CLASE 3 y 4INFORME DE TESIS-APLIC ESTAD.-MUESTREO

UNIVERSIDAD NACIONAL DE UCAYALI
FACULTAD DE INGENIERIA DE SISTEMAS

E INGENERIA CIVIL
CURSO: TESIS II
TEMA: 3, 4
• REPASO DE ALGUNAS
DISTRIBUCIONES ESTADISTICAS MAS
USADAS, REGRESION Y CORRELACION
LINEAL
• METODOLOGIA-MUESTREO
• MANEJO SOFTWARE SPSS
Por: WALTER ROMAN CLAROS

Interpretar los siguientes gráficos de TRABAJADORES DE LA SUNAT
30
25
48, 24
42, 22
TIEMPO DE SERVICIO-Años
46, 22
20 46, 20
40, 18
15 39, 14
36, 13
10 34, 10
30, 9 y = 0.9097x - 19.698

5 R² = 0.9345
27, 4
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

LAS VARIABLES ESTADÍSTICAS
Escalas de
ORDINAL O DE
NOMINAL O DE ORDEN INTERVALOS
CLASIFICACIÓN RAZÓN
JERÁRQUICO IGUALES
Clase social, Sistemas Nº de hijos,

Sexo, ciudad,
nivel digesimal, ingresos,
situación vigesimal,
educativo, antigüedad,
laboral, religión, centesimal, etc.
escalas de edad, etc.
etc. Fecha del
actitud (likert), calendario,
etc. factoriales, test,
etc.

Siempre se debe tomar en cuenta los siguiente:
DATOS
VARIABLES
CONSTANTES
CUANTITATIVAS
CUALITATIVAS
DISCRETAS CONTINUAS

MEDIDAS DE RESUMEN DE DATOS NUMERICOS
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
Fuente: Pagina Transp.

DISTRIBUCIONES DE
FRECUENCIAS
Son tablas o cuadros que agrupan un conjunto de datos, como categorías, etc, a
fin de facilitar la interpretación y análisis en forma completa clara y concreta.
DISTRIBUCIÓN DE FRECUENCIAS DEL CONSOLIDADO GENERAL DE
LA
�EJEMPLO 1:
En un estudio en particular
estaban interesados en evaluar el
número de racimos por planta de
aguaje. Se consideró solo las
plantas de un “aguajal”; para
cada planta se contó la cantidad
de racimos que tenían. Los datos
se presentan en forma aleatoria a
continuación :
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
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

Tabla de distribución FRECUENCIA
RELATIVA ACUM.
%
FRECUENCIA
RELATIVA %
FRECUENCIA
FRECUENCIA ACUMULADA
RELATIVA
FRECUENCIA
RELATIVA
ACUM.
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 %

Cantidad
Cantidad dede zapallos
racimos porpor planta
de aguaje
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
Fuente: Datos brindados en clases

Nro dede
cantidad racimos
Distribución de Frecuencias (datos agrupad
� 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).
Variable: peso tipo cuantitativa

continua Muestra 30 bolsas de aguaje.

DATOS:
1.20 1.20 1.20 1.30 1.30 1.30

1.60 1.60 1.60 1.60 1.60 1.60
1.40 1.50 1.50 1.50 1.50 1.50
1.70 1.70 1.70 1.70 1.80 1.80
1.60 1.90 1.80 1.80 2.00 1.90
1º PASO: CALCULAR EL RANGO DE LOS DATOS.

QUE ES LA DIFERENCIA ENTRE EL MAXIMO VALOR
Y EL MINIMO
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

3º PASO: CALCULAR LA AMPLITUD DEL INTERVALO
AMPLITUD= RANGO/Nº DE INTERVALOS
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

1.20 1.20 1.20 1.30 1.30 1.30 1.40
1.50 1.50 1.50 1.50 1.50 1.60 1.60
1.60 1.60 1.60 1.60 1.60 1.70 1.70
1.70 1.70 1.80 1.80 1.80 1.80 1.90

1.90 2.00

Clase xi fi fr Fi Fr fr% Fr%
1 (1.10-1.25] 1.18 3 0.10 3 0.10 10 10
2 (1.25-1.40] 1.33 4 0.13 7 0.23 13 23
3 (1.40-1.55] 1.48 5 0.17 12 0.40 17 40
4 (1.55-1.70] 1.63 11 0.37 23 0.77 37 77
5 (1.70-1.85] 1.78 4 0.13 27 0.90 13 90
6 (1.85-2.00] 1.93 3 0.10 30 1.00 10 100

GRAFICOS: HISTOGRAMA
Cantidad de bolsas según peso
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
Cantidad de bolsas de aguaje según peso

Cantidad de zapallos según
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
Fuente: Datos brindados en clase

Peso
pes
OJIVA
Ojiva o poligono de frecuencias acumuladas
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

Medidas de Tendencia Central
MEDIA ARITMÉTICA
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
 i1
x  i 1
Media
N Aritmética
k
n
 if
Es el cociente entre la suma de los valores de la variable, y el tamaño
i1
de la población o de la muestra (número de observaciones)
Estadística: el concepto de media aritmética o promedio
El cobre del Perú
¿Cuál fue el promedio del precio del cobre en los 5 días que se indican
en el cuadro anterior? (Noviembre de 2009)
150,638 + 152,725 + 150,729 + 151,636 + 152,044 = 757,772
Luego este total lo dividimos por 5, y obtenemos

