INTERVALO DE CONFIANZA (IC): DEFINICIÓN Y PROPIEDADES

El intervalo de confianza describe la variabilidad entre la medida obtenida en un estudio

y la medida real de la población (el valor real). Corresponde a un rango de valores,
cuya distribución es normal y en el cual se encuentra, con alta probabilidad, el valor
real de una determinada variable. Esta «alta probabilidad» se ha establecido por
consenso en 95%. Así, un intervalo de confianza de 95% nos indica que dentro del
rango dado se encuentra el valor real de un parámetro con 95% de certeza5-8.

Para comprender y hacer intuitivo el concepto de intervalo de confianza utilizaremos un

ejemplo clásico6:

Supongamos que tenemos una moneda, la cual puede o no estar balanceada. Así,
después de varios lanzamientos, la probabilidad que el resultado sea sello variará desde
0 (todas las veces cara, es decir, una moneda balanceada) hasta 1 (todas las veces sello,
nuevamente balanceada), pasando por 0,5 (la mitad de las veces sello y las otras cara, lo
que equivale a una moneda no balanceada). Como no conocemos la verdadera
naturaleza de la moneda, vamos a experimentar con ella.

Iniciamos el experimento con 2 lanzamientos, uno es cara y el otro es sello. La

probabilidad de que el resultado sea sello fue 0,5, con lo que podríamos concluir que la
moneda no está balanceada, sin embargo, ¿con sólo 2 lanzamientos podemos concluir
con total certeza que esa es la naturaleza de la moneda? La respuesta es no, por lo tanto
¿cuál es el rango de valores donde se encuentra el valor real? Dado que el azar pudo
influir en este resultado, uno acepta que el rango de valores reales posibles es amplio,
incluso desde uno tan bajo como 0 a uno tan alto como 1, por lo tanto aún no estamos
seguros de la naturaleza de nuestra moneda.

Considerando lo anterior, ampliamos el experimento y realizamos 8 nuevos

lanzamientos (10 en total), resultando 5 caras y 5 sellos. Nuevamente el resultado es
0,5, sin embargo, ahora intuitivamente nos percatamos que la verdadera naturaleza de la
moneda se encuentra en un rango menos amplio. Por ejemplo, es poco probable que
después de 10 lanzamientos 9 sean sello, menos aún que todos lo sean, sin embargo, aún
es factible que 8 ó 7 ó 6 sí lo sean. Así, nuestro nuevo rango puede variar entre 0,2 y
0,8, pero con un alcance: todos advertimos que si bien 0,8 y 0,2 son posibles, los valores
centrales (0,4 y 0,6) lo son más aún, siendo 0,5 el más probable.

Decidimos seguir experimentando, realizando 90 nuevos lanzamientos (100 en total),

resultando 50 caras y 50 sellos. Nuevamente el resultado es 0,5, advirtiendo que cada
vez es más probable que la verdadera naturaleza de nuestra moneda es el de una no
balanceada, pero aún con un rango de variabilidad que podríamos estimar entre 0,4 y
0,6 (es decir, que después de 100 lanzamientos, el resultado real varíe entre 40 y 60
sellos).

Realizamos 1.000 lanzamientos, resultando 500 sellos y 500 caras, con lo que estamos
aún más seguros que nuestra moneda no está balanceada (nuestro rango puede ser 0,45 a
0,55 o menor).
El ejemplo anterior nos permite aclarar varios conceptos:
• La «verdadera naturaleza» de nuestra moneda (si está balanceada o no) corresponde
al valor real.

• El rango de valores reales posibles, es decir, el rango donde se encuentra la verdadera

naturaleza de nuestra moneda, corresponde al IC.

• El valor real más probable corresponde al estimador puntual del estudio, en este caso
0,5.

• Finalmente, advertimos la relación inversa entre la amplitud del IC y el tamaño

muestral: si consideramos que el número de lanzamientos representa el n de la muestra,
observamos que mientras más pequeño es el n más amplio es el IC. A mayor número de
lanzamientos (mayor n) más certeza tenemos que el resultado del experimento se acerca
al valor real, por lo tanto el IC es más estrecho5-8.

Para llevar a la práctica el concepto vamos a recurrir al ejemplo utilizado en el artículo

anterior: la comparación de una nueva droga A versus una droga B en la prevención de
AVE en pacientes con antecedente de accidente isquémico transitorio (AIT) (Tabla 1)4.

Al analizar estos datos se obtiene una reducción absoluta del riesgo (RRA) de 4,2% con
95% de intervalo de confianza de 0,9% a 7,5%. Esto quiere decir que el valor real, es
decir, el resultante al aplicar la intervención a la población total de pacientes con AIT,
está con 95% de probabilidad entre un RRA de 0,9% a 7,5%, siendo el valor más
probable 4,2%. Si aumentamos el n de la muestra a 20.000 obtendríamos nuevamente
un RRA de 4,2%, pero con un intervalo de confianza más estrecho, de 3,5% a 4,9%
(Fórmula en apéndice 1).

Apéndice 1. Fórmula de intervalo de confianza:

Donde:

p1 Tasa de eventos grupo 1

p2 Tasa de eventos grupo 2
n1 n grupo 1
n2 n grupo 2
Intervalo de confianza de la media de una población[editar]

De una población de media y desviación típica se pueden

tomar muestras de elementos. Cada una de estas muestras tiene a su vez una
media. Se puede demostrar que la media de todas las medias muestrales coincide con la

media poblacional:3
Pero además, si el tamaño de las muestras es lo suficientemente grande,4 o la
distribución poblacional es normal, la distribución de medias muestrales es,
prácticamente, una distribución normal (o gaussiana) con media μ y una desviación

típica dada por la siguiente expresión: . Esto se representa como sigue: .

