF-CASA
TF-COLEGIO
Di
RANGO
1

73

74

-1

76

80

-4

43

37

58

51

56

43

13

65

82

-17

82

63

19

69

42

27

Valor W calculado

27

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)


Paso 5) Est demostrado que cuando n aumenta de tamao,
la distribucin W se acerca rpidamente a la distribucin
normal, con los siguientes parmetros:

n(n 1)
4

n(n 1)( 2n 1)
24

por lo que podemos determinar la significacin de un valor


observado de W por medio de:

W W
Z
W
W

n(n 1)
W
4
Z
W
n(n 1)(2n 1)
24

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)


En nuestro ejemplo, si sustituimos en

n(n 1)
4

n(n 1)( 2n 1)
24

Si hay diferencias igual a 0, se excluyen eso pares de n


Tenemos, entonces, los siguientes valores:

89
4

18
9

8 9 17
24

9 7,141

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)


Una vez establecidos los parmetros, calculamos el valor Z
observado para W=9

9 18

Z
1,26
9 7,141
Alternativas de contraste

Bilateral

Unilateral

Z Z
rechazar H o

/
2
W
Z Z rechazar H o
W

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)


Los valores crticos para Z se indican a continuacin:

Valores Crticos de

.05
.10

Nivel de Significacin para


Contraste Unilateral
.025
.01
.005
.0005
Contraste Bilateral
.05

.02

z
1.645

1.960

.01

.001

crtico
2.326

2.576

3.291

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)


Paso 6) Comparar el valor crtico con el valor observado para
W.
Considerando
que el contraste para nuestro caso es bilateral, el valor
crtico asociado a una probabilidad
1.96.
Comparamos :

Z 1,26
W

bilateral de 0.05, es de Z =

0.05 / 2

1,96

1,26 1,96
Paso 7) Se concluye sobre la Hiptesis nula.
Por lo tanto, no podemos rechazar la hiptesis nula, y debemos
aceptar que no existe evidencia emprica suficiente para afirmar que
existen diferencias significativas entre los niveles de tolerancia a la
frustracin manifestada en la casa y en el colegio

EJERCICIO
RANGO DE SIGNOS DE WILCOXON

EJERCICIO
RANGO DE SIGNOS DE WILCOXON

EJERCICIO
RANGO DE SIGNOS DE WILCOXON

EJERCICIO
RANGO DE SIGNOS DE WILCOXON

EJERCICIO
RANGO DE SIGNOS DE WILCOXON

EJERCICIO
RANGO DE SIGNOS DE WILCOXON

EJERCICIO
RANGO DE SIGNOS DE WILCOXON

EJERCICIO
RANGO DE SIGNOS DE WILCOXON

DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)


Paso 5) Est demostrado que cuando n aumenta de tamao,
la distribucin W se acerca rpidamente a la distribucin
normal, con los siguientes parmetros:

n(n 1)
4

n(n 1)( 2n 1)
24

por lo que podemos determinar la significacin de un valor


observado de W por medio de:

W W
Z
W
W

n(n 1)
W
4
Z
W
n(n 1)(2n 1)
24

Valores Crticos de Z

Nivel de Significacin para

Contraste Unilateral

.05

Z8 = 8- 39 = - 2.44
12.73

.025

.01

.005

.0005

Contraste Bilateral

.10

.05

.02

1.645

1.960

.01

.001

crtico

2.326

2.576

3.291

LOS ANLISIS DE REGRESIN Y


CORRELACIN MOSTRAR
La naturaleza de la relacin entre las variables
La fuerza de la relacin entre variables
Anlisis de regresin
Formula matemtica que relaciona las variables
conocidas con la varibable desconocida
Anlisis de correlacin
Determinar el grado de relacin entre las
variables

