Tema 7: Metodología

7.1. Hipótesis

Según Muñoz Rozo (1998), una hipótesis “es la explicación anticipada y provisional de alguna suposición
que se trate de comprobar o desaprobar, a través de los antecedentes que se recopilan sobre el problema
de investigación previamente planteado” (citado en Bernal, C., 2005, p. 137).

La hipótesis es una suposición, es una respuesta anticipada a un problema, que tiene que ser probada.

El planteamiento de la hipótesis depende del alcance de la investigación.

Tabla 1

Formulación de hipótesis en estudios cuantitativos con diferentes alcances

Nota: Adaptado de Metodología de la investigación, (p. 92), por Hernández, R.; Fernández, C. & Baptista, P. (2010). 

7.1.1. Variables

Es una característica o atributo que se encuentra en las personas, grupos; puede presentarse en
diferentes grados, magnitudes o medidas.

7.1.2. Tipos de variables

En las hipótesis causales, se establecen tres tipos de variables: independientes, dependientes e

intervinientes.

La variable dependiente podría ser la presión arterial de los pacientes (cambio sufrido por la variable
independiente).

La variable independiente, por ejemplo, la música clásica (que es la que manipula la variable

dependiente).

Variable interviniente. Son aquellas características o propiedades que de una manera u otra afectan el

resultado que se espera y están vinculadas con las variables independientes y dependientes.

7.1.3. Función de la hipótesis

Las hipótesis cumplen algunas funciones en una investigación como:

 Especifican el problema del objeto de estudio.

1
  Establecen las variables que se analizan en la investigación.
 Determinan los métodos, técnicas y procesos que se emplean en una investigación.

7.1.4. Clases de hipótesis

Figura 1. Clases de hipótesis

7.1.5. Hipótesis de investigación (Hi)

Es la hipótesis inicial. Es una respuesta anticipada al problema. Puede explicar las relaciones entre dos o
más variables. A veces se le conoce como hipótesis de trabajo. Puede ser:

 Descriptiva
 Correlacional
 De diferencia de grupos
 Causal

Descriptivas. En ocasiones se utilizan en investigaciones descriptivas para predecir un dato o valor en una
o más variables a observarse. No siempre se plantean hipótesis en estudios descriptivos.

Ejemplo

Hi  El porcentaje de madres adolescentes, en el Ecuador, aumentará el siguiente año en un 20 %

Correlacionales. Explican la relación existente entre dos o más variables, también pueden indicar cómo se
asocian.

Ejemplo

A mayor autoestima, mejor rendimiento académico por parte de los adolescentes.

Si se quisiera correlacionar varias variables, habrá que formular varias hipótesis. Por ejemplo, si
quisiéramos relacionar las variables atracción física, confianza, proximidad física y equidad en el noviazgo
(todas entre sí), estableceríamos las hipótesis correspondientes.

Figura 2. La correlación
de varias variables
genera varias hipótesis

2
 Adaptado de Metodología de la investigación, p. 109, por Hernández, R.; Fernández, C. & Baptista, P. (2010) 

De diferencia de grupos. Se plantean en investigaciones cuya finalidad es comparar grupos. Por ejemplo,
un publicista piensa en un comercial televisivo en blanco y negro, ya que el objetivo es persuadir a los
adolescentes que comienzan a fumar, para que dejen de hacerlo, este tiene una eficacia diferente que un
comercial a colores. 

Ejemplo

Existe una diferencia entre el promedio de pacientes que acuden a un hospital privado que vieron la
publicidad en Internet y aquellos que no observaron dicha publicidad. 

De causalidad. Explica las relaciones entre las variables, además incluyen una relación de causa-efecto.

Ejemplo

La satisfacción sobre la decoración del espacio de trabajo mejora el desempeño de los empleados que
laboran en este lugar. 

Ejemplo de un estudio con varias preguntas de investigación e hipótesis

Tabla 2
Preguntas de investigación e hipótesis

7.1.6. Hipótesis nula (Ho)

Son suposiciones contrarias a la hipótesis de investigación.

Hi:  Las principales causas del desempleo en un país se deben a la planificación presupuestaria.

Ho: El desempleo en un país no está determinado por la planificación presupuestaria.

3
7.1.7. Hipótesis alternativa (Ha)

Son proposiciones alternas de las hipótesis de investigación y nula: ofrecen una descripción o explicación
diferente de las que proporcionan estas.

