See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/275954987

Chapter 23 - Xi Square applied to innovation

performance; Aplicacin del Mtodo Ji Cuadrado
Dataset May 2015

READS

36

2 authors:
Arturo Tavizon-Salazar

Jos Segoviano Hernndez

Autonomous University of Nuevo Len

Autonomous University of Nuevo Len

6 PUBLICATIONS 0 CITATIONS

7 PUBLICATIONS 0 CITATIONS

SEE PROFILE

All in-text references underlined in blue are linked to publications on ResearchGate,

letting you access and read them immediately.

SEE PROFILE

Available from: Arturo Tavizon-Salazar

Retrieved on: 18 June 2016

Captulo 23

APLICACIN DEL MTODO JI

CUADRADA
ARTURO TAVIZN SALAZAR1
JOS SEGOVIANO HERNNDEZ2
Universidad Autnoma de Nuevo Len (UANL) (Monterrey, Mxico)

Resumen: El mtodo de la prueba de Ji cuadrada tiene por objetivo evaluar el comportamiento del fenmeno esperado contra el comportamiento real, dicho mtodo
puede ser aplicado en anlisis polticos o en la evaluacin de polticas gubernamentales. Se ejemplifica la utilizacin del mtodo ji cuadrado en la evaluacin de la
poltica gubernamental del desarrollo de parques tecnolgicos como estrategia de
desarrollo de innovaciones en el rea metropolitana de Monterrey. Los resultados
demuestran a travs de la aplicacin del anlisis de la ji cuadrada, que los parques
tecnolgicos han sido una estrategia acertada para el desarrollo de innovaciones
tecnolgicas comparado con las innovaciones desarrolladas en los centros de investigacin fuera de estas instalaciones, los centros de investigacin de los parques

Arturo Tavizn S. Obtiene el ttulo de ingeniera electrnica por el Instituto Tecnolgico de Durango en 1996, es egresado de Tec de Monterrey Campus Monterrey y EGADE Business School de; la Maestra en Administracin de Tecnologas de Informacin y
Maestra en Administracin en 1999 y 2007 respectivamente, es PhDc con especialidad
en Administracin en el rea de concentracin de innovacin tecnolgica en la Facultad
de Contadura Pblica y Administracin de la Universidad Autnoma de Nuevo Len
[UANL] dic. 2013. Su experiencia laboral en la industria de telecomunicaciones como
ejecutivo de desarrollo de negocios, en el sector de educacin superior como profesor y
administrativo en el Tecnolgico de Monterrey por 11 aos, y profesor investigador en
la Universidad Autnoma de Nuevo Len en la Facultad de Contadura Pblica y Administracin desde Enero 2013 y expositor en congresos nacionales e internacionales,
[artavizons@gmail.com].
Jos Segoviano Hernndez. Doctorado en Filosofa con especialidad en Administracin,
por la Facultad de Contadura Pblica y Administracin de la Universidad Autnoma
de Nuevo Len [UANL]. Maestra en Metodologa de las Ciencias y Licenciatura en
Bibliotecologa, por la Facultad de Filosofa y Letras de la UANL. Se desempea como
Profesor de Tiempo Completo, Perfil PROMEP, Integrante del Cuerpo Acadmico Comunicacin Poltica, Opinin Pblica y Capital Social, Coordinador de la Maestra en
Relaciones Internacionales y Vocal del Comit de Doctorado en Filosofa con Orientacin en Relaciones Internacionales, Negocios y Diplomacia en la Facultad de Ciencias
Polticas y Administracin Pblica de la UANL [jose_segoviano01@hotmail.com].

500

Arturo Tavizn Salazar - Jos Segoviano Hernndez

tecnolgicos tienen una proporcin de generacin de innovaciones de un diez por

ciento mayor, con significancia estadstica, que los centros de investigacin de universidades y empresas grandes del rea metropolitana de Monterrey. Se concluye
con el resumen del proceso a seguir para la aplicacin del mtodo de la ji cuadrada
como apoyo para el diseo de experimentos y su comprobacin en las ciencias
sociales y polticas.
Palabras clave: Ji Cuadrada, Evaluacin Polticas Pblicas, Centros de Investigacin, Innovacin
Keywords: Chi Square, Public Policy Evaluation, Research Centers, Innovation.

