SEMINARIOS DE

INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Formulación del
Problema

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Introducción

Se trata de sintetizar la cuestión proyectada a

investigar, generalmente a través de un
interrogante.

Los problemas de Investigación se formulan con los

5 componentes a continuación:

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Variables

Debe mencionarse al menos la variable de estudio;

pueden también mencionarse todas las variables
involucradas; o cuando las variables son muy
numerosas suele usarse términos que resuman de
manera lógica un grupo de variables.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Unidades de Estudio

Unidades de observación, unidades

experimentales, unidades de análisis. Reciben
distintos nombres según el diseño de la
investigación; y deben mencionarse, aunque a
veces su presencia en el enunciado resulta
implícita.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Diseño del Estudio

Propósito estadístico, Especificidad, etc. Es muy

variable de acuerdo a la investigación; es
importante utilizar términos que den por aludido el
diseño de la investigación, el nivel investigativo, el
tipo de estudio, etc.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Ubicación Espacial

Es ineludible cuando se tratan de estudios

descriptivos y se encuentra relacionado con el
tamaño de la muestra; siendo que los fenómenos
varían de un lugar a otro; se debe especificar sobre
que población se realizará la inferencia estadística.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Ubicación Temporal

Al igual que en el criterio espacial, se requiere

especificarlo cuando el fenómeno varía según el
tiempo. En los estudios descriptivos sobre
poblaciones infinitas o desconocidas habitualmente
se encuentra relacionado con el muestreo
accidental.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Nivel de
Significancia

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Introducción

Al plantear un estudio sobre una población, idealmente

debemos estudiar a todos los individuos que la conforman;
pero no siempre podemos acceder a todos, entonces
tenemos que escoger una muestra; sin embargo los
resultados obtenidos de esta manera nunca serán
exactamente iguales, a los que se obtendrían de estudiar a
toda la población; es decir, siempre va a haber un margen de
error.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Nivel de Significancia

Antes de realizar el estudio debemos plantearnos; que

proporción de error estamos dispuestos a aceptar para dar
por válido nuestro resultado. El error es el objetivo principal
del estudio. El análisis estadístico consiste en calcular la
probabilidad de cometer este error y esperamos que sea
menor al planteado preliminarmente como nivel
significancia.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Nivel de confianza

Es la confianza que debemos alcanzar para generalizar el

resultado de una muestra hacia toda la población. Es el
complemento del nivel de significancia; es la confianza que
tenemos, de que la conclusión a la que hemos llegado es
cierta. Una probabilidad elevada nos da la tranquilidad de
que lo que hemos calculado es cercano a lo real y no debida
al azar

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Niveles convenidos

a) α = 5%. Existe 5% (0.05) de probabilidad de equivocarse

y 95% (0.95) de confianza.

b) α = 1%. Existe 1% (0.01) de probabilidad de equivocarse

y 99% (0.99) de confianza.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Definición de términos

El error tipo I: Ocurre cuando afirmamos la hipótesis del

investigador, siendo que es falsa. Por lo tanto, es un juicio de
valor equivocado.

El p-valor: Es la probabilidad de equivocarse al aceptar

nuestra hipótesis del investigador como verdadera; es decir
la probabilidad de cometer un error tipo I.

El nivel de significancia: Es la máxima probabilidad de error

que estamos dispuestos aceptar para dar como válida
nuestra hipótesis del investigador.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

Ritual de la
Significancia
Estadística

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

1. Formulación de Hipótesis

Consiste en traducir la hipótesis metodológica en una

hipótesis estadística de acuerdo al siguiente sistema:
Ho: Hipótesis nula ó hipótesis de trabajo
H1: Hipótesis alterna ó hipótesis del investigador

El primer paso es colocar la hipótesis del investigador como

Hipótesis Alterna (H1) y formular la Hipótesis Nula (Ho) que
viene a ser la negación de la alterna. Se precisa este artificio
porque es a la Hipótesis Nula a la que se le somete a
contraste.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

2. Establecer el nivel de significancia

El nivel de significancia denotado por la letra griega alfa es la

probabilidad de rechazar la hipótesis nula cuando es
verdadera a lo cual se le denomina error de tipo I.

Según Fisher, el nivel de significación estadística equivale a la

magnitud del error que se está dispuesto a correr de
rechazar una hipótesis nula verdadera.

Para la mayoría de los propósitos, el nivel de significación

previamente establecido suele ser de 0.05.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

3. Elección de la prueba estadística

El estadístico de prueba elegido está intrínsecamente

relacionado con el objetivo estadístico correspondiente para
su nivel investigativo; para esto debemos considerar la
naturaleza de las variables y el comportamiento de los datos
que corresponde a su distribución para los de naturaleza
cuantitativa y las frecuencias esperadas para los de
naturaleza cualitativa.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

4. Toma de la decisión

Luego de desarrollar la prueba estadística elegida se toma

una decisión en función a la regla previamente establecida
según las que se acepta o se rechaza la hipótesis nula para
lo cual es imprescindible determinar el Valor critico, que es
un número que divide la región de aceptación y la región de
rechazo, según el valor de la probabilidad que se haya
adoptado como nivel de significación estadística.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
El sistema de aprendizaje más efectivo para generar datos de calidad

