UNIVERSIDAD DE EL SALVADOR.

FACULTAD DE CIENCIAS ECONÓMICAS.

ESCUELA DE MERCADEO INTERNACIONAL.

ASIGNATURA:
METODOLOGIA DE INVESTIGACION DE MERCADOS.
CICLO II - 2021

GRUPO TEÓRICO:
01
NUMERO DE GRUPO:
8
CAPITULO: 10
NOMBRE DEL CAPITULO: ANALISIS DE DATOS CUANTITATIVOS.

TEMA:

INTEGRANTES DEL EQUIPO DE TRABAJO.

APELLIDOS/NOMBRES.
No. CARNET NOTA
(ORDEN ALFABÉTICOS)
Domínguez Osorio Aylin Alexandra DO17006
Fernández Muñoz Cristian Alexander FM18048
Hurtado Cerna Odalis Arely HC18006
Paz Escobar Jacqueline Stefany PE17009
Vásquez Mejía Jakeline Johana VM18070

DOCENTE:
Norma Yessenia Echegoyén Jiménez

FECHA:
SAN SALVADOR,2 DE SEPTIEMBRE DE 2021
 ANALISIS DE DATOS CUANTITATIVOS.

Las investigaciones dan inicio cuando empezamos a observar y a delimitar

algunos problemas que podemos darle alguna solución, sin embargo, para poder
obtener información tenemos que recurrir a investigaciones que permitan
profundizar con el problema que queremos darle una respuesta, además de ello
una vez recopilada la información y haber hecho uso de diferentes herramientas
tenemos que tabular esa información y analizar los parámetros que estos nos den.
En toda investigación tendremos datos que serán cualitativos que nos permitirán
conocer las cualidades de nuestra investigación, pero también tendremos datos
numéricos que nos arrojaran números y porcentajes que nos ayudaran a generar
hipótesis, estos datos podemos analizarlos con diferentes programas que nos
facilitaran cálculos y nos permitirán analizar de manera más ágil la información.

Tenemos que ingresar o exportar nuestros datos codificados a una base de datos
la cual tenemos que depurarla para poder eliminar cualquier dato que nos pueda
generar errores una vez que los datos se han codificado, transferido a una matriz,
guardado en un archivo y “limpiado” los errores, el investigador tiene que proceder
a analizarlos.

En la actualidad, el análisis cuantitativo de los datos se lleva a cabo por

computadora u ordenador.
Ya casi nadie lo hace de forma manual ni aplicando fórmulas, en especial si hay
un volumen considerable de datos. Por otra parte, en la mayoría de las
instituciones de educación media y superior, centros de investigación, empresas y
sindicatos se dispone de sistemas de cómputo para archivar y analizar datos.

Para el análisis estadístico que se realiza podemos auxiliarnos de programas

computacionales como ejemplo:
 SPSS
 Minitab
 SAS
 STATS
Una vez escogido el programa debemos de realizar algunas fases que nos
permitirán llevar y recabar la información de manera ordenada Cuyo procedimiento
es:

Fases
1. Seleccionar el programa estadístico para el análisis de datos
2. Ejecutar el programa
3. Explorar los datos: analizarlos y visualizarlos por variable del estudio
4. Se evalúa la confiabilidad y validez del o de los instrumentos escogidos
5. Se lleva a cabo análisis estadístico descriptivo de cada variable
del estudio
6. Se realizan análisis estadísticos inferenciales respecto a las
hipótesis planteadas
7. Se efectúan análisis adicionales
8. Se preparan los resultados para presentarlos

Estos pasos serán básicos para realizar los análisis requeridos y brindar diferentes
respuestas, recordar que depende la información la analizaremos de manera
descriptiva o cuantitativa, el mismo programa computacional nos facilitara los
cálculos, pero podría generarnos error si no se posee el conocimiento adecuado
de los análisis a realizar y pueden generarse errores sino tenemos un amplio
conocimiento de nuestra información.

