TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE OAXACA

CARRERA: INGENIERÍA INDUSTRIAL

NOMBRES:

LÓPEZ GASPAR SOFÍA

LOPEZ VASQUEZ ALEJANDRO DE JESUS

MORENO CABRERA JONATHAN XAVIER

RODRÍGUEZ SANTIAGO PEDRO ALEJANDRO

SÁNCHEZ NIVON NATALIA

ASIGNATURA: TALLER DE INVESTIGACIÓN I

UNIDAD 1

PROFESOR: ING. LUIS ÁNGEL SANTOS PINEDA

Oaxaca de Juárez, Oax; a 10/11/2021

Índice
Introducción..........................................................................................................................................3
Objetivo.................................................................................................................................................3
Desarrollo..............................................................................................................................................4
Actividad 1.3..............................................................................................................................4
1.3.1. Realiza un Cuadro comparativo de tipos de investigación, con 5 entradas...4
1.3.2 Describe y esquematiza el proceso de recolección de la información
(obtención de datos)................................................................................................................8
1.3.2.1 Tipos de recolección de información, así como sus instrumentos
(presentar ejemplos) de datos...............................................................................................9
1.3.3. ¿Cuáles son los tipos o escalas de medición para realizar preguntas en
cuestionario?...........................................................................................................................12
1.3.4 Qué es una base de datos?........................................................................................17
1.3.4.1. Características para el diseño y elaboración de base de datos...................18
1.3.5. Define lo siguientes conceptos: Qué es una población, muestra, parámetro,
estimador..................................................................................................................................22
1.3.5.1 Define y cita ejemplos de los tipos de muestreo...............................................28
1.3.6. Define qué es una encuesta piloto y su objetivo.................................................31
1.3.7. Cita una herramienta estadística para comprobar tu hipótesis.......................33
Conclusión...........................................................................................................................................35
Referencias..........................................................................................................................................36
 Introducción

En un proceso de investigación la metodología que se ocupa es sumamente importante ya

que de esta manera dividiremos las etapas en la realización de un trabajo. Es así como este
trabajo cuya intención es dar a conocer una idea de forma ordenada, racional y precisa. Es
importante conocer la correcta aplicación de las instrumentos de recolección de fatos aso
como el análisis de los resultados obtenidos, de esta manera se presentan a continuación
una serie de conceptos y procedimientos para la obtención de datos.

Analizamos y desarrollamos cada uno de los temas presentados en donde se pretende dar
a conocer un mejor uso de información a través de fuentes confiables a través de una
explicación clara y precisa.

Objetivo

Con la presente investigación se pretende analizar lo que es una investigación, indagando

en sus elementos principales, sus diferentes objetivos y modelos, las herramientas, técnicas
y procesos para llevarla a cabo, así como sus características principales.

Analizar todo lo que conlleva realizar una investigación nos podrá brindar los conocimientos
necesarios para poder desarrollar correctamente investigaciones que nos permitan conocer
profundamente las cosas que deseamos conocer o dar a conocer, de igual forma nos
permitirá apreciar la importancia de las investigaciones en la sociedad.
 Desarrollo

Actividad 1.3.

1.3.1. Realiza un Cuadro comparativo de tipos de investigación, con 5 entradas

Tipo de Definición ¿Campo de Ejemplo Instrumentos Ventajas

investigación aplicación o Ingeniería para llevar a
dónde se industrial cabo la
utiliza? investigación

PURA Se realiza Biología Cuando se Técnicas de Efectiva

con el Farmacología quiere muestreo fuente de
propósito de Ciencias saber la Observación información
acrecentar Tecnología necesidad explicación
los de algún
conocimientos cliente
teóricos para
el progreso

APLICADA Busca la Medicina Técnicas de Observación Interpreta

aplicación o El campo producción Explicación situaciones
utilización de ingeniería de Comunicación de la vida a
los Educación alimentos mayor rango.
conocimientos
que se
adquieren.

CUALITATIVA se basa en la Ambientes Cuando Fenomenología Estudio de

obtención de naturales vendes un Etnografía los
datos no Consumidores producto Teoría significados
cuantificables Personales porque ves fundamentada de las
y basados en que a la acciones
la gente le humanas y
observación. gusta vida social
como
metodología
CUANTITATIVA Aquella que Estadística Encuestas Encuestas Prueba de
 se centra en diseño de muestreo hipótesis
los datos de Estrategia de satisfacción Estudio de respuestas
la realidad mercado tiempos acertadas
analizados y Modelos
estudiados a
través de
diferentes
métodos de
medición.
DIAGNÓSTICA Explora y Química Análisis de Bibliografía Convierte el
descubre un Física contenido especializada objeto de
área poco Medicina Observación estudio
estudiada o presencial desconocido
no investigada a un acierto
DESCRIPTIVA establece Ciencias Evaluar Muestreo Contribuye al
una sociales actitudes de Observación desarrollo del
descripción ambientales los documental conocimiento
completa de empleados o de campo científico
un
fenómeno,
situación o
tema
específico,
dejando de
lado las
causas y
consecuenci
as. Sólo
describe la
situación.
DOCUMENTAL Investigación Semanarios Cuando se Bibliográfica Autenticidad
teórica Inteligencia desconoce Hemerográfica en
abstracta y artificial un concepto archivista información y
poco Área científica y buscas el muestra de
susceptible de y tecnológica significado la confianza
comprobar por del método
medios
físicos
 DE CAMPO Mantiene Salud Estudio de Entrevistas Se prueba la
contacto directo Instituciones consumidor Encuestas efectividad
con los efectos públicas es de cierto cuestionarios de un
o fenómenos INEGI producto Observaciones material o
que se método
encuentran en
el estudio
EXPERIMENTAL Se basa en Física Prevención Utilización de permite
la Genética de métodos generalizar a
manipulación Psicología accidentes Conceptos partir de
de variables Sociología en el área Variables muestras
bajo Medicina de trabajo
condiciones Ingeniería
controladas, Tecnología
imitando un
fenómeno
específico y
observando
cómo las
variables
involucradas
producen un
efecto. 1
NO se basa en la Fenómenos Efectos de Observación Crea
EXPERIMENTAL observación naturales la Descripción hipótesis
de un hecho contaminaci
particular, ón de la
donde las empresa
variables no
están
controladas.2

1
Métodos de investigación de enfoque experimental. Recuperado de Escuela de Postgrado de la Universidad
Nacional de Educacion Enrique Guzman y Valle: postgradoune.edu.ve
2
Tipos de investigación (2021) Tomado de intep.edu.co.
 TRANSVERSAL se Salud Conocer el Investigación Explica
caracteriza Genética mercado descriptiva completamen
por comparar Psicología para el que Entrevistas te y mide la
característica Economía se trabajara personales prevalencia
sy Negocios Laboratorio estandariza
situaciones la
de diferentes información 3
sujetos al
mismo
tiempo.
LONGITUDINAL se Tecnología Estudio Observación y Analiza y
caracteriza Biología sobre análisis comprende
por procesos Ciencias gestiones Datos históricos la evaluación
de monitoreo sociales de calidad Medición de
o un tema Medicina variables
durante un
período de
tiempo
determinado
.4
56

1.3.2 Describe y esquematiza el proceso de recolección de la información

(obtención de datos)

Gran parte del diseño de una metodología se base en determinar y plantear distintos
métodos y técnicas que se utilizaran, así como una correcta recolección de datos y para
esto debe tomarse en cuenta las distintas etapas que conlleva este procedimiento.

