Académique Documents
Professionnel Documents
Culture Documents
LA CONFIABILIDAD
• La confiabilidad esta relacionado con la
información que recoge el instrumento. Es
una cuestión clásica en la generalización
científica.
• La medición es confiable en la medida que
conduzca a los mismos resultados o
similares.
La Validez
Según Herrera (1998):
Grado en el que un
instrumento en verdad 0 0,5 1
mide la variable que se
busca medir. 0,53 a menos Validez nula
0,54 a 0,59 Validez baja
13
FACTORES QUE PUEDEN AFECTAR
LA CONFIABILIDAD
• La improvisación
• Utilizar instrumentos desarrollados en el
extranjero que no han sido validados
para nuestro contexto
• Instrumentos inadecuados para las
personas a quienes se les aplica: no es
empático
• Condiciones en que se aplica el
instrumento de medición: frio, ruido, un
instrumento demasiado largo o tedioso
Confiabilidad: Alpha de Cronbach
La Confiabilidad
Según Herrera (1998):
Grado en que un
instrumento produce
resultados consistentes y 0 0,5 1
coherentes. Es decir en que 0,53 a menos Confiabilidad nula
su aplicación repetida al 0,54 a 0,59 Confiabilidad baja
mismo sujeto u objeto 0,60 a 0,65 Confiable
produce resultados iguales.
0,66 a 0,71 Muy Confiable
Kerlinger (2002).
0,72 a 0,99 Excelente confiabilidad
1.0 Confiabilidad perfecta
Ejm. Si se midiera en este momento
la temperatura ambiental usando un
termómetro y este indicara que
tiene 22°C, un minuto mas tarde, un
minuto mas tarde 5°C, tres minutos
después 40°C; Dicho termómetro no
seria confiable.
MODELO DE VALIDEZ
1. Carta de presentación
2. Matriz de consistencia.
3. La Operacionalización de la(s) variable(s) de
estudio.
4. El instrumentos(s) con su solucionario.
5. Las ficha(s) de validación.
31
TALLER - EVALUACIÓN
• Elabore usted un cuestionario de la realidad donde labora
• Aplique este cuestionario a una muestra piloto de n=5, para obtener
la confiabilidad.
• Luego mejore su cuestionario si es necesario, teniendo como
referencia los resultados del SPSS.
DOCUMENTO 01
• Posteriormente, aplique a una muestra representativa e ingrese la
información en el SPSS.
• Esta base de datos conjuntamente su cuestionario lo guarda en su
respectivo archivo que contenga la inicial de su nombre y primer
apellido (Ejemplo: ebravo.xls) y luego lo envía al correo
enzo.bravo@upagu.edu.pe
Prueba de hipótesis
Contrastando una hipótesis Son
demasiados...
¡Gran
diferencia!
Muestra Rechazo la
aleatoria hipótesis
X 20 años
HIPÓTESIS
Creo que el
porcentaje de
enfermos será el
¿Qué es una hipótesis? 5%
H 0 : p 50% , ,
, ,
H1 : p 50%
¿Quién es H0?
• Problema: ¿El colesterol medio para la dieta
mediterránea es 6 mmol/l?
• Solución:
• Traducir a lenguaje estadístico: 6
a=5%
No rechazo H0
H0: =40
Contrastes: unilateral y bilateral
La posición de la región crítica depende de la hipótesis alternativa
Unilateral Unilateral
Ho: = 0
H1: 0
Estadísticos de contrastea
Edad del
encues tado
U de Mann-Whitney 259753,500
W de Wilcoxon 462319,500
Z -2,317
Sig. asintót. (bilateral) ,021
a. Variable de agrupación: Sexo del encuestado
METODO MODERNO
1. Plantear la hipótesis nula y alternativa. (Ho y H1)
2. Observar el valor p (significancia)
Si p< 0.05 RECHAZAR Ho
Si p ≥ 0.05 ACEPTAR Ho
Estadística Paramétrica
(Pruebas paramétricas)
Pruebas de hipótesis
I. Prueba de la Normalidad
Prueba gráfica
Pruebas teóricas
Prueba de la Normalidad
La prueba de normalidad es una prueba que consiste en
verificar si el conjunto tiene un comportamiento normal,
es decir, que la mayor cantidad de datos se encuentra en
el centro de la distribución y pocos datos en los
extremos. (Distribución simétrica)
Para probar la normalidad existen varias pruebas como
las que mencionamos a continuación:
• https://www.youtube.com/watch?v=tCb7Mpcvj6c
Pruebas Estadísticas – Análisis Estadístico
APLICACIÓNES
Estamos estudiando el efecto del estrés sobre la presión arterial. Nuestra hipótesis es
que la presión sistólica media en varones jóvenes estresados es mayor que 18 cm de
Hg. Estudiamos una muestra de 36 sujetos y encontramos una media de 18.5, con un
nivel de significancia del 1% contrastar la hipótesis. Suponga una desviación estándar
poblacional de 3.6.
