Metodología de La Investigación - Nel Quezada PDF
Metodología de La Investigación - Nel Quezada PDF
Metodología de La Investigación - Nel Quezada PDF
ISBN Nº 978-612-4034-50-3
Hecho el Depósito Legal en la Biblioteca Nacional del Perú Nº 2010-04740
Prohibida la reproducción parcial o total, por cualquier medio o método de este libro sin
previa autorización de la Empresa Editora Macro E.I.R.L.
Nel Quezada Lucio
El presente libro permite una orientación metodológica para la elaboración de proyectos y trabajos
de inves gación. El obje vo es brindar una orientación didác ca respecto a los criterios cien ficos y
técnicos para la elaboración y desarrollo de una inves gación, que debe cumplir con los requisitos y
condiciones conceptuales y metodológicas que permitan la validez cien fica y social de los trabajos de
inves gación. Se desarrollará puntualmente los contenidos mínimos necesarios en un inves gación,
describiendo con la mayor claridad posible lo que debe incluirse en cada sección del la inves gación.
Capítulo V
Capítulo 2
MODELOS DE INVESTIGACIÓN ........................................................................................... 53
Modelos de inves gación ................................................................................................................55
Contenidos del Proyecto de Inves gación .......................................................................................55
Primera estrategia de un proyecto de inves gación ..................................................................55
Segunda estrategia de un proyecto de inves gación .................................................................58
Tercera estrategia de un proyecto de inves gación ...................................................................60
Contenidos del informe final de inves gación .................................................................................75
Primera estrategia de inves gación ...........................................................................................75
Segunda estrategia de inves gación ..........................................................................................77
Tercera estrategia de inves gación ............................................................................................78
Estrategia del autor ..........................................................................................................................78
Observación .....................................................................................................................................80
Capítulo 3
PLANTEAMIENTO DEL PROBLEMA ..................................................................................... 81
Problema ..........................................................................................................................................83
1. Idea .........................................................................................................................................83
2. Obje vos ................................................................................................................................83
3. Hipótesis ................................................................................................................................84
4. Seleccionar un tema de estudio limitado ...............................................................................84
Diagrama del Problema....................................................................................................................84
1. Ejercicios resueltos sobre problemas de inves gación...........................................................84
Otro diagrama de formulación de hipótesis y obje vos ..................................................................88
Lluvia de ideas ..................................................................................................................................89
1. Ejercicios sobre lluvias de Ideas .............................................................................................89
Verbos y definiciones .......................................................................................................................90
Capítulo 4
METODOLOGÍA Y DISEÑO MUESTRAL ................................................................................ 93
Pasos del diseño muestral................................................................................................................95
Población .........................................................................................................................................95
Muestra ............................................................................................................................................95
Individuo (Observación, Caso, Sujeto) .............................................................................................95
Variables...........................................................................................................................................95
Ejercicios de Población y muestra ....................................................................................................96
Tamaño de muestra .........................................................................................................................98
1. El estudio de proporciones .....................................................................................................99
2. Error muestral (E) o Error de Es mación ................................................................................99
3. El nivel de confianza ...............................................................................................................99
4. Ejemplos de nivel de confianza ..............................................................................................99
Ejemplos de tamaño de muestra .....................................................................................................101
Tipos de Muestreo ...........................................................................................................................103
Muestreo aleatorio.....................................................................................................................103
1. Muestreo aleatorio simple .....................................................................................................103
2. Muestreo estra ficado ...........................................................................................................104
2.1 Asignación proporcional ..................................................................................................104
2.2 Asignación óp ma ...........................................................................................................104
3. Muestreo sistemá co .............................................................................................................104
4. Muestreo por conglomerados ................................................................................................104
5. Muestreo mixto ......................................................................................................................105
6. Muestreo por estadios múl ples............................................................................................105
7. Muestreo por cuotas ..............................................................................................................105
8. Muestreo de "bola de nieve" .................................................................................................105
9. Muestreo subje vo por decisión razonada ............................................................................105
Ejercicios de pos de muestreo (elegir la muestra) .........................................................................106
Piloto ................................................................................................................................................112
Capítulo 5
RECOLECTAR DATOS O INFORMACIÓN ............................................................................... 113
Recolectar datos...............................................................................................................................115
Instrumento de medición (Cues onario) .........................................................................................115
Soporte Electrónico de Datos .....................................................................................................115
Cues onario .....................................................................................................................................115
1.Diseñar un cues onario ..........................................................................................................115
1.1 Tamaño de un cues onario ...............................................................................................116
1.2 Tipos de pregunta del cues onario ...................................................................................116
1.3 Inquietudes en torno a las preguntas que fórmula ...........................................................116
1.4 Recomendaciones para formular las preguntas ................................................................117
1.5 Sugerencias para aplicar un cues onario..........................................................................117
1.6 Desarrollar un Cues onario ..............................................................................................117
Observaciones .........................................................................................................................118
Equipos de Medición........................................................................................................................118
Codificación de datos .......................................................................................................................118
1. Codificación pregunta cerrada................................................................................................118
2. Codificación pregunta abierta ................................................................................................118
Ejercicios de recolectar datos ..........................................................................................................119
Definiciones importantes .................................................................................................................123
1. Instrumentos de Medición .....................................................................................................123
2. Confiablidad de los instrumentos de medición ......................................................................123
3. Construir un instrumento de medición ..................................................................................123
4. Tipos de instrumentos de Medición .......................................................................................124
4.1 Encuesta ...........................................................................................................................124
4.2 Entrevista .........................................................................................................................124
4.3 Pruebas ............................................................................................................................127
4.4 Cues onarios ...................................................................................................................130
4.5 Observación .....................................................................................................................130
5. Escala de medición .................................................................................................................131
5.1 Construcción de Escala ....................................................................................................132
5.2 Construcción de Índice.....................................................................................................135
5.3 Ejemplos de Indicadores ..................................................................................................136
6. Equipos de medición ..............................................................................................................139
7. Codificación ............................................................................................................................139
Ejemplos de cues onarios ...............................................................................................................140
Capítulo 6
PROCESAMIENTO DE DATOS O INFORMACIÓN................................................................... 147
Proceso de Datos .............................................................................................................................149
Introducción directa .........................................................................................................................149
1. Vista de datos .........................................................................................................................149
2. Vista de Variable (definir variables .........................................................................................150
3. Introducir datos ......................................................................................................................155
4. Uso del Editor de datos y variables ........................................................................................156
Extrayendo un archivo de disco .......................................................................................................156
Ejercicio 1: Manipulación de datos .................................................................................................157
Ejercicio 2: Manipulación de datos .................................................................................................161
Capítulo 7
ESTADÍSTICAS DESCRIPTIVAS ............................................................................................. 165
ESTADÍSTICAS DESCRIPTIVAS ...........................................................................................................167
Distribución de Frecuencias ............................................................................................................167
Ejemplo 1....................................................................................................................................168
Ejercicios de distribución frecuencias ........................................................................................169
Representaciones gráficas................................................................................................................171
Diagrama de tallos y hojas ...............................................................................................................172
Medidas de posición y de tendencia central....................................................................................174
1. Medidas de posición central (media, mediana, moda) ..........................................................174
Ejercicio de medidas de tendencia .........................................................................................176
2. Medidas de tendencia no central (pencen les, cuar les)......................................................178
Ejercicio de medidas de tendencia no central ........................................................................179
3. Medidas de variación .............................................................................................................180
Ejercicio medidas de variación................................................................................................181
4. Gráficos de cajas y bigotes......................................................................................................183
5. Asimetría y Curtosis ...............................................................................................................183
6. Tablas de Con ngencia ..........................................................................................................184
Ejercicio 1 .........................................................................................................................................187
Estadís cas Descrip vas .............................................................................................................188
Frecuencias.................................................................................................................................189
P-P Plots......................................................................................................................................190
Q-Q Plots ....................................................................................................................................191
Capítulo 8
CORRELACIÓN ................................................................................................................... 193
Correlación .......................................................................................................................................195
Coeficiente de correlación lineal ......................................................................................................195
Bivariadas .........................................................................................................................................198
La matriz de varianzas-covarianzas ..................................................................................................199
La matriz de correlaciones ..............................................................................................................199
Combinación lineal de variables ......................................................................................................201
Ejercicio 1 .........................................................................................................................................202
Correlaciones..............................................................................................................................203
Correlación en gráficos ...............................................................................................................205
Capítulo 9
REGRESIÓN........................................................................................................................ 207
Regresión Lineal Simple ...................................................................................................................209
Análisis de regresión lineal simple ..................................................................................................212
Diagrama de dispersión ...................................................................................................................212
Ecuación de regresión .....................................................................................................................214
Bondad de ajuste del modelo .........................................................................................................217
Análisis de Regresión Lineal Múl ple ..............................................................................................221
Ejercicio 1 .........................................................................................................................................223
Capítulo 10
PRUEBA DE HIPÓTESIS ...................................................................................................... 227
Prueba de hipótesis (Comparar medias) ..........................................................................................229
Medias ........................................................................................................................................229
Prueba T ....................................................................................................................................232
Prueba T para una muestra .......................................................................................................232
Prueba T para muestras independientes ...................................................................................235
Prueba T para muestras relacionadas ........................................................................................237
ANOVA de un factor ...................................................................................................................239
ANOVA A – EF – CA .....................................................................................................................239
Comparaciones múl ples entre medias .....................................................................................241
Comparaciones a posteriori .......................................................................................................243
Capítulo 11
MODELOS LINEAL GENERAL - ANOVA ................................................................................ 245
Modelo lineal general .....................................................................................................................247
Análisis de varianza de dos factores ...........................................................................................247
ANOVA AB – EF – CA ..................................................................................................................247
Medidas Repe das .....................................................................................................................252
Análisis de varianza de un factor con medidas repe das ...........................................................252
ANOVA A- EF- MR .......................................................................................................................252
Capítulo 12
PRUEBAS NO PARAMÉTRICAS ............................................................................................ 255
Pruebas no paramétricas .................................................................................................................257
Contrastes no paramétricos .............................................................................................................257
Pruebas de los signos (binomial) .....................................................................................................258
Contrastes para dos muestras ....................................................................................................260
Dos muestras independientes, prueba de Mann-Whitney ........................................................260
Dos muestras relacionadas, prueba de Wilcoxon.......................................................................261
Contrastes para más de dos muestras........................................................................................263
Más de dos muestras independientes, prueba de Kruskal Wallis ..............................................263
Más de dos muestras relacionadas, prueba de Friedman ..........................................................264
Contrastes sobre proporciones ..................................................................................................265
Contraste sobre una proporción.................................................................................................265
Dos proporciones relacionadas ..................................................................................................266
Más de dos proporciones relacionadas ......................................................................................268
Dos proporciones independientes .............................................................................................269
Prueba X2 de Pearson .................................................................................................................269
X2 sobre Bondad de ajuste..........................................................................................................269
Tablas de con ngencia ...............................................................................................................272
Capítulo 13
CONGLOMERADOS DE K MEDIAS ................................................................................... 275
Conglomerados de K medias............................................................................................................277
Conglomerados jerárquicos ............................................................................................................281
Análisis Discriminante ......................................................................................................................285
Análisis factorial ............................................................................................................................289
Capítulo 14
SERIES TEMPORALES ....................................................................................................... 293
Suavizado exponencial .....................................................................................................................295
Autorregresión .................................................................................................................................295
Sequence Charts ..............................................................................................................................295
ARIMA ..............................................................................................................................................295
Descomposición estacional ..............................................................................................................296
Series temporales con PASW ...........................................................................................................297
Capítulo 15
SUPERVIVENCIA Y RESPUESTAS MÚLTIPLES ................................................................... 311
Supervivencia ...................................................................................................................................313
Respuestas múl ples .......................................................................................................................315
Tablas de Con ngencia ...............................................................................................................319
1
Metodología de la
investigación científica
Centramos su atención en los conceptos y definiciones ampliamente conocidos con
la finalidad que el lector interesado pueda tener a la mano los conceptos que orienta
al invesgador en su razonamiento y aproximación a la realidad, permiendo ordenar
sus acciones y criterios de rigor cienfico. Porque, invesgar supone la responsabilidad
de producir una lectura real del problema de invesgación y demostrar la contribución
efecva.
CONOCIMIENTO Y CIENCIA
Conocimiento: Es la comprensión y entendimiento de hechos, verdades o principios.
Ciencia pura: Estudio de los fenómenos naturales y otros aspectos del saber por sí mismo, sin tener
en cuenta sus aplicaciones. Ciencias humanas: Las que, como la psicología, antropología, sociología,
historia, filosoa, etc., se ocupan de aspectos del hombre no estudiados en las ciencias naturales.
Ciencias naturales: Las que enen por objeto el estudio de la naturaleza, como la geología, la zoología,
la botánica, etc. A veces se incluyen la sica, la química, etc.
Las corrientes que intentan explicar el origen del conocimiento son variadas. Algunos autores
afirman que su origen está en los sendos; otros, que se inicia al razonarse, y otros, que
dependen del azar.
1.3. El conocimiento
Los pos de conocimiento se reducen básicamente a dos; conocimiento empírico y
conocimiento cienfico.
2.2. Hermenéuca
Surge en forma difusa con autores historicistas en Alemania, parcularmente Dilthey y Weber,
con el desarrollo de la fenomenología. El planteamiento fundamental de la hermenéuca es
opuesto al posivismo. Afirma que no existe un lenguaje observacional puro; todo lenguaje es
interpretación, todo conocimiento es interpretación. Lo más importante, según esta corriente,
es la teorización, el interés en datos cualitavos, el rechazo a lo cuantavo, el manejo críco
del lenguaje y la diferencia importante entre las ciencias naturales y las sociales.
Capítulo 1: Metodología de la investigación científica 19
2.3. Dialécca
Los representantes más relevantes de esta corriente son Marx, Engels, Lenin y Stalin. El énfasis
está en la realidad como una “totalidad”, de la que no puede aislarse ningún elemento sin
que deje de tener sendo. Se rechaza el análisis cuantavo. En la prácca, las acvidades
cienficas no se disocian de las posiciones de los cienficos, las cuales influyen de manera
decisiva en el conocimiento.
Supuestos de la dialécca:
- La realidad existe independientemente y con anterioridad al ser humano. No ha sido
creada por ningún espíritu universal.
- La realidad es cognoscible.
- Los procesos y los objetos están relacionados y son interdependientes.
- Todos los conocimientos son verdades relavas.
- La realidad está en connuo cambio, movimiento y transformación.
- La realidad se presenta a diversos grados y niveles.
- La prácca es el criterio de verdad del conocimiento.
A medida que se profundiza en el conocimiento, aparecen nuevos elementos originados por las
contradicciones internas. Todo conocimiento es aproximado y relavo, de tal modo que nunca se
considera acabado (verdad absoluta), ya que éste es condicionado por la realidad histórica.
4. Teoría y Práctica
El término teoría deriva del griego theoria, que significa observación, invesgación. En las reflexiones
filosóficas se le da otra acepción; se le explica como un saber generalizado.
Una de las definiciones más difundidas es la de Popper: las teorías cienficas son enunciados
universales, consisten en apresar aquello que llamamos el mundo, para racionalizarlo, explicarlo y
dominarlo.
La teoría es finalmente la meta de la ciencia; todo lo demás se deduce de ella. Los tres momentos
en el proceso del conocimiento son: descripción, explicación y predicción.
Marx afirma que la teoría, por sí misma, no puede transformar la realidad. Por tanto, es necesario
aplicar el conocimiento en la prácca. Esa concepción fue superada al afirmar que la teoría
adquiere su dimensión propia al margen de la prácca. La teoría críca es un intento de rescatar
los elementos fundamentales de la propuesta de Marx sobre la unión de la teoría con la prácca.
5. Ciencia
La ciencia es el quehacer humano que consiste en la actud de observar y experimentar dentro
de un orden parcular de conocimientos, los cuales se organizan de manera sistemáca mediante
determinados métodos, parendo de un núcleo de conceptos o principios básicos, a fin de alcanzar
un saber de validez universal.
La teoría, el método y las técnicas, forman la ciencia. Es posible resumir que la ciencia permite
conocer el mundo y colocar al hombre frente a la realidad.
INVESTIGACIÓN
Es la acvidad de búsqueda que se caracteriza por ser reflexiva, sistemáca y metódica; ene por
finalidad obtener conocimientos y solucionar problemas cienficos, filosóficos o empírico-técnicos,
y se desarrolla mediante un proceso. La invesgación cienfica es la búsqueda intencionada de
conocimientos o de soluciones a problemas de carácter cienfico; el método cienfico indica el camino
que se ha de transitar en esa indagación y las técnicas precisan la manera de recorrerlo.
Investigación Científica
La invesgación es un proceso que, mediante la aplicación del método cienfico, procura obtener
información relevante y fidedigna, con el fin de entender, verificar, corregir o aplicar el conocimiento.
22 METODOLOGÍA DE LA INVESTIGACIÓN
Para obtener un resultado de manera clara y precisa es necesario aplicar algún po de invesgación,
que está muy ligada a los seres humanos; esta posee una serie de pasos para lograr el objevo
planteado o para llegar a la información solicitada.
La invesgación ene como base el método cienfico y este es el método de estudio sistemáco de
la naturaleza que incluye las técnicas de observación, reglas para el razonamiento y la predicción,
ideas sobre la experimentación planificada y los modos de comunicar los resultados experimentales
y teóricos. Ayuda a mejorar el estudio porque nos permite establecer contacto con la realidad a fin
de que la conozcamos mejor; la finalidad de esta radica en formular nuevas teorías o modificar las
existentes, en incrementar los conocimientos.
La acvidad invesgadora se conduce eficazmente mediante una serie de elementos que hacen
accesible el objeto al conocimiento y de cuya sabia elección y aplicación va a depender en gran medida
el éxito del trabajo del invesgador.
1. Importancia
La invesgación nos ayuda a mejorar el estudio porque nos permite establecer contacto con la
realidad a fin de que la conozcamos mejor. Constuye un esmulo para la acvidad intelectual
creadora. Ayuda a desarrollar una curiosidad creciente acerca de la solución de problemas.
Además, contribuye al progreso de la lectura críca y solución de problemas, mejora el estudio
porque nos permite establecer contacto con la realidad a fin de que la conozcamos mejor, constuye
un esmulo para la acvidad intelectual creadora, ayuda a desarrollar una curiosidad creciente
acerca de la solución de problemas.
2. Elementos
Desde un punto de vista estructural reconocemos cuatro elementos presentes en toda invesgación:
sujeto, objeto, medio y fin. Se enende por:
Sujeto.- El que desarrolla la acvidad, el invesgador.
Objeto.- Lo que se indaga, esto es, la materia o el tema.
Medio.- Lo que se requiere para llevar a cabo la acvidad, es decir, el conjunto de métodos y
técnicas adecuados.
Fin.- Lo que se persigue, los propósitos de la acvidad de búsqueda que radican en la solución de
una problemáca detectada.
3. Clasificación
Es conveniente señalar que en la realidad la invesgación no se puede clasificar exclusivamente en
alguno de los pos que se mencionan, sino que generalmente en toda invesgación se persigue un
propósito señalado, se busca un determinado nivel de conocimiento y se basa en una estrategia
parcular o combinada.
