Libro Estadistica Digital

Índice
Índice
Estadística para tesis y uso del SPSS
Autor: Francisco Guillermo Sánchez Espejo
Editado por: Centrum Legalis E.I.R.L.
Urb. Santa Catalina I-18 B, José Luis B. y R., Arequipa, Perú.
Celular y Whatsapp (+51) 958029169
Primera edición, febrero, 2020
Tiraje: 1000 ejemplares
Hecho el Depósito Legal en la Biblioteca Nacional del Perú Nº 2020-01449
ISBN Nº 978-612-48174-1-0
Se terminó de imprimir en febrero del 2020 en:
Tarea Asociación Gráfica Educativa
Pasaje María Auxiliadora 156-164 Breña, Lima
Prohibida la reproducción de este libro total o parcialmente, sin permiso expreso

del autor
Pedidos a: info@aacentrum.com, T: (+51)958029169 a cualquier ciudad o país.
Visítenos en: www.aacentrum.com

Índice
A Jehová de los ejércitos
A Antonia, Luz,
Lady y José
Índice
INTRODUCCIÓN
El presente libro está dirigido a los profesionales que desarrollan

una tesis, donde la estadística tiene un papel muy importante para
realizar operaciones como la validación y confiabilidad del
instrumento, debemos de tener en cuenta que los profesionales que
desarrollan una tesis en muchos casos no son de la especialidad de
matemáticas, sino que son personas de distintas especialidades,
pueden ser del área de sociales, de biomédicas o de ingenierías, que
no necesariamente son expertos en la estadística, por este motivo el
presente libro proporciona una enseñanza básica de la estadística
aplicada a cálculos que se requiere en una tesis, se busca de una
manera sencilla explicar el procedimiento para justificar
estadísticamente una investigación.
Para ello, hemos iniciado el estudio desarrollando los elementos

básicos para la prueba estadística, hemos desarrollado la elaboración
de un instrumento, donde se explica los requisitos que tiene en
relación al problema que se plantea, también se ha desarrollado la
forma de acopiar y ordenar la información, así como los
procedimientos estadísticos básicos para la confiabilidad del
instrumento, su validez y las pruebas de hipótesis que se pueden
plantear en una tesis.
Si bien, la estadística es muy amplia y una tesis puede hacer uso

de las diferentes operaciones de cálculos estadísticos, por nuestra
parte se ha buscado transmitir los conocimientos básicos de la
estadística para profesionales que no son expertos en esta área, a fin
de que cualquier persona pueda encontrar en este libro una guía
básica para realizar las principales operaciones estadísticas en la
elaboración de su tesis, el libro se complementa con el CD que viene
junto al libro y contiene la parte práctica del cálculo en el SPSS, así
mismo se adjunta un resumen estadístico en una tabla que le será muy
Índice
útil al momento de operar las estadísticas, pues el resumen indica el

procedimiento del SPSS para los principales estadísticos que debe
tener la tesis.
Francisco G. Sánchez Espejo

Francisco Guillermo Sánchez Espejo
ÍNDICE
INTRODUCCIÓN..................................................................................... v
ÍNDICE..................................................................................................... vii
1 Uso de la Estadística ..................................................................... 11
1.1. Estadísticas en una tesis...............................................13
1.2. ¿Qué son las variables? ................................................15
1.3. ¿Qué es medir?..............................................................22
1.4. ¿Por qué es obligatorio la estadística en una tesis? .23
1.5. ¿Qué es el instrumento de medición? ........................25
1.6. ¿Qué medimos en la investigación cualitativa? .......26
1.6.1. Codificación de la información...................................35
1.6.2. Acopio de la información ............................................43
1.6.3. Reordenando a la forma inicial del cuestionario .....46
1.6.4. Elaboración de la matriz de datos ..............................49
1.6.5. La matriz de datos en el SPSS .....................................52
1.7. El Programa SPSS .........................................................54
1.7.1. Configuración inicial ....................................................54
1.7.2. Configurando la “vista de variables” ........................55
1.7.3. Insertando los datos .....................................................61
2 Cálculo de una Muestra ............................................................... 63
2.1. Población y Muestra.....................................................63
2.1.1. Intervalo de confianza .................................................68
vii www.aacentrum.com
Estadística para tesis
2.2. Técnicas de muestreo ...................................................71
2.2.1. Muestreo estadístico ....................................................72
2.2.2. Muestreo por elección ..................................................74
2.3. Cálculo del tamaño de una muestra ..........................75
2.3.1. Cálculo de una muestra cualitativa ...........................75
2.3.2. Cálculo de una muestra cuantitativa .........................77
2.3.3. Cálculo de una muestra en el SPSS ............................79
3 Confiabilidad del Instrumento .................................................. 83
3.1. El estadístico KR-20 ......................................................84
3.2. El Alfa de Crombach ....................................................88
3.2.1. Mejorar el nivel del Alfa de Crombach .....................93
4 Validez del Instrumento ............................................................ 103
4.1. La validez de contenido.............................................103
4.1.1. Validez por juicio de expertos ..................................104
4.1.2. Validación con la V de Aiken ...................................105
4.1.3. Validación con Lawshe ..............................................116
4.1.4. Validación con prueba binomial ..............................121
4.1.5. Kappa de Kohen .........................................................129
4.2. La validez interna .......................................................142
5 Prueba de Hipótesis ................................................................... 147
5.1. Las hipótesis ................................................................147
5.2. La prueba de hipótesis de la Tesis ...........................151
5.3. Prueba de normalidad ...............................................152
viii www.aacentrum.com
5.3.1. Pasos para el cálculo de la normalidad en el SPSS 155
5.3.2. Ejemplo de prueba de normalidad ..........................157
5.3.3. Prueba de normalidad en grupos segmentados ....160
5.3.4. La distribución normal ..............................................164
5.4. Prueba de la hipótesis general ..................................167
5.4.1. Prueba de hipótesis con R de Pearson .....................168
5.4.2. Prueba de Rho de Spearman.....................................177
5.5. Prueba de hipótesis especificas ................................181
5.5.1. Prueba de la 1ra. Hipótesis específica: ....................182
5.5.2. Prueba de la 2da Hipótesis especifica......................190
5.6. Prueba de la hipótesis de trabajo .............................192
5.6.1. Prueba de hipótesis de una proporción ..................197
5.7. Prueba de hipótesis chi cuadrado ............................200
5.7.1. Problema 1 ...................................................................201
5.7.2. Problema 2 ...................................................................205
5.7.3. Problema 3 ...................................................................209
5.8. Prueba de hipótesis con T de Student .....................214
5.8.1. Características: ............................................................215
5.8.2. Aplicación: ...................................................................215
5.8.3. Conocimientos previos: .............................................215
5.8.4. Requisitos ....................................................................216
5.8.5. Pasos para su desarrollo ............................................216
5.8.6. Ejercicios ......................................................................217
ix www.aacentrum.com
5.9. Prueba de hipótesis con F de Fisher ........................219
6 Regresión Lineal ......................................................................... 225
6.1. Tipos de regresiones lineales ....................................226
6.2. Ejercicios prácticos .....................................................228
7 La Estadística ............................................................................... 237
7.1. ¿Qué es la estadística? ................................................237
7.2. Teoría de las probabilidades .....................................238
7.3. Ramas de la Estadística..............................................239
7.4. La Estadística Descriptiva .........................................240
7.4.1. Análisis de tendencia central ....................................241
7.4.2. Medidas de dispersión...............................................246
7.4.3. Medidas de distribución ............................................252
7.4.4. Estadística descriptiva en la tesis .............................253
7.4.5. Gráficos y análisis de variables categóricas ............265
7.5. La Estadística Inferencial ...........................................272
7.5.1. Estimación puntual ....................................................273
7.5.2. Estimación por intervalos..........................................283
7.5.3. Coeficiente de correlación .........................................290
7.5.4. Simbología estadística................................................291
Ejemplo de estadística en una tesis .................................................... 299
x www.aacentrum.com
Índice
1 Uso de la
Estadística
La estadística es una ciencia que estudia las probabilidades que un

evento suceda, para la elaboración de una tesis, tiene diversas
aplicaciones, sin embargo, existen operaciones estadísticas que se
aplican más frecuentemente a una investigación. El propósito del
presente libro es enseñar el desarrollo de estas operaciones, pues
debemos tener presente que la persona que desarrolla una tesis, no
necesita volverse un experto matemático, sino, buscamos en la
estadística una herramienta accesible para que cualquier profesional,
que puede ser un abogado, un médico, un odontólogo, un psicólogo,
etc., tenga una noción elemental de los cálculos más frecuentes que se
realiza en una tesis, estas operaciones más frecuentes son:
Para el cálculo de una muestra

(Pg. 55)
Para establecer la confiabilidad de un

instrumento (Pg. 75)
Para establecer la validez de un

instrumento (Pg. 95)
Para contrastar hipótesis (P.139)
Para predecir un evento (Pg. 217)
11 www.aacentrum.com
Índice
Aplicación de la estadística en una tesis
La aplicación hasta diría obligatoria de la estadística en una tesis,

se da en las siguientes operaciones que serán desarrolladas
ampliamente en el presente libro:
Uso Estadístico
Cálculo de una muestra Con población conocida
Con población desconocida
Para establecer la fiabilidad Alfa de Crombach

del instrumento
Kr-20
Para establecer la validez Validez de contenido:

• V de Aiken
• Lawshe
• Prueba binomial
Validez interna
• KMO
Para probar hipótesis R de Pearson
Rho de Spearman
Para predecir eventos Regresión lineal
Debemos aclarar que las operaciones antes indicados no son las

únicas operaciones para el cálculo de estadísticas, sino que hemos
tomado los más elementales para cada cálculo. La tesis puede tener
muchas operaciones de cálculo estadístico, sin embargo, será
necesario que realice cálculos para la muestra, para establecer la
validez, para la confiabilidad del instrumento y las pruebas para el
cálculo de normalidad y de asociación de variables.
Índice
***Si una tesis tiene instrumentos de medición, consideramos que

necesariamente debe tener a) Prueba de fiabilidad, b) Prueba de
validez, c) prueba de normalidad, y si la tesis corresponde al nivel
explicativo debe tener la prueba de asociación o de contrastación de
hipótesis. Estos estadísticos se desarrolla en el presente libro ***
1.1. Estadísticas en una tesis
1. El cálculo de una muestra
Se usa para conocer el tamaño de una muestra que represente a la

población y permita hacer los cálculos que posteriormente se va a
inferir a la población
2. La confiabilidad de un instrumento
Se usa para conocer la consistencia interna de un instrumento, de

manera que se pueda confiar su funcionamiento en la medición
3. La validez de un instrumento
Permite conocer si un instrumento es válido, es decir si es

apropiado para medir lo que se quiere medir
4. La normalidad de la distribución de la variable
Es necesario este cálculo para poder aplicar el estadístico

adecuado en la prueba de hipótesis
5. La prueba de hipótesis
Mide el grado de influencia o asociación entre variables
Estadística para tesis Índice
6. La regresión lineal
Ayuda a predecir un fenómeno, en base al comportamiento que

el objeto ha tenido
***Consideramos que una tesis mínimamente debe tener las

aplicaciones estadísticas 2, 3, 4 y 5 antes indicadas***
Estas son las operaciones o cálculos más usados en una tesis y que
un tesista no puede obviar, su aplicación no solo se puede realizar en
investigaciones cuantitativas sino también en cualitativas.
¿Cuándo una investigación es cuantitativa y cuando cualitativa?
Existe diferentes posiciones al respecto, algunos dicen que es

cuantitativa cuando la hipótesis tiene una respuesta de sí o no,
verdadero o falso, por ejemplo, si estoy preparando un vehículo y mi
hipótesis indica que “es posible que la falla sea de la válvula”, a esta
hipótesis se puede responder con un sí o con un no, entonces la
investigación es cuantitativa, porque es susceptible de ser medida
estadísticamente, de lo contrario si tengo que dar una respuesta
fundamenta como por ejemplo se investiga el período de extinción de
los dinosaurios, en este caso la respuesta no es solo un sí o un no, sino
la respuesta requiere de una explicación, en este caso algunos autores
indican que es cualitativa.
Otro sector considera que una investigación es cuantitativa si

utiliza cálculos estadísticos de lo contrario es cualitativa, sin embargo
en un análisis riguroso, podemos darnos cuenta que el centro de todo
el problema de investigación es la medición de variables, de esta
manera, todo gira en torno a medir las variable, se puede decir que es
el corazón de la investigación y que diferencia a la tesis de una
monografía u otro documento académico y por tanto la forma de
medir las variables define el enfoque de la investigación como
cualitativa o cuantitativa, de esta manera, podemos decir que la
investigación es cuantitativa si la medición de las variables se realiza
Índice
con números y será cualitativa si la medición se realiza en

proporciones.
Pero acá viene el problema, pues siempre nos han enseñado a

medir con cantidades numéricas y no comprendemos medir con
criterios o cualidades, así, resulta difícil imaginar medir el derecho, la
psicología y en general las ciencias sociales, pero sí es posible, solo
debemos entender que son las cualidades o los criterios y como se
mide en proporciones, así podemos fundamentar que una ley jurídica
es constitucional o inconstitucional, que un delincuente es culpable o
inocente, se puede medir el daño o la gravedad del delito no
numéricamente sino proporcionalmente, en una mayor o menor
medida. Para entender mejor el tema, es necesario definir y precisar
el concepto de variables.
1.2. ¿Qué son las variables?
Gran parte del trabajo de la estadística se realiza con las variables,

se busca medirlas de diferentes formas. El tema de las variables la
considero como la parte más importante no solo de la investigación,
sino de la metodología en general, sin embargo las variables ha sido
deficientemente definidas en la literatura sobre metodología y los
errores en conceptualizarla y definirla ha traído una distorción del
enfoque en toda la metodología, al punto que se ha confundido los
enfoques cualitativo con el cuantitativo e incluso se ha cosiderado a
un tercer enfoque como es el enfoque mixto en forma deficiente,
considero que estas confusiones van a ser aclaradas con una correcta
definición y con un claro deslinde entre las variables cuantitativas y
cualitativas, que considero tienen especial trascendencia en el
plantemiento metodológico de la investigación.
Empezaremos definiendo a las variables como propiedades

suceptibles de ser objeto de medición, estas propedades pueden ser
la edad, la distancia, la satisfacción u otro tipo de propiedad que
pueda ser medible. Se cuestiona si puede ser objeto de medición por

ejemplo la justicia, la democracia, la felicidad entre otras cualidades
que por lo general corresponden a las ciencias sociales, al respecto
debemos indicar que si se puede medir, así por ejemplo tenemos el
Observatorio de Derechos Humanos (OBSDH) que emite informes y
en cierto modo mide los grados de afectación de los derechos
fundamentales de las personas, esto por el múmero de casos y la
intensidad de la lesión, también se tiene distintas calificadoras que
miden el grado de democracia, el grado de corrupción e incluso el
grado de felicidad por ciudades del Perú, como lo indica el estudio
realizado el 2015 por la PUCP. Otro ejemplo de medición de variables
cualitativas lo tenemos en la medición de aspectos sociales, así, el
referendum llevado a cabo el nueve de diciembre del 2018, se
consulto a la población sobre la conformación de la junta nacional de
justicia, el financiamiento a las organizaciones políticas, la reelección
de congresistas y sobre la bicameralidad, donde pese a tratarse de
variables que pertenecen a las ciencias sociales y calificadas como
cualitativas, la forma de medición numérica, de los votos las convierte
en cuantitativas.
Un ejemplo claro de la medición de variables cualitativas en base

a proporciones, lo tenemos en la ley de ponderación y la fórmula del
peso que considera medible la afectación de los derechos
fundamentales, así derechos como la vida, la seguridad, la educación,
la libertad pueden ser medidas según el grado de importancia y la
intensidad de la afectación, es decir comparando el grado de
proporción que tienen, en especial cuando colicionan los principios
referidos a los derechos fundamentales, así la ley de ponderación de
principios indica: “Cuanto mayor es el grado de la no satisfacción o
de afectación de uno de los principios, tanto mayor debe ser la
importancia de la satisfacción del otro”, para medir la afectación de
Índice
un derecho fundamental contenida en un principio se aplica la

fórmula del peso, cuya fórmula es la siguiente1:
GPi,jC = IPiC · GPiA · SPiC

WPjC · GPjA · SPjC
Donde:
“C” expresa las circunstancias del caso, relevantes para la

decisión.
“IPiC” hace explícitos tres aspectos. “Pi” pone de
manifiesto que se trata del principio Pi, “I” que se
trata de la intensidad de la intervención en el
principio Pi y “C” que se trata de un caso concreto.
En IPiC, a efectos de no mencionar los tres aspectos, se
habrá de escribir solo li, en lugar de IPiC
Se utiliza la letra I = a intensidad.
Se utiliza la letra i para hacer expícito que se trata de una
“intervención” en el principio pi,
El peso abstracto de Pi, es GPi
Si se quiere hacer explícito el carácter abstracto, entonces
puede adicionarse “A” para formar una analogía con
“C”. Por lo tanto, la denominación completa del peso
(G) abstracto (A) de Pi es “GPiA”
El peso abstracto expresado con “Gi” o “GPiA” sólo juega
un papel en la ponderación cuando los principios en
colisión se diferencian en su peso abstracto.
1 Carlos Bernal Pulido (1989) Estructura y límites de la ponderación, Extraído

de DOXA, Cuaderno de filosofía N° 26, publicado por el departamento de
filosofía del derecho de la Universidad de Alicante España, edición
electrónica.
Índice
Si los pesos abstractos son iguales, entonces se
neutralizan mutuamente.
En las variables cualitativas no se puede medir en cantidades

exactas, así por ejemplo no podemos medir una, dos o tres
satisfacciones, uno o dos justicias, uno o dos democracias, pero si
podemos medir las proporciones entre la satisfacción e insatisfaccón,
la justicia con la injusticia o la democracia con la dictadura, esto en
base a las proporciones que tienen sus indicadores de referencia. Por
tanto la proporción es la forma de medición en la variable cualitativa,
Respecto a la proporción como forma de mediciónn en las

variables cualitativas y aplicada como principio en el derecho, tiene
la sentencia del Tribunal Constitucional en el caso EXP.N. ° 579-2008-
PA/TC Lambayeque, indica:
… Para hacer más racional dicha operación resulta

relevante contrastar los grados o intensidades de afectación
en el ámbito del derecho a la ejecución con los grados o
niveles de satisfacción que se logra en los bienes u objetivos
constitucionales que persigue la intervención por parte de la
ley y su aplicación en el caso concreto. Este colegiado ha
incorporado una escala triádica para asignar dichos valores.
En tal sentido hemos establecido que “la valoración de las
intensidades puede ser catalogada como: grave, medio o
leve, escala que es equivalente a la de: elevado, medio o
débil. Por esta razón, la escala puede también ser aplicada
para valorar los grados de realización [grados de
satisfacción] del fin constitucional de la restricción [STC
0045-2005-PI/TC, fundamento N.º 35]
Los problemas para la medición de las variables son la

identificación de los indicadores y el grado de objetividad y
representatividad que tiene, la distinción de variables cuantitativas y
cualitativas que se fundamenta en las propiedades de la medición.
Así, queremos dejar en claro que las variables cuantitativas se mide
Índice
por números, mientras que las variables cualitativas se miden en
proporciones de la cualidad que se mide, propiedades que pueden
ser dicotómicas si toman dos valores (justicia o injusticia, soltero o
casado) y politómicas si toman más de dos valores, situación que sirve
de fundamento para determinar el enfoque de la investigación como
cuantitativo, cualitativo o mixto.
Las variables cuantitativas y cualitativas
Las variables cuantitativas tienen como unidades de medición a

cantidades numéricas, la medición de las variables se hacen en razón
de dimensiones numeradas conforme al sistema de numeración que
puede corresponder al sistema decimal, sexagesimal, binario u otro
sistema que permita la medición numérica.
Se considera que la longitud, la masa o el tiempo son variables

cuantitativas, sobre esto debo decir que depende, porque la longitud,
la masa o el tiempo en realidad son cualidades o propiedades que
tiene un objeto que si se miden numéricamente serán variables
cuantitativas y si se mide en proporciones serán variables cualitativas,
es decir, en realidad, lo que define como cuantitativo o cualitativo no
es la dimensión, sino la forma de su medición, pues un objeto físico
puede medirse como muy pesado, poco pesado o nada pesado, en ese
caso el peso será una variable cualitativa y si se mide numericamente
como por ejemplo la cantindad de objetos numéricamente, será una
variable cuantitativa.
Tampoco podemos decir que el estado civil o el color de ojos son

variables cualitativas porque si mido el estado civil numéricamente,
por ejemplo 100 solteros o 50 personas de ojos de color marrón, la
variable se vuelve cuantitativa, también se dice por ejempo que la
variable sexo es cualitativa, pero si mido el número de varones y el
número de mujeres, entonces ya no es cualitativa sino cuantitatva, por
tanto a priori no podemos decir que una variable es cualitativa o
cuantitativa, sino debemos de evaluar la forma de medición que
tenga. En realidad todos los elementos son cualidades, así por

ejemplo la altura o el peso es una cualidad de un objeto físico y será
una variable cualitativa si lo medimos en proporciones como
pequeño, grande o muy grande y será cuantiativa si lo medimos en
unidades de kilogramos, lo que diferencia a lo cualitativo y lo
cuantitativo es la forma de medición y no la dimensión.
La proporción es una forma de medición que se puede emplear

para la medición de diferentes cualidades, puede suceder que la
variable sea medida por la intensidad que tiene el objeto conceptual,
por ejemplo en situaciones de afectación subjetiva, pero también
podemos medir situaciones objetivas, como por ejemplo la
destrucción de un objeto que puede ser parcial o total. También se
puede medir por el estado de salud, así tenemos a pesonas sanas, o
enfermas, pero cuando enumeramos y esta enumeración es la forma
de medición de la variable, esta es cuantitativa y no cualitativa.
Una variable tendrá enfoque cuantitativo si la forma de medición de la

variable es numérica y será cualitativo si la forma de medición de la
variable es en proporciones. Será mixta si una variable(s) es medida
numéricamente y la otra(s) es medida en proporciones o viciversa.
Entonces la identificación de una variable es fundamental porque

de esta clasificación depende la aplicación de la metodología a
emplear, depende la aplicación de los cálculos estadísticos y el diseño
de la investigación
¿Entonces que diferencia a una variable cualitativa de una

cuantitativa?
Como reiteramos, lo que diferencia a la variable cualitativa de la

cuantitativa, es la forma de medición, en las variables cualitativas la
medición no es numérica, sino en proporciones, así, de puede medir
la intensidad del dolor, la intensidad de la felicidad, este tipo de
medición permite grados de medición que puede variar:
Francisco Guillermo Sánchez Espejo Índice
Poco intenso Algo intenso Intenso Muy intenso
En economía
Se mide el nivel económico de las familias por sectores socio

económicos, así se tiene:
Sector A Sector B Sector C Sector D Sector E
En la escala anterior se puede observar que la medición de la

variable se realiza por niveles de intensidad que permite al
investigador diferenciar situaciones y trabajar con ellas, esto no
significa que no se pueda hacer cálculos estadísticos, pues con dichos
valores se puede hacer calculos como la fiabilidad, validez o prueba
de hipótesis.
Sin embargo la medición de las variables no siempre va a tener

varios valores como en el ejemplo anterior que tiene cuatro,
generalmente los valores cualitativos son dicotómicos, es decir que
cambian entre dos cualidades, de esta manera se tiene el siguiente
ejemplo:
Sano – Enfermo
Inocente – Culpable
Constitucional – Inconstitucional
Democracia – Dictadura
Legal – Ilegal
Encendido - Apagado
La dicotomía de estas dimensiones hace que tenga una medición

restringida a dos valores, donde el grado de libertad se reduce a la
elección de una de las dos categorías, esta medición es igual a tener
Índice
mas de dos categorias y resulta de uso estricto incluso en el área de
ingenierías donde las investigaciones son más cuantitativas, por
ejemplo un circuito eléctrico puede tener solo dos categorías (on – of)
y no se acepta otro tipo de categoría.
Una misma dimención física como el tiempo o la velocidad o conceptual

como la justicia o lá libertad, será cuantiativa si se mide en unidades
numéricas y será cualitativa si se mide en proporciones como por
ejemplo justo o injusto, libre o no libre, en este caso son cualitativas
dicotómicas.
1.3. ¿Qué es medir?
Medir es cuantificar una dimensión, es establecer valores a

determinado objeto, sea este un objeto conceptual o un objeto físico,
las medidas más usadas son las siguientes:
Objeto Unidades
El tiempo Segundos
La distancia Metros
La temperatura En grados centígrados
… …
En general las unidades de medidas físicas se encuentran en el

sistema internacional de unidades de medición, pero estas
mediciones en las cuales se pueden utilizar medidas numéricas como
por ejemplo medir el tiempo en segundos, convierte a la variable en
cuantitativa, pero también podemos medir en proporciones, por
ejemplo si decimos que el tiempo de viajar en bus es mayor a viajar
en avión, entonces la variable se convierte en cualitativa. Pero
también existen otros tipos de objetos que pueden ser medibles, así se
tiene como ejemplos:
Objeto Unidades
La inocencia de un imputado Criterios de culpabilidad
La satisfacción del cliente Grados de satisfacción
Índice
La constitucionalidad de una Criterios de constitucionalidad
norma
Los derechos fundamentales Intensidad de la afectación
La lesión corporal Intensidad de la lesión
En estos casos las cualidades o criterios se pueden medir en

unidades o en proporciones, será en unidades por ejemplo si la
inocencia de un imputado lo medimos por los votos de un jurado o
podrá ser en proporciones si decimos que se tiene más evidencia de
culpabilidad que de inocencia, en el primer caso se tratará de una
variable cuantitativa y en el segundo caso de una variable cualitativa.
La característica principal que distingue a una tesis de otro estudio

académico, es que en las tesis se mide las variables que fundamentan
las hipótesis
1.4. ¿Por qué es obligatorio la

estadística en una tesis?
La tesis es un documento técnico sobre el registro de un proceso

de medición de una (s) variable(s), de lo contrario estamos ante una
monografía o una tesina. Si esto es cierto, que la tesis tiene como
característica fundamental medir las variables, entonces una tesis
necesariamente debe tener en primer lugar una población y si el tipo
de muestreo es aleatorio simple debe tener los cálculos estadísticos
para calcular la muestra y si es por elección, debe tener
necesariamente los criterios para la elección de la muestra, en
segundo lugar, una tesis necesariamente debe tener un instrumento o
varios instrumentos de medición, esto a efectos de medir las
variables.
Si bien es cierto que algunas variables pueden justificarse

argumentativamente como es el caso del derecho, donde por ejemplo
la inocencia o culpabilidad del imputado se puede argumentar con
criterios lógicos, sin embargo la intensidad, la cantidad o el respaldo
Índice
profesional del argumento puede ser objeto de medición por un
instrumento documental, y si la tesis tiene un instrumento de
medición necesariamente debe tener cálculos referidos a la validación
del constructo y cálculos referentes a la validación interna del
instrumento.
Si como instrumento se utiliza el cuestionario o la escala,

necesariamente debe tener cálculos estadísticos sobre la
confiabilidad, así mismo si se trata de una investigación explicativa
necesariamente debe de tener cálculos sobre la normalidad y la
prueba de hipótesis, esto porque toda investigación que corresponde
al nivel explicativo necesariamente relaciona a la variable
independiente con la dependiente y esta relación constituye la
hipótesis principal de la investigación y requiere ser probada, en este
caso consideramos que la relación o influencia puede ser justificada
argumentativamente, sin embargo la medición estadística le da
mayor objetividad.
Cálculos estadísticos necesarios en una tesis
Operación Estadístico obligatorio
Muestreo aleatorio simple Cálculo de la muestra
Validación del constructo Cálculos de validación
Fiabilidad del instrumento Cálculos de fiabilidad
Normalidad de la variable Cálculos de normalidad
Asociación de hipótesis Cálculos de prueba de

hipótesis
Índice
La tesis no es un documento discursivo subjetivo, sino es un

documento técnico que busca la objetividad, aun cuando en algunas
ciencias permita que el investigador sea más o menos objetivo y que
requiera de la estadística para fundamentar su objetividad. Los
cálculos estadísticos antes indicados son los mínimos necesarios para
una tesis, sin embargo, eso no quiere decir que sean los únicos, el
propósito del presente libro es enseñar los cálculos básicos que una
tesis debe tener, pero las tesis pueden ser tan complejas como el
investigador las desarrolle y tener cuantas operaciones estadísticas
necesite para medir y fundamentar el cálculo de las variables.
La estadística es una herramienta de calculo que es muy empleada

en la tesis debido a que permite conocer aproximaciones y
posibilidades que son necesarios para la interpretación de los datos
obtenidos y el programa más usado para la estadística es el SPSS
desarrollado por la empresa IBM.
1.5. ¿Qué es el instrumento de

medición?
Son herramientas que tienen patrones que pueden medir

determinada propiedad por comparación al objeto medible,
discriminando la aproximación o alejamiento a los valores
previamente calibrados.
Tipos de instrumentos
Se puede considerar dos tipos de instrumentos: a) los instrumentos

que miden valores objetivos como la balanza, el metro o el
termómetro y b) instrumentos que miden valores subjetivos como el
cuestionario, la escala o el inventario. Estos instrumentos si bien
miden valores subjetivos, esto no los descalifica como instrumentos
confiables cuando son bien aplicados.
1.6. ¿Qué medimos en la investigación

cualitativa?
En la investigación cualitativa medimos las cualidades o criterios

de las variables de un problema, para cumplir con el objetivo de la
investigación, como sabemos las variables son propiedades
susceptibles de ser medidas, así por ejemplo tenemos el siguiente
enunciado de problema:
“Deficiencias en la reparación del daño en el procedimiento

administrativo disciplinario que regula la ley 30057, Ley del Servicio
Civil, que justifique su modificación legislativa para la defensa del
patrimonio del Estado, Perú, 2019”
Se tiene como variables:
Variable 1: Reparación del daño (V1)
• Reposición del bien (Indicador 1)
• Pago del valor del bien (Indicador 2)
Variable 2: Modificación legislativa (V2)
• Modificación necesaria / innecesaria (Indicador 3)
En este caso se pretende medir si existen o no deficiencias en la

reparación del daño que justifiquen una modificación legislativa en la
ley.
¿Pero cómo vamos a medir?
Teniendo en cuenta que el derecho es una ciencia convencional, es

decir los ciudadanos nos ponemos de acuerdo sobre lo que es bueno y lo
que es malo, sobre lo sancionable o no, podemos medir el conocimiento o
criterio de la deficiencia normativa en las opiniones de juristas
reconocidos, es decir de un conjunto representativo de la sociedad.
¿Qué ocurre con el resto de las ciencias sociales?
Creo que la medición de las variables en el resto de las ciencias sociales

es más fácil, por ejemplo, en las ciencias administrativas podemos medir
la satisfacción laboral, la calidad de un producto, en las ciencias
educativas podemos medir el aprendizaje del alumno, en las ciencias
económicas podemos medir la competitividad de un país, en las ciencias
de la psicología podemos medir el nivel de agresividad, etc.
¿Qué medimos en ingenierías o en biomédicas?
Tratándose de las ciencias de la naturaleza, por lo general la forma de

medición es mediante instrumentos objetivos, así por ejemplo el médico
mide la fiebre con un termómetro, el ingeniero medirá la longitud de un
material con el metro otro profesional medirá el voltaje de la corriente
eléctrica con un voltímetro, etc. Sin embargo, el uso de los instrumentos
documentales no es ajenos a estas profesiones, así, por ejemplo, el
respaldo de una teoría por un grupo de profesionales puede ser medido
mediante instrumentos documentales, el médico puede medir el dolor del
paciente mediante una escala, el arquitecto puede medir la satisfacción de
su cliente mediante un cuestionario o una escala, el ingeniero civil puede
medir la opinión de la comunidad sobre una obra mediante el
cuestionario.
Del planteamiento del problema del ejemplo y de las variables e

indicadores dan lugar a los objetivos que en este caso serían los
siguientes:
Objetivo principal:
Establecer las deficiencias que hay en la reparación del daño en el

procedimiento administrativo disciplinario que regula la ley 30057,
Ley del Servicio Civil, que justifique su modificación legislativa para
la defensa del patrimonio del Estado, Perú, 2019.
Índice
Es decir:
V1 V2
Deficiencias Modificación
En la reparación del daño Legislativa
Objetivos específicos:
Explicar las deficiencias que hay en la reposición del bien

en el procedimiento administrativo disciplinario que
regula la ley 30057, Ley del Servicio Civil, que
justifique su modificación legislativa para la defensa
del patrimonio del Estado, Perú, 2019
En este caso se busca medir la influencia de “La reposición del

bien” en la justificación que sustente la “modificación legislativa”
Es decir:
Ind1 Ind3
Indicar las deficiencias que hay en el pago del valor del

bien en el procedimiento administrativo disciplinario
que regula la ley 30057, Ley del Servicio Civil, que
justifique su modificación legislativa para la defensa
del patrimonio del Estado, Perú, 2019.
Es decir:
In1 In3
De los objetivos tenemos las hipótesis que son las posibles

respuestas que van a ser probadas estadísticamente, así tenemos:
Índice
Hipótesis principal
Dado que ...
Es posible que existan deficiencias en la reparación del daño en el

procedimiento administrativo disciplinario que regula la ley 30057, Ley
del Servicio Civil, que justifique su modificación legislativa para la
defensa del patrimonio del Estado, Perú, 2019
Como podemos apreciar, las hipótesis siguen la misma relación

entre variables e indicadores.
Hipótesis especificas
Primera hipótesis especifica:
Dado que (…)
Es posible que las deficiencias en la reposición del bien en el

procedimiento administrativo disciplinario que regula la ley
30057, Ley del Servicio Civil, justifique su modificación legislativa
para la defensa del patrimonio del Estado, Perú, 2019.
Segunda hipótesis especifica:
Dado que (…)
Es posible que las deficiencias en el pago del valor del bien en el

30057, Ley del Servicio Civil, justifique su modificación
legislativa para la defensa del patrimonio del Estado, Perú, 2019
Estas hipótesis serán objeto de medición mediante el instrumento

llamado cuestionario y de sus resultados se harán los cálculos
estadísticos que se pueda hacer inferencia a toda la población.
En ese sentido en el presente caso se tiene como población de

estudio:
Índice
Población
Como población de estudio tenemos al conjunto de abogados con

especialidad en derecho administrativo de la ciudad de Arequipa,
2019.
Muestreo
El tipo de muestreo que corresponde aplicar es del tipo por

elección, intencionado, es decir la investigadora elegirá a las personas
que van a ser objeto de aplicación del cuestionario conforme a
criterios de inclusión y exclusión.
Criterios de inclusión
Que los abogados a encuestar sean de la especialidad de

Derecho Administrativo.
Que los señores abogados se encuentren en el ejercicio de
la profesión.
Que sean entrevistados durante el período asignado al
recojo de la información.
Que laboren en el servicio público, privado y en el
ejercicio de la docencia.
Criterios de exclusión
Que no presten su consentimiento

Que no sean ubicables en el período de recojo de
información
Realizado el muestreo, se obtuvo la siguiente muestra:
Muestra
Se ha identificado a 30 abogados que tienen la especialidad o

ejercen la abogacía en la rama del derecho administrativo, a quienes
se les ha evaluado mediante el cuestionario que a continuación se

presenta:
Cuestionario
Nombre y Apellidos:___________________________________
Fecha:________________________
A continuación, debe indicar marcando con una X el grado de acuerdo o

desacuerdo con la pregunta del cuestionario.
Totalmente en desacuerdo = 1
En desacuerdo = 2
Ni de acuerdo ni en desacuerdo = 3
De acuerdo =4
Totalmente de acuerdo = 5
El presente cuestionario permitirá conocer las opiniones de los abogados

de derecho administrativo sobre los criterios que permita modificar la
reparación del daño en el procedimiento administrativo disciplinario que
regula la ley 30057, Ley del Servicio Civil, para la defensa del patrimonio del
Estado:
CUESTIONARIO PARA ABOGADOS
( ) Masculino
( ) Funcionario
público Sexo ( ) Femenino
Nivel
( ) Actividad ( ) hasta 35 años = 1
ocupacional:
Privada
Edad ( ) de 35 a 50 años = 2
( ) Docente
( ) mayores de 50 años = 3
INSTRUCCIONES
Se presenta un conjunto de afirmaciones sobre la INCORPORCION DE LA

REPARACIÓN DEL DAÑO EN EL PROCEDIMIENTO ADMINISTRATIVO
DISCIPLINARIO QUE REGULA LA LEY 30057, LEY DEL SERVICIO CIVIL, para la
defensa del patrimonio del Estado, a las que se debe responder con la mayor
sinceridad y veracidad posible de acuerdo a las observaciones realizadas. No existen

respuestas correctas o incorrectas. El instrumento tiene carácter anónimo e
individual. Se debe colocar una (X) en el recuadro correspondiente de acuerdo a los
siguientes enunciados:
1 2 3 4 5
Muy en En Poco de De Muy de

desacuerdo desacuerdo acuerdo acuerdo acuerdo
AFIRMACIONES
N° OPCIONES
V1: Reparación del daño