Ejemplo

Hi: “El candidato A obtendrá en la elección para la presidencia del consejo escolar entre 50 % y 60 % de la
votación total”.

Ho: “El candidato A no obtendrá en la elección para la presidencia del consejo escolar entre 50 % y 60 %
de la votación total”.

Ha: “El candidato A obtendrá en la elección para la presidencia del consejo escolar más de 60 % de la
votación total”. (Hernández, et al., 2010)

7.1.8. Hipótesis estadísticas 

Son suposiciones que se plantean en términos estadísticos.

Ejemplo

Hi: El 30 % de personas desempleadas en una determinada ciudad tienen formación académica

universitaria.

Verificación de hipótesis

Para verificar una hipótesis es necesario seguir un procedimiento estadístico. Podríamos sintetizar la
prueba de hipótesis en los siguientes pasos:

1. Plantear la hipótesis nula (Ho) y la hipótesis alterna (Ha).

2. Seleccionar la prueba estadística adecuada, considerando el tema de investigación.

3. Definir el nivel de confianza dentro del cual aceptaremos o rechazaremos la hipótesis nula,
generalmente se usan valores para α=0.01, α=0,05 o α=0,10.

4. Recolectar los datos de una muestra de la población objeto de estudio.

5. Calcular la desviación estándar de la distribución muestral de la media (esto será abordado en la

asignatura de Estadística).

4
6. Transformar la media de la muestra en valores Z para muestras grandes o t (menores de 30), según la
prueba estadística que se seleccione.

7. Tomar la decisión estadística, según z o t, de acuerdo con el nivel de confianza seleccionado.

8. Concluir si se acepta o rechaza la hipótesis.

Es aconsejable revisar bibliografía estadística para obtener mayor información sobre las diferentes
pruebas de hipótesis.

7.1.9. Conceptualización y operacionalización de las variables

Definición conceptual

Se definen a las variables con otros términos. Puede consultarse diccionarios o bibliografía especializada.

Definición operacional

La definición operacional nos dice que para recoger datos respecto de una variable (medirla), hay que
realizar diversas actividades y articula los procesos o acciones de un concepto que son necesarios para
identificar ejemplos de este. (MacGregor, 2006 citado en Bernal, C. 2010) 

5
 Tabla 3
Operacionalización de hipótesis

6
 Nota: Operacionalización de variables hasta elaboración de ítems (preguntas de instrumentos de recolección de información)
Adaptado de Metodología de la investigación, p. 211, por Hernández, R.; Fernández, C. & Baptista, P. (2010)

7.2. Diseños de investigación

La definición del diseño de investigación depende del tipo de investigación que se va a realizar y de la
hipótesis a probarse. Así, podemos hablar de diseños experimentales en los cuales se manipula
intencionalmente la o las variables independientes.

7.2.1. Diseños experimentales verdaderos

En este tipo de diseños, es necesario manipular una o más variables independientes, intencionalmente,
realizar una asignación aleatoria de los sujetos participantes a cada uno de los grupos (experimental y de
control) y ejercer un cuidadoso control de las variables objeto de medición y de las posibles extrañas que
pueden influir en los resultados del experimento.

Se manipula intencionalmente la variable independiente, se seleccionan aleatoriamente los sujetos

participantes en el estudio del grupo experimental y del grupo de control. Se debe tener cuidado
minucioso con las variables que se miden y las variables extrañas que pueden influir en los resultados.
Entre estos diseños, se puede mencionar:

 Diseño de medición previa y posterior con grupo de control

 Diseño de Solomón para cuatro grupos

7
  Diseño con medición posterior y grupo de control
 Diseño de series cronológicas
 Diseños factoriales

7.2.2. Diseños cuasi experimentales

A diferencia de los experimentales verdaderos, el investigador ejerce poco control sobre las variables
extrañas. Los participantes se pueden asignar aleatoriamente a los grupos y algunas veces hay un grupo
de control. Los siguientes son algunos diseños cuasi experimentales.

 Diseños de un grupo con medición antes y después

 Diseños con grupo de comparación equivalente
 Diseños con series de tiempos interrumpidos

7.2.3. Diseños preexperimentales

No se ejerce ningún control sobre las variables extrañas o intervinientes, no hay asignación aleatoria de
los sujetos participantes en la investigación, ni hay grupo de control.