3.2. Por la clase de medios ulizados para obtener los datos: documental, de campo o
experimental
Invesgación documental.- Es la que se realiza, como su nombre lo indica, apoyándose
en fuentes de carácter documental, esto es, en documentos de cualquier especie. Como
subpos de esta invesgación encontramos la invesgación bibliográfica, la hemerográfica y
la archivísca; la primera se basa en la consulta de libros, la segunda en arculos o ensayos
de revistas y periódicos, y la tercera en documentos que se encuentran en los archivos como
cartas, oficios, circulares, expedientes, etc.
4. Características
La invesgación recoge conocimientos o datos de fuentes primarias y los sistemaza para el
logro de nuevos conocimientos. No es invesgación confirmar o recopilar lo que ya es conocido
o ha sido escrito o invesgado por otros. La caracterísca fundamental de la invesgación
es el descubrimiento de principios generales. El invesgador parte de resultados anteriores,
planteamientos, proposiciones o respuestas en torno al problema que le ocupa.
Finalmente, una vez sistemazados los datos son registrados y expresados mediante un informe
o documento de invesgación, en el cual se indican la metodología ulizada y los procedimientos
empleados para llegar a las conclusiones presentadas, las cuales se sustentan por la misma
invesgación realizada.
En la invesgación deben darse una serie de caracteríscas para que sea en realidad cienfica:
a. Estar planificada, es decir, tener una previa organización, establecimiento de objevos, formas
de recolección y elaboración de datos y de realización de informe.
b. Contar con los instrumentos de recolección de datos que respondan a los criterios de validez,
confiabilidad y discriminación, como mínimos requisitos para lograr un informe cienficamente
válido.
c. Ser original, esto es, apuntar a un conocimiento que no se posee o que este en duda y sea
necesario verificar y no a una repeción reorganización de conocimientos que ya posean.
d. Ser objeva, vale decir que el invesgador debe tratar de eliminar las preferencias personales
y los senmientos que podrían desempeñar o enmascarar el resultado del trabajo de
invesgación.
e. Disponer de empo necesario a los efectos de no apresurar una información que no responda,
objevamente, al análisis de los datos que se dispone.
f. Apuntar a medidas numéricas en el informe, tratando de transformar los resultados en datos
cuantavos más fácilmente representables y comprensibles y más objevos en la valoración
final.
g. Ofrecer resultados comprobables y verificarles en las mismas circunstancias en las se realizó la
invesgación.
h. Apuntar a principios generales trascendiendo los grupos o situaciones parculares invesgados,
para los que se requiere una técnica de muestreo con el necesario rigor cienfico, tanto en el
método de selección como en la candad de la muestra, en relación con la población de que
se trate.
Capítulo 1: Metodología de la investigación científica 25
5. El objeto
El objeto de la invesgación cienfica es aquello a lo que se aplica el pensamiento. Cuando se trata
de obtener nuevo conocimiento cienfico el objeto se erige en fortaleza que hay que conquistar
con métodos que aseguren la garana de obtención de una verdad contrastable por toda la
comunidad cienfica. Este objeto de conocimiento cienfico, de invesgación, está constuido por
los vesgios que plantean un conjunto de problemas epistemológicos en el tema de la invesgación
cuya resolución se persigue.
El invesgador debe tener conciencia asumida de que el objeto de conocimiento se le opone por
naturaleza, no se deja conocer fácilmente, plantea numerosa dificultades. La invesgación es,
en consecuencia, ejercicio intelectual dificultoso, lleno de obstáculos y, en consecuencia, factor
formavo para la persona que lo ejerce.
Sin embargo, la acvidad invesgadora se conduce eficazmente mediante una serie de elementos
que hacen accesible el objeto al conocimiento y de cuya sabia elección y aplicación va a depender
en gran medida el éxito del trabajo a invesgador. Sin perjuicio de que estos elementos deban
especializarse en la propia naturaleza de los problemas concretos objeto de resolución por parte
del invesgador.
6. Formas
La Invesgación Cienfica posee dos formas: pura y aplicada.
Poco se preocupa de la aplicación de los hallazgos, por considerar que ello corresponde a otra
persona y no al invesgador. No obstante la carencia de aplicación inmediata, esta forma de
invesgación busca el progreso cienfico y su importancia reside en que presente amplias
generalizaciones y niveles de abstracciones con miras a formulaciones hipotécas de posible
aplicación posterior.
7. Tipos
Existen muy diversos tratados sobre las pologías de la invesgación. Las controversias para aceptar
las diferentes pologías sugieren situaciones confusas en eslos, formas, enfoques y modalidades.
En rigor, y desde un punto de vista semánco, los pos son sistemas definidos para obtener el
conocimiento.
Histórica.- Trata de la experiencia pasada; se aplica no sólo a la historia sino también a las
ciencias de la naturaleza, al derecho, la medicina o a cualquier otra disciplina cienfica. En la
actualidad, la invesgación histórica se presenta como una búsqueda críca de la verdad que
sustenta los acontecimientos de pasado, este po de invesgación ene las siguientes etapas:
• Formas y Tipos de Invesgación.
• Enunciación del Problema.
• Recolección de información.
• Críca de Datos y Fuentes.
• Formulación de Hipótesis.
• Interpretación e Informe.
• Marco Teórico.
• Selección de Técnicas de Recolección de Datos.
• Categorías de Datos, a fin de facilitar relaciones.
• Verificación de validez del instrumento.
• Descripción, Análisis e Interpretación de Datos.
• Invesgación inferencial.
• Invesgación predicva.
8. Proceso de la investigación
La invesgación es un proceso sistemáco y controlado de constante exploración y descubrimiento,
fundamentado en el método cienfico y, comúnmente, dirigido hacia la solución de un problema o
contestar una incógnita. La invesgación ene un proceso muy riguroso que conene los siguientes
pasos:
- Elección del tema.
- Objevos.
- Delimitación del tema.
- Planteamiento del problema.
- Marco teórico.
- Metodología.
- Informe.
Si se comienza por la selección del problema se pierde de vista la ubicación contextual del
tema. La elección del tema es el primer caso en la realización de una invesgación. Consiste en
determinar con claridad y precisión el contenido del trabajo a presentar. La elección del tema
corresponde necesariamente al alumno invesgador, que presentará por escrito a la persona
indicada por la universidad, o centro docente, para su aceptación.
Capítulo 1: Metodología de la investigación científica 29
8.2 Objevos
Cuando se ha seleccionado el tema de la invesgación debe procederse a formular los
objevos de invesgación, que deben estar armonizados con los del invesgador y los de la
invesgación.
Los métodos que se elijan deben ser los más apropiados para el logro de los objevos. Todo
trabajo de invesgación es evaluado por el logro de los objevos mediante un proceso
sistemáco, los cuales deben haber sido previamente señalados y seleccionados al comienzo
de la invesgación.
Al finalizar la invesgación, los objevos han de ser idenficables con los resultados; es decir,
toda la invesgación deberá estar respondiendo a los objevos propuestos. Los objevos
generales dan origen a objevos específicos que indica lo que se pretende realizar en cada
una de las etapas de la invesgación.
Estos objevos deben ser evaluados en cada paso para conocer los disntos niveles de
resultados. La suma de los objevos específicos es igual al objevo general y por tanto a los
resultados esperados de la invesgación. Conviene anotar que son los objevos específicos los
que se invesgan y no el objevo general, ya que este se logra de los resultados.
Una de las fallas más comunes en la invesgación consiste en la ausencia de delimitación del
tema; el 80% de las invesgaciones fracasan por carecer de delimitación del tema, es decir, por
ambición del tema. Delimitar el tema quiere decir poner límite a la invesgación y especificar
el alcance de esos límites. Es preferible señalar, de acuerdo a las propias inclinaciones y
preferencias, un tema reducido en extensión. No importa que el tema constuya un grano de
arena dentro de la ciencia.
30 METODOLOGÍA DE LA INVESTIGACIÓN
Además, por reducido ilimitado que puede parecer un tema, si se explora convenientemente
pronto surge toda una serie de ramificaciones que le dan importancia y valor. Al delimitar,
se aclara si el tema de invesgación será de po exploratoria, descripvo o experimental. La
aclaración sobre el mo de estudio permite tener una visión general sobre la validez y el grado
de confianza que puede tener como resultado. Esto supone determinar el alcance y los límites
del tema.
8.4 El Problema
El problema es el punto de parda de la invesgación. Surge cuando el invesgador encuentra
una laguna teórica dentro de un conjunto de datos conocidos, o un hecho no abarcado por
una teoría, un tropiezo o un acontecimiento que no encaja dentro de las expectaciones en su
campo de estudio. Todo problema aparece a raíz de una dificultad, la cual se origina a parr
de una necesidad en la cual aparece dificultades sin resolver.
Por tal razón, si el tulo es muy largo conviene reducirlo a pocas palabras y clarificarlo con
un subtulo. Decíamos que todo problema aparece a raíz de una dificultad; ésta se origina a
parr de una necesidad en la cual aparecen dificultades sin resolver. De ahí, la necesidad de
hacer un planteamiento adecuado del problema a fin de no confundir efectos secundarios del
problema a invesgar con la realidad del problema que se invesga.
Toda ciencia está espulada por dos elementos básicos: la teoría y el método del trabajo. Toda
invesgación requiere un conocimiento presente de la teoría que explica el área de fenómenos
de estudio. Todo hecho anterior a la formulación del problema que sirve para aclarar, juzgar e
interpretar el problema planteado, constuye los antecedentes del problema.
Establecer los antecedentes del problema de ninguna manera es hacer un recuento histórico
del problema, o presentar fuentes bibliográficas que se ulizarán, o los datos recolectados los
cuales no sabemos en donde ubicar, o la descripción de las causas del problema a no ser que
la invesgación sea causal.
En los antecedentes trata de hacer una síntesis conceptual de las invesgaciones o trabajos
realizados sobre el problema formulado con el fin de determinar en enfoque metodológico
de la misma invesgación. El antecedente puede indicar conclusiones existentes en torno al
problema planteado. La hipótesis es el eslabón necesario entre la teoría y la invesgación que
nos lleva al descubrimiento de nuevos hechos. Por tal, sugiere explicación a ciertos hechos y
orienta la invesgación a otros.
Capítulo 1: Metodología de la investigación científica 31
La hipótesis puede ser desarrollada desde disnto puntos de vista. Puede estar basada en
una conjetura, en el resultado de otros estudios, en la posibilidad de una relación semejante
entre dos o más variables representadas en un estudio. O puede estar basada en una teoría
mediante la cual una suposición de proceso deducvo nos lleva a la pretensión de que si
se dan ciertas condiciones se pueden obtener ciertos resultados, es decir, la relación causa-
efecto.
Una hipótesis sirve de guía para la obtención de datos en función del interrogante presentado
en el problema, o también para indicar la forma cómo debe ser organizado según el po de
estudio. Todo invesgador debe hacer uso de conceptos para poder organizar sus datos y
percibir las relaciones que hay entre ellos. Un concepto es una abstracción obtenida de la
realidad y, por tanto, su finalidad es simplificar resumiendo una serie de observaciones que se
pueden clasificar bajo un mismo nombre.
8.6 Metodología
Para toda invesgación es de importancia fundamental que los hechos y relaciones que
establece, los resultados obtenidos o nuevos conocimientos, tengan el grado máximo de
exactud y confiabilidad. Para ello planea una metodología o procedimiento ordenado que
se sigue para establecer lo significavo de los hechos y fenómenos hacia los cuales está
encaminado el significado de la invesgación.
Una población está determinada por sus caracteríscas definitorias, por tanto, el conjunto
de elementos que posea ésta caracterísca se denomina población o universo. Población
es la y totalidad del fenómeno a estudiar en donde las unidades de población poseen una
caracterísca común, la cual se estudia y da origen a los datos de la invesgación.
Una vez recopilado los datos por los instrumentos diseñados para este fin es necesario
procesarlos, es decir, elaborarlos matemácamente, ya que la cuanficación y su tratamiento
estadísco nos permirán llegar a construcciones en relación con la hipótesis planteada. El
procesamiento de datos, antes dispendioso mediante métodos manuales, es hoy realizado
por computadoras electrónicas las cuales han eliminado, por así decirlo, gran parte del trabajo
matemáco y estadísco que antes se realizaba.
8.7 El Informe
La estructura del informe de invesgación es sencilla y sigue fielmente los pasos fundamentales
del diseño de la invesgación; en ningún momento debe ser contraria al diseño, ya que el
informe debe ser la respuesta de lo planteado al diseño de la invesgación. Para la presentación
32 METODOLOGÍA DE LA INVESTIGACIÓN
del informe debe seguirse las normas de la metodología formal de presentación de trabajos
cinécos, los cuales se han considerado en diversas obras por los tratadistas de la metodología
formal.
El materialismo histórico es el único método certero para estudiar los fenómenos sociales. Konstannov
(1980).
El método cienfico es la estrategia de la invesgación para buscar leyes (Mario Bunge - 1969).
1.1 Inducción-deducción
La inducción consiste en ir de los casos parculares a la generalización. La deducción, en ir de
lo general a lo parcular. El proceso deducvo no es suficiente por sí mismo para explicar el
conocimiento. Es úl principalmente para la lógica y las matemácas, donde los conocimientos
de las ciencias pueden aceptarse como verdaderos por definición.
Algo similar ocurre con la inducción, que solamente puede ulizarse cuando a parr de la
validez del enunciado parcular se puede demostrar el valor de verdad del enunciado general.
1.3 Experimentación
El método experimental ha sido uno de los que más resultados han dado. Aplica la observación
de fenómenos, que en un primer momento es sensorial. Con el pensamiento abstracto se
elaboran las hipótesis y se diseña el experimento con el fin de reproducir el objeto de estudio,
controlando el fenómeno para probar la validez de las hipótesis.
1.4 Explicación
Consiste en elaborar modelos para explicar el porqué y el cómo del objeto de estudio. Se
aplica la explicación sistemáca.
1.5 Axiomas
Uliza símbolos a los cuales asigna valor (el método axiomáco). La representación simbolizada
de una mulplicidad de objetos permite el análisis de los fenómenos.
1.6 Estructura
Considera como elemento de estudio la estructura de los objetos, la cual es inherente a
elementos y sistemas. La estructura ene un significado propio, independientemente de sus
elementos.
1.7 Dialécca
El método considera los objetos y los fenómenos en proceso de desarrollo. La dialécca es la
ciencia de las leyes generales del movimiento y del desarrollo de la naturaleza, de la sociedad
humana y del pensamiento, la ciencia de la concatenación universal de todos los fenómenos
que existen en el mundo. Y precisamente por eso es opuesta a toda metasica”.
La verdadera teoría cienfica fue creada por Marx y Engels... Es por su esencia una teoría
revolucionaria. Por tanto, el materialismo y la dialécca, en su unidad y vinculación.... son la
teoría y el método del marxismo.
34 METODOLOGÍA DE LA INVESTIGACIÓN
La invesgación con este método lleva implícita una transformación de la realidad. El análisis
y la síntesis ulizados en el proceso de abstracción deben ser guiados por las categorías de
la dialécca materialista (contradicciones, contenido y forma, causa y efecto, entre otras),
de tal forma que la abstracción mental permita reproducir los procesos y los objetos en su
desarrollo y transformación. Según Gortari, en el estudio del método, “éste se parculariza
en tantas ramas como disciplinas cienficas existen y, dentro de ellas, se especializa hasta
singularizarse”.
1.8 Matemacista
El número es la sustancia de la cual se componen todas las cosas, todos los objetos. Dice
Guérrez: “La representación geométrica lleva a elaborar construcciones mentales que
idenfican a objetos materiales, para de ahí hacer cálculos sobre la síntesis o reproducción de
los objetos. Bajo este supuesto se logra la creación de postulados que, por medio de fórmulas
matemácas, se aplican a casos similares”.
1.9 Mecanicista
Trata de explicar los fenómenos vitales por medio de las leyes de la mecánica. Todo ello
entendido como un sistema que se fundamenta en las leyes de Isaac Newton. El sujeto actúa
como un espejo que refleja la realidad.
1.10 Funcionalismo
El funcionalismo ene influencia de la metasica en cuanto a que acepta el cambio en algunas
partes del sistema, para que siga funcionando, pero rechaza el cambio o transformación
de todo el sistema. El funcionalismo parte de una interpretación metodología orientada a
explicar y fundamentar el equilibrio social, lo que significa conservar las condiciones sociales
establecidas.
1.11 Estructuralismo
Para obtener el conocimiento es necesario observar lo real, construir modelos y analizar la
estructura. Una estructura es un sistema de transformación que implica leyes como sistema.
Comprende los caracteres de totalidad, transformación y autorregulación.
Una construcción propia. Generalmente, los conceptos fundamentales de ésta son adoptados
de otras ciencias, siguiendo el objevo de propuesta sistémica de unificación de la ciencia y
el análisis cienfico. Se han postulado múlples enfoques que amplían la perspecva de la
teoría de sistemas, entre ellos: teoría de la comunicación, teoría de los juegos y teoría de las
decisiones. En todos ellos se subraya la importancia de reconocer en un grupo social a una
organización.
2. Técnicas de la investigación
La técnica es indispensable en el proceso de la invesgación cienfica, ya que integra la estructura
por medio de la cual se organiza la invesgación.
En cuanto a las técnicas de invesgación, se estudiarán dos formas generales: técnica documental
y técnica de campo.
- La técnica documental: Permite la recopilación de información para enunciar las teorías que
sustentan el estudio de los fenómenos y procesos. Incluye el uso de instrumentos definidos
según la fuente documental a que hacen referencia.
- La técnica de campo: Permite la observación en contacto directo con el objeto de estudio y el
acopio de tesmonios que permitan confrontar la teoría con la prácca en la búsqueda de la
verdad objeva.
Libros: De acuerdo con la UNESCO (1964), se llama libro a aquella publicación que ene más
de 49 páginas, y folleto a la que ene entre cinco y 48 páginas. Según el po de usuarios los
libros se clasifican en:
• De po general. Expuestos en forma elemental.
• De texto. Para el estudio de alguna disciplina.
• Especializados. Para profesionales o invesgadores.
de escribir un arculo cienfico, requiere de conocer las técnicas de lectura. No puede ser
ella misma base de una futura tesis.
Informes técnicos: En este po de informes se incluyen las memorias de conferencias, los
informes de congresos, reuniones y otros. Son importantes debido a que la información
generalmente versa sobre asuntos de actualidad que afectan a una comunidad parcular o
son de interés grupal.
Tesis: La tesis es un documento de po académico, que exige una afirmación original
acerca de un tema de estudio parcular. Se espera una aportación y conocimientos nuevos,
presentados como un sistema sólido de pruebas y conclusiones. En la tesis se describe el
procedimiento empleado en la invesgación, hallazgos y conclusiones.
Depósitos de información: El primer paso para recabar datos es acudir a los centros de
información, como biblioteca, hemeroteca, archivos y museos.
Para citar las referencias en el texto, puede ulizarse la numeración progresiva, el método
de nombre y fecha, o figuras simbólicas. La numeración de las referencias siempre ha de ser
progresiva, pudiendo hacerse por página, en cuyo caso se reinicia la numeración en cada
página, o por capítulo, en cuyo caso se inicia al citar la primera referencia y termina al citar
la úlma del capítulo.