1 2 3 4 5
Dimensión 1: Reposición del bien

¿Está usted de acuerdo en que la falta de regulación
de la reposición del bien en la ley 30057 Ley del
1 Servicio Civil evita que el Estado pueda recuperar
su patrimonio afectado por la conducta del
infractor?
¿Está usted de acuerdo que en el procedimiento
administrativo disciplinario se exija al infractor
2
junto a la sanción la reparación del bien afectado por
la conducta del infractor?
¿Está usted de acuerdo en que la exigencia de
3 reposición del bien dañado en la vía judicial es un
proceso lento e ineficiente?
4 reposición del bien dañado en la vía judicial podría
prescribir por la lentitud de este proceso?
¿Está usted de acuerdo en que la exigencia de la
reposición del bien dañado en la vía administrativo
5
disciplinaria sería más célere y más eficiente que en
la vía judicial?
Dimensión 2: El pago del valor del bien
¿Está usted de acuerdo en que la falta de regulación
del pago del valor del bien en la ley 30057 Ley del
6 Servicio Civil evita que el Estado pueda recuperar
su patrimonio afectado por la conducta del
infractor?
7
junto a la sanción del pago del valor del bien
afectado por la conducta del infractor?
¿Está usted de acuerdo en que la exigencia del pago

8 del valor del bien en la vía judicial es un proceso
lento e ineficiente?
9 del valor del bien en la vía judicial podría prescribir
por la lentitud de este proceso?
del valor del bien en la vía administrativo
10
disciplinaria sería más célere y más eficiente que en
la vía judicial?
V2: Modificación legislativa
Dimensión 1: Justificada / Injustificada
¿Está usted de acuerdo en que el procedimiento

sancionador que regula la ley 30057, Ley del Servicio
11
Civil se enfoca en el castigo al infractor y desprotege
el patrimonio del Estado?
¿Está usted de acuerdo en que la reposición del bien
12 o el pago de su valor exigidos en la sanción
administrativa protegería el patrimonio del estado?
¿Está usted de acuerdo en que la reparación civil
13 está compuesta por la reparación del daño y la
indemnización de los daños y perjuicios?
¿Está usted de acuerdo en que la reparación del
14 daño implica la reposición del bien y si no fuera
posible el pago de su valor?
daño sea también exigible en la vía administrativo
15
disciplinaria, en cambio la exigencia de los daños y
perjuicios sea exclusivo de la vía judicial?
¿Esta usted de acuerdo en que se justifica la
16 modificación legislativa conforme al proyecto de ley
que se adjunta?
Indique sus observaciones:
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL
TOTAL, EN PORCENTAJE
Como vemos el cuestionario está elaborado para medir la primera

variable (V1) en base a sus dos indicadores y también mide la
Índice
segunda variable (V2) conforme a su indicador y en relación a la
influencia que puede recibir de la primera.
La medición de la segunda variable en realidad se trata más de una

justificación para su procedencia, pues de verificarse la hipótesis que
considera las deficiencias en la regulación del daño, entonces procede
la segunda variable, es decir se justifica la modificación legislativa.
La ficha técnica:
La ficha técnica del cuestionario está compuesta por las

características que tiene el instrumento y las recomendaciones para
su aplicación.
N° Item Descripción
1 Nombre Cuestionario de evaluación para modificar la
reparación del daño en el procedimiento
administrativo disciplinario que regula la ley 30057,
Ley del Servicio Civil, para la defensa del patrimonio
del Estado
2 Autor Francisco Guillermo Sánchez Espejo
3 Fecha de 14 de octubre del año 2019
elaboración del
instrumento
4 Duración de la De 20 a 30 minutos.
aplicación
5 Periodo de Del 20 al 30 de noviembre del 2019
aplicación
6 Objetivo Conocer las opiniones sobre la necesidad de modificar
la reparación del daño en el procedimiento
administrativo disciplinario que regula la ley 30057,
Ley del Servicio Civil, para la defensa del patrimonio
del Estado
7 Calificación (A) Totalmente en desacuerdo = 1
(B) En desacuerdo = 2
(C) Ni de acuerdo ni en desacuerdo = 3
(D) De acuerdo =4
(E) Totalmente de acuerdo = 5
8 Objetivos • Explicar la necesidad de la reposición del
bien en las sanciones disciplinarias de la ley 3007,
Índice
Ley del Servicio Civil, para la defensa del
patrimonio del Estado.
• Establecer la necesidad del pago del valor del
bien en las sanciones disciplinarias de la ley 3007,
Ley del Servicio Civil, para la defensa del
patrimonio del Estado.
• Establecer la viabilidad de modificar la ley
30057
9 Puntajes De 15 a 30 = Se considera nivel muy bajo
De 30 a 45 = Se considera bajo
De 45 a 60 = Se considera aceptable
De 60 a 75 = Se considera muy aceptable
10 Validez La validez ha sido validada mediante opinión de
expertos, compuesta por un jurado de 3 especialistas,
dos de ellos especialistas en metodología de la
investigación y uno de ellos especialista en derecho
administrativo disciplinario.
11 Confiabilidad La confiabilidad del instrumento ha sido evaluado
mediante cálculos estadísticos de la ecuación del
Alpha de Crombach.
Recomendaciones para la elaboración de cuestionarios
Las preguntas salen de las variables

Las preguntas proponen conceptos conforme a los
objetivos que tiene la investigación
Las preguntas están dirigidas a probar la hipótesis de la
investigación, esto es la H1
Todas las preguntas apuntan a probar las hipótesis
Se puede cambiar el sentido y el orden de las preguntas
conforme a un patrón que permita luego volver a
ordenarlas
1.6.1. Codificación de la información
La información se codifica básicamente por la siguiente razón:
Índice
Porque necesitamos abreviaturas para operar

estadisticamente
En efecto, el trabajo estadístico requiere que los datos sean cortos

para que puedan entrar en las matrices y en las tablas de cálculo, el
SPSS permite que se opere con la información codificada sin que
pierda el titulo o denominación, así tiene la cabecera de la vista
variable se tiene: “Nombre” para el código y la cabecera “Etiqueta”
para un nombre largo de la variable.
Para el código Para el nombre largo
La codificación para operar variables cuando estas son categóricas,

también se puede realizar en el SPSS, así, en la vista variable se tiene
la cabecera “Valores” que al hacer clic sale un cuadro para introducir
la categoría y el código con el cual se va a operar (ver 1.6.2).
La codificación por lo general se realiza con las primeras letras o

iniciales del nombre de la variable o del indicador, en caso de las
categorías que se va a operar en el SPSS la codificación se realiza
mediante la asignación de números. En el ejemplo que venimos
desarrollando la codificación de la se realiza de la siguiente manera:
Codificación de la variable e indicador

Enunciado Código
La reparación del daño (Variable) RD
Reposición del bien (Indicador) RB

Pregunta sobre la reposición del bien RB1, RB2 y así
sucesivamente
Pago de su valor (Indicador) PV

Pregunta sobre el pago del valor del bien PV1, PV2 y así
sucesivamente
Modificación legislativa (Variable) ML
Modificable / no modificable M
Pregunta sobre la modificación de la ley M1 y así sucesivamente
Codificación de las categorías
Categoría Código
Sexo masculino 1
Sexo femenino 2
Funcionario público 1
Actividad privada 2
Docente 3
Menor de 30 años 1
De 30 a 50 años 2
Mayor de 50 años 3
Ordenación de las preguntas y respuestas
Mantener un orden en las preguntas puede tener algunas

complicaciones al momento de su aplicación, debido principalmente
a dos factores: a) A que todas las preguntas apuntan a una misma
dirección, situación que pudiera dar lugar a subjetividades y b) El
orden y su pertenencia a los indicadores, pueden ser consideradas
como muy sugerentes para que responda el encuestado, motivo por
el cual se considera que deben ser cambiadas, tanto en el orden de las
preguntas como en la dirección de la respuesta, esto, a efectos de
evitar subjetivismos al momento de aplicar el cuestionario, la
ordenación de preguntas y respuestas se hace conforme a un patrón
de alteración, para que luego de realizada la encuesta se regrese a su
posición inicial, pues los cálculos estadísticos necesitan la
uniformidad en el orden de las preguntas y en la dirección de las

respuestas.
Patrón de alteración
El patrón de alteración es el esquema que permite alterar la

orientación y el orden de las preguntas, en el presente ejemplo vamos
a cambiar el orden de las preguntas y la dirección de las respuestas y
luego de aplicado el cuestionario, regresaremos a su posición inicial
tanto las preguntas como invertiremos la dirección de las respuestas
para hacer los cálculos estadísticos como la confiabilidad, validez o la
prueba de hipótesis.
Item cambiado
Item normal
Respuesta
Respuesta
cambiada
Pregunta
normal
1 3 ¿Está usted de acuerdo en Directa = (el símbolo

que la falta de regulación de igual indica
la reposición del bien en la que no se
cambia el
ley 30057 Ley del Servicio
sentido de la
Civil evita que el Estado
repuesta
pueda recuperar su
patrimonio afectado por la
conducta del infractor?
2 5 ¿Está usted de acuerdo que Directa Indirecta
en el procedimiento
administrativo disciplinario
se exija al infractor junto a la
sanción la reparación del bien
afectado por la conducta del
infractor?
3 1 ¿Está usted de acuerdo en Directa =
que la exigencia de
reposición del bien dañado
en la vía judicial es un
Índice
4 2 ¿Está usted de acuerdo en Directa Indirecta

que la exigencia de
en la vía judicial podría
prescribir por la lentitud de
este proceso?
que la exigencia de la
en la vía administrativo
disciplinaria sería más célere
y más eficiente que en la vía
judicial?
que la falta de regulación del
pago del valor del bien en la
pueda recuperar su
7 6 ¿Está usted de acuerdo que Directa =
en el procedimiento
sanción del pago del valor del
bien afectado por la conducta
del infractor?
que la exigencia del pago del
valor del bien en la vía
judicial es un proceso lento e
ineficiente?
judicial podría prescribir por
la lentitud de este proceso?
administrativo disciplinaria
sería más célere y más
eficiente que en la vía

judicial?
que el procedimiento
sancionador que regula la ley
30057, Ley del Servicio Civil
se enfoca en el castigo al
infractor y desprotege el
patrimonio del Estado?
que la reposición del bien o el
pago de su valor exigidos en
la sanción administrativa
protegería el patrimonio del
estado?
que la reparación civil está
compuesta por la reparación
del daño y la indemnización
de los daños y perjuicios?
que la reparación del daño
implica la reposición del bien
y si no fuera posible el pago
de su valor?
sea también exigible en la vía
administrativo disciplinaria,
en cambio la exigencia de los
daños y perjuicios sea
exclusivo de la vía judicial?
que se justifica la
modificación legislativa
conforme al proyecto de ley
que se adjunta?
Como se puede apreciar se ha propuesto un nuevo orden de las

preguntas y el cambio en la dirección de las respuestas, realizando la
nueva formulación del cuestionario, se tendría del siguiente modo:
Cuestionario modificado.- listo para su aplicación
Índice
( ) Masculino
( ) Funcionario ( ) Femenino
público Sexo
Nivel
( ) Actividad
ocupacional: ( ) hasta 35 años
Privada Edad
( ) Docente ( ) de 35 a 50 años
( ) mayores de 50 años
INSTRUCCIONES
Se presenta un conjunto de afirmaciones sobre la INCORPORCION DE
LA REPARACIÓN DEL DAÑO EN EL PROCEDIMIENTO
ADMINISTRATIVO DISCIPLINARIO QUE REGULA LA LEY 30057, LEY
DEL SERVICIO CIVIL, para la defensa del patrimonio del Estado, a las que
se debe responder con la mayor sinceridad y veracidad posible de acuerdo a
las observaciones realizadas. No existen respuestas correctas o incorrectas. El
instrumento tiene carácter anónimo e individual. Se debe colocar una (X) en
el recuadro correspondiente de acuerdo a los siguientes enunciados
1 2 3 4 5
N° AFIRMACIONES OPCIONES
Preguntas 1 2 3 4 5

1 reposición del bien dañado en la vía judicial es
un proceso lento e ineficiente?
¿Está usted en desacuerdo en que la exigencia

de reposición del bien dañado en la vía judicial
2 podría prescribir por la lentitud de este
proceso?
¿Está usted de acuerdo en que la falta de
regulación de la reposición del bien en la ley
3 30057 Ley del Servicio Civil evita que el Estado
pueda recuperar su patrimonio afectado por la
¿Está usted en desacuerdo que en el

procedimiento administrativo disciplinario se
4 exija al infractor junto a la sanción la
reparación del bien afectado por la conducta
del infractor?
la reposición del bien dañado en la vía
5 administrativo disciplinaria sería más célere y
más eficiente que en la vía judicial?
6 del pago del valor del bien en la vía judicial es
un proceso bien lento e ineficiente?
regulación del pago del valor del bien en la ley
7 30057 Ley del Servicio Civil evita que el Estado
¿Está usted de acuerdo que en el
8 exija al infractor junto a la sanción del pago del
valor del bien afectado por la conducta del
infractor?
¿Está usted de acuerdo en que la exigencia del
pago del valor del bien en la vía administrativo
9 disciplinaria sería más célere y más eficiente
que en la vía judicial?
10 pago del valor del bien en la vía judicial podría
¿Está usted de acuerdo en que el
procedimiento sancionador que regula la ley
11 30057, Ley del Servicio Civil se enfoca en el
castigo al infractor y desprotege el patrimonio
del Estado?
¿Está usted de acuerdo en que se justifica la
12 modificación legislativa conforme al proyecto
de ley que se adjunta?
¿Está usted en desacuerdo en que la reposición
del bien o el pago de su valor exigidos en la
13 sanción administrativa no protegería el
patrimonio del estado?
¿Está usted de acuerdo en que la reparación
14 civil está compuesta por la reparación del daño
y la indemnización de los daños y perjuicios?

daño sea también exigible en la vía
15 administrativo disciplinaria, en cambio la
exigencia de los daños y perjuicios sea
16 daño implica la reposición del bien y si no
fuera posible el pago de su valor?
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL
1.6.2. Acopio de la información
Los datos de la aplicación del cuestionario requieren agruparse

para su ordenación, el medio donde por lo general se ordena la
información es en el mismo instrumento, pues puede haberse
alterado las preguntas conforme al patrón de alteración que se
desarrollará más adelante, no debe confundirse con la matriz2 de
datos que contiene la información ordenada y lista para su
procesamiento que puede hacerse en Word, Excel o SPSS, la
recolección o acopio puede hacerse del siguiente modo:
(12) Masculino
(11) Funcionario
(8) Femenino
público Sexo
Nivel
(6)Actividad
ocupacional: (5) Hasta 35 años
Privada Edad
(3) Docente (12) De 35 a 50 años
(3) Mayores de 50 años
2 La matriz de datos se desarrolla en el punto 1.5.4
INSTRUCCIONES
DEL SERVICIO CIVIL, para la defensa del patrimonio del Estado, a las que
se debe responder con la mayor sinceridad y veracidad posible de acuerdo a
las observaciones realizadas. No existen respuestas correctas o incorrectas. El
1 2 3 4 5
Preguntas 1 2 3 4 5

1 reposición del bien dañado en la vía judicial es 0 1 3 11 5

de reposición del bien dañado en la vía judicial
2 3 7 5 3 2
podría prescribir por la lentitud de este
proceso?
3 30057 Ley del Servicio Civil evita que el Estado 0 3 4 8 5
¿Está usted en desacuerdo que en el
4 exija al infractor junto a la sanción la 1 1 6 8 4
del infractor?
5 3 12 5 0 0
administrativo disciplinaria sería más célere y
6 del pago del valor del bien en la vía judicial es 0 1 4 5 10
un proceso bien lento e ineficiente?
Índice
8 exija al infractor junto a la sanción del pago del 0 0 3 11 6
infractor?
9 1 0 5 9 5
disciplinaria sería más célere y más eficiente
10 pago del valor del bien en la vía judicial podría 1 1 4 7 7
11 30057, Ley del Servicio Civil se enfoca en el 0 3 7 8 2
del Estado?
12 modificación legislativa conforme al proyecto 1 0 6 8 5
¿Está usted en desacuerdo en que la reposición
del bien o el pago de su valor exigidos en la
13 0 1 5 7 7
sanción administrativa no protegería el
14 civil está compuesta por la reparación del daño 0 2 3 7 8
15 administrativo disciplinaria, en cambio la 0 0 2 12 6
16 daño implica la reposición del bien y si no 4 9 4 3 0
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL
1.6.3. Reordenando a la forma inicial

del cuestionario
Luego de aplicar el instrumento, se procede a reordenar la

información en base al patrón de alteración, retornando al orden
inicial e invirtiendo el sentido de las preguntas y sus respuestas que
fueron cambiadas, así se tiene.
(12) Masculino
(11) Funcionario
(8) Femenino
público Sexo
Nivel
( 6) Actividad
ocupacional: (5) hasta 35 años
Privada Edad
(3) Docente (12) de 35 a 50 años
(3) mayores de 50 años
INSTRUCCIONES
DEL SERVICIO CIVIL, para la defensa del patrimonio del Estado, a las que se
debe responder con la mayor sinceridad y veracidad posible de acuerdo a las
observaciones realizadas. No existen respuestas correctas o incorrectas. El
1 2 3 4 5
V1: Reparación del daño 1 2 3 4 5
Índice

2 exija al infractor junto a la sanción la 0 0 5 12 3
del infractor?
3 reposición del bien dañado en la vía judicial es 0 1 3 11 5
reposición del bien dañado en la vía judicial
4 2 3 5 7 3
podría prescribir por la lentitud de este
proceso?
5 1 1 6 8 4
administrativo disciplinaria sería más célere y

7 exija al infractor junto a la sanción del pago del 0 1 4 5 10
infractor?
8 pago del valor del bien en la vía judicial es un 0 3 3 6 8
9 pago del valor del bien en la vía judicial podría 1 1 4 7 7
10 1 0 5 9 5
Índice
disciplinaria sería más célere y más eficiente

11 30057, Ley del Servicio Civil se enfoca en el 0 3 7 8 2
del Estado?
¿Está usted de acuerdo en que la reposición del
bien o el pago de su valor exigidos en la
12 0 3 4 9 4
sanción administrativa protegería el
13 civil está compuesta por la reparación del daño 1 0 6 8 5
14 daño implica la reposición del bien y si no 0 1 5 7 7
15 administrativo disciplinaria, en cambio la 0 0 2 12 6
16 modificación legislativa conforme al proyecto 0 2 3 7 8
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL
El análisis de la información es la parte donde se mide las

variables, en esta parte se determina en base a gráficos las
proporciones y se justifican los criterios de estudio, la medición se
realiza descriptiva e inferencial menté, el análisis descriptivo se
realiza evaluando las características del objeto de estudio, el análisis
inferencial se analiza ejecutando los cálculos estadísticos de
confiabilidad, validez y asociación. Para ello es necesario la formación

de la matriz de datos.
1.6.4. Elaboración de la matriz de

datos
La matriz de datos es el consolidado de la información que se

ordena una vez que la información ha sido acopiada y reordenada si
esta tuvo un patrón de alteración. El completamiento de la matriz de
datos se realiza directamente de las encuestas recopiladas, teniendo
en cuenta la ordenación realizada luego del acopio (me refiero a la
reordenación con el patrón de alteración si fuera el caso), pues cada
ítem (It) es uno de los encuestados y debe de mantenerse el orden de
sus preguntas, es decir la distribución de las respuestas se realiza fila
por fila conforme al cuestionario individual de cada encuestado, esto
a efectos de poder medir la consistencia y la validez.
Para el completamiento de la matriz de datos, es necesario tener en

cuenta el sentido de las preguntas hacia la misma dirección,
completadas con la codificación ordinal, pues el completamiento de
la matriz necesariamente se realiza con la información codificada, así
mismo es necesario tener en cuenta el orden o la secuencia de las
preguntas.
La matriz de datos toma en cuenta:
El sentido y orden de las preguntas (Luego de la ordenación)
Matriz de datos
El orden de las respuestas (cuestionario)
Debemos de recalcar la necesidad de mantener el orden tanto en

las preguntas como de las respuestas a efectos que tengamos un
procesamiento válido.
Ejemplo de matriz de datos

It Sex Pro Ed RB1 RB2 RB3 RB4 RB5 TRB PV6 PV7
1 1 1 1 4 3 2 2 1 12 4 4
2 1 2 2 4 4 4 1 2 15 5 4
3 1 3 2 2 4 4 3 3 16 3 2
4 1 1 1 5 3 3 1 4 16 4 4
5 1 1 2 3 5 5 2 4 19 3 3
6 1 2 1 4 5 3 3 3 18 4 4
7 2 1 3 5 3 5 2 4 19 3 4
8 2 1 1 3 4 5 4 4 20 5 3
9 1 3 3 4 5 4 5 3 21 5 5
10 2 3 1 4 4 3 4 3 18 4 3
11 1 1 2 2 3 4 3 4 16 4 3
12 1 1 3 5 3 4 3 3 18 4 5
13 1 1 2 4 4 5 4 5 22 5 5
14 2 2 2 3 4 4 3 3 17 4 5
15 1 1 2 2 4 4 5 4 19 4 5
16 1 2 2 5 4 4 4 5 22 5 5
17 2 2 2 4 4 4 4 4 20 4 5
18 2 1 2 4 4 4 4 5 21 4 5
19 2 1 2 3 4 4 4 5 20 4 5
20 2 2 2 5 4 5 5 4 23 5 5
Índice
PV PV9 PV TPV TV M1 M1 M1 M1 M1 M1
8 10 1 1 2 3 4 5 6
4 1 1 14 26 3 3 1 3 4 3
3 3 4 19 34 4 4 4 2 3 3
5 2 4 16 32 2 4 3 4 3 2
2 4 4 18 34 4 2 5 4 5 2
5 4 3 18 37 5 2 3 4 5 3
5 5 4 22 40 2 3 4 4 4 4
5 3 3 18 37 5 4 5 3 4 4
3 5 4 20 40 2 2 3 3 4 4
2 3 3 18 39 3 3 4 4 4 4
4 3 5 19 37 3 4 3 3 4 4
5 5 4 21 37 4 3 4 3 4 4
2 4 3 18 36 3 5 4 4 4 4
5 5 5 25 47 4 4 3 5 4 5
4 4 3 20 37 3 5 3 4 4 5
3 4 4 20 39 4 4 5 5 4 5
5 5 5 25 47 4 4 5 5 4 5
5 5 4 23 43 4 4 4 5 5 5
4 5 5 23 44 4 4 5 5 5 5
4 4 4 21 41 3 5 4 5 5 5
4 4 5 23 46 3 5 4 5 5 5
TM TV TT
2
17 17 43
20 20 54
18 18 50
22 22 56
22 22 59
21 21 61
25 25 62
18 18 58
22 22 61
21 21 58
22 22 59
24 24 60
25 25 72
24 24 61
27 27 66
27 27 74
27 27 70
28 28 72
27 27 68
27 27 73
La matriz permite hacer las operaciones estadísticas en el SPSS, se

puede elaborar en Word o Excel y permite copiar y pegar al SPSS.
Códigos de la matriz
En la matriz se ha considerado los siguientes códigos:
It Sex Pro Ed RB1 TRB PV6

Item Sexo Profesión Edad Reposición Total Pago de su
1= del bien indicador valor
Varón “reposición
2=Mujer del bien”
TPV TVRD M1 TM TT
Total Total Modificación Total indicador Total, total
indicador variable legal “modificación
“pago de reparación pregunta 1 legal”
su valor” del daño
1.6.5. La matriz de datos en el SPSS
La matriz de datos es el ordenamiento en tablas de doble entrada,

donde las columnas son las variables. Por lo general la primera
columna es el ID, que significa el identificador y va numerada
correlativamente, este identificador es necesario porque permite
regresar al orden inicial cuando se hayan modificado el orden de los
valores, por lo general las primeras columnas son para las variables
como el sexo, las edades u otro tipo de información que sea relevante
para las operaciones estadísticas.
La matriz de datos en el SPSS tiene dos tipos de vistas, en la vista

de variables, se configura la matriz para que se pueda ingresar los
datos, en la vista de datos sirve para el ingreso de los datos conforme
se ha configurado en la vista de variables.
La matriz en la “Vista de datos”
En esta vista se presenta un formulario para insertar los valores de

las variables
La matriz en la “Vista de variables”
En esta vista se presenta los valores de las variables que deben ser
configuradas para que se pueda insertar los datos
Índice
1.7. El Programa SPSS
Es un programa diseñado para hacer cálculos estadísticos, este

programa fue creado por la compañía IBM, en la actualidad se
encuentra en su versión N° 25, cuya versión de prueba lo puede
descargar gratuitamente de https://www.ibm.com/pe-
es/analytics/spss-trials
1.7.1. Configuración inicial
Al iniciar el programa de SPSS, versión 23, versión 24 o versión 25,

al iniciar nos abre una ventana, que sirve para abrir algún archivo
anteriormente guardado, si queremos crear uno nuevo, por lo general
se recomienda cerrar esta ventana, para comenzar a operar una nueva
matriz de datos.
Debemos cerrar la ventana (de arriba), quedándonos la siguiente

ficha de ingreso de datos. La primera ventana que se nos presenta al
abrir el SPSS es diferente en las versiones 23, 24 y 25 sin embargo
tienen la misma función que es presentar los documentos guardados
que se puede abrir.
Vista de datos y
Vista de variables
Esta es la ficha de ingreso de datos “vista de datos”, ingresaremos

los valores de las variables, sin embargo, antes, debemos de
configurar la “vista de variables”
1.7.2. Configurando la “vista de

variables”
La configuración se inserta en la “vista de variables”, que se ubica

en la parte inferior izquierda de la pantalla del SPSS:
En la ficha “vista de datos”, se tiene las siguientes columnas:
Nombre:
En esta columna se pone el nombre de la variable, por lo general

es un nombre corto, sin espacios y sin caracteres especiales, por lo
general lleva la codificación de las variables e indicadores.
Tipo3
Establece el tipo de medición que va a tener la variable, al hacer
clic, sale una ventana para elegir el tipo de valor que va a
ingresarse en la variable.
Numérico:
Una variable cuyos valores son números. Los valores se muestran

en formato numérico estándar. El Editor de datos acepta valores
numéricos en formato estándar o en notación científica.
3 Recuperado de:
https://www.ibm.com/support/knowledgecenter/es/SSLVMB_sub/stati
stics_mainhelp_ddita/spss/base/idh_defvar_type.html
Índice
Coma:
Una variable numérica cuyos valores se muestran con comas

que delimitan cada tres posiciones y con el punto como
delimitador decimal. El Editor de datos acepta valores
numéricos para este tipo de variables con o sin comas, o bien
en notación científica. Los valores no pueden contener comas
a la derecha del indicador decimal.
Puntos:
Una variable numérica cuyos valores se muestran con

puntos que delimitan cada tres posiciones y con la coma
como delimitador decimal. El Editor de datos acepta valores
numéricos para este tipo de variables con o sin puntos, o bien
en notación científica. Los valores no pueden contener
puntos a la derecha del indicador decimal.
Notación científica:
Una variable numérica cuyos valores se muestran con una E

intercalada y un exponente con signo que representa una
potencia de base 10. El Editor de datos acepta para estas
variables, valores numéricos con o sin el exponente. El
exponente puede aparecer precedido por una E o una D con
un signo opcional, o bien sólo por el signo (por ejemplo, 123,
1,23E2, 1,23D2, 1,23E+2 y 1,23+2).
Fecha:
Una variable numérica cuyos valores se muestran en uno de

los diferentes formatos de fecha-calendario u hora-reloj.
Seleccione un formato de la lista. Puede introducir las fechas
utilizando como delimitadores: barras inclinadas, guiones,
puntos, comas o espacios. El rango de siglo para los valores
de año de dos dígitos está determinado por la configuración
de las opciones (en el menú Edición, seleccione Opciones y,

a continuación, pulse en la pestaña Datos).
Dólar:
Una variable numérica que se muestra con un signo dólar

inicial ($), comas que delimitan cada tres posiciones y un
punto como delimitador decimal. Se pueden introducir
valores de datos con o sin el signo dólar inicial.
Moneda personalizada:
Una variable numérica cuyos valores se muestran en uno de

los formatos de moneda personalizados que se hayan
definido previamente en la pestaña Moneda del cuadro de
diálogo Opciones. Los caracteres definidos en la moneda
personalizada no se pueden emplear en la introducción de
datos, pero sí se mostrarán en el Editor de datos.
Cadena:
Una variable cuyos valores no son numéricos y, por lo tanto,

no se utilizan en los cálculos. Los valores pueden contener
cualquier carácter siempre que no se exceda la longitud
definida. Las mayúsculas y las minúsculas se consideran
diferentes. Este tipo también se conoce como variable
alfanumérica.
Numérico restringido:
Una variable cuyos valores están restringidos para enteros

no negativos. Los valores aparecen con los ceros iniciales
llenando el ancho máximo de la variable. Los valores se
pueden introducir en notación científica.
Índice
Anchura
Es la distancia o cuantos dígitos va a tener la variable como limite
Decimales
Son para poner el número de decimales que queremos tenga la

variable. Solo aplica en variables de escala.
Etiqueta
Sirve para nombrar a la variable, a diferencia de la primera

columna “nombre” que es para nombres precisos, esta columna
acepta nombres largos y cualquier tipo de caracteres especial,
cuando completamos una encuesta, en este espacio va la pregunta
realizada.
Valores
Solamente se usa para aquellos casos nominales u ordinales, se

representa mediante valores los conjuntos nominales o los
conjuntos ordinales, al hacer clic sobre esta casilla, obtendremos la
siguiente ventana:
En la casilla valor ponemos el número que representará el grupo

nominal u ordinal, en la etiqueta ponemos el nombre al que será
representado por el valor numérico, al hacer clic en añadir, la

codificación se agregará y podemos ir aumentando todas las
codificaciones que requiera la variable.
Perdidos
Los valores perdidos el programa SPSS los excluye no los toman

en cuenta solo los toman en cuenta cuando son ingresados, son
datos perdidos, por ejemplo, las preguntas que el encuestado se
niegue a responder.
Es una información importante cuando tenemos información

faltante dentro de las encuestas
Columnas
Damos un valor de que tan ancho queremos que sea la columna
Alineación
Permite configurar la alineación a la izquierda a la derecha o

centrada.
Medida
Sirve para establecer el tipo de valor que va a tener la variable,

que puede ser en escala, nominal u ordinal.
De escala
Elegimos este tipo de medida cuando la variable se mide en

números, esta puede ser de razón o de escala (decimos que es
de razón cuando el cero indica ausencia de atributo, por ejemplo,
decir cero años, significa ausencia de espacio temporal, esto no
sucede cuando decimos cero grados centígrados no significa
ausencia de temperatura), la variable medida en escala,
permiten comparaciones de distancia entre valores, esto se
puede aplicar en mediciones de edades, de ingresos o de peso.
Nominal
En este caso la discriminación de la variable no se hace por

cantidades, sino por sus cualidades, la clasificación es
indiferente a un orden de los grupos, por ejemplo,
distinguimos hombres de mujeres, sanos de enfermos, etc.
Ordinal
La discriminación de la variable no se hace por cantidades ni

por cualidades, en este caso se hace por niveles de
importancia, por una clasificación intrínseca que se selecciona
en categorías pero que estas tienen un orden de prelación, por
ejemplo, cuando seleccionamos los ganadores de una
competencia atlética, entonces categorizamos a los ganadores
del primer puesto, del segundo y del tercer puesto.
1.7.3. Insertando los datos
Luego de configurar la “vista de variables”, vamos a la “vista de

datos”, donde se insertan los datos conforme al valor configurado
para cada variable.
2 Cálculo de una
Muestra
El cálculo de una muestra es una operación estadística que tiene
lugar cuando la muestra es del tipo aleatoria simple, para analizar el
tema es necesario tener en cuenta los siguientes conceptos:
2.1. Población y Muestra
La población
La población es el conjunto de objetos que tienen características

comunes que van a ser objeto de estudio, se denomina población al
conjunto completo de elementos, con alguna característica común,
que es el objeto de nuestro estudio, puede ser población un conjunto
definido y determinado como por ejemplo los alumnos del 5to grado
del Colegio San José de Jauja, 2018, y también puede ser un conjunto
indefinido como por ejemplo el conjunto de mascotas.
Clases de poblaciones:
N° de habitantes
de una ciudad
Finitas
N° de vehículos
de una empresa
Clases de
Poblaciones
N° de aves
Infinitas
Cantidad de
granos de arena
Esta clase de poblaciones tiene importancia para el cálculo, pues

tendrán diferentes fórmulas para hallar la muestra.
La población y la población de estudio
Llamamos población al conjunto de individuos que pertenecen a

una especie o género, que son objeto de estudio y que tienen una
característica común, así por ejemplo podemos estudiar a los
pacientes de alguna enfermedad, a los estudiantes de un colegio, a los
trabajadores de una empresa, etc. Un sector de la doctrina considera
que población es el género es decir si vamos a estudiar a los alumnos
de un colegio, entonces los alumnos en general es la población y la
población de estudio indican que sería parte de esa población, pero
delimitada por criterios de selección, así, vendría a ser los alumnos
del Colegio Miguel Grau del distrito de Socabaya, Arequipa y recién
de esta población delimitada tendríamos la muestra.
Ejemplo:
Población: Alumnos de secundaria
Población de estudio: Alumnos de secundaria del Colegio Miguel

Grau del distrito de Socabaya, Arequipa.
Muestra: 10 alumnos por aula
Al respecto no estamos de acuerdo con esta clasificación de la

población, consideramos que la población viene establecida en el
enunciado de investigación y no cabe hacer la diferenciación entre
población y población de estudio. Por ejemplo, supongamos que
tenemos el siguiente enunciado:
“Relación entre adolescentes sobreprotegidos y los rasgos

psicopáticos en los alumnos del primero al tercero de secundaria, en
el distrito de Miraflores, Arequipa, 2019”
En este caso la población de estudio serán tolos los alumnos del

primero al tercero de secundaria de todos los colegios de Miraflores
en Arequipa en el 2019 y de la cual se extraerá la muestra para

estudiar. Ahora, diferente es el caso si el enunciado del problema
tiene la siguiente redacción:
“Relación entre adolescentes sobreprotegidos y los rasgos

psicopáticos en los alumnos del primero al tercero de secundaria, en
el Colegio Hipólito Unanue del distrito de Miraflores, Arequipa,
2019”
En este caso la población de estudio es más reducida y debido a

que cada grado tiene como 8 secciones, se considera extraer una
muestra estadística, entonces se tiene:
Población: 1200 alumnos
Muestra: 220 alumnos
Como podemos apreciar, el conjunto de individuos que conforman

la población de estudio y de la cual se va a extraer la muestra es
relativo, pues está definido por el objeto de estudio que se indica en
el enunciado de la investigación, que en algunos casos puede ser igual
a la muestra, por ejemplo si se hace un estudio sobre el volcán Misti,
no podemos decir que la población son todos los volcanes, porque en
el enunciado ya está identificado el objeto de estudio, en este caso “los
volcanes” sería el universo, pero no la población o población de
estudio.
El uso de los criterios de selección no es para diferenciar la

población de la población de estudio, sino los criterios de selección es
una forma de muestreo intencionado, se usa para obtener una
muestra normalmente cualitativa y no para obtener una población de
estudio de una población en general, consideramos que esta
distinción que utiliza los criterios de selección para separar una
población de estudio de una población en general es equivocada. La
población siempre se encontrará en el enunciado de la investigación
y el investigador elegirá estudiar toda la población o con una muestra
para lo cual aplicará alguno de los tipos de muestreo antes indicado.
Índice
La muestra
La muestra es una parte de la población que la representa, al ser la

muestra de un tamaño pequeño, facilita a realizar estudios y cálculos
que serán aplicable a toda la población. La finalidad de la muestra es
poder hacer estudios con una porción pequeña de la población
obteniendo resultados como si trabajáramos con toda la población.
Relación entre población y muestra
Hay representatividad
No hay representatividad
La muestra no solo debe ser parte de la población, es importante que la

represente, es decir que tenga las mismas características de la
población, que sea relevantes para el estudio, pero en tamaño reducido
Por ejemplo, si se analiza a la población conformada por las líneas

aéreas que prestan servicios de Perú a Europa y Norteamérica, la
muestra también debe considerar que los elementos seleccionados
cubran esos destinos, si tomamos como muestra solo a las líneas
aéreas con destino a Europa y no a Norteamérica, no habría
representatividad, es decir que la muestra debe conservar las
mínimas características de la población que van a influir en las
Índice
operaciones de cálculo. Otro ejemplo puede ser: Un estudio sobre el

bullying que se realice en un colegio, con el siguiente enunciado:
“Análisis de las causas del bullying en el colegio Carlos Meza de
Paucarpata en Arequipa 2019”, en este caso la población de estudio
está conformado por todos los integrantes del colegio Carlos Meza,
esto es:
1.- El director
2.- El personal administrativo
3.- Los profesores
4.- Los alumnos
Entonces, no se podría extraer una muestra para el estudio de solo

el conjunto de alumnos, porque no sería representativa de todo el
colegio, pues la muestra debería involucrar a todos los integrantes de
dicho colegio, esto es al director, al personal administrativo, a los
profesores y alumnos, en otras palabras, la muestra debe ser un
colegio en miniatura si se puede graficar de esa manera.
La muestra debe tener una cantidad mínima en relación a la

población y al error que se quiera asumir. Cuanto más grande sea la
muestra y se acerque al tamaño de la población, los cálculos serán más
exactos y cuanto más reducido sea y se aleje del tamaño de la
población los cálculos tendrán más error. El trabajo con la muestra en
vez de trabajar con toda la población, tiene las siguientes ventajas:
Reduce los costos de las operaciones estadísticas

