ESCUELA PROFESIONAL DE

ADMINISTRACIÓN
ANÁLISIS DE LOS
DATOS

CURSO: TESIS II
DOCENTE: VERÓNICA ESPINOZA CARRASCO

SEMESTRE
2023 ACADÉMICO 2023A
 OBJETIVOS
• Revisar el proceso para analizar los datos cuantitativos.

• Reforzar los conocimientos estadísticos fundamentales.

Objetivos

• Comprender las principales pruebas o métodos estadísticos

desarrollados, así como sus aplicaciones y la forma de interpretar

sus resultados.

• Diferenciar la estadística descriptiva y la inferencial, la paramétrica

y la no paramétrica.

• Analizar la interrelación entre distintas pruebas estadísticas.

 Coeficientes de correlación

Si tus variables son

Si tus variables son Si tus variables son
nominales u ordinales
Análisis estadístico

por intervalos o de ordinales de

(unas cuantas
razón múltiples rangos
categorías)

el coeficiente de el coeficiente de
Chi-cuadrada
correlación de Spearman o de
Pearson Kendall
 Pruebas de correlación

Las pruebas de correlación verifican si dos variables están relacionadas sin

Pruebas de correlación

suponer relaciones de causa y efecto

 Coeficiente de correlación de Pearson

Ejemplo
Hipótesis de investigación fue: “A mayor satisfacción laboral, mayor
comunicación entre los empleados”.
Prueba paramétrica

Conclusión:
Las dos variables se correlacionaron positivamente de manera considerable y
con una significancia mucho menor a .01.
Se acepta la hipótesis de investigación.
 Regresión lineal

Definición: es un modelo estadístico para estimar el efecto de una variable sobre

Prueba paramétrica

otra. Está asociado con el coeficiente r de Pearson.

Representa una extensión de este y asume causalidad

Ejemplo:
Los sustituyes en la ecuación:
Desempeño = 0.175 + 0.911
(valor de motivación).
Sustituyendo:
Desempeño = 0.175 + .911 (4)
= 3.819
 Pruebas de regresión

Las pruebas de regresión se utilizan para probar las relaciones de causa y

Pruebas Paramétricas

efecto.
 Prueba t (contraste de dos grupos en sus medias)
Definición: es una prueba estadística para que evalúes si dos grupos difieren entre sí
de manera significativa respecto a sus medias y distribuciones en una variable.
Prueba paramétrica

Se simboliza: t.
Hipótesis a probar: de diferencia entre dos grupos.
La hipótesis de investigación propone que los grupos difieren entre sí de manera
significativa y la hipótesis nula plantea que los grupos no difieren significativamente.
Variables: la comparación la realizas sobre una variable (regularmente y de manera
teórica: dependiente), y la razón que motiva la creación de los grupos puedes
concebirla como una variable independiente (pero debes tener un sustento sólido
razonable
Nivel de medición de la variable supuestamente independiente: cualquiera, pero
reducida a dos categorías
 Prueba t

Ejemplo:
Prueba paramétrica

Imagina que tres egresados de psicología quieren saber cuál de dos tratamientos
para la depresión es más eficaz, una terapia cognitiva-conductual o una
interpersonal.
 Hipótesis de diferencia de
medias
“la terapia interpersonal
Prueba paramétrica

reducirá en mayor medida el

nivel de depresión de los
individuos que la terapia
cognitiva-conductual”

Comparamos nivel de significancia con Sig valor p

Si sig < 0.05 Si hay diferencia significativa
HIPOTESIS DE INVESTIGACION CORRECTA
 Pruebas de comparación
Las pruebas de comparación buscan diferencias entre las medias grupales. Se
pueden usar para probar el efecto de una variable categórica sobre el valor
Pruebas Paramétricas

medio de alguna otra característica.

Caso la variable
cuantitativa no sea normal
Wilconson

U Mann Whitney

H. Krustal Wallis
 El tamaño del efecto
Cuando comparas grupos, como en la prueba t, es importante determinar el
tamaño del efecto, que es una medida de la “fuerza” de la diferencia de las
Tamaño del efecto

medias u otros valores considerados (Creswell, 2013a; Alhija y Levy, 2009; y

Cortina, 2003). Resulta ser una medida en unidades de desviación estándar.

