INDICE

ANALISIS DE DATOS
PROCEDIMIENTOS DE ANLISIS DE DATOS
CRITERIOS PARA SELECCIONAR UNA PRUEBA ESTADSTICA
TIPO DE ESCALA
HIPTESIS
ESCALA DE PROBABILIDAD
EFICIENCIA DE LA PRUEBA
CARACTERSTICAS MUESTRALES
TENDENCIA RECTILNEA O CURVILNEA DEL FENMENO
CUESTIONARIO
BIBLIOGRAFIA

ANALISIS DE DATOS

PROCEDIMIENTOS DE ANLISIS DE DATOS

Una vez concluidas las etapas de coleccin y procesamiento de datos se inicia con una
de las ms importantes fases de una investigacin: el anlisis de datos. En esta etapa
se determina como analizar los datos y que herramientas de anlisis estadstico son
adecuadas para ste propsito.

CRITERIOS PARA SELECCIONAR UNA PRUEBA

ESTADSTICA
Una investigacin bien planificada debe incluir en su diseo referencias precisas acerca
de las tcnicas estadsticas que se utilizan en el anlisis de los datos.
El anlisis estadstico es el procedimiento objetivo por medio del cual se puede aceptar
o rechazar un conjunto de datos como confirmatorios de una hiptesis, conocido el
riesgo que se corre -en funcin de la probabilidad- al tomar tal decisin. En las ltimas
dcadas, el desarrollo de las pruebas estadsticas se ha incrementado a tal grado que
en la actualidad se cuenta con varias pruebas alternativas, las cuales se pueden usar
para casi todo diseo experimental, de modo que el investigador se encuentra ante el
dilema de seleccionar la ms apropiada y econmica, para las preguntas que,
mediante la investigacin, desea contestar.
Ante esa situacin, es necesario tener una base racional, por medio de la cual se
seleccione la prueba ms apropiada. Esta seleccin constituye el punto crtico del
anlisis estadstico.
En la seleccin de una prueba estadstica, se deben aplicar los criterios siguientes:
1.
2.
3.
4.
5.

Tipo de escala.
Hiptesis.
Potencia y eficiencia de la prueba.
Caractersticas mustrales.
Tendencia rectilnea o curvilnea del fenmeno.

TIPO DE ESCALA
En las observaciones de una investigacin se puede dar una medicin que en este
campo consiste en asignar nmeros a objetos y eventos de acuerdo con reglas de la
lgica aceptables.
El sistema numrico es una creacin altamente lgica, que ofrece mltiples
posibilidades, para manifestaciones tambin de carcter lgico. Si se puede, de
manera legtima, asignar nmeros al describir caractersticas, objetos y eventos, ser
factible operar con ellos en todos sus modos permisibles y, de esas operaciones,
derivar conclusiones aplicables a los fenmenos observados y medidos. Entonces, se
justifica describir cosas reales por medio de nmeros, siempre y cuando exista un
grado de isomorfismo (semejanza de propiedades) entre las cosas reales y el sistema
numrico, es decir, ciertas propiedades de los nmeros deben tener paralelismo con
los fenmenos observados, para que confiadamente se pueda asignar los nmeros.
Tres propiedades fundamentales de los nmeros permiten su aplicacin en el campo de
la investigacin cientfica: identidad, ordinalidad y aditividad.

Identidad
Cada nmero slo es igual a s mismo, de manera que ningn otro es igual a l,
es decir, posee identidad y, por lo tanto, a cualquier objeto o evento
diferenciable de los dems, que tenga identidad, se le podr aplicar un nmero.
Este carcter de identidad de los nmeros de origen a la escala nominal, que es
un mtodo para identificar cualitativamente los distintos objetos y eventos, y
resulta obvio que no se le puede dar ningn significado cuantitativo, por
ejemplo: si en un modelo experimental se cuenta una serie de clases, en las
cuales se consignan sus frecuencias, stas revelan un conjunto de cada clase.
Grupo de 200 nios con y sin estrabismo.