Facilita y simplifica las operaciones
Cuando el número de la población es desconocida,
sustituye los valores de la población con cierta
probabilidad de error
Facilita el acceso a la información cuando el trabajo con
toda la población resulta difícil.
2.1.1. Intervalo de confianza
Es el valor mínimo y máximo en que puede encontrarse un valor

con cierto pronóstico de confianza, este intervalo está comprendido
entre dos valores simétricos medidos desde el punto medio.
Elementos
1.- Nivel de confianza:
Es la porción debajo de la curva que puede encontrarse el

parámetro, esto es 95% y es igual a = 1-α y por lo general se asume
valores del 90%, 95% y 99%.
2.- Nivel de riesgo:
Llamada también nivel de significación, es la parte de los extremos

de la distribución, el riesgo es la posibilidad que el parámetro se
encuentre en los extremos (fuera del nivel de confianza), por lo
general el riesgo que se asume es del 5% y se denota α = 5%, que
dividido en sus dos extremos es 2.5%, así α/2 = 2.5%, a su vez ese
2.5% como valor Z = 1.96
Como podemos apreciar el nivel de confianza se relaciona

directamente con el riesgo, pues son complementarios y sumados dan
el 100%
Límite de confianza
Es similar al nivel de confianza, pero no es igual, el límite de

confianza está conformado por los puntos donde se separa el nivel de
Índice
confianza con el riesgo. La media es la línea media que divide en dos

lados iguales a la distribución, por tanto, para hallar el límite inferior
se resta y para hallar el límite superior se suma el mismo valor.
El error
Se relaciona con el límite de confianza, es la probabilidad que el

valor buscado no se encuentre dentro del límite de confianza.
Debemos aclarar que el error no es lo mismo que el riesgo, pues este
último es la parte que se queda fuera de la probabilidad, en cambio el
error es la probabilidad que el valor no se encuentre en la zona de
aceptación.
Debemos de tener en cuenta que Z son los puntos donde limita el

intervalo de confianza y α es la zona de riesgo, de esta manera se
relacionan:
Cuando α = 10%, entonces α/2=5%, que es igual a 0.05, Z=1.645
Cuando α = 5%, entonces α/2=2.5%, que es igual a 0.025, Z=1.96
El intervalo de confianza es una porción de valores en las cuales se

confía que se encuentra el verdadero valor.
El intervalo de confianza, es un sector donde se puede

encontrar el valor real con cierto nivel de confianza
• Si el intervalo es más corto, el valor real será más preciso, pero

con más margen de error
• Al contrario, si el intervalo es más grande el valor real será más

imprecisó, pero con menos margen de error.
Continua en el 7.5.2…→
Concepto de inferencia:
INFERIR: Significa obtener conclusiones a partir de

hechos generales o particulares. En estadística
significa obtener resultados para la población a partir
de una muestra
POBLACIÓN
MUESTRA Permite hacer

Cálculos para
INFERIR a la
Población
Estadístico Parámetro
(Conocido) (Desconocido)
Relación entre población y muestra
Muestra (n)
Parte de la poblacion que es
representativa de todo el
conjunto.
Población (N)
Conjunto de todos los
elementos con
caracteristica comunes que
son objeto de estudio
Índice
Universo
Son todos los elementos que comparten características comunes
Población
Son todos los elementos que se va a estudiar en una investigación
Muestra
Parte de la población que la representa, permite que los resultados

de su estudio sean válidos para la población
Muestreo
Procedimiento por el cual se selecciona la muestra
Individuo
Es cada uno de los elementos de la población
Dato
Es cada una de las respuestas que obtengo al medir a cada

individuo
2.2. Técnicas de muestreo
La extracción de la muestra requiere de técnicas de selección y

extracción de la muestra, en ese sentido tenemos los muestreos al azar
que por lo general se aplica a las investigaciones cuantitativas y los
muestreos a elección que son aplicables a las investigaciones
Índice
cualitativas, pero en realidad las investigaciones son complejas y un

tipo de muestreo se puede aplicar a una u otra investigación.
Entre las clases de muestreo tenemos los siguientes:
M m
Aleatorio simple
Estadístico Aleatorio estratificado
Sistemático
Clases de
muestreos
Accidental
Por elección Por conveniencia
Intencional
Diferencia entre cálculo de la muestra y tipo de muestreo
La muestra es el cálculo del tamaño de la muestra que, con cierto

error de cálculo, se puede obtener. En cambio, el tipo de muestreo es
la forma como se elige la muestra de la población. Así podemos decir
que las clases de muestreos son a) Los muestreos estadísticos y sus
formas de extracción de la muestra son: el aleatorio simple, el
aleatorio estratificado y el sistemático, b) los muestreos por elección
y sus formas de extracción de la muestra son: El accidental, por
conveniencia y el intencional.
2.2.1. Muestreo estadístico
Índice
Este tipo de muestreo se realiza mediante cálculos estadísticos,

conforme a un margen de error que el investigador está dispuesto a
aceptar.
Elección de la muestra
Debemos de distinguir de la clase de muestreo que puede ser

estadístico o por elección de la muestra. En los muestreos estadísticos,
la elección de la muestra puede ser del tipo aleatorio simple, el
aleatorio estratificado y el muestreo sistemático. Muchas veces se
confunde la elección de la muestra con el cálculo de la muestra
estadística, pues ambas son cosas diferentes.
Así, mientras que el cálculo de la muestra puede ser estadístico, es

decir calculando la representatividad en base a un error y un nivel de
confianza que estamos dispuestos a asumir, en cambio la extracción
de la muestra se realiza en un segundo paso, luego de calculada la
muestra, la elección de los individuos se hace en forma aleatoria
simple, estratificada o sistemática.
Muestreo aleatorio simple
En este tipo de muestreo, cada elemento de la población está en

la misma capacidad de ser seleccionada, pero el simple azar
hace que se elija el número de elementos que van a conformar
la muestra, este número esta previamente definido mediante el
cálculo de muestreo.
Muestreo aleatorio estratificado
En este tipo de muestreo la población se divide en estratos para

luego hacer la selección de cada estrato conforme al muestreo
aleatorio simple. La muestra que se extrae en cada estrato es
proporcional al número poblacional del estrato.
Muestreo sistemático
Índice
Este muestreo consiste en elegir a la población en base a

características pre definidas que se presenta como patrón para
la selección, por ejemplo, se puede establecer como patrón el
número 10, de modo que cada 10 individuos se escoja a uno.
2.2.2. Muestreo por elección
Llamado también muestreo no probabilístico4, considera una

muestra elegida por el investigador conforme a criterios de elección o
circunstancias que no permiten la elección por azar. El muestreo por
elección tiene mayor afinidad con las investigaciones cualitativas.
Los tipos de muestreo o formas de elección de la muestra
En este tipo de muestreo por lo general el cálculo de la muestra se

realiza junto a la elección de la muestra. El investigador identifica a la
población de estudio y propone los criterios de selección para la
inclusión y exclusión de los individuos, en este caso a la vez que
identifica la muestra, también identifica los individuos que van a ser
objeto de la extracción muestral, que puede ser del tipo accidental,
por conveniencia e intencional.
Muestreo accidental
Se obtiene la muestra por la ocurrencia de eventos naturales

causales sin la intervención de la voluntad del investigador, en
este caso se considera como muestra cuando cumple con alguna
condición propuesta previamente por el investigador.
Muestreo por conveniencia
Se considera a la selección de la muestra de acuerdo a la

aceptación del sujeto a ser evaluado, en este caso el investigador
4 Se denomina no probabilístico, debido a que los individuos no están en

la misma posibilidad de ser elegidos por el azar.
Índice
no tiene la libertad de seleccionar libremente la muestra, pues

se requiere que la persona preste su consentimiento y
aceptación.
Muestreo intencional
En este muestreo la selección de la muestra se realiza conforme

a criterios de conveniencia que tenga el investigador, en este
caso se tiene en cuenta criterios de inclusión y criterios de
exclusión que son propuestos convenientemente al propósito
del estudio.
2.3. Cálculo del tamaño de una

muestra
El cálculo de una muestra, difiere según el enfoque de

investigación. El cálculo muestral es diferente para el enfoque
cualitativo que, para el enfoque cuantitativo, así se tiene:
MUESTRA Se estiman proporciones

CUALITATIVA %
MUESTRA Se estiman promedios

CUANTITATIVA
2.3.1. Cálculo de una muestra

cualitativa
La muestra es cualitativa cuando su determinación no es una

cantidad concreta, sino en base a una proporción, las cantidades no
son números exactos, sino una parte de la población que puede variar
según el tamaño que tenga la población, por tanto, su cálculo tampoco
Índice
se realiza por cantidades exactas, sino en proporciones (%), para ello

es necesario saber si se conoce el número de la población o no se
conoce.
A. Para casos donde la población es infinita o

desconocida
En estos casos se aplica la siguiente formula:
𝒁𝟐 𝑷𝑸
𝒏=
𝑬𝟐
Donde
n = Es el tamaño de la muestra
Z = Es el nivel de confianza
p = Es la variabilidad positiva
q = Es la variabilidad negativa
E = Es la precisión o el error
B. Para casos donde la población es conocida
En estos casos se utiliza la siguiente formula:
𝑵𝒁𝟐 𝑷𝑸
𝒏=
(𝑵 − 𝟏)𝑬𝟐 + 𝒁𝟐 𝑷𝑸
Donde
n = es el tamaño de la muestra
Z = es el nivel de confianza
p = Es la variabilidad positiva (Es la probabilidad que ocurra el suceso

esperado)
q = es la variabilidad negativa
N = es el tamaño de la población
E = es la precisión o el error
Ejercicios
Se desea estimar la proporción de negligencias médicas en el Perú,

con una confianza del 95% y un error del 5%
Datos:
Confianza = 95% = Z = 1.96 →Este valor lo obtenemos de la tabla Z, que

para el 95% corresponde 1.96
Error = 5% = 0.05 →Que resulta de dividir 5/100
P = Es el número de pacientes que van a ser objeto de algún tipo

de negligencia médica (Si no se conoce el número, se considera que p =
q = 50% que a su vez es igual a: 0.5)
𝑍 2 𝑃𝑄
Reemplazando en la fórmula: 𝑛 =
𝐸2
1.962 0.5 𝑥 0.5

𝑛= = 384.16
0.052
Repuesta: Si se desea estimar el porcentaje de pacientes del Perú

para saber la proporción de casos de negligencias
médicas con una confianza del 95% y un error del 5%,
se necesita una muestra de 385 pacientes
2.3.2. Cálculo de una muestra

cuantitativa
Son muestras cuantitativas aquellas dimensiones, donde la

medición de las variables se realiza numéricamente en cantidades
determinadas, por ejemplo: Se puede investigar cuanto gasta una ama
de casa en promedio al día, en gastos de alimentación; se puede
Índice
calcular cuánto pesa en promedio un peruano o cuanto es en

promedio la talla de un peruano.
Al igual que para las muestras cualitativas, en las cuantitativas

también será importante determinar si se conoce o no el número de la
población, pues en cada caso las fórmulas serán diferentes:
Fórmula cuando se conoce el número de la población
𝑍 2 б2
𝑛=
𝐸2
Donde:
n = es el tamaño de la muestra
Z = es el nivel de confianza
б = es la desviación estándar
E = es la precisión o el error
Fórmula cuando no se conoce el número de la población
𝑁𝑍 2 б2
𝑛=
(𝑁−1)𝐸 2 +𝑁𝑍 2 б2
Donde:
N = Es el tamaño de la población
Z = Es el nivel de confianza
б = Es la desviación estándar
E = Es la precisión o el error
El cálculo de una muestra con programas online
Índice
Para hacer el cálculo de una muestra, tenemos varios programas

online que nos pueden ayudar, entre ellos tenemos:
www.corporacionaem.com/tools/calc_muestras.php
www.questionpro.com
www.netquest.com
2.3.3. Cálculo de una muestra en el

SPSS
El programa SPSS puede extraer la muestra en forma aleatoria de

la base de datos que registramos en la matriz del SPSS, el
procedimiento es el siguiente:
1.- Confeccionar una base de datos de toda la población
En el presente ejemplo hemos hecho una población de datos con

750 resoluciones del 2019.
2.- Hacemos el cálculo
En este caso no vamos a calcular el numero de la muestra que se

puede hacer con las calculadoras online antes indicadas, sino en esta
operación se va a realizar la elección aleatoria de la muestra, por tanto
Índice
necesitamos tener el número de la muestra, para la extracción

aleatoria, vamos a “Datos” del menú del SPSS, luego a “Seleccionar
casos”, donde obtendremos el siguiente cuadro:
En este cuadro hacemos clic en la casilla “Muestra aleatoria de

casos”, donde se habilitará el botón “ejemplo” el cual debemos hacer
clic y se abrirá la siguiente ventana:
En esta ventana podemos elegir entre un tamaño de la muestra en

forma aproximada o en un tamaño de la muestra exacto, de elegir
aproximadamente, debemos de dar el valor aproximado que
queremos y si elegimos exactamente debemos de poner cuantos casos

del total queremos que el programa lo elija en forma aleatoria. En el
ejemplo se eligió una muestra de 30 de los 750 casos que tiene la
matriz. Damos “aceptar” y en el cuadro, hacemos clic en “copiar casos
seleccionados a un nuevo conjunto de datos”
En el cuadro “nombre de conjunto de datos” debemos poner un

nombre que tendrá la nueva matriz con los datos seleccionados
aleatoriamente por el SPSS, luego en aceptar y se abrirá una nueva
matriz conteniendo las muestras escogidas en forma aleatoria, esta
matriz tendrá el nombre indicado en el cuadro.
3 Confiabilidad del
Instrumento
La confiabilidad del instrumento es un cálculo estadístico

obligatorio si tenemos un instrumento de medición en la tesis,
decimos que un instrumento es confiable cuando observamos que el
instrumento en repetidas pruebas en condiciones similares, tiene el
mismo resultado, motivo por el cual confiamos que el instrumento va
a medir, es decir va a discriminar valores de acuerdo a la variabilidad
de los resultados del instrumento, la medición de la confiabilidad se
realiza midiendo el grado de sus varianzas o de sus correlaciones.
Diferencia entre confiabilidad y validez
1.-No hay validez 2.-Hay confiabilidad 3.-Hay validez y
Ni confiabilidad pero no validez Hay confiabilidad
Caso 1.
No hay validez porque los tiros están lejos del blanco y no hay
confiabilidad porque los tiros están dispersos.
Índice
Caso 2.
Hay confiabilidad porque el instrumento en repetidas

oportunidades arroja la misma medición, esto se puede evidenciar
cuando los tiros van a un solo lugar, en cambio no hay validez porque
el instrumento no mide lo que debe medir, en el ejemplo, los tiros
están dirigidos a un solo lugar, pero que no es el blanco, es decir el
instrumento no permite alcanzar el objetivo que es impactar en el
punto medio.
Caso 3
En este caso existe confiabilidad porque los tiros están próximos

uno del otro y hay validez porque todos ellos dan al blanco, es decir
miden lo que deben medir.
Para el cálculo de la confiabilidad, existen dos tipos de cálculos

más conocidos, el estadístico KR-20 que es una variante del Alfa de
Crombach y se aplica a instrumentos con respuestas dicotómicas (si o
no, verdadero o falso, etc) y el estadístico Alfa de Crombach para
instrumentos que tienen tres o más respuestas alternativas.
Para instrumentos
KR-20
dicotómicos
Alfa de Para instrumentos

Crombach politómicos
3.1. El estadístico KR-20
El estadístico KR-20, es en sí una variante del Alfa de Crombach

con la particularidad que es para variables dicotómicas, es decir que
evalúa la confiabilidad que se miden con solo dos valores (si, no;
verdadero, falso; presente o ausente), lleva los nombres abreviados
de Kuder Richardson y consiste en medir la consistencia interna por
Índice
medio de una división entre la varianza verdadera o la suma de las

covarianzas de los ítems y la varianza de las puntuaciones totales de
la prueba. Las fórmulas tienen diferencias, pero el procedimiento de
cálculo con el SPSS es el mismo para el KR-20 con el alfa de Crombach.
Formula:
𝑛 ∑ 𝑝𝑗.𝑞𝑗
KR 20 =[ ] [1 − 2 ]
𝑛−1 𝑆𝑋
Ejemplo:
Se aplicó un cuestionario de 4 preguntas a 6 personas con

preguntas dicotómicas, donde la respuesta “no” equivale a un cero
(o) y la respuesta “si” equivale a un uno (1), así se tiene:
Preguntas
Alumnos
P1 P2 P3 P4
A1 1 1 1 0
A2 1 1 1 1
A3 0 0 0 1
A4 1 1 0 0
A5 0 0 0 0
A6 1 0 1 1
En primer lugar, elaboramos la matriz
Esta sería nuestra matriz de datos en el programa SPSS
Índice
Posteriormente, vamos a “Analizar”, “Escala” y “Análisis de

fiabilidad”
Luego nos saldrá el siguiente cuadro:
Donde debemos pasar variables de las preguntas (P1, P2, P3, P4)
al lado derecho, al cuadro “Elementos” y luego clic en “Estadísticos”,
donde se abrirá el siguiente cuadro, donde debemos de activar los
iconos sobre los cálculos descriptivos tales como elemento, escala y
escala si se elimina un elemento. El cuadro tiene otras opciones como
Índice
el resumen de las medias, las varianzas o de las correlaciones y la

tabla del ANOVA con los cálculos de chi cuadrado, que también
pueden ser elegidos si requerimos esa información.
En este cuadro seleccionamos “Elemento”, “Escala” y “Escala si se

elimina un elemento”. El cálculo se realiza con Alfa de Crombach,
porque el KR20 es una variante de esta.
Índice
Damos continuar y aceptar, Luego en el visor de resultados

tendremos:
Estadísticas de fiabilidad
Alfa de
Cronbach N de elementos
,615 4
Indicando que el resultado del KR20 es 0.615, lo cual indica un

instrumento con una buena fiabilidad, pues debe tenerse en cuenta
los parámetros de fiabilidad del KR – 20 son los mismos que para el
Alfa de Crombach.
3.2. El Alfa de Crombach
El Alfa de Crombach es la media ponderada de las correlaciones

de las variables que forman parte de una escala, hay dos formas de
hacer el cálculo, por un lado, tenemos el Alfa que se calcula a partir
de sus varianzas y el Alfa que se calcula por las correlaciones de los
ítems, llamado también Alfa de Crombach estandarizado.
• A partir de las varianzas
A partir de las varianzas, el alfa de Cronbach se calcula así:
𝑘 ∑𝑘 2
𝑖−1 𝑆𝑖
=[ ] [1 − ]
𝑘−1 𝑆𝑡2
Donde:
𝑆𝑖2 = Es la varianza de los valores totales observados.
𝑠𝑡2 = Es la varianza de los valores totales observados
Índice
K = Es el número de preguntas o ítems
• A partir de las correlaciones entre los ítems
A partir de las correlaciones entre los ítems, el alfa de Cronbach

estandarizado se calcula así:
𝑘𝑝
est =
1+𝑝(𝑘−1)
Donde:
• k es el número de ítems
• p es el promedio de las correlaciones lineales entre cada uno
de los ítems (se tendrá [k(k – 1)]/2 pares de correlaciones).
Aplicación:
Se utiliza para cuantificar el nivel de fiabilidad de una escala de

medición, por medio del índice de consistencia interna del
instrumento, varía de 0 a 1, cuando está más cerca del 1 indica mayor
consistencia.
Ejercicios
Calcular el Alfa de Crombach de la encuesta de 10 preguntas

efectuada a 12 personas, mediante un cuestionario con escala ordinal
de 5 niveles (Muy en desacuerdo, en desacuerdo, indiferente, de
acuerdo, muy de acuerdo)
Para ello, en primer lugar elaboramos la matriz de datos en el

programa SPSS, configurando en la vista de variables las variables
ordinales, así tenemos:
Índice
Paso 1: Elabora la matriz de datos
Configurar la vista de variables de la matriz de datos del SPSS

conforme a la siguiente imagen
Paso 2: Completar la vista de datos del SPSS
En primer lugar, debemos de elaborar la matriz de datos, donde

los números de la primera columna corresponden al identificador
(ID), luego se tiene las respuestas de las personas encuestadas
previamente codificadas para cada pregunta que se encuentran en las
columnas con la letra P, las respuestas se distribuyen conforme a los
cuestionarios que fueron resueltos por los encuestados.
Índice
Paso 3
Calcular el Alfa de Crombach
Para ello hacemos clic en “Analizar”, “Escala”, “Análisis de

fiabilidad”.
A continuación, debemos seleccionar las preguntas y pasar a

“elementos”. Para la medición del Alfa de Crombach, solo se miden
Índice
las preguntas, debemos evitar poner otros ítems como el sexo, la

profesión o la edad que puede estar en la matriz, pero no entran en el
cálculo del Alfa, solo entran los valores de las preguntas.
En estadísticos marcar las siguientes casillas
Damos continuar y luego aceptar y tendremos el siguiente

resultado en el visor del SPSS
Índice
Donde se indica un alfa = 0.277
Que, conforme a la escala, significa una fiabilidad baja
3.2.1. Mejorar el nivel del Alfa de

Crombach
Para mejorar el Alfa de Crombach, se requiere analizar y corregir

las inconsistencias que tienen las preguntas del cuestionario, entre los
principales problemas que pueda tener esta:
Las preguntas no
apuntan igual
Causas de Alfa de
Crombach bajo
Las preguntas no son
discriminantes
A. Las preguntas no apuntan igual
Índice
Debemos de tener en cuenta que el estadístico calcula la

consistencia interna del instrumento, en ese sentido, se mide
categorías que pueden ser dicotómicas (ejem: si o no) o de varias
alternativas (ejem: Muy en desacuerdo, en desacuerdo, ni de acuerdo
ni en desacuerdo, de acuerdo y muy de acuerdo), la orientación de la
escala debe ser uniforme para las preguntas, así el extremo muy en
desacuerdo o muy de acuerdo deben estar orientados a medir en el
mismo sentido la magnitud o criterios de la variable, sin embargo, el
problema de tener preguntas en una misma dirección, hace evidente
el propósito del investigador y puede dar lugar a que el encuestado
advierta el propósito y tenga un sesgo subjetivista en contra de la
encuesta, para evitar ello se puede alterar la dirección de la pregunta
en base a un patrón de alteración que para el momento de realizar las
operaciones estadísticas se repone a su primera orientación.
Ejemplo:
Se tiene el siguiente enunciado:

patrimonio del Estado, Perú, 2019.”
Sean las variables:
Variable 1: Reparación del daño
• Reposición del bien
• Pago del valor del bien
Variable 2: Modificación legislativa
• Modificación legislativa
Hipótesis:
(…)
Índice
Es posible que existan deficiencias en la reparación del daño en el

la defensa del patrimonio del Estado, Perú, 2019
Preguntas A B C D E
30057 Ley del Servicio Civil evita que el Estado
junto a la sanción, la reparación del bien
reposición del bien dañado en la vía judicial es
…
En este caso las preguntas van dirigidas a medir “La necesidad de

modificar la reparación del daño en el procedimiento administrativo
disciplinario que regula la ley 30057 …”, en el indicador: reposición del
bien, donde las categorías A, B, C, D, E se orientan de muy en
desacuerdo a muy de acuerdo, que es en este último extremo que va
a fundamentar a la segunda variable que es justificar “una
modificación legislativa” conforme se propone en la hipótesis.
Un cuestionario con preguntas contradictorias sería el siguiente:
Preguntas A B C D E
30057 Ley del Servicio Civil evita que el Estado
¿Usted está de acuerdo que en el procedimiento
administrativo disciplinario no se exija al
infractor junto a la sanción, la reparación del
bien afectado por la conducta del infractor?
Índice

reposición del bien dañado en la vía judicial es
(…)
En este caso la segunda pregunta no se orienta a probar la hipótesis

pues las preguntas van dirigidas a medir las: “Deficiencias en la
reparación del daño en el procedimiento administrativo disciplinario
que regula la ley 30057, Ley del Servicio Civil, que justifique su
modificación legislativa para la defensa del patrimonio del Estado,
Perú, 2019”, pues esta pregunta plantea que “no se debe exigir junto
a la sanción la reparación del bien afectado”, entonces las preguntas
que van en sentido contrario a la hipótesis afectan la consistencia del
instrumento porque los valores ordinales en el estadístico se
consideran que la negación de la hipótesis se da mediante los valores
extremos inferiores (muy en desacuerdo) y la afirmación de la
hipótesis se da mediante los valores mayores (muy de acuerdo).
El uso de patrones
Si bien lo deseable es que las preguntas apunten en una sola

dirección y que haya un orden en la secuencia de las preguntas, sin
embargo, esto, puede afectar la objetividad del instrumento, así, por
ejemplo:
¿Considera ud que las drogas son malas?
¿Considera ud que las drogas inducen a la delincuencia?
¿Usted consume drogas?
En este caso es visible la subjetividad del investigador que busca

probar lo dañino de las drogas, pero esto se puede mejorar si
alteramos las preguntas solo para la encuesta y luego lo retornamos a
su lugar, así se tiene:
Índice
¿Usted consume drogas?
¿Considera ud que las drogas no son buenas?
¿Considera ud el consumo de drogas inducen a la delincuencia?
En el presente caso se ha puesto como primera pregunta si el

encuestado consume o no drogas, esto a efectos que no le afecte las
preguntas que le siguen, en la segunda pregunta, se ha cambiado el
sentido de la pregunta para evitar que el encuestado perciba un
negativismo a las drogas de parte del investigador.
Para evitar que las preguntas sean uniformes e influyan

subjetivamente en el encuestado, se puede variar el sentido de las
preguntas e incluso el orden de estas conforme a un patrón que
permita reordenar en las respuestas para hacer los estadísticos de
análisis. En el caso del ejemplo anterior, la segunda pregunta se puede
invertir en el acopio de la información a fin de uniformizar las
preguntas y hacer los estadísticos.
B. Las preguntas no son discriminantes
Las preguntas deben estar orientadas a aprobar o desaprobar la

hipótesis, pero si las preguntas no tienen esta finalidad y por el
contrario tienen un efecto neutro, esto reduce la consistencia del
instrumento, las preguntas que no son discriminantes tienen
respuestas neutras como por ejemplo “ni de acuerdo ni en
desacuerdo”, si bien esta respuesta puede ser indicada por algún
encuestado, sin embargo si la mayor parte de las respuestas son
neutras, esto distorsiona la finalidad del instrumento que es probar la
hipótesis.
Mejora del nivel de Alfa de Crombach en el SPSS
Como se dijo anteriormente, un bajo nivel del Alfa de Crombach

significa que hay errores en la elaboración del instrumento, sin
embargo, existe formas de mejorar la confiabilidad.
Ejemplo:
Supongamos que tengamos la siguiente matriz
Donde se tiene el siguiente valor de Alfa
Como podemos apreciar las variables tienen un alfa bajo, por

tanto, queremos mejorar artificialmente dicho valor.
Para la mejora del índice del alfa debe seguirse los siguientes
pasos:
1.- Sumamos los ítems, para ello vamos a: “Trasformar”, “calcular

variable”, donde se obtendrá el siguiente cuadro:
Índice
Ponemos de título “suma” en variable objetivo y pasamos

sumando las variables al cuadro de expresión numérica, aceptamos y
obtendremos la suma de las variables:
En la “vista de variables” reducimos los decimales, luego vamos a

“Analizar”, “Correlaciones”, “Bivariadas” y obtendremos el
siguiente cuadro:
Índice
En el cuadro pasamos al lado derecho las variables y la suma,

luego en aceptar y obtendremos el visor del SPSS con el siguiente
cuadro:
En el cuadro podemos ver las variables que tienen una baja

correlación y deben ser mejoradas, por ejemplo, la pregunta p1, tiene
una correlación de 0.345. Entonces vamos nuevamente a la matriz y
Índice
ordenamos la columna suma en forma ascendente haciendo clic

derecho sobre suma y eligiendo ordenar de forma ascendente.
Luego, procedemos a ordenar la pregunta 1 (p1) en forma

ascendente, poniendo los valores menores arriba y abajo los
mayores. Esto a efectos que se relacione con la suma de las
variables, así tenemos:
Volvemos a calcular el Alfa de Crombach y veremos que ha

mejorado. En este caso tenemos un Alfa de: 0.818
Índice
4 Validez del
Instrumento
La validez del instrumento es el segundo cálculo estadístico de

necesaria aplicación cuando en la tesis se utiliza un cuestionario, la
validez es el grado con el cual el instrumento domina o realiza una
medición, es la adecuación del instrumento a la naturaleza de la
medición, así por ejemplo no se puede medir con un termómetro la
distancia, sino con un instrumento que mida distancias, en los
instrumentos documentales se debe buscar el instrumento que este
acorde a los criterios de medición del objeto. La validez se diferencia
de la fiabilidad, en que mientras en la fiabilidad, el instrumento
discrimina los valores y mide el objeto, en la validez esa medición se
corresponde con la naturaleza del objeto que se quiere medir. Cuando
la validez se acerca al cero decimos que es una validez nula y cuando
se acerca al uno, decimos que es perfecta, así se tiene:
De 0 a 0.5 = Validez muy baja
De 0.5 a 0.6 = Validez baja
De 0.6 a 0.7 = Validez media
De 0.7 a 0.8 = Validez alta
De 0.8 a 1 = Validez muy alta
4.1. La validez de contenido
Decimos que un instrumento tiene validez de contenido cuando el

instrumento mide todas las dimensiones que se requiere medir del
objeto, así por ejemplo no tendría validez de contenido un
Índice
instrumento que busque medir los conocimientos sobre manejo de

vehículos si solo se evalúa los conocimientos sobre el vehículo y no
toma en cuenta los conocimientos viales, la validez de contenido a
diferencia de la validez interna, se verifica en forma cualitativa y
subjetiva, se aprecia por medio de la opinión de jurados o juicio de
expertos que son personas conocedoras del tema que se investiga y
de la metodología.
4.1.1. Validez por juicio de expertos
Es un tipo de evaluación de la construcción del instrumento de

medición por medio de personas expertas en el tema y en
metodología de la investigación, el juicio de expertos se define como
una opinión informada de personas con trayectoria en el tema, que
son reconocidas por otros como expertos cualificados en la materia y
que pueden dar información, evidencia, juicios y valoraciones, los
requisitos que debe tener el jurado son:
Expertos en el tema
Expertos en metodología
Expertos en el tema:
Son personas que conocen la materia que se desarrolla en la tesis,

debemos señalar que la metodología es aplicable a cualquier ciencia,
por ello además de la metodología la persona que evalúa un
instrumento debe tener conocimientos sobre la materia que se
estudia.
Expertos en metodología:
Implica el conocimiento de metodología de la investigación, la

persona que cumple el papel de un jurado, necesita tener amplios
Índice
conocimientos sobre metodología de la investigación, considero que

esta es la parte más difícil, debido a que evaluar un instrumento
requiere de entender el propósito y objeto de la investigación y su
correlación con las preguntas del cuestionario.
4.1.2. Validación con la V de Aiken
Es una operación estadística que permite evaluar la calificación

que realizan los expertos sobre la validación de contenido del
instrumento, debemos recordar que la validación de contenido a
diferencia de la validación interna, se trata de una evaluación
cualitativa, sin embargo el resultado de la evaluación puede ser objeto
de medición estadística, hay varias formas de medir la evaluación que
realiza un jurado sobre la construcción de un instrumento, sin
embargo, entre las principales formas de medición tenemos a la V de
Aiken, que es un estadístico que nos permite cuantificar las opiniones
que tienen los jueces, mediante una escala que varía desde 0 que es el
total desacuerdo de los jueces al 1 que es el total acuerdo de los jueces,
así se tiene:
0 1
Total Total
desacuerdo acuerdo
Formula:
𝑆
V=
𝑛(𝑐−1)
Donde:
V = Valor de la v de Aiken
S = Sumatoria de s1
N = Número de jueces
C = Número de valores de la escala de valoración (muy en

desacuerdo, en desacuerdo, etc)
Importante:
La V de Aiken se utiliza para medir o cuantificar la opinión de los

jueces que opinan sobre la validez de un instrumento, es decir
varias opiniones sobre un mismo objeto.
**Se recomiendan por lo general un promedio de 8 jueces**
Ejemplo:
El cuestionario a evaluar tiene
16 preguntas o ítems, en las cuales ha sido evaluado conforme a 5

niveles de respuesta (c) que son:
1.- Totalmente en desacuerdo
2.- En desacuerdo
3.- Ninguno
4.- De acuerdo
5.- Totalmente de acuerdo
Los reactivos para la evaluación son:
Claridad en la redacción de la pregunta

Representatividad del factor
Claridad en la pregunta:
En este aspecto, el jurado verifica que la pregunta sea entendible,

que el encuestado no tenga dudas sobre lo que se trata, debe tenerse
presente que en muchos casos el instrumento se aplicará a
determinada población que tiene un perfil cognoscitivo, así, puede
tratarse de alumnos de primaria, alumnos de secundaria, padres de
Índice
familia, etc, entonces el jurado evaluador debe evaluar el grado de

entendimiento del encuestado en relación a las preguntas que se
realizan.
La claridad en la pregunta es la falta de oscurismo, que las palabras

sean simples y fáciles de entender, que el mensaje sea entendible y de
lugar a respuestas abiertas o cerradas previstas en el instrumento.
Representatividad del factor:
Esto significa que la pregunta represente al tema, que las

preguntas sean útiles, pues cada pregunta llena un espacio que
consolida los objetivos de la investigación, por tanto, el jurado debe
entender cuál es el propósito del estudio, los objetivos y las hipótesis
que busca probar el investigador y que el instrumento de medición
cumpla con el objetivo y se relacione con la verificación de la hipótesis
que será probada mediante la operación estadística correspondiente.
Cuestionario
Nombres y Apellidos:___________________________________
Fecha:________________________

Totalmente en desacuerdo = 1
En desacuerdo = 2
Ninguno = 3
De acuerdo =4
Totalmente de acuerdo = 5
El presente cuestionario permitirá conocer las opiniones de los jurados

sobre la claridad de las preguntas y representatividad del factor.
VALIDACIÓN POR V DE AIKEN
Criterios de evaluación
• Claridad en la redacción del ítem

• Representatividad del factor
Cuestionario a evaluar: LA INCORPORCION DE LA REPARACIÓN DEL

DAÑO EN EL PROCEDIMIENTO
ADMINISTRATIVO DISCIPLINARIO QUE
REGULA LA LEY 30057, LEY DEL SERVICIO CIVIL
1 2 3 4 5
Muy en En De Muy de
Ninguno
desacuerdo desacuerdo acuerdo acuerdo
AFIRMACIONES Claridad en la Representatividad

N°
redacción del item del factor
V1: Reparación del daño 1 2 3 4 5 1 2 3 4 5

¿Está usted de acuerdo
en que la falta de
regulación de la
reposición del bien en la
ley 30057 Ley del
1
Servicio Civil evita que
el Estado pueda
recuperar su patrimonio
afectado por la conducta
del infractor?
que en el procedimiento
administrativo
2
disciplinario se exija al
infractor junto a la
sanción la reparación
del bien afectado por la

en que la exigencia de
reposición del bien
3
dañado en la vía judicial
es un proceso lento e
ineficiente?
en que la exigencia de
4
dañado en la vía judicial
podría prescribir por la
lentitud de este proceso?
en que la exigencia de la
dañado en la vía
5
administrativo
disciplinaria sería más
célere y más eficiente
en que la falta de
regulación del pago del
valor del bien en la ley
30057 Ley del Servicio
6
pueda recuperar su
patrimonio afectado por
la conducta del
infractor?
que en el procedimiento
administrativo
disciplinario se exija al
7 infractor junto a la
sanción del pago del
valor del bien afectado
por la conducta del
infractor?
en que la exigencia del
pago del valor del bien
8
proceso lento e
ineficiente?