Notas de pie de página: Los objevos de las notas de pie de página son:
• Citar referencias bibliográficas o fuentes de información.
• Ampliar explicaciones.
• Aclarar o corregir.
• Sugerir al lector nuevas posibilidades de búsqueda.
a) Objevos de la observación:
• Explorar. Precisar aspectos previos a la observación estructurada y sistemáca.
• Reunir información para interpretar hallazgos.
• Describir hechos.
b) Requisitos al observar:
• Delimitar los objevos de la observación.
• Especificar el procedimiento o instrumentos de observación.
• Comprobación connúa.
c) Tipos de observación:
En la observación de campo es menester disnguir dos clases principales: la observación
parcipante y la no parcipante. En la primera parcipan varios invesgadores dispersos
con el fin de recoger reacciones colecvas. Otro po de invesgación parcipante es aquélla
en la que los invesgadores parcipan de la vida del grupo, con fines de acción social.
• Formas estadíscas.
• Medición.
e) Ficha de campo: Esta ficha se uliza para anotar los datos recogidos mediante la observación.
Por lo general se usan tarjetas de 21 x 13 cm. El orden de los datos es:
• Nombre del lugar donde se realizó la observación.
• Nombre del informante o informantes.
• Fecha.
• Aspecto de la guía de observación en el ángulo superior derecho.
• Tema, al centro.
• Texto: descripción de la observación.
• Iníciales del invesgador, en el ángulo inferior izquierdo.
Ejecución de la entrevista:
• Propiciar durante esta un ambiente posivo.
• Presentarse y explicar los propósitos de la misma.
• Mostrar interés y saber escuchar.
• Actuar con naturalidad.
• No mostrar prisa.
• Hacer las preguntas sin una respuesta implícita.
• Emplear un tono de voz modulado.
• Ser franco.
• No extraer información del entrevistado sin su voluntad.
Capítulo 1: Metodología de la investigación científica 41
Control de la entrevista
• Verificar si todas las preguntas han tenido respuesta.
• Detectar contradicciones.
• Detectar menras, dándole a conocer lo que se conoce del hecho.
• Evitar desviaciones del tema y oportunidades para distraer la atención.
Cierre de la entrevista
• Concluirla antes que el entrevistado se canse.
• Despedirse, dejando el camino abierto por si es necesario volver.
• Si se requiere de una entrevista larga, programarla en sesiones.
Tipos de cuesonarios
• Por cuadros, con datos objevos.
• De opinión.
42 METODOLOGÍA DE LA INVESTIGACIÓN
• De organización y funcionamiento.
Se llama preguntas cerradas a las que sólo permiten una opción para contestar, y abiertas a las
que dejan plenas libertad para responder.
DISEÑO DE INVESTIGACIÓN
Diseño de invesgación es el plan de acción. Indica la secuencia de los pasos a seguir. Permite al
invesgador precisar los detalles de la tarea de invesgación y establecer las estrategias a seguir para
obtener resultados posivos, además de definir la forma de encontrar las respuestas a las interrogantes
que inducen al estudio. El diseño de invesgación se plasma en un documento con caracteríscas
especiales, lenguaje cienfico, ubicación temporal, lineamientos globales y provisión de recursos.
Congruencia:
Se refiere al hecho de que exista una concatenación lógica entre los elementos que lo conforman.
El tulo del estudio maneja variables que se encuentran en: el problema, los objevos, las hipótesis
y las técnicas y métodos del análisis seleccionado, los cuales serán en función de dichas variables.
Fundamentación teórica:
El plan incluye las teorías relavas al objeto de estudio en forma exhausva.
Flexibilidad:
Es importante que el plan considere la posibilidad de realizar cambios o adaptaciones, sin
desorganizar el diseño original.
Lenguaje cienfico:
El plan debe expresarse considerando la terminología cienfica. Por ejemplo: El diseño es de po
experimental y la técnica es de balanceo.
Manejo teórico inadecuado. Es resultado del desconocimiento teórico relavo al objeto de estudio.
Complejidad del marco teórico. Cuando el nivel de complejidad del marco teórico se debe al enorme
volumen de datos sobre el tema y, a su vez, no se produce un análisis de dichas teorías que resuma
y relacione con el problema a invesgar, el marco teórico se torna complejo.
Imprecisión ole métodos y técnicas. Cuando el invesgador desconoce o ene un nivel insuficiente
en torno a la invesgación, lo más seguro es que las técnicas descritas en el plan sean inadecuadas.
Modelo Uno
A. Parte introductoria.
a. Título y subtulos.
b. Problemáca en que se ubica el tema.
c. Cuesones relevantes que surgen de la problemáca.
d. Definición específica del tema.
44 METODOLOGÍA DE LA INVESTIGACIÓN
Modelo Dos
A. Sección preliminar.
a. Nombre y currículum del invesgador.
b. Instuciones que patrocinan el estudio.
B. Definición del proyecto de invesgación.
a. Título.
b. Antecedentes.
c. Hipótesis.
d. Objevos.
C. Definición de las unidades de análisis.
D. Diseño del experimento.
E. Metodología.
F. Especificación de variables y procedimientos de medición.
G. Capacitación de personal para la observación.
H. Ingreso de parcipantes en el experimento.
I. Captación de datos.
J. Universo de estudio.
K. Recursos.
Capítulo 1: Metodología de la investigación científica 45
MÉTODO CIENTÍFICO
Como ya se explicó, el método cienfico es el procedimiento que se sigue para obtener el conocimiento.
Los puntos convergentes de los diversos autores son los relavos a las etapas del método. En general,
puede concluirse que son las siguientes:
Al dar respuesta a las interrogantes anteriores, se infiere que los problemas derivan de:
el ambiente, la capacidad de razonar, los intereses profesionales y los productos de la
invesgación.
b) Tipos de problemas:
• Teóricos. Cuyo propósito es generar nuevos conocimientos.
• Práccos. Con objevos desnados al progreso.
• Teórico-práccos. Para obtener información desconocida en la solución de problemas
de la prácca.
Sin duda existe un gran número de problemas que nos inquietan, pero quizá la mayor parte
de ellos no están al alcance de todos. Los requisitos para elegir un problema de invesgación
son:
• Experiencia en el tema.
• Importancia del problema.
46 METODOLOGÍA DE LA INVESTIGACIÓN
h) Objevos de invesgación
Los objevos de invesgación se construyen tomando como base la operavidad y el
alcance de la invesgación. Requisitos para plantear los objevos (Enfocarse en la solución
del problema).
• Ser realistas.
• Ser medibles.
• Ser congruentes.
• Ser importantes.
• Redactarse evitando palabras subjevas.
Capítulo 1: Metodología de la investigación científica 47
Para construir los objevos deben considerarse las siguientes interrogantes: Quién, qué,
cómo, cuándo y dónde. La invesgación no es un fin por sí misma. La transformación de la
realidad operante ene su base en la invesgación, pero sólo la aplicación prácca de los
resultados y la confrontación permanente permirán acrecentar el conocimiento.
Hipótesis es una forma de desarrollo de las ciencias naturales, por cuanto son pensamientos
(Engels).
La hipótesis es una afirmación tentava, más que definiva. Debe ser formulada de tal manera
que pueda ser potencialmente aceptada o rechazada por medio de los hallazgos. La teoría
sirve de base a la hipótesis y a su vez es modificada por ésta. La hipótesis requiere de la
invesgación para la comprobación de los postulados que conene.
d) Variables
Son discusiones que pueden darse entre individuos y conjuntos. El término variable significa
caracterísca, aspecto, propiedad o dimensión de un fenómeno puede asumir disntos
valores. Para operavizar variables, se requiere precisar su valor, traduciéndolas a conceptos
suscepbles de medir. Por tanto, conviene considerar su definición nominal, real, operava:
lo que significa el término, la realidad y la prácca.
e) Clasificación de variables
En términos generales, las variables se clasifican según el nivel de medición que representan:
• Variables cualitavas. Son aquéllas que se refieren a cualidades o atributos no medibles
en números. Por ejemplo, organización, personal y funciones.
• Variables cuantavas. Son las suscepbles de medirse en términos numéricos. Se
subdividen a su vez en:
o Cuantavas connuas. Pueden asumir cualquier valor. Por ejemplo, peso, edad y
talla.
o Cuantavas discretas. Asumen sólo valores enteros. Por ejemplo, número de
hijos.
• Variables independientes. Expresan las causas del fenómeno. Por ejemplo, organización
deficiente.
Capítulo 1: Metodología de la investigación científica 49
• Variables dependientes. Expresan las consecuencias del fenómeno. Por ejemplo, calidad
de la enseñanza.
a) Selección de la técnica
Para comprobar o refutar las hipótesis es necesario elegir por lo menos dos o tres técnicas
de invesgación y diferentes pos de observación de fenómenos. En ciencias sociales,
deben aplicarse la técnica documental y la de campo. Es importante hacer las siguientes
consideraciones:
• La técnica será acorde al po de hipótesis que se desea comprobar.
• Diseñar los instrumentos según la técnica elegida.
• Probar los instrumentos.
• Determinar la muestra.
Técnicas de recolección
• Entrevistas.
• Aplicación de cuesonarios.
• Observación.
Presentación de datos.
Consiste en dar a conocer los datos en forma resumida, objeva y entendible. Las formas más
usuales son la tabular (tablas o cuadros) y las gráficas.
Gráficas. Entre los requisitos que debe reunir una gráfica, están:
1. Ser auto explicavo.
2. Presentar de manera fiel los hechos.
3. Estéca.
4. Limpia y de trazos netos.
Descripción y análisis.
Con el propósito de evaluar la información, se ulizan técnicas estadíscas para determinar la
validez de los resultados obtenidos.
Medidas de resumen.
Expresan numéricamente los datos en un solo valor. Estas dependen del po de variables.
Para las variables cualitavas, las medidas de resumen se extraen de relaciones estadíscas
entre conjuntos y subconjuntos que presentan frecuencias relavas.
Capítulo 1: Metodología de la investigación científica 51
Para las variables cuantavas, las medidas se obenen mediante procesos estadíscos con
medidas de tendencia central de dispersión, etc.
Métodos de análisis.
El análisis se realiza mediante computadora y ulizando técnicas estadíscas que se verán con
profundidad en los siguientes capítulos.
1.5. Resultados
Los resultados de la invesgación se incorporan en un documento que usualmente es el informe
de invesgación. La difusión extensa de los resultados está implícita en la invesgación. En las
propuestas de solución es conveniente incluir lo siguiente.
• Argumentación teórica.
• Argumentación metodológica.
• Abordaje de solución.
RECOMENDACIONES
La importancia que ene la invesgación como proceso de aprendizaje, ya que la misma posee una
gama de caracteríscas fundamentales y que se estrechan de manera muy compacta para poder
captar la información o para lograr los objevos propuestos. Es preciso recordar que la invesgación
cienfica es un método riguroso en el cual se obene una serie de objevos antes propuestos y de
manera muy técnica.
Es muy conveniente tener un conocimiento detallado de los posibles pos de invesgación que se
pueden seguir. Este conocimiento hace posible evitar equivocaciones en la elección del método
adecuado para un procedimiento específico.
Una de las fallas más comunes en la invesgación es la ausencia de delimitación del tema, es decir, por
ausencia de ambición del tema, por eso es básico tener muy claro los objevos y el camino que se va a
recorrer con la invesgación para que ésta pueda terminar su camino donde debe.
La hipótesis puede ser desarrollada desde disnto puntos de vista. Puede basarse en una conjetura, en
el resultado de otros estudios, en la posibilidad de una relación semejante entre dos o más variables
representadas en un estudio. O puede estar basada en una teoría mediante la cual una suposición de
proceso deducvo nos lleva a la pretensión de que si se dan ciertas condiciones se pueden obtener
ciertos resultados.
El objevo de la invesgación es el enunciado claro y preciso de las metas que se persiguen. El objevo
de la persona que invesga es llegar a tomar decisiones y a una teoría que le permita generalizar y
resolver en la misma forma problemas semejantes en el futuro.
2
Capítulo
Modelos de investigación
Existe un sin número de modelos para elaborar una inves gación, a los que también se
le llaman estrategias. En el presente capítulo se muestra un sin número de estrategias
tanto de un proyecto de inves gación como de una inves gación.
Pero lo más importante es que cada inves gador puede diseñar su propia estrategia
de inves gación basándose en los modelos ampliamente conocidos. El autor presenta
una estrategia simple que te ayudará a realizar tu inves gación de forma fácil y sencilla.
Capítulo 2: Modelos de investigación 55
MODELOS DE INVESTIGACIÓN
No hacemos dis nción entre trabajo de grado o inves gación cien fica, ya que se parte de que una y
otra se enmarcan y par cipan dentro de los cánones referidos por la ciencia, el método cien fico y la
inves gación. En el contexto académico denominamos como tesis al trabajo de grado y como proyecto
de trabajo de grado, a la propuesta previa que debe ser aprobada para poder dar inicio a la realización
del primero.
La inves gación es, además, un termómetro para que el estudiante mida sus propias capacidades:
¿en qué soy bueno? ¿puedo realizar el trabajo a cabalidad? ¿sé buscar y consultar bibliogra a? ¿sé
escribir una idea en forma coherente? ¿qué he aprendido a lo largo de mi carrera? Es también una
invitación a mejorar conocimientos básicos necesarios para la vida: lectura de textos en un segundo
idioma, uso apropiado del computador abarcados un procesador de texto, una hoja de cálculo, una
base de datos o una presentación; o incluso un avance significa vo en temas más especializados como
técnicas de muestreo, análisis estadís co, paquetes estadís cos, sistemas de información geográfica,
legislación, ges ón etc.
Los cien ficos emplean un proceso sistemá co, de modo que se asegure un experimento de calidad
superior. A estas metodologías cien ficas se les llamada también Estrategias a seguir a la hora de
realizar una inves gación. A con nuación presentamos las principales estrategias, tanto de un proyecto
de inves gación, como de una inves gación.
4. Objeto de Estudio.
5. Preguntas de Inves gación.
6. Obje vos.
7. Fundamentación teórica.
8. Metodología de inves gación.
9. Población y muestra.
10. Diseño de la Inves gación.
11. Cronograma y presupuesto.
12. Bibliogra a.
1. Introducción
Con ene una descripción clara de la estructura general del proyecto.
2. Justificación
Con ene los argumentos fundamentales que sustentan la inves gación a realizar, enfa zando
aquellos de carácter técnico y social principalmente.
4. Objeto de Estudio
Es consecuencia del planteamiento del problema, delimita aquella parte de la realidad que interesa
estudiar. La precisión del inves gador, en este sen do, se demuestra en la redacción minuciosa y
cuidada con la cual formula el objeto de estudio.
5. Preguntas de Investigación
Son las interrogantes básicas que se derivan de la jus ficación y el problema planteado y,
consecuentemente, pretenden ser resueltas por la inves gación.
6. Objetivos
Representan las acciones concretas que el inves gador llevará a cabo para intentar responder
a las preguntas de inves gación y así resolver el problema de inves gación. Se puede notar que
todos los sub tulos hasta ahora señalados enen una consistencia entre sí (coherencia interna),
Capítulo 2: Modelos de investigación 57
por ello, los obje vos deben ser concretos, claros, realistas y modestos, en la medida en que
realmente reflejan la contundencia del inves gador en su intención de aportar en el conocimiento
del objeto de estudio.
En este apartado de obje vos se incluye la HIPÓTESIS de inves gación, siempre que ésta, NO
CONDICIONE/INDUZCA el trabajo de inves gación pues no siempre los resultados esperados
coinciden con los resultados reales. Debe entenderse que la realidad es una enƟdad viva y ene
voz propia y la riqueza de una inves gación cien fica está precisamente en mostrar la realidad tal
como es, no en validar una hipótesis. Por tanto, en las Ciencias Sociales y Humanas la hipótesis es
simplemente una esƟmación de los efectos que creemos se producirán con nuestra intervención.
Es mación que es todavía más prudente, si cabe, que las hipótesis formuladas en las Ciencias
Experimentales y Tecnológicas.
La pregunta es: ¿Qué espero que suceda con mi intervención sobre la realidad estudiada?
Suele ser este el sen do de las hipótesis de estudios cuanƟtaƟvos. Son hipótesis que an cipan una
relación causa efecto y exigen extremo cuidado en el análisis y control de variables extrañas. En
este caso suelen ser estudios de largo alcance y suponen empo y recursos considerables.
Este sería el sen do de las hipótesis de estudios cualita vos, que son hipótesis de trabajo que
an cipan las cues ones que el inves gador ene la impresión de encontrar en la realidad, no
obstante, prioriza la realidad como tal y ajusta sus hipótesis de trabajo futuras. En este caso actúan
como una referencia en mi relación con la realidad estudiada, no como un direccionamiento en
esa relación, por tanto, las hipótesis se deses man según se avanza en el conocimiento cada vez
más preciso de la realidad.
7. Fundamentación teórica
Se presentan en este caso las directrices teóricas que guían el estudio, describiendo claramente el
panorama global (completo) de escuelas o teorías que abordan el tema y las principales evidencias
teóricas-empíricas existentes en la literatura nacional e internacional.
8. Metodología de la investigación
Con ene la descripción y argumentación de las principales decisiones metodológicas adoptadas
según el tema de inves gación y las posibilidades del inves gador. La claridad en el enfoque y
estructura metodológica es condición obligada para asegurar la validez de la inves gación.
9. Población y Muestra
Describe y argumenta la decisión sobre la población objeƟvo para inves gar el objeto de estudio,
así como, los criterios básicos de determinación de la muestra considerada para la inves gación.
58 METODOLOGÍA DE LA INVESTIGACIÓN
10.Diseño de la Investigación
Mediante una representación gráfica se presenta el panorama metodológico completo que
muestra la forma en que se organiza todo el proceso de inves gación y los aspectos metodológicos
esenciales que guían el trabajo del inves gador. Es importante la claridad y precisión en esta
cues ón porque da cuenta del posicionamiento del inves gador y de su trabajo en el mapa
metodológico de la inves gación cien fica.
12. Bibliografía
Describe las fuentes documentales consideradas (castellano-inglés) para la elaboración del
proyecto. Conviene que no excedan los 5 años de vigencia (actualidad) y su citación cumpla con
las normas internacionales/estandarizadas de formato.
I. Introducción:
1. TemaƟzación o Marco Situacional:
Descripción del tema o situación que es de interés para el graduando.
2. ProblemaƟzación:
Subrayar las ideas centrales de la tema zación y conver r cada idea en una o más preguntas
o temas cien ficos. Seleccionar el problema de la inves gación.
3. ObjeƟvos:
Especificar qué se intenta conseguir con la Tesis o Trabajo de Inves gación. Especificar los
obje vos o propósitos de trabajo, incluyendo los problemas que se intentan resolver o las
hipótesis que se intenta probar.
Capítulo 2: Modelos de investigación 59
4. Importancia:
Jus ficar la importancia o trascendencia de la Tesis o Trabajo de Inves gación, precisando los
beneficios que se obtendrán.