3
Maite Ayala. (30 de mayo de 2021). Investigación transversal. Lifeder. Recuperado de
https://www.lifeder.com/investigacion-transversal/.
4
Ávila Baray, H. L. (2006). Introducción a la metodología de la investigación. Tomado de eumed.net.
5
Sabino, C. A. (1995). El proceso de investigación. Panamericana.
6
Arias, F. G. (2012). El Proyecto de Investigación. Introducción a la Metodología Científica. 6ta. Edición.
Caracas: Editorial Episteme, C.A. .
Los pasos para construir primeramente una recolección de datos debes ser tal y como se
describen a continuación:

1.- Definir el problema

2.- Establecer objetivos específicos

3.- Detectar el meollo del problema

4.- Sistematizar variables

5.- Seleccionar técnicas e instrumentos con los que se trabajara

6.- Armar los instrumentos

7.- Establecer escalas de medición

8.- Hacer pruebas

9.- Verificar la validez

10.- Redactar el manual

Existen diversas técnicas para la obtención de datos y se muestran a continuación

 1.3.2.1 Tipos de recolección de información, así como sus instrumentos
(presentar ejemplos) de datos

A medida que nuestra sociedad se aleja de los trabajos en las fábricas, la educación
permanente se está convirtiendo en una necesidad cada vez mayor. La tecnología y los
datos se han convertido en parte de nuestra forma de trabajar. Ese cambio ha impuesto
más exigencias a los educadores que nunca. Ya sea que esté enseñando en un aula o en
una sala de juntas, debe aprender a recopilar y administrar datos.

Aunque los datos pueden ser valiosos, demasiada información es difícil de manejar y los
datos incorrectos son inútiles. El  método correcto de recopilación de datos  puede significar la
diferencia entre conocimientos útiles y desvíos que hacen perder tiempo.

Afortunadamente, hay varias herramientas disponibles para la recopilación de datos

primarios. Los métodos van desde los tradicionales y sencillos, como una entrevista cara a
cara, hasta formas más sofisticadas de recopilar y analizar datos.

Estos son los seis métodos principales de recopilación de datos:

1. Entrevistas
2. Cuestionarios y encuestas
3. Observaciones
4. Documentos y registros
5. Grupos de enfoque
6. Historias orales
Principales métodos de recopilación de datos

Entrevistas

Si le pregunta a alguien que desconoce por completo el análisis de datos cómo recopilar
mejor información de las personas, la respuesta más común probablemente serían las
entrevistas. Casi cualquier persona puede hacer una lista de preguntas, pero la clave para
entrevistas eficientes es saber qué preguntar. La eficiencia en las entrevistas es crucial
porque, de todos los métodos primarios de recopilación de datos, la entrevista en persona
puede ser el más costoso. Hay formas de limitar el costo de las entrevistas, como realizarlas
por teléfono o mediante una interfaz de chat web. Pero a veces una entrevista en persona
puede valer el costo, ya que el entrevistador puede adaptar las preguntas de seguimiento
en función de las respuestas en un intercambio en tiempo real. Las entrevistas también
permiten preguntas abiertas. En comparación con otros métodos de recopilación de datos
primarios, como las encuestas, las entrevistas son más personalizables y receptivas.

Ejemplo: Entrevista laboral. Es un instrumento para reclutar personal. Su objetivo es recabar

información más detallada y profunda sobre el candidato. Le permite al entrevistador
conocer las capacidades del entrevistado; valorar su actitud y conocerlo personalmente.

Observación

La observación implica recopilar información sin hacer preguntas. Este método es más
subjetivo, ya que requiere que el investigador u observador agregue su juicio a los datos.
Pero en algunas circunstancias, el riesgo de sesgo es mínimo. Por ejemplo, si un estudio
involucra la cantidad de personas en un restaurante en un momento dado, a menos que el
observador cuente incorrectamente, los datos deben ser razonablemente confiables. Las
variables que requieren que el observador haga distinciones, como cuántos persona visitan
un restaurante en un período determinado, pueden presentar problemas potenciales. En
general, la observación puede determinar la dinámica de una situación, que generalmente
no puede medirse mediante otras técnicas de recopilación de datos. La observación
también se puede combinar con información adicional, como un video.

Documentos y registros

A veces puede recopilar una cantidad considerable de datos sin preguntarle nada a nadie.
La investigación basada en documentos y registros utiliza datos existentes para un estudio.
Los registros de asistencia, las actas de las reuniones y los registros financieros son solo
algunos ejemplos de este tipo de investigación. El uso de documentos y registros puede ser
eficaz y económico porque utiliza principalmente investigaciones que ya se han completado.
Sin embargo, dado que el investigador tiene menos control sobre los resultados, los
documentos y registros pueden ser una fuente de datos incompleta. Ejemplo: Por ejemplo:
pasaporte, DNI, licencia de conducir, título profesional, título de propiedad, contrato laboral,
servicios públicos, libreta de matrimonio, acta de defunción. Documentos privados.

Grupos de enfoque

Una combinación de entrevistas, encuestas y observación, un grupo de enfoque es un

método de recopilación de datos que involucra a varias personas que tienen algo en común.
El propósito de un grupo de enfoque es agregar un elemento colectivo a la recopilación de
datos individuales. Un estudio de grupo focal puede pedir a los participantes que vean una
presentación, por ejemplo, y luego discutan el contenido antes de responder preguntas de
tipo encuesta o entrevista. Los grupos focales suelen utilizar preguntas abiertas como,
"¿Cómo te sentiste con la presentación?" o "¿Qué es lo que más te gustó del producto?" El
moderador del grupo focal puede pedirle al grupo que piense en la experiencia compartida,
en lugar de pensar en el futuro. Las preguntas abiertas basan la investigación en un estado
mental particular, eliminando la interferencia externa. Ejemplos: Un grupo focal de padres
de preescolar requirieron discutir el tema del cuidado y las necesidades de los niños. Así,
los padres comparten sus puntos de vista acerca de los programas para el cuidado de los
niños, y de lo que podría hacerse para mejorarlos.

Historias orales

A primera vista, una historia oral puede parecer una entrevista. Ambos métodos de
recopilación de datos implican hacer preguntas. Pero una historia oral se define más
precisamente como el registro, preservación e interpretación de información histórica
basada en las opiniones y experiencias personales de las personas que estuvieron
involucradas en los hechos. A diferencia de las entrevistas y encuestas, las historias orales
están vinculadas a un único fenómeno. Por ejemplo, un investigador puede estar interesado
en estudiar el efecto de una inundación en una comunidad. Una historia oral puede arrojar
luz sobre lo que ocurrió exactamente. Es un enfoque holístico de la evaluación que utiliza
una variedad de técnicas. Al igual que en las entrevistas, el investigador puede convertirse
en una variable de confusión. Una variable de confusión es una variable adicional no
intencionada que puede sesgar sus resultados al introducir sesgo y sugerir una correlación
donde no existe.

