Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CLASE 3 y 4INFORME DE TESIS-APLIC ESTAD.-MUESTREO
CLASE 3 y 4INFORME DE TESIS-APLIC ESTAD.-MUESTREO
CURSO: TESIS II
TEMA: 3, 4
• REPASO DE ALGUNAS
DISTRIBUCIONES ESTADISTICAS MAS
USADAS, REGRESION Y CORRELACION
LINEAL
• METODOLOGIA-MUESTREO
• MANEJO SOFTWARE SPSS
25
48, 24
42, 22
TIEMPO DE SERVICIO-Años
46, 22
20 46, 20
40, 18
15 39, 14
36, 13
10 34, 10
0
Por: WALTER 0ROMAN 1C0LAROS20 30 40 50 60
EDAD-Años (X)
ESCALAS DE MEDICIÓN Y PRUEBAS ESTADÍSTICAS
PRUEBAS
TIPO DE
ESCALAS ESTADISTICOS PERMITIDOS ESTADISTICAS
RELACION PERMITIDAS
Moda
NOMINAL IGUALDAD Distribución de Frecuencias.
Chi cuadrada
No
Cuartiles, Deciles y Percentiles
Mediana paramétricas
ORDINAL MAYOR QUE Coeficiente de Spearman (cualitativos)
Coeficiente de Kendall
Coeficiente de Brow
Media Aritmética
Varianza/Desviación Típica o Estándar
Coeficiente de Pearson
t de Student y/o Prueba Z
INTERVALOS
IGUALDAD DE
INTERVALOS
Análisis de Varianza
Análisis de Covarianza
Paramétricas
Análisis Multivariado de Varianza (cuantatitativos)
Análisis Lineal de Patrones
Análisis Discriminante
Asimetría y la Kurtosis
Media Geométrica
IGUALDAD DE
RAZON Coeficiente de Variación
RAZONES Ing. WALTER ROMAN CLAROS
SESIÓN DE RETROALIMENTACION
ESTADISTICA DESCRIPTIVA
Escalas de
ORDINAL O DE
NOMINAL O DE ORDEN INTERVALOS
CLASIFICACIÓN RAZÓN
JERÁRQUICO IGUALES
VARIABLES
CONSTANTES
CUANTITATIVAS
CUALITATIVAS
DISCRETAS CONTINUAS
PARÁMETROS
⚫ Características medibles de una n1 ,
m1
POBLACIÓN.
⚫ Representadas por letras griegas.
,
x1
⚫ VALOR FIJO para una población
N dada. sˆ1
2
m2 ,
n2 ,
x2
sˆ2
2
ESTADÍSTICOS
⚫Características medibles de una
MUESTRA, usadas para estimar
parámetros poblacionales.
⚫Representadas por letras latinas.
⚫VARIABLE para la población, fija para
la muestra dada.
DISTRIBUCIONES DE FRECUENCIAS
AÑOS PPTO
2,000 34,045,803,045 EVOLUCION HISTORICA DE PRESUPUESTO DEL PERU: 2000 -2017
2,001 36,127,314,008 160,000,000,000
2,002 35,771,987,911
142,471,518,545
2,003 44,516,006,305
140,000,000,000
2,004 39,678,381,485 130,621,290,973
2,005 44,728,503,614
2,006 45,578,687,682 118,934,253,913
120,000,000,000
2,007 57,955,949,043 108,418,909,559
2,008 70,795,190,711
2,009 72,355,497,884 100,000,000,000 95,534,635,146
2,010 81,857,278,697 88,460,619,913
2,011 88,460,619,913
PRESUPUES
81,857,278,697
2,012 95,534,635,146 80,000,000,000
72,355,497,884
2,013 108,418,909,559
2,014 118,934,253,913 57,955,949,043
60,000,000,000
2,015 130,621,290,973
2,016 138,490,511,244 44,516,006,305 45,578,687,682
2,017 142,471,518,545 40,000,000,000 34,045,803,045
20,000,000,000
-
2,000 2,001 2,002 2,003 2,004 2,005 2,006 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016 2,017
AÑOS
1 5 7 4 1 2 5 4
6 2 7 5 7 6 3 2
5 4 3 6 6 3 4 4
1 4 3 5 4 4
Por: WALTER ROMAN CLAROS
Tabla de distribución
variable x fi frecuencia
1 3
2 3
Hay 3 plantas
3 4 de aguaje con
4 8 2 racimos
5 5
6 4
7 3 Hay 4
plantas de
n=30
aguaje con 6
xi fi F fr Fr fr% Fr%
1 3 3 1/10 1/10 10 10
2 3 6 1/10 1/5 10 20
3 4 10 2/15 1/3 13.33 33.3
4 8 18 4/15 3/5 26.67 60
5 5 23 1/6 23/30 16.67 76.67
6 4 27 2/15 97/10 13.33 90
7 3 30 1/10 1.00 10 100%
n=30 1.00 100 %
9
8
s
a 7
t
n 6
a
l 5
Cantidad de
p
e 4
d 3
d
a 2
1
0
1 2 3 4 5 6 7
� Elemplo 2:
Siguiendo con el estudio del aguaje ahora estamos
interesados en evaluar el peso de los racimos (llenado en
bolsas) para eso registramos su peso en kilogramos. Tomó
una muestra de 30 bolsas (n=30).