El análisis de los datos dependerá de tres factores:

a) El nivel de medición de las variables: en la medición dependerá de los datos
podemos hacer uso de chi cuadrada, modelos lineales entre otros y de manera
descriptiva podemos hacer uso de las medidas de tendencia central.
b) La manera como se hayan formulado las hipótesis: tomar en cuenta las
hipótesis. que tengamos para no perder visión en la investigación.
c) El interés analítico del investigador (que depende del planteamiento del
problema): dependerá en gran manera lo que el investigador quiera probar o
describir o a lo que en realidad desea darle respuesta.

Al momento de los análisis y la inmediata a la ejecución del programa, se inicia el

análisis. Cabe señalar que, si hemos llevado a cabo la investigación reflexionando
paso a paso, la fase analítica es relativamente sencilla, porque: 1) formulamos las
preguntas de investigación que pretendemos contestar, 2) visualizamos un
alcance (exploratorio, descriptivo, correlacional o explicativo), 3) establecimos
nuestras hipótesis (o estamos conscientes de que no las tenemos), 4) definimos
las variables, 5) elaboramos un instrumento (conocemos qué ítems o indicadores
miden qué variables y qué nivel de medición tiene cada variable: nominal, ordinal,
de intervalos o razón) y 6) recolectamos los datos. Sabemos qué deseamos hacer,
es decir, tenemos claridad.

En el caso de los datos de distribuciones frecuencias para el análisis de los datos

descriptivos
A veces, son tantas las categorías que es necesario resumirlas y los presentamos
de una manera que sea más fácil de comprender y para ello nos auxiliamos de
gráficos, imágenes o ejemplos que permita una mayor comprensión de la
investigación, esto no solo facilita al investigador sino también a terceros que
serán a los que podamos presentar los resultados de nuestra investigación.
Ejemplo de varias categorías:

Otra manera que puede ayudarnos a verla la información de manera resumida y

relacionada con todas las variables o categorías es la realización de tablas
cruzadas, y la generación de gráficos en base a las tablas cruzadas que hemos
realizado.

Una distribución de frecuencias es un conjunto de puntuaciones respecto de una

variable ordenadas en sus respectivas categorías y generalmente se presenta
como una tabla
Se le pregunto a 100 Estudiantes de la Facultad de Ciencias Económicas de la
Universidad de El Salvador que tipo de comida rápida era su favorita de acuerdo a
las opciones que se le muestren a continuación.
Ejemplo de tabla de distribución de frecuencias
¿Cuál es su comida rápida favorita?
Categorías Códigos (Valores) Frecuencia Absoluta
Pizza 1 26
Tacos 2 22
Pollo Frito 3 15
Hamburguesas 4 11
Papas fritas 5 5
Donas 6 6
Hot dog 7 5
Comida china 8 10
Total 100

Frecuencia Absoluta: Es el número de elementos u observaciones

pertenecientes a una misma clase.
También hay tablas que deben resumirse más en concreto cuando hay
demasiados datos, lo cual nos daría unos datos más simplificados
¿Qué otros elementos se le pueden asignar a una distribución de
frecuencias?
Frecuencia Relativa: Se obtiene dividiendo la frecuencia absoluta de cada clase
por el número de observaciones.
Frecuencia Porcentual: Se obtiene multiplicando la frecuencia relativa por 100,
para obtener el porcentaje.
Frecuencia Acumulada: Es la suma de la frecuencia porcentual
Distribución de Frecuencia de como perciben las clases en línea para los
Estudiantes de Metodología de la Investigación de Mercados
Estado Civil Frecuencia Frecuencia Frecuencia Frecuencia
Absoluta Relativa Porcentual Acumulada
Excelente 9 0.15 % 15 % 15 %
Bien 11 0.1833 % 18.33 % 33.33 %
Normal 19 0.3167 % 31.67 % 65 %
Mal 18 0.30 % 30 % 95 %
Nefasto 3 0.05 % 5% 100 %
Total 60 1.00 100 %

¿De que otra manera pueden presentarse las distribuciones de frecuencia?