El ejemplo clásico es la correlación entre las tasas de homicidio y las ventas de helados.
Ambas cifras, en un momento u otro, se han incrementado juntas. Una conclusión no
científica puede ser que cuanta más gente compra helado, mayor es la ocurrencia de
asesinatos.
Sin embargo, existe una tercera posibilidad de que una variable adicional afecte a ambos
casos. En el caso del helado y el asesinato, la otra variable es el clima. El clima más cálido
es una variable de confusión tanto para las tasas de homicidios como para las ventas de
helados.

Cuestionarios y encuestas

Los cuestionarios y las encuestas se pueden utilizar para hacer preguntas que tengan
respuestas cerradas. Los datos recopilados a partir de cuestionarios y encuestas se pueden
analizar de muchas formas diferentes. Puede asignar valores numéricos a los datos para
acelerar el análisis. Esto puede resultar útil si está recopilando una gran cantidad de datos
de una gran población. Para que sean significativos, las encuestas y los cuestionarios
deben planificarse cuidadosamente. A diferencia de una entrevista, en la que un
investigador puede reaccionar a la dirección de las respuestas de un encuestado, un
cuestionario mal diseñado no llevará el estudio a ninguna parte rápidamente. Si bien las
encuestas suelen ser menos costosas que las entrevistas, no serán valiosas si no se
manejan correctamente. Las encuestas se pueden realizar como entrevistas, pero en la
mayoría de los casos, tiene sentido realizar encuestas utilizando formularios.

Los formularios en línea son una forma moderna y eficaz de realizar encuestas. A diferencia
de las encuestas escritas, que son estáticas, las preguntas presentadas en formularios en
línea pueden cambiar según la forma en que alguien responde gracias a la función de
formulario de lógica condicional. Por ejemplo, si en algún formulario, cuando alguien
responde no a una pregunta sobre alergias, no tendrá que desplazarse más allá de todas
las preguntas de seguimiento relacionadas sobre alergias específicas. En cambio, irán
inmediatamente a una pregunta sobre un tema diferente.

1.3.3. ¿Cuáles son los tipos o escalas de medición para realizar preguntas en
cuestionario?

El cuestionario

Se trata de un instrumento de recogida de datos consistente en la obtención de respuestas

directamente de los sujetos estudiados a partir de la formulación de una serie de preguntas
por escrito. Es utilizada tanto en la investigación de enfoque cualitativo como cualitativo.

Escalas.

Se trata de instrumentos utilizados en las Ciencias Sociales para medir características muy
diversas de los fenómenos sociales en la forma más objetiva posible. La base de este
procedimiento consiste en pedir al sujeto que señale, dentro de una serie graduada de
ítems, aquellos que acepta o prefiere.

En el mundo de la investigación de han desarrollado un sin fin de escalas de medición, la

mayoría de los investigadores las clasifican en dos: Escalas comparativas y escalas no
comparativas.

1.- Escala gráfica de medición de datos

En cada extremo de esta escala gráfica se colocan valores opuestos y se le pide a los
encuestados que marquen mediante deslizamiento el punto que más se acerque a su
opinión.

Una escala de proporción gráfica, también conocida como escala de proporción continua, se
ve normalmente así:

Algunos investigadores usan números a lo largo de la barra, la razón de esto es para

analizar más rápido los resultados.

2.- El escalograma de guttman

En el escanograma de Guttman se le presenta al sujeto una serie de cuestiones

jerarquizadas de mayor a menor y se pide su veracidad en cada caso. Parte de la idea de
que las actitudes son “escalables” y se trata de saber hasta dónde llega el encuestado en
esa escala. De esta forma, si un sujeto acepta una proposición se supone que también lo
hace en las inferiores a él. Por ejemplo, se pregunta su tienen estudios universitarios, si
tiene estudios medios, primarios, etc. Se entiende que si tiene estudios universitarios tendrá
todos los demás. Aquí, frente a las escalas valorativas, es objetivo es ordenar a las
personas encuestadas, no a los objetos de estudio.
Un ejemplo sobre el grado de compromiso política puede ser el siguiente:

Lo importante en esta técnica es que las preguntas estén convenientemente jerarquizadas.

Para ello ha de hacerse un estudio piloto previo.

3.- Escala de likert

En este tipo de escalas se ofrece una afirmación al sujeto y se pide que la califique del 0 al
4 según su grado de acuerdo con la misma. Estas afirmaciones pueden reflejar actitudes
positivas hacia algo o negativas. Las primeras se llaman favorables y las segundas
desfavorables. Es muy importante que las afirmaciones sean claramente positivas o
negativas, toda afirmación neutra debe ser eliminada. Ejemplo.7

4.- El diferencial semántico

El diferencial semántico es un procedimiento destinado a medir la significación que tienen

ciertos objetos, hechos, situaciones o personas para los encuestados. Concretamente se

7
Muguira, A. (2021). Tipos de escalas de medición que todo investigador debería recordar.
https://www.questionpro.com/blog/es/tipos-de-escalas-de-medicion-para-investigadores/
mide esa significación a partir de la situación del concepto del objeto analizado en un
espacio semántico de dimensiones valorativas. Así, por ejemplo, el concepto de “concierto
de rock” puede tener dos significados diferentes para dos personas, A y B, en un espacio
semántico definido por las coordenadas: culturalidad y agresividad:

La construcción del diferencial semántico comienza con la elección del o los conceptos o
cuestiones que se quiera analizar. Como siempre, la elección viene determinada por los
objetivos de la investigación. El siguiente paso consiste en buscar los pares de adjetivos
polares que se van a utilizar, los cuales han de ser claramente enfrentados. Por último, se
escoge la escala utilizada. Lo habitual es 5 o 7 grados. Los pares de adjetivos deben estar
situados con distintas polaridades, se trata de evitar que el encuestado piense que uno de
los lados es el “bueno” y tienda a él.

Aplicando esta técnica se obtiene una serie de puntuaciones o posiciones espaciales para
cada sujeto, es el significado de ese concepto para cada persona. A partir de esta
información se puede localizar grupos de personas con análogos perfiles, y relacionarlo que
determinadas características sociales o personales, o con las respuestas a otras
cuestiones.

5.- Matriz de lado a lado de análisis de datos

Otro de los tipos de escalas de medición que se utiliza popularmente en las encuestas es la
matriz de lado a lado y la forma más común de hacerlo es evaluando importancia /
satisfacción.

Primero pregunta a tus encuestados cuál es la importancia que ellos le dan a cada
característica, después pregunta el nivel de satisfacción con respecto a la misma
característica.

En algunas herramientas se puede incluir la lógica de bucle que te permitirá realizar la

pregunta varias veces con otras alternativas que podría tomar en cuenta el encuestado.
Esto te ayudará a obtener datos de referencia que permitirán comparar el rendimiento entre
características. Checa algunos otros niveles de medición.

Usar estos tipos de escalas dentro de tus encuestas es muy importante ya que con los
datos obtenidos podrás ver realmente dónde tienes que poner más atención para satisfacer
las necesidades de tus clientes.

6.- Escalas de distancia social

Variaciones a esta técnica son las llamadas escalas de distancia social. Tienen como
objetivo establecer relaciones de distancia entre grupos. La más extendida es la escala de
Bogardus que pretendía medir la intensidad de prejuicios nacionales y raciales.
Básicamente se trata de hacer preguntas indirectas sobre la distancia del sujeto a una
minoría étnica o cultural, o una determinada nacionalidad, etc. Una de las diferencias es que
en este tipo de escalas las preguntas suelen ir en orden decreciente, para no influir en las
respuestas de los sujetos.

Un ejemplo clásico para medir el grado de racismo es:

7.- Escalas de intensidad.

Las escalas de intensidad o de apreciación estructuran las opiniones bajo formas de

respuesta en abanico, según la evolución o grados de un continuum de actitud. Por ejemplo:

Una variación es trazar una línea graduada del 1 al 10, por ejemplo, y pedir que marque su
grado de acuerdo gráficamente.8

8
Murillo, J. (2018). CUESTIONARIOS Y ESCALAS DE ACTITUDES.
http://strc.guanajuato.gob.mx/anexos/Anexo%202.IV.b.2%20Apuntes%20Instrumentos.pdf
 1.3.4 Qué es una base de datos?

La definición de bases de datos es «aquel conjunto de datos almacenados y estructurados

según sus características o tipología para ser utilizados o consultados posteriormente «.

Hasta hace relativamente pocos años, las bases de datos eran analógicas, es decir,
contenían información en papel o textos impresos. Sin embargo, con la llegada de la era
digital y el Big Data se ha hecho imprescindible el uso de bases de datos informatizadas.

Gracias a las bases de datos en formato digital se han podido solucionar muchos de los
problemas que surgían a raíz de la ingente cantidad de información que se maneja en la
actualidad. Por ejemplo, permiten ahorrar espacio, agilizar las consultas y se puede
almacenar mucha más información.

Los programas que han hecho esto posible se denominan sistemas gestores de bases de
datos (SGBD) o, en inglés, Database Management System (DBMS). Este tipo de programas
facilitan enormemente el almacenamiento de datos y la posterior consulta de los mismos.
En un principio eran usados sobre todo por grandes empresas o administraciones públicas,
pero en la actualidad también los emplean todo tipo de usuarios o empresas (por ejemplo,
para crear el registro de usuarios de una web).

Para obtener la información almacenada en las bases de datos se emplean las consultas.

Una consulta es una solicitud al gestor de la base de datos para acceder, borrar o modificar
la información presente en la database. Para ello se emplea un lenguaje específico (el más
común es SQL, del cual hablaremos más adelante).

1.3.4.1. Características para el diseño y elaboración de base de datos

El diseño de la base de datos define la estructura de la base de datos que se utiliza para
planificar, almacenar y administrar la información. Para garantizar la precisión de los datos,
debe diseñar una base de datos que solo almacene información relevante y valiosa.

Una base de datos bien diseñada es esencial para garantizar la coherencia de la

información, eliminar datos redundantes, ejecutar consultas de manera eficiente y mejorar el
rendimiento de la base de datos. Un enfoque metodológico para diseñar una base de datos
le permitirá ahorrar tiempo en la fase de desarrollo de la base de datos.

La confiabilidad de los datos depende de la estructura de la tabla, mientras que la creación

de claves primarias y únicas garantiza la uniformidad en la información almacenada. Puede
evitar la replicación de datos formando una tabla de valores probables y usando una clave
para indicar el valor. Entonces, siempre que el valor cambia, la alteración ocurre solo una
vez en la tabla principal.

Como el rendimiento general de un base de datos Depende de su diseño, un buen diseño

de base de datos utiliza consultas simples y una implementación más rápida. Además, es
fácil de mantener y actualizar. Por otro lado, cuando la base de datos está mal diseñada,
incluso las interrupciones triviales pueden dañar los eventos almacenados, las vistas y las
utilidades.

El diseño de la base de datos real tiene en cuenta dos modelos clave:

 Modelo lógico: Se ocupa de utilizar los requisitos dados para crear un modelo de
base de datos. El diseño completo se presenta en papel en esta etapa, sin
considerar ningún requisito específico del sistema de gestión de bases de datos
(DBMS) ni implementarlo físicamente.

 Modelo físico: Esta etapa viene después del modelo lógico y, por lo tanto, implica la
implementación física del modelo lógico. Toma en consideración el DBMS y otros
factores de implementación física.

Pasos del diseño de bases de datos en detalle:

1. Define el objetivo de tu base de datos

El primer paso es determinar el propósito de su base de datos. Por ejemplo, si tiene una
pequeña empresa desde casa, puede diseñar una base de datos de clientes que mantenga
una lista de información del consumidor para generar correos electrónicos e informes. Por lo
tanto, comprender la importancia de una base de datos es vital.

Al final de este paso, tendrá una declaración de misión sólida a la que puede hacer
referencia durante todo el proceso de diseño de la base de datos. Le ayudará a
concentrarse en sus objetivos al tomar decisiones importantes.

2. Localizar y consolidar los datos necesarios.

El siguiente paso es recopilar todo tipo de información que desee almacenar en la base de
datos. Comience con los datos existentes y reflexione sobre las preguntas que desea que
responda su base de datos. Le ayudará a decidir qué datos deben registrarse.

3. Distribuir los datos en tablas.

Una vez que haya acumulado todos los elementos de datos necesarios, el siguiente paso es
dividirlos en entidades principales o áreas temáticas. Por ejemplo, si es minorista, algunas
de sus principales entidades podrían ser productos, clientes, proveedores y pedidos.
Entonces, cada entidad se convertirá en una tabla separada.

4. Cambiar elementos de datos en columnas

Los datos se separan en tablas, de modo que cada elemento de datos se convierte en un
campo y se muestra como una columna. Por ejemplo, una tabla de clientes puede incluir
campos como nombre, dirección, dirección de correo electrónico y ciudad.

Después de determinar el conjunto preliminar de columnas para cada tabla, puede

refinarlas. Por ejemplo, puede registrar los nombres de los clientes en dos columnas
distintas: nombre y apellido. Asimismo, puede almacenar la dirección en cinco columnas
distintas según la dirección, la ciudad, el estado, el código postal y la región. Le resultará
más conveniente filtrar la información.

5. Identificar claves primarias

El siguiente paso para mejorar el diseño de su base de datos es seleccionar una clave
principal para cada tabla. Esta clave principal es una columna o un conjunto de columnas
que se utilizan para señalar cada fila de forma distintiva. Por ejemplo, en su tabla de
clientes, la clave principal podría ser la identificación del cliente. Le permitirá identificar filas
únicas basadas en la identificación del cliente.

También puede existir más de una clave principal, denominada clave compuesta, que
incluye varias columnas. Por ejemplo, en la tabla Detalles del pedido, las claves principales
podrían ser el ID del pedido y el ID del producto. La clave compuesta se puede hacer
usando campos con tipos de datos similares o variables.

Del mismo modo, si desea tener una idea de las ventas de sus productos, puede identificar
la ID del producto en la tabla Productos y el número de pedido o ID en la tabla Pedidos.

6. Determinar cómo se relacionan las tablas

Después de dividir los datos en tablas, la información debe reunirse de manera significativa.
Por lo tanto, puede explorar cada tabla e identificar la conexión entre las tablas. Si es
necesario, puede agregar campos o formar nuevas tablas para simplificar la relación según
los tipos de información.

A continuación, se muestra un ejemplo de diferentes tipos de entidades y tipos de relación.

En este paso, creará relaciones uno a uno, uno a muchos y / o muchos a muchos entre
diferentes entradas de la tabla.

Cuando un solo elemento de una tabla se asocia con un elemento de otra tabla, se
denomina relación uno a uno (1: 1). En una relación de uno a varios (1: M), un elemento de
una tabla está relacionado con muchos elementos de la otra tabla, como un cliente que
realiza varios pedidos. Se produce una relación de varios a varios (M: N) si más de un
elemento de la tabla está relacionado con muchos elementos de la otra tabla.

7. Mejora el diseño de tu base de datos

Ahora que tiene todas las tablas, campos y relaciones requeridos, el siguiente paso es
refinar el diseño de su base de datos creando y llenando sus tablas con información de
maquetas. Experimente con los datos de muestra ejecutando consultas o agregando
nuevos elementos. Le ayudará a analizar su diseño en busca de fallas y podrá resaltar
posibles errores. Si es necesario, ajuste su diseño para mitigar esos problemas.

8. Implementar las reglas de normalización.

El último paso es implementar las reglas de normalización para el diseño de su base de

datos. Un enfoque sistemático elimina la redundancia y las características no deseadas,
como las irregularidades de inserción, actualización y eliminación.

El proceso de varios pasos almacena datos en forma tabular, lo que ayuda a eliminar datos
redundantes de las tablas de relaciones.

 Una base de datos bien diseñada es aquella que:

 Distribuye sus datos en tablas basadas en áreas temáticas específicas para

disminuir la redundancia de datos

 Entrega a la base de datos la información necesaria para vincular los datos en las
tablas

 Brinda soporte y garantiza la precisión y confiabilidad de los datos

 Satisface sus requisitos de procesamiento de información e informes

 Funciona de forma interactiva con los operadores de la base de datos.

1.3.5. Define lo siguientes conceptos: Qué es una población, muestra,

parámetro, estimador.

Población

Una población estadística es el total de individuos o conjunto de ellos que presentan o

podrían presentar el rasgo característico que se desea estudiar.9

Origen del concepto

La estadística nace con el objetivo de medir y cuantificar características de la vida cotidiana.

Así, los gobiernos comienzan a elaborar censos de población, tablas de mortalidad y
natalidad e incluso en Roma se registraban las tierras y propiedades que tenían los
ciudadanos.

9
José Francisco López09 de octubre, 2019. Población estadística. Economipedia.com
De ahí que la palabra que se utilizase y se utilice sea la de población. Pues, inicialmente, se
cuantifican cosas sobre la población de un territorio.

Tipos de población estadística

Dentro de las poblaciones estadísticas, fundamentalmente dos tipos de poblaciones:

 Población estadística finita: Es aquella en la que el número de valores que la

componen tiene un fin. Por ejemplo, la población estadística que nos indica la
cantidad de árboles de una ciudad es finita. Es cierto que puede variar con el tiempo,
pero en un instante determinado es finita, tiene fin.
 Población estadística infinita: Se trata de aquella población que no tiene fin. Por
ejemplo, el número de planetas que existen en el universo. Aunque puede que sea
finito, el número es tan grande y desconocido que estadísticamente se asume como
infinito.

Adicionalmente, dentro de esta gran clasificación, existen otros tipos de poblaciones.

Poblaciones según la distribución de los datos, según el tipo de dato (cualitativo o
cuantitativo), etc.

Ejemplo de población estadística

A continuación, vamos a ver un ejemplo gráfico de una población estadística. No hay mejor
manera que entender algo de una manera gráfica y aplicable a la práctica.
Como vemos en la imagen, tenemos una población estadística de 150 individuos. Los 150
individuos son estudiantes de economía de un instituto. Cuando el número de individuos de
una población es reducido, es recomendable utilizar los datos del total de población, pero en
casos más grandes es imposible. Para explicar este caso, imaginemos que nosotros somos
uno de esos 100 estudiante de economía. Nos encargan que realicemos un estudio sobre
qué porcentaje de los alumnos considera que la economía es interesante y nos dan 10
minutos.

En 10 minutos no podemos buscar a todos los alumnos, ir preguntando a las distintas

clases, en distintos cursos. Así lo que haremos será preguntar a unos cuantos, por ejemplo,
a 13. Esos datos no pueden representar de forma 100% fiable a la opinión de los 150
individuos, pero sí podrían ofrecernos una idea aproximada.

Muestra

Una muestra estadística es un subconjunto de datos perteneciente a una población de

datos. Estadísticamente hablando, debe estar constituido por un cierto número de
observaciones que representen adecuadamente el total de los datos.10

10
José Francisco López08 de noviembre, 2018, Muestra estadística. Economipedia.com
La estadística, como rama de las matemáticas, se encarga de recoger datos, ordenarlos y
analizarlos. Es decir, cuando queremos estudiar un determinado fenómeno recurrimos a la
estadística. Un buen ejemplo de fenómeno que estudia la estadística es el salario medio de
los ciudadanos de un país

En este sentido, por cuestiones de tiempo y coste, no podemos recoger la totalidad de los
datos. Esta totalidad de los datos es lo que se conoce como población de datos o,
simplemente, población.

¿Por qué se trabaja con muestras estadísticas?

Supongamos que queremos estudiar un fenómeno cualquiera. En nuestro caso, ese

fenómeno es el salario medio de los ciudadanos de un país. La población de datos está
formada por todos y cada uno de los trabajadores del país. Claro que por razones de tiempo
y coste sería imposible ir preguntando a cada trabajador cuál es su salario anual.
Tardaríamos mucho tiempo o necesitaríamos muchos recursos.

En este punto aparece el concepto de muestra estadística. En lugar de preguntar a los

millones de trabajadores de un país o región, tan solo recogemos una pequeña cantidad de
datos. Por ejemplo, preguntamos a 100.000 personas. Esta tarea sigue siendo complicada,
pero es mucho más asequible preguntar a 100.000 personas que preguntar a 30 millones.

Esta pequeña cantidad de datos ha de ser representativa. Es decir, debe representar

adecuadamente a la población. Si las 100.000 personas a las que preguntamos se
concentran en barrios ricos, obtendremos datos que no son representativos. El salario
medio nos saldría mucho más alto de lo que es en realidad.

Características de una muestra estadística representativa

Si se quiere hacer una buena investigación, la calidad de la muestra estadística es esencial.

De nada sirve realizar las métricas estadísticas más complejas con los modelos más
sofisticados si la muestra estadística está sesgada. Es decir, si la muestra no es
representativa.

A la hora de obtener una muestra representativa existen ciertos aspectos que el

investigador debe conocer de antemano. Entre esos aspectos se encuentran las
características de una muestra representativa. Las características de una muestra
representativa son las siguientes:
Tamaño suficientemente grande: Cuando trabajamos con muestras estamos,
normalmente, trabajando con una cantidad de datos inferior a la población. Ahora bien, para
que una muestra estadística sea representativa deberá ser lo suficientemente grande como
para considerarse representativa. Por ejemplo, si nuestra población está formada por 10
millones de datos y escogemos 10, es difícil que sea representativa. Eso sí, no siempre a
mayor tamaño la muestra es más representativa.

