GLOSARIO DE TERMINOS ANÁLISIS CUANTITATIVOS

1. Alfa de Cronbach
Método de coherencia interna para demostrar que las escalas y los valores y
puntuaciones obtenidos por los casos (participantes, objetos, etc.) fueron confiables
y validas en la investigación. Este coeficiente oscila entre 0 y 1, donde un coeficiente
de 0 significa nula confiabilidad y 1 representa un máximo de confiabilidad
(Hernández Sampieri, R., Fernández Collado, C. & Baptista Lucio, C. 2006, p. 439).

2. Chi Cuadrada
Es una prueba estadística para evaluar hipótesis acerca de la relación entre dos
variables categóricas.
Se simboliza: x2

Hipótesis a probar: Correlacionales.

Variables involucradas: Dos. La prueba chi cuadrada no considera relaciones

causales.

Nivel de medición de las variables: Nominal u ordinal (o intervalos o razón reducidos

a ordinales).

Procedimiento: Se calcula por medio de una tabla de contingencia o tabulación

cruzada, que es un cuadro de dos dimensiones, y cada dimensión contiene una
variable. A su vez, cada variable se subdivide en dos o más categorías (Hernández
Sampieri, R., Fernández Collado, C. & Baptista Lucio, C. 2006, p. 471)

3. Correlación de Pearson
Es una prueba estadística para analizar la relación entre dos variables medidas en
un nivel por intervalos o de razón.
Se simboliza r

Hipótesis a probar: Correlacional, del tipo de "A mayor X, mayor Y', "A mayor X,
menor Y", "altos valores en X están asociados con altos valores en Y", "altos valores
en X se asocian con bajos valores de Y'.

Variables: Dos. La prueba en si no considera a una como independiente y a otra

como dependiente, ya que no evalúa la causalidad. La noción de causa-efecto
(independiente-dependiente) es posible establecerla teóricamente, pero la prueba
no considera dicha causalidad.
El coeficiente de correlación de Pearson se calcula a partir de las puntuaciones
obtenidas en una muestra en dos variables. Se relacionan las puntuaciones
obtenidas de una variable con las puntuaciones obtenidas de la otra, con los mismos
participantes o casos.

Nivel de medición de las variables: Intervalos o razón.

Interpretación: El coeficiente r de Pearson puede variar de -1.00 a +1.00, donde:

-1.00 = correlaci6n negativa perfecta. ("A mayor X, menor Y", de manera

proporcional. Es decir, cada vez que X aumenta una unidad, Y disminuye siempre
una cantidad constante.) Esto también se aplica "a menor X, mayor Y".

-0.90 = Correlación negativa muy fuerte.

-0.75 = Correlación negativa considerable.

-0.50 = Correlación negativa media.

-0.25 = Correlación negativa débil.

-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

'A mayor X, mayor Y' o "a menor X, menor Y', de manera proporcional. (Cada vez
que X aumenta, Y aumenta siempre una cantidad constante.)

EI signo indica la dirección de la correlación (positiva o negativa); y el valor

numérico, la magnitud de la correlación. Los principales programas
computacionales de análisis estadístico reportan si el coeficiente es o no
significativo de la siguiente manera:

s = 0.001 significancia

0.7831 valor del coeficiente

Si s es menor del valor 0.05, se dice que el coeficiente es significativo en el nivel de
0.05 (95% de confianza en que la correlación sea verdadera y 5% de probabilidad
de error). Si s es menor a 0.01, el coeficiente es significativo al nivel de 0.01 (99%
de confianza de que la correlación sea verdadera y 1% de probabilidad de error).
(Hernández Sampieri, R., Fernández Collado, C. & Baptista Lucio, C. 2006, pp. 480)

4. Correlación de Spearman
Los coeficientes rho de Spearman, simbolizado como rs, es una medida de
correlación para variables en un nivel de medición ordinal, de tal modo que los
individuos u objetos de la muestra pueden ordenarse por rangos o jerarquías
(Hernández Sampieri, R., Fernández Collado, C. & Baptista Lucio, C. 2006, pp. 481)