5. Metodología:
Jus ficar los métodos de inves gación que deben emplearse, determinar el universo del cual
se ha recogido la información necesaria, precisar las muestras o unidades de estudio que
deben cubrirse en la inves gación, el criterio para seleccionar dichas muestras o unidades de
estudio, cómo se va a efectuar el análisis de la información. Es posible presentar junto con el
Plan las muestras y otras técnicas a ser usadas.
6. Sumario:
Presentar un listado de los diferentes aspectos que comprenderá la Tesis o Trabajo de
Inves gación. U lizar una codificación conveniente.
3. ÓpƟca de la InvesƟgación:
Definir la perspec va desde la cual ha de realizarse la inves gación (punto de vista del
graduando); fundamentar esta perspec va.
4. Selección de Variables:
Indicar las variables que se u lizarán en el análisis con el fin de probar las hipótesis iniciales
referidas a los problemas a resolver en la Tesis o Trabajo de Inves gación.
La elección del tema es vista por diferentes autores tales como los siguientes:
Salkind (1997):
• Experiencias personales y conocimientos previos.
• Planteamiento de una pregunta de inves gación.
• Por profesores o inves gadores, con la ventaja de abordar temas de vanguardia.
Muñoz-Razo (1998):
• Área de conocimiento a n.
• Tema de interés.
• Tema a par r de una materia favorita.
• Tema por referencias, amigos, profesores.
• Tema de moda.
• Tema por asignación del mismo.
Tamayo-Tamayo (2000):
• Temas que nos inquietan o son de nuestra preferencia.
• Experiencias personales.
• Consulta a profesores o notas de clase.
• Revisión bibliográfica de diferentes temas.
• Examen de diversas publicaciones sobre un posible tema.
• Información sobre temas afines.
• Conexión con ins tuciones.
• Considerar en la elección del tema factores de orden subjetivo como son el agrado por el
tópico, la capacidad para desarrollarlo, el empo, los recursos o la disponibilidad del material;
como también, de orden objetivo, que se refieren a si llena los requisitos exigidos por la
ins tución y su u lidad.
El inves gador debe reflexionar también sobre sus propias capacidades, ya que mientras
algunos demuestran gran habilidad en el campo o en el fondo del mar, otros hacen lo propio
en el laboratorio, frente a un computador, las matemá cas o simplemente expresan amplia
comunicación con niños o adultos.
2. Consulta Bibliográfica
Se procede una ardua pesquisa, recopilación y lectura bibliográfica sobre la temá ca de interés,
la cual permite fortalecer los conocimientos teóricos y conceptuales de la ciencia en cues ón,
como también, permite reconocer avances metodológicos y perspec vas de análisis. La consulta
bibliográfica posibilita conocer las grandes teorías que se han producido, las hipótesis que se han
planteado y han salido victoriosas, como también las que se han refutado.
Las mejores revistas cien ficas se editan en inglés u otros idiomas por lo que el estudiante deberá
tener un acercamiento previo con tal idioma, en muchas situaciones la elección del tema puede
conducirnos a idiomas par culares donde se han desarrollado los mayores avances cien ficos.
La revisión bibliográfica influye en la dirección que adoptará la inves gación y, a la vez, permite
visualizar diversos enfoques que facilitan el camino para plantear la (s) pregunta(s) de inves gación.
62 METODOLOGÍA DE LA INVESTIGACIÓN
Lerma (1982) señala que los trabajos a considerar principalmente en la revisión bibliográfica
deben referirse a:
• Problemas, temas o poblaciones similares.
• Relaciones y variables.
• Trabajos metodológicos propios de la temá ca elegida-diseño, método de análisis, validez de
los instrumentos de medición, entre otros.
Hernández- Sampieri et al. (1998), refieren que también es válida la consulta de estudios
efectuados en otros países, que si bien podrían diferir del contexto local, pueden aportar
información valiosa en muchos aspectos.
Walker (2002) nos advierte que debemos tener prelación por autores reconocidos y por
casas editoriales de renombre, como es el caso de revistas cien ficas y textos publicados por
universidades los cuales, generalmente, son revisados por pares expertos antes de su publicación.
Esta apreciación la hace extensible a las consultas en la WEB las cuales deben recaer en fuentes
gubernamentales, no lucra vas, reconocidas o universitarias, y cuya ventaja principal es la
posibilidad de actualización inmediata.
No obstante, se le sugiere al inves gador que a medida que realiza la revisión bibliográfica, realice
un esfuerzo consciente y no espere en forma pasiva a concretar la temá ca de su inves gación.
En este momento debe esclarecerse qué voy a hacer, en qué lugar y tiempo y con qué población.
4. Hipótesis, Objetivos
a. ObjeƟvos Generales y Específicos
El objetivo general de una inves gación se enmarca en el tulo de la misma y se descompone,
a su vez, en objetivos específicos o propósitos de comprobación y descripción del sistema o
de las variables de estudio.
El objetivo general señala el nivel de conocimiento que se desea obtener del objeto como
resultado de la inves gación. Por lo regular, cada inves gación ene un único obje vo
Capítulo 2: Modelos de investigación 63
general cuyo enunciado se inicia con un verbo en infini vo, aunque puede escribirse incluso
con más de un verbo: Identificar y describir. El obje vo general cons tuye la directriz de la
inves gación, mientras que el resto del documento se construye como apoyo o soporte al
mismo.
Los obje vos específicos, por su parte, reseñan los resultados o metas parciales. Se enuncian
e inician también con verbos en infini vo. Cada obje vo específico debe incluir un solo logro.
Una inves gación puede tener uno o múl ples obje vos específicos y cada uno de ellos debe
aferrarse a una metodología de campo, de laboratorio o de análisis par cular, si bien en
muchos casos se pueden emplear procedimientos semejantes.
Cuanto más clara sea la pregunta de inves gación, más fácil será el planteamiento de la
hipótesis. Al respecto, Salkind (1997) nos advierte de dos puntos de interés:
• No es lo mismo expresar una idea que postular una pregunta de inves gación, ya que
en la primera hay una ac vidad mental desbocada.
• La formulación escrita del proyecto, conlleva un proceso de orden mental, de reflexión y
de compromiso.
Haciendo la salvedad que algunos autores denotan un orden diferente, el proceso formal que
da lugar a los obje vos es el siguiente:
IDEA - PREGUNTA - HIPÓTESIS - OBJETIVO
La calidad de las hipótesis está relacionada directamente con el grado de profundidad con
que se haya revisado la literatura. Nos recuerda también que pueden tener una función
descrip va o explica va y que mientras algunas inves gaciones con enen gran variedad de
hipótesis otras con enen una o dos, sin que la calidad de la inves gación esté asociada al
número de ellas.
Ahora bien, la forma precisa en que se formule o escriba una hipótesis y de allí un obje vo,
incide de manera contundente en cómo deberá abordarse la metodología. Este punto es
esencial porque el obje vo define el modo en que deberán tomarse los datos y, a su vez,
condiciona lo que se hará con ellos.
Ideas, preguntas, hipótesis y obje vos, cons tuyen la vía principal de delimitación de la
inves gación y, a la vez, le dan el norte defini vo a la misma.
64 METODOLOGÍA DE LA INVESTIGACIÓN
b. Lluvia de Ideas
Las preguntas de inves gación pueden surgir espontáneamente antes o durante la revisión
bibliográfica, a par r de las dudas, vacíos, contradicciones o tendencias encontradas en la
literatura. Señalan que las ideas pueden surgir también de las experiencias individuales, los
materiales escritos, descubrimientos de otras inves gaciones, conversaciones, observaciones
de hechos, creencias e incluso presen mientos. Estos autores añaden, que la mayoría de las
ideas iníciales son vagas y deben trabajarse hacia planteamientos más estructurados lo cual
se logra, con mayor facilidad, en cuanto mejor se conoce el tema.
En caso de que el estudiante exprese dificultades para plantear preguntas de inves gación,
puede acudir a formular una lluvia de ideas propias, que podría enriquecer con compañeros,
profesores o tutores.
La lluvia de ideas trata de formular numerosas ideas, teniendo en cuenta que por tratarse de
ideas sueltas aún no analizadas en profundidad, algunas pueden resultar prác cas, obje vas
y viables, pero otras ir realizables, fantasiosas o poco importantes. El paso siguiente es,
entonces, filtrar o tamizar las mismas respecto a su per nencia y viabilidad.
d. PerƟnencia y Viabilidad
Algunas de las variables que se quieren estudiar pueden resultar muy costosas; asimismo,
otras pueden requerir de equipos especiales que no poseemos y debemos comprarlos,
alquilarlos, importarlos, etc. y, por tanto, estas limitaciones deben también ser sopesadas.
Por las vías previamente planteadas, es posible obtener un listado de obje vos tenta vos
que requieren de su inmediata confrontación frente a factores como jus ficación, equipos,
materiales, personal, logís ca, costos y empo requerido. A este tamiz sobrevive un número
menor de propósitos que cons tuirán los obje vos específicos de la inves gación.
5. Justificación
La validación de los obje vos se da a par r del por qué, el para qué, o qué importancia ene el
estudio. Las inves gaciones generalmente no obedecen tan sólo a un capricho de una persona
y, por tanto, debe haber una razón lo suficientemente fuerte que jus fique su realización. Debe
describirse entonces, por qué es conveniente la inves gación y cuáles son los beneficios que se
podrían derivar de ella.
6. Metodología
En este aparte de la propuesta se deben plantear las técnicas y los instrumentos que u lizará en la
inves gación, tanto en el campo, en el laboratorio y en el análisis de la información. Ésta es quizá,
la parte más importante de toda la propuesta, ya que obliga establecer el enlace entre lo que
quiere lograr y el cómo lograrlo. Es fundamental, entonces, que en la inves gación se integren,
amarren y relacionen los siguientes tres constructos:
OBJETIVOS - TOMA DE DATOS - ANÁLISIS DE INFORMACIÓN
66 METODOLOGÍA DE LA INVESTIGACIÓN
Con frecuencia los estudiantes se an de los programas de computador que permiten procesar
información cuan ta va o que realizan análisis estadís cos y, por ello, no reparan con el suficiente
juicio en los procedimientos de análisis. Por tal razón, en forma recurrente se encuentran con gran
can dad de datos sin saber qué hacer con ellos, o peor aún, corriendo múl ples opciones en tales
programas sin tener remota idea de lo que hacen. Por tanto, ni el computador ni el software,
garan zan una buena inves gación. Es común también encontrar que formulan un obje vo pero
no capturan los datos de forma correcta para dar cumplimiento al mismo.
Es fundamental exigir a los inves gadores, antes de iniciar su estudio, total claridad y transparencia
en su proceso metodológico, incluidos los análisis estadís cos. De hecho, en el análisis de
información se puede incurrir en múl ples errores como cálculos mal realizados, uso inadecuado
de la estadís ca, mala interpretación de resultados, elección inapropiada de la prueba o inferencias
no válidas de muestra a población.
La metodología debe ser lo suficientemente clara y explícita para que otro inves gador pueda
replicar tal estudio. Así mismo, debe dar cuenta de cuál es la población y describirla, el po de
muestreo que se habrá de implementar, el tamaño de la muestra, su nivel de confianza y el error
de muestreo. Además, se debe especificar si los instrumentos y procedimientos que se emplearán
han sido validados por otros autores o si se están diseñando y construyendo para dar cuenta de
esta inves gación par cular.
Lo dicho nos alerta sobre la naturaleza y la can dad de las variables que habremos de estudiar,
su nivel de profundidad, las técnicas, los instrumentos y los análisis cualita vos o cuan ta vos a
implementar. El diseño metodológico cons tuye la mejor estrategia a seguir para dar solución a
los obje vos planteados y comprende la definición y secuenciación de un conjunto de ac vidades
par culares.
Se sugiere, en la medida de lo posible, realizar una visita previa al lugar de estudio para reconocer
los elementos más importantes del sistema, así como para coordinar aspectos logís cos. Además,
el inves gador deberá tener gran familiaridad con las técnicas y los instrumentos de muestreo.
Se recomienda ampliamente no iniciar la inves gación, la toma de datos, hasta que no se hayan
resuelto todas y cada una de las inquietudes expuestas a con nuación:
• ¿Qué variables se van a medir o a es mar?
• ¿Cómo se va a tomar la información de campo?
• ¿Con qué instrumentos se van a medir las diferentes variables?
• ¿Cuáles son los procedimientos de laboratorio?
• ¿El estudio es de carácter espacial, temporal o espacio-temporal?
• ¿Cuál es la muestra y cuál es la población?
• ¿Se va a realizar un censo o un muestreo?
• ¿Cómo evaluar la representa vidad de la muestra?
• ¿Cuál es la unidad de estudio?
• ¿Es un estudio experimental, cuasiexperimental, preexperimental o no experimental?
• ¿Qué análisis estadís cos o numéricos se van a realizar con los datos?
• ¿Responden los datos a los obje vos planteados?
• ¿Qué cambios metodológicos se deben contemplar entre unos y otros obje vos?
• ¿Qué po de transformaciones se deben realizar sobre los datos crudos?
Capítulo 2: Modelos de investigación 67
La población es el conjunto de todos los elementos que se quiere estudiar, mientras que la muestra
son los elementos que efec vamente se estudian; a par r de esta úl ma se hacen inferencias sobre
la población cuando la muestra es representa va. Cuando se evalúa toda la población corresponde
a un censo y los parámetros poblaciones quedan determinados. Cuando, por el contrario, se hace
un levantamiento parcial de la información o se estudia una porción representa va que refleja
las caracterís cas de la población, se trata de una muestra y los parámetros poblacionales son
estimados.
Ello no significa que tales estudios sean inválidos, sino que los resultados competen solamente
al grupo estudiado. En muchas situaciones más que una generalidad, el propósito de una
inves gación puede recaer en el estudio de elementos con caracterís cas específicas y, de hecho,
el conocimiento se ha construido a par r de pequeñas inves gaciones que al replicarse en
múl ples sistemas, han permi do generar bases y cimientos sólidos para la ciencia.
7. Título
La elaboración del tulo solamente es posible cuando ya se han definido las principales
caracterís cas del proyecto, en lo que respecta a hipótesis-obje vos, metodología y marcos
geográfico y demográfico. El tulo debe escribirse en forma declara va, a su vez, debe ser
atrac vo, lo más explícito posible y sin adornos literarios ni nombres fastuosos. Debe referirse
solamente al tema principal evitando iniciar con ar culos y preposiciones. Se debe tratar de iniciar
la primera frase o palabra por el tema central.
El tulo de un proyecto debe ser ante todo, corto y claro; por tanto, debe evitar contener
información irrelevante a la vez que refleja qué se va a hacer, dónde y, si es per nente, cuándo o
con quién . El tulo semeja en gran medida al obje vo general de la inves gación, aunque no sigue
la norma de iniciar con un verbo en infini vo sino con un sustan vo derivado de aquél, como:
• Determinación de ... -determinar-
• Uso de ... -usar-
• Análisis de ... -analizar-, etc.
Otros ejemplos que no necesariamente siguen la regla anterior son los siguientes:
– Efecto de ... - Estructura de ... - Tasas de ... - Plan de ...
– Incidencia de ... - Crecimiento de ... - Tendencias de ... - Propuesta de ...
– Factores que ... - Monitoreo de ... - Indicadores de ... - Diagnós co ...
– Cambios de ... - Distribución de ... - Alterna vas de ...
68 METODOLOGÍA DE LA INVESTIGACIÓN
Con frecuencia el tulo del proyecto se modifica entre el proyecto de inves gación y la inves gación,
dado que sobre ésta se revalúan hipótesis, obje vos o metodologías que modifican el propósito
original. Un marco de referencia pobre, un método poco estudiado o el desconocimiento de la lo
calidad o la población objeto, pueden llevar a modificaciones importantes en el estudio y, con ello,
en el tulo del mismo.
Para la elaboración del tulo conviene iniciar iden ficando y escribiendo algunas de las palabras
claves que se considera describen más el tema de estudio; luego, éstas se precisan y se jerarquizan,
eligiéndose las más relevantes y omi endo las restantes; finalmente, se redacta adecuadamente
con las palabras elegidas. Una vez que se define el tulo tenta vo, se debe tratar de reducir su
extensión sin perder información relevante.
8. Marco de Referencia
El marco de referencia inscribe el estudio dentro del conjunto de conocimientos, variables,
conceptos, hipótesis y teorías desarrolladas por otros inves gadores.
Este parágrafo suele ser trabajado con diferentes nombres como marco de referencia, marco
teórico o marco conceptual. En este documento se ha elegido marco de referencia el cual es más
universal e involucra los siguientes ítems:
• Marco de antecedentes.
• Marco teórico.
• Marco conceptual.
• Marco demográfico.
• Marco geográfico.
• Marco ins tucional.
• Marco legal.
a. Marco de Antecedentes
El inves gador recopila información sobre inves gaciones previas que ya han abordado
dicho tema desde múl ples y diversas perspec vas. Es decir, reconstruye los antecedentes
históricos con el nombre de los inves gadores, los enfoques que han dado, las hipótesis que
han planteado, sus resultados, métodos y técnicas u lizadas, a la vez que permite reconocer
problemas que se han suscitado en el desarrollo de las mismas.
La revisión bibliográfica arroja información sobre las poblaciones y las condiciones geográficas,
el po de variables medidas y las relaciones empíricas supuestas o demostradas. Este marco
de referencia, al cual llamamos antecedentes, nos sitúa a la vanguardia del conocimiento
en el tema de estudio. Cabe destacar que no toda la información consultada será parte de
nuestro estudio, por lo que debemos seleccionar aquélla que resulte per nente.
Los antecedentes cons tuyen los hechos anteriores que sirven para aclarar, juzgar e
interpretar el problema planteado; no se trata de un recuento histórico, ni de presentar
fuentes bibliográficas posibles o volúmenes de datos recolectados. Se trata de hacer una
síntesis de las inves gaciones o trabajos realizados sobre el tema de estudio, con el fin de
determinar el enfoque metodológico.
Lo que pretenden los antecedentes de un estudio es que el inves gador exprese qué tanto sabe
y en ende del tema, a fin de que demuestre si cuenta con los elementos de juicio necesarios
para la realización de la inves gación propuesta. Para la escritura de los antecedentes se
sugiere iniciar con el tema general e ir, poco a poco, procurando más especificidad sobre el
tema de estudio.
b. Marco Teórico
Cons tuye una descripción detallada de los elementos esenciales de la(s) teoría(s). Cada
ciencia formula sus propias teorías de acuerdo con el avance que demuestre en ellas. Las
mismas varían en generalidad y si bien algunas son universales, otras son individuales. Las
teorías universales que cobijan a la ciencia de estudio no son tan necesarias de plasmar,
mientras que aquellas más restringidas, conflic vas y per nentes al tema de estudio si deben
presentarse.
Si la teoría está muy consolidada, debemos darle un nuevo enfoque a nuestro estudio
planteando interrogantes que no se han podido resolver, o podemos contribuir con
base empírica en aquellas teorías que parecen sólidas pero que carecen de suficientes
inves gaciones de campo, o que requieren de su comprobación en otras condiciones. Si se
toman partes de diferentes teorías, hay que tener precaución de no generar contradicciones
lógicas entre ellas.
En muchas áreas del conocimiento hoy nos encontramos con generalizaciones empíricas más
que con teorías, por lo que se debe construir una perspectiva teórica que incluya información
rela va a los resultados y a las conclusiones a los que han llegado otros estudios anteriores.