La desviación estándar sopesada se calcula así:

Donde NE y NC son el tamaño de los grupos (grados de libertad), respectivamente; en

tanto que, SDE y SDC son sus desviaciones estándares.
Tamaño del efecto El tamaño del efecto

Según Magnusson (2014), el tamaño del efecto se considera

Pequeño con 0.20 o menos
Moderado entre 0.21 y 0.40
Mediano entre 0.41 y 0.60
Considerable entre 0.61 y 0.79
Grande con 0.80 o más
Diferencia de proporciones ¿Cuándo usar cuál?

Diferencia de proporciones (contraste de dos grupos en

proporciones o porcentajes).

Hipótesis a probar: de diferencia de proporciones o porcentajes en dos

grupos.
Variable: la comparación la realizas sobre una variable. Si hay varias,
efectuarás una prueba de diferencia de proporciones por variable.
Nivel de medición de la variable de comparación: cualquier nivel, incluso por
intervalos o razón, pero siempre expresados en proporciones o porcentajes.
 ¿Cuándo usar cuál?
ANOVA
Prueba paramétrica

También conocido como análisis de varianza, se utiliza para comparar múltiples

(tres o más) muestras con una sola prueba.
Hipótesis: de diferencia entre grupos.
Variables: una variable definida como independiente, denominada factor (que
origina la segmentación) y la otra como dependiente. La causalidad es asumida
por el investigador.
Nivel de medición de las variables: la variable independiente puede estar en
cualquier nivel de medición, pero reducida o agrupada en categorías
(categórica) y la dependiente es por intervalos o razón
 ¿Cuándo usar cuál?
ANOVA
Prueba paramétrica

Interpretación de resultados: el análisis de varianza unidireccional produce un valor

conocido como F o razón F. La razón F compara las variaciones en las puntuaciones
debidas a dos diferentes fuentes: variaciones entre los grupos que se comparan y
variaciones dentro de los grupos. Si el valor F es significativo implica que los grupos
difieren entre sí en sus promedios. Entonces se acepta la hipótesis de investigación y
se rechaza la nula.
Prueba paramétrica
Prueba paramétrica Y obtienen los siguientes resultados.
Prueba paramétrica Para asegurar que esta diferencia es significativa revisan el valor F:

Se acepta la hipótesis de investigación

Si hay diferencia en el grado en que diferentes medicamentos reducen la tensión
arterial sistólica”
 ¿Cuándo usar cuál?

Chi-cuadrada (Chi-cuadrado)
Prueba no paramétrica

Se simboliza: χ2.
Hipótesis por probar: correlacionales.
Variables involucradas: dos. La prueba Chi-cuadrada no considera relaciones
causales.
Nivel de medición de las variables: nominal u ordinal; o bien, intervalos o razón
reducidos a ordinales (categorías discretas
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.
 Ejemplo de una tabla de contingencia para relacionar la intención del voto por
tres candidatas a la alcaldía y el género.
Prueba no paramétrica

Un ejemplo de una tabla de contingencia 2 × 3 de las variables “tipo de tratamiento del

cáncer gástrico” y “supervivencia” como se muestra en la tabla
 Los programas calculan Chi-cuadrada sobre la base de esta tabla. En
esencia, la Chi-cuadrada es una comparación entre la tabla de frecuencias
Prueba no paramétrica

observadas y la denominada tabla de frecuencias esperadas, la cual

constituye la tabla que esperaríamos encontrar si las variables fueran
estadísticamente independientes o no estuvieran relacionadas
La lógica es así:
“si no hay relación entre las variables, debe tenerse una tabla así (la de las
frecuencias esperadas).
Si hay relación, la tabla que obtengamos como resultado en nuestra
investigación tiene que ser muy diferente respecto de la tabla de frecuencias
esperadas”.
Prueba no paramétrica Ejemplo del resultado de Chi-cuadrado en SPSS®

la significancia es menor del 0.01 (0.003).

