Desarrollo Del Proyecto de Investigación-Educacion - Modulo 1 Final

UNIVERSIDAD CESAR VALLEJO
UNIVERSIDAD CESAR VALLEJO

FACULTAD DE EDUCACIN
FACULTAD DE EDUCACIN
MAESTRA EN EDUCACIN Y GESTIN EDUCATIVA MAESTRA EN EDUCACIN Y GESTIN EDUCATIVA
MODULO DE APRENDIZAJE 1
DESARROLLO DEL PROYECTO
DE INVESTIGACIN I
Dr. ATILIO GAMALIEL OLANO MARTINEZ
Mg. LUIS ALZAMORA DE LOS GODOS URCIA
Lima, 200
FILIAL - LIMA
C!"ar A#$%a P&ra'(a
Rector Fundador
Sigi)r&*+ Or,&g+"+ V&-&ga"
Rector
.ra-#i"#+ Car*+"+ R+m&r+
Vicerrector Acadmico
2
/NDICE
Introduccin ..
Programacin Acadmica..
Objetivos..
Cuadro de programacin acadmica .
I. Prim&ra U-i*a*0 Ajustes Metodogicos. Concepto de tesis !
estructura de tesis.
"." #esis.
".$ Conceptos de estad%stica ! an&isis de datos I
".' Conceptos de estad%stica ! an&isis de datos II
II. S&g$-*a* U-i*a*0 #rabajo de (ases de )atos en *pss+ Manejo
de conceptos b&sicos de estad%stica apicada
$." , programa estad%stico *P**
$.$ Introduccin a *P** en espa-o
$.' ,ditor de datos de *P** en espa-o
III. T&r#&ra U-i*a*0 Manejo de )ata ,ntr!. ingreso ! codi/icacin de
variabes
3
4
5
6
7
8
13
26
39
40
44
48
54
55
62
63
68
69
78
83
91
102
112
3
'.$ (ase de datos en *P**+ 0as Variabes
IV. C$ar(a U-i*a*0 Ingresos de instrumentos a a (ase de )atos.
1." (ase de datos en *P** II+ , /ormato de a base
V. 1$i-(a U-i*a*0 Ajuste ! a/inamiento de bases de datos enadas
para an&isis.
2." Categori3ar Variabes con *P**
2.$ )e/inir vaores antiguos ! nuevos+ recodi/icar
L&#($ra" #+m2'&m&-(aria"0
Variabes ! a 4iptesis en a investigacin
5u%a metodogica para a eaboracin de un in/orme /ina de
investigacin
67u es una tesis8 6para 9uien se escribe8 6cmo debe estar
escrita8
3i,'i+gra)4a
4
INTRODUCCIN
Todo proceso de post grado culmina con un trabajo cientfico que generalmente
constituye una investigacin cientfica. Se dice generalmente porque algunas carreras
culminan con un Trabajo de grado.
En el caso de las carreras o los programas de post grado en educacin, maestra o
doctorado, el producto final es una tesis. Por ese motivo se hace necesario, dentro
del diseo curricular, incluir mdulos que permitan a los cursistas aspirantes
desarrollar este proceso con la mayor calidad posible, es as que se imparte el Curso
de Desarrollo del Proyecto de investigacin que culmina con la presentacin de la
tesis.
Para lograr el armado de una tesis, se aprender SPSS, adems de los conceptos
bsicos de un informe de investigacin, con lo que se lograr en esta primera parte la
estructura de una base de datos y los conceptos principales de la tesis.
5
PROGRAMACIN ACAD5MICA
6
O3JETIVOS
OBJETIVO GENERAL DE LA ASIGNATURA
Elaborar la Primera Etapa de la Tesis de Maestra.
OBJETIVOS ESPECFICOS
Disear un sistema de validacin eiciente
Elaborar un Data Entr! para el "n#reso de Encuestas
Disear una $ase de Datos.
"n#resar eicientemente los instrumentos a la base de datos.
%enerar una edicin de $ase de Datos con adecuada
codiicacin ! clasiicacin de variables..
&
C$a*r+ *& 2r+grama#i6- a#a*!mi#a
CAPACIDADES CONTENIDOS ESPECFICOS
(Unidades)
ACTIVIDADES
ESTRATEGIA
METODOLGICA
TIEMPO TCNICA
'.' Mane(o de bases de datos !
entorno estadstico por la
#eneracin de la TE)")
'.'.' Taller "* +(ustes
Metodol#icos.
,oncepto de tesis ! estructura de
tesis.
-ectura ! evaluacin de los
pro!ectos reali.ados en el mdulo
previo
5 /oras +prender 0aciendo
'.'.2 Taller ""* Traba(o de $ases
de Datos en )pss* Mane(o de
conceptos b1sicos de estadstica
aplicada
Traba(o en computadoras2 pr1ctica
individuali.ada
'.'.3 Taller """* Traba(o de
$ases de Datos en )pss* Mane(o
del Data Entr!2 in#reso !
codiicacin de variables
individuali.ada
'.'.4* Taller "3* Traba(o de $ases
de Datos en )pss* "n#resos de
instrumentos a la $ase de Datos.
individuali.ada
'.'54* Taller 3* Traba(o de
$ases de Datos en )pss* +(uste !
ainamiento de bases de datos
llenadas para an1lisis .
individuali.ada
4
Prim&ra $-i*a*
77777777777..
G&-&ra#i6- *& R&"$'(a*+"
*&"#ri2(i8+" &- SPSS
5
1.1 TESIS
Objetivo: El alumno al terminar el aprendizaje del presente captulo tendr el
conocimiento.
DEFINICIN DE TESIS
La tesis es el documento en el que se exponen los resultados cientficos alcanzados
por el aspirante en su trabajo de investigacin. Se presentan de forma sistematizada,
lgica y objetiva esos resultados en correspondencia con el proyecto presentado,
discutido y aprobado para la bsqueda de soluciones al problema planteado con
respuestas cientficas contextualizadas a partir de la utilizacin del mtodo
cientfico.d).
MOMENTOS IMPORTANTES EN EL DESARROLLO DE UNA TESIS
Una tesis tiene dos momentos importantes: la escritura y la defensa.
1. La escritura del documento que es la demostracin de la capacidad del aspirante
para disear, estructurar, organizar y ejecutar una investigacin en su campo de
conocimiento.
2. La defensa, que es la demostracin de la capacidad del aspirante, de convencer
acerca de que sus resultados son valederos, expresndolos con coherencia,
organicidad y en forma sinttica.
Estos dos momentos deben complementarse mutuamente. Sin embargo, todos los
profesores que se han visto implicados en el trabajo de tutora y asesoramiento y por
consiguiente han tenido que integrar tribunales para la evaluacin de tesis a cualquier
nivel, saben que en ocasiones se observan "historias muy bonitas, pero muy mal
contadas. Pueden verse trabajos en los cuales se denota un trabajo arduo de
investigacin, resultados con una gran repercusin y aporte a la ciencia, pero la
redaccin est tan complicada y defectuosa que dificulta la comprensin, en cambio,
la defensa se realiza de un modo tan elocuente que compensa la deficiente escritura.
De lo anterior se desprende que debe existir correspondencia entre el rigor cientfico
de la escritura y la exposicin oral en la defensa del trabajo investigativo.
Adems de los requisitos de orden metodolgico, debe cumplirse con las exigencias
indispensables en cuanto a novedad, actualidad y originalidad en el tratamiento del
tema, su fundamentacin cientfica y las posibilidades de introduccin en la prctica
como contribucin a los procesos de cambio en las realidades educacionales de los
'6
diferentes pases. Otros aspectos que deben estar contenidos de forma general en la
tesis son:
Ampliacin de los lmites del conocimiento cientfico en un rea especfica del
saber.
Demostracin de conocimientos bsicos sobre el tema de investigacin.
Evaluacin crtica sobre la bibliografa e investigaciones precedentes.
Manejo adecuado de las tcnicas de investigacin, o la introduccin de
nuevas tcnicas y procedimientos.
Demostracin de la adquisicin de criterios novedosos suficientemente
argumentados.
1. Requiito !"#" $" e%#itu#" &e $" tei
La escritura de la tesis debe cumplimentar un grupo de requisitos para lograr su
comprensin y elegancia. En muchas ocasiones a pesar de tener resultados
relevantes, la forma en que se expresan los mismos no los hace comprensibles, o no
son cientficamente fundamentados y ello hace que se pierda la calidad de la
investigacin. De ah que en la escritura de la tesis se deban tener en cuenta dos
tipos de requisitos: el fondo y la forma.
". Requiito &e 'o(&o:
Unidad: Es el principio armnico de las partes con el todo. La unidad en toda tesis es
la armona de todas las ideas, tanto principales como secundarias. La unidad aporta
perfecta concordancia entre problema, demostracin y conclusiones.
Aunque se manejen varias ideas, hay una que es la idea fundamental, la base de la
investigacin y el objeto final de la misma. Las otras ideas son secundarias o
subordinadas con respecto a ella.
Demostracin: La tesis debe ser demostrada mediante el razonamiento lgico de los
resultados a travs de los procesos del pensamiento, cada anlisis realizado debe
conducir a conclusiones.
Profundidad: La tesis debe penetrar en la esencia del problema, no debe limitarse
a sus cualidades fenomnicas.
Originalidad: La tesis tiene por objeto una materia demostrable o que no ha sido
demostrada. Por eso una cualidad importante de la tesis es la originalidad. sta se
''
logra mediante el anlisis de los intentos realizados anteriormente por otros
investigadores, o por el propio investigador, de resolver el problema.
En la tesis deben quedar demostradas las siguientes relaciones:
Problema Objeto de estudio
Objeto de estudio Campo de accin
Campo de accin Objetivo
Problema Objetivo - Poblacin
Objetivo Tareas investigativas
Tareas investigativas Mtodos de investigacin
Problema Objetivo dea cientfica
Diseo de investigacin Estructura de la tesis
Objetivos Resultados
Resultados Discusin
Objetivos Conclusiones
Conclusiones Recomendaciones
b. Requiito &e 'o#)":
Laos integran dos componentes bsicos: el uso apropiado del lenguaje. y la
organizacin del texto. Algunas ideas al respecto son:
El lenguaje de la tesis debe reunir las siguientes condiciones:
Debe ser propio, adecuado al objeto de estudio y a la ciencia donde se
desenvuelve la investigacin. El aspirante debe mostrar dominio de los
trminos empleados en la tesis, as como del rea de investigacin donde
desarrolla la tesis.
La claridad es un elemento vital, la escritura debe ser accesible, explicar con
pocas palabras, y saber ilustrar los conceptos difciles de comprender
mediante ejemplos u otras formas. La sintaxis debe ser correcta y el
vocabulario al alcance de los lectores, no se deben usar palabras ambiguas,
vagas, jerga, abreviaturas, ni elogios desmedidos. No se deben exagerar los
conceptos ni los trminos.
'2
Cuando se empleen sinnimos para aumentar la riqueza del lxico, debe
cuidarse que la palabra afn tenga el significado que se busca y armonice en
el texto.
Debe especificarse la regin, el pas donde se realiza el estudio. En no pocas
ocasiones pueden verse trabajos que dicen: en nuestra provincia, en nuestro
pas, lo que hace que el lector tenga que buscar otras pginas para localizar
el rea de estudio.
L" o#*"(i+"%i,( &e$ te-to:
Debe escribirse en forma impersonal, es decir, en tercera persona del
singular, por ejemplo, en lugar de "mi opinin es, se debe decir: "en opinin
de esta autora, o "esta investigadora encontr diferencias con respecto a los
resultados obtenidos por tal autor en tal lugar. En ocasiones se leen trabajos
que plantean: "nosotros vamos a presentar.. Puede decirse: Se presenta.
Escribir con mayscula cuando sea necesario, sin abusar de su uso.
Todas las comillas que se abran deben ser cerradas.
No escribir demasiadas cifras con nmeros arbigos, en el caso de nmeros menores
de diez, tratar de expresar los mismos por su palabra genrica.
Usar los nmeros romanos cuando sea necesario
Ser coherentes con las siglas, que queden explcitas en el primer momento de
su uso en el texto y de ser posible no abusar de ellas.
No exagerar los subrayados.
Alternar con prudencia los numerales y los cardinales, los nmeros romanos y
los arbigos.
Debe revisarse la versin impresa con el fin de constatar:
Si hay un correcto paginado
Si las citas estn entrecomilladas y referidas.
Si se corresponde el nmero de las notas con la referencia y se aprecia
correctamente en el texto.
Si la bibliografa est ordenada de acuerdo a una misma norma Vancouver
APA. Es frecuente ver tesis escritas con una mezcla de normas.
Si la bibliografa cuenta con todos los datos necesarios, ya sea libro o artculo
de revista.
'3
Los tiempos verbales:
El resumen, se redacta en pasado.
La introduccin, fundamentacin y marco terico se redacta en presente, pues
son aspectos vlidos hasta el momento y que mantienen su vigencia en el
tiempo.
El material y mtodo y los procedimientos se escriben en pasado, pues
representan acciones ya realizadas. (En el perfil del proyecto se escriben en
futuro)
Los resultados se escriben en pasado, pues fueron encontrados mucho antes
de escribir la tesis.
En la discusin al debatir y opinar sobre contenidos de otros autores se
escribe en presente, pues son conocimientos actuales que se usan como
referencia, cuando se comentan los resultados obtenidos se escriben en
pasado. Escribir correctamente una discusin es un arte para poder llevar las
reglas de la escritura de forma adecuada.
A continuacin se presenta una gua y es necesario insistir en que se trata de gua,
que se ha integrado con algunos consejos que pueden resultar tiles, pero que los
autores de las tesis deben complementar con sus conocimientos particulares en el
tema que presenta.
Es importante que los autores de las tesis sepan que deben utilizar estas guas como
modelos y no interpretarlas como documentos normativos o como "camisas de
fuerza. Un trabajo de tesis, en cualquier nivel, no debe juzgarse slo por su formato,
sino tambin por la calidad de su contenido, del mismo modo que una obra
arquitectnica puede satisfacer todos los requerimientos tcnicos dentro de una
virtual infinidad de concepciones estticas. El amplio espectro de temticas en que
podra legtimamente desarrollarse una tesis de maestra o doctorado hace estril
cualquier esfuerzo por disear un patrn nico para los manuscritos de las tesis.
PRE.UNTAS
/0u1 e u(" tei 2 !"#" que i#ve3
/E-!$ique $o )o)e(to &e $" tei3
/0u1 #equiito &e 'o#)" 2 'o(&o &ebe te(e# u(" tei3
'4
1.4 CONCEPTOS DE ESTAD5STICA 6 AN7LISIS DE DATOS I
Objetivo: El alumno al terminar el aprendizaje del presente captulo conocer el los
diversos mtodos aplicados al anlisis de datos bsicos y formulacin de
resultados de una tesis de postgrado.
18.1 EL AN7LISIS DE LOS DATOS
Una divisin clsica de la Estadstica, es la de De%#i!tiv" 9ED: e I('e#e(%i"$ 9EI:. La
primera tiene por objeto procesarlas medidas necesarias de las cosas, individual y/o
grupalmente, sin abrir juicio de calidad, valor, diferencia, importancia, etc., sobre las
mismas. La segunda atiende a las necesidades de tomar decisiones a partir de esos
valores; compara, afirma, infiere la probabilidad de la ocurrencia de tales valores,
estima, etc.
En la Estadstica Descriptiva, el mtodo es Matemtico, basado en algunos
conceptos extra-matematicos, mientras que en la Estadstica nferencial es un
mtodo ampliamente utilizado y precisado, sobre las operaciones lgico-matemticas
a utilizar. Suele denominarse Mtodo Estadstico o Metodologa de la nvestigacin
Estadstica.
El Mtodo Hipottico Deductivo, no incluye a este como una de las herramientas de
decisin, este mtodo slo habla de inferir conclusiones a partir de los datos
hallados, sin embargo la mayora de las investigaciones utilizan al Mtodo Estadstico
dentro de su esquema de Mtodo Hipottico Deductivo.
Los resultados obtenidos en la recoleccin de datos, a partir de la definicin de las
variables en estudio, necesitan ser procesados, ordenados, Site)"ti+"&o,
presentados de manera tal que sean entendibles. Raras veces trabajamos con un
conjunto pequeo de los mismos, en general necesitamos un nmero considerable
de observaciones, que de ningn modo son posibles de analizar individualmente, a
no ser que queramos mostrar un nico dato.
Es conveniente para introducirse a este tema, volver a aquella parte de los Sistemas
de Clarificacin, dentro de Sistemas de Recoleccin de Datos, donde se parte del
concepto de Dato, se pasa por una aplicacin a la Tabulacin y Graficacin y se llega
a definir los datos en funcin de variables y escalas.
'5
PROCESAMENTO DE DATOS
VARABLE TPO ESCALA POSCN DSPERSN
CUALITATIVA No tiene Nominal Frecuencia No tiene
Eje)!$o: Porcentaje
PATOLOGA Modo
SEXO Tasas
PROFESON Razones
CUALITATIVA Ordinal Frecuencia Rango
Eje)!$o: Porcentaje Desviacin
GRADO DE COMA Co( )o&i'i%"%io(e
HPO,NORMO,HPER Media Semi-inter
GRADO ACADEMCO Mediana cuartlica
CUANTITATIVAS
NRO HJOS Discreta ntervalar Media Varianza
CANT PARTOS
NRO AUTOMOVLES Sesgo o
Curtosis
PESO, TALLA Continua Moda Coeficiente
TENSON ARTERAL Media de Covaria-
LONGTUD Mediana cion,
Desviacin
estndar, etc
.R7FICOS y C7LCULOS
Hemos introducido el tema en los Sistemas de Recoleccin de Datos y la idea, en
principio, no es la de efectuar un manual de Estadstica.
Toda Tabla y Grfico, debe tener un Titulo, que del se desprenda con precisin (ni
vago, ni ambiguo) el significado de lo que contiene. La misma indicacin vale para la
definicin de las variables que se tabulan o grafican, los pie de pagina tienen por
misin ampliar informacin por un lado, indicar su procedencia si no es original el
trabajo, indicar las fuentes, etc.
En fin, deben ser "utoe-!$i%"&". Pruebe esto con alguien que no tenga un
conocimiento del trabajo que ha llevado a cabo, si lo entiende sin preguntas (fuera de
lo que la tabla o grfico indica), es que ha logrado su propsito.
Errores frecuentes son el llevar una ordenada de porcentajes hasta el 100 % cuando
el mayor de nuestros porcentajes es mucho menor. Otro es el de indicar el 0 en la
'6
abscisa, pero nuestra variable comienza con un valor muy superior, sin indicar un
corte en la abscisa; hgalo con dos lneas paralelas.
No use colores, por lo general si puede ser publicado lo ser en blanco y negro.
Utilice diferentes formas de rayados o algo por el estilo. ndique adems, en la parte
inferior al grfico, a que corresponde cada esquema.
PARA UNA VARIA;LE CUALITATIVA
P"#" U(" V"#i"b$e Cu"$it"tiv" No)i("$
Su grfico se denomina de ;"##", estas no se tocan entre si, pues, cada categora
es independiente de la otra por ejemplo. Tipo de patologa en los servicios de ciruga
del Hospital Lazarte o cualquier otro..
Tambin pueden hacerse Pi%to*#")", es decir grficos con dibujos que de alguna
medida dan la idea de la variable. un ejemplo comn son los censos, donde se
"amontonan" figuras Humanas y tambin grficos e%to#i"$e o to#t" donde se
parten en forma proporcional al porcentaje.
No son variables "Acumulables", a no ser sus porcentajes, pero tenga en cuenta que
cualquier atributo puede cambiar de posicin y cambiar la "Acumulacin".
L" F#e%ue(%i" simplemente es a cantidad de cosas que se agrupan en cada uno de
los valores de la variables o en sus intervalos de clase..
Lo !o#%e(t"je< La parte proporcional en que aparece un valor respecto de todos
los valores. (La cantidad/el total) por 100. Su grfico de mayor empleo es la torta si se
trata de 4 a menos variables y si es de esta cinco a ms se emplea las barras.
F#e%ue(%i" Re$"tiv", su uso es frecuente en las Cuantitativas. Su suma da 1)
T""
Es el cociente entre la frecuencia de un valor de la variable, respecto de la suma de
todas la frecuencias.
R"+,(
Es el cociente entre las frecuencias de dos valores de la variable.
'&
P"#" U(" V"#i"b$e Cu"$it"tiv" O#&i("$
Su grfico es de barras pero estas pueden tocarse "si la propiedad es tericamente
continua", lo que implica que "lo ordinal es nuestra medicin". Son acumulables
18.=.1 PARA UNA VARIA;LE CUANTITATIVA
P"#" u(" V"#i"b$e Cu"(tit"tiv" Di%#et"
Su grfico es de ;"to(e. Por cada valor de la variable se levanta una lnea, pero
entre cada valor no existe nada.
Son acumulables. Su acumulacin se hace en "saltos escalonados".
P"#" u(" V"#i"b$e Cu"(tit"tiv" Co(ti(u"
Su grafico, denominado >ito*#")" &e F#e%ue(%i", son barras que se tocan entre
cada uno de los valores de la variable y los puntos medios pueden ser unidos,
formando el Po$?*o(o &e F#e%ue(%i". Lo que realmente se hace es graficar la
Dit#ibu%i,( &e F#e%ue(%i" y esto lo llamamos e$ %o)!o#t")ie(to &e $" v"#i"b$e.
La diferencia entre el valor inferior y el superior de un sub-grupo de valores de la
variable se denomina el I(te#v"$o &e C$"e o Mo&u$o, su punto medio es la )"#%"
&e C$"e o Pu(to Me&io.
PARA AM;AS
L" Mo&"
Es el nmero que ms se repite por lo tanto es lo que mas aparece, la Moda es el
valor de la variable con mayor frecuencia.
En las cualitativas, las cuasi-cuantitativas y la cuantitativas discretas solo se indica
este valor, en las cuantitativas continuas existe un clculo exacto.
NOTA: A veces existen dos o ms Modas en la distribucin y se llaman distribuciones
multimodales, el caso especifico donde existen dos Modas se denomina Bimodal. Si
Ud. encuentra esto en su distribucin, busque una variable extraa o intermedia que
se haya "colado" en las mediciones, la mayora de las veces pasa esto, otras en
cambio, es el real comportamiento de la variable.
'4
Me&i"("
La Mediana es el valor de la variable por debajo y por sobre el cual, se encuentran el
50 % de los casos relevados. La forma grfica de determinacin se explico cuando
hablamos de acumulacin en las variables cuantitativas continuas. A propsito: Para
evitar definiciones "largas", desde ahora diremos, cualitativas, ordinales, discretas y
continuas.
La Mediana es un %u"#ti$, basta reemplazar N/2 por el porcentaje de casos que
queramos ubicarnos en la ojiva, reemplazar los datos, y habremos hallado el valor
del cuartil.
Un cuartil es, entonces, el valor de la variable donde se encuentra una parte del todo.
Los mas tpicos son los %u"#ti$o pues se divide la distribucin en cuatro partes del
25, 50 y 75 % y con ellos se puede sacar la &evi"%i,( e)i@i(te#%u"$ti$i%" que no
es mas que Q = (Q3 - Q1) / 2 y da una idea importante de donde a donde se
mueven los datos, sumndola o restndola a la Mediana.
Otros cuantilos son los De%i$o, cuando la distribucin se divide en diez partes, los
Ce(ti$o cuando se divide en cien, cuando estos centilos "hablan" de un porcentaje,
se denominan Pe#%e(ti$e.
R"(*o
Es la indicacin del valor mnimo y el mximo de la distribucin de frecuencias de los
datos.
'5
Me&i"(" 2 R"(*o O 0
Se informan juntos. Posicin y Dispersin. til para las ordinales, aconsejable
informar para las continuas.
Hay otra informacin mas precisa que el rango o Q: es la Desviacin Media, pero
dejmosla para analizar luego del Sesgo, porque viene justo al caso en ese
momento.
Me&i"
La media o valor medio de los datos, es sencillamente el promedio de los valores de
las variables.
Su formula es Media = Sumatoria de todos los valores / la cantidad de cosas.
Cuando los datos se "amontonan" en las clases, es decir se "*#u!"(, es la sumatoria
del punto medio de la clase por la frecuencia de cada clase todo dividido la cantidad
de cosas y se denomina Me&i" Po(&e#"&", pues a cada valor de la variable se le
aplica "el peso" de la frecuencia.
La media de una muestra es la Me&i" Muet#"$ y existe la Me&i" &e $" Pob$"%i,(.
Existen otros tipos de Medias, tal como la .eo)1t#i%", la A#),(i%" y la Cu"&#Ati%",
que tienen un uso muy especifico
Dev?o o &evi"%i,( etA(&"#
Tiene un valor pragmtico indiscutible. Su clculo es muy simple habiendo sacado la
varianza, pues solo hay que sacarle a la misma la raz cuadrada y listo.
Existe el Dev?o &e $" Muet#" 2 e$ &e $" Pob$"%i,(
Existe el Coe'i%ie(te &e V"#i"%i,( CV, que es la divisin de la media por el desvo.
CV = Media / Desvo. Esto implica aplicarse para determinar la validez de la
desviacin estndar como prueba.
26
Me&i" 2 Dev?o
Al sumar o restar al valor de la media, al valor del desvo, obtenemos dos valores que
representan el intervalo entre el cual existen el 68 % de los casos
(aproximadamente). Pero eso no es lo mas importante, sino que esto puede
denominarse la No#)"$i&"&, estadsticamente hablando.
Luego podemos restar dos veces el desvo y aun tres, obteniendo el 95 y el 99 %
respectivamente y esto se encuentra ntimamente ligado a la eti)"%i,( y al %A$%u$o
&e !#ob"bi$i&"&e.
Not": existen varias medidas ms de posicin y dispersin, que pueden buscarse en
textos estadsticos comunes.
La media y la varianza, adems, son deducibles de formulas de )o)e(to muy
tiles en muchos aspectos.
E$ Se*o
Otro cuyo valor pragmtico es indiscutible. Existen formulas complejas de su calculo,
pero nos conformamos con una sencilla.
Sesgo = (Media - Modo) / Desvo
L" V"#i"(+"
Es el promedio de las desviaciones estndar respecto de la media. Es un valor que
nos indica cuan "dispersos" estn los datos.
Su forma para pocos datos es:
Varianza = Sumatoria de cada valor - la Media, todo elevado al cuadrado y todo
dividido por la cantidad total de casos
LA TOMA DE DECISIN ESTAD5STICA
Es obvio que hoy en da no se necesita de conocer mucho de estadstica y cada vez
se hace menos necesario el apoyo del estadstico en la investigacin cientfica,
especialmente en lo que se relaciona a las ciencias de la salud, conducta y
educacin, pues las variables se manejan por el investigador, los diseos se trabajan
2'
por la epistemologa y la metodologa y solo queda decidir que prueba estadstica
emplear, y para esto solo es necesario conocer el tipo de variable con la que se
trabaja y el nmero de muestras que intervienen.
Procedimiento:
a) Postule la hiptesis estadstica contraria a lo que espera >8
b) Postule "su" hiptesis estadstica. >"
c) Determine el riesgo o Nive$ &e i*(i'i%"%i,(. Alfa
d) Establezca la P#ueb" et"&?ti%" a utilizar.
e) Establezca las condiciones de la toma de decisin
f) Realice el clculo
PRUE;AS ESTAD5STICAS USUALES
La cantidad de pruebas estadsticas es abrumadora. Sin embargo, no debemos saber
todas, sino entender su construccin, al menos aproximadamente.
Casi toda prueba estadstica, tiene la siguiente forma:
Valor Valor hallado en la var. - Valor esperado de la Var.
de la = -----------------------------------------------------------------
Prueba Variabilidad esperada de la Var.
Lo que hace una prueba estadstica en general, es hallar la "diferencia" entre lo que
espero y lo que obtengo y a esa diferencia la "reduzco" o "expreso" en trminos de la
variabilidad que espero.
PRUE;AS PARA UNA SOLA VARIA;LE
CUANDO TENEMOS UNA SOLA MUESTRA: Cuando se desea comparar la muestra
estudiada con la poblacin con respecto a una variable