Especialmente cuando utilizamos los porcentajes, pueden presentarse en forma
de histogramas o graficas de otro tipo
Histograma
En la Universidad de El Salvador se encuesto a 250 Estudiantes de la Facultad de
Ciencias Económicas, a los cuales se les ha tomado la estatura en centímetros. Y
se necesita representar la información con un histograma.
Estatura en cm Número de trabajadores
145.5 – 150.5 7
150.5 – 155.5 14
155.5 – 160.5 34
160.5 – 165.5 66
165.5 – 170.5 54
170.5 – 175.5 47
175.5 – 180.5 18
180.5 – 185.5 8
185.5 – 190.5 2
Total 250
Cuales son las medidas de tendencia central
Estas son medidas estadísticas que pretenden resumir en un solo valor el de
muchos. Estos representan el centro en torno al cual se encuentra ubicado el
conjunto de los datos, de los cuales los principales son: moda, mediana y media.
Moda: Es la categoría o puntuación que ocurre con mayor frecuencia
Mediana: Es el valor que divide la distribución por la mitad
Media: Es la medida de tendencia central más utilizada

Ejemplo: Se tomo la calificación de 15 Alumnos del Parcial I de la Materia

Metodología de la Investigación de Mercados
8, 7, 9, 10, 5, 9, 5, 6, 7, 6, 7, 8, 7, 9, 6
Ahora determinamos cuales son las medidas de tendencia central
Moda: es el número 7 por ser el que más veces se repite
n+1
Mediana: Se ocupa una fórmula para obtenerla en este caso n representa el
2
15+1 16
total de los datos que son 15 por lo que nos queda = =8 por lo que la
2 2
Mediana se encuentra en la posición 8, el cual es el número 6
Media: Es la sumatoria de todos los datos entre el total de los datos en este caso
15
8+7+ 9+ 10+5+9+5+ 6+7+6+ 7+8+7+ 9+6 109
= =7.27
15 15

Los métodos a utilizarse están basados en coeficientes, esto significa que se debe
de crear una idea clara al revisar los apartados esto para poder presentarse luego
en el capítulo. El coeficiente elegido para volver la investigación confiable debe ser
apropiado para estar acorde a la variable que se investiga. Es indispensable que
se incluya las dimensiones de las variables, ya que es importante tener en cuenta
que los coeficientes son sensibles al número de ítems, así como, se debe
establecer una coherencia entre los relativos en la escala.
Se puede tomar el ejemplo presentado en Corbetta (2007, p. 237) si estamos
midiendo el autoritarismo, es lógico pensar que quien alcanza altas puntuaciones
en esta variable en toda la escala (es muy autoritaria), habrá de tener
puntuaciones elevadas en todos los ítems que la conforman. Pero si uno de los
reactivos sistemáticamente (en un número considerable de individuos) presenta
valores contradictorios con respecto a la escala total, podemos concluir que ese
ítem no funciona correctamente (contradice a los demás reactivos). Lo que lleva a
tener un detenido análisis punto por punto de los ítems a realizar para tenerlo en
cuenta al momento de determinar los resultados.
Otro punto importante a tratar es la Validez de los datos recolectados, ya que
luego de las investigaciones realizadas deben ser evaluadas por expertos para
asegurarse que la investigación se realizó en el dominio de interés, esta misma se
obtiene mediante de análisis de factores, esto es para evitar que se filtren
dimensiones no pertenecientes a la investigación ya que esto entorpecería lo
investigado. Un ejemplo de esto es “Diseño de una escala auto aplicable para la
evaluación de la satisfacción sexual en hombres y mujeres mexicanos” (Álvarez
Gayou, Honold y Millán, 2005), se presenta la validación de un instrumento que
muestra todos los elementos para ello, paso por paso.
El siguiente paso a seguir es analizar las pruebas estadísticas de las hipótesis

planteadas

Prueba de hipótesis:

La distribución muestral: se entiende por distribución muestral a la estadística

calculada de todas las maneras posibles de determinado tamaño de la población.
¿Qué es el nivel de significancia o significación? Resumido para un mayor y
más fácil entendimiento se toma como ejemplo la probabilidad de que un evento
ocurra. Aplicando el concepto de probabilidad para que se prueben las hipótesis
inferenciales de acuerdo a la media el investigador debe de enfocarse en si es alta
o baja la probabilidad de que un evento suceda, algo parecido hace el investigador
que obtiene los datos con una muestra como ejemplo tenemos la media.
¿Cómo se relacionan la distribución muestral y el nivel de significancia? La
diferencia entre ambos es que la significancia se expresa en términos de
probabilidad y la distribución muestral en el area total de la probabilidad.
Un ejemplo de esto es:

Otra pregunta frecuente durante el proceso de investigación es si, ¿se pueden

cometer errores al probar hipótesis y realizar estadística inferencial? La
respuesta es si, ya que nunca se está seguro en su totalidad, por eso mismo es
necesario trabajar con altos niveles de confianza y seguridad para minimizar el
riesgo de error que podría cometerse.
Prueba de hipótesis para realizar las pruebas de hipótesis existen dos tipos de
análisis ya sean los paramétricos y no paramétricos, la utilización de estos
depende de la medición de las variables que lo conforman.

Los Análisis paramétricos se parten a partir de los supuestos: la distribución

poblacional, nivel de medición de las variables, cuando 2 o más poblaciones son
estudiadas.
Los métodos más utilizados para las pruebas estadísticas paramétricas son:
 Coeficiente de correlación Pearson y regresión lineal.
 Prueba t
 Prueba de contraste de la diferencia de proporciones.
 Análisis de varianza unidireccional.
 Análisis de varianza factorial.
 Análisis de covarianza.
Ejemplo de la correlación de Pearson:

Ejemplo de graficas de dispersión por medio de regresión lineal:

¿QUE ES LA PRUEBA T?
Es una prueba estadística que sirve para evaluar si hay una diferencia real entre
las medias en una variable de dos grupos diferentes. Se simboliza t en: hipótesis
donde se divide en dos grupos de investigación y nula; variables independiente y
dependiente, nivel de medición de la variable de comparación que puede ser
en intervalos o por razón y cálculo e interpretación donde el valor es calculado
por un programa estadístico como el SPSS el que arroja una tabla con muchos
resultados de los cuales el valor t es el más necesario de interpretar.
Ejemplo:
Hi: “Los varones le atribuyen mayor importancia al atractivo físico en sus
relaciones heterosexuales que las mujeres”.
Ho: “Los varones no le atribuyen mayor importancia al atractivo físico en sus
relaciones heterosexuales que las mujeres”.
La variable atractivo físico fue medida a través de una escala que varía de 0 a
18. El grupo de mujeres estuvo constituido por 119 personas y el de hombres
por 128 (variable que origina el contraste: género). Los resultados fueron:
X1 (mujeres) = 12 X2 (hombres) = 15
Valor t =6.698 (significancia menor de 0.01)
n1 = 119 mujeres n2 = 128 hombres Grados de libertad = 245
Conclusión: se acepta la hipótesis de investigación y se rechaza la hipótesis
nula. Si el valor t hubiera sido de 1.05 y no significativo, se aceptaría la hipótesis
nula.
Esta prueba se basa en una distribución muestral o poblacional de diferencia de
medias la cual es conocida como distribución t student que se identifica por los
grados de libertad, los cuales son la manera en que los datos varían libremente,
aunque estos determinan el valor que se espera de t la cual representa el número
de unidades estándares que separan las medias de los dos grupos.

