Está en la página 1de 221

Metodología Científica –

Aplicación de la Cuarta Vía

Autores:
Oscar Rafael Guillen Valle
Blanca Flor Cerna Ventura
Mario Rodolfo Sánchez Camargo
Luis Hernando Begazo Bedoya
Edwin Alberto Martínez López
Autor – Editor
Oscar Rafael Guillen Valle
Jirón Ayacucho 443 Apartamento 101 Block A
Magdalena del Mar
Lima
Perú

Autores
Oscar Rafael Guillen Valle
Blanca Flor Cerna Ventura
Mario Rodolfo Sánchez Camargo
Luis Hernando Begazo Bedoya
Edwin Alberto Martínez López

1era edición – agosto 2019

Hecho el Depósito Legal en la Biblioteca Nacional del Perú con el Nro. 2019-11514

Se termino de producir el DVD en agosto 2019


Oscar Rafael Guillen Valle
Jirón Ayacucho 443 Apartamento 101 Block A
Magdalena del Mar
Lima
Perú

2
EDITORIAL

A PROPOSITO DE LA UNIVERSIDAD DEL PACIFICO: DESARROLLO E


INVESTIGACION.

Félix Suárez Reyes


Rector, Universidad del Pacífico.
Buenaventura, Valle. Colombia.
Enero, 30 de 2019.1
Campus Universitario, Kilometro 13.
fesurez@gmail.com

Durante años existió un proyecto de universidad


en la memoria de las poblaciones del Pacífico
de Colombia, fue soñado por separado en
diversas playas y costas, pasando por la
imaginación de poetas, artistas, científicos y
reformadores. Pero es monseñor Gerardo
Valencia Cano, Obispo de Buenaventura, quien
empieza a tomar con mayor fuerza este sueño. El
proyecto va tomando forma por etapas y empieza a ser
ejecutado en los primeros años del siglo XXI. La idea inicial de monseñor y su
objetivo general era fortalecer las diferentes poblaciones de esta región pacífica;
su espíritu apunta a crear programas académicos al servicio de la población afro-
indígena y mestiza con el fin de recrear y potenciar las riquezas locales y
enriquecerlas con el legado de las ciencias aplicadas a las condiciones de la selva
húmeda tropical, las aguas dulces y saladas que la acompañan (incluidos los
grandes aguaceros preñados de centellas) y las formaciones urbanas que se
perfilan. Por eso, los consejos comunitarios, resguardos indígenas, las
organizaciones sociales, étnico-territoriales, campesinas, populares y las gentes

1
Félix Suárez Reyes, Actual Rector de la Universidad del Pacífico. Afrocolombiano. Doctor
Honoris Causa en Educación del Instituto de Educación Superior Tecnológico Público Suiza
– Pucallpa – Perú. Candidato a Ph.D en Educación Universidad de Baja California, Post-Doctor
en Investigación Científica Cualitativa y Cuantitativa, Universidad Nacional de Ucayali,
Pucallpa, Perú. Magíster en Lingüística y Especialista en docencia del Español de la Universidad
del Cauca, en ciencias de la educación con énfasis en psicolingüística de la Universidad Distrital
Francisco José de Caldas. Licenciado en literatura y lengua española. Es fundador de los
programas de formación docente en Etnoeducación Afrocolombiana y Competencias
Ciudadanas adscritos al CEPA y del DELIN, (2004; Res, 018). En la Universidad del Pacífico,
Buenaventura, Colombia. Consultor UNESCO-IESALC para el Proyecto Diversidad Cultural,
e Interculturalidad en América Latina y Caribe y en El lenguaje en Colombia, Tomo I, apoyado
por La Academia Colombiana de la Lengua y Bibliobancos pertinentes para Buenaventura en
Ciencias Sociales y Lenguaje.

3
con iniciativa empresarial, son las llamadas a dialogar con su universidad; son ellos
y ellas quienes deben tomar la iniciativa y decirnos cómo la necesitan. Son los
jóvenes renacientes y renacidos –así se autodenominan los afrodescendientes e
indígenas jóvenes-- los que deben decirnos cuál es su propuesta, cómo debemos
construirla y cuál es la sociedad en la que desean vivir.

La Universidad del Pacífico hace parte de un movimiento social, político,


académico y cultural que fue apoyado inicialmente por un grupo de amigos entre
los años 1965 y 1970, liderado por Omar Barona Murillo; en esta lucha, lo
acompañó el Proceso de Comunidades Negras (PCN) y el Movimiento
Sociopolítico de las Comunidades Indígenas del Pacífico. Un grupo de personas
unió sus esfuerzos y conocimientos en lo que se denominó instituto de Servicios
Educativos Regionales (SER) de Investigaciones, que elaboró toda la propuesta
de la universidad en términos de documentos el Proyecto Educativo Institucional
Universitario (PEIU), así como la propuesta del Centro de Investigaciones del
Pacífico y los elementos fundamentales para la construcción de la ciudadela.

Creada con el fin de fomentar el avance de los pueblos de la región pacífica, la


Universidad del Pacífico está destinada a la formación de profesionales integrales
que se destaquen por sus valores éticos y humanísticos, así como su desarrollo
científico, técnico y cultural, y cuyos egresados deben corresponder a la filosofía
de vida relacionada con el compromiso social de afianzar los conocimientos de
sus comunidades para establecer un diálogo de saberes con la academia,
fortalecer su identidad y sentido de pertenencia.

En el año 2000, el 20 de noviembre, comenzaron los primeros programas:


Sociología, Arquitectura, Agronomía y Tecnología en Agronomía. En julio del 2007
fallece el rector. abogada Carmela Quiñones, quien venía acompañando
exitosamente la gestión del Rector fundador.

Sus motores de arranque son Ley 55 de 1988 y Ley 70 de 1993, producto de la


década del 90 en nuestro país además de ser incierta, en términos políticos, fue
aciaga en la búsqueda de nuevas formas de relación social. Las demandas de los
grupos étnicos trascendieron en la lucha por sus derechos económicos y sociales,
al mismo tiempo que se fue conformando una conciencia en la sociedad civil,
expandiéndose a nivel nacional e internacional, lo cual impuso la necesidad de la
construcción de una nueva constitución política para abarcar la realidad social y
cultural de la nación, incluidos los sectores marginados.

La Constitución de 1991 por primera vez en la historia colombiana reconoce las


características pluriétnicas y multiculturales del país, y se evidencia que este país
reniega de sus indígenas, excluye a los afroamericanos, ignora a la mujer y
desconoce el papel de las diversas culturas. En este contexto, surgen una serie
de decretos reglamentarios que perfilan nuevas orientaciones para los desarrollos
curriculares como son: El decreto 1122 de 1998, que establece los lineamientos

4
curriculares de la Cátedra de Estudios Afrocolombianos, el decreto 804 que
reglamenta el capítulo tercero de la Ley 115 de 1994; Educación para Grupos
Étnicos y la Comisión Pedagógica Nacional, creada por la Ley 725 de 2001,
destinada a establecer las bases para una educación afrocolombiana.

La ley 65 de 1988 crea la Universidad del Pacífico, con una perspectiva mayor que
la señalada en su artículo primero: “A partir de la fecha de sanción de esta Ley,
crease la Universidad del Pacífico, como un establecimiento público nacional, de
carácter docente, con personería jurídica y autonomía de educación nacional. Su
domicilio será la ciudad de Buenaventura, Departamento del Valle del Cauca, pero
podrá establecer dependencias académicas en otras localidades del Litoral
Pacífico…”

En el artículo cuarto se plantea que: “Créase el Centro de Investigaciones de la


Universidad del Pacífico, adscrito a la misma, el cual tendrá como función básica
realizar investigaciones que permitan el mejor conocimiento y el desarrollo integral
de la región y la formación de investigadores y especialistas nativos y del país. De
igual manera, la misma Ley, en el artículo décimo, hace nacer la Ciudadela
Universitaria de la Universidad del Pacífico: “Crease la Ciudad Universitaria de la
Universidad del Pacífico, el cual constará de edificaciones para la docencia,
investigación, residencias para profesores e investigadores, dependencias
administrativas, campos deportivos, cafetería y demás facilidades… ”

A partir del 2013 la Universidad del Pacífico estructuró un nuevo sistema de


investigación con que se concibe como una actividad fundamental de la vida
universitaria, esencial para la búsqueda de conocimientos, formación integral de
estudiantes y docentes y para contribuir a la transformación de la realidad de la
región del Pacífico colombiano, es un proceso sistemático y riguroso de búsqueda y
construcción de conocimientos en los diversos campos científico, técnico, artístico,
humanístico, y de los saberes ancestrales y debe aflorar en un ambiente de libertad
en la generación de conocimiento como una condición básica para fortalecer la
ciencia, la tecnología y la innovación. “(Artículo 3, Política de Investigación, Enero/
2013).

La Política de Investigación de la Universidad del Pacífico define la Investigación


Formativa como una estrategia pedagógica “a través de la cual los profesores y
estudiantes se acercarán a los distintos niveles y complejidades del proceso
investigativo como actores permanentes en la búsqueda del conocimiento y agentes
activos de la cultura de la investigación”.

Señala, además: “La Política de Investigación busca la articulación de la docencia con


la investigación a través de la Investigación Formativa. De esta manera, la
investigación formativa, tanto en los niveles de pregrado y postgrado se convierte en
una estrategia pedagógica y elemento fundamental del proceso de enseñanza-
aprendizaje: enseñando a investigar y haciendo investigación. La Universidad se

5
proyecta desde la investigación formativa hasta la investigación científica básica y
aplicada. La investigación básica y aplicada que se desarrolla en la Universidad aporta
en la formación del investigador” (Artículo 3, Política de Investigación, Enero/ 2013).

La universidad ha establecido una serie de metas con el objetivo de mejorar y subsanar


las dificultades que la han impedido crecer para convertirse en el centro de formación
intercultural que requiere la región pacífica y el país y América latina entre las cuales
destacan:

1. Implementar alianzas estratégicas con países de América Latina y el Caribe, que


permita fortalecer la investigación científica, así como permitir a loso nuevos
investigadores no solo afro colombianos, palenqueros, raizales, como las otras
etnias afro darse a conocer a través de nuestra revista científica, como en los talleres
y seminarios internacionales a desarrollarse.
2. Mejorar los procesos de investigación a través del encuentro entre semilleros de
investigación y los CVLACs de los docentes para conformar grupos fuertes
altamente clasificables en las convocatorias de COLCIENCIAS
3. Mejorar los procesos de producción científica y publicación de textos desde la
universidad.
4. Proyectar la universidad socio comunitariamente en Buenaventura y en toda la
región pacífica además de América latina.
5. Diversificar la oferta de nuevos programas pertinentes para la región tanto en
pregrado como en postgrado.
6. Crear y poner en marcha el Centro de Investigaciones de la Universidad del
Pacifico, el Centro de Educación Virtual semi presencial y a distancia y el instituto
de postgrados de la misma.
7. Dinamizar los convenios firmados por la universidad del pacífico a nivel nacional
e internacional.
8. Desarrollar un Campus Virtual para uso de las alianzas en todo América Latina y
el Caribe, interactivo multimedia, donde se encuentren los artículos científicos de
nuestra revista en proceso de indexación, sino permitir a los nuevos investigadores
9. Implementar y desarrollar talleres internacionales para formar investigadores
científicos en los diseños cuantitativos, cualitativos y mixtos, capacitarlos en el uso
de software para el desarrollo de los planes de tesis y tesis, SPSS, Minitab, NVivo
10, Atlas Ti entre otros.
10. Desarrollar procesos de regionalización de la Universidad del Pacifico en el
suroccidente colombiano e internacionalizarla.

Desde aquí, los puntos señalados muestran la importancia que la Universidad del
Pacífico le da al desarrollo de la investigación, a la internacionalización, a los
convenios y al desarrollo latinoamericano pedagógico que produce conocimiento en
conjunto.

En buena hora y por todo lo anterior, estas publicaciones internacionales serán muy
bienvenidas en el ámbito latinoamericano.

6
Félix Suárez Reyes
Rector, Universidad del Pacífico.
Buenaventura, Valle. Colombia.
Enero, 30 de 2019.
Campus Universitario, Kilometro 13.

7
Dedicatorias

Gracias Dios por todo lo que he recibido en el pasado, por lo que me das día a día y por todo lo que está por llegar.
Por tener unos padres maravillosos Oscar y Esther, a mis hijos Gustavo Rafael, Stephany Valeria, Raphael
Antonio por ser ellos un apoyo silencioso pero importante cada día de mi vida, a mi esposa Blanca Flor quien hoy
no solo es mi compañera de vida, sino mi apoyo en todos mis proyectos.
A mis profesores, hoy mis amigos de siempre, en forma muy especial al Amauta el Dr. Jorge Lazo quien me inicio
en el mundo de la investigación científica, a mi padre quien con su ejemplo, paciencia, perseverancia y amor me
enseño todo lo que hoy soy, y por tener yo la dicha infinita de tener a un amigo, hermano, padre y gurú en él, todos
los días de mi vida
Oscar Rafael Guillen Valle

Al creador que no he visto, pero siento su presencia en cada instante de mi vida. A mi familia Maché, madre y
hermana mayor, a mis hermanos Luz Mary, Rocio y Pepeto; por otro lado, a mis hijos Davis, Cristian Jhonatan
y La estrella Linda Pamela, mi querida compañera de vida y esposa, SALOME. A los colegas en investigación, a
los estudiantes y a las instituciones que han permitido que salga a la luz esta obra, un enorme agradecimiento por
el apoyo.
Feliz Suarez Reyes

A dios por guiarme en el sendero del bien y no perder las esperanzas de un mañana diferente. A mis padres Oscar
y Paquita por inculcarme los valores éticos y morales y enseñarme a ser imperecedero en la vida. A Nelly, por su
infinito cariño, dedicación y comprensión a mis hijos y hermanos por su inmenso cariño.
Luis Hernando Begazo de Bedoya

A dios, a mi mamita Hermelinda, a mis padres Carmen y Segundo, la alegría de mi vida mi hija Abigail, mi
compañera de vida Anali, mi hermano Jorge y mis sobrinos Diego y Leandro.
Mario Rodolfo Sánchez Camargo

8
Contenido
Prólogo 13
Capítulo 1. Metodologia de la investigación científica 14
1.1 Definición de metodología 15
1.1.1 Definición de la investigación 15
1.2 Enfoque de investigación científica 16
1.2.1 Enfoque cuantitativo o ruta cuantitativa de la investigación (primera vía) 17
1.2.2 Enfoque cualitativo o ruta cualitativa de la investigación (segunda vía) 17
1.2.3 Enfoque mixto o ruta mixta de la investigación (tercera vía) 18
1.2.4 Enfoque sistémico (La cuarta vía) 18
Capítulo 2. La Variable 24
2.1 Definición de la variable 25
2.1.1 La variable según su naturaleza 25
2.1.2 La variable según su función 26
2.1.3 La variable según su escala de medición 26
2.1.3.1 Escala nominal 26
2.1.3.2 Escala ordinal 27
Capítulo 3. Título de la tesis 28
3.1 La elección del título de la tesis 29
3.2 Título de la tesis que se investigara 29
3.3 Descripción de la situación problemática 30
3.4 Planteamiento del problema de investigación 30
3.5 Criterios para plantear el problema 31
3.6 Formulación del problema 31
3.7 Objetivos de la investigación 31
3.8 Justificación de la investigación 32
3.8.1 Justificación teórica 32
3.8.2 Justificación metodológica 33
3.8.3 Justificación práctica 33
Capítulo 4. Construcción del marco teórico 34
4.1 Conocimiento del enfoque teórico de la variable de estudio 35
4.2 Marco teórico 35
4.3 Numero de referencias en el marco teórico 36
4.4 Cantidades de hojas en el marco teórico 37
4.5 Antecedentes de la investigación 37
4.6 La hipótesis 37
4.7 Hipótesis estadística 38
4.7.1 Hipótesis alterna 38
4.7.2 Hipótesis nula 38
Capítulo 5. Alcances o tipo de investigación 39
5.1 Definición de alcance o tipo de investigación 40
5.1.1 Alcance o tipo exploratorio 41

9
5.1.2 Alcance o tipo descriptivo 41
5.1.3 Alcance o tipo correlacional 41
5.1.4 Alcance o tipo explicativa (causal) 42
Capítulo 6. El diseño de la investigación 45
6.1 Definición de diseño 46
6.2 Diseño no experimental 46
6.2.1 Corte transversal 46
6.2.2 Corte longitudinal 47
6.3 Diseño experimental 47
6.3.1 Requisitos para una investigacion experimental 48
Capítulo 7. Población y muestra 49
7.1 Definición de la Población (universo) 50
7.2 Definición de la Muestra 50
7.3 Muestreo 50
7.3.1 Muestreo no probabilístico 50
7.3.2 Muestreo probabilístico 51
Capítulo 8. Instrumentos y técnicas de recolección de información 52
8.1 Definición de recolección de información 53
8.2 Instrumentos de medición 53
8.3 Medición 53
8.4 Pasos para construir un instrumento de medición 53
8.5 Tipos de instrumento de medición 53
8.5.1 Cuestionario 53
8.5.2 Entrevista 54
8.6 Técnica de medición 54
8.6.1 Observación 54
8.6.2 Encuesta 54
8.6.3 Fichaje 54
8.7 Validación del instrumento 54
8.8 Prueba piloto 54
8.9 Confiabilidad 55
8.10 Métodos para hallar la confiabilidad del instrumento 55
8.10.1 Alfa de Cronbach 55
8.10.2 Kuder-Richarson (KR-21) 55
Capítulo 9. Estadística 57
9.1 Definición de la estadística 58
9.2 Pruebas paramétricas 58
9.2.1 T de Student para una muestra 58
9.2.2 T de Student para muestras independientes 63
9.2.3 T de Student para muestras relacionadas 67
9.2.4 Anova con un factor intersujetos 71
9.2.5 T de Student para muestras relacionadas 77
9.2.6 Coeficiente de correlación “R” de Pearson 82
9.3 Pruebas no paramétricas 88

10
9.3.1 X2 Bondad de ajuste 88
9.3.2 Bondad de ajuste binomial 92
9.3.3 U Mann-Withney 96
9.3.4 Dependencia Chi – cuadrado 101
9.3.4 KRUSKAL WALLIS 104
9.3.5 Wilcoxon 108
9.3.5 Q de Cochran 112
9.3.6 MC NEMAR 116
9.3.7 FRIEDMAN 120
Capítulo 10. Laboratorios para pruebas estadísticas cuantitativas y cualitativas 129
Laboratorio Nro. 1 – Normalidad y Homocedasticidad (Prueba de Levene) 129
Laboratorio Nro. 01 Procesamiento de datos 146
Laboratorio Nro. 01 Pearson y Rho de Spearman – Correlacionales 158
Laboratorio Nro. 02 --- U Mann Whitney 172
Laboratorio Nro. 03 – Prueba de Kruskall Wallis 182
Laboratorio Nro. 04 Pruebas de Wilconxon 188
Laboratorio Nro. 05 Test de McNemar 198
Laboratorio Nro. 06 Correlación de Yates 204
Laboratorio Nro. 07 Análisis de la varianza con un factor - Anova con un factor 211
REFERENCIAS BIBLIOGRÁFICAS 218

11
Tabla de Figuras y Tablas

Figura 1 La investigación .......................................................................................................... 16


Figura 2 Proceso cuantitativo .................................................................................................... 17
Figura 3 Tendencias contemporáneas en Metodología ............................................................. 20
Figura 4 Cuarta Vía: Semáforo para la toma de decisiones ...................................................... 21
Figura 5 Semáforo para aplicar a conclusiones y recomendaciones ......................................... 22
Figura 6 Proceso de Elaboración de Tesis según la cuarta vía ................................................. 23
Figura 7 Componentes de la variable cualitativa (categórica) y cuantitativa (numérica) ......... 25
Figura 8 Componentes de la variable según su función ............................................................ 26
Figura 9 Ejemplo de bases teóricas de la variable motivación .................................................. 35
Figura 10 Alcance de la investigación ....................................................................................... 40
Figura 11 Clasificación de los diseños cuantitativos ................................................................. 46
Figura 12 Esquema grafico de un experimento ......................................................................... 47
Figura 13. Supuestos en la estadística no paramétrica .............................................................. 93

Tabla 1 Características del enfoque cuantitativo ....................................................................... 17


Tabla 2 Características del enfoque cualitativo ......................................................................... 18
Tabla 3 Categorías de las variables y su codificación ............................................................... 27
Tabla 4 Escala ordinal y su codificación ................................................................................... 27
Tabla 5 Fuentes primarias y fuentes secundarias ...................................................................... 36
Tabla 6 Rangos de Confiabilidad para Enfoques Cuantitativos ................................................ 55
Tabla 7 ..................................................................................................................................... 157

12
Prólogo
El libro “Metodología y estadística de la investigación - sencillo y práctico”, trata en todo
momento de poder enseñar a los nuevos investigadores que la aplicación del SPSS 25 como otras
herramientas que facilitan los procesos estadísticos, son fáciles, sencillos y rápidos. Asimismo, el
desarrollo de un plan de tesis o una tesis no es lo complicado, tedioso, imposible de elaborar, lo
que se requiere es seguir procesos o pautas en forma ordenada, saber que deseamos desarrollar
y que deseamos aportar con nuestra investigación científica.

Como lo indica Henri Poincare “El científico encuentra su recompensa en lo que llama el placer
de la comprensión, es por eso que la aplicación de un nuevo paradigma la Cuarta Via, nos
permite entender, comprender, definir de una manera fácil, sencillo, simple, entendible y rápida.

En los libros digitales anteriores del PhD. Ing. Oscar Rafael Guillen Valle han sido un preámbulo
de apoyo del uso del SPSS 25, el SPSS es un programa estadístico informático muy usado en las
ciencias sociales y aplicadas, además de las empresas de investigación de mercado. El nombre
originario correspondía al acrónimo de Statistical Package for the Social Sciences (SPSS),
reflejando la orientación a su mercado original (ciencias sociales), aunque este programa es
también muy utilizado en otros campos como la mercadotecnia. Sin embargo, en la actualidad la
parte SPSS del nombre completo del software (IBM SPSS) no es acrónimo de nada.

Se presentan los capítulos las etapas para realizar un plan de tesis como tesis en una forma simple
de entender, sin dejar de lado el rigor científico, de la misma manera laboratorios que se aplicarán
de acuerdo a cada diseño que se utilizara en la investigación.

Los autores recordaron a Martin Luther King “Sólo quiero hacer la voluntad de Dios. Él me
permitió subir a la montaña y mirar más allá y he visto la tierra prometida. Yo no puedo ir allí
contigo, pero quiero que sepas que nuestro pueblo llegará a la tierra prometida”. (De un discurso
en Memphis la noche antes de su asesinato, 3 abril de 1968). Es el gran eje que nos permitió
desarrollar este libro para demostrar que elaborar un plan de tesis o una tesis no es nada
complicado, y no requiere ser un illuminati o un gurú, simplemente se requiere un profesional
investigador con método, didáctica y conocimiento de metodología como de estadística.
Debemos tener presente que los críticos abundan, como lo precisa Benjamin Disraeli: ¿Sabéis
quiénes son los críticos? Aquellos que fracasaron en la literatura y en las artes. pero el análisis de
aquellos es muy simple han podido escribir al menos una línea con sus propias palabras o
conocen sinceramente estadística básica mínimo o intermedia para ser capases de desarrollar
solos con un rigor científico serio un curso de desarrollo de tesis, O saber por qué o como y de
qué forma se prueba una estadística.

Los autores esperamos sea de su agrado, les sea útil y pueda ser la luz que ilumina el final del
camino.

13
Capítulo 1. Metodología de la investigación científica

14
1.1 Definición de metodología
La metodología consiste en la necesidad de plantear o construir un problema, formular
hipótesis; determinar qué datos se van a obtener, como y de qué manera clasificar y medir los
datos obtenidos; la forma de plantear las proposiciones e hipótesis en una estructura teórica;
como codificar, agrupar y analizar los datos para su interpretación; y en su caso como predecir
acontecimientos con base en la teoría y en esos datos (Ortiz & Garcia, 2000, p. 30).

De acuerdo a (Sánchez, 2010, p. 19), la metodología es una rama de la logica que se ocupa
de la aplicación de los principios de razonamiento a la investigacion cientifica y a la filosofia. La
metodologia es un sistema de métodos en una ciencia particular, y se apoya para ello en los
paradigmas (positivista y naturalista).

Según (Godoy, 2011, p. 11), el método es el camino a seguir mediante una serie de
operaciones, reglas y procedimientos fijados de antemano de manera voluntaria y reflexiva, para
alcanzar un determinado fin, que puede ser material o conceptual. Para (Sánchez y Pongo, 2014,
p. 18), en Metodología, es necesario:
− En primer lugar, conocer, describir, explicar y discutir los fundamentos filosóficos,
epistemológicos, ontológicos y metodológicos de los paradigmas.
− En segundo lugar, si el investigador tiene alguna preferencia por una metodología, esta
deberá estar fundamentada en el enfoque a utilizar, ya sea el cuantitativo, el cualitativo
o el sistémico (holístico).
− En tercer lugar, elegido el enfoque, se aplica el proceso o los pasos que nos deben
conducir a las teorías generales o bases teóricas que permitirán encontrar nuevas
soluciones al problema de investigación, con el apoyo de los diseños metodológicos y de
la estadística.

En resumen en el desarrollo de una investigación es disciplinario. Se inicia desde la


filosofía y el razonamiento, luego se discuten los paradigmas y enfoques y, finalmente, el método
a emplear como proceso. Tomando en consideración las disciplinas de la sociología, la psicología
social, la economía, la antropología, etc. deben discutir los métodos, razonamientos y
conceptos, así como las ideas que se debaten en la problemática. En este contexto el análisis y
la reflexión, en torno a procesos de investigación, se convierten en herramientas críticas para la
formación de investigadores en ciencias sociales (Sánchez y Pongo, 2014, p. 18).

1.1.1 Definición de la investigación


Según (Hernández & Mendoza, 2018, p. 4), la investigacion es el conjunto de procesos
sistematicos, criticos y empiricos que se aplican al estudiode un fenomeno o problema con el
resultado (o el objetivo) de ampliar su conocimiento. Esta concepción se aplica por igual a los
enfoques cuantitativo, cualitativo y mixto.

15
Sujeto Observa, mide-explica, transforma Objeto

Métodos explicativos
Métodos o experimentales
observacionales o
descriptivos

Describen la realidad Cambia la realidad


tal como se por influencia de la
encuentra: manipulación de
diagnostica hechos: transforma

Figura 1 La investigación
Fuente. (Palomino, Peña, Zevallos, & Orizano, 2015, p. 27).