R= XM-xm = 2.00-1.20=0.80
R= xM-xm=
2ºPASO: CALCULAR LA CANTIDAD DE INTERVALOS
Regla de Sturges: K=1+3.322log(n)
Alternativamente
Fórmula para calcularselapuede utilizar:
cantidad K= [5 a
de intervalos
Con la Ley de Sturges:
1+3.322log 30=5.67 6
0.80/6=0.1333 0.15
La amplitud del intervalo es 0.15
SI COMENZAMOS CON 1.10
Clase xi MARCA DE
CLASE
(1.10-1.25] 1.18
(1.25-1.40] 1.33
(1.40-1.55] 1.48
(1.55-1.70] 1.63
(1.70-1.85] 1.78
(1.85-2.00] 1.93
Distribución de Frecuencias (datos agrupados)
N° Clase o Int. xi fi fr Fi Fr fr% Fr%
De clase
1 (1.10-1.25] 1.18
2 (1.25-1.40] 1.33
3 (1.40-1.55] 1.48
4 (1.55-1.70] 1.63
5 (1.70-1.85] 1.78
6 (1.85-2.00] 1.93
12
10
8
cantidad de bolsas de
2
3
0
0.03 1.18 1.33 1.48 1.63 1.78 1.93 2.08
peso
Fuente: Datos brindados en clase
POLIGONO DE FRECUENCIAS
12
s 10
o
l
l
a 8
p
a
Cantidad de
z 6
e
d
d 4
a
d
i 2
t
0
0.03 1.18 1.33 1.48 1.63 1.78 1.93 2.08
33
30
27
24
21
18
pes
15
12
9
6
3
0
1.1 1.25 1.4 1.55 1.7 1.85 2
Fuente: Datos brindados en clases Cantidad
cantidadde
debolsas de aguaje
ESTADIGRAFOS
MEDIANA centro
MODA
MEDIA ARMÓNICA.
MEDIA GEOMÉTRICA.
CUANTILES o SEPARATRICES
POBLACIÓN MUESTRA
DATOS
SIN xN n
x
AGRUPAR
i i
i 1
x i
N n
DATOS k
k k
x x
AGRUPADOS
x i i i fi
f
f
i 1
i1
x i 1
Media
N Aritmética
k
n
if
Es el cociente entre la suma de los valores de la variable, y el tamaño
i1
de la población o de la muestra (número de observaciones)
Estadística: el concepto de media aritmética o promedio
¿Cuál fue el promedio del precio del cobre en los 5 días que se indican
en el cuadro anterior? (Noviembre de 2009)
x i1n f n
i1 i
fi
i1
donde: x :media
muestral
fi :frecuencia absoluta de la clase i
Xi :marca de la clase i
Por: WALTER ROMAN CLAROS
Ejemplo:
La distribución de frecuencias siguiente, representa los puntajes
obtenidos en una evaluación del desempeño, aplicado al
personal técnico de la SUNAD. El puntaje máximo en la prueba
es 50. Calcule e interprete la media.
