Documentos de Académico
Documentos de Profesional
Documentos de Cultura
seleccionar una muestra que sea representativa y que permita generalizar los resultados
otros.
Una vez obtenidos los datos, es necesario analizarlos para sacar conclusiones. Aquí es
donde entran en juego diferentes pruebas y técnicas estadísticas, como el chi cuadrado,
El chi cuadrado es una prueba estadística utilizada para determinar si existe una
diferencias observadas entre las frecuencias observadas y las esperadas se deben al azar
aplica cuando los datos siguen una distribución normal y se desconoce la desviación
estándar de la población.
ítems o preguntas en una escala de medición. Cuanto más cercano a 1 sea el coeficiente
consistencia interna
una diferencia significativa entre las frecuencias esperadas y las frecuencias observadas
en una o más categorías. Se usa comúnmente para analizar datos categóricos y para
psicología.
entre las frecuencias observadas y esperadas, dividida por las frecuencias esperadas. El
valor resultante se compara con un valor crítico de una distribución de chi-cuadrado con
Figura 1
a cada celda de la tabla de contingencia. Se puede definir como aquella frecuencia que
la independencia de las variables, o lo que es lo mismo, que las diferencias entre las
Al contrario, cuando el valor de chi-cuadrado sea muy grande, pensaremos que las
nula y aceptaremos la
alternativa.
prueba de chi-cuadrado.
Ejemplo de Aplicación
En una fábrica se producen piezas para repuestos en tres turnos distintos: mañana,
tarde y noche. Las piezas pueden resultar de calidad excelente, buena o mediocre.
EXCELENTES 65 68 62 195
BUENOS/ 35 32 38 105
MEDIOCRES
Conclusión
Dado que X 2prueba = 0,791 < X 2tabla = 5,991 se acepta la hipótesis a hipótesis nula, es decir,
existe evidencia para afirmar que la calidad de la pieza fabricada es independiente del
turno
Dado que p >0, 05 se acepta la hipótesis nula, es decir, existe evidencia para afirmar que
T de student
La prueba de T de Student, también conocida como la prueba t de Student o
simplemente t-test, es una técnica estadística utilizada para determinar si hay una
diferencia significativa entre las medias de dos grupos independientes de datos. (ROSS,
2018)Fue desarrollada por el estadístico británico William Sealy Gosset, quien publicó
caracteriza por tener colas más gruesas que la distribución normal estándar.
Plantear las hipótesis nula (H0) y alternativa (H1): La hipótesis nula establece
que no hay diferencia significativa entre las medias de los dos grupos, mientras
utilizado es 0.05.
a partir de los datos. Se utiliza una fórmula que tiene en cuenta las medias, las
una diferencia significativa entre las medias de los dos grupos. De lo contrario,
Ejemplo
Supongamos que un investigador quiere determinar si hay una diferencia significativa
en la altura promedio entre hombres y mujeres en una población. Para ello, recopila una
El investigador plantea las hipótesis nula (H0) y alternativa (H1) de la siguiente manera:
(μhombres = μmujeres).
H1: Existe una diferencia significativa en la altura promedio entre hombres y mujeres
(μhombres ≠ μmujeres).
las muestras y realiza los cálculos necesarios. Supongamos que obtiene una estadística
de prueba de t = 2.35.
investigador rechaza la hipótesis nula. Esto significa que hay una diferencia
En la presentación de los resultados, el investigador puede concluir que, según los datos
analizados, hay evidencia estadística para afirmar que existe una diferencia significativa
la moda.
Es importante mencionar que este ejemplo es hipotético y los resultados pueden variar
Student.
ALFA DE CRONBACH
Validación del instrumento de recolección de datos
DEFINICIÓN:
Se trata de un índice de consistencia interna que toma valores entre 0 y 1 y que sirve
para comprobar si el instrumento que se está evaluando recopila información defectuosa
y por tanto nos llevaría a conclusiones equivocadas o si se trata de un instrumento fiable
que hace mediciones estables y consistentes.
Alfa es por tanto un coeficiente de correlación al cuadrado que, a grandes rasgos, mide
la homogeneidad de las preguntas promediando todas las correlaciones entre todos los
ítems para ver que, efectivamente, se parecen.
K: El número de ítems: 3
Si^2: Sumatoria de Varianzas de los Ítems: 4.19
ST^2: Varianza de la suma de los Ítems: 9.14
a : Coeficiente de Alfa de Cron Bach
3 4.19
α= [1− ]
3−1 9.14
α =0.81
ALFA DE FISHER:
Para calcular el Alfa de Fisher, primero calculamos la varianza entre los grupos.
Sumamos las diferencias al cuadrado entre las medias de los grupos y las multiplicamos
por el número de observaciones en cada grupo menos 1. Luego dividimos esta suma por
el número total de grupos menos 1.
Luego, calculamos la varianza dentro de los grupos sumando las varianzas de cada
grupo ponderadas por el número de observaciones en cada grupo, y dividimos esta suma
por el número total de observaciones menos el número de grupos.
Bibliografía
Pita Fernández, S., Pértega Díaz, S. Asociación de variables cualitativas: test de Chi-
cuadrado. Fisterra.www.fisterra.com
https://psicologiaymente.com/miscelanea/prueba-chi-cuadrado
https://www.questionpro.com/blog/es/prueba-de-chi-cuadrado-de-pearson/
sites.googlegroups.com/site/controlesudec/estadistica/Syllabus%20Asignatura
%20-%20523210.pdf?
attachauth=ANoY7co0H5MIFvapQPT5Vd4K_GEM9wur1B0OeFe2RFWA5U7
KlqJOC2NnI2mLR0PybmJKlOAGsJXxbANoEMbz67zv4JxzuZOY6JWN2sM
K-qo2LfrrWJAqaUO1P
Vega, J. B. (3 de mayo de 2018). Search Mediun. Obtenido de Alfa de Cronbach —
psicometr%C3%ADa-con-r-55d3154806cf
Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics (4th ed.). Sage.
Howell, D. C. (2018). Statistical Methods for Psychology (8th ed.). Cengage Learning