Instituto de Educación Superior Huando

ESTADISTICA APLICADA A LA INVESTIGACION

Conceptos básicos de Estadística
Tema 2: Muestra: tamaño de muestra
Instrumentos de medición: confiabilidad y validez
Enfoque o tipo de Investigación : Cualitativa y Cuantitativa (enfoque)

Diseños de investigación:
Experimental : Experimental puro, Pre-experimental, Cuasi-
experimental
No experimental:
-Transversales : -Descriptivos: D. simple,
Comparativo
-Correlacionales:
-simples
- causales
- Longitudinales
 Paradigmas en La Investigación
(Cook y Reichardt cit. por De Barrera, J., 2.000)
Clasificación de investigación
DISEÑOS DE INVESTIGACIÓN
No experimentales

1. Se realiza sin manipular deliberadamente las variables independientes

2. Se observan y analizan los fenómenos tal como se dan en su contexto
natural
3. A los participantes no se asignan aleatoriamente o tratamientos
4. Se observan las situaciones ya existentes, no provocadas intencionalmente
TRANSVERSALES

Características de los consumidores de productos orgánicos en el distrito de Huaral

en 2022.
Competencia en investigación de los docentes del IES Huando en 2022.
Descarte de envases de plaguicidas en provincia de Huaral 2023
 TRANSVERSALES

Características de los consumidores de productos orgánicos en los distritos

de la provincia de Huaral en 2022.
Competencias en investigación de los docentes de Institutos estatales
de Lima provincias en 2022
 TRANSVERSALES

Correlacional mide una relación entre dos

variables sin que el investigador controle
ninguna de ellas.

Desea saber si las personas que tienen ingresos más altos tienen más probabilidades de
una nutrición adecuada. (puede ser positiva o negativa)
Si existe una correlación entre la inteligencia y la altura. (en este caso es de Correlación
Cero)
 TRANSVERSALES

Violencia hacia la mujer y su influencia en el feminicidio en el distrito de Huaral. 2023

El rendimiento académico de los estudiantes del IES Huando durante la pandemia

COVID-19
CONCEPTOS BÁSICOS

POBLACIÓN

Subgrupo de la población seleccionado de acuerdo a un Plan

MUESTRA de Muestreo.La muestra debe ser ADECUADA y
REPRESENTATIVA

PARÁMETRO : Es un número que se obtiene a partir de los datos de

población

Es un número que se obtiene a partir de los datos de

ESTIMADOR la muestra
 CONCEPTOS BÁSICOS

VARIABLE
Es una cualidad o característica sobre la
cual pueden variar los objetos de estudio o
unidades de análisis
Ejemplos:
Sexo: Hombre y mujer
Estado civil: casado, soltero
Edad:
 Ejemplos de variables

ESTATURA

VARIABLE: Estado civil VARIABLE: Estatura

Ejm: Estado civil de los jóvenes Ejm: Estatura de los estudiantes

que estudian Agropecuaria en el de IA, ANI, AG en el IES Huando.
IES Huando.

VARIABLE: es una propiedad que puede variar, es decir, puede adoptar

diferente grado, valor o estado
 1 variable

2 variables

Edad : 20 años
Sexo : Masculino y femenino
Peso: 75.5 kg
Una variable Nivel de estudios: quinto ciclo
influye en otra
 POR SU NATURALEZA

Resultado de la observación
de cualidades o atributos.
Sexo (Números enteros)
Estado civil
Grado de Instrucción (Números decimales)
POR SU ESCALA DE MEDICIÓN
(Solamente puede ser cualitativa)
Diseño de investigación experimental

Pre – experimental
Ejemplo: Los materiales impresos y su influencia en el aprendizaje de la lectura y
escritura en las alumnas del primer grado de la I.E “Carlos Manuel Cox Rosse” del
distrito de La Esperanza – Trujillo 2013
Diseño pre-test post –test con su solo grupo, cuyo esquema es el siguiente:

G: O1 X O2

Donde:

O1: pre-test (Cuestionario de lectura y escritura)

X. Aplicación de los materiales
O2: post – test (Cuestionario de lectura y escritura )
Diseño de investigación experimental

Cuasi experimental
Ejemplo: Influencia de la aplicación del programa “Educación es Amor” en la
disminución de la agresividad de los niños de 5 años de la institución Educativa
Nº 211 “Santísima Niña María”, California, Trujillo, Perú-2014.