Si estandarizamos, se sigue que:

En una distribución Z ~ N(0, 1) puede calcularse fácilmente un intervalo dentro del cual
caigan un determinado porcentaje de las observaciones, esto es, es sencillo
hallar z1 y z2tales que P[z1 ≤ z ≤ z2] = 1 - α, donde (1 - α)·100 es el porcentaje deseado
(véase el uso de las tablas en una distribución normal).
En esta distribución normal de medias se puede calcular el intervalo de confianza donde

se encontrará la media poblacional si solo se conoce una media muestral ( ), con

una confianza determinada. Habitualmente se manejan valores de confianza del 95 y del

99 por ciento. A este valor se le llamará (debido a que es el error que se cometerá,
un término opuesto).Para ello se necesita calcular el punto —o, mejor dicho, su versión

estandarizada o valor crítico— junto con su "opuesto en la distribución" .

Estos puntos delimitan la probabilidad para el intervalo, como se muestra en la siguiente
Dicho punto es el número tal que:
Y en la versión estandarizada se cumple que:
De lo cual se obtendrá el intervalo de confianza:

Obsérvese que el intervalo de confianza viene dado por la media muestral ± el

producto del valor crítico por el error estándar .

Si no se conoce y n es grande (habitualmente se toma n ≥ 30):5

Aproximaciones para el valor para los niveles de confianza estándar son 1,96

para y 2,576 para

Intervalos para muestras grandes

Bajo ciertas condiciones de regularidad, es posible construir intervalos de confianza

asintóticos de una manera bastante general.
Si suponemos que un parámetro θ tiene una estimación máximo verosímil θ*,
la distribución asintótica del estimador, bajo condiciones generales de regularidad, es
Normal, de media el valor verdadero del parámetro θ y varianza igual a la cota de
Cramér-Rao σ2(θ*).

Bajo las suposiciones anteriores, es posible construir un intervalo de confianza

asintótico y con nivel de confianza (1 − α) · 100 % a partir de

donde los valores de zα/2 se calculan a partir de la distribución N(0, 1) de forma

que P(|Z| > zα/2) = α.

Es decir, se utiliza como estadístico pivot

El intervalo de confianza aproximado que resulta es:

Intervalos de confianza para muestras pequeñas

(n < 30)

Cuando tratamos con muestras pequeñas, no podemos invocar el teorema del límite
central. Por lo tanto, no podemos utilizar la fórmula para los intervalos de confianza a
menos que sean muestras desde una variable aleatoria normalmente distribuida.

Sin embargo, hay una cuestión más: Si conocemos la desviación estándar poblacional
σ,
entonces todo está bien, y podemos seguir adelante y utilizar la fórmula anterior para el
intervalo de confianza para muestras pequeñas (suponiendo que estamos tomando
muestras de una variable distribuida normalmente). Pero si, como suele ser el caso, no
sabemos
σ,
entonces si seguimos adelante y utilizamos en su lugar la desviación estándar muestral
s,
es probable que obtengamos intervalos de confianza que son demasiado pequeños.
La razón es que, mientras que la distribución muestral de
(x − μ)/σ,
 es normal (siempre que x es normal) la distribución muestral de
(x − μ)/s no es normal (a menos que se trate de muestras grandes, en cuyo caso es
aproximadamente normal).P ¿Por qué hay que preocuparse de la distribución muestral
de (x − μ)/s? R La razón que nos debemos preocupar es que, cuando utilizamos
S en lugar de σ, entonces el cálculo del intervalo de confianza se basa en la probabilidad
de que x está dentro de un cierto número de desviaciones estándar de la media
μ. Este número de desviaciones estándar es (x − μ)/σ. Entonces establecemos que
equivale a valor −z deseado y resolverlo para x para obtener el intervalo de confianza
(después de dividir la desviación estándar por √ n). Cuando utilizamos s en vez de σ, no
podemos utilizar un valor −z, ya que la distribución de (x − μ)/s no es normal, pero se
distribuye de acuerdo con la "distribución −t". Resulta que, en lugar de utilizar zα/2 en la
fórmula, tenemos que utilizar tα/2.Además, obtenemos diferentes distribuciones t para
diferentes tamaños muéstrales, y utilizamos el valor de tα/2 correspondiente a "n – 1
grados de libertad", que podemos obtener de una tabla.

Muestra pequeña
100(1 − α)%
Intervalo de confianza

Cuando la desviación estándar poblacional α es conocida:

x ±zα/2 Igual que la fórmula de muestras grandes

σ
√
n
x=
media muestral
n=
tamaño muestral
σ=
desviación estándar poblacional
zα/2 =
valor
−z
con un área de
α/2
a la derecha (obtenido a partir de una tabla).
Cuando se conoce solo la desviación estándar muestral
s:
x ±tα/2 utilizamos t en lugar de z
s
√
n
x=
media muestral
n=
tamaño muestral
s=
desviación estándar muestral
 tα/2 =
valor
−t
con un área de
α/2
a la derecha
(tα/2
puede ser obtenido a partir de una tabla.).

INTERVALO DE CONFIANZA PARA UNA PROPORCIÓN

Dada una variable aleatoria con distribución Binomial B(n, p), el objetivo es la
construcción de un intervalo de confianza para el parámetro p, basada en una
observación de la variable que ha dado como valor x. El mismo caso se aplica si
estudiamos una Binomial B(1, p) y consideramos el número de veces que ocurre el
suceso que define la variable al repetir el experimento n veces en condiciones
de independencia.

Existen dos alternativas a la hora de construir un intervalo de confianza para p:

 Considerar la aproximación asintótica de la distribución Binomial en la

distribución Normal.
 Utilizar un método exacto.

Aproximación asintótica

Tiene la ventaja de la simplicidad en la expresión y en los cálculos, y es la más

referenciada en la mayoría de textos de estadística. Se basa en la aproximación

que, trasladada a la frecuencia relativa, resulta

Tomando como estadístico pivote

que sigue una distribución N(0, 1), y añadiendo una corrección por continuidad al
pasar de una variable discreta a una continua, se obtiene el intervalo de confianza
asintótico:
donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha una
probabilidad de α para un intervalo de confianza de (1 − α) · 100 % Las
condiciones generalmente aceptadas para considerar válida la aproximación asintótica
anterior son:

El intervalo obtenido es un intervalo asintótico y por tanto condicionado a la validez de

la aproximación utilizada. Una información más general sobre los intervalos de
confianza asintóticos puede encontrase aquí.