El marco teórico establece la frontera o límite hasta dónde llegará la inves gación. Este marco
integra la teoría existente con nuestra inves gación. Sus funciones son:
• Delimitar el área de la inves gación.
• Sugerir guías de inves gación.
• Compendiar conocimientos del tema a inves gar.
• Expresar proposiciones teóricas y postulados que servirán como base para formular
hipótesis, operacionalizar variables y esbozar técnicas y procedimientos.
El marco teórico debe incluir información rela va a: Teorías básicas, Solidez de las teorías
que sustentan la inves gación, Claridad y coherencia de los principios postulados y supuestos
sobre los cuales se apoya la inves gación.
70 METODOLOGÍA DE LA INVESTIGACIÓN
c. Marco Conceptual
Tiene como obje vo suministrar información sobre las principales definiciones con las
cuales se abordará el estudio o problema de inves gación, consiste en presentar los rasgos
principales de la estructura de un concepto para hacerlo más preciso, delimitándolo de otros
conceptos, a fin de hacer posible una exploración sistemá ca del obje vo que representa.
En él aparecen las definiciones de las variables y de los obje vos contemplados en el problema
de inves gación, así como de los términos que van a ser u lizados con mayor frecuencia o
que pueden suscitar confusión. Tales definiciones las hace el inves gador de acuerdo a su
criterio, a definiciones propuestas por otros inves gadores o a la teoría en la que se apoya la
inves gación.
Se recomienda, para la elaboración del mismo, hacer un listado de las palabras claves que
enmarcan el estudio y consultar textos especializados para los términos básicos. Por tanto, es
esencial en el desarrollo de cualquier inves gación, que el inves gador tenga una apropiación
suficiente sobre el vocabulario cien fico de su área de conocimiento.
d. Marco Geográfico
La zona geográfica se define como la circunscripción específica del lugar, espacio sico o
ámbito donde se realizará la inves gación. Antes de iniciar el estudio, el inves gador debe
establecer y, en lo posible, visitar el espacio geográfico y sico en el que se desarrollará
el estudio, por cuanto la misma habrá de incidir notablemente en los obje vos y en la
metodología.
En algunas ciencias quizá no tenga mucha importancia describir con mayor detalle este
marco, por cuanto la inves gación se lleva a cabo, por ejemplo, de modo experimental en un
laboratorio.
e. Marco Demográfico
Este marco con ene las caracterís cas demográficas concernientes a la población que se va
a estudiar.
En ciencias humanas, describe las principales caracterís cas sociales, económicas, de edad
y de género. Las mismas, generalmente, son tomadas de información secundaria rela va a
censos u otros estudios previos. En caso de que tal información no se encuentre descrita, es
labor del inves gador construirla e incluir la, naturalmente dentro de unos límites de costos
y empo apropiados. Es decir, si el estudio se va a centrar en indagar sobre una condición
Capítulo 2: Modelos de investigación 71
social par cular, el proyecto no debe describir tal condición como resultado de encuestas,
estadís cas u otros procesos costosos y arduos, porque precisamente ese será el propósito
de la inves gación; no obstante, sí puede preanunciar la condición observada en la región,
la localidad u otro.
Aspectos como si se trata de una población urbana o rural, con ciertos niveles de escolaridad,
con tales o cuales pos de empleo, con ingresos altos, medios o bajos, etc., aportarán la
información requerida por este marco.
En caso de estudios sobre ins tuciones específicas, se denotarán los aspectos que se puedan
derivar de charlas con personas que trabajen en dicha ins tución, y que incluyan, por
ejemplo, el número de personas que allí estudian o trabajan, sus edades, distribución por
género u otros.
En estudios biológicos de campo, este marco suele referirse a los ecosistemas propiamente
y no a la población humana. Si no hay información puntual de dichos ecosistemas, se puede
recurrir a descripciones más globales en la tudes próximas.
f. Marco InsƟtucional
En este parágrafo se enuncia la ins tución o ins tuciones donde se enmarca el estudio.
Puede tratarse tan sólo de una requisición académica para optar a un tulo y en tal caso
de describe así un par de líneas, o puede tratarse de un proyecto en el que par cipan
diferentes ins tuciones aportando fondos, personal o infraestructura y deberá describir se la
par cipación y los compromisos de cada una de ellas.
g. Marco Legal
La realización de algunos proyectos de inves gación como, por ejemplo, aquellos que se
realizan en áreas protegidas, resguardos indígenas o parques nacionales, deben incluir las
Leyes, Decretos o Normas que aplican en cada caso. Algunos permisos adicionales pueden
ser requeridos y debe exponerse el marco legal que sustenta los mismos, así como también,
si tales permisos ya han sido solicitados u otorgados. De igual modo, estudios al interior de
ins tuciones o empresas requieren, muy seguramente, de autorizaciones para ello, por lo
que se recomienda no dejar para úl mo momento tales permisos, pues la negación haría
perder todo el proceso avanzado.
9.Introducción
Introduce al lector en el tema de inves gación presentándole en forma rápida y sinté ca la
problemá ca a tratar. Debe procurarse un lenguaje sencillo, coherente y cau vador, ya que este
párrafo es la puerta de entrada al documento, por lo que define la primera impresión del lector.
Este ítem, no obstante ser el primero del proyecto y de la inves gación, se escribe solamente
cuando todo el panorama de estudio está claro para el inves gador.
10. Cronograma
La parte administra va del proyecto se refiere a los aspectos logís cos e indican cómo se va a lograr
su realización, para lo cual se deben indicar los recursos, el tiempo y el presupuesto necesario para
el desarrollo de las diversas ac vidades del estudio.
Ejemplo 1
Capítulo 2: Modelos de investigación 73
Ejemplo 2
Una vez el inves gador define el costo total del proyecto, es necesario que establezca si cuenta con
tales recursos. Cuando el proyecto resulta muy costoso en el marco de una financiación personal o
externa, se deben revisar y replantear los obje vos para amoldar los mismos a un presupuesto más
ajustado. Ello puede conllevar a la necesidad de reducir estaciones, muestras, obje vos, variables
o períodos de estudio, o puede llevar incluso a cambiar el lugar donde se va a ejecutar el proyecto.
74 METODOLOGÍA DE LA INVESTIGACIÓN
En término general, la reducción de los alcances del proyecto debe hacerse con cautela para que
no se debilite, menoscabe o invalide la finalidad del estudio mismo. Se recomienda reducir el
número de obje vos manteniendo, sin embargo, un alto nivel de profundidad en los elegidos, en
lugar de pretender abarcar muchos propósitos pero con tan poco nivel de confiabilidad en ellos,
que no permitan formular conclusiones o inferencias de ningún po.
Así por ejemplo, en el estudio del fitoplancton superficial del lago de Ti caca, se podría reducir el
número de estaciones a la mitad para disminuir los costos del proyecto; no obstante, si el número
de estaciones que subsisten no aporta una representación adecuada del lago, el estudio no podrá
inferir sobre la estructura de la comunidad en dicho ecosistema y corre el riesgo de invalidarse
por falta de representa vidad.
a. Materiales
En este ítem se expone un listado de todos los materiales y equipos que se requieren para la
ejecución del estudio, así como la persona o en dad que aportará los mismos. Se sugiere
hacerlo en forma de tabla.
b. Presupuesto
Los ítems que deben ser presentados en el proyecto son los correspondientes a los costos
directos, tales como:
• Personal: auxiliares, servicios técnicos y el costo del inves gador.
• Equipos: computadores, vehículos, grabadoras, filmadoras, cámaras fotográficas,
microscopios, telescopios u otros.
• Transporte y alojamiento: incluye gastos de movilización, alimentación y hospedaje.
• Gastos varios: fotocopias, planos, fotogra as aéreas, so ware, libros.
• Material fungible o elementos de consumo: se refiere a los materiales que se gastan o
acaban: papel, bolsas, reac vos, nta, rollos fotográficos, etc.
El presupuesto del proyecto debe incluir no sólo los ítems que generan gastos, sino también
sus can dades. Se sugiere además, incluir un ítem de imprevistos para cubrir aquellos gastos
que por descuido no fueron tenidos en cuenta o cuyos costos pueden incrementarse sobre
el transcurso de la inves gación.
Otros pos de costos diferentes a los previamente referidos son los indirectos, pero éstos
son propios de ins tuciones donde, además de los costos directos del proyecto, se incurre
en costos financieros y de administración, servicios, mensajería, impuestos, prestaciones,
etc. Es importante diferenciar el costo total del costo en que debe incurrir el investigador, ya
que este rubro juega un rol importante en la viabilidad del proyecto. Tales costos se deben
presentar en forma de tabla.
Capítulo 2: Modelos de investigación 75
12. Bibliografía
Presenta solamente los documentos que fueron consultados y referenciados dentro del proyecto,
por lo que aquellos que fueron consultados pero no fueron per nentes al estudio, se excluyen.
Algunos de ellos pueden, sin embargo, resultar apropiados para el trabajo final en el marco de la
discusión de resultados.
No existe ningún límite mínimo o máximo respecto al número de libros y ar culos cien ficos que
deben ser consultados para la formulación de la propuesta, aunque se sugiere que tal cifra no
sea inferior a veinte, ello con el fin de que el recorrido del estudiante haya sido suficientemente
amplio. El director del proyecto será quien, en primer lugar, determine si la bibliogra a consultad
a es suficiente, así como también, si se deben hacer consultas adicionales de autores importantes
en el tema.
La bibliogra a se presenta al final del documento y antes de lo s anexo s si los hubiere. Los
elementos principales que hacen parte de cada referencia bibliográfica son los siguientes: autor,
tulo de la obra, número de edición, complementarios, traducción, edición, corregida, etc., lugar
de edición, ciudad, nombre de la editorial, fecha de edición y número de tomos de la obra. Vale
añadir, que en cada referencia se presentan todos los autores y no como ocurre en el cuerpo del
documento, donde se expresa et al. cuando se trata de más de dos autores.
La forma de presentar una referencia bibliográfica cambia ligeramente según la casa editorial, la
revista, la universidad o el país y, por ello, no hay un único formato de cita, si bien el contenido
general es mu y similar. Las referencias bibliográficas se deben presentar ordenadas alfabé camente
por apellido del primer autor.
Es fundamental que el informe sea elaborado en un muy cuidado lenguaje, centrado directamente
en las cues ones clave (concreto y preciso) y demostrando la sistema cidad y rigurosidad propios de
todo proceso de inves gación cien fica. Igualmente, teniendo en cuenta los criterios de redacción
(formato) estandarizados internacionalmente para que el documento tenga valor y reconocimiento en
la comunidad cien fica y, por tanto, en la sociedad.
76 METODOLOGÍA DE LA INVESTIGACIÓN
1. Introducción.
2. Jus ficación.
3. Planteamiento del problema.
4. Objeto de estudio.
5. Cues ones a responder mediante la inves gación.
6. Obje vos.
7. Marco teórico.
8. Metodología y desarrollo de la inves gación.
9. Presentación y discusión de resultados.
10. Conclusiones.
11. Referencias bibliográficas.
1. Introducción
Con ene una descripción razonada de todo el documento, de modo tal, que el lector ene una
visión panorámica completa de la inves gación (tema, bases teóricas, hallazgos). Adicionalmente
se presenta una descripción de la estructura del informe propiamente como tal.
2. JusƟficación
Es retomada del proyecto y mejorada desde el punto de vista esté co únicamente, pues los
argumentos de la inves gación se man enen.
4. Objeto de estudio
Considera el texto del proyecto.
6. ObjeƟvos
Considera exactamente el texto del proyecto en caso de inves gación cuanƟtaƟva; en una
inves gación cualitaƟva en cambio, los obje vos han podido ser ajustados a lo largo del proceso
de inves gación respecto de los obje vos presentados en el proyecto aunque no modificados en
su intención original.
7. Marco teórico
Con ene los capítulos que resumen la amplia revisión documental realizada por el inves gador
mediante la cual ha caracterizado el tema de inves gación y establece su posicionamiento teórico.
Capítulo 2: Modelos de investigación 77
Igualmente aporta los antecedentes teórico conceptuales y empíricos que en conjunto sos enen
la inves gación y sirven de referencia para interpretar los datos recogidos. En una inves gación
cuanƟtaƟva el marco teórico sirve de base para el establecimiento de variables de estudio, en un
estudio cualitaƟvo el marco teórico es referencial sobre la realidad estudiada y no funge como
base de operacionalización de variables.
10. Conclusiones
Des la lo esencial de todo el proceso enfa zando especialmente la riqueza de la evidencia
empírica aportada y, a par r de ello, presenta la prospec va que el inves gador contribuye desde
su propia reflexión.
4. Se determina la hipótesis
Se expone y defiende el punto de vista del inves gador, ofreciendo argumentos lógicos que
jus fiquen el estudio.
78 METODOLOGÍA DE LA INVESTIGACIÓN
1. Título
Tema de la inves gación.
2. Marco teórico
Jus ficación, antecedentes y pregunta de inves gación.
3. ObjeƟvos
General y específicos.
4. Hipótesis
Depende del po de estudio.
5. Material y método
Metodología que se lleva a cabo para la ejecución de la inves gación, es decir, se describe la forma
paso a paso.
- Definición operacional de variables (según po: discreta, con nua, categoría, también como
dependiente, independiente) En esta parte también se incluye algo muy importante de la
estadís ca.
- Cálculo de tamaño de muestra.
- Esquema de muestreo.
- Plan de análisis estadís co.
6. Resultados
7. Conclusiones
El modelo o estrategia está desarrollado de forma teórica y prác ca, con ejercicios fáciles de entender.
Capítulo 2: Modelos de investigación 79
Para poder desarrollar un trabajo de inves gación se recomienda seguir los pasos del modelo o
estrategia siguiente.
1.2 ObjeƟvos: Especifica qué se intenta conseguir con el trabajo de inves gación; cons tuye la
directriz de la inves gación, señala los resultados o metas.
1.3 Hipótesis: Se expone y defiende el punto de vista del inves gador, ofreciendo argumentos
lógicos que jus fiquen el estudio.
2.1 Población: Conjunto de todos los individuos (personas, objetos, animales, etc.) que porten
información sobre el fenómeno que se estudia.
2.2 Muestra: Cons tuye una selección al azar de una porción de la población.
2.3 Individuo: (Observación, Caso, Sujeto): Cualquier elemento que aporte información sobre el
fenómeno que se estudia.
2.4 Variable: La variable es toda aquella propiedad de algún objeto, persona o evento que posee
diferentes valores.
2.5 Tamaño de Muestra: En una inves gación el tamaño de muestra es muy importante.
Teniendo en cuenta que la calidad y validez de los resultados de una investigación depende
del tamaño de muestra. Una muestra demasiado grande implica un desperdicio de recursos y
una muestra demasiado pequeña disminuye la u lidad de los resultados.
2.6 Tipo de Muestreo: La muestra se puede elegir de diferentes maneras teniendo presente el
po de muestreo (muestreo aleatorio simple, muestreo sistemá co, muestreo estra ficado,
muestreo por conglomerados, muestreo mixto).
3.1 Instrumento de medición (CuesƟonario): Cualquier recurso de que se vale el inves gador
para acercarse a los fenómenos y extraer de ellos información.
CuesƟonario: Representa un conjunto de preguntas respecto a una o más variables a medir,
u lizada para sacar información de cualquier fenómeno.
3.2 Equipos de Medición: Cualquier equipo que permita apoyar la medición de variables
(grabadora de audio o vídeo, computador, satélite, gráficos, informes, expedientes,
estereoscopio, etc.).
3.3 Codificación de datos: Codificar consiste en asignarle un número o letra diferente a las
posibles respuestas (alterna vas) de una pregunta.
5. Análisis de Resultados y conclusiones: Ingresados los datos es hora de sacar los resultados. Los
Resultados muestran los principales hallazgos de la inves gación aplicando técnicas estadís cas
(tablas, cuadros, gráficas, etc.) y presenta una potente interpretación teórica que demuestra el
dominio técnico del inves gador.
Las conclusiones extraen lo esencial de todo el proceso enfa zando especialmente la riqueza de
la evidencia empírica aportada.
Las técnicas estadís cas u lizadas son: Estadís cas Descrip vas, Correlación, Regresión, Prueba de
hipótesis, ANOVA (Modelos Lineales), Prueba no paramétrica, etc.
OBSERVACIÓN
Como verá la estadís ca es un elemento muy importante de la inves gación cien fica. Comúnmente,
los experimentos cien ficos producen observaciones o hallazgos que se expresan como datos
numéricos.
Las mediciones que se ob enen de los sujetos bajo estudio cons tuyen los datos. Generalmente, los
datos son medidas de la variable. Los datos crudos u originales consisten de aquellos datos obtenidos
directamente del experimento, es decir, no han sido some dos a tratamiento estadís co. El propósito
de las inves gaciones es poder formular generalizaciones basado en un conjunto de observaciones
que se extraen del estudio (el laboratorio). Desarrolla y se convierte en la fuente de generación de
pensamiento libre y ú l. Esto significa que el cien fico generaliza hacia la población bajo estudio.
3
Capítulo
Planteamiento del
problema
En el presente capítulo aprenderemos a plantear un problema de inves gación,
resolveremos ejercicios prác cos u lizando el diagrama siguiente.
PROBLEMA
El problema es el punto de par da de la inves gación. Surge cuando el inves gador encuentra un vacio
teórico, dentro de un conjunto de datos conocidos, o un hecho no abarcado por una teoría, un tropiezo
o un acontecimiento que no encaja dentro de las expectaciones en su campo de estudio.
Todo problema aparece a raíz de una dificultad, la cual se origina a par r de una necesidad sin resolver.
La inves gación en el campo empresarial y laboral surge cuando se presentan situaciones y dificultades
de muy diversos orden, las cuales requieren una solución a mayor o menor plazo.
No importa que la inves gación cons tuya un grano de arena dentro de la ciencia. Es preferible señalar,
de acuerdo a las propias inclinaciones y preferencias, un tema reducido en extensión, es decir, poner
límite a la inves gación. Una de las fallas más comunes en la inves gación es por ambición del tema,
que consiste en la ausencia de restricción del tema. Por reducido ilimitado que puede parecer un tema,
si se explora convenientemente surgirá una serie de ramificaciones que le dan importancia y valor.
El planteamiento del problema comienza cuando se define los obje vos y se plantea la hipótesis de la
idea de la inves gación.
1. Idea
Subrayar las ideas centrales del problema y conver r cada idea en una o más preguntas. Se expone
el propósito del estudio, basado en una pregunta de inves gación, es de suma importancia que el
problema se exprese claramente.
¿Qué realidad me interesa inves gar?
Aquí debe especificar los obje vos o propósitos de trabajo, incluyendo los problemas que se
intentan resolver o las hipótesis que se intenta probar.
2. Objetivos
Toda inves gación ene obje vos generales y obje vos específicos
ObjeƟvo general.- Especificar que se intenta conseguir con el trabajo de inves gación. Por lo
regular, cada inves gación ene un único obje vo general cuyo enunciado se inicia con un verbo
en infini vo, aunque puede escribirse incluso con más de un verbo: Iden ficar y describir. El
obje vo general cons tuye la directriz de la inves gación.