Bajo el contexto de la tabla anterior, una muestra de 200 individuos en edad infantil se
ha clasificado en dos grupos por sexo (masculino y femenino) y por la presencia o
ausencia de estrabismo. Como punto de partida, la operacin de escalamiento consiste
en que, a partir de una clase dada, se forman subclases que se excluyen mutuamente.
La nica relacin implicada es la de equivalencia, esto es, los miembros de cualquier
subclase deben ser equivalentes en la propiedad de medida. A su vez, la relacin de
equivalencia es reflexiva, simtrica y transitiva.
Por otro lado, las frecuencias informan de conjuntos de nios o serie de clases con una
categora e identidad, que dan una medida de las observaciones y son los valores
sujetos a operaciones aritmticas. En estas condiciones, se puede contrastar hiptesis
de la distribucin de los casos, mediante la aplicacin de pruebas estadsticas no
paramtricas del tipo de prueba binomial, ji cuadrada y McNemar. Todas estas pruebas
son apropiadas para datos nominales, pues revelan las frecuencias en las categoras,
es decir, en datos enumerativos.

Ordinalidad
Adems de contar con la propiedad de identidad, las pruebas tambin tienen un
orden o rango siempre mayor que otro, el cual le precede en un continuum
ascendente. Los objetos y eventos susceptibles de un ordenamiento a lo largo
de un continuum tienen una escala ordinal.
Las escalas ordinales se emplean frecuentemente en la investigacin clnica, en
la que el refinamiento cuantitativo a veces no es posible; por ejemplo: cuando
se clasifica una respuesta en pacientes bajo los trminos sin cambio, mejorado,
curado, esto indica un rango de orden y clasificacin.
En conclusin, cabe establecer que mientras las escalas nominales slo
clasifican, las ordinales clasifican y ordenan, de manera que dan como resultado
una serie de clases y categoras mutuamente exclusivas, llamadas rangos.

Aditividad
Es importante comprender que los nmeros tienen propiedad aditiva, lo cual
quiere decir que la suma de un nmero con otro debe dar un tercer nmero
nico. Esta propiedad de los nmeros no slo identifica y ordena, sino adems
puede sujetarse a todas las operaciones aritmticas de los nmeros. Las

conclusiones de tales operaciones son vlidas para las observaciones y dan

lugar a la denominada escala de intervalo.
De las mediciones que en el terreno de la investigacin se hayan realizado,
puede inferirse que el tipo de escala (nominal, ordinal e intervalo), de modo que
ste es el
primer paso
para elegir
un
procedimiento estadstico: la prueba paramtrica y la no paramtrica.
Mediciones, variables y escala para la eleccin de la prueba estadstica.

Niveles de Medicin
Medir significa asignar nmeros a objetos y eventos de acuerdo a reglas (Stevens,
1951), esta definicin es adecuada para el rea de ciencias naturales, en el campo de
las ciencias sociales medir es el proceso de vincular conceptos abstractos con
indicadores empricos (Carmines y Zeller, 1979, p. 10).
La medicin de las variables puede realizarse por medio de cuatro escalas de medicin.
Dos de las escalas miden variables categricas y las otras dos miden variables
numricas (Therese L. Baker, 1997). Los niveles de medicin son las escalas nominal,
ordinal, de intervalo y de razn. Se utilizan para ayudar en la clasificacin de las
variables, el diseo de las preguntas para medir variables, e incluso indican el tipo de
anlisis estadstico apropiado para el tratamiento de los datos.
Una caracterstica esencial de la medicin es la dependencia que tiene de la posibilidad
de variacin. La validez y la confiabilidad de la medicin de una variable depende de
las decisiones que se tomen para operacionalizarla y lograr una adecuada comprensin
del concepto evitando imprecisiones y ambigedad, por en caso contrario, la variable
corre el riesgo inherente de ser invalidada debido a que no produce informacin
confiable.
a) Medicin Nominal.
En este nivel de medicin se establecen categoras distintivas que no implican un
orden especfico. Por ejemplo, si la unidad de anlisis es un grupo de personas, para
clasificarlas se puede establecer la categora sexo con dos niveles, masculino (M) y
femenino (F), los respondientes solo tienen que sealar su gnero, no se requiere de un
orden real.
As, si se asignan nmeros a estos niveles solo sirven para identificacin y puede ser
indistinto: 1=M, 2=F o bien, se pueden invertir los nmeros sin que afecte la medicin:
1=F y 2=M. En resumen en la escala nominal se asignan nmeros a eventos con el
propsito de identificarlos. No existe ningn referente cuantitativo. Sirve para nombrar
las unidades de anlisis en una investigacin y es utilizada en crceles, escuelas,
deportes, etc. La relacin lgica que se expresa es: A B (A es diferente de B).
b) Medicin Ordinal.