Desempeño Número de
(puntos) técnicos
12 - 16 4
17 - 21 8
22 - 26 15
27 - 31 23
32 - 36 10
TOTAL 60
Primero se calcularán las marcas de clase ( Xi );
es decir, el valor intermedio de cada clase
Marca de Frecuencia
clase clase ( xi ) absoluta(fi )
12 - 16 14 4
17 - 21 19 8
22 - 26 24 15
27 - 31 29 23
32 - 36 34 10
Total 60
w i
X i = datos
i1
Ejemplo: Una empresa comercializadora de Seguros dispone de
3 representantes para la zona de Pucallpa, cada uno de los
cuales cobra diferente comisión por póliza vendida, y realiza
diferente número de contratos. Calcule e interprete el valor
medio de la comisión.
Nº de polizas Comisión
Vendedor de por venta $
Seguro Xi
wi
Pedro 30 30
Juan 25 40
Pablo 20 50
Por: WALTER ROMAN CLAROS
xp 30(30) 25(40) 20(50) 2900 $38.67
30 25 20 75
Interpretación:
Características
• Útil para medidas nominales y ordinales
• No se afecta por valores extremos
• Se puede utilizar con clases abiertas
• Puede no existir o no ser única
390-405 7 2
405-420 4 9 = 12 – 4 = 8 = 12 – 7 = 5
420-435 2 35
TOTAL 35
384.23
Mo 8 85
375 15(
)
375 9.23
Ancho o amplitud del intervalo wi = 390-375
Forma grafica de
determinar la moda wi Extensión del intervalo
Diferencia entre
la frecuencia de 1 Diferencia entre
la clase modal y
la frecuencia de
la clase anterior 2 la clase modal y
la clase
siguiente
Li Mo x
Limite inferior de la clase modal
Es el valor de la variable que divide a las observaciones en dos grupos
con el mismo número de individuos (percentil 50).
Si el número de datos es par, se elige la media de los dos datos centrales
Me 1 Xn Xn 2
MEDIANA (2 Me)
Me es (4+5)/2 = 4,5
2 2
CALCULO de la MEDIANA
DATOS AGRUPADOS:
1) Determinar la posición (igual que para datos sin agrupar)
2) Determinar la clase que contiene la Mediana
3) Realizar la interpolación
para hallar el valor de la Me
La frecuencia abs. Acum. que supera por primera vez a n/2 es:……)
Clases f F 1) Determinar la posición (35 / 17.5
2)
2) clase que contiene la Mediana
330-345 3 3 Li 375
345-360 3 6
3) Realizar la interpolación para hallar el valor de
360-375 4 10 la Me.
375-390 12 22
390-405 7 29
405-420 4 33
420-435 2 35
TOTAL 35
35 10 375
Me 375 15( )
CALCULO 382.5
7.5 de la MEDIANA para datos agrupados
12
Extensión del intervalo wi = 390-375
EJEMPLO - Método grafico para hallar la
4
1, 0,
0 3
0, 0,
9 2
0, 0,
8 1
0, 0,
7 0
0,
6
0,
5 330
0,
Dis a de los pesos de toretes camal de Pucallpa-
t s 2016.
r
i r
b e
u l
c a
i t
ó i
n v
a
d s
e
a
f c
r u
e m
c u
u l 345 360 375 390 405 420 435
e a
n d
Me
c a
i s
Medidas de Dispersión
Medida de información respecto a la cantidad de
VARIABILIDAD presente en un conjunto de datos.
dispersión
⚫ 2 2
AMPLITUD TOTAL O
RANGO:
A
⚫ VARIANZA
⚫ SEMIRECORRID
O INTERCUARTÍLICO Q
⚫ COEFICIENTE DE CV
VARIACIÓN
población muestra
DATOS SIN
xi x
AGRUPAR 2
2
s
x 2
2
n n 1
DATOS
AGRUPADOS
2
x i x 2
fi
f Varianza
x 2
2
s
n n 1
xi x2
La varianza es una media de cuadrados de los desvíos (MC)
suma de cuadrados
sˆ
2 n-1 grados de libertad (GL)
DESVIACIÓN TÍPICA
Tiene las misma dimensionalidad (unidades) que la variable.