SUMARIO: 1. INTRODUCCIN. 2. LA JI CUADRADA. 3. EJEMPLO DEL MTODO

JI CUADRADA APLICADO A LA POLTICA GUBERNAMENTAL. 4. CONCLUSIONES Y REFLEXIONES. 5. REFERENCIAS BIBLIOGRFICAS.

1. INTRODUCCIN
La investigacin cientfica en el rea de ciencias sociales y polticas debe
contener elementos de rigor cientfico que permiten identificar las variables
de los fenmenos a estudiar de manera ordenada, clara, lgica para llevar
acabo metodologas de anlisis de tipo estadstico que permitan comprobar
y sustentar cientficamente la existencia del fenmeno en estudio.
El problema en algunas investigaciones cualitativas es la dificultada del
investigador en la decisin de seleccionar un mtodo de anlisis de acuerdo
a las necesidades del fenmeno y con el tipo de variables en estudio. En la
figura 1 se muestra el flujo de decisiones que el investigador debe realizar
para decidir el mtodo estadstico de prueba de sus hiptesis.

501

Aplicacin del mtodo Ji cuadrada

Figura 1
Ubicacin de la seleccin de prueba de hiptesis por el mtodo de Ji
cuadrada

La figura 1 muestra la ubicacin de la prueba de hiptesis con la ji cuadrada de una variable. En la misma figura se enmarca el ejemplo que se
desarrolla en esta investigacin, donde la tabulacin cruzada se refiere a
la comparacin de dos variables con mnimo otras dos variables del tipo
nominal, esto es, una tabla de dos por dos.
El propsito del captulo es facilitar la identificacin de la correcta aplicacin del mtodo ji Cuadrada, para estudios cualitativos con variables de
medidas nominales, pertenecientes a una muestra aleatoria simple y representativa de una poblacin.

2. LA JI CUADRADA
La prueba de ji cuadrado de Pearson X2 examina las relaciones entre dos
variables que pueden ser dicotmicas, esto quiere decir que toman valores

502

Arturo Tavizn Salazar - Jos Segoviano Hernndez

de cero o uno, es decir la existencia o no existencia de un suceso, o variables

nominales de nivel con algunas categoras no ordenadas, este tipo de escala
provee menor cantidad de informacin que una distribucin normal o de
variables ordinales (Gliner, Morgan & Leech, 2009).
El mtodo de ji cuadrada se basa en variables con medida nominal que
permiten al investigador observar la frecuencia con la que suceden, como
ejemplo, la frecuencia de voto de los ciudadanos por un partido [a favor
o en contra]. En este mtodo las variables nominales por tanto se definen
como aquellas variables que sus caractersticas, atributos, o propiedades
categricas no son medibles, tambin llamadas variables no-mtricas. Esto quiere decir que la caracterstica es perceptible pero que no se pueden
hacer comparaciones de cantidades o medir su magnitud. Por ejemplo: la
preferencia hacia un partido, es una variable lgica, existe, pero no tiene
una magnitud definida y se puede expresar en frecuencias si un ciudadano
en las ltimas diez votaciones federales ha preferido votar por su partido
representativo. Otros ejemplos seran, marcas de autos, equipos de futbol
entre otros.
Dado lo anterior el mtodo de ji cuadrada se basa en frecuencias observadas en la muestra representativa de la poblacin, las cuales se pueden
percibir directamente en el fenmeno de estudio a travs de observacin,
encuestas o entrevistas.
Las variables nominales tienen la capacidad de ser expresadas en descriptivos estadsticos como; frecuencias, conteos, mximos, mnimos, y moda.
Sin embargo, no tienen la capacidad de ser medidas a travs de medianas,
distribuciones estndares, rangos, varianza, cuartiles y sesgo estos descriptivos se utilizan por variables de tipo razn e intervalo.
Una vez observadas las frecuencias de los atributos a investigar en las
variables nominales, se plantea la frecuencia esperada, la cual es identificada o definida por el investigador y contra la cual se compara la frecuencia
observada, esto permite validar si lo que sucede en la muestra corresponde
a lo esperado por el investigador, el valor de la frecuencia esperada se basa
en las probabilidades marginales de sus renglones y columnas, probabilidad
de un rengln y columna entre todos los renglones y columnas (Hair, 1998).
Un ejemplo sobre la frecuencia esperada es una postura tomada a priori
por el investigador, o un sondeo de intensin de voto previo a las elecciones
en donde se espera una frecuencia dada en un sondeo previo. Lo anterior
sera una prueba entre dos muestras independientes dado que no existe un
tratamiento a la muestra para posteriormente medirlo.