Para (Palomino, Peña, Zevallos, & Orizano, 2015, p. 27), la investigación constituye la
aplicación de métodos o procedimientos para plantear problemas o conjeturas y recoger datos
de la realidad objetiva para su verificación y así dar respuesta a las interrogantes que se plantean
y generar nuevas leyes y teorías. En términos generales, investigar implica ampliar el
conocimiento instituido hasta el momento o descubrir algo nuevo (Iglesias & Resala, 2014, p.
59).

Con la investigación podemos conocer la realidad o contexto, así como comprobar y


proponer innovaciones que están orientados a mejorar y desarrollar la misma realidad
ubicándonos bien en el desarrollo de una investigación científica propiamente dicha (teórica),
o bien en una investigación aplicada (Ampa, Ramirez, & Ramirez, 2007, p. 14).

1.2 Enfoque de investigación científica


Se denomina enfoque a la manera de apreciar la investigación según la naturaleza de las
variables. Teniendo en cuenta esta naturaleza, el estudio puede ser cuantitativo si las variables
que se proponen estudiar son de naturaleza cuantitativa, es decir, se miden con cantidades. En
cambio, un estudio se verá como cualitativo si las variables son cualitativas, lo cual quiere decir
que se miden con cualidades. Sera mixto el estudio si unas variables son cualitativas y otras
cuantitativas (Tafur & Izaguirre, 2015, p. 189).

Los enfoques de investigación científica según (Palomino, Peña, Zevallos, & Orizano,
2015, p. 28), son formas de cómo se orienta la investigación que conduce a resolver problemas o
producir conocimientos científico

16
1.2.1 Enfoque cuantitativo o ruta cuantitativa de la investigación (primera vía)
El enfoque cuantitativo (la primera vía) o conocida también por (Hernández & Mendoza, 2018,
p. 6) como ruta cuantitativa es apropiada cuando queremos estimar las magnitudes u
ocurrencias de los fenómenos y probar hipótesis. Por ejemplo, determinar la prevalencia de una
enfermedad (número de individuos que la padecen en un periodo y zona geografica) y sus
causas; predecir quien de los candidatos va a triunfar en la proxima elección para presidente del
país, comprobar cuál de dos métodos de enseñanza incrementa en mayor medida el aprendizaje
de algo (por ejemplo, robotica elemental) en cierta población, etcétera.
El proceso del enfoque cuantitativo se representa de la siguiente manera:

Revisión de la
Visualización Elaboración de
Idea Planteamiento literatura y desarrollo
del alcance del hipótesis y definición
del problema del marco o
estudio de variables
perspectiva teórica

Elaboración del Definición y Desarrollo del


Análisis de Recolección
reporte de selección de diseño de
los datos de los datos
resultados la muestra investigación

Figura 2 Proceso cuantitativo


Fuente. (Hernández & Mendoza, 2018, p. 6)

Para (Sánchez, 2011, p. 36), el enfoque cuantitativo, según Kerlinger parte del supuesto
que en potencia todos los datos son cuantificables. Para ello se apoya en los fundamentos del
positivismo y de la ciencia nomotética (establecimiento de leyes universales), cuya tendencia es
hacia la concentración del análisis en las manifestaciones externas de la realidad.

Tabla 1 Características del enfoque cuantitativo


Sitúa su interés principal en la explicación, la predicción y el control de la realidad.
Tienden a reducir sus ámbitos de estudio a fenómenos observables y susceptibles de medición.
Busca la formulación de generalizaciones libres de tiempo y contexto.
Prioriza los análisis de causa-efecto y de correlación estadística.
Utiliza técnicas estadísticas para definición de muestras, análisis de datos y generalización de resultados.

Fuente. (Sánchez, 2011, pp. 36-37).

1.2.2 Enfoque cualitativo o ruta cualitativa de la investigación (segunda vía)


El enfoque cualitativo (segunda vía) o conocida también por (Hernández & Mendoza, 2018, p.
7) como ruta cualitativa, tambien se estudian fenomenos de manera sistemática. Sin embargo,
en lugar de comenzar con una teoria y luego voltear al mundo empírico para confirmar si esta
es apoyada por lo datos y resultados, el investigador comienza el proceso examinando los

17
hechos en si y revisado los estudios previos, ambas acciones de manera simultánea, a fin de
generar una teoría que sea consistente con lo que está observando que ocurre.

Según (Sánchez, 2011, p. 36), el enfoque cualitativo se orienta a la comprensión de las


acciones, a partir de las motivaciones, actitudes e intereses de las personas. Desde esta
concepción, se cuestiona que el comportamiento de las personas esté regido por leyes generales
y caracterizadas por regularidades subyacentes. Los esfuerzos del investigador se centran más
en la descripción y comprensión de lo que es único y particular del sujeto, en vez de lo que es
generalizable. Se pretende así desarrollar un conocimiento ideográfico y se acepta que la
realidad es dinámica, múltiple y holística.

Tabla 2 Características del enfoque cualitativo


Concentra sus esfuerzos investigativos en la descripción, comprensión e interpretación de
los significados que los sujetos le dan a sus propias acciones.
Evita la fragmentación. Estudia los hechos dentro de una totalidad (visión holística).
No admite la posibilidad de generalización de resultados, en la medida que considera que
estos están limitados a un tiempo y a un espacio. Desarrolla un conocimiento ideográfico.
No admite los análisis causa-efecto, ya que considera que los hechos se manifiestán como
determinación de múltiples factores asociados.
Utiliza técnicas de observación participante y análisis en profundidad, desde una
perspectiva subjetiva y particularista.
Fuente. (Sánchez, 2011, pp. 36-37).

1.2.3 Enfoque mixto o ruta mixta de la investigación (tercera vía)


El enfoque mixto (tercera vía) o conocida también por (Hernández & Mendoza, 2018, p. 10)
como ruta mixta, entrelaza a las dos anteriores (cuantitativa y cualitativa) y las mezcla, pero es
más que la suma de las dos anteriores e implica su interacción y potenciación. Los métodos
mixtos o híbridos representan un conjunto de procesos sistemáticos, empiricos y criticos de
investigación e implican la recolección y el analisis de datos tanto cuantitativos como
cualitativos, asi como su integración y discusión conjunta, para realizar inferencias producto de
toda la información recabada (denominada metainferencias) y lograr un mayor entendimiento
del fenómeno bajo estudio.

Con los enfoques expuestos podemos señalar que la elección del enfoque de
investigación para la elaboración de la tesis es dependiendo del grado de conocimientos que se
tenga por ejemplo si elegimos el enfoque cuantitativo se debe tener base estadística, además
también depende mucho del docente que esté a cargo del curso de metodología.

1.2.4 Enfoque sistémico (La cuarta vía)


Se considera que uno de los retos del investigador al desarrollar una tesis es cómo emplear la
metodología y la estadística, a nivel teórico y práctico. En lo teórico, puede observarse que el
investigador conoce la función que cumple paradigma positivista, en los aspectos
epistemológico, ontológico y metodológico; estos aspectos previamente se solicitan al tesista,
como requisito para la formulación de los problemas, objetivos e hipótesis. Otros

18
investigadores, en cambio, normalmente asumen el conocimiento previo del tesista; es decir, su
experiencia en la temática de la investigación a realizar (Sánchez y Pongo, 2014, p. 15).

Al investigar a veces se hace frente a situaciones que no corresponden con la lógica que
se hallan en los “modernos manuales o libros de metodología” (en el planteamiento o
formulación del problema y en el contraste de hipótesis), y, de este modo, al enseñar
metodología no se toma en cuenta la formación previa del tesista, necesaria para trabajar con
paradigmas positivistas o naturalistas sino sistémica (Sánchez y Pongo, 2014, p. 15).

Esto significa que en los manuales o libros de metodología, la creatividad, en lo


relacionado con el paradigma positivista y la contrastación de hipótesis, obedece a cumplir
fielmente los criterios de causalidad y covarianza, contrastes con las pruebas Z o T, y la
aceptación o rechazo de las Hipótesis Nula (Ho) o de las Hipótesis Alternativas (H1),
requiriendo de esfuerzos posteriores de comprensión y pragmatismo para interpretar
resultados, para realizar recomendaciones válidas (Sánchez y Pongo, 2014, p. 16).

En lo relacionado con el paradigma naturalista, para realizar contrastes y


recomendaciones válidas se utilizan la triangulación de instrumentos, construyendo con ello
nuevos conceptos, y comparándolos con los ya conocidos, pero sin utilizar la estadística
inferencial, en sí la estadística descriptiva; formulando así nuevos problemas, aplicando
adecuadamente procedimientos y técnicas de investigación (Sánchez y Pongo, 2014, p. 16).

El paradigma sistémico, para realizar contrastes y recomendaciones válidas, puede


utilizar la triangulación de conceptos aprendidos, la optimización, la visión holística y la
correlación que permita identificar fortalezas y debilidades, construyendo con ello conclusiones
y mejores recomendaciones que potencien la creatividad y originalidad en las propuestas del
investigador (Sánchez y Pongo, 2014, p. 16).

19
Figura 3 Tendencias contemporáneas en Metodología
Fuente. (Sánchez y Pongo, 2014, p. 17).

En la etapa de trabajo de campo o de resultados, deben describirse los hallazgos, primero


de manera descriptiva y luego de manera o inferencial (explicativa). En segundo lugar, deben
contrastarse las hipótesis y analizarse los hallazgos estadísticos según los resultados de las
diferentes pruebas estadísticas (correlaciones, diferencia de medias, prueba t, análisis de
varianza, con sus modalidades de bloque, latino, greco latino y S. Greco Latino) podrán ser
ubicadas en la tabla de semáforos, según intervalos, tal como se muestra en la Figura 3 (Sánchez,
2011) citado por (Sánchez y Pongo, 2014, p. 20).

20
Figura 4 Cuarta Vía: Semáforo para la toma de decisiones
Fuente. (Sánchez y Pongo, 2014, p. 21).

21
Figura 5 Semáforo para aplicar a conclusiones y recomendaciones
Fuente. (Sánchez y Pongo, 2014, p. 21).

Según (Sánchez y Pongo, 2014, p. 22), de la comparación de las causas- efectos de estas
dimensiones, se obtienen:
− La Innovación metodológica- visual, sobre las correlaciones significativas o no
significativas, que se hallan en la horizontal, y son las conclusiones del investigador.
− De manera vertical, las relaciones causa-efecto, permitirán de manera original y creativa,
las recomendaciones del investigador.

Si no tiene conocimientos previos sobre el tema de investigación, se deberá recurrir


inicialmente a lecturas sobre bases teóricas, para lograr conocimientos previos, que permita al
investigador lograr la conceptualización o las dimensiones de los “efectos” (dimensiones
variables), y posteriormente establecer los contenidos y límites conceptuales y operativos.
Adquiridos los conocimientos previos, deben seguir los aspectos metodológicos, expresados
por el esquema de las escuelas de Postgrado. De encontrarse con alguna dificultad teórica,
metodológica y técnica que no se encuentra en los textos, se consultará al asesor o expertos en
el tema, para conocer cómo se ha resuelto (Sánchez y Pongo, 2014, p. 23).

22
Figura 6 Proceso de Elaboración de Tesis según la cuarta vía
Fuente. (Sánchez y Pongo, 2014, p. 23).

23
Capítulo 2. La Variable

24
2.1 Definición de la variable
Según (Palomino, Peña, Zevallos, & Orizano, 2015, p. 78), una variable es cualquier
característica de un objeto, sujeto o intervención que puede variar de un objeto a otro, de un
sujeto a otro, de una intervención a otra. Es una propiedad que varía o adquiere diversos valores
y cuya variación es susceptible de ser medida u observada; y adquieren valor para la
investigación científica cuando son relacionadas con otras variables. Asimismo (Gamarra,
Wong , Rivera , & Pujay , 2015, pp. 23-24), define la variable como una caracteristica, cualidad
o propiedad que puede variar con relacion a si mismo o diferentes objetos a lo largo del tiempo
y cuya variación es susceptible de observarse o medirse. Existen tipos de variables según el
criterio de clasificacion que se utilice. A su vez (Córdova, 2013, p. 60) define la variable como la
caracteristica observable de un colectivo que varia de unidad de observación en unidad de
observación. Finalmente (Kerlinger & Lee, 2002, p. 36), una variable es un simbolo al que se le
asignan valores o numéros. La variable es una caracteristica en la uqe se poya el investigador
para probar la hipotesis de una investigación (Garcia, 2016, p. 37). De acuerdo a (Webster, 2000,
p. 9) la variable es una caracteristica de la muestra o poblacion que se está observando. Los
criterios de clasificación más utilizados son:

2.1.1 La variable según su naturaleza


Las variables según su naturaleza para (Gamarra, Wong , Rivera , & Pujay , 2015, p. 24), se
dividen en variables cualitativas (categóricas) y cuantitativas (numéricas). Las primeras son
aquellas que no son susceptibles de medida numérica, sus valores son atributos; por ejemplo,
género (masculino y femenino, estado civil (soltero, casado, viudo, conviviente, etcétera). Las
variables cuantitativas si son susceptibles de medida numérica, sus valores indican cantidad de
variables. Según (Córdova, 2013, p. 63), una variable cualitativa es también conocida como
variable categórica. Si posee dos categorías, se llama dicotómica y si posee más de dos
categorías, se denomina politómica.

Variable cualitativa o
categórica: expresan en Variable cuantitativa o
Según su
datos no numéricos o numérica: se expresan
naturaleza en datos numéricos.
atributos.

Se dividen Se dividen
en: en:

Dicotómicas: se expresan
en dos categorías: Discretas: asumen valores
− Sí o no. enteros positivos como:
− Bueno o malo. − Número de hijos.
− Estudiantes matriculados.

Politómicas: se expresan Continuas: asumen valores


en más de dos categorías: decimales o fraccionados
como:
− Bueno.
− Peso de estudiantes.
− Regular.de la variable cualitativa (categórica) y cuantitativa (numérica)
Figura 7 Componentes
− Promedio de estatura.
− Malo.

25
Fuente. (Gamarra, Wong , Rivera , & Pujay , 2015, p. 24).

2.1.2 La variable según su función


De acuerdo a Gamarra, Wong , Rivera , & Pujay , 2015, p. 25), según la función que desempeña
en la investigación, esta clasificación divide las variables en función del papel a cada una se le
atribuye en las relaciones causales: dependiente, independiente, interviniente y extrañas.
Independiente: Son las
causas que generan y explican
los cambios en la variable
dependiente

Dependiente: Se refiere al Extrañas: Son factores que


objeto sobre el que se División de escapan del control del
realizara la investigación. Se las variables investigador y ejercen alguna
modifica por acción de la influencia en los resultados.
variable dependiente.

Intervinientes: Son las que


se interponen entre las
variables independientes y
dependiente pudiendo influir
en la modificación de esta
última.

Figura 8 Componentes de la variable según su función


Fuente. (Gamarra, Wong, Rivera , & Pujay , 2015, p. 24).

2.1.3 La variable según su escala de medición


2.1.3.1 Escala nominal
Esta es la más simple de todas las escalas. En ella los números desempeñan el papel de señales y
sirven para detectar y diferenciar los objetos estudiados; por ejemplo, la numeración de los
jugadores del equipo de futbol (Gamarra, Wong, Rivera , & Pujay , 2015, p. 26).

26
Tabla 3 Categorías de las variables y su codificación
Variables Categorías Codificación
Masculino 1
Genero
Femenino 2
Cusco 1
Lugar de
Lima 2
nacimiento
Piura 3
Soltero 1
Casado 2
Estado civil
Viudo 3
Divorciado 4

2.1.3.2 Escala ordinal


Según (Gamarra, Wong, Rivera , & Pujay , 2015, p. 26), en esta escala, los números que la
componen se encuentran ordenados por rangos (es decir, por el lugar que ocupan), pero por los
intervalos entre ellos no se pueden medir con exactitud.

Como las escalas nominales, las escalas ordinales permiten la clasificación. Sin embargo,
además de la clasificación con las escalas ordinales también es permisible un ordenamiento de
rangos en alguna característica (Cohen & Swerdlik, 2001, p. 97).

Tabla 4 Escala ordinal y su codificación

Variables Categorías Codificación


Inicial 1
Primaria 2
Grado de instrucción Secundaria 3
Técnico 4
Superior 5
Eficiente 1
Satisfacción del cliente Regular 2
Deficiente 3
Alto 1
Desempeño laboral Regular 2
Bajo 3

27
Capítulo 3. Título de la tesis

28
3.1 La elección del título de la tesis
Los investigadores consideran que el tema de investigación debe ser específico, y que puede
obedecer a contestar estas interrogantes: ¿qué tan definido y delimitado está el problema de
investigación?, ¿qué tan innovador es el problema de investigación?, ¿existe consistencia teórica
entre el problema, los objetivos y la hipótesis?, ¿existe congruencia teórica, metodológica y
lógica sobre el tema de investigación?, ¿estoy realmente interesado en este tema de investigación
como para dedicarle tiempo, recursos económicos y humanos?, ¿la investigación a realizar
ampliará el conocimiento existente?, ¿contribuirá la investigación a un avance de tipo
tecnológico dando solución a algún problema que plantea necesidades reales?, ¿qué nuevos
hallazgos se podrá aportar con esta investigación para acrecentar el conocimiento científico?
(Sánchez y Pongo, 2014, pp. 61-62).

Para (Bernal, 2016, p. 104), el tema es la idea general del campo del conocimiento de una
disciplina en el que hay interes para realizar una investigación. En el caso de los trabajos de
grado, es necesario que el tema de investigación sea pertinente con los contenidos de la
disciplina y profesión a la que se optara el grado. Es decir, si el trabajo de grado es para optar al
titulo de administración, los temas de investigación deben referirse al campo de la
administración; si es para optar al titulo de psicologia, los temas deben ser del campo de la
psicologia, etcetera.

Los temas de investigación surgen de diversas formas. Para descubrirlos, se necesita


interés por la investigación y una actitud dinámica y reflexiva con respecto a los diferentes
conocimientos inherentes a cada profesión. Entre las distintas formas generadoras de temas de
investigación se mencionan: (a) revisión de artículos científicos; (b) lectura reflexiva y critica;
(c) participación de eventos académicos; (d) la experiencia individual en la comprensión de un
determinado tema; (f) la práctica profesional y (g) sugerencias de los profesores (Bernal, 2016,
pp. 105-106).
Para (Hernández & Mendoza, 2018, p. 28), en la elección del tema se debe evitar temas
que ya se han investigado tan a fondo que se conocen ampliamente. Lo anterior implica que una
investigación debe ser novedosa, lo cual puede lograrse al tratar un tema no estudiado,
profundizar en uno medianamente conocido o darle una vision diferente o innovadora a un
problema aunque ya se haya examinado repetidamente (por ejemplo, la familia es un tema
sumamente indagado; sin embargo, si alguien lo analiza desde una perspectiva diferente;
digamos, la manera como se presenta en las peliculas latinoamericanas de los ultimos años, le
daria a su investigacion un enfoque novedoso. Lo mismo con la motivacion en el trabajo, que ha
sido un topico recurrente, pero hay pocos estudios sobre ella en el caso de las colaboradoras
domesticas).

3.2 Título de la tesis que se investigara


Definida la idea o el tema específico de interés para la investigación, es necesario condensado
(sintetizarlo) en una frase que exprese la esencia de la idea o el tema que va a investigarse, la
cual se denomina título del proyecto de investigación. El título debe demostrar el tema y, en
particular, el problema que va a investigarse, que igualmente debe reflejarse en todo el proceso
del desarrollo del estudio por lo tanto no se aconseja poner títulos generales, sino más bien
específicos (Bernal, 2016, p. 109).

29
En el inicio del titulo de una investigación cientifica es inadecuado el uso de conceptos
que para el caso representan redundancia o que no aportan a la idea que se pretende expresar
en el titulo. Ejemplos: es inadecuado el uso de expresiones como “Estudio de…”, “Investigacion
sobre…”. Asi, en un titulo que dice “Estudio de la influencia del ambiente familiar en la conducta
agresiva de los adolescentes de la zona PHG de la ciudad MNB”, la expresión “Estudio de la…”
es redundante porque ya se sabe que lo que se realizará será un estudio. El titulo deberia decir
“Influencia del ambiente familiar en la conducta agresiva de los adolescentes de la zona PHG de
la ciudad MNB”, o “Analisis de la influencia del ambiente familiar en la conducta agresiva de los
adolescentes de la Zona PHG de la ciudad MNB” (Bernal, 2016, pp. 109-110).

Otro ejemplo de expresiones inadecuadas en un título de investigación es la expresión


“Diseño de una propuesta de…”ejemplo: “Diseño de una propuesta de un modelo de manejo
ambiental para las empresas del sector AZP en la ciudad QPTY. Lo adecuado sería “Modelo de
manejo ambiental para las empresas del sector AZP en la ciudad QPTY” (Bernal, 2016, p. 110).

3.3 Descripción de la situación problemática


La descripción de la situación problema consiste en describir y explicar la problemática
seleccionada para la tesis; así, cuando el lector acceda a ella, podrá ubicarse a partir de esta
explicación y saber lo que le preocupaba al investigador y qué planeaba resolver (Arbaiza, 2013,
p.67).

Según (Lerma, 2004, p. 33), en el caso de las investigaciones originadas por vacíos de
conocimientos o por teorías que generan controversia, la descripción de la situación
problemática debe incluir los referentes empíricos y la teoría en la que se basó el problema,
dejando claro y explicito los vacíos de conocimiento, las inconsistencias encontradas o los
puntos que se quieran a verificación.
La autora (Arbaiza, 2013, p. 80), sugiere que en la descripcion del problema debe
contener lo siguiente:
− Presentar una introducción a la naturaleza del problema.
− Mostrar el diagnostico del problema (causas y relaciones).
− Explicar el estado actual de la situación.
− Establecer un pronostico con respecto al propósito del estudio.

De acuerdo a (Bernal, 2016, p. 116), una vez definido el tema y el título de la propuesta
de investigación se procede a plantear el problema de investigación, entendiendo como
problema de investigación la situación, el fenómeno, el evento, el hecho u objeto del estudio que
se va a investigar.

3.4 Planteamiento del problema de investigación


Según (Saavedra, 2017, p. 82), el planteamiento del problema es una declaración clara y concisa
que describe los síntomas del problema a abordar.

De nada sirve contar con un buen método y mucho entusiasmo, si no sabemos qué
investigar. En realidad, plantear el problema no es sino afinar y estructurar más formalmente la
idea de investigación (Hernandez, Fernandez, & Baptista, 2014, p.36).

30
Para (Mendez, 2012, p. 160), el planteamiento del problema es la descripción de la
situación actual que caracteriza al objeto de conocimiento (síntomas y causas), identificación
de situaciones futuras al sostenerse la situación actual (pronostico) y presentación de
alternativas para superar la situación actual (control al pronóstico).

3.5 Criterios para plantear el problema


Según (Kerlinger & Lee, 2002, p. 22) los criterios para plantear un problema de investigación
cuantitativa son:
− El problema debe expresar una relación entre dos o más conceptos o variables
(características o atributos de personas, fenómenos, organismos, materiales, eventos,
hechos, sistemas, etc., que pueden ser medidos con puntuaciones numéricas).
− El problema debe estar formulado como pregunta, claramente y sin ambigüedades; por
ejemplo: ¿qué efecto?, ¿en qué condiciones...?, ¿cuál es la probabilidad de...?, ¿cómo se
relaciona... con...?
− El planteamiento debe implicar la posibilidad de realizar una prueba empírica, es decir,
la factibilidad de observarse en la “realidad objetiva”. Por ejemplo, si alguien se propone
estudiar cuán sublime es el alma de los adolescentes, está planteando un problema que
no puede probarse empíricamente, pues ni “lo sublime” ni “el alma” son observables.
Claro que el ejemplo es extremo, pero nos recuerda que el enfoque cuantitativo trabaja
con aspectos observables y medibles de la realidad.

El planteamiento del problema incluye: objetivos y preguntas de investigación,


justificación, viabilidad y evaluación de las deficiencias en el conocimiento del problema
(Hernández & Mendoza, 2018, p. 41).

3.6 Formulación del problema


Un problema se formula cuando el investigador dictamina o hace una especie de pronóstico
sobre la situación problema. En lugar de hacerlo con afirmaciones, este pronóstico se plantea
mediante la formulación de preguntas orientadas a dar respuesta al problema de investigación
(Méndez, 1995 citado por Bernal, 2016, p. 117).
Una adecuada formulación de un problema de investigación es aquella que plantea una
pregunta general y de tres a cinco preguntas específicas que se derivan de la general; del mismo
modo, la respuesta al conjunto de las preguntas específicas será la respuesta a la pregunta
general (Bernal, 2016, p. 118).

3.7 Objetivos de la investigación


Según (Ñaupas, Valdivia, Palacios , & Romero, 2018, pp. 216-217), los objetivos en general, son
aspiraciones deseables que se espera alcanzar en un periodo determinado. En un proyecto de
investigación, cuantitativa o cualitativa, los objetivos son los resultados que se espera alcanzar.
Si los problemas en un proyecto de investigación se plantean en forma interrogativa, los
objetivos se definen mediante proposiciones de carácter prescriptivo, normativo que el
investigador debe hacer para lograr o alcanzar algo. No son proposiciones de carácter afirmativo
ni negativo, son prescripciones a realizar.

31
Asimismo (Palacios, Romero , & Ñaupas, 2016, p. 207), la fijación de un objetivo o de
varios objetivos es necesaria, ya que a través de ellos se conoce qué es lo que se pretende con el
esfuerzo investigativo. El objetivo es la razón de ser y hacer en la investigación.

El objetivo general indica cuáles son los conocimientos que se obtendrán al haber
finalizado el estudio. Este objetivo expresa el resultado del conocimiento más complejo que se
desea alcanzar (Gómez, 2006, p. 69). Según (Arbaiza, 2013, p. 69) los objetivos especificos son
mas concretos pues se enfocan en los aspectos operativos de la tesis, es decir como van a
obtenerse los datos para el estudio y sobre todo, como conseguir los resultados esperados y, en
consecuencia, el objetivo general del estudio.

