FORMADOR DE

JÓVENES
INVESTIGADORES

Presentado por:
DR. MARIO ALEJANDRO SIFUENTES ZORRILLA

Email: sifuentes308@hotmail.com
 TABULACIÓN

Dr. Alejandro Sifuentes Zorrilla

 Escala Likert
Para obtener las puntuaciones de la
escala de Likert, se suman los valores
obtenidos de cada sujeto. El puntaje
mínimo resulta de la multiplicación del
número de ítems por 1. Una puntuación
se considera alta o baja respecto del
puntaje total (PT); este último está dado
por el número de ítems o afirmaciones
multiplicado por 5.
Dr. ALEJANDRO SIFUENTES ZORRILLA
 Análisis de la planilla matricial por escala aditiva

Las puntuaciones de las escalas Likert se consiguen sumando

los valores obtenidos respecto de cada frase. Por ello se la
denomina escala aditiva.
Al analizar las veinte preguntas del cuestionario, encontramos
que la valoración máxima por sujeto puede ser de cien puntos
(si todas las respuestas fueron de valor cinco), o puede dar
una valoración mínima de veinte puntos (si todas las
respuestas fueron de valor uno). La escala entonces, quedaría
conformada de esta manera:

Dr. ALEJANDRO SIFUENTES ZORRILLA

 Formulación del problema,
objetivo e hipótesis

Formulación Determinar
del problema objetivos
Prueba de
hipótesis

Conclusiones Tratamiento Formular

estadístico hipótesis

Dr. ALEJANDRO SIFUENTES ZORRILLA

 Prueba de hipótesis
correlacional
“Ritual de la significancia
estadística”

Dr. ALEJANDRO SIFUENTES ZORRILLA

 Hipótesis correlacional
Corresponden a los estudios correlacionales y
especifican las relaciones entre dos o más variables.

En una hipótesis de correlación, el orden en que

coloquemos las variables no es importante (ninguna
variable antecede a la otra; no hay relación de
causalidad). Es lo mismo indicar "a mayor X, mayor Y"
que "a mayor Y, mayor X", o "a mayor X, menor Y" que
"a menor Y, mayor X".

Las hipótesis correlacionales pueden no sólo

establecer que dos o más variables se encuentran
asociadas, sino cómo están asociadas. Éstas son las
que alcanzan el nivel predictivo y parcialmente
explicativo.
Dr. Alejandro Sifuentes Zorrilla
 Correlación de variables

La correlación trata de establecer la relación o

dependencia que existe entre las dos
variables que intervienen en una distribución
bidimensional.
Es decir, determinar si los cambios en una de
las variables contribuyen en los cambios de la
otra. En caso de que suceda, diremos que las
variables están correlacionadas o que hay
correlación entre ellas.

Dr. Alejandro Sifuentes Zorrilla

 Procedimientos (pasos)
1. Formulación de hipótesis para contrastar

2. Establecer el nivel de significancia

3. Prueba de normalidad

4. Elección de la prueba estadística

5. Regla de decisión

6. Interpretación del p-valor

7. Conclusión

Dr. ALEJANDRO SIFUENTES ZORRILLA

 Hipótesis alterna (H1)
Se plantean en condicional
simple o Pospretérito Variable X

El clima organizacional tendría relación significativa

con
el desempeño laboral de los docentes
Hipótesis general

en las universidades de la provincia de Huaura en el 2014

Variable Y Contexto donde

se realizó el estudio

Dr. Alejandro Sifuentes Zorrilla

 Precisiones para prueba de normalidad
La prueba de normalidad muestra que en ambos grupos
las variables se distribuyen según una ley normal, si la sig.
asintót. de ambos grupos es mayor, es decir, está por
encima del nivel de significación alfa prefijado (0,05)
significa que, para el análisis de la relación entre estos dos
grupos se utilizará pruebas paramétricas. Por lo tanto, los
datos provienen de poblaciones normales ya que
presentan un porcentaje mayor al 5% o viceversa.
DR. MARIO ALEJANDRO SIFUENTES ZORRILLA
 Precisiones para prueba de normalidad
Según la prueba de normalidad para tomar una decisión
sobre la adecuación de las pruebas estadísticas para la
correlación de variables. Se plantea lo siguiente:

Ho: Los datos provienen de poblaciones normales (N.S. >

0.05).
H1: Los datos no provienen de poblaciones normales (N.S.
˂ 0.05).
DR. MARIO ALEJANDRO SIFUENTES ZORRILLA
 Elección de la prueba estadística
La correlación es una prueba de hipótesis que debe ser
sometida a contraste y el coeficiente de correlación
cuantifica la correlación entre dos variables, cuando esta
existe:
Prueba paramétrica Prueba no paramétrica

Coeficiente r de Pearson Coeficiente rho Spearman

(require de variables (acepta variables de libre
numéricas con distribución distribución e incluso
normal). ordinales)

DR. MARIO ALEJANDRO SIFUENTES ZORRILLA

Dr. Alejandro Sifuentes Zorrilla
 INTERPRETACIÓN DE LOS VALORES DE LOS COEFICIENTES DE CORRELACIÓN
SEGÚN EL RANGO DE VALORES

Dr. Alejandro Sifuentes Zorrilla

 Tipos de Correlación

1º Correlación directa
(+) signo positivo
La correlación directa se
da cuando al aumentar
una de las variables la
otra aumenta.

La recta
“a mayor X, mayor Y” o correspondiente a la
“a menor X, menor Y” nube de puntos de la
distribución es una
recta creciente.
Dr. Alejandro Sifuentes Zorrilla
 Tipos de Correlación

2º Correlación inversa
(-) signo negativo
La correlación inversa
se da cuando al
aumentar una de las
variables la otra
disminuye.
La recta
”a mayor X, menor Y” o correspondiente a la
“a menor X, mayor Y” nube de puntos de la
distribución es una
recta decreciente.
Dr. Alejandro Sifuentes Zorrilla
 Tipos de Correlación

3º Correlación nula
La correlación nula se
da cuando no hay
dependencia de ningún
tipo entre las variables.

En este caso se dice

que las variables son
incorreladas y la nube
de puntos tiene una
forma redondeada.

Dr. Alejandro Sifuentes Zorrilla

 Grado de correlación

El grado de correlación indica la proximidad

que hay entre los puntos de la nube de
puntos. Se pueden dar tres tipos:

1. Correlación
fuerte
La correlación será
fuerte cuanto más
cerca estén los
puntos de la recta.

Dr. Alejandro Sifuentes Zorrilla

 Grado de correlación

2. Correlación débil
La correlación será
débil cuanto más
separados estén los
puntos de la recta.

3. Correlación
nula

Dr. Alejandro Sifuentes Zorrilla

 Error de tipo I

• El error de tipo I se comete cuando la hipótesis

nula es verdadera y, como consecuencia del
contraste, se rechaza.

Ej.

H1. Se declara culpable al acusado (a pesar de

que en realidad es inocente).

Ho. El acusado es inocente.

Dr. ALEJANDRO SIFUENTES ZORRILLA

 Error de tipo II
• El error de tipo II se comete cuando la
hipótesis nula es falsa y, como consecuencia
del contraste se acepta.
"Analícese lo siguiente con respecto al error tipo II. Primero
supóngase que la hipótesis nula es falsa; entonces el administrador
querrá que la prueba de hipótesis rechace Ho. Ahora bien, como el
estimador es una variable aleatoria, no siempre será rechazada Ho, a
menos que se estudie toda la población, pero en un estudio por
muestreo, si esta hipótesis nula no es rechazada, se comete el error
tipo II. Cuando la hipótesis nula es falsa…………”

La probabilidad de cometer un error de tipo II disminuye al aumentar

el tamaño de la muestra (n). Comprueba también lo que ocurre al
variar la diferencia entre la media hipotética de la población (µo) y la
verdadera (µ).
Dr. ALEJANDRO SIFUENTES ZORRILLA
 Error de tipo I y II
DECISIÓN Ho CIERTA Ho FALSA

DECISION ACERTADA ERROR TIPO II

Aceptar
Probabilidad (1-a) Probabilidad (ß)

ERROR TIPO I DECISIÓN ACERTADA

Rechazar
Probabilidad (a) Probabilidad (1-ß)

Dr. ALEJANDRO SIFUENTES ZORRILLA