GE O1 x O2
GC O3 - O4
Donde:
GE : Grupo experimental: Sección “A”
GC : Grupo de control : Sección “B”
X : Programa “Educación es Amor”
O1 : Pre test del grupo experimental
O2 : Pos test del grupo experimental
O3 : Pre test del grupo control.
O4 : Pos test del grupo control
MUESTREO
CALCULO DEL TAMAÑO DE LA MUESTRA
CALCULO DEL TAMAÑO DE LA MUESTRA
 CÁLCULO DEL TAMAÑO DE LA MUESTRA

NOTA:

Si no se conoce p, se puede adoptar las siguientes decisiones:

1. Tomar una muestra piloto y calcular el valor de p.
2. Considerar el valor de p = 0.50, lo cual dará el número de elementos de
la muestra el mayor posible

3. Si la muestra es grande en población finita:

no
n f =
no
1+
N
Calculando tamaño de muestra
1.¿Cual es el nivel de estrés de los estudiantes del IES Huando?
Unidad de análisis: 1 persona trabajador del IES
Población: 500
Variable : Cualitativa: Stres
2. ¿Cual es la edad promedio de los pobladores de la localidad de Huando?
Población : 1500
Variable : cuantitativa: edad

3. Cual es la opinión de los ciudadanos sobre la corrupción en nuestro de los transitan

por la plaza de armas de Huaral.
Población: no se conoce.

TRABAJAR CON AL FORMULA DEL EXCEL

EJEMPLO
CALCULAR
EN EXCEL
 Tema : Técnicas e Instrumentos de Recolección de
Datos. Validez y confiabilidad
 TECNICA
Comprenden los procedimientos y
actividades que le permiten al
investigador obtener la información
necesaria para dar respuesta a su
pregunta de investigación.
Se pueden mencionar como técnicas
de recolección de información la
observación(experienciar), la
encuesta(preguntar), la entrevista
(dialogo), revisión documental (leer),
sesiones en profundidad (hacer o
participar).
Barrera, 2000
INSTRUMENTO DE MEDICIÓN
Según Hernandez (2010) un instrumento adecuado es
aquel que registra datos observables que representan
verdaderamente los conceptos o variables que el
investigador tiene en mente. Es decir, capturó
verdaderamente la realidad que deseó capturar.
Bostwick y Kute (2005) señalan que: la función de la
medición es establecer una correspondencia entre el
mundo real y el mundo conceptual.
El primero provee evidencia empírica, el segundo
proporciona modelos teóricos para encontrar sentido a
ese segmento del mundo real que estamos tratando de
describir
TECNICAS E INSTRUMENTOS DE RECOLECCION DE DATOS

CUANTITATIVAS CUALITATIVAS
TECNICA INSTRUMENTO
ENCUESTA
CUESTIONARIO

CUESTIONARIO O GUIA DE
ENTREVISTA
ENTREVISTA

FICHA DE REGISTRO DE DATOS

ANALISIS DOCUMENTAL

OBSERVACION DE CAMPO HOJA O FICHA DE

-EXPERIMENTAL REGISTRO DE DATOS

- NO EXPERIMENTAL GUIA DE OBSERVACION

TECNICAS E INSTRUMENTOS DE RECOLECCION DE DATOS

Rojas soriano (1996) señala sobre

técnicas e instrumentos , que el
volumen y el tipo de información que
se recaben en el trabajo de campo
deben estar plenamente justificados
por los objetivos e hipótesis de la
investigación, o por el contrario se
corre el riesgo de recopilar datos de
poca o ninguna utilidad para
efectuar un análisis adecuado del
problema
EJEMPLO DE ERRORES QUE SE COMETEN AL
CONSTRUIR PREGUTNAS

DOBLE PREGUNTA

INCONGRUENCIA

NEGACIÓN
 ESCALA DE LIKERT
(Creador:Rensis Likert)

Las proposiciones deben:

1. Tener una sola interpretación posible.

2. Ser gramaticalmente simples.
3. Ser breves.
4. Referirse a una sola cosa.
5. No contener dobles negaciones.

Los ítems deben ser presentados en forma de afirmaciones, frente a las cuales el
sujeto que responde debe manifestar su acuerdo o desacuerdo.
 EJEMPLO

TOTALMENTE EN TOTALMENTE DE
ITEMS DESACUERDO EN DESACUERDO INDIFERENTE DE ACUERDO ACUERDO

Siento que soy una

1 2 3 4 5
persona digna

Pienso que soy un

5 4 3 2 1
inútil.
TÉCNICAS DE CONFIABILIDAD: CALCULO DEL
ALPHA DE CROMBACH EN Excel y SPSS FOR
WINDOWS
 REQUISITOS

Requisitos de
la Medición

Validez Confiabilidad

Validez de Validez de Validez de

Contenido Criterio Constructo
RELACION ENTRE CONFIABILIDAD Y VALIDEZ
 CONFIABILIDAD DEL INSTRUMENTO DE
RECOLECCIÓN DE DATOS:

ALPHA DE CRONBACH
Es un coeficiente que sirve para medir la fiabilidad de una escala de medida, y cuya
denominación Alfa fue realizada por Cronbach en 1951. Considerada también una medida
de coherencia o consistencia interna, su cálculo sólo incluye una aplicación.