Coeficiente de variación o variab
ESCUELA DE POSGRADO
MAESTRÍA CON MENCION EN PROYECTOS DE
INVERSION
TEMA DE
RETROALIMENTACIO WALTER ROMAN CLAROS
REGRESION Y
CORRELACION
REGRESION Y CORRELACION LINEAL
Análisis de los datos para saber si y como dos o mas
variables están relacionadas entre si.
El análisis de regresión lineal da como resultado una
ecuación matemática que describe cierta relación
determinada entre dos o mas variables. ME SIRVE PARA
PREDECIR.
El análisis de correlación da como resultado un numero
que resume el grado de relación existente entre dos
variables. ME DETERMINA CUAN FUERTE ES LA
RELACION ENTRE LAS DOS VARIABLES.
REGRESION Y
CORRELACION LINEAL
REGRESION
REGRESION Y CORRELACION
REGRESION Y CORRELACION
REGRESION
REGRESION Y CORRELACION
X X
1 n
REGRESION Y CORRELACION
Ecuaciones Normales
Y an b Karl Pearspn
a b X
2
XY X
a
x2 y x xy
n (x) 2
2
x
n xy x y
b
n x 2 (x) 2
REGRESION Y CORRELACION
CORRELACION
Karl rspn
Mide el grado de asociación lineal entre dos
variables a partir de una muestra o conjunto
de observaciones representativas para cada
una de ellas. Esto significa que el coeficiente
de correlación permite establecer la fuerza y
el sentido de una posible relación lineal entre
dos variables, a partir de una muestra
representativa.
REGRESION Y CORRELACION
REGRESION Y CORRELACION
Karl earspn
REGRESION Y CORRELACION
Karl Pearspn
Coeficiente de Correlación o de Pearson (r)
r
n xy x
y
n
x 2 ( x) 2
n ( y)
2
2
y
REGRESION Y CORRELACION
Karl Pearspn
Ejemplo: Los datos que se muestran en la tabla son las tasas
de vivienda sin agua y de las enfermedades gastro intestinales
de 10 AA.HH. en la ciudad de Pucallpa, que fueron
recolectados para un estudio de de proyecto de saneamiento
Basico.
Se pide:
Identificar la variable
VARIABLE DEPENDIENTE (Y) :
VARIABLE INDEPENDIENTE (X) : dependiente e
independiente,
VIVIENDAS SIN H20 (%) ENFERM. GASTROINT. (%) explicando
n detalladamente
1 48 24 Determinar la regresion
2 40 18
con las variables
3 30 9
4 39 14 identificadas.
5 46 22 Graficar la linea de
6 42 22 regresion ajustada o
7 27 4
8 36 13
estimada.
9 34 10 Calcular el coeficiente
10 46 20 de Pearson e interpretar
VARIABLE DEPENDIENTE (Y) : VIVIENDAS SIN H20 (%)
VARIABLE INDEPENDIENTE (X) : ENFERM. OINT. (%)
GASTR
ENF. GAST.
5 46 22 2116 484 1012
6 42 22 1764 484 924 15
7 27 4 729 16 108 10
8 36 13 1296 169 468 5
9 34 10 1156 100 340
0
10 46 20 2116 400 920
Tota
l 388 156 15502 2830 6460
∑X ∑Y
n= 10
∑X² ∑Y² ∑XY
0 10 20 30 40 50 60
VIV. SIN AGUA (X)
a
x2 y x xy
n x2 (x)
2
CON FUNCION
b n xy x y `=COEF.DE.CORREL(C10:D30;E10:E30)
n x2 (x)2 0.97
VIVIENDA
VARIABLE DEPENDIENTE (Y) : S SIN H20
(%)
VARIABLE INDEPENDIENTE (X) ENFERM.
GASTROI
: NT. (%)
x2 y x xy a = -19.6979
a
n x2 (x)
2
r= 0.967
CON FUNCION
b n xy x y `=COEF.DE.CORREL(C10:D30;E10:E30)
n x2 (x)2
b= 0.9097 0.97
Karl Pearspn
VARIABLE DEPENDIENTE (Y) : VIVIENDAS SIN H20 (%)
VARIABLE INDEPENDIENTE (X) : ENFERM. GASTROINT.