En terminos formales, tanto los objetivos generales como los especificos se plantean
mediante el uso de verbos en infinitivo, para que puedan expresarse de la forma más directa
posible, los verbos más usados en las investigaciones son los siguientes: describir, analizar,
desarrollar, evaluar, interpretar, identificar, sensibilizar, comparar, demostrar, examinar,
proponer, adaptar, calcular, determinar, diseñar y verificar. Luego del verbo se introducen las
variables del estudio, los sujetos de analisis y el contexto de la investigación (Arbaiza, 2013, pp.
69-70).

3.8 Justificación de la investigación


En relación a la justificación el autor (Hernández & Mendoza, 2018, p. 44), señala que es
necesario que se justifique el estudio que se pretende realizar, se basa en los objetivos y las
preguntas de investigación, lo cual implica exponer las razones por las cuales es importante o
necesario llevarlo a cabo (el para qué del estudio) y los beneficios que se derivarán de él.
Una vez que se ha seleccionado el tema de investigación, definido por el planteamiento
del problema, y establecidos los objetivos, se deben determinar las motivaciones que llevan al
investigador a desarrollar el proyecto. Para ello se debe dar respuestas a por qué se investiga
(Mendez, 2012, p. 195). Estas motivaciones pueden ser de carácter teórico, metodológico y
práctico.

Según (Arbaiza, 2013, p. 72), en la justificación del problema se expone la razón de ser
del estudio, mediante argumentos que explican para qué se realiza y por qué es importante
hacerlo

3.8.1 Justificación teórica


Según (Bernal, 2016, p. 138), en investigación hay una justificación teórica cuando el propósito
del estudio es generar reflexión y debate académico sobre el conocimiento existente, confrontar
una teoría, contrastar resultados o hacer epistemología del conocimiento existente.

El autor (Mendez, 2012, p. 196), señala que la justificación teórica se refiere a la


inquietud que surge en el investigador por profundizar en uno o varios enfoques teóricos que
tratan el problema que se explica, a partir de los cuales espera avanzar en el conocimiento
planteado, o para encontrar nuevas explicaciones que modifiquen o complementen el
conocimiento inicial

32
3.8.2 Justificación metodológica
Para el autor (Bernal, 2016, p. 138), la justificación metodológica del estudio se da cuando el
proyecto que se va a realizar propone un nuevo método o una nueva estrategia para generar
conocimiento valido y confiable.

El autor (Mendez, 2012, p. 196), señala que la justificación metodológica hace alusión al
uso de metodologías y técnicas específicas (instrumentos, como encuestas o formularios;
modelos matemáticos) que han de servir de aporte para el estudio de problemas similares al
investigado, y a su aplicación posterior por otros investigadores (Mendez, 2012, p. 196).

3.8.3 Justificación práctica


De acuerdo a (Bernal, 2016, p. 139), se considera que una investigación tiene
justificaciónmetodologica cuando el proyecto que se va a realizar propone un nuevo método o
una nueva estrategia para generar conocimiento válido y confiable.

El autor (Mendez, 2012, p. 196), señala que la justificación práctica se manifiesta en el


interés del investigador por acrecentar sus conocimientos, obtener un título académico o, si es
el caso, por contribuir a la solución de problemas concretos que afectan a organizaciones
empresariales, públicas o privadas (Mendez, 2012, p. 196).

33
Capítulo 4. Construcción del marco teórico

34
4.1 Conocimiento del enfoque teórico de la variable de estudio
Según (Hernandez, Mendez, Mendoza, & Cuevas , 2017, p. 62), una teoría es un conjunto de
proposiciones interrelacionadas para explicar por qué y cómo ocurre un fenómeno.

La Metodología, requiere de conocer los paradigmas, del cual se derivan los enfoques de
investigación y seguidamente, los niveles de contraste de hipótesis. Las investigaciones con
paradigma naturalista, enfoque cualitativo, no requieren de hipótesis, y por lo tanto no utilizan
la estadística (Sánchez y Pongo, 2014, p. 75).

Las investigaciones positivista y sistémica (conocida también como holística),


presentan enfoque cuantitativo, y requieren de la estadística, tanto paramétrica como no
paramétrica, para contrastar las hipótesis e interpretar sus resultados. Al aplicarse el método
estadístico al contraste de hipótesis, su interpretación, se dará por aprobada o no, las hipótesis
de investigación (Sánchez y Pongo, 2014, p. 75). Se tiene como ejemplo las bases teóricas de la
motivación:

Figura 9 Ejemplo de bases teóricas de la variable motivación

Al elegir la variable que se investigara se tiene que contar con el enfoque teórico que
sustente la variable planteada, como se aprecia en la figura 9, donde la variable motivación
presenta dos enfoques teóricos: del autor Maslow y del autor Herzberg.

4.2 Marco teórico


El marco teórico según (Saavedra, 2017, p. 147), es el punto de partida para la formulación del
problema y la hipótesis de las interpretaciones y conclusiones, así como de la explicación de los
resultados finales del trabajo de investigación.

Según (Bernal, 2016, p. 171), se entiende como la fundamentación teórica sobre el tema
de interés dentro de la cual se enmarca la investigación que va a realizarse. Es decir, es una

35
presentación critica de las principales escuelas, enfoques o teorías existentes sobre el tema
objeto de estudio, en que se muestra el nivel del conocimiento en ese campo, los principales
debates, resultados, instrumentos utilizados, y demás aspectos pertinentes y relevantes sobre
el tema de interés.

Para (Hernández & Mendoza, 2018, p. 95), un buen marco teórico no es aquel que
contiene muchas páginas, sino que trata con profundidad únicamente los aspectos relacionados
con el problema, y que vincula de manera lógica y coherente los conceptos y las proposiciones
existentes en estudios anteriores.

Para buscar la información para el marco teórico, de acuerdo a (Bernal, 2010 citado por
Arbaiza, 2013, pp. 83-84), lo más apropiado es empezar por recopilar la mayor cantidad de
información de fuentes primarias, es decir, de los estudios directos que se hayan realizado sobre
el problema. En la investigación primaria, la información proviene de observaciones empíricas,
grabaciones, entrevistas, experimentos, registros, estadísticas, etc. Asimismo (Stangor, 2011
citado por Arbaiza, 2013, p. 84) señala la ventaja de acudir a las fuentes secundarias que son los
estudios hechos por otros investigadores a partir de fuentes primarias.

Tabla 5 Fuentes primarias y fuentes secundarias


Fuentes primarias Fuentes secundarias
Documentos originales (libros, revistas, diarios). Libros de texto.
Observación empírica. Tesis.
Grabaciones. Artículos científicos.
Entrevistas. Base de datos académicos y universitarios.
Experimentos. Charlas y disertaciones.
Registros. Enciclopedias, diccionarios.
Material audiovisual y digital. Sitios web, reseñas, etcétera.
Estadísticas, etcétera.
Fuente. (Arbaiza, 2013, p. 86).

Un requisito imprescindible para esta tarea la constituye una exhaustiva revisión de la


bibliografía, sobre todo la clásica y la más actualizada, que se encuentra generalmente en
revistas especializadas, tesis de postgrado y reportes de investigación (Velazquez & Rey, 2013,
p. 85).

4.3 Numero de referencias en el marco teórico


El número de referencias del marco teórico depende del planteamiento del problema, el tipo de
reporte y el área en que nos situemos, además del presupuesto. Por lo tanto, no hay una
respuesta exacta ni mucho menos. Sin embargo, algunos autores proponen una cifra de
alrededor de 30 referencias (Mertens, 2005, citado por Hernández et al., 2017, p. 66). Los autores
Hernández et al., 2014 citado por Hernández et al., 2017, p. 66) analizaron varias tesis y
disertaciones, así como artículos de revistas académicas en Estados Unidos y México, y
consultaron a varios profesores iberoamericanos, y encontraron los siguientes parámetros: en
una investigación de bachillerato o licenciatura para una asignatura, el número puede variar
entre 10 y 25; en una tesina, entre 20 y 30, en una tesis de licenciatura, entre 25 y 35. Según
(Hernández & Mendoza, 2018, p. 96), en una tesis de maestria se necesita entre 30 y 40
referencias, en un articulo para una revista cientifica, entre 40 y 60 referencias. En una tesis

36
doctoral el numero se incrementa entre 60 y 120 referencias. Con todo, deben ser referencias
directamente vinculadas con el planteamiento del problema, es decir, se excluyen las fuentes
primarias que mencionan indirectamente o de forma periférica el planteamiento, las que no
recolectan ni se fundamentan en datos (que son simples opiniones de un individuo), trabajos
no publicados o no avalados por una institución.

4.4 Cantidades de hojas en el marco teórico


El autor (Creswell, 2013 y 2005, citado por Hernández & Mendoza, 2018, p. 96), recomiendan
que en articulos para revistas cientificas es de seis a 12 hojas, en tesis de licenciatura y maestria
es de 20 a 40 hojas, y en tesis doctorales de 40 a 50 hojas. Una tendencia es que el marco teorico
sea breve y concreto, pero sustancial (con referencias sobre el planteamiento del problema).

4.5 Antecedentes de la investigación


Según (Arbaiza, 2013, p. 93), los antecedentes se refieren a las investigaciones previas y las
distintas formas elegidas por los investigadores para abordar el problema. Su revisión permite
conocer los tipos de estudio efectuados hasta el momento, los distintos medios de recolección
de datos, los lugares donde se efectuaron las investigaciones y los principales autores referentes
en el estudio de la problemática.

Conocer los antecedentes permite comprender cómo y cuánto se ha investigado el


problema, lo que es también una prueba de su originalidad y pertinencia. Aunque se trate de un
tema muy estudiado, cuyos antecedentes sean amplios, esto no quiere decir necesariamente que
el tema este agotado; puede ser un acierto para el investigador encontrar un abordaje diferente
y renovador frente a un problema complejo. En alguna medida, tener en cuenta los estudios
anteriores implica superar las limitaciones encontradas y dar alguna luz sobre aspectos del
problema no investigados hasta el momento (Arbaiza, 2013, pp. 93-94).

Es posible que los antecedentes del tema elegido sean escasos, si es asi, se debe ampliar
la busqueda a otros idiomas o consultar fuentes no previstas (Vara, 2012 citado por Arbaiza,
2013, p. 95).

Los antecedentes según (Vara A., 2012, p. 94), consisten en la revisión crítica de los
diversos estudios que se han realizado previamente sobre el tema que investigas. Los
antecedentes no son la simple aglomeración de investigaciones previas; por el contrario, es la
revisión crítica de las tendencias de estudio sobre el tema. La actitud crítica para redactar los
antecedentes implica realizar una selección y lectura detallada de la información que ha sido
buscada y revisada previamente. Esto se efectúa para examinar la confrontación entre enfoques,
autores y sus procedimientos y resultados empíricos.

4.6 La hipótesis
Según (Tafur & Izaguirre, 2015, p. 149), los cientificos conciben las hipotesis como enunciados
que, basados en conocimientos existentes o en hechos nuevos, constituyen respuestas
tentativas a problemas de investigacion.

La hipótesis es una afirmación en forma de conjetura de las relaciones entre dos o más
variables. Se plantean en forma de oraciones declarativas y relacionan variables en forma general

37
o especifica. Son aseveraciones sobre la relación entre variables y conllevan a probar dichas
relaciones (Kerlinger, 1994 citado por (Palomino, Peña, Zevallos, & Orizano, 2015, p. 66).

La hipótesis es una respuesta sujeta a comprobación. Su función primordial es probar


empíricamente una relación entre fenómenos (Munch, 2005, p. 83). Para (Caballero, 2008, p.
237) la hipotesis es la propuesta nueva de solución, que implica riesgo, pero que nos puede llevar
a una innovación, que haga la diferencia y nos lleve al éxito o a un nuevo éxito.

Según (Kerlinger & Lee, 2002, p. 23), una hipótesis es un enunciado conjetural de la
relación entre dos o más variables. Las hipótesis siempre se presentan en forma de enunciados
declarativos y relacionan, de manera general o específica, variables con variables. Los criterios
para definir la hipótesis son las siguientes:
− Las hipótesis son enunciados acerca de las relaciones entre variables.
− Las hipótesis contienen implicaciones claras para probar las relaciones enunciadas.
Estos criterios significan que los enunciados de hipótesis contienen dos o más variables
que son medibles o pueden serlo, y que se especifican cómo están relacionadas las
variables.

4.7 Hipótesis estadística


La hipótesis estadística para (Palomino, Peña, Zevallos, & Orizano, 2015, p. 70), es aquella que
expresa la relación en términos cuantitativos o estadísticos. Esta puede expresar en hipótesis
alterna o hipótesis nula.

4.7.1 Hipótesis alterna


Es la que establece diferencias entre los datos estadísticos. Donde el investigador afirma la
existencia o no de una relación o asociación entre variables.

4.7.2 Hipótesis nula


Es aquella que establece que no hay diferencias entre los datos estadísticos de diferentes
muestras extraídas de una misma población. Es la negación de la afirmación del investigador, y
es la que busca probar el investigador.

38
Capítulo 5. Alcances o tipo de investigación

39
5.1 Definición de alcance o tipo de investigación
Se entiende por alcance o tipo de investigación a la precisión de la ubicación del estudio en una
clasificación de las investigaciones. Como las clasificaciones dependen del criterio, existen
varias clasificaciones de las investigaciones. El investigador ubicara el tipo de estudio, teniendo
en cuenta cada una de las clasificaciones existentes, pero no dejara de tener en cuenta el tipo de
investigación según el control de variables (Tafur & Izaguirre, 2015, p. 189).

Según (Hernández et al., 2017, p. 74), al terminar de revisar los antecedentes y de


elaborar el marco teórico, conviene visualizar el alcance del estudio. El alcance es una especie
de pivote entre lo que encontraste en la revista de la literatura y la formulación de la hipótesis.
Del alcance dependerá la estrategia de investigación, incluido el diseño, los procedimientos y
otros elementos.

En la ciencia existen diferentes tipos de investigación y es necesario conocer sus


características para saber cuál de ellos se ajusta mejor a la investigación que va a realizarse
(Bernal, 2016, p. 143).

Los alcances son cuatro: exploratorio, descriptivo, correlacional y explicativo, pero en la


práctica, cualquier investigación puede incluir elementos de uno o varios (Hernández et al.,
2017, p. 74).

Exploratorios
• Investigan
Descriptivos
problemas
Tipos pocos estudiados.
• Consideran un
• Resultan de la revisión de la fenómeno y sus
literatura. componentes.
Correlaciónales

• Dependen de los objetivos • Exponen


Prueban
la relación
del investigador para entre variables. Hipótesis
combinar los elementos del Explicativos
estudio.
• Determinan las
causas de los
fenómenos.

Figura 10 Alcance de la investigación


Fuente. (Hernández et al., 2017, p. 73).

40
5.1.1 Alcance o tipo exploratorio
Los estudios exploratorios sirven para preparar el terreno y, por lo común, anteceden a
investigaciones con alcances descriptivos, correlaciónales o explicativos Hernández et al., 2017,
p. 74).

La investigación exploratoria también conocido como estudio piloto, son aquellos que
se investigan por primera vez o son estudios muy pocos investigados. También se emplean para
identificar una problemática (Saavedra, 2017, p. 189).

La investigación exploratoria no necesita necesariamente hipótesis. Estudia, analiza,


describe y especifica situaciones y propiedades de personas, grupos, comunidades o cualquier
otro fenómeno u objeto que sea sometido a análisis (Deza & Muñoz, 2008, p. 18).
5.1.2 Alcance o tipo descriptivo
La investigación descriptiva es uno de los tipos o procedimientos investigativos más populares
y utilizados por los principiantes en la actividad investigativa. Los trabajos de grado, en los
pregrados y en muchas de las maestrías, son estudios de carácter eminentemente descriptivo.
En tales estudios se muestran, narran, reseñan o identifican hechos, situaciones, rasgos,
características de un objeto de estudio, se realizan diagnósticos, perfiles o se diseñan productos,
modelos, prototipos, guías, etc., pero no se dan explicaciones o razones de las situaciones, los
hechos, los fenómenos, etcétera (Bernal, 2016, p. 143).

Algunos temas de investigación descriptivas se tiene:


− Estudios de carácter diagnóstico.
− Diseños de guías, modelos, productos, prototipos.
− Estudios orientados a la descripción o identificación de rasgos o características de un
objeto de estudio.
− Estudios de descripción de conductas, de actitudes, de perfiles (Bernal, 2016, p. 144)

Con los estudios descriptivos se busca especificar las propiedades, características y


perfiles de personas, grupos, comunidades, procesos, objetos o cualquier otro fenómeno que se
someta a un análisis. Es decir, miden o recolectan datos sobre diversos conceptos (variables),
aspectos, dimensiones o componentes del fenómeno que se investiga (Hernández et al., 2017, p.
76).

5.1.3 Alcance o tipo correlacional


Los estudios correlaciónales al evaluar el grado de asociación entre las variables, primero miden
cada una de ellas (presuntamente relacionadas) y las describen y después cuantifican y analizan
la vinculación. La utilidad principal de los estudios correlaciónales es saber cómo se puede
comportar un concepto o una variable al conocer el comportamiento de otras variables
vinculadas. Las correlaciones pueden ser positivas (directamente proporcionales) o negativas
(inversamente proporcionales). Si es positiva, significa que los casos que muestren altos valores
en una variable tenderán también a manifestar valores elevados en la otra variable. Si es negativa
implica que casos con valores elevados en una variable tenderán a mostrar valores bajos en la
otra variable (Hernández & Mendoza, 2018,p. 110).

41
La investigación correlacional según (Bernal, 2016, p. 147), tiene como propósito mostrar
o examinar la relación entre variables o resultados de variables o resultados de variables. Uno
de los puntos importantes respecto a la investigación correlacional es examinar relaciones entre
variables o sus resultados, pero en ningún momento explica que una sea la causa de la otra. En
otras palabras, la correlación examina asociaciones pero no relaciones causales, donde un
cambio en un factor influye directamente en un cambio en otro.
Algunos temas de investigaciones correlaciónales
− Las investigaciones cuyos propósitos son conocer la relación entre el estado
motivacional de los trabajadores y el nivel de productividad de los mismos.

− Estudios orientados a evaluar la relación entre el rendimiento académico de los hijos y


el tipo de unión familiar de los padres de familia.

− Estudios que buscan conocer la relación entre tipo de prueba de evaluación y procesos
y técnicas de aprendizaje (Bernal, 2016, p. 148).

Títulos de tesis aprobados (correlaciónales)


En la Universidad Nacional Federico Villareal:
− Competencias y mejoramiento continuo en la asociación de comerciantes de nuevo
Carabayllo y servicios múltiples, en el distrito de Carabayllo, año 2017. (Cubos, 2018).
− Las 5 s y las condiciones ambientales de trabajo en una empresa privada, año 2017.
(Nuñez, 2019).

En la Universidad Cesar Vallejo:


− Capacitación y desempeño laboral del personal médico del Hospital Huaycán de Ate,
2018. (Piélago, 2018).
− Riesgos laborales y desempeño profesional del personal de enfermería de la Dirección
del Sistema de Atención Móvil de Urgencias y Emergencias de Lima, 2018. (Oblitas,
2018).
− Calidad de atención y Satisfacción del servicio de los pacientes atendidos en el Servicio
de odontología del Centro de Salud San Sebastián, Lima – 2018. (Herrera, 2018).

5.1.4 Alcance o tipo explicativa (causal)


De acuerdo al autor (Bernal, 2016, p. 148), son investigaciones en las que el investigador se
plantea como objetivos estudiar el porqué de las cosas, los hechos, los fenómenos o las
situaciones. En síntesis, en la investigación explicativa se analizan causas y efectos de la relación
entre variables. Así como se afirma que la investigación descriptiva es el nivel básico de la
investigación científica, la investigación explicativa o causal es para muchos expertos el ideal y
el nivel culmen de la investigación no experimental
Algunos temas de investigaciones explicativas o causales
− Estudios orientados explicar las principales causas que llevan a la quiebra a las pequeñas
y medianas empresas en un determinado contexto.

42
− Estudios orientados a explicar el nuevo papel del docente en la sociedad del
conocimiento.
− Estudios orientados a explicar las relaciones entre ambiente académico y rendimiento
escolar.
− Estudios que buscan explicar los efectos del aborto en la vida emocional de las mujeres
que abortan (Bernal, 2016, p. 149).

Los estudios explicativos son más que la descripción de conceptos o fenómenos o el


establecimiento de relaciones entre variables más bien, están diseñados para determinar las
causas de los eventos y fenómenos físicos o sociales. Como su nombre lo indica, su interés se
centra en explicar por qué ocurre un fenómeno y en qué condiciones se manifiesta, o porque se
relacionan dos o más variables (Hernández et al., 2017, p. 78). Ejemplos de estudios explicativos

− Una investigación para analizar las causas por las que ocurrió un accidente aéreo.
− Un estudio que expliqué el efecto que tiene el consumo de algún alimento adicionado
con linaza (como la gelatina) en la disminución de la acidez estomacal.
− Una investigación sobre como un factor genético especifico aumenta el riesgo de
padecer cierta enfermedad en la edad.

Títulos de tesis aprobados (explicativos):


En la Universidad Nacional Federico Villareal:
− Competencias blandas en la empleabilidad de la Universidad Privada del Norte-sede los
Olivos, año 2018. (Cruzado, 2019).
− Google Adwords en el proceso de captación de nuevos clientes en la empresa
Klimatechnik SAC, año 2016-2017. (Vásquez, 2019).
− Control interno según la metodología COSO I y su influencia en la gestión del control
de activos fijos en una empresa privada, año 2017. (Caceres, 2019).

En la Universidad Cesar Vallejo:


− Estrategias de lectura en los niveles de comprensión lectora de los estudiantes de la
Institución Educativa N° 3040 20 de abril, Los Olivos 2017. (Arroyo, 2017).

43
− Autoestima, habilidades sociales en la inteligencia emocional en los estudiantes de la
Red N° 13 UGEL 06 Ate – 2016. (Barrón, 2017)
− El Coaching educativo en las habilidades sociales de los estudiantes del V ciclo del nivel
primaria de la Institución Educativa: Francisco Bolognesi del Distrito de Independencia,
2017. (Soto, 2017).

44
Capítulo 6. El diseño de la investigación

45
6.1 Definición de diseño
El diseño según (Hernández & Mendoza, 2018, p . 150) es un plan o estrategia que se desarrolla
para obtener la información (datos) requerida en una investigación con el fin último de
responder satisfactoriamente el planteamiento del problema. Asimismo (Andia, 2017, p. 167),
define el diseño como los lineamientos que se debe tomar en cuenta para validar la hipótesis.

Finalmente (Tafur & Izaguirre, 2015, p. 187) señala que el diseño metodologico de la
tesis es el programa que precisa el proceso y el control de la investigación, indicandose los
procedimientos y las condiciones para lograr la información necesaria que permitirá alcanzar
los objetivos del estudio y probar las hipotesis que el autor de una tesis formulo respondiendo
con eficacia a los problemas de investigación. Existen diferentes clasificaciones para los diseños
cuantitativos, pero la más sencilla y citada se muestra a continuación:
Experimentales

Experimentales Experimentales

Diseños Experimentales
cuantitativos
Experimentales

No experimentales

Experimentales

Figura 11 Clasificación de los diseños cuantitativos


Fuente. (Hernández & Mendoza, 2018, p . 151)

6.2 Diseño no experimental


El diseño no experimental son estudios que se realizan sin la manipulación deliberada de
variables y en los que solo se observan los fenómenos en su ambiente natural para analizarlos,
en un estudio no experimental no se genera ninguna situación, sino que se observan situaciones
ya existentes, no provocadas intencionalmente en la investigación por quien la realiza
(Hernández & Mendoza, 2018, p. 175).
Asimismo (Valderrama, 2016, pp. 67-68) señala que en el diseño no experimental no se
manipulará la variable independiente ni la variable dependiente en la investigación.

6.2.1 Corte transversal


La investigación es de corte transversal porque son estudios en donde los datos son obtenidos
en un momento determinado (Andia, 2017, p. 169), para (Arbaiza, 2013, p. 144), las
investigaciones transversales o transeccionales se centran en obtener datos sobre lo que
sucede en un momento único

46
6.2.2 Corte longitudinal
El diseño longitudinal, según (Hernández et al., 2014, p. 159) son estudios que recaban datos en
diferentes puntos del tiempo, para realizar inferencias acerca de la evolución del problema de
investigación, sus causas y sus efectos. Según (Arbaiza, 2013, p. 147), los estudios longitudinales
permiten hacer inferencias sobre la evolución de un fenómenos durante un periodo más o menos
largo.

6.3 Diseño experimental


El termino experimento tiene dos acepciones basicas. La primera es mas general y se refiere a
realizar una accion y despues observar las consecuencias (Babbie, 2017 citado por (Hernández
& Mendoza, 2018, p. 151). Asi hablamos de experimentar cuando mezclamos sustancias
quimicas y vemos la reccion provocada, o cuando nos cambiamos la apariencia (look) y
observamos el efecto que causa en nuestras amistades. La esencia de esta concepcion de
experimento es la manipulacion intencional de una acción para analizar sus posibles resultados.

La segunda hace referencia a una investigacion en la que se manipulan deliberadamente


una o mas variables independientes (supuestas causas antecedentes) para analizar las
consecuencias que tal manipulación tiene sobre una o más variables dependientes (supuestos
efectos consecuentes) dentro de una situación de control para el investigador (Privitera, 2017;
Fleiss, 2013 y O´ Brien, 2009 citado por (Hernández & Mendoza, 2018, p. 151).

Causa o Efecto o
variable variable

Independiente Dependiente

X Y

Figura 12 Esquema grafico de un experimento


Fuente. (Hernández & Mendoza, 2018, p. 151).

La investigación experimental se caracteriza porque en ella el investigador actúa de


manera intencional y conscientemente sobre el objeto de estudio, en tanto que los objetivos de
estos estudios son precisamente conocer los efectos de los actos producidos por el propio
investigador como mecanismo o técnica para probar sus hipótesis (Bernal, 2016, p. 152)

De acuerdo con los expertos y seguidores del paradigma positivista, la experimentación


es el verdadero método o el método por excelencia de la investigación científica; por tanto, la
investigación experimental es la verdadera investigación, y el conocimiento generado por esta
es el conocimiento realmente valido y científico (Bernal, 2016, p. 152)

47
Según Hernández Pina et al. (2001), la investigación experimental se soporta en el
experimento, el cual es un proceso planificado de investigar en el que al menos una variable
(llamada experimental o independiente: (VI) es manipulada u operada intencionalmente por el
investigador para conocer los efectos que produce esta en al menos otra variable llamada
dependiente (VD) (Citada por Bernal, 2016, p. 152). Para la mencionada autora, la variable
independiente se conoce también como variable experimental o de tratamiento, la variable
dependiente, conocida también como resultados o efecto, se refiere a los efectos observados en
el estudio.