CONDICIONES DE APLICACIÓN
1.Estar formado por un conjunto de ítems que se combinan aditivamente para hallar una
puntuación global (esto es, la puntuaciones se suman y dan un total que es el que se
interpreta).
2.Todos los ítems miden la característica deseada en la misma dirección. Es decir, los ítems de
cada una de las escalas tienen el mismo sentido de respuesta (a mayor puntuación, más
ansiedad, por ejemplo)
CONFIABILIDAD DEL INSTRUMENTO DE
RECOLECCIÓN DE DATOS:

EJEMPLOS DE CONFIABILIDAD
EJEMPLO 1:
REALIZAR LA
CONFIABILIDAD PAR
EL SIGUIENTE
CUESTIONARIO:
(ESCALA DE LIKERT)
Alpha de Cronbach en resultados de prueba piloto (10% de la población objeto de estudio)

Para el puntaje de los ítems, se utiliza la escala de Likert, de la siguiente forma:

Totalmente De Acuerdo: 5 puntos

De Acuerdo: 4 puntos
Neutral: 3 puntos
En Desacuerdo: 2 puntos
Totalmente en Desacuerdo: 1 punto
EN SPSS
EN SPSS
 EJEMPLO 2: REALIZAR LA CONFIABILIDAD PARA EL SIGUIENTE CUESTIONARIO ( DICOTÓMICA)
TESINA: GESTIÓN DE RESIDUOS SÓLIDOS Y SU INFLUENCIA EN LA CONCIENCIA AMBIENTAL DE LA INSTITUCIÓN EDUCATIVA SANTA MARÍA
DE LA ESPERANZA,2015 AUTOR: CULQUITANTE VIGO, JEISSEN RONALD

CUESTIONARIO DE ACTITUD HACIA LOS RESIDUOS SÓLIDOS

RESPUESTAS
ITEM PREGUNTAS SI NO
¿Consideras que los tipos de residuos solidos que se generan en tu Institución
1 Educativa pueden ser reaprovechados?

¿Considera Usted que al reducir, reusar, reciclar sus propios residuos sólidos, está
2 mejorando su ambiente?

¿Te molesta que en tu Institución Educativa se genere bastantes residuos sólidos?

3

4 ¿Corriges a las personas que arrojan sus residuos sólidos al suelo?

¿Crees que es importante caracterizar y reaprovechar los residuos sólidos que se

5 generen en tu Institución Educativa ?

6 ¿Colabora Usted con el reciclaje de los residuos sólidos?

7 ¿Consideras que es importante separar los residuos sólidos?

¿Estas dispuesto a colaborar con el estudio de caracterización y reciclaje que se

8 realizará dentro de tu Institución Educativa?
RESUMEN

Para politómicas, Likert = Alfa de Cronbach

Para dicotómicas = Kuder Richardson
Gracias
TECNICAS DE VALIDEZ DEL INSTRUMENTO DE RECOLECCIÓN DE DATOS
 VALIDEZ DEL INSTRUMENTO DE RECOLECCIÓN DE DATOS:

Según Hernández(2010) la validez se refiere, al grado en que un instrumento

realmente mide las variables que pretende medir.
Una pregunta es válida si estimula información exacta y relevante.
La selección y la redacción influyen en la validez de la pregunta.
Algunas preguntas que son válidas para un grupo de personas, pueden no serlo para
otro grupo.
Entre menos tenga que reflexionar el sujeto, más válida será la respuesta. La validez
implica congruencia en la manera de plantear las preguntas.
La validez puede ser :
De contenido
De criterio
De constructo
 VALIDEZ DE CONTENIDO