INDEPENDENCIA - DEPENDENCIA
Cuando se estudian dos caractersticas simultneamente sobre una
muestra, se puede considerar que una de ellas influye sobre la
otra de alguna manera. Por ejemplo la altura y el peso o las horas
de estudio y la calificacin en un examen.
El objetivo principal de la regresin es descubrir el modo en que se
relacionan.
Dos variables pueden considerarse:
Variables independientes No tienen relacin (una de ellas no sirve
para explicar los movimientos de la otra)
Dependencia funcional Y=f(x)
Dependencia estadstica

Independencia estadstica

Dependencia
estadstica

Dependencia funcional

Grado de asociacin entre dos variables

GRFICOS DE DISPERSIN: PERMITE


VER SI HAY ASOCIACIN
Dadas dos variables X y Y tomadas sobre el mismo
elemento de la poblacin, el diagrama de dispersin
es simplemente un grfico de dos dimensiones,
donde en un eje (la abscisa) se sita una variable, y
en el otro eje (la ordenada) se sita la otra variable.
Si las variables estn correlacionadas, el grfico
mostrara algn nivel de correlacin (tendencia)
entre las dos variables. Si no hay ninguna
correlacin, el grfico presentara una figura sin
forma, una nube de puntos dispersos en el grfico.

GRFICOS DE DISPERSIN: PERMITE


VER SI HAY ASOCIACIN

Asociacin
positiva. Si
aumenta X
aumenta Y

Estadstica Econmica
2007-2008. Sara Mateo.

GRFICO DE DISPERSIN
Es un grfico que muestra la intensidad y el sentido de la
relacin entre dos variables de inters.
Variable dependiente
Respuesta, predicha, endgena
Es la variable que se desea predecir o estimar
Variables independientes
Predictoras, explicativas exgenas
Son las variables que proveen las bases para estimar.
Si X es la variable independiente e Y es la variable
dependiente, una relacin funcional tiene la forma:
Y=f(X)

GRFICOS DE DISPERSIN / RECTA DE


REGRESIN
La relacin entre dos variables mtricas puede ser
representada mediante la lnea de mejor ajuste a los
datos. Esta recta se le denomina recta de regresin,
que puede ser negativa o positiva, la primera con
tendencia decreciente y la segunda creciente.

GRFICOS DE DISPERSIN / RECTA DE


REGRESIN
Para el clculo de la recta de regresin se aplica
el mtodo de mnimos cuadrados entre dos
variables. Esta lnea es la que hace mnima la
suma de los cuadrados de los residuos, es decir,
es aquella recta en la que las diferencias
elevadas
al
cuadrado
entre
los
valores
calculados por la ecuacin de la recta y los
valores reales de la serie, son las menores
posibles.

GRFICOS DE DISPERSIN / RECTA DE


REGRESIN

Recta de regresin

Pendiente

yn

yi

yn 1

y3

u3

yi
y1

ui
yi

y2

Intercepto

x1

x2

x3

xn 1

xi

yi a bxi ui

xn

ui yi yi
Error

Llamemos a u perturbacin o error, siendo la diferencia que hay entre el


valor observado de la variable exgena (y) y el valor estimado que
obtendremos a travs de la recta de regresin yi .

y i a bxi
La metodologa para la obtencin de la recta ser hacer MNIMA la suma de
los CUADRADOS de las perturbaciones. Por qu se elevan al cuadrado?
n

2
u
i

u ( yi yi ) 2
2
i

i 1

min u ( y y )
q, p

i 1

2
i

i 1

i 1

(
y

y
)
i i
i 1

yi aq bpxi

En el modelo de regresin lineal simple la funcin elegida para aproximar la relacin entre las
variables es una recta, es decir y=a+bx, donde a,b son los parmetros. A esta recta la
llamaremos RECTA DE REGRESIN DE Y SOBRE X.
Vamos a deducir su ecuacin usando el mtodo de los mnimos cuadrados. Dado un valor de
X, tenemos los dos valores de Y, el observado, yi , y el terico, yi* = a + bxi. Hemos de
minimizar los errores cometidos:

y a bx y a bx
i

i 1

i 1

Errores cometidos al
aproximar por una recta

El valor que hemos


aproximado para y con
la recta de regresin y*

na

MINIMIZA
R

y b x

x y y bx x b x
y

x y
x bx nx b x
i i

y abx 0 y ab x

2 y a bx x 0 x y a x b x

2
i

i i

xi yi ynx b

S xy bSx2

2
i

i i

i i

2
i

2
a

a y bx

xi2 nx 2

S xy
S x2

y obtenemos que la recta de regresin de Y sobre X: y = a + bx con los


valores a y b anteriormente calculados, o bien la siguiente expresin:

y y

S xy
S x2

x x

Aplicando el mismo razonamiento llegaramos a la expresin de la recta de


regresin de X sobre Y: x = a + by con los valores a y b calculados como:

b '

S xy

y a ' x b ' y

S y2

Por tanto, se podra expresar como:

x x
Estadstica Econmica
2007-2008. Sara Mateo.

S xy
S y2

y y

Varianza residual: Ayuda a medir la dependencia.


VR =

S S
2
u

2
Ry

yi y i
N

Si es grande, los residuos, por trmino


medio, sern grandes. Dependencia
pequea y viceversa.

Varianza marginal: Es la varianza total de X o de Y. Si dividimos la


varianza residual entre esta se elimina el problema de unidades de
medida.

2
Sy

2
Sx

Su2
S y2

VR

VT y

Ayuda a determinar la
asociacin pero en
sentido inverso. La
mejor medida es R.

Coeficiente de correlacin general:

Su2
R 1 2
SY

Haciendo unas transformaciones se demuestra que r(xy)

Elevado al cuadrado obtenemos el coeficiente de determinacin que sirve como


medida del buen ajuste de la recta de regresin

Cuando solo exista una variable explicativa o


independiente y una sola dependiente se cumple:

rxy R
R

S xy S xy S xy
2
R bb'

S x2 S y2 S x S y

2
2

2
rxy

1 r 1

1 R 1 0 r 2 1 0 R2 1

Para el caso de distribuciones bidimensionales:

S
Recta de regresin: yi y XY2
SX

y i y

S
S
x XY2 xi y XY2 xi x
SX
SX

S XY S X SY
S XY SY
SY
x

r
i
i
xi x
2
S X SY S X
S X SY S X
SX
r 1

Pendiente

R r R2 r 2

1 r 0

Negativa

r 0

Nula

0 r 1

r 1
Positiva

2
Y

Varianza total

Se descompone en:

S S VR
2
u

Varianza de los errores (perturbaciones)


Varianza debida a la regresin (explicada)

2
ry

S S S
2
R

2
Y

2
VE
u

2
VR VE
S
S
S

S
2
R
1

R 1
2
VT VT
S
SY
SY2
2
u
2
Y

2
Y

2
u

S S S
2
Y

2
R

Tanto por uno de la

2
u

VT VR VE

Y que viene explicado por la X

SIRVE PARA DETERMINAR SI EL AJUSTE HECHO ES BUENO. ES DECIR, SI LA


VARIABLE X EXPLICA LAS VARIACIONES DE LA VARIABLE Y. DEBER SER > 0.75

Prediccin

S XY
yi qa bpxi y 2 xi x
SX

El objetivo ltimo de la regresin es la prediccin de una variable para un valor


determinado de la otra. La prediccin de Y para X = x0 ser simplemente el
valor obtenido en la recta de regresin de Y sobre X al sustituir el valor de x
por x0. La fiabilidad de esta prediccin ser tanto mayor cuando mayor sea la
correlacin entre las variables (es decir mayor sea R2 )

Dado un valor de la variable X que no ha sido observado, estimar el


correspondiente valor de Y

Dado x0

estimar

S XY
y 0 aq bpx0 y 2
SX

y 0

x0 x

CORRELACIN Y REGRESIN LINEAL SIMPLE

VALIDACIN DEL MODELO


Siempre hay una diferencia
entre el valor real de la variable
respuesta y la estimacin a
partir
de
la
ecuacin
de
regresin:
el residuo
Validacin

