INTEC. CIENCIAS BASICAS Y AMBIENTALES.MATEMATICA.

ESTADISTICA
DESCRIPTIVA. PROF. FRANCISCO HERRERA: INFORME DE INVESTIGACION DE
TERCERA UNIDAD: Medidas estadísticas descriptivas

NOMBRE y APELLIDO: Karismel Henríquez De la Cruz ID: 1106209

Valor 2 puntos si responde de manera correcta a lo que se pide y se envía en la fecha y

forma indicada. Enviar en Word letra 12. Fecha de entrega a la página virtual el miércoles
23 de febrero a la 4 pm. Sección 02. Anotar fuentes (autor, año, nombre de libro o página,
otros) después de cada concepto: Libros de textos propuestos. Página aula del pensamiento
estadístico. Internet.

Parte III. Medidas estadísticas descriptivas

1. Medidas estadísticas. Definición, características: tipos y propiedades, modelo

matemático y partes, ejemplo. Fuente bibliográfica

Las medidas estadísticas o parámetros estadísticos son valores representativos de una colección

de datos y que resumen en unos pocos valores la información del total de datos.
Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser
engañosas cuando mezclamos poblaciones distintas.

Tipos de medidas estadísticas:

Medidas de Centralización: Que sirven para determinar los valores centrales o medios de la
distribución

Medidas de Dispersión: Nos van a dar una idea sobre la representatividad de las medidas
centrales, a mayor dispersión menor representatividad.

Medidas de Localización: Útiles para encontrar determinados valores importantes, para una
"clasificación" de los elementos de la muestra o población.

Medidas de la Simetría: Sirven para ver si la distribución tiene el mismo comportamiento por
encima y por debajo de los valores centrales.

Un modelo matemático es un modelo que utiliza fórmulas matemáticas para representar la

relación entre distintas variables, parámetros y restricciones
 Tipos de modelos matemáticos:

De acuerdo a la información utilizada

 Heurístico: Basado en posibles explicaciones sobre las causas de los fenómenos observados.

 Empírico: Utiliza la información de la experimentación real.

Según tipo de representación

 Cualitativos o conceptuales: Se refieren a un análisis de la calidad o la tendencia de un

fenómeno sin calcular un valor exacto.
 Cuantitativos o numérico: Los resultados obtenidos tienen un valor concreto que tiene un cierto
significado (puede ser exacto o relativo).

Según la aleatoriedad

 Determinista: No tiene incertidumbre, los valores son conocidos.

 Estocástico: No se conoce con exactitud el valor de las variables en todo momento. Existe
incertidumbre y por ende una distribución de probabilidad de los resultados.

Según su aplicación u objetivo

 Simulación o descriptivo: Simula o describe un fenómeno. Los resultados se enfocan a predecir

qué sucederá una determinada situación.
 Optimización: Se utilizan para encontrar una solución óptima a un problema.
 De control: Para mantener el control de una organización o sistema y determinar las variables
que deben ajustarse para obtener los resultados buscados.

Partes de modelo matemáticos:

Variables: Son los conceptos u objetos que se busca entender o analizar. Sobre todo con
respecto a su relación con otras variables. Así por ejemplo, una variable puede ser el salario de
los trabajadores y lo que queremos analizar son sus principales determinantes (por ejemplo: años
de estudio, educación de los padres, lugar de nacimientos, etc.).

Parámetros: Se trata de valores conocidos o controlables del modelo.

Restricciones: Son determinados límites que nos indican que los resultados del análisis son
razonables. Así por ejemplo, si una de las variables es el número de hijos de una familia, una
restricción natural es que este valor no puede ser negativo.

Relaciones entre las variables: El modelo establece una determinada relación entre las
variables apoyándose en teorías económicas, físicas, químicas, etc.
Representaciones simplificadas: Una de las características esenciales de un modelo
matemáticos es la representación de las relaciones entre las variables estudiadas a través de
elementos de las matemáticas tales como: funciones, ecuaciones, fórmulas, etc.

Fuente bibliográfica

https://www3.gobiernodecanarias.org/medusa/ecoblog/agilarm/files/2014/10/UNIDAD-
3.pdf

https://thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/53-1-u-punt15.html

https://economipedia.com/definiciones/modelo-matematico.html

2. Medidas de frecuencias (frecuencia relativa y moda). Definición, características:

tipos y propiedades, modelo matemático y partes, ejemplo. Fuente bibliográfica.

Las medidas de frecuencia representan la ocurrencia de un fenómeno de salud (enfermedad,

trastorno o muerte) en poblaciones y, por lo tanto, son fundamentales para las investigaciones
descriptivas y analíticas. Describen un evento de enfermedad o salud en relación con el
tamaño de una población a riesgo.

La frecuencia relativa es una medida estadística que se calcula como el cociente de

la frecuencia absoluta de algún valor de la población/muestra (fi) entre el total de valores que
componen la población/muestra (N). Se utiliza en la investigación para determinar el
número de veces que se repite un valor específico dentro de un conjunto total de valores.

Ejemplo:

Supongamos que la altura de 15 personas que se presentan a las oposiciones del cuerpo de
policía nacional son las siguientes:

1,82, 1,97, 1,86, 2,01, 2,05, 1,75, 1,84, 1,78, 1,91, 2,03, 1,81, 1,75, 1,77, 1,95, 1,73.

Para elaborar la tabla de frecuencias, los valores se ordenan de menor a mayor, pero en este caso
dado que la variable es continua y podría tomar cualquier valor de un espacio continuo
infinitesimal, hay que agrupar las variables por intervalos.

Por tanto tenemos:

Xi = Variable aleatoria estadística, altura de los opositores al cuerpo de policía nacional.

N = 15

fi = Frecuencia absoluta (número de veces que se repite el suceso en este caso, las alturas que se
encuentran dentro de un determinado intervalo).

hi = Frecuencia relativa

XI FI HI

(1.70 , 1.80) 5 33%

(1.80 , 1.90) 4 27%

(1.90 , 2.00) 3 20%

(2.00 , 2.10) 3 20%

total 15 100%

La moda es el valor que aparece con mayor frecuencia en un conjunto de datos. Esto va en
forma de una columna cuando encontremos dos modas, es decir, dos datos que tengan la
misma frecuencia absoluta máxima. Una distribución trimodal de los datos es en la que
encontramos tres modas. En el caso de la distribución uniforme discreta, cuando todos los
datos tienen una misma frecuencia, se puede definir las modas como indicadas, pero estos
valores no tienen utilidad.

Existen diferentes tipos de modas llamadas:

Unimodal: Cuando solo un dato se repite varias veces.

Ejemplo: 5,12,13,9,10,11,10, 8,7,17,10,6,10 Mo: 10

Bimodal: Cuando 2 datos se repiten varias veces.

Ejemplo:530,528,532,529,530,539,530,582,535,535,531, 535,530,535 Mo: 530 y 535.

Multimodal: Cuando más de 2 datos se repiten varias veces.

Ejemplo: 28,30,6,40,28,19,29,40,40,16,14,6,32,6,28 Mo: 6, 28 y 40.
Fuente bibliográfica

https://economipedia.com/definiciones/frecuencia-relativa.html#:~:text=La%20frecuencia
%20relativa%20es%20una,poblaci%C3%B3n%2Fmuestra%20(N).

https://enciclopediaeconomica.com/frecuencia-relativa/#:~:text=La%20frecuencia
%20relativa%20es%20un,un%20conjunto%20total%20de%20valores.

https://www.uaeh.edu.mx/division_academica/educacion-media/repositorio/2010/6-
semestre/estadistica/moda-para-datos-agrupados-y-desagrupados.pdf

https://es.wikipedia.org/wiki/Moda_(estad%C3%ADstica)

3. Medidas de posición (mediana, cuartil, quintil, decil, percentil). Definición,

características: tipos y propiedades, modelo matemático y partes, ejemplo. Fuente.