Se basa en el método a juicio de expertos, que consiste en un examen

sistemático de cada de uno de los ítems - preguntas del mismo, para
determinar si miden las variables que se espera medir, la pertinencia
del contenido, la claridad de los enunciados de cada uno de ellos, y el
nivel de concordancia entre los evaluadores.
 Coeficiente V de Aiken (Aiken, 1980; 1985)
Es un coeficiente que se computa como la razón de un dato obtenido sobre la suma máxima de la
diferencia de los valores posibles. Puede ser calculado sobre las valoraciones de un conjunto de jueces
con relación a un ítem o como las valoraciones de un juez respecto a grupo de ítem. Asimismo las
valoraciones asignadas pueden ser dicotómicas (recibir valores de O y 1) o politómicas (recibir valores
de 0 a 5), haciendo para ello uso de la siguiente fórmula:

siendo:
S = la sumatoria de si
si= Valor asignado por el juez i
n = Número de jueces
c = Número de valores de la escala de
valoración
 EJEMPLO: Artículo “Validación y confiabilidad del Cuestionario AQ-27 de actitudes estigmatizadoras hacia
pacientes con esquizofrenia en un Hospital General – 2020”. Bolívar-Paredes, E., & Villanueva-Ruska, A.
(2017).

Este coeficiente puede obtener valores entre O y 1, a medida que sea más
elevado el valor computado, el ítem tendrá una mayor validez de contenido. Se considera que la V de
cada ítem debe ser de 0.80 a mas y la V general mayor a 0.90
 V de Aiken ( USADA PARA CALIFICACIONES POLITÓMICAS)

Coeficiente que busca cuantificar el acuerdo entre jueces considerando como un

indicador importante el promedio de calificaciones (X), pero toma en cuenta además la
calificación mínima posible (l) y el rango de calificaciones posibles
(k= máx - min). Ecuación, algebraicamente
modificada por Penfield y Gia-cobbi
(2004)

El valor de la V puede oscilar entre cero y la unidad, y mientras más próximo

se encuentre a 1, se infiere que el acuerdo entre los jueces es mayor, y por
tanto, las evidencias de validez de contenido serán mayores
 INTERVALOS DE CONFIANZA PARA LA V DE AIKEN

Como cualquier estadístico, la V está influida por el error muestral, por lo cual es necesario
establecer el rango de posibles valores que asumiría el parámetro. Ante esa posibilidad, los IC son una
aproximación más útil. Existe un método para
construir intervalos de confianza asimétricos para la V, y con esos resultados podría valorarse de
forma más precisa el acuerdo entre los jueces

Límite Inferior

Límite Superior

Z : valor en distribución estándar correspondiente al 90%, 95% o 99%

n: número de jueces.
Dominguez(2016)
 INTERPRETACION DE INTERVALOS DE CONFIANZA
PARA LA V DE AIKEN

Si bien no hay un consenso respecto a qué valor del límite inferior del IC de la V
puede ser considerado como aceptable, la evidencia parece indicar que
0,7 sería adecuado, ya que no permite que sea valorado como representativo un
ítem cuando el acuerdo entre jueces no es lo suficientemente alto.
Por ejemplo, si una V es de 0,72, pero su límite inferior es 0,63, se consideraría que
ese ítem presenta un contenido poco representativo.

Dominguez(2016)
 VALIDEZ DE CONSTRUCTO :

Según Sánchez y Reyes (2009) la validez de constructo se refiere al grado en que un test mide la
construcción teórica elaborada respecto de la conducta que se mide. Un test posee validez de
constructo teórico si el resultado obtenido es el esperado de acuerdo a la teoría formulada. Las
técnicas más usadas son:

1.- Técnicas correlacionales:

Las técnicas correlacionales empleadas en la validez de constructo son
procedimientos de correlación entre:
Item – Test
Item – Escala (Subtests)
Escala – Test o Test – Subtests
 VALIDEZ DE CONSTRUCTO :
Y la forma de interpretar es:
ESCALA DE VALORACIÓN PARA INTERPRETAR LA CORRELACIÓN EN
LA VALIDACIÓN
ri.t Nivel de discriminación

0.40 a más Muy bueno

0.30 – 0.39 Bueno
0.20 – 0.29 Deficiente
0 – 0.19 Insuficiente

Fuente: Elosua Oliden y Bully Garay ( 2012)

2.-ANÁLISIS FACTORIAL:
El análisis factorial nos indica cómo tienden a agruparse los ítems o variables. Examinando el contenido
conceptual de los ítems que pertenecen al mismo factor podemos comprender qué factores [o
constructos] subyacentes explican las correlaciones entre los ítems.
El análisis factorial de un instrumento de medición ayuda a establecer la validez de constructo de lo que
estamos midiendo, en el sentido de que nos analiza la estructura del constructo que estamos
pretendiendo medir.
 VALIDEZ DE CONSTRUCTO :
Y la forma de interpretar es:
ESCALA DE VALORACIÓN PARA INTERPRETAR LA CORRELACIÓN EN
LA VALIDACIÓN
ri.t Nivel de discriminación