Se establecen categoras con dos o ms niveles que implican un orden inherente entre
s. La escala de medicin ordinal es cuantitativa porque permite ordenar a los eventos
en funcin de la mayor o menor posesin de un atributo o caracterstica. Por ejemplo,
en las instituciones escolares de nivel bsico suelen formar por estatura a los
estudiantes, se desarrolla un orden cuantitativo pero no suministra medidas de los
sujetos. La relacin lgica que expresa esta escala es A B (A es mayor que B).
Clasificar a un grupo de personas por la clase social a la que pertenecen implica un
orden prescrito que va de lo ms alto a lo ms bajo. Estas escalasadmiten la asignacin
de nmeros en funcin de un orden prescrito.
Las formas ms comunes de variables ordinales son tems (reactivos) actitudinales
estableciendo una serie de niveles que expresan una actitud de acuerdo o desacuerdo
con respecto a algn referente. Por ejemplo, ante el tem: La economa mexicana debe
dolarizarse, el respondiente puede marcar su respuesta de acuerdo a las siguientes
alternativas:

Totalmente de acuerdo
De acuerdo
Indiferente
En desacuerdo
Totalmente en desacuerdo

Las anteriores alternativas de respuesta pueden codificarse con nmeros que van del
uno al cinco que sugieren un orden preestablecido pero no implican una distancia entre
un nmero y otro. Las escalas de actitudes son ordinales pero son tratadas como
variables continuas (Therese L. Baker, 1997).
c) Medicin de Intervalo.
La medicin de intervalo posee las caractersticas de la medicin nominal y ordinal.
Establece la distancia entre una medida y otra. La escala de intervalo se aplica a
variables continuas pero carece de un punto cero absoluto. El ejemplo ms
representativo de este tipo de medicin es un termmetro, cuando registra cero grados
centgrados de temperatura indica el nivel de congelacin del agua y cuando registra
100 grados centgrados indica el nivel de ebullicin, el punto cero es arbitrario no real,
lo que significa que en este punto no hay ausencia de temperatura.
Una persona que en un examen de matemticas que obtiene una puntuacin de cero
no significa que carezca de conocimientos, el punto cero es arbitrario porque sigue
existiendo la caracterstica medida.
d) Medicin de Razn.
Una escala de medicin de razn incluye las caractersticas de los tres anteriores
niveles de medicin anteriores (nominal, ordinal e intervalo). Determina la distancia
exacta entre los intervalos de una categora. Adicionalmente tiene un punto cero
absoluto, es decir, en el punto cero no existe la caracterstica o atributo que se mide.
Las variables de ingreso, edad, nmero de hijos, etc. son ejemplos de este tipo de
escala. El nivel de medicin de razn se aplica tantoa variables continuas como
discretas.
Pruebas Estadsticas (Paramtricas y No paramtricas)
Las pruebas paramtricas asumen los parmetros de la distribucin de la variable
(media y varianza) y un tipo de distribucin normal.

Las pruebas no paramtricas no asumen acerca de los parmetros de distribucin ni se

preocupa por el tipo de distribucin, sino trabajan con simple ordenacin y recuento a
los valores de la variable sin importar la distribucin.
Pruebas Paramtricas
Para usarlas deben cumplirse supuestos:

Las variables tienen que ser cuantitativas y estar medidas en escalas de

intervalo o razn.
Los datos siguen una distribucin normal.
Las varianzas son iguales.
Muestras grandes (n>30)

Pruebas no paramtricas
Se deben usar con:

Datos de distribucin libre (no necesariamente normal). Si un grupo tiene

distribucin normal mientras el otro no.
Si se trata de datos cuantitativos, ordinales o nominales.
Con varianza grande, un grupo con varianza 0 y el otro no.
Al trabajar con muestras pequeas.

