15.

1 Media aritmética: Es el valor resultante que se obtiene al dividir la sumatoria

de un conjunto de datos sobre el número total de datos. Solo es aplicable para el

tratamiento de datos cuantitativos.

15.2 Alfa de Cronbach: Es uno de los coeficientes más comunes que se orienta
hacia la consistencia interna de una prueba. Usa de la correlación promedio entre los
ítem de una prueba si estos están estandarizados con una desviación estándar de
uno; o en la covarianza promedio entre los ítem de una escala, si los ítem no están
estandarizados.

El coeficiente alfa de Cronbach puede tomar valores entre 0 y 1, donde: 0 significa

confiabilidad nula y 1 representa confiabilidad total.

15.3 Media de adecuación del muestreo de kaiser-Meyer-Olkin: La medida de la

adecuación muestral de Kaiser-Meyer-Olkin (Coeficiente KMO) contrasta si las
correlaciones parciales entre las variables son pequeñas, toma valores entre 0 y 1, e
indica que el análisis factorial es tanto más adecuado cuanto mayor sea su valor.
Así, Kaiser propuso en 1974 el siguiente criterio para decidir sobre la adecuación
del análisis factorial de un conjunto de datos:

0,9<KMO1,0 = Excelente adecuación muestral.

0,8<KMO0,9 = Buena adecuación muestral.
0,7<KMO0,8 = Aceptable adecuación muestral.
0,6<KMO0,7 = Regular adecuación muestral.
0,5<KMO0,6 = Mala adecuación muestral.
0,0<KMO0,5 = Adecuación muestral inaceptable.

15.4 Test de Esfericidad de Bartlett: Se utiliza para probar la hipótesis nula que
afirma que las variables no están relacionadas en la población. Es decir, comprueba
si la matriz de relaciones es una matriz de identidad. Se puede dar como válidos
aquellos resultados que nos presenta un valor elevado del test y cuya fiabilidad sea
menor a 0.05. En este caso se rechaza la hipótesis nula y se continúa con el análisis.
15.5 Test de Bondad de Ajuste a la Curva Normal de Kolmogorov-Smirnov: La
prueba de Kolmogorov-Smirnov para una muestra es un procedimiento de "bondad
de ajuste", que permite medir el grado de concordancia existente entre la
distribución de un conjunto de datos y una distribución teórica específica. Su
objetivo es señalar si los datos provienen de una población que tiene la distribución
teórica especificada, es decir, contrasta si las observaciones podrían razonablemente
proceder de la distribución especificada. Si los datos obtenidos están agrupados de
manera normal se utilizan estadísticos paramétricos pero si los datos se encuentran
con agrupación dispersa se utilizan estadísticos no paramétricos.

15.6 Prueba Z de comparación de medias: Esta prueba se basa en la

aproximación normal de la distribución binomial.

Queremos comparar dos proporciones, p1 y p2, observadas en dos grupos distintos

de tamaños n1 y n2, respectivamente. Esta prueba es utilizable cuando los tamaños
muestrales n1 y n2 son grandes.