5. Cuantiles
Es una medida de posición no central, los cuantiles son aquellos valores de la
variable, que, ordenados de menor a mayor, dividen a la distribución en partes, de
tal manera que cada una de ellas contiene el mismo número de frecuencias. Los
cuantiles más conocidos son: cuartiles, deciles y centiles o percentiles (Ruiz Muñoz,
D., 2004, p. 14)

6. Cuartiles
Tentativamente los cuarteles dividen el conjunto de datos en cuatro partes iguales
y las observaciones arriba del tercer cuartil constituyen el cuarto superior del
conjunto de datos, el segundo cuartil es idéntico a la mediana y el primer cuartil
separa el cuarto inferior de los tres cuartos superiores (Devore, Jay L., 2008, p. 28).

7. Error estadístico
Grados conocidos de impresicion en los procedimientos utilizados para reunir y
procesar información. Controlar el error significa ser tan preciso como sea necesario
para reforzar la confianza en las conclusiones derivadas de los hallazgos
estadísticos (Ritchey, F., 2011, p. 14).

8. Estadística
Es un conjunto de procedimientos para reunir, medir, clasificar, codificar, computar,
analizar, y resumir información numérica adquirida sistemáticamente. Un curso en
estadística generalmente se percibe como aquel que involucra muchas fórmulas y
cálculos. De hecho, algunas operaciones matemáticas están involucradas; pero se
constituyen el catalizador de la estadística, y por lo común las computadoras se
encargan de esta parte. En realidad, la estadística implica aprender una nueva
manera de ver las cosas, adquirir una visión de la realidad basada en el análisis
cuidadoso de hechos, en lugar de reacciones emocionales a experiencias aisladas
(Ritchey, F., 2011, p. 2).

9. Estadística Descriptiva
La Estadística Descriptiva explica cuántas observaciones fueron registradas y que
tan frecuentemente ocurrió en los datos cada puntuación o categoría de
observaciones (Ritchey, F., 2011, p.14).

10. Estadística Inferencial

Su propósito es extraer conclusiones sobre las relaciones matemáticas entre las
características de un grupo de personas u objetos. Se calcula para mostrar
relaciones de causa-efecto, así como para probar hipótesis y teorías científicas
(Ritchey, F., 2011, p.15).

11. Estadístico
Un estadístico es cualquier cantidad cuyo valor puede ser calculado a partir de datos
muestrales (Devore, Jay L., 2008).

12. Estudio Correlacional

Este tipo de estudios tiene como propósito conocer la relación que existe entre dos
o más conceptos, categorías o variables en un contexto particular (Hernández
Sampieri, R., Fernández Collado, C. y Baptista Lucio, P. 2006).
En muchas ocasiones se analiza únicamente la relación entre dos variables, pero
con frecuencia se encuentran dentro del estudio, relaciones entre tres variables, y
en otros casos se incluyen relaciones múltiples.
La investigación correlacional asocia variables mediante un patrón predecible para
un grupo o población (Hernández Sampieri, R., Fernández Collado, C. y Baptista
Lucio, P. 2006).
Una de las principales funciones de este tipo estudio es saber cómo se comportará
un concepto o variable, al conocer el comportamiento de otras. Las correlaciones
pueden ser positivas o negativas.

13. Estudio Descriptivo

Sampieri (2006), nos dice en su libro Metodología de la Investigación, que los
estudios descriptivos buscan especificar las propiedades, las características y los
perfiles de personas, grupos, comunidades, procesos, objetos o cualquier otro
fenómeno que se someta a un análisis (Danhke, 1989). Es decir, se recolectan,
miden y evalúan datos acerca del fenómeno a estudiar. En los estudios descriptivos,
se seleccionan determinados datos componentes del fenómeno, para
posteriormente ser investigados y así poder describir el fenómeno.
Los estudios descriptivos únicamente pretenden medir o recoger información de
manera independiente o conjunta sobre los conceptos o las variables a las que se
refieren, esto es, su objetivo no es indicar como se relacionan las variables medidas
(Hernández Sampieri, R., Fernández Collado, C. y Baptista Lucio, P. 2006).