503

Aplicacin del mtodo Ji cuadrada

La definicin del estadstico de la ji cuadrada, calculado (Badii, 2012),

se define como:

Expresada en trminos reducidos ser:

X2

(FO FE)2
FE

La prueba de bondad de ajuste mediante el uso del estadstico ji cuadrado, es un valor calculado por el investigador y debe cumplir con dos
criterios para poder ser aplicado; que la muestra sea aleatoria simple, que
la cuenta de las frecuencias se obtenga de las categoras, y que la frecuencia
esperada de cada categora sea de al menos cinco observaciones.
Otra de las propiedades de la ji cuadrada es cuando las diferencias entre
las frecuencias observadas y frecuencias esperadas son grandes, es decir,
presentan valores distantes en comparacin de las diferencias promedio del
estudio. Esos casos, el valor del estadstico ser de mayor valor y por tanto
se sospechar que la aceptacin de la hiptesis nula ser posible y menos
probable de ser rechazada, as como tambin que los valores de ji cuadrada
nunca podrn ser negativos (Witte & Witte, 2010).
La bondad de ajuste se utiliza para comprobar si las frecuencias observadas se pueden validar con respecto a una distribucin en particular, en este
caso, la ji cuadrada.
El propsito de la prueba de bondad de ajuste con el uso del estadstico
ji cuadrado es comprobar la hiptesis [H0], si las frecuencias observadas se
van a distribuir de acuerdo a las frecuencias que se esperan en las diferentes
categoras del experimento multinominal.
El experimento multinominal es aquel que consiste en un nmero fijo de
intentos e independientes entre s, cuyo resultado slo tendr la seleccin de
una de la categoras o atributos. El ser independiente significa que no hay
influencia entre los diferentes intentos y que el resultado no depende de un
tiempo o paso anterior en el experimento (Sanders & Smidt, 2000).
Se requiere de la declaracin de las hiptesis, las cuales se pueden clasificar en trminos generales en tres categoras: de comparacin de grupos
de variables dependientes e independientes, de relacin de variables dependientes e independientes, y de descripcin de comportamientos de variables
dependientes e independientes, cada una de esas categoras pueden representarse en postulados o enunciados tanto como hiptesis nula como al-

504

Arturo Tavizn Salazar - Jos Segoviano Hernndez

ternativa (Creswell, 2009), cabe aclarar que en el mtodo de ji cuadrada, el

investigador no puede cambiar las hiptesis del mtodo por que ya estn
definidas por la prueba estadstica, de tal forma que el investigador deber
adaptar la idea de sus hiptesis a las mismas.
Tpicamente la hiptesis nula permite al investigador comprobar la no
existencia de la relacin de las variables en estudio, pero este mtodo ya
tiene su propia hiptesis nula a comprobar, la cual dice que la distribucin
de las frecuencias observadas se comportarn como una distribucin de ji
cuadrada.
Por lo anterior, se puede disear un postulado de la hiptesis nula [H0]
donde:
H0: Frecuencias Observadas = Frecuencias Esperadas
Si el nmero de las frecuencias observadas es igual a las frecuencias esperadas, entonces se acepta la hiptesis nula. Significa por tanto que las frecuencias siguen el mismo patrn de comportamiento. En cada experimento
el investigador debe disear dicho comportamiento esperado, a travs de las
diferentes frecuencias entre las diferentes categoras.
Una vez descrita la hiptesis nula se debe complementar con su hiptesis
alternativa [Ha] la cual se expresa:
Ha: Frecuencias Observadas Frecuencias Esperadas
Otra forma de representacin sencilla es, Ha: H0 es rechazada (Witte &
Witte, 2010).
Si la hiptesis nula es rechazada, la hiptesis alternativa se apoya cuando
la frecuencia observada y la frecuencia esperada por el investigador son
diferentes y no siguen un mismo comportamiento.
Ambas hiptesis anteriores deben ser sometidas a la suposicin de un
grado de confiablidad donde lo que se afirme en el estudio se cumpla en
un porcentaje significativo, tradicionalmente se utiliza en ciencias sociales
y polticas una confiabilidad del noventa y cinco por ciento y un error del
tipo I de cinco por ciento. Esto significa que existe la probabilidad de tener
un error del cinco por ciento de rechazar una hiptesis cuando en realidad
era verdadera la suposicin inicial del investigador3.
En ocasiones, si el estudio lo requiere, puede disear su investigacin con
una confiabilidad del noventa y nueve por ciento de confiabilidad y slo un
uno por ciento de error, pero esto puede impactar en el tamao ptimo de

Error tipo I es igual a a=1-b donde b se refiere al error tipo II, tpicamente del 10%.