100

80

60

VAR RESPUESTA

40

20

0
0

100

VAR EXPLICATIVA

200

300

400

Los resultados de la
regresin
slo
son
fiables si el modelo
cumple
ciertas
hiptesis
sobre
los
residuos
Es preciso realizar una
validacin del modelo

REGRESIN LINEAL MLTIPLE

CALIDAD DEL MODELO


Calidad del modelo:
Para determinar hasta que punto las variables explicativas permiten
estimar a la variable respuesta seguimos usando el R2 (COEFICIENTE
DE DETERMINACIN=VARIANZA EXPLICADA).
Cuanto ms cercano a 1 ms adecuado es el modelo
Cuanto ms cercano a 0 peor resulta el modelo. Es decir, las
variables explicativas no se ajustan linealmente a la variable
respuesta.
R2 aumenta con muchas VI y en muestras pequeas R2 ajustado

Un R2 bajo no necesariamente indica que las variables


seleccionadas no permiten estimar adecuadamente la
variable respuesta.
Es posible que la relacin no sea lineal.

REGRESIN LINEAL MLTIPLE

CONTRASTES
Contrastes de hiptesis:
Se puede contrastar si cada pendiente
individualmente es significativa o no, es decir, si
cada variable explicativa influye realmente sobre
la variable respuesta (t)
Se puede contrastar si globalmente todas las
variables explicativas influyen sobre la variable
respuesta (F).
Las siguientes paradojas pueden darse,

Individualmente una variable explicativa puede estar significativamente


relacionada con la variable respuesta, pero no ser un predictor significativo
en el modelo de regresin lineal mltiple

Una variable individualmente puede NO estar significativamente


relacionada con la variable respuesta, pero en un modelo de regresin
lineal mltiple S lo est

REGRESIN LINEAL MLTIPLE

VALIDACIN
Validacin del modelo:
Los residuos del modelo debe seguir
cumpliendo ciertas hiptesis bsicas:
Media cero
Incorrelacin
Normalidad
Para poder interpretar adecuadamente los
coeficientes estimados y hacer uso de la recta de
regresin es imprescindible que el modelo sea vlido.

LIMITACIONES Y ERRORES
NO DETERMINAN CAUSA Y EFECTO
INTERPRETACION ERRONEA

INCORRECTO r = .6 la ecuacin de regresin


explica el 60% de la variacin total en Y

CORRECTO r = .36 Solo el 36% de la variacin


total se explica por la recta de regresion

CORRELACIN
Al observar la grfica de puntos dispersos,
tenemos una idea de si hay una asociacin entre
dos variables numricas.
Para medir el grado de asociacin, calculamos un
coeficiente de correlacin.
El mtodo estndar es el coeficiente de correlacin
de Pearson, r.

COEFICIENTE DE CORRELACIN DE
PEARSON, R
Mide la dispersin de los puntos, alrededor de una
tendencia lineal subyacente (lnea recta).
Puede tomar cualquier valor entre 1 y +1.
La frmula es:
(x-x)(y-y)
r= ---------------(x-x)2 (y-y)2

Distancia del punto A del promedio de X

COEFICIENTE DE CORRELACIN DE
PEARSON, R

Distancia del punto A del promedio de Y

10

20

30

40

50

COEFICIENTE DE CORRELACIN DE
PEARSON, R
r= +1

r= -1

CORRELACIN
Si hay una relacin no lineal, la correlacin es cero.
Pero hay que tener cuidado, cuando r = 0; puede
haber una relacin no lineal fuerte entre las dos
variables.
Siempre examine los datos grficamente primero

SUPOSICIONES DE LA CORRELACIN
Un coeficiente de correlacin puede ser calculado
en cualquier grupo de datos.
Es ms significativo cuando las dos variables tienen
una distribucin aproximadamente Normal.
Datos de este tipo tendrn una forma elptica.

Otra suposicin para el uso de la correlacin, es que


todas
las
observaciones
debern
ser
independientes, esto significa que slo una
observacin por cada variable debera venir de
cada individuo en el estudio.