La mediana es un estadístico de posición central que parte la distribución en dos, es decir, deja
la misma cantidad de valores a un lado que a otro.

Para calcular la mediana es importante que los datos estén ordenados de mayor a menor, o al
contrario de menor a mayor. Esto es, que tengan un orden.

Ejemplo:

Imaginemos que tenemos los siguientes datos:

2, 4, 12, 6, 8, 14, 16, 10,18.

En primer lugar los ordenamos de menor a mayor con lo que tendríamos lo siguiente:

2, 4, 6, 8, 10, 12, 14, 16,18.

Pues bien, el valor de la mediana, como indica la fórmula, es aquel que deje la misma cantidad
de valores tanto a un lado como a otro. ¿Cuántas observaciones tenemos? 9 observaciones.
Calculamos la posición con la fórmula de la mediana correspondiente.

Mediana = 9+1 / 2 = 5
¿Qué quiere decir este 5? Nos dice que el valor de la mediana, se encuentra en la observación
cuya posición es la quinta.

Por lo tanto la mediana de esta sería de datos sería el número 10, ya que está en la posición
quinta. Además, podemos comprobar cómo tanto a la izquierda del 5 hay 4 valores (2, 4, 6 y 8) y
a la derecha del 10 hay otros 4 valores (12, 14, 16 y 18).

Los cuartiles son medidas estadísticas de posición que tienen la propiedad de dividir la

serie estadística en cuatro grupos de números iguales de términos. De manera similar los deciles
dividen a la serie en diez partes iguales y los percentiles dividen a los términos de la serie en cien
grupos iguales.

Los tres cuartiles suelen designarse con los símbolos:

Q1 = primer cuartil es el percentil 25 (P25). El 25 % de los datos son menores o iguales a Q1.

Q2 = segundo cuartil es la mediana y el percentil 50 (P50). El 50 % de los datos son menores o

iguales a Q2.

Q3 = tercer cuartil es el percentil 75 (P75). El 75 % de los datos son menores o iguales a Q3.

Ejemplo:

Sea un conjunto de la edad de los veinte integrantes (N=20) de un club. Supongamos que el
conjunto está ordenado:

El primer cuartil será el sujeto (N+1)/4=21/4=5,25. Como es decimal, el cuartil será un número

entre el X5=28 y X6=29.

El número decimal es el 5,25, por lo que i=5 y d=0,25. El cuartil 1 es:

 El segundo cuartil es la mediana. Al ser un conjunto con un número par de elementos, el cuartil
es la media de los sujetos N/2=20/2=10 y N/2+1=20/2+1=11.

Es decir, será la media de X10=34 y X6=37.

El tercer cuartil es el sujeto 3(N+1)/4=63/4=15,75. Como el número es decimal, el cuartil estará

entre X15=52 y X16=53.

El número decimal es el 15,75, por lo que i=15 y d=0,75. El cuartil 3 es:

Un quintil es la quinta parte de una población estadística, representa el 20% del número total de
individuos de una población determinada. Es un término muy utilizado en economía para
distribuir a la población.

Ejemplos de Quintiles
1. Quintil 1 (Q1): valor que es superior al del 20% de las muestras más bajas.
2. Quintil 2 (Q2): valor que es superior al del 40% de las muestras más bajas.
3. Quintil 3 (Q3): valor que es superior al del 60% de las muestras más bajas.
4. Quintil 4 (Q4): valor que es superior al del 80% de las muestras más bajas

Ejemplo 1: Calcular el quintil 3 (Q3) de las siguientes muestras de notas en matemáticas de un

aula (notas de 0 a 20): 16, 10, 12, 8, 15, 18, 20, 9, 11, 1, 13, 17, 9, 10, 14
Ordenamos de menor a mayor: 1, 8, 9, 9, 10, 10, 11, 12, 13, 14, 15, 16, 17, 18, 20
N = número de muestras = 15 muestras
x = (N · i) / 5 = (15 · 3) / 5 = 9
Como x = 9 es un número sin decimales, entonces el quintil 3 es el valor de la muestra que ocupa
la posición 9
Q3 (quintil 3) = 13

El Decil (Dn) es una medida estadística que se utiliza para indicar el valor por debajo del cual se
encuentra un determinado porcentaje de observaciones.