ObjeƟvos específicos.- Señalan los resultados o metas parciales. Se enuncian e inician también con
verbos en infini vo. Cada obje vo específico debe incluir un solo logro. Una inves gación puede
tener uno o múl ples obje vos específicos y cada uno de ellos debe aferrarse a una metodología
de campo, de laboratorio o de análisis par cular, si bien en muchos casos se pueden emplear
procedimientos semejantes.
¿Qué parte de esa realidad deseo inves gar?
¿Qué cues ones me interesan de esa parte de la realidad?
¿Qué debo hacer para desarrollar la inves gación?
84 METODOLOGÍA DE LA INVESTIGACIÓN
3. Hipótesis:
Se expone y defiende el punto de vista del inves gador, ofreciendo argumentos lógicos que
jus fiquen el estudio. Los resultados de la Hipótesis de inves gación, no siempre coinciden con
los resultados reales. Debe entenderse que la realidad es una enƟdad viva y ene voz propia y la
riqueza de una inves gación cien fica está precisamente en mostrar la realidad tal como es, no en
validar una hipótesis.
¿Qué espero que suceda con mi intervención sobre la realidad estudiada?
¿Qué pienso encontrar en la realidad estudiada?
Haciendo la salvedad que algunos autores denotan un orden diferente, el proceso formal que da lugar
a resolver un problema de investigación es la siguiente.
A este proceso lo llamaremos problema de inves gación, los siguientes ejercicios representan el
proceso descrito:
EJERCICIO 1
Problema: Estudiar el costo de la vivienda en la ciudad de lima.
• Idea: Observando la situación de las viviendas en la ciudad de Lima, surge la inquietud de saber si
el costo de la vivienda cambia respecto del lugar de ubicación, ya que a mayor o menor incidencia
de centros comerciales podría afectar el costo.
• Pregunta: ¿el precio de la vivienda cambia de acuerdo al lugar de ubicación?, sirve para plantear
hipótesis.
Capítulo 3: Planteamiento del problema 85
EJERCICIO 2
Problema: Tác cas en un par do de fútbol.
• Idea: mientras contemplo un par do de fútbol me pregunto sobre la tác ca que u liza mi equipo
preferido.
• Pregunta: ¿ha cambiado la tác ca de mi equipo durante la úl ma década?.
• Hipótesis: la tác ca actual de mi equipo es más defensiva que la expuesta una década atrás.
• En esta hipótesis también se podría compara la tác ca de un equipo frente a otro, o a tác cas
empleadas en otros países, etc.
• ObjeƟvo: determinar si la tác ca de mi equipo de fútbol es más defensiva ahora que hace una
década.
Hay que recordar que el obje vo debe ser consecuente con la hipótesis y que esta úl ma se escribe a
manera de proposición que puede ser demostrada o rechazada. Por tanto, debe tenerse precaución
con los verbos u lizados en los obje vos específicos
EJERCICIO 3
Problema: Estudiar las hojas de un árbol de sauce.
• Idea: mientras contemplo árbol de sauce, me surge la inquietud de si el área de las hojas situadas
en la parte superior cambia respecto a las de la parte inferior, ya que a mayor o menor incidencia
solar podría afectar dicha área. Luego formulo la pregunta de inves gación.
• Pregunta: ¿el área de las hojas de sauce cambia de la parte superior a la inferior? Sirve para
plantear la hipótesis.
• Hipótesis: el área de las hojas de sauce cambia de la parte superior del árbol a la inferior del árbol.
En seguida se explica el obje vo.
• ObjeƟvo: determinar si el área de las hojas del sauce cambia de la parte superior a la inferior del
árbol.
Observe que, en esencia, se dice lo mismo pero, de forma dis nta, por lo que debe tenerse cuidado
con la redacción de los mismos.
Mientras que, para otros, autores el problema se refiere solamente a la pregunta, el problema es
una pregunta que envuelve intrínsecamente una dificultad teórica o prác ca, a la cual se debe hallar
una solución. Estos autores añaden, que para formular bien el problema, se debe tener amplios
conocimientos sobre el tema y, además, se debe tener una gran imaginación crea va.
86 METODOLOGÍA DE LA INVESTIGACIÓN
EJERCICIO 4
Problema: apareamiento de las ballenas jorobadas.
• Idea: observar el ritual de apareamiento de las ballenas jorobadas en las costas Peruanas.
• Hipótesis: las ballenas jorobadas se aparean en las costas Peruanas.
• ObjeƟvo: observar si existe apareamiento de las ballenas jorobadas en las costas Peruanas
EJERCICIO 5
EJERCICIO 6
En la formulación de hipótesis y obje vos, también se debe tener presente las variables de mayor
importancia y las relaciones existentes entre ellas.
Variables: Se u lizan para designar cualquier caracterís ca o cualidad de la unidad de análisis y son
los elementos principales de los obje vos y las hipótesis. Es necesario definir las variables a medir y
la forma en que vamos a hacerlo, como también, las unidades y los indicadores de interpretación que
le vamos a dar: can dad o cualidad del atributo, unidad y forma de medida, o expresión matemá ca.
Durante este proceso las variables se transforman de un nivel abstracto a un nivel empírico, observable
y medible.
• ObjeƟvos:
- De terminar la densidad y composición del fitoplancton superficial en diferentes lugares del
lago Ti caca.
- Determinar la producción primaria en diferentes lugares del lago Ti caca.
• Hipótesis:
H1: El lago Ti caca está eutroficado (Nutrido)
H2: La baja transparencia de las aguas del Ti caca denota alto desarrollo del fitoplancton
Capítulo 3: Planteamiento del problema 87
EJERCICIO 7
Los siguientes ejemplos ilustran claramente la u lidad del marco conceptual para la manipulación de
las variables:
Ho: Los montones de madera viejas que se acumulan en la margen de los ríos, son utilizadas por
mamíferos pequeños para su resguardo
Una hipótesis como la anterior, requiere que el inves gador precise los siguientes conceptos:
• ¿A par r de qué talla se considera un grupo de leños como montón?
• ¿Cómo va a definir o diferenciar los montones viejas de las nuevas?
• ¿Hasta dónde va a considerar margen de los ríos?
• ¿A cuáles mamíferos en par cular se refiere y cómo los registrará o evaluará?
• ¿Qué en ende como resguardo?
Ho: la creatividad en adolescentes de alta capacidad intelectual es mayor que en niños de capacidad
intelectual promedio
La calidad de las hipótesis está relacionada directamente con el grado de profundidad con que se haya
revisado la literatura. Nos recuerda también que pueden tener una función descrip va o explica va y
que mientras algunas inves gaciones con enen gran variedad de hipótesis otras con enen una o dos,
sin que la calidad de la inves gación esté asociada al número de ellas.
La forma precisa en que se formule o escriba una hipótesis y de allí un obje vo, incide de manera
contundente en cómo deberá abordarse la metodología. Este punto es esencial porque el obje vo
define el modo en que deberán tomarse los datos y, a su vez, condiciona lo que se hará con ellos.
Ideas, preguntas, hipótesis y obje vos, cons tuyen la vía principal de delimitación de la inves gación
y, a la vez, le dan el norte defini vo a la misma.
No debe confundirse una hipótesis de inves gación con una hipótesis estadís ca, si bien puede haber
gran correspondencia entre ellas. En la primera se plantea la proposición bajo estudio, mientras que,
en las segundas, se plantean dos hipótesis: una nula H0 que generalmente se refiere a que el resultado
de una prueba estadís ca no es significa va y, una alterna H1, que denota que sí lo es.
Si bien la idea u objeto de estudio puede surgir de la nada, las demás de las veces llega después de una
intensa inmersión en el tema que nos permite descubrir las hipótesis resueltas, las dudas teóricas, los
planteamientos inconclusos y las diferentes perspec vas u lizadas. Por tanto, las ideas cons tuyen el
punto de par da de los inves gadores con amplio dominio temá co y una larga experiencia, pero no
son, regularmente, el punto de par da de los novatos.
Cuando se inicia un proyecto de inves gación con un tema que se desconoce o con el cual ha habido
poca aproximación, se corre el riesgo que el mismo se abandone al cabo de un empo, por cuanto no
llena las expecta vas del inves gador, o porque resulta muy di cil, costoso o extenso. Por tal razón,
conviene que exista algún vínculo emocional, así como de conocimientos previos, para que esto no
suceda. Aun así, es común que el tema gire levemente en torno a la temá ca previamente elegida.
Cuanto más clara sea la pregunta de inves gación, más fácil será el planteamiento de la Hipótesis y
obje vos. Al respecto nos advierte de dos puntos de interés:
• No es lo mismo expresar una idea que postular una pregunta de inves gación, ya que en la
primera hay una ac vidad mental desbocada.
• La formulación escrita del proyecto, conlleva un proceso de orden mental, de reflexión y de
compromiso.
Capítulo 3: Planteamiento del problema 89
LLUVIA DE IDEAS
Surge en el caso de que el estudiante exprese dificultades para plantear preguntas de inves gación.
Entonces puede acudir a formular una lluvia de ideas propias, que podría enriquecer con compañeros,
profesores o tutores.
También podría valerse de las recomendaciones para futuras inves gaciones que plantean estudios ya
publicados. Se recomienda mesura en el proceso de formulación de hipótesis, ya que con frecuencia el
entusiasmo de los estudiantes se traslada a una sobrevaloración de sus ideas que termina por nublar su
juicio. Otros estudiantes más, suelen abarcar más de lo que pueden apretar o terminan haciendo algo ya
hecho.
EJERCICIO 1
El siguiente ejemplo ilustra el proceso de formulación de una lluvia de ideas, par endo del supuesto
de que el tema de estudio es la justicia en el Perú. A par r de esta temá ca se pueden formular
numerosas ideas, algunas de ellas rela vas a la ins tución jueces, y la comunidad judicial:
Hay que tener en cuenta que por tratarse de ideas sueltas aún no analizadas en profundidad, algunas
pueden resultar prác cas, obje vas y viables, pero otras irrealizables, fantasiosas o poco importantes.
El paso siguiente es, entonces, filtrar o tamizar las mismas respecto a su per nencia y viabilidad.
90 METODOLOGÍA DE LA INVESTIGACIÓN
EJERCICIO 2:
El siguiente ejemplo ilustra el proceso de formulación de una lluvia de ideas, par endo del supuesto de
que el tema de estudio es la pesca artesanal. A par r de esta temá ca se pueden formular numerosas
ideas, algunas de ellas rela vas a los peces, o tras a la pesca y o tras más a la comunidad de pescadores:
VERBOS Y DEFINICIONES
Algunos de los verbos que regularmente se emplean en los obje vos de una inves gación y sus
definiciones se presentan a con nuación:
• Analizar: de Análisis: dis nción y separación de las partes de un todo hasta llegar a conocer sus
principios o elementos. Método estadís co usado para cuan ficar la importancia de cada uno de
los factores actuantes en un fenómeno.
• Caracterizar: determinar los atributos peculiares de alguien o de algo, de modo que claramente
se dis nga de los demás.
• Comparar: fijar la atención en dos o más objetos para descubrir sus relaciones o es mar sus
diferencias o semejanzas.
• Comprender: entender, alcanzar, penetrar.
• Comprobar: verificar, confirmar la veracidad o exac tud de algo.
• Confirmar: corroborar la verdad, certeza o el grado de probabilidad de algo.
• Conocer: averiguar por el ejercicio de las facultades intelectuales la naturaleza, cualidad es y
Capítulo 3: Planteamiento del problema 91
Metodología y
Diseño Muestral
En este capítulo aprenderemos a desarrollar la metodología y el diseño muestral,
resolviendo ejercicios prác cos u lizando el diagrama siguiente:
Comúnmente, los experimentos cien ficos producen observaciones o hallazgos que se expresan como
datos numéricos. Las mediciones que se ob enen de los sujetos bajo estudio cons tuyen los datos.
Generalmente, los datos son medidas de la variable. Los datos crudos u originales son aquellos datos
obtenidos directamente del experimento, es decir, no han sido some dos a tratamiento estadís co.
POBLACIÓN
Conjunto de todos los individuos (personas, objetos, animales, etc.) que porten información sobre
el fenómeno que se estudia. Representa una colección completa de elementos (sujetos, objetos,
fenómenos o datos) que poseen algunas caracterís cas comunes. Es el conjunto de elementos más
grande del cual se puede tomar una muestra representa va para el experimento cien fico.
La población cons tuye el conjunto de elementos que forma parte del grupo de estudio, por tanto,
se refiere a todos los elementos que en forma individual podrían ser cobijados en la inves gación. La
población la define el obje vo o propósito central del estudio y no estrictamente su ubicación o límites
geográficos, u otras caracterís cas par culares al interior de ella.
MUESTRA
Cons tuye una selección al azar de una porción de la población, es decir, un subconjunto que
seleccionamos de la población.
La muestra, por otro lado, consiste en un grupo reducido de elementos de dicha población, al cual se
le evalúan caracterís cas par culares, generalmente, con el propósito de inferir tales caracterís cas a
toda la población.
VARIABLE
La variable es toda aquella propiedad de algún objeto, persona o evento que posee diferentes valores.
El término variable implica una caracterís ca que cambia, tal como frecuencia cardiaca (FC), presión
arterial (PA), masa corporal (MC) etc. Durante el proceso de inves gación, se deben definir las variables
independiente y dependiente.
96 METODOLOGÍA DE LA INVESTIGACIÓN
Variable independiente es la que habrá de ser manipulada en el experimento, es decir, aquella que
cambia y posee el potencial de afectar la variable dependiente. Por lo tanto, este po de variable es
controlada sistemá camente por el inves gador. Durante el experimento cien fico se busca hallar el
efecto que ene una o más variables (independientes) sobre otras variables (dependientes).
Variables cualitaƟvas. Son aquéllas que se refieren a cualidades o atributos no medibles en números.
Por ejemplo, organización, personal y funciones.
Variables cuanƟtaƟvas. Son las suscep bles de medirse en términos numéricos. Se subdividen a su
vez en:
• Cuantitativas continuas. Pueden asumir cualquier valor (números reales).
• Cuantitativas discretas. Asumen sólo valores enteros (números enteros)
EJERCICIO 1
ObjeƟvo: Evaluar el precio de la vivienda en una ciudad de Lima.
• Población: La población será el total de las viviendas de ciudad de Lima. Así, si se estudia el precio
de la vivienda de una ciudad, lo normal será no recoger información sobre todas las viviendas de
la ciudad (sería una labor muy compleja).
• Muestra: Subgrupo o subconjunto de las viviendas de la ciudad de Lima seleccionadas
aleatoriamente, que se en enda que es suficientemente representa vo.
• Individuo (Observación, Caso, Sujeto): Una vivienda de dicha ciudad de Lima.
• Variable: Precio de la vivienda, tamaño, can dad de habitaciones, ubicación, an güedad, etc.
Variable independiente: Tamaño de la vivienda, can dad de habitaciones, ubicación, an güedad.
Variable dependiente: precio de vivienda (por que el precio depende de la ubicación, an güedad,
tamaño y etc.)
Variables cualita vas: tamaño (grande, pequeño), ubicación (norte, centro, sur)
Variables cuantitativas:
• Cuantitativas continuas. Precio (Soles).
• Cuantitativas discretas. An güedad (años), can dad de habitaciones (Nº entero).
Una variable independiente se puede conver r en dependiente o viceversa, del mismo modo una
variable cualita va se puede conver r en cuan ta va o viceversa.
Capítulo 4: Metodología y Diseño muestral 97
EJERCICIO 2
ObjeƟvo: Evaluar la percepción de los estudiantes de un colegio en torno a los niveles de ruido que
existen en el plantel.
• Población: Está conformada por todos los estudiantes del colegio incluidos aquellos de programas
diurnos y nocturnos.
• Muestra: La muestra puede tomarse eligiendo al azar un puñado de alumnos con base en un
archivo o listado que contenga todos los códigos o nombres de los estudiantes.
• Individuo (Observación, Caso, Sujeto): Un alumno del colegio con base en un archivo o listado
que contenga todos los códigos o nombres de los estudiantes.
• Variable: Edad del alumno, género (masculino, femenino), peso del alumno, niveles de ruido, po
de ambiente, distancia del ambiente etc.
Variable independiente: Edad del alumno, género (masculino, femenino), peso del alumno, po de
ambiente, distancia del ambiente.
Variable dependiente: Niveles de ruido.
Variables cualitativas: Género (masculino, femenino), po de ambiente (cerrado, despegado),
niveles de ruido.
Variables cuantitativas: Edad y peso del alumno, distancia del ambiente (metros).
• Cuantitativas continuas: Edad y peso del alumno, distancia del ambiente.
• Cuantitativas discretas: Ninguna variable se ajusta a este po.
EJERCICIO 3
ObjeƟvo: Obtener información sobre la opinión de la población, de 18 a 75 años, acerca de la jus cia
en el Perú.
• Población: Población electoral del Perú compuesta por todas las personas de 18 a 75 años de edad
inscritas en el Registro Nacional de Iden dad y Estado Civil (RENIEC), que comprende a hombres y
mujeres de todos los niveles socioeconómicos.
• Muestra: Un subgrupo seleccionado aleatoriamente de la población electoral del Perú, compuesta
por todas las personas de 18 a 75 años de edad inscritas en el Registro Nacional de Iden dad y
Estado Civil (RENIEC), que comprende a hombres y mujeres de todos los niveles socioeconómicos.
• Individuo (Observación, Caso, Sujeto): Una persona de 18 a 75 años de edad inscrita en el Registro
Nacional de Iden dad y Estado Civil (RENIEC).
• Variable: Confianza en la jus cia, el tema de jus cia, calificación de la administración de jus cia,
nivel profesional de los jueces, problema de la administración de jus cia. La situación de la jus cia
en el Perú, autonomía del Poder Judicial, los li gantes.
EJERCICIO 4
ObjeƟvo: Determinar si el área de las hojas del eucalipto cambia de la parte superior a la inferior del
árbol.
• Población: Un bosque con eucaliptos delimitados geográficamente.
• Muestra: Un grupo de eucaliptos elegidos al azar del bosque eucaliptos delimitados
geográficamente.
• Individuo (Observación, Caso, Sujeto): Una hoja de eucalipto del bosque.
• Variable: Tamaño de la hoja, altura donde se encuentra la hoja, clima, cambio de la hoja de
eucalipto, etc.
98 METODOLOGÍA DE LA INVESTIGACIÓN
EJERCICIO 5
• ObjeƟvo: Observar si existe apareamiento de las ballenas jorobadas en las costas peruanas.
• Población: Todas las ballenas jorobadas existentes en las costas peruanas.
• Muestra: Un grupo de ballenas jorobadas de las costas peruanas. La muestra también puede ser
un grupo de parejas (hembra y macho) de ballenas jorobadas.
• Individuo (Observación, Caso, Sujeto): Una ballena jorobada. También puede ser una pareja
(hembra y macho) de ballenas jorobadas.
• Variable: Edad de las ballenas, peso, talla, can dad de apareamiento de las ballenas, etc.
De los ejemplos anteriores se nota que los trabajos de inves gación, los cuales son realizados y
financiados por el propio inves gador dentro de limitaciones económicas y de empo considerables,
no deben pretender coberturas amplias en sus obje vos, por cuanto corren el riesgo de desbordar la
capacidad e infraestructura del inves gar.