Algunos temas de investigación experimental


− Estudios sobre los efectos de la motivación intrínseca de los trabajadores en la
productividad empresarial mediante talleres aplicados a los trabajadores por parte del
investigador.
− Estudios sobre el comportamiento del consumidor frente a un determinado producto
mediante talleres o actividades realizadas por el investigador en una muestra de sujetos.
− Estudios sobre la evaluación del impacto de las condiciones medioambientales en el
lugar de trabajo en la productividad de las personas mediante actividades de cambio, en
las condiciones ambientales programadas por el investigador.

6.3.1 Requisitos para una investigacion experimental


Los requisitos o condiciones necesarias o caracteristicas de los experimentos son
fundamentalmente tres:
Los autores Hernandez et al., 2017, p. 99) indicaron que el primer requisito de un
experimento es la manipulación intencional de una o más variables independientes. La variable
independiente es como la supuesta causa en una relación entre variables, es la condición
antecedente, y al efecto provocado por dicha causa se le denomina variable dependiente-
consecuente, en una investigación experimental, la variable independiente resulta de interés
para el investigador, porque hipotéticamente, será una de las causas que producen el efecto
supuesto.

El según requisito de acuerdo a (Hernández et al., 2017, pp. 102-103) consiste en medir
el efecto que la variable independiente tiene en la variable dependiente (p. 102). El tercer
requisito es el control de la situación experimental, si en el experimento se observa que una o
más variables independientes hacen variar a las dependientes la variación de estas últimas se
debe a la manipulación de las primeras y no a otros factores o causas.

48
Capítulo 7. Población y muestra

49
7.1 Definición de la Población (universo)
La población es definida o al menos perfilado desde el planteamiento del problema, La población
es un conjunto de todos los casos que concuerdan con determinadas especificaciones, las
poblaciones deben situarse de manera concreta por sus características de contenido, lugar y
tiempo, así como accesibilidad (Hernández & Mendoza, 2018, pp. 196-199). Según (Bernal,
2016, p. 210) la población es el conjunto de todos los elementos a los cuales se refiere la
investigación.

La población es el conjunto de todos los individuos (objetos, personas, situaciones, etc.)


a investigar (Vara, 2015, p. 261). Para (Tafur & Izaguirre, 2015, p. 193) define poblacion (N) al
conjunto de elementos investigables que tienen caracteristicas comunes.

Asimismo la población es un conjunto grande y completo de individuos, elementos o


unidades que presentan características comunes y observables (Fernandez & Fernandez, 2013,
p. 10).

Las poblaciones pueden ser finitas o infinitas. Por ejemplo, la población que consta de
todos los pernos producidos en un determinado día en una fábrica es finita, en tanto que la
población que consta de todos los resultados (cara o cruz) que se pueden obtener lanzando una
y otra vez una moneda es infinita (Spiegel & Stephens, 2009, p.1). Según (Fernández, 2005, p.
41), la poblacion se define como el conjunto de todas las observaciones ya que por cada unidad
elemental se tiene una observacion. Al tamaño de la poblacion se le denota con la leta N.

Según (Carot, 2001, p. 105), la poblacion es el espacio muestral o conjunto de posibles


valores que puede tomar la variable aleatoria de interés del colectivo objeto de estudio. La
poblacion es el conjunto del cual se quiere conocer su opinion (Leon & Montero, 2008, p. 72).
7.2 Definición de la Muestra
La muestra según (Hernández & Mendoza, 2018, p. 196), es un subgrupo del universo o
población del cual se recolectan los datos y que debe ser representativo de esta, si se desean
generalizar los resultados.

La muestra es un subconjunto de la población, es decir, “es el conjunto de casos extraídos


de la población, seleccionados por algún método racional” (Vara, 2015, p. 261).

La muestra, para que sea representativa de la población, requiere que todas las unidades
de la población tengan la misma probabilidad de ser seleccionadas, es decir, debe ser aleatoria,
al azar o probabilística (Martinez, 2012, p. 275).

7.3 Muestreo
Según (Cordova, 2006, p. 2), en general existen dos tipos de muestras: las no probabilisticas
(basadas en el criterio de expertos) y las probabilisticas.

7.3.1 Muestreo no probabilístico


El muestreo no probabilístico o dirigida porque es un subgrupo de la población en la que la
elección de los elementos no depende de la probabilidad sino de las características de la
investigación, aquí el procedimiento no es mecánico o electrónico, ni con base en fórmulas de

50
probabilidad sino que depende del proceso de toma de decisiones del investigador (Hernández
& Mendoza, 2018,p. 200).

En el muestreo no probabilístico o intencional no se produce una selección aleatoria de


la población que se considera. Se obtiene información sobre esas unidades y con base en la
misma se hacen estimaciones sobre las características de la población (Pérez, 2000, p. 61).

7.3.2 Muestreo probabilístico


El muestreo probabilístico, la muestra se selecciona basándose en un criterio probabilístico o
de tipo aleatorio en el cual cada elemento muestral tiene idénticas probabilidades de ser
seleccionado. Cuando se aplica este procedimiento, se elimina el posible sesgo del investigador
al seleccionar la muestra y tiene la ventaja, además, de poder estimar el error cometido al estimar
el parámetro de una variable de acuerdo al tamaño de muestra seleccionado (Garcia, 2016, p.
131).

En una muestra probabilística, cualquier elemento cuneta con la misma probabilidad de


ser elegido e incluido; la selección se hace de forma aleatoria o mecánica (Arbaiza, 2013, p. 179).

Según (Vara, 2012, p. 223) señala que la muestra probabilística es la más adecuada para
identificar índices y describir poblaciones mediante muestras. Por eso este tipo de muestreo es
típico y necesario cuando estas realizando investigaciones cuantitativas, descriptivas y
correlaciónales.

51
Capítulo 8. Instrumentos y técnicas de recolección de
información

52
8.1 Definición de recolección de información
Según (Tokeshi, 2013, p. 42), debe entenderse como recolección de la información la actividad
por la cual se acopia, ordena y prioriza la información (estadística, teórica, analítica, etcétera)
cuya utilidad ha sido previamente evaluada. Los instrumentos y técnicas que se usen
dependerán del origen de la fuente.

8.2 Instrumentos de medición


Un instrumento es cualquier recurso que se vale el investigador para acercarse a los fenómenos
y extraer de ellos información. Una adecuada construcción de los instrumentos permite que la
investigación alcance una correspondencia entre teoría y hechos. Si los instrumentos son
defectuosos los datos recogidos no servirán para satisfacer las interrogantes, no se podrán
obtener información necesaria, los datos vendrán falseados y distorsionados (Quezada, 2015, p.
123). Los instrumentos de recolección de información son los siguientes:

Según (Hernández et al., 2014, p. 199) el Instrumento de medición es el recurso que


utiliza el investigador para registrar información o datos sobre las variables que tiene en mente.

8.3 Medición
Proceso que vincula conceptos abstractos con indicadores empíricos. En toda investigación
cuantitativa aplicamos un instrumento para medir las variables contenidas en las hipótesis (y
cuando no hay hipótesis simplemente para medir las variables de interés). Esa medición es
eficaz cuando el instrumento de recolección de datos en realidad representa las variables que
tenemos en mente. Si no es así, nuestra medición es deficiente; por tanto, la investigación no es
digna de tomarse en cuenta. Desde luego, no hay medición perfecta. Es casi imposible que
representemos con fidelidad variables como la inteligencia emocional, la motivación, el nivel
socioeconómico, el liderazgo democrático, el abuso sexual infantil y otras más; pero es un hecho
que debemos acercarnos lo más posible a la representación fiel de las variables que se van a
observar mediante el instrumento de medición que desarrollemos. Se trata de un precepto
básico del enfoque cuantitativo. Al medir estandarizamos y cuantificamos los datos (Babbie,
2014 y Bostwick y Kyte, 2005 citado por Hernández et al., 2014, pp. 199-200).

8.4 Pasos para construir un instrumento de medición


Los pasos para construir un instrumento de medición según (Quezada, 2015, p. 123), son los
siguientes:
− Listar las variables que se pretenden medir u observar.
− Revisar su definición conceptual y comprender su significado.
− Revisar como han sido definidas operacionalmente las variables, esto es, como se ha
medido cada variable.
− Se tiene que asegurar contar con un número suficiente de items para medir las variables
en toda su dimensión.

8.5 Tipos de instrumento de medición


8.5.1 Cuestionario
Es un conjunto de preguntas diseñadas para generar los datos necesarios, con el propósito de
alcanzar los objetivos de un proyecto de investigación. Se trata de un plan formal para recabar

53
información de la unidad de análisis objeto de estudio y centro del problema de investigación
(Bernal, 2016, p. 245).

8.5.2 Entrevista
Es una forma específica de interacción social que tiene por objeto recolectar datos para una
indagación. El investigador formula preguntas a las personas capaces de aportarle datos de
interés, estableciendo un dialogo peculiar, asimétrico, donde una de las partes busca recoger
informaciones y la otra es la fuente de esas informaciones.
8.6 Técnica de medición
8.6.1 Observación
La observación como técnica de investigación científica es un proceso riguroso que permite
conocer, de forma directa, el objeto de estudio para luego describir y analizar situaciones sobre
la realidad estudiada (Bernal, 2016, p. 254).

8.6.2 Encuesta
Parte de la premisa de que si queremos conocer algo sobre el comportamiento de las personas,
lo mejor, lo más directo y simple es preguntárselo directamente a ellas. Se trata de requerir
información a un grupo socialmente significativo de personas acerca del problema en estudio
para luego, mediante un análisis de tipo cuantitativo, sacar las conclusiones que se
correspondan con los datos (Quezada, 2015, p. 124).

8.6.3 Fichaje
El fichaje según (Pino, 2011, p. 309), es una técnica auxiliar de todas las demás técnicas empleada
en investigación científica; consiste en registrar los datos que se van obteniendo en los
instrumentos llamados fichas, las cuales debidamente elaboradas y ordenadas contienen la
mayor parte de la información que se recopila en una investigación por lo cual constituye un
valioso auxiliar en esa tarea, se ahorra mucho tiempo, espacio y dinero.

8.7 Validación del instrumento


La validación de los instrumentos según (De La Torre & Accostupa, 2013, p. 16), se realiza con
el fin de conseguir una mayor objetividad al seleccionar los ítems en los respectivos
cuestionarios. El proceso de validación es eminentemente lógico, si bien pueden utilizarse
jueces expertos en el tema para valorar la congruencia entre los diversos ítems y los diversos
objetivos.

La Validación por juicio de expertos según (Hernández et al., 2014, p. 204) es el grado
en que un instrumento realmente mide la variable de interés, de acuerdo con expertos en el
tema.
La validación del instrumento es válido cuando mide lo que debe medir, es decir, cuando
nos permite extraer datos que preconcebidamente necesitamos conocer (Carrasco, 2006, p.
336).

8.8 Prueba piloto


Antes de iniciar el trabajo de campo, es imprescindible probar el cuestionario sobre un pequeño
grupo de población. Esta prueba piloto ha de garantizar las mismas condiciones de realización
que el trabajo real. Se recomienda un pequeño grupo de sujetos que no pertenezcan a la muestra

54
seleccionada pero si a la población o un grupo con características similares a la de la muestra
del estudio, aproximadamente entre 14 y 30 personas. De esta manera se estimara la
confiabilidad del cuestionario (De La Torre & Accostupa, 2013, p. 20).

Según (Hernández et al., 2014, p. 210) la prueba piloto consiste en administrar el


instrumento a una pequeña muestra de casos para probar su pertinencia y eficacia (incluyendo
instrucciones), así como las condiciones de la aplicación y los procedimientos involucrados. A
partir de esta prueba se calculan la confiabilidad y la validez iniciales del instrumento.

8.9 Confiabilidad
Según (Avolio, 2016, p. 110) la confiabilidad se refiere a que otros investigadores deben alcanzar
similares resultados si estudian el mismo caso usando los mismos procedimientos que el
investigador original. El objetivo de la confiabilidad es minimizar los errores y sesgos del
estudio.

En la confiabilidad entre mayor es la proporción de la varianza total atribuida a la


varianza verdadera, la prueba es mas confiable. Debido a que se supone que las diferencias
verdaderas son estables, se presume que producen puntuaciones consistentes en aplicaciones
repetidas de la misma prueba al igual que en formas equivalentes de las pruebas. Debido a que
la varianza de error puede incrementar o disminuir una puntuación de prueba en cantidades
variables, se veria afectada la consistencia de la puntuación, y por lo tanto la caonfiabilidad
(Cohen & Swerdlik, 2001, p. 155).

Tabla 6 Rangos de Confiabilidad para Enfoques Cuantitativos


Intervalos Interpretación Semáforo
De 01 a 20 Poca Confiabilidad
De 21 a 40 Baja Confiabilidad
De 41 a 60 Confiabilidad moderada
De 61 a 80 Alta confiabilidad
De 81 a 100 Excelente Confiabilidad
Fuente. Sánchez (2011).

8.10 Métodos para hallar la confiabilidad del instrumento


Los métodos para determinar la confiabilidad del instrumento más usual son:

8.10.1 Alfa de Cronbach


Para evaluar la confiabilidad o la homogeneidad de las preguntas o ítems es común emplear el
coeficiente alfa de Cronbach cuando se trata de alternativas de respuestas politomicas, como
las escalas tipo Likert; la cual puede tomar valores entre 0 y 1, donde: 0 significa confiabilidad
nula y 1 representa confiabilidad total (De La Torre & Accostupa, 2013, p. 23).

8.10.2 Kuder-Richarson (KR-21)


Permite obtener la confiabilidad a partir de los datos obtenidos en una sola aplicación del test.
La suposicion basica es considerar que todos los items presentan igual varianza (De La Torre &
Accostupa, 2013, p. 24).

55
56
Capítulo 9. Estadística

57
9.1 Definición de la estadística
La Estadística es considerada como el conjunto de procedimientos utilizados para clasificar,
calcular, analizar y resumir los datos obtenidos de manera sistemática.

Las pruebas estadísticas permiten contrastar la veracidad o falsedad de las hipótesis


enunciadas desde el punto de vista estadístico. Las cuales se clasifican en pruebas paramétricas
y pruebas no paramétricas.

Las paramétricas exigen a los datos a los que se aplica, que se cumplan los siguientes
requisitos:
− Variable numérica. Que las variables de estudio esté medida en una escala que sea por lo
menos de intervalo.
− Normalidad. Que los valores de las variables sigan una distribución normal, por lo
menos, en la población al que pertenece la muestra.
− Homocedasticidad. Que las varianzas de la variable dependiente en los grupos que se
comparan sean aproximadamente iguales (homogeneidad de las varianzas).

Cuando los datos cumplen con los requisitos indicados, las pruebas estadísticas
paramétricas exhiben su máximo poder. Cuando estas pruebas estadísticas se aplican a datos
que no cumplen al menos uno de los requisitos señalados, pierde parte de su poder.

Si no se cumple una de las tres condiciones se consideran las pruebas no paramétricas,


las cuales no hacen ningún tipo de suposición acerca de la forma exacta de la población en la
que fueron extraídas las muestras. Si se puede utilizar una prueba paramétrica y se usa una no
paramétrica hay una pérdida de información.

9.2 Pruebas paramétricas


9.2.1 T de Student para una muestra

Tipo de estudio Transversal


Nivel de investigación Descriptivo
Objeto estadístico Comparar
Variable de estudio Numérica (un grupo)
Tipo de distribución Con normalidad

¿Qué es?
Prueba si la medida de la muestra de una variable difiere significativamente de la medida
conocida de la población. Así podemos saber si una determinada muestra procede de una
población cuya media verdadera se conoce.

¿Cuál es su fórmula?

58
En esta prueba se evalúa la hipótesis nula de que la media de la población estudiada es igual a
un valor especificado μ0 , se hace uso del estadístico:

𝑥̅ − 𝜇0
𝑡= 𝑠
√𝑛
¿En qué situaciones se debe de usar?
Se utiliza la prueba t para una sola muestra cuando se tiene una sola población de interés, por
ejemplo los alumnos del quinto grado A de secundaria; para el cual se quiere analizar una
hipótesis sobre una característica de esta población.

Para calcular la significación de las diferencias obtenidas por una muestra de sujetos en
determinados test psicológicos y los valores medios de los baremos, tomados como valores
poblacionales. O, en otros casos, para comparar la media del test de cada individuo con la media
grupal, en cuyo caso primero hay que calcular la media del grupo y posteriormente aplicar la
prueba t para una muestra.

¿Cuáles son sus supuestos?


− Tamaño de muestra : Menor de 30
− Variable : Numérica
− Distribución de datos : Normal

Caso práctico 1:
El director del centro educativo Miguel Grau quiere verificar si el promedio de los
estudiantes de quinto grado de educación primaria de la sección A es de 16 en la
asignatura de Lógica y funciones, para ello selecciona una muestra de 16 estudiantes:

Datos:
15 14 13 16 17 15 14 13

16 17 15 14 16 17 13 12

1. Plantear la hipótesis
H0: El promedio de los estudiantes de quinto gado es de 16 en la asignatura de lógica y
funciones.
H1: El promedio de los estudiantes de quinto gado es diferente de 16 en la asignatura de
lógica y funciones.

2. Nivel de significancia: α = 0.05

3. Tipo de Prueba: t de Student

59
Supuestos de la prueba
1. Tamaño de muestra: menor de 30
2. Distribución de datos: Normal

60
PASOS PARA PROBAR LA NORMALIDAD EN SPSS
Paso1:

Pasos: 2 y 3

61
SALIDA DEL SPSS

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
*
Nota ,146 16 ,200 ,931 16 ,257
a. Corrección de la significación de Lilliefors.
*. Este es un límite inferior de la significación verdadera.

P VALUE. Según la prueba de Shapiro – Wilk El estadístico obtenido es de0.931 con unp-
value de 0.257 que supera el 0.05; entonces se concluye que, los datos tienen una distribución
normal.

Si p value es mayor a 0,05 si tiene normalidad

PASOS PARA UTILIZAR LA PRUEBA T – STUDENT EN EL SPSS

Paso 1:

62
Paso 2:
SALIDA DEL SPSS

Prueba T- Student Para una muestra


Valor de prueba = 16
95% Intervalo de confianza para
Diferencia de la diferencia
t gl Sig. (bilateral) medias Inferior Superior
Nota -2,967 15 ,010 -1,188 -2,04 -,33
P value

Según los resultados de la Prueba T – Student el estadístico alcanzo un valor de -2,967 y


un p- value de 0.010< 0.05 por lo que se rechaza la hipótesis nula con un nivel de significancia
del 0.05 y se concluye que el promedio de los estudiantes de quinto gado es diferente de 16 en la
asignatura de lógica y funciones.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

9.2.2 T de Student para muestras independientes

Tipo de estudio Transversal


Nivel de investigación Descriptivo
Objeto estadístico Comparar
Variable de estudio Numérica (dos grupos)
Tipo de distribución Con normalidad

¿Qué es?
El procedimiento Prueba T para dos muestras independientes o T desapareadas (muestras no
relacionadas) compara las medias de dos grupos de casos. Para esta prueba, idealmente los
sujetos se deben de asignar aleatoriamente a dos grupos, de forma que cualquier diferencia en
las respuestas sea debido al tratamiento y no a otros factores.

¿Cuál es su fórmula?
𝑀1 − 𝑀2
𝑡=
√𝑆12 /𝑛1 + 𝑆22 /𝑛2

Dónde:
𝑀1 y𝑀2 : Medias de ambos grupos,

63
𝑠: Desviación típica
𝑛: Número de casos.

¿En qué situaciones se debe de usar?


Si tenemos dos muestras, permite contrastar si existen diferencias entre las medias de estas
dos muestras.

Tienen su aplicación más típica cuando las unidades estadísticas que definen a ambas
muestras que están siendo comparadas no se superponen.

La aplicación de un contraste paramétrico requiere la normalidad de las observaciones


para cada uno de los grupos. La comprobación de esta hipótesis puede realizarse tanto por
métodos gráficos (por medio de histogramas, diagramas de cajas o gráficos de normalidad)
como mediante tests estadísticos. Un número suficiente de observaciones (mayor de 30)
justifica la utilización del mismo test.

Así mismo, este tipo de metodología exigirá que la varianza en ambos grupos de
observaciones sea la misma.

¿Cuáles son sus supuestos?


− Variable dependiente: cuantitativa, variable independiente: nominal o categórica con
dos dimensiones.
− Normalidad de los datos en ambas muestras.
− Homocedasticidad de las varianzas.
Caso práctico 2:

El director del colegio Bartolomé Herrera del distrito de Los Olivos está interesado en
conocer las diferencias que existe entre los estudiantes varones y estudiantes mujeres,
respecto a la nota obtenida en el examen final en el curso de matemática en los estudiantes
del quinto año de secundaria; y para ello, toma una muestra de 28 estudiantes.

1. Plantear la hipótesis
H0: No existe diferencia entre los estudiantes varones y estudiantes mujeres con
respecto al rendimiento académico en el curso de Matemática.
H1: Existe diferencia entre los estudiantes varones y estudiantes mujeres con respecto al
rendimiento académico en el curso de Matemática.

2. Nivel de significancia:𝛂 = 𝟎. 𝟎𝟓

3. Tipo de Prueba: t de Student


Supuestos de la prueba
− Variable cuantitativa. (Nota en el curso de Matemática).
− Normalidad de los datos.
− Homocedasticidad de los datos.

64
Pasos para probar la normalidad en SPSS

Paso1:

Paso2:

SALIDA DEL SPSS

Pruebas de normalidad
Sexo de los Kolmogorov-Smirnova Shapiro-Wilk
estudiantes Estadístico gl Sig. Estadístico gl Sig.
Nota Hombre ,181 14 ,200 ,964 14 ,791
obtenida en Mujer ,178 12 ,200 ,950 12 ,639 P-
el examen de
Matemática valu
e
Según los resultados de la prueba de Shapiro Wilks el estadístico alcanzo un valor de
0.964 y 0.950 para ambos grupos con valué de 0.791 y 0.639 ambos mayores a 0.05, por el cual
no se rechaza la hipótesis nula; por lo tanto, concluimos que los puntajes en ambos grupos
tienen distribución normal.
Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad
Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis
alterna

65
PASOS PARA PROBAR LA
HOMOCEDASTICIDAD
Paso 1

Paso 2:

SALIDA DEL SPSS

PRUEBA DE HOMOGENEIDAD DE VARIANZAS


Nota obtenida en el examen de Matemática

Estadístico de Levene gl1 gl2 Sig.

,006 1 24 ,936

Según los resultados obtenidos en la prueba de homogeneidad de varianza el P – value


obtenido 0.936 es mayor que el 0.05, por lo que no se rechaza la hipótesis nula y se concluye
que los datos son homogéneos.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

66
Pasos para realizar la prueba T – Student para muestras independientes
Paso 1

Paso 2:

SALIDA DEL SPSS

Según los resultados del análisis T – Student para muestras independiente El p valué fue
de 0.433 > 0.05 Por lo que no se rechaza la hipótesis nula y se concluye que no existe diferencia
de rendimiento académico según sexo.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

9.2.3 T de Student para muestras relacionadas

Tipo de estudio Longitudinal


Nivel de investigación Descriptiva
Objeto estadístico Comparar

67
Variable de estudio Numérica (dos medidas)
Tipo de distribución Con normalidad

¿Qué es?
Las pruebas t de muestras dependientes o apareadas, consisten típicamente en una muestra de
pares de valores con similares unidades estadísticas, o un grupo de unidades que han sido
evaluadas en dos ocasiones diferentes (una prueba t de mediciones repetitivas). Un ejemplo
típico de prueba t para mediciones repetitivas sería que los sujetos sean evaluados antes y
después de un tratamiento.

Una prueba t basada en la coincidencia de pares muestrales se obtiene de una muestra


desapareada que luego es utilizada para formar una muestra apareada, utilizando para ello
variables adicionales que fueron medidas conjuntamente con la variable de interés.

La valoración de la coincidencia se lleva a cabo mediante la identificación de pares de


valores que consisten en una observación de cada una de las dos muestras, donde las
observaciones del par son similares en términos de otras variables medidas. Este enfoque se
utiliza a menudo en los estudios observacionales para reducir o eliminar los efectos de los
factores de confusión.

¿Cuál es su fórmula?
𝑥𝐷 − 𝜇0
̅̅̅
𝑡= 𝑠𝐷
√𝑛

Dónde:
̅̅̅
xD : Media muestral dela diferencia.
sD ∶Desviación estándar de la diferencia.
n ∶ Tamaño de la muestra.
Existen n − 1 grados de libertad asociados con la prueba t para una muestra.

¿Cuáles son sus supuestos?


Nivel de medida delas variables: métricas, es decir, de intervalo o razón.
Distribución normal.
Varianza de la diferencia de medidas: desconocida.
Observaciones; pre_tratamiento y pos_tratamiento

Caso práctico 3:

68
Se realiza un estudio para conocer si el rendimiento académico de los estudiantes cambia
luego de aplicar cierta metodología de enseñanza.

1. Plantear la hipótesis
H0: No existe diferencia en el rendimiento académico después de aplicar determinada
metodología de enseñanza.
H1: Existe diferencia en el rendimiento académico después de aplicar determinada
metodología de enseñanza.
2. Nivel de significancia: 𝛂 = 𝟎. 𝟎𝟓
3. Tipo de Prueba: t de Student
Supuestos de la prueba
• Normalidad de los datos

Pasos para probar la normalidad en SPSS


Paso1:

Paso 2:

SALIDA DEL SPSS

69
Prueba de KOLMOGOROV - SMIRNOV para una muestra
Nota inicial Nota final
N 60 60
Parámetros normalesa,b Media 11,30 12,95
Desviación típica 3,049 2,620
Diferencias más extremas Absoluta ,161 ,158
Positiva ,076 ,109
Negativa -,161 -,158
Z de Kolmogorov-Smirnov 1,246 1,221
Sig. asintót. (bilateral) ,090 ,101
a. La distribución de contraste es la Normal.
b. Se han calculado a partir de los datos.

Los resultados presentados en la tabla indican que la distribución de los puntajes en la


nota inicial y en la nota final presentan estadísticos K-S-Z que no son estadísticamente
significativos, por lo cual podemos concluir que presentan una adecuada se aproximación a la
curva normal.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Pasos para realizar la Prueba T – Student para muestras relacionadas.