9
prescribir por la lentitud
de este proceso?
10 en la vía administrativo
disciplinaria sería más
célere y más eficiente

en que el procedimiento
sancionador que regula
la ley 30057, Ley del
11
Servicio Civil se enfoca
en el castigo al infractor
y desprotege el
en que la reposición del
bien o el pago de su
12 valor exigidos en la
sanción administrativa
protegería el patrimonio
del estado?
en que la reparación
civil está compuesta por
13
la reparación del daño y
la indemnización de los
daños y perjuicios?
en que la reparación del
daño implica la
14
reposición del bien y si
no fuera posible el pago
de su valor?
en que la reparación del
15 daño sea también
exigible en la vía
administrativo
Índice
disciplinaria, en cambio
la exigencia de los daños
y perjuicios sea
exclusivo de la vía
judicial?
en que se justifica la
16 modificación legislativa
conforme al proyecto de
ley que se adjunta?
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL
Valores de la V de Aiken
Entre los valores se tiene la siguiente escala:
De 0 a 0.25 Validez muy baja
De 0.25 a 0.5 Validez Baja
De 0.5 a 0.75 Válida
De 0.75 a 1 Validez Alta
Lo recomendable para la validación de un cuestionario, es que la

evaluación tenga un nivel superior a 0.75, es decir un nivel alto.
Como siguiente paso, elaboramos la matriz de evaluación en Excel,

donde:
V= Variables J= Jueces Pv= Promedio de

la variable
I= Indicadores Pr= Promedio de las Pt= Promedio
preguntas total
P= Preguntas Pi= Promedio de los
indicadores
Índice
Matriz:
V Reparación del daño Modificación legislativa

I Reposición Pago de su Justificada/Injustificada
del bien valor
P 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
J1 5 5 4 3 4 4 5 4 5 5 4 5 3 5 4 5
J2 4 4 3 4 5 3 4 5 4 5 3 4 4 4 5 4
J3 5 5 4 3 4 4 5 4 5 4 4 4 4 4 4 5
J4 3 4 4 4 4 4 4 4 4 5 4 5 5 3 4 5
J5 4 4 3 4 5 3 4 5 4 5 3 5 4 4 5 4
J6 4 5 3 3 4 4 3 5 3 4 4 5 4 4 4 5
J7 5 4 4 4 5 4 5 5 5 4 4 5 5 5 5 5
Pr
Pi
Pv
Pt
En la matriz se puede apreciar a la variable “Reparación del daño”

con sus indicadores: Reposición del bien y pago de su valor, a la
variable “Modificación legislativa” y su indicador que es justificada o
injustificada, en total son 16 preguntas, por otro lado tenemos la
validación que han realizado 7 jueces o expertos. Teniendo así a la
matriz, transformamos los valores numéricos en valores
porcentuales, para ello le restamos el mínimo valor de la escala que
en este caso es 1 a cada una de las respuestas y las dividimos entre el
número de alternativas que es 5 menos 1 (que es el valor mínimo), es
decir dividimos todos los valores entre 4, de esta manera
convertiremos los valores escalares en porcentuales.
Cuando hacemos la indicada resta y la división, cada uno de los

valores ordinales se transforman en valores porcentuales, así
tenemos:
Valores ordinales 1 2 3 4 5
Valores decimales 0 0.25 0.50 0.75 1
Valores 0% 25% 50% 75% 100%

porcentuales
El cambio de los valores ordinales a valores porcentuales se realiza

con la indicada operación (restar 1 y dividir entre 4 a todos los
valores). De esta manera el valor 1 para la evaluación de los jueces
equivale a 0, es decir 0%, el valor de 2 equivale a 0.25, esto es 25%, el
valor de 3 equivale a 0.50, esto es 50%, el valor de 4 equivale a 0.75,
esto es 75% y el 5 equivale a 1, esto es el 100%
Para restarle 1 a todos los valores de la matriz, vamos a Excel,

copiamos el número 1, seleccionamos todos los números que se van a
restar y vamos al desplegable de pegar y en la parte inferior saldrá
pegado especial.
Hacemos clic en pegado especial y nos abrirá la siguiente ventana

con varias alternativas sobre operaciones que se puede hacer, sin
embargo nosotros debemos seleccionar “restar” que es la
operación que nos interesa realizar y luego aceptar, con esta
operación se restará uno a todos los números que fueron
seleccionados.
El cuadro de pegado especial es el siguiente:
Luego, hacemos la misma operación, copiamos el número cuatro

que resulta de restarle uno (mínimo valor) a cinco (máximo valor),
para ello seleccionamos nuevamente todos los valores, vamos a
pegado especial y seleccionamos dividir y aceptar, la operación
permitirá que todos los valores se conviertan en porcentajes.
Al dividir entre cuatro tenemos que el 100% es igual a uno, que a

su vez se ha dividido en cuartiles que son: 0.25, 0.5 y 0.75 con el 0 y el
1 en los extremos, estos valores ahora convertidos en porcentajes
permitirán que se halle el valor promedio hasta encontrar el
promedio de toda la tabla conforme al ejemplo del siguiente cuadro:
Luego hacemos la misma operación, pero esta vez dividiendo todo

con el número 4, esto es (5-1) que es el número de alternativas que
tenían los jurados en su evaluación menos uno. Obteniendo el
siguiente cuadro:
Índice
Donde también procedemos a sacar los promedios de todas las preguntas, luego por indicadores, luego por
variable y por último sacamos el total, así tenemos:
Promedio de pregunta Promedio de indicador Promedio del cuestionario Promedio de variable
Donde se obtiene un promedio total de 0.81, que es un valor alto debido a su proximidad al número 1
Índice
4.1.3. Validación con Lawshe
Es un método de cuantificación de la validación que realizan los

expertos sobre los valores de la validez de un instrumento, para lo
cual se evalúa en tres aspectos del instrumento:
Que sea:
Esencial
Útil pero no esencial
No necesaria
Para el cálculo solo se utiliza las valoraciones de esenciales que

tiene la pregunta a criterio del juez.
Importante:
Es muy importante señalar que, en este tipo de cálculo, la

validación se realiza ítem por ítem, es decir la aplicación de la fórmula
se realiza para cada pregunta y no en su conjunto.
**Se recomienda que la evaluación sea hecha por 10 jueces en

promedio**
Fórmula:
𝑛𝑒−𝑁/2
CVR =
𝑁/2
Dónde:
CVR = Razón de validez de contenido
N = Número de expertos
Ne = Número de expertos que indican esencial
Valores mínimos de una validación:
La validación por Lawshe, sigue un valor mínimo que deben tener

las preguntas según el número de expertos, cuando el valor está por
debajo de este valor mínimo, entonces requiere cambiar o modificar
la pregunta, los valores mínimos son los siguientes:
Número de expertos Valor mínimo

5 0.99
6 0.99
7 0.99
8 0.85
9 0.78
10 0.62
11 0.59
Ejemplo de evaluación de un cuestionario:
VALIDACIÓN POR LAWSHE
• Esencial
• Útil pero no esencial
• No necesaria
REGULA LA LEY 30057, LEY DEL SERVICIO
CIVIL
N° AFIRMACIONES Esencial Útil pero No

no necesaria
V1: Reparación del daño esencial

¿Está usted de acuerdo en que la
falta de regulación de la reposición
del bien en la ley 30057 Ley del
1 Servicio Civil evita que el Estado 8 2 0
pueda recuperar su patrimonio
afectado por la conducta del
infractor?
procedimiento administrativo
2 7 2 1
disciplinario se exija al infractor
junto a la sanción la reparación del
bien afectado por la conducta del

infractor?
exigencia de reposición del bien
3 10 0 0
dañado en la vía judicial es un
exigencia de reposición del bien
4 dañado en la vía judicial podría 10 0 0
prescribir por la lentitud de este
proceso?
exigencia de la reposición del bien
5 dañado en la vía administrativo 10 0 0
disciplinaria sería más célere y más
eficiente que en la vía judicial?
falta de regulación del pago del
valor del bien en la ley 30057 Ley
6 del Servicio Civil evita que el 9 1 0
Estado pueda recuperar su
disciplinario se exija al infractor
7 10 0 0
junto a la sanción del pago del valor
del bien afectado por la conducta
del infractor?
exigencia del pago del valor del
8 10 0 0
bien en la vía judicial es un proceso
lento e ineficiente?
9 bien en la vía judicial podría 9 1 0
prescribir por la lentitud de este
proceso?
10 bien en la vía administrativo 10 0 0

procedimiento sancionador que
regula la ley 30057, Ley del Servicio
11 10 0 0
Civil se enfoca en el castigo al
infractor y desprotege el
reposición del bien o el pago de su
12 valor exigidos en la sanción 8 2 0
administrativa protegería el
reparación civil está compuesta por
13 la reparación del daño y la 10 0 0
indemnización de los daños y
perjuicios?
reparación del daño implica la
14 9 1 0
reposición del bien y si no fuera
posible el pago de su valor?
reparación del daño sea también
exigible en la vía administrativo
15 10 0 0
disciplinaria, en cambio la
exigencia de los daños y perjuicios
sea exclusivo de la vía judicial?
¿Está usted de acuerdo en que se
justifica la modificación legislativa
16 10 0 0
conforme al proyecto de ley que se
adjunta?
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL 150 9 1
Aplicando la fórmula:
𝑛𝑒−𝑁/2
CVR = 𝑁/2
Dónde:
CVR = Razón de validez de contenido
N = Número de expertos
Ne = Número de expertos que indican esencial

8−10/2
En la pregunta 1.- CVR = = 0.6
10/2
7−10/2
10/2
9−10/2
10/2
Y así sucesivamente vamos calculando para cada pregunta
Acopio de la información
Pregunta Útil Resultado

1 8 0.6
2 7 0.4
3 10 1
4 10 1
5 10 1
6 9 0.8
7 10 1
8 10 1
9 9 0.8
10 10 1
11 10 1
12 8 0.6
13 10 1
14 9 0.8
15 10 1
16 10 1
Conclusión:
Efectuado los cálculos, tenemos que siendo 10 los jueces, requiere

ser corregido las preguntas: 1, 2 y 12 Por no superar el valor de
0.62, en cambio las pregunta 3 alcanzó el máximo nivel que es 1
igual que la pregunta 4, la pregunta 5 alcanzó un valor de 0.8 que
es superior a 0.62 por tanto es conforme, así las demás preguntas
se encuentran aprobadas menos la 12 que tiene un valor de 0.6
Conclusión:
Efectuado los cálculos, tenemos que siendo 10 los jueces, requiere

ser corregido las preguntas: 1, 2 y 12 Por no superar el valor de
0.62, en cambio las pregunta 3 alcanzó el máximo nivel que es 1
igual que la pregunta 4, la pregunta 5 alcanzó un valor de 0.8 que
es superior a 0.62 por tanto es conforme, así las demás preguntas Índice
se encuentran aprobadas menos la 12 que tiene un valor de 0.6
4.1.4. Validación con prueba binomial
Este tipo de prueba que compara las frecuencias observadas de las

dos categorías de una variable dicotómica con las frecuencias
esperadas en una distribución binomial con un parámetro de
probabilidad especificado, para ello es necesario que las variables a
contrastar sean numéricas. En la validación de un instrumento, la
prueba binomial permite calcular si se alcanza la proporción de
validación que por lo general es de 85%, la prueba binomial se utiliza
en variables nominales.
Ejemplo:
VALIDACIÓN CON PRUEBA BINOMIAL

• Pertinencia
• Relevancia
• Claridad
REGULA LA LEY 30057, LEY DEL SERVICIO
CIVIL
N AFIRMACIONES Pertine Relevanc Claridad OBS

° ncia ia
N
V1: Reparación del daño SI SI NO SI NO
O

¿Está usted de acuerdo en
que la falta de regulación de
la reposición del bien en la
1
pueda recuperar su
patrimonio afectado por la Índice
¿Está usted de acuerdo que
en el procedimiento
2 se exija al infractor junto a la
sanción la reparación del
bien afectado por la
que la exigencia de
3 reposición del bien dañado
que la exigencia de
4
prescribir por la lentitud de
este proceso?
que la exigencia de la
5 en la vía administrativo
disciplinaria sería más célere
y más eficiente que en la vía
judicial?
que la falta de regulación del
pago del valor del bien en la
6
pueda recuperar su
¿Está usted de acuerdo que
en el procedimiento
7
sanción del pago del valor

del bien afectado por la
8 valor del bien en la vía
judicial es un proceso lento e
ineficiente?
9 valor del bien en la vía
judicial podría prescribir por Índice
la lentitud de este proceso?
1
administrativo disciplinaria
0
sería más célere y más
eficiente que en la vía
judicial?

que el procedimiento
sancionador que regula la
1
ley 30057, Ley del Servicio
1
Civil se enfoca en el castigo
al infractor y desprotege el
que la reposición del bien o
1 el pago de su valor exigidos
2 en la sanción administrativa
protegería el patrimonio del
estado?
que la reparación civil está
1
compuesta por la reparación
3
del daño y la indemnización
1
implica la reposición del
4
bien y si no fuera posible el
pago de su valor?
1 ¿Está usted de acuerdo en
5 que la reparación del daño
sea también exigible en la vía

administrativo disciplinaria,
en cambio la exigencia de los
daños y perjuicios sea
que se justifica la
1
6
conforme al proyecto de ley
que se adjunta?
Índice
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL
El consolidado de la evaluación de los 3 jueces sería el siguiente:
V1 Reparación del daño

I1 Reposición del bien
J1 J2 J3
P1 si si si
P2 si si si
P3 no no no
P4 si si si
P5 si si si
I2 Pago de su valor
P6 si si si
P7 si si si
P8 si no no
P9 si si si
P10 si si si
Modificación legislativa
Justificada injustificada
P11 si si si
P12 si si si
P13 si si si
P14 si si si
P15 si si si
P16 si si si
Si 15 14 14
No 1 2 2
A. Prueba binomial para el juez 1
Paso 1:
Índice
Formulación de las hipótesis:
H0 = La validación del instrumento por el Juez 1 es igual a 85%
H1 = La validación del instrumento por el Juez 1 es diferente a 85%
Postulado:
Aceptamos la H0 y rechazamos la H1 si la significancia ≥ 0.05, de lo

contrario rechazamos la H0 y aceptamos la H1
Pasamos al SPSS
En la vista variables seria del siguiente modo:
Luego:
Vamos a “Datos”, “Ponderar casos” y obtendremos el siguiente

cuadro:
Índice
En este cuadro damos clic en “Ponderar casos mediante” y

pasamos la variable Juez_1 al cuadro de la derecha y aceptar.
Luego:
“Analizar”, “Pruebas no paramétricas”, “Cuadro de diálogos

antiguos”, “Binomial” y obtendremos el siguiente cuadro:
Pasamos la variable criterio a la “Lista variables de prueba” y

cambiamos la “Proporción de prueba” que por defecto se
encuentra en 0.5 y la cambiamos a 0.85, que es igual a 85%, luego
aceptamos, obteniendo en el visor del SPSS el siguiente resultado:
Resultado de evaluación del Juez 1:
Prueba binomial
Categ Prop. Prop. de Significación exacta

oría N observada prueba (unilateral)
CRITE Grupo 1 SI 15 ,94 ,85 ,284

RIO Grupo 2 NO 1 ,06
Total 16 1,00
Índice
Paso 3
Elaboramos el resultado:
Tenemos que la significancia es 0.284 que es mayor a 0.05, motivo
por el cual aceptamos la H0, es decir que “La validación del
instrumento por el Juez 1 es igual a 85%”
B. Prueba binomial para el juez 2
Paso 1:
H0 = La validación del instrumento por el Juez 2 es igual a 85%
H1 = La validación del instrumento por el Juez 2 es diferente a 85%
Postulado:
Aceptamos la H0 y rechazamos la H1 si la significancia ≥ 0.05, de lo

contrario rechazamos la H0 y aceptamos la H1
Luego:
Vamos a “Datos”, “Ponderar a casos” y obtendremos el siguiente

cuadro:
En este cuadro damos clic en “Ponderar casos mediante” yÍndice

pasamos la variable juez_2 al cuadro de la derecha y aceptar.
Luego:
“Analizar”, “Pruebas no paramétricas”, “Cuadro de diálogos

antiguos”, “Binomial” y obtendremos el siguiente cuadro:
Pasamos la variable criterio a la “Lista variables de prueba” y

cambiamos la “Proporción de prueba” cambiándola a 0.85, que es
igual a 85%, luego aceptamos, obteniendo en el visor del SPSS el
siguiente resultado:
Resultado de evaluación del Juez 2:
Prueba binomial
Categ Prop. Prop. de Significación exacta

oría N observada prueba (unilateral)
CRITE Grupo 1 SI 14 ,88 ,85 ,561

RIO Grupo 2 NO 2 ,13
Total 16 1,00
Índice
Paso 3
Elaboramos el resultado:
Tenemos que la significancia es 0.561 que es mayor a 0.05, motivo

por el cual aceptamos la H0, es decir que “La validación del
instrumento por el Juez 2 es igual a 85%”
C. Prueba binomial para el juez 3
Siendo los valores los mismos que para el juez 2, podemos afirmar
que “La validación del instrumento por el juez 3 es igual a 85%”
En conclusión:
Los tres jueces han pasado la prueba, motivo por el cual podemos
afirmar que el instrumento tiene una validez aceptable.
4.1.5. Kappa de Kohen
El estadístico Kappa de Kohen, mide la concordancia entre dos

variables que se relacionan, estas variables vienen de medir a un
mismo objeto de estudio, esto puede ocurrir cuando por ejemplo dos
jueces califican la validez de un mismo instrumento, el índice de
Kappa de Kohen mide la concordancia de una relación de variables
que ya se verificó, esto quiere decir que no se usa para establecer si

existe o no asociación, pues para eso usamos la chi cuadrada, sino que
conociendo la existencia de asociación, medimos la concordancia
entre las variables, motivo por el cual se usa para medir la
concordancia entre las evaluaciones de los jueces.
𝑷𝒐−𝑷𝒆
Fórmula: K=
𝟏−𝒑𝒆
Donde:
Po = Es el acuerdo observado relativo entre los observadores

Índice
Pe = Es la probabilidad hipotética de acuerdo por el azar
Índice de concordancias:
Muy Baja Baja Moderada Buena Alta
0 0.2 0.4 0.6 0.8 1
En el SPSS el índice de concordancia lo encontramos en la

siguiente ubicación:
Medidas simétricas
Error estandarizado T Significación

Valor asintóticoa aproxb aproximada
Medida de acuerdo Kappa ,052 ,009 5,220 ,000

N de casos válidos 1351
a. No se presupone la hipótesis nula.

b. Utilización del error estándar asintótico que presupone la hipótesis nula.
Indica el p valor de
la chi cuadrada
Tenemos el valor de la chi cuadrada, porque el estadístico también
lo mide y no porque sea lo mismo que la Kappa de Cohen. En este
caso la concordancia es muy baja, pues es de 0.052, pero eso no

significa que no haya relación, hay, pero es bien baja.
Ejemplo:
Supongamos que dos jueces han evaluado al siguiente

cuestionario:
Cuestionario
Nombres y Apellidos:___________________________________ Índice

Fecha:________________________

Calificación del juez 1
VALIDACIÓN POR JURADO

REGULA LA LEY 30057, LEY DEL SERVICIO CIVIL
N
AFIRMACIONES
°
Organización
Metodología
Consistencia
Objetividad
Coherencia
Pertinencia
Actualidad
Suficiencia
Promedio
Claridad
V1:
Reparación
del daño

¿Está usted de
acuerdo en que
la falta de
regulación de
1 la reposición 75 85 90 80 95 100 80 85 75 85
del bien en la
ley 30057 Ley
del Servicio
Civil evita que
el Estado
pueda
recuperar su
patrimonio
afectado por la
conducta del
infractor?
¿Está usted de
acuerdo que en
el
procedimiento
administrativo
disciplinario se
2 exija al 65 80 75 95 100 70 85 75 90 81
infractor junto Índice
a la sanción la
reparación del
bien afectado
por la conducta
del infractor?
¿Está usted de
acuerdo en que
la exigencia de
reposición del
3 bien dañado en 85 90 70 65 95 85 90 100 75 83
la vía judicial
es un proceso
lento e
ineficiente?
¿Está usted de
acuerdo en que
la exigencia de
reposición del
bien dañado en
4 70 80 95 75 100 85 70 95 90 84
la vía judicial
podría
prescribir por
la lentitud de
este proceso?
¿Está usted de
acuerdo en que
la exigencia de
la reposición
del bien
5 95 75 80 95 100 85 70 65 100 85
dañado en la
vía
administrativo
disciplinaria
sería más
célere y más
eficiente que en
la vía judicial?
¿Está usted de
acuerdo en que
la falta de
regulación del
pago del valor
del bien en la
ley 30057 Ley
del Servicio
6 85 70 90 100 85 75 99 95 80 86
Civil evita que
el Estado
pueda Índice
recuperar su
patrimonio
afectado por la
conducta del
infractor?
¿Está usted de
acuerdo que en
el
procedimiento
administrativo
disciplinario se
exija al
7 80 75 85 70 95 100 90 75 80 83
infractor junto
a la sanción del
pago del valor
del bien
afectado por la
conducta del
infractor?
¿Está usted de
acuerdo en que
la exigencia del
pago del valor
8 del bien en la 95 90 100 80 75 85 60 100 85 85
vía judicial es
un proceso
lento e
ineficiente?
¿Está usted de
acuerdo en que
la exigencia del
9 70 85 90 100 75 85 80 90 95 85
pago del valor
del bien en la
vía judicial
podría
prescribir por
la lentitud de
este proceso?
¿Está usted de
acuerdo en que
la exigencia del
pago del valor
del bien en la
vía
10 65 95 100 70 85 90 95 80 100 86
administrativo
disciplinaria
sería más
célere y más
eficiente que en
Índice
la vía judicial?
¿Está usted de
acuerdo en que
el
procedimiento
sancionador
que regula la
ley 30057, Ley
11 75 80 95 70 85 100 95 75 95 85
del Servicio
Civil se enfoca
en el castigo al
infractor y
desprotege el
patrimonio del
Estado?
¿Está usted de
acuerdo en que
la reposición
del bien o el
pago de su
12 valor exigidos 90 75 95 100 80 70 95 85 90 86
en la sanción
administrativa
protegería el
patrimonio del
estado?
¿Está usted de
acuerdo en que
13 95 75 100 80 95 85 70 90 80 85
la reparación
civil está
compuesta por
la reparación
del daño y la
indemnización
de los daños y
perjuicios?
¿Está usted de
acuerdo en que
la reparación
del daño
implica la
14 70 85 100 75 90 85 95 100 80 86
reposición del
bien y si no
fuera posible el
pago de su
valor?
¿Está usted de
acuerdo en que
la reparación
del daño sea
también
exigible en la
vía
15 administrativo 75 80 75 85 100 95 70 95 90 85
disciplinaria,
en cambio la
exigencia de
los daños y
perjuicios sea
exclusivo de la
vía judicial?
¿Está usted de
acuerdo en que
se justifica la
modificación
16 80 70 75 95 100 90 80 75 70 81
legislativa
conforme al
proyecto de ley
que se adjunta?
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL
TOTAL, EN
PORCENTAJE
Validación del juez 2
VALIDACIÓN POR JURADO

REGULA LA LEY 30057, LEY DEL SERVICIO CIVIL Índice
AFIRMACIONE
N
Organización
Metodología
Consistencia
Objetividad
Coherencia
Pertinencia
Actualidad
°
Suficiencia
Promedio
Claridad
V1:
Reparación
del daño

¿Está usted de
acuerdo en que
la falta de
regulación de
la reposición
del bien en la
ley 30057 Ley
del Servicio
1 70 95 95 70 95 100 80 85 95 87
Civil evita que
el Estado
pueda
recuperar su
patrimonio
afectado por la
conducta del
infractor?
¿Está usted de
acuerdo que en
2 el 75 85 75 85 90 100 85 95 90 86
procedimiento
administrativo
disciplinario se
exija al
infractor junto
a la sanción la
reparación del
bien afectado
por la conducta
del infractor?
¿Está usted de
acuerdo en que
la exigencia de
reposición del
3 bien dañado en 65 80 70 95 90 85 95 100 65 82
la vía judicial
es un proceso
lento e Índice
ineficiente?
¿Está usted de
acuerdo en que
la exigencia de
reposición del
bien dañado en
4 60 85 95 85 90 80 100 95 90 86
la vía judicial
podría
prescribir por
la lentitud de
este proceso?
¿Está usted de
acuerdo en que
la exigencia de
la reposición
del bien
dañado en la
vía
5 75 85 90 95 100 85 90 65 80 85
administrativo
disciplinaria
sería más
célere y más
eficiente que
en la vía
judicial?
¿Está usted de
acuerdo en que
la falta de
6 regulación del 85 90 70 65 85 100 95 90 80 84
pago del valor
del bien en la
ley 30057 Ley
del Servicio
Civil evita que
el Estado
pueda
recuperar su
patrimonio
afectado por la
conducta del
infractor?
¿Está usted de
acuerdo que en
el
procedimiento
administrativo
disciplinario se
7
exija al
80 75 67 65 95 100 100 75 85 82 Índice
infractor junto
a la sanción del
pago del valor
del bien
afectado por la
conducta del
infractor?
¿Está usted de
acuerdo en que
la exigencia del
pago del valor
8 del bien en la 65 90 70 85 75 85 65 100 85 80
vía judicial es
un proceso
lento e
ineficiente?
¿Está usted de
acuerdo en que
la exigencia del
pago del valor
del bien en la
9 70 65 80 100 85 85 70 90 90 81
vía judicial
podría
prescribir por
la lentitud de
este proceso?
¿Está usted de
acuerdo en que
la exigencia del
10 pago del valor 75 95 80 70 85 95 90 85 70 82
del bien en la
vía
administrativo
disciplinaria
sería más
célere y más
eficiente que
en la vía
judicial?
¿Está usted de
acuerdo en que
el
procedimiento
sancionador
que regula la Índice
ley 30057, Ley
11 85 80 90 75 85 100 90 75 95 86
del Servicio
Civil se enfoca
en el castigo al
infractor y
desprotege el
patrimonio del
Estado?
¿Está usted de
acuerdo en que
la reposición
del bien o el
pago de su
12 valor exigidos 75 95 90 100 85 70 90 80 90 86
en la sanción
administrativa
protegería el
patrimonio del
estado?
¿Está usted de
acuerdo en que
la reparación
civil está
compuesta por
13 75 95 65 80 75 100 70 90 80 81
la reparación
del daño y la
indemnización
de los daños y
perjuicios?
¿Está usted de
acuerdo en que
14 75 95 100 85 95 85 95 100 85 90
la reparación
del daño
implica la
reposición del
bien y si no
fuera posible el
pago de su
valor?
¿Está usted de
acuerdo en que
la reparación
del daño sea
también
exigible en la
vía
15 administrativo 70 80 95 85 80 100 75 95 90 85
disciplinaria, Índice
en cambio la
exigencia de
los daños y
perjuicios sea
exclusivo de la
vía judicial?
¿Está usted de
acuerdo en que
se justifica la
modificación
16 85 75 70 85 90 100 80 95 70 83
legislativa
conforme al
proyecto de ley
que se adjunta?
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL
TOTAL, EN
PORCENTAJE
Luego de recabado los formularios de las evaluaciones realizadas

por los jurados a los instrumentos, se procede a realizar el cálculo de
concordancia.
Paso 1
H0 = No hay concordancia entre las evaluaciones del Juez 1 y el

Juez 2
H1 = Hay concordancia entre las evaluaciones del Juez 1 y el Juez

2
Nivel de significancia = 5% = 0.05

Índice
Postulado:
Si p < 0.05, rechazamos la hipótesis nula y aceptamos la hipótesis

alterna
Paso 2
Realizamos los cálculos:
Vamos a “Analizar”, “Estadísticos descriptivos”, y “Tablas de

contingencia”, donde aparecerá el siguiente cuadro:
Donde pasamos Juez 1 a filas y Juez 2 a columnas, en

“Estadísticos” seleccionamos Kappa y en “Casillas” en porcentajes
activamos total, luego aceptar y tendremos el siguiente cuadro:
Medidas simétricas
Error estandarizado T Significación

Valor asintóticoa aproxb aproximada
Medida de acuerdo Kappa ,052 ,009 5,220 ,000

a. No se presupone la hipótesis nula.

b. Utilización del error estándar asintótico que presupone la hipótesis nula.
Índice
Conclusión:
La medida Kappa de Cohen es 0.052, que es mayor a 0.05, por

tanto, rechazamos la hipótesis nula y aceptamos la alterna que dice
que existe concordancia entre la valoración del Juez 1 y la valoración
del Juez 2. Además, teniendo en cuenta el índice de concordancias:
Índice de concordancias:
Muy Baja Baja Moderada Buena Alta
0 0.2 0.4 0.6 0.8 1
Decimos que se tiene un índice de muy baja concordancia.
4.2. La validez interna
La validez interna se calcula estadísticamente mediante la

medición de la significancia de las variables, para hallar la validez con
el SPSS, se realiza el siguiente procedimiento:
Para que una variable sea válida debe cumplir los siguientes
requisitos:
La comunalidad debe ser mayor a 0.4

La medida de adecuación KMO debe ser mayor a 0.5
La prueba de esfericidad de Barltlett, en su grado de

significancia debe ser menor a 0.05
Lo cual se grafica del siguiente modo:
Operación Valor
Comunalidad > 0.4 (Mayor a 0.4)
KMO > 0.5 (Mayor a 0.5) Índice
Barltlett Significancia (Sig) < 0.05 (Menor a 0.05)
Además, debemos de tener en cuenta que la prueba de validez se
hace por el conjunto de preguntas correspondientes a una variable.
Procedimiento:
Primero vamos a “Analizar”, luego “Reducción de dimensiones”

y clic en “Factor”
Luego nos aparecerá la siguiente ventana
Índice
Donde pasamos las variables al cuadro variables, luego clic en
descriptivos y nos saldrá el siguiente cuadro, donde activamos el
icono “KMO y prueba de esfericidad de Bartlett”
Luego en continuar y aceptar y se tendrá los valores en el visor de

datos:
Analizando las comunalidades:
Donde se puede apreciar que la pregunta 1 (P1) = 0.911, P2 = 0.857,

P3 = 0.857, P4 = 0.889, que al ser mayor a o.4 tenemos el primer
indicador que considera la validez de las variables.
Índice
Analizando el KMO
Podemos apreciar que el KMO es 0.534 que es mayor a 0.5, por

tanto, según la teoría, en este segundo indicador también considera
válida a las variables.
Analizando la significancia
El valor de la significancia es de 0.492, la teoría dice que para que

sea válida la variable, la significancia debe ser menor a 0.05, en este
caso la variable no cumple este tercer indicador motivo por el cual
podemos decir que no es completamente válida.
Conclusión
La muestra no es adecuada al instrumento y hay una deficiente

asociación de ítem con ítem.
Índice
5 Prueba de
Hipótesis
5.1. Las hipótesis
La prueba de hipótesis es un cálculo necesario cuando se aplica un

cuestionario en una investigación de nivel explicativa. Las hipótesis
son la posible respuesta al problema que requiere ser probada en el
desarrollo de la investigación, por lo general se clasifican en dos: La
hipótesis general que es la hipótesis del problema de investigación y
las hipótesis específicas que derivan de los objetivos específicos, por
otro lado, tenemos la hipótesis de la investigación o de la tesis e
hipótesis que surgen para cálculos estadísticos.
Es la posible
Hipótesis General respuesta al
problema general
Clases de hipótesis
1 Es la posible
Hipótesis respuesta a los
Especifica problemas
especificos
La hipótesis general guía la investigación, debido a que la

investigación buscará probar o no su afirmación.
Elementos de la hipótesis
La formulación de una hipótesis tiene dos elementos claramente

diferenciables, estos son: Los antecedentes y la conjetura.
Índice
Los antecedentes, son las razones o la justificación que tiene el

investigador para afirmar un posible resultado y la conjetura es la
propia afirmación del resultado.
Ejemplo:
Antecedentes:
Dado que, en la actualidad la ley 30057, Ley del Servicio Civil ° regula
en forma deficiente la reparación del daño cometido por el funcionario
público en ejercicio de sus funciones, que el articulo 85 sanciona el
daño a las instalaciones y a todos los bienes que son propiedad del
Estado, que del análisis de las resoluciones de sanción expedidas por
el tribunal del servicio civil durante el 2019, ninguna resolución ordena
la reparación del daño, asimismo de la lectura del artículo 97 de la Ley
del Servicio Civil se observa una ambigua redacción de la reparación
del daño que resulta inaplicable.
Conjetura:
Es posible que, existan deficiencias en la reparación del daño en el

Una segunda clasificación, considera por un lado a las hipótesis

de la tesis, es decir que son las hipótesis que guían la investigación y
por otro lado las hipótesis de trabajo que se propone para un cálculo
estadístico, en el primer caso tenemos a la hipótesis general y a las
hipótesis específicas, en el segundo caso tenemos a la hipótesis nula
(H0) y a la hipótesis alterna (H1).
Puede ocurrir que la hipótesis general y las especificas puedan ser

planteadas como hipótesis de trabajo, esto cuando se requiera calcular
su confiabilidad, validez o cuando se requiera contrastar hipótesis.
Corresponde a
Hipótesis de la
toda la
investigación
investigación
Clases de hipótesis
2
Corresponde a un
Hipótesis de
problema
trabajo
especifico
1.- Hipótesis de la investigación
Es la posible respuesta al problema general o a las preguntas

específicas y van a ser probadas o no durante el desarrollo de la
investigación, también pueden ser probadas estadísticamente, pero se
requiere de la aplicación de un instrumento.
2.- Hipótesis de trabajo
Son hipótesis que no son de toda la investigación, sino son

hipótesis que se plantea a fin de encontrar la respuesta a un problema
específico y puntual, por ejemplo, se plantean para encontrar la
confiabilidad de un instrumento, de normalidad, de validez, etc, las
hipótesis que se plantean son: La hipótesis nula y la hipótesis alterna.
Hipótesis nula (H0)
Hipótesis alterna (H1)
También llamada hipótesis del investigador, es el posible

resultado que el investigador considera.
Valores que toman las hipótesis de trabajo
En la validez
La H0 = La variable es válida
La H1 = La variable no es válida
En la normalidad
La H0 = La variable tiene una distribución normal
Índice
La H1 = La variable no tiene una distribución normal
En la prueba de hipótesis
La H0 = Las variables son independientes
La H1 = Las variables son dependientes
El investigador plantea RECHAZAR la hipótesis nula para

quedarse con la hipótesis alterna
Esto ocurre cuando el p-valor es menor del nivel de significancia,

entonces rechazamos la hipótesis nula y aceptamos la hipótesis
alterna
Debemos de tener en cuenta que:
Error del tipo I
Ocurre cuando se acepta la hipótesis del investigador cuando era

falsa.
Error del tipo II
Ocurre cuando se rechaza la hipótesis del investigador cuando esta

era correcta.
Error tipo I y error tipo II
Decisión con respeto a Ho

Hipótesis nula
Se acepta Se rechaza
Verdadera Decisión Error tipo I
correcta
Falsa Error tipo II Decisión
correcta
El p-valor
Probabilidad de equivocarse si se acepta la hipótesis del

investigador, es decir que es la probabilidad de cometer el error tipo,
es la significancia en las tablas del SPSS.
Índice
I. No debe ser mayor al valor del error establecido

convencionalmente.
Nivel de significancia (α)
Es el error de equivocarnos en rechazar una hipótesis cuando esta

era correcta, es la máxima cantidad de que estamos dispuestos a
aceptar para dar como válida la hipótesis del investigador,
5.2. La prueba de hipótesis de la Tesis
La prueba de hipótesis en forma estadística, tiene lugar cuando la

investigación corresponde al nivel explicativo, es decir cuando sus
variables están en una relación de causa y efecto, por tanto, la prueba
de hipótesis probará la relación de dependencia entre variables, eso
quiere decir que en las investigaciones descriptivas no se puede
probar la hipótesis en forma estadística, pero si se pueden plantear
hipótesis de trabajo (para cálculos estadísticos puntuales), pero no
para la hipótesis general (De toda la investigación). Tampoco quiere
decir que la prueba de hipótesis siempre será en forma estadística,
pues puede suceder casos donde la hipótesis se verifique mediante
argumentos lógicos y comparativos con la conclusión final.
La prueba de hipótesis de la tesis, es la comparación entre lo

planteado en la hipótesis con la conclusión a la cual arriba el
investigador
El investigador plantea las hipótesis en el proyecto de la

investigación, no por gusto, no es una simple propuesta, las hipótesis
tienen una importancia fundamental en la investigación, pues
permite predecir qué sucederá con el estudio, permite anticiparse a
un posible resultado, es una herramienta metodológica que ayuda al
desarrollo de la investigación, pero esta conjetura o posibilidad
planteada al inicio del estudio, debe ser verificada al término de la
investigación, esto puede hacerse en forma estadística si la
investigación corresponde al nivel explicativo, en el nivel

comparativo puede verificarse por comparación al igual que en el
nivel descriptivo (si tiene hipótesis).
Para probar la hipótesis general de una investigación del nivel

explicativo, se requiere seguir los siguientes pasos:
Paso 1: Debemos hallar el índice de normalidad
Es necesario establecer si las variables tienen una

distribución normal o no para elegir el estadístico aplicable
en la prueba de la hipótesis, así si tiene una distribución
normal, se aplicará la prueba de hipótesis de Spearman, en
cambio si no tuviera una distribución normal, se aplicará el
estadístico R de Pearson.
Paso 2: Contrastar las hipótesis
En esta operación se analiza la dependencia o influencia de

una variable sobre otra, el tipo de estadístico aplicable va a
depender si las variables tienen o no una distribución
normal.
5.3. Prueba de normalidad
La prueba de normalidad tiene por finalidad establecer si la

distribución de las variables corresponde a una distribución normal o
no, esto es necesario, pues dependiendo de ello, podemos escoger el
estadístico aplicable para realizar la prueba de hipótesis, pues de
tener una distribución normal se aplicará la R de Pearson y si la
distribución no es normal, se aplicará la Rho de Spearman.
La prueba de normalidad corresponde a la estadística inferencial,

compara la distribución acumulada empírica con la distribución
esperada si los datos fueran normales, si la diferencia es muy grande,
se rechaza la hipótesis nula que considera como una distribución
normal, así, se busca establecer si las medias se corresponden dentro
Índice
de una distribución normal (ver distribución normal), el nivel de la

significancia es por lo general de 5% que es igual a: 0.05 y para
establecer que la variable tiene una distribución normal, es decir que
se acepta la hipótesis nula (H0), la significancia asintótica bilateral
(llamada también P valor) debe ser menor a 0.05. Para este estadístico
se tiene diferentes pruebas, pero la más usada para datos menores de
50 es Shapiro Wilk y para datos de 50 o más, se usa la prueba de
Kolmogorov Smirnov.
Postulado:
Si la significancia > 0.05 se acepta la H0 que considera una distribución

normal de la variable
¿Para qué nos sirve conocer si una variable tiene o no una

distribución normal?
En primer lugar, es importante conocer el tipo de distribución que

tiene la variable a efectos de poder elegir el tipo de estadístico que se
le aplicara, si tiene una distribución normal, se le aplicará los
estadísticos paramétricos y si no se aplicará los estadísticos no
paramétricos.
Variable con dist. Estadistico