El inves gador debe estar plenamente familiarizado con el área, la población y los instrumentos de
muestreo, cualesquiera que estos sean.
En nuestra inves gación u lizaremos el Muestreo Aleatorio Simple (Raj,D): Teoría del Muestreo pag
32).
El tamaño de muestra en el Muestreo Aleatorio Simple se calcula con la fórmula siguiente (Spigel.
1978: 161):
Donde:
n : Tamaño de muestra.
n0 : Tamaño de muestra aproximado.
N : Tamaño de la población bajo Estudio.
Zα : Valores correspondiente al nivel de Significancia.
E : Error de tolerancia de la es mación.
: Nivel de significancia.
σ2 : varianza de la variable.
Capítulo 4: Metodología y Diseño muestral 99
2. Error muestral (E) o Error de EsƟmación: Es el error a causa de observar una muestra en lugar
de la población completa. Este valor depende del inves gador y se encuentra entre 0% y 10%; en
algunas ocasiones es mayor a 10%.
En resumen, para hallar el valor de Zα , se tiene que observar el valor de 1-α/2 (uno menos
alfamedias) en la tabla de la distribución normal, el valor de la fila nos da el valor entero y el primer
decimal y el valor de la columna nos da el segundo decimal.
100 METODOLOGÍA DE LA INVESTIGACIÓN
Los resultados se pueden ver en la tabla de distribucional normal y están resaltados con negrita.
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
4,0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
EJEMPLOS DE TAMAÑO DE MUESTRA: Los ejemplos que se presentan a con nuación permiten
observar como se calcula el tamaño de muestra.
EJERCICIO 1
Problema: Se intenta estudiar el precio de la vivienda de la ciudad de Lima.
Solución:
Recoger información sobre todas las viviendas de la ciudad sería una labor muy compleja. Por tanto se
halla un tamaño muestra:
Datos:
Población (N): Desconocida entonces, N=∞.
P: Desconocido entonces, P=0.5 y Q=0.5
E: Este valor depende del inves gador (recomendable=5%)
α: Desconocido entonces, α = 5%; 1-α = 95% ; α/2 = 2.5%, por tanto
Z5%= 1.96 (Tabla Normal).
n=?
Remplazando valores en la fórmula se ene:
no= [(1.96)2(0.5) 2]/[(0.05) 2 ]= 384.16
Luego:
n=(384.16)/(1+384.16/∞)=(384.16)/(1+0) = 384.16
Como nuestra unidad (sujeto, elemento) es una vivienda, se tomarán 384 viviendas de la ciudad de
Lima para realizar el estudio.
Observaciones:
- Cuando N=∞ se demuestra que n=no
- Muchos autores consideran el valor de Z5%= 2, cuando α = 5%;
- Entonces no= [(2)2(0.5) 2]/[(0.05) 2 ]= 400
Como N=∞ se ene que no = n= 400,
Este mo vo origina que muchos estudios sencillos se realicen con tamaño de muestra igual 400.
102 METODOLOGÍA DE LA INVESTIGACIÓN
EJERCICIO 2
Problema: Evaluar la percepción de los estudiantes de un colegio en torno a los niveles de ruido que
existen en el plantel conformado por 1,000 estudiantes, incluidos aquellos de programas diurnos y
nocturnos.
Solución:
Hallando el tamaño muestra:
Datos:
Población (N): N= 1000.
P: Desconocido entonces, P=0.5 y Q=0.5
E: Este valor depende del inves gador (recomendable=5%)
α: Desconocido entonces, α = 5%; 1-α = 95% ; α/2 = 2.5%, por tanto
Z5%= 1.96 (Tabla Normal).
n=?
Remplazando valores en la fórmula se ene:
no= [(1.96)2(0.5) 2]/[(0.05) 2 ]= 384.16
Luego:
n=(384.16)/(1+384.16/1000)=(384.16)/(1.38416) = 277.54
Como nuestra unidad (sujeto, elemento) es un alumno, se tomarán 278 alumnos del colegio para
realizar el estudio.
EJERCICIO 3
Problema: Se pretende determinar la prevalencia de una enfermedad en una población de 250 ovejas:
se supone una prevalencia del 30% y se desea una precisión del 10% para un nivel de confianza del
95%.
Solución:
Datos:
Población: N = 250 ovejas
Unidad de estudio: una oveja
P=30% entonces Q=70%
E = 10%
α = 95% ; α = 5% ; α/2 = 2.5% entonces;
Z5% = 1.96 (Tabla Normal)
n= ?
Remplazando valores en la fórmula
no = (1.96)2(0.30)(0.70)/(0.10) 2 = 80.67
Luego:
n =(80.67)/(1+80.67/250) =60.99
El tamaño de muestra será 61 ovejas, entonces se tomarán 61 ovejas a quienes se le aplicará el estudio.
Capítulo 4: Metodología y Diseño muestral 103
EJERCICIO 4
Problema: Se pretende determinar el empo que demora un proceso penal en la Corte Superior de
Lima Norte, sabiendo que existen 7470 expedientes con proceso penal en la sede de la Corte Superior.
Solución:
Datos:
Población: N = 7470 expedientes
P=50% entonces Q=50%
E = 5%
α = 95% ; α = 5% ; α/2 = 2.5% entonces;
Z5% = 1.96 (Tabla Normal)
n= ?
Remplazando valores en la fórmula
no = [(1.96)2(0.5) 2]/[(0.5) 2 ]= 384.16
Luego:
n =(384.16)/(1+384.16/7470) =365.37
El tamaño de muestra para realizar el estudio será 365 expedientes con proceso penal.
n: Can dad de Expedientes Penales donde se realizará el estudio.
N: Can dad total de Expedientes Penales existentes en la sede de la Corte Superior.
TIPOS DE MUESTREO
Existen dos pos: el muestro aleatorio y el muestreo por conveniencia. El muestreo aleatorio
puede realizarse de dis ntas maneras; las más frecuentes son el muestreo simple, el sistemá co, el
estra ficado, el muestreo por conglomerados, el mixto etc.
La selección intencionada o muestreo por conveniencia es no aleatorio, por lo que suele presentar
sesgos y en este libro se tomará en cuenta.
Se discu rá la u lidad del muestreo aleatorio y se describen las diferentes clases de muestreo que se
pueden aplicar para tomar una muestra de la población.
Muestreo aleatorio
En el muestreo aleatorio todos los elementos enen la misma probabilidad de ser elegidos. Los
individuos que formarán parte de la muestra se elegirán al azar mediante números aleatorios. Existen
varios métodos para obtener números aleatorios, los más frecuentes son la u lización de tablas de
números aleatorios o generarlos por ordenador.
El muestreo aleatorio puede realizarse de dis ntas maneras; las más frecuentes son el muestreo
simple, el sistemá co, el estra ficado y el muestreo por conglomerados.
2. Muestreo estraƟficado
Consiste en la división previa de la población de estudio en grupos o clases que se suponen
homogéneos respecto a la caracterís ca a estudiar. A cada uno de estos estratos se le asignaría
una cuota que determinaría el número de miembros del mismo que compondrán la muestra.
Dentro de cada estrato se suele usar la técnica de muestreo sistemá co, ya que con aquella suelen
ser las técnicas más usadas en la prác ca. Según la can dad de elementos de la muestra que se
han de elegir de cada uno de los estratos, existen dos técnicas de muestreo estra ficado:
2.2 Asignación ópƟma: La muestra recogerá más individuos de aquellos estratos que tengan más
variabilidad. Para ello es necesario un conocimiento previo de la población.
3. Muestreo sistemáƟco:
Se u liza cuando el universo o población es de gran tamaño, o ha de extenderse en el empo.
En este caso se elige el primer individuo al azar y el resto viene condicionado por aquél. Luego
hay que calcular una constante, que se denomina coeficiente de elevación K= N/n; donde N es el
tamaño del universo y n el tamaño de la muestra.
Para determinar la primera unidad muestral se debe producir la primera extracción, para ello hay
que elegir al azar un número entre 1 y K; de ahí en adelante tomar uno de cada K a intervalos
regulares. Ocasionalmente, es conveniente tener en cuenta la periodicidad del fenómeno.
Esto quiere decir que si tenemos un determinado número de personas que es la población y
queremos escoger de ella un número más pequeño, que es la muestra, dividimos el número de
la población por el de la muestra que queremos tomar. El resultado de esta operación será el
intervalo, entonces escogemos un número al azar desde uno hasta el número del intervalo, y a
par r de este número escogemos los demás siguiendo el orden del intervalo.
Técnica similar al muestreo por estadios múl ples. Se u liza cuando la población se encuentra
dividida, de manera natural, en grupos que se supone que con enen toda la variabilidad de
la población, es decir, la representan fielmente respecto a la caracterís ca a elegir. Pueden
seleccionarse sólo algunos de estos grupos o conglomerados para la realización del estudio.
Cuando, dentro de cada conglomerado, se extraen los individuos que formarán parte de la muestra
por muestreo aleatorio simple, el muestreo se llama bietápico.
Capítulo 4: Metodología y Diseño muestral 105
Las ideas de estra ficación y conglomerados son opuestas. El primer método funciona mejor cuanto
más homogénea es la población respecto del estrato, aunque más diferentes son éstos entre sí. En
el segundo, ocurre lo contrario. Los conglomerados deben presentar toda la variabilidad, aunque
deben ser muy parecidos entre sí. Recolección y organización de datos: una vez iden ficada la
población se procede a recoger los datos en muchos ocasiones la población es muy grande y no
sería posible realizar la inves gación totalmente con el fin de obtener todos los datos asignados
a cada uno.
5. Muestreo mixto
Cuando la población es compleja, cualquiera de los métodos descritos puede ser di cil de aplicar,
en estos casos se aplica un muestreo mixto que combina dos o más de los anteriores sobre dis ntas
unidades de la encuesta.
Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un país
determinado, éstos pueden subdividirse en unidades primarias representadas por circunscripciones
didác cas y unidades secundarias que serían los propios profesores. En primer lugar extraemos
una muestra de las unidades primarias (para lo cual debemos tener la lista completa de estas
unidades) y en segundo lugar extraemos aleatoriamente una muestra de unidades secundarias de
cada una de las primarias seleccionadas en la primera extracción.
EJERCICIO 1
Problema: Se pretende determinar la prevalencia de una enfermedad en una población de 250 ovejas:
se supone una prevalencia del 30% y se desea una precisión del 10% para un nivel de confianza del
95%.
Solución
El tamaño de muestra es 61 ovejas: Población(N)=250 ovejas, P=30%, E=10%, 1-α=95%, Z5%=1.96,
no=(1.96)2(0.30)2/(0.10)2=80.67. n=(80.67)/(1+80.67/250) =60.99. (Ejemplo resuelto en tamaño de
muestra)
Calculado el tamaño de muestra. La muestra se puede elegir u lizando los siguientes pos de muestreo:
Representación gráfica del muestreo aleatorio simple: de las 250 ovejas se seleccionan al azar
(aleatorio) las 61 ovejas para realizar el estudio.
Capítulo 4: Metodología y Diseño muestral 107
Representación gráfica del muestreo sistemá co: de las 250 ovejas se seleccionan sistemá camente
las 61 ovejas (a las ovejas seleccionadas se les ha cambiado de color).
Segundo: Calculamos el tamaño de muestra en cada estrato, a población grande muestra grande,
a tamaño de población pequeña tamaño de muestra pequeña.
108 METODOLOGÍA DE LA INVESTIGACIÓN
Donde:
Ni: Población del estrato ‘i’
ni: Tamaño de muestra del estrato ‘i’
Esto es, 27 ovejas del estrato 1, 17 ovejas de estrato 2, 11 ovejas de estrato 3 y 6 ovejas del estrato
4.
Con estas muestras seleccionadas en cada estrato se realiza el trabajo de inves gación.
Este método evita que se tomen más individuos de un grupo que de los demás y esto pueda
condicionar el resultado.
n1 = n (N1/N)
n2 = n (N2/N)
n3 = n (N3/N)
n4 = n (N4/N)
Capítulo 4: Metodología y Diseño muestral 109
Representación gráfica del muestreo estra ficado con asignación proporcional al tamaño, es decir, a
población grande le corresponde tamaño de muestra y a población pequeña le corresponde tamaño
de muestra pequeña.
- Observación: Para seleccionar la muestra en cada estrato es decir seleccionar n1, n2, n3, n4, se
puede u lizar el muestreo aleatorio simple o el muestreo sistemá co.
Muestreo mixto
Cuando se desea realizar un estudio más preciso, se pueden combinar los muestreos anteriormente
descritos. También puede suceder que la población bajo estudio sea compleja entonces se puede
aplicar un muestreo mixto que combina dos o más muestreos anteriores.
EJERCICIO 2
Problema: Se pretende determinar el empo que demora un proceso penal en la Corte Superior de
Lima Norte, sabiendo que existen 7,470 expedientes con proceso penal en la sede de la Corte Superior.
Solución:
Por el tema anterior se sabe que: El tamaño de muestras es: n =365 (N=7470; α=5%; E=5%; p=0.5;
q=0.5, no=384)
Además, realizando trabajo de campo se obtuvo la siguiente información de la can dad de expedientes
en cada dependencia (Población de cada dependencia).
110 METODOLOGÍA DE LA INVESTIGACIÓN
La selección de la muestra se realizará u lizando el muestreo estra ficado, porque se requiere una
muestra representa va para poder determinar el obje vo de estudio ( empo de duración de un
proceso).
- No se u liza el muestreo aleatorio simple, porque no es representa va, ya que en la muestra
podría seleccionarse más expedientes de determinado juzgado.
- No se u liza el muestreo por conglomerado, porque no es representa va, ya que al seleccionarse
sólo algunos juzgados perderíamos información relevante de los otros no seleccionados.
Muestreo estraƟficado
Existen 13 estratos desde el primer Juzgado al 13 Juzgado.
La elección de la muestra en cada estrato se realizará aplicando un reparto proporcional, porque
se puede observar algunos juzgados con elevado número de expedientes y otros con can dades
pequeñas de expedientes. Para la proporcionalidad se aplica la fórmula siguiente. (Asignación
proporcional)
Donde
Ni : Can dad de expedientes de juzgado “i” (Población “i”)
ni : Tamaño de muestra del juzgado “i”
Aplicando la fórmula para hallar la muestra del primer Juzgado Penal se ene:
n1=365(914/7470)=44.65=45
Capítulo 4: Metodología y Diseño muestral 111
Aplicando la fórmula sucesivamente para hallar la muestra de los demás juzgados se ene el
cuadro siguiente:
10 Estrato Muestra
1º JUZGADO PENAL (Reos Libres) n1 45
2º JUZGADO PENAL (Reos Libres) n2 45
3º JUZGADO PENAL (Reos Libres) n3 34
4º JUZGADO PENAL (Reos Libres) n4 39
5º JUZGADO PENAL (Reos Libres) n5 40
6º JUZGADO PENAL (Reos Libres) n6 68
7º JUZGADO PENAL (Reos Libres) n7 19
8º JUZGADO PENAL (Reos Libres) n8 6
9º JUZGADO PENAL (Reos Libres) n9 29
10º JUZGADO PENAL (Reos Libres) n10 13
11º JUZGADO PENAL (Reos Libres) n11 3
12º JUZGADO PENAL (Reos Libres) n12 10
13º JUZGADO PENAL (Reos Libres) n13 15
Total n 365
Casi siempre se elige las muestras en forma aleatoria, por ejemplo de los 914 expedientes del
primer juzgado penal se elige al azar 45 expedientes, a quienes se les aplicará el estudio.
El 12° Juzgado Penal ene 195 expedientes. A cada expediente se le asigna un número: 1,2,3...195.
Luego se calcula el coeficiente K=N/n=195/10=19.5 (K=20).
Entonces elegimos en forma aleatoria un número del 1 al 20, supongamos que resultó 9 (primera
muestra elegida; 1,2,3,...8,9,10...20).
Ahora para las demás muestras, a la primera muestra seleccionada (9) se le suma K=20, y así hasta
completar el tamaño de muestra de 10 expedientes. Del modo siguiente: 1,2,...9,...,27,28,29,30,...,
48,49,50,...188,189,190,...195.
La muestra son los expedientes representados por los siguientes números 9, 29, 49, 69, 89, 109,
129, 149, 169, 189 .
De esta forma, se hace la elección de la muestra para los demás juzgados (estratos).
112 METODOLOGÍA DE LA INVESTIGACIÓN
PILOTO
En lo posible debe realizar un piloto antes en campo de estudio. Este consiste en realizar un premuestreo
que le permita familiarizarse con el lugar, las condiciones, el equipo, las personas, etc. La función del
premuestreo no es tomar datos ú les para la inves gación sino validar las condiciones de muestreo
frente a los obje vos propuestos: ¿qué variables incidentes hay? ¿qué población se debe evaluar?
¿cuántas muestras deberían tomarse? ¿cuántos sujetos deben entrevistarse? ¿a qué condición social
o cultural pertenecen? etc.
5
Capítulo
Recolectar datos o
información
Una vez que seleccionamos el diseño de inves gación apropiado, aprenderemos
a recolectar información, resolviendo ejercicios prác cos u lizando el diagrama
siguiente:
Recolectar datos { Cuestionario Equipos de medición Codificación
RECOLECTAR DATOS
Recolectar los datos implica seleccionar un instrumento de medición disponible o desarrollar uno
propio.
Para obtener información se realiza un procedimiento sistemá co que implica tres ac vidades
estrechamente vinculadas entre sí:
• Instrumento de medición ‘cues onario’ (encuesta, entrevista, observación, experimento, prueba,
etc.).
• Equipos de medición.
• Codificación de datos.
A con nuación presentamos un desarrollo bien definido que nos permi rá conocer cada unos de las
ac vidades para recolectar información.
El cues onario es el instrumento de medición más completo y general que se puede aplicar a cualquier
po de inves gación; por tanto, una encuesta, entrevista, observación, prueba (test) u otro instrumento
serán tratados como un cues onario.
Así, los datos recogidos en un formato de archivo o en una base de datos de cualquier so ware
existente de recolección de información. También se comporta como un cues onario, con la única
diferencia que alguna información del archivo electrónico no será relevante para el estudio.
También a par r de datos electrónicos ya existentes puede construirse un cues onario de acuerdo al
problema planteado. Para datos electrónicos se u liza mismo diseño muestral definido anteriormente.
CUESTIONARIO
Representa un conjunto de preguntas respecto a una o más variables a medir. El contenido de las
preguntas puede ser tan variado como los aspectos que mida. Cons tuye un test escrito que el
inves gador u liza para sacar información de cualquier fenómeno. Los cues onarios también pueden
ser electrónicos (ver ejemplos de cues onario).
1. Diseñar un cuesƟonario
Debemos establecer el propósito del cues onario acorde con las metas de la inves gación. Luego,
formular las preguntas en orden lógico sobre la temá ca a desarrollar y por úl mo, escribirlas de
116 METODOLOGÍA DE LA INVESTIGACIÓN
El cues onario se inicia con el encabezado u hoja de portada donde se recoge información básica
que permita iden ficar la unidad de estudio (individuo). Por ejemplo: nombre, género, edad,
ingresos, lugar de nacimiento, vida ú l, número de expediente etc., según el objeto de estudio.