Intervalo exacto

Aun cuando las condiciones anteriores no se verifiquen, es posible la construcción de un

intervalo exacto, válido siempre pero algo más complicado en los cálculos. Es posible
demostrar que un intervalo exacto para el parámetro p viene dado por los valores
siguientes:

donde Fα/2 a,b es el valor de una distribución F de Fisher-Snedecor con a y b grados de

libertad que deja a su derecha una probabilidad de α para un intervalo de
confianza de (1 − α) · 100 %.

Una justificación de los intervalos de confianza exactos para distribuciones discretas

puede encontrarse aquí.

En el programa siguiente se pueden calcular los intervalos de confianza asintótico y,

si n es menor de 100, también el exacto para una proporción.

Intervalo de confianza para la varianza

Para estimar un intervalo de confianza para la varianza, nos ayudaremos de la siguiente

propiedad de la distribución :
Consideremos dos cuantiles de esta distribución que nos dejen una probabilidad
en la ``zona central'' de la distribución (cf. figura 8.7):

Figura: Cuantiles de la distribución .

Entonces un intervalo de confianza al nivel para la varianza de una distribuci�n

gaussiana (cuyos par�metros desconocemos) lo obtenemos teniendo en cuenta que

existe una probabilidad de que:

Por tanto el intervalo que buscamos es

8.4.6.1 Ejemplo

En un ejemplo anterior se estudiaba la altura de los individuos de una ciudad,

obteniéndose en una muestra de tamaño 25 los siguientes valores:
Calcular un intervalo de confianza con para la varianza de la altura de los
individuos de la ciudad.

Solución:

Para estimar un intervalo de confianza para (varianza poblacional) el estadístico que

nos resulta útil es:

Entonces el intervalo de confianza que buscamos lo obtenemos mediante (cf. figura 8.8)

Por tanto, para el valor poblacional de la desviacióntípica tenemos que

con una confianza del 95%, que por supuesto contiene a las estimaciones

puntuales y calculados sobre la muestra.