¿QUÉ ES EL TAMAÑO DEL EFECTO?

Es una medida en unidades de desviación estándar, que mide la fuerza de la
diferencia de las medias u otros valores a considerar. Se calcula dividiendo la
media del grupo uno menos la media del grupo 2 entre la desviación estándar
sopesada, que es la estimación reunida de la desviación estándar de dos grupos.
Ejemplo:
17.9 − 15.2/3.3 = 0.82 (interpretación: las medias varían menos de una
desviación estándar, una respecto de la otra).
28.5 -37.5/4.1= 2.19 (los promedios varían más de dos desviaciones
estándar uno sobre otro).

¿QUÉ ES LA PRUEBA DE DIFERENCIA DE PROPORCIONES?

Es el estadístico de prueba que se utiliza para analizar si dos proporciones o
porcentajes difieren significativamente entre ellos. Con esta prueba se puede
analizar por ejemplo si el porcentaje de mujeres con cáncer de mama es
significativamente diferente en dos comunidades, o si el porcentaje de reprobados
es significativamente desigual entre alumnos de bachillerato del turno matutino y
del vespertino etc.
¿QUÉ ES EL ANÁLISIS DE VARIANZA UNIDIRECCIONAL O DE UN FACTOR?
Es una prueba estadística que analiza si más de dos grupos difieren
significativamente entre sí en cuanto a sus medias y varianzas, se usa para
grupos de tres o más grupos. En el caso de la hipótesis propone la diferencia entre
más de dos grupos donde la hipótesis de investigación propone que los grupos
difieren significativamente entre sí y la nula que no. Las variables serían una
dependiente y se medirá por intervalos o razón y la otra independiente la cual es
categórica lo que significa que es posible que se formen grupos diferentes. El
análisis de varianza unidireccional produce un valor que se conoce como F o
razón F la cual compara las variaciones de las puntuaciones causadas por dos
diferentes fuentes que son las variaciones entre los grupos que se comparan y las
variaciones dentro de estos, basado en una distribución maestral llamada
distribución F.
un ejemplo de análisis de varianza es: Supongamos que por medio de una
escala de Likert (1-5) medimos la actitud que tienen hacia el entrenador del equipo
de fútbol de una ciudad, las tres porras o grupos de aficionados permanentes: la
Ultra, la Central y la de Veteranos. Y queremos analizar si difieren
significativamente entre sí. Realizamos el análisis de varianza y los resultados son
los que se muestran en la tabla 10.15 con los elementos que suelen incluir los
programas de análisis como SPSS, nada más que éstos abrevian términos
estadísticos.

(ANOVA) Actitud hacia el entrenador del equipo de futbol

Fuente de Suma de Grados Medias Valor Significancia
variación cuadrados de cuadráticas F
libertad
Intergrupos 46 768 2 23 384 17.39 0.000
Intragrupos 793 175 590 1 344 4
Total 839 943 592

(Descriptivos) Actitud hacia el entrenador del equipo de fútbol

N Medi Desviació Error Límite Límite Mínim Máxim
a n típica típico inferio superio o o
r r
Porra 19 3.61 1.046 0.075 3.46 3.76 1 5
Ultra 5 3.72 1.090 0.076 3.57 3.87 1 5
Porra 20 3.07 1.331 0.097 3.88 3.26 1 5
Central 8
Porra 19
 Veterano 0
s
TOTAL 59 3.48 1.191 0.004 3.38 3.57 1 5
3 9
la actitud de las diferentes porras hacia el entrenador es significativamente
distinta, la más desfavorable es la de los veteranos (su media es de 3.07, cerrando
o redondeando a décimas: 3.1)
ESTADÍSTICA MULTIVARIADA
Son los métodos que requerimos cuando tenemos diversas variables
independientes y una dependiente o diversas variables independientes y
dependientes, Los cuales son:
● Análisis de varianza factorial. ● Análisis multivariado de
● Análisis de covarianza. varianza
● Regresión múltiple. ● Análisis lineal de patrones.
● Análisis discriminante y
distancias euclidianas.