757,772
= 151,5544 centavos de dólar por
libra de cobre
5
Cálculo a partir de datos agrupados.
El cálculo de la media aritmética, cuando los datos
disponibles se encuentran en tablas de distribución de
frecuencias, se realiza utilizando la formula siguiente
n
 fi Xi n
x  i1n  f n
i1 i
 fi
i1
donde: x :media
muestral
fi :frecuencia absoluta de la clase i
Xi :marca de la clase i
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
14(4) + 19 (8) + 24 (15) + 29 (23) + 34 (10) 1575

x 4 + 8 + 15 + 23 + 10 x 60
x 26.25
Interpretación: Si se elige al azar a un trabajador técnico de la SUNA
La media aritmética ponderada ( x p )

donde:
n
wX i i wi = factor de ponderación

xp  i 1
n
w i
X i = datos
i1
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
xp  30(30)  25(40)  20(50)  2900  $38.67
30  25  20 75
Interpretación:
Si se elige al azar un representante se espera que cobre una

comisión de $38.67 por póliza vendida.
Ventajas y desventajas de la media aritmética
Ventajas:
Concepto familiar para muchas personas
Es única para cada conjunto de datos
Es posible comparar medias de
diferentes muestras
Desventajas
Se ve afectada por los datos extremos
Si la muestra es grande y los datos no
están agrupados, su cálculo es tedioso
Si los datos están agrupados en clases con
extremos abiertos, no es posible calcular la
media.
MODA
Definición : Valor de la variable con mayor frecuencia.
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
Datos sin agrupar

297 314 333 350 388 412 421 455 455 455
466 466 502 502 542 587 601 621 629
Mo = 455

CALCULO de la MODA para datos
1) Determinar la clase que contiene la Moda

Clases f F
Li  375
330-345 3 3
345-360 3 6 2) Realizar la interpolación para hallar el valor de la
Mo
360-375 4 1 1
0
375-390 12  Mo  Li  Wi(
1  2
)
390-405 7 2
405-420 4 9  = 12 – 4 = 8  = 12 – 7 = 5
420-435 2 35
TOTAL 35
384.23
Mo 8 85
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
PARA DATOS SIN AGRUPAR:

1) Ordenar los valores de menor a mayor
2) Determinar la posición i
3) Hallar el valor de x en la posición i
Si el número de observaciones es IMPAR 1, 2, 4, 5, 6, 6, 8

Xn  1
Me  2 Me es 5
Si el número de observaciones es PAR 1, 2, 4, 4, 5, 6, 6, 8
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
⚫ DESVIACIÓN TÍPICA O ESTANDARD
⚫ 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
de los desvios (SC)
sˆ 
2 n-1 grados de libertad (GL)
La división por n-1 asegura que la varianza muestral sea una

estimación
Es sensible a valores extremos (alejados de la media).
Sus unidades son el cuadrado de las de la variable
DESVIACIÓN TÍPICA
Tiene las misma dimensionalidad (unidades) que la variable.
Coeficiente de variación o variab
 Es el cociente entre la desviación típica y la media.

– Mide la desviación típica en forma de
“qué tamaño tiene con respecto a la media” CV  sˆ x100%
x
 Es frecuente indicarla en porcentajes
• Si la media es 80 y la desviación típica 20 entonces
CV =20/80 = 0,25 = 25% (variabilidad relativa)
 Es adimensional. Interesante para comparar la variabilidad de

diferentes variables.
– Si el peso tiene CV=30% y la altura tiene CV=10%, los individuos
presentan más dispersión en peso que en altura.
 No debe usarse cuando la variable presenta valores negativos o donde

el valor 0 sea una cantidad fijada arbitrariamente
– Por ejemplo 0ºC ≠ 0ºF
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
Francis Galton durante la década

de 1850
Karl Pearson 1857 - 1936

REGRESION Y CORRELACION
REGRESION
REGRESION LINEAL SIMPLE

 Análisis de los datos para saber si y como dos
variables están relacionadas entre si.
 El análisis de regresión lineal da como resultado
una ecuación matemática que describe cierta relación
determinada entre las variables. ME SIRVE PARA
PREDECIR.
AJUSTE DE UNA LINEA DE Karl Pearspn
REGRESION
Metodo de los Minimos Cuadrados

Y=a + b x Karl Pearspn
Donde Y = variable dependiente
X = Variable
independiente a =
Constante
b = Pendiente
Y
(x n ,Y)
Sn
(x 1 ,Y1 ) n
C
S1
S2
(x 2 ,Y2 )
X X
1 n
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
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.
Karl earspn
Karl Pearspn
Coeficiente de Correlación o de Pearson (r)
r
 n xy   x
y
n
x 2  ( x) 2
n  ( y)
2

2
y
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
VIVIENDAS SIN H20 (%) ENFERM. GASTROINT. (%)

n (X) (Y) X² Y² XY
1 48 24
2 40 18
3 30 9
4 39 14
5 46 22
6 42 22
7 27 4
8 36 13
9 34 10
10 46 20
Total 388 156 0 0 0
∑X ∑Y ∑X² ∑Y² ∑XY
n= 10
VIVIENDA
VARIABLE DEPENDIENTE (Y) : S SIN H20
(%)
VARIABLE INDEPENDIENTE (X) ENFERM.
GASTROI
: NT. (%)
VIVIENDAS SIN ENFERM. DIAGRAMA DE DISPERSION Y LINEA AJ

H20 (%) GASTROINT. (%)
n (X) (Y) X² Y² XY
1 48 24 2304 576 1152 30
2 40 18 1600 324 720 25 y = 0.9097x - 19.698
3 30 9 900 81 270
4 39 14 1521 196 546
20
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. (%)
VIVIENDAS SIN ENFERM.