Normal paramétricos
Variable con dist. Estadisticos no

no normal paramétricos
En segundo lugar, es necesario conocer si tiene una distribución

normal o no porque permitirá elegir el estadístico correcto para
realizar el contraste de hipótesis, así si la variable tiene una
distribución normal, se aplicará el estadístico R de Pearson, en cambio
si la distribución de la variable no es normal, aplicaremos el

estadístico Rho. de Spearman.
Variable con dist. Estadistico R de

Normal Pearson
Variable con dist. Estadistico Rho de

no normal Spearman
Datos para la prueba de normalidad
1.- La hipótesis nula siempre plantea la existencia de normalidad

y la hipótesis alterna que no existe normalidad.
H0 = La distribución es normal
H1 = La distribución no es normal
2.- El nivel de significancia = 5% que es igual a: 0.05
3.- Si el P valor < 0.05 se rechaza la hipótesis nula y se acepta la

alterna.
Formulación de las hipótesis
Para hacer el cálculo de la distribución se necesita en primer lugar

que se plantee las hipótesis que van a ser objeto de cálculo, así
tenemos:
H0 = Considera que la variable tiene una distribución normal
H1 = Considera que la variable no tiene una distribución normal
La significancia o p valor, va a depender del margen de error que

queramos asumir, si queremos asumir un error del 5% que es lo más
aceptable, diremos que la significancia o p valor no debe ser mayor a
0.05.
5.3.1. Pasos para el cálculo de la

normalidad en el SPSS
Para el cálculo de la normalidad en el programa SPSS se siguen los

siguientes pasos:
1.- Cargamos los datos en la matriz del SPSS
El SPSS permite copiar de Word o Excel y pegar en su matriz,

en el presente caso se tiene una base de datos con la cual se
efectuó el cálculo de la regresión lineal.
En la vista de variables verificamos los siguientes valores:
2.- Planteamos las hipótesis
H0 = La variable tiene una distribución normal
H1 = La variable no tiene una distribución normal
3.- Efectuamos los cálculos
Vamos al menú del SPSS: “Analizar”, “Estadísticos descriptivos”

y “Explorar”
Donde tendremos el siguiente cuadro:
En el cuadro: pasamos las variables a la lista de dependientes,

luego clic en “Gráficos” y activamos la casilla “Gráficos con pruebas
de normalidad”, luego continuar y aceptar.
Entonces el visor de resultados del SPSS nos dará diferentes

cuadros y gráficos, pero el cuadro que nos interesa es la prueba de
normalidad, motivo por el cual debemos de ubicar el siguiente
cuadro:
Índice
En este cuadro se resumen los valores de las dos variables. Para

datos mayores a 50 utilizamos Kolmogorov Smirnov y para datos
igual o menores de 50 utilizamos Shapiro Wilk, como en el presente
caso los datos son menores de 50, utilizamos Shapiro Wilk, donde
apreciamos que la significancia para las dos variables es mayor a
0.05, pues en el caso de la variable PBI la significancia es 0.949 y para
la variable ingresos la significancia es 0.929, por tanto aceptamos la
H0 y decimos que las variables tienen una distribución normal, por
tanto le es aplicable los estadísticos paramétricos.
Debemos recordar que:
Si el valor de la significancia (sig.) llamado también p valor, es mayor a

0.05, entonces se acepta la H0, entonces decimos que la variable tiene
una distribución normal, en cambio sí es menor se rechaza la H 0 y
decimos que la variable tiene una distribución no normal
5.3.2. Ejemplo de prueba de normalidad
Supongamos que en el siguiente cuadro queremos saber si las

variables corresponden a una distribución normal o no:
Preguntas
Alumnos
P1 P2 P3 P4
A1 1 1 1 0
A2 1 1 1 1
A3 0 0 0 1
A4 1 1 0 0
A5 0 0 0 0
A6 1 0 1 1
1.- Plantear las hipótesis
En primer lugar, planteamos las hipótesis, estableciendo para la

hipótesis nula (H0) una igualdad y para la hipótesis alterna (H1),
una diferencia.
H0 = La distribución es normal
H1 = La distribución no es normal
2.- Llevamos los datos a la matriz del SPSS:
En este caso tenemos un cuestionario de 4 preguntas aplicado a 6

alumnos
3.- Hacemos los cálculos con el SPSS
Para ello vamos a: “Analizar”, “Estadísticos descriptivos” y

“Explorar”
Y obtendremos el siguiente cuadro, donde pasamos las preguntas

(P1, P2, P3 y P4) a la lista de dependientes de la derecha.
En este caso P1, P2, P3 Y P4, son preguntas que evalúan a

una sola variable, sin embargo, para el programa SPSS cada
una se considera como una variable
Luego, pasamos las preguntas a la lista de dependientes:
Hacemos clic en “Gráficos” y activamos “Graficos de normalidad

con pruebas”, esto es muy importante para que nos salga las dos
pruebas, la de Shapiro Wilk y Kolmogorov Smirnov.
Luego continuar y aceptar y obtendremos el siguiente resultado:
Índice
Al ser aplicado el cuestionario a solo 6 personas que es menor a 50,

el estadístico aplicable es Shapiro Wilk y no Kolmogorov Smirnov,
donde la significancia de todas las variables es menor a 0.05, por
tanto, la hipótesis nula se rechaza, es decir las variables son no
paramétricas
Conclusión
Las cuatro preguntas del cuestionario tienen una distribución no

normal.
5.3.3. Prueba de normalidad en grupos

segmentados
Este tipo de análisis se da cuando tenemos dentro de una variable,

grupos que requiere segmentarlos para su análisis de normalidad,
por ejemplo, se tiene las siguientes calificaciones de los alumnos
(hombres y mujeres) de 0 a 20:
ID Genero Promedio
1 Hombre 14
2 Hombre 16
3 Hombre 13
4 Hombre 16
5 Hombre 15
6 Hombre 18
7 Hombre 11
8 Mujer 17
9 Mujer 16
10 Mujer 12
11 Mujer 19
12 Mujer 14
13 Mujer 15
14 Mujer 11
15 Mujer 13
16 Mujer 18
Esta base de datos lo llevamos a la matriz del SPSS
En la vista variables sería así
Índice
Luego en el SPSS vamos a datos y segmentar archivos:
Obtendremos el siguiente cuadro, donde seleccionamos el icono

organizar los resultados por grupos y también trasladamos género al
cuadro de grupos, luego aceptar
Este procedimiento hará que el cálculo de la normalidad se realice

por grupos.
Luego hacemos nuevamente el cálculo de Kolmogorov Smirlov y

Shapiro Wilk, para ello vamos a “Analizar”, “Estadísticos
descriptivos” y “Explorar”
Agregamos la variable nota y luego en “gráficos” seleccionamos:

“gráficos de normalidad con pruebas” y aceptar y obtenemos los
valores tanto para varones y mujeres:
En este caso es válido Shapiro Wilk porque los datos son menores
de 50, y la significancia al ser mayor de 0.05, se acepta la hipótesis
nula, por tanto, diremos que la variable tiene una distribución
normal, es paramétrica.
5.3.4. La distribución normal
La distribución normal es una forma de distribución de las

frecuencias con las siguientes características:
Es simétrica
Tiene una asíntota horizontal
El área entre la función y el eje horizontal es 1
El valor medio es la media de la población (µ)
Se distribuye igual a la izquierda y para la derecha
El gráfico de la desviación típica (σ) heterogénea es
achatada, la homogénea normal
Índice
Distribución normal
Se simboliza: N(µ, σ), donde: La media (µ) = 0 y la desviación

estándar σ = 1, esto quiere decir que la media es un punto medio y
la significancia es 1 por tanto tiene una pendiente simétrica, siendo
la simbolización N(0,1)
La fórmula de la distribución normal fue desarrollada por Gauss

que responde a la siguiente función N = (𝜇, σ)
Donde
𝜇 = Media poblacional
σ = Desviación típica poblacional
y se tiene la siguiente fórmula propuesta por Gauss.
La distribución normal N = (𝜇, σ), responde a la siguiente función

N = (0, 1)
Índice
Donde:
La media poblacional = 0 y
La desviación típica = 1
Con lo cual la fórmula de la función normal se simplifica a la

siguiente:
−𝑋2
1
F(x) = 𝑒 2
√2𝜋
Cuyo gráfico sería el siguiente:
−𝑋2
1
La fórmula F(x) = 𝑒 2 , esta fórmula permite hacer el cálculo
√2𝜋
del área bajo la curva. Conforme al siguiente ejemplo: el área
sombreada, puede ser calculada del siguiente modo:
Índice
Fórmula:
2 2
1 −𝑋
∫= 𝑒 2
−2
√2𝜋
La fórmula permite hallar el área sombrada, su cálculo puede

resultar muy extensa y compleja, para evitar ello, tenemos la tabla de
distribución normal, donde en el presente ejemplo los valores de Z
van a ser calculados cuando z= 2 y z= -2, pero estos valores son
valores de la recta x, los valores de Z deben ser hallados mediante la
fórmula antes indicada, para ello necesitamos hallar los valores z que
son los límites comprendidos por el área sombreada, los valores que
tenemos en la tabla son:
f(2) = 0.977 y f(-2) = 0.023
Para hallar el valor del área sombreada, debemos restar ambos

valores, así el área sombreada es igual al valor de f(2) - f(-2) = 0.954,
esto quiere decir que el área sombreada tiene un valor de 0.954.
5.4. Prueba de la hipótesis general
Es la comprobación de la hipótesis general de la tesis, la prueba de

hipótesis puede realizarse en cualquier tipo de investigación que
tenga hipótesis, sin embargo, la prueba de hipótesis que busque la
medición de la influencia de las variables solo corresponde a las
investigaciones explicativas, donde se requiera medir la asociación o
la influencia de una variable sobre otra. La prueba de hipótesis o
también llamada prueba de contrastación de hipótesis, busca medir
la dependencia de una variable en relación a la otra.
Variable 1 Se mide la influencia Variable 2
Índice
Del ejemplo del primer capítulo, tenemos el siguiente enunciado:

• Modificación necesaria
Donde la hipótesis general es:
Dado que …
Es posible, que las deficiencias en la reparación del daño en el

5.4.1. Prueba de hipótesis con R de

Pearson
Esta prueba de asociación es procedente en variables que tienen

una distribución normal o son paramétricas, para ello se sigue los
siguientes pasos:
1.- Planteamos las hipótesis de trabajo
H0 = Las deficiencias en la reparación del daño en el procedimiento

administrativo disciplinario que regula la ley 30057, Ley del
Índice
Servicio Civil, justifique su modificación legislativa para la


administrativo disciplinario que regula la ley 30057, Ley del
Servicio Civil, no justifica su modificación legislativa para la
Los datos a analizar provienen de la encuesta realizada:
(12) Masculino
(11) Funcionario (8) Femenino
público Sexo
Nivel
(6) Actividad (5) hasta 35 años
ocupacional:
Privada Edad (12) de 35 a 50 años
(3) Docente (3) mayores de 50
años
INSTRUCCIONES
Se presenta un conjunto de afirmaciones sobre la INCORPORCION
DE LA REPARACIÓN DEL DAÑO EN EL PROCEDIMIENTO
DEL SERVICIO CIVIL, para la defensa del patrimonio del Estado, a las que se
debe responder con la mayor sinceridad y veracidad posible de acuerdo
a las observaciones realizadas. No existen respuestas correctas o
incorrectas. El instrumento tiene carácter anónimo e individual. Se debe
colocar una (X) en el recuadro correspondiente de acuerdo a los
siguientes enunciados
1 2 3 4 5
V1: Reparación del daño 1 2 3 4 5

regulación de la reposición del bien en
la ley 30057 Ley del Servicio Civil evita
1 0 3 4 8 5
que el Estado pueda recuperar su
patrimonio afectado por la conducta del
infractor?
2 disciplinario se exija al infractor junto a 0 0 5 12 3
la sanción la reparación del bien
exigencia de reposición del bien dañado
3 0 1 3 11 5
en la vía judicial es un proceso lento e
ineficiente?
exigencia de reposición del bien dañado
4 2 3 5 7 3
en la vía judicial podría prescribir por la
exigencia de la reposición del bien
5 dañado en la vía administrativo 1 1 6 8 4
regulación del pago del valor del bien
en la ley 30057 Ley del Servicio Civil
6 0 0 3 11 6
evita que el Estado pueda recuperar su
patrimonio afectado por la conducta del
infractor?
7 disciplinario se exija al infractor junto a 0 1 4 5 10
la sanción del pago del valor del bien
exigencia del pago del valor del bien en
8 0 3 3 6 8
la vía judicial es un proceso lento e
ineficiente?
9 1 1 4 7 7
la vía judicial podría prescribir por la
Índice

10 la vía administrativo disciplinaria sería 1 0 5 9 5
más célere y más eficiente que en la vía
judicial?

procedimiento sancionador que regula
11 la ley 30057, Ley del Servicio Civil se 0 3 7 8 2
enfoca en el castigo al infractor y
desprotege el patrimonio del Estado?
reposición del bien o el pago de su valor
12 0 3 4 9 4
exigidos en la sanción administrativa
protegería el patrimonio del estado?
reparación civil está compuesta por la
13 1 0 6 8 5
reparación del daño y la indemnización
reparación del daño implica la
14 0 1 5 7 7
reposición del bien y si no fuera posible
el pago de su valor?
reparación del daño sea también
exigible en la vía administrativo
15 0 0 2 12 6
disciplinaria, en cambio la exigencia de
los daños y perjuicios sea exclusivo de
la vía judicial?
¿Está usted de acuerdo en que se
justifica la modificación legislativa
16 0 2 3 7 8
conforme al proyecto de ley que se
adjunta?
……………………………………………………………………………………
……………………………………………………………………………………
TOTAL
La información se ordena en la matriz de datos:

It Sex Pro Ed RB1 RB2 RB3 RB4 RB5 TRB PV6 PV7
1 1 1 1 4 3 2 2 1 12 4 4
2 1 2 2 4 4 4 1 2 15 5 4
3 1 3 2 2 4 4 3 3 16 3 2
4 1 1 1 5 3 3 1 4 16 4 4
5 1 1 2 3 5 5 2 4 19 3 3
6 1 2 1 4 5 3 3 3 18 4 4
7 2 1 3 5 3 5 2 4 19 3 4
8 2 1 1 3 4 5 4 4 20 5 3
9 1 3 3 4 5 4 5 3 21 5 5
10 2 3 1 4 4 3 4 3 18 4 3
11 1 1 2 2 3 4 3 4 16 4 3
12 1 1 3 5 3 4 3 3 18 4 5
13 1 1 2 4 4 5 4 5 22 5 5
14 2 2 2 3 4 4 3 3 17 4 5
15 1 1 2 2 4 4 5 4 19 4 5
16 1 2 2 5 4 4 4 5 22 5 5
17 2 2 2 4 4 4 4 4 20 4 5
18 2 1 2 4 4 4 4 5 21 4 5
19 2 1 2 3 4 4 4 5 20 4 5
20 2 2 2 5 4 5 5 4 23 5 5
PV PV9 PV TPV TV M1 M1 M1 M1 M1 M1
8 10 1 1 2 3 4 5 6
4 1 1 14 26 3 3 1 3 4 3
3 3 4 19 34 4 4 4 2 3 3
5 2 4 16 32 2 4 3 4 3 2
2 4 4 18 34 4 2 5 4 5 2
5 4 3 18 37 5 2 3 4 5 3
5 5 4 22 40 2 3 4 4 4 4
5 3 3 18 37 5 4 5 3 4 4
3 5 4 20 40 2 2 3 3 4 4
2 3 3 18 39 3 3 4 4 4 4
4 3 5 19 37 3 4 3 3 4 4
5 5 4 21 37 4 3 4 3 4 4
2 4 3 18 36 3 5 4 4 4 4
5 5 5 25 47 4 4 3 5 4 5
4 4 3 20 37 3 5 3 4 4 5
3 4 4 20 39 4 4 5 5 4 5
5 5 5 25 47 4 4 5 5 4 5
5 5 4 23 43 4 4 4 5 5 5
4 5 5 23 44 4 4 5 5 5 5
4 4 4 21 41 3 5 4 5 5 5
Índice
4 4 5 23 46 3 5 4 5 5 5
TM TV TT
2
17 17 43
20 20 54
18 18 50
22 22 56
22 22 59
21 21 61
25 25 62
18 18 58
22 22 61
21 21 58
22 22 59
24 24 60
25 25 72
24 24 61
27 27 66
27 27 74
27 27 70
28 28 72
27 27 68
27 27 73
En la matriz, las variables que van a ser objeto de prueba de

asociación son:
TV1 = Total variable 1
TV2 = Total variable 2
2.- Verificamos por separado que cada variable tenga o no una

distribución normal
Para el cálculo de la normalidad de una variable es necesario que esta

sea del tipo escala, por lo cual no se puede hallar la normalidad de
una variable ordinal o nominal
En el SPSS vamos a “Analizar”, “Estadísticos descriptivos”,

“Explorar”
Luego nos saldrá el siguiente cuadro:
Pasamos las variables TV1 y TV2 a la lista de dependientes, en

“Gráficos” desactivamos “Tallos y hojas” y activamos “Gráficos de
normalidad con pruebas”
Luego continuar y aceptar, obtendremos el siguiente resultado:
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
TV1 ,126 20 ,200* ,956 20 ,465

TV2 ,167 20 ,144 ,925 20 ,125
*. Esto es un límite inferior de la significación verdadera.

a. Corrección de significación de Lilliefors
Siendo los encuestados 20 personas y por tanto menor a 50,

corresponde el cálculo de Shapiro Wilk, donde podemos ver que la
significancia de la TV1 es 0.465, que es mayor a 0.05 por tanto esta
variable tiene una distribución normal. En cuanto a la variable TV2,
tiene una significancia de 0.125 que es mayor a 0.05, por tanto, igual
que la otra variable, se acepta la hipótesis nula que establece que
tienen una distribución normal.
En este caso ambas variables tienen distribuciones normales,

motivo por el cual para la prueba de hipótesis aplicamos el estadístico
R. de Pearson.
3. Hacemos el cálculo de Chi2 con R de Pearson
El calculo de asociación se realiza midiendo la diferencia entre las

frecuencias esperadas y las frecuencias observadas, cuanta más
distancia haya entre estos valores, mayor grado de asociación.
Para realizar el cálculo, en el SPSS vamos a: “Analizar”,

“Estadísticos descriptivos” y “Tablas cruzadas”, seleccionamos las
dos variables a contrastar que son el total de la variable 1 (TV1) con el
total de la variable 2 (TV2), para lo cual ponemos la variable TV1 en
filas y la variable TV2 en columnas a efectos de tener un cálculo de
asociación en forma cruzada de las variables.
En el visor del SPSS se tiene el siguiente resultado:
Pruebas de chi-cuadrado
Significación
asintótica
Valor gl (bilateral)
Chi-cuadrado de Pearson 96,000a 88 ,263

Razón de verosimilitud 57,142 88 ,996
Asociación lineal por lineal 10,469 1 ,001
a. 108 casillas (100,0%) han esperado un recuento menor que 5. El

recuento mínimo esperado es ,05.
Donde 0.263, es mayor que 0.05, motivo por el cual aceptamos la

H0 que establece:
“Las deficiencias en la reparación del daño en el

procedimiento administrativo disciplinario que regula la
ley 30057, Ley del Servicio Civil, no justifica su
modificación legislativa para la defensa del patrimonio del
Estado, Perú, 2019”
-1 = Correlación negativa perfecta
-0.90 = Correlación negativa muy fuerte
-0.75 = Correlación negativa considerable ¿Para qué nos sirve esto?
-0.50 = Correlación negativa media Nos sirve para comparar con el

resultado de Chi cuadrado y poder
-0.25 = Correlación negativa débil establecer el grado de correlación de
nuestros resultados
-0.10 = Correlación negativa muy débil
0.00 = No existe correlación alguna entre las variables
+0.10 = Correlación positiva muy débil
+0.25 = Correlación positiva débil
+0.50 = Correlación positiva media
+0.75 = Correlación positiva considerable
+0.90 = Correlación positiva muy fuerte
+1.00 = Correlación positiva perfecta
5.4.2. Prueba de Rho de Spearman
Como se indicó anteriormente, la evaluación de la normalidad de

la variable permite identificar el estadístico aplicable, R. de Pearson
para los que tienen una distribución normal y Rho de Spearman para
los que no tienen una distribución normal, en el presente caso vamos
a suponer que las variables a analizar no tengan una distribución
normal, entonces aplicaremos el estadístico Rho de Spearman del
siguiente modo:
1.- Planteamos las hipótesis:
A manera de ejemplo vamos a considerar el ejemplo anterior,

considerando que las variables no tienen una distribución normal,
motivo por el cual aplicaríamos el estadístico Rho de Spearman.
Del ejemplo anterior, tenemos el siguiente enunciado:
Índice

Donde la variable general es:
Es posible que las deficiencias en la reparación del daño en el

para la defensa del patrimonio del Estado, Perú, 2019
1.- Planteamos las hipótesis de trabajo

administrativo disciplinario que regula la ley 30057, Ley
del Servicio Civil, no justifique su modificación legislativa
para la defensa del patrimonio del Estado, Perú, 2019

administrativo disciplinario que regula la ley 30057, Ley
del Servicio Civil, justifica su modificación legislativa para
Hacemos el cálculo en el SPSS
Vamos a: “Analizar”, “Correlaciones”, “Bivariadas”
Nos saldrá el siguiente cuadro, donde elegimos “Spearman”
Aceptamos y en el visor del SPSS tenemos:
Donde el valor del coeficiente de correlación es 0.694, que significa

una correlación positiva media, por otro lado, tenemos un valor de
significación menor a 0.05 indica que se rechace la H0 y una
significación mayor que se acepte, en el presente caso la significancia
es 0.001, que es menor a 0.05, motivo por el cual se rechazará la H0, es
decir hay una dependencia o correlación entre las variables de nivel
media o moderada.
-1 = Correlación negativa perfecta

nuestros resultados
Índice
Nota:
El hecho que no se pruebe la hipótesis de la investigación no

quiere decir que la tesis no tenga valor, esto significa,
simplemente que las variables son independientes, puede
volverse a verificar el cuestionario y el recojo de la muestra y
si se obtiene los mismos resultados, entonces los resultados
están correctos.
5.5. Prueba de hipótesis especificas
La hipótesis específica es la posible respuesta a los objetivos

específicos, es una posible respuesta a la relación que se tiene entre
los indicadores de las variables, así, por ejemplo:
Variable 1
Variable 2
Indicador A
Indicador C
Indicador B
Esto tiene lugar donde las variables se relacionan en causa y efecto.

Tomaremos como ejemplo el enunciado del primer capítulo de este
libro que indica:

En el presente caso vamos a medir si los indicadores de la variable

1 influyen en los indicadores de la variable 2, pues estas han dado
lugar a las hipótesis específicas:
Entonces si el primer objetivo específico indica:
Nota:
α = Es la significación, es decir la probabilidad de cometer el

error de rechazar la hipótesis nula cuando esta corresponda ser
aceptada.
5.5.1. Prueba de la 1ra. Hipótesis

específica:
Siguiendo la investigación puesta como ejemplo en el capítulo I y

para la prueba de la hipótesis general, como hipótesis específica se
propuso:
Dado que (…)
Es posible que las deficiencias en la reposición del bien en el

En la hipótesis general se plantea la influencia de la variable

independiente sobre la dependiente, en las hipótesis especificas se
Índice
plantea la influencia de un indicador de la variable independiente

sobre otro indicador de la dependiente.
La influencia de los indicadores se grafica así:
Reposición del bien Modificación necesaria
La matriz de datos (viene de la página 35)
Esta figura con la anterior se complementan, pues en esta continua

la pregunta once y siguientes:
La prueba de la primera hipótesis específica se realizará entre Trb

que es el total del primer indicador de la primera variable y TM que
es el total del indicador de la segunda variable, para lo cual, seguimos
los siguientes pasos:
1.- Formulamos la hipótesis:
H0 = La deficiencia de la reposición del bien no justifica la

H1 = La deficiencia en la reposición del bien justifica la

2.- Verificamos la distribución normal de las variables (Trb y

TM)
Para ello realizamos los pasos indicados para la normalidad,

hallamos la normalidad de Trb y de TM en el SPSS:
Vamos a “Analizar”, “Estadísticos descriptivos”, y “Explorar”
Índice
Y obtenemos el siguiente resultado:
Pruebas de normalidad
Estadístico gl Sig. Estadístico gl Sig.
Trb ,113 20 ,200* ,967 20 ,684

TM ,167 20 ,144 ,925 20 ,125
*. Esto es un límite inferior de la significación verdadera.

a. Corrección de significación de Lilliefors
Al ser los encuestados menos de 50, aplicamos Shapiro Wilk.

Recordemos que:
Postulado:
Si el valor de la significancia (sig.) llamado también p valor, es mayor

a 0.05, entonces se acepta la H0, entonces decimos que la variable tiene
una distribución normal, en cambio sí es menor se rechaza la H 0 y
decimos que la variable tiene una distribución no normal
En este caso el valor de la significancia es 0.684 y 0.125, que son

valores mayores a 0.05, motivo por el cual decimos que la variable Trb
y TM tienen una distribución normal.
3.- Haciendo la prueba de hipótesis
Debemos recordar que las hipótesis son:
H0 = La deficiencia de la reposición del bien no justifica la

H1 = La deficiencia en la reposición del bien justifica la

modificación legislativa.
Donde:
Índice
Aceptamos la H0 si la significancia es mayor a 0.05, de lo contrario se

rechaza H0 y se acepta H1
Luego en el SPSS:
“Analizar”, “Estadísticos descriptivos” y “Tablas cruzadas”
Luego, ponemos la variable más cargada en filas y la otra en

columnas:
Luego en “estadísticos”, activamos “chi-cuadrado” y “Coeficiente

de contingencia”
Índice
En “Casillas” activamos “Esperado”, debemos indicar que los

valores observados son los valores que hemos insertado al SPSS, en
cambio los valores esperados son los valores que el SPSS calculará, la
diferencia entre lo observado y lo esperado nos indicará si existe o no
relación entre variables. También puede activar los porcentajes de fila
y columna y también el total o solo el total.
Luego en el visor del SPSS tenemos el siguiente resultado:
Son tres los cuadros que resultan útiles para el análisis, estos son:
Índice
La tabla cruzada de las variables

La tabla de prueba de chi cuadrado y
La tabla de medidas simétricas
La tabla cruzada de variables
En esta tabla se puede apreciar los valores esperados que se calcula

en función a los valores de la variable.
Tabla cruzada Trb*TM
TM Tot
17 18 20 21 22 24 25 27 28 al
Trb 12 Recuento 1 0 0 0 0 0 0 0 0 1
Recuento
,1 ,1 ,1 ,1 ,2 ,1 ,1 ,3 ,1 1,0
esperado
15 Recuento 0 0 1 0 0 0 0 0 0 1
esperado ,1 ,1 ,1 ,1 ,2 ,1 ,1 ,3 ,1 1,0
16 Recuento 0 1 0 0 2 0 0 0 0 3
esperado ,2 ,3 ,2 ,3 ,6 ,3 ,3 ,8 ,2 3,0
17 Recuento 0 0 0 0 0 1 0 0 0 1
esperado ,1 ,1 ,1 ,1 ,2 ,1 ,1 ,3 ,1 1,0
18 Recuento 0 0 0 2 0 1 0 0 0 3
esperado ,2 ,3 ,2 ,3 ,6 ,3 ,3 ,8 ,2 3,0
19 Recuento 0 0 0 0 1 0 1 1 0 3
esperado ,2 ,3 ,2 ,3 ,6 ,3 ,3 ,8 ,2 3,0
20 Recuento 0 1 0 0 0 0 0 2 0 3
esperado ,2 ,3 ,2 ,3 ,6 ,3 ,3 ,8 ,2 3,0
21 Recuento 0 0 0 0 1 0 0 0 1 2
esperado ,1 ,2 ,1 ,2 ,4 ,2 ,2 ,5 ,1 2,0
22 Recuento 0 0 0 0 0 0 1 1 0 2
esperado ,1 ,2 ,1 ,2 ,4 ,2 ,2 ,5 ,1 2,0
23 Recuento 0 0 0 0 0 0 0 1 0 1
esperado ,1 ,1 ,1 ,1 ,2 ,1 ,1 ,3 ,1 1,0
Total Recuento 1 2 1 2 4 2 2 5 1 20
20,
esperado 1,0 2,0 1,0 2,0 4,0 2,0 2,0 5,0 1,0
0
Significación
asintótica


Como podemos apreciar la significación (0.035) es menor a 0.05,

por lo cual rechazamos la H0 y aceptamos la H1, estableciendo que
hay asociación entre ambas variables.
Esta información lo podemos corroborar con la tabla del

coeficiente de contingencia que reitera los valores, dándonos mayor
seguridad en el cálculo:
Medidas simétricas
Significación
Valor aproximada
Nominal por Nominal Coeficiente de contingencia ,909 ,035

En este caso, vemos que el coeficiente de contingencia también es

menor que 0.05, por tanto, se rechaza la H0 y se acepta la H1. Por tanto,
la conclusión es que: La deficiencia en la reposición del bien
justifica la modificación legislativa.
Índice
Nota:
Debemos recordar que la hipótesis general no fue probada, por tanto,

no tiene sentido probar las hipótesis específicas, sin embargo, lo
hacemos a manera de ejemplo.
5.5.2. Prueba de la 2da Hipótesis

especifica
En este caso seguimos el procedimiento anterior, empezamos

proponiendo las hipótesis de estudio:
Dado que (…)
Es posible que las deficiencias en el pago del valor del bien en el

30057, Ley del Servicio Civil, justifique su modificación
legislativa para la defensa del patrimonio del Estado, Perú, 2019
Pago del valor del bien Modificación necesaria
Se plantea:
H0 = La deficiencia en el pago del valor del bien no justifica la

H1 = La deficiencia en el pago del valor del bien justifica la

En el SPSS
Pasamos la variable independiente a “filas” y la dependiente a

“categorías”
Como resultado tenemos:
Como podemos apreciar, la significancia (0.092) es mayor que 0.05,

motivo por el cual se acepta la H0 y se rechaza la H1, indicando que
La deficiencia en el pago del valor del bien no justifica la
Índice
5.6. Prueba de la hipótesis de trabajo
Las hipótesis de trabajo se plantean para probar las hipótesis de la

tesis y también para probar hipótesis que surjan en el desarrollo de
una investigación, son hipótesis que se plantean para solucionar un
determinado problema.
Es un cálculo estadístico que se basa en la evidencia de la muestra

y se utiliza para establecer si debe o no rechazarse la hipótesis nula,
este cálculo utiliza 2 hipótesis que son excluyentes entre sí que son: la
hipótesis nula (H0) y la hipótesis alterna (H1), donde la aceptación de
la hipótesis nula implica el rechazo de la hipótesis alternativa.
Consideraciones para la prueba de hipótesis
El cálculo estadístico busca establecer si se acepta o se

rechaza la hipótesis nula (H0)
Cuando se rechaza la H0 y se acepta la H1 significa la
existencia de influencia de la variable en el resultado.
En el planteamiento del problema, la hipótesis de
investigación debe de coincidir con la H1.
Debe tenerse presente que el propósito de la
investigación es probar la hipótesis que es la posible
respuesta que se planteó al inicio del estudio.
Pasos para la prueba de hipótesis
Paso 1: Plantear la hipótesis nula y la hipótesis alternativa del

problema, donde pueden ocurrir 3 situaciones:
En el primer caso, se plantea una igualdad entre la media muestral

y la media poblacional.
H0 : =µ
1
H1 : ≠µ
En el segundo caso, se plantea que la media muestral de la

hipótesis nula es menor o igual a la media poblacional y la hipótesis
alterna plantea lo opuesto.
H0 : ≤µ
2
H1 : >µ
En el tercer caso, se plantea una situación diferente al caso

anterior, debe tenerse presente que la igualdad siempre se platea en
la hipótesis nula
H0 : ≥µ
3
H1 : <µ
PASO 2: Elegir el nivel de significancia (α), que es la cantidad máxima

de error que estamos dispuestos a aceptar para dar como
válida la hipótesis de investigación, por lo general una
investigación utiliza un α = 0.05, que en su forma porcentual
= 5%.
PASO 3: Determinar la zona de aceptación y rechazo de la hipótesis

nula (H0).
En este caso la zona de rechazo está en ambas colas de la gráfica,

se relaciona con el paso 1 que considera en la hipótesis alterna una
desigualdad entre la media muestral y la media poblacional.
Índice
En este caso el error es de 0.025 a cada lado, debido a que el error
máximo total es de 0.05, al lado izquierdo es negativo y al lado
derecho es positivo, Z adquiere el valor de 1.96 que resulta de la tabla
En este caso la zona de rechazo se ubica en el lado derecho de la

gráfica, se relaciona con el paso 2 que considera en la hipótesis alterna
que la media muestral es mayor a la media poblacional.
En esta gráfica la zona de rechazo se ubica en el lado izquierdo y

se relaciona con el paso 3 que considera en la hipótesis alterna que la
media muestral es menor a la media poblacional.
PASO 4: Determinar la función pivotal, para ello se utilizarán la

fórmula Z cuando N > 30 y la fórmula T cuando N ≤ 30, de
esta manera se tiene:
Xpromedio− µ
Z= σ
⁄ 𝑛
√
Cuando n > 30
Xpromedio− µ
t= σ (n – 1) GL
⁄ 𝑛
√
Cuando n ≤ 30
P−p
Z=
√𝑝∗𝑞⁄𝑛
PASO 5: Cálculo de la función pivotal
La función pivotal es la aplicación y desarrollo de la fórmula para

el cálculo de Z
Se reemplaza con la información obtenida en la fórmula correcta y

se obtiene el valor, es decir si deseamos realizar una prueba de
hipótesis para la media poblacional de los estudiantes de una
universidad y planteamos que la hipótesis de interés de que la edad
es diferente a 25 años. Posteriormente evaluamos una muestra de 40
alumnos y encontramos que el promedio de la edad es de 22.5, con
una desviación estándar de 4.5 años.
Entonces la función pivotal sería:

Xpromedio− µ
Z= σ
⁄ 𝑛
√
Cuando n > 30
22.5−25 −2.5
Z= 4.5⁄ = 0.71 = -3.51
√40
El cálculo obtenido en la función pivotal = -3.51
PASO 6: Una vez obtenido el cálculo de la función pivotal,

ubicamos el valor en la región de rechazo (RR) o de aceptación (RA)
de la hipótesis nula (H0)
Índice
PASO 7:
Establecemos la conclusión, como podemos apreciar -3.51 se

encuentra fuera de la zona de aceptación, es decir en la zona de
rechazo, por lo cual rechazamos la H0 y aceptamos la H1.
Ejemplo:
Un motor de un grupo electrógeno tiene un consumo de 225 ml de

aceite por día, una muestra aleatoria en 36 días tiene un contenido
promedio de 220 ml por día con una desviación estándar de 15 ml.
Pruebe la hipótesis del promedio teórico igual a 225 ml en
contraposición a la hipótesis alternativa que es menor a 225 ml con un
nivel de significación del 5%
PASO 1: Proponer si la hipótesis es nula (H0) o la hipótesis es

alternativa (H1)
H0: µ = 225 ml
H1: µ < 225 ml
PASO 2: Especificar la significación
= 5%
La significación = 5% por lo que se trabajará con una confianza =