INTERPRETACIN DE LA CORRELACIN
El coeficiente de correlacin deber estar entre -1 y +1.
Un valor de +1 indica una correlacin perfecta positiva.
Un valor de 1 indica una correlacin perfecta negativa.
Un valor de 0 indica que no hay asociacin lineal entre las dos
variables.

Una correlacin elevada puede mostrar una relacin dbil


cuando se examina en una grfica de puntos dispersos.
Una correlacin de 0 no siempre indica no relacin, ya
que la relacin puede no ser lineal.
Buen coeficiente de correlacin(r>0,7)
Coeficiente de determinacin: porcentaje de la varianza
que explica el modelo.

PRESENTACIN DE CORRELACIN
Hay tres puntos a recordar:
Los datos debern ser mostrados en una grfica de
puntos dispersos.
El coeficiente de correlacin, r, deber ser dado a dos
sitios decimales.
El nmero de observaciones deber ser sealado.

SIGNIFICACIN
Frmula:

Interpretacin:

t t ( , N 2 )

rXY
1 r
N 2
2
XY

Se rechaza la Hiptesis nula. La


correlacin no procede de una poblacin cuyo valor xy =
0. Las variables estn relacionadas.
t t ( , N 2 ) Se acepta la Hiptesis nula. La
correlacin procede de una poblacin cuyo valor xy = 0.
Las variables no estn relacionadas.

OTRAS CUESTIONES A CONSIDERAR


Correlacin no implica causalidad.
La significacin estadstica depende del tamao
de la muestra (a mayor N, ms probable es
encontrar significacin).
Otra posible interpretacin
2 la da el coeficiente de
rXYtrminos de proporcin
determinacin
, en
de variabilidad de Y compartida o explicada por
X.
La proporcin de variabilidad no explicada,
aquello de Y que queda sin explicar por X, se
denomina coeficiente de no determinacin:

1 r

2
XY

EJERCICIO
Tengamos las siguientes puntuaciones en las
variables X (inteligencia) e Y (rendimiento
acadmico):
X: 105 116 103 124 137 126 112 129 118 105
Y: 4 8 2 7 9 9 3 10 7 6

EJERCICIO
Los datos de la produccin de trigo en toneladas
(X) y el precio del kilo de harina en pesos (Y ) en
la dcada de los 80 fueron:
Produccin de trigo 30 28 32 25 25 25 22 24 35
40
Precio de la harina 25 30 27 40 42 40 50 45 30 25

QU ES LA CHI CUADRADA?
Es una prueba estadstica para evaluar hiptesis
acerca de la relacin entre dos variables categricas
Se simboliza por 2
Hiptesis a probar : Correlacinales
( H0 : no hay asociacin y H1 hay asociacin)
Variables involucradas: Dos,
considera relaciones causales

esta

prueba

no

Nivel de medicin de las variables: Nominal u ordinal

OTRAS CARACTERSTICAS
Es una distribucin asimtrica
Slo toma valores positivos y es asinttica con
respecto al eje de las x positivas ( 0 < 2 < +)
Est caracterizada por un nico parmetro n
llamado grados de libertad adoptando formas
distintas segn el valor de n
El rea comprendida entre la curva y el eje de las x
es 1 100%

APLICACIONES
1.

Entre las aplicaciones ms frecuentes de esta


distribucin en el rea de salud, podemos sealar:

2.

La prueba de asociacin, la cual permite al


investigador determinar si existe asociacin entre
dos variables en escala de medicin nominal u
ordinal. Tambin aparece en la literatura con el
nombre de tablas de contingencia

3.