HIPOTESIS Y PRUEBA DE HIPOTESIS

Tenemos que empezar por definir que es una hipótesis y que es prueba de hipótesis.
Hipótesis es una aseveración de una población elaborado con el propósito de poner
aprueba, para verificar si la afirmación es razonable se usan datos.
En el análisis estadístico se hace una aseveración, es decir, se plantea una hipótesis,
después se hacen las pruebas para verificar la aseveración o para determinar que no es
verdadera.
Por tanto, la prueba de hipótesis es un procedimiento basado en la evidencia muestral y
la teoría de probabilidad; se emplea para determinar si la hipótesis es una afirmación
razonable.
PRUEBA DE UNA HIPÓTESIS
Siguiendo este procedimiento sistemático, al llegar al paso cinco se puede o no rechazar
la hipótesis, pero debemos de tener cuidado con esta determinación ya que en la
consideración de estadística no proporciona evidencia de que algo sea verdadero. Esta
prueba aporta una clase de prueba más allá de una duda razonable. Analizaremos cada
paso en detalle
Objetivo de la prueba de hipótesis.
El propósito de la prueba de hipótesis no es cuestionar el valor calculado del estadístico
(muestral), sino hacer
un juicio con respecto a la diferencia entre estadístico de muestra y un valor planteado
del parámetro.
3.- Procedimiento sistemático para una prueba de hipótesis de una muestra
.Paso 1: Plantear la hipótesis nula Ho y la hipótesis alternativa H1.
Cualquier investigación estadística implica la existencia de hipótesis o afirmaciones
acerca de las poblaciones que se estudian.
La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de
población, no a una estadística de muestra. La letra H significa hipótesis y el subíndice
cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula que indica que
"no hay cambio" Podemos rechazar o aceptar Ho.
La hipótesis nula es una afirmación que no se rechaza a menos que los datos maestrales
proporcionen evidencia convincente de que es falsa. El planteamiento de la hipótesis
nula siempre contiene un signo de igualdad con respecto al valor especificado del
parámetro.
La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula. Es
una afirmación que se acepta si los datos maestrales proporcionan evidencia suficiente
de que la hipótesis nula es falsa. Se le conoce también como la hipótesis de
investigación. El planteamiento de la hipótesis alternativa nunca contiene un signo de
igualdad con respecto al valor especificado del parámetro.
Paso 2: Seleccionar el nivel de significancia.
Nivel de significacia: Probabilidad de rechazar la hipótesis nula cuando es verdadera. Se
le denota mediante la letra griega α, tambiιn es denominada como nivel de riesgo, este
termino es mas adecuado ya que se corre el riesgo de rechazar la hipótesis nula, cuando
en realidad es verdadera. Este nivel esta bajo el control de la persona que realiza la
prueba.
Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de
significación indicará la probabilidad de no aceptarla, es decir, estén fuerade área de
aceptación. El nivel de confianza (1-α), indica la probabilidad de aceptar la hipótesis
planteada, cuando es verdadera en la población.
La distribución de muestreo de la estadística de prueba se divide en dos regiones, una
región de rechazo (conocida como región crítica) y una región de no rechazo
(aceptación). Si la estadística de prueba cae dentro de la región de aceptación, no se
puede rechazar la hipótesis nula.
La región de rechazo puede considerarse como el conjunto de valores de la estadística
de prueba que no tienen posibilidad de presentarse si la hipótesis nula es verdadera.
Por otro lado, estos valores no son tan improbables de presentarse si la hipótesis nula es
falsa. El valor crítico separa la región de no rechazo de la de rechazo.
Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que
minimice los errores de decisión. En la práctica un tipo de error puede tener más
importancia que el otro, y así se tiene a conseguir poner una limitación al error de
mayor importancia. La única forma de reducir ambos tipos de errores es incrementar el
tamaño de la muestra, lo cual puede ser o no ser posible.
La probabilidad de cometer un error de tipo II denotada con la letra griega beta β,
depende de la diferencia entre los valores supuesto y real del parámetro de la población.
Como es más fácil encontrar diferencias grandes, si la diferencia entre la estadística de
muestra y el correspondiente parámetro de población es grande, la probabilidad de
cometer un error de tipo II, probablemente sea pequeña.
El estudio y las conclusiones que obtengamos para una población cualquiera, se habrán
apoyado exclusivamente en el análisis de una parte de ésta. De la probabilidad con la
que estemos dispuestos a asumir estos errores, dependerá, por ejemplo, el tamaño de la
muestra requerida. Las contrastaciones se apoyan en que los datos de partida siguen una
distribución normal
Existe una relación inversa entre la magnitud de los errores α y β: conforme a aumenta,
β disminuye. Esto obliga a establecer con cuidado el valor de a para las
pruebas estadísticas. Lo ideal sería establecer α y β.En la práctica se establece el nivel α
y para disminuir el Error β se incrementa el número de observaciones en la muestra,
pues así se acortan los limites de confianza respecto a la hipótesis planteada .La meta de
las pruebas estadísticas es rechazar la hipótesis planteada. En otras palabras, es deseable
aumentar cuando ésta es verdadera, o sea, incrementar lo que se llama poder de la
prueba (1- β) La aceptación de la hipótesis planteada debe interpretarse como que la
información aleatoria de la muestra disponible no permite detectar la falsedad de esta
hipótesis.
Paso 3: Cálculo del valor estadístico de prueba
Valor determinado a partir de la información muestral, que se utiliza para determinar si
se rechaza la hipótesis nula., existen muchos estadísticos de prueba para nuestro caso
utilizaremos los estadísticos z y t. La elección de uno de estos depende de la cantidad de
muestras que se toman, si las muestras son de la prueba son iguales a 30 o mas se utiliza
el estadístico z, en caso contrario se utiliza el estadístico t.
Plantear la hipótesis nula Ho y la hipótesis alternativa H1.
Cualquier investigación estadística implica la existencia de hipótesis o afirmaciones
acerca de las poblaciones que se estudian.
La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de
población, no a una estadística de muestra. La letra H significa hipótesis y el subíndice
cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula que indica que
"no hay cambio" Podemos rechazar o aceptar Ho.
La hipótesis nula es una afirmación que no se rechaza a menos que los datos maestrales
proporcionen evidencia convincente de que es falsa. El planteamiento de la hipótesis
nula siempre contiene un signo de igualdad con respecto al valor especificado del
parámetro.
La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula. Es
una afirmación que se acepta si los datos maestrales proporcionan evidencia suficiente
de que la hipótesis nula es falsa. Se le conoce también como la hipótesis de
investigación. El planteamiento de la hipótesis alternativa nunca contiene un signo de
igualdad con respecto al valor especificado del parámetro.
Paso 2: Seleccionar el nivel de significancia.
Nivel de significacia: Probabilidad de rechazar la hipótesis nula cuando es verdadera. Se
le denota mediante la letra griega α, tambiιn es denominada como nivel de riesgo, este
termino es mas adecuado ya que se corre el riesgo de rechazar la hipótesis nula, cuando
en realidad es verdadera. Este nivel esta bajo el control de la persona que realiza la
prueba.
Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de
significación indicará la probabilidad de no aceptarla, es decir, estén fuerade área de
aceptación. El nivel de confianza (1-α), indica la probabilidad de aceptar la hipótesis
planteada, cuando es verdadera en la población.
La distribución de muestreo de la estadística de prueba se divide en dos regiones, una
región de rechazo (conocida como región crítica) y una región de no rechazo
(aceptación). Si la estadística de prueba cae dentro de la región de aceptación, no se
puede rechazar la hipótesis nula.
La región de rechazo puede considerarse como el conjunto de valores de la estadística
de prueba que no tienen posibilidad de presentarse si la hipótesis nula es verdadera. Por
otro lado, estos valores no son tan improbables de presentarse si la hipótesis nula es
falsa. El valor crítico separa la región de no rechazo de la de rechazo.
Tipos de errores
Cualquiera sea la decisión tomada a partir de una prueba de hipótesis, ya sea de
aceptación de la Ho o de la Ha, puede incurrirse en error:
Un error tipo I se presenta si la hipótesis nula Ho es rechazada cuando es verdadera y
debía ser aceptada. La probabilidad de cometer un error tipo I se denomina con la letra
alfa α
Un error tipo II, se denota con la letra griega β se presenta si la hipótesis nula es
aceptada cuando de hecho es falsa y debía ser rechazada.
En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las
consecuencias posibles.
Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que
minimice los errores de decisión. En la práctica un tipo de error puede tener más
importancia que el otro, y así se tiene a conseguir poner una limitación al error de
mayor importancia. La única forma de reducir ambos tipos de errores es incrementar el
tamaño de la muestra, lo cual puede ser o no ser posible.
La probabilidad de cometer un error de tipo II denotada con la letra griega beta β,
depende de la diferencia entre los valores supuesto y real del parámetro de la población.
Como es más fácil encontrar diferencias grandes, si la diferencia entre la estadística de
muestra y el correspondiente parámetro de población es grande, la probabilidad de
cometer un error de tipo II, probablemente sea pequeña.
El estudio y las conclusiones que obtengamos para una población cualquiera, se habrán
apoyado exclusivamente en el análisis de una parte de ésta. De la probabilidad con la
que estemos dispuestos a asumir estos errores, dependerá, por ejemplo, el tamaño de la
muestra requerida. Las contrastaciones se apoyan en que los datos de partida siguen una
distribución normal
Existe una relación inversa entre la magnitud de los errores α y β: conforme a aumenta,
β disminuye. Esto obliga a establecer con cuidado el valor de a para las
pruebas estadísticas. Lo ideal sería establecer α y β.En la práctica se establece el nivel α
y para disminuir el Error β se incrementa el número de observaciones en la muestra,
pues así se acortan los limites de confianza respecto a la hipótesis planteada .La meta de
las pruebas estadísticas es rechazar la hipótesis planteada. En otras palabras, es deseable
aumentar cuando ésta es verdadera, o sea, incrementar lo que se llama poder de la
prueba (1- β) La aceptación de la hipótesis planteada debe interpretarse como que la
información aleatoria de la muestra disponible no permite detectar la falsedad de esta
hipótesis.
Paso 3: Cálculo del valor estadístico de prueba
Valor determinado a partir de la información muestral, que se utiliza para determinar si
se rechaza la hipótesis nula., existen muchos estadísticos de prueba para nuestro caso
utilizaremos los estadísticos z y t. La elección de uno de estos depende de la cantidad de
muestras que se toman, si las muestras son de la prueba son iguales a 30 o mas se utiliza
el estadístico z, en caso contrario se utiliza el estadístico t.
Plantear la hipótesis nula Ho y la hipótesis alternativa H1.
Cualquier investigación estadística implica la existencia de hipótesis o afirmaciones
acerca de las poblaciones que se estudian.
La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de
población, no a una estadística de muestra. La letra H significa hipótesis y el subíndice
cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula que indica que
"no hay cambio" Podemos rechazar o aceptar Ho.
La hipótesis nula es una afirmación que no se rechaza a menos que los datos maestrales
proporcionen evidencia convincente de que es falsa. El planteamiento de la hipótesis
nula siempre contiene un signo de igualdad con respecto al valor especificado del
parámetro.
La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula. Es
una afirmación que se acepta si los datos maestrales proporcionan evidencia suficiente
de que la hipótesis nula es falsa. Se le conoce también como la hipótesis de
investigación. El planteamiento de la hipótesis alternativa nunca contiene un signo de
igualdad con respecto al valor especificado del parámetro.
Paso 2: Seleccionar el nivel de significancia.
Nivel de significacia: Probabilidad de rechazar la hipótesis nula cuando es verdadera. Se
le denota mediante la letra griega α, tambiιn es denominada como nivel de riesgo, este
termino es mas adecuado ya que se corre el riesgo de rechazar la hipótesis nula, cuando
en realidad es verdadera. Este nivel esta bajo el control de la persona que realiza la
prueba.
Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de
significación indicará la probabilidad de no aceptarla, es decir, estén fuerade área de
aceptación. El nivel de confianza (1-α), indica la probabilidad de aceptar la hipótesis
planteada, cuando es verdadera en la población.
La distribución de muestreo de la estadística de prueba se divide en dos regiones, una
región de rechazo (conocida como región crítica) y una región de no rechazo
(aceptación). Si la estadística de prueba cae dentro de la región de aceptación, no se
puede rechazar la hipótesis nula.
La región de rechazo puede considerarse como el conjunto de valores de la estadística
de prueba que no tienen posibilidad de presentarse si la hipótesis nula es verdadera. Por
otro lado, estos valores no son tan improbables de presentarse si la hipótesis nula es
falsa. El valor crítico separa la región de no rechazo de la de rechazo.
Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que
minimice los errores de decisión. En la práctica un tipo de error puede tener más
importancia que el otro, y así se tiene a conseguir poner una limitación al error de
mayor importancia. La única forma de reducir ambos tipos de errores es incrementar el
tamaño de la muestra, lo cual puede ser o no ser posible.
La probabilidad de cometer un error de tipo II denotada con la letra griega beta β,
depende de la diferencia entre los valores supuesto y real del parámetro de la población.
Como es más fácil encontrar diferencias grandes, si la diferencia entre la estadística de
muestra y el correspondiente parámetro de población es grande, la probabilidad de
cometer un error de tipo II, probablemente sea pequeña.
El estudio y las conclusiones que obtengamos para una población cualquiera, se habrán
apoyado exclusivamente en el análisis de una parte de ésta. De la probabilidad con la
que estemos dispuestos a asumir estos errores, dependerá, por ejemplo, el tamaño de la
muestra requerida. Las contrastaciones se apoyan en que los datos de partida siguen una
distribución normal
Existe una relación inversa entre la magnitud de los errores α y β: conforme a aumenta,
β disminuye. Esto obliga a establecer con cuidado el valor de a para las
pruebas estadísticas. Lo ideal sería establecer α y β.En la práctica se establece el nivel α
y para disminuir el Error β se incrementa el número de observaciones en la muestra,
pues así se acortan los limites de confianza respecto a la hipótesis planteada .La meta de
las pruebas estadísticas es rechazar la hipótesis planteada. En otras palabras, es deseable
aumentar cuando ésta es verdadera, o sea, incrementar lo que se llama poder de la
prueba (1- β) La aceptación de la hipótesis planteada debe interpretarse como que la
información aleatoria de la muestra disponible no permite detectar la falsedad de esta
hipótesis.
Paso 3: Cálculo del valor estadístico de prueba
Valor determinado a partir de la información muestral, que se utiliza para determinar si
se rechaza la hipótesis nula., existen muchos estadísticos de prueba para nuestro caso
utilizaremos los estadísticos z y t. La elección de uno de estos depende de la cantidad de
muestras que se toman, si las muestras son de la prueba son iguales a 30 o mas se utiliza
el estadístico z, en caso contrario se utiliza el estadístico t.
Seleccionar el nivel de significancia.
Nivel de significacia: Probabilidad de rechazar la hipótesis nula cuando es verdadera. Se
le denota mediante la letra griega α, tambiιn es denominada como nivel de riesgo, este
termino es mas adecuado ya que se corre el riesgo de rechazar la hipótesis nula, cuando
en realidad es verdadera. Este nivel esta bajo el control de la persona que realiza la
prueba.
Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de
significación indicará la probabilidad de no aceptarla, es decir, estén fuerade área de
aceptación. El nivel de confianza (1-α), indica la probabilidad de aceptar la hipótesis
planteada, cuando es verdadera en la población.