Cada decil representa un 10% hasta llegar a 100% siendo 100% el total de las muestras
analizadas:
Decil 1 (D1): valor que es superior al del 10% de las muestras más bajas
Decil 2 (D2): valor que es superior al del 20% de las muestras más bajas
Decil 3 (D3): valor que es superior al del 30% de las muestras más bajas

Existen varios métodos para el cálculo de deciles. Veamos uno de los más sencillos (válido para
datos no agrupados):
1. Agrupamos las muestras de menor a mayor valor
2. Calculamos la posición que ocupa el percentil buscado aplicando la siguiente fórmula:
x = (N · i) / 10

Ejemplo 1: Calcular el decil 6 (D6) de las siguientes muestras de notas en matemáticas de un

aula (notas de 0 a 20): 16, 10, 12, 8, 15, 18, 20, 9, 11, 1, 13, 17, 9, 10, 14
Ordenamos de menor a mayor: 1, 8, 9, 9, 10, 10, 11, 12, 13, 14, 15, 16, 17, 18, 20
N = número de muestras = 15 muestras
x = (N · i) / 10 = (15 · 6) / 10 = 9
Como x = 9 es un número sin decimales, entonces el decil 6 es el valor de la muestra que ocupa
la posición 9
D6 (decil 6) = 13

Un percentil es una medida estadística utilizada para comparar datos. Consiste en un número

de 0 a 100 que indica el porcentaje de datos que son igual o menor que un determinado valor.
 Los percentiles son muy conocidos por su uso en los percentiles de crecimiento. Por ejemplo, si
el peso de un bebé está en el percentil 65, quiere decir que el 65% de los bebés de la misma edad
pesan igual o menos.

Para calcular los percentiles, primero hay que ordenar los datos de forma ascendente.

Una vez ordenados, se resta 0.5 a la posición que ocupa el dato del que queremos calcular el
percentil. Después dividimos entre el número total de datos y multiplicamos por 100.

Siendo P el percentil, Xn la posición del valor en la secuencia de datos y N el número total de
datos.

Característica del percentil

 En primer lugar, es similar a otras medidas de posición no central. Por tanto, nos informa sobre
la posición de un dato respecto a otros.
 Por otro lado, en muchas situaciones aporta información más detallada que otros. Por ejemplo,
algunos índices de impacto de revistas científicas utilizan este en lugar del cuartil.
 Además, es de mucha utilidad para agrupar una gran cantidad de datos. Cuando trabajamos con
muchos casos, los otros cuantiles pueden arrojar grupos demasiado numerosos y difíciles de
interpretar.
 Sin embargo, tiene un inconveniente relacionado con lo anterior. No es útil para muestras con
pocos casos, ya que los grupos serían demasiado pequeños. Por eso, en estas circunstancias se
recomiendan otros como el cuartil o el decil.

Fuente bibliográfica
https://economipedia.com/definiciones/mediana.html
http://www.economia.unam.mx/profesor/barajas/estadis/parte2.pdf
https://www.universoformulas.com/estadistica/descriptiva/cuartiles/
https://www.edufinet.com/consultas-edufiemp/que-es-un-quintil#:~:text=Un%20quintil
%20es%20la%20quinta,para%20distribuir%20a%20la%20poblaci%C3%B3n.
https://www.matematicas10.net/2017/02/ejemplos-de-quintiles.html
https://www.matematicas10.net/2017/02/ejemplos-de-deciles.html
https://curiosoando.com/que-son-los-percentiles
 4. Medidas de representación (media aritmética, media geométrica y media armónica).
Definición, características: tipos y propiedades, modelo matemático y partes, ejemplo.
Fuente bibliográfica.