Paso 1

70
Paso 2
Se seleccionan las
variables

SALIDA del SPSS

Prueba de muestras relacionadas


Diferencias relacionadas
95% Intervalo de
Error típ. Sig.
Desviación confianza para la t gl
Media de la (bilateral)
típ. diferencia
media
Inferior Superior
Nota
Par inicial
-1,650 ,820 ,106 -1,862 -1,438 -15,591 59 ,000
1 Nota
final

Los resultados de la prueba T- Student muestran un P valué<0.05 por lo que se rechaza


la hipótesis nula y se concluye que si existe diferencia en el rendimiento académico después de
aplicar cierta metodología.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

9.2.4 Anova con un factor intersujetos

Tipo de estudio Transversal


Nivel de investigación Descriptivo

71
Objeto estadístico Comparar
Variable de estudio Numérica (más de dos grupos)
Tipo de distribución Con normalidad

¿Qué es?
El análisis de la varianza (ANOVA) es uno de los tests estadísticos más ampliamente utilizados
para probar la igualdad de más de dos medias de la población. Es decir: Hipótesis: Cuando se
trata de comparar varias medias cabe la posibilidad de realizar comparaciones dos a dos
Utilizando, por ejemplo el test t. Este procedimiento no es correcto. Si, como es habitual, se
utiliza un valor crítico del 5 % para comprobar la hipótesis de ausencia de diferencias entre las
medias de las poblaciones, el nivel de significación real será mucho mayor. Aunque todas las
muestras procedieran de la misma población, una media del 5 % de los valores t superarán el
valor crítico. Puede demostrarse que en 10 comparaciones independientes uno o más valores de
t superará el valor crítico t0,95 en un 40 % de ocasiones. Es decir, es relativamente fácil rechazar
la hipótesis nula por un valor espurio de t a causa de la reiteración de comparaciones. Una
segunda razón es la pérdida de precisión al estimar la varianza común cada dos grupos. Claro
está que este problema se soluciona utilizando la varianza global, pero sigue en pie el problema
de la significación.

¿Cuál es su fórmula?
𝐻0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑘 = 𝜇
𝐻1 : ∃𝜇𝑖 ≠ 𝜇 𝑖 = 1,2, … , 𝐾

¿En qué situaciones se puede usar?


Entre los usos más frecuentes de las pruebas ANOVA se encuentran:
− El Modelo de efectos fijos asume que los datos provienen de poblaciones normales las
cuales podrían diferir únicamente en sus medias
− El Modelo de efectos aleatorios asume que los datos describen una jerarquía de
diferentes poblaciones cuyas diferencias quedan restringidas por la jerarquía.
− El Modelo de efectos mixtos describen situaciones que éste puede tomar. Ejemplo:
(donde están presentes ambos tipos de factores: fijos y aleatorios).

¿Cuáles son sus supuestos?


− La variable dependiente debe medirse al menos a nivel de intervalo.
− Independencia de las observaciones.
− La distribución de los residuales debe ser normal.
− Homocedasticidad: homogeneidad de las varianzas.

Caso práctico:
Se realiza un estudio para conocer si existe diferencia en tres métodos de lectura
aplicados a tres grupos de estudiantes.

72
1. Plantear la hipótesis
H0: No existe diferencia entre los tres métodos de lectura.
H1: Existe diferencia entre los tres métodos de lectura.

2. Nivel de significancia: 𝛂 = 𝟎. 𝟎𝟓

3. Tipo de Prueba: ANOVA


Supuestos de la prueba
3. Normalidad de las puntuaciones en los grupos de estudios considerados.
4. Homocedasticidad de las puntuaciones.

PASOS PARA PROBAR LA NORMALIDAD EN SPSS

Paso1:

Paso 2 y 3:

Hacer clic en
gráficos

SALIDA de SPSS (Prueba de normalidad)

73
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístic Estadístic
Método de lectura o gl Sig. o gl Sig.
Nota obtenida Método de lectura ,150 22 ,200* ,954 22 ,377
en la A
comprensión de Método de lectura ,128 22 ,200* ,950 22 ,311
lectura B
Método de Lectura ,168 22 ,105 ,889 22 ,018
C
a. Corrección de la significación de Lilliefors
*. Este es un límite inferior de la significación verdadera.

Según los resultados de la prueba de normalidad de Kolmogorov Smirnov las


puntuaciones de los tres grupos según método de lectura tienen distribución normal ya
que el p- valué en los tres grupos resulto > 0.05 por lo que no se rechaza la hipótesis nula
y se concluye que las puntuaciones en el rendimiento académico en los tres grupos de
estudio presenta una aproximación a la curva normal.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

PASOS PARA PROBAR LA HOMOCEDASTICIDAD EN SPSS


Paso1:

Paso 2 y 3:

Clic en opciones

74
SALIDA del SPSS

Prueba de homogeneidad de varianzas


Nota obtenida en la comprensión de lectura
Estadístico de Levene gl1 gl2 Sig.
,352 2 63 ,705

Según los resultados de la Prueba de Levene no se rechaza la hipótesis nula ya que el P-


valué resulto > 0.05, por los que se concluye que, no existe homogeneidad de varianzas en los
tres grupos de estudio.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

75
Pasos para realizar el Análisis de Varianza en SPSS

Paso1:

Paso 2

RESULTADOS DEL SPSS

ANOVA
Nota obtenida en la comprensión de lectura
Suma de Media
gl F Sig.
cuadrados cuadrática
Inter-grupos ,485 2 ,242 ,086 ,918
Intra-grupos 177,773 63 2,822
Total 178,258 65

El análisis comparativo de la nota en la comprensión lectora por método de lectura


realizado a través del análisis de varianza de un factor permite apreciar que no existe diferencia
estadística significativa en ninguno de los tres métodos, por lo que, no se rechaza la hipótesis
nula.

76
Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad
Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

9.2.5 T de Student para muestras relacionadas

Tipo de estudio Longitudinal


Nivel de investigación Descriptiva
Objeto estadístico Comparar
Variable de estudio Numérica (dos medidas)
Tipo de distribución Con normalidad

¿Qué es?
Las pruebas t de muestras dependientes o apareadas, consisten típicamente en una muestra de
pares de valores con similares unidades estadísticas, o un grupo de unidades que han sido
evaluadas en dos ocasiones diferentes (una prueba t de mediciones repetitivas). Un ejemplo
típico de prueba t para mediciones repetitivas sería por ejemplo que los sujetos sean evaluados
antes y después de un tratamiento.

Una prueba t basada en la coincidencia de pares muestrales se obtiene de una muestra


desapareada que luego es utilizada para formar una muestra apareada, utilizando para ello
variables adicionales que fueron medidas conjuntamente con la variable de interés.

La valoración de la coincidencia se lleva a cabo mediante la identificación de pares de


valores que consisten en una observación de cada una de las dos muestras, donde las
observaciones del par son similares en términos de otras variables medidas. Este enfoque se
utiliza a menudo en los estudios observacionales para reducir o eliminar los efectos de los
factores de confusión.
¿Cuál es su fórmula?
𝑥𝐷 − 𝜇0
̅̅̅
𝑡= 𝑠𝐷
√𝑛
Dónde:
xD Media muestral dela diferencia
̅̅̅:
sD ∶Desviación estándar de la diferencia
n ∶ Tamaño de la muestra
Existen n − 1 grados de libertad asociados con la prueba t para una muestra.

¿Cuáles son sus supuestos?


Nivel de medida delas variables: métricas, es decir, de intervalo o razón.
Distribución normal.
Varianza de la diferencia de medidas: desconocida.

77
Observaciones; pre_tratamiento y pos_tratamiento.

Caso práctico:
Se realiza un estudio para conocer si el rendimiento académico de los estudiantes cambia
luego de aplicar cierta metodología de enseñanza.

4. Plantear la hipótesis
H0: No existe diferencia en el rendimiento académico después de aplicar determinada
metodología de enseñanza.
H1: Existe diferencia en el rendimiento académico después de aplicar determinada
metodología de enseñanza.

5. Nivel de significancia: 𝛂 = 𝟎. 𝟎𝟓

6. Tipo de Prueba: t de Student


Supuestos de la prueba
• Normalidad de los datos.

Pasos para probar la normalidad en SPSS

Paso1:

Paso 2:

78
SALIDA DEL SPSS

Prueba de KOLMOGOROV - SMIRNOV para una muestra


Nota inicial Nota final
N 60 60
Parámetros normalesa,b Media 11,30 12,95
Desviación típica 3,049 2,620
Diferencias más extremas Absoluta ,161 ,158
Positiva ,076 ,109
Negativa -,161 -,158
Z de Kolmogorov-Smirnov 1,246 1,221
Sig. asintót. (bilateral) ,090 ,101
a. La distribución de contraste es la Normal.
b. Se han calculado a partir de los datos.

Los resultados presentados en la tabla indican que la distribución de los puntajes en la


nota inicial y en la nota final presentan estadísticos K-S-Z que no son estadísticamente
significativos, por lo cual podemos concluir que presentan una adecuada aproximación a la
curva normal.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Pasos para realizar la Prueba T – Student para muestras relacionadas.


Paso 1

79
Pasó 2

Se seleccionan las
variables

SALIDA del SPSS

Prueba de muestras relacionadas


Diferencias relacionadas
95% Intervalo de
Error típ. Sig.
Desviación confianza para la t gl
Media de la (bilateral)
típ. diferencia
media
Inferior Superior
Nota
Par inicial
-1,650 ,820 ,106 -1,862 -1,438 -15,591 59 ,000
1 Nota
final

80
Los resultados de la prueba T- Student muestran un P value<0.05 por lo que se
rechaza la hipótesis nula y se concluye que si existe diferencia en el rendimiento
académico después de aplicar cierta metodología.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

81
9.2.6 Coeficiente de correlación “R” de Pearson

Tipo de estudio Transversal


Nivel de investigación Relacional
Objeto estadístico Comparar
Variable de estudio Numérica
Tipo de distribución Con normalidad

¿Qué es?
En estadística, el coeficiente de correlación de Pearson es una medida de la relación lineal entre
dos variables aleatorias cuantitativas. A diferencia de la covarianza, la correlación de Pearson es
independiente de la escala de medida de las variables.
De manera menos formal, podemos definir el coeficiente de correlación de Pearson como un
índice que puede utilizarse para medir el grado de relación de dos varia
¿Cuál es su fórmula?
En el caso de que se esté estudiando dos variables aleatorias x e y sobre una población
estadística; el coeficiente de correlación de Pearson se simboliza con la letraρX,Y siendo la
expresión que nos permite calcularlo:

𝜎𝑋𝑌 𝐸(𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 )


𝜌𝑋,𝑌 = =
𝜎𝑋 𝜎𝑌 𝜎𝑋 𝜎𝑌

Dónde:
σXY Es la covarianza de(X, Y)
σX Es la desviación típica de la variable X
σY Es la desviación típica de la variable Y
De manera análoga podemos calcular este coeficiente sobre un estadístico muestral,
denotado como rxy a:

∑ 𝑥𝑖 𝑦𝑖 − 𝑛𝑥̅ 𝑦̅ 𝑛 ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑟𝑥𝑦 = =
𝑛𝑠𝑥 𝑠𝑦 √𝑛 ∑ 𝑥𝑖2 − (∑ 𝑥𝑖 )2 √𝑛 ∑ 𝑦𝑖2 − (∑ 𝑦𝑖 )2

82
¿Cómo interpretarla?
Para interpretar el coeficiente de correlación utilizamos la siguiente escala:

Valor Significado
-1 Correlación negativa grande y perfecta
-0,9 a -0,99 Correlación negativa muy alta
-0,7 a -0,89 Correlación negativa alta
-0,4 a -0,69 Correlación negativa moderada
-0,2 a -0,39 Correlación negativa baja
-0,01 a -0,19 Correlación negativa muy baja
0 Correlación nula
0,01 a 0,19 Correlación positiva muy baja
0,2 a 0,39 Correlación positiva baja
0,4 a 0,69 Correlación positiva moderada
0,7 a 0,89 Correlación positiva alta
0,9 a 0,99 Correlación positiva muy alta
1 Correlación positiva grande y perfecta

¿En qué situaciones se puede usar?


Dado dos variables, la correlación permite hacer estimaciones del valor de una de ellas
conociendo el valor de la otra variable. Mide el grado de co-variación entre distintas variables
relacionadas linealmente. Adviértase que decimos "variables relacionadas linealmente". Esto
significa que puede haber variables fuertemente relacionadas, pero no de forma lineal, en cuyo
caso no proceder a aplicarse la correlación de Pearson. Por ejemplo, la relación entre la ansiedad
y el rendimiento tiene forma de U invertida; igualmente, si relacionamos población y tiempo la
relación será de forma exponencial. En estos casos (y en otros muchos) no es conveniente
utilizar la correlación de Pearson. Insistimos en este punto, que parece olvidarse con cierta
frecuencia.

Caso práctico:
Se realiza un estudio para conocer la relación que existe entre el número de horas de
estudio semanal y la calificación en un examen de Estadística.

1. Plantear la hipótesis
H0: Existe relación entre las horas de estudio y la calificación.
H1: No existe relación entre las horas de estudio y la calificación.
2. Nivel de significancia: α = 0.01
3. Tipo de Prueba: r de Pearson.
4. Supuestos de la prueba.
5. Normalidad de los datos.

Pasos para probar la normalidad en SPSS

83
Paso1:

Pasó 2

SALIDA DEL SPSS

84
Prueba de KOLMOGOROV - SMIRNOV para una muestra
Calificación en el
Horas de estudio examen de
semanal Estadística
N 60 60
a,b
Parámetros normales Media 5,07 14,63
Desviación típica 2,261 3,103
Diferencias más Absoluta ,137 ,214
extremas Positiva ,103 ,122
Negativa -,137 -,214
Z de Kolmogorov-Smirnov 1,061 1,655
Sig. asintót. (bilateral) ,210 ,008
a. La distribución de contraste es la Normal.
b. Se han calculado a partir de los datos.

Los resultados presentados en la tabla indican que la distribución de los puntajes en las
horas de estudio y la calificación en el examen presentan estadísticos K-S-Z que no son
estadísticamente significativos, por lo cual podemos concluir que presentan una adecuada
aproximación a la curva normal.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Pasos para realizar la correlación r de Pearson.


Paso 1

85
Seleccionar ambas variables

Pasó 2

Resultados de SPSS

86
Correlaciones
Calificación en el
Horas de estudio examen de
semanal Estadística
Horas de estudio semanal Correlación de Pearson 1 ,941**
Sig. (bilateral) ,000
N 60 60
Calificación en el examen Correlación de Pearson ,941** 1
de Estadística Sig. (bilateral) ,000
N 60 60
**. La correlación es significativa al nivel 0,01 (bilateral).

Según los resultados presentados en la tabla, estos nos indican que existe una
correlación significativa muy alta que alcanza un valor de 0.941 entre las horas de estudio
semanal y la calificación en el examen.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

87
9.3 Pruebas no paramétricas
9.3.1 𝐗 𝟐 Bondad de ajuste

Tipo de estudio Transversal


Nivel de investigación Descriptivo
Objeto estadístico Comparar

Variable de estudio Numérica – Ordinal – Nominal Politómica (un grupo)

Tipo de distribución Sin normalidad

¿Qué es?
Se entiende por bondad de ajuste a la asimilación de los datos observados de una variable a una
función matemática previamente establecida y reconocida. A través de este es posible entonces
predecir el comportamiento de la variable de estudio.
Las pruebas de bondad de ajuste tienen por objetivo determinar si los datos disponibles se
ajustan a una determinada distribución.

¿Cuál es su fórmula?
Entre las pruebas de bondad de ajuste más conocidos, tenemos:

Chi cuadrado:
𝑘
(𝑜𝑖 − 𝑒𝑖 )2
𝑥2 = ∑
𝑒𝑖
𝑖=1
Distribución Ji-cuadrado con 𝑣 = 𝑘 − 𝑟 − 1 grados de libertad

Prueba de Kolmogorov Smirnov


𝑛
1 1 𝑠𝑖 𝑦𝑖 ≤ 𝑥,
𝐹𝑛 (𝑥) = ∑ {
𝑛 0 𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎.
𝑖=1

Para dos colas el estadístico viene dado por:


D+n = max (Fn (x) − F(x))
D−n = max (F(x) − Fn (x))
Donde F(x) es la distribución presentada como hipótesis

Nota: Ambas pruebas caen en la categoría de lo que en estadística se denominan pruebas


de “Bondad de Ajuste” y miden, como el nombre lo indica, el grado de ajuste que existe entre la
distribución obtenida a partir de la muestra y la distribución teórica que se supone debe seguir
esa muestra.

¿En qué situaciones se puede usar?

88
La prueba de bondad de ajuste se aplica en diseños de investigación en los que se estudia a un
único grupo.
La prueba compara la distribución de frecuencias observadas (Fo ) de una variable
usualmente cualitativa, pero que también puede ser cuantitativa, con la distribución de
frecuencias de la misma variable medida en un grupo de referencia.
El procedimiento de la prueba implica el cálculo de una distribución esperada (Fe ) en el
grupo estudiado, usando como punto de partida a la distribución de la variable en el grupo de
referencia.
El propósito de la prueba es averiguar si existen diferencias estadísticamente
significativas entre la distribución observada (Fo ) y la distribución esperada (Fe )
En la prueba se plantean las siguientes estadísticas:
Hipótesis estadística nula :Ho : Fo = Fe
Hipótesis estadística alterna : Ho : Fo ≠ Fe

El procedimiento de la prueba incluye el cálculo de la medida Chi cuadrada. El rechazo


de la Hipótesis nula ocurre cuando el valor calculado con los datos resulta mayor que el valor
crítico de dicha medida contenido en una tabla llamada Valores Críticos de Chi cuadrada.
En el caso de que el valor de Chi cuadrada calculada sea igual o menor al de Chi cuadrada
crítica se dice que no rechaza a la Hipótesis nula y, por lo tanto, se concluye que la Fo es
semejante a la Fe. En otras palabras, se dice que ambas distribuciones se ajustan bien; de ahí el
nombre de la prueba: bondad de ajuste.

Caso práctico:
Se realiza un estudio para conocer si la proporción de individuos según nivel socio
económico son iguales.

1. Plantear la hipótesis
H0: La proporción de individuos según nivel socio económico son iguales.
H1: La proporción de individuos según nivel socio económico son diferentes.
2. Nivel de significancia: α = 0.05
3. Tipo de Prueba: Bondad de ajuste x 2
4. Supuestos de la prueba
5. Variable ordinal.

Pasos para realizar prueba Bondad de ajuste X2.

Paso1

89
Pasó 2

SALIDA DE LA PRUEBA

90
Estadísticos de contraste
Nivel Socioeconómico
Chi-cuadrado 7,200a
gl 2
Sig. asintót. ,027
a. 0 casillas (,0%) tienen frecuencias esperadas menores que 5. La
frecuencia de casilla esperada mínima es 10,0.

Según el resultado de la prueba de bondad de ajuste se obtiene un estadístico


significativo por lo que se rechaza la hipótesis nula y se concluye que la proporción de
individuos es diferente para las diferentes clases sociales.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

91
9.3.2 Bondad de ajuste binomial

Tipo de estudio Transversal


Nivel de investigación Descriptivo
Objeto estadístico Comparar
Variable de estudio Nominal Dicotómica (un grupo)
Tipo de distribución Sin normalidad

¿Qué es?
Es una prueba de bondad de ajuste, que permite averiguar si una variable dicotómica sigue o no
un determinado modelo de probabilidad. Permite contrastar la hipótesis de que la proporción
observada de aciertos se ajusta a la proporción teórica de una distribución binomial (lo cual se
traduce en la posibilidad de contrastar hipótesis sobre proporciones y sobre cuartiles).

¿Cuál es su fórmula?
Para obtener los valores esperados se tiene que utilizar la fórmula de la distribución binomial:

𝑥 (𝑛−𝑥)
𝑛𝐶𝑥 𝑝 𝑞

Dónde:
n: Es el número de series,
p y q: Son las probabilidades respectivas.
Para calcular el valor de p, se sabe que μ = np en una distribución binomial, por
lo que μ = 5p.
Con un α = 0.05

¿En qué situaciones se puede usar?


Las Pruebas No Paramétricas “Son técnicas útiles, que no hacen suposiciones restrictivas
respecto a la forma de las distribuciones de las poblaciones. Estas se conocen también como
pruebas sin distribución.
Las pruebas estadísticas no paramétricas, son útiles no solamente cuando los datos
representan una ordenación, sino también cuando se tienen únicamente diferencias
direccionales. La palabra no Paramétrica, está ligada con los tipos de hipótesis que se prueban
usualmente al tener este tipo de datos.
Las pruebas no paramétricas son aplicables, no sólo en casos en que las mediciones son
difíciles de cuantificar, sino también son útiles para hacer inferencias, en situaciones en la que

92
se tienen serias dudas sobre la satisfacción de la hipótesis que respaldan la metodología
estándar.

¿Cuáles son sus supuestos?

Figura 13. Supuestos en la estadística no paramétrica

Caso práctico:

Se realiza un estudio para conocer si la mitad de los estudiantes que utilizan como
máximo 4 horas de estudio semanal.

1. Plantear la hipótesis
H0: La mediana de las horas de estudio es igual a 4 horas.
H1: La mediana de las horas de estudio es diferente a 4 horas.
2. Nivel de significancia: α = 0.05
3. Tipo de Prueba: Binomial.
4. Supuestos de la prueba.
5. Los datos no tienen distribución normal.

PASOS PARA PROBAR LA NORMALIDAD EN SPSS

93
Paso 1

Pasó 2

94
SALIDA DEL SPSS

Prueba de Kolmogorov-Smirnov para una muestra


Horas de
estudio
N 60
Parámetros normales Media 4,65
Desviación típica 3,526
Diferencias más extremas Absoluta ,179
Positiva ,150
Negativa -,179
Z de Kolmogorov-Smirnov 1,386
Sig. asintót. (bilateral) ,043
a. La distribución de contraste es la Normal.
b. Se han calculado a partir de los datos. P – valué< 0.05

Según los resultados de la Prueba de Kolmogorov Smirnov indican que la distribución


de las horas de estudio presentan un estadístico significativo por lo que rechazamos la
hipótesis nula y concluimos que la distribución de las horas de estudio no se aproximan a una
distribución normal por lo que no se puede hacer uso de pruebas paramétricas.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

PASOS PARA REALIZAR LA PRUEBA BINOMIAL.

95
Paso 1

Resultados de la Prueba
Prueba binomial
Sig.
Proporción Prop. de exacta
Categoría N observada prueba (bilateral)
Horas de Grupo 1 <= 4 32 ,53 ,50 ,699
estudio Grupo 2 >4 28 ,47
Total 60 1,00

Según los resultados de la prueba Binomial el estadístico obtenido no es


estadísticamente significativo ya que p-valué 0.699 > 0.05, por lo que no se rechaza la hipótesis
nula; y se concluye que, la mitad de los estudiante usan como máximo 4 horas de estudio.
Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad
Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

9.3.3 U Mann-Withney

Tipo de estudio Transversal


Nivel de investigación Relacional

96
Objeto estadístico Comparar
Variable de estudio Numérica – Ordinal (dos grupos)
Tipo de distribución Sin normalidad

¿Qué es?
En estadística la prueba U de Mann-Whitney (también llamada de Mann-Whitney-Wilcoxon,
prueba de suma de rangos Wilcoxon, o prueba de Wilcoxon-Mann-Whitney) es una prueba no
paramétrica aplicada a dos muestras independientes. Es, de hecho, la versión no paramétrica de
la habitual prueba t de Student.
Fue propuesto inicialmente en 1945 por Frank Wilcoxon para muestras de igual
tamaños y extendido a muestras de tamaño arbitrario como en otros sentidos por Henry B.
Mann y D. R. Whitney en 1947.
Esta prueba sirve para contraste de dos muestras independientes.

¿Cuál es su fórmula?
La prueba calcula el llamado estadístico U, cuya distribución para muestras con más de 20
observaciones se aproxima bastante bien a la distribución normal.

La aproximación a la normal, z, cuando tenemos muestras lo suficientemente grandes


viene dada por la expresión:
𝑍 = (𝑈 − 𝑚𝑈 )/𝜎𝑈

Donde mU y σU son la media y la desviación estándar de U si la hipótesis nula es cierta,


y vienen dadas por las siguientes fórmulas:
𝑛1 𝑛2
𝑚𝑈 =
2
𝑛1 𝑛2 (𝑛1 + 𝑛2 + 1
𝜎𝑈 = √
12

¿En qué situaciones se puede usar?


La prueba de Mann-Whitney se usa para comprobar la heterogeneidad de dos muestras
ordinales. El planteamiento de partida es:
− Las observaciones de ambos grupos son independientes
− Las observaciones son variables ordinales o continuas.
− Bajo la hipótesis nula, las distribuciones de partida de ambas distribuciones es la misma
− Bajo la hipótesis alternativa, los valores de una de las muestras tienden a exceder a los
de la otra:

97
𝑃(𝑋 > 𝑌) + 0.05𝑃(𝑋 = 𝑌) > 0.05

Caso práctico:

Un investigador desea determinar si las horas de estudio en los estudiantes según sexo
son iguales.

1. Plantear la hipótesis
H0: Las horas de estudio en los estudiantes según sexo son iguales.
H1: Las horas de estudio en los estudiantes según sexo son diferentes.

2. Nivel de significancia: 𝛂 = 𝟎. 𝟎𝟓
3. Tipo de Prueba: U Mann Whitney.
Supuestos de la prueba.
4. Los datos no tienen distribución normal.

PASOS PARA PROBAR LA NORMALIDAD EN SPSS


Paso 1

Pasó 2

98
SALIDA SPSS
Pruebas de normalidad
Sexo de los Kolmogorov-Smirnova Shapiro-Wilk
estudiantes Estadístico gl Sig. Estadístico gl Sig.
Horas de Masculino ,212 29 ,905 29 ,013
estudio ,002
Femenino ,181 31 ,867 31 ,001
,011

Según los resultados al aplicar la prueba de Kolmogorov Smirnov se obtienen


estadísticos significativos por lo se rechazamos la hipótesis nula y concluimos que los datos no
se ajustan a una distribución normal por lo que no se puede hacer uso de las pruebas
paramétricas.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

PASOS PARA REALIZAR LA PRUEBA U MANN WHITNEY.