Las pruebas paramtricas tienen ms poder de contraste y pueden analizar

interacciones entre variables independientes.
HIPTESIS
La declaracin de la hiptesis alterna (Ha) que se desea analizar debe ser precisa, tan
completa como resulte posible, pues se trata de la aseveracin operacional de la
hiptesis de investigacin por el experimentador. Debe precisar la direccin que se
espera o la ausencia de direccin. Este ltimo punto es fundamental para decidir si la
prueba estadstica por elegir ser de una o dos colas.
Conjuntamente al proceso anterior, se declara la hiptesis nula (Ho), en la cual
simplemente se establece la ausencia de diferencia y se declara, pare percibir con
claridad, que la hiptesis se ajusta a la prueba estadstica. Esto significa que al analizar
un conjunto de observaciones, stas deben sujetarse a un ensayo de hiptesis nula,
condicin en la que se basan todas las pruebas estadsticas.
El investigador, al contrastar hiptesis de diferencias y/o correlacin, lo establece en
funcin de una hiptesis alterna (Ha) -punto fundamental de la experimentacin-, en
contra de la hiptesis nula (Ho). Para decidirse por una o por la otra, debe proponerse
un razonable nivel de significancia, desde antes de aplicar la prueba estadstica.
El nivel de significancia o significacin corresponde al lmite de confianza, del riesgo de
error, que enjuicia el investigador para aceptar su Ha como verdadera. De manera
universal y arbitraria, dicho nivel se ha fijado en 0.05 y 0.01 de error y en 0.95 y 0.99
de certeza para aceptar hiptesis en el rea psicolgica, porque se espera un 5% de
variacin en las mediciones.

En la teora contempornea de la decisin estadstica, se han tratado de rechazar los

procedimientos que implican adhesin al nivel de significancia comentados, y se
favorece el uso de procedimientos en los que las decisiones se toman en trminos de
funcin de prdida, utilizando principios de minimax; sin embargo, aunque parece
conveniente esta tcnica, las posibilidades de aplicacin prctica son dudosas en gran
parte, en la investigacin psicolgica.
Contrariamente a lo anterior, tambin se debe establecer la zona de rechazo, la cual
corresponde al lmite de confianza, en que el investigador rechaza la hiptesis alterna y
acepta la hiptesis nula.
Bajo los trminos expresados, el investigador debe ser meticuloso al elegir la prueba
estadstica y al plantear la hiptesis, el nivel de significancia y la zona de rechazo, en
virtud de que es factible cometer dos errores graves en la decisin estadstica:
1.
2.

Error del tipo I. Rechazar la hiptesis nula (Ho), siendo verdadera.

Error del tipo II. Aceptar la hiptesis nula (Ho), siendo falsa.

Debe quedar claro que en cualquier inferencia estadstica existe el peligro de cometer
cualquiera de los errores mencionados y que el investigador equilibre en un nivel
ptimo las propiedades de incurrir en uno u otro tipo de error.
La probabilidad de cometer un error del tipo I est dada por (alfa), de manera que
cuanto mayor sea alfa, ms probable ser que Ho se rechace, siendo verdadera; a su
vez, el error de tipo II est representado por (beta). La siguiente figura muestra una
escala de falso a verdadero, donde cero es falso y el valor uno verdadero.
ESCALA DE PROBABILIDAD.
Entre el 0 y el 1 existen valores
intermedios, mientras que donde
marca 0.95 existe una diferencia
de 0.05 con respecto a 1. Este
lmite corresponde al nivel de
significancia o error alfa, donde
todo valor igual o menor que
0.05 se acepta Ha. Por lo tanto, 1
- alfa = beta. Se dice que en esta
circunstancia, el investigador
elige una cola en la decisin
estadstica. Por otra parte,
cuando adems de imponer un
valor de alfa razonablemente
pequeo para aceptar Ha,
tambin define un valor de beta
para aceptar Ho, elige dos colas.
De no decidir entre una u otra

hiptesis, el investigador se
plantea la alternativa de
aumentar el tamao de la
muestra, para que el fenmeno
se define con ms claridad y la
decisin en el contraste de la
hiptesis sea ms consistente.