La distribución de muestreo de la estadística de prueba se divide en dos regiones, una

región de rechazo (conocida como región crítica) y una región de no rechazo
(aceptación). Si la estadística de prueba cae dentro de la región de aceptación, no se
puede rechazar la hipótesis nula.
La región de rechazo puede considerarse como el conjunto de valores de la estadística
de prueba que no tienen posibilidad de presentarse si la hipótesis nula es verdadera. Por
otro lado, estos valores no son tan improbables de presentarse si la hipótesis nula es
falsa. El valor crítico separa la región de no rechazo de la de rechazo.
Tipos de errores
Cualquiera sea la decisión tomada a partir de una prueba de hipótesis, ya sea de
aceptación de la Ho o de la Ha, puede incurrirse en error:
Un error tipo I se presenta si la hipótesis nula Ho es rechazada cuando es verdadera y
debía ser aceptada. La probabilidad de cometer un error tipo I se denomina con la letra
alfa α
Un error tipo II, se denota con la letra griega β se presenta si la hipótesis nula es
aceptada cuando de hecho es falsa y debía ser rechazada.
En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las
consecuencias posibles.

Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que
minimice los errores de decisión. En la práctica un tipo de error puede tener más
importancia que el otro, y así se tiene a conseguir poner una limitación al error de
mayor importancia. La única forma de reducir ambos tipos de errores es incrementar el
tamaño de la muestra, lo cual puede ser o no ser posible.
La probabilidad de cometer un error de tipo II denotada con la letra griega beta β,
depende de la diferencia entre los valores supuesto y real del parámetro de la población.
Como es más fácil encontrar diferencias grandes, si la diferencia entre la estadística de
muestra y el correspondiente parámetro de población es grande, la probabilidad de
cometer un error de tipo II, probablemente sea pequeña.
El estudio y las conclusiones que obtengamos para una población cualquiera, se habrán
apoyado exclusivamente en el análisis de una parte de ésta. De la probabilidad con la
que estemos dispuestos a asumir estos errores, dependerá, por ejemplo, el tamaño de la
muestra requerida. Las contrastaciones se apoyan en que los datos de partida siguen una
distribución normal
Existe una relación inversa entre la magnitud de los errores α y β: conforme a aumenta,
β disminuye. Esto obliga a establecer con cuidado el valor de a para las
pruebas estadísticas. Lo ideal sería establecer α y β.En la práctica se establece el nivel α
y para disminuir el Error β se incrementa el número de observaciones en la muestra,
pues así se acortan los limites de confianza respecto a la hipótesis planteada .La meta de
las pruebas estadísticas es rechazar la hipótesis planteada. En otras palabras, es deseable
aumentar cuando ésta es verdadera, o sea, incrementar lo que se llama poder de la
prueba (1- β) La aceptación de la hipótesis planteada debe interpretarse como que la
información aleatoria de la muestra disponible no permite detectar la falsedad de esta
hipótesis.
Paso 3: Cálculo del valor estadístico de prueba
Valor determinado a partir de la información muestral, que se utiliza para determinar si
se rechaza la hipótesis nula., existen muchos estadísticos de prueba para nuestro caso
utilizaremos los estadísticos z y t. La elección de uno de estos depende de la cantidad de
muestras que se toman, si las muestras son de la prueba son iguales a 30 o mas se utiliza
el estadístico z, en caso contrario se utiliza el estadístico t.
Tipos de errores
Cualquiera sea la decisión tomada a partir de una prueba de hipótesis, ya sea de
aceptación de la Ho o de la Ha, puede incurrirse en error:
Un error tipo I se presenta si la hipótesis nula Ho es rechazada cuando es verdadera y
debía ser aceptada. La probabilidad de cometer un error tipo I se denomina con la letra
alfa α
Un error tipo II, se denota con la letra griega β se presenta si la hipótesis nula es
aceptada cuando de hecho es falsa y debía ser rechazada.
En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las
consecuencias posibles.
UNIVERSIDAD RURAL DE GUATEMALA
SEDE 231 QUESADA JUTIAPA.

CARRERA: Ciencias jurídicas y sociales

ALUMNO: Miguel Ángel García Sánchez
SEMESTRE: Quinto
DOCENTE: Gelber Erildo Carrillo

Avance Texto Paralelo

ESTADISTICA

Quesada, Jutiapa 27 de abril del 2019

ANEXO 1. ÁRBOL DE PROBLEMAS E HIPÓTESIS DE TRABAJO.

ÁRBOL DE PROBLEMA TÓPICO. Bajo nivel de valoración de los productos del

sector agrícola, en el área local del municipio de Comapa, Jutiapa.

Perdida de la economía en el sector agrícola

de Comapa, Jutiapa durante los últimos
Efecto (variable dependiente cinco años.
o Y)

Problema central Bajo nivel del valor de los productos del

sector agrícola, en el área local del
municipio de Comapa, Jutiapa.

Causa principal Carencia de un programa de

(Variable independiente o X) implementación de políticas para la
exportación legal de los productos del sector
agrícola del municipio de Comapa, Jutiapa.

Hipótesis de trabajo: Perdida de la economía en el sector agrícola de Comapa, Jutiapa

durante los últimos cinco años, es causado por el bajo nivel de valor de los productos de
dicho sector en el área local del municipio antes mencionado, ya que se carece de un
programa para la implementación de políticas para la exportación legal de los productos
del sector agrícola del municipio de Comapa, Jutiapa.
Anexo 2. Árbol de objetivos y medio de solución de la problemática.

Fin u objetivo general Rescatar la economía del sector agrícola del

municipio de Comapa, Jutiapa.

Mejorar el valor de los productos del sector

agrícola, ofreciéndolo en el exterior del país.
Objetivo específico

Propuesta de un programa de
Medio de solución implementación de políticas para la
exportación legal de los productos del sector
agrícola del municipio de Comapa, Jutiapa.

Nombre de la tesis: Propuesta de un programa para la implementación de políticas para

la exportación legal de los productos del sector agrícola del municipio de Comapa,
Jutiapa.
ANEXO 3. MEDIO PARA SOLUCIONAR LA PROBLEMÁTICA.
En base a los resultados obtenidos en la investigación proponemos las siguientes
soluciones.

Objetivos Específicos:

Mejorar el valor de los productos del sector agrícola, ofreciéndolo en el exterior

del país.