H20 (%) GASTROINT. (%)
n (X) (Y) X² Y² XY
1 48 24 2304 576 1152
2 40 18 1600 324 720
3 30 9 900 81 270
4 39 14 1521 196 546
5 46 22 2116 484 1012
6 42 22 1764 484 924
7 27 4 729 16 108
8 36 13 1296 169 468
9 34 10 1156 100 340
10 46 20 2116 400 920
Tota
l 388 156 15502 2830 6460
∑X ∑Y ∑X² ∑Y² ∑XY

n= 10
 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
FACULTAD DE INGENIERIA DE SISTEMAS E INGENIERIA CIVIL

CURSO: TESIS II
TEMA: 4
• METODOLOGIA-MUESTREO
MUESTREO ESTADISTICO

DESCRIPTIVA
ESTADISTICA Estimación
INFERENCIA
Prueba
de
Ing. WALTER ROMAN CLAROS 73

Estadística Descriptiva
Conjunto de métodos para organizar, resumir

y presentar los datos de manera informativa.
Estadística Inferencial
Conjunto de métodos utilizados para describir una población, basánd
74
MUESTREO
El muestreo estadístico es la herramienta que la Matemática utiliza para el

estudio de las características de una población a través de una determinada
parte de la misma.
La muestra de estudio debe ser lo más pequeña posible ya que del hecho de
que una muestra sea más grande, no se desprende necesariamente que la
información sea más fiable.
Además, la muestra elegida debe serlo por un proceso aleatorio para que sea
lo más representativa posible.
TÉRMINOS USUALES EN UN ESTUDIO ESTADÍSTICO
 Población: Conjunto de todos los individuos que son objeto del estudio.
 Muestra: Parte de la población en la que miden las
características estudiadas.|
 Muestreo: Proceso seguido para la extracción de una muestra.
 Encuesta: Proceso de obtener información de la muestra. 75
 TIPOS DE MUESTREO :
- PROBABILÍSTICO
- NO
- PROBABILÍSTICO PROBBILISTICO
a). Muestreo Aleatorio Simple
b). Muestreo
Aleatorio Sistemático
c). Muestreo
Aleatorio
Estratificado
d). Muestreo Aleatorio
Por Conglomerados
e). Muestreo Aleatorio Polietápico
- NO PROBABILÍSTICO
a). Muestreo Por Cuotas
Muestreo Intencional o conveniencia.
Muestreo Bola de nieve
Muestreo Discrecional

MUESTREO
PROBABIISTICO:
Escoge al azar los miembros del universo
hasta completar el tamaño muestral
previsto.
En teoría se enumeran previamente todos
los elementos y de acuerdo con una tabla
de números aleatorios se van escogiendo.
El procedimiento puede darse con o sin
reemplazos y esta condición afectará
posteriormente el análisis.

Muestreo Aleatorio
Sistemático
En el universo (N) se elige el primer elemento al azar.
Luego los demás se escogen cada cierto intervalo (k), hasta

completar el tamaño muestral (n).
El tamaño del intervalo (k) se calcula así: k = N/n
+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.
Consiste en considerar categorías típicas

diferentes entre sí (estratos) que poseen gran
homogeneidad respecto a alguna característica
(se puede estratificar, por ejemplo, según la
profesión, nivel de ingresos, el sexo, el estado
civil, etc.).
ESTRATOS
Homogéneos en su interior; diferentes
entre sí en propiedades y tamaño
Comuna B
Comuna A
Comuna C
Comuna D
Los estratos más grandes

Tienen mayor probabilidad de ser representados
Muestreo Aleatorio Multi Etápico (Poli Etápico)
Selecciona los individuos por etapas,

configurando sucesivamente grupos
(estratos o conglomerados) y
subgrupos denominados Unidades de
Muestreo primarias, secundarias,
terciarias...etc..
Ejm. Cuando se hace las encuestas de
opinión en épocas electorales.

- NO PROBABILÍSTICO
c). Bola de Nieve
Se localiza a algunos individuos, los cuales
conducen a otros, y estos a otros, y así hasta
conseguir una muestra suficiente. Este tipo se
emplea muy frecuentemente cuando se hacen
estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de
enfermos, etc.
d).Muestreo Discrecional
A criterio del investigador los elementos son
elegidos sobre lo que él cree que pueden
aportar al estudio.
ENCUESTAS O ENTREVISTAS
La ENCUESTA es una técnica o forma de obtener información
donde una persona llamada ENCUESTADOR o
ENTREVISTADOR solicita al ENTREVISTADO algunos datos o
información.
FINALIDAD DE LA ENCUESTA:
Es el fin con el que se hace una ENCUESTA,

Ejemplo 1.- la finalidad de la población conocer la
percepción de los conductores de vehículos sobre el estado
actual de los pavimentos en el distrito de Calleria – 2018.
Ejemplo 2.- la finalidad de la Encuesta

regional de Presupuestos Familiares
“suministrar información Estadística
actualizada sobre la estructura del gasto de los
hogares”. Por: WALTER ROMAN CLAROS
Ing. WALTER ROMAN CLAROS
OBJETIVOS DE LA ENCUESTA
En la etapa de planeamiento se fijan los