Aplicacin del mtodo Ji cuadrada

505

la muestra aleatoria simple, la cual deber ser ms grande ya que implica

haber aumentado la confiabilidad y disminuido el margen de error.
Las anteriores hiptesis se deben comprobar, lo cual se puede hacer de
dos formas; una mediante el clculo del estadstico y su comparacin con la
tabla de probabilidades de la distribucin y la segunda mediante el P-valor,
con un nivel de significancia ptimo. En este desarrollo se utiliza el comparativo del estadstico vs el valor en tabla.
Las hiptesis nula y alternativa se comparan mediante la tabla de distribucin de probabilidades de la ji cuadrada, la cual cambia dependiendo
de la cantidad de categoras en el experimento, por tanto, es necesario calcular el grado de libertad de la distribucin. Se contabilizan la cantidad de
categoras a analizar menos uno, donde K= categoras o atributos y GL=
Grados de Libertad4, por tanto, GL= K-1. Una vez obtenidos los grados
de libertad se retoma el valor de alfa, = error tipo I =.05 para una confiabilidad del noventa y cinco por ciento, confiabilidad es el grado en que
el instrumento produce resultados consistentes y coherentes (Hernndez
Sampieri, 2006, p. 277).
Con los datos de los grados de libertad y el valor de alfa se pretende
identificar el lmite crtico, en el rea de distribucin de probabilidades de ji
cuadrada representada por los valores de la tabla de ji cuadrada, y a travs
de ella se puede comprobar si la hiptesis nula o la alternativa se acepta o
se rechaza [ver figura 3].
Las tablas de ji cuadrada se encuentran comnmente en los libros de
estadstica, las cuales en su primer fila contienen los valores de alfa y en su
primer columna los grados de libertad. Como Primer paso se identifica el
nivel de alfa deseado tpicamente [0.05] y como segundo paso se identifican
los grados de libertad en la primer columna, de tal forma, se busca el punto
de interseccin de ambos valores, lo cual dar como resultado el valor de ji
cuadrado de tabla, [vase tabla 1].

Los grados de libertad se refiere a la restriccin matemtica de la cantidad de nmeros libres

de variacin permitidos en una investigacin con una muestra para estimar las caractersticas
de la poblacin (Witte & Witte, 2010).

506

Arturo Tavizn Salazar - Jos Segoviano Hernndez

Tabla 1
Distribucin Ji Cuadrada para obtener valor crtico para prueba de
hiptesis
Distribucin Ji Cuadrada
rea en el Extremo superior [Alfa]

Grados de Libertad
[GL]

0.995

392.704X10-10

3.84146

...

...

...

11

2.60321

19.6751

...

0.05

Fuente: Anderson, Sweeney, and Williams (1999)

Como ejemplo, con la tabla 1 se identifica el valor de alfa a 0.05 y si se

tienen dos atributos o caractersticas entonces, K= 2 por tanto GL= K-1 =
2-1. El valor crtico para realiza las pruebas de hiptesis es el cruce de grados de libertad que en este caso es 1, con un 0.05 de alfa, lo cual deriva en
un valor de 3.84146. Dicho valor se tendr que comparar con el valor de ji
cuadrada calculado para decidir si la hiptesis se acepta o se rechaza.
Con los elementos anteriores; estadstico de prueba de ji cuadrado, hiptesis nula, alternativa y obtencin del valor crtico de la ji cuadrada mediante tablas se puede realizar la prueba de hiptesis y as poder decidir si H0 se
acepta o se rechaza, para decidir esto, las reglas de decisin son:
1. Si el valor de ji cuadrado calculado

X2

(FO FE)2
FE

< Valor

de ji cuadrado en tabla, [vase tabla 1], entonces la hiptesis nula se

acepta, no se puede rechazar, esto quiere decir que la frecuencia observada es igual a la frecuencia esperada por el investigador.
2. Si el valor de la ji cuadrada calculado

X2

(FO FE)2
FE

> Valor

de ji cuadrado en tablas, [vase tabla 1], entonces la hiptesis nula se

rechaza y se apoya la hiptesis alternativa Ha, esto quiere decir que
la frecuencia observada es diferente a la frecuencia esperada por el
investigador.
Las anteriores reglas de decisin permiten al investigador evaluar sus
hiptesis y llegar a conclusiones sobre los atributos que est midiendo en su
estudio cualitativo.