ANÁLISIS NO PARAMÉTRICO
Para esto se necesita tener en cuenta que la mayoría de estos no requieren de
presupuestos sobre la forma de la distribución poblacional, y aceptan
distribuciones no normales o libres. Además, las variables no necesariamente
están medidas en un nivel por intervalos o de razón y si lo estuvieran estas
necesitan resumirse a categorías discretas.

¿Cuáles son los métodos o las pruebas estadísticas no paramétricas más

utilizadas?
1. La Chi cuadrada o X²: es la prueba estadística para evaluar hipótesis
acerca de la relación entre dos variables categóricas, y se calcula utilizando
una tabla de contingencia o tabulación cruzada.
2. Los coeficientes de correlación e independencia para tabulaciones
cruzadas: los cuales también se utilizan para evaluar si las variables
incluidas en la tabla de contingencia o tabulación cruzada se correlacionan
entre sí. Entre estos están:
● Phi (φ) para cuadros de ● Goodman-Kruskal, Lambda
contingencia 2x2 o sólo Lambda (λ)
● Coeficiente de contingencia ● Coeficiente de incertidumbre
Pearson o entropía o U de Theil
● V de Cramer ● Gamma de Goodman y
Kruskal
● Tau-a, Tau-b y Tau-c (τa, τb,
τc)
● D de Somers
● Kappa
 3. Los coeficientes de correlación por rangos ordenados de Spearman y Kendall

¿Qué otra aplicación tiene los cuadros de contingencia?

Además de los usos para calcular chi cuadrada y otros coeficientes estos se usan para la
descripción conjunta de dos o más variables lo cual se lleva a cabo convirtiendo las
frecuencias observadas en frecuencias relativas o porcentajes. Los tipos de porcentaje
respecto a cada celda que puede haber en una tabulación cruzada son:
● Porcentaje en relación con el total de frecuencias observadas (“N” o “n” de
muestra).

● Porcentaje en relación con el total marginal de la columna.

● Porcentaje en relación con el total marginal del renglón.

Otros coeficientes de correlación

El coeficiente de correlación de Pearson es una estadística apropiada para variables de
intervalo por ejemplo número de hijos, las veces que se consultó al establecimiento de
salud, peso, talla, índice de masa corporal, etc.
También es apropiada para Variables medidas por razón que pueden ser la edad, ingresos
familiares, distancia de casa al trabajo, etc.
La Chi cuadrada y demás coeficientes que se mencionan son estadísticas adecuadas
para tablas de contingencia con variables nominales, ordinales y de intervalos.
Una tabla de contingencia es una herramienta utilizada en la rama de la estadística, la cual
consiste en crear al menos dos filas y dos columnas para representar datos categóricos en
términos de conteos de frecuencia.

¿Qué son los coeficientes y la correlación por rangos ordenados de Spearman y

Kendall?
Los coeficientes rho de Spearman, representado como rs, y tau de Kendall, representado
como t, nos muestra la relación entre variables linealmente en un nivel de medición en el
que establece un orden de las categorías de cada variable. Dicho de otra manera, el
análisis puede ser ordenado por categorías, niveles, importancia, grado, etc.
Son utilizados para relacionar escalas tipo Likert que se utilizan para que los
investigadores puedan medir reacciones, actitudes y comportamientos de una persona.

Ejemplos del libro:

relacionar la opinión de dos médicos respecto a la jerarquización de un grupo de pacientes
en cuanto al avance de una enfermedad terminal, a fin de decidir cuáles requieren
atención más urgente.
Sülar y Okur (2008) relacionaron evaluaciones subjetivas hechas por 18 expertos a telas
sobre los atributos de suavidad, grosor y rugosidad con mediciones objetivas de la
resistencia a la tensión, flexión, corte, compresión y las propiedades de la superficie
(usando diversos aparatos, entre ellos, una boquilla de pruebas), calculando, entre otras
estadísticas, coeficientes de concordancia de Kendall, con el propósito de generar
modelos de producción.