EFICIENCIA DE LA PRUEBA
La validez del anlisis estadstico depende mucho de la eficacia de la prueba
estadstica empleada. Se acepta que una prueba estadstica es eficaz cuando tiene una
probabilidad muy pequea de rechazar una hiptesis verdadera, y una alta
probabilidad de rechazar la hiptesis cuando sta es falsa. En presencia de dos pruebas
estadsticas, cuya probabilidad de rechazar hiptesis falsas sea igual, la seleccin en
principio debe inclinarse hacia la prueba que tenga la mayor probabilidad de aceptar la
hiptesis cuando es verdadera.
La pruebas estadsticas se dividen en dos grandes grupos: paramtricas y no
paramtricas. Las primeras son aquellas cuyo modelo especifica ciertas condiciones o
premisas que debe tener la poblacin, de la cual se ha derivado la muestra bajo
anlisis; adems se requiere expresar las observaciones en escala de intervalo o tasa.
Por otra parte, las pruebas no paramtricas, como su nombre lo indica, no requieren
satisfacer esas condiciones o premisas.
Las pruebas paramtricas son las ms eficaces y de uso comn en la investigacin,
como las de comparacin de promedios o prueba t de Student y la de anlisis de
varianza de Fischer. Ambos procedimientos deben cumplir las premisas siguientes:

1.

2.
3.
4.

Las observaciones deben ser independientes. Al seleccionar un caso, para

incluirlo en la muestra, no se deben prejuiciar las probabilidades de
seleccin de ningn otro caso de la poblacin, asimismo, la puntuacin que
se d a una observacin no debe prejuiciar a ninguna otra.
Las poblaciones deben provenir de universos cuya distribucin siga una
curva normal.
Las poblaciones deben tener la misma varianza, aunque en casos especiales
es suficiente con saber la tasa de sus varianzas.
Las variables consideradas en el estudio deben ser medidas por lo menos en
escala de intervalo, para que sea posible hacer operaciones aritmticas.

Cuando por cualquier razn no se puedan cumplir los requisitos de las pruebas
paramtricas, el investigador podr recurrir a las llamadas pruebas alternas, como la
prueba t de Student-Welch, la F asimilada de Cochran y la F de Tukey. En ellas no hay
exigencia de homogeneidad de varianzas y, auxiliadas por un modelo matemtico de
ajuste, se puede obtener una eficacia que es muy cercana a la de las pruebas t de
Student y de anlisis de varianza.
Cabe sealar que, conforme menos condiciones o presunciones exigen una prueba
estadstica, en que se basa su modelo matemtico, ms generales son sus
conclusiones derivadas de su aplicacin; sin embargo, tambin es menos eficaz para
rechazar la influencia del azar, cuando ste no desempea un papel importante.
Cuando las observaciones en escala de intervalo no se ajustan a las premisas de las
pruebas paramtricas, el investigador debe estimar la prdida de eficacia para decidir
utilizar los procedimientos no paramtricos, y transformar aquellas en escalas
nominales u ordinales.
CARACTERSTICAS MUESTRALES
La manera en que influye la muestra para elegir una prueba estadstica est en funcin
de su tamao, seleccin y distribucin en el diseo experimental.

Tamao de la muestra
Anteriormente se habl de que la eficacia de una prueba estadstica disminuye
cuando se reducen las condiciones o premisas del modelo; sin embargo, a
medida que aumenta el tamao de la muestra, se incrementa tambin la
eficacia.
Dicha aseveracin generalmente es verdadera para muestras de tamao
definido, pero pueden carecer de veracidad al compararse dos pruebas
estadsticas con muestras de tamaos diferentes, es decir, si con un tamao de
30 por cada grupo, una prueba A puede ser ms eficaz que la prueba B; en
cambio, la prueba B es ms eficaz que A cuando sta slo cuenta con un
tamao de muestra igual a 20. En otras palabras, se puede evitar escoger entre
potencias y generalizacin, para lo cual se selecciona una prueba estadstica
que tenga amplia generalizacin, y luego aumentar su eficacia, comparable a la
prueba ms til, incrementando el tamao de la muestra.

Seleccin de la muestra
Las muestras por analizar pueden ser independientes y dependientes o
relacionadas.