Aplicacin del mtodo Ji cuadrada

507

3. EJEMPLO DEL MTODO JI CUADRADA APLICADO A LA

POLTICA GUBERNAMENTAL
Para ilustrar la metodologa anterior se plantea el siguiente escenario
como ejemplo de investigacin.
Se trata de una investigacin cualitativa de tipo exploratorio, transeccional en el ao de 2013 sobre la vinculacin y generacin de innovacin en
los centros de investigacin del rea metropolitana de Monterrey (Tavizn
Salazar & Palomo Gonzlez, 2013), y en este ejemplo se busca evaluar la
eficiencia de las polticas gubernamentales sobre el impulso de la innovacin en la zona a travs de la generacin de parques tecnolgicos.
Las variables del estudio son del tipo nominal, y se definieron como:
Los diferentes centros de investigacin, las estrategias de vinculacin, la
generacin de innovacin tecnolgica. Estas variables son atributos o caractersticas semejantes que se miden a travs de un cuestionario aplicado a la
unidad de anlisis del rea metropolitana de Monterrey.
Se establecen como unidades de anlisis los centros de investigacin, es
decir, todos aquellos centros que conducen investigacin tanto pblicos como privados y que pueden estar dentro de las universidades o las empresas, o bien tratarse de centros investigacin pblicos con apoyos federales.
Sobre lo anterior se debe identificar el tamao de la poblacin y tamao
ptimo de la muestra, como se puede observar en la figura 2.

508

Arturo Tavizn Salazar - Jos Segoviano Hernndez

Figura 2
Poblacin y muestra de los centros de investigacin del rea
metropolitana de Monterrey
Muestra Aleatoria Simple

Fuente: SIEM (2012), CONACYT (2012)

La figura 2 describe la obtencin del tamao de la poblacin y del tamao ptimo de la muestra, a travs de los datos obtenidos del Sistema de Informacin Empresarial Mexicana [SIEM] y de datos de CONACYT sobre
centros de investigacin, donde se identifican a las empresas en general, y
que suman 16,191 en el estado de Nuevo Len, Mxico, y a esto, se suman
los centros de investigacin pblicos y privados para obtener la cantidad
de 16,255 que conforman el universo, ahora, para obtener la poblacin, el
investigador delimita, se identifican a las empresas medianas y grandes del
sector industrial y de servicios, siendo 419 empresas y se agregan los centros
de investigacin pblicos y privados de los siete municipios que conforman
el rea metropolitana de Monterrey, [Apodaca, Escobedo, Guadalupe, Pesquera, Santa Catalina, San Pedro Garza Garca, y Monterrey] dando un
total de 483 unidades de observacin, una vez identificada la poblacin se
calcula el tamao ptimo de la muestra.
Con los datos anteriores se realiza el clculo del tamao de la muestra
aleatoria simple de una poblacin finita mediante la utilizacin de la siguiente ecuacin:

509

Aplicacin del mtodo Ji cuadrada

Tamao provisional de la muestra (Hernndez Sampieri, 2006) donde:

n = tamao de la muestra provisional

S2 = Desviacin estndar
V2 = Varianza
SE = Error Estndar, asignada por el investigador, =.05 o =.01
P = Probabilidad que el fenmeno suceda, 50%.
El tamao de la poblacin [N] es igual a 483, donde el tamao de la
muestra [n] ser:

El resultado de esta operacin con probabilidad de 0.5 y un error estndar de 0.05 para una poblacin de 483 arroja una muestra aleatoria
requerida de 82.8 organizaciones a encuestar por tanto se redondea a 83
organizaciones [centros de investigacin tanto pblicas como privadas en el
rea metropolitana de Monterrey].
Para los centros de investigacin de la industria, como ya se indic, se
consideran todas aquellas empresas medianas y grandes de los sectores industrial y de servicios que pueden tener actividades de investigacin y de
desarrollo tecnolgico.
El tamao ptimo de la muestra aleatoria simple es de ochenta y tres
centros de investigacin. Durante la investigacin de campo se obtuvieron
noventa y seis cumpliendo con el requisito del tamao de la muestra. Una
vez efectuado lo anterior, se contabilizan las frecuencias de los centros de
investigacin identificados en las categoras que se muestran en la tabla 2.
El instrumento de medicin fue validado mediante el estadstico de Alfa
de Cronbach teniendo valor de .62 como mnimo y como mximo de .91
en sus doce constructos, se defini que esta investigacin es del tipo exploratorio y los valores del Alfa de Cronbach son aceptables a partir de .6 a
comparacin de anlisis confirmatorios que se solicita un valor de .7 a .9
para validar y evitar redundancia en los tems, lo cual puede considerarse
adecuado en su conjunto (Lvy Mangin & Varela Mallou, 2003).
La prueba de ji cuadrada es especialmente valiosa para datos nominales
pero puede ser utilizada con mediciones ordinales cuando la informacin