La hipótesis de investigación se acepta

 Ejemplo Frecuencias observadas

Sensacion de Practica deportiva Total

bienestar
Prueba no paramétrica

SI NO
SI 20 25 45
NO 10 45 55
Total 30 70 100

𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝑥 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠

= fe
𝑠𝑢𝑚𝑎 𝑡𝑜𝑡𝑎𝑙

Sensacion de Practica deportiva Total

bienestar SI NO
SI (30 x 45)/ 100 =13.5 (70 x 45)/ 100=31.5
NO (30 x 55)/ 100 =16.5 (70 x 55)/ 100 =38.5
Total
 Ejemplo Frecuencias observadas

Sensacion de Practica deportiva Total

bienestar
Prueba no paramétrica

SI NO
SI 20 25 45
NO 10 45 55
Total 30 70 100

HIPOTESIS NULA: Parámetros son independientes

HIPOTESIS ALTERNATIVA: Parámetros no son independientes

σ 𝑓0−𝑓 𝑒 2 20−13.5 2
25−31.5 2
10−16.5 2
𝜒2 = = + + +
𝑓𝑒 13.5 31.5 16.5
2
45−38.5
=3.13+1.34+2.56+1.1= 8.13
38.5
Comparar χ2 (calculado) con χ2 critico

Grados de libertad n = (numero de filas -1) x (numero de columnas-1)

Grados de libertad n = (2-1) x (2-1) = 1

Asumimos un nivel de significancia de 0.01

χ2 critico = 6.63 ( para n = 1 y nivel de significancia =

0.01)
χ2 (calculado) = 8.13

HIPOTESIS NULA: χ2 (calculado) < χ2 critic

No es valida la hipotesis nula. Aceptamos la hipotesis alternativa: Parámetros no son independientes

 Principales coeficientes de correlación para tablas de
contingencia.
Prueba no paramétrica
 Principales coeficientes de correlación para tablas de
contingencia.
Prueba no paramétrica
 Coeficientes de correlación para variables ordinales: rangos
ordenados de Spearman y Kendall
Prueba no paramétrica

Los coeficientes rho de Spearman, simbolizado como rs, y tau de Kendall

son medidas de correlación para variables en un nivel de medición ordinal
(ambas), de tal modo que los individuos, casos o unidades de análisis de la
muestra pueden ordenarse por rangos (jerarquías). Son coeficientes
utilizados para relacionar estadísticamente escalas tipo Likert por aquellos
investigadores que las consideran ordinales
 Coeficientes de correlación para variables ordinales: rangos
ordenados de Spearman y Kendall
Prueba no paramétrica

Imagina que eres asesor de una compañía que fabrica refrescos embotellados,
gaseosas o sodas, y te piden que les indiques si hay correlación estadística
entre las variables “preferencia en el sabor” y “atractivo del envase”

entonces le pides a un grupo de

personas representativas del mercado
que evalúen conjuntamente 10 marcas
específicas y las ordenen del 1 al 10;
en tanto que, “1” es la categoría o el
rango máximo en ambas variables.
Finalmente obtienes
Prueba no paramétrica Ejemplo de resultados de los coeficientes de Kendall y Spearman

menor al .01
 Otros coeficientes de correlación bivariada en los que las variables tienen

distintos niveles de medición.

Prueba no paramétrica
 Análisis estadísticos multivariados
Prueba no paramétrica
Prueba no paramétrica Análisis estadísticos multivariados
Prueba no paramétrica Elección de los procedimientos estadísticos o pruebas.
Prueba no paramétrica Elección de los procedimientos estadísticos o pruebas.
Prueba no paramétrica Criterios para elegir las pruebas estadísticas.
 BIBLIOGRAFÍA

o https://www.postgradoune.edu.pe/pdf/documentos-academicos/ciencias-de-

la-educacion/23.pdf
Bibliografía

o HERNÁNDEZ & SAMPIERI (2012) Metodología de la Investigación

Científica. Editorial Trillas. Quinta Edición.

o BERNAL, CÉSAR (2000). Metodología de la investigación científica para

administración y economía. Colombia, Pearson.