¿Qué otros coeficientes hay?

Otro coeficiente importante es el Eta que tiene relaciones no lineales y que define la
“correlación perfecta” (1.00) como curvilineal y a la “relación nula” (0.0), es asimétrico y se
puede obtener un valor diferente para el coeficiente al determinar cuál variable se
considera independiente y cuál dependiente, puede trabajarse en tablas de contingencia.
Nivel de medición de
Coeficiente Ejemplos
las variables
Una ordinal y la otra por
Biserial Edad y nivel de depresión
intervalos o razón
Escuela de procedencia
Biserial por Una nominal y otra (pública-privada) y rango en una
rangos ordinal prueba de un idioma extranjero
(alto, medio, bajo)

Número de cigarrillos fumados

Biserial Una por intervalos o diariamente y desarrollo de
Puntual razón y la otra nominal cáncer pulmonar (presencia-ausencia de la
enfermedad).

De intervalo o razón y Decisión de abortar y creencia-no

Tetracórico
han sido dicotomizadas creencia en un ser supremo.
[CITATION Rob00 \l 2058 ]

Existen muchos más coeficientes, pero los más importantes son los que se señalan. Lo
mejor de todo es que los programas informáticos de análisis estadístico los calculan y lo
único que se debe hacer es interpretarlos y expresar los resultados con comentarios.
Una vista general a los procedimientos o pruebas estadísticas
los principales métodos estadísticos. En la primera se considera: a) el tipo de pregunta de
investigación (descriptiva, de diferencia de grupos, correlacional o causal), b) el número de
variables involucradas, c) nivel de medición de las variables o tipo de datos y d) en
comparación de grupos, si son muestras independientes o correlacionadas.

Paso 6: realizar análisis adicionales

Este paso implica que una vez se hayan realizado los análisis, es posible que se decida
ejecutar otros análisis o pruebas extras para confirmar tendencias y evaluar los datos
desde diferentes puntos de vista.

Paso 7: preparar los resultados para presentarlos

1. Revisar cada resultado, hacer un análisis general, análisis especifico y con la
presentación de tablas, diagramas, cuadros y gráficas.
2. Organizar los resultados (primero los descriptivos, por variable del estudio; luego
los resultados relativos a la confiabilidad y la validez; posteriormente los
inferenciales, que se pueden ordenar por hipótesis o de acuerdo con su desarrollo).
3. Comparar y examinar los distintos resultados: si tiene coherencia o no, y en caso de
que no podemos volver a revisarlos, evitar tablas, diagramas o grafica que
contengan los mismos datos, por lo que sebe elegir muy bien la tabla que nos
muestre de mejor manera los resultados.
4. Priorización de la información
 5. copiar o “formatear” las tablas en el programa con el cual se elaborará el reporte de
la investigación.
6. Comentar lo más importante de los análisis, tablas, gráficas, etc.
7. Revisar nuevamente los resultados.
8. Después de haber realizado los pasos anteriores podemos elaborar nuestro reporte
de investigación.

Una opinión muy importante a destacar son las palabras del profesor ROBERTO
CASTILLO que nos dice: Los estudiantes pueden concebir una idea de investigación a
partir de sus intereses personales, aunque se recomienda que elijan temas íntimamente
relacionados con su carrera, y que procuren que sean de actualidad y de interés común.
Para ello, los profesores deben infundir en los alumnos la importancia de la investigación
en el terreno académico y en el profesional, destacando su relevancia tanto en la
generación de conocimiento como en la búsqueda de soluciones a problemas.

Referencias
Sampieri, R. H. (2014). Metodología de la investigación. México D.F.: McGraw-Hill
Interamericana.