(%)
DIAGRAMA DE DISPERSION Y LINEA AJUSTADA
30
25 y = 0.9097x - 19.698
a = -19.6979
20
b= 0.9097
ENF. GAST.
15
10
5
r= 0.967
0 CON FUNCION
0 10 20 30 40 50
60 `=COEF.DE.CORREL(C10:D30;E10:E30)
0.97
VIV. SIN AGUA (X)
Interpretación:
EJEMPLO
UNIVERSIDAD NACIONAL DE UCAYALI
INFERENCIA
Prueba
de
Estadística Inferencial
74
MUESTREO
b). Muestreo
Aleatorio Sistemático
c). Muestreo
Aleatorio
Estratificado
d). Muestreo Aleatorio
Por Conglomerados
e). Muestreo Aleatorio Polietápico
- NO PROBABILÍSTICO
Muestreo Discrecional
+3 +3 +3 +3
1 2 3 4 5 6 7 8 9 10 11 12 13 1 1 1
Muestreo Aleatorio Estratificado
Considera que al interior del universo existen
estratos (subgrupos internamente homogéneos
pero cualitativa y cuantitativamente diferentes
entre sí), y que no se cumple la condición de
selección aleatoria pues los miembros del
grupo mayoritario tienen una mayor
probabilidad de ser seleccionados en la
muestra.
Comuna A
Comuna C
Comuna D
FINALIDAD DE LA ENCUESTA:
Nota:
En algunas investigaciones se puede reemplazar la expresión p.q por la
varianza de la variable: σ2, cuando existen estudios anteriores similares.
Caso contrario se tiene que seleccionar una muestra “piloto” y calcular la
varianza y media aritmética. Para este caso se debe tomar el error (e) del 2
al 5% de la media.
Ing. WALTER ROMAN CLAROS
Entonces:
Z2 σ 2
n=
e2
Donde:
N = Tamaño de la Población o Universo.
Nota: Asumir a lo sumo; p = q = 50%. Población finita.
Importante:
a. Tenemos que hacer uso de la tabla de área bajo la curva normal
tipificada de 0 a Z.
b. Generalmente, se toma de 95% al 99% de confianza que significa
tener un error del 5% al 1% respectivamente, en algunos casos
cuando el universo es muy pequeño se disminuye a menos de
95%.
Z = 1.96
p = 0.6
q = 0.4
E = 0.05
n=
Ing. WALTER ROMAN CLAROS
CASO PRACTICO: (De un trabajo que se hizo el año 2014)
CUESTA DE INTENCION DE VOTO DE LOS CANDIDATOS AL GOBIERNO REGIONAL DE UCA
Yarinacocha-Manantay-Calleria
POBLACIÓN OBJETIVO
La población objetivo estará constituida por hombres y mujeres mayores de 18
años de edad, que residen en las localidades de los distritos de Yarinacocha,
Calleria y Manantay.
COBERTURA GEOGRÁFICA:
La encuesta de intención de voto se aplicara en 3 distritos de la ciudad de Pucallpa,
en la zona urbana.
Tipo de muestreo:
La muestra es probabilística polietapica, con selección aleatoria de puntos de
muestreo. Ing. WALTER ROMAN CLAROS
Procedimiento del Muestreo:
El marco muestral de la encuesta estará constituido por las manzanas y
viviendas de los Distritos de Yarinacocha, Calleria y Manantay.
A nivel de cada una de las zonas geográficas, se seleccionara en forma
aleatoria las unidades primarias (manzanas), calles y viviendas por el método
¨randon router¨, hogares y personas.
n = 1160
Revisión documental:
Se utiliza esta técnica para obtener información a través de las normas, libros, tesis, manuales,
reglamentos, directivas y otro tipo de información relacionado con nuestro tema de investigación.
Guía de observación:
Para los proyectos de investigación, todos los datos observados se deben plasmar en formatos
adecuados de recolección de información; por ejemplo: Formatos para el estudio de tráfico,
estudio de suelos, levantamientos topográficos, diseño de mezclas, etc.
La observación científica es el más antiguo y al mismo tiempo la más moderna técnica de
investigación.
La observación se define como la percepción intencionada e ilustrada de un hecho o un
conjunto de hechos o fenómenos.
El objeto de la observación es un hecho de la realidad.
Es directa ya que no se observan sentimientos sino conductas, no se observan enfermedades
sino síntomas.
Los elementos de la observación son los siguientes:
La entrevista con fines de investigación puede ser entendida como la conversación que
sostienen dos personas (entrevistador y entrevistado), celebrada por iniciativa del
entrevistador con la finalidad de obtener alguna información importante para la investigación.
Para el caso de proyectos se deben presentar los formatos utilizados, por ejemplo,
para realizar un levantamiento topográfico, formatos para hacer los estudios de suelo,
estudios de tráfico, formatos para realizar los ensayos. Estos formatos deben estar
sin datos.
El proceso de recolección de datos implica tres actividades estrechamente vinculadas
entre sí:
• Seleccionar el instrumento de recolección de datos, el mismo que debe ser válido
y confiable.
• Aplicar el instrumento a la muestra de estudio; es decir obtener observaciones
registros o mediciones de variables.
• Analizar la información recopilada.
Existen diferentes técnicas para la recolección de información, las mismas que no son
excluyentes y muy por el contrario son complementarias
1. DATOS GENERALES
a). Edad : De 18 a 30 ( ) De 31 a 50 ( ) De 51 a mas (
) b). Sexo : Masculino ( ) Femenino (
)
c). Ocupació n:
2. ¿Qué tiempo tiene usted viviendo en el distrito de Calleria?
a. 0-10 añ os b. 10-20 añ os c. 20 a má s añ os.
5. ¿A qué cree que se debe el mal estado del pavimento en el distrito de calleria?
a. Malos materiales utilizados.
b. Malos expedientes ejecutados
c. ayb
d. Otros, especifique:
6. ¿Quié n cree usted que es el responsable por el mal estado de los pavimentos?
a. Vehículos
b. Las autoridades
c. Los peatones
7. ¿Usted está enterado si los pavimentos contienen residuos contaminantes?
a. Si estoy enterado b. No estoy enterado
8. ¿Cree usted que un pavimento mejorado tendría má s beneficios turísticos en el distrito de calleria?
a. Si creo b. No creo
9. Indique si usted está conforme con la pavimentació n en el distrito de calleria.
a. No estoy de acuerdo
b. Parcialmente de acuerdo
c. Totalmente de acuerdo
Alternativa B:
(5) Definitivamente sí
(4) Probablemente sí
(3) Indeciso (afirmación)
(2) Probablemente no
Ejm: ¿Có mo considera o
usted el rol que ( ) Regular
desempeñ a el Colegio ( ) Malo
de Ingenieros en ( ) Muy malo
nuestro departamento?
(
)
M
u
y
b
u
e
n
o
(
)
B
u
e
n
Ejemplo:
Para un proyecto de investigació n relacionado al sistema virtual de MS PROJECT en el curso
de Formulació n y Evaluació n de Proyectos en la Escuela Profesional de Ingeniería Civil y
Sistemas, al inicio de clases, la actitud de los alumnos hacia el sistema virtual del Ms Project
antes de su inicio fue:
Se observa para los aspectos evaluados un promedio general de 4.07 con una desviació n
está ndar de 0,72 y de acuerdo a la escala de Likert podemos afirmar que la respuesta está
dentro del rango totalmente acuerdo y e acuerdo, que quiere decir que los estudiantes está n
de acuerdo con el sistema virtual del MS PROJECT en la Escuela profesional de Ingeniería
Civil y Sistemas – Universidad Nacional de Ucayali. Por: WALTER ROMAN CLAROS
TEMA DE TESIS
AÑO 2019.”
Por: WALTER ROMAN CLAROS
Escalograma de Guttman
Ejemplo:
“Manifieste su opinió n respecto al nuevo sistema de inversió n pú blica (INVERTE,PE) que
reemplazó al SNIP”.