Ejemplo. Edad:
niño Adolescente Joven Adulto
Preguntas abiertas:
No delimitan de antemano las alterna vas de respuesta. Por lo cual, el número de categorías
de respuesta es muy elevado; en teoría, es infinito.
Observaciones
- La elaboración de la encuesta requiere de gran conocimiento previo del fenómeno por parte
del inves gador. Cuando las encuestas son anónimas permiten, además, mayor hones dad
en las respuestas.
- Es importante realizar un premuestreo o prueba del instrumento (prueba piloto) ante un
grupo reducido de individuos (unidad de estudio) lo que permi rá, en forma crí ca, ayudar
a iden ficar falencias o dificultades del cues onario.
EQUIPOS DE MEDICIÓN
En estudios de inves gación se emplean múl ples equipos que permiten apoyar la medición de variables
como: grabadoras de audio ó vídeo, computador, imágenes satelitales, fotogra as aéreas, gráficos,
informes, expedientes, estereoscopio, microscopio, espectrofotómetro, cámaras de conteo; en sica
y química se u liza medidores de gases, nutrientes, iones o elementos diversos, pH, temperatura,
intensidad del sonido, cuadrantes, dragas, botellas muestreadoras, contadores manuales, balanzas,
redes, trampas, cámaras de fotogra a, binoculares, geoposicionadores, cuerdas metradas, papel
milimetrado, etc.
CODIFICACIÓN DE DATOS
1. Codificación pregunta cerrada: Codificar consiste en asignarle un número o letra diferente a las
posibles respuestas (alterna vas) de una pregunta, por ejemplo:
1. Sexo:
a. Femenino ( ) b. Masculino ( )
La pregunta sexo ene dos alterna vas el código de femenino es 1 y de masculino 2, en adelante
cuando anotamos 1 nos referimos a femenino y 2 a masculino.
Por ejemplo.
Al código 1 corresponde Costo por que las respuestas que se refieren a costo son: medicinas
costosas y tratamiento caro
Al código 2 le corresponde Contagio por que las respuestas que se refieren de alguna manera
a contagio son: enfermedad contagiosa, u lizar preserva vos.
EJEMPLO 1
Problema: Se quiere realizar un análisis del comportamiento de los consumidores que realizaron sus
compras semanales en un Supermercado.
a) CUESTIONARIO:
Se diseñó el siguiente cues onario:
Marque con una “x” la alterna va correcta o escriba en las líneas Punteadas.
1. Edad:
a) Adolescente b) Joven c) Adulto
2. Sexo:
a) Varón b) Mujer
3. Grado de Instrucción:
a) Primaria b) Secundaria c) Superior d) No ene
4. Estado Civil:
a) Soltero b) Casado c) Divorciado d) Viudo
5. Horario de Compra:
a) Mañana b) Tarde c) Noche
6. Compras Semanales en Ar culos de Aseo Personal (Nuevo Soles) ......................
7. Compras Semanales en Verduras (Nuevo Soles) .......................
120 METODOLOGÍA DE LA INVESTIGACIÓN
EL cues onario consta de 9 preguntas; las del 1 al 5 son preguntas cerradas y variables de cualidad,
y las variables del 6 al 9 son abiertas y de can dad.
Finalmente se recopilan los datos correspondientes al cues onario, es decir, se realiza el llenado
de información en la encuesta mostrada anteriormente. Para el ejercicio u lizamos un tamaño de
muestra de 30 personas encuestadas en el supermercado.
b) Equipos de Medición
Para el desarrollo de este cues onario se u lizó la caja registradora, así como equipos de audio y
video con la finalidad de no incomodar al cliente.
c) Codificando la encuesta:
Se debe tener presente que cada pregunta se convierte en una variable del cues onario que será
codificada y dicha codificación se muestra a con nuación.
Variable Edad:
Adolescente le corresponde el código “0”, Joven le corresponde el código “1” y Adulto el código
“2”.
X1: Edad (0: Adolescente; 1: Joven; 2: Adulto).
Variable Sexo:
Mujer le corresponde el código “0”, Varón le corresponde el código “1”
X2: Sexo (0: Mujer; 1: Varón).
Así sucesivamente hasta la variable o pregunta 6:
X3: Grado de Instrucción (1: No ene; 2: Primaria; 3: Secundaria 4: Superior).
X4: Estado Civil (1: Soltero; 2: Casado; 3: Divorciado 4: Viudo).
X5: Turno (0: Mañana; 1: Tarde; 2: Noche).
Las variables de 6 al 9 no son necesarias codificar ya que son variables de can dad.
X6: Venta de Ar culos de Aseo Personal (Nuevo Soles).
X7: Venta de Verduras (Nuevo Soles).
X8: Venta de Abarrotes (Nuevo Soles).
X9: Venta de Bebidas (Nuevo Soles).
Capítulo 5: Recolectar datos o información 121
La tabla representa las encuestas codificadas, donde las columnas indican las variables y las filas
los casos (30 personas encuestadas).
.ni X1 X2 X3 X4 X5 X6 X7 X8 X9
1 0 0 3 2 0 2,0 17,0 34,5 6,0
2 2 0 4 1 2 3,0 20,0 40,0 6,0
3 2 0 2 3 2 0,3 10,0 31,6 6,0
4 1 0 2 4 1 3,3 9,0 35,4 6,0
5 2 0 3 4 2 1,3 23,0 30,0 6,0
6 2 0 4 4 2 0,4 13,0 32,9 6,0
7 1 0 2 2 0 1,5 12,0 33,2 6,0
8 0 0 3 2 0 4,5 19,0 33,1 6,0
9 2 1 4 3 2 2,5 18,0 35,6 6,0
10 1 1 2 2 1 0,3 24,0 33,0 6,0
11 2 1 4 1 2 1,0 7,0 34,5 6,0
12 2 0 3 2 2 6,0 10,0 33,2 6,0
13 2 0 4 4 2 5,6 5,0 31,5 6,0
14 2 1 4 4 2 6,0 14,0 36,2 1,0
15 1 0 1 1 1 1,2 15,0 36,8 1,0
16 2 0 1 2 2 0,2 12,0 35,4 2,0
17 2 0 1 3 2 6,0 14,0 33,2 2,0
18 2 0 2 2 2 5,5 6,0 35,9 2,0
19 2 0 4 4 2 6,5 9,0 36,5 3,0
20 2 0 1 4 2 0,2 13,0 38,2 3,0
21 2 0 3 1 2 2,3 6,0 34,5 3,0
22 2 0 2 2 2 0,2 7,0 36,2 3,0
23 1 0 1 1 1 2,3 10,0 36,8 3,0
24 2 0 2 4 2 1,5 13,0 30,1 3,0
25 2 0 3 4 2 5,0 7,0 36,0 3,0
26 2 0 2 2 2 4,5 18,0 35,4 3,0
27 0 0 3 2 0 0,3 24,0 31,5 3,0
28 2 0 2 3 2 5,5 7,0 36,2 4,0
29 2 0 2 2 2 0,5 10,0 33,9 4,0
30 2 0 2 2 2 0,2 4,0 34,9 4,0
EJEMPLO 2
EL cues onario consta de 4 preguntas, de las cuales 1 y 2 son preguntas cerradas y variables de
cualidad, mientras las variables del 6 al 9 son abiertas y de can dad.
Finalmente se recopilan los datos correspondientes al cues onario. Para el ejercicio u lizamos un
tamaño de muestra de 5 personas entrevistadas.
b) Equipos de Medición
Para el desarrollo de este cues onario se u lizó: boletas de pago, una balanza, cer ficados de
estudio.
c) Codificando la encuesta
Se debe tener presente que cada pregunta se convierte en una variable del cues onario que será
codificada.
Variable Sexo:
Mujer le corresponde el código “0”, Varón le corresponde el código “1”
Sexo (0: mujer y 1: varón)
Nivel cultural (1: bajo y 2: alto)
Las variables Ingresos en nuevos soles y Peso en kilogramos no necesitan codificarse.
Los datos corresponden a 5 sujetos (casos) medidos en cuatro variables: Sexo (0: mujer y 1: varón),
Nivel cultural (1: bajo y 2: alto), Ingresos en nuevos soles y Peso en kilogramos.
DEFINICIONES IMPORTANTES
1. Instrumentos de Medición
Un instrumento es cualquier recurso de que se vale el inves gador para acercarse a los fenómenos
y extraer de ellos información. Dentro de cada instrumento concreto pueden dis nguirse dos
aspectos diferentes: forma y contenido.
Forma: se refiere al po de aproximación que establecemos con lo empírico, a las técnicas que
u lizamos para esta tarea.
Contenido: éste queda expresado en la especificación de los datos que necesitamos conseguir;
se concreta en una serie de ítems que no son otra cosa que los mismos indicadores que permiten
medir las variables, pero que asumen ahora la forma de pregunta, puntos a observar, elementos
a registrar, etc.
Una adecuada construcción de los instrumentos permite que la inves gación alcance una
correspondencia entre teoría y hechos. Si los instrumentos son defectuosos los datos recogidos no
servirán para sa sfacer las interrogantes, no se podrán obtener información necesaria, los datos
vendrán falseados y distorsionados.
4.1 Encuesta:
El diseño encuesta parte de la premisa de que si queremos conocer algo sobre el
comportamiento de las personas, lo mejor, lo más directo y simple, es preguntárselo
directamente a ellas. Se trata por tanto de requerir información a un grupo socialmente
significa vo de personas acerca del problema en estudio para luego, mediante un análisis de
po cuan ta vo, sacar las conclusiones que se correspondan con los datos.
Las encuestas por muestreo se escogen mediante procedimientos estadís cos en una
parte significa va de la población. Las conclusiones que se ob enen para este grupo se
proyectan luego a la totalidad del universo, teniendo en cuenta los errores muestrales que se
calculen para el caso. De esta forma, los hallazgos obtenidos a par r de la muestra pueden
generalizarse a todo el universo con un margen de error conocido y limitado previamente por
el inves gador.
4.2 Entrevista
Es una forma específica de interacción social que ene por objeto recolectar datos para una
indagación. El inves gador formula preguntas a las personas capaces de aportarle datos de
interés, estableciendo un diálogo peculiar, asimétrico, donde una de las partes busca recoger
informaciones y la otra es la fuente de esas informaciones.
Capítulo 5: Recolectar datos o información 125
Ventaja de la entrevista:
• La ventaja esencial de la entrevista reside en que son los mismos actores sociales
quienes proporcionan los datos rela vos a sus conductas, opiniones, deseos, ac tudes
y expecta vas, cosa que por su misma naturaleza es casi imposible de observar desde
fuera. Nadie mejor que la misma persona involucrada para hablarnos acerca de todo
aquello que piensa y siente, de lo que ha experimentado o proyecta hacer.
Desventaja de la entrevista:
• Cualquier persona entrevistada podrá hablarnos de aquello que le preguntemos pero
siempre nos dará la imagen que ene de las cosas, lo que cree que son, a través de
toda su carga subje va de intereses, prejuicios y estereo pos. La propia imagen que
el entrevistado ene de sí mismo podrá ser radicalmente falsa y, en todo caso, estará
siempre idealizada de algún modo, distorsionada, mejorada o retocada según factores
que no es del caso analizar aquí, pero que nunca podemos prever en detalle.
Para tener éxito con una entrevista es recomendable prestar atención a una serie de factores.
La apariencia exterior del entrevistador debe ser adecuada al medio social donde habrá
de formular sus preguntas, evitando innecesarias reacciones de temor, agresividad o
desconfianza. El entrevistador deberá ser una persona de por lo menos una cultura media,
que comprenda el valor y la importancia de cada dato recogido y la función que su trabajo
desempeña en la inves gación. Tendrá que ser mentalmente ágil, no tener prejuicios
marcados frente a ninguna categoría de personas y, sobre todo, ser capaz de dejar hablar
libremente a los demás, eliminando por completo todo intento de convencerlos, apresurarlos
o agredirlos por sus opiniones. La entrevista deberá realizarse a las horas más apropiadas
para las personas que responden, teniendo en cuenta que su posible duración no afecte la
confiabilidad de los datos.
Entrevista focalizada: Es prác camente tan libre y espontánea como la anterior, pero ene la
par cularidad de concentrarse en un único tema. El entrevistador deja hablar sin restricciones
al entrevistado, proponiéndole apenas algunas orientaciones básicas pero, cuando éste se
desvía del tema original y se desliza hacia otros dis ntos, el entrevistador vuelve a centrar la
conversación sobre el primer asunto, y así repe damente.
Entrevistas por pautas o guías: Se guían por una lista de puntos de interés que se van
explorando en el curso de la entrevista. Los temas deben guardar una cierta relación entre sí.
126 METODOLOGÍA DE LA INVESTIGACIÓN
El entrevistador, en este caso, hace muy pocas preguntas directas y deja hablar al encuestado
siempre que vaya tocando alguno de los temas señalados en la pauta o guía. En el caso de
que éste se aparte de ellos, o que no toque alguno de los puntos en cues ón, el inves gador
llamará la atención sobre ellos, aunque tratando siempre de preservar en lo posible la
espontaneidad de la interacción.
Todas estas formas de entrevistas poseen la ventaja de permi r un diálogo más profundo y
rico, de presentar los hechos en toda su complejidad, captando no sólo las respuestas a los
temas elegidos sino también las ac tudes, valores y formas de pensar de los entrevistados, a
veces inaccesibles por otras vías. Su inconveniente radica en que es poco prác co sistema zar
un gran número de entrevistas de este po, organizándolas estadís camente, pues pueden
tener muy pocos puntos de contacto entre sí. Otra dificultad que no debe omi rse es su
costo, pues involucran la presencia de personal altamente especializado.
Entrevistas formalizadas
Estas se desarrollan en base a un listado fijo de preguntas cuyo orden y redacción permanece
invariable. Comúnmente se administran a un gran número de entrevistados para su posterior
tratamiento estadís co. Por este mo vo, es la forma de recolección de datos más adecuada
para el diseño de encuesta.
Entre sus ventajas principales mencionaremos su rapidez y el hecho de que pueden ser
llevadas a cabo por personas con mediana preparación, lo cual redunda en su bajo costo.
Otra ventaja evidente es su posibilidad de procesamiento estadís co, ya que al guardar una
estricta homogeneidad sus respuestas resultan comparables y agrupables.
Las preguntas se dividen en dos grandes pos: de alterna vas fijas, de final abierto.
Preguntas de alternativas fijas: Llamadas cerradas, formalizan más el cues onario, pues en
ellas sólo se otorga al entrevistado la posibilidad de escoger entre un número limitado de
respuestas posibles. Por ejemplo ¿Cree Ud. en Dios?, sí o no; estas alterna vas ofrecidas
pueden ser dos, tres, etc., el encuestado solo puede elegir una respuesta que esté en la lista.
Hay que tener sumo cuidado en la redacción de estas alterna vas, procurando especialmente
que ellas sean exhaus vas y mutuamente excluyentes, tal como ocurría para la confección en
un sen do determinado.
4.3 Pruebas
Una variante de las encuestas son las pruebas o test, los cuales son de amplia u lización en
el sicología y se emplean para medir una habilidad cogni va, emocional, motriz o de otra
naturaleza.
Tipos de Pruebas:
Prueba de referencia de norma: Mide diferencias individuales y se evalúa, por tanto, frente al
desempeño del grupo. Ejemplo: el 80% está por debajo de Juan.
Prueba de referencia de criterio: Se evalúa cada individuo frente al dominio del conocimiento
y no frente a otros individuos. Ejemplo: Juan respondió el 85% de las preguntas.
Pruebas individuales: Se aplican a un individuo a la vez. Muchas de ellas son orales.
Pruebas grupales: Se aplican a grupos de personas en forma simultánea. Son generalmente
escritas.
Prueba objetiva: Es clara y no es ambigua en su puntuación, por lo que diferentes evaluadores
deberían asignar igual puntuación. Ejemplo: selección múl ple, falso-verdadero, “matching”.
Prueba subjetiva: La asignación de la puntuación está afectada por el juicio del calificador.
Pruebas de potencia: Tienen empo suficiente para responder cada pregunta.
Pruebas verbales: Enfa zan el uso del lenguaje como medio de responder.
Pruebas no verbales: No enfa zan el papel de la lectura en la prueba. Por ejemplo, en niños
pequeños.
Pruebas sin lenguaje: Se administran por gestos o pantomima. Por ejemplo, en personas
sordas o que hablan otro idioma.
Pruebas de signos: Dis nguen un grupo de individuos de otro: Son capaces de ... o no lo son.
Pruebas de selección: Se emplean para admi r o rechazar a una persona. Por ejemplo,
inves gadores.
Pruebas de clasificación: Permiten ubicar en un determinado nivel o clase a los individuos.
Pruebas de diagnóstico: Evalúan fuerzas o debilidades en orden a mejorar el desempeño.
Tipos de Dominios:
Cognitivo: Enfa za compresión, retención y desarrollo de conocimiento e intelecto.
Afectivo: Enfa za conductas como sen mientos, emociones o valores.
Sicomotor: Se refiere a comportamientos musculares o motores.
Otros: Comprensión literaria, comprensión inferencial, evaluación, apreciación, etc.
Tipos de preguntas:
a. Falso – verdadero:
Ventajas:
- Permiten hacer más preguntas por lo rápido.
- Son fáciles de construir.
- Son fáciles de evaluar.
Desventajas:
- No admite resultados intermedios.
- Permiten adivinar en alto grado (50%).
128 METODOLOGÍA DE LA INVESTIGACIÓN
Sugerencias:
- Evitar dar pistas no intencionales.
- Hacer aproximadamente 50% falsas y 50% verdaderas.
- Cada pregunta debe ser inequívocamente falsa o verdadera.
- Incrementar el número de preguntas.
- Para reducir adivinanzas se sugiere corregir el puntaje así:
- Puntaje = Buenas – malas
- Puntaje = Buenas – {malas/ (opciones –1)}; cuando hay 2, 3 o más opciones de
respuesta (selección múl ple).
Sugerencias:
- Definir claramente el enunciado en forma posi va y evitar las preguntas en
nega vo.
- Evitar respuestas complejas. Ejemplo: a y c son ciertas; a y b pero no c; ninguna
de las anteriores; todas las anteriores.
- Cambiar de lugar la opción correcta.
- Evitar usar 2 hojas, una con preguntas y otra para respuestas.
Ventajas y desventajas:
- Mide asociaciones.
- Reduce efecto de adivinar.
- Tiende a tener información trivial.
Sugerencias:
- Deben ser ítem homogéneos Ejemplo: todos los ítem de una columna que sean
eventos; todos los de la otra personas; evitar que al interior de una columna hayan
personas, ciudades, fechas, etc.
- Colocar más opciones que ítem. De este modo si se saben algunos no hay muchas
opciones de adivinar los que quedan por marcar.
- Organizar ítem y opciones ordenadamente: A, B, C../ 1, 2, 3..
- Colocar 5 a 6 ítems por cada pregunta.
Capítulo 5: Recolectar datos o información 129
d. Test de completar: ene el propósito de completar frases donde falta alguna palabra o
concepto.
Ventajas:
- Fácil de construir.
- No se puede adivinar.
- Sirve para evaluar respuestas precisas: nombres, fechas, definiciones, etