RESUMEN DE

METODOS
ESTADISTICOS EN
DIFERENTES TIPOS
DE INVESTIGACION
 INVESTIGACION DESCRIPTIVA
CASO VARIABLE CUALITATIVAS

Un primer resumen de la información se realiza mediante una tabla de frecuencias.

TABLA DE FRECUENCIAS PARA VARIABLES CUALITATIVAS

Si en una muestra de “n” elementos, se observa “k” categorías diferentes C1, C2, Ck
de una variable cualitativa X. Para resumir la información, previamente definimos
algunos conceptos.

La frecuencia absoluta de un valor Ci es el número de veces que dicho valor

aparece en la muestra. Se representa por f i y cumple

i =1
fi = f 1 + f 2 + ...... + fk = n

La frecuencia porcentual de un valor Ci es el cociente de la frecuencia absoluta

(fi) entre el tamaño de la muestra (n), se representa por p i


fi
pi = *100 , se cumple pi = 100
n i =1

Una tabla de frecuencias tiene la siguiente estructura:

Categoría de la Frecuencias absolutas Frecuencias

variable X Porcentuales pi
fi
C1 f1 p1

C2 f2 pi

…. … …

Ck fk pk

Total n 100
 GRÁFICAS.

Las representaciones gráficas facilitan la lectura de los datos e información

que se maneja estadísticamente. Las principales representaciones son:

• Diagrama de barras o rectángulos

Es la representación gráfica usual para variables cualitativas.

Para el caso de variables cualitativas se construye dibujando sobre la

categoría correspondiente un rectángulo con altura igual a la frec uencia
(absoluta o porcentual).

• Diagrama de Pareto.

Se ordenan las categorías de mayor a menor importancia y se dibujan los

rectángulos correspondientes.

• Diagrama de sectores, es el más usual en variables cualitativas. Se

representan mediante círculos. A cada valor de la variable se le asocia el
sector circular proporcional a su frecuencia.

Para hallar el ángulo usamos la siguiente proporción: al tener una circunferencia

360º, el cociente entre la frecuencia absoluta (o relativa) total y la frecuencia
absoluta (o relativa) que queramos representar será igual al cociente entre los 360º
de la circunferencia y el ángulo a determinar, así:

n 360º 1 360º
= =
fi  hi 

Donde  es el ángulo a determinar.

ESTUDIOS CORRELACIONALES
El diagrama que se utilizará es:

Ox

M r

Oy

Donde:

M = Es la muestra
O= Son las observaciones
x= Es la variable de estudio 1: Cualitativa
y= Es la variable de estudio 2: Cualitativa
r= La relación entre las variables
VARIABLE ESTUDIO 1 y 2: CUALITATIVAS

PRUEBA DE INDEPENDENCIA

Esta prueba permite analizar si dos variables cualitativas están relacionadas o no

Dado una m uestra aleator ia de tamaño n es extr aída, y cada observación de
la muestra es c l a s i f i c a d a de a c u e r d o a d o s c r i t e r i o s ( v a r i a b l e s X y Y).
U s a n d o e l p r im e r c r i t er i o c ad a observación es clasificada en una de r filas y
usando el segundo criterio en una de c columnas. Los datos son arreglados en la
siguiente tabla de contingencia rxc:

Variable Y
Categoría 1 ... Categoría c Total
Categoría 1 011 ... Oic n i .
Variable X

Categoría 2 021 ... 02c n2.

Categoría r Or2 ... 0rc nro

Total n.i … n., n..

En la ta bla, o j j es el númer o de observaciones clasificadas en la fila i columna

j , n i . es el númer o total de observaciones en la fila i y n. j es el número total de
observaciones en la colum na j.

Hipótesis:

Las hipótesis pueden expr esarse de la siguiente manera:

Ho: Las var iables (cualitativas) X y Y no están relacionadas .

H I: Las variables (cualitativas) X y Y están relacionadas.