La prueba de bondad de ajuste

PROCEDIMIENTO
Se calcula a travs de una tabla de contingencia o
tabulacin cruzada.
Es una tabla de dos dimensiones y cada dimensin
contienen una variable
Cada variable se subdivide en dos o ms categoras.
Ejemplo: tabla 2x2 => cada dgito indica una
variable y el valor de este indica el nmero de
categoras de la variable

EJEMPLO DE UNA TABLA DE


CONTINGENCIA
Dos variables : voto y sexo
Cada variable con dos categoras
CANDIDATO A

MASCULINO

SEXO
FEMENINO

VOTO
CANDIDATO B

EJEMPLO TABLA 2X3

Identificaci
n politica

Norte

Sur

Partido 1

180

100

Partido 2

190

280

Partido 3

170

120

Zona Distrito electoral

EN ESENCIA LA PRUEBA DE CHI


CUADRADO ES .......

es una prueba que parte del supuesto de no relacin


entre las variables

una comparacin entre la tabla de frecuencias


observadas y la denominada tabla de frecuencias
esperadas

La lgica es Si no hay relacin entre las variables debe


tenerse una tabla como la de frecuencias esperadas, si
la hay la tabla que obtengamos como resultado de
nuestra investigacin debe ser muy diferente respecto
de la tabla de frecuencias esperadas

CHI- CUADRADO
E N T RA D A S I M P L E

MPLO 1 : En un juego de Cara y Corona , y una muestra de 200 lanzamie


observaron 115 caras y 85 coronas .

sayar la hiptesis La moneda est bien hecha con un limite


significacin de 0.05

Con la informacin obtenida Para llenar la casilla fe .


Sabemos que la probabilidad al lanzar un
Construirs un cuadro .
Moneda al aire es de 50%, eso quiere dec
Parecido al anterior.
100 caras , 100 coronas.

Haz clic en el botn marcado .


Te aparecer un men

Ahora emergi otro men.


Haz clic , en el botn marcado

En este cuadro habrs de sombrar


Desde C7:C8 y en la siguiente casilla desde
D7:D8

Ahora apareci este men .


Hars clic en aceptar

Clic en aceptar

n la casilla B12 esta calculado


l valor probabilstico de chi- cuadrado

Para obtener chi calculado


Repetimos el proceso y haz clic en acept

Haz clic, en la celda B12

Escribes 1 como valor del grado de libertad

k 1 2 1 1

Chi - cuadrado calculado es 4.

Haz clic

Criterios para determinar , si Ho se Acepta Rechaza

x x
2
C

2
T

x x
2
C

2
T

Ho: se Rechaza

Ho: se Acepta

4.5 3.84

Ho: se Rechaza

EJEMPLO 2
S I M P L E E N T RA DA

los experimentos de Mendel con guisantes, observo 315 guisantes


os y amarillos ;108 lisos y verdes;101 rugosos y amarillos; y 32 rugosos
erdes .
acuerdo con su teora estos nmeros debern presentarse en la propor
::3:1 ; Hay alguna evidencia que permita dudar de la teora , con un nive
significacin de : a) 0.01 b) 0.05

Ho : No hay evidencia que permita dudar de su teora

CON LA INFORMACION OBTENIDA EN


L ENUNCIADO CONSTRUIMOS UNA TABLA ,
AL COMO SE MUESTRA.

PARA LLENAR LAS CELDAS DE fe USAREMOS


LA RELACION 9:3::3:1 = 16
Y HACEMOS (9/16)*556 ; (3/16)*556 ; (3/16)*556
Y (1/16)*556 ; SUS RESULTADOS LOS ESCRIBIMOS
EN SUS RESPECTIVAS CELDAS.

k 1 4 1 3

x x
2
C

2
T

Ho: se Rechaza

x x
2
C

2
T

Ho: se Acepta

x x
2
C

2
T

0.47002398 11.34

Ho: se Acepta

x x
2
C

2
T

0.47002398 7.82

Ho: se Acepta

CHI- CUADRADO
D O B L E E N T RA DA

fo

se
recuperan

no se
recuperan

total

grupo A

75

25

100

grupo
B

65

35

100

total

140

60

200

fe

se recuperan

no se recuperan
60 *100
200
60 *100
200

30
30

100

grupo B

140 *100
200
140 *100
200

total

140

60

200

grupo A

70

70

total

100

GRACIAS!!!!

Vous aimerez peut-être aussi