5. Interpretación del p-valor

Este último paso en el ritual de la significancia estadística no

fue planteado originalmente por Fisher, pero cobra vital
importancia con la aparición de los software estadísticos que
nos calculan directamente el p-valor, el cual cuantifica el
error tipo I y nos ayuda a tomar una decisión de rechazo a la
hipótesis nula (Ho) cuando es menor al nivel de significancia
y de no rechazo cuando su valor es mayor al alfa planteado.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
www.SeminariosDeInvestigacion.com

Error Tipo
I y II

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
www.SeminariosDeInvestigacion.com

Al establecer un criterio de decisión sobre la hipótesis

nula, el investigador puede ponderar los errores que
podría cometer en su decisión sobre la hipótesis nula.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
www.SeminariosDeInvestigacion.com

Una primer forma de error (se conoce como el error tipo I) consiste
en rechazar una hipótesis nula verdadera, es decir, descartar el azar
como explicación cuando los resultados podrían explicarse
razonablemente con base en el mismo. Este es el error que comete
el investigador que ve más lo que hay en los datos; es decir, el
investigador concluye en que existe una relación real o verdadera
entre las variables independiente y dependiente de la investigación,
cuando en realidad la relación observada se puede explicar
razonablemente como resultado del azar.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
www.SeminariosDeInvestigacion.com

El llamado error tipo I es el error del investigador que se apresura a

concluir a favor de su hipótesis de investigación. Fisher no habló de
ningún otro error, pues la prueba de la hipótesis nula para él no era
otra cosa que un freno a la tendencia natural de un investigador a
creer que hipótesis ha sido confirmada por el simple hecho de que
los resultados de la investigación siguen la misma dirección de la
hipótesis. En la estrategia de Fisher, sólo hay un error posible:
rechazar una hipótesis nula verdadera.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
www.SeminariosDeInvestigacion.com

Una segunda forma de error (se conoce como el error tipo II),
introducida por Egon Pearson y Jerzy Neyman consiste en no
rechazar una hipótesis nula falsa, es decir, no descartar el azar aun
cuando éste no constituye una explicación razonable de los datos.
Este es el error que comete el investigador que ve menos que lo
que hay en los datos; por miedo a rechazar incorrectamente el azar,
el investigador puede exponerse al riesgo de pasar por alto una
relación real o verdadera entre las variables de su investigación.
Fueron Pearson y Neyman los que, al introducir un segundo tipo de
error, bautizaron como error tipo uno al error de que había hablado
Fisher.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
www.SeminariosDeInvestigacion.com

Según Fisher, el nivel de significación estadística equivale a la

magnitud del riesgo que está dispuesto a correr el investigador, de
cometer el error de rechazar una hipótesis nula verdadera (el
llamado error tipo I). Para la mayoría de los propósitos, el nivel de
significación previamente establecido suele ser de 0.05, aunque en
áreas de investigación más rigurosas se trabaja con un nivel de
significación de 0.01. Suponiendo que se trabaja con un nivel de
significación de 0.05, se rechazaría la hipótesis nula siempre que la
probabilidad de explicar los resultados obtenidos en una
investigación como si fueran obra del azar sea igual o menor que
0.05.

Dr. José Supo

SEMINARIOS DE
INVESTIGACIÓN
www.SeminariosDeInvestigacion.com

En la perspectiva de Pearson y Neyman, para establecer el nivel de

significación estadística habría que atender al impacto de cada tipo
de error en el objetivo del investigador, y a partir de ahí se decidiría
cuál de ellos es preferible minimizar. Pearson y Neyman llamaron
alfa al error tipo I y beta al error tipo II; a partir de este último tipo
de error, introdujeron el concepto de "poder de una prueba
estadística", el cual se refiere a su capacidad para evitar el error
tipo II, y está definido por 1-beta, y en estrecha relación con éste se
ha desarrollado el concepto de "tamaño del efecto" que algunos
han propuesto como sustituto de los valores p en los informes de
investigación científica. (Cohen, 1990, 1994; Kraemer & Thiemann,
1987; Murphy & Myors, 2004).

Dr. José Supo

HIPÓTESIS
Adaptado de: Supo, J.

Estructura

FUNDAMENTO

Es lo que nos lleva a sostener la hipótesis planteada.

Las hipótesis relacionales carecen de fundamento
porque nacen de la subjetividad de una
observación; mientras que las hipótesis explicativas
se fundamentan en los antecedentes investigativos.

Dr. José Supo

HIPÓTESIS
Adaptado de: Supo, J.

Estructura

DEDUCCIÓN

Es la hipótesis misma, denominada hipótesis del

investigador; estadísticamente es la hipótesis
alterna y se debe someter a contraste.

Cuando el enunciado se plantea en forma de

interrogante, la hipótesis es la que da respuesta al
enunciado.

Dr. José Supo

Tema 2: HIPÓTESIS
Adaptado de: Supo, J.

Hipótesis según el nivel Investigativo

EXPLICATIVA

Las hipótesis explicativas o racionales son

consideradas como explicaciones tentativas
respecto al problema planteado.

Cumple su función sólo si está relacionada con el

conocimiento existente; nacen del razonamiento
por analogía (Bradford Hill).
Sin antecedentes investigativos no es posible
plantear hipótesis explicativas.

Dr. José Supo