Estadístico de prueba:

r c (oij − eij ) n. j
xc2 =  
j =1 j =1 eij
x 2 ( r − 1)(c − 1) Donde eij = ni . x
n..
 r c (oij − eij ) 2
x =
2
c 
j =1 j =1 eij
~ x 2 (r − 1)(c − 1)

PRUEBAS DE HIPOTESIS

Pruebas de Hipótesis.
Regla de
Hipótesis
decisión
Nula Hipótesis Estadística de Prueba
Al 95% de
Alternativ
confianza
a
No existe Existe Prueba Chi-cuadrado Si P < 0.05 se
relación relación acepta Ha
significativa significativ -Si X e Y son variables cualitativas
entre las a entre las dicotómicas o politómicas
Si P>0.05 Se
variables X variables acepta Ho
e Y X e Y -Los valores esperados de al menos el
80% de las celdas en una tabla de
contingencia sean mayores de 5

r c (oij − eij ) 2
x2
c =  
j =1 j =1 eij
~ x 2 ( r − 1)(c − 1)
Prueba de la probabilidad exacta de
Fisher

X e Y variables cualitativas dicotómicas

y la muestra es pequeña y no cumple
con los requisitos de la Chi-cuadrado.
 A. VARIABLE ESTUDIO 1 y 2: CUANTITATIVAS

PRUEBAS DE HIPOTESIS.

Pruebas de Hipótesis. REGLA DE

Hipótesis Nula Hipótesis DECISIÓN
Alternativa Estadística de
Prueba
Al 95% de
confianza
No existe Existe relación Análisis de regresión Si P < 0.05 se
relación significativa y correlación acepta Ha
significativa entre las
entre las variables X e Y Si P>0.05 Se
variables X e Y acepta Ho
 VARIABLE ESTUDIO 1 Y 2:
CUANTITATIVAS
• GRADO DE CORRELACION
En las investigaciones correlacionales, muchas veces el objetivo es establecer el grado
de asociación, covarianza, relación o correlación entre las variables de estudio. Las
pruebas referidas a las correlaciones dependen principalmente del tipo de variable que
se desea analizar
Cuanto más próximos estén los valores de estas medidas a 0 más débil será la
asociación entre las variables. Cuanto más cercanos a 1 o a −1 sean los valores de
todas estas medidas mayores será la asociación positiva o negativa entre las variables
respectivamente.
 PRUEBAS DE HIPOTESIS.

Asociación entre variables Prueba de Su uso se recomienda cuando:

Variable de Variable de correlación
estudio 1 estudio 2
Cuantitativa cuantitativa Correlación de Los datos son normales (Prueba
Pearson, paramétrica)
Rho -Datos extremos
Spearman,
- Si los datos no son normales
(prueba no paramétrica)
Cualitativa Cualitativa Tau-b de Las dos variables tienen el
ordinal ordinal Kendall mismo número de categorías
(empates); es decir tabla de
contingencia cuadrada.

Ejemplo: Variable estudio 1:

Competencias investigativas
(Bajo, medio y alto). Tiene 3
categorías

Variable estudio 2: Desempeño

docente (Malo, regular, Bueno)
También 3 categorías

Observaciones tienen el mismo

número de categorías(empates)
Tau –c de Las dos variables no tienen el
Kendall mismo número de categorías
(diferentes).
Rho Es recomendable para analizar
Spearman relación entre variables
cuantitativas continuas, sin
embrago se puede utilizar
también para analizar
correlación entre variables
cualitativas ordinales, pero para
estos casos es recomendable el
tau de Kendall.
Cualitativa Cualitativa Coeficiente phi Tablas de 2x2
nominal nominal de Pearson
(phi) Variable estudio 1:

2 categorías

Variable estudio 2:

2 categorías
coeficiente de Tablas de pxq
contingencia
de Cramer (V Variable estudio 1:
de Cramer)
p categorías

Variable estudio 2:

q categorías
Cualitativa( Cuantitativa coeficiente de Este coeficiente es apropiado
nominal u correlación eta cuando la variable dependiente
ordinal) es cuantitativa, mientras que la
independiente es cualitativa
 Estudios pre-experimentales
Corresponde al diseño pre experimental porque permite comprobar el nivel de
efecto de la variable independiente sobre la variable dependiente:

Por tanto, corresponde al siguiente esquema.

G1 O1 X O2
Dónde:
G1 = Grupo experimental
X = Estímulo (variable independiente)

CASO1: VARIABLE DEPENDIENTE CUANTITATIVA

01=Y1 = pre prueba (Variable dependiente (cuantitativa) antes aplicación,

implementación, uso, intervención de planes, sistemas, programas, estrategias…)

02=Y2 = post prueba (Variable dependiente (cuantitativa) después aplicación,

implementación, uso, intervención de planes, sistemas, programas, estrategias…)
 PRUEBAS DE HIPOTESIS.