510

Arturo Tavizn Salazar - Jos Segoviano Hernndez

paramtrica ha sido reducida a categoras (Cooper & Schindler, 2011, p.

472) tal como se ha realizado en esta investigacin.
La tabla resultante con el conteo de frecuencias de las innovaciones de
empresas grandes, centros de investigacin en universidades, y centros de investigacin en parques tecnolgicos y se excluyen a las empresas medianas
debido a la consideracin a priori que las empresas grandes generan ms
innovaciones que las empresas medianas, por tanto la cantidad de innovaciones promedio anuales es de 51.52 y se muestran las cantidades de innovaciones promedio anuales de cada grupo, debido a lo anterior se expresan
las frecuencias de nmeros con decimales como se muestran en la Tabla 2.
La reduccin de las frecuencias se obtuvo del conteo de las innovaciones
de la investigacin de Tavizn Salazar and Palomo Gonzlez (2013) denominada Modelo de gestin de estrategias de vinculacin como generadoras
de proyectos de investigacin y desarrollo tecnolgico e innovacin: resultados preliminares, en el cual se utiliz una escala estilo Likert, en donde
las medidas se construyeron con la siguiente estructura:
Tabla 2
Obtencin de la escala likert
Cantidad de innovacin

Ninguna [0]

1a5

6 a 10

11 a 15

16 a 20 +

Escala Likert para codificacin

De las observaciones del estudio se obtuvo el promedio de la cantidad de

innovaciones por categora definida y de tal forma se crea la tabla 3 con las
frecuencias mostradas.
Tabla 3
Obtencin del valor calculado de Ji cuadrado
Clculo Manual del Estadstico de Prueba de Ji Cuadrado [X2]
Atributos
Centros de investigacin de Parques
Tecnolgicos

Centros de
Investigacin
Universidades

Centros de Investigacin Empresas

Grandes

Total

Cantidad de Innovaciones Observadas [FO]

20.35

14.27

16.9

51.52

Cantidad de Innovaciones Esperadas [FE]

20.608

15.456

15.456

51.52

511

Aplicacin del mtodo Ji cuadrada

Clculo Manual del Estadstico de Prueba de Ji Cuadrado [X2]

Atributos
Centros de investigacin de Parques
Tecnolgicos

Centros de
Investigacin
Universidades

Centros de Investigacin Empresas

Grandes

Total

Proporcin esperada
por el investigador

10

FO-FE

-0.258

-1.186

1.444

[FO-FE]2

0.066564

1.406596

2.085136

X2 = [FO-FE]2 / FE

0.003230008

0.09100647

0.134907867

[FO-FE]2 / FE, Ji
Cuadrado, X2 Calculado

0.229144345

En la tabla 3 se muestran los atributos los cuales son tres; Centros de

investigacin pertenecientes a parques tecnolgicos, centros de investigacin pertenecientes a universidades con investigacin formal con elementos
pertenecientes a sistema nacional de investigadores, y los posibles centros
de investigacin que se encuentran dentro de las empresas, todos lo anteriores desarrollan cierta cantidad de innovaciones tecnolgicas promedio por
ao, y estn representados en la tabla 3, para cada categora, donde para la
primer categora son veinte innovaciones promedio al ao, en la segunda
categora catorce, y en la tercera diecisis innovaciones promedio al ao.
El supuesto realizado por el investigador es probar si los centros de investigacin pertenecientes a un parque tecnolgico desarrolla mayor cantidad de innovaciones que los otros centros de investigacin del rea metropolitana, esto debido al apoyo que se est recibiendo por parte del gobierno
del estado cmo poltica del desarrollo de la innovacin en el rea metropolitana de Monterrey. Se trata de probar que dicha poltica tiene un efecto
positivo o viceversa.
El propsito de este anlisis mediante el mtodo estadstico ji cuadrada
pretende sustentar que la poltica gubernamental [de desarrollo de parque
tecnolgicos] contribuyen al desarrollo de la regin en materia de innovaciones.
Si se toma como base la premisa anterior, la proporcin esperada es de
4: 3: 3 respectivamente, esto es que los centros de investigacin aportar un
40% del 100%, los centros de investigacin de las universidades otro 30%
y por ltimo las empresas grandes del sector industrial y de servicios otro