Muestras independientes. Son aquellas cuyo universo de poblacin resulta

diferente, lo cual no quiere decir que provengan de reas desconocidas, sino
que, en trminos de estadstica, la fenomenologa estudiada puede ser

consecuencia de variables distintas y que, por cada variable existente, hay un

universo finito o infinito; por ejemplo, en la Tierra hay un nmero finito de seres
humanos, pero la variable sexo divide en dos universos diferentes: hombres y
mujeres. En el mismo sentido, el estado civil define otros universos distintos,
solteros, casados, divorciados, viudos, etc. De esta manera, se pueden
enumerar mltiples variables, que dan lugar a una infinidad de universos
mustrales, de donde es factible elegir muestras independientes.
o

Muestras dependientes o relacionadas. Se refieren a las provenientes de un

universo muestral, a las que se aplicar un plan experimental, mediante el cual
se espera un cambio, que obligadamente exige un punto de referencia de no
cambio. Para esta condicin, el mismo grupo experimental sirve como control o
testigo, en el momento previo al tratamiento. De esta manera, en el anlisis de
las observaciones existen dos perodos: antes y despus del tratamiento.

Distribucin de la muestra en el diseo experimental

En los diseos experimentales, el nmero de muestras con que est elaborado
el modelo de investigacin tiene singular valor para elegir la prueba estadstica,
pues las conclusiones a que se llegue al no aplicar la prueba adecuada darn
lugar a falsas interpretaciones del experimento.

En los modelos de investigacin, se puede contar con una, dos o muchas muestras.
Asimismo, puede tratarse de muestras independientes o dependientes o relacionadas.
Estas caractersticas dan un atributo al diseo experimental, que obliga a analizar los
datos de manera diferente, acorde con el modelo estadstico que mejor se ajuste a
contestar las preguntas planteadas por la hiptesis. Para saber si los pacientes han
alcanzado una total remisin de la enfermedad, se atiende a los hallazgos de tiempo de
sobrevida y a las alteraciones clnicas de la patologa. Si cuenta con varios
tratamientos, se plantea la pregunta de cul de ellos ha sido ms efectiva. As, se
puede decir que una investigacin cuanta con subclases diferentes. Para analizar sus
observaciones y tomar una decisin de la efectividad de los tratamientos, se pueden
elegir las pruebas estadsticas diseadas para contrastar una hiptesis y para una
muestra.
Un ejemplo vlido es el de un investigador que trabaja con roedores, para estudiar las
caractersticas conductuales de agresividad y la concentracin de neurotransmisores
en el sistema nervioso central. El conjunto de la muestra est constituido por cobayos,
ratas y ratones, que representan grupos con tres gradientes de agresividad. En estas
condiciones, el diseo experimental tiene tres muestras independientes.
La eleccin de la prueba estadstica se basar en las dos caractersticas y en el tipo de
escala de las mediciones. En el supuesto de que las concentraciones de
neurotransmisorestengan una medicin cuantitativa, una variable continua, una escala
de intervalo y una distribucin normal, con varianzas homogneas, la eleccin ms
adecuada ser el anlisis de varianzas de Fischer de una entrada. Si la decisin del
investigador fuera utilizar la prueba t de Student, diseada para dos muestras,
cometera tres errores graves: a) prdida de tiempo, b) las comparaciones seran
mltiples, tantas como combinaciones existan (cobayos con ratas, cobayos con ratones
y ratas con ratones), c) el ms trascendente, desde el punto de vista de la decisin
estadstica: las conclusiones a que se llegue no sern consecuencia de comparaciones
independientes, sino resultarn aisladas y en pequeos pares de grupos de contraste.
Es decir, si el investigador supone de antemano que entre los grupos existe variacin
en el grado de agresividad, perder la informacin que la variacin entre y dentro de
grupos le demuestre la existencia de una diferencia verdadera, al no incluir
simultneamente a los tres grupos.