A.- Cuando se desea hacer inferencia acerca de la media de una variable continua
con respecto a la media de la poblacin cuando la distribucin de la variable es
normal (o se asume el teorema de lmite central) y la varianza (cuadrado de la
desviacin estndar) de la poblacin es conocida.
22
PRUE;AS PARA VARIA;LES CUANTITATIVAS
Este tipo de clculo estadstico es para trabajo eminentemente descriptivos.
C7LCULO PARA UNA LA MEDIA PO;LACIONAL
PRUE;A B NORMAL PARA UNA MUESTRA.
Ej: queremos saber si el promedio de hemoglobina en sangre de una muestra de
1000 pacientes usuarias de anticonceptivos orales es diferente o no del promedio de
los niveles de hemoglobina en la poblacin general. Sabemos que los valores de
hemoglobina siguen una distribucin normal y conocemos la desviacin estndar (por
lo tanto la varianza) de los valores normales de glicemia en la poblacin
B.- Cuando se desea hacer inferencia acerca de la media de una variable continua
con respecto a la media de la poblacin cuando la distribucin de la variable es
normal (o se asume el teorema de lmite central) y la varianza (cuadrado de la
desviacin standard) no es conocida
_ ___
= x z / .
\ n
PRUE;A t PARA UNA MUESTRA
Ej. El caso anterior si es que no conociramos la desviacin estndar (por lo tanto la
varianza) de los valores de hemoglobina en la poblacin.
C.- Cuando se desea hacer inferencia acerca de la varianza (cuadrado de la
desviacin estndar) de una variable continua con respecto a la varianza de la
poblacin cuando la distribucin de la variable es normal (o se asume el teorema de
lmite central).
_ _____
= x t / Sx .
\ n
_
x = Promedio de la muestra.
= Desviacin estndar de la poblacin (puede usarse Se).
Sx = Desviacin estndar muestral.
Z = Coeficiente de confiabilidad para la distribucin normal (>30 casos )
23
t = Coeficiente de confiabilidad para la t de student con 1 grado de libertad.
= Media poblacional
CALCULO DE LA PROPORCIONAL PO;LACIONAL
____
= p z / pq .
\ n
p = Proporcin muestral.
Q = 1 - p
PRUE;AS PARA VARIA;LES CUALITATIVAS
PRUEBA Chi CUADRADO PARA VARANZAS PARA UNA MUESTRA
Cuando queremos comparar una muestra con la poblacin con respecto a una
variable de distribucin binomial (no sigue una distribucin normal).
Ej: Cuando queremos saber si la varianza (cuadrado de la desviacin estndar, que
es una medida de dispersin de los datos) de la distribucin de los valores de notas
en la muestra de alumnos de baja autoestima es diferente de la varianza de los
valores de notas de los alumnos de la poblacin general. Esta prueba estadstica es
muy sensible y por lo tanto no da resultados confiables si la distribucin de los
valores de notas no siguen una curva normal en la poblacin.

(Obs - Esp)
J = SUMA -------------------
Esp
Obs= es el nmero observado de casos clasificados por cada categora.
E!C e e$ (D)e#o e!e#"&o &e %"o %$"i'i%"&o !o# %"&" %"te*o#?".
TEST ;INOMIAL PARA UNA MUESTRA
Cuando queremos comparar una muestra con la poblacin con respecto a una
variable de distribucin no normal ni binomial.
Ej. Queremos comparar una muestra de escolares de un colegio con la poblacin
escolar en general con respecto a la presencia o no de parasitosis. Variable binomial:
Presencia de parasitosis: Si o No.
24
PRUE;AS PARA DOS VARIA;LES
PRUE;AS PARA DOS MUESTRAS:
Se desea comparar dos muestras con respecto a una variable.
A.- Cuando queremos comparar medias entre dos muestras independientes, las
varianzas no son diferentes y la distribucin de la variable es normal (o se asume
teorema de lmite central):
PARA DOS VARIA;LES CUANTITATIVAS
LA PRUE;A DE B PARA DOS PROMEDIOS
Esta prueba es aplicada para n1 y n2 mayores a 30 casos.
__ __
B C ( X1 - X2) .
/ S1 + S2
n1 n2
LA PRUE;A T PARA DOS PROMEDIOS
Esta prueba es aplicada para n1 y n2 menores a 30 casos.
____________
t C ( X1 - X2) .
/ Sp + Sp
n1 n2
Sp = (n1 1)s1 + (n2 1)S2
n1 + n2 - 2
PRUE;A T PARA DOS PROMEDIOS INDEPENDIENTES CON I.UALES
VARIANBAS.
Cuando queremos comparar las medias de dos muestras independientes, las
varianzas son diferentes y asumimos que la distribucin de la variable es normal (o se
asume teorema de lmite central):
Ej: queremos saber si el promedio de notas de una muestra de alumnos con el
mtodo ABP no es diferente del promedio de los valores de notas de una muestra de
alumnos con el Mtodo Aprender Haciendo. Se supone que la distribucin de los
valores de notas sigue un patrn normal, las muestras de alumnos con ABP y las que
25
llevan el Aprender Haciendo son independientes (No estn relacionadas) y la
varianza de los valores de notas no es diferente entre ambos grupos.
PRUE;A T PARA DOS PROMEDIOS CON DIFERENTES VARIANBAS.
Cuando queremos comparar medias entre dos muestras dependientes, asumiendo
que la distribucin de la variable es normal (o se asume teorema de lmite central):
Ej: El caso anterior si es que asumimos que la varianza de los valores de notas es
diferente entre los alumnos que llevan el ABP y los alumnos que llevan Aprender
Haciendo.
PRUE;A T PAREADA
nferencia acerca de varianzas, distribucin normal (o se asume teorema de lmite
central), se emplea cuando existe la comparacin de los promedios de dos muestras
relacionadas:
Ej. Cuando queremos comparar el promedio en un test antes y despus la aplicacin
de una nueva estrategia de aprendizaje. Asumimos que la distribucin de los
promedios sigue una distribucin normal. Tambin son muestras dependientes
aquellas en que se realiza un pareamiento para una o ms variables.
_
t C d , t con (n-1) grados de libertad
Sd n
PRUE;A F PARA DOS MUESTRAS PARA COMPARAR VARIANBAS 9)u2 e(ib$e
%u"(&o e$ !"t#,( (o e (o#)"$:.
Cuando tenemos dos muestras de distribucin binomial y las muestras son
dependientes:
Ej. Queremos comparar si las varianzas (cuadrado de la desviacin estndar) son
diferentes entre los valores de notas en matemticas de un grupo de 100 alumnos de
Lima y un grupo de 100 alumnos de Trujillo. Es decir queremos ver si la dispersin de
los valores entre estas dos muestras es diferente. Asumimos que la distribucin de
los valores de notas en matemticas siguen una curva normal.

F C (11E F9(1@1:
26
(44E F9(4@1:
n 1 = grados de libertad del numerador
n -2 = grados de libertad del denominador
s = Varianza muestral
n = cantidad de muestra
PRE.UNTAS
/0u1 ti!o &e !#ueb" et"&?ti%" e e)!$e"( %u"(&o e-ite u(" v"#i"b$e
%u"$it"tiv"3
/0u1 ti!o &e !#ueb" et"&?ti%" e e)!$e"( %u"(&o e-ite u(" v"#i"b$e
%u"(tit"tiv"3
Me(%io(e $" uti$i&"& &e %"&" !#ueb"
2&
1.G CONCEPTOS DE ESTAD5STICA 6 AN7LISIS DE DATOS II
Objetivo: El alumno al terminar el aprendizaje del presente captulo conocer el los
diversos mtodos aplicados al anlisis de datos avanzados y formulacin de
resultados de una tesis de postgrado, especialmente con el empleo de
estadstica inferencial.
EL AN7LISIS DE LOS DATOS 4
CORRELACIN DE PEARSON:
Es la relacin entre dos variables continuas que no tienen distribucin normal. Se
realiza entre valores de dos variables en un grupo o dos grupos con la misma
variable o distinta. Tambin puede ser de tipo $i(e"$, la caracterstica recta que tanto
llama la atencin, parcial, curvilnea, mltiple o de varias variables a la vez. En
principio puede hacerse para cualquier tipo de funcin.
Ej. Existe o no relacin entre los valores de la edad y el coeficiente intelectual en un
grupo de 1000 escolares de Villa el Salvador.
R = n XY - X y .
\(n X - (X) (n Y - (Y))
Antes de la correlacin, normalmente se efecta lo que se denomina la #e%t" &e
#e*#ei,(. El valor de la correlacin, es predecir el valor de una variable a partir del
valor de la otra.
Es bastante complicada para lo que se pretende de unos "apuntes estadsticos".
Calcula tambin una "dispersin" respecto de cada funcin que se trabaja, es decir
"predice los valores entre tal y tal valor". Un valor 0 es ausencia de correlacin
(prediccin), el opuesto, 1, es lo mximo, jams alcanzado a no ser matemticamente
con objetos de orden ideal. La realidad es otra.
Como valores establecidos se denota que intensidades de correlacin:
Cuando esta entre 0 y 0,25 = No hay correlacin
Cuando esta entre 0,26 y 0,50 = baja correlacin.
Cuando est entre 0,51 y 0,74 = Mediana Correlacin
Cuando est entre 0,76 y 1 = Existe alta correlacin.
24
Hay que cuidar que siempre se encuentre la significancia estadstica p < 0,05.
V"$o# P#e&i%tivo
Que es r.r (r cuadrado) es de 0.49 (0.7x0.7) y esto es lo mismo que decir "una
prediccin de una variable a travs de otra puede acertar como no", o es blanco o es
negro, no dice nada mas, debemos tener como mnimo 0.85 y ah empezar a inferir la
influencia de la variable.
M1to&o &e %o##e$"%i,( RANH.: Coe'i%ie(te &e Co##e$"%i,( S!e"#)"(
Ej. El uso de un mdulo (medido en porcentaje de exmenes) en una muestra de
estudiantes de maestra y el nmero de horas de estudio.
AN7LISIS DE RE.RESIN
El investigador suele tener razones tericas o prcticas para creer que determinada
variable es causalmente dependiente de una o ms variables distintas. Si hay
bastantes datos empricos sobre estas variables, el "(A$ii &e #e*#ei,( es un
mtodo apropiado para desvelar el patrn exacto de esta asociacin.
El algoritmo de anlisis de regresin construye una ecuacin, que tiene el siguiente
patrn. Adems, da los parmetros a1, a2 etc. y b valores tales que la ecuacin
corresponde a los valores empricos con tanta precisin como es posible.
y = a1x1 + a2x2 + a3x3 + ... + b
En la ecuacin, y = la variable dependiente x1 , x2 etc. = variables independientes a1,
a2 etc. = parmetros b = coeficiente.
En su estructura para un anlisis de dos variables cuantitativas la frmula para un
anlisis de regresin sera:
Y = a + bX.
En donde
Y = Variable dependiente (numrica).
X = variable independiente (numrica)
A = Ordenada de origen
25
B = Coeficiente de regresin lineal.
Clculo de a:
_ _
a = Y bX
_
Y = Promedio de las Y
_
X = Promedio de las X
n = Tamao muestral
b = n XY - X Y
nX - (X)
PRUE;AS PARA VARIA;LES CUALITATIVAS
LA PRUE;A DE B PARA DOS PROPORCIONES
Esta prueba es aplicada para n1 y n2 mayores a 30 casos.

B C ( P1 - P2) .
/ p1q1 + p2q2
n1 n2
PRUE;A DE JI CUADRADO PARA DOS PROPORCIONES
Sume cada diferencia entre lo que observo y lo que esperaba, elevada al cuadrado y
dividida por lo que esperaba

X = (fo - fe)
fe
En donde:
fe = ( fi) ( c)
ft
gl = (fi -1) ( c 1)
fo = Frecuencias observadas
fe = Frecuencias esperadas.
36
fi = Filas
c = Columna
gl = Grados de libertad
No es el mismo concepto que el anterior, pues no mide "diferencias de medias"
propiamente dichas, sino cual es la "variabilidad total", un resultado "significativo" no
nos dice quien es mas o menos, sino que son diferentes.
Utiliza el concepto de GL pero no por cantidad de sujetos sino por cantidad de
Grupos Fi de Condiciones C, GL =(Fi-1) (C-1) Para un nico grupo, GL = C-1, para
una nica condicin GL = Fi-1.
Adems contiene condiciones de restriccin como que ningn valor esperado sea
menor a 5. Formas para sacar los "esperados" si no se tiene idea de lo que se espera
y otras aplicaciones de "asociacin", "contingencia", etc.
VARIACIONES DE LA PRUE;A DE C>IE 6 PRUE;AS ALTERNATIVAS
TEST IE &e M% NEMAR
Cuando tenemos dos variables de distribucin binomial, las muestras son
independientes pero algn valor esperado de alguna de las celdas de la tabla de 2 x
2 es < 5:
Ej: Se desea determinar si dos tcnicas educativas difieren en la deteccin de cierto
tipo de problema de aprendizaje (+). Se toma una prueba, por ejemplo, 100 alumnos
y cada una se divide en dos, una sub muestra se analiza la tcnica A y la otra la B.
Con la prueba de c
2
de Mc Nemar se determina si la proporcin de los (+ al problema
de aprendizaje) con la tcnica A difiere de los (+ a problemas de aprendizaje) con la
tcnica B.
3'
DESPUES
+ -
ANTES + a b
- c d
X de Macnemar = ( |a - d| - 1 ) , x con un grado de libertad
( a + d)
PRUE;A EIACTA DE FIS>ER
Cuando tenemos dos variables de distribucin binomial, las muestras son
independientes y todos los valores esperados son < 5. Los valores usados no
corresponden a densidad de incidencia:
Ej: Cuando en el ejemplo anterior uno de los valores esperados de una de las celdas
de la tabla de 2 x 2 es menor de 5. El valor esperado se halla multiplicando el total de
la columna (a + b) por el total de la fila (a + c) correspondientes a esa celda (ej. la
celda a) y dividiendo por el total de participantes (a+b+c+d).
+ -
I + a b
II - c D
Se calcula el valor de p (nivel de significancia) con la siguiente frmula:
p = (a +c)! (b +d)! (a+b)! (c + d)!
a! b! c! d!
P#ueb" !"#" !#o!o#%io(e bi(o)i"$e " &o )uet#" o )eto&o !"#" t"b$" &e
4-4 i (o e-ite( %o('uo#e. Si e-ite( %o('uo#e: !#ueb" &e M"(te$@>"e(+e$
Distribucin binomial, muestras independientes, todos los valores esperados >5,
valores de densidad de incidencia incluidos:
Ej: Cuando el ejemplo anterior uno de los valores esperados son > de 5 y el estudio
no es uno de tipo cohortes: es uno de tipo caso control o transversal
a B F1
c d F2
C1 C2 N
XMH = ( a .d b.c /N)
F1F2C1C2/N
3
32
C = Filas
F = Columnas
Trabaja con 1 grado de libertad
M1to&o &e t"b$" &e %o(ti(*e(%i" # - %
Distribucin no normal (o teorema de lmite central no asumido), datos no
categricos:
Ej. Queremos saber si existe asociacin entre la variable violencia familiar (leve,
moderada o severa) en tres grupos de alumnos con rendimiento acadmico bajo,
regular y alto.
P#ueb" H"!!"
Ej. Queremos saber en que grado concuerdan el diagnstico clnico de un gineclogo
y el diagnostico de laboratorio en la etiologa de la vulvovaginitis en 100 mujeres que
venan con el sntoma de flujo vaginal anormal.
PRUE;A COC>RAN 0
La prueba Cochran Q puede usarse para evaluar la relacin entre dos variables que
se miden en una escala nominal. Una de las variables puede incluso ser dicotmica,
o consistir en slo dos valores posibles.
_
Q = k.(k 1) (V - V)
kH - H
k = nmero de variables
H = Total de situaciones en filas
V = Total de situaciones en columnas
P#ueb" Ji$%o-o(
Con la prueba Wilcoxon podemos comprobar la representatividad de las preferencias
entre dos (o ms) alternativas. La escala al dar las preferencias es ordinal.
33
PRUE;AS PARA VARIA;LES CUALITATIVAS 6 CUANTITATIVAS.
AN7LISIS DE VARIANBA
Bsicamente la variable independiente es cualitativa nominal y la dependiente es
cuantitativa. El anlisis de varianza (en ingls ANOVA, ANalysis Of VAriance)
examina dos o ms conjuntos de mediciones, especialmente sus varianzas, e intenta
detectar diferencias estadsticamente representativas entre los conjuntos. Estos
conjuntos podran ser, por ejemplo, reacciones medidas para dos grupos
experimentales, y el investigador quiere examinar si hay una diferencia en las
reacciones, tal vez causada por los distintos estmulos a los grupos.
El mtodo de anlisis de varianza se basa en el hecho matemticamente probado de
que hay una diferencia entre los grupos slo si la varianza i(te#@*#u!o es mayor
que la varianza i(t#"@*#u!o.
El anlisis se inicia calculando la varianza intra-grupo para cada grupo, y la media de
todas estas varianzas de grupo.
El siguiente paso es calcular la media para cada grupo, y entonces la varianza de
estas medias. Esa es la varianza inter-grupos.
Entonces calculamos la proporcin de las dos cifras que acabamos de obtener, que
es llamada F. En otras palabras, = (varianza de las medias de grupo) / (media de las
varianzas de grupo).
variabilidad inter
F = --------------------
variabilidad intra
Frmulas:
L" !#ueb" &e F !"#" $" #e*#ei,( $i(e"$
F = CM entre-grupos
CM intra-grupos
CM = Cuadrados medios
34
CM = SC/gl
SC = Suma de cuadrados
gl = Grados de libertad
proviene de :
CA$%u$o &e $" u)" &e %u"&#"&o i(t#"*#u!o:
SC iintragrupo = SC total SC entre grupos
Para esto se calcula:
Su)" &e %u"&#"&o tot"$e:
Sctotal = x - ( x)
N
x = Suma de las observaciones (puntuaciones de la variable dependioente).
X= Suma de los cuadrados de las observaciones
N = nmero total de casos
Su)" &e $o %u"&#"&o e(t#e *#u!o
SC entre grupos = ( x1) + ( x2) + ( x3) + ( x4) - ( x)
n n n n N
Lo que precisamente trata de ver Fisher es que si el numerador es grande y el
denominador es pequeo, F es grande y por lo tanto significativa. Por que? porque
arriba ser "grande" i 2 o$o i K"2 u(" *#"( &i'e#e(%i" e(t#e $o *#u!o y abajo
ser pequeo i 2 o$o i $o *#u!o tie(e( &"to Lequiv"$e(teL< &e !o%"
v"#i"bi$i&"&. Fisher trata de manejar eso de que hay mucha diferencia entre los
grupos, pero dentro de cada uno hay cualquier "causalidad", es decir, no afirmar la
diferencia significativa, si los grupos no son "representativos" de esa diferencia. Muy
buena solucin.
Finalmente nos referimos a la tabla (en manuales estadsticos) que muestra qu
valores puede alcanzar el coeficiente F cuando slo acta el azar. Si el F obtenido
35
[
]
del ANOVA es mayor que el valor de la tabla, hay una diferencia entre los grupos que
es significativa segn muestra la tabla.
La frmula del anlisis de varianza es muy compleja y es preferible saber la decisin
y emplearla en un paquete estadstico.
A(ov" u( '"%to#
Ej: Queremos comparar el promedio de horas de estudio (variable continua y
dependiente) entre cuatro tcnicas de motivacin para la lectura (variable
independiente y categrica) en u un grupo de 100 estudiantes universitarios.
Asumimos que los valores de las diferencias de las horas de estudio siguen un patrn
normal.
P#ueb" &e H#uM"$@J"$$i: No P"#")1t#i%"
nferencia acerca de varianzas, distribucin normal (o teorema de lmite central
asumido):
Ej. Queremos comparar los promedios de horas de estudio en el hogar entre tres
grupos de estudiantes: con bajo rendimiento escolar, otro en el que existe un
resultado regular rendimiento escolar y el ultimo grupo donde el rendimiento escolar
es bajo.
P#ueb" &e ;"#t$ettN !"#" Ko)o*e(ei&"& &e v"#i"(+"
Distribucin no normal (o teorema de limite central no asumido), datos categricos.
Ej: Queremos en el ejemplo anterior, comparar la dispersin de los promedios de
horas de estudio en los tres grupos, tomando en cuenta las varianzas (cuadrado de la
desviacin estndar).
A(ov" &e &o '"%to#e.
Ej: Queremos ver la diferencia de promedios de calificaciones de un examen
(variable dependiente continua) entre dos grupos de estudiantes: 100 que estudian
mediante ABP y 100 mediante Aprender Haciendo. Pero hay que considerar que
dentro de estos dos grupos existen estudiantes que no tienen buenos hbitos de
estudio y estudiantes que s tienen buenos hbitos de estudio. En realidad habran 4
grupos en la variable independiente: ABP con Buenos ya malos hbitos, Con
36
aprender Haciendo y con Buenos ya malos hbitos de estudio. Asumimos que los
valores de las calificaciones siguen un patrn normal.
AN7LISIS DE COVARIANBA
Distribucin no normal de la variable dependiente (o no se asume teorema de limite
central):
Ej: Queremos comparar el promedio del efecto del mtodo Aprendizaje Basado en
proyectos (variable dependiente y continua) entre cuatro programas diferentes
(variable independiente y categrica) en un grupo de 100 estudiantes de diferentes
edades. Variables a ser controlada: la edad, horas de estudio asociada. Asumimos
que los valores de las diferencias de las notas antes y despus de la administracin
de los mtodos siguen un patrn normal.
AN7LISIS FACTORIAL
A veces tiene el investigador una gran cantidad de datos sobre numerosas variables
diferentes con correlacin entre ellas. Con ayuda del anlisis factorial, tales datos
suelen poder comprimirse y las variaciones presentarse a travs de slo unas pocas
variables.
Como ejemplo, consideremos los datos de un cuestionario (mostrado en otra parte)
donde a un cierto nmero de sujetos de un test se les pregunt en qu grado se
correspondan sus problemas de bajo rendimiento acadmico, analizando los
diversos factores, sociales, econmicos y culturales potencialmente relacionados a
este problema y las costumbres de estas personas referidas por el investigador
(mostrados en escalas "semnticas diferenciales"). El investigador ahora quiere
descubrir si tras las estimaciones de los sujetos, hay algunas "variables de fondo"
cuya medicin directa por a travs de medios lingsticos no sera posible a causa de
la carencia de adjetivos apropiados en el lenguaje. La hiptesis del investigador es
que estas variables de fondo "aparecen" a travs de los adjetivos usados en las
escalas semnticas, habitualmente no con un adjetivo nico, sino mediante un grupo
de adjetivos con correlacin entre ellos.
Con la ayuda de un anlisis factorial, las variables de combinacin o '"%to#e ocultos
tras los atributos medidos pueden detectarse y especificarse, y el anlisis tambin
dice lo estrechamente que estos factores estn vinculados con las variables
originalmente verificadas.
3&
Un inconveniente del mtodo del anlisis factorial es que es demasiado fcil de usar
para estudios que son formalmente correctos pero en la prctica absurdos, porque
siempre presenta los resultados de una forma elegante y matemticamente exacta,
incluso cuando los factores obtenidos son tienen ningn contenido emprico sensato.
AN7LISIS DE SERIE TEMPORAL
Una serie cronolgica es una lnea de valores de variables reunidos en un cierto
periodo de tiempo, habitualmente en intervalos regulares. Si cada valor nuevo se
aade a los previos, la serie es "%u)u$"tiv".
La %u#v" es la presentacin ms usual para la serie cronolgica. El tiempo siempre
se presenta en el eje horizontal, x. Si es necesario, pueden situarse varias variables o
series de datos en el mismo diagrama. Esto tiene especial sentido cuando se estn
investigando sus conexiones o ha de ponerse nfasis en stas. Cuando se presentan
dos series cronolgicas distintas con distintas escalas, podemos situar una escala
cuanto al margen izquierdo de la figura y la otra junto al margen derecho.
Toda serie cronolgica es intrnsecamente discontinua, es decir, obtiene un valor
discreto para cada periodo de tiempo. Esto es por lo que la presentacin elegida para
una serie cronolgica suele ser una curva "en escalera", que es en principio lo mismo
que un histograma donde las columnas se dibujan una junto a otra.
Si dirigimos una mirada ms detenida a la variacin de la serie cronolgica, sta
suele revelar componentes, todos los cuales tienen sus regularidades especficas que
pueden ser analizadas. Los ms habituales de estos componentes son:
Tendencia
Variacin peridica
Variacin coyuntural
Una te(&e(%i" es una direccin lineal de desarrollo en un periodo de tiempo. Una
forma sencilla de estudiarla es hacer un diagrama de dispersin y entonces situar
manualmente una estimacin aproximada de la lnea que describe la tendencia en l
(la lnea roja).
34
Un mtodo ms refinado y exacto para la tarea arriba mencionada es el anlisis de
regresin. Tras haber encontrado la ecuacin que se ajusta de forma ptima a la
tendencia, sta habitualmente es tambin presentada de forma grfica, posiblemente
junto con el diagrama de dispersin original.
Una v"#i"%i,( !e#i,&i%" es una variacin cclica recurrente en forma similar una y
otra vez. El periodo de variacin suele ser una unidad natural de tiempo, como un
ao o un da.
Por ejemplo, el promedio de calificaciones de una muestra de escolares vara
simultneamente con dos frecuencias: anual y semanal. Estos se calculan uno cada
vez, por el siguiente mtodo, bsicamente el mismo en los tres casos:
La variacin peridica anual se halla haciendo un grupo de los valores para
Abril, otro de los de Marzo, etc. Entonces, para cada uno de estos doce
grupos se calcula la media y finalmente las doce medias se presentan como la
variacin anual.
Cuando calculan los valores semanales, habr siete grupos, es decir, uno
para cada da de la semana. Se calcula la media para cada uno de los siete
grupos, y las siete medias conforman la variacin semanal.
Cuando se ha encontrado la variacin peridica, sta se presenta, sea grficamente
como curva de la longitud de un periodo, o bien numricamente como un ndice. Este
ndice habitualmente se hace a partir de una base de 100 ( 1,00), y sus valores
peridicos se obtienen cuando las medias peridicas (por ejemplo mensuales) se
dividen por la media comn del conjunto de los datos.
35
CUANDO SE ESTUDIA TRES O M7S VARIA;LES
CUANDO LA VARIA;LE DEPENDIENTE ES CONTINUA:
MOTODO DE RE.RESIN MPLTIPLE
Ej. Queremos saber si la variable dependiente peso esta independientemente
relacionada (y en que grado) a otras variables como edad, estado nutricional, talla,
etc.
CUANDO LA VARIA;LE DEPENDIENTE ES ;INARIA 6 EL TIEMPO EN 0UE
OCURRE EL EVENTO ES IMPORTANTE.
CUANDO LA VARIA;LE DEPENDIENTE NOMINAL 6 LAS INDEPENDIENTES
NUMORICA
MOTODO DE RE.RESIN LO.5STICA
Ej. Queremos saber cuales de las variables (edad, nmero horas de estudio, etc.)
estn independientemente asociadas a la presencia o no de desercin escolar en
nios que estudian la primaria en un colegio de Comas.
Ej. Se desea identificar los factores con variables independientes cuantitativas de la
motivacin para estudiar.
PRE.UNTAS
/0u1 ti!o &e !#ueb" et"&?ti%" e e)!$e"( %u"(&o e "o%i"( &o
ti!o &e v"#i"b$e %u"(tit"tiv"3
/0u1 ti!o &e !#ueb" et"&?ti%" e e)!$e"( %u"(&o e "o%i"( &o
ti!o &e v"#i"b$e %u"$it"tiv"3
Me(%io(e $" uti$i&"& &e %"&" !#ueb"
46
S&g$-*a $-i*a*
77777777777..
Tra,a9+ *& 3a"&" *& Da(+" &- S2""0
Ma-&9+ *& #+-#&2(+" ,:"i#+" *&
&"(a*4"(i#a a2'i#a*a
4'
4.1 EL PRO.RAMA ESTAD5STICO SPSS
Objetivo: El alumno al terminar el aprendizaje del presente captulo conocer el
programa SPSS, su estructura bsica y su utilidad para la realizacin de la tesis.
SPSS
Statistical Package for the Social Sciences (SPSS) es un programa estadstico
informtico muy usado en las ciencias sociales y las empresas de investigacin de
mercado. Originalmente SPSS fue creado como el acrnimo de Statistical Package
for the Social Sciences. En la actualidad, la sigla se usa tanto para designar el
programa estadstico como la empresa que lo produce. Parece que se esta
popularizando la idea de traducir el acrnimo como "Statistical Product and Service
Solutions"..
Ve#io(e &e$ SPSS
SPSS nc. desarrolla un mdulo bsico del paquete estadstico SPSS, del que han
aparecido las siguientes versiones:
SPSS-X (para grandes servidores tipo UNX)
SPSS/PC (1984, en DOS. Primera versin para computador porttil)
SPSS/PC+ (1986 (en DOS)
SPSS for Windows 6 (1992) / 6.1 for Macintosh
SPSS for Windows 7
SPSS for Windows 8
SPSS for Windows 9
SPSS for Windows 10 / for Macintosh 10 (2000)
SPSS for Windows 11 (2001) / for Mac OS X 11(2002)
SPSS for Windows 11.5 (2002)
SPSS for Windows 12 (2003)
SPSS for Windows 13 (2004): Permite por primera vez trabajar con multiples
bases de datos al mismo tiempo.
42
SPSS for Macintosh 13 (2006)
SPSS for Windows 16 (Octubre 2007): En la lista de usuarios de SPSS
"SPSSX(r) Discussion [SPSSX-L@LSTSERV.UGA.EDU]" varios funcionarios
de la empresa anunciaron previamente la salida de la versin 16 de este
software. En ella se incorpor una interfase basada en Java que permite
realizar mejoras importantes en las facilidades de uso del sistema.
M,&u$o &e$ SPSS
El sistema de mdulos de SPSS, como los de otros programas (similar al de algunos
lenguajes de programacin) provee toda una serie de capacidades adicionales a las
existentes en el sistema base. Algunos de los mdulos disponibles son:
M"(ejo
SPSS tiene un sistema de ficheros en el cual el principal son los archivos de datos
(extensin .SAV). Aparte de este tipo existen otros dos tipos de uso frecuente:
Archivos de salida (output, extensin .SPO): en estos se despliega toda la
informacin de manipulacin de los datos que realizan los usuarios mediante
las ventanas de comandos. Son susceptibles de ser exportados con varios
formatos (originalmente HTML, RTF o TXT, actualmente la versin 15
incorpora la exportacin a PDF junto a los formatos XLS y DOC que ya se
encontraban en la versin 12)
Archivos de sintaxis (extensin .SPS): Casi todas las ventanas de SPSS
cuentan con un botn que permite hacer el pegado del proceso que el usuario
desea realizar. Lo anterior genera un archivo de sintaxis donde se van
guardando todas las instrucciones que llevan a cabo los comandos del SPSS.
Este archivo es susceptible de ser modificado por el usuario. Muchos de los
primeros usuarios del SPSS suelen escribir estos archivos en vez de utilizar el
sistema de pegado del programa.
Existe un tercer tipo de fichero: el fichero de scripts (extensin .SBS). Este fichero es
utilizado por los usuarios ms avanzados del software para generar rutinas que
permiten automatizar procesos muy largos y/o complejos. Muchos de estos procesos
suelen no ser parte de las salidas estndar de los comandos del SPSS, aunque
parten de estas salidas. Buena parte de la funcionalidad de los archivos de scripts ha
sido ahora asumida por la insercin del lenguaje de programacin Python en las
43
rutinas de sintax del SPSS. Procedimientos que antes solo se podan realizar
mediante scripts ahora se pueden hacer desde el sintax mismo.
El programa cuando se instala trae un determinado nmero de ejemplos o utilidades
de casi todos los ficheros en cuestin. Estos son usados para ilustrar algunos de los
ejemplos de uso del programa.
Fi%Ke#o &e &"to &e SPSS
Los ficheros de datos en formato SPSS tienen en Windows la extensin .SAV. Al
abrir un fichero de datos con el SPSS, vemos la vista de datos, una tabla en la que
las filas indican los casos y las columnas las variables. Cada celda corresponde al
valor que una determinada variable adopta en un cierto caso.
Adems de esta vista de datos, en las ltimas versiones del programa existe una
vista de variables en la que se describen las caractersticas de cada una. En esta
vista las filas corresponden a cada variable y las columnas nos permiten acceder a
sus caractersticas:
Nombre, limitado a 8 caracteres.
Tipo de variable (comprese este listado de opciones con los tipos de
variables estadsticas existentes)
o Numrico, nmero en formato estndar)
o Coma decimal, nmero con comas cada tres posiciones y con un punto
como delimitador de los decimales
o Punto decimal, nmero con puntos cada tres posiciones y con una
coma como lmite delimitador de los decimales.
o Notacin cientfica, nmero que se expresa con un formato tal que se
sigue de una E y un nmero que expresa la potencia de 10 a la que se
multiplica la parte numrica previa
o Fecha
o Moneda dlar, formato numrico con el que se expresan cantidades en
dlares
o Moneda del usuario, formato numrico con el que se expresan
cantidades en la moneda definida en la pestaa de monedas del
cuadro de dilogo "Opciones"
o Cadena de caracteres o variable alfanumrica
Tamao total
Tamao de la parte decimal
44
Etiqueta de la variable
Etiquetas para los valores
Valores perdidos
Espacio que ocupa en la vista de datos
Alineacin de la variable en la vista de datos
Escala de medicin.
Algunos usuarios pasan por alto las caractersticas de las variables cuando se trabaja
en la base de datos. Sin embargo, cuando se utilizan scripts o Python las
caractersticas de las variables pueden tomar gran relevancia en la construccin de
procedimientos ad-hoc.
PRE.UNTAS
/0u1 e e$ SPSS3
/0u1 ti!o &e "#%Kivo *e(e#" e$ SPSS3
/C,)o T#"b"j" $" v"#i"b$e e$ !#o*#")" SPSS3
45
4.4 INTRODUCCIN AL SPSS EN ESPAQOL
Objetivo: El alumno conocer las funciones bsicas del SPSS en espaol.
INTRODUCCIN AL SPSS EN ESPAQOL:
Para ingresar al programa, tenemos dos opciones; la primera es mediante el acceso
directo ubicado en el Escritorio (Si lo hay) y la segunda es mediante la ruta nicio.
Programas.. SPSS para Windows.. SPSS 12.0 para Windows.
.
.
Al iniciar el programa se abre automticamente el Asistente de inicio [Fig.1]; a travs
de este asistente podemos comenzar a trabajar con SPSS de seis diferentes
maneras; entre las que encontramos Ejecutar el tutorial, Introducir datos (Crear nuevo
archivo), Ejecutar una consulta creada anteriormente (mportar los datos de una
archivo de base de datos), Crear una nueva consulta mediante el asistente de base
de datos (Definir los parmetros de ubicacin y nombre de un archivo de Base de
datos), Abrir una fuente de datos eistente (Esta opcin cuenta con una casilla en su
parte inferior, en donde aparecen todos los archivos de datos que se hayan utilizado
con anterioridad en el programa; si es la primera vez que se abre el programa desde
su instalacin slo aparece la opcin !s arc"ivos, la cual al ser elegida abre una
ventana de navegacin para la ubicacin del archivo).

La ltima opcin que aparece en el asistente corresponde a Abrir otro tipo de arc"ivo;
a travs de esta opcin podemos ubicar y abrir cualquier tipo de archivo de SPSS
distinto al de datos. Para seleccionar alguna de las opciones basta con hacer clic
sobre ella de manera que aparezca un punto en la casilla de activacin ( ). A pesar
de la utilidad que nos brinda el asistente, el programa nos da la posibilidad de decidir
si queremos que aparezca el asistente cada vez que se ejecute el programa o no.
46
Para desactivar el asistente debemos activar la opcin #o volver a mostrar este
cuadro de dilogo, ubicada en la parte inferior del asistente.

Figuras 1

Antes de continuar es necesario aclarar los tipos de archivos que genera SPSS, los
cuales son:
Archivos de Datos: son los archivos generados por el sistema (SPSS), en
los cuales se almacena la informacin (casos y variables) que se haya
creado en el editor o se haya importado de otras fuentes. Este tipo de
archivo se genera con la extensin (*.sav).
Archivos de resultados: son los archivos generados por el sistema, en los
cuales se plasman todos los resultados de los procesos que se han
realizado con el paquete (Tablas, Grficos, Estadsticos, etc). Este tipo de
archivo se identifica con la extensin (*.spo).
Archivos de sintaxis: este tipo de archivos contienen las lneas de cdigo o
palabras clave de cada uno de los procedimientos que se hayan realizado
con el paquete (Frecuencias, Grficos, etc.). Este tipo de archivo se
identifica con la extensin (*.sps).

Desde luego SPSS nos permite trabajar con un gran nmero de formatos de archivo,
provenientes de diferentes programas de bases de datos, hojas de clculo,
procesadores de palabras e incluso generadores de grficos.
4&
Para continuar seleccionamos la opcin Abrir una fuente de datos eistente y
sucesivamente hacemos clic en Aceptar, surgiendo la ventana de exploracin de
Windows [Fig. 2 y 3]. A travs de esta ventana, podemos ubicar de forma rpida y
sencilla un archivo dentro del ordenador o la red. Por defecto la ventana de
exploracin se ubica en la carpeta SPSS ubicada en la unidad [C:]; en esta carpeta
se encuentran todos los archivos de muestra que se incluyen con el programa, los
cuales son nombrados en la mayora de los tutoriales del paquete.

Figuras 2 y 3
Esto es una vista de datos
Figura 4
PRE.UNTAS
/E-!$ique que e u( "#%Kivo &e &"to3
/Me(%io(e $" &i'e#e(%i" e(t#e u( "#%Kivo &e &"to 2 u(o &e #eu$t"&o3
44
4.G EDITOR DE DATOS DE SPSS EN ESPAQOL
El alumno al culminar el capitulo, conocer las pautas fundamentales y tendr los
elementos necesarios para realizar adecuadamente una edicin de datos.
EDITOR DE DATOS
Esta es la ventana principal del programa, en ella se encuentra la mayora de los
procedimientos que se pueden realizar con el paquete, as como los accesos directos
a las opciones de los diferentes mdulos. Adems esta es la nica ventana del
programa en la que podemos apreciar la informacin (Casos y Variables) en su
estado original (Desagrupado). El Editor de datos esta compuesto por cinco
secciones, cada una de las cuales nos ofrece opciones e informacin diferente. Los
componentes del editor de datos son:
;"##" &e Me(D
Como la mayora de los programas basados en el sistema operativo Windows, el
Editor de datos de SPSS cuenta con una barra de mens desplegables, en donde se
encuentran las diferentes opciones, procedimientos y aplicaciones que se pueden
ejecutar con el programa. En SPSS se cuenta con diez diferentes mens
desplegables [Fig.5]; dentro de los que encontramos Archivo, Edicin, Ver, Datos,
Transformar, Analizar, Grficos, Utilidades, Ventana y Ayuda (?).

Figuras 5

Las opciones y procedimientos de los mens Arc"ivo, Edicin y $er, estn orientados
a las propiedades de Editor de datos. Las opciones y procedimientos de los mens
%atos y &ransformar se enfocan a las propiedades y modificacin de los datos
(Casos o variables) del archivo que se encuentre abierto. Los procedimientos de los
mens Analizar y 'rficos se encaminan en la descripcin y anlisis de los datos a
travs de pruebas estadsticas o grficos representativos. El men (tilidades en
cambio se orienta a la generacin y ejecucin de los procesos automticos; es decir,
sus opciones y procedimientos se emplean en la utilidad de produccin. Por ltimo
aparecen los mens $entana y Ayuda (?), los cuales como su nombre lo indica se
orientan a las opciones de ventana y las ayudas del paquete. El contenido de cada
uno de estos mens se ir explorando a travs de los captulos del libro.
;"##" &e >e##")ie(t"
45
En esta barra se encuentran los botones de acceso directo a los procedimientos ms
comnmente utilizados del programa. Los procedimientos de esta barra pueden ser
modificados por el usuario de acuerdo a su criterio y necesidades; permitindole
personalizar su contenido. Por defecto el programa incluye dentro de la barra de
herramientas los procedimientos:

Ab#i# A#%Kivo ( ), .u"#&"# "#%Kivo ( ) e I)!#i)i# ( ): Al seleccionar
(Hacer clic) el botn Abrir arc"ivo, aparece la ventana de exploracin de Windows por
medio de la cual podemos ubicar un archivo en el ordenador (Slo admite algunos
tipos de formato [Ver Tipos de archivo en la ventana de exploracin]). Al seleccionar
'uardar arc"ivo, los cambios que se hayan realizado en el editor de datos al archivo
activo (Abierto), son guardados. Al seleccionar Imprimir, se abre la ventana de
impresin de Windows; a travs de esta opcin se imprime el contenido del archivo
de datos; es decir, los casos y las variables. Esta opcin slo es til si el nmero de
datos es muy pequeo.

Re%u!e#"# %u"&#o &e &iA$o*o ( ): Este botn nos permite acceder de forma
rpida a los ltimos procedimientos que hayamos efectuado en SPSS; es decir, nos
muestra los diferentes cuadros de dilogo (ventanas) que se hayan ejecutado
(Empleado) con anterioridad en el programa, como frecuencias, grficos, tablas, etc.
Al seleccionar esta opcin se despliega una lista con el nombre de los procedimientos
que se han realizado [Fig.6]; si elegimos alguna de ellas (Hacer clic), aparecer el
cuadro de dilogo del procedimiento.

Figuras 6

DeK"%e# 9 : 2 ReK"%e# 9 :: Este par de iconos tambin son comunes en la
mayora de los programas de Windows, con la diferencia que en SPSS, slo nos
permite deshacer o rehacer la ltima accin y solamente una. Para que se activen
estos botones, se debe realizar alguna operacin en el Editor de datos (Cortar,
copiar, eliminar, etc.).

56
I# " *#A'i%o 9 :: Este icono nos permite ir rpidamente al ltimo grfico realizado
durante la sesin actual de SPSS; al seleccionarlo aparece la ventana de resultados
y nos ensea el grfico.

I# " %"o 9 :: Como su nombre lo indica nos permite ir a un caso especfico dentro
del archivo de datos activo; es decir, nos ubica en la posicin donde se encuentra el
caso. Al seleccionar esta opcin aparece la ventana correspondiente [Fig.7]; en este
cuadro debemos ingresar el nmero del caso que nos interesa ubicar.
Figuras 7
V"#i"b$e 9 :: a travs de esta opcin podemos obtener la informacin
(Propiedades) que se haya definido para cada una de las variables del archivo activo.
Cuando seleccionamos este icono se abre un nuevo cuadro de dilogo [Fig. 8], en el
cual nos muestra toda la informacin de cada una de las variables (el nombre, la
etiqueta, si hay o no valores perdidos, el nivel de medida, los valores y las etiquetas
de cada valor).
Figura 8

Si se desea observar la informacin de otra variable, basta con sealarla en la lista
de variables (Hacer clic) y la informacin de ella aparece dentro de la casilla del
cuadro de dilogo. Este botn es de bastante utilidad cuando se desconoce el
contenido de los datos o sencillamente se nos olvida el contenido y estamos
realizando anlisis con los procedimientos del programa.
;"##" &e Ke##")ie(t" &e SPSS e( E!"Ro$
5'
;u%"# 9 :: A travs de este icono podemos ubicar un valor dentro de una
variable; es decir, nos permite encontrar un nmero o una combinacin de caracteres
dentro de los registros de una variable. Dado que generalmente se utilizan nmeros
para representar las categoras de las variables (Por ejemplo: hombre = 0 y mujer =1)
y las bases de datos poseen mltiples variables, sera ilgico esperar que la
bsqueda se realice en todo el archivo.
Al seleccionar el procedimiento )uscar, aparece un nuevo cuadro de dilogo [Fig.9];
para identificar la variable en la que se realizar la bsqueda, el cuadro adiciona en la
parte superior la frase ")uscar datos en la variable ***S 9donde *** = nombre de la
variable). Para seleccionar una variable se debe hacer clic sobre ella directamente en
el editor de datos, de manera que el nombre de la variable en la frase cambie por el
de la variable seleccionada.

Figura 9
Si nos fijamos en el cuadro de dilogo )uscar datos, notaremos que aparece en la
parte inferior del cuadro la opcin Coincidir may+sculas y min+sculas; esta opcin nos
permite especificarle al programa que realice la bsqueda de forma ms exacta;
desde luego esta opcin slo es aplicable a las variables que tengan caracteres
alfanumricos (Letras). Por ltimo encontramos el botn )uscar siguiente; a travs de
este botn podemos pasar de un caso o registro encontrado, que coincida con las
condiciones de bsqueda, al siguiente.
52

I(e#t"# %"o 9 : e I(e#t"# v"#i"b$e 9 :: Como su nombre lo indica, estas dos
opciones nos permiten ingresar un nuevo Caso o Variable. Al seleccionar la opcin
ngresar caso, el programa nos permite ingresar los valores del caso para cada una
de las variables del archivo. Si por el contrario seleccionamos la opcin nsertar
variable, el programa nos permite ingresar una nueva variable o pregunta para los
casos del archivo de datos activo.

Se*)e(t"# "#%Kivo 9 :: Este icono nos permite dividir nuestra base de datos
(Archivo activo) en distintos grupos de acuerdo a la variable que utilicemos para la
segmentacin. Al seleccionar esta opcin, se abre un nuevo cuadro de dilogo
[Fig.10]; en el que encontramos tres diferentes opciones de segmentacin. La
primera opcin del cuadro es Analizar todos los casos, no crear los grupos, esta
opcin nos permite trabajar con todos los casos de la base y calcular los resultados
de los estadsticos empleando la totalidad de los casos u observaciones.

La segunda opcin corresponde a Comparar los grupos, esta opcin nos permite
comparar los resultados de los procedimientos que se realicen con el programa para
las categoras de la variable de agrupacin; para realizar la comparacin el programa
realiza los clculos solamente con los datos de cada categora y presenta los
resultados de forma comparativa; es decir ubica de forma jerrquica los resultados de
cada categora (por ejemplo: tabla categora 1, tabla categora 2, grfico categora 1,
grfico categora 2, estadstico categora 1, estadstico categora 2).

La tercera opcin corresponde a -rganizar los resultados por grupos, esta opcin es
muy similar a la opcin anterior, con la diferencia que los resultados de los
procedimientos que se realicen con el programa se representan en forma organizada
(Por ejemplo: Tabla Cat1, Grfico Cat1, Estadstico Cat1, Tabla Cat2, Grfico Cat2,
Estadstico Cat2). Esta opcin es bastante til si nosotros deseamos hacer un
anlisis separado de la muestra por algn tipo de "rangos, como por ejemplo el
gnero, la regin, la fecha, etc.
53
Figuras 10
Para realizar la segmentacin de archivo debemos seleccionar una de las dos ltimas
opciones, de manera que se active la casilla "'rupos basados en.; una vez se activa
se ingresa en ella la variable o las variables que deseamos utilizar como rango y
finalmente hacemos clic en Aceptar. Despus de segmentar el archivo, cada
procedimiento (tablas, grficos o estadsticos) que se realice con el programa,
mostrar los resultados de acuerdo a la segmentacin. En captulos posteriores
emplearemos este procedimiento para comprender los resultados que ocasiona.

Po(&e#"# 9 :: A travs de esta opcin, podemos asignarle un peso o valor
diferente a cada uno de los casos; es decir, darle mayor importancia a unos valores
de registro que a otros, esto se hace con el fin de poder sacar algn resultado
representativo de la poblacin y no de la muestra. Para poder realizar este
procedimiento, es necesario tener una variable de ponderacin en la cual se
encuentran los valores (Pesos) de cada registro; en captulos posteriores
emplearemos esta opcin para comprender los resultados que ocasiona.

Se$e%%io("# %"o 9 :: A travs de esta opcin, podemos seleccionar solamente
los casos que cumplan con los criterios que el investigador imponga; por ejemplo, las
personas del gnero femenino. A su vez, este procedimiento nos brinda la
oportunidad de pedirle al programa que tome un fragmento de los casos de forma
aleatoria. Al activar la seleccin de casos el programa realiza los clculos de los
procedimientos slo con los casos que hayan sido seleccionados.

Etiquet" &e v"$o# 9 :: Esta opcin nos permite observar en el editor de datos, los
valores de los datos o la categora a la que corresponde. Al activar esta opcin
54
aparecen en el editor de datos las categoras (palabras) de cada una de las variables
[Fig.11]. Si por el contrario desactivamos esta opcin, aparecen en el editor de datos
los nmeros (Valores) de cada variable [Fig.12]. La utilidad de esta opcin radica en
la capacidad de darnos informacin sobre los datos que contiene cada una de las
variables categricas.

Figuras 11 y 12
U"# %o(ju(to 9 :: Este procedimiento nos permite generar o utilizar conjuntos de
variables, para restringir el nmero de variables mostradas en las listas de origen de
los cuadros de dilogo. Los conjuntos de variables pequeos hacen que la bsqueda
y la seleccin de variables para los anlisis sea ms fcil y pueden incluso mejorar el
rendimiento. Si el archivo de datos contiene un elevado nmero de variables y los
cuadros de dilogo se abren con lentitud, es necesario restringir las listas de origen
de los cuadros con subconjuntos de variables ms pequeos, lo que reduce la
cantidad de tiempo empleado en abrirlos.
.
PRE.UNTAS
/0u1 uti$i&"& tie(e $" i(e#%i,( &e %"o3
/0u1 uti$i&"& tie(e $" !o(&e#"%i,(3
/C,)o e "!$i%"( $" etiquet" &e v"$o#3
55
T&r#&ra $-i*a*
77777777777..
Ma-&9+ *&' Da(a E-(r;, i-gr&"+ ;
#+*i)i#a#i6- *& 8aria,'&"
56
G.4 ;ASE DE DATOS EN SPSS I: L" v"#i"b$e
Objetivo: El alumno al culminar el capitulo, conocer los elementos que le
permitirn realizar una base de datos en SPSS como el dominio de las variables y
edicin de las mismas.
P#o!ie&"&e &e $" V"#i"b$e e( SPSS

Las variables en SPSS cuentan con una serie de propiedades que deben ser
definidas por el investigador o usuario antes de realizar cualquier tipo de anlisis con
ella. De la correcta definicin de las propiedades, depende en gran medida la calidad
de los anlisis que se realicen y por lo tanto la veracidad de los resultados o
conclusiones que se generen. SPSS ha estipulado diez propiedades informativas de
las variables entre las que encontramos:
.
I. No)b#e:
Este parmetro nos permite identificar y diferenciar las variables que componen el
archivo; para cada una de las variables se debe definir un nombre especfico. El
programa establece una serie de normas para los nombres de variables, entre las
que encontramos:

Cada nombre de variable debe ser nico; no se permiten duplicados.
La longitud del nombre no debe exceder los 64 bytes. Sesenta y cuatro
bytes suelen equivaler a 64 caracteres en idiomas de un slo byte (por
ejemplo, ingls, francs, alemn, espaol, italiano, hebreo, ruso, griego,
rabe, tailands) y 32 caracteres en los idiomas de dos bytes (por ejemplo,
japons, chino, coreano).
El nombre debe comenzar por una letra. Los dems caracteres pueden ser
letras, dgitos, puntos o los smbolos @, #, _ o $.
Los nombres de variable no pueden terminar en punto.
Se deben evitar los nombres de variable que terminan con subrayado (para
evitar conflictos con las variables creadas automticamente por algunos
procedimientos).
No se pueden utilizar espacios en blanco ni caracteres especiales (por
ejemplo, !, ?, ' y *).
5&
Las palabras reservadas (ALL, AND, BY, EQ, GE, GT, LE, LT, NE, NOT,
OR, TO, WTH) no se pueden utilizar como nombres de variable.
Los nombres de variable se pueden definir combinando de cualquier
manera caracteres en maysculas y en minsculas, esta distincin entre
maysculas y minsculas se conserva en lo que se refiere a la
visualizacin.

Para las versiones anteriores de SPSS (11.5, 11.0, 10.0, etc.) la longitud de las
variables es de slo ocho Bytes, lo cual generalmente no es suficiente para identificar
una variable, por lo que es recomendable utilizar las tres primeras letras de cada
palabra de la frase; es decir,

Estado Civil = estciv
Nivel de confianza = nivdecon

No necesariamente se debe seguir esta regla, lo realmente importante es que el
nombre de la variable le permita identificar al usuario o investigador, el contenido a
que se hace referencia; es decir, permitirle al usuario hacerse una idea del tema que
abarca los datos de esa variable.

II. Ti!o:
La propiedad Tipo, nos permite especificarle al programa la naturaleza de los datos
que se incluyen dentro de la variable; es decir, nos permite definir la forma y el
significado de los caracteres que se encuentran en los registros de la variable. SPSS
nos permite elegir entre ocho diferentes tipos de variables para representar Nmeros
(Magnitudes), Fechas (Tiempo), Monedas (Dinero) y Letras (Cadena). Desde luego
es aconsejable trabajar las variables de forma numrica ya que el anlisis estadstico
es una ciencia matemtica y para su correcto funcionamiento es necesario realizar
las operaciones con nmeros; ya que en algunos casos no es posible tener los datos
de forma numrica, el paquete nos permite trabajarlos como una cadena de
caracteres (Letras y Nmeros).

Para definir el Tipo, debemos hacer clic en la casilla de la variable de inters, de
manera que aparezca en el costado derecho de la casilla un pequeo cuadrado con
puntos suspensivos ( ). Al seleccionar el botn (Hacer clic), aparece el cuadro de
54
dilogo Ti!o &e v"#i"b$e [Fig.13], en donde aparecen los diferentes Tipos de variable
que se pueden elegir para la variable seleccionada.
Figura 13

Nu)1#i%o: Se emplea en una variable numrica cuyos valores representan
magnitudes o cantidades y se asocian de forma estndar; es decir, asume la notacin
por defecto de Windows para la separacin decimal (Enteros (<) %ecimales)
"/000,00; este suele ser el tipo mas usado.

Co)" 2Fo Pu(to: Estos dos tipos de variables se emplean en una variable numrica
cuyos valores representan magnitudes o cantidades. Al seleccionar la opcin Coma
los valores se asocian con comas que delimitan cada tres posiciones y con el punto
como delimitador decimal "/,000100. Cuando se selecciona el Punto los valores se
asocian con puntos que delimitan cada tres posiciones y con la coma como
delimitador decimal "/1000,00.

Not"%i,( %ie(t?'i%": Se utiliza en una variable numrica cuyos valores son
demasiado grandes o pequeos, por lo cual se emplea un exponente con signo que
representa una potencia en base diez. /20001000100 C /10E34 0100000/ C /10E5-46.
SPSS nos permite representarlo de varias formas como 1000000, 1.0E6, 1.0D6,
1.0E+6, 1.0+6. La notacin es til cuando manejamos cifras extremas de lo contrario
es mejor manejarlo de forma numrica.
55
A(%Ku#"< De%i)"$e 2 Etiquet" e( SPSS
Fe%K": Este tipo de variable se emplea cuando los valores de la variable representan
fechas de calendario u horas de reloj; al seleccionarla aparece en el cuadro de
dilogo una casilla con el listado de los diferentes formatos que el programa reconoce
[Fig.14]. Para elegir alguno de ellos basta con hacer clic sobre el formato y
sucesivamente en Aceptar.

Figura 14

D,$"#: se emplea en una variable numrica cuyos valores representan sumas de
dinero en dlares. Al seleccionar este tipo de variable aparece en el cuadro de
dilogo un listado de formatos monetarios [Fig.15], en donde debemos seleccionar el
formato que ms se acomode a los datos.

Figuras 15

Mo(e&" !e#o("$i+"&": Este tipo de variable se emplea cuando los valores de una
variable representan sumas de dinero diferentes al dlar (Pesos, pesetas, Euros,
etc.); al seleccionar esta opcin aparece un nuevo listado [Fig.16], en el cual
debemos seleccionar uno de los formatos existentes. Estos formatos no representan
monedas especificas, si no que por el contrario el programa asume que la moneda es
66
de origen distinto al dlar. La diferencia con el tipo dlar es que nos permite trabajar
con cinco (5) diferentes tipos de moneda.

C"&e(": Este tipo de variable se emplea cuando los valores no son numricos o
sencillamente no representan magnitudes o cantidades; estas variables no son
utilizadas en los clculos de los estadsticos. Las variables de cadena pueden
contener cualquier tipo de caracteres siempre que no exceda la longitud mxima de
255; las maysculas y las minsculas se consideran diferentes ya que el programa
trabaja bajo el cdigo ASC. A este tipo de variables, tambin se le suele denominar
como variable alfanumrica. Para definir alguno de los tipos de variable, basta con
hacer clic sobre la opcin que se desee y sucesivamente hacer clic en el botn
Aceptar, con lo que se cierra la ventana y el tipo elegido aparece en la casilla
seleccionada.
III. A(%Ku#":
Por medio de esta propiedad podemos definir el mximo de dgitos que contienen los
registros de una variable; para el clculo del ancho se incluyen los dgitos enteros y
los decimales. Por ejemplo;
Anchura 5 = xxx.xx x,xxx.x xx,xxx donde x representa un nmero aleatorio.
No debemos cometer el error de pensar que una vez establecida la anchura, ya no
podremos encontrar una cifra con mayor cantidad de nmeros dentro de los registros.
La opcin Anchura se emplea para darle una idea al investigador, de las cifras que
encontrar cuando le pida al paquete informacin de las variables, es decir, no
restringe la cantidad de nmeros sino que es un parmetro informativo, el cual le
brinda a la persona que opere el programa una idea de los rangos mximos que
puede tomar esta variable, pero no impide que se ingresen valores que sobrepasen
esta longitud.
IV. De%i)"$e
A travs de este parmetro se define el nmero de dgitos decimales que pueden
contener los registros de la variable. Las cifras que superen esta longitud sern
aproximadas por el programa. Cuando una cifra supera la longitud, el programa
aproxima hacia arriba los dgitos que sobrepasen la longitud si el valor del ltimo de
ellos es igual o mayor que cinco, de lo contrario (menor que 5) se aproxima hacia
abajo; es decir:
6'
1.07X si X < 5 entonces se aproxima a 0 es decir = 1.07
1.07X si X => 5 entonces se aproxima a 10 es decir = 1.08
Las propiedades Anchura y Decimales pueden ser editadas directamente desde la
ventana de &ipo de variable cuando se eligen los tipos numricos de variables
Numrica, Coma, Punto, Notacin cientfica, Dlar o Moneda personalizada [Fig.17],
ya que al seleccionar estas opciones se habilita en el cuadro de dilogo las casillas
Anchura y Decimales.

Figura 17
Hay que notar que cuando seleccionamos los Tipos de variables como la 7ec"a y
Cadena estas propiedades se desactivan; esto se debe a que para el tipo de formato
Fecha el programa ha predefinido estos parmetros y no podemos alterarlo, la nica
opcin que tenemos es escoger otro formato de fecha; mientras que para el tipo
cadena no se puede tener nmeros decimales.

V. Etiquet"
Dado que generalmente los sesenta y cuatro (64) caracteres del nombre (Versiones
anteriores ocho [8]) y las normas que se deben cumplir, no permiten describir de
forma clara la variable y el contenido de ella; SPSS nos brinda la posibilidad de
utilizar una etiqueta por medio de la cual podemos describir la variable mediante la
utilizacin de un mximo de 255 caracteres.

El uso de la etiqueta es bastante til para facilitar la interpretacin de los resultados
(Tablas, Grficos o estadsticos), para las personas que no han participado en la
generacin de los procedimientos y desconocen el significado del nombre de la
variable. El uso de la etiqueta es opcional, el programa en caso de no existir una
etiqueta utiliza el nombre de la variable para generar los resultados. Para saber si
una variable tiene estipulada una etiqueta debemos ubicar el cursor del ratn sobre el
62
nombre de la variable en la vista de datos, de manera que aparezca una leyenda
informativa. Para comprender el valor practico del uso de etiquetas, debemos
observar las tablas de la figura [18].

Figura 18
Estas tablas contienen la frecuencia y el porcentaje de las categoras de la variable
Estado civil (Casado y Soltero); la primera tabla cuenta con etiquetas para el nombre
de la variable y para las categoras de la variable, mientras que la segunda tabla no
cuenta con etiquetas. Si nos fijamos en la tablas notaremos que para interpretar la
segunda tabla encontramos dificultades ya que no podemos determinar que
categora representan los nmeros cero (0) y uno (1). Esta misma dificultad puede
presentarse cuando nosotros realizamos un anlisis de datos y entregamos los
resultados a una persona que no haya participado en los procedimientos; para evitar
estos inconvenientes se sugiere definir las etiquetas de variable y de valores.

Antes de definir la propiedad $alores debemos ver primero las propiedades 8erdidos
y !edida, ya que la utilizacin de la etiquetas de valor est determinado por estos
dos parmetros y en este momento no seria muy clara su definicin1
PRE.UNTAS
/C,)o &e$i)it")o $" v"#i"b$e3
/C,)o %o&i'i%")o $" e*D( e$ ti!o 2 $" etiquet"3
63
C$ar(a $-i*a*
77777777777..
I-gr&"+" *& i-"(r$m&-(+" a 'a 3a"&
*& Da(+".
64
=. 1 ;ASE DE DATOS EN SPSS II: E$ 'o#)"to &e $" b"e
Objetivo: El alumno al culminar el capitulo, conocer prcticos para codificar y
terminar una base de datos de cualquier tipio y poder ingresar datos a la base de
datos.
V"$o#e !e#&i&o 2 Etiquet" &e v"$o# e( SPSS
V. Valores perdidos
Los valores perdidos son razones por las cuales no obtenemos una respuesta
coherente de algn entrevistado; es decir, es una razn que nos indica la causa por
la que no me aporta informacin el entrevistado. Dentro de los valores perdidos
podemos encontrar:

No sabe
No responde o se niega a responder
No aplica o sencillamente la pregunta no lo afecta EJ: preguntarle a una
persona soltera la edad a la que se caso por primera vez, si no se ha casado
nunca esta pregunta no lo afecta.

Debemos tener claro que los valores perdidos son razones y no errores,
generalmente tendemos a confundir un valor perdido con un valor que no esta dentro
de nuestro rango. Por ejemplo, si en la variable gnero (sexo), tenemos los valores (1
= mujeres y 2 = hombres) y despus de revisar el archivo nos damos cuenta que
tenemos en algunos registros el valor 3, generalmente cometemos el error de pensar
que este es un valor perdido, pero no lo es, este tipo de valores los debemos
considerar como errores ya sea de digitacin o de captura y la forma de corregirlos es
ir hasta la fuente (entrevistas) y determinar a que grupo perteneca el individuo. Si no
podemos determinar el grupo y los valores son muy pocos es recomendable
prescindir de estos casos.

SPSS maneja dos tipos de valores perdidos; el primero es perdido por el sistema, el
cual se identifica por la ausencia total de datos; es decir, casillas vacas y el segundo
corresponde a los datos perdidos definidos por el usuario (No sabe, No responde o
No aplica). El programa detecta automticamente los valores perdidos por el sistema
y los omite, mientras que los valores perdidos por el usuario deben ser definidos al
programa o de lo contrario los clculos se realizarn contando con estos valores, lo
cual puede afectar severamente los resultados.
65

Figuras 19

Para definir un valor perdido por el usuario debemos activar la casilla correspondiente
a Perdidos de la variable de inters, de manera que aparezca al costado derecho de
la casilla un cuadrado con puntos suspensivos ( ). Al seleccionar el cuadrado (Hacer
clic) aparece la ventana de Valores Perdidos [Fig.19]. En este cuadro encontramos
tres diferentes posibilidades. La primera corresponde a #o "ay valores perdidos (Los
clculos se realizan con la totalidad de los registros). La segunda corresponde a
$alores perdidos discretos (son un mximo de tres valores perdidos en la variable; se
puede emplear los valores (nmeros) que se deseen.

Para este tipo de valores se recomienda que exista una distancia considerable entre
los valores representativos y los perdidos con el fin de facilitar su identificacin). La
tercera y ltima opcin corresponde a 9ango ms un valor discreto opcional (se
utiliza cuando tenemos varios parmetros de valores perdidos, los cuales se
encuentran dentro de un rango. Para seleccionar esta opcin es necesario que no
existan valores representativos de grupos dentro del rango de lo contrario sern
omitidos de los clculos. Adems esta opcin nos permite ingresar un valor discreto
adicional). Para seleccionar cualquiera de las opciones basta con hacer clic sobre la
opcin de manera que aparezca en la casilla de activacin ( ) un punto negro y
sucesivamente ingresar los valores.
VII. Co$u)(" 2 A$i(e"%i,(
66
Estos dos parmetros son netamente de formato (es decir de presentacin) y sus
efectos son apreciables nicamente en la vista de datos. La primera propiedad
(columnas) nos indica el ancho de la columna, mientras que la segunda (Alineacin)
determina la alineacin de los datos dentro de la casilla. El parmetro columna, al
igual que en una hoja de clculo, podemos alterarlo de forma directa en la vista de
datos colocando el cursor al lado de la columna hasta que aparezca el indicador,
hacemos clic y lo sostenemos arrastrando hasta obtener el ancho deseado.

VIII. Me&i&"
Este es el parmetro ms importante de las variables, de su definicin depende el
tipo de anlisis que podemos realizar con el programa. Dentro de la estadstica se
han catalogado cuatro diferentes escalas de medida, pero para SPSS estas escalas
se resumen en slo tres:

No)i("$: son variables numricas cuyos valores (Nmeros) indican una
categora de pertenencia. Para este tipo de medida, las categoras no
cuentan con un orden lgico que nos permita establecer una comparacin
de superioridad entre ellas. Un ejemplo de variable nominal puede ser el
gnero, la raza, el estado civil, etc.
O#&i("$: son variables numricas cuyos valores indican una categora de
pertenencia y a su vez las categoras poseen un orden lgico que nos
indica una superioridad o prelacin. Un ejemplo de variable ordinal puede
ser el nivel de ingresos, categora del vehculo, nivel educativo, etc.
E%"$": son variables numricas cuyos valores representan una magnitud o
cantidad y no una categora; los valores de este tipo de medida pueden ser
empleados en operaciones aritmticas como la suma, la resta, la
multiplicacin y la divisin ya que los intervalos (Distancia entre los
nmeros) cuentan con la misma longitud. Un ejemplo de variable de escala
puede ser la edad, las ventas, la distancia en metros, la altura, etc.

Para los archivos de datos con formato SPSS creados en versiones anteriores se
aplican las siguientes reglas.

Las variables de cadena (alfanumricas) se establecen en nominales.
Las variables de cadena y numricas con etiquetas de valor definidas se
establecen en ordinales.
6&
Las variables numricas sin etiquetas de valor definidas que no superen un
nmero especfico de valores nicos (24), se establecen como ordinales,
mientras que si el nmero de valores supera los 24 se definen como de
Escala.
II. V"$o#e
Los valores o Eti:uetas de valor nos permiten generar una leyenda que facilite la
interpretacin de los nmeros representativos de cada categora de una variable, ya
sea en los resultados o en la vista de datos. Debido a que se utilizan nmeros para
representar cada categora es necesario crear una pequea leyenda que nos permita
ver en letras la categora a la que corresponde cada nmero. Las etiquetas de valor
no pueden exceder los 60 caracteres y se deben emplear solamente si se cumplen
los siguientes requisitos:

La variable es categrica, es decir #ominal u -rdinal.
Se tienen valores perdidos por el usuario.

Para definir las etiquetas de valor debemos activar la casilla de valor correspondiente
a la variable de inters de tal manera que aparezca al costado derecho un cuadrado
con puntos suspensivos en su interior. Al hacer clic sobre el cuadrado aparece la
ventana Eti:uetas de valor [Fig.20]; en esta ventana encontramos tres casillas.

Figura 20
La primera corresponde al $alor o nmero, en ella debemos digitar el nmero al que
deseamos dar la etiqueta. La segunda casilla corresponde a la Eti:ueta de valor, en
ella digitamos la categora a la que corresponde ese valor (mximo 60 caracteres) y
la tercera casilla corresponde a las etiquetas aadidas; es decir, las categoras que
ya se han definido. Para ingresar una etiqueta de valor, debemos primero ingresar el
valor en la casilla $alor, sucesivamente ingresar la leyenda en la casilla Etiqueta y
64
finalizar haciendo clic en el botn A;adir, con lo que aparece en la casilla el nmero y
la leyenda correspondiente.

Si deseamos cambiar una etiqueta que ya haya sido aadida, debemos seleccionarla
en la casilla (hacer clic sobre ella), editar ya sea el nmero o la etiqueta y hacer clic
en Cambiar. Si por el contrario deseamos eliminarla, debemos seleccionarla y hacer
clic en Eliminar. Para finalizar basta con hacer clic en Aceptar, con lo que la ventana
se cerrara y las etiquetas quedarn definidas. Es necesario Aadir antes de Aceptar
o de lo contrario se perder cualquier operacin de Aadir o Cambiar pendiente.

7REA DEL PROCESADOR
La ltima seccin del editor de datos corresponde al rea del procesador, la cual esta
ubicada en la parte inferior de la ventana. A travs de esta rea podemos saber el
estado del procesador de acuerdo al proceso que se este realizando. Esta seccin es
de bastante utilidad cuando le pedimos al programa un procedimiento y se cuenta
con un elevado nmero de registros; en algunos casos la base es tan extensa que
puede tardar bastante tiempo la ejecucin del resultado, en estos casos
generalmente se tiende a pensar que el programa se bloqueo, antes de determinarlo
es importante saber cual es el estado del procesador ya que el retardo puede ser
ocasionado por la extensin de los datos. Adems, cuando la licencia caduca, en
esta rea encontramos el mensaje el procesador no esta disponible.
.
PRE.UNTAS
/C,)o #e"$i+")o u(" %o&i'i%"%i,( &e u(" v"#i"b$e (o)i("$3
/C,)o #e"$i+")o u(" %o&i'i%"%i,( &e u(" v"#i"b$e o#&i("$
65
1$i-(a $-i*a*
77777777777..
A9$"(& ; a)i-ami&-(+ *& ,a"&" *&
*a(+" ''&-a*a" 2ara a-:'i"i"
&6
T.1 CATE.ORIBAR VARIA;LES CON SPSS
Objetivo: El alumno al culminar el capitulo, podr realizar categorizaciones de
variables mediante el programa SPSS.
Categorizar Variables
En la mayora de los casos, las bases de datos cuentan con variables cuya
informacin representa cantidades o magnitudes como la edad, los ingresos, las
ventas, etc. Generalmente este tipo de variables no son actas para realizar tablas de
frecuencia, debido a su elevado nmero de valores. SPSS nos ofrece la posibilidad
de reunir esta informacin dentro de rangos representativos, que vinculen una gran
cantidad de valores y cuyos resultados son ingresados en una nueva variable, lo que
nos permite mantener la informacin original intacta.
Para esta labor, SPSS cuenta con el procedimiento Categorizar Variables (Slo
versiones anteriores a la 12.0), el cual convierte los datos de una variable de escala
(Valores numricos que representan cantidad), en un nmero discreto de categoras;
es decir, rene un grupo de valores y les asigna un nmero representativo de
categora de pertenencia. Los nuevos valores son guardados en una nueva variable
la cual se identifica con el nombre original precedido de la letra ene (n); por ejemplo
la variable Altura al ser categorizada quedara naltura. Si cuentas con la versin 12.0
omite este apartado y pasa al siguiente, ya que esta nueva versin (12.0), cuenta con
un procedimiento de categorizacin mejorado, que nos ofrece mayor asistencia.

Para realizar la categorizacin, el programa conforma los grupos de acuerdo con los
percentiles (fracciones del porcentaje total), por lo que cada grupo contiene
aproximadamente el mismo nmero de casos. Por ejemplo, si le especificamos al
programa la creacin de cuatro (4) grupos, el asignar el valor 1 a los casos situados
bajo el percentil 25 o los casos comprendidos desde el menor valor hasta el valor que
se encuentre aproximadamente en el 25% del total de los casos.

El valor 2 a los casos entre el percentil 25 y 50; es decir, a los valores
correspondientes desde el nivel anterior hasta el valor que se encuentre en el 50%
del total de los casos. El valor 3 a los casos situados entre el percentil 50 y 75 y el
valor 4 a los casos por encima del percentil 75. Por ninguna razn un valor puede
estar representado en dos categoras diferentes, sin importar si este valor produce un
porcentaje mayor o menor del establecido; es decir, si un valor se encuentra entre el
&'
42% y el 57% de los casos, el programa no selecciona la mitad, sino el nmero que
se encuentre en el limite inferior o superior de este valor.

Para comprender el funcionamiento de este procedimiento, vamos a generar un
ejemplo con la variable edad del archivo Encuesta.sav. Para acceder al
procedimiento, debemos dirigirnos al men &ransformar y seleccionar la opcin
Categorizar $ariables [Fig.21]; al hacer clic sobre l, aparece el cuadro de dilogo
correspondiente [Fig.22]. A travs de este cuadro, debemos definir la (s) variable (s)
que deseamos categorizar, as como el nmero de categoras que deseamos obtener
en la variable de resultados.

Figuras 21 y 22

Este cuadro de dilogo esta dividido en tres secciones; la primera corresponde a la
lista de variables existentes en el archivo, la segunda a la casilla de seleccin y la
tercera seccin corresponde al n+mero de categoras que deseamos generar; a la
derecha de esta seccin encontramos una casilla en la cual debemos ingresar el
nmero de categoras que deseamos obtener en la nueva variable, teniendo en
cuenta que esta asignacin se realiza de acuerdo al porcentaje de los casos. Para
continuar con el ejemplo vamos a categorizar las variables Edad y Nmero de aos
estudiados (Educaos).

Para realizarlo, debemos ubicar cada una de las variables dentro del listado e
ingresarlas a la casilla de seleccin haciendo clic en el botn Flecha ( ). Una vez
ingresadas las variables, slo nos resta definir el nmero de categoras que
aparecern en las variables de resultado, que para el caso corresponde a cinco (5).
Para definir la cantidad de categoras, activamos la casilla haciendo clic sobre ella y
sucesivamente introducimos el nmero cinco [Fig.23]. Para finalizar hacemos clic en
el botn Aceptar, con lo que las variables aparecen en la parte final del editor de
datos [Fig.24].

&2
Figuras 23 y 24

Si nos fijamos en las nuevas variables creadas, notaremos que no cuentan con las
propiedades de la variable original y que a su vez las etiquetas de valor no han sido
definidas. Adems, si tratamos de identificar los valores limtrofes de los rangos no lo
podramos conseguir, ya que este procedimiento no nos proporciona esta
informacin. Para poder conocer los valores limtrofes de cada uno de los rangos
categricos, es necesario emplear los estadsticos del procedimiento 7recuencias.

Por el momento no profundizaremos en la forma de obtener los lmites de los rangos,
ya que en el captulo siguiente se explorar en su totalidad el procedimiento
7recuencias. Para orientar al lector, le hemos pedido al programa que nos ensee los
valores de los percentiles 20, 40, 60 y 80 en las dos variables, cuyos resultados son
expuestos en la tabla de la figura [25]. Si nos fijamos en estos resultados, podremos
determinar los rangos de las nuevas variables Figura [26]..

Figura 25
Figura 26
En conclusin el procedimiento categorizar variables nos permite convertir
rpidamente una variable de Escala en una variable Ordinal, con la desventaja que
desconocemos los valores que involucra cada uno de los rangos; su utilidad radica en
&3
la capacidad de organizar cada uno de las categoras con un valor porcentual
aproximadamente igual.

En resumen, los pasos que se deben ejecutar para categorizar variables son:

Activar el procedimiento [en el men Transformar seleccionamos la opcin
Categorizar variables].
Seleccionar la (s) variable (s) [en el listado de variables escogemos las
variables de inters y las ingresamos a la casilla de seleccin;
generalmente son variables de Escala].
Definir el nmero de categoras [ngresar en la casilla el nmero de
categoras deseado]
Ejecutar la categorizacin [Hacer clic en el botn Aceptar].
Definir las etiquetas de valor para cada una de las categoras de las nuevas
variables generadas.

RECODIFICAR VARIA;LES CON SPSS
En algunas ocasiones los datos de las variables cuentan con valores muy dispersos
que nos dificultan su interpretacin o sencillamente no se prestan para el anlisis
estadstico. Para subsanar estos inconvenientes, SPSS cuenta con el procedimiento
9ecodificar, el cual nos permite transformar los datos de una o varias variables
numricas o de cadena, ya sea reasignando los nmeros representativos de cada
categora o agrupando en rangos los valores de las variables existentes, segn sean
las necesidades del anlisis o el criterio del investigador.

La principal virtud de este procedimiento, radica en la posibilidad de asignar los
nmeros representativos de cada categora de acuerdo a nuestras necesidades, lo
que nos permite agrupar valores que no son consecutivos; como por ejemplo, el 1 y
el 5. Este procedimiento nos ofrece dos opciones En las mismas variables y En
distintas variables; la principal diferencia de estas dos posibilidades radica en el
destino de los resultados; es decir, el lugar en donde se guardarn los nuevos
valores asignados.

Dado que SPSS tiene la capacidad de trabajar con un gran nmero de variables
(33.000 aprox), es recomendable utilizar siempre la opcin correspondiente a En
distintas variables, ya que de esta manera podemos conservar los datos originales.
&4
Es necesario resaltar que SPSS permite agrupar la informacin pero NO permite
desagruparla; es decir, podemos utilizar los procedimientos para convertir una
variable de escala a una variable de categoras (Ordinal), pero no en viceversa.

Para comprender la metodologa utilizada en la recodificacin, vamos a generar un
ejemplo con la variable rea de trabajo (areatrab), la cual contiene las diferentes
reas en la que se desempean cada uno de los empleados de la empresa %<f=
tradicin (1=Operario, 2=Planeacin, 3=Mercadeo, 4=Ventas, 5=Administracin,
6=ngeniero de proceso y 7=Servicios generales). Para acceder al procedimiento,
debemos ir al men &ransformar y seleccionar el submen 9ecodificar, con lo que
aparecen las dos opciones con que cuenta [Fig.27].

Dado que la diferencia en los cuadros de dilogo de estas dos opciones es muy
pequea, elegiremos la opcin correspondiente a En distintas variables. Al hacer clic
en ella, aparece el cuadro de dilogo correspondiente a 9ecodificar en distintas
variables [Fig.28]; este cuadro contiene los elementos habituales de los cuadros de
dilogo, como la lista de variables y la casilla de seleccin, pero adems incluye tres
secciones adicionales denominadas Variable de resultado, Valores antiguos y nuevos
y Condicional.

Figuras 27 y 28

El primero de estos nuevos componentes corresponde a $ariable de resultado; a
travs de esta seccin se definen las propiedades principales de la variable de
resultado, como lo son el #ombre y la Eti:ueta. El nombre que se le defina a la nueva
variable debe cumplir con las caractersticas requeridas por el programa como la
longitud (64 caracteres mximo para versin 12.0 y 8 caracteres para las dems
versiones), no comenzar con un nmero, etc.

&5
La asignacin del nombre es indispensable, ya que el programa no permite ejecutar
la recodificacin hasta que se defina una variable de resultado. En la opcin etiqueta
podemos ingresar una pequea leyenda explicativa que permita reconocer fcilmente
el contenido de la variable; este parmetro no es obligatorio pero es recomendable
para facilitar la interpretacin de los valores en los resultados.

Para continuar con el ejemplo vamos a recodificar la variable rea de trabajo
(areatrab); lo primero que debemos hacer es seleccionarla en la lista de variables e
ingresarla en la casilla de seleccin haciendo clic en el botn flecha ( ). Una vez
ingresada la variable, aparece al costado derecho de ella un signo de interrogacin
(?); este signo se mantendr hasta que se le defina un nombre a la nueva variable. A
continuacin ingresamos en la casilla $ariable de resultado el nombre 9ecarea y la
etiqueta rea de trabajo recodificada. Por ltimo hacemos clic en el botn Cambiar,
con lo que el signo de interrogacin desaparece y en su lugar aparece Recarea
[areatrab U 9ecarea].

La segunda nueva seccin del cuadro la compone el botn $alores antiguos y
nuevos; al hacer clic sobre l, aparece un nuevo cuadro de dilogo [Fig 29]; en este
cuadro se definen los valores que deseamos cambiar y se especifican a su vez el
nuevo valor que le ser asignado.

Figura 29
Dentro de este cuadro encontramos cuatro diferentes secciones (Valores antiguos,
Valores nuevos, Casilla de seleccin y las opciones de recodificacin), cada una de
estas secciones define un segmento especfico de la recodificacin y su aplicacin
depende exclusivamente de los criterios del investigador de acuerdo a las
&6
necesidades del anlisis. Los parmetros que se definan en este cuadro sern
aplicados en la nueva variable de resultado.
Cada una de estas secciones sera explorada y explicada en la siguiente leccin.

VALORES ANTI.UOS 6 NUEVOS
La primera seccin del cuadro corresponde a $alor antiguo. Dentro de esta seccin
se determinan los valores que se van a recodificar; podemos modificar valores
individuales, rangos de valores y los valores perdidos (ya sea del sistema o definido
por el usuario). Los rangos y los valores perdidos del sistema no se pueden
seleccionar para las variables de cadena, ya que ninguno de estos conceptos es
aplicable a este tipo de variables. Esta seccin comprende siete diferentes opciones,
entre las que encontramos:

$alor: corresponde a un valor antiguo individual que se va a recodificar en
un valor (nmero) nuevo. El tipo de datos del valor introducido (numrico o
de cadena), debe coincidir con el tipo de datos de la variable que desea
recodificar; es decir, no podemos asignar un carcter (letra) como valor
antiguo si nuestra variable original es numrica.
Perdido por el sistema: Son valores asignados por SPSS cuando los valores
de los datos no estn definidos de acuerdo al tipo de formato que haya
especificado (Por ejemplo, letras dentro de una variable numrica), as como
los campos que se encuentren vacios en una variable numrica (Los valores
numricos perdidos del sistema se muestran como puntos). Para las
variables de cadena no se pueden tener valores perdidos del sistema, ya
que el espacio en blanco es tomado como un carcter. Estos valores son
definidos por el programa como SYSMS.
Perdido por el usuario: son observaciones que tienen valores que han sido
declarados como perdidos por el usuario. Generalmente estos valores
representan razones por las cuales no se tiene informacin como por
ejemplo No Sabe, No Responde, No Aplica. Estos valores son definidos por
el paquete como MSSNG.
Rango: dentro de las opciones de rango encontramos tres posibilidades, la
primera nos permite especificar el limite inferior y superior del rango; la
segunda nos permite asignar los caso desde el menor valor dentro de la
variable hasta un valor definido por el investigador y la tercera nos permite
agrupar los casos desde un valor definido por el investigador hasta el mayor
&&
de los valores. Estas opciones no estn disponibles para variables de
cadena.
Todos los dems valores: al seleccionar esta opcin, se incluirn todos los
valores que no han sido definidos dentro de las especificaciones anteriores y
les asigna el valor deseado en la variable de resultado.
La segunda seccin del cuadro corresponde a Valor Nuevo. En esta seccin se
definen los valores que tomaran los datos en la variable de resultado despus de la
recodificacin. Dentro de las opciones de los nuevos valores encontramos:

$alor : En esta casilla se introduce un valor numrico individual, el cual
representar a uno o ms de los valores antiguos. Si se desea recodificar
una variable numrica en una variable de cadena, tambin se debe
seleccionar la opcin >as variables de resultados son cadenas, con lo que
el programa define los valores numricos como caracteres (Por ejemplo: el
nmero 5 lo asume como el carcter '5').
Copiar valores antiguos: esta opcin retiene el o los valores antiguos que
no se hayan incluido dentro de de alguno de los nuevos valores. Si algunos
de los datos no requieren la recodificacin, se utiliza esta opcin para
incluirlos. Cabe aclarar que cualquier valor antiguo que no sea especificado
no ser incluido en la nueva variable, y en su lugar aparecen espacios en
blanco.
Perdido por el sistema: esta opcin recodifica el valor antiguo, en un valor
perdido por el sistema. Los valores perdidos por el sistema no son
utilizados en los clculos. Esta opcin no se encuentra disponible para las
variables de cadena ya que el carcter espacio es valido.

La tercera seccin del cuadro corresponde a la >ista de 9ecodificacin1 En esta
seccin se genera un listado con las especificaciones de los valores antiguos y
nuevos. Dentro de la seccin encontramos las opciones A;adir (Agrega un valor a la
lista), Cambiar (Modifica un valor de la lista) y )orrar (Elimina un valor de la lista).
Para agregar un valor es necesario especificar los valores antiguos y el valor nuevo;
despus de lo cual se hace clic en el botn aadir para ingresarlo a la lista.

Para modificar la recodificacin de un valor es necesario seleccionarlo de la lista,
modificar los datos y hacer clic en el botn Cambiar y los valores se modifican dentro
de la lista. Para eliminar una asignacin, se debe seleccionar en el listado y
&4
sucesivamente hacer clic en borrar con lo que desaparece de la lista. Antes de
terminar la asignacin de variables es indispensable aadir todas recodificaciones
pendientes o de lo contrario se perdern.

La ltima seccin del cuadro la componen las -pciones de recodificacin1 En esta
seccin encontramos dos opciones; la primera corresponde a >as variables de
resultados son cadenas, la cual define la nueva variable recodificada como variable
de cadena (alfanumrica); adems nos ofrece una casilla en la que podemos
establecer el ancho de la variable. La segunda opcin corresponde a Convertir
cadena num=rica a n+meros, en donde se convierten los valores de cadena que
contienen caracteres de nmeros (Ejemplo, '5') en valores numricos. A las cadenas
que contengan cualquier carcter que no sean nmeros, as como las que contengan
un signo opcional (V @) se les asignar el valor perdido por el sistema. Esta opcin
slo se activa cuando la variable de origen es de cadena, de lo contrario no se
habilita.

Continuando con el ejemplo vamos a recodificar los valores de la variable rea de
trabajo (areatrab) en slo tres niveles; el primer nivel comprender los casos que
cuenten con los valores 2 y 5 (Planeacin y Administracin). El segundo nivel
comprende los casos con valores 3 y 4 (Mercadeo y Vendedores) y el tercer nivel
comprende los casos con los valores 1, 6 y 7 (Operario, ngeniero de proceso y
servicios generales).

El objetivo de esta recodificacin es agrupar las diferentes reas en las que se
desempean los empleados de la empresa en slo tres niveles generales
(Administrativa, Comercial y Operativa) [Fig.30]. Si nos fijamos en los valores que
componen cada uno de los nuevos niveles, notaremos que estn dispersos, por lo
que sera imposible realizar esta agrupacin con el procedimiento Categorizador
visual.

Figuras 30

Para comprender las diferentes secciones de esta ventana, en la siguiente leccin
haremos la recodificacin de las Areas, Administrativa, Comercial y Operativa.
&5
T.4 DEFINIR VALORES ANTI.UOS 6 NUEVOS: RECODIFICAR
Objetivo: El alumno al culminar el capitulo, definir los valores antiguos y nuevos
del programa SPSS.

La recodificacin la realizaremos para cada uno de los niveles, iniciando con el
Administrativo. Lo primero que debemos hacer es activar la casilla $alor en la seccin
$alores antiguos haciendo clic sobre ella; una vez activa ingresamos el nmero 2 y
sucesivamente activamos la Casilla $alor en la seccin $alor nuevo, en donde
ingresamos el nmero 1; para terminar hacemos clic en el botn A;adir, con lo que
aparece en la casilla de listado la frase (21) [Fig.31].

Figura 31

Despus de definir el primer valor, debemos definir el segundo por lo que ingresamos
en la casilla valor de la seccin valores antiguos el nmero cinco y sucesivamente
ingresamos en la casilla valor de la seccin valor nuevo el nmero 1; al hacer clic en
el botn A;adir aparece en la casilla de listado la frase (51) [Fig.32]. Si nos fijamos
en las expresiones, notaremos que le pedimos al programa que incluya los valores 2
y 5 en la nueva variable y que a su vez les asigne el valor 1.

Figura 32
46
Despus de definir el primer nivel, procedemos con el segundo. Para el segundo nivel
activaremos la primera opcin de rango de la seccin valores antiguos
correspondiente a (Desde / Hasta). En la primera casilla de esta opcin ingresamos el
valor 3 y en la segunda casilla el valor 4, sucesivamente ingresamos el nmero 2 en
la casilla valor de la seccin $alor nuevo; para terminar hacemos clic en el botn
A;adir con lo que aparece en la casilla de listado la frase (3 thru 4 2) [Fig.33]. Si
nos fijamos en la expresin, notaremos que le hemos pedido al programa que incluya
los valores desde el 3 hasta el 4 en la nueva variable y que a su vez le asigne el valor
2.

Figura 33

Para el tercer y ltimo nivel, debemos activar primero la casilla valor en la seccin
valores antiguos e ingresar en ella el nmero 1, sucesivamente ingresamos en la
casilla valor de la seccin $alor nuevo el nmero 3; para terminar hacemos clic en el
botn A;adir con lo que aparece en la lista la leyenda (13) [Fig.34]. Si nos fijamos
en el listado de expresiones, notaremos que el valor que acabamos de definir
aparece antes de la expresin del segundo nivel, esto se debe a que el programa va
organizando las expresiones de acuerdo si se tratan de valores especficos o rangos.

Figura 34
Continuando con la recodificacin, slo nos basta finalizar con el tercer nivel de
trabajo, por lo que activamos la primera opcin de rango (Desde / Hasta), e
4'
ingresamos en la primera casilla el nmero 6 y en la segunda casilla el nmero 7;
sucesivamente ingresamos en la casilla valor de la seccin $alor nuevo el nmero 3 y
posteriormente hacemos clic en el botn A;adir, con lo que aparece en el listado la
frase (6 thru 7 3) [Fig.35].

Figura 35

Si nos fijamos en la expresin del tercer nivel, notaremos que le pedimos al programa
que incluya en la nueva variable los valores 1, 6 y 7 y que a su vez les asigne a ellos
el valor 3. Despus de ingresar todas las expresiones hacemos clic en Continuar con
lo que volvemos al cuadro de dilogo principal del procedimiento. Si no se han
aadido todas las expresiones, aparece en la pantalla el mensaje ?e perdern todas
las operaciones pendientes de A;adir o cambiar1

CONDICIONAR CASOS @ RECODIFICAR VARIA;LES =
La ltima seccin del procedimiento 9ecodificar corresponde a la Condicional. A
travs de esta opcin, podemos restringir el nmero de casos que sern
recodificados mediante expresiones de comparacin (Ecuaciones), las cuales pueden
estar sujetas a cualquiera de las variables del archivo; es decir podemos utilizar una o
ms variables del archivo para crear la restriccin sin importar si estas variables sern
recodificadas o no.
Para utilizar una expresin condicional debemos hacer clic en el botn S... del
cuadro de dilogo principal. Al hacer clic en l, aparece un nuevo cuadro de dilogo
correspondiente a ?i los casos [Fig.36]; este cuadro nos permite aplicar
transformaciones de los datos para subconjuntos de casos seleccionados por medio
42
de expresiones condicionales. Una expresin condicional devuelve un valor
verdadero, falso o perdido para cada caso. Si el resultado de una expresin
condicional es verdadero, la transformacin se aplicar al caso. Si el resultado de una
expresin condicional es falso o perdido, la transformacin no se aplicar al caso.

Figura 36

Este cuadro de dilogo esta dividido en las secciones >ista de variables, @ona de
ecuacin (en esta casilla se ingresa la expresin de condicin), Calculadora de ?8??
(ver Depuracin Capitulo ) y las posibilidades de seleccin donde encontramos la
posibilidad de escoger las opciones &odos los casos (Aplica la transformacin a todos
los casos) o la opcin Incluir si el caso satisface la condicin (Aplica la transformacin
slo a los casos que cumplen las condiciones especificadas en la expresin).

Generalmente la mayora de las expresiones condicionales utilizan al menos uno de
los seis operadores de relacin (<, >, <=, >=, = y ~=) ubicados en el teclado de
calculadora. Las expresiones condicionales pueden incluir nombres de variable,
constantes, operadores aritmticos, funciones numricas, variables lgicas y
operadores relacinales.

Las condicionales se utilizan cuando deseamos seleccionar slo un fragmento de la
informacin; es decir, nuestra atencin esta dedicada exclusivamente a un grupo
especfico de respuestas. Por ejemplo, supongamos que deseamos saber cuantos de
los entrevistados son hombres y se encuentran dentro del rea administrativa, con el
fin de determinar su conducta. Para realizarlo, debemos definir la restriccin en la
ventana de condiciones, por lo que hacemos clic en la opcin Incluir si el caso
satisface la condicin, de manera que se activen todas las secciones de la ventana.
43

A continuacin seleccionamos en el listado la variable Gnero y la ingresamos en la
casilla de ecuacin e inmediatamente ingresamos el signo igual (=) por medio del
teclado de la calculadora, as como el nmero dos (2) el cual representa a las
personas del genero Masculino; la expresin debe quedar (GNERO = 2). Una vez
introducida la ecuacin correctamente hacemos clic en Continuar con lo que
volveremos al cuadro de dilogo 9ecodificar en distintas variables [Fig.37]; si nos
fijamos en la parte inferior del cuadro de dilogo notaremos que aparece la expresin
de la restriccin que se ha definido.

Figuras 37

Una vez definidos todos los parmetros del procedimiento, hacemos clic en el botn
Aceptar con lo que se ejecuta la recodificacin y la variable de resultado aparece en
la parte final del editor de datos de SPSS [37].

Esta variable contendr slo los niveles del rea de trabajo de los casos que
pertenezcan al gnero masculino; para los casos pertenecientes al gnero Femenino
se le asignan valores perdidos por el sistema; es decir, aparece un espacio en blanco
(. ). A cada nueva variable generada por la Recodificacin se le debe definir las
propiedades por medio de la pestaa vista de variables o el procedimiento Definir
propiedades de variables, ya que por defecto el programa las crea sin propiedades.

44
LECTURAS COMPLEMENTARIAS
LECTURA 1:
VARIA;LES 6 LA >IPTESIS EN LA INVESTI.ACIN
JOR.E L. CASTILLO T.
Representa un elemento fundamental en el proceso de investigacin. Luego de
formular un problema, el investigador enuncia la hiptesis, que orientar el proceso y
permitir llegar a conclusiones concretas del proyecto que recin comienza.
La hiptesis bien formulada tiene como funcin encausar el trabajo que se desea
llevar al efecto. Hayman (1974) cita: adems que aclaran acerca de cuales son las
variables, que han de analizarse y las relaciones que existen entre ellas, y permiten
derivar los objetivos del estudio constituyndose en la base de los procedimientos de
investigacin.
Tamayo (1989), seala que stas se constituyen en un eslabn imprescindible entre
la teora y la investigacin que llevan al descubrimiento de un hecho. Las razones
anteriormente esgrimidas hacen suponer que stas ocupan un lugar primordial en la
investigacin al proporcionar los elementos necesarios que permitirn llegar a los
datos necesarios que permitirn llegar a los datos y resolver el problema planteado.
DEFINICIN DE >IPTESIS
Es una proposicin que establece relaciones, entre los hechos; para otros es una
posible solucin al problema; otros mas sustentan que la hiptesis no es mas otra
cosa que una relacin entre las variables, y por ltimo, hay quienes afirman que es
un mtodo de comprobacin.
L" Ki!,tei %o)o !#o!oi%i,( que et"b$e%e #e$"%i,( e(t#e $o Ke%Ko: una
hiptesis es el establecimiento de un vnculo entre los hechos que el investigador va
aclarando en la medida en que pueda generar explicaciones lgicas del porqu se
produce este vnculo.
Tamayo (1989 75): afirma que:
45
"La hiptesis es una proposicin que nos permite establecer relaciones entre los
hechos. Su valor reside en la capacidad para establecer mas relaciones entre los
hechos y explicar el por que se producen".
Arias (1897 55) asegura que:
La hiptesis tiene como propsito llegar a la comprensin del porqu entre dos
elementos se establece algn tipo definido de relacin y establece que la hiptesis:
"Es una proposicin respecto a alguno elementos empricos y otros conceptos y sus
relaciones mutuas, que emerge mas all de los hechos y las experiencias conocidas,
con el propsito de llegar a una mayor comprensin de los mismos".
L" Ki!,tei %o)o u(" !oib$e o$u%i,( &e$ !#ob$e)": la hiptesis no es
solamente la explicacin o comprensin del vnculo que se establece entre los
elementos inmersos en un problema, es tambin el planteamiento de una posible
solucin al mismo.
Pardinas (1974 132):
"La hiptesis es una proposicin anunciada para responder tentativamente a un
problema".
Deben ser sustentada por Van Dalen (1974 170) conduce a una definicin en la
que se establece que:
"La hiptesis son posibles soluciones del problema que se expresan como
generalizaciones o proposiciones. Se trata de enunciados que constan de elementos
expresados segn un sistema ordenado de relaciones, que pretenden describir o
explicar condiciones o sucesos an no confirmados por los hechos".
>i!,tei %o)o #e$"%i,( e(t#e v"#i"b$e: Kerlinger (1985 : 12) expresa; una
expresin de las relaciones existentes entre dos o mas variables, la hiptesis se
formula en trminos de oracin aseverativa por lo tanto:
"Es una expresin conjetural de la relacin que existe entre dos o ms variables.
Siempre aparece en forma de oracin aseverativa y relaciona de manera general o
especfica, una variable con otra.
>i!,tei %o)o )1to&o &e %o)!#ob"%i,(: para otros investigadores, la hiptesis
es algo mas que el establecimiento de relaciones entre elementos, o la posible
46
solucin a un problema; por lo tanto; afirman que es fundamentalmente y ante todo,
una herramienta de comprobacin de los supuestos con la realidad.
Abouhamad (1965:74) sostiene:
"La hiptesis es una proposicin, condicin o principio que se supone sin certeza con
el fin de derivar sus consecuencias con hechos lgicos y, por este mtodo comprobar
su concordancia con hechos conocidos o que puedan determinarse".
IMPORTANCIA DE LA >IPTESIS
Las hiptesis son el punto de enlace entre la teora y la observacin. Su importancia
en que dan rumbo a la investigacin l sugerir los pasos y procedimientos que deben
darse en la bsqueda del conocimiento.
Cuando la hiptesis de investigacin ha sido bien elaborada, y en ella se observa
claramente la relacin o vnculo entre dos o mas variables, es factible que el
investigador pueda:
Elaborar el objetivo, o conjunto de objetivos que desea alcanzar en el
desarrollo de la investigacin
Seleccionar el tipo de diseo de investigacin factible con el problema
planteado.
Seleccionar el mtodo, los instrumentos y las tcnicas de investigacin
acordes con el problema que se desea resolver, y
Seleccionar los recursos, tanto humanos como materiales, que se emplearn
para llevar a feliz trmino la investigacin planteada.
ORI.EN DE LA >IPTESIS
Selltiz (1974:53) seala:
"Una hiptesis puede estar basada simplemente en una sospecha, en los resultados
de otros estudios y la esperanza de que una relacin entre una o mas variables se
den en el estudio en cuestin. O pueden estar basadas en un cuerpo de teoras que,
por un proceso de deduccin lgica, lleva a la prediccin de que, si estn presentes
ciertas condiciones, se darn determinados resultados.
La elaboracin de una buena hiptesis tiene como punto de partida el conocimiento
del rea en la que se desea hacer la investigacin, sin este conocimiento previo se
4&
corre el riesgo de recorrer caminos ya transitados y trabajar en temas ya tratados que
carecen de inters para la ciencia.
Si la hiptesis se basa u origina de otros estudios, la investigacin estar en clara
relacin con un cuerpo de conocimientos ya existentes, probados, por lo que el
trabajo ser una contribucin que permitir reforzar ese cuerpo de conocimientos.
Fu(%i,( &e $" >i!,tei:
Cuando se describe su importancia, se plantean algunas de las funciones que ellas
cumplen, porque adems de ser guas en el proceso de investigacin, tambin
pueden servir para indicar que observaciones son pertinentes y cuales no lo son con
respecto al problema planteado.
La hiptesis puede sealar loas relaciones o vnculos existentes entre las variables y
cuales de ellas se deben estudiar, sugieren una explicacin en ciertos hechos y
orientan la investigacin en otros, sirve para establecer la forma en que debe
organizarse eficientemente el anlisis de los datos. Hernndez agrega que entre
otras funciones, su objetivo principal, es de aprobar y sugerir teoras.
Fo#)u$"%i,( &e >i!,tei:
Es un planteamiento que elabora el investigador a partir de la observacin de una
realidad que tiene explicacin en una teora, por lo tanto se afirma que ellas
representan un punto medio entre la teora y la realidad.
CLASIFICACIN DE LA >IPTESIS
La hiptesis puede adoptar diferentes y clasificarles de acuerdo a la convivencia de
cada autor:
a. >i!,tei *e(e#"$: es cuando trata de responder de forma amplia a las dudas
que el investigador tiene acerca de la relacin que existe entre las variables.
b. >i!,tei e!e%?'i%": es especfica aquella hiptesis que se deriva de la
general, estas tratan de concretizar a la hiptesis general y hace explcitas las
orientaciones concebidas para resolver la investigacin.
c. >i!,tei et"&?ti%": la hiptesis estadstica es aquella hiptesis que
somete a prueba y expresa a las hiptesis operacionales en forma de
ecuaciones matemticas.
44
d. P#ob$e)": se quiere determinar si el entrenamiento en tcnicas de estudio
mejora el rendimiento acadmico de los estudiantes de la UNELLEZ.
e. >i!,tei e!e%?'i%": los alumnos del subproyecto lenguaje y comunicacin
del semestre, programa educacin integral, entrenados en tcnicas de
estudio, obtendrn altas calificaciones al mejorar sus tcnicas de
aprendizajes.
f. >i!,tei o!e#"%io("$: el promedio de rendimiento de los alumnos del
subproyecto lenguaje y comunicacin, sometidos a entrenamientos en
tcnicas de estudio (grupo experimental), ser mayor que el promedio de
rendimiento de aquellos alumnos no sometidos al entrenamiento (grupo
control).
g. >i!,tei et"&?ti%":
>i!,tei (u$": (X1) = (X2); no existe relacin en los promedios obtenidos
por los estudiantes entrenados en tcnicas de estudio (X1) y los no
entrenados (X2)
>i!,tei "$te#("tiv": X1 > X2; los alumnos sometidos a entrenamientos
en tcnicas de elaboracin de resumen (X1) obtuvieron mejor promedio de
rendimiento que aquellos alumnos que no recibieron ningn tipo de
entrenamiento (X2).
Requiito !"#" $" e$"bo#"%i,( &e Ki!,tei:
La formulacin de hiptesis es una tarea que se logra cuando se cumple con algunos
requisitos, entre ellos:
a. Formularse en trminos claros, es decir, emplear palabras precisas que no
den lugar a mltiples interpretaciones. La claridad con que se formulen es
fundamental, debido a que constituyen una gua para la investigacin.
b. Tener un referente emprico, ello hace que pueda ser comprobable. Una
hiptesis sin referente emprico se transforma en un juicio de valor al no poder
ser comprobable, verificable, carece de validez para la ciencia.
Ev"$u"%i,( &e $" >i!,tei:
Existe algunos criterios que sirven de gua para determinar si la hiptesis cumple con
algunos requisitos Mc Gigan (1971: 67) afirma:
a. Permite ser comprobada, es decir, establece claramente su referente
emprico.
45
b. Est en correlacin y armona con el conjunto de las hiptesis del proyecto de
la investigacin
c. Responde en trminos claros y precisos al problema planteado, es decir,
seala la relacin que se espera de las variables.
d. Son susceptibles de ser cuantificadas.
Di'i%u$t"&e e( $" E$"bo#"%i,( &e $" >i!,tei:
La hiptesis resulta una tarea ardua, de difcil elaboracin, esta dificultad
generalmente proviene de circunstancias tales como:
a. Un planteamiento poco claro del problema a investigar
b. Falta de conocimiento del marco terico de la investigacin como
consecuencia de la poca claridad que se tiene del problema que se desea
resolver.
c. Carencia de habilidad para desarrollar y utilizar el referente terico
conceptual.
d. En general, por el desconocimiento de los procesos de la ciencia y la
investigacin, por lo tanto ausencia de criterios para la elaboracin de
hiptesis y seleccin de tcnicas de investigacin adecuadas al problema que
se investiga.
VARIA;LE
La definicin ms sencilla, es la referida a la capacidad que tienen los objetos y las
cosas de modificar su estado actual, es decir, de variar y asumir valores diferentes.
Sabino (1980) establece:
"entendemos por variable cualquier caracterstica o cualidad de la realidad que es
susceptible de asumir diferentes valores, es decir, que puede variar, aunque para un
objeto determinado que se considere puede tener un valor fijo".
Briones (1987 : 34) define:
"Una variable es una propiedad, caracterstica o atributo que puede darse en ciertos
sujetos o pueden darse en grados o modalidades diferentes. . . son conceptos
clasificatorios que permiten ubicar a los individuos en categoras o clases y son
susceptibles de identificacin y medicin".
56
CLASIFICACIN DE LAS VARIA;LES
V"#i"b$e I(&e!e(&ie(te:
es aquella caracterstica o propiedad que se supone ser la causa del fenmeno
estudiado. En investigacin experimental se llama as, a la variable que el
investigador manipula.
V"#i"b$e De!e(&ie(te:
Hayman (1974 : 69) la define como propiedad o caracterstica que se trata de
cambiar mediante la manipulacin de la variable independiente.
La variable dependiente es el factor que es observado y medido para determinar el
efecto de la variable independiente.
V"#i"b$e I(te#vi(ie(te:
Son aquellas caractersticas o propiedades que de una manera u otra afectan el
resultado que se espera y estn vinculadas con las variables independientes y
dependientes.
V"#i"b$e Mo&e#"&o#":
Segn Tuckman: representan un tipo especial de variable independiente, que es
secundaria, y se selecciona con la finalidad de determinar si afecta la relacin entre
la variable independiente primaria y las variables dependientes.
V"#i"b$e Cu"$it"tiv":
Son aquellas que se refieren a atributos o cualidades de un fenmeno. Sabino
(1989 : 80) seala que sobre este tipo de variable no puede construirse una serie
numrica definida.
V"#i"b$e Cu"(tit"tiv":
Son aquellas variables en las que caractersticas o propiedades pueden presentarse
en diversos grados de intensidad, es decir, admiten una escala numrica de
medicin.
V"#i"b$e Co(ti(u":
Son aquellas que pueden adoptar entre dos nmeros puntos de referencias
intermedio. Las calificaciones acadmicas (10.5, 14.6, 18.7, etc.)
5'
V"#i"b$e Di%#et":
Son aquellas que no admiten posiciones intermedias entre dos nmeros. Ej., en
Barinas la divisin de territorial la constituyen 11 municipios por no (10.5 u 11.5
municipios).
V"#i"b$e &e Co(t#o$:
Segn Tuckman: La define como esos factores que son controlados por el
investigador para eliminar o neutralizar cualquier efecto que podran tener de otra
manera en el fenmeno observado.
O!e#"%io("$i+"%i,( &e $" V"#i"b$e:
Es un paso importante en el desarrollo de la investigacin. Cuando se identifican las
variables, el prximo paso es su operacionalizacin.
Co)!#e(&e t#e ti!o &e &e'i(i%io(e:
a. No)i("$: es el nombre de la variable que le interesa al investigador.
b. Re"$: consiste en determinar las dimensiones que contienen las variables
nominales.
c. O!e#"%io("$: o indicadores. Esta da las base para su medicin y la definicin
de los indicadores que constituyen los elementos mas concretos de una
variable y de donde el investigador derivar los items o preguntas para el
instrumento con que recolectar la informacin.
52
LECTURA 4:
.U5A METODOL.ICA PARA LA ELA;ORACIN DE
UN INFORME FINAL DE INVESTI.ACIN
ELIBA;ET> POREB OLIVA.
INTRODUCCIN
Ningn proyecto se considera completo hasta que se prepara el informe de
investigacin, incluso el estudio ms brillante tiene poco valor sino se difunde a la
comunidad cientfica.
El informe de investigacin representa el resultado final del largo proceso de
investigacin. Su articulacin estructural constituye ser el modo de como los
investigadores ordenan, clasifican y presentan los datos.
Cualquiera que sea el tipo de investigacin, la presentacin de los resultados se hace
con base a normas que permiten estructurar de una manera lgica la forma y el
contenido de la exposicin terica. El objetivo de esta gua .UIA METODOLO.ICA
PARA LA ELA;ORACIN DE UN INFORME FINAL DE INVESTI.ACIN %o(
"!$i%"bi$i$i&"& "$ A#e" &e $" S"$u& es brindar algunos lineamientos generales para
ayudar al estudiante investigador de las ciencias de la salud a comunicar sus
resultados. La experiencia que se tiene en investigacin para esta rea a mostrado
que existe una limitante en el mbito estudiantil sobre la obtencin de modelos o
guas que le permitan presentar los resultados que se han obtenido en una
investigacin.
Como su nombre lo dice esta gua viene estructurada de tal forma para que el
estudiante desarrolle paso a paso el informe final de su investigacin.
Bsicamente todo informe de investigacin est compuesto por: Po#t"&"< I(&i%e<
I(t#o&u%%i,(< Reu)e(< Cue#!o &e$ t#"b"jo< Co(%$uio(e< Re%o)e(&"%io(e<
A(e-o 2 $" ;ib$io*#"'?". Sin embargo a esta gua se le han agregado otros
elementos que complementan la oportuna comunicacin de los resultados.
53
SU.ERENCIAS ;7SICAS PARA LA PRESENTACIN DEL INFORME.
a. El trabajo se sugiere que sea elaborado con el mismo tipo de letra 9ARIAL:, el
tamao de la letra se sugiere sea de 14 puntos, color negro y a &ob$e
e!"%io entre lneas.
b. El papel a emplear debe de ser tamao carta, bond, base 20.
c. Los mrgenes del trabajo sern los siguientes:
d. Parte superior 4.0 cm. ( 1 2 pulgadas).
e. Parte inferior 2.5 cm. ( 1 pulgada).
f. Parte derecha 2.5 cm. ( 1 pulgada).
g. Parte izquierda 4.0 cm. ( 1 2 pulgadas).
/. Cada pgina se numera en la esquina superior derecha, con nmeros
arbigos en el orden correlativo correspondiente. El nmero debe aparecer al
menos a 2.5 cm. ( 1 pulgada) de la orilla derecha de la pgina, en el espacio
entre el borde superior del documento y la primera lnea del texto.
i. El ndice, la introduccin y el resumen se enumeran en el orden i, ii, iii. El
cuerpo del trabajo se enumera siguiendo el orden correlativo acostumbrado.
LA PORTADA
La portada es la parte inicial del informe de investigacin, sta est compuesta por
los siguientes elementos que van centrados en la pgina :
1. Nombre de la institucin, facultad y departamento.
2. Logo de la nstitucin.
3. Ttulo del informe de investigacin.
4. Nombre de autores en orden alfabtico. Primero apellidos y luego nombres.
5. Nombre de la asignatura, ciclo y ao.
6. Nombre del asesor(es) de contenido.
&. Nombre del asesor de metodologa.
8. Nombres de los miembros del comit evaluador.
9. Lugar y fecha de presentacin.
WEL INDICE
54
Es un listado de las partes estructurales del informe de investigacin,
se coloca despus de la portada y antes de la introduccin. ncluye los
captulos y subcaptulos, temas y subtemas que son y forman parte de
la totalidad de la investigacin.
Se sealan las partes y su numeracin de pgina correspondiente.
El lector al consultar el ndice se pone en contacto con todo el
contenido del escrito, lo cual facilita la localizacin de los temas
generales y especficos.
La forma que se sugiere adoptar para el ndice del trabajo de
investigacin ser la llamada ite)" *e(e#"$, en el que se utilizan
nmeros romanos para identificar los captulos; letras maysculas para
los temas, nmeros arbigos para los subtemas y letras minsculas
para las subdivisiones de stos.
ii LA INTRODUCCION
Es la comunicacin inicial que permite (sin necesidad de explicar)
penetrar a detalles incentivadores, creando un ambiente de
familiaridad y confianza entre el autor del escrito y la persona lectora.
Adems de ser incentivadora, la introduccin presenta el tema de
investigacin, los propsitos esenciales y datos generales del
contenido estructural del escrito, es decir una breve descripcin
capitular.
Para redactar la introduccin debern cumplirse las siguientes recomendaciones:
a. Redactarla al finalizar el ordenamiento y clasificacin de todos los datos, es
decir, cuando se ha terminado todo el trabajo.
b. Se ubica luego de la tabla de contenidos o ndices.
c. Prepara al lector para la descripcin de lo que se hizo.
d. Se menciona el tema de investigacin y los objetivos. Describe el estudio e
incluye una breve resea bibliogrfica, la explicacin del marco conceptual,
las hiptesis y la justificacin.
e. No se presentan resultados ni definiciones.
f. Debe ser clara y concreta.
55
g. Articular en forma lgica: la presentacin (qu es el escrito?, cul es el
ttulo?, a quin se presentar? y a qu institucin?), el propsito, las partes
estructurales generales y una breve metodologa de exposicin.
iii EL RESUMEN
En l se detalla sintticamente todo el contenido del informe de
investigacin, planteando las ideas centrales y el perfil del escrito, es
decir, reducir a trminos breves y precisos la idea central de la
investigacin realizada. Debe incluir la justificacin, objetivo general,
principales resultados y conclusiones. Su extensin vara de las 75
hasta las 150 palabras como mximo.
CAPITULO I
PLANTEAMIENTO DEL PRO;LEMA
Es una breve descripcin de la problemtica que puede sustentarse en
el desconocimiento de las causas que la generan, los factores
asociados o el grado de intensidad mostrado en el comportamiento de
algunos indicadores o variables en un contexto determinado.
Puede subdividirse en los siguientes apartados:
A. PRO;LEMATICA (Relativa al tema de estudio)
En este apartado puede plantearse:
Breves antecedentes de la problemtica.(A(te%e&e(te &e$
!#ob$e)")
Sntomas que la reflejen.(Situ"%i,( P#ob$e)Ati%")
Efectos inmediatos y futuros.
Causas probables. Factores asociados.
Datos que verifiquen que el problema es parte de un contexto
en el que se conjugan otros problemas relativos.
Actores y/o instituciones involucradas.
Soluciones que se han intentado.
nterrogantes fundamentales, preguntas a responderse en la
investigacin.(Enunciado del problema)
56
Todo lo anterior, redactado en forma lgica y coherente con un
enfoque deductivo; a menos que el tipo de investigacin amerite un
enfoque inductivo.
B. DELIMITACIN DE LA INVESTI.ACIN.
En este apartado se establecer descriptivamente la cobertura que
tuvo la investigacin en lo relativo a:
Espacio geogrfico, es decir, el lugar donde se realiz la
investigacin.
Sujetos y/u objetos que participaron en la realizacin del estudio.
Tiempo, especificando el periodo de tiempo en el que fue realizado
la investigacin.
Contenidos, se debe mencionar la o las variables que se
consideraron en el estudio.
C. JUSTIFICACIN.
Este apartado debe reflejar la importancia y relevancia que tiene la
investigacin que se ha realizado, exponiendo argumentos tales como:
Evidencias que demuestren la magnitud de la problemtica o
necesidad de stas para profundizar en el anlisis.
Necesidad de corregir o disear medidas correctivas que
contribuyan a la solucin de los problemas expuestos.
Demostrara que la investigacin constituye una estrategia para
enfrentar la problemtica mencionada.
Mencionar los beneficios futuros que pueden obtenerse, tanto para
las personas como para las instituciones y/o grupos sociales.
C. LIMITACIONES.
Este apartado debe reflejar las restricciones que tiene la investigacin,
para poder expandir o generalizar los resultados, as como el
reconocimiento de la incidencias de otras variables que en el proceso
de la investigacin no se controlan. Debe evit"#e mencionar
limitantes que puedan preveerse antes de realizar la investigacin,
5&
tales como tiempo, costos, falta de informacin y otras propias de los
investigadores.
E. O;JETIVOS.
Deben expresarse como proposiciones orientadas a definir los
logros que se esperan obtener a partir de los resultados que arroje
la investigacin.
Los elementos que lo constituyen son el verbo, la (s) variables, la
(s) relaciones y el contexto.
Deben reflejar lo que se espera obtener al estudiar cada variable
(cuando no se establezca una relacin bivariada), o lo que se
espera al estudiar la relacin de dos o ms variables.
Debe formularse un objetivo general y varios especficos, en donde
estos ltimos sean desglosados del primero.
CAPITULO II
FUNDAMENTACIN TEORICA.
En este captulo se exponen algunos principios, axiomas o leyes que
rigen las relaciones de los fenmenos que son parte de la realidad a
estudiar y que de alguna manera estn incidiendo o son parte de la
casualidad o estructura lgica de las explicaciones tericas de alguna
disciplina cientfica
Este captulo debe estructurarse dependiendo de la naturaleza de
cada investigacin, pero en trminos generales deben considerarse
aspectos tales como:
Breve marco histrico.
Contexto en el que estn inmersas las variables del problema.
Sntesis del marco social, cultural, legal, institucional.
Comportamiento de las variables en otros ambientes y contextos.
Enfoques de autores o teoras que las respaldan.
Relacin de las variables.
54
Todo lo anterior debe plantearse bajo un enfoque deductivo, es decir
desde lo ms general hasta lo ms especfico, (a menos que el tipo de
investigacin demande otro tipo de enfoque).
As tambin, cada aspecto debe ser comentado e interpretado con
ideas propias de los investigadores de manera que se refuercen sus
hiptesis. Con respecto a las referencias bibliogrficas se usan las
citas cortas, as: (3,6) (Polit, pg. 6), en donde 3 corresponde al
tercer libro de la bibliografa y 6 corresponde al nmero de la pgina en
donde est ese prrafo textual.
CAPITULO III.
>IPOTESIS 6 VARIA;LES.
En este captulo deben expresarse los supuestos bsicos que orientan
la bsqueda de la informacin y cmo stos han sido
operacionalizados a travs de la relacin esperada de las variables. De
igual manera deben exponerse los indicadores que permitirn medir el
comportamiento de las variables a evaluar.
Los apartados sugeridos son:
A. >IPOTESIS.
General y especficas.
En este apartado se sugiere formular las hiptesis de investigacin, tal
como estaban en el anteproyecto(si ste se hubiese elaborado). Estas
deben correlacionarse con cada objetivo (solamente cuando la
investigacin demande efectuar las respectivas pruebas). Si dentro del
trabajo no se realizaron pruebas de hiptesis ya que el estudio es
descriptivo o exploratorio, entonces debe de hacerse esta aclaracin.
B. DIA.RAMA DE VARIA;LES.
En este apartado debe presentarse en forma esquemtica, lgica y
cronolgica, la relacin supuesta entre las variables, definiendo la (s)
independiente (s) y dependiente (s).
C. DEFINICIN OPERACIONAL DE VARIA;LES.
55
En este apartado debe formularse una definicin de cada una de las
variables, tal como deben entenderse en esta investigacin.
D. INDICADORES DE LAS VARIA;LES.
El concepto de indicador se refiere a aquellos aspectos medibles que
nos muestran como es el comportamiento de las variables. En el caso
de las variables que representan procesos, no se deben definir
indicadores que no sean sujetos de medicin.
CAPITULO IV
METODOLO.5A DE LA INVESTI.ACIN.
Este captulo comprende la descripcin de la estrategia a seguir
expresada a travs del tipo y modalidad de la investigacin, la
caracterizacin de las unidades de anlisis, las tcnicas, procesos e
instrumentos de medicin a ser utilizados; los cuales se expresarn en
los siguientes apartados:
A. TIPO DE INVESTI.ACIN
Este apartado debe reflejar la manera de cmo se enfoc la investigacin en
cuanto al propsito, amplitud y profundidad, mencionando las caractersticas
propias del nivel o modalidades de investigacin que se aplic en base a los
planteamientos de algunos autores de textos actualizados. Cuando el tipo de
investigacin demande la aplicacin de algn diseo, ser necesario exponerlo
y explicarlo en cada uno de sus elementos y procesos dentro de este apartado.
;. PO;LACIN 6 MUESTRA
Aqu debe describirse detalladamente las caractersticas propias del
conglomerado de sujetos u objetos hacia los cuales se orient la investigacin,
es decir, a la totalidad de elementos que podran ser objeto de medicin.