OBJETIVOS (general y/o específicos).
Las METAS son OBJETIVOS y se usan los 2

términos indistintamente, son los cimientos de
la Planeación.
Las METAS son los resultados deseados para

individuos, grupos y organizaciones enteras,
ejemplos: erradicar el analfabetismo, reducir la
pobreza, aumentar la productividad en obras.
EL TAMAÑO DE MUESTRA
Es obvio que si cada uno de los sujetos de estudio de una investigación tuvieran
exactamente las mismas características, el tamaño requerido de la muestra sería solamente
de uno; pero al no presentarse el caso, necesitamos establecer un tamaño de muestra
mayor de uno, pero menor que la población total o universo.
El tamaño de la muestra muchas veces se limita por el costo que involucra, o por el tiempo
disponible para la investigación. Existen dos casos para determinar el tamaño de la
muestra:
1. Para población infinita (más de 100,000 elementos) - (población desconocida)

n = Tamaño de la muestra
p = Probabilidad de éxito o probabilidad que la hipótesis sea verdadera. También se puede
definir como la probabilidad de que una proporción de la población este incluido en la
muestra.
q = Probabilidad de fracaso o probabilidad de no ocurrencia de la hipótesis. También se
puede definir como la probabilidad de que una proporción de la población no esté incluido
como muestra.
E= e= Error estimado por estudiar una muestra en lugar de toda la población aceptable.
Error muestral estándar de la estimación (mide la precisión o confiabilidad de los resultados
muestrales). Es el error a causa de observar una muestra en lugar de la población
completa. Este valor depende del investigador y se encuentra entre 0% y 10%.

Z = Coeficiente de confiabilidad (Nivel de Significancia) que corresponde a una
distribución normal según él % de confianza requerida. El valor de Z que
define un área en ambas colas combinadas en una distribución normal igual al
nivel de significación que controla el error tipo I o α (alfa). Para α controlado en
0.05 el valor de Z = 1.96.
Nivel de confianza Coeficiente de confiabilidad (Z)

99% 2.58
98% 2.33
97% 2.17
96% 2.05
95% 1.96
90% 1.65
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.
Entonces:
Z2 σ 2
n=
e2
2. Para población finita - (población conocida)
Donde:
N = Tamaño de la Población o Universo.
Nota: Asumir a lo sumo; p = q = 50%. Población finita.

EJEMPLO PRACTICO:
En el proyecto de investigación: “Estudio de la demanda de las

carreras profesionales en los estudiantes de Pucallpa”. Solo
aplicaremos estudio por muestreo a los estudiantes del 5to. Año de
educación secundaria de los colegios de calleria, Yarina Cocha y
Manantay a fin de determinar las preferencias de las carreras.
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%.

Hallando el valor de Z:
En nuestro caso se utilizó un limite de confianza del 95%. La cifra
95 se divide entre 2. El resultado es de 47.5 esta cantidad se divide
entre 100, cuyo resultado es 0,4750 los valores de Z de esta ultima
cifra se encuentra en la tabla antes mencionada. Su valor es de
1.96.
Hallando el valor de p q:
Para calcular p q, primero se toma como base el nivel de precisión,
luego, a esta cifra se suma y se resta del 50%. El porcentaje mayor
se atribuye a p y el menor a q. Finalmente, las cantidades
obtenidas se dividen entre entre 100. Los resultados se suman y se
restan al 50%.
+5
50
- 5
p = 55/100 =
0.6 q = 45/100
= 0.4
Hallando el valor de E :
Se toma como referencia el limite de confianza (95%), luego, el

menor porcentaje se resta del mayor: 100 – 95 = 5%.
O también puede ser tomado por el investigador entre 0 a
10%.
Z = 1.96
p = 0.6
q = 0.4
E = 0.05
La muestra inicial es de ……………

estudiantes.
n=
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
CIAP –UNU: Res. Nº 358-209-CU-R-UNU Res. Nº 543-2010-JNE

Registro Nº 193-REE/JNE, Reg. de Renovación No. 0589-JNE - 2013
TITULO DEL ESTUDIO: Encuesta de intención de voto de los candidatos al

Gobierno Regional de Ucayali - 2014
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.
Las unidades de investigación serán personas de 18 años a más de ambos

sexos. El tamaño de muestra será determinada por a formula adecuada (n=?)
Nivel de Confianza : 95%, Tabla de Gauss

(Z=………) Error :
Probabilidad de éxito :
Probabilidad de fracaso:
Fecha de trabajo de campo:

Datos adicionales de población
P.EDAD EN AÑOS CALLERIA MANANTAY YARINACOCHA
POBLACION ELECTORAL (DE 18 A 70 AÑOS)-POR DISTRITO - AMBOS SEXOS 41 1448 659 1100
P.EDAD EN AÑOS CALLERIA MANANTAY YARINACOCHA 42 1836 862 927
18 2997 1519 1713 43 1491 701 938
44 1493 646 858
19 2811 1337 1814 45 1436 651 725
20 2888 1471 1459 46 1366 589 881
21 2512 1193 1543 47 1537 687 778
22 2664 1297 1591 48 1343 558 728
49 1277 505 712
23 2672 1242 1530 50 1360 533 488
24 2655 1239 1497 51 1014 354 669
25 2654 1179 1380 52 1281 498 563
26 2310 1088 1447 53 1196 391 557
54 1111 429 496
27 2554 1154 1343 55 925 391 474
28 2205 1060 1170 56 860 341 475
29 1998 968 1411 57 964 372 415
30 2395 1189 1038 58 803 286 341
59 742 276 402
31 1826 880 1220 60 931 305 238
32 2043 973 1174 61 511 178 275
33 1939 974 1046 62 614 229 292
63 566 212 256
34 1828 939 1068
64 512 196 289
35 1845 919 1024 65 625 224 224
36 1629 858 1201 66 460 192 223
37 1929 954 1187 67 494 23 192
68 417 154 155
38 1779 874 1095
69 355 130 212
39 1749 819 1313 70 450 179 101
40 2005 939 811 FUENTE: INEI
Calleria Manantay Yarinacocha
81,305 35,297 45,059 personas
Total: 161,660 personas mayores de 18 años
n = 1160
El resultado se distribuyo proporcionalmente en función al porcentaje de participación