El ejemplo descrito permite comprender que cuando se analizan simultneamente

diversos grupos de muestras, las variaciones manifestadas entre los grupos de estudio
dan lugar a una diferenciacin falsa o verdadera. Los contrastes parciales que se
verifiquen llevan el ttulo de independientes, porque se supone una simultnea
variacin o discordancia entre los grupos. As, se dice que, en estas condiciones, el
modelo experimental conserva ortogonalidad.
A veces, debido al diseo creado por el investigador, se proponen comparaciones con
un modelo de referencia, en el cual se supone la no existencia de modificaciones con
respecto a la aplicacin de tratamientos o variables. Estos grupos, tambin
denominados control o testigo, servirn de lnea base para medir los cambios que
pudieran presentarse en los otros grupos. De esta manera, la magnitud del cambio
ser dependiente de lo que suceda en el control. Este tipo de diseo experimental,
debido a las comparaciones dependientes, ha perdido ortogonalidad. (Con mediciones
de intervalo, se tiene la prueba de Tukey.)
TENDENCIA RECTILNEA O CURVILNEA DEL FENMENO
Cuando la hiptesis resulta probar la asociacin o correlacin de variables, es
importante conocer la linealidad del fenmeno. Si es rectilneo y tiene una escala de
intervalo, la aplicacin del coeficiente de correlacin de Pearson parece adecuada; pero
si este mismo procedimiento se aplica a un fenmeno curvilneo -aun cuando exista
una verdadera asociacin-, dar lugar a aceptar hiptesis de no asociacin.
Un fenmeno curvilneo puede tornarse en rectilneo, mediante transformaciones
matemticas (logaritmos, funcin recproca, seno, coseno, etc.) y as aplicar la
correlacin de Pearson.
Si se desconoce la linealidad, se deber utilizar la prueba de anlisis de covarianza
para determinar la funcin matemtica ms acorde con el fenmeno estudiado

CUESTIONARIO
1.- Qu determina el anlisis de datos?
Determina como analizar los datos y que herramientas de anlisis estadstico
son adecuadas para ste propsito.
2.- Qu es un anlisis estadstico?
Es el procedimiento objetivo por medio del cual se puede aceptar o rechazar un
conjunto de datos como confirmatorios de una hiptesis.
3.- Cules son los criterios para seleccionar una prueba estadstica?
Los criterios son los siguientes:
1.
2.
3.
4.
5.

Tipo de escala.
Hiptesis.
Potencia y eficiencia de la prueba.
Caractersticas mustrales.
Tendencia rectilnea o curvilnea del fenmeno.

4.- Cules son las propiedades fundamentales de los nmeros y defina cada una de
ellas?
Identidad.-Cada nmero slo es igual a s mismo, de manera que ningn otro es
igual a l, es decir, posee identidad y, por lo tanto, a cualquier objeto o evento
diferenciable de los dems, que tenga identidad, se le podr aplicar un nmero.
Ordinalidad- Las pruebas tambin tienen un orden o rango siempre mayor que
otro.
Aditividad.-Es importante comprender que los nmeros tienen propiedad aditiva,
lo cual quiere decir que la suma de un nmero con otro debe dar un tercer nmero
nico.
5.- Qu escalas se usan para la eleccin de la prueba estadstica?
Escalas Nominales, Ordinarias y de Intervalo.
6.- Qu hiptesis se utilizan para la eleccin de un aprueba estadstica?
Hiptesis Nula
Hiptesis Alterna
7.- Cules son las pruebas paramtricas?
Son aquellas cuyo modelo especifica ciertas condiciones o premisas que debe
tener la poblacin, de la cual se ha derivado la muestra bajo anlisis; adems se
requiere expresar las observaciones en escala de intervalo o tasa.
8.- Qu es una prueba no paramtrica?
Como su nombre lo indica, no requieren satisfacer esas condiciones o premisas.

9.- Qu es una muestra independiente?

Es aquella cuyo universo de poblacin resulta diferente, lo cual no quiere decir
que provengan de reas desconocidas, sino que, en trminos de estadstica, la
fenomenologa estudiada puede ser consecuencia de variables distintas y que, por
cada variable existente, hay un universo finito o infinito.
10.- Cuando se habla de una muestra dependiente o relacionada a que nos referimos?
Se refieren a las provenientes de un universo muestral, a las que se aplicar un
plan experimental, mediante el cual se espera un cambio, que obligadamente exige un
punto de referencia de no cambio.

BIBLIOGRAFIA

www.ray-design.com.mx

vila Baray, H.L. (2006) Introduccin a la metodologa de la investigacin

Edicin electrnica.