Aleatoriedad: La selección de los datos de una muestra estadística debe ser aleatoria. Es
decir, debe ser totalmente al azar. Si en lugar de realizarlo al azar, realizamos un proceso
de selección de datos planificado, estamos introduciendo un sesgo a la obtención de datos.
Por tanto, para evitar que la muestra sea sesgada y, por tanto, conseguir que sea una
muestra representativa, debemos hacer una selección aleatoria.

Tipos de muestra estadística

A continuación, explicamos los diferentes tipos de muestra estadística que hay. Cabe
destacar que se pueden dividir en dos grandes grupos, muestra probabilística y muestra no
probabilística:

Muestra probabilística: En este tipo de muestras todos los sujetos disponibles tienen las
mismas probabilidades de ser incluidos.

Muestra aleatoria simple: Es un conjunto de variables aleatorias independientes e

idénticamente distribuidas, obtenidas a partir de la variable aleatoria X y que se distribuyen
igual que la misma.

Muestra aleatoria sistemática: En este caso la población se enumera y se agrupa en

grupos de 10 personas. Posteriormente, se selecciona a un miembro de cada grupo para
elaborar la muestra.

Muestra aleatoria por conglomerados: La población se encuentra ya agrupada

previamente y de estos grupos se extraen los individuos para conformar la muestra.

Muestra estratificada: En este caso la población se divide en subgrupos o estratos con

base en las variables de estratificación.

Muestra no probabilística: En este tipo de selección de muestra todos los elementos no

tienen la misma probabilidad de ser elegidos, ya que depende del procedimiento escogido
para seleccionarlos.
Bola de nieve: En primer lugar, se seleccionan a diferentes sujetos. A partir de ahí estos
sujetos colaboran para encontrar a más sujetos que tengan relación con ellos.

Muestra por cuotas: La población es elegida en función a unas características

determinadas.

Muestra discrecional: La selección de la población la realizan los investigadores en

función a su propio criterio.

Muestra por conveniencia: Es una muestra elegida por los propios investigadores según
su interés o cercanía.

Parámetro

Un parámetro es un elemento de un sistema que permite clasificarlo y poder evaluar

algunas de sus características como el rendimiento, la amplitud o la condición.11

Un parámetro tiene una enorme utilidad en estadística. En primer lugar, sirve para conocer
atributos de una distribución de datos. Por ejemplo, la media aritmética o la desviación típica
de estos. En probabilidad permite conocer las llamadas funciones de distribución. En una
recta de regresión nos indica valores numéricos asociados a dicha recta y que la hacen
única.

Además, cuando hacemos inferencia estadística utilizamos los llamados «estimadores del

parámetro». Estos estadísticos nos permiten aproximarnos al valor real de dicho parámetro
en la población. Por ejemplo, el estimador de la varianza. En definitiva, sin parámetros no
podríamos estudiar la información y analizarla.

Ejemplos de parámetros

En regresión múltiple estadística existen unas variables independientes y una dependiente.

Las primeras llevan asociados unos números positivos o negativos. Estos son los
parámetros. Nos indican cuanto aumenta (positivo) o disminuye (negativo) la variable
dependiente cuando varían las demás.

En las funciones de distribución como la uniforme discreta se utilizan parámetros. En este

caso se denotan por a y b, que son números enteros. Estos hacen única a cada función.

Estimador
11
Enrique Rus Arias04 de noviembre, 2020. Parámetro. Economipedia.com
Un estimador es un estadístico al que se le exigen ciertas condiciones para que pueda
calcular con ciertas garantías ciertos parámetros de una población.12

Es decir, un estimador es un estadístico. Ahora bien, no es un estadístico cualquiera. Es un

estadístico con ciertas propiedades. Un ejemplo podría ser la media o la varianza. Estas
métricas tan conocidas, son estimadores.

En primer lugar, debemos entender que cuando realizamos un estudio de investigación,

normalmente, queremos estudiar cierto parámetro. Por ejemplo, queremos estudiar cuál es
la altura media de los árboles en cierta ciudad de Colombia. La variable objeto de estudio es
la altura de los árboles en cierta ciudad de Colombia. Mientras que, el parámetro es la altura
media de los árboles de esa ciudad.

En el ejemplo anterior, ¿qué condición tendríamos que exigir a nuestro estimador? Pues,
por ejemplo, que no tome valores negativos. Y, por supuesto, que el cálculo de la altura
media de lugar a valores posibles. Si el árbol más alto mide 10 metros, el estimador media
no puede arrojarnos 15 metros. En ese caso, no podría tratarse de un estimador, pues no
estaría dando lugar a valores físicamente posibles.

Así, de lo anterior concluimos que los estimadores son estadísticos que deben,
obligatoriamente, tomar valores posibles de los datos que estamos estudiando.

Propiedades recomendables de un estimador

Para que cumpla bien su función, además de que los estimadores cumplan su condición
básica de estimadores, es recomendable que cumplan ciertas propiedades adicionales.
Estas propiedades son las que permitirán que las conclusiones extraídas de nuestro estudio
sean fiables.

Suficiente: La propiedad de suficiencia indica que el estimador trabaja con todos los datos
de la muestra. Por ejemplo, la media no escoge solo el 50% de los datos. Tiene en cuenta
el 100% de los datos para calcular el parámetro.

Insesgado: La propiedad de insesgadez hace referencia a la centralidad de un estimador.

Es decir, la media de un estimador debe coincidir con el parámetro a estimar. No debemos
confundir media de un estimador con el estimador media.

12
José Francisco López08 de noviembre, 2018. Estimador. Economipedia.com
Consistente: El concepto de consistencia va aparejado del tamaño de la muestra y del
concepto de límite. En palabras sencillas, viene a decirnos que los estimadores cumplen
esta propiedad cuando, en caso de que la muestra sea muy grande, puedan estimar casi sin
error.

Eficiente: La propiedad de eficiencia puede ser absoluta o relativa. Un estimador es eficiente

en sentido absoluto cuando la varianza del estimador es mínima. No debemos confundir
varianza de un estimador con estimador varianza.

Robusto: Se dice que un estimador es robusto en caso de que, a pesar de que la hipótesis
de partida sea incorrecta, los resultados se asemejan mucho a los reales.

1.3.5.1 Define y cita ejemplos de los tipos de muestreo.

Existen dos métodos de muestreo: El muestreo probabilístico y el no probabilístico:

Muestreo probabilístico

El muestreo probabilístico es una técnica de muestreo en la que un investigador establece

una selección de unos pocos criterios y elige al azar a los miembros de una población.
Todos los miembros tienen la misma oportunidad de formar parte de la muestra con este
parámetro de selección.

Existen cuatro tipos de técnicas de muestreo probabilístico:

Muestreo aleatorio simple: Una de las mejores técnicas de muestreo probabilístico que
ayuda a ahorrar tiempo y recursos es el método de muestreo aleatorio simple. Es un
método fiable de obtención de información en el que cada uno de los miembros de una
población se elige al azar, simplemente por casualidad. Cada individuo tiene la misma
probabilidad de ser elegido para formar parte de una muestra.