1° Hipótesis Ho: µ = 18
H1: µ >18
6° Conclusión: Ho no se rechaza . Por lo tanto, los jóvenes con estrés tienen una
presión sistólica menor o igual a 18 cm de Hg.
APLICACIÓN
Un grupo de investigadores reunió los datos de amilasa en suero de una muestra
de individuos sanos y de individuos hospitalizados. Se seleccionó una muestra de 15
individuos sanos y 22 hospitalizados, cuya media y desviación estándar son 120 y 40
unidades/ ml en individuos sanos, de los hospitalizados la media y desviación
estándar son 96 y 35 unidades/ ml. Desearon saber si sería justificado concluir que
las medias de las poblaciones son distintas. Con un nivel de significancia del 5%.
1° Hipótesis:
Ho:1= 2
H1: 1 2
2° Nivel de significancia: a = 0.05
3° Valor experimental (Estadística de prueba)
Varianza desconocidas pero diferentes 12 22
tc
x1 x 2 1 2 120 96 0 1.88
2 2
S S 1450 1450
p
p
n1 n2 15 22
4° Valor crítico:
Ttabla = 2.03
5° Decisión
1-a = 0.99
a = 0.005 0.005
tt = -2.03 tt = 2.03
Ho : 1 2 3 ......... a
Ha : A lg unas. ' s.son.diferentes
Supuestos básicos que se deben cumplir en al ANVA:
• Los datos provienen de poblaciones normales
• Los datos de las poblaciones tiene la misma varianza ó la varianza se
mantiene constante para todos los niveles del factor
Tabla ANOVA
TABLA DE ANOVA
Respuesta
Método de enseñanza Puntajes de los estudiantes
A 7 7 15 11 9
B 12 17 12 18 18
C 14 18 18 19 19
D 19 25 22 19 23
E 7 10 11 15 11
Pruebas No paramétricas
2 variables cualitativas:
Prueba Chi Cuadrado
Sirve para probar Ho: Las variables son independientes (No relación)
Dos muestras independientes:
Prueba U de Mann-Whitney:
Prueba la hipótesis nula de que dos muestras aleatorias independientes
provienen de dos poblaciones iguales o de la misma población, cuando no se
cumple la suposición de normalidad.
Dos muestras dependientes:
Prueba de Wilcoxon:
Prueba la hipótesis nula de que dos muestras correlacionadas provienen de dos
poblaciones idénticas.
K muestras independientes:
Prueba H de Kruskall-Wallis:
Prueba la hipótesis nula de que K muestras independientes provienen de
poblaciones idénticas o de la misma población
K muestras correlacionadas:
Prueba F de Friedman:
Prueba la hipótesis nula de que no existe diferencia entre los k tratamientos o
que las muestras provienen de la misma población.
Prueba Chi Cuadrado
Supongamos que se quiere estudiar la posible asociación entre el hecho de
que una gestante fume durante el embarazo y que el niño presente bajo
peso al nacer. Para responder a esta pregunta se realiza un estudio de
seguimiento sobre una cohorte de 2000 gestantes, a las que se interroga
sobre su hábito tabáquico durante la gestación y se determina además el
peso del recién nacido. Los resultados de este estudio se muestran en la
2
Prueba Chi Cuadrado
Limitaciones:
• Las frecuencias esperadas no debe ser pequeñas(< 5) si
esto ocurre en muchas (> 20%) debe usarse, la Prueba
Exacta de Fisher.
• Si las muestras son muy grandes, la prueba dará
significativos incluso donde posiblemente consideremos
que las diferencias no son de relevancia clínica.
• Si las variables tienen muchos niveles la prueba no
resulta de mucho interés.
• 2 sirve para contrastar independencia, debe usarse como
medida de asociación.
PRUEBA: Mann-Whitney-U-Test
• Se utiliza cuando la variable es por lo menos de escala ordinal.