Fuente bibliográfica

5. Medidas de variabilidad (recorrido, desviación media, desvíos, varianza, desviación

estándar y coeficiente de variación). Definición, características: tipos y propiedades,
modelo matemático y partes, ejemplo. Fuente bibliográfica.

Fuente bibliográfica

6. Medidas de formas (los momentos, la asimetría, la curtosis). Definición,

características: tipos y propiedades, modelo matemático y partes, ejemplo. Fuente
bibliográfica.
Los momentos: los momentos de una variable aleatoria X son los valores esperados de
ciertas funciones de X, estos forman una colección de medidas descriptivas que pueden
emplearse para caracterizar la distribución de probabilidad de X y especificarlas si todos
los momentos de X son conocidos. Se dividen en:
 Primer momento: el primer momento alrededor del cero es la media o valor
esperado de la variable aleatoria y se denota por /mu.
 Segundo momento: el segundo momento central recibe el nombre de varianza de
la variable aleatoria.
 Tercer momento: el tercer momento central está relacionado con la asimetría de la
distribución de probabilidad de X.
 Cuarto momento: el cuarto momento central es una medida de qué tan puntiaguda
es la distribución de probabilidad y recibe el nombre de curtosis.
Asimetría: La asimetría es la medida que indica la simetría de la distribución de
una variable respecto a la media aritmética, sin necesidad de hacer la representación
gráfica. Los coeficientes de asimetría indican si hay el mismo número de elementos a
izquierda y derecha de la media.
Existen tres tipos de curva de distribución según su asimetría:
 Asimetría negativa: la cola de la distribución se alarga para valores inferiores a
la media.
 Simétrica: hay el mismo número de elementos a izquierda y derecha de la media. En
este caso, coinciden la media, la mediana y la moda. La distribución se adapta a la
forma de la campana de Gauss, o distribución normal.
  Asimetría positiva: la cola de la distribución se alarga (a la derecha) para valores
superiores a la media.
Curtosis: la curtosis o apuntamiento es una medida de forma que mide cuán escarpada o
achatada está una curva o distribución.
Este coeficiente indica la cantidad de datos que hay cercanos a la media, de manera que a
mayor grado de curtosis, más escarpada será la forma de la curva.

La curtosis se mide promediando la cuarta potencia de la diferencia entre cada elemento del
conjunto y la media, dividido entre la desviación típica elevado también a la cuarta potencia. Sea
el conjunto X=(x1, x2,…, xN), entonces el coeficiente de curtosis será:

En la fórmula se resta 3 porque es la curtosis de una distribución Normal. Entonces la

curtosis valdrá 0 para la Normal, tomándose a ésta como referencia. Cuando los datos están
agrupados o agrupados en intervalos, la fórmula del coeficiente de curtosis se convierte en:
 Fuentes bibliográficas:
https://prezi.com/fvhdihrz2toj/medidas-de-forma/#:~:text=Momentos&text=Los
%20momentos%20de%20una%20variable,momentos%20de%20X%20son
%20conocidos.
https://www.universoformulas.com/estadistica/descriptiva/asimetria-curtosis/
#:~:text=La%20asimetr%C3%ADa%20y%20curtosis%20informan,sin
%20necesidad%20de%20representarlos%20gr%C3%A1ficamente.

7. Medida de estandarización: puntuación estándar. Definición, características: tipos y

propiedades, modelo matemático y partes, ejemplo. Fuente bibliográfica.