Resultado 1 Resultado 2 Resultado 3

Fortalecer la Programa para Divulgación y

unidad implementar las orientación al
ejecutora, políticas. sector agrícola,
sobre las
Autoridades .
políticas a
municipales implementar.
Anexo. 5 Boleta de investigación para la comprobación del efecto general
Universidad Rural de Guatemala
Programa de Graduación
Boleta de Investigación
Variable Dependiente

Objetivo: Esta boleta de investigación tiene por objeto la comprobación de la variable

dependiente siguiente: Perdida de la economía en el sector agrícola de Comapa, Jutiapa
durante los últimos cinco años.

Esta boleta se aplicara a la población del Municipio de Comapa, Jutiapa, de acuerdo al

tamaño de la muestra calculada con el 90% de la confianza y el 10% de error de
muestreo, por el sistema de población finita cualitativa.

Instrucciones: A continuación, se le presentan varios cuestionamientos, a los que deberá

responder marcando con una”X” la respuesta que considera correcta.

1. ¿Ha observado pérdida en la economía del sector agrícola del municipio

Comapa, Jutiapa?
Si______ No_______

2. ¿Cree usted que el sector agrícola con la pérdida de su economía está

experimentando malas consecuencias?
Si______ No_______

3. ¿Qué malas consecuencias a observado ha observado en la pérdida de la

economía del sector agrícola del municipio de Comapa, Jutiapa?
Menos Producción_________
Pobreza_________________
Analfabetismo_____________
Otros___________________
Especifique_________________________________

4. ¿Cree usted que se debe recuperar la economía del sector agrícola del municipio
de Comapa, Jutiapa?
Si_______ No________

Observaciones___________________________________
Lugar y Fecha___________________________________
Anexo. 6 Boleta de investigación para la comprobación del problema central
Universidad Rural de Guatemala
Programa de Graduación
Boleta de Investigación
Variable Intermedia

Objetivo: Esta boleta de investigación tiene por objeto la comprobación de la variable

intermedia siguiente: Bajo nivel del valor de los productos del sector agrícola, en el área
local del municipio de Comapa, Jutiapa.

Esta boleta se aplicará a las Instituciones; Municipalidad y Centros Educativos del

Municipio de Comapa, Jutiapa, de acuerdo al tamaño de la muestra calculada con el
90% de la confianza y el 10% de error de muestreo, por el sistema de población finita
cualitativa.

Instrucciones: A continuación, se le presentan varios cuestionamientos, a los que deberá

responder marcando con una” la respuesta que considera correcta.

1. ¿Considera usted que en Comapa no se les da el valor justo a los productos del
sector agrícola?

Si_______ No_________

2. ¿Cree usted que al no, darle un valor justo a los productos del sector agrícola,
estos irán perdiendo su economía?

Si_______ No________

3. ¿Considera usted que se debe mejorar el valor de los productos del sector
agrícola, para que estos no sigan perdiendo su economía?

Si_______ No_______
4. ¿Considera usted, que el sector agrícola merece que se les dé un valor más Justo
a sus productos?

Si_______ No_______

Observaciones___________________________________
Lugar y Fecha___________________________________

Anexo. 7 Boleta de investigación para la comprobación de la Causa Principal

Universidad Rural de Guatemala
Programa de Graduación
Boleta de Investigación
Variable Independiente

Objetivo: Esta boleta de investigación tiene por objeto la comprobación de la variable

dependiente siguiente: Carencia de un programa de implementación de políticas para la
exportación legal de los productos del sector agrícola del municipio de Comapa,
Jutiapa.

Esta boleta se aplicara a profesionales en el tema; Maestros y abogados del Municipio

de Comapa, Jutiapa, de acuerdo al tamaño de la muestra calculada con el 90% de la
confianza y el 10% de error de muestreo, por el sistema de población finita cualitativa.

Instrucciones: A continuación, se le presentan varios cuestionamientos, a los que deberá

responder marcando con una”X” la respuesta que considera correcta.

1. ¿Cree usted que existen programas de implementación de políticas para la

exportación legal de los productos agrícolas en el municipio de Comapa,
Jutiapa?
Si _______ No_______

2. ¿Considera usted que es necesaria la implementación de políticas para la

exportación legal de los productos del sector agrícola en el municipio de
Comapa, Jutiapa?
Si_______ No_______

3. ¿Considera usted que con la implementación de políticas para la exportación

legal de los productos del sector agrícola se recuperara la economía de dicho
sector?
Si_______ No_______

4. ¿Considera usted que existe disponibilidad de las autoridades municipales para

la implementación de políticas para la exportación legal de los productos del
sector agrícola Comapa, Jutiapa?
Si_______ No_______

Observaciones___________________________________
Lugar y Fecha___________________________________
Cuadros y gráficas para el Efecto

Cuadro 1. Pobladores que afirman observar perdida de la economía del sector

agrícola.

Descripción Total Porcentaje

Si 49 72%
No 19 28%
Total 68 100 %
Fuen
te: Encuesta realizada a pobladores del municipio de Comapa, Jutiapa Abril 2019.

Gráfica 1. Pobladores que afirman observar perdida de la economía del sector

agrícola.

NO
28%

Si
72%

Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Análisis:

De acuerdo al resultado obtenido, el 72% de las personas encuestadas afirman observar, que
las personas que se dedican al sector agrícola lamentablemente han experimentado perdida
en su economía, por lo que urge una propuesta para tratar tal situación.
Cuadro 2. Pobladores que afirman que el sector agrícola con la pérdida de su
economía está experimentando malas consecuencia.

Descripción Total Porcentaje

Si 53 78%
No 15 22%
Total 68 100 %

Fuente: Encuesta realizada a pobladores del municipio de Comapa, Jutiapa Abril 2019.

Gráfica 2. Pobladores que afirman que el sector agrícola con la pérdida de su

economía está experimentando malas consecuencia.