Por ejemplo, en una organización de 500 empleados, si el equipo de recursos humanos

decide llevar a cabo actividades de creación de equipos, es muy probable que prefieran
escoger fichas de un tazón. En este caso, cada uno de los 500 empleados tiene la misma
oportunidad de ser seleccionado.

Muestreo por conglomerados: También conocido como muestreo por racimos, es un

método en el que los investigadores dividen a toda la población en secciones o
conglomerados que representan a una población. Los grupos se identifican e incluyen en
una muestra basada en parámetros demográficos como la edad, el sexo, la ubicación, etc.
Esto hace que sea muy sencillo para el creador de la encuesta obtener una inferencia
efectiva a partir de la retroalimentación.

Por ejemplo, si el gobierno de los Estados Unidos desea evaluar el número de inmigrantes
que viven en su territorio, puede dividirlos en grupos basados en estados como California,
Texas, Florida, Massachusetts, Colorado, Hawai, etc. Esta forma de realizar una encuesta
será más efectiva ya que los resultados se organizarán por estados y proporcionarán datos
de inmigración objetivos.

Muestreo sistemático: Los investigadores utilizan el método de muestreo sistemático para

elegir los miembros de la muestra de una población a intervalos regulares.

Para ello es necesario seleccionar un punto de partida para la muestra y un tamaño de

muestra que pueda repetirse a intervalos regulares. Este tipo de método de muestreo tiene
un alcance predefinido y, por lo tanto, esta técnica de muestreo es la que menos tiempo
consume.

Por ejemplo, un investigador tiene la intención de recoger una muestra sistemática de 500
personas en una población de 5000. Numera cada elemento de la población de 1 a 5.000 y
elegirá a cada 10 individuos para que formen parte de la muestra (Población total/tamaño
de la muestra = 5.000/500 = 10).

Muestreo estratificado: El muestreo aleatorio estratificado es un método en el que el

investigador divide la población en grupos más pequeños que no se superponen, sino que
representan a toda la población. Durante el muestreo, estos grupos pueden organizarse y
luego extraer una muestra de cada grupo por separado.

Por ejemplo, un investigador que desee analizar las características de las personas
pertenecientes a diferentes divisiones de ingresos anuales creará estratos (grupos) según
los ingresos anuales de la familia.

Por ejemplo, menos de 20.000 dólares, 21.000 a 30.000 dólares, 31.000 a 40.000 dólares,
41.000 a 50.000 dólares, etc.

Con esto, el investigador concluye las características de las personas que pertenecen a
diferentes grupos de ingresos. Los comercializadores pueden analizar a qué grupos de
ingresos dirigirse y a cuáles eliminar para obtener los resultados deseados.

Muestreo no probabilístico

En el muestreo no probabilístico, el investigador elige al azar a los miembros de la

investigación. Este método de muestreo no es un proceso de selección fijo o predefinido.
Esto dificulta que todos los elementos de una población tengan las mismas posibilidades de
ser incluidos en una muestra.

Estos cuatro tipos de muestreo no probabilístico explican mejor la finalidad de este método
de muestreo:

Muestreo por conveniencia: Este método depende de la facilidad de acceso a los sujetos
como una encuesta a los clientes en un centro comercial o a los transeúntes en una calle
concurrida.

Se suele denominar muestreo por conveniencia, debido a la facilidad con que el

investigador lo realiza y se pone en contacto con los sujetos. Los investigadores casi no
tienen autoridad para seleccionar los elementos de la muestra, y se hace puramente en
base a la proximidad y no a la representatividad.

Esta clase de métodos de muestreo no probabilístico se utiliza cuando hay limitaciones de

tiempo y costo en la recogida de información. En situaciones en que hay limitaciones de
recursos, como las etapas iniciales de la investigación, se utiliza un muestreo de
conveniencia.

Por ejemplo, las empresas de nueva creación y las ONG suelen llevar a cabo un muestreo
de conveniencia en un centro comercial para distribuir folletos de los próximos
acontecimientos o de la promoción de una causa; lo hacen parándose a la entrada del
centro comercial y repartiendo folletos al azar.

Muestreo deliberado, crítico o por juicio: Las muestras por juicio se forman a discreción
del investigador. Los investigadores consideran únicamente el propósito del estudio, junto
con la comprensión del público objetivo.

Por ejemplo, cuando los investigadores quieren entender el proceso de pensamiento de las
personas interesadas en estudiar para su maestría. Los criterios de selección serán: “¿Está
interesado en hacer su maestría en …?” y los que responden con un “No” son excluidos de
la muestra.

Muestreo de bola de nieve: El muestreo de bola de nieve es uno de los métodos de

muestreo que los investigadores aplican cuando los sujetos son difíciles de rastrear.

Por ejemplo, será extremadamente difícil encuestar a personas sin refugio o inmigrantes
ilegales. En esos casos, utilizando la teoría de la bola de nieve, los investigadores pueden
rastrear unas pocas categorías para entrevistar y obtener resultados.
Los investigadores también aplican este método de muestreo en situaciones en que el tema
es muy delicado y no se discute abiertamente, por ejemplo, en las encuestas para reunir
información sobre el VIH y el SIDA. No muchas víctimas responderán fácilmente a las
preguntas. No obstante, los investigadores pueden ponerse en contacto con personas que
tal vez conozcan o con voluntarios asociados a la causa para encontrar a las víctimas y
reunir información.

Muestreo por cuotas: La selección de los miembros en esta técnica de muestreo se

realiza sobre la base de una norma preestablecida. En este caso, como la muestra se forma
sobre la base de atributos específicos, la muestra creada tendrá las mismas cualidades que
se encuentran en la población total. Se trata de un método rápido de recolección de
muestras.13

1.3.6. Define qué es una encuesta piloto y su objetivo.

Al realizar una investigación, siempre queremos que esta sea eficiente, que cumpla con los
objetivos y que el proceso se lleve a cabo con el menor número de dificultades. Si estás
decidido a utilizar encuestas como método de investigación, una manera de cerciorarse que
todo saldrá bien es hacer una encuesta piloto que te ayuden a detectar cualquier imprevisto
que pudiera surgir.

¿Qué es una encuesta piloto?

La gente piensa que poner a prueba una encuesta lleva mucho tiempo y que se requieren
muchos recursos para hacerlo. La encuesta piloto es una estrategia que ayuda a evaluar o
probar un cuestionario utilizando un tamaño de muestra más pequeño que el de la muestra
planeada.

Cualquier prueba es mejor que ninguna, así que si vas a hacer una encuesta lo mejor es
probarla con los recursos que tengas disponible, toma en cuenta que aún aplicándola a un
grupo muy pequeño de personas podrás realizar mejoras significativas para en tu
investigación.

Usos de una encuesta piloto

Puedes hacer uso de encuestas piloto para:

Aplicarla a un pequeño grupo que no será evaluado en la encuesta original.

Considerar las respuestas de un grupo seleccionado como los primeros resultados

obtenidos del proyecto.