poblacional de muestra.
Ficha técnica: Encuestadora: CIAP-UNU/No. Registro: 193/JNE- Renov. 0598 JNE-2014/Financiamiento: UNU-Equipo Técnico
CIAP-UNU/Universo: 161,661 Personas de 18 años a mas con DNI. La investigación se desarrolló a nivel distrital Yarinacocha,
Manantay, Calleria, abarcando zona urbana marginal/Método de Muestreo: se utilizó el diseño polietapico, con selección
aleatoria de:Puntos de muestreo, manzanas, calles y viviendas por el método “randon router”, hogares y personas/Tamaño
muestra: 600 entrevistas/cobertura:Margen de error +-4%, Nivel de confianza: 95%/Supervisión: se abarco el 90% del trabajo
realizado por cada uno de los encuestadores utilizando la técnica de entrevistas/Fecha de trabajo de campo: 20/09/2014/Ficha
completa: en el portal dela UNU, www.unu.wdu.pe. Ing. WALTER ROMAN CLAROS
98
99
100
TÉCNICAS DE RECOLECCIÓN Y TRATAMIENTO DE DATOS
FUENTES, TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS

Las principales técnicas y/o instrumentos que se utilizan en la investigación son:
Entrevistas a personas.
Encuestas A personas.
Análisis documental A documentos.
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.
Descripción de los instrumentos

Ficha bibliográfica: Este instrumento se utiliza para recopilar datos en formatos o fichas
ordenadas metodológicamente relacionadas con el proyecto 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:
• Objeto de observación.- que es portador de las características que son objeto de

estudio (variables).
• Observador.- que es el investigador
• Circunstancias en que ocurre la observación.- Influenciado por le medio ambiente
del objeto y del observador.
• Medios de observación.- Formado por los sentidos, instrumentos de medición y
procedimientos.
• Conocimientos observados.
Guía de entrevista: Es un formato especialmente diseñado para recopilar las

entrevistas que se realizan a eruditos y expertos de nuestro tema. También se
considera importante este instrumento para la elaboración de las recomendaciones en
el informe final (tesis).
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.
• Se emplea cuando el investigador está convencido que la mejor fuente de información la

va a proporcionar los testimonios de personas que están involucrados con el objeto de
estudio.
• La entrevista se utiliza con mayor frecuencia en investigaciones de carácter cualitativo.
Cuestionario o ficha de encuesta:
Este instrumento de recopilación se aplica para obtener información en relación a

nuestras variables a través de sus indicadores. Es considerado muy importante debido
a que los resultados obtenidos consisten en la validez y confiabilidad de nuestra
investigación a través de la contratación de las hipótesis en el trabajo de campo.
Procedimientos de comprobación de validez y confiabilidad de los instrumentos de

recopilación de información.
• Los instrumentos elaborados (encuestas) deben ser consultados a profesionales,
especializados en el tema de la investigación quienes revisan y emiten un juicio
acerca de las preguntas elaboradas, con la finalidad de comprobar la calidad de la
información en relación a los objetivos planteados en la investigación.
• Hoy en día la encuesta es el instrumento más utilizado por los ciencias sociales:
sociología, antropología y aún en política; sin embargo muchos científicos de las
ciencias básicas la utilizan con mucha frecuencia sobre todo cuando quieren
examinar los efectos sociales de los nuevos descubrimientos científicos e
investigaciones técnicas.
• Se utilizan de preferencia cuando el volumen de objetos de estudio o unidades de
análisis (obreros, empresarios, campesinos, estudiantes, profesores, etc) es
bastante grande.
• Se aplica a la totalidad de la muestra.
• Se la utiliza por lo general en proyectos de tipo cuantitativo.
Cuestionario o ficha de encuesta:
Características de las preguntas dentro de una encuesta:
• Las preguntas tienen que ser claras y comprensibles para los

encuestados.
• Debe evitarse términos confusos y ambiguos. Por ejemplo, la
pregunta: ¿ve usted televisión? es ambiguo y genérica, lo correcto
podría ser ¿Cuántos horas diarias ve televisión? y después
preguntar por horarios, canales y contenidos de programas.
• Las preguntas no deben incomodar al encuestado: Por ejemplo, la
pregunta: ¿usted es alcohólico?, podría provocar rechazo.
• Las preguntas deben referirse preferentemente a un solo aspecto o
una relación lógica: Por ejemplo la pregunta ¿acostumbra usted ver
televisión y escuchar radio?, expresa dos aspectos y podría llegar a
confundir; sería mucho mejor dividirla en dos preguntas.
• Las preguntas no deben inducir a las respuestas. Por ejemplo la
pregunta ¿Considera al señor Juan Perez el mejor candidato para la
Alcaldía de Coronel Portillo?.
Respecto a los Materiales y equipos, detallar todos los materiales y equipos que se
emplearán durante la ejecución del proyecto de investigación, este item es muy
utilizado sobre todo en los proyectos de tipo experimental.
Además recomiendo que se debe describir las técnicas que se utilizarán para
recopilar toda la información de campo, se deben presentar todos los formatos
utilizados en esta tarea.
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
Las principales técnicas son las siguientes: La observación, la entrevista, la encuesta