• Se utiliza para probar si dos grupos independientes son iguales
(provienen de la misma población) o son diferentes (provienen
de poblaciones distintas)
• Es una de la pruebas más poderosas y constituye una
alternativa frente a la prueba paramétrica T de Student para
muestras independientes.
n n 1 R1 = Rango
T1 n1 n2 1 1 R1
2
Prueba Mann-Whitney U Test
APLICACIÓN:
Tras una intervención terapéutica, se pretende examinar si el grado de
satisfacción con el resultado de la intervención es igual entre hombres y
mujeres. La satisfacción es valorada mediante un cuestionario validado de
10 items. La puntación del cuestionario oscila entre 0 (totalmente
insatisfecho) y 10 (totalmente satisfecho).
Los datos se presentan en la siguiente tabla.
Puntuaciones
Hombres 8 5 6 4 7 8 8 6 7
Mujeres 4 7 4 4 5 5 4 4 7
Prueba Mann-Whitney U Test
RESULTADOS:
PRUEBA: Kruskall-Wallis Test
Prueba de Hipótesis:
• Ho : No existen diferencias en el promedio actividad de MPO entre los
grupos de tratamiento.
• H1: Los grupos de tratamiento no tienen el mismo promedio.
PRUEBA DE WILCOXON
Análisis de Regresión
Análisis de Correlación
ANÁLISIS DE REGRESIÓN:
• Es una técnica estadística que consisten en determinar
la relación funcional entre dos variables cuantitativas en
estudio.
• Esta relación funcional, es una ecuación matemática de
la forma Y= A + B X, que recibe el nombre también de
Función de Regresión o Modelo de Regresión.
• A la variable Y se le denomina variable dependiente, a la
variable X independiente y a A, B se les llama
parámetros de la ecuación de regresión.
• La finalidad del Análisis de Regresión es hacer
pronósticos es decir, hacer estimaciones futuros de la
variable dependiente.
ESTADISTICA
ANÁLISIS DE REGRESIÓN:
Pasos a seguir:
• Realizar el diagrama de dispersión y ver el comportamiento de la variable.
• Aplicar el método de los Mínimos Cuadrados Ordinarios para estimar los
parámetros de la ecuación. Las formulas son las siguientes:
A Y BX
n n n
n X i Yi X i Yi
B i 1
n
i 1
n
i 1
n X i2 ( X i ) 2
i 1 i 1
Y = A + B (Xo)
Estudio de un caso:
En una empresa pesquera esta haciendo un estudio entre el número de
trabajadores y su producción de harina de pescado en miles de toneladas. Para
realizar esta investigación recurre a la oficina de Administración de la empresa y
recoge información de 6 años consecutivos obteniendo la siguiente información:
Año Nº de Producción
1. Realice el diagrama de dispersión.
trabajadores X
2. Estime la ecuación de regresión Y
lineal.
3. Estime cuanto sería la producción si 1999 50 148
se cuanta con 90 trabadores. 2000 65 172
Interprete.
4. Que tipo de relación existe entre el 2001 68 180
numero de trabajadores y la 2002 70 195
producción.
2003 72 210
Y = o + 1 X
ESTADISTICA
COEFICIENTE DE DETERMINACION
variable dependiente.
Salidas Estadísticas del Método
FUNCIONES NO LINEALES
y = a + bx y = a + log b x y = a + b x + c x2
ESTADISTICA
ESTADISTICA
ESTADISTICA
ANÁLISIS DE CORRELACIÓN:
n n n
n X iYi X i Yi
r n
i 1
n
i 1
n
i 1
n
n X ( X i )
i
2 2
n Yi ( Y1 ) 2
2
i 1 i 1 i 1 i 1
Interpretación:
Ingres o
horario de
la Sexo Años de
ocupación (dummy: estudio
ppal 0=Varón) (aprox.)
Ingres o horario de la Pears on Correlation 1,000 -,014 ,354**
ocupación ppal Sig. (2-tailed) , ,149 ,000
N 10339 10339 10338
Sexo (dummy: 0=Varón) Pears on Correlation -,014 1,000 ,137**
Sig. (2-tailed) ,149 , ,000
N 10339 10339 10338
Años de estudio (aprox.) Pears on Correlation ,354** ,137** 1,000
Sig. (2-tailed) ,000 ,000 ,
N 10338 10338 10338
ESTADISTICA