En Estadísticas, la puntuación estándar es el número de desviaciones estándar por el cual el

valor de una puntuación bruta (es decir, un valor observado o punto de datos) está por encima
o por debajo del significar valor de lo que se observa o se mide. Las puntuaciones brutas por
encima de la media tienen puntuaciones estándar positivas, mientras que las que están por
debajo de la media tienen puntuaciones estándar negativas.
¿Cómo se calcula? Se calcula restando el media poblacional de un individuo puntuación
bruta y luego dividiendo la diferencia por el población Desviación Estándar. Este proceso de
convertir una puntuación bruta en una puntuación estándar se
denomina estandarizando o normalizando (sin embargo, "normalizar" puede referirse a
muchos tipos de proporciones; consulte normalización para más).
Puntajes estándar se llaman más comúnmente z-puntuaciones; los dos términos se pueden
usar indistintamente, tal como aparecen en este artículo. Otros términos incluyen valores z,
puntuaciones normales, y variables estandarizadas.
Calcular una puntuación z requiere conocer la media y la desviación estándar de la población
completa a la que pertenece un punto de datos; si uno solo tiene un muestra de observaciones
de la población, entonces el cálculo análogo con la media muestral y la desviación estándar
muestral produce el t-estadística.
Aplicaciones: La puntuación z se utiliza a menudo en la prueba z en las pruebas
estandarizadas, el análogo de la Prueba t de Student para una población cuyos parámetros son
conocidos, en lugar de estimados. Como es muy poco común conocer a toda la población, la
prueba t se utiliza mucho más.
Tipos:  Las puntuaciones estándar más utilizadas son la PUNTUACIÓN T y la PUNTUACIÓN Z.
Una puntuación estándar que se transforma en una DISTRIBUCIÓN normal mediante algún
procedimiento estadístico recibe el nombre de puntuación estándar normalizada. Por
ejemplo, una jerarquización de percentiles constituirá una puntuación estándar normalizada.

Fuentes bibliográficas:
https://wikioes.icu/wiki/Standard_score
https://www.dicenlen.eu/es/diccionario/entradas/puntuacion-estandar#:~:text=Las
%20puntuaciones%20est%C3%A1ndar%20m%C3%A1s%20utilizadas,nombre
%20de%20puntuaci%C3%B3n%20est%C3%A1ndar%20normalizada.

8. Medida de concentración: coeficiente Gini. Definición, características: tipos y

propiedades, modelo matemático y partes, ejemplo. Fuente bibliográfica.
El coeficiente de Gini se calcula como una proporción de las áreas en el diagrama de
la curva de Lorenz. Si el área entre la línea de perfecta igualdad y la curva de Lorenz
es a, y el área por debajo de la curva de Lorenz es b, entonces el coeficiente de Gini
es a/(a+b).
Esta proporción se expresa como porcentaje o como equivalente numérico de ese
porcentaje, que es siempre un número entre 0 y 1. El coeficiente de Gini se calcula a
menudo con la Fórmula de Brown, que es más práctica:
 Propiedades:
 Todas las curvas de Lorenz pasan por la recta o la curva que une los puntos (0,0) y (1,1).
A mayor índice de Gini se tiene una mayor desigualdad.
 Para determinar el área entre la curva de Lorenz y la línea de perfecta equidad, lo ideal es
calcular una integral definida, pero a veces no se conoce la definición explícita de la
curva de Lorenz, por lo que es interesante utilizar otras fórmulas con un número finito de
sumandos.
 Las propiedades del índice de Gini son comparables con las del cuadrado del coeficiente
de variación.
 Empíricamente, la renta de muchos países se aproxima a una distribución Gamma (con
parámetro k < 5), lo cual lleva a los índices de Gini observados entre 0,50 y 0,25.
Modelo matemático:

Fuentes bibliográficas:
https://es.wikipedia.org/wiki/Coeficiente_de_Gini
https://www.elblogsalmon.com/conceptos-de-economia/que-es-el-coeficiente-de-gini
9. Medidas de asociación (coeficiente chi cuadrado, coeficiente de contingencia).
Definición, características: tipos y propiedades, modelo matemático y partes,
ejemplo. Fuente bibliográfica.
Es un número que mide el grado de asociación o dependencia de las clasificaciones en
una tabla de contingencia (h x k). Se obtiene mediante la siguiente fórmula:
Cuanto más se acerque la Chi-Cuadrado a cero menos asociación hay (más
independencia) entre los atributos. Cuanto más se acerque la Chi-Cuadrado a su cota
superior más asociación hay (menos independencia) entre los atributos. Cuando la Chi-
Cuadrado es igual a cero no hay asociación entre los atributos. Es decir, los atributos son
independientes.
Características: El estadístico chi-cuadrado tomará un valor igual a 0 si existe
concordancia perfecta entre las frecuencias observadas y las esperadas; por contra, el
estadístico tomará un valor grande si existe una gran discrepancia entre estas frecuencias,
y consecuentemente se deberá rechazar la hipótesis nula.
Modelo matemático:

Coeficiente de contingencia: El coeficiente de contingencia C (de Karl Pearson) es una

medida de relación estadística. El coeficiente de contingencia de Pearson expresa la
intensidad de la relación entre dos (o más) variables cualitativas. Se basa en la
comparación de las frecuencias efectivamente calculadas de dos características con las
frecuencias que se hubiesen esperado con independencia de estas características.
Ejemplo y modelo matemático:
Sea la siguiente una tabla de contingencia proveniente de una encuesta:
 Fuentes bibliográficas:
https://glosarios.servidor-alicante.com/terminos-estadistica/coeficiente-de-
contingencia-chi-cuadrado-2#:~:text=Cuanto%20m%C3%A1s%20se%20acerque
%20la,menos%20independencia)%20entre%20los%20atributos.&text=Es
%20decir%20los%20atributos%20son%20independientes.
https://psicologiaymente.com/miscelanea/prueba-chi-cuadrado
https://es.wikipedia.org/wiki/Coeficiente_de_contingencia#Ejemplo

10. Medida de confiabilidad: alfa de Cronbach. Definición, características: tipos y

propiedades, modelo matemático y partes, ejemplo. Fuente bibliográfica.
En psicometría, el Alfa de Cronbach es un coeficiente que sirve para medir
la fiabilidad de una escala de medida, y cuya denominación Alfa fue realizada
por Cronbach en 1951;1 aunque sus orígenes se encuentran en los trabajos de Hoyt
(1941)2 y de Guttman (1945)
Contexto: Un investigador trata de medir una cualidad no directamente observable (por
ejemplo, la inteligencia) en una población de sujetos. Para ello mide n variables que sí
son observables (por ejemplo, n respuestas a un cuestionario o un conjunto
de n problemas lógicos) de cada uno de los sujetos.
Se supone que las variables están relacionadas con la magnitud inobservable de interés.
En particular, las n variables deberían realizar mediciones estables y consistentes, con un
elevado nivel de correlación entre ellas.
El alfa de Cronbach permite cuantificar el nivel de fiabilidad de una escala de medida
para la magnitud inobservable construida a partir de las n variables observadas.
 Se trata de un índice de consistencia interna que toma valores entre 0 y 1 y que
sirve para comprobar si el instrumento que se está evaluando recopila información
defectuosa y por tanto nos llevaría a conclusiones equivocadas o si se trata de un
instrumento fiable que hace mediciones estables y consistentes.

ü Alfa es por tanto un coeficiente de correlación al cuadrado que, a grandes rasgos, mide la

homogeneidad de las preguntas promediando todas las correlaciones entre todos los ítems
para ver que, efectivamente, se parecen.
ü Su interpretación será que, cuanto más se acerque el índice al extremo 1, mejor es la
fiabilidad, considerando una fiabilidad respetable a partir de 0,80

Ejemplo:
Fuentes bibliográficas:
https://es.wikipedia.org/wiki/Alfa_de_Cronbach
https://asesoriatesis1960.blogspot.com/2014/07/coeficiente-alfa-de-cronbach.html