y las pruebas estandarizadas como Licker, escala de Guttman, etc..
CUESTIONARIO
Fecha: / / / Nº de Cuestionario: ………
INSTRUCCIONES:
La presente encuesta tiene por objetivo conocer la percepció n de los conductores de vehículos sobre el estado actual de
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.
3. ¿Qué conocimiento tiene usted sobre pavimento?

a. Son estructura de asfalto emulsificado.
b. Son carpetas de concreto asfaltico.
c. Son vías de trá nsito vehicular.
d. Solo a y b.
e. N.A.
4. ¿Có mo se encuentra el pavimento en la actualidad?

a. Buenas condiciones b. Malas condiciones. c. Regular condiciones
5. ¿Afecta el mal estado de los pavimentos del distrito de calleria a su bienestar familiar?
a. Si b. No c. No opino
6. ¿De qué manera afecta el mal estado de los pavimentos del distrito de calleria a su bienestar familiar?
a. Incomoda.
b. Pérdida de tiempo.
c. Accidentes.
d. Otros.
1. ¿Cree usted que el mal estado de los pavimentos afecta a:
a. Trá nsito vehicular
b. Afecta al vehículo
c. a y b
d. Ninguno de las anteriores
2. ¿De acuerdo a las alternativas, en qué grado afecta a su vehículo el estado de los pavimentos en el distrito de
calleria?
a. Poco
b. Moderado
c. Bastante
3. ¿Cree usted que los pavimentos del distrito de calleria está n en condiciones de soportar el transito?
a. Si b. No c. No sabe
4. Cree usted que el trá nsito pesado por vías no autorizadas afecta a los pavimentos en el distrito de calleria?
a. Por supuesto que si b. No, de ninguna manera. c. No sabe
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
MUCHAS GRACIAS POR SU PARTICIPACION

Escala Para Medir Actitudes
a). La escala de Likert
Rensis Likert, es un tipo de instrumento de medición o de recolección de
datos que disponemos en la
investigación. Es una escala para medir
las actitudes.
Ejm:
Alternativa A:
(5) Muy de acuerdo
(4) De acuerdo
(3) Ni de acuerdo, ni en desacuerdo (afirmación)
(2) En desacuerdo (1) Definitivamente no
(1) Muy en desacuerdo
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
“EL SISTEMA NACIONAL DE PROGRAMACIÓN MULTIANUAL Y GESTIÓN
DE INVERSIONES COMO HERRAMIENTA DE GESTIÓN PARA LA
EJECUCIÓN DE OBRAS EN LA UNIDAD TERRITORIAL DE PADRE ABAD,
AÑO 2019.”
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)
“Manifieste su opinió n respecto al trá mite para las liquidaciones de obra en la

Municipalidad distrital de Campo Verde de Pucallpa”.

¿Cómo realizar
citas y referencias
en la tesis?

Referencias Bibliográficas
Es un listado de las fuentes de informació n que se ha utilizado
en la investigació n.
 Permite proporcionar al lector informació n necesaria que lo
remita a las fuentes originales para verificació n o para ampliar
los temas.
 Pueden ser libros, artículos de revistas, Tesis, ponencias en
Congresos, pá ginas Web, etc. Se recomienda no considerar
libros de cultura general como enciclopedias, atlas y
diccionarios y pá ginas web de bú squeda general como google,
yahoo, altavista, etc. En todo caso indicarlo en la fuente
electró nica (bibliografía electró nica y no en la física).
 Existen formatos internacionales estandarizados para redactar
las fuentes bibliográ ficas. Los siguientes son algunos de los
formatos má s recomendados.
 Se puede utilizar el sistema APA o Vancouver.
APA
6° edición
American Psychological
Association 2010.
6° Edición
ESTILO APA
Es el estilo de citas bibliográficas oficial de la America Psychological
Association y establece el formato para todo tipo de citas y documentos
en Psicología y Ciencias Sociales. Creado en 1929 contempla la estructura
de los documentos, longitud, puntuación, abreviaturas, cuadros, partes del
manuscrito y citas bibliográficas.
El estilo APA establece que el autor de un trabajo de investigació n debe
documentar su estudio, identificando el autor y la fecha de publicació n de
los libros, revistas, tesis etc., utilizados. Este mé todo de citar en el texto
mismo por autor-fecha, apellido y fecha de publicació n (1), permite al lector
localizar la fuente de informació n en orden alfabé tico, en la lista de
referencias al final del trabajo.
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 artículos de libros:

<Apellido paterno, inicial del primer nombre.> <Añ o de publicació n.> <Título del artículo>
<Título libro.> <Nro. de edició n.> <Nro. de volumen.> <pá g.inicial – pá g.final> <Editorial.>
<Lugar de publicació n.>
Para artículos dentro de Revistas

<Apellido paterno, inicial del primer nombre.> <Añ o de publicació n.> <Título del artículo>
<Nombre de la revista.> <Nro. de volumen.> <pá g.inicial – pá g.final> <Lugar de
publicació n.>
Para artículos en Internet:

<Apellido paterno, inicial del primer nombre.> <Fecha de publicació n.> <Título del
artículo.> <Nombre de la revista o institució n que publica > <Nro. de volumen.> <Fecha de
acceso.> <Disponible en:> <http://www. ……>
Para artículos de Congresos, jornadas, etc.