Paso 1

99
Pasó 2

SALIDA de la Prueba

100
Estadísticos de contrastea

Horas de estudio
U de Mann-Whitney 325,000
W de Wilcoxon 821,000
Z -1,869
Sig. asintót. (bilateral) ,062
a. Variable de agrupación: Sexo de los estudiantes

Según los resultados de la prueba se aprecia que estos arrojan un estadístico


estadísticamente no significativo, por lo que, no se rechaza la hipótesis nula y se concluye que,
las horas de estudio en los estudiantes hombres y mujeres son iguales.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna
Tabla de contingencia

Seleccionamoso casillas

9.3.4 Dependencia Chi – cuadrado

101
Tipo de estudio Transversal
Nivel de investigación Relacional
Objeto estadístico Comparar
Variable de estudio Nominal Politómica -Dicotómica
Tipo de distribución Sin normalidad

¿Qué es?
Es una distribución de probabilidad continua con un parámetro “k”, que presenta los grados de
libertad de la variable aleatoria, la distribución de Chi Cuadrado es denotada por la letra griega
x 2 , es frecuentemente usada para probar hipótesis, concernientes a la diferencia entre un
conjunto de frecuencias observadas de una muestra y un conjunto correspondientes de
frecuencias teóricas esperadas. Las pruebas de Chi Cuadrado, son útiles al analizar más de dos
poblaciones, por ejemplo, sirven para trabajar con datos de Mercadotecnia, también permite
determinar si un grupo de datos descritos de una distribución normal, se ajustan a la realidad
de ese patrón.
El estadístico de Chi Cuadrado se representa de la forma siguiente:

¿Cuál es su fórmula?
x 2 : Chi Cuadrado
∑ : “La suma de”
Fo : Frecuencia observada
Fe : Frecuencia esperada.

¿En qué situaciones se puede usar?


El estadístico CHI – CUADRADO (o JI CUADRADO, X2) por tanto es una prueba estadística
que evalúa las hipótesis acerca de la relación que existen entre dos variables categóricas,
pertenecientes a un nivel nominal u ordinal, para ello parte del supuesto de dos variables no
relacionadas (existe independencia de variables);
H1= Hipótesis alternativa (establece que las variables están relacionadas)

En ella se observa: 𝛂 ≤ 𝟎. 𝟎𝟓; entonces se rechaza la hipótesis de independencia pues


existe una relación estadística de variables de significancia estrecha.

Caso práctico:

Se realiza un estudio para conocer la asociación entre el nivel socioeconómico y el


defecto del lenguaje en estudiantes de una determinada región.

102
1. Plantear la hipótesis
H0: El nivel socioeconómico y el defecto del lenguaje son independientes.
H1: El nivel socioeconómico y el defecto del lenguaje son dependientes.

2. Nivel de significancia: 𝛂 = 𝟎. 𝟎𝟓
3. Tipo de Prueba: Chi cuadrado.
4. Supuestos de la prueba
5. Variables cualitativas.

Pasos para realizar la prueba Chi cuadrado.


Paso 1

103
Paso 2 y Paso 3

SALIDA PRUEBA

Pruebas de chi-cuadrado
Sig. asintótica
Valor gl (bilateral)
a
Chi-cuadrado de Pearson 3,840 2 ,147
Razón de verosimilitudes 4,454 2 ,108
Asociación lineal por lineal ,000 1 1,000
N de casos válidos 16
a. 5 casillas (83,3%) tienen una frecuencia esperada inferior a 5.
La frecuencia mínima esperada es ,75.

Según los resultados de la prueba se obtiene un estadístico no significativo por lo que


no se rechaza la hipótesis nula y se concluye que, el nivel socioeconómico y el defecto del
lenguaje son independientes.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

9.3.4 KRUSKAL WALLIS

104
Tipo de estudio Transversal
Nivel de investigación Descriptiva
Objeto estadístico Comparar
Numérica - Ordinal (más de dos
Variable de estudio
grupos)
Tipo de distribución Sin normalidad

¿Qué es?
La prueba de Kruskal-Wallis (también llamada la prueba H) es una prueba no paramétrica que
utiliza rangos de datos muestrales de tres o más poblaciones independientes. Se utiliza para
probar la hipótesis nula de que las muestras independientes provienen de poblaciones con
medianas iguales; la hipótesis alternativa es la aseveración de que las poblaciones tienen
medianas que no son iguales. Es una extensión de la de U de Mann-Whitney y representa una
excelente alternativa al ANOVA de un factor completamente aleatorizado.

H0: Las muestras provienen de poblaciones con medianas iguales.


H1: Las muestras provienen de poblaciones con medianas que no son iguales.

Para aplicar la prueba de Kruskal-Wallis, calculamos el estadístico de prueba H, el cual


tiene una distribución que puede aproximarse por medio la distribución chi cuadrada, siempre
y cuando cada muestra tenga al menos cinco observaciones. Cuando utilizamos la distribución
chi cuadrada en este contexto, el número de grados de libertad es k — 1, donde k es el número
de muestras.
Requisitos:
− Tenemos al menos tres muestras independientes, las cuales se seleccionan al azar.
− Cada muestra tiene al menos cinco observaciones.
− No existe el requisito de que las poblaciones tengan una distribución normal o alguna
otra distribución particular.

¿Cuál es su fórmula?

12 ∑ 𝑅𝑐 2
∑ − 3(𝑁 + 1)
𝑁(𝑁 + 1) 𝑛𝑖
𝐻=
𝐿
Dónde:
H : Valor estadístico de la prueba de Kruskal-Wallis.
N: Tamaño total de la muestra.
Rc 2 : Sumatoria de los rangos elevados al cuadrado.
ni:Tamaño de la muestra de cada grupo.
L: Ajuste dado por el ajuste de ligas o empates de los rangos.

¿En qué situaciones se puede usar?

105
La prueba de Kruskal - Wallis es un método no paramétrico que se usa para probar si un grupo
de datos proviene de la misma población. Intuitivamente, es idéntico al ANOVA con los datos
reemplazados por categorías. Es una extensión de la prueba de la U de Mann-Whitney para 3 o
más grupos. Ya que es una prueba no paramétrica, la prueba de Kruskal - Wallis no
asume normalidad en los datos, en oposición al tradicional ANOVA. Sí asume, bajo la hipótesis
nula, que los datos vienen de la misma distribución. Una forma común en que se viola este
supuesto es con datos heterocedásticos.

Caso práctico:
Se realiza un estudio para conocer si el área a la que pertenece el profesorado influye en
la utilidad que le atribuye a las TIC en la enseñanza.

1. Plantear la hipótesis
H0: El área de estudio a la que pertenece el profesorado no influye en la utilidad que
le atribuye a las TIC en la enseñanza.
H1: El área de estudio a la que pertenece el profesorado influye en la utilidad que le
atribuye a las TIC en la enseñanza

2. Nivel de significancia: α = 0.05

3. Tipo de Prueba: Kruskal Wallis


Supuestos de la prueba
Variable Ordinal.

PASOS PARA REALIZAR LA PRUEBA KRUSKAL WALLIS.


Paso 1

106
Pasó 2

Definir las áreas

107
RESULTADOS DE LA PRUEBA KRUSKAL WALLIS

Rangos
Rango
Área de estudio N
promedio
Cienicas Naturales 20 57,23
Ciencias Sociales y
20 27,08
Educación
Utilidad de las TIC
Letras 20 16,93
Técnicas 20 60,78
Total 80

Estadísticos de contrastea,b
Utilidad de las TIC
Chi-cuadrado 57,289
gl 3
Sig. asintót. ,000

a. Prueba de Kruskal-Wallis
b. Variable de agrupación: Area de estudio

Según los resultados de la prueba se rechaza la hipótesis nula ya que el p-valué< 0.05 por
lo que se acepta la hipótesis alterna y se concluye que,el área de estudio a la que pertenece el
profesorado, influye en la utilidad que le atribuye a las TIC en la enseñanza

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

9.3.5 Wilcoxon

Tipo de estudio Longitudinal

108
Nivel de investigación Descriptiva
Objeto estadístico Comparar
Variable de estudio Numérica – Ordinal (dos medidas)
Tipo de distribución Sin normalidad

¿Qué es?
La prueba de los rangos con signo de Wilcoxon es una prueba no paramétrica para comparar la
media de dos muestras relacionadas y determinar si existen diferencias entre ellas.

¿Cuál es su fórmula?
La hipótesis nula esH0 : θ = 0. Retrotrayendo dicha hipótesis a los valores xi , yi originales, ésta
vendría a decir que son en cierto sentido del mismo tamaño.
Para verificar la hipótesis, en primer lugar, se ordenan los valores absolutos|Z1 |, … , |Zn | y se les
asigna su rango R1 . Entonces, el estadístico de la prueba de los signos de Wilcoxon, W + , es:

𝑊 + = ∑ 𝑅𝑖 ,
𝑍𝑖 >0

Es decir, la suma de los rangos R i correspondientes a los valores positivos de Zi . La


distribución del estadístico W + puede consultarse en tablas para determinar si se acepta o no la
hipótesis nula.

En ocasiones, esta prueba se usa para comparar las diferencias entre dos muestras de
datos tomados antes y después del tratamiento, cuyo valor central se espera que sea cero. Las
diferencias iguales a cero son eliminadas y el valor absoluto de las desviaciones con respecto al
valor central son ordenadas de menor a mayor. A los datos idénticos se les asigna el lugar medio en la
serie. La suma de los rangos se hace por separado para los signos positivos y los negativos. S representa la menor
de esas dos sumas. Comparamos S con el valor proporcionado por las tablas estadísticas al efecto para
determinar si rechazamos o no la hipótesis nula, según el nivel de significación elegido.

¿En qué situaciones se puede usar?


Se utiliza como alternativa a la prueba t de Student cuando no se puede suponer la normalidad
de dichas muestras. Debe su nombre a Frank Wilcoxon, que la publicó en 1945. Se utiliza
cuando la variable subyacente es continua pero no se presupone ningún tipo de distribución
particular.

Caso práctico:
Se realiza un estudio para conocer si los estudiantes de administración han variado su
opinión sobre la utilidad de la estadística aplicada después de aplicar un taller de
herramientas que ofrece la Estadística en el Análisis de datos.
1. Plantear la hipótesis
H0: No hay diferencia en la opinión de los estudiantes sobre la utilidad de la estadística
aplicada después de la aplicación del taller.

109
H1: Hay diferencia en la opinión de los estudiantes sobre la utilidad de la estadística
aplicada después de la aplicación del taller.

2. Nivel de significancia: α = 0.05

3. Tipo de Prueba: kruskalwallis


Supuestos de la prueba
3. Variable Ordinal.
4. No normalidad de de los datos.

PASOS PARA REALIZAR LA PRUEBA WILCOXON.


Paso 1

Pasó 2

110
Seleccionar la

prueba

Resultados de la Prueba Wilcoxon

Rangos
Rango
N promedio Suma de rangos
Opinión de los estudiantes Rangos negativos 8a 8,50 68,00
después del Taller - Rangos positivos 16b 14,50 232,00
Opinión de los estudiantes Empates 11c
del Taller Total 35
a. Opinión de los estudiantes después del Taller < Opinión de los estudiantes del Taller
b. Opinión de los estudiantes después del Taller > Opinión de los estudiantes del Taller
c. Opinión de los estudiantes después del Taller = Opinión de los estudiantes del Taller

Estadísticos de contrasteb
Opinión de los estudiantes después del
Taller - Opinión de los estudiantes del
Taller
Z -2,440a
Sig. asintót. (bilateral) ,015
a. Basado en los rangos negativos.
b. Prueba de los rangos con signo de Wilcoxon

Según los resultados de la prueba, se rechaza la hipótesis nula ya que p-valué<0.05, por
lo que, existen diferencias significativas y aceptamos la hipótesis alterna. Concluimos que hay
diferencia en la opinión de los estudiantes sobre la utilidad de la estadística aplicada después
de la aplicación del taller.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

111
9.3.5 Q de Cochran

Tipo de estudio Longitudinal

Nivel de investigación Descriptiva

Objeto estadístico Comparar

Nominal Politómica (dos o más medidas)


Variable de estudio
Nominal Dicotómica (más de dos medidas)

Tipo de distribución Sin normalidad

¿Qué es?
La prueba Q de Cochran es una técnica estadística, extensión de la prueba de McNemar, que se
utiliza en los modelos experimentales con tres o más muestras dependientes o relacionadas
entre sí, es decir, esta población sirve como su propio control, en el que existe un período previo
y otro ulterior; además, el tipo de escala debe ser nominal.

¿Cuál es su fórmula?
El valor calculado en la prueba Q de Chochran se distribuye igual que la ji cuadrada, por lo cual
el símbolo utilizado será X 2 Q
La ecuación es la siguiente:

2
2
(𝑘 − 1)[𝐾 ∑ 𝐺𝑛2 − (∑ 𝐺𝑛) ]
𝑋 𝑄=
𝐾 ∑ 𝐿𝑐 − ∑ 𝐿𝑐 2

Dónde:
X 2 Q: Estadístico ji cuadrada de la prueba Q de Cochran.
K: Número de tratamientos.
Gn: Número total de respuestas de cambio de cada tratamiento o columna.
Lc: Número total de respuestas de cambio por individuo de la muestra o hileras.

Pasos:
1. Arreglar la muestra individualmente con sus respuestas de cambio.
2. Efectuar las sumatorias de cambios por cada tratamiento o columna (Gn y S Gn).
3. Efectuar la sumatoria de cambios por cada hilera y elevarla al cuadrado y, a su vez,
las sumatorias de éstas (S Lc y S Lc 2 ).
4. Aplicar la fórmula de la prueba Q de Cochran, de modo que se obtenga el valorX 2 Q:.
5. Calcular los grados de libertad (gl) con K tratamientos -1.
6. Comparar el estadístico X 2 Q:obtenido con respecto a los gl en la distribución de ji
cuadrada.
7. Decidir si se acepta o rechaza la hipótesis.

112
¿En qué situaciones se puede usar?
− Esta prueba es particularmente adecuada cuando los datos estén en una escala nominal
o se ha dicotomizado la información nominal.
− Esta prueba puede utilizarse en aquellas situaciones en las que se seleccionan n grupos
de k elementos de forma que los elementos de cada grupo sean lo más parecidos posible
entre sí, y a cada uno de los elementos del grupo se le aplica uno de entre k
''tratamientos'', o bien cuando a cada uno de los elementos de una muestra de tamaño n
se le aplican los k ''tratamientos''.
− Su función es comparar el cambio en la distribución de proporciones entre más de dos
mediciones de una variable dicotómica y determinar que la diferencia no se deba al azar
(que la diferencia sea estadísticamente significativa).
− Es una prueba para comparar las proporciones de respuestas de un tipo (positivo o
negativo) o (cero o uno) de varios sujetos bajo varias formas de tratamiento.

¿Cuáles son sus supuestos?


Prueba Q de Cochran se basa en los siguientes supuestos:
− Una gran aproximación de la muestra, en particular, se supone que b es "grande".
− Los bloques fueron seleccionados al azar de la población de todos los bloques posibles.
− Los resultados de los tratamientos pueden ser codificados como respuestas binarias (es
decir, un "0" o "1") de una manera que es común a todos los tratamientos dentro de cada
bloque.

Caso práctico:
Se realiza un estudio para conocer si la proporción es la misma de alumnos que han
recibido dos tipos de terapia.

1. Plantear la hipótesis
H0: No hay diferencia en la proporción de estudiantes que reciben terapia de
ansiedad, terapia de fobia y terapia de estrés ante exposiciones.
H1: Hay diferencia en la proporción de estudiantes que reciben terapia de ansiedad,
terapia de fobia y terapia de estrés ante exposiciones.
2. Nivel de significancia: α = 0.05
3. Tipo de Prueba: Cochran
Supuestos de la prueba
5. Variable Nominal.
6. Más de dos muestras relacionadas.

PASOS PARA REALIZAR LA PRUEBA COCHRAN.


Paso 1

113
Paso 2

Seleccionar la prueba

114
SALIDA SPSS

Frecuencias
Valor
1 2
Terapia de Ansiedad 12 8
Terapia de Fobia 7 13
Terapia de Estres 10 10

Estadísticos de contraste
N 20
Q de Cochran 2,714a
gl 2
Sig. asintót. ,257
a. 1 se trata como un éxito.

Según los resultados de la prueba no se rechaza la hipótesis nula y se concluye que, no


hay diferencia en la proporción de estudiantes que reciben las terapias de: ansiedad, fobia y
estrés ante exposiciones.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

115
9.3.6 MC NEMAR

Tipo de estudio Longitudinal


Nivel de investigación Relacional
Objeto estadístico Comparar
Variable de estudio Nominal Dicotómica (dos medidas)

Tipo de distribución Sin normalidad

¿Qué es?
La prueba Mc Nemar también conocida como apareados de medidas repetidas o de grupos
relacionados se utiliza para decidir si se puede o no aceptarse que determinado “tratamiento”
induce un cambio en la respuesta de los elementos sometidos al mismo, y es aplicable a los
diseños del tipo “ANTES - DESPUES” en los que cada elemento actúa como su propio control.
Fue publicada por primera vez en un artículo en Psychometrika 1947, dada por Sr.
Quinn, quien fue profesor en el departamento de Psicología y Estadística de la Universidad de
Stanford.

¿Cuál es su fórmula?
La prueba se aplica a una tabla de 2 × 2 contingencia, que tabula los resultados de dos ensayos
en una muestra de n sujetos, como sigue.

Prueba 2 Prueba 2 Total de la


positivo negativo fila
Prueba 1 positivo un b a+b

Prueba 1 negativo c d c+d


Total de la
a+c b+d n
columna

Así, las hipótesis nula y alternativa son:


𝐻0 : 𝑝𝑏 = 𝑝𝑐
𝐻1 : 𝑝𝑏 ≠ 𝑝𝑐

El McNemar estadística de prueba es:


(𝑏−𝑐)2
𝑋2 = 𝑏+𝑐

La estadística con la corrección de Yates para continuidad viene dada por:

116
2
2
(|𝑏 − 𝑐| − 0.5)
𝑋 =
𝑏+𝑐

Una corrección alternativa 1 en lugar de 0.5 se atribuye a Edwards [4] por Fleiss, lo que resulta
en una ecuación similar:

2
2
(|𝑏 − 𝑐| − 1)
𝑋 =
𝑏+𝑐

Bajo la hipótesis nula, con un número suficientemente grande de discordants (células B


2
y C), X tiene una distribución chi-cuadrado con 1 grado de libertad . Si cualquiera de Bo C es
pequeña (b + c <25) y luego X 2 no está bien aproximada por la distribución de chi-
cuadrado. La distribución binomial puede utilizarse para obtener la distribución exacta de un
equivalente a la forma no corregida de estadística de prueba de McNemar. En esta
formulación, b se compara con una distribución binomial con parámetro de tamaño igual
a b + c y "probabilidad de éxito" = ½, que es esencialmente el mismo que el binomio prueba de
los signos . Para b + c <25, el cálculo binomial debe realizarse, y de hecho, la mayoría de los
paquetes de software simplemente realizar el cálculo binomial en todos los casos, ya que el
resultado es entonces una prueba exacta en todos los casos. Cuando se compara el
resultado X 2 estadística a la cola derecha de la distribución chi-cuadrado, el valor de p que se
encuentra es de dos caras, mientras que para alcanzar un valor de p de dos caras en el caso de la
prueba binomial exacta, el valor p de la extrema cola debe ser multiplicado por 2.
Si el X 2 resultado es significativo , esto proporciona evidencia suficiente para rechazar
la hipótesis nula, a favor de la hipótesis alternativa de que p b ≠ p c, lo que significaría que las
proporciones marginales son significativamente diferentes entre sí.

¿En qué situaciones se puede usar?


Entre los usos más frecuentes del test de Mc Nemar se encuentran:
− Esta prueba es particularmente apropiada para los diseños de antes y después en los que
cada persona es utilizada como su propio control. Los datos que se utilizan deben de
encontrarse.
− Prueba estadística que sirve para comparar proporciones en datos pareados.
− Prueba de significación estadística para probar la hipótesis nula de inexistencia de
cambios en la proporción de sujetos que experimentan un acontecimiento, cuando cada
individuo es evaluado dos veces (en condiciones diferentes) y los datos están
emparejados.
− La prueba de McNemar contrasta si el número de individuos que han cambiado de la
categoría 1, Cat1, en la primera visita a la categoría 2, Cat2, en la segunda visita, es el
mismo que el número de individuos que han realizado el cambio inverso. Los individuos
que no han variado de categoría en ambas visitas no son tenidos en cuenta. Existen
versiones de esta prueba para analizar medidas repetidas de variables con más de dos
categorías.

117
− Cuando las variables son ordinales o cuantitativas que no siguen una distribución
normal, se pueden realizar las pruebas de los Signos y de los Rangos signados para una
sola muestra, contrastando si la mediana de la variable diferencia entre visitas es igual a
un determinado valor teórico med0 para la mediana poblacional de la diferencia.

Caso práctico:
Se realiza un estudio para conocer si la proporción es la misma de alumnos que han
recibido dos tipos de terapia.

1. Plantear la hipótesis
H0: No hay diferencia en la proporción de estudiantes que reciben terapia de
ansiedad y terapia de fobia ante exposiciones.
H1: Hay diferencia en la proporción de estudiantes que reciben terapia de ansiedad y
terapia de fobia ante exposiciones.
2. Nivel de significancia: α = 0.05
3. Tipo de Prueba: Mc Nemar
Supuestos de la prueba
4. Variable Dependiente: Nominal.
5. Dos muestras relacionadas.

PASOS PARA REALIZAR LA PRUEBA MC NEMAR.


Paso 1

118
Paso 2

Resultados de la Prueba Mc Nemar

Terapia de Ansiedad y Terapia de Fobia

Terapia de Fobia
Terapia de Ansiedad Si No
Si 5 7
No 2 6

119
Estadísticos de contrasteb

Terapia de Ansiedad y Terapia de


Fobia
N 20
Sig. exacta (bilateral) ,180a
a. Se ha usado la distribución binomial.
b. Prueba de McNemar

Según los resultados de la prueba Mac Nemar, no se rechaza la hipótesis nula por lo que
concluimos: no hay diferencia en la proporción de estudiantes que reciben terapias de: ansiedad
y fobia ante exposiciones.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

9.3.7 FRIEDMAN

Tipo de estudio Longitudinal

Nivel de investigación Descriptiva

Objeto estadístico Comparar


Numérica – Ordinal (más de dos
Variable de estudio
medidas)
Tipo de distribución Sin normalidad

¿Qué es?
Prueba no paramétrica desarrollada por Milton Friedman, economista estadounidense, a través
del cual se va ordenando los datos por filas o bloques, reemplazándolos por su respectivo orden;
teniendo en cuenta los datos idénticos.

¿Cuál es su fórmula?

12 𝑘
𝐹= ∑ 𝑅𝑗2 − 3𝑛(𝑘 + 1)
𝑛𝑘(𝑘 + 1) 𝑗=1
Dónde: n:
Número de filas o bloques
k: Número de tratamientos (columnas)

120
R2 : Es la suma de los rangos de la j-ésima columna
Conforme aumenta la cantidad de bloques en el experimento (más de 5) se puede
aproximar el estadístico de Friedman a una distribución x 2 con (k − 1) grados
de libertad

¿En qué situaciones se puede usar?


Para Pruebas estadísticas para más de dos muestras dependientes y relacionadas, semejante a
ANOVA.
Como una extensión de la prueba de WILCOXON para incluir datos registrados en más
de dos periodos de tiempo o grupos de tres o más sujetos pareados, con un sujeto de cada grupo
que ha sido asignado aleatoriamente a una de las tres o más condiciones.
Para examinar los rangos de los datos generados en cada periodo de tiempo para
determinar si las variables comparten la misma distribución continúa de su origen.

Caso práctico:
Se realiza un estudio para conocer si el rendimiento académico de los estudiantes del
quinto año de secundaria es el mismo en tres de las asignaturas que cursan como son:
Lógico Matemático, Ciencia y ambiente y Comunicación Integral.

1. Plantear la hipótesis
H0: No hay diferencia en el rendimiento académico en las tres asignaturas que cursan los
estudiantes.
H1: Hay diferencia en el rendimiento académico en las tres asignaturas que cursan los
estudiantes.
2. Nivel de significancia: α = 0.05
3. Tipo de Prueba: Friedman.
Supuestos de la prueba.
4. No normalidad de los datos.

PASOS PARA FRIEDMAN


Paso 1 y Paso 2

121
Resultados de la Prueba de Normalidad

Prueba de Kolmogorov-Smirnov para una muestra


Nota en Nota Nota en
Lógico Comunicaci Ciencia
Matemático ón Integral Ambiente
N 31 31 31
Parámetros Media 10,19 10,23 10,39
normalesa,b Desviación típica 3,572 3,566 3,263
Diferencias más Absoluta ,247 ,250 ,252
extremas Positiva ,247 ,250 ,252
Negativa -,089 -,118 -,117
Z de Kolmogorov-Smirnov 1,373 1,391 1,401
Sig. asintót. (bilateral) ,046 ,042 ,039
a. La distribución de contraste es la Normal.
b. Se han calculado a partir de los datos.

122
Según los resultados de la Prueba Kolmogorov-Smirnov se obtienen estadísticos significativos
por lo que se rechaza la hipótesis nula para ambos puntajes y concluimos que estos no se
aproximan a una distribución normal.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

123
PASOS PARA REALIZAR LA PRUEBA DE FRIEDMAN
Paso 1

Pasó 2

Resultados de la Prueba Friedman

124
Rangos
Rango
promedio
Nota en Lógico 1,92
Matemático
Nota Comunicación 2,02
Integral
Nota en Ciencia Ambiente 2,06

Estadísticos de contrastea
N 31
Chi-cuadrado ,389
gl 2
Sig. asintót. ,823
a. Prueba de Friedman

Según los resultados de la prueba de Friedman no se rechaza la hipótesis nula p-valué>


0.05, por lo que se concluye, hay diferencia en el rendimiento académico en las tres asignaturas
que cursan los estudiantes.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna.