Barato --- ---- ---- ---- ---- Costoso
Rá pido el proceso --- ---- ---- ---- ---- Lento el proceso
Adecuado el proceso --- ---- ---- ---- ---- Inadecuado el proceso
Moderno --- ---- ---- ----- ----- Obsoleto
Ejemplo:
“Opine acerca de la utilizació n de concreto pre-mezclado en las obras civiles”:
Barato _ _ _ _ _ Caro
Rá pido _ _ _ _ _ Lento
Confiable _ _ _ _ _ Desconfiable
(5) (4) (3) (2) (1)
Se recomienda lo siguiente.
Anotar el autor: Apellidos y nombres.
Título (subrayado)
Si es título de artículo de revista (entre comillas).
La ciudad de la edició n.
La editorial.
El añ o de edició n.
EJEMPLOS:
Para libros:
<Apellido paterno, inicial del primer nombre.> <Añ o de publicació n.> <Título del libro.>
<Nro. de edició n.> <Nro. de volumen.> <Editorial.> <Lugar de publicació n.>
Para Tesis:
<Apellido paterno, inicial del primer nombre.> <Añ o de presentació n.> <Título de la Tesis.>
<Motivo de la tesis.> <Universidad> <Ciudad>
REGLAS PARA ELABORAR
LA BIBLIOGRAFÍA (APA)
Ejemplos:
Román, W. (2018), Pautas para la Formulacion de Proyecto de Tesis y
Trabajos de Investigación de Ingenieria. (1ra. Ed.). Lima Perú:
UNMSM.
Hasta este momento hemos visto como hacer
citas textuales, cuando se tiene un sólo
autor.
Pero ¿qué
sucede si
tenemos más de
un autor?
Citas en el texto. Dos Autores
EJEMPLO
De 3 a 5 Autores
Cuando un trabajo tenga tres, cuatro o cinco autores:
a) Cítelos a todos la primera vez que presenta la cita:
Hernández, Fernández y Baptista, (2014, p.29)
1
¿Dónde está
¿Puede una
el autor?
institución ser
un autor?
Citas en el texto.
Autores corporativos
A las corporaciones, asociaciones, instituciones
gubernamentales, escuelas, universidades, empresas, las
llamamos autores corporativos.
125
Citas en el texto.
Autores corporativos
¿Cómo se citan?
EJEMPLO
129
• Ejemplos:
– Libros:
– Ringina, M. Gerontology and skil. 2 ed. Londres :
Delmar Ed., 1996
• Capítulo de un libro:
– Phillips P. Hipertensión. EN: Laragh JH editor.
Hypertension general. 2 ed. Londres: Raven Press;
1996. p. 465-88.
Errores más frecuentes en materia de listas bibliográficas
•Ausencia de referencias
•Presencia de manera reducida
•Exceso de referencias con el fin de ostentar pseudo
erudición
•Inaccesibilidad de los documentos que respaldan a las
referencias
•Desactualización de las referencias
•Deficiente cuidado en la selección de las referencias
•Inclusión de referencias no consultadas por el autor
•Incorrecta abreviatura de títulos de revistas de acuerdo
a las normas establecidas
MATRIZ E CONSISTENCIA
Def. 1: • Es la herramienta que posibilita el análisis e interpretación de la
operatividad teórica del proyecto de investigación, que sistematiza al
conjunto: problema, hipótesis, objetivos, variables y operacionalización de
las variables (metodología).
En resumen, facilita tener una visión general del trabajo y por esto es a
razón de ver si estamos siendo congruentes con nuestro problema,
objetivos, hipótesis y variables. En algunos casos se puede indicar hasta el
marco teórico.
MODELO DE MATRIZ DE CONSISTENCIA
1 1 1 3
2 5
4 4 4 3
2
MATRIZ DE CONSISTENCIA
TITULO: “DISEÑO E IMPLEMENTACIÒN DE UN SISTEMA APLICANDO EL LENGUAJE DE PROGRAMACIÒN LUA PARA EL
ANÀLISIS DE ELEMENTOS ESTRUCTURALES EN EDIFICACIONES”
PLANTEMAINTO DEL PROBLEMA OBJETIVOS HIPOTESIS VARIABLES INDICADORES INSTRUMENTO METODOLOGIA
Actividad N° 03:
Debe entregar su Proyecto final hasta
marco teórico y parte de metodología