<Apellido paterno, inicial del primer nombre.> <Añ o de publicació n.> <Título del artículo.>
<Nombre del Evento científico> <pá g.inicial – pá g.final> <Lugar del Congreso.>
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)
Los textos consultados se exponen de acuerdo a la

• siguiente
Por estricto orden alfabético según el apellido paterno del
norma:
autor(es) o nombre de las Instituciones con su respectiva
sangría francesa. La regla general es:
• Apellido paterno, Inicial del nombre(s). (fecha-año). Título de la
obra. (N° de edición). Lugar: editorial.
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
Cuando un trabajo tenga dos autores:

siempre cita ambos apellidos cada vez que
se presente la referencia en el texto.
EJEMPLO
Walter y Estuardo, (2017, pp.14-15)

Citas en el texto.
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)
b) En citas subsecuentes, incluya únicamente el apellido

del primer autor, seguido de edit. y el año.
Hernández, et al. (2002, p.31)
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?
a) Cuando se cita por primera vez, se escribe el nombre

completo de la institución, no importando lo
conocido que sea la abreviatura del nombre:
EJEMPLO
Instituto Nacional de Estadística,

Geografía e Informática [ INEGI ], (2017,
p.15).
Citas y referencias
• Estilo Vancouver
– Numeración correlativa según aparecen en el texto
– Número entre paréntesis
– Título de la revista abreviado http://www.nlm.nih.gov
– Esquema: Apellidos Nombre. Título del artículo.
Título de la revista abreviado año mes ; volumen
(número): página inicial - final
– Ejemplos:
Artículo de revista con más de 6 autores:
» Vega Kj, Pina I., Kresky B., Heart I, Lisa H.,Mage H, et
al. Tratamiento de la rinitis pigmentosa. Ann Intern
Med 1996 Jun 1 ; 124(11):980-3
Ejemplo: Artículo
• Apellidos Nombre
• Título del artículo Vega KJ, Pina I.
• Título de la Tratamiento de la
rev. Abreviado miopía. Med J Aust
• Año ; volúmen 1996 ; 116 (1):101-12
(número): página
inicial y final
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).
Def 2: • La matriz de consistencia, como su nombre lo indica permite

consolidar los elementos claves de todo el proceso de investigación, además
posibilita evaluar el grado de coherencia y conexión lógica entre el título, el
problema, la hipótesis, los objetivos, las variables, el diseño de investigación
seleccionado, los instrumentos de investigación, así como la población y la
muestra, e indicadores del estudio.
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
FORMULACIÓN DEL PROBLEMA OBJETIVO GENERAL Variable  Cue TIPO DE INVESTIGACION

GENERAL Diseñar un sistema para el Independiente  Funcional stionario Pe . El enfoque de la investigación es Aplicada
HIPÓTESIS GENERAL
¿En qué medida la creación de un análisis de elementos  Transportable. test y post tecnológico, de tipo hibrido o mixto
“El diseño de una aplicación con el
sistema será útil en el análisis de estructurales existentes en Diseño e  Eficiencia test. (Cuantitativo y Cualitativo).
lenguaje LUA, permite el análisis de implementación
elementos estructurales existentes una edificación.  Efectividad Guía de
elementos estructurales en una de un sistema Nivel de Investigacion
en una edificación en el campo?  Normas E -060, observación,
OBJETIVOS ESPECÍFICOS edificación” aplicando • Descriptiva. Comprende el proceso de
E-070, E-030 ficha de
identificación, descripción, caracterización de
FORMULACIÓN DE PROBLEMAS Hipótesis Específicos  Irregularidad registro de
 Implementar una el los análisis de losas y escaleras.
ESPECÍFICOS constructiva expedientes,
aplicación utilizando el lenguaje • Analítico. Los diferentes tópicos y fuentes
• ¿La implementación de una  “La implementación de una  Fiabilidad ficha de serán analizados ampliamente mediante sus
lenguaje
aplicación será posible utilizando de aplicación se logrará utilizando el de estructural seguimiento, correspondientes variables, los mismos que
el lenguaje de programación LUA programación LUA de la lenguaje de programación LUA de programación  Capacidad formato de nos permitirán llegar a conclusiones valiosas.
de la calculadora TI-Nspire CX calculadora TI-Nspire LUA. Portante control. Para el desarrollo del software del proyecto
la calculadora TI-Nspire CX CAS.”
CAS? CX CAS.  Dimensiones se utilizara el lenguaje de programación LUA
 Verificar si es posible  “Con la portabilidad de la  Características de la calculadora TI-Nspire CX CAS.
• ¿El uso de un software obtener el diseño y la Variable  Especificacione •f´c
especializado podrá poder calculadora es posible obtener el
distribución de acero de Dependiente s Técnicas Población
detectar problemas en el diseño diseño de la losa aligerada (1 La población será referencial y estará
la losa aligerada  Productividad •fy
de losas aligeradas y escaleras directamente en el lugar sentido) y escalera directamente en Análisis constituido por los expedientes y obras
estando en campo? de ejecución del el lugar de ejecución del proyecto”. •f´b públicas de la Provincia de Coronel Portillo,
proyecto. de elementos identificadas en total 40 registradas en el
• ¿El tiempo empleado en los  Verificar las  “El tiempo empleado en realizar los estructurales en Gobierno regional..
cálculos de losas aligeradas (1 edificaciones. •fm
dimensiones y tiempo cálculos en los programas de la
dirección) y escaleras serán en la distribución de Muestra
calculadora TI-Nspire CX CAS serán •σ1
optimizados con el uso de acero de la losa Por la característica del proyecto, el muestreo
aplicaciones especializadas en las menores que realizarlos con es no probabilístico, o intencional a juicio de
aligerada (1 dirección) y
mismas? escaleras directamente software de computadora.” •Df valor o conveniencia, es decir se tomará
en el lugar de ejecución como muestra o unidad de
• ¿Qué similitud existen con los del proyecto.  “Los resultados obtenidos con los •Resistencia: experimentación 03 obras en ejecución.
resultados obtenidos con el  Comparar diseños programas creados son parecidos a Diseño estadístico de prueba:
software comercial que funcionan obtenidos con los los que se logran usando los Buena,
en computadoras y con el recurso programas creados con Regular, Mala O: M1 ---------- ----M2
software comerciales que
tiempo? otro software comercial
funcionan en computadoras”.
que funcionan en
computadoras.
TRABAJO N° 03
Actividad N° 03:
Debe entregar su Proyecto final hasta
marco teórico y parte de metodología
Traer laptop para instalar software