NO
22%

Si
78%

Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Análisis:

De acuerdo a las personas que se les encuesto el 78% de los pobladores afirman que por
la falta de una economía adecuada el sector agrícola a experimentado consecuencias
muy desfavorables.
Cuadro 3. Pobladores que afirman haber observado consecuencias como pobreza
y menos producción por la pérdida de la economía del sector agrícola.

Descripción Total Porcentaje

Si 54 79%
No 14 21%
Total 68 100 %
Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa Abril 2019.

3. Pobladores que afirman haber observado consecuencias como pobreza y menos

producción por la pérdida de la economía del sector agrícola.

NO
21%

Si
79%

Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa Abril 2019.

Análisis:

Según las personas encuestadas el 79% afirman que debido a la perdida de la economía del
sector agrícola se han generado consecuencias como pobreza y menos producción,
afectándolos fuertemente.
Cuadro 4. Pobladores que afirman que es necesario recuperar la economía del
sector agrícola.

Descripción Total Porcentaje

Si 56 82%
No 12 18%
Total 68 100 %
Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

NO
18%

Si
82%

Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Análisis:

Conforme a la encuesta realizada el 82% afirman que la economía del sector agrícola, se
debe recuperar, pretendiendo que puedan lograr una mejor calidad de vida.
Cuadros y gráficas para el Problema Central

1. Pobladores que afirman que en el municipio de Comapa no se les da el valor

justo a los productos del sector agrícola.

Descripción Total Porcentaje

Si 51 75%
No 17 25%
Total 68 100 %

Gráfica 1. Pobladores que afirman que en el municipio de Comapa no se les da el

valor justo a los productos del sector agrícola.

NO
25%

SI
75%

Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Análisis:
Según las personas encuestadas el 75% afirma que los productos que el sector agrícola
produce, que de por si con tanto esfuerzo, no se les da un valor justo.
Cuadro 2. Pobladores que afirman que, al no darle un valor justo a los productos
del sector agrícola, estos irán perdiendo su economía.

Descripción Total Porcentaje

Si 49 72%
No 19 28%
Total 68 100 %
Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Gráfica 2. Pobladores que afirman que, al no darle un valor justo a los productos
del sector agrícola, estos irán perdiendo su economía.

NO
28%

SI
72%

Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Análisis:
El 72% de los pobladores encuestados afirman que, si a los agricultores no se les paga
una cantidad económica justa por sus productos, estos irán perdiendo su economía,
llegando a carecer de lo necesario para subsistir.
Cuadro 3. Pobladores que afirman que se debe mejorar el valor de los productos
del sector agrícola, para que estos no pierdan su economía.

Descripción Total Porcentaje

Si 52 76%
No 16 24%
Total 68 100 %
Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Gráfica 3. pobladores que afirman que se debe mejorar el valor de los productos
del sector agrícola, para que estos no sigan perdiendo su economía.

NO
24%

SI
76%

Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Análisis:
De la población encuestada el 75% afirma que, el valor de los productos del sector
agrícola debe ser más justo, para que estos puedan tener lo necesario y así no sigan
perdiendo su economía.
Cuadro 4. Pobladores que afirman que el sector agrícola merece que se les dé un
valor más justo a sus productos para que estos no si.

Descripción Total Porcentaje

Si 54 79%
No 14 21%
Total 68 100 %
Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Gráfica 4. Pobladores que afirman que el sector agrícola merece que se les dé un
valor más justo a sus productos.

NO
21%

SI
79%

Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Análisis:
De la población encuestada el 79% afirma que el sector agrícola que realiza un aporte tan
noble y de gran importancia a los pueblos, merece que se le dé un valor más consciente a sus
productos.
Cuadros y gráficas para la causa

Cuadro 1. Personas que afirman que existe programas de implementación de

políticas para la exportación legal de los productos agrícolas.

Descripción Total Porcentaje

Si 0 0%
No 68 100%
Total 68 100 %
Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Gráfica. 1. Personas que afirman que existe programas de implementación de

políticas para la exportación legal de los productos agrícolas.

SI
0%

NO
100%
Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Análisis:
De acuerdo a las personas encuestadas ninguna persona afirma que se estén
implementando políticas que apoyen al sector agrícola para que estos puedan exportar a
otros países legalmente sus productos.
Cuadro 2. Personas que afirman que es necesaria programas de implementación
de políticas para la exportación legal de los productos del sector agrícola.

Descripción Total Porcentaje

Si 59 88%
No 9 12%
Total 68 100 %
Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Gráfica. 2. Personas que afirman que es necesaria la implementación de políticas

para la exportación legal de los productos del sector agrícola.

NO
12%

SI
88%
Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Análisis:
De las personas encuestadas el 88% afirma que el sector agrícola necesita ser apoyado,
con políticas que le permitan exportar legalmente sus productos al exterior.
Cuadro 3. Pobladores que afirman que con la implementación de políticas para la
exportación legal de los productos del sector agrícola se recuperara la economía.

Descripción Total Porcentaje

Si 48 71%
No 20 29%
Total 68 100 %
. Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Gráfica 3. Pobladores que afirman que con la implementación de políticas para la

exportación legal de los productos del sector agrícola se recuperar la economía.

NO
29%

SI
71%

Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019..

Análisis:
De acuerdo a los encuestados el 71% afirma que para recuperar la economía del sector
agrícola se deben implementar políticas para que dicho sector pueda exportar sus
productos legalmente.
Cuadro 4. Personas que afirman que existe disponibilidad por parte de las
autoridades municipales para la implementación de políticas para la exportación
legal de los productos del sector agrícola.

Descripción Total Porcentaje

Si 23 34%
No 45 66%
Total 68 100 %
. Fuente: encuesta realizada a pobladores del municipio de Comapa, Jutiapa abril 2019.

Gráfica 4. Personas que afirman que existe disponibilidad por parte de las
autoridades municipales para la implementación de políticas para la exportación
legal de los productos del sector agrícola.

SI
34%

NO
66%

Análisis:
De las personas encuestadas solo el 34% afirma que las autoridades municipales están
dispuestas apoyar al sector agrícola implementado políticas para que legalmente puedan
exportar sus productos al exterior, para lograr mejorar su economía.