512

Arturo Tavizn Salazar - Jos Segoviano Hernndez

30% de los proyectos de innovacin en el rea metropolitana de Monterrey

[AMM]. Con estos datos propuestos por el investigador se calculan las frecuencias esperadas mediante una regla de tres simple, en otras palabras un
clculo de porcentajes, multiplicando la proporcin esperada por la cantidad total de innovaciones promedio realizadas por los centros de investigacin del AMM y dividiendo dicho valor por el total de la proporcin, como
se muestran los resultados para cada frecuencia esperada en la tabla 3.
Una vez obtenida la tabla de frecuencias observadas y esperadas se lleva
a cabo el clculo del estadstico ji cuadra, el cual se obtiene uno por cada
atributo y se realiza una sumatoria para obtener el estadstico de la ji cuadrada calculado, vase tabla 3, para posteriormente ser comparado con el
valor de la tabla de distribuciones de ji cuadrado.
La obtencin del valor de ji cuadrado en tablas se obtiene, como anteriormente se describi [buscar el valor en tabla 1, el valor alfa es de 0.05
con una confiabilidad del 95% y dado que los atributos a analizar son tres,
esto quiere decir que K= 3 por tanto, los grados de libertad sern GL= K-1 =
3-1= 2, se tendrn dos grados de libertad por lo tanto, en la tabla se buscar
en la primer columna el nmero dos y posteriormente en el primer rengln
el valor de 0.05 y en su punto de interseccin se encontrar el valor del ji
cuadrado crtico para la prueba de hiptesis.
Tabla 4
Obtencin del valor de ji cuadrado en tablas con
K=3, GL=2 y Alfa=.05
Distribucin Ji Cuadrada
Grados de Libertad

rea en el extremo superior [Alfa=]

0.995

...

0.05

392.704X10^-10

...

3.84146

0.0100251

...

5.99147

...

...

...

...

11

2.60321

...

19.6751

El valor obtenido en la tabla es de 5.99147, y corresponde al valor crtico de la ji cuadra para comprobar la hiptesis. La figura 3 muestra grficamente el posicionamiento del valor crtico en la distribucin ji cuadrada
para su posterior prueba de hiptesis.

513

Aplicacin del mtodo Ji cuadrada

Figura 3
Valor crtico de prueba de ji cuadrada
Distribucin X2

Dichas hiptesis se plantean de forma estadstica como:

r
)
7BMPS
+J
$VBESBEB
$BMDVMBEB

7BMPS
EF
+J
$VBESBEB
EF
5BCMB
TJ

se cumple se acepta H0, de lo contrario se rechaza.
r
)B
7BMPS
+J
$VBESBEB
$BMDVMBEB

7BMPS
EF
+J
$VBESBEB
EF
5BCMB
TJ

se cumple se acepta Ha, de lo contrario se rechaza.
Sustituyendo los valores para evaluar las hiptesis sera:
H0: Valor Ji Cuadrada Calculada .22 < 5.99 Valor de Ji Cuadrada de
Tabla, se cumple, por tanto se acepta H0.
Debido a que el valor calculado es menor que el valor en tablas de ji
cuadrada, la hiptesis nula H0 se acepta y quiere decir que la condicin a
priori del investigadores confirmada. Esto significa que la hiptesis inicial
es aceptada y comprobada estadsticamente que los centros de investigacin
de parques tecnolgicos, s aportan mayor cantidad de innovaciones que el
resto de los centros de investigacin ubicados en universidades y empresas
del rea metropolitana de Monterrey. Lo anterior se demuestra debido a
que las frecuencias de innovaciones observadas en campo son similares a
las que se esperaba, por tanto la poltica gubernamental de crear parques
tecnolgicos e incluir centros de investigacin para aumentar el desarrollo
de innovaciones, est contribuyendo positivamente al desarrollo de las innovaciones.