95%
PASO 3: Calculamos el valor crítico y el valor de prueba.
𝑥̅ − µ 220−225
ZP = 𝜎 = 15 = -2.0
( )
√𝑛 √36
PASO 4:
Decisión: Se rechaza H0
Conclusión: Se puede afirmar que el contenido promedio es

menor de 225 ml con un = 5%
5.6.1. Prueba de hipótesis de una

proporción
En este tipo de cálculo, no se busca un tipo de asociación, sino

probar una igualdad o una desigualdad en base a una proporción de
los datos.
Formula:
𝑃−𝑃𝑜
Zp =
𝑃𝑜.𝑄𝑜
√
𝑛
Donde:
P = Proporción de la muestra en relación a la población
Po = Proporción que se afirma
Qo = Es el complemento de Po
Índice
Los pasos que se sigue para hallar la prueba de hipótesis de una

proporción son:
1.- Se formula las hipótesis
La hipótesis nula H0, plantea una igualdad, la H1 plantea lo

opuesto, la desigualdad de la H1 va a indicar la dirección en que esta
la cola, así por ejemplo si la H1 plantea que es mayor que (>), entonces
la cola o zona de rechazo será para el lado derecho, si indica que es
menor que (<) la zona de rechazo será para el lado izquierdo.
2.- Especificamos la significancia
Llamado también límite o error máximo, se simboliza con α, es el

complemento del nivel de confianza, así tenemos:
Nivel de confianza Significación Valor Z
90% 10% 1.28
95% 5% 1.64
99% 1% 2.33
3.- Hallar el valor critico (Zc) y el valor de prueba (Zp)
El valor critico es el valor frontera que viene dado por la

significancia que lo sacamos de la tabla Z. El valor de prueba (Zp) es
el resultado del desarrollo de la fórmula.
4.- Se establece la conclusión
Así por ejemplo se tiene:
El gerente de una empresa financiera considera que el 18% de los

clientes incurren en morosidad, pero se sospecha que el porcentaje
Índice
podría ser mayor, en una verificación de una muestra, se pudo
advertir que 90 de los 450 casos, los clientes incurrieron en
morosidad durante el año 2019. ¿Se podría afirmar con una
significación del 5% que la proporción de clientes morosos es
mayor al 18%?
PASO 1: Proponer la hipótesis nula H0 y la hipótesis alternativa H1

𝑥 90
H0: P0 = 0.18 p= = = 0,2
𝑛 450
H1: P > 0.18
PASO 2: Explicar la significación, que en este caso sería = 5% con

una confianza = 95%
= 5%
PASO 3:
a) Hallar el valor crítico (VC) y el valor de prueba (VP)
VC: ZC = 1.64 (De la tabla Z)
VP: ZP = 1.104 (Del cálculo de la fórmula)
𝑃−P0 0,2−0,18
ZP = ZP = = 1.104
𝑃 .𝑄 0.18 .0.82
√ 0 0 √
𝑛 450
b) Establecer zonas de aceptación y rechazo
Índice
PASO 4:
Decisión: Se acepta la hipótesis nula (H0), que establece = 18%
Conclusión: Se puede afirmar que la proporción es igual a 18% con

un = 5%
5.7. Prueba de hipótesis chi cuadrado
La prueba de chi cuadrado es un estadístico que nos indica si existe

independencia o dependencia de las variables en razón de las
frecuencias esperadas y las frecuencias observadas, el estudio se
fundamenta en que las frecuencias esperadas son las que
corresponden al caso, pero si las observadas se alejan del valor de las
esperadas, eso indica que las variables son dependientes, porque su
comportamiento no es conforme a lo esperado.
Por ejemplo, se puede esperar que una moneda en diez

lanzamientos salga el 50% de las veces de un lado, pero si sale el 80 o
90 % de las veces de un solo lado, eso indica que lo observado esta
distante de lo esperado, entonces habrá una correlación fuerte con
otro factor que produce que salga en mayor medida de un solo lado.
A mayor distancia entre lo observado y lo esperado, mayor es el grado de

correlación y de influencia entre las variables.
Para el cálculo de chi2 se compara el chi2 calculado con el chi2

crítico que se obtiene de las tablas de chi2, si el chi2 es menor al chi2
crítico, entonces son independientes, si es mayor son dependientes
Nivel de correlación:
La correlación o la influencia de una variable a otra, puede variar

de -1 (correlación negativa perfecta) a +1 (correlación positiva
perfecta), Hernández, Fernández y Baptista (2014;305) presentan la
siguiente escala del nivel de correlación:

nuestros resultados
5.7.1. Problema 1
En un estudio de mercado:
Se investiga si el envase influye en la venta del producto, para ello

se vende quinua de la misma calidad en dos tipos de envases
diferentes, el producto del envase A, se vendió 300 bolsas el primer
día y al día siguiente 320 bolsas. La quinua del envase B se vendió el
primer día 280 bolsas y al día siguiente 290 bolsas.
El investigador quiere saber si la diferencia de las ventas entre las

quinuas de diferentes envases, se debió al azar o existe una
preferencia por los envases que hace que sean diferentes las ventas
de los productos, pues la quinua es de la misma calidad y solo los
diferencia el tipo de envase. Se considera una significancia del 0.01.
La significancia es el error
que se permite=1%
Las variables son “envase” y “n° de ventas”, se busca probar si el

envase influye en el número de ventas.
PASO 1: Graficar las cantidades en la tabla de doble entrada
Envase A Envase B
1 er día 300 280
2 do día 320 290
SEGUNDO PASO: Formular las hipótesis
Formulamos las dos hipótesis de la investigación:
H0 = En las ventas no influye el tipo de envase
H1 = En las ventas si influye el tipo de envase
TERCER PASO: Hallar las frecuencias esperadas
Las frecuencias esperadas de cada valor son igual a la

multiplicación de su total de la columna por su total de la fila,
dividido entre el total general.
Envase A Envase B
302 277
1 er día 300 + 280 = 580
317 + 292 +
2 do día 320 290 = 610
= =
620 570 1190
Hallando las frecuencias esperadas
(Se halla para cada celda)
620 𝑋 580
Para 300: = 302
1190
570 𝑋 580
Para 320: = 277
1190
620 𝑋 610
Para 280: = 317
1190
570 𝑋 610
Para 290: = 292
1190
CUARTO PASO: Hallando chi2 calculada (X2)
Para hallar la chi2 se resta la frecuencia observada y la esperada,

se eleva al cuadrado y se divide entre la frecuencia esperada.
(𝑶−𝑬)𝟐 Donde:
Formula: Sumatoria de X2 = 𝑬 O=Frecuencia observada
E=Frecuencia esperada
Aplicando la formula →
(300−302)2 (280−277)2 (320−317)2 (290−292)2

X2 = + + +
302 302 317 292
X2 = 0.013 + 0.030 + 0.028 + 0.014
X2 = 0.085
Hallando los grados de libertad (Gl)
Los grados de libertad son las alternativas que se tiene de elegir

entre una u otra elección, se halla restando 1 al número de columnas
que a su vez se multiplica con el número de filas menos 1, así tenemos:
Fórmula: Gl = (C-1)(F-1)
Donde:
Gl = Grados de libertad
C = Número de columnas
F = Número de filas
En el presente caso tenemos
Gl = (2-1)(2-1) = 1
Los grados de libertad y la
significancia permite obtener la
Gl = 1
chi2 crítica en la tabla de chi2
Parámetros de Chi2 critico
X2 crítico = X2 (1; 0.01) Donde: 1= un grado de libertad y 0.010 es la

significancia, con dichos datos nos vamos a la tabla de chi2 y
ubicamos
df son los grados de libertad

y X2 es la significancia, ambos
números coinciden en 6.635 , si
la sig. Fuera 0.05, la chi critica,
sería 3.841
Por tanto chi critico es = 6.635
Y Chi calculado es X2 = 0.085
Regla: Cuando chi2 calculado es mayor que chi2 crítico, entonces se

rechaza la H0, lo que significa que hay dependencia, las variables son
dependientes.
Conclusión:
Las variables son independientes, por tanto, se acepta la hipótesis

nula que establece que “en las ventas influye el tipo de envase” y se
rechaza la hipótesis alterna, con un margen de error del 1%
En el SPSS
Índice
Vamos a “Analizar”, “Estadísticos descriptivos”, “Tablas

cruzadas”, en estadísticos “Chi cuadrado”, en casillas “Esperado”,
continuar y aceptar y tenemos el siguiente resultado:
Significación Significación
asintótica exacta Significación
Valor gl (bilateral) (bilateral) exacta (unilateral)

Corrección de continuidad b
,000 1 1,000
Prueba exacta de Fisher 1,000 ,500
a. 4 casillas (100,0%) han esperado un recuento menor que 5. El recuento

mínimo esperado es ,50.
b. Sólo se ha calculado para una tabla 2x2
En el cuadro se pude ver que la significancia es 0.57, mayor a 0.05,

por tanto, se acepta la H0 es decir se corrobora la independencia de
las variables
5.7.2. Problema 2
Como problema se considera conocer si el uso de las flores de Bach,

tienen efectos o no en la reducción de la ansiedad, para tal efecto se
ha tomado la siguiente muestra. Calcular con un nivel de significancia
del 0.01
PASO 1: Graficar las cantidades en la tabla de doble entrada
Reducción Flores de Bach

de la
ansiedad Uso No uso
Si 20 25
No 10 45
En este problema se tiene dos variables, por un lado está la variable

“Flores de Bach” y por el otro lado está la variable “Reducción de la
ansiedad”, se busca conocer si la primera variable influye o no en la
variable segunda o ambas variables son completamente
independientes.
H0 = Las “flores de Bach” tienen efecto en la reducción de la

ansiedad
H1 = Las “flores de Bach” no tienen efecto sobre la reducción de la

ansiedad

dividido entre el total general.
Reducción de Flores de Bach

la ansiedad
Uso No uso
13.5……………..+ 31.5……………+
Si 20 +….25 =….. 45
16.5……………+ 38.5……………+
No 10 +….45 =…..55
= =
30 70 100
(Se halla para cada celda)
30 𝑋 45
Para 20: = 13.5
100
70𝑋45
Para 25: = 31.5
100
30 𝑋 55
Para 10: = 16.5
100
70 𝑋 55
Para 45: = 38.5
100
CUARTO PASO: Hallando chi2 calculada (X2)

Formula: Sumatoria de X2 = 𝑬 O=Frecuencia observada
Aplicando la formula →
(20−13.5)2 (25−31.5)2 (10−16.5)2 (45−38.5)2

X2 = + + +
13.5 31.5 16.5 38.5
X2 = 3.13 + 1.34 + 2.56 + 1.09
X2 = 8.13
Hallando los grados de libertad (Gl)
Los grados de libertad son las alternativas que se tiene de elegir

entre una u otra elección, se halla restando 1 al número de columnas
que a su vez se multiplica con el número de filas menos 1, así tenemos:
Índice
Fórmula: Gl = (C-1)(F-1)
Donde:
Gl = Grados de libertad
C = Número de columnas
F = Número de filas
Los grados de libertad y la

En el presente caso tenemos
significancia permite obtener la
chi2 crítica en la tabla de chi2
Gl = (2-1)(2-1) = 1
Gl =1
Parámetros de Chi2 critico
X2 crítico = X2 (1; 0.01) Donde: 1= un grado de libertad y 0.010 es la

significancia, con dichos datos nos vamos a la tabla de chi2 y
ubicamos
df son los grados de libertad

y X2 es la significancia, ambos
números coinciden en 6.635
Por tanto chi critico es = 6.635
Y Chi calculado es X2 = 8.13
Regla: Cuando chi2 calculado es menor al chi2 crítico, entonces no

hay dependencia, las variables son independientes.
Conclusión:
Las variables son dependientes, por tanto, se rechaza la hipótesis

nula que establece que “Las “flores de Bach” tienen efecto en la
reducción de la ansiedad” y se acepta la hipótesis alterna, con un
margen de error del 1%
Índice
En el SPSS

Correlaciones
V1 V2
Rho de V1 Coeficiente de correlación 1,000 -1,000
Spearman Sig. (bilateral) . .
N 2 2
V2 Coeficiente de correlación -1,000** 1,000
Sig. (bilateral) . .
N 2 2
**. La correlación es significativa en el nivel 0,01 (bilateral).
Se puede apreciar que la significancia es menor a 0.05, por tanto

podemos afirmar que las variables no son independientes.
5.7.3. Problema 3
Una financiera quiere saber si el número de visitas de los analistas

a sus clientes tiene relación con el número de préstamos realizados.
La financiera selecciona al azar una muestra de 10 analistas y
determina el número de visitas que realizo cada uno de ellos el mes
anterior y el número de préstamo realizados.
PASO 1. Graficar las cantidades en la tabla de doble entrada
Analistas Visitas Prestamos

realizadas realizados
1 20 30
2 40 60
3 20 40
4 30 60
5 10 30
Índice
6 10 40
7 20 40
8 20 50
9 20 30
10 30 70
TOTAL
En este problema se tiene dos variables, por un lado, está la

variable “Visitas realizadas” y por el otro lado está la variable
“Prestamos realizados”, se busca conocer si la primera variable
influye o no en la variable segunda o ambas variables son
completamente independientes.
H0 = El número de visitas de los analistas a sus tiene relación con

los prestamos realizados
H1 = El número de visitas de los analistas a sus clientes no tiene

relación con los prestamos realizados

dividido entre el total general
Analistas Visitas Prestamos

realizadas realizados
16.4 33.6
=…..50
1
20 30
Índice
32.8 67.7
=…..100
2
40 60
19.7 40.3
=…..60
3
20 40
29.6 60.5
=……90
4
30 60
13.1 26.9
=…..40
5
10 30
16.4 35.6
=…..50
6
110 40
19.7 40.3
=…..60
7
20 40
22.9 47
=…..70
8
20 50
16.4 33.6
=…..50
9
20 30
32.8 67.7
=…..100
10
30 70
=…..670
TOTAL 220 450
(se halla para cada celda)
Índice
220 𝑋 50
Para 20: = 16.4
670
220𝑋100
Para 40: = 32.8
670
220 𝑋 60
Para 20: = 19.7
670
220 𝑋 90
Para 30: = 29.6
670
220 𝑋 40
Para 10: = 13.1
670
220𝑋50
Para 10: = 16.4
670
220 𝑋 60
Para 110: = 19.7
670
220𝑋70
Para 20: = 22.9
670
220 𝑋50
Para 20: = 16.4
670
220𝑋100
Para 10: = 32.8
670
450 𝑋 50
Para 30: = 33.6
670
450𝑋100
Para 60: = 67.7
670
450 𝑋 60
Para 40: = 40.3
670
450𝑋 90
Para 60: = 60.5
670
450𝑋40
Para 30: = 26.9
670
450𝑋50
Para 40: = 35.6
670
Índice
450 𝑋 60
Para 40: = 40.3
670
450 𝑋 70
Para 45: = 47
670
450 𝑋 50
Para 30: = 33.6
670
450𝑋100
Para 70: = 67.7
670
CUARTO PASO: Hallando chi2 calculada (x2)

Formula: Sumatoria de X2 = O=Frecuencia observada
𝑬
Aplicando la fórmula →
(20−16.4)2 (40−32.8)2 (20−19.7)2 (30−29.6)2

X2 = + + +
16.4 32.8 19.7 29.6
(10−13.1)2 (110−16.4)2 (30−32.8)2 (30−33.6)2

= + + +
13.1 16.4 32.8 33.6
(60−67.7)2 (40−40.3)2 (60−60.5)2 (30−26.9)2

= + + +
67.7 40.3 60.5 26.9
(40−35.6)2 (40−40.3)2 (50−47)2 (30−33.6)2

= + + +
35.6 40.3 47 33.6
(70−67.7)2 (30−33.6)2 (70−67.7)2

= + +
67.7 33.6 67.7
X2 = 3.13 + 1.34 + 2.56 + 1.09
X2 = 8.13
El valor de chi critica en tabla es de: 16.919. Al ser menor la chi

calculada, entonces se acepta la X0 que establece que ambas
variables son independientes.
Índice
En el SPSS

Significación
asintótica


Podemos apreciar una significancia de 0.357, que es mayor a 0.05,

por tanto, se acepta la hipótesis nula que establece que las variables
son independientes, corroborando el estadístico hecho manualmente.
5.8. Prueba de hipótesis con T de

Student
Es una prueba de hipótesis por medio de una medida de

distribución que se calcula por medio de la distribución T, en base a
los grados de libertad (Gl) y los percentiles (vienen de dividir 100%).
A diferencia de la distribución normal que es para muestras mayores
a 30, la T de Student es para muestras menores a 30
Fórmula de la T de Student Fórmula de la dist. normal
𝑥̅ − µ 𝑥̅ − µ
tЄ = σ Z=
( ) 𝜎
√𝑛
Índice
Gráfico de la T de Student Gráfico de la Distribución
Normal
5.8.1. Características:
Se usa para probar hipótesis

Se usa en variables cuantitativas
Compara las medias de dos muestras o de una
relacionada
Se usa cuando la distribución es normal
Cuando se desconoce la desviación estándar poblacional
Es más aplanada que la distribución normal
A medida que el número de la muestra aumenta, se
aproxima a una distribución normal estándar.
5.8.2. Aplicación:
Para una muestra relacionada (es decir antes y después

de una intervención)
Para dos muestras con varianzas homogéneas (Es
necesario conocer si poseen homocedasticidad)
Para dos muestras con varianzas heterogéneas (Es
necesario conocer si poseen homocedasticidad)
5.8.3. Conocimientos previos:
Índice
Grados de libertad
Es el número de eventos que puede variar la muestra
Gl = n – 1 → Para una muestra
Gl = (n1 + n2) – 2 → Para dos muestras
Hipótesis
Las hipótesis que se plantean en una T de Student son:
H0 = A = B (La hipótesis nula plantea que la muestra es

igual a la segunda o que es igual antes y después de
la intervención)
H1 = A ≠ B (La hipótesis alterna plantea que la muestra es

diferente a la segunda o que es diferente antes y
después de la intervención)
5.8.4. Requisitos
S < 30, una población que no pase de 30 y considerada normal
= La media muestral
µ = La media poblacional
σx
Ee = El error estándar = = El error estándar es igual a la
√𝑛
desviación estándar de la media muestral entre la raíz de n
5.8.5. Pasos para su desarrollo
Paso 1: “Declarar las hipótesis”
Índice
Paso 2: “Establecer el nivel de significancia (α), los grados de

libertad (Gl=n-1) y puntos críticos ± (se obtiene de la tabla T de la
unión de los puntos de α con los Gl)”
𝑋 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜− µ
Paso 3: “Establecer el punto de prueba T =
𝐸𝑒
Paso 4: “Establecer en la gráfica la ubicación del punto de prueba,

si se ubica en el área de rechazo o aceptación y dar una conclusión”
5.8.6. Ejercicios
Una empresa que fabrica celulares afirma que las baterías que
utiliza en sus dispositivos duran un promedio de 30 horas. Para
mantener este promedio, se prueban 16 baterías cada mes, si el valor
t-0.025 y t0.025, la empresa queda satisfecha con su afirmación. ¿Qué
conclusiones debería sacar la empresa a partir de una muestra que
tiene una media de 27.5 horas y una desviación estándar de la
muestra de 5 horas?
Suponga que la distribución de las duraciones de las baterías es

aproximadamente normal.
Datos
Media de la población (µ) = 30 horas
Media de la muestra ( ) = 27.5
Tamaño de la muestra (n) = 16 baterías
Desviación estándar de la población (σ) = 5 horas
Paso1: Formulación de hipótesis
H0 = = 30 la hipótesis nula considera que las baterías duran un

promedio de 30 horas
Índice
H1 = ≠ 30 la hipótesis alterna considera que las baterías tienen

una duración diferente a 30 horas
Paso 2: Especificar la significación (α)
La desviación estándar es de 5, por tanto, los límites de la zona de

aceptación y de rechazo es de 2.5 = 0.025
Paso 3: Calcular el valor crítico y el valor de prueba
El valor crítico
Es el valor calculado y lo hallamos mediante la siguiente operación
𝑥̅ − µ 27.5 − 30 −2.5
tЄ = σ = 5 = = -2
( ) ( ) 1.25
√𝑛 √16
Hallando el valor de prueba
El valor de prueba lo obtenemos de la tabla de distribución:
Ubicar en la tabla t de student la intersección entre los grados de

libertad (Gl) en el presente caso son 15 con la significancia (α) que
es 0.025, obteniéndose el valor de 2.131, por tanto, la t de student
variará entre -2.131 y +2.131
Por tanto, se tiene la siguiente gráfica:
Índice
Como podemos apreciar el valor crítico está dentro de la zona de

aceptación.
Paso 4: Tomar una decisión
Encontrándose el valor crítico dentro de la zona de aceptación, se

acepta la hipótesis nula, es decir: que se acepta que el promedio de
funcionamiento de las baterías sea de 30 horas.
5.9. Prueba de hipótesis con F de

Fisher
Este estadístico lleva el nombre de Sr. Ronald Fisher, que fue uno
de los fundadores de la estadística. Es la distribución de probabilidad
de la razón de dos varianzas provenientes de dos poblaciones
diferentes, se define como el cociente entre dos variables chi
cuadradas divididas por sus grados de libertad. Se usa entre otras
cosas cuando se desea comparar la precisión de un instrumento con
otro instrumento.
Fórmula:
𝑵𝟏 . 𝑺𝟏𝟐 / (𝑵𝟏 −𝟏) .σ12

F=
𝑵𝟐 . 𝑺𝟐𝟐 / (𝑵𝟐 −𝟏) . σ22
Donde:
N1 = N de datos de la muestra 1
N2 = N de datos de la muestra 2
S12 = Varianza muestral del grupo 1
S22 = Varianza muestral del grupo 2
σ 2
1 = Varianza del grupo 1
Índice
σ 2
2 = Varianza del grupo 2
A) Características:
Una distribución F siempre es positiva y varía de “0” a

“F”
Es asimétrica, pero disminuye conforme aumenta los
grados de libertad
B) Conocimientos previos
Nivel de significancia
Nivel de significancia Descripción
1% o 0.01 1 – 0.01 = 0.99
5% o 0.05 1 – 0.05 = 0.95
10% o 0.10 1 – 0.10 = 0.90
2.5% o 0.025 1 – 0.025 = 0.975
El nivel de significancia es el nivel de error que se acepta, es

necesario para identificar la tabla F, que pueden ser para 1%, 5%, 10%
y 25%
Grado de libertad (V1 y V2)
Para calcular los valores del grado de libertad:
V1 = N1 – 1
V2 = N2 – 1
Nivel de significancia (α)
F (α1 V1 V2)
Índice
Conclusión:
Fc > Ft se rechaza H0
Fc < Ft se rechaza H0
Donde:
Fc = F calculado (por fórmula)

Ft = F tabla (ver tabla F (α1 V1 V2))
C) Ejercicios
De poblaciones distribuidas en forma normal se obtiene dos

muestras de tamaño 16 y 14 cuyas varianzas muestrales son 8 y 10.
Si las varianzas son 9 y 16 respectivamente, determinar si la

primera muestra tiene una varianza bastante mayor que la
segunda muestra de nivel de significancia a) 0.95 y b) 0.99
Paso 1: Formular la hipótesis
H0 = La primera muestra tiene una varianza mayor que la segunda

muestra
H1 = La primera muestra no tiene una varianza mayor que la

segunda muestra
Paso 2: Especificar la significación
N1 = 16 N2 = 14
S12 = 10 S22 = 8
σ12 = 9 σ22 = 16
α = 0.95, 0.99
Paso 3: Hallando la F calculada y la F de tabla
𝑵𝟏 . 𝑺𝟏𝟐 / (𝑵𝟏 −𝟏) .σ12

Fc =
𝑵𝟐 . 𝑺𝟐𝟐 / (𝑵𝟐 −𝟏) . σ22
𝟏𝟔 .𝟏𝟎 / (𝟏𝟔 −𝟏) . 𝟗

Fc =
𝟏𝟒 .𝟖 / (𝟏𝟒−𝟏) . 16
Fc = 2.20
La F de tabla
Nivel de significancia (α): 0.95; 0.99
Grado de libertad:
V1 = N1 – 1 = 16 – 1 = 15
V2 = N2 – 1 = 14 – 1 = 13
Ft : (α1; V1; V2)
Ft1 : (0.95, 15, 13) = 2.53
Ft2 : (0.99, 15, 13) = 3.82
Los grados de libertad de V1 = 15 y V2 = 13, ambos valores se

verifican en la tabla F cuando α = 0.95, obteniendo un valor de 2.53,
esta situación se expresa: F(0.95 ; 15 ; 13) = 2.53 .
Índice
La F calculada = 2.20, está a la izquierda de la F de tabla = 2.53, es

decir se encuentra en la zona de aceptación, motivo por el cual
corresponde aceptar la hipótesis nula.
Los grados de libertad de V1 = 15 y V2 = 13, ambos valores se

verifican en la tabla F cuando α = 0.99, obteniendo un valor de 3.82,
esta situación se gráfica: F(0.99 ; 15 ; 13) = 3.82.
La F calculada = 2.20, estando a la izquierda de la F de tabla = 3.82,

es decir se encuentra en la zona de aceptación, motivo por el cual
corresponde aceptar la hipótesis nula.
Paso 4: Tomar una decisión
Encontrándose la F calculada 1 (Fc1) y la F calculada 2 (Fc2), dentro

del área de aceptación, corresponde aceptar la hipótesis nula.
Práctica
Distribución F
La función de distribución F de Fisher no es utilizada en la vida

diaria, pero tiene muchas aplicaciones en la estadística para el estudio
de la relación entre las varianzas de dos poblaciones independientes.
Ejemplos:
Comparar la precisión de un instrumento de medición
Comparar la estabilidad entre dos procesos de manufactura
En una empresa se tienen dos tornos de diferente antigüedad, lo

que hace pensar que las varianzas no son iguales. ¿Cuál es la
probabilidad de que la relación entre las varianzas sea igual a 3? Se
sabe que los grados de libertad son iguales a 10
X=3 a = 10 b = 10
𝑎 𝑎
𝑎+𝑏 𝑎 2 −1
𝑟( )( ) 𝑥 2
f(x) = 2 2
𝑎+𝑏
𝑎 𝑏 𝑎
𝑟( )𝑟( )(1+ 𝑥) 2
2 2 𝑏
𝑎+𝑏 10+10
𝑟( ) = r( ) = r(10) = 9!
2 2
𝑎 𝑎 10 10
( ) 2 = ( ) 2 = 15 = 1
𝑏 10
𝑎 10
𝑥 2 −1 = 3 2 −1 = 34 = 81
𝑎 10
𝑟 (2 ) = 𝑟 ( 2 ) = r(5) = 4 ¡
𝑎 𝑏
𝑟 (2 ) = 𝑟 (2) = 4!
𝑎+𝑏 10+10
𝑎 10
(1 + 𝑏
𝑥) 2 = (1 + 3
3) 2 = 410
Para poder encontrar la probabilidad, sustituimos los datos en la

forma principal y encontramos:
(9!)(1)(81)
f(3,10,10) = = 0.048666
(4)(4)(4 10 )
Índice
6 Regresión Lineal
Es una técnica estadística que se utiliza para predecir o estimar una

variable cuantitativa en función a otra variable cuantitativa. Quisiera
aclarar que el hecho de aplicarse a variables cuantitativas no
necesariamente quiere decir que la investigación sea cuantitativa, esto
puede ocurrir cuando se aplica a un aspecto de la tesis diferente a la
variable principal, por ejemplo cuando se quiere predecir el despido
de personal en relación a la situación económica de la empresa, sin
embargo la tesis puede ser cualitativa si la variable principal se mide
por cualidades o criterios, por ejemplo si se trata de medir los factores
para la crisis económica en una empresa en su segundo año de
emprendimiento y dentro de este problema se ha realizado una
regresión lineal para un aspecto de esta y no para medir la variable
principal.
La regresión lineal mide la influencia de una variable

independiente sobre otra dependiente.
Donde:
X = Variable independiente (es la variable explicativa)
Y = Variable dependiente (es aquella que buscamos predecir o

estimar)
Formula
La fórmula de la regresión lineal es la siguiente:
𝒚=𝒂 +𝒃𝒙
Donde:
Y = Variable dependiente
a = Es el intercepto, coeficiente constante, un solo valor, no varía
b = La pendiente, coeficiente constante, un solo valor, no varía
X = Variable independiente
6.1. Tipos de regresiones lineales
Las regresiones, pueden ser positivas, cuando el resultado

aumenta en las dos variables y puede ser negativa, cuando aumenta
para la independiente y disminuye para la dependiente.
Regresión lineal positiva
regresión lineal positiva
x
Regresión lineal negativa
regresión lineal negativa
x
Ejemplo
Un estudio sobre los trabajadores de una compañía ha concluido

que, a mayor especialización y capacitación, mayor es la
remuneración de un trabajador de dicha empresa.
Índice
En el presente ejemplo se tiene:
X = variable independiente = especialización y capacitación
Y = variable dependiente = mayor remuneración.
La grafica de esta regresión lineal seria la siguiente:
Y= Remuneración
regresión lineal positiva
X= Especializacion y capacitacion
En el presente ejemplo se tiene una regresecion lineal positiva por

que cuando aumenta la especializacion y la capacitacion, tambien
aumenta la remuneracion
Ejemplo de regrecion lineal negativa:
Se busca establecer como influye el aumento de trabajadores en la

reducción del tiempo de una construcción. En este caso a mayor
número de trabajadores menor será el tiempo de la construcción.
X = variable independiente = número de trabajadores
Y = variable dependiente = tiempo de la construcción
Y = Tiempo de construcción
Regresión lineal negativa
X = Número de trabajadores
El Intercepto (a)
Es el punto de corte entre la línea de la variable Y con la

prolongación del resultante
Intercepto (a)
Pendiente (b)
Es la inclinación que tiene la línea respecto del eje X y se mide por

la diferencia de altura que hay entre dos valores consecutivos del eje
X, así se tiene:
6
5 pendiente (b1)
4
3 1
2
1
1 2 3 4 5
6.2. Ejercicios prácticos
Una empresa ha tenido el siguiente resultado en relación al

crecimiento económico del PBI nacional, se quiere saber cuánto serían
los ingresos de la empresa para el próximo año si los especialistas
prevén un crecimiento del PBI del 4%.
Año Crecimiento del Ingresos de la

PBI % empresa (soles)
Índice
2014 2 215,000
2015 2.3 230,000
2016 1.5 180,000
2017 3 270,000
2018 3.l 320,000
2019 2.9 240,000
2020 4 ¿?
Datos:
Variable independiente (X)
Crecimiento del PBI
Variable dependiente (Y)
Ingresos económicos de la empresa
Solución:
1. Trasladamos los datos al SPSS
Índice
Si bien queremos hallar los ingresos para el año 2020 en un

supuesto crecimiento del PBI del 4%, sin embargo, en la matriz del
solo debemos poner las variables relacionada completas, en este caso
solo debemos de poner hasta el año 2019, porque sino el ingreso del
año 2020 el SPSS le asignará un valor de 0, así la matriz quedaría:
2. En el SPSS, clic en “Analizar”, luego “Regresion”, luego

“Lineales”
Donde se abrirá el siguiente cuadro:
Índice
Donde pasamos la variable ingresos a dependientes y la variable

PBI a independientes, además vamos a “Gráficos” y activamos las
casillas “histograma” y “gráfico con probabilidad normal” si
necesitamos dichos gráficos:
Luego en “Estadísticos” verificamos que estén activas las casillas

“estimaciones”, “ajuste del modelo” y “cambio en el estadístico R
cuadrado”, luego continuar.
Índice
Luego continuar y aceptar y el visor nos dará el siguiente

resultado:
En el cuadro resumen del modelo
Resumen del modelo

Estadísticos de cambio
R Error Cambio Sig.
Model cuadra R cuadrado estándar de en R Cambio en Cambio
o R do ajustado la estimación cuadrado F gl1 gl2 en F
1 ,965a ,931 ,914 14109,276 ,931 54,208 1 4 ,002
a. Predictores: (Constante), PBI

b. Variable dependiente: Ingresos
R = El valor 0.965 debajo de R, indica que el valor de dependencia

entre variables es muy relacionado
R2 = R cuadrado se conoce como el coeficiente de determinación,

indica que 93.1% de la variable Y es dependiente de la otra variable o
en otras palabras, la variable X explica a la variable Y en un 93.1%
El error estándar de la estimación: Es el error que puede ocurrir,

cuanto mejor es el ajuste, menor será la cantidad del error.
Índice
Análisis del cuadro ANOVA
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 10791213298,7
10791213298,791 1 54,208 ,002b
91
Residuo 796286701,209 4 199071675,302
Total 11587500000,000 5
a. Variable dependiente: Ingresos

b. Predictores: (Constante), PBI
El valor de la significancia = 0.002 al ser menor que 0.05, indica que

rechazamos la hipótesis nula y aceptamos la hipótesis del
investigador que considera que las variables están directamente
relacionadas
H0 = R = 0
H1 = R > 0
Análisis del cuadro de coeficientes
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Error estándar Beta t Sig.
1 (Constante) 86813,472 21916,119 3,961 ,017
PBI 61053,541 8292,404 ,965 7,363 ,002
a. Variable dependiente: Ingresos
Donde la constante a (intercepto) = 86,813.472 y
La constante b (pendiente) = 61,053.541
Con estos valores podemos hallar cualquier punto de la regresión

lineal para el año 2020, cuando se tenga un crecimiento del PBI del 4,
en el ejemplo anterior tenemos:
Y = a + bX
Y = 86,813.472 + (61,053.541) 4
Y = 331,027.636
Conclusión
Si el país crece a un 4% de su PBI, se prevé un ingreso de

331,027.636 para la empresa
También, podemos hacerle un gráfico de la regresión lineal, para

ello vamos a:
“Gráficos”, “Cuadro de diálogos antiguos”, “Dispersión puntos”
Luego hacemos clic en “dispersión simple”
Índice
y clic en “definir”, donde obtendremos el siguiente cuadro:
En este cuadro pasamos las variables a los ejes X y Y, luego aceptar

y obtendremos el siguiente resultado:
El resultado es el siguiente grafico de dispersión que aparecerá en

el visor del SPSS:
En el gráfico tenemos en el eje X el PBI que es la variable

independiente y en el eje Y tenemos la variable dependiente que son
Índice
los ingresos de la empresa, los puntos son las uniones entre estas dos
variables que siguen conforme a los datos aportados en el problema.
¿Para qué nos sirve la regresión lineal en una tesis?
La regresión lineal nos permitirá pronosticar valores, así por

ejemplo en un estudio de producción, podemos pronosticar la
producción del próximo año en base a la producción que venido
realizándose anteriormente, etc.
7 La Estadística
7.1. ¿Qué es la estadística?
La estadística es la ciencia que recopila y organiza los datos

obtenidos de un objeto de estudio, además, estudia los principios,
axiomas y postulados sobre las posibilidades que un hecho o evento
ocurra, en investigación tiene una importancia trascendental, porque
ayuda a tomar decisiones fundamentados en cálculos estadísticos,
con cierto margen de error y un margen de confianza.
La estadística es una ciencia muy compleja, sin embargo, en el

presente estudio vamos a enseñarle la forma práctica de aplicar la
estadística en una tesis, usted amigo lector verá que es fácil su
aplicación en una investigación con la didáctica paso a paso que tiene
la presente metodología de enseñanza.
Definición
La estadística es una rama de las matemáticas que estudia las

probabilidades de que un evento suceda. La estadística nos permite
realizar afirmaciones posibles, fundamentados en la teoría de
posibles eventos.
La estadística es una herramienta para el análisis de datos de

una investigación
¿Cómo nos ayuda la estadística para el análisis de datos?
La estadística nos ayuda a analizar las probabilidades que

sustentan nuestra investigación. Así, por ejemplo, podemos
237
establecer promedios, asociaciones, validaciones y otras operaciones

que la tesis lo requiera.
Como se puede apreciar, la característica de la estadística, es la

probabilidad de sucesos.
7.2. Teoría de las probabilidades
Esta teoría postula que la probabilidad es la posibilidad que ocurra

algo en una mayor o menor medida.
Poco Muy
Probable 0% Probable 100%
En probabilidades la certeza de un evento varía en una relación de

mayor o menor probabilidad que ocurra un evento o suceso.
Ejemplo:
1. Si tengo una moneda (con dos lados cara y escudo) y quiero saber
la probabilidad que salga cara cuando lo arroje al piso, se tiene:
1
Donde 1 Es la única oportunidad (un solo lanzamiento) y 2 indica
2
que tiene dos alternativas que pueden salir, cara o sello. Esta fracción
1
en decimales sería 2 = 0.5 y en porcentaje será = 50%, esto indica que
hay un 50% de probabilidades que salga cara y 50% de probabilidades
que salga sello.
2. Tengo un dado que tiene 6 caras y quiero saber que

probabilidades hay de que me salga el número tres en el primer
lanzamiento.
En este caso se busca hallar la probabilidad de obtener 1 resultado