14. Estudio Explicativo

Los estudios explicativos van más allá de la descripción de conceptos o fenómenos
o del establecimiento de relaciones entre conceptos; es decir, están dirigidos a
responder por las causas de los eventos y fenómenos físicos o sociales (Hernández
Sampieri, R., Fernández Collado, C. y Baptista Lucio, P. 2006).
Si interés se centra en explicar, el por qué ocurre un fenómeno y las condiciones
en las que este se manifiesta, o por qué se relacionan dos o más variables.

15. Estudio Exploratorio

Los estudios exploratorios se realizan cuando el objetivo es examinar un tema o
problema de investigación poco estudiado, del cual se tienen muchas dudas o no
se ha abordado antes (Hernández Sampieri, R., Fernández Collado, C. y Baptista
Lucio, P. 2006).
Estos estudios se realizan cuando la revisión de la literatura indica que el fenómeno
no ha sido investigado y solo existen guías o ideas relacionadas con el tema a
investigar. O bien, si se desea investigar el tema desde una nueva perspectiva.
Los estudios exploratorios sirven para familiarizarnos con fenómenos relativamente
desconocidos, obtener información sobre la posibilidad de llevar a cabo una
investigación más completa respecto de un contexto particular, investigar nuevos
problemas, identificar conceptos o variables promisorias, establecer prioridades
para investigaciones futuras, o sugerir afirmaciones y postulados (Hernández
Sampieri, R., Fernández Collado, C. y Baptista Lucio, P. 2006).

16. Hipótesis Alterna

Las hipótesis alternas son posibilidades diferentes o “alternas” ante las hipótesis de
investigación y nula: ofrecen otra descripción o explicación distintas de las que
proporcionan estos tipos de hipótesis (Hernández Sampieri, R., Fernández Collado,
C. y Baptista Lucio, P. 2006).
Las hipótesis alternas se simbolizan con Ha, y únicamente pueden formularse
cuando existen otras posibilidades aparte de las establecidas en las hipótesis de
investigación y nula. De otra manera, no podrán formularse.

17. Hipótesis de Investigación

Las hipótesis de investigación se definen como proposiciones tentativas acerca de
las posibles relaciones entre dos o más variables. [...]. Se les suele simbolizar como
Hi o H1, H2, H3, etc. (cuando son varias), y también se les denomina hipótesis de
trabajo. (Hernández Sampieri, R., Fernández Collado, C. y Baptista Lucio, P. 2006).

18. Hipótesis estadística:

Son exclusivas del enfoque cuantitativo (o si se tiene un componente considerable
de este) y representan la transformación de las hipótesis de investigación, nulas y
alternativas en símbolos estadísticos (Hernández, S., Fernández, C., Baptista, L.,
2004).

19. Hipótesis Nula:

Son, en cierto modo, el reverso de las hipótesis de investigación. Proposiciones que
niegan o refutan la relación entre variables (Hernández, S., Fernández, C., Baptista,
L., 2004).

20. Media:
Es la medida de tendencia central más utilizada y puede definirse como el promedio
aritmético de una distribución. Es una medida solamente aplicable a mediciones por
intervalos o de razón (Hernández, S., Fernández, C., Baptista, L., 2004).

21. Mediana:
Es el valor que divide la distribución por la mitad. Esto es, la mitad de los casos caen
por debajo de la mediana y la otra mitad se ubica por encima de la mediana. La
mediana refleja la posición intermedia de la distribución. Es una medida de
tendencia central propia de los niveles de medición ordinal, por intervalos y de razón
(Hernández, S., Fernández, C., Baptista, L., 2004).