514

Arturo Tavizn Salazar - Jos Segoviano Hernndez

4. CONCLUSIONES Y REFLEXIONES
Esta metodologa puede parecer sencilla al investigador, y no con ello
carente de rigor cientfico. Este rigor est relacionado con el proceso de su
implementacin vase figura 4.
Figura 4
Resumen del proceso de la metodologa Ji cuadrada

En la figura 4 se muestra los principales pasos del mtodo de ji cuadrada

para investigaciones del tipo cualitativo, la primer fase se plantea como el
diseo de la investigacin la cual contiene; la identificacin del problema,
planteamiento de hiptesis, identificacin de la poblacin y muestra, e identificacin de variables y atributos, en la segunda fase contempla el clculo
de los valores de la ji cuadrada donde es necesario obtener los valores observados del estudio de campo, generar el planteamiento de hiptesis relacionadas con las frecuencias esperadas, se obtiene el valor de ji cuadrada en
tablas y se calculan los valores por variable para su sumatoria final y obtener el ji cuadrado calculado. Como ltimo paso, se realiza la comprobacin
de hiptesis comparando la ji cuadrada calculada contra el valor de la tabla

Aplicacin del mtodo Ji cuadrada

515

y de esta forma poder aceptar o rechazar la hiptesis nula, y culminar en el

desarrollo de conclusiones.
Los hallazgos descritos en este ejemplo son reales y aplicables al rea metropolitana de Monterrey [AMM], sin embargo, los datos de los centros de
investigacin se omiten por confidencialidad de los encuestados. Los resultados obtenidos sobre los parques tecnolgicos del AMM son confirmados
por estudio realizados con otros mtodos estadsticos como la regresin
lineal mltiple, donde el resultado de la variable Parques tecnolgicos como
estrategia de vinculacin es significativa (Tavizn Salazar & Palomo Gonzlez, 2013).
Se invita al lector a profundizar el mtodo de Ji cuadrado mediante el
estudio de las tablas de contingencia, y la creacin de mapas perceptuales
utilizando el mtodo de escalas multivariables, en donde se pueden crear
mapas que identifican grficamente las similitudes, diferencias y asociaciones entre variables nominales, lo cual sera una propuesta para estudios
futuros sobre el tema de los centros de investigacin del AMM.

5. REFERENCIAS BIBLIOGRFICAS
Anderson, D. R., Sweeney, D. J. & Williams, T. A. (1999). Estadstica para administracin y economa (Sptima ed.). Mxico: Thomson.
Badii, M. H. (2012, Febrero dieciocho, 2012). [Curso doctoral de Investigacin
Aplicada].
Cooper, D. R. & Schindler, P. S. (2011). Business Research Methods (11th ed.). New
York, NY: McGraw-Hill / Irwin.
Creswell, J. W. (2009). Research Design: Qualitative, Quantitative, and mixed
method approaches. United States of America: Sage Publications. Inc.
Gliner, J. A., Morgan, G. A. & Leech, N. L. (2009). Research Methods in Applied
Settings and Integrated Approach to Desing and Analysis (2nd ed.). NewYork,
NY: Rourtledge Taylor & Francis Group.
Hair, J. F. (1998). Multivariate data analysis (5th ed.). Upper Saddle River, N.J.:
Prentice Hall.
Hernndez Sampieri, R., Fernndez, C. y Baptista, P.. (2006). Metodologa de la
investigacin (Cuarta ed.). Mxico: Mc Graw Hill.
Lvy Mangin, J.-P. & Varela Mallou, J. (2003). Anlisis Multivariable para Ciencias
Sociales (Primera ed.). Madrid, Espaa: Pearson, Prentice Hall.
Sanders, D. H. & Smidt, R. K. (2000). Statistics: A First Course (6th ed.). United
States of America: McGraw-Hill Higher Education.
Tavizn Salazar, A. & Palomo Gonzlez, M. A. (2013). Modelo De Gestin De
Estrategias De Vinculacin Como Generadoras De Proyectos De Investigacin
Y Desarrollo Tecnolgico e Innovacin: Resultados Preliminares. C. I. Carrazco
Soto (Ed.) XVII Congreso Internacional de investigacin en ciencias administrativas.

516

Arturo Tavizn Salazar - Jos Segoviano Hernndez

Witte, R. S. & Witte, J. S. (2010). Statistics. United States of America: John Wiley
& Sons, Inc.