1
de 6 posibilidades, por tanto, la respuesta es 6 , es decir 1 es igual a un
238
Índice
lanzamiento y 6 a seis posibles resultados, situación que en decimales

es 0.166 y en porcentaje es 16.6%
3. Tengo un dado y quiero saber la posibilidad que en un

lanzamiento me salga un número par, esto es: 2,4 y 6.
En este caso se busca hallar la probabilidad de obtener 3 resultados

3 1
de 6 posibles resultados, por tanto, la respuesta es 6 que es igual a 2 y
que en decimales es igual a 0.50 y en porcentajes es el 50% de
probabilidades que me salga un número par cuando se lance el dado.
Conforme se ha podido apreciar, las probabilidades son fracciones

que realizadas las divisiones nos da un número comprendido entre 0
y 1, por tanto, podemos decir que la probabilidad de que ocurra un
evento es un valor comprendido entre 0 y 1 y lo representamos de la
siguiente manera:
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑎
0 ≤ P(a) ≥ 1, donde P(a) =
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
La probabilidad será 0% si es imposible que suceda el evento y
La probabilidad será 100% si es bien seguro que ocurra
Por tanto: el valor de la probabilidad cerca del cero indica menos

probable que ocurra el evento y un valor cerca del 1 indica que es muy
probable que ocurra el evento.
7.3. Ramas de la Estadística
La estadística se divide en dos ramas bien diferenciadas, que son

la estadística descriptiva y la estadística inferencial. La estadística
descriptiva estudia las medidas de tendencia central, las medidas de
dispersión y las medidas de distribución, por otra parte, la estadística
inferencial estudia la estimación de valores y la prueba de hipótesis.
239
Índice
La estimación puede ser puntual o por intervalos de confianza, así

mismo la prueba de hipótesis puede ser por medio de métodos
paramétricos o por métodos no paramétricos.
Clasificación de la estadística
Estadística Descriptiva
Ramas de la Estadistica
Estadística Inferencial
7.4. La Estadística Descriptiva
Es la parte de la estadística que establece probabilidades sobre una

muestra o población, se diferencia de la estadística inferencial en que
la descriptiva no se generaliza, solo es válido para los elementos que
fueron evaluados, en cambio en la inferencial, los resultados se
generalizan a toda la población. Su operación no solo implica los
cálculos matemáticos sino también el cálculo mediante gráficos. La
función de esta rama de la estadística no es obtener conclusiones del
fenómeno, sino obtener los datos que lo caracterizan.
La estadística descriptiva se divide en tres ramas que son: a)

Análisis de tendencia central, b) Medidas de dispersión y c) Medidas
de distribución.
240
Índice
ESTADÍSTICA
Descriptiva Inferencial
Ánalisis de
Medidas de Medidas de
tendencia
disperción distribución
central
Media Varianza Simetría Curtosis
Desviación
Mediana Leptocurtica
estandar
Moda Rango Mesocurtica
Platicurtica
7.4.1. Análisis de tendencia central
Es un estudio estadístico que establece en un solo valor las

propiedades o características de un conjunto de datos.
Suma de todos los datos

Analisis de tendencia central
Media divididos entre el

numero de valores
Son las que pretenden Valor que ocupa la

resumir en un solo valor Mediana posicion intermedia de
un conjunto de datos un orden jerarquico
Es el valor que más se

Moda
repite
241
Índice
Conocimientos previos
Los datos pueden ser unitarios o agrupados, en este último caso,

requerirá agruparlos por intervalos, en este caso se necesita una tabla
de distribución de frecuencias que resuma los datos y permita su
análisis.
A. Tabla de distribución de frecuencias (TDF)
Es una tabla que distribuye los datos en intervalos, además

permite que en las columnas se planteen cálculos sobre su frecuencia
absoluta, relativa y acumulada.
Ejemplo
Se tiene las siguientes edades:
25 24 32 23 21 38
20 25 23 29 24 28
25 35 21 27 39 23
34 21 26 28 25 31
25 37 24 27 34 24
Se pide hallar el rango, el ancho de clase y ordenar los datos

conforme a su frecuencia absoluta, relativa y acumulada.
Solución:
1.- Hallar el rango: Para ello, al de mayor valor se resta el de menor

valor:
39 – 20 = 19, quedando en 20
2.- Hallar el ancho de clase: Para ello, dividimos 20 entre 4

quedando en 5 el ancho de clase.
3.- Ordenar los datos en la tabla de frecuencias.
242
Índice
Clase Límite Límite Marca Frecuencia Frecuencia Frecuencia

inferior superior de absoluta relativa acumulada
igual a: menor a: clase
1 20 24 22 7 0.2 7
2 24 28 26 12 0.4 19
3 28 32 30 4 0.1 23
4 32 36 34 4 0.1 27
5 36 40 38 3 0.1 30
Total 30 1.0
Donde:
Clase: Es el número de divisiones de la distribución

Marca de clase: Es el número medio ubicado entre el
límite inferior y el superior
Frecuencia absoluta: Es el número de elementos
comprendidos entre los limites inferior y superior
Frecuencia relativa: Resulta de dividir el número de la
frecuencia absoluta y el total de dicha frecuencia
Frecuencia acumulada: Resulta de sumar cada frecuencia
absoluta con la siguiente e ir acumulando
B. La media ( )
La media es una medida de tendencia central, es el valor de un

conjunto de datos que resulta de sumar todos ellos y dividirlos en
el número de elementos que tiene el conjunto.
243
Índice
Formula:
Se lee: la mediana es igual a la suma
𝑛 𝑋𝑖 de los números que van desde 1 hasta n
= ∑1
𝑛 (representados por Xi) entre el número
de datos
Ejemplo:
Se tiene las edades de un grupo de amigos que son las siguientes:
15 16
16 15
14 17
16 16
Del conjunto sumamos:
= 15 + 16 + 14 + 16 + 16 + 15 + 17 + 16 = 125
Ahora estos datos lo dividimos entre 8 que es el número de datos

y obtenemos el promedio de las edades:
= 125/8 = 15.6
C. La mediana (m)
Es el dato que ocupa la mitad de una ordenación jerárquica de los

datos.
Reglas para calcular la mediana
Ordenar las mediciones de menor a mayor

Si “n” es impar, la mediana es la medición con rango “(n
+ 1) / 2”
Si “n” es par, la mediana “m” es el valor de “x” que se
encuentra a la mitad entre la medición con rango “n /
2” y la medición con rango “(n/2)+1”.
244
Índice
Ejemplo: Se tiene los siguientes datos
17
16
16
Donde n = 7, m = (7+1)/2 = 4
16
En la ordenación de los datos, podemos
15 ver que el número que se ubica en la
mitad de la ordenación es el 16 que
15
vendría a ser la mediana.
14
Entonces: m = 16
D. La moda
La moda de un conjunto de datos es aquel que se repite con mayor

frecuencia, del ejemplo anterior la moda vendría a ser el número 16.
Donde x son las edades, f es la frecuencia, donde F es la frecuencia

absoluta, y x*f es la multiplicación de las edades por la frecuencia
x f F X* f
13 3 3 39
14 14 17 196
15 23(moda) 40 (mediana) 345
16 10 50 160
17 5 55 85
18 4 59 72
19 1 60 19
245
Índice
Sumatorias 60 916
De la tabla podemos ver la media es el promedio de todos los datos

que es 15,36; entonces la mediana se halla al dividir el número de
datos que es 60 entre 2 obteniendo 30, siendo la mediana el número
más cercano 40 y la edad de ese casillero seria 15 años; por otra parte
la moda seria 23 porque corresponde al dato que más se repite
considerando que 23 personas tienen 15 años.
7.4.2. Medidas de dispersión
Las medidas de dispersión son medidas que nos indican la

dispersión de los datos respecto a su media, los cálculos que se
pueden realizar para medir la dispersión son la varianza, la
desviación estándar, el coeficiente de variación. Los datos pueden ser
registrados en forma continua o agrupados en intervalos.
Las principales medidas de dispersión son las siguientes:
Se obtiene sumando
las diferencias al
Varianza cuadrado y ese valor
Medidas de disperción
se divide entre la
muestra
Indican que tanto se
alejan los datos
respecto a la media Es la raiz cuadrada de
Desviación estandar
aritmética y que tan la varianza
variables son nuestros
datos
Es el valor que resulta
de la resta del valor
Rango
maximo y minimo de
la muestra
246
POBLACIÓN
MUESTRA Permite hacer

Cálculos para
INFERIR a la
Población
Estadístico Parámetro
(Conocido) (Desconocido)
*Varianza Varianza
*Desviación estándar Desviación estándar
*La media La media
Las medidas de dispersión de una población tienen letras griegas, en

cambio las medidas de dispersión de una muestra tienen letras del
español.
A. La Varianza
Es el promedio de los cuadrados de las desviaciones medias que

tienen los elementos respecto de la media.
Fórmula para la población
∑(𝑿−𝑿)
̅̅̅̅ 𝟐
𝝈2 =
𝒏
Esto, es lo mismo que la siguiente formula:
̅̅̅̅2 +(𝑋2−𝑋)
(𝑋1−𝑋) ̅̅̅̅2 +… (𝑋𝑛−𝑋)
̅̅̅̅2
𝜎2 = 𝑛
247
Índice
Fórmula para la muestra
∑(𝑿−𝑿)
̅̅̅̅ 𝟐
S2 =
𝒏−𝟏
̅̅̅̅2 +(𝑋2−𝑋)
(𝑋1−𝑋) ̅̅̅̅2 +… (𝑋𝑛−𝑋)
̅̅̅̅2
S2 =
𝑛−1
Por ejemplo
Tenemos una muestra de las siguientes edades:
25, 30, 20, 35, 30, 40 35, 50, 45, 40
Donde el promedio = 35
(25−35)2 +(30−35)̅2 +(20−35)2 + (35−35)2 +(30−35)2 +(40−35)2

S2 = 10−1
+(35−35)2 +(50−35)̅2 +(45−35)2 + (40−35)2

10−1
750
S2 = 9
S2 = 83.3
Como resultado tenemos una varianza de 83.3, esto significa que
hay una variabilidad acumulada de 83.3, por tanto, los datos son
dispersos, si todos los datos fueran el mismo número no habría
dispersión y la varianza sería 0.
Segundo ejemplo
Tenemos una muestra de las siguientes edades:
35, 32, 29, 31, 30, 29, 30
Donde primero hallamos el promedio
Promedio = 30.8 y S2 = 4.5
248
De los 2 ejemplos anteriores, podemos ver que la varianza exagera

por así decirlo la diferencia o la variabilidad que tienen los datos, en
el primer caso pudimos apreciar que la diferencia de las edades era
de 5 y que la menor edad era de 20 y la mayor edad de 50, obteniendo
una varianza de 83.3. En cambio, en el segundo ejemplo se tiene una
diferencia de edades de 1, siendo la menor edad 29 y la mayor edad
35 y se obtuvo una varianza de 4.5.
Cálculo de la varianza en Excel
El cálculo de la varianza en Excel se hace mediante la función var,

de la siguiente forma: =var(…: …), donde en los puntos suspensivos
debe ir el rango de celdas que contienen los datos cuya varianza se
quiere calcular.
B. Desviación estándar
Es una medida que sirve para indicar los grados de dispersión que
se encuentran los individuos que conforman la muestra respecto de
la media, la diferencia entre la varianza y la desviación estándar es
que la varianza es la desviación estándar elevado al cuadrado, sea,
por ejemplo:
Se tiene a 6 amigos con las siguientes edades: 12; 11; 14; 12; 10 y 15,
en este caso la media es igual a 12.3, esto significa que el primer amigo
con 12 años está 0.3 por debajo de la media, el de 11 años está 1.3 por
debajo de la media, el de 14 años está 1.7 por encima de la media, el
de 12 años está 0.3 por debajo de la media, el de 10 está 2.3 por debajo
de la media y finalmente el de 15 está a 2.7 por encima de la media.
La fórmula para la desviación estándar es σ=

∑x(X1 − X(prom))2
√ 𝑛−1
Edades (X1 - ) (X1 - )2

12 -0.3 0.9
11 -1.3 1.69
14 1.7 2.89
249
Índice
12 -0.3 0.9
10 -2.3 5.29
15 2.7 7.29
74 18.96
Donde:
= 12.3
O que es lo mismo que hacer esta operación:
σ= √ = σ= √ = 1.9
∑x(X1 − X(prom))2 18.96
𝑛−1 6−1
Esto quiere decir:
20
15
10
5
0
0 1 2 3 4 5 6 7
En el gráfico se puede apreciar que hay una desviación estándar

de los elementos de 1.9 respecto de su media que es 12.3.
Los datos pueden encontrarse en una serie o pueden encontrarse

agrupados en intervalos.
C. Coeficiente de variación
Es el grado de dispersión o de variación que tienen los datos, es la

división entre la desviación estándar y el promedio, tiene la siguiente
fórmula:
𝜎
Cv = . 100
𝑋̅
250
Índice
Se multiplica por 100, debido a que el valor del coeficiente es en

porcentaje (%). Decimos que lo datos varían mucho cuando el
coeficiente de variación es mayor a 25%.
Ejemplo:
Se busca hallar la varianza(S2), la desviación estándar (S) y el coeficiente de

variación (Cv) de los siguientes datos:
Se tiene las edades de un conjunto de personas que varían desde los 20 hasta
los 50 años, la organización de los datos de las edades y del número de personas
se grafican en la siguiente tabla, donde:
EDAD X F X(f) (X- )2 (X- )2. f
20-25 22,5 5 112,5 182.25 911.25

25-30 27,5 9 247,5 72.25 650.25
30-35 32,5 12 390 12.25 147
35-40 37,5 15 562,5 2.25 33,75
40-45 42,5 11 467,5 42.25 464,75
45-50 47,5 8 380 132.25 1058
60 2160 3265
La edad se divide en intervalos de 5 años
f es igual a la frecuencia, es decir el número de personas
por cada intervalo, de esta manera por ejemplo entre
20 y 25 años hay 5 personas
X es la media de cada intervalo
es el promedio de la sumatoria de las frecuencias entre
el número de intervalos
∑𝐗.𝐟
=
𝐧
251
Índice
𝟐𝟏𝟔𝟎
= = 36
𝟔𝟎
** Hallando la varianza ( σ2), cuya formula es:
σ2= ∑ 𝐗−𝐗𝐩𝐫𝐨𝐦𝐞𝐝𝐢𝐨
(
𝐧
.𝐟 )
Reemplazando los datos, tenemos σ2= 3265

60
= 54,41
** Hallando la desviación estándar (σ)
Como sabemos la desviación estándar es la raíz cuadrada de la

varianza
σ= √54,41= 7,37
• ** Hallamos el coeficiente de variación (C v)

𝛔 𝟕.𝟑𝟕
• CV= .100 = . 𝟏𝟎𝟎 = 20,47 %
𝐗𝐩𝐫𝐨𝐦𝐞𝐝𝐢𝐨 𝟑𝟔
Si el coeficiente de variación es mayor al 25% los datos se

encuentran muy dispersos, esto quiere decir que cuanto más sea el
coeficiente de variación, más dispersos se encuentran los datos.
7.4.3. Medidas de distribución

252
Cuando los datos

se distribuyen de
forma similar, a
Medidas de Distribución
Simetria la derecha y a la
izquierda
Nos permite respecto a la
ubicar media aritmetica
graficamente
como se juntan
los valores de
una muestra
determinada Se basa en el Leptocurtica
analisis de la
concentracion de
Curtosis Mesocurtica
datos que estan
cercanos a la
media Platicurtica
A. Regresión lineal
Es una medida de distribución con un modelo que sigue la relación

entre una variable independiente y otra dependiente en una
progresión lineal que puede ser calculada en su proyección. (Mas
adelante se amplía el estudio de este estadístico)
7.4.4. Estadística descriptiva en la

tesis
Para hacer estadística descriptiva con el SPSS, es necesario un

grupo de datos que requieran ser objeto de cálculo, por ejemplo, se
tiene las calificaciones de 0 a 100 de un grupo de 9 alumnos con las
siguientes notas:
86, 82, 78, 94, 84, 79, 94 98, 87
Llevamos los datos a la matriz del SPSS
253
Índice
Para hallar la media:
Vamos a “Analizar”, “Estadísticos descriptivos”, “Descriptivos”,

luego nos saldrá el siguiente cuadro, donde pasamos a “Variables” la
variable a ser analizada.
En “Opciones” nos saldrá el siguiente cuadro:
254
En este, debemos de activar “Media”, también si queremos

activamos suma, la desviación estándar, mínimo, máximo, la
varianza y el rango.
Como resultado tendremos el siguiente cuadro con los valores que

hayamos seleccionado:
Estadísticos descriptivos
Desviación
N Mínimo Máximo Suma Media estándar
NOTAS 9 78 98 782 86,89 7,061

N válido (por lista) 9
Como podemos ver, obtenemos el número de la población (N), el

valor mínimo, el valor máximo, la suma, la media, la desviación
estándar y si hubiéramos seleccionado el rango y otros valores,
también se hubiera calculado.
Cálculo de la mediana
Para el cálculo de la mediana seguimos los siguientes pasos:

Vamos a “Analizar”, “Estadísticos descriptivos”, “Frecuencias” y nos
saldrá el siguiente cuadro:
255
Pasamos la variable al cuadro “Variables” hacemos clic en

“Estadísticos” y activamos los iconos de las medidas de tendencia
central, así tenemos:
Luego, continuar y aceptar. Obtenemos el siguiente resultado:
Estadísticos
NOTAS
N Válido 9
Perdidos 0
Media 86,89
Mediana 86,00
Moda 94
Debemos de señalar que este procedimiento no solo nos sirve para

obtener las medidas de tendencia central, sino también para obtener
256
las medidas de dispersión como la desviación estándar, la varianza y

el rango.
Si queremos un análisis más detallado de la estadística descriptiva,

incluyendo los percentiles, vamos a “Analizar”, “Estadísticos
descriptivos” y “Frecuencias”,
Nos sale este cuadro, pasamos la variable notas a “Variables” y

vamos a “Estadísticos”, donde nos sale el siguiente cuadro, en este
activamos los siguientes valores:
Activamos la media, la mediana, la moda, la suma, el rango, la

varianza, la desviación estándar, el mínimo, el máximo, la asimetría,
257
la curtosis y además, ponemos los percentiles 25 y 75 y le damos

añadir, luego continuar y obtendremos el siguiente resultado:
Estadísticos
NOTAS
N Válido 9
Perdidos 0
Media 86,89
Mediana 86,00
Moda 94
Desviación estándar 7,061
Varianza 49,861
Asimetría ,345
Error estándar de asimetría ,717
Curtosis -1,219
Error estándar de curtosis 1,400
Rango 20
Mínimo 78
Máximo 98
Suma 782
Percentiles 25 80,50
75 94,00
La lectura que podemos hace del siguiente cuadro es:
La nota promedio (media) es de 86.89 con una variación

de 7
La mitad de las personas (mediana) tuvieron una
calificación menor a 86
La nota más frecuente (moda) fue 94 en la escala de 0 a
100
Entre la máxima y la mínima (rango) nota hay una
diferencia de 20 puntos
El 50% de los alumnos (percentiles) logro calificaciones
entre 80,5 y 94
258
Un segundo cuadro que nos aparece es el siguiente:
NOTAS
Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válido 78 1 11,1 11,1 11,1
79 1 11,1 11,1 22,2
82 1 11,1 11,1 33,3
84 1 11,1 11,1 44,4
86 1 11,1 11,1 55,6
87 1 11,1 11,1 66,7
94 2 22,2 22,2 88,9
98 1 11,1 11,1 100,0
Total 9 100,0 100,0
La interpretación de este cuadro es la siguiente:
La primera columna está conformado por las calificaciones que

sirven de análisis, la segunda columna indica cuantas veces se repiten
los valores de la primera columna, la tercera columna indica el
porcentaje que representa cada valor de la primera columna, de igual
manera la cuarta columna, indica el porcentaje válido, es decir que no
se cuenta los valores perdidos, en la quinta columna se tiene los
valores acumulados, así podemos decir que el 55.6% de las notas son
de igual y menor a 86.
Comparaciones con una variable nominal
La variable que venimos trabajando es una variable numérica, que

podemos hacer comparaciones con otra nominal, en el ejemplo
anterior venimos trabajando con las notas de 9 alumnos, en esta
oportunidad le vamos aumentar el género a efectos de tener
comparaciones, así tenemos. En la vista datos:
259
En la vista variables:
Vamos a “Analizar”, “Comparar medias”, “Medias”
Ponemos la variable notas en “Lista de dependientes” y la variable

género en “Lista de independientes”, luego en “Opciones” nos saldrá
el siguiente cuadro:
260
Índice
Verificamos que los ítems de media, número de casos y desviación

estándar estén a la derecha, también podemos pasar los cálculos que
deseemos aumentar, luego continuar y aceptar.
Se nos presentará el resumen de procesamiento de casos.
Resumen de procesamiento de casos
Casos
Incluido Excluido Total
N Porcentaje N Porcentaje N Porcentaje
NOTAS *
9 100,0% 0 0,0% 9 100,0%
Genero
Y el informe:
261
Informe
NOTAS
Desviación
Genero Media N estándar
Mujer 86,50 4 6,137

Hombre 87,20 5 8,438
Total 86,89 9 7,061
Donde nos indica la media y la desviación estándar tanto por

hombre como por casos de mujer. Podemos apreciar que la media es
muy parecida para hombre y mujer, así mismo la variabilidad
(desviación estándar) es mayor para el caso de hombres.
Otra forma de cálculo de los estadísticos descriptivos
Vamos a “Analizar”, “Estadísticos descriptivos”, “Explorar” y

obtenemos el siguiente cuadro:
Donde pasamos la variable a analizar al cuadro de “Lista de

dependientes”, luego en “Estadísticos” activamos “Estimadores M”,
“Valores atípicos” y “Percentiles”, luego continuar
262
En “Gráficos”, desactivamos “De tallo y hojas” y activamos

“Histograma” y “Gráficos de normalidad con pruebas”, luego
continuar y aceptar
Obtendremos el siguiente resultado:
Descriptivos
Estadístico Error estándar
NOTAS Media 86,89 2,354
95% de intervalo de Límite
81,46
confianza para la media inferior
Límite
92,32
superior
Media recortada al 5% 86,77
Mediana 86,00
Varianza 49,861
Desviación estándar 7,061
Mínimo 78
263
Índice
Máximo 98
Rango 20
Rango intercuartil 14
Asimetría ,345 ,717
Curtosis -1,219 1,400
En el gráfico podemos ver la media, la mediana, la varianza, la

desviación estándar, el rango entre otros estadísticos descriptivos.
Elaboración de gráficos, histogramas y diagramas
Para ello nos vamos a “Gráficos”, “Generador de gráficos”, aceptar

y obtenemos el siguiente cuadro, donde podemos elegir tipos de
gráficos que pueden ser en barras, líneas, áreas, circular polar,
dispersión puntos, histograma, mínimo – máximos, diagrama de
cajas o de ejes dobles.
Donde arrastramos la variable que será el eje “Y” también

arrastramos la variable que será el eje “X”, por último, arrastramos el
gráfico que queremos al visor en primer lugar el gráfico que
queremos, luego arrastramos las variables a los ejes. Además, nos
aparece un cuadro sobre las propiedades de las variables que de
acuerdo al gráfico permite configurar las propiedades de las
variables.
264
En este caso hemos elegido un grafico de barras que es el siguiente:
Debemos señalar que podemos hacer los gráficos que queramos,

poniendo en el eje de la “y” la variable que queramos y en el eje de la
“x” la otra variable, también nos permite hacer gráficos en tres
dimensiones, para ello debemos de arrastrar un valor al eje de las “z”.
Después de la estadística descriptiva en la tesis, hacemos la

estadística inferencial, esto es la confiabilidad, la validez, la prueba de
hipótesis, etc.
7.4.5. Gráficos y análisis de variables

categóricas
La estadística descriptiva en una tesis, va al comienzo del marco

operativo, permite conocer descriptivamente a la población de
estudio, cualitativamente y cuantitativamente. Para esta operación
265
sin duda que Word es una herramienta útil para hacer gráficos
descriptivos fácilmente, así por ejemplo tenemos:
Los datos de una encuesta es la siguiente:
(12) Masculino
(11) Funcionario (8) Femenino

público Sexo
Nivel (5) Hasta 35 años
(6) Actividad
ocupacional: (12) De 35 a 50
Privada
Edad años
(3) Docente
(3) Mayores de 50
años
La estadística descriptiva que podemos realizar, puede realizarse

en gráficos del siguiente modo: Vamos a “Insertar” de Word, luego
“Gráficos”, elegimos el gráfico que queremos y completamos la tabla
del siguiente modo:
Luego cerramos el cuadro y tendremos el gráfico:
266
Índice
Actividad
12
10
0
Funcionario Público Actividad privada Docente
Actividad
Luego de realizado el grafico corresponde hacer la descripción de

los valores graficados, en este caso diremos:
Se puede apreciar que 11 de los profesionales encuestados son

funcionarios públicos, 6 son profesionales que laboran en la actividad
privada y 3 profesionales que se dedican a la actividad docente.
Un segundo cuadro estadístico descriptivo puede ser referente al

género de los encuestados:
Sexo
14
12
10
8
6
4
2
0
Hombres Mujeres
Sexo
267
Y hacemos el comentario:
En el grafico podemos apreciar que 12 de los profesionales

encuestados son hombres y 8 son mujeres.
Un tercer cuadro puede ser sobre las edades, así tenemos:
Edades
15%
25%
Hasta 35
De 35 a 50
60% May a 50
Luego hacemos su comentario:
De los profesionales encuestados 5 tienen edades hasta los 35 años,

12 tienen edades entre los 35 y los 50 años y 3 son mayores a 50 años.
Los gráficos con sectores circulares son adecuados para diferenciar dos
o tres variables, debido a que una mayor cantidad de valores hace que
pierda su didáctica, para valores mayores a tres se tiene los gráficos de
barras
Gráficos con el SPSS
“Analizar”, “Estadísticos descriptivos”, “Frecuencias”, donde

obtenemos el siguiente cuadro:
268
Índice
En este cuadro pasamos a variables la variable de la cual queremos

realizar el gráfico, luego hacemos clic en “Gráficos” y nos sale el
siguiente recuadro:
Seleccionamos gráficos de barras o gráficos circulares, además en

valores del gráfico cambiamos a “Porcentajes”. Hacemos clic en
continuar. En el cuadro de frecuencias desactivamos mostrar tablas de
frecuencias y aceptar.
269
Cambiando el aspecto del gráfico
Para cambiar el aspecto del gráfico, hacemos doble clic sobre el

gráfico y nos saldrá el siguiente cuadro, donde hacemos clic en
mostrar etiqueta de datos, para que aparezcan los datos de las barras.
Hacemos clic sobre cualquiera de las barras y aparecerá el

siguiente cuadro, donde hacemos clic en profundidad y ángulo.
270
Índice
Y nos aparecerá el siguiente cuadro:
Donde seleccionamos 3D y aplicar, luego, sin cerrar el cuadro,

podemos elegir una barra y clic en relleno y bordes, donde podemos
darle color de relleno y a los bordes, luego clic en aplicar y así vamos
cambiando el formato de las barras.
271
Índice
Como podemos ver, en este cuadro tenemos muchas opciones para

darle formato al gráfico como el color del fondo, separación de las
barras, tamaño de las barras y otras opciones que podemos ir
explorando. Al cerrar el cuadro, el gráfico modificado se encontrará
en el visor del SPSS, adonde podemos hacer clic derecho y copiar para
llevarlo a Word u otro procesador de texto.
7.5. La Estadística Inferencial
La inferencia es una deducción de valores o propiedades de una

población, que se obtiene a partir de un análisis de una muestra
Intervalo de
Población
confianza
Estimación
Media,
Puntual Varianza,
Proporción
T- Student
INFERENCIA
ESTADSTICA Anova
Metodos
Parametricos
Fisher
Prueba de Pearson
hipótesis
U-Mann
Whitney
Métodos no
K-W
parametricos
Tabla de
contingencia
272
7.5.1. Estimación puntual
Concepto de estimar
Estimar en estadística significa atribuirle a la población el valor

calculado en una muestra, este cálculo, puede ser un valor concreto,
en este caso estamos ante una estimación puntual o puede ser un
valor dentro de un intervalo, en este caso estamos ante una estimación
por intervalo.
En la estimación puntual se tiene un valor concreto como

estimación del parámetro poblacional, pero no permite tener una
medida de la confianza sobre la inferencia. Utiliza los datos de la
muestra para obtener un solo número que se aproxime al valor real
del parámetro. Los parámetros que se utilizan en la estimación
puntual son la media, la varianza y la proporción.
Parámetro:
Es una medida descriptiva que caracteriza a una población,

estos son:
La media
La varianza
La proporción
Estimador:
Regla que se utiliza para estimar un parámetro desconocido de

la población, estos son:
La estimación puntual
La estimación por intervalos
273
Estimador Puntual:
Utiliza los datos de la muestra para obtener un solo número

que se aproxime al valor real del parámetro de la población o de
la muestra (media, varianza y proporción)
Estimador puntual de los parámetros:
Parámetro Estimador
(Población) puntual
(Muestra)
Media
µ(miu)=Media =Media de
la muestra
poblacional
Variancia
σ(sigma)=Desviación S=Desviación
estándar de la
estándar de la muestra
población
Proporción Π(ro) P=Proporción

de la muestra
Intervalo de
Población
confianza
Estimación
Media,
Puntual Varianza,
Proporción
Inferencia
estadística
Se apoyan
canidades o
datos
Prueba de estadísticios
hipótesis calcuados a
patir de las
observaciones
en una muestra
274
La media
Estimación Puntual La varianza
La proporción
Cabe señalar que los símbolos de estos parámetros son diferentes

en la población y en la muestra, de esta manera se tiene el siguiente
cuadro:
Población Muestra
Media
µ(miu)=Media =Media de
la muestra
poblacional
Variancia
σ(sigma)=Desviación S=Desviación
estándar de la
estándar de la muestra
población
Proporción Π(ro) P=Proporción

de la muestra
Distribuciones de probabilidad e inferencia
Distribución normal
Estimaciones
Parámetros muestrales
poblacionales
(Estadisticos)
275
Llamada también distribución Z, tiene como características las

siguientes:
Es centrada en el cero
Puede tomar valores tanto positivos como negativos
Para valores mayores a 30
Permite hallar medias poblacionales y muestrales
Se usa para hallar medias muestrales y medias
poblacionales
Distribución T de Student
Tiene las mismas características que la distribución normal, con la

diferencia que es más esbelta.
Centrada en el cero
Puede tomar valores positivos como negativos
Para valores igual o menores a treinta
Permite hallar medias muestrales y poblacionales
Cuando los valores son menores o igual a 30, tiene una
distribución normal
Es más esbelta
Se usa para hallar medias muestrales y medias
poblacionales
276
Índice
Distribución de chi cuadrado
Tiene las siguientes características:
Toma solo valores positivos

Se usa para hallar la varianza o la desviación estándar
Los parámetros que las definen se llaman “grados de
libertad”
Distribución F de Fisher
Es muy parecida a la chi cuadrada

Toma solo valores positivos
Los parámetros que las definen se llaman “grados de
libertad”
277
Índice
Esta distribución es más importante en el diseño y

análisis de experimentos (DAE) porque compara las
varianzas o la variabilidad entre varias poblaciones
Las distribuciones se resumen en el siguiente cuadro:
Distribución Parámetro Estadístico Forma Observaciones

poblacional muestral
Normal n > 30
µ Centrada
en el 0
T de Student Tiende a una
µ distribución
normal cuando
n ≤ 30
σ2
Chi Cuadrada S2 Sesgadas y Los
solo parámetros
toman que las define
valores por completo
σ2
F de Fisher S2
positivos son los “grados
de libertad”
Estadísticos
Media muestral:
∑ 𝑿𝒊
̅=
𝑿
𝒏
Que es igual a:
278
𝑿𝟏+𝑿𝟐+𝑿𝟑+⋯𝑿𝒏
̅=
𝑿
𝒏
La varianza muestral:
∑(𝑿−𝑿)
̅̅̅̅ 𝟐
S2 =
𝒏−𝟏
̅̅̅̅2 +(𝑋2−𝑋)
(𝑋1−𝑋) ̅̅̅̅2 +… (𝑋𝑛−𝑋)
̅̅̅̅2
S2 =
𝑛−1
Proporción:
La proporción, viene a ser los datos seleccionados divididos entre

el número total de datos, así por ejemplo si queremos hallar la
proporción de los números menores a 10 de la siguiente muestra,
tenemos:
12, 15, 9, 11, 6, 9, 11, 7,13,8, 15
De la muestra podemos apreciar que los números menores de 10

son: 9, 6, 9, 7, 8, es decir 4 números, para lo cual, aplicamos la
fórmula:
𝑁°
P = 𝑛
Donde N° es el número seleccionado, es decir 4 y n es el número
de elementos de la muestra, es decir: 11
Aplicando la fórmula se tiene:
4
= 0.36, es decir 36% de la muestra son números menores de 10
11
Fórmulas en Excel para las estimaciones puntuales
279
Índice
̅ ): PROMEDIO
Para el promedio muestral (𝑿
Para la varianza muestral (S2): VAR.S
Para la desviación estándar muestral (S): DESVEST.M
Para la proporción muestral (P): CONTAR.SI
Ejercicios de estimación puntual
Sean los datos provenientes de una muestra aleatoria
7; 10; 12; 9; 12; 16
Hallar:
a) La estimación puntual de la media poblacional
Para hallar la media poblacional se utiliza la siguiente fórmula

∑x 66
= n
= 6= 11
La estimación puntual de la media poblacional es = 11, debemos

recordar que se trata de una estimación puntual, que habiendo
trabajado con la muestra estimamos que la media de la población sea
de 11.
b) ¿Cuál es la estimación puntual de la desviación estándar?
Para hallar la desviación estándar se utiliza la siguiente formula:
Donde tenemos que hallar:
280
Índice
∑x(X1 - )2 = Esta operación exige que a cada número de la

muestra se le reste el promedio y posteriormente al resultado se
eleve al cuadrado y por último se sume todos lo valores.
N= es el número de elementos que conforma la muestra y son 6
Desarrollo:
(X1 - ) (X1 - )2
-4 16
-1 1
1 1
-2 4
1 1
5 25
48
Sea la fórmula
48
σ= √ = √9.6 = 3.09 = 3.1
6−1
La desviación estándar nos indica que los elementos que conforma

la muestra tienen una desviación estándar, respecto de su media
en 3.1 unidades
281
Índice
18
16
14
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7
Ejercicio:
Se tiene una muestra aleatoria de las siguientes edades:
25, 24, 22, 20, 25, 18, 17, 24, 16, 21
1.- Hallar la estimación puntual para la media:
̅ = ∑ 𝑿𝒊
𝑿
𝒏
(25+24+22+20+25+18+17+24+16+21)
𝑋̅=
10
𝑋̅= 21.2
2.- Hallar la estimación puntual para la varianza:
∑(𝑿𝒊−𝑋̅)𝟐
S2 =
𝒏
(𝟐𝟓−𝟐𝟏.𝟐)𝟐
S2 =
𝒏
(25−21.2)2 +(24−21.2)̅2 +(22−21.2)2 + (20−21.2)2 +(25−21.2)2 +(18−21.2)2
S2 = 10
282
+(17−21.2)2 +(24−21.2)̅2 +(16−21.2)2 + (21−21.2)2

10
S2 = 11.29
3.- Hallar la estimación puntual para la proporción de edades

mayores a 22:
𝑁°
P=
𝑛
Los números mayores de 22 son: 25, 24,25,24
Es decir, N° = 4
4
P= = 0.4 = 40%
10
Entonces, la proporción de edades mayores de 22 años es igual a

0.4 o lo que es lo mismo decir que un 40% de las edades son mayores
a 22.
7.5.2. Estimación por intervalos
Por este cálculo no se obtiene un valor único, sino el valor se

encuentra dentro de un intervalo que tiene un límite superior y un
límite inferior simétrico a ambos lados y la probabilidad que el valor
se encuentre en la parte media se llama intervalo de confianza.
Nivel de
confianza
283
Índice
La probabilidad de quedar fuera del intervalo de confianza es α