0.40 a más Muy bueno

0.30 – 0.39 Bueno
0.20 – 0.29 Deficiente
0 – 0.19 Insuficiente

Fuente: Elosua Oliden y Bully Garay ( 2012)

2.-ANÁLISIS FACTORIAL:
El análisis factorial nos indica cómo tienden a agruparse los ítems o variables. Examinando el contenido
conceptual de los ítems que pertenecen al mismo factor podemos comprender qué factores [o
constructos] subyacentes explican las correlaciones entre los ítems.
El análisis factorial de un instrumento de medición ayuda a establecer la validez de constructo de lo que
estamos midiendo, en el sentido de que nos analiza la estructura del constructo que estamos
pretendiendo medir.
 Número de sujetos para construir un instrumento de medición

Para hacer bien el análisis de ítems debe de haber al menos unos cinco sujetos por ítem
inicial; por lo tanto si se parte de 60 ítems, con este criterio (que tomamos de Nunnally,
1978, que lo propone como número mínimo) harán falta 300 sujetos.
Como criterio general es preferible tener más sujetos que menos; con más sujetos los
resultados de los análisis serán más estables; si son pocos los sujetos es más probable que
los ítems discriminen de manera distinta en otras muestras.

Si además pensamos llevar a cabo un análisis factorial (validez de constructo) del

instrumento tenemos que pensar también en el número de sujetos necesario para hacer
este análisis. (Kline, 1994:74, 79, pone el número mínimo en unos 100 sujetos)
 CASO CONFIABILIDAD

TITULO DE INVESTIGACION: IMPLEMENTACIÓN DEL SISTEMA FABLAB PARA

MEJORAR LA SATISFACCION EN ESTUDIANTES DEL ies HUANDO - 2023

Hipótesis:
Ho: El sistema “fABALAB” No mejora significativamente la satisfaccion de estudiantes
del IES HUANDO 2023.

Ha: El sistema “fABALAB” mejora significativamente la satisfaccion de

estudiantes del IES HUANDO 2023.
CASO
Diseño de estudio:

Pre - experimental

Diseño pre-test post –test con, cuyo esquema es el siguiente:

G: O1 X O2

Donde:

O1: pre-test (Cuestionario de Satisfacción)

X. Aplicación del sistema “FabLab”
O2: post – test (Cuestionario de Satisfacción )
 PASOS

1. DETERMINAR si datos tienen distribución normal o no normal

si significación es MAYOR a 0.05, por tanto tiene distribución normal
1. Si es NormaL -------- T student
2. Si es NO Normal …. Wilconson
3. Si p valor es menor a 0.05 se rechaza Hipótesis NULA (en Tstudent o Wconson)
 DESARROLLO del CASO

NORMALIDAD

SEGÚN Shapiro – Wilk es 0.143

SI p > 0.05 ------------------ por tanto es con DISTRIBUCION NORMAL

Para saber el efecto del tratamiento aplico T-Student (porque son 2 grupos
relacionados) , pretest y post test
T-Student
T-Student
CASO 2 - Ingresamos los datos y procesamos de esta
manera:
Luego pasamos los datos de pretest y postest al cuadrito para
contrastar la hipótesis, de esta manera:
Luego pasamos los datos de pretest y postest al cuadrito para
contrastar la hipótesis, de esta manera:
Obtenemos los siguientes resultados:

P<0.05 Se rechaza la Hipótesis Nula

Aceptamos la Hipótesis alternativa : El sistema

““INTERSYS” mejora significativamente la
satisfacción en la gestión y control del proceso de
aplicación de estudiantes extranjeros a la USAT - 2014
Otra forma de procesar los resultados es :
TRABAJANDO EN SPSS
EJEMPLO DE PRUEBA DE HIPÓTESIS PARA DOS MUESTRAS
INDEPENDIENTES

PARAMÉTRICA NO PARAMÉTRICA

T- STUDENT PARA MUESTRAS U- MAN WHITNEY

INDEPENDIENTES
EJEMPLO DE PRUEBA DE HIPÓTESIS PARA VARIAS MUESTRAS
INDEPENDIENTES

PARAMÉTRICA NO PARAMÉTRICA

ANOVA KRUSTAL WALLIS

Gracias …¡¡¡