13
Ortega, C. (2021, 9 julio). Métodos de muestreo: Ejemplos y usos. QuestionPro.
También puedes usar una encuesta piloto como si fuera ya la encuesta definitiva de tu
investigación y pedir deliberadamente los comentarios a los participantes, por ejemplo,
preguntarles qué tan claras son las instrucciones o qué preguntas son difíciles de
responder.

Después de obtener y analizar resultados de la encuesta piloto, se pueden abordar

cuestiones o problemas logísticos, técnicos y de otro tipo. Puedes corregir las preguntas de
tu encuesto o escoger los tipos de preguntas más adecuados, por ejemplo, si vas a llevar a
cabo una encuesta online.

Una encuesta piloto puede ser utilizada para detectar la falta de capacitación del personal
que va a encuestar, problemas con la logística de distribución y recopilación de la encuesta,
o errores en el registro de datos. Estos problemas pueden ser solucionados antes de
realizar la encuesta real.

Objetivo.

Las encuestas piloto permiten ahorrar recursos económicos, ya que si se encuentran

errores oportunamente, habrá menos posibilidades de obtener resultados poco fiables que
puedan perjudicar nuestro negocio, o tener que empezar desde cero después de aplicar la
encuesta real.

En resumen, el objetivo principal de una encuesta piloto es determinar si vale la pena

realizar una encuesta a gran escala.14

1.3.7. Cita una herramienta estadística para comprobar tu hipótesis.

Estadístico de prueba

Para realizar tan delicada operación debemos utilizar el instrumento apropiado: le

llamaremos estadístico de prueba, el que podremos calcular con los datos de
nuestra muestra. Luego buscaremos la probabilidad de ocurrencia del valor
calculado en la tabla correspondiente (Normal, t de student u otra) y a la luz de la
probabilidad obtenida tomaremos una decisión respecto de nuestra hipótesis.

14
Muguira, A. (2018). Encuesta piloto, cualquier prueba es mejor que ninguna.
https://www.questionpro.com/blog/es/encuesta-piloto/
El esquema a seguir:

1. Plantear la hipótesis en términos estadísticos

Esta etapa consiste en representar el problema de investigación bajo la forma de

dos hipótesis excluyentes: la Hipótesis Nula y la Hipótesis Alternativa.

 Hipótesis Nula. Esta hipótesis plantea que los valores comparados son
iguales. Dependiendo del problema podrá presentarse como:

 Hipótesis Alternativa. Esta hipótesis plantea que los valores comparados son
distintos y por lo tanto pertenecen a universos distintos. Dependiendo del
problema podrá presentarse como:

2. Elegir un nivel de significación

El nivel de significación es la probabilidad de que la diferencia observada se deba al

azar. Interesa que esta probabilidad sea pequeña, por eso, en la práctica se utilizan
valores iguales o inferiores a 0,05. El valor más usado es 0,05 pero también puede
ser 0,04; 0,02; 0,01; etc. Al nivel de significación se le identifica con la letra griega
alfa (α). Al elegir un valor de alfa concreto, estamos dejando la mitad de alfa en cada
extremo de la distribución de probabilidades (α/2).
3. Calcular el estadístico de prueba a base de los datos muestrales

El estadístico que se utilice para la prueba de la hipótesis dependerá de los

elementos que participan en él. Así, cuando se trate de comparar 2 promedios
usaremos el estadístico t de student, cuando necesitemos comparar dos porcentajes
muestrales usaremos Z, etc. Pero ya iremos viendo a cada uno de estos
estadísticos actuar en terreno.

4. Buscar en la tabla correspondiente

Será necesario buscar a continuación:

 La probabilidad de obtener un valor igual o mayor al estadístico calculado,

cuando éste sea positivo, o
 La probabilidad de obtener un valor menor o igual, cuando el estadístico sea
negativo.
 En resumen: P(z > z0)  cuando z0 sea positivo o P(z < z0) cuando z0 sea
negativo.

5. Comparar la probabilidad obtenida en la tabla con el nivel de significación elegido

en el punto 2 y tomar una decisión respecto de las hipótesis planteadas

Parece evidente que para tomar una buena decisión es conveniente disponer de
criterios. Debemos decidir si la hipótesis nula es verdadera o falsa. Entonces, de
acuerdo a la evidencia aportada por los datos de la muestra aceptaremos o
rechazaremos la hipótesis nula según el siguiente criterio:

Se rechazará la hipótesis nula si la probabilidad encontrada en la tabla es inferior a

la mitad del nivel de significación(α/2).

6. Elaborar una conclusión derivada de la decisión

Una vez tomada la decisión sobre las hipótesis debemos exponer lo que esto
significa en el contexto de nuestro problema particular.

7. Apoyar todo el proceso de análisis con un gráfico del problema

A la hora de tomar la decisión es muy útil y orientador un buen gráfico donde se
consigne el nivel de significación, el valor del estadístico y la probabilidad asociada
a él.

Conclusión

A través de las actividades expuestas en este documento reafirmamos mas las

comparaciones que existen entre los diferentes tipos de investigación, también
logramos aprender la gran importancia que tiene la recolección de información en
esta materia, la cual nos servirá para establecer y determinar cuestionarios tomando
en cuenta los tipos o escalas de medición, elaboraciones de base de datos y
encuestas piloto. De igual manera logramos adquirir los conocimientos sobre los
tipos de muestreo los cuales nos ayudaran a determinar que parte de una realidad
en estudio (población o universo) debe examinarse con la finalidad de hacer
inferencias sobre dicha población.

Referencias

 López, J. F. (2021a, febrero 7). Población estadística. Economipedia. Recuperado 8

de noviembre de 2021, de https://economipedia.com/definiciones/poblacion-

estadistica.html
 López, J. F. (2021c, septiembre 9). Muestra estadística. Economipedia. Recuperado 8

de noviembre de 2021, de https://economipedia.com/definiciones/muestra-

estadistica.html

 Arias, E. R. (2020, 4 noviembre). Parámetro. Economipedia. Recuperado 8 de

noviembre de 2021, de https://economipedia.com/definiciones/parametro.html

 López, J. F. (2021b, septiembre 7). Estimador. Economipedia. Recuperado 8 de

noviembre de 2021, de https://economipedia.com/definiciones/estimador.html

 Ortega, C. (2021, 9 julio). Métodos de muestreo: Ejemplos y usos. QuestionPro.

Recuperado 8 de noviembre de 2021, de

https://www.questionpro.com/blog/es/metodos-de-muestreo/

 Muguira, A. (8 de octubre de 2021). Tipos de escalas de medición que todo

investigador debería recordar. Recuperado el 6 de noviembre de 2021. Disponible

en: https://www.questionpro.com/blog/es/tipos-de-escalas-de-medicion-para-

investigadores/

 Murillo, J. (5 de marzo de 2018). CUESTIONARIOS Y ESCALAS DE ACTITUDES.

Recuperado el 6 de noviembre de 2021. Disponible en:
http://strc.guanajuato.gob.mx/anexos/Anexo%202.IV.b.2%20Apuntes
%20Instrumentos.pdf
 Muguira, A. (31 de enero de 2018). Encuesta piloto, cualquier prueba es mejor que

ninguna. Recuperado 6 de noviembre de 2021. Disponible en:

https://www.questionpro.com/blog/es/encuesta-piloto/