Entre los diseños preexperimentales constan:

 Diseño de un caso único

 Diseño de un grupo con medición (prueba) previa y posterior
 Diseño de comparación con un grupo estático

Por favor revise este tema en el siguiente video, sobre los diseños de investigación

8
Diseño

 Es el plan a seguir para realizar una investigación empleando determinadas técnicas para
recolectar información y comprobar una hipótesis.
 Al trecabar datos, estamos midiendo las variables de una hipótesis.
 Al medir, se manipulan variables.
 Los datos se recogen de una muestra obtenida de la población que se pretende investigar.

9
10
11
12
13
14
15
16
7.3. Población y muestreo

7.3.1. Población o universo

7.3.2. Delimitar la población 
7.3.3. Muestra
7.3.4. Tipos de muestreo

7.3.1. Población o universo

Es el conjunto de todos los elementos que tienen determinadas características similares y sobre las cuales
se requiere hacer inferencia. 

Es importante definir “qué" o "quiénes”, es decir, los participantes, objetos, sucesos o comunidades de
estudio (las unidades de análisis), lo cual depende del planteamiento de la investigación y de los alcances
del estudio.

En un trabajo de Greenberg, Ericson y Vlahos (1972), el objetivo de análisis era investigar las discrepancias
o semejanzas en las opiniones de madres e hijos con respecto al uso de la televisión por parte de estos
últimos. Aquí la finalidad del estudio supuso la selección de mamás y niños, para entrevistarlos por
separado, correlacionando posteriormente la respuesta de cada par madre-hijo(a). (Citado en Hernández,
R. 2010)

17
 Tabla 5

Quiénes van a ser medidos: errores y soluciones

7.3.2. Delimitar la población

Es necesario establecer con claridad las características de la población, con la finalidad de delimitar cuáles
serán los parámetros muestrales.

Se va a realizar una investigación sobre el uso de los celulares por parte de los adolescentes. En esta
investigación la unidad de análisis son los adolescentes. Pero, ¿de qué población se trata?, ¿de todos los
adolescentes del mundo?, ¿de todos los niños del Ecuador? Sería prácticamente imposible trabajar con
poblaciones tan grandes.

18
7.3.3. Muestra

Es un subgrupo de la población sobre el cual se recolectarán datos y debe reflejar las características
encontradas y ser representativo de la población de interés.

7.3.4. Tipos de muestreo

Existen dos tipos de muestreo: el probabilístico y el no probabilístico.

- Muestreo probabilístico

Todos los elementos de la población tienen la misma probabilidad de ser seleccionados en el muestreo.
Se obtiene definiendo las características de la población y el tamaño de la muestra, y por medio de una
selección aleatoria o mecánica de las unidades de análisis.

Para calcular el tamaño de la muestra probabilística es necesario:

1. Calcular un tamaño de muestra que sea representativo de la población.

2. Seleccionar los elementos muestrales (casos) de manera que al inicio todos tengan la misma
posibilidad de ser elegidos.

Cálculo del tamaño de la muestra

Su objetivo es obtener información válida, representativa y confiable. El tamaño de la muestra debe

relacionarse con los objetivos del estudio y las características de la población.

Es necesario considerar si la población es:

Infinita. Cuando no se sabe el número exacto de unidades del que está constituida la población. En este
caso la fórmula es:

Donde:

n = es el tamaño de la muestra
p =  es la posibilidad de que se realice el evento (0.50)
q =  la posibilidad de que no se realice (0.50)
e = es el error de estimación

19
Finita. Cuando se conoce cuántos elementos tiene la población.

Donde:

n = el tamaño de la muestra.

N = tamaño de la población.

σ =Desviación estándar de la población que, generalmente cuando no se tiene su valor, suele utilizarse un
valor constante de 0,5.

Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no se tiene su valor, se lo
toma en relación al 95 % de confianza, equivale a 1,96 (como más usual) o en relación al 99 % de
confianza, equivale a 2,58, valor que queda a criterio del investigador.

e = Límite aceptable de error muestral que, generalmente cuando no se tiene su valor, suele utilizarse un
valor que varía entre el 1 % (0,01) y 9 % (0,09), valor que queda a criterio del encuestador.

20