(alfa), esta se divide en dos, uno para cada lado, así, si consideramos
que el valor buscado está en el intervalo de confianza con un 95%, el
α será del 5% y el α/2 para cada lado será de 2.5% o en decimales del
0.025 que en la tabla Z es igual a 1.96
Donde:
α: Es la probabilidad que falle, también se llama nivel de

significancia o riesgo
1-α: Es la probabilidad que no falle, es el intervalo de confianza
Beneficio: El beneficio de hacer un cálculo por intervalo de

confianza es que tenemos un mejor manejo del error.
Deficiencia: La deficiencia de hacer un cálculo de intervalo de

confianza es que tenemos tendremos un conjunto de valores donde
se encontrará el valor poblacional verdadero con un nivel de
confianza que queramos.
Ejemplo
Por el paradero de un metro, un tren pasa en los siguientes

intervalos de tiempo en minutos: 44, 36, 40, 45 y 25, se considera una
varianza de 80 y que tiene una distribución normal. Estimar la
duración media que demora pasar cada tren.
1.- En primer lugar, hallamos la media
44+36+40+45+25
𝑋̅=
5
190
𝑋̅=
5
𝑋̅= 38
284
Índice
2.- Calculamos el intervalo de confianza, con un nivel de confianza

de 95%
Por tanto:
1-α = 95%, que para convertirlo en decimales lo dividimos entre

100 = 0.95, donde α=0.05 =5%
Pero lo dividimos en 2 para ambos extremos.
Zα/2 = 0.025, que en la tabla Z es igual a 1.96
¿Cómo hallamos 1.96 en la tabla Z?
Buscamos el valor de 0.025 en la tabla y nos fijamos al costado
Si bien aparece 1.96 con signo negativo, sin embargo, el signo no

interesa debido a que se va a ubicar en ambos extremos.
3.- Calculamos S
√∑(𝑿𝒊−𝑋̅)𝟐
S=
𝒏
√(44−38)2 +(36−38)̅2 +(40−38)2 + (45−38)2 +(25−38)2
S= 5
S = 7.23
4.- Reemplazando valores
𝑆
M1- = ±Z /2 ( )
√𝑁
285
Índice
7.23
M1- = 38±1.96 ( )
√5
7.23
M1- = 38-1.96 ( ) = 30.16
√5
7.23
M1- = 38+1.96 ( ) = 45.84
√5
Como resultado se tiene el intervalo de confianza donde se

encuentra el valor medio en la demora del tren al pasar por el
paradero, está comprendido entre: 30.16 y 45.84.
Ejemplo
En el colegio Hipólito Unanue se tiene un total de 1200 alumnos,

de los cuales se ha extraído una muestra de 60 alumnos, a los
cuales se les ha evaluado con un examen de comprensión lectora
con notas de 0 a 100, la media poblacional es 80 y la desviación
típica es 12, para el presente caso se pide estimar la media
poblacional mediante un estimador puntual.
Ejemplos
𝑆
M1- = ±Z /2 ( )
√𝑁
Donde:
= nivel de confianza = 95%= 1.95 (en decimales)
1- = 1- 1.95= 0.5
= 11
Z /2= Z0.5/2= Z0.25 = 1.96 (esto resulta de verificar en la tabla de distribución

normal)
𝑆= 3.1
286
Índice
𝑁= 6
Reemplazando valores:
3.1
M0.5= 11+ 1.96 ( 6 ) (Operando con la suma
√
M0.5= 12.96 (1.27)
M0.5= 16.46
3.1
M0.5= 11- 1.96 ( 6 ) (Operando con la resta)
√
M0.5= 9.04 (1.27)
M0.5= 11.48
De ambos resultados podemos decir que el intervalo donde se

encuentra el valor está comprendido entre (11.48 y 16.46).
Si bien la fórmula de T de Student es la siguiente:
𝑥̅ − µ
te = σ
( )
√𝑛
Despejando µ= 𝑥̅ − 𝑡𝑒(𝑆/√𝑛 − 1) Que será el extremo inferior.
Por lo que su extremo superior será: µ= 𝑥̅ + 𝑡𝑒(𝑆/√𝑛 − 1)
Como ejemplo, tenemos:
En el colegio Hipólito Unanue se tiene un total de 1200 alumnos,

de los cuales se ha extraído una muestra de 60 alumnos, a los
cuales se les ha evaluado con un examen de comprensión lectora
con notas de 0 a 100, la media poblacional es 80 y la desviación
típica es 12, para el presente caso se pide estimar la media
poblacional mediante una estimación por intervalo
𝑥̅ = 80
287
Índice
𝑛= 60
S = 12
Te = 1200
Reemplazando valores en la fórmula:
µ= 80 + 1.96(12/√60 − 1)
µ= 80+3.0625 = 83.0625
µ= 80 − 3.0625 = 76.9375
Donde la media poblacional se encontrará en el intervalo

comprendido entre: 76.9375 y 83.0625
Intervalo de confianza para la media (µ)
En la estimación puntual podemos establecer una media en forma

puntual que es válido para la muestra y que se estima que sea válida
para la población, pero no se tiene un grado de certeza de que el valor
sea el valor real de la media de la población. El intervalo de confianza
nos da parámetros con un nivel de confianza de que la media
poblacional se encuentre en dichos rangos, esto es más seguro que la
estimación puntual.
El intervalo de confianza de la media poblacional considera que la media de la

muestra no siempre es la misma que la media de la población, por tanto, se busca
calcular el intervalo donde se podría encontrar con cierta probabilidad
Ejemplo:
Se ha tomado una muestra de 100 personas de la ciudad de

Arequipa y se ha obtenido una talla promedio de 1.69m, se desea
288
Índice
saber el intervalo de confianza al 95%de la talla promedio para la

población de Arequipa, con una desviación típica de 0.12.
Datos:
N = 100
𝑥̅ = 1.69
= 5% = 0.05
/2 = 0.025 que en la tabla Z es igual a 1.96
σ = 0.12
Se busca hallar X1 (límite inferior) y X2 (límite superior)
Los límites donde se encontrará el intervalo de confianza, están

dados por -Z y Z, que contiene el límite que es igual a /2, lo cual se
puede ver en el siguiente gráfico:
Nivel de
confianza
Fórmula:
𝑥1 − 𝑥̅
±Zα/2 = 𝜎
√𝑁
𝜎
X1 = 𝑥̅ - Zα/2( )
√𝑁
Reemplazando datos
Hallando el límite inferior

0.12
X1 = 1.69 - 1.96( )
√100
289
Índice
X1 = 1.69 – 0.02352)
X1 = 1.66648
Hallando el límite superior

0.12
X2 = 1.69 + 1.96( )
√100
X2 = 1.69 + 0.02352
X2 = 1.71352
La media poblacional estará entre: = 1.66 y 1.71
7.5.3. Coeficiente de correlación
Es una medida numérica que permite medir el grado de asociación

lineal entre dos variables cuantitativas
El coeficiente de correlación p mide la fuerza y el sentido de la

relación lineal entre dos variables cuantitativas.
𝑆𝑥𝑦
p=
𝑆𝑥 𝑆𝑦
±0.96 ; ±1.0 PERFECTA
290
FUERTE
±0.85 ; ±0.95
SIGNIFICATIVA
±0.70 ; ±0.84
MODERADA
±0.50 ; ±0.69
DÉBIL
±0.20 ; ±0.49
MUY DEBIL
±0.10 ; ±0.19
NULA
±0.09 ; ±0.0
A. Cálculos de Z
Z es el valor frontera que delimita la zona de confianza con la zona

de rechazo, indica el valor esperado, para verificar la posición del
valor observado respecto de Z.
7.5.4. Simbología estadística
: Media o promedio
S2: Se refiere a la varianza simple.
µ: Media de una población

: Media de la muestra
291
Índice
r: Simboliza la simple correlación de coeficientes.
kr: Simboliza el cúmulo de las muestras.
Los símbolos utilizados con mayor frecuencia para referirse a los

parámetros de población son:
N: Tamaño de la población
n: Tamaño de la muestra
• μ: Media poblacional
• σ2: Simboliza la varianza de la población.
• ρ: Simboliza la correlación de la población
• κr: Simboliza los cúmulos de población.
• n: Simboliza el número de elementos en una distribución de la

muestra.
• α: La letra griega alpha simboliza la intercepción o un error de

tipo I.
• β: La letra griega beta simboliza vertiente o un error de tipo II.
• σ: La letra griega sigma simboliza la desviación estándar de la

población.
• s: La letra s significa la desviación estándar de la muestra.
• s2: La letra s al cuadrado simboliza la varianza de la muestra.
Otro conjunto de símbolos estadísticos usados con mayor

frecuencia son:
• C: Simboliza la distribución, y también es conocida como la

distribución para una variable independiente:
• U: Se refiere a la distribución que no es lo mismo que y también

es conocida como variable dependiente.
292
Índice
• SC: Simboliza todos los elementos (generalmente números) en

una distribución.
• N: Simboliza el número de elementos una distribución

poblacional.
293
Índice
Tabla de Población y Muestra
Con un error de 5% y un nivel de confianza del 95%
Población Muestra Población Muestra
100 80 1050 282
150 109 1100 285
200 132 1150 289
250 152 1200 292
300 169 1250 295
350 184 1300 297
400 197 1350 300
450 208 1400 302
500 218 1450 304
550 227 1500 306
600 235 1550 309
650 242 1600 310
700 249 1650 312
750 255 1700 314
800 260 1750 316
850 265 1800 317
900 270 1850 319
950 274 1900 320
1000 278 1950 322
295
Tabla de chi2
Tabla resumida para α -1 = 90%, 95% y 99%
Df X2 0.05 X2 0.025 X2 0.01

1 3.841 5.024 6.635
2 5.991 7.378 9.210
3 7.815 9.348 11.345
4 9.488 11.143 13.277
5 11.070 12.833 15.086
6 12.592 14.449 16.812
7 14.067 16.013 18.475
8 15.507 17.535 20.090
9 16.919 19.023 21.666
10 18.307 20.483 23.209
11 19.675 21.920 24.525
12 21.026 23.337 26.217
13 22.362 24.736 27.688
14 23.685 26.119 29.141
15 24.996 27.488 30.578
16 26.296 28.845 32.000
17 27.587 30.191 33.409
18 28.869 31.526 34.805
19 30.144 32.852 36.191
20 31.410 34.170 37.566
21 32.671 35.479 38.932
22 33.924 36.781 40.289
23 35.172 38.076 41.638
24 36.415 39.364 42.980
25 37.652 40.646 44.314
296
Índice
26 38.885 41.923 45.642

27 40.113 43.195 46.963
28 41.337 44.461 48.278
29 42.557 45.722 49.588
30 43.773 46.979 50.892
40 55.758 59.342 63.691
50 67.505 71.420 76.154
60 79.082 83.298 88.379
70 90.531 95.023 100.425
80 101.879 106.629 112.329
90 113.145 118.136 124.116
100 124.342 129.561 135.807
297
Ejemplo de estadística en una tesis
A continuación, se desarrolla las partes más importantes

desarrolladas por el tesista Clemente Cusi Ventura en su tesis de
grado por la universidad TELESUP.
Enunciado
¿Por qué se debe incorporar en el Código Civil los contratos de

leasing y outsourcing para la mejora de la seguridad de la legislación
civil, en Arequipa 2018?
Problemas específicos
¿Por qué se debe incorporar en el Código Civil el contrato

de Leasing en Arequipa 2018?
¿Por qué se debe incorporar en el Código Civil el contrato
de Outsourcing en Arequipa 2018?
Objetivo general
Establecer la relación de incorporar en el Código Civil de los

contratos de leasing y outsourcing con la mejora de la seguridad
jurídica en Arequipa, Perú 2018
Objetivos específicos
Explicar los fundamentos que permitan incorporar el

contrato de leasing en el Código Civil en Arequipa
2018
Indicar los fundamentos que permitan incorporar el
contrato de Outsourcing en el Código Civil en
Arequipa 2018
299
Hipótesis general
Es posible que exista relación entre la incorporación de los

contratos Leasing y Outsourcing con la seguridad jurídica, resultando
necesario incorporar dichos contratos al Código Civil.
Hipótesis estadística
H0 = No existe relación entre los contratos innominados de leasing

y outsourcing con la seguridad jurídica en el Código civil, por tanto,
no se requiere su incorporación.
H1 = Si existe relación entre los contratos innominados de leasing

y outsourcing con la seguridad jurídica en el Código civil, por tanto,
si se requiere su incorporación.
Hipótesis especificas
Hipótesis especificas 1
Es posible, que exista relación entre el contrato innominado de

leasing con la mejora de la seguridad jurídica al regularse en un
solo cuerpo normativo, como es el Código Civil en Arequipa 2018.
H0 = No existe relación entre el contrato innominado de leasing

con la seguridad jurídica en el Código civil, por tanto, no se
requiere su incorporación.
H1 = Si existe relación entre el contrato innominado de leasing con

la seguridad jurídica en el Código civil, por tanto, si se requiere su
incorporación.
Hipótesis especifica 2
Es posible, que exista relación entre el contrato innominado de

outsourcing con la mejora de la seguridad jurídica al regularse en
300
Índice
un solo cuerpo normativo, como es el Código Civil en Arequipa

2018.
H0 = No existe relación entre el contrato innominado de

outsourcing con la seguridad jurídica en el Código civil, por tanto,
no se requiere su incorporación.
H1 = Si existe relación entre el contrato innominado de outsourcing

con la seguridad jurídica en el Código civil, por tanto, si se requiere
su incorporación.
Población
La población definida por Delgado et.al. (2010) lo define como “el

conjunto de individuos u objetos de los que se desea conocer algo en
una investigación” (p.271) está compuesta por abogados especialistas
en derecho comercial y financiero de la ciudad de Arequipa, quienes
responderán sobre la conveniencia de incorporar a la legislación del
Código Civil los contratos de leasing y outsourcing. Debemos de
indicar que en la actualidad no tenemos información exacta de
cuantos abogados especialistas en derecho comercial y financiero
laboran en la ciudad de Arequipa, esto debido a que el Colegio de
Abogados no registra a los abogados por especialidades, así mismo
en muchos casos abogados colegiados en colegios profesionales de
diferentes agremiaciones de nuestro país vienen ejerciendo la
profesión en esta ciudad.
Muestra
La muestra es definida por Delgado et.al (2010) como “el conjunto

de elementos que recoge todas las características relevantes de la
población” (p.272) será obtenida siguiendo el método de muestreo
intencionado o por conveniencia, esto debido en primer lugar a que
no conocemos el número de la población de abogados especialistas en
derecho comercial y financiero y en segundo lugar debemos respetar
301
la voluntad del encuestado sobre su autorización para poder realizar

la encuesta. Debido al reducido número de especialistas en derecho
comercial, el estudio considera que un número de 54 profesionales
encuestados resultaría suficiente, pues un número mayor seria de
difícil obtención.
Criterios inclusión de muestreo
• Los encuestados serán abogados que tengan curso de

especialización o maestría en derecho comercial y financiero.
• Los profesionales encuestados están en el ejercicio de la

profesión como docentes, empleados públicos o privados, o en
el ejercicio privado de la profesión.
• Presten voluntariamente su autorización para participar en la

encuesta
Variables
Definición operacional
La variable independiente: Contratos Innominados del Leasing y

Outsourcing van a ser analizados en cuanto a su factibilidad de ser o
no ser incorporados al Libro VII del Código Civil, para ello se
analizará los criterios favorables y desfavorables para su inclusión.
Para establecer los criterios favorables se tendrá en cuenta los efectos
de la actual dispersión normativa y la inseguridad jurídica que en la
actualidad tienen el hecho que los contratos innominados de Leasing
y Outsourcing estén dispersos en normativas que dificultan el
conocimiento para los operadores de justicia y ciudadanía en general.
Como variable dependiente se tiene el Código Civil peruano y

como indicador se tiene al Libro VII Fuentes de las Obligaciones, para
esta variable y su indicador se analizará la viabilidad de ser
302
Índice
modificada conforme a los criterios de sistematización, orden y

compatibilidad.
Tabla 2. Variable cualitativa independiente

DI
VA
ME INDI
RIA
NSI CAD SUB INDICADOR
BLE
ON OR
S
ES
1. Está de acuerdo usted ¿qué es un vacío legal, el no
tener normado en nuestro Código Civil, los contratos
Innominados o Atípicos?
2. Está de acuerdo usted ¿qué el Contrato Innominado
Leasing debería estar reconocido en el Código Civil, y de tal
forma darles la seguridad jurídica a los usuarios contractuales?
3. Está de acuerdo usted ¿qué el Contrato Innominado
Con Con Contr Outsourcing debería estar respaldada y reconocido en el Código
trat trat ato Civil, y de tal forma darles la seguridad jurídica a los usuarios
os os leasin contractuales?
mo Inn g 4. Está de acuerdo usted ¿qué es un problema la
der omi dispersión normativa de los Contratos de naturaleza civil, que
nos nad Contr debiendo estar regulados en un único texto normativo como es
inn os ato el Código Civil, estén dispersos en diferentes normas legales?
omi Atí Outso 5. El concepto de Leasing dada por el Decreto Legislativo
nad pic urcin 299 establece como: “el Contrato Mercantil que tiene por objeto
os os g la locación de bienes muebles o inmuebles por una empresa
locadora para el uso por la arrendataria, mediante pago de
cuotas periódicas y con opción a favor de la arrendataria de
comprar dichos bienes por un valor pactado”, dicho concepto no
arrendataria de comprar dichos bienes por un valor pactado”,
dicho concepto no incluye al Leasing Operativo, está de acuerdo
usted ¿qué se debería reformular el concepto, incorporándolo en
el Código Civil?
Tabla 3. Variable cualitativa dependiente

VARIA DIMENS
INDICADOR SUB INDICADOR
BLES IONES
303
1. Está de acuerdo usted ¿qué

nuestro país debe tener el modelo argentino
de regular el Leasing en su Código Civil y
no en una dispersión normativa que afecta
la seguridad jurídica?
2. En nuestro país no se tiene
ninguna regulación sobre el Outsourcing,
solo se regula la intermediación y la
tercerización, está de acuerdo usted ¿qué
estas instituciones deberían encontrarse
reguladas y delimitadas en el Código Civil?
3. La Ley que regula la actividad de
las empresas especiales de servicios y de las
cooperativas de trabajadores Ley Nº 27626,
no define el concepto de intermediación
laboral, ni tampoco sus elementos
esenciales, está de acuerdo usted ¿qué dicha
norma activa debe ser derogada y la
intermediación correctamente definida bajo
el concepto de Outsourcing incorporada al
Libro VII Código Civil?
Fuentes Incorporar 4. La Ley que regula los servicios de
Código
de las Sección de tercerización, Ley Nª 29245, define la
Civil
Obligacio Contratos tercerización en los siguientes términos: “Se
nes entiende por tercerización la contratación
de empresas para que desarrollen
actividades especializadas u obras, siempre
que aquellas asuman los servicios prestados
por su cuenta y riesgo; cuenten con sus
propios recursos financieros, técnicos o
materiales; sean responsables por los
resultados de sus actividades y sus
trabajadores estén bajo su exclusiva
subordinación”, el concepto de
tercerización solo regula los casos de
externalización por especialidad, no regula
los casos de tercerización por temporalidad,
por necesidades complementarias, está de
acuerdo usted ¿qué debería de modificarse
incorporando este concepto al Código Civil
5. Está de acuerdo usted ¿qué las
variantes de intermediación o tercerización
de servicios, deberían ser regulados bajo
una sola institución jurídica que sería el
Outsourcing en el Código Civil?
304
Resultados descriptivos
Según el nivel ocupacional
Tabla 4: Según el nivel ocupacional
NIVEL OCUPACIONAL
Porcentaje
Frecuencia Porcentaje
valido
Funcionario
Válido 16 29.7 29.7
público
Actividad
24 44.4 44.4
privada
Docente 14 25.9 25.9
Total 54 100.0 100.0
NIVEL OCUPACIONAL
30
FRECUENCIA
20
10
0
Funcionario Actividad privada Docente
público
NIVEL OCUPACIONAL
Gráfico 1: Según el nivel ocupacional
Como se aprecia, de acuerdo al nivel ocupacional, 16 son funcionarios

públicos, 24 ejercen la actividad privada y 14 son docentes; siendo un
total de 54 los profesionales encuestados.
305
Índice
Según por género
Tabla 5: Según el género
GÉNERO
Porcentaje
Frecuencia Porcentaje
valido
Válido Masculino 30 55.6 55.6
Femenino 24 44.4 44.4
Total 54 100.0 100.0
GÉNERO
40
FRECUENCIA
30
20
10
0
Masculino Femenino
GÉNERO
Gráfico 2: Según el género
Como se aprecia, de acuerdo al sexo, 30 son del género masculino, y

24 del género femenino; siendo un total de 54 los encuestados.
Resultado inferencial
306
Matriz de consistencia
ID Sexo G.Inst Secc FR1 FR2 FR3 FR4 FR5 D1V1 D2V1 TV1 FR6 FR7 FR8 FR9 FR10 TV2
1 2 1 1 2 3 2 2 1 5 5 10 2 2 1 2 2 9
2 2 2 1 2 4 2 4 4 6 10 16 4 4 4 3 3 18
3 1 3 1 3 2 1 2 1 5 4 9 2 2 1 2 1 8
4 2 1 1 2 3 4 5 4 5 13 18 4 4 3 4 3 18
5 1 3 1 1 2 2 2 2 3 6 9 3 3 2 2 2 12
6 1 2 1 1 1 1 1 1 2 3 5 1 1 2 1 1 6
7 2 2 1 5 4 5 5 5 9 15 24 5 5 5 5 4 24
8 1 1 1 1 1 1 1 1 2 3 5 1 1 3 1 1 7
9 1 2 1 2 3 5 4 4 5 13 18 3 4 4 4 4 19
10 2 3 1 5 5 4 5 5 10 14 24 4 5 5 4 5 23
11 1 2 1 5 4 5 3 4 9 12 21 4 4 4 4 3 19
12 2 1 1 4 1 4 3 3 5 10 15 1 3 2 3 3 12
13 1 2 1 1 3 3 3 3 4 9 13 1 4 3 2 3 13
14 2 3 1 4 4 5 3 5 8 13 21 4 4 5 3 3 19
15 2 2 1 4 4 5 4 4 8 13 21 3 3 4 3 4 17
16 1 1 1 2 5 4 5 3 7 12 19 4 5 4 4 3 20
17 1 2 1 1 1 1 1 1 2 3 5 1 1 2 1 1 6
18 2 1 1 5 4 5 4 4 9 13 22 3 4 4 3 4 18
19 1 2 1 4 5 5 4 4 9 13 22 4 5 3 4 4 20
20 2 3 1 4 5 5 5 5 9 15 24 5 5 4 5 5 24
307
Índice
21 1 2 1 3 3 5 3 3 6 11 17 2 3 3 3 3 14
22 1 1 1 3 4 5 4 4 7 13 20 3 4 5 4 3 19
23 2 2 1 4 3 3 2 2 7 7 14 2 3 2 4 3 14
24 1 3 1 1 2 2 1 2 3 5 8 2 1 4 3 2 12
25 2 2 1 5 4 4 5 3 9 12 21 4 4 5 4 4 21
26 1 1 1 4 5 5 4 5 9 14 23 5 5 5 5 5 25
27 1 2 1 5 5 4 5 4 10 13 23 4 4 4 4 4 20
28 1 2 1 5 4 4 4 4 9 12 21 4 5 5 5 3 22
29 2 1 1 1 2 3 4 2 3 9 12 2 3 3 3 3 14
30 1 3 1 5 4 4 3 4 9 11 20 4 4 5 4 5 22
31 2 2 1 5 5 4 5 3 10 12 22 4 5 4 5 4 22
32 1 1 1 4 4 5 4 5 8 14 22 4 5 5 4 4 22
33 1 3 1 5 4 5 5 3 9 13 22 4 5 5 3 3 20
34 2 2 1 5 5 3 4 5 10 12 22 5 4 5 5 4 23
35 1 3 1 4 5 4 3 5 9 12 21 4 5 5 5 4 23
36 1 2 1 1 3 1 1 2 4 4 8 1 1 1 1 1 5
37 2 3 1 5 4 5 5 4 9 14 23 5 4 3 5 5 22
38 1 2 1 5 5 4 5 3 10 12 22 4 5 5 5 5 24
39 1 1 1 4 4 5 4 5 8 14 22 5 5 4 5 5 24
40 2 3 1 3 3 5 4 4 6 13 19 2 3 1 4 4 14
41 1 2 1 5 5 4 4 5 10 13 23 5 5 4 5 5 24
42 2 1 1 4 2 2 2 1 6 5 11 1 3 3 3 2 12
308
Índice
43 1 2 1 3 2 3 2 2 5 7 12 3 2 2 2 3 12
44 2 1 1 5 5 5 5 5 10 15 25 5 5 5 5 5 25
45 1 1 1 2 4 2 4 4 6 10 16 4 3 4 4 3 18
46 2 2 1 4 5 4 5 4 9 13 22 5 4 5 5 5 24
47 1 1 1 5 5 5 5 3 10 13 23 4 5 5 4 4 22
48 2 3 1 4 5 5 4 5 9 14 23 5 5 2 5 4 21
49 2 2 1 1 2 3 3 2 3 8 11 2 2 3 3 2 12
50 1 1 1 5 5 4 5 5 10 14 24 4 4 5 5 4 22
51 2 2 1 4 4 4 4 3 8 11 19 4 3 3 3 3 16
52 1 3 1 5 3 4 3 4 8 11 19 3 4 4 4 3 18
53 1 2 1 4 5 3 4 5 9 12 21 5 4 5 5 4 23
54 2 3 1 2 1 2 2 1 3 5 8 2 2 1 2 2 9
309
Índice
1.- Índice de confiabilidad
Índice de confiabilidad para la variable V1
El cuestionario en cuanto a las preguntas que corresponden a la

primera variable es muy confiable debido a que el valor obtenido
mediante el estadístico Alpha de Crombach tiene un valor de 0.916.
Tabla 6. Cálculo de procesamiento de resumen

N %
Casos Válido 54 100,0
Excluidoa 0 ,0
Total 54 100,0
a. La eliminación por lista se basa en todas las variables del
procedimiento.
Tabla 7. Cálculo de estadísticas de fiabilidad
Alfa de Cronbach N de elementos
,916 5
Índice de confiabilidad para la variable V2
El cuestionario en cuanto a las preguntas que corresponden a la

segunda variable es muy confiable debido a que el valor obtenido
mediante el estadístico Alpha de Crombach tiene un valor de 0.936.
Tabla 8. Cálculo de procesamiento de resumen

N %
Casos Válido 54 100,0
Excluidoa 0 ,0
Total 54 100,0
311
a. La eliminación por lista se basa en todas las variables del

procedimiento.
Tabla 9. Cálculo estadísticas de fiabilidad
Alfa de Cronbach N de elementos

,936 5
2.- Prueba de validez
Validez para la variable V1
Tabla 10. Cálculo Bartlett´s
Prueba de KMO y Bartlett

Medida Kaiser-Meyer-Olkin de adecuación de
,800
muestreo
Prueba de esfericidad de Aprox. Chi-cuadrado 189,476
Bartlett gl 10
Sig. ,000
Tabla 11. Cálculo de las comunalidades
Comunalidades
Inicial Extracción
FR1 1,000 ,663
FR2 1,000 ,802
FR3 1,000 ,748
FR4 1,000 ,774
FR5 1,000 ,781
Método de extracción: análisis de componentes principales.
Tabla 12. Cálculo de la varianza explicada
Varianza total explicada
312
Índice
Comp Autovalores iniciales Sumas de extracción de cargas al cuadrado
onente Total % de varianza % acumulado Total % de varianza % acumulado
1 3,768 75,366 75,366 3,768 75,366 75,366

2 ,426 8,529 83,895
3 ,369 7,385 91,280
4 ,307 6,145 97,425
5 ,129 2,575 100,000
Como se puede apreciar de los Figuras adjuntos se tiene que el valor

acumulado de la varianza es superior a 40 para el caso de la primera
variable, situación que nos indica que se trata de una variable
válida.
Validez para la variable V2
Tabla 13. Cálculo de Bartlett´s
Prueba de KMO y Bartlett

Medida Kaiser-Meyer-Olkin de adecuación de
,900
muestreo
Prueba de esfericidad Aprox. Chi-cuadrado 229,844
de Bartlett gl 10
Sig. ,000
Tabla 14. Cálculo de comunalidades
Comunalidades
Inicial Extracción
CSE1 1,000 ,832
CSE2 1,000 ,845
CSE3 1,000 ,639
CSE4 1,000 ,863
CSE5 1,000 ,830
313
Índice
Tabla 15. Cálculo de la varianza explicada
Varianza total explicada

Sumas de extracción de cargas al
Comp Autovalores iniciales cuadrado
onente Total % de varianza % acumulado Total % de varianza % acumulado
1 4,009 80,189 80,189 4,009 80,189 80,189

2 ,439 8,771 88,960
3 ,216 4,317 93,277
4 ,189 3,783 97,060
5 ,147 2,940 100,000
Como se puede apreciar de los Figuras adjuntos se tiene que el

valor acumulado de la varianza es superior a 40 para el caso de la
segunda variable, situación que nos indica que se trata de una
variable valida.
3.- Prueba de normalidad
El instrumento de medición a recogido información de 54

encuestados, motivo por el cual para su cálculo se utilizará el
estadístico de Kolmogorov Smimov.
Cálculo de la normalidad para las variables
H0= La distribución de la variable es normal.
H1= La distribución de las variables no son normales.
Regla: Si la significancia es mayor a 0.05 se acepta la hipótesis nula

de lo contrario se rechaza.
Tabla 16. Cálculo prueba de normalidad
Prueba de normalidad
Estadística gl Sig. Estadística gl Sig.
314
FR1 ,247 54 ,000 ,829 54 ,000

FR2 ,228 54 ,000 ,860 54 ,000
FR3 ,242 54 ,000 ,839 54 ,000
FR4 ,241 54 ,000 ,866 54 ,000
FR5 ,220 54 ,000 ,874 54 ,000
CSE1 ,261 54 ,000 ,870 54 ,000
CSE2 ,233 54 ,000 ,854 54 ,000
CSE3 ,208 54 ,000 ,860 54 ,000
CSE4 ,211 54 ,000 ,874 54 ,000
CSE5 ,184 54 ,000 ,900 54 ,000
a. Corrección del significado de Lilliefors
Decisión:
El cuestionario fue aplicado a 54 encuestados, motivo por el cual se
aplicó la prueba de normalidad de Kolmogorov Smirnov, donde se
obtuvo una la significancia menor a 0.05 se rechaza la hipótesis nula
y se acepta la hipótesis alterna, es decir que la distribución de la
variable no es normal, motivo por el cual en la contratación de
hipótesis se utilizara el estadístico Rho Spearman.
4.- Prueba de hipótesis principal
Para la presente prueba de hipótesis se considera las siguientes

hipótesis:
H0: Considera que no hay relación entre la variable

incorporación de los contratos Leasing y Outsourcing con la
variable Seguridad Jurídica.
H1: Considera que si existe relación entre la variable

incorporación de los contratos Leasing y Outsourcing con la
variable Seguridad Jurídica.
315
Regla:
Si la significación es mayor a 0.05 se acepta la hipótesis nula, de lo

contrario se rechaza y se acepta la hipótesis alterna.
Estadístico aplicable:
Habiéndose determinado que las variables no son normales,

corresponde que para determinar la prueba de hipótesis se aplique
el estadístico Rho de Spearman.
Tabla 17. Cálculo de correlaciones
Correlaciones
TotalV
1 TotalV2
Rho de TotalV1 Coeficiente de 1,000 ,900**
Spearman correlación
Sig. (2-colas) . ,000
N 54 54
TotalV2 Coeficiente de ,900** 1,000
correlación
Sig. (2-colas) ,000 .
N 54 54
**. La correlación es significativa al nivel de 0.01 (2 colas).
Decisión de prueba de hipótesis principal:
En la tabla 17 se puede apreciar que se ha aplicado el estadístico

Rho Spearman debido a que se ha establecido que las variables no son
paramétricas, teniendo como resultado una significancia de dos colas
con un valor de 0.000 que es menor al valor teórico esperado (p< 0.05),
motivo por el cual rechazamos la hipótesis nula y aceptamos la
hipótesis alterna que establece que existe relación entre ambas
variables siendo positiva y de grado fuerte. Situación que nos indica
que existe relación entre la incorporación de los contratos de leasing
y de outsourcing y la seguridad jurídica.
316
Índice
Prueba de la hipótesis secundaria 1

hipótesis:
H0: Considera que no hay relación entre las variables.
H1: Considera que si existe relación entre las variables.
Regla:


Correlaciones
dim1 TotalV2
Spearman's dim1 Coeficiente de 1,000 ,858**
rho correlación
Sig. (2-colas) . ,000
N 54 54
Total Coeficiente de ,858** 1,000
V2 correlación
Sig. (2-colas) ,000 .
N 54 54
Decisión:
En la tabla 18 se puede apreciar una significancia de dos colas con

un valor de 0.000 que es menor al valor teórico esperado (p< 0.05),
317
que existe relación entre el contrato innominado de leasing con la

mejora de la seguridad jurídica.
Prueba de la hipótesis secundaria 2

hipótesis:
H0: Considera que no hay relación entre las variables.
H1: Considera que si existe relación entre las variables.
Regla:


Correlaciones
dim2 TotalV2
Spearman's rho dim2 Coeficiente de correlación 1,000 ,814**
Sig. (2-colas) . ,000
N 54 54
TotalV2 Coeficiente de correlación ,814** 1,000
Sig. (2-colas) ,000 .
N 54 54
Decisión:
En la tabla 19 se puede apreciar una significancia de dos colas con

un valor de 0.000 que es menor al valor teórico esperado (p< 0.05),
318
Índice

que existe relación entre el contrato innominado de outsourcing con
la mejora de la seguridad jurídica.
319

Libro Estadistica Digital

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro Estadistica Digital

Cargado por

Copyright:

Formatos disponibles

Índice

Estadística para tesis y uso del SPSS

Autor: Francisco Guillermo Sánchez Espejo

Editado por: Centrum Legalis E.I.R.L.

Urb. Santa Catalina I-18 B, José Luis B. y R., Arequipa, Perú.

Celular y Whatsapp (+51) 958029169

Primera edición, febrero, 2020

Tiraje: 1000 ejemplares

Hecho el Depósito Legal en la Biblioteca Nacional del Perú Nº 2020-01449

Se terminó de imprimir en febrero del 2020 en:

Tarea Asociación Gráfica Educativa

Pasaje María Auxiliadora 156-164 Breña, Lima

Prohibida la reproducción de este libro total o parcialmente, sin permiso expreso

Pedidos a: info@aacentrum.com, T: (+51)958029169 a cualquier ciudad o país.

Visítenos en: www.aacentrum.com

A Jehová de los ejércitos

El presente libro está dirigido a los profesionales que desarrollan

Para ello, hemos iniciado el estudio desarrollando los elementos

Si bien, la estadística es muy amplia y una tesis puede hacer uso

útil al momento de operar las estadísticas, pues el resumen indica el

Francisco G. Sánchez Espejo

1 Uso de la Estadística ..................................................................... 11

1.1. Estadísticas en una tesis...............................................13

1.2. ¿Qué son las variables? ................................................15

1.3. ¿Qué es medir?..............................................................22

1.4. ¿Por qué es obligatorio la estadística en una tesis? .23

1.5. ¿Qué es el instrumento de medición? ........................25

1.6. ¿Qué medimos en la investigación cualitativa? .......26

1.6.1. Codificación de la información...................................35

1.6.2. Acopio de la información ............................................43

1.6.3. Reordenando a la forma inicial del cuestionario .....46

1.6.4. Elaboración de la matriz de datos ..............................49

1.6.5. La matriz de datos en el SPSS .....................................52

1.7. El Programa SPSS .........................................................54

1.7.1. Configuración inicial ....................................................54

1.7.2. Configurando la “vista de variables” ........................55

1.7.3. Insertando los datos .....................................................61

2 Cálculo de una Muestra ............................................................... 63

2.1. Población y Muestra.....................................................63

2.1.1. Intervalo de confianza .................................................68

2.2. Técnicas de muestreo ...................................................71

2.2.1. Muestreo estadístico ....................................................72

2.2.2. Muestreo por elección ..................................................74

2.3. Cálculo del tamaño de una muestra ..........................75

2.3.1. Cálculo de una muestra cualitativa ...........................75

2.3.2. Cálculo de una muestra cuantitativa .........................77

2.3.3. Cálculo de una muestra en el SPSS ............................79

3 Confiabilidad del Instrumento .................................................. 83

3.1. El estadístico KR-20 ......................................................84

3.2. El Alfa de Crombach ....................................................88

3.2.1. Mejorar el nivel del Alfa de Crombach .....................93

4 Validez del Instrumento ............................................................ 103

4.1. La validez de contenido.............................................103

4.1.1. Validez por juicio de expertos ..................................104

4.1.2. Validación con la V de Aiken ...................................105

4.1.3. Validación con Lawshe ..............................................116

4.1.4. Validación con prueba binomial ..............................121

4.1.5. Kappa de Kohen .........................................................129

4.2. La validez interna .......................................................142

5 Prueba de Hipótesis ................................................................... 147

5.1. Las hipótesis ................................................................147

5.2. La prueba de hipótesis de la Tesis ...........................151

5.3. Prueba de normalidad ...............................................152