SPSS

CLASE 3 y 4INFORME DE TESIS-APLIC ESTAD.-MUESTREO

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CLASE 3 y 4INFORME DE TESIS-APLIC ESTAD.-MUESTREO

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE UCAYALI

FACULTAD DE INGENIERIA DE SISTEMAS

Por: WALTER ROMAN CLAROS

30, 9 y = 0.9097x - 19.698

Por: WALTER ROMAN CLAROS

Clase social, Sistemas Nº de hijos,

Por: WALTER ROMAN CLAROS

Por: WALTER ROMAN CLAROS

Fuente: Pagina Transp.

Por: WALTER ROMAN CLAROS

Por: WALTER ROMAN CLAROS

Fuente: Datos brindados en clases

Variable: peso tipo cuantitativa

Por: WALTER ROMAN CLAROS

1.20 1.20 1.20 1.30 1.30 1.30

1º PASO: CALCULAR EL RANGO DE LOS DATOS.

Por: WALTER ROMAN CLAROS

AMPLITUD= RANGO/Nº DE INTERVALOS

Por: WALTER ROMAN CLAROS

1.50 1.50 1.50 1.50 1.50 1.60 1.60

1.60 1.60 1.60 1.60 1.60 1.70 1.70

1.70 1.70 1.80 1.80 1.80 1.80 1.90

Por: WALTER ROMAN CLAROS

1 (1.10-1.25] 1.18 3 0.10 3 0.10 10 10

2 (1.25-1.40] 1.33 4 0.13 7 0.23 13 23

3 (1.40-1.55] 1.48 5 0.17 12 0.40 17 40

4 (1.55-1.70] 1.63 11 0.37 23 0.77 37 77

5 (1.70-1.85] 1.78 4 0.13 27 0.90 13 90

6 (1.85-2.00] 1.93 3 0.10 30 1.00 10 100

Cantidad de bolsas de aguaje según peso

Fuente: Datos brindados en clase

Por: WALTER ROMAN CLAROS

El cobre del Perú

150,638 + 152,725 + 150,729 + 151,636 + 152,044 = 757,772

Luego este total lo dividimos por 5, y obtenemos

14(4) + 19 (8) + 24 (15) + 29 (23) + 34 (10) 1575

La media aritmética ponderada ( x p )

wX i i wi = factor de ponderación

Si se elige al azar un representante se espera que cobre una

Datos sin agrupar

Por: WALTER ROMAN CLAROS

1) Determinar la clase que contiene la Moda

PARA DATOS SIN AGRUPAR:

Si el número de observaciones es IMPAR 1, 2, 4, 5, 6, 6, 8

Si el número de observaciones es PAR 1, 2, 4, 4, 5, 6, 6, 8

⚫ DESVIACIÓN TÍPICA O ESTANDARD

de los desvios (SC)

La división por n-1 asegura que la varianza muestral sea una

Sus unidades son el cuadrado de las de la variable

 Es el cociente entre la desviación típica y la media.

 Es adimensional. Interesante para comparar la variabilidad de

 No debe usarse cuando la variable presenta valores negativos o donde

Francis Galton durante la década

Karl Pearson 1857 - 1936

REGRESION LINEAL SIMPLE

AJUSTE DE UNA LINEA DE Karl Pearspn

Metodo de los Minimos Cuadrados

VIVIENDAS SIN H20 (%) ENFERM. GASTROINT. (%)

VIVIENDAS SIN ENFERM. DIAGRAMA DE DISPERSION Y LINEA AJ

VIVIENDAS SIN ENFERM.

∑X ∑Y ∑X² ∑Y² ∑XY

FACULTAD DE INGENIERIA DE SISTEMAS E INGENIERIA CIVIL

Por: WALTER ROMAN CLAROS

Ing. WALTER ROMAN CLAROS 73