Cuando no se trabaje con toda la poblacin, sino con una parte de ella
(muestra), debe definirse si sta fue tomada aleatoriamente. En este caso debe
de determinarse un tamao muestral calculado mediante probabilidades y
niveles de confianza definidos. Si la seleccin no fuese aleatoria, debe
justificarse el por qu y reconocer las limitaciones que esto implica y los criterios
que se definieron para escoger a los sujetos. Para cualquiera de los dos casos,
'66
debe describirse el proceso de seleccin de los elementos que conformaron la
muestra.
C. MATERIALES 6 METODOS
Descripcin detallada de cmo fue realizada la investigacin y los
elementos utilizados en la misma. ncluye:
Detalle de procedimientos: Explicacin general sobre aspectos
como nmero de grupos, asignacin de sujetos a grupos,
manipulacin, etc.)
A. TOCNICAS APLICADAS EN LA RECOLECCIN DE LA INFORMACIN.
INSTRUMENTOS DE MEDICIN.
En este apartado deben explicarse cada una de las tcnicas que se aplicaron
(entrevista, encuesta o alguna otra), a quines se les aplic, con qu propsito,
cmo se desarrollo, pasos que siguieron, y cul fue el uso especfico que se le
di a la informacin o datos recopilados a travs de stos.
Tambin deben describirse los instrumentos que se han utilizado en la
investigacin, mencionando cmo es su estructura, su contenido, en qu se han
basado para su construccin, cmo se califican y ponderan las respuestas y
cul ha sido el proceso de validacin.
;. RESULTADOS.
En este apartado se debe exponer desde cmo se tabularon y organizaron los
datos, los respectivos cuadros y grficos con su respectiva descripcin de los
resultados, los modelos estadsticos y/o programas que se utilizaron para su
exposicin, la justificacin del por qu se usaron y cmo se efectuaron las
pruebas de hiptesis en el caso que se realicen.
C. DISCUSIN DE RESULTADOS.
Autoevaluacin de los procedimientos empleados y discusin de los posibles
alcances y significados de la investigacin. Se hace una interpretacin acerca
de los resultados obtenidos con respecto a la informacin encontrada en la
revisin de la literatura, evitando hasta dnde sea posible especular.
D. CONCLUSIONES.
'6'
Las conclusiones en el informe de investigacin, hacen referencia a los
resultados concretos que se obtuvieron en el desarrollo de la
investigacin y que fueron presentados ampliamente en el desarrollo
del cuerpo del trabajo, prcticamente es un resumen sinttico de los
puntos ms importantes y significativos para los autores. Estas van
acorde al numero de objetivos planteados en la investigacin, esto no
quiere decir que no se presentar otra informacin importante obtenida
durante el estudio.
H. RECOMENDACIONES.
Las recomendaciones constituyen el aparato del documento, dnde la
creatividad del investigador (es) se pone de manifiesto en el
planteamiento de polticas, estrategias y medidas de accin a tomar
por instituciones (pblicas o privadas), requisitos, entidades, etc. para
la solucin del problema que se investig.
. ANEIOS
Aqu se ubicarn los instrumentos y otro tipo de documento que han
sido necesarios para el desarrollo del trabajo y que no se ha
considerado otro lugar para ellos en el documento.
Los anexos son secciones adicionales que se adjuntan al documento
escrito, el objetivo es presentar informacin adicional importante, ya
sea para prolongar la explicacin de los datos, como tambin para
confirmarlos. Se ubica despus de las conclusiones y
recomendaciones, antes de la bibliografa.
Ejemplo de anexos: copias de documentos, mapas, planos,
cuestionarios, guas de entrevista y observacin, proyectos,
programas, cuadros, grficos, diagramas, resultados de laboratorios,
cronogramas, presentacin de la exposicin etc. Dichos agregados son
ordenados de acuerdo a cmo han sido citados en el cuerpo del
trabajo.
J. ;I;LIO.RAFIA
Es la ltima parte del informe de investigacin, agrupa todas las
fuentes consultadas para la realizacin de la investigacin y redaccin
del informe. Las fuentes pueden ser libros, revistas, boletines,
peridicos y documentos varios(referencias electrnicas o de nternet).
'62
Cuando la bibliografa es utilizada en el trabajo comprende otras
fuentes adems de libros, se dividirn en secciones que se clasifican y
ordenan de la siguiente manera: libros, revistas, boletines, peridicos,
documentos y otras fuentes ( como por ejemplo la entrevista,
referencias electrnicas o de nternet), los titulados de estas secciones
irn en mayscula en el centro de la pgina. Lo que se presenta a
continuacin es una sugerencia para elaborar la bibliografa. Sin
embargo, se remite a los lectores a consultar las Normas que la
American Psychological Association (APA), 5 Edicin a elaborado con
el objetivo de que sean consideradas para la elaboracin de una
Bibliografa ms completa.
'63
LECTURA G:
/0UO ES UNA TESIS3 /PARA 0UIEN SE ESCRI;E3
/CMO DE;E ESTAR ESCRITA3
JOE WOLFE
u tesis es un trabajo de investigacin. El informe concierne a un problema o conjunto
de problemas en un rea definida de la ciencia y debe explicar lo que se sabe de l
previamente, lo que se haca para resolverlo, lo que sus resultados significan, y
dnde o cmo se pueden proponer progresos, ms all del campo delimitado por el
trabajo.
No se aturda con sus temores de estudiante en examen!: una tesis no es una
respuesta a una pregunta de examen.
El lector de un examen es normalmente quien tiene la respuesta. El ya conoce la
respuesta (o alguna de las respuestas), por no mencionar los antecedentes, la
bibliografa, los supuestos y teoras complementarias. Tambin conoce de Ud. sus
fortalezas y debilidades en el tema.
El lector de una tesis, en cambio, no sabe cul es "la respuesta" a la hiptesis
planteada. Si la tesis es para obtener un doctorado, la universidad exige que se haga
una contribucin original al saber cientfico: su investigacin debe descubrir algo
cientficamente original, hasta ahora desconocido.
N"&ie "be )A que U&. )i)o
El jurado leer su tesis. Ellos son expertos en el rea genrica de su trabajo, pero
sobre el tema concreto de su tesis, nadie sabe ms, que usted mismo... en todo el
mundo! Por lo tanto debe escribirlo de manera que resulte de clara comprensin, en
especial para el jurado de "expertos", que no han ocupado demasiado de su tiempo
en analizar los pormenores del problema, objeto de su tesis.
'64
Su tesis es un informe cientfico y ser consultada por investigadores que querrn
enterarse en detalle, de los pormenores de sus experiencias de laboratorio. Las tesis
son consultadas por personas de otras instituciones, y la biblioteca puede proveer
fotocopias en papel o microfilm. Pero cada vez ms se digitalizan (en imgenes y
texto) las obras. Una consecuencia directa es que su tesis ser consultada ms
fcilmente, por investigadores de todo el mundo. Por lo tanto, escriba su tesis en
atenta atencin de estas posibilidades.
Siempre ser til tener a alguien, aparte de su asesor, que lea objetivamente unas
secciones de la tesis, particularmente la introduccin y los captulos de la conclusin
que debe estar ntimamente relacionadas. Sera muy apropiado tambin consultar a
los otros miembros del jurado... si podran leer algunas secciones de la tesis que
consideraran pertinentes o de inters, en las que se podran descubrir contribuciones
valiosas. A ellos, permtales concentrarse en el contenido, provales slo versiones
revisadas, de manera que no pierdan tiempo corrigiendo su gramtica, o su
presentacin.
/CuA( &et"$$"&"3
Bastante ms que para un artculo cientfico! Una vez que se ha evaluado su tesis y
sus amigos han ledo las tres primeras pginas, los nicos lectores que querrn
continuar, sern las personas que investigan seriamente en el rea. Por ejemplo, un
estudiante ms joven desea seguir su misma lnea de i(veti*"%i,( y est
interesado en saber exactamente lo que usted ha experimentado. Pregntese:
podr hacerlo con su tesis?
Ud. debe estar en condiciones de proveerle todo lo necesario: debe incluir bocetos,
&ibujo, &i"*#")" y !#o*#")" de %o)!ut"&o#", normalmente como apndices.
Una omisin muy frecuente e irritante, se encuentra en los !#o*#")" de
%o)!ut"%i,( indocumentados e incomentados, lo que lleva a una, casi imposible
interpretacin. Ud. no debe caer en esta negligencia!
Seguramente alguna vez tuvo la oportunidad de leer las tesis de estudiantes
anteriores en el $"bo#"to#io donde actualmente trabaja, as que ya conoce de las
ventajas de una tesis explcita, en contraposicin con una inconsistente.
'65
Po(*" e( %$"#o $o u2o
La referencias bibliogrficas son el medio adecuado de documentar conceptos que
no son propios, debe declarar donde est documentado ese resultado, en la literatura
cientfica. Las excepciones son los descubrimientos de larga data, por ejemplo en
fsica: las ecuaciones de dinmica no requieren ser referenciadas por una cita de
Newton; el anlisis de circuitos no requiere una referencia a Kirchoff.
La importancia de esta prctica en ciencia es que permite al lector verificar su
posicin inicial. Se sabe que la fsica (y muchas otras ciencias), es una ciencia
vertical: los resultados se construyen apoyndose en anteriores resultados, los
cuales, a su vez, fueron construidos sobre otros resultados.
Las buenas referencias, dejan que verifiquemos los fundamentos de sus
aportaciones a la estructura de la disciplina, o por lo menos retraerlas a un nivel que
juzgamos fiable. Las buenas referencias tambin les dicen a los lectores, cules
partes de la tesis son descripciones de conocimientos previos y cules partes son sus
contribuciones originales a ese conocimiento.
El texto de una tesis, escrita para un lector cientfico con poca familiaridad con la
literatura en ese campo, debe quedar especialmente claro. Parecera tentador omitir
una referencia, con la esperanza de que un lector pudiera pensar que una idea
buena o un "pedazo bueno" del anlisis es suyo. Cuidado!, le prevengo contra este
acto deshonesto. Puede caer descuidadamente en el delito de plagio.
El lector pensar: " Qu idea tan buena, debo comprobar su originalidad! ". Se
enterar de su verdadero origen, en la biblioteca, en la red o con slo una llamada
telefnica.
Sin descartar la posibilidad de descubrir de pronto, un verdadero genio escritor de
ciencia, que con su estilo personalsimo cautive el inters de acreditados lectores,
ms all de lo supuesto, es necesario afirmar, que un escrito cientfico debe
expresarse siempre en voz activa, con el verbo en modo infinitivo . Una tesis es un
escrito cientfico.
Esta afirmacin cobra mayor verdad cuando los descubrimientos cientficos son de tal
magnitud (como los de Albert Einstein) que la persona del cientfico en si, pasa a
'66
segundo plano en los escritos. Este debe despersonalizarse por completo, siempre
que el escrito sirva para comunicar ciencia.
La ciencia debe ser escrita siempre en voz activa y en modo impersonal!
Es como si la misma ciencia se expresara a travs de la Naturaleza como autora.
magnese por un momento cmo escribira la Naturaleza? Ella nunca dira "Yo hice
esto, ellos obtuvieron esto otro": ms bien dira "se debe hacer esto, es correcto
determinar aquello".
Suele ocurrir un extrao fenmeno. Es ntidamente ms notorio, cuando el
descubrimiento cientfico es de una gran magnitud (Teora de la Relatividad). El
escrito parece haber sido (o debera haber sido) redactado por la propia Naturaleza,
como en un generoso acto de despojo de sus secretos muy bien guardados. La
persona del investigador queda en segundo plano, el protagonismo en la escritura lo
toma (o lo debe tomar) la propia Naturaleza; expresndose en el texto cientfico, en
voz activa e impersonal (verbos en modo infinitivo).
Por esta razn, no se trata del rechazo de "un yo inmodesto", por parte del cientfico
al escribir en modo impersonal, sino ms bien un simple acto de respeto por la
ciencia.
Algunos escritores piensan, -tal vez equivocadamente- que si escriben en voz pasiva,
deben ser ms cuidadoso sobre la atribucin. Por ejemplo, si escribe en voz pasiva
"La muestra fue preparada por itrio calentado. . .", se puede dudar si era Ud. quien
preparaba la muestra o si lo haca la Compaa trio. "Prepar la muestra . . ." es ms
claro expresndolo en voz activa, fundamentarn...
No obstante y con el afn de dar por terminada la discusin, a todas luces es correcto
expresar cientficamente: "...preparar una muestra de itrio calentado..." que no da
lugar a las incorrectas interpretaciones enunciadas, y por supuesto est escrito en
voz activa, totalmente impersonal.
E$ Eti$o
El texto debe ser claro. La buena gramtica y la escritura reflexiva harn la tesis ms
fcil de leer. La escritura cientfica tiene que ser un poco formal --bastante ms formal
que este texto--. Los angloparlantes nativos deben recordar que el ingls cientfico es
'6&
un idioma internacional, lo cual es cierto especialmente para la ciencia. La jerga y la
escritura informal sern ms difciles de entender por un parlante no-nativo.
La escritura de prrafos muy largos no siempre guardan el sentido de unidad. Pero
creo que este "defecto", es ms bien un problema en el que prima el "ahorro" de
papel, lo que no lleva necesariamente al concepto de brevedad.
Si su obra escrita es importante, no escatime espacio de papel en contra de la
presentacin. La correcta separacin de los prrafos debe estar entre 3 y 6 puntos
para Word'97 (analice como ejemplo, este mismo prrafo).
Es mucho ms efectivo la separacin entre prrafos, que la sangra de la primera
lnea de un prrafo (entre 2 y 5 caracteres), destinado a facilitar una rpida ubicacin
visual de los prrafos, durante la lectura.
Yo personalmente, como puede ver aqu, no uso sangra, puesto que los prrafos
quedan perfectamente destacados solo con su separacin. Obtenga esta excelente
caracterstica de formato de prrafo: la separacin de prrafo, en el men de
Word'97, con la opcin: Formato, Prrafo.
Frases y palabras cortas, simples son a menudo mejores que las largas. Algunos
polticos usan retricamente "en este momento del tiempo" en lugar de "ahora",
precisamente porque toma ms tiempo obtener el mismo significado. No tienen
cuidado particularmente con la comunicacin eficaz. Usted s debe.
Habr ocasiones en las que se requiera una frase complicada porque la idea misma
lo es. Si su declaracin primaria requiere varias calificaciones, cada una de stas
requerira una clusula subordinada: "Cuando [calificacin], y donde [lugar], y si
[condicin] entonces [declaracin]."
L" P#ee(t"%i,(
No existe obligacin para una tesis, de ser una obra maestra de publicacin. Su
tiempo puede ser ms productivo si lo emplea en mejorar el contenido, mucho ms
que en la apariencia. Pero piense que una buena presentacin, invitar a una lectura
ms agradable. Solo Ud. es capaz de establecer una relacin de compromiso con
ambos aspectos perfectamente equilibrados.
'64
Actualmente (fines de 1998) se dispone de un dispositivo que viene en nuestro
auxilio: me refiero al scanner. Con l podemos "escanear" (rastrear, escudriar) todo
documento que se nos ocurra y guardarlo digitalizado en el disco rgido.
Por ejemplo, Ud. puede hacer un dibujo a mano alzada (o como quiera), luego
escanearlo y finalmente retocarlo, colorearlo con una aplicacin grfica fotogrfica.
Pero el scanner va mucho ms all. Es posible rastrear el texto de un libro para
llevarlo directamente a su procesador de texto. Cuidado con esto!, es una invitacin
al plagio. No se tiente con este "canto de sirena" (repase lo analizado en el tema
Ponga en claro lo suyo).
Su tesis hoy (1999), debe estar hecha con todas las capacidades para procesarse,
conservarse y transmitirse ntegramente en archivos de computadora !
Un diagrama, un dibujo, una tabla, una fotografa y en general una figura habla por si
sola. No es necesario redundar en explicaciones que las mismas figuras o
ilustraciones muestran con alta propiedad.
No ponga ms figuras (dibujo, tabla, diagrama, fotografa, sonido, video, etc.) que las
necesarias. Deben estar correctamente construidas segn las normas. En el texto
refirase a ellas solo en el sentido de aclarar lo que no resulta obvio, de su sola
inspeccin.
No pienso que haya una correlacin fuerte (de cualquier modo) entre cantidad y
calidad. No hay necesidad de dejar grandes huecos de papel, para hacer la tesis ms
voluminosa. Los Lectores no apreciarn grandes cantidades de texto vago o
innecesario.
Cuntas copias? Consulte con su asesor sobre esto. As como para los
examinadores, las bibliotecas universitarias y usted mismo, debe hacer unas copias
del original para la distribucin. Recuerde que debe tener en cuenta tambin las
copias informticas de los archivo de computadora. El soporte que se impone, dado
el volumen extenso de una tesis es el CD-ROM. Si se trata de una tesina , quiz
alcance solo con un juego de disquetes. Se deben enviar estas copias a otros
cientficos que trabajan en el mismo campo de investigacin de manera que:
puedan tomar nota del trabajo que estuvo haciendo, antes de que
aparezca en las revistas especializadas;
'65
puedan buscar los detalles finos de trabajos parciales que
conforman su tesis, los mtodos y resultados que sern o han sido
publicados, sintticamente en otra parte;
puedan finalmente descubrir el maravilloso cientfico que es usted!
Este descubrimiento le ser til si existe una oferta de estudios
post-doctoral (o doctoral si es Ud. un maestrando) disponible en
sus ambientes. Debe colocar su nombre en estas candidaturas, de
inmediato!
ndependientemente de las normas de presentacin de una tesis en la Universidad,
en cuanto a utilizar un solo lado o los dos de las hojas (anverso y reverso), las copias
para distribucin deben ser siempre de doble faz, de manera que los gastos del papel
y las estampillas (de correo) no sean excesivos. Digamos de paso que esto va
tambin en favor de un ms cmodo manipuleo de la encuadernacin, por contener
la mitad de las hojas. Su asesor podra ayudarlo a elaborar una lista de interesados
y/o personas potencialmente tiles para tal envo masivo de copias por el correo
normal. Su asesor puede ayudar tambin al financiamiento de los gastos de
distribucin, si es que no estn cubiertas por su beca. Esto depender en gran
medida de las costumbres imperantes en la institucin.
No se olvide de hacer una copia para sus padres, quienes como ningunos otros, se
sentirn profundamente honrados y orgullosos de merecer el alto honor de
constituirse en depositarios, de tan importante documento.
E( $o !e#o("$
Est asegurado que Ud. emplear gran parte de su tiempo --quizs la mayora--
escribiendo su tesis. Esto podra ser perjudicial para su salud fsica y mental. Reciba
unos cuantos consejos:
A!#e(&" D"%ti$o*#"'?"
nstale su silla y computadora apropiadamente. Hay publicaciones (libros) que
abordan aspectos de una ciencia nueva denominada Ergonoma . En ellos podr
encontrar sugerencias sobre: alturas relativas, posturas saludables y tambin
ejercicios recomendados si pasa mucho tiempo al teclado.
''6
En esto ltimo vale la pena asegurarse: usted no debe permitir una molestia extra en
la espalda o un dolor de cuello. Trate de intercalar sesiones largas de dactilografa
con otras actividades preferentemente fsicas.
Si no sabe "escribir a mquina", debe aprender a hacerlo!, tanto a causa de su cuello
como por su productividad. Hay varias aplicaciones buenas de software que ensean
dactilografa interactivamente. Si usa uno de estos programas por lo menos 30
minutos por da, por un par de semanas, seguro podr aprender.
Para cuando termine su tesis, podr teclear rpidamente, con precisin y su inversin
en horas se habr amortizado plenamente. Sea cuidadoso de no usar el ejercicio de
la mecanografa como una actividad distractiva. Tmelo seriamente.
>"*" eje#%i%io '?i%o
No deje de ejercitarse fsicamente en las pausas. La prdida de estado fsico le har
sentirse mal. 30-60 minutos de ejercicio por da no es tiempo perdido para su tesis: yo
he descubierto que si no hago ejercicio regularmente, duermo menos sanamente y
por ms tiempo.
Camine para irse al trabajo y tambin para retornar? Muchas personas opinan que
una caminata les ayuda a pensar, o les despeja la mente. Descubrir que un paseo
ocasional, mejora su productividad.
A$i)1(tee
No se olvide de comer bien, y haga un esfuerzo por comer rico y saludablemente. No
debe perder aptitud fsica o arriesgarse a contraer una enfermedad en este tiempo
crtico. El ejercicio sirve para mantener el apetito. S que tiene poco tiempo para
cocinar, pero guarde una provisin de fruta fresca, verduras y pan. Toma menos
tiempo hacer un bocadillo, que ir al restaurante local de comida rpida... seguro que
se sentir mejor despus.
D#o*"
Los escritores de tesis tienen una tradicin larga de consumir caf como un
estimulante y alcohol o marihuana como relajantes. El uso del alcohol y el caf es
legal, usar marihuana no. Tomados con moderacin, no parecen tener efectos
nocivos en la calidad de la tesis producida. Los excesos, sin embargo, son
obviamente contraproducentes: varios cafs cargados y a usted le costar
'''
demasiado sentarse a trabajar; varias bebidas por la noche lo volvern ms lento y
torpe al da siguiente.
Otros
Personas de su ambiente le mostrarn su afecto, as que aprcielas suficientemente.
Cnyuges, amantes, familia y amigos no se deben sub-valorar. Pase algo de tiempo
con ellos y, cuando lo haga, divirtase. Cuando est en compaa de ellas, no
desperdicie su tiempo refunfuando de su tesis: ellos ya la condenaron, por
mantenerlo alejado.
Si puede encontrar a un colega (otro educando) escribiendo una tesis, entonces
encontrarn teraputico quejarse mutuamente de las dificultades. l o ella no
requieren, necesariamente, estar en la misma disciplina en la que est usted.
Fi(
La escritura de una tesis es un trabajo exigente y duro. Es tambin un rito importante
de transicin en la vida de un estudiante. En nombre de los estudiantes
universitarios de todas las latitudes, les deseo buena suerte!
''2
;I;LIO.RAF5A
'. +7DE8 E%%2 E.e9uiel :T;cnicas de investi#acin social<. Edic. '4 Edit.
2. ,id Editor2 +r#entina '546.
3. +87DT2 ,lara ! D+DE8"+72 -oucine M. +dministracin de Enermera.
Teora para la Pr1ctica con un Eno9ue de )istemas. )e#unda Edicin =P).
M;>ico '546.
4. ,+$+--E8= 8=ME8=2 +le(andro :,riterios operativos ! pr1cticas
5. sobre investi#acin cientica aplicados especialmente en el estudio del
,ooperativismo<. ?niv. de -ima '544.
6. ,+7+-E) 2 @.0. A ,=-) :Metodolo#a de la investi#acin<. Manual
&. para el Desarrollo del Personal de )alud. Edit. -imusa =r#ani.acin
Panamericana de la )alud. M;>ico '546..
4. ,0+3EB ,=7)T+7T"7=2 Daniel :Metodolo#a de la investi#acin en salud<.
"mpreso en ,alidad ). )anto Domin#o D.7. @ebrero de '542.
5. %=7B+-E)2 %.@. Metodolo#a de la "nvesti#acin en 8eproduccin 0umana.
?niversidad ,a!etano 0eredia. -ima '554.
'6. 0E87+7DEB2 8oberto. :Metodolo#a de la investi#acin<. Edit Mc. %raC
0ill "nteramericana de M;>ico ).+. de ,.3. impreso en ,olombia. '55'.
''. DE8-"7%E82 @red. :"nvesti#acin del comportamiento<. 2da. Edicin. Edit2
"nteramericana. M;>ico '542.
'2. -+M DE )0=E"2 Eulia. :Mdulo autoinstructivo para elaborar pro!ectos de
investi#acin en salud<. 8evista ,ultural de la +sociacin de Docentes ?.).M.P.
7F 5 Edit. -o#os. '555.
'3. -E=72 @ederico ! ,0?2 Ma#dalena. "nvesti#acin de =peraciones en
Planiicacin @amiliar ! )alud 8eproductiva. ,oncepto2 ,aos. ?niversidad
,a!etano 0eredia. -ima '554.$iblioteca de la @acultad de =bstetriciaG?)MP.
'4. -E=72 =relio ! M=7TE8=2 "#nacio. Diseo de "nvesti#acin. Edit. Mc. %raC
0ill. Espaa '55&. $iblioteca de la @acultad de =bstetriciaG?)MP.
'5. 7E?PE8T2 8icardo. :Manual de investi#acin social<. Edit. ?niversitaria
0onduras. '5&&.
'6. =$-"T+) %?+D+-?PE2 -uis. :Metodolo#a de la investi#acin<. $iblio#raa
de Psicolo#a Peruana. PerH )I@.
'&. )+7,0EB2 0u#o I 8EJE)2 ,arlos. :Metodolo#as ! diseos en la
investi#acin cientica aplicados en la psicolo#a 2 educacin ! ciencias sociales<.
Edit. Educativa. "nide2 PerH '544.
'4. T+M+J= T+M+J=2 Mario. :El proceso de la investi#acin cientica<. Edit.
-ibusa2 M;>ico. '54'.
'5. ,+MP$E-l2 Mar!. base "3 %ua de +utoensean.a. Espaa. Editorial Mc%raC
0ill K "nteramericana. '556. pp''6I'''2'2'I'222'6'2'652 '&5G'5'I'52.
26. 0+8L8J)BD"ELJ,B2 " T. +n1lisis ! diseo de base de datos. Editorial
Me#ab!te. 7orie#a Editores. M;>ico. '554. pp25I3'
2'. -+?D=72 Dennet/ ,. +dministracin de los sistemas de inormacin. 3ra.
Edicin. M;>ico. '556. pp 2&'I255
22. M+8M?NB 8. =mar +. El Proceso de la "nvesti#acin en las ,iencias )ociales.
Ediciones de la ?niversidad E.e9uiel Bamora coleccin Docencia ?niversitaria.
23. 0ern1nde.2 )ampieri. 8oberto. Metodolo#a de la investi#acin 2a. Edicin.
Editorial Mc%raCG0ill2 M;>ico2 '554.
24. Polit2 Denise2 @. 0un#ler $ernadette P. "nvesti#acin cientica en ciencias de la
salud2 5ta. edicin. McG%raC 0ill "nteramericana2 Editores2 ).+. M;>ico2 D.@.
'55&.
''3
25. Polit2 Denise2 @. 0un#ler $ernadette P. "nvesti#acin cientica en ciencias de la
salud2 6ta. edicin. McG%raC 0ill "nteramericana2 Editores2 ).+. M;>ico2 D.@.
2666.
26. +rtiles 3isbal2 -eticia. El articulo ,ientico. 8evista ,ubana de Medicina
%eneral "nte#ral2 +bril Eunio2 '555. Disponible en el ?8-
/ttp*IIbvs.sid.cuIrevistasIm#iIvol''O4O55Im#i'5455./tm
2&. +merican Ps!c/olo#ical +ssociation P+P+Q P'554Q. Publication manual o t/e
+merican Ps!c/olo#ical +ssociation. P4t/ ed.Q. Lasin#ton2 D. ,. Disponible en
/ttp*IICCC.apa.or#
24. Da! 8. ,mo escribir ! publicar traba(os cienticos. Las/in#ton* =r#ani.acin
Panamericana de la salud. '556*4234.
25. ,a.au2 Pablo. 7ormas de Publicacin de la +P+. Disponible en
/ttp*IICCC.mono#raias.com
36. $adal2 Mauricio. Elaboracin de reerencias ! citas se#Hn las normas de la
+merican Ps!c/olo#ical +ssociation P+P+Q2 5R Edicin. Disponible en
/ttp*IICCC.momo#raias.comIapa.s/tml
''4

Desarrollo Del Proyecto de Investigación-Educacion - Modulo 1 Final

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Desarrollo Del Proyecto de Investigación-Educacion - Modulo 1 Final

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD CESAR VALLEJO

UNIVERSIDAD CESAR VALLEJO

También podría gustarte