Paso 1

125
Pasó 2

Resultados de la Prueba de Normalidad

126
Prueba de KOLMOGOROV-SMIRNOV para una muestra
Rango de la
Rango del Desarrollo Mental
Educación
del Niño
Materna
N 30 30
Parámetros normalesa,b Media 5,30 4,83
Desviación típica 2,437 2,306
Diferencias más extremas Absoluta ,249 ,253
Positiva ,249 ,253
Negativa -,202 -,160
Z de Kolmogorov-Smirnov 1,364 1,388
Sig. asintót. (bilateral) ,048 ,042

Según los resultados de la tabla se aprecia que los puntajes obtenidos en educación
materna y desarrollo mental del niño no se adecuan a una distribución normal.
Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad
Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

PASOS PARA ELABORAR LA PRUEBA DE SPEARMAN


Paso 1:

Paso2:

127
Resultado de la Prueba de Spearman

Correlaciones
Rango del
Rango de la Desarrollo
Educación Mental del
Materna Niño
Rho de Spearman Rango de la Educación Coeficiente de 1,000 -,017
Materna correlación
Sig. (bilateral) . ,927
N 30 30
Rango del Desarrollo Coeficiente de -,017 1,000
Mental del Niño correlación
Sig. (bilateral) ,927 .
N 30 30

Según los resultados de la prueba, no se rechaza la hipótesis nula, por lo que,


concluimos: la asociación entre las variables de educación formal de la madre y el desarrollo
mental de los hijos ni es significativa, ni hay correlación.

128
Capítulo 10. Laboratorios para pruebas estadísticas cuantitativas
y cualitativas

Laboratorio Nro. 1 – Normalidad y Homocedasticidad (Prueba de Levene)


Distribución normal y pruebas de normalidad

La Distribución Normal: una distribución de una variable aleatoria continua.


Una muy importante distribución continua de probabilidad es la distribución normal. Varios
matemáticos intervinieron en su desarrollo entre ellos figura el astrónomo del siglo XVIII Karl
Gauss, a veces es llamada en su honor la distribución de Gauss.

Características de la distribución normal de la probabilidad.


La curva tiene un solo pico, por consiguiente es unimodal. Presenta una forma de campana.
La media de una población distribuida normalmente se encuentra en el centro de su
curva normal.
A causa de la simetría de la distribución normal de probabilidad, la mediana y la moda
de la distribución también se hallan en el centro, por tanto en una curva normal, la media, la
mediana y la moda poseen el mismo valor.
Las dos colas (extremos) de una distribución normal de probabilidad se extienden de
manera indefinida y nunca tocan el eje horizontal.

El área total bajo la curva normal será de 1.00 por lo cual podemos considerar que las
áreas bajo la curva son probabilidades.

El valor de Z.

129
Z= Número de desviaciones estándar de x respecto a la media de esta distribución.

Z= x-m / s

X=valor de la variable aleatoria que nos interesa


m= media de la distribución de esta variable aleatoria.
s = desviación estándar de esta distribución.

Las variables aleatorias distribuidas en forma normal asumen muchas unidades


diferentes de medición, por lo que hablaremos de forma estándar y les daremos el símbolo de Z.

130
En los gráficos de cajas y bigotes, se puede ver de que si la proyección la MEDIA debe de
estar dentro de la caja, se demostrar que existe distribución norma, si esta fuera, para el Caso 1
Si esta media dentro de B por lo cual podemos decir que existe distribución normal, en el Caso
2 la media no está dentro de la caja, por lo cual podemos afirmar de que no está presente la
distribución normal.

Contrastación de hipótesis
Propósito
Demostrar distribución normal

Hipótesis de investigación
Ho= La distribución de la variable aleatoria no es distinta a la distribución normal.
Ha= La distribución de la variable aleatoria es distinta a la distribución normal.

La prueba que realizaremos es la de Kolgomorov – Smirnov

Para esto tenemos una Población de 328 casos y nuestra muestra será de 211,
trabajaremos con una selección aleatoria usando el SPSS 22, con la opción selección de casos y
eliminaremos automáticamente los registros que no intervendrán en nuestro laboratorio para
este caso.

Debemos tener presente que se usa Kolgomorov Smirnov porque la muestra es mayor a
50, de no ser así se usa ShapiroWilks

131
Tenemos la base de datos de 311 casos, ahora debemos
seleccionar solo 211.

132
Obtenemos solo los 211 casos requeridos para nuestro estudio del caso

133
Cuadro estadístico necesario

Medidas estadísticas Peso Lima Peso Arequipa


Media
Error estándar
IC 95% límite inferior
IC 95% límite superior

Debemos obtener estos datos de Media y Error estándar usando el SPSS 22

Llenamos los parámetros de esta opción para seleccionar las medidas estadistas que requerimos.

134
Para completar los datos del cuadro debemos realizar fórmulas para los límites

135
Medidas estadísticas Peso Lima Peso Arequipa
Media 33,20 3330
Error estándar 58 86
IC 95% límite inferior 3206 3162
IC 95% límite superior 3433 3499

Límite inferior Calculamos media – (1,96 * error estándar)


Límite superior Calculamos media – (1,96 * error estándar)

Hipótesis de investigación
Ho= La distribución de la variable aleatoria no es distinta a la distribución normal.
Ha= La distribución de la variable aleatoria es distinta a la distribución normal.
El nivel de significancia
Es de 0,05 o lo que es lo mismo 5,00%. Con SPSS 22 probamos cuál de las hipótesis es la más apropiada
para nuestra investigación.

136
Nuestro valor de sigma asintótica es de 0,200 pero tiene las anotaciones c y d, lo cual nos pone
en conocimiento de que tiene el coeficiente de significación de Lillefors y que este es un límite
inferior de la significancia verdadera.

Pero tenemos como valor 0,200 o 20,00% de probabilidad de error, este valor es mayor
a 0,05 lo que nos indica que la hipótesis alterna es rechazada y es validada la hipótesis nula.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

137
Ho= La distribución de la variable aleatoria no es distinta a la distribución normal.
Ha= La distribución de la variable aleatoria es distinta a la distribución normal.

Homocedasticidad de Levene

La homocedasticidad o igualdad de varianzas significa que todos los grupos a analizar poseen
la misma varianza, el incumplimiento de esta condición debe de ser cuidadosamente cuidado
debido que de ser el caso no cumpliría con tener homocedasiicidad y de ser este el caso sería NO
PARAMETRICA
Se contrasta esta afirmación con la Prueba de Levene.

138
Debemos de tener presente que para la presentación grafica de caja de bigotes debemos
te tener bien el claro el criterio de cuartiles y media, así como los limites inferiores y superiores.

En los gráficos de cajas y bigotes, se puede ver de que si la proyección la MEDIA debe de
estar dentro de la caja, se demostrar que existe distribución norma, si esta fuera, para el Caso 1
Si esta media dentro de B por lo cual podemos decir que existe distribución normal, en el Caso
2 la media no está dentro de la caja, por lo cual podemos afirmar de que no está presente la
distribución normal.

139
Podremos analizar las medias de cada caso y veremos que no en todos los casos se cumple.
Debemos tener presente que una variable con distribución que no sea normal, puede ser
transformada para tener distribución normal y analizarse en procesos PARAMETRICOS.
Las varianzas homogéneas, en la Prueba de t de Student para muestras independientes, existen
dos estadísticos, uno para varianzas similares y otro donde se asume que son distintas.

140
Obtenemos solo los 211 casos requeridos para nuestro estudio del caso

141
Cuadro estadístico necesario
Medidas estadísticas Peso Lima Peso Arequipa
Media
Error estándar
IC 95% límite inferior
IC 95% límite superior

Debemos obtener estos datos de Media y Error estándar usando el SPSS 22

Llenamos los parámetros de esta opción para seleccionar las medidas estadistas que requerimos.

142
Para completar los datos del cuadro debemos realizar fórmulas para los límites

143
Medidas estadísticas Peso Lima Peso Arequipa
Media 33,20 3330
Error estándar 58 86
IC 95% límite inferior 3206 3162
IC 95% límite superior 3433 3499

Límite inferior Calculamos media – (1,96 * error estándar)


Límite superiorCalculamos media – (1,96 * error estándar)

Hipótesis propuestas para este estudio


Ho= La varianza de los grupos a comparar no son iguales.
Ha= La varianza de los grupos a comparar son iguales.

El nivel de significancia
Es de 0,05 o lo que es lo mismo 5,00%

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Selección de pruebas estadísticas


a) Kolgomorov Smirnov
b) Kolgomorov Smirnov – Limefors
c) ShapiroWilks
d) Test de Levene

Procedemos a completar la información solicitada en el segundo panel, variable de prueba: Peso


Corporal y en Variable de agrupamiento Lugar de origen, los grupos son 1 y 2.

144
Tenemos que el estadístico de Levene nos da un sigma bilateral de 0,725 o lo que es lo
mismo 72,50% de error, el cual es mayor a 0,05 o 5,00% del nivel de significancia para este
laboratorio, lo que nos permite afirmar que rechazamos la hipótesis alterna y se ratifica la
hipótesis nula .

Ho= La varianza de los grupos a comparar no son iguales.


Ha= La varianza de los grupos a comparar son iguales.

145
Laboratorio Nro. 01 Procesamiento de datos

El procesamiento de los datos es todo el proceso que sigue un investigador desde la recolección
de datos, a través de los instrumentos, hasta la presentación de los mismos en forma resumida,
como parte del desarrollo de la investigación. Es decir el análisis de los datos, es la etapa final
del proceso de investigación cuya finalidad es la verificación de las hipótesis del estudio.

Bases de datos BD
Paso 01. Debe de insertar en Excel hoja1 las preguntas que aplicó en su investigación. Para lo
cual deberá copiar del Microsoft Word sus preguntas y pegarlas a Excel, usted obtendrá lo
siguiente:
→ Abrir el archivo en formato Word encuestas_invest, copiar su contenido en el excell en
la primera hoja, luego cambiar el nombre por cuestionario.

Paso 02. Vaciar las respuestas de las encuestas en la Hoja2 de Excel, poner el nombre
BD (base de datos).
→ En la primera celda de las columnas deberán ir los códigos de la siguiente manera:
V2D2P5 que es la secuencia de: variable 2, dimensión 2 y pregunta 5. La codificación es
útil para procesar los datos con facilidad.

146
→ Realizar la sumatoria total de: variable 1 y 2: SumV1, SumV2 y de las dimensiones de
cada variable SumD1V1, SumD1V2, etc.

Paso 03.Trasladar la base de datos (BD) al programa estadístico SPSS (Statistical Package for
the Social Sciences)

→ Para trabajar con el programa SPSS se debe conocer en forma general:


a. La barra de menú: esta barra es desplegable y aquí se encuentran las diferentes
opciones, procedimientos y aplicaciones que se pueden ejecutar con el programa.

b. La barra de herramientas: en esta barra se encuentran los iconos de acceso directo a


los procedimientos más utilizados del programa.

147
c. Editor datos: este editor cuenta con dos diferentes tipos de vistas (Datos y
Variables), a través de las cuales se puede modificar o definir parámetros específicos
de la información contenida en el archivo.

En la vista de datos se ingresan los datos y también se puede observar, modificar o


eliminar cada uno de los valores de los casos que componen el archivo de datos. Se denomina caso
a cada una de las respuestas un individuo proporciona a la totalidad de las preguntas o variables del archivo.

En la vista de variables se definen los parámetros informativos de las preguntas o


variables del archivo; esta vista es la importante del paquete. De la correcta definición que se
haga de los datos dependerá la efectividad del análisis y los procedimientos que se pueda
realizar con ellas.

Los procedimientos más utilizados son:

En esta opción se
cambian los nombres En esta opción se Esta opción le permitirá
genéricos VAR001 por asigna un nivel más especificar si la escala de la
los códigos de las descriptivo a las variable es de tipo ordinal o
variables: V3D3P2 variables. nominal.

En esta opción se selecciona: Con esta opción asignar valores


numérico si se trabaja con numéricos a las variables categóricas. Ej.
números o cadena si se trabaja 1 = nunca
con letras.

Esta opción permite asignar un valor alternativo


cuando se encuentren celdas vacías en los
Con esta opción fijar si
datos. Los valores que más se utilizan para
trabajará con decimales o sin
designar “valores perdidos” son -9, 9,99, 999. 148
decimales.
Paso 04. Pulsar en editor de datos vista de datosy pegar el archivo procedente de Excel (hoja
sumatorias)

Variables


de
caso
s
Paso 05. Pulse en editor de datos vista de variables y defina los parámetros informativos de las
preguntas.
a. Elige la opción transformar de la barra de menú y pulsa agrupación visual.
b. Trasladar la variable que será agrupada y pulsar continuar.

a
b

c. En etiqueta describe los nombres correspondiente a los valores, luego pulse aceptar, se
creará una nueva variable.

Procedimientos estadísticos

149
Los datos son procesados cuantitativamente
mediante el uso de la estadística descriptiva e
inferencial. En algunos casos los resultados se
obtienen a partir de procesos cualitativos que no
requieren el uso de la estadística. En ambos casos,
dichos resultados sirven para la toma de decisiones
sobre la verificación de las hipótesis y sub-hipótesis
planteadas, las respuestas a las preguntas
específicas propuestas o al problema investigado
(Campos, 2000).
1. Estadística descriptiva
Describe los datos e identifica los patrones de los
mismos, porque la selección de los procedimientos
dependerá del tipo de

variable: cualitativa - categórica (nominal - nombre


u ordinal - número) cuantitativa – numérico
(discreto –N° entero y continuo – N° decimales). Si los datos son cualitativos ordinales se
procede a trabajar de la siguiente manera:
a. Pulsar de la barra menú la opción analizar, estadísticos descriptivos y frecuencia.

b. Trasladar la variable que se desea trabajar, pulsar gráficos y aceptar.

c. Aparecerá el resultado del


a análisis en la
pantalla al cual usted debe de procesar
de la siguiente manera:

1. Hacer doble clip en la tabla,


pulsar formato de la barra menú,
academic, luego aceptar. Quedará
listo la tabla para ser trasladada a
Word.

2. Hacer doble clip en el gráfico y


elija el diseño y color de su b
preferencia.

150
• Para que practiques el procedimiento, resuelve el ejercicio paso a paso, la segunda variable y las
dimensiones de ambas.
• Para verificar qué tan bien desarrollaste el ejercicio revisa la guía.

2. Estadística inferencial
Es una técnica mediante la cual se obtienen generalizaciones o se toman decisiones en
base a una información parcial o completa obtenida mediante las técnicas paramétrica
y no paramétricas.
Las paramétricas exigen a los datos a los que se aplica, que cumplan con diversos
supuestos estadísticos, los más importantes se refieren al tipo de variable, tipo de
distribución de variables y Homocedasticidad de la variable.

151
3. Plantear hipótesis:

Ho: La variable en estudio tiene distribución normal


H1: La variable en estudio es diferente a la distribución normal

Los resultados de la prueba Shapiro-Wilk indican que la distribución de las variables no


son normales porque el valor de Sig< 0,05 entonces no se puede usar pruebas de hipótesis
paramétricas.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

c. Para hallar la homocedasticidad de las variables se procede de la siguiente manera:

1. En la base de datos del SPSS pulsar analizar + comparar medias + ANOVA de


un factor.

152
2. Trasladar las variables de interés y en opciones seleccione la prueba de
homogeneidad de las varianzas, pulsar

3.Plantear
hipótesis
Ho: Las varianzas de ambas variables no son diferentes
H1: Las varianzas de ambas variables son diferentes
Prueba de homogeneidad de varianzas
Calidad de software
Estadístico de
Levene df1 df2 Sig.
495,000 1 30 ,000

Los resultados del estadístico de Levene indican que la varianza de ambas variables es diferente
porque el valor de Sig< 0,05 entonces no se puede usar pruebas de hipótesis paramétricas.
Análisis de correlaciones

El análisis de correlaciones tiene como propósito determinar si existe alguna relación o


asociación entre diversas variables de interés.
El análisis de correlaciones descansa en diversos supuestos estadísticos. Lo principal se
refiere al tipo de variable y tipo de distribución de variables de la muestra, para determinar el
uso de las pruebas paramétricas o no paramétricas. El análisis más común es el test de
correlación de Pearson. Este tipo de análisis presupone que las variables son ordinales o
continuas y que la distribución de estas variables se acerca a la distribución normal, Es
conveniente que antes de proceder al análisis de correlación de las variables, el investigador
estime las estadísticas descriptivas correspondientes para determinar si se cumplen estos
supuestos.

153
APLICACIÓN
1. Objetivo:
Determinar la relación que existe entre la calidad de software y la atención de los
pacientes de la Sub Gerencia de Atención Domiciliaria en Lima Metropolitana en el
2013.

2. Supuestos estadísticos:

Tipo de variable: cualitativa ordinal


Normalidad: las variables son diferentes a la distribución normal
Hocedasticidad: las varianzas de ambas variables son diferentes

3. Variables:
Primera variable: Calidad de software

Segunda variable: Atención de los pacientes

154
4. Análisis:
a. Primer paso: Esboza las hipótesis estadísticas
Ho: No existe relación significativa entre la calidad de software y la atención
de los pacientes de la Sub Gerencia de Atención Domiciliaria en Lima
Metropolitana en el 2013.

Ho: si existe relación significativa entre la calidad de software y la atención


de los pacientes de la Sub Gerencia de Atención Domiciliaria en Lima
Metropolitana en el 2013.

b. Segundo paso: Señala el margen de error (5 %)

 = 0,05

c. Tercer paso: como ya verificó los supuestos estadísticos de las variables puede
continuar con el análisis de correlación. Debe proceder de la siguiente manera:

1. Active el programa SPSS, abra el archivo encuestas_invest base de datos y


seleccione la opción analizar + correlaciones + bivariadas.

2. Traslade las
variables de interés a la ventanilla de variables, con el botón de flecha: VAR1
y VAR2 seleccione la opción Spearman, bilateral, correlaciones
significativas y aceptar.

155
3. El programa SPSS le proporcionará una matriz de correlaciones, en pares de
variables. Usted podrá observar cómo se relacionan las variables y luego
interpretarlo.

a. Cuarto paso: El programa SPSS le proporciona el índice de significancia


estadística o valor de p. Compara el p-valor o sig. y toma la decisión que
corresponda:

156
Considera el siguiente criterio:

Si p ≥  → Rechazar Ho

PRESENTACIÓN DE
RESULTADOS
Paso 1: Cambia el aspecto de la tabla en el programa SPSS, ponle un título y procede a
describirlo indicando lo encontrado y lo que esto significa en términos del
criterio de comparación así como de la hipótesis de investigación a la cual se hace
referencia.
Tabla 7
Resultados del Test de Spearman para determinar la relación entre la calidad de
software y nivel de satisfacción de los pacientes

Calidad de nivel de
software satisfacción
Rho de Calidad de Coeficiente de 1,000 ,713**
Spearman software correlación
Sig. (bilateral) . ,000
N 32 32
nivel de Coeficiente de ,713** 1,000
satisfacción correlación
Sig. (bilateral) ,000 .
N 32 32
En la tabla 7 se observa que el coeficiente de correlación es alto (0,713) y que el sig.
(0,000) cumple con ser menor que 0,05 por lo que se cumple con rechazar la hipótesis nula; es
decir, que si existe relación significativa entre la calidad de software y nivel de satisfacción de
los pacientes.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Por lo expuesto se verifica la hipótesis que dice “si existe relación significativa entre la
calidad de software y la atención de los pacientes de la Sub Gerencia de Atención Domiciliaria
en Lima Metropolitana en el 2013”.

157
Laboratorio Nro. 01 Pearson y Rho de Spearman – Correlacionales
Rho de Spearman

Debemos conocer lo siguiente:

− Datos numéricos con correlación normal se trabajan con Pearson.


− Para No Paramétricos se usa Rho de Spearman
− La comparación de grupos No Paramétricos la realizamos con U de Mann Whitney
− Para pruebas antes y después o de medidas repetidas usamos la Prueba de Wilconxon,
de un mismo grupo

158
Para saber si hay correlación en casos No Paramétricos usaremos entonces la Prueba de
Spearman.
Debemos tomar en cuenta de que para el caso de que se tengan escalas ordinales, estas
pueden ser consideradas numéricas. Mc Guigan (1993) y Siegel (1956). Pero debe tenerse
presente lo siguiente:
− Deben tener muchas categorías
− Deben tener distribución normal

Contrastación de hipótesis
Ha= Las unidades de una variable no se correlacionan con las unidades de las otras.
Ha= Las unidades de una variable se correlacionan con las unidades de las otras.

La prueba de hipótesis se realiza con el estadístico de Spearman y la medida de


correlación con el Rho de Spearman. De encontrarse la correlación podemos calcularla con el
Tau-b de Kendal u otra medida de correlación.

Planteamiento del laboratorio Nro. 01


Se ha evaluado el ingreso económico anual de un grupo de personas que laboran en la
universidad, así como el grado académico. ¿Existe una correlación entre el grado académico y el
nivel de ingreso económico?

¿Cuál sería la presentación más adecuada para la presentación de los resultados?


− Diagrama de dispersión.
− Barra de error simple.
− Diagrama de cajas y bigotes.
Para lo cual tenemos una base de datos conformada por
Id Numero de encuesta
Grado el grado académico
Monto el ingreso económico anual

159
Población es de 345 trabajadores y nuestra muestra de 292 trabajadores, selección de casos en
forma aleatoria.
Procedamos a crear nuestra base de datos en SPSS 22 y cargar la data de nuestra encuesta.

Seleccionaremos aleatoriamente de nuestra base de datos de 345, solo 292 que es lo que
requerimos para el desarrollo del Laboratorio Nro. 01.
Se ha considerado los grados académicos:

Procederemos entonces a seleccionar los casos solicitados

160
Tener presente que grado académico es Ordinal y sueldo
es Escalar o Numérica

1) Diagrama de dispersión

161
2) Barra de error simple

162
3) Diagrama de cajas y bigotes

163
Hipótesis
Ho= No existe una correlación entre el grado académico y el nivel de ingreso económico anual
Ha = Existe una correlación entre el grado académico y el nivel de ingreso económico anual

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad

Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Establecer nivel de significancia


Por protocolo trabajaremos con 0,05 lo que es igual a 5,00%
Selección del estadístico
1) Correlación de Rho de Spearman
2) Correlación de Spearman
3) Tau B de Kendall
4) Tau C de Kendall
Calculamos el valor de P

164
Podemos observar de que el valor de sigma bilateral es de 0,00 el cual es menor a 0,05,
esto se interpreta que si hay NORMALIDAD en loso datos.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Este análisis nos permite corroborar que la hipótesis alterna es válida y se rechaza la
hipótesis nula.
Entonces es válido pensar que: “Existe una correlación entre el grado académico y el
nivel de ingreso económico anual”.

165
Seleccionamos los estadístico de Pearson y Spearman, recordar que para usar Pearson es
Paramétrica u Spearman No Paramétrica.

Rho de Spearman
Correlaciones

166
Ingresos
Grado Académico anuales
Rho de Spearman Grado Académico Coeficiente de correlación 1,000 -,008
Sig. (bilateral) . ,886
N 292 292
Ingresos anuales Coeficiente de correlación -,008 1,000
Sig. (bilateral) ,886 .
N 292 292

El valor de p o sigma bilateral es de 0,886, entonces decimos que una posibilidad de


error del 88.60% lo cual se interpreta según la siguiente tabla:

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Correlación de Pearson
Planteamiento
Se ha evaluado el ponderado fetal ecográfico y el peso del recién nacido en el Hogar de la Madre.
¿Cuál es el grado de correlación entre el ponderado fetal ecográfico y el peso de los recién
nacidos?

Tenemos entonces el siguiente cuadro – IC = Intervalo de confianza al 95,00%


Medidas Ponderado fetal Peso del recién nacido
ecográfico- gramos gramos
Media
Error estándar
IC 95% límite mínimo
IC 95% limite máximo

Para el presente Laboratorio tendremos una Población de 85 recién nacidos y una


muestra de 50, trabajamos en forma aleatoria de casos. Similar al caso anterior.
Procedemos a realizar los cálculos para hallar la media y el error estándar, los límites
mínimos es igual al producto de la media – (1,96*error estándar) y el límite máximo es la media
+ (1,96*error estándar)

167
Seleccionamos ambas variables en la caja de datos denominada Lista de dependiente.
Seleccionan amos únicamente la Media y el Error estándar de la media

Tenemos los siguientes resultados en el SPSS 25, los trasladamos al excell para realizar
los cálculos de los límites y llénanos el cuadro anteriormente presentado.

168
Medidas Ponderado fetal Peso del recién nacido
ecográfico- gramos gramos
Media 3403.20 3350.80
Error estándar 72.695 65.913
IC 95% límite mínimo 3262 3222
IC 95% limite máximo 3545 3480

Planteamos nuestras hipótesis de estudio


Ho= No existe un grado de correlación entre el ponderado fetal ecográfico y el peso de los recién
nacidos

169
Ha= Existe un grado de correlación entre el ponderado fetal ecográfico y el peso de los recién
nacidos

Establecer nivel de significancia


Por protocolo trabajaremos con 0,05 lo que es igual a 5,00%

Selección del estadístico


1) Correlación de Pearson
2) Correlación de Spearman
3) R de Pearson
4) Análisis de la varianza

Procedemos a calcular el valor de P y R para nuestro caso

Trasladamos nuestras dos variables a correlacionar en variables y seleccionamos el estadístico


de Pearson.

Tenemos que el valor de sigma bilateral es 0,00 lo cual es menor a 0,05, esto quiere indicarnos
que se ratifica la hipótesis alterna y se rechaza la hipótesis nula, entonces podemos afirmar que
“Existe un grado de correlación entre el ponderado fetal ecográfico y el peso de los recién
nacidos”

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

170
171
Lo calificamos de acuerdo a la siguiente tabla de Pearson

Calificación Valores
Correlación perfecta =>0,95 a 1.00
Correlación fuerte =0,8 y <0,95
Correlación significativa =>0,7 y <0,8
Correlación moderada =>0,5 y <0,7
Correlación parcial < 0,5

El valor de 0.826 está en el rango de mayores o iguales a 0,8 y menores a 0,95, debido a
que nuestro valor es de 0,826, entonces tiene una correlación fuerte.

Calificación Valores
Perfecta =1
Excelente 0,9 a <1
Buena 0,8 a <0,9
Regular 0,5 a <0,8
Mala <0,5

Entonces tenemos una correlación buena, porque está en el rango de 0,8 a menores que
0,9, nuestro valor es 0,886

Laboratorio Nro. 02 --- U Mann Whitney

Ficha de trabajo estadístico


Planteamiento de la investigación:
Se ha evaluado el grado de hipertrofia adenoidea en un grupo de ambos sexos. ¿El grado de
hipertrofia adenoidea es distinto según el sexo de los niños?
Grado de hipertofiaanedoidea Sexo TOTAL
Masculino Femenino
N % N % N %

172
Leve
Moderada
Severa
Total

Considerar lo siguiente si la variable Grado de hipertorifaanedoidea fuera nominal se


usa Chi cuadrado, si es numeral se usa T de Student , pero en este caso es ordinal se usara U
de Mann Whitney.

