Modulo 5

METODOLOGIA DE LA INVESTIGACION

ANALISIS DE DATOS CUANTITTIVOS

 ANALISIS DE DATOS CUANTITATIVOS

Cuando se organiza y se analiza la información, la estadística se vuelve una herramienta

esencial. Antes de iniciar con la selección de la herramienta primero se debe tener presente
que la estadística se divide en dos vertientes según la
intencionalidad: descriptiva e inferencial. La estadística descriptiva contiene una serie
de procedimientos para resumir, sintetizar, organizar y describir datos, mientras que
la inferencial comprende un conjunto de técnicas que le permiten a la persona
investigadora estimar o inferir los resultados alcanzados de una población o muestra
estudiada.

En el 2007, W. Sikmund propone que el análisis estadístico puede dividirse en tres grupos:

1. Análisis univariado: para este análisis solo se requiere implicar una sola variable de
estudio. Por ejemplo, analizar en una población solamente su estatura, o bien podría ser su
peso.

2. Análisis bivariado: este tipo implica el análisis comparativo de dos variables de estudio
(dependiente e independiente), una de las cuales modifica a la otra, por ejemplo, las
promociones y las ventas de un producto.

3. Análisis multivariado: en este tipo de análisis se plantean tres o más variables que son
examinadas en forma simultánea, tal sería el caso de medir la relación entre las
promociones, los medios publicitarios y las ventas.

Datos obtenidos del análisis cuantitativo

Cuando se toman datos de una muestra estos son inicialmente agrupados en bases de
datos (tablas de frecuencias), y pueden ser luego presentados en forma gráfica al igual que
otras tablas. Esto ayuda a visualizar e interpretar la variación de los mismos.
Análisis y resultados de los datos de la investigación
Tablas de frecuencias para el análisis de datos cuantitativos
Para Icart, Fuentelsaz, Pulpón y Segura (2008), una vez que se obtiene la información de
interés para el estudio, “es necesario describir los datos (resumirlos) de manera ordenada,
para que no se pierda información y para que la distribución de los valores pueda ser
interpretada de forma rápida y objetiva”
De esta manera, la distribución de las frecuencias es la representación estructurada en
forma de tabla, de la información que se ha recolectado sobre la variable en estudio. A
continuación, se presenta un ejemplo
Medidas de tendencia central
Según Puente (2010), “los estadísticos de tendencia central son la moda, la mediana y la
media. Se utilizan para describir características de centralidad de las variables”
Moda: se define como el valor que más se repite en la muestra. Si solo es un valor el que
más se repite, se dice que la distribución es unimodal. En caso de que ningún valor se
repita, entonces por definición se considera que no tiene moda.
Mediana: es el valor de la serie de datos que se sitúa justamente en el centro de la muestra
(un 50% de valores son inferiores y el otro 50% son superiores). Su fórmula es N+1÷2Media:
es la medida de tendencia central más utilizada y puede definirse como el promedio
aritmético de una distribución. Es la suma de todos los valores dividida entre el número de
casos. La fórmula es:
 Por ejemplo, si tuviéramos las siguientes puntuaciones: 8-7-6-4-3-2-6-9-8
La media sería igual a:

Varianza y desviación estándar

La varianza y la desviación estándar indican si los valores se encuentran más o menos
próximos a las medidas de posición.
Para Malhotra (2008), la varianza es una “técnica estadística que sirve para examinar las
diferencias entre las medias de dos o más poblaciones” La fórmula de la varianza es:

La desviación estándar es simplemente la raíz cuadrada positiva de la varianza.

Para comprender el concepto de la varianza y de la desviación estándar, a manera de
ejemplo, si una persona gerente de una empresa de alimentos desea saber qué tanto varían
los pesos de los empaques (en gramos) de sus productos, selecciona al azar cinco
unidades de ellos para pesarlos, y se obtuvieron los siguientes pesos en gramos: 490, 500,
510, 515 y 520, respectivamente.
Dados estos datos, lo primero que se calcula es la media de esos datos:
(490 + 500 + 510 + 515 + 520) / 5 = 507
La varianza se calcula de la siguiente manera:
(490-507)2 + (500-507)2 + (510-507)2 + (515-507)2 + (520-507)2/ 5-1 = 145
Por lo tanto, la desviación estándar sería: √145 = 12,04
Con estos datos se llega a la conclusión de que el peso promedio de los empaques es de
507 gramos, con una tendencia a variar por debajo o por encima de dicho peso en 12
gramos. Esta información le permite a quienes toman decisiones en la empresa, determinar
cuánto es el promedio de pérdidas causado por el exceso de peso en los empaques, y le
da las bases para tomar los correctivos necesarios en el proceso de empacado
 El análisis bivariado

El análisis bivariado es una de las formas más simples de análisis cuantitativo. Implica el
análisis de dos variables, con el propósito de determinar la relación empírica entre ellas. El
análisis bivariado puede ser útil para probar hipótesis simples de asociación
Qué es la correlación bivariada
La correlación está basada en la asociación lineal, es decir, que cuando los valores de una
variable aumentan los valores de la otra variable pueden aumentar o
disminuir proporcionalmente. Por ejemplo, la altura y el peso tienen una relación
lineal positiva, a medida que aumenta la altura aumenta el peso. Si realizamos un gráfico
de puntos con ambas variables la nube de puntos se asemejará a una diagonal si hay
correlación entre las variables.

Cómo analizar la correlación bivariada en 2 pasos

La gran ventaja de la correlación es que toda la información de existencia de relación,
fortaleza y dirección, aparece sintetizada en un coeficiente de correlación (r) y un nivel de
significación (sig.).
1. El nivel de significación: indica si existe o no relación entre dos variables. Cuando la
significación es menor de 0,05 sí existe correlación significativa. Si existe correlación
significativa debemos pasar al paso 2.
2. El coeficiente de correlación (r). Este coeficiente puede oscilar entre -1 y +1. Cuanto
más se aleja de 0, más fuerte es la relación entre las dos variables. El signo (positivo o
negativo) de la correlación indica la dirección de la relación
EJEMPLO:
La muestra (N): 3017 personas
Comprobamos la correlación entre Edad e Interés por el cuidado del medio ambiente
La edad es una variable escalar
Interés por el cuidado del medio ambiente es una variable ordinal donde las categorías son:
1-mucho interés, 2-bastante interés, 3-poco interés, 4-nada de interés
Resultado
No hay correlación significativa entre edad e interés por el cuidado del medio ambiente ya
que la significación es mayor de 0,05 (Sig. = 0,467). A medida que aumenta la edad no
crece o decrece el interés. Por tanto, deberíamos buscar otras variables si queremos
comprender con qué se relaciona el interés por el cuidado del medio ambiente, la edad no
correlaciona con dicho interés.
El uso de la correlación es útil para caracterizar y extraer perfiles. Además, resuelve muchas
inquietudes