Pruebas de Hipótesis. Pruebas

Prueba de Medias no
Hipótesis Hipótesis Pruebas paramétric REGLA DE
Nula Alternativa paramétricas as DECISIÓN
(Si los datos son (Si los Al 95% de
normales) datos no confianza
son
normales)
Ho: La Ha: La Si 2 conocido Prueba de Si P < 0.05
aplicación, aplicación, Wilcoxon
implement implementa -Si la población no se acepta
ación, uso, ción, uso, es normal pero n 
intervenció intervenció 30 ) Ha
n de n de
planes, planes,
Prueba Z Si P>0.05
sistemas, sistemas,
X − 0
programas, programas, Zc =  / n
estrategias estrategias Se acepta Ho
… No … presenta X − 0
presenta efecto en la Zc = s/ n
efecto en la variable
variable dependient Si se asume que:
dependient e
e 2 es desconocido
(Ha:   0,
(H0:  = 0 Prueba t-student
vs: Ha:  > 0 o X − 0
Tc = S/ n
Ha:  < 0)
 VARIABLE DEPENDIENTE :CUALITATIVA
Si la variable dependiente es cualitativita dicotómica (Éxito y Fracaso), es recomendable emplear
la prueba de McNemar.

Muestra Antes de la intervención Después de la Intervención

1 Inadecuada Adecuada
2 Adecuada Adecuada
3 Inadecuada Adecuada

n Adecuado Inadecuado

PRUEBAS DE HIPOTESIS

Pruebas de Hipótesis. Pruebas REGLA DE

Prueba de Medias paramétric DECISIÓN
as Al 95% de confianza
(Si los
datos son
normales)
Hipótesis Nula Hipótesis
Alternativa

Ho: La aplicación, Ha: La aplicación, Prueba de Si P < 0.05 se acepta

implementación, uso, implementación, McNemar Ha
intervención de uso, intervención
planes, sistemas, de planes, Si P>0.05 Se acepta
programas, sistemas, Ho
estrategias… No programas,
presenta efecto en la estrategias
variable dependiente presenta efecto
en la variable
(H0:  = 0 vs: dependiente

(Ha:   0,

Ha:  > 0 o

Ha:  < 0)

 ESTUDIOS CUASI EXPERIMENTALE
Corresponde al diseño cuasi experimental porque permite comprobar el nivel de efecto de la
variable independiente sobre la variable dependiente:

Por tanto, corresponde al siguiente esquema.

G1 O1 X O2

G2 O3 ------ O4

Dónde:

G1 = Grupo experimental

G2 = Grupo control

X = Estímulo (variable independiente)

--- = Ausencia de la variable independiente

O1; O3 = pre prueba (Variable dependiente (cuantitativa) antes de la aplicación, implementación,

uso, intervención de planes, sistemas, programas, estrategias) en el grupo control y experimental
respectivamente

O2; O4 = post prueba (Variable dependiente (cuantitativa) después aplicación, implementación,

uso, intervención de planes, sistemas, programas, estrategias…) en el grupo control y
experimental respectivamente
 PRUEBAS DE HIPOTESIS.

Pruebas de Prueba Estadística REGLA DE

Hipótesis. DECISIÓN

Prueba de diferencias Al 95% de

de Medias confianza
Hipótesis Hipótesis Pruebas paramétricas Pruebas
Nula Alternati (Si los datos son no
va normales) paramétric
as
(Si los
datos no
son
normales)
Ho: La
aplicación
Ha: La
aplicación
Si  12 y  22 Conocidos
Prueba de Si P < 0.05 se
acepta Ha
X1 − X 2
Zc =
, , U de Mann-
implemen implemen 1
2 2
2 Whitney Si P>0.05 Se
tación, tación, n1
+ n2 acepta Ho
uso, uso,
-Si las poblaciones no son
intervenci intervenci
ón de ón de normales pero n 1  30 y
planes, planes, n2  30
X1 − X 2
sistemas,
programa
sistemas,
programa Zc = 2
s1 2
s2
s, s,
n1
+ n2
estrategia estrategia
s… No s… Asumiendo que:
presenta
efecto en
presenta
efecto en
 12 =  22 y
la variable la variable desconocidos
X1 − X 2
Tc =
dependie dependie
nte nte
Sp 1
n1
+ n1
2
(H0: 1 = (Ha: 1 
2 ) vs: 2 o ( n1 −1)S12 + ( n2 −1)S 2
2
S p = n1 + n2 − 2
Ha: 1 > 2
Asumiendo que:
o
 12   22 y desconocidos
Ha: 1 <
X1 − X 2
2)
Tc = 2
S1 2
S2
n1
+ n2

S12 S12
(+ )2
v = n1
2 / n )2
( S1
n1
( S22 / n )2
1 2
n1 −1
+ n2 −1