Se debe crear en su SPSS 22 la siguiente estructura para este caso

Considerar los siguientes parámetros:

Procederemos a elaborar una simulación de 148 datos para trabajar este Taller Nro 02.

173
Trabajemos solo con el 50% de datos para que
de esta manera sea mas fácil su interpretación o si desea trabaje con el total de la muestra.

174
175
Ya está procesado el requerimiento, grabe su base de datos de trabajo con otro nombre.

Vamos a iniciar el proceso de estadísticos descriptivos, en tal sentido debemos trabajar


con tablas cruzadas.

176
En la Tabla cruzada traspasamos el Grado de hipertofiaanedoidea a Filas y Sexo a
columnas para poder trabajar los datos en nuestra hoja de trabajo

Debemos seleccionar solo: Recuentos: Observado, Porcentajes: Columnas y


Ponderaciones no enteras: Redondeo recuento de casillas. Anotación solo se seleccionan
estadísticos si fuera Chi Cuadrado

177
Se obtendrá un cuadro de la siguiente manera:

Traspasamos los datos a nuestra hoja de resultados.

178
Grado de Sexo TOTAL
hipertofiaanedoidea Masculino Femenino
N % N % N %
Leve 76 100% 1 2,3%
Moderada 0 0,00% 43 97,7%
Severa 0 0,00% 0 0,00%
Total 76 100,00% 44 100,00% 120 100%

Recordemos que:
Planteamiento de la investigación:
Se ha evaluado el grado de hipertrofia adenoidea en un grupo de ambos sexos. ¿El grado de
hipertrofia adenoidea es distinto según el sexo de los niños?

Hipótesis de prueba de la investigación


Ho= El grado de hipertofiaanedoida no es distinto según el sexo de los niños.
Ha= El grado de hipertofiaanedoida es distinto según el sexo de los niños.

Establecer el nivel de significancia (alfa) del investigador


Por protocolo se usa el 0,5 lo que es igual un 5,00%

Seleccionamos el estadístico para nuestra investigación


a) U de Mann Whitney
b) Rangos de Wilconxon
c) H de Kurkal Wallis
d) Prueba de friedman

Ahora debemos de buscar el valor de P con la prueba de u de Mann Whitney.

179
180
Obtendremos en el valor de P de U de Mann Whitney

Nuestro valor de p o sig. Asintótica bilateral es de 0,000 el cual es menor a 0,05 lo cual
nos indica que la hipótesis alterna es la que se ratifica y se rechaza la hipótesis nula.
En consecuencia la hipótesis a considerar en nuestra investigación es la hipótesis
alterna.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Hipótesis de prueba de la investigación


Ho= El grado de hipertofiaanedoida no es distinto según el sexo de los niños.
Ha= El grado de hipertofiaanedoida es distinto según el sexo de los niños.

181
Laboratorio Nro. 03 – Prueba de Kruskall Wallis

Ficha de trabajo estadístico


La prueba de las hipótesis se realizara usando el Anova de Kruskall Wallis
Planteamiento
Se piensa que el conocimiento científico modifica el pensamiento religioso de las personas. ¿El
grado académico de los profesionales es distinto según sus creencias religiosas?

¿Cuál sería la alternativa mejor utilizada?


a) Diagrama de dispersión
b) Barra de error simple
c) Tabla de contingencia
Ritual estadístico para la prueba de Anova de Kruskall Wallis
Ho=El grado académico de los profesionales no es distinto según sus creencias religiosas
Ha= El grado académico de los profesionales es distinto según sus creencias religiosas

Vanos a considerar
Grados Académicos: Primaria, Secundaria,
Universitaria, Postgrado
Religiones: Budismo, Cristianismo, Islam,
Hinduismo, Neopaganismo, Jainismo, Judaísmo,
Shintoismo.

Generará una base de datos de una Población de 250


personas y tomara en forma aleatoria una selección
de casos de 111 casos aleatoriamente.

Generada la base de datos migre la información al


SPSS 25 y seleccione 111 casos para trabajar el
laboratorio Nro. 03 de este curso.

182
Teniendo la base de datos con 111 casos en forma aleatoria procederemos a trabajar la
estadística de esta prueba. Procederemos a desarrollar el grafico de Barras de error simple.

Procedemos a dar los parámetros de variable u eje de categorías para obtener la gráfica
correspondiente, así de esta manera interpretar rápidamente si se cumple lo presentado en la(s)
hipótesis.

183
Obtenemos la gráfica donde podremos analizar lo planteado por la(s) hipótesis

Ahora realizaremos el análisis descriptivo, usando las tablas cruzadas en SPSS 25.

184
Obtenemos el siguiente resultado estadistico:

Obtenemos los siguientes datos estadísticos:

185
Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad
Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Hipótesis de prueba de la investigación


Ho=El grado académico de los profesionales no es distinto según sus creencias religiosas
Ha= El grado académico de los profesionales es distinto según sus creencias religiosas

Establecer el nivel de significancia (alfa) del investigador


Por protocolo se usa el 0,5 lo que es igual un 5,00%

Seleccionamos el estadístico de prueba:


a) Anova de un factor
b) Anova para medidas repetidas
c) Anova de Kruskall Wallis
d) Anova de Friedman
Hagamos su aplicación en el SPSS 25.

186
Seleccionaremos las religiones 4 y 5 como variables de agrupación para este ejercicio.
Se obtendrá la siguiente información estadística:

187
Obtenemos un valor de sigma asintótica (bilateral) de 0,000 el mismo que es menor de
0,05 o 5,00%, lo cual ratifica la hipótesis alterna y rechaza la hipótesis nula planteada en este
Talle Nro. 03.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Ho=El grado académico de los profesionales no es distinto según sus creencias religiosas
Ha= El grado académico de los profesionales es distinto según sus creencias religiosas

Laboratorio Nro. 04 Pruebas de Wilconxon

Analogías del laboratorio Nro. 04

188
Propósito
Evidenciar diferencias entre medidas antes (pre) y después (post)

Hipótesis del investigador


Ho=La medida antes no es diferente a la después
Ha= La medida antes es diferente a la después

En tal sentido procederemos a realizar la Prueba de Wilconxon s dos (2) colas.

Planteamiento de la investigación del Laboratorio Nro., 04


Se desea evaluar el programa de dietas y ejercicios de Spa Stephany Valeria para bajar de pesos
este verano. ¿El peso después del programa de dietas y ejercicios es menor al peso basal?

Cuadro estadístico necesario

Medidas estadísticas Antes – Pre Después – Post Diferencia


Media
Error estándar
IC 95% límite inferior
IC 95% límite superior

Procederemos a generar una base de datos en forma aleatoria de una población de 280
mujeres y hombre, una muestra exacta de 130.

189
Debemos calcular la diferencia entre ambos pesos

190
Procedemos a ver lo ocurrido al adicionar este campo diferencia

191
Debemos proceder a calculas la estadística descriptiva que nos permita completar la
información del siguiente cuadro.

Medidas estadísticas Antes – Pre Después – Post Diferencia


Media
Error estándar
IC 95% límite inferior
IC 95% límite superior

Para esto precedemos a realizar los siguientes pasos:

192
Procedemos a realizar los cálculos pendientes de los límites.
Límite mínimo……… 64,98 - (1,96*0.087) =
Límite superior…….. 64,98 + (1,96*0.087) =

Límite mínimo……… 65,02 - (1,96*0.106) =


Límite superior…….. 65,02 + (1,96*0.106) =

Límite mínimo……… -0,0385 - (1,96*0.13078) =


Límite superior…….. -0,0385 + (1,96*0.13078) =
Calculados los límites procederemos a completar el cuadro siguiente:

Medidas estadísticas Antes – Pre Después – Post Diferencia

193
Media 64,98 65,02 0,0385
Error estándar 0,087 0,106 0,13078
IC 95% límite inferior
IC 95% límite superior

Debemos ahora plantear las hipótesis del investigador


Ho=La medida antes no es diferente a la después
Ha= La medida antes es diferente a la después

Establecer el nivel de significancia


Por protocolo 0,05 que es igual al 5,00%

Calculamos la normalidad de los resultados, pero debe tener en cuenta que solo debe considerar
la diferencia de los pesos pre y post únicamente.
Procederemos a trabajar con Kolgomorov Smirnov para calcular la normalidad.

Realizamos la prueba, para lo cual debemos trasladar a la lista de variables, el campo


calculado diferencias.

194
Se obtienen los siguientes resultados:

Podemos ver que el sigma asintótica (bilateral) es de 0,000, la cual es menor a 0,05 o
5,00%, lo cual se interpreta que si tiene o presenta normalidad.
Asimismo se debe tener presente que ha tenido la corrección significativa de Lilliefors.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

195
Podemos observar que tiene una forma de campana, lo cual nos indica que presenta
normalidad sus datos. Calculamos el valor de p para saber si es correcta la hipótesis alterna y se
rechaza la hipótesis nula.

196
Se obtienen los siguientes datos para el cálculo de la prueba de Wilcoxon

197
Tenemos un valor de sigma asintótica bilateral de 0,931 o sea 93,10%, lo cual es mayor a
0,05 o 5,00%, en tal sentido se ratifica la hipótesis nula y rechazamos la hipótesis alterna.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Ho=La medida antes no es diferente a la después


Ha= La medida antes es diferente a la después

Laboratorio Nro. 05 Test de McNemar

Estos contrastes permiten comprobar si hay diferencias entre las distribuciones de dos
poblaciones a partir de dos muestras dependientes o relacionadas; es decir, tales que cada
elemento de una muestra está emparejado con un elemento de la otra, de tal forma que los
componentes de cada pareja se parezcan entre sí lo más posible por lo que hace referencia a un
conjunto de características que se consideran relevantes. También es posible que cada elemento
de una muestra actúe como su propio control.
Algunas de las pruebas que pueden realizarse con el programa SPSS son: la prueba de
Wilcoxon, la de signos y la de McNemar.

198
Para el presente laboratorio tendremos una población de 123 pacientes, procederemos a
la selección de casos aleatorios y nuestra población será de 91 pacientes. Nuestra estructura de
datos será la siguiente:

Se debe tener presente que las pruebas de Mc Nemar son


utilizadas para pruebas experimentales como observacionales.
Asimismo se trata de un estudio longitudinal porque tiene al
menos dos medidas.

199
Proceso de la Test de McNemar
La formulación de
las hipótesis
Nivel de
significancia
Estadísticos de
pruebas
Estimación del p
valor (sigma
bilateral)
Toma de decisiones

Procedemos a nuestra hoja de datos para calcular la prueba de McNemar


Las hipótesis del investigador
Ho= No existe una mejora en los pacientes con depresión después del tratamiento realizado.
Ha= Existe una mejora en los pacientes con depresión después del tratamiento realizado.

Nivel de significancia
Es de 0,05 lo que lo mismo expresado en porcentajes 5,00%

Prueba estadística
Prueba de McNemar, porque es dicotómica y se está analizando datos antes y después.
Calculo del p-valor de la muestra

200
201
Obtenemos un p-valor de 0,04 lo que es lo mismo un 4,00%, como nuestra significancia
es del 5.00%, este es menor en tal sentido se ratifica la hipótesis alterna y se rechaza la hipótesis
nula. En tal sentido se prueba que

202
Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad
Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Ho= No existe una mejora en los pacientes con depresión después del tratamiento realizado.
Ha= Existe una mejora en los pacientes con depresión después del tratamiento realizado.

203
Laboratorio Nro. 06 Correlación de Yates

Tener presente:= Se denominan también corrección por continuidad o corrección de Yates


Se debe considera que se usa cuando se debe de usar el Test de Chi Cuadrado y las
frecuencias esperadas son muy bajas. El uso del estimador de Chi Cuadrado ya no es tan
conservador motivo por el cual nos permite tener una mayor cantidad de error.
Una variedad de procedimiento para el procesamiento y análisis estadístico de datos,
una vez recogidos los datos, procesados y convertidos en información valiosa para el estudio
que se realiza, pueden utilizarse varias técnicas que permitan sacar el máximo provecho de la
información disponible, sin embargo, la utilización de técnicas de Estadística No
Paramétricas son poco utilizada, a pesar de la potencia y certeza de sus resultados, y que por
lo general no se dispone de información suficiente sobre la población de la cual se extrajeron los
datos que den soporte la realización de inferencia con base en la muestra observada.
En esta investigación se desarrollan algunas técnicas de análisis estadístico no
paramétrico tales como la prueba de independencia, la corrección de Yates en tablas de
contingencia de 2x2, las pruebas de homogeneidad y se hace un estudio sobre el análisis de
varianza por medio de la tabla ANOVA, analizando la rutina general de este tipo de análisis,
para terminar con comentarios sobre la importancia del software en este tipo de análisis.
Para el presente laboratorio tendremos dos aulas y se ha evaluado la satisfacción de estos
dos grupos, una población de 52 alumnos x aula,o sea son 104 alumnos procederemos a la
selección de casos aleatorios y nuestra población será de 73 alumnos.

Nuestra estructura de datos será la siguiente:

204
Lo que debemos conocer es el grado de satisfacción de estos dos salones.
Ha= Existe un grado de satisfacción en los alumnos de ambas aulas.
Debemos tener presente que en columnas se debe ubicar la variable de agrupación

205
206
Pero debemos realizar lo siguiente debido a que (a) nos indica de que el recuento mínimo
es de 13,90.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

207
208
209
Para esta caso al tener esta anotación lo que se considera ya no es el Chi Cuadrado, sino
la Corrección de continuidad, ósea el valor de p o sigma asintótica es de 0,214 o lo que es lo
mismo 21,40% el cual es mayor a 5,00%, en tal sentido se rechaza la hipótesis alterna y se valida
la hipótesis nula en este caso.

Si p>0,05 si presenta normalidad, si p<0,05 no presenta normalidad


Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna

Ho= No existe un grado de satisfacción en los alumnos de ambas aulas.


Ha= Existe un grado de satisfacción en los alumnos de ambas aulas.

210
Laboratorio Nro. 07 Análisis de la varianza con un factor - Anova con un factor

El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones
(K >2) son iguales, frente a la hipótesis alternativa de que por lo menos una de las poblaciones
difiere de las demás en cuanto a su valor esperado. Este contraste es fundamental en el análisis
de resultados experimentales, en los que interesa comparar los resultados de K 'tratamientos' o
'factores' con respecto a la variable dependiente o de interés.

El Anova requiere el cumplimiento los siguientes supuestos:


− Las poblaciones (distribuciones de probabilidad de la variable dependiente
correspondiente a cada factor) son normales.
− Las K muestras sobre las que se aplican los tratamientos son independientes.
− Las poblaciones tienen todas igual varianza (homoscedasticidad).
El ANOVA se basa en la descomposición de la variación total de los datos con respecto a la
media global (SCT), que bajo el supuesto de que H0 es cierta es una estimación de obtenida
a partir de toda la información muestral, en dos partes:
− Variación dentro de las muestras (SCD) o Intra-grupos, cuantifica la dispersión de los
valores de cada muestra con respecto a sus correspondientes medias.
− Variación entre muestras (SCE) o Inter-grupos, cuantifica la dispersión de las medias
de las muestras con respecto a la media global.
Las expresiones para el cálculo de los elementos que intervienen en el Anova son las siguientes:
Media Global:

Variación Total:
Variación Intra-grupos:
Variación Inter-grupos:
Siendo xij el i-ésimo valor de la muestra j-ésima; nj el tamaño de dicha muestra y su media.
Cuando la hipótesis nula es cierta SCE/K-1 y SCD/n-K son dos estimadores insesgados
de la varianza poblacional y el cociente entre ambos se distribuye según una F de Snedecor con
K-1 grados de libertad en el numerador y N-K grados de libertad en el denominador. Por lo tanto,
si H0 es cierta es de esperar que el cociente entre ambas estimaciones será aproximadamente
igual a 1, de forma que se rechazará H0 si dicho cociente difiere significativamente de 1.

Se debe tener presente que esta prueba se realiza si tenemos más de 2 grupos y la
variable de estudio es numérica.
Debemos de realizar cinco (5) pasos de los grupos a comparar
− Debemos de conocer que trabajaremos con tres grupos de pruebas; técnicas A, técnicas
B y técnicas C.

211
− Y estudiaremos los valores de las resistencias de estos tres grupos.
− Trabajaremos con una población de 36 casos y una muestra de 36 casos, y cada una de
ellas estará compuesta por 12 unidades.

212
213
214
Podríamos concluir con este cuadro estadístico que las técnicas Grupos A y B están
agrupados y el grupo C no.
Podríamos concluir que las técnicas A y B son homogéneas y la técnica C es no
homogénea.
Asimismo el P valor es de 0,937 para el subgrupo 1 93,70% y para el grupo 2 es de 1,00 su
equivalencia es 100,00%.

215
Esta relaciona cada grupo con los otros este es con el método estadístico de Turkey, se
debe considerar que comparando límites si uno es negativo y el otro positivo se concluye que
no hay diferencias significativas, cuando ambos son negativos el p valor es significativos

216
217
Se puede observar gráficamente que los Grupos A y B están superpuestos, mientras que
el grupo C no es así, en tal sentido se observa que la mediana de A esta dentro de B, lo que nos
permite ratificar lo anteriormente mencionado.
Por lo tanto la conclusión final es que el Grupo C es mucho mayor a los Grupos A y B.

REFERENCIAS BIBLIOGRÁFICAS

Ampa, I., Ramirez, K., & Ramirez, A. (2007). Tecnologia de la investigación. Lima: Moshera SRL.
Andia, W. (2017). Manual de investigacion universitaria. Lima: Ediciones arte y pluma.
Arbaiza, L. (2013). Como elaborar una tesis de grado. Lima: Esan ediciones.
Arroyo, D. (2017). Estrategias de lectura en los niveles de comprensión lectora de los estudiantes de la
Institución Educativa N° 3040 20 de abril, Los Olivos 2017. (Tesis de maestria en educación),
Lima , Peru: Universidad Cesar Vallejo.
Avolio, B. (2016). Metodos cualitativos de investigacion:una aplicacion al estudio de caso. Mexico:
Cengage Learning.
Barrón, E. (2017). Autoestima, habilidades sociales en la inteligencia emocional en los estudiantes de la Red
N° 13 UGEL 06 Ate - 2016. (Tesis para optar el grado de doctor en eduación), Lima , Perú:
Universidad Cesar Vallejo .
Bernal, C. (2016). Metodologia de la investigacion. Bogota: Pearson.
Caballero, A. (2008). Innovaciones en las guias metodologicas para los planes y tesis de maestria y doctorado.
Lima: Instituto metodologico Alen Caro.
Caceres, M. (2019). Control interno según la metodología COSO I y su influencia en la gestión del control de
activos fijos en una empresa privada, año 2017. (Tesis para optar el grado de maestria en
auditoria integral), Lima , Perú : Universidad Nacional Federico Villareal.
Carot, A. (2001). Control estadistico de la calidad. España: Universidad Politecnica de Valencia.
Carrasco, S. (2006). Metodologia de la investigacion cientifica. Lima: San Marcos.
Cohen, R., & Swerdlik, M. (2001). Pruebas y evaluación psicométricas. Mexico: Mc Graw Hill.
Córdova, I. (2013). El proyecto de investigación cuantitativa. Lima: Editorial San Marcos EIRL.

218
Cordova, M. (2006). Estadistica inferencial (2 ed.). Lima: Moshera SRL.
Cruzado, W. (2019). Competencias blandas en la empleabilidad de la Universidad Privada del Norte-sede
los Olivos, año 2018. (Tesis para optar el grado de administración), Lima , Perú:
Universidad Nacional Federico Villareal.
Cubos , U. (2018). Competencias y mejoramiento continúo en la asociación de comerciantes de nuevo
Carabayllo y servicios múltiples, en el distrito de Carabayllo, año 2017. (Tesis para optar el grado
de maestria de gestión de alta dirección), Lima, Perú: Universidad Nacional Federico
Villareal.
De La Torre, C., & Accostupa, Y. (2013). Estadistica inferencial. Lima: Editorial Moshera.
Deza, J., & Muñoz, S. (2008). Metodologia de la Investigacion Cientifica. Lima: Universidad Alas
Peruanas.
Fernández, J. (2005). Estadistica descriptiva . Lima : Fondo editorial del Pedagogico San Marcos .
Fernandez, J., & Fernandez, J. (2013). Estadistica aplicada I. (3ra. ed.) Lima: Editorial San Marcos.
Gamarra, G., Wong , F., Rivera , T., & Pujay , O. (2015). Estadistica e investigacion con aplicacion de
SPSS. Lima: San Marcos.
Garcia, J. (2016). Metodologia de la investigacion para Administradores. Bogota: Ediciones de la U.
Godoy , E. (2011). Cómo hacer una tesis. Florida: Valletta Ediciones.
Gómez, N. (2006). Introducción a la metodologia de la investigación cientifica. Cordoba, Argentina:
Editorial Brujas.
Hernández, R., & Mendoza, C. (2018). Metodología de la investigación: las rutas cuantitativa,
cualitativa y mixta . México: Mc Graw Hill Interamericana Editores, S.A. de C.V.
Hernandez, R., Fernandez, C., & Baptista, M. (2014). Metodologia de la investigacion (6 ed.).
Mexico: Mc Graw Hill education.
Hernandez, R., Mendez, S., Mendoza, C., & Cuevas , A. (2017). Fundamentos de investigacion.
Mexico: Mc Graw Hill education.
Herrera, C. (2018). Calidad de atención y Satisfacción del servicio de los pacientes atendidos en el Servicio de
odontología del Centro de Salud San Sebastián, Lima – 2018. (Tesis para optar el grado de
maestria en gestión de los servicios de la salud), Lima , Perú : Universidad Cesar Vallejo.
Iglesias, G., & Resala, G. (2014). Elaboracion de tesis, tesinas y trabajos finales. Buenos Aires: Edciones
novedades educativas de México .
Kerlinger, F., & Lee, H. (2002). Investigación del comportamiento (4 ed.). Mexico: Mc Graw Hill.
Leon, O., & Montero, I. (2008). Diseño de investigaciones. Madrid: Mc Graw Hill education.
Lerma, H. (2004). Metodologia de la investigación: propuesta, anteproyecto y proyecto (3 ed.). Bogotá:
Ecoe ediciones.
Martinez, C. (2012). Estadistica y muestreo. Bogota: Ecoe ediciones.
Mendez, C. (2012). Metodologia, diseño y desarrollo del proceso de investigacion con enfasis en ciencias
empresariales (4 ed.). Mexico: Limusa.
Munch, L. (2005). Metodos y tecnicas de investigación (12 ed.). México: Editorial Trillas S.A.
Nuñez, M. (2019). Las 5 s y las condiciones ambientales de trabajo en una empresa privada, año 2017. (Tesis
para optar el grado de maestria en gestion ambiental), Lima, Perú: Universidad Nacional
Federico Villareal.
Ñaupas, H., Valdivia, M., Palacios , J., & Romero, H. (2018). Metodologia de la investigación.
Cuantitativa-cualitativa y redacción de la tesis (5 ed.). Bogotá: Ediciones de la U.

219
Oblitas, S. (2018). Riesgos laborales y desempeño profesional del personal de enfermería de la Dirección del
Sistema de Atención Móvil de Urgencias y Emergencias de Lima, 2018. (Tesis para optar el grado
de gestión de los servicios de la salud), Lima, Perú: Universidad Cesar Vallejo.
Ortiz, F., & Garcia, M. (2000). Metodologia de la investigacion, el proceso y sus tecnicas. Mexico:
Limusa Noriega Editores.
Palacios, J., Romero , H., & Ñaupas, H. (2016). Metodologia de la investigacion juridica. Una brujula
para investigar en ciencias juridicas y redactar la tesis. Lima : Editora y libreria juridica Grijley
EIRL.
Palomino, J., Peña, J., Zevallos, G., & Orizano, L. (2015). Metodología de la investigación. Lima:
Editorial San Marcos.
Pérez, C. (2000). Tecnicas de muestreo estadistíco. México: Alfaomega.
Piélago, R. (2018). Capacitación y desempeño laboral del personal médico del Hospital Huaycán de Ate, 2018.
(Tesis de maestria para optar el grado de magister en gestion de servicios de la salud,
Lima, Perú: Universidad Cesar Vallejo.
Pino, R. (2011). Manual de la investigacion cientifica. Lima: Pinosa SRL.
Quezada, L. (2015). Metodologia de la investigacion. Lima: Editorial Macro.
Saavedra, P. (2017). Metodologia de investigacion cientifica. Lima: Soluciones graficas.
Sanchez, S. (2010). Metodologia: el curso. Lima: Cepredim.
Sánchez, S. (2011). La Cuarta Vía: Paradigmas y Contraste de Hipótesis. Lima: CEPREDIM-UNMSM.
Sánchez, S., & Pongo, O. (2014). Tendencias Contemporáneas en Metodología y Estadística. Lima:
Imprenta Universidad Nacional Federico Villarreal.
Soto, J. (2017). El Coaching educativo en las habilidades sociales de los estudiantes del V ciclo del nivel
primaria de la Institución Educativa: Francisco Bolognesi del Distrito de Independencia, 2017. (Tesis
para optar el grado de Maestra Administración de la Educación), Lima, Perú:
Universidad Cesar Vallejo.
Spiegel, M., & Stephens, L. (2009). Estadistica Shawm (4 ed.). México: Mc Graw Hill.
Tafur , R., & Izaguirre, M. (2015). Cómo hacer un proyecto de investigación (2 ed.). Bogotá: Alfaomega.
Tokeshi, A. (2013). Planifique, desarrolle y apruebe su tesis. Lima: Fondo editorial Universidad de
Lima.
Vara , A. (2015). 7 pasos para elaborar una tesis. Cómo elaborar y asesorar una tesis para Ciencias
Administrativas, Finanzas, Ciencias Sociales y Humanidades. Lima: Universidad San Martin de
Porres.
Vara, A. (2012). Desde la idea hasta la sustentación: 7 pasos para una tesis exitosa. Un método efectivo para
las ciencias empresariales. Lima: Instituto de Investigación de la Facultad de Ciencias
Administrativas y recursos humanos.
Vásquez, J. (2019). Google Adwords en el proceso de captación de nuevos clientes en la empresa Klimatechnik
SAC, año 2016-2017. (Tesis para optar el grado de maestria en marketing y negocios
internacionales), Lima, Perú: Universidad Nacional Federico Villareal.
Velazquez, A., & Rey, N. (2013). Metodología de la investigación científica. Lima: Editorial San
Marcos.
Webster, A. (2000). Estadistica aplicada a los negocios y la economia. (3ra ed.) Colombia: Mc Graw
Hill.

220
221

También podría gustarte