22. Moda:
Es la categoría a puntuación que ocurre con mayor frecuencia. Se utiliza can
cualquier nivel de medición (Hernández, S., Fernández, C., Baptista, L., 2004).
23. Muestra:
Es un subgrupo de la población de interés (sobre el cual se recolectarán datos, y
que tiene que definirse o delimitarse de antemano con precisión), este deberá ser
representativo de la población (Hernández, S., Fernández, C., Baptista, L., 2004).

24. Nivel de medición de intervalo:

Además del orden o la jerarquía entre categorías, se establecen intervalos iguales
en la medición. Las distancias entre categorías son las mismas a lo largo de toda la
escala, Por lo que hay un intervalo constante, una unidad de medida. El cero (0) en
la medición es un cera arbitrario, no es real, ya que se asigna arbitrariamente a una
categoría el valor de cera y a partir de esta se construye la escala (Hernández, S.,
Fernández, C., Baptista, L., 2004).

25. Nivel de medición de razón:

En este nivel, además de tenerse todas las características del nivel de intervalos
(periodos iguales entre las categorías, y aplicación de operaciones aritméticas
básicas y sus derivaciones), el cero es real y es absoluto (no es arbitrario). Cera
absoluto implica que hay un punto en la escala donde está ausente a no existe la
propiedad medida (Hernández, S., Fernández, C., Baptista, L., 2004).

26. Nivel de medición nominal:

En este nivel hay dos o más categorías del ítem o la variable. Las categorías no
tienen orden ni jerarquía. Lo que se mide (objeto, persona, etc.) se coloca en una u
otra categorías, lo cual indica tan solo diferencias respecto de una o más
características (Hernández, S., Fernández, C., Baptista, L., 2004).

27. Nivel de medición ordinal:

En este nivel hay varias categorías, pero además estas mantienen un orden de
mayor a menor. Las etiquetas o los símbolos de las categorías si indican jerarquía
(Hernández, S., Fernández, C., Baptista, L., 2004).

28. Objetivos de investigación:

Tienen la finalidad de señalar a lo que se aspira en la investigación y deben
expresarse con claridad, pues son las guías del estudio (Hernández, S., Fernández,
C., Baptista, L., 2004).

29. Parámetro:

30. Percentiles:

Sea X1; X2, X3, …, Xn un conjunto de n valores ordenados de menor a mayor. Se

denomina percentil p al valor perteneciente al conjunto de datos que cumple el p%
de los datos son menores que él.

31. Planteamiento del problema:

Plantear el problema no es sino afinar y estructurar más normalmente la idea de

investigación. EI paso de la idea al planteamiento del problema en ocasiones puede
ser inmediato, casi automático, o bien llevar una considerable cantidad de tiempo;
ella depende de cuan familiarizado este el investigador con el tema a tratar, la
complejidad misma de la idea, la existencia de estudios antecedentes, el empeño
del investigador y sus habilidades personales. Seleccionar un tema o una idea no lo
coloca inmediatamente en la posición de considerar que información habrá de
recolectar, con cuales métodos y como analizara los datos que obtenga. Antes
necesita formular el problema específico en términos concretos y explícitos, de
manera que sea susceptible de investigarse con procedimientos científicos (Selltiz
et 01., 1980).

32. Población:

Una población es el conjunto de todos los casos que concuerdan con una serie de
especificaciones (Selltiz et al., 1980).

33. Porcentaje:

La frecuencia de ocurrencia de una categoría por cada 100 casos. Para calcular el
porcentaje, simplemente multiplicamos cualquier proporción dada por 100.

%=(100) f/N

34. Pregunta de investigación:

Orientan hacia las respuestas que se buscan con la investigación. Las preguntas no
deben utilizar términos ambiguos ni abstractos (Hernández, S., Fernández, C.,
Baptista, L., 2004).
35. Proporción:

La proporción compara el número de casos en una categoría dada con el tamaño

total de la distribución. Podemos convertir cualquier frecuencia en una proporción
P, dividiendo el número de casos en cualquier categoría dada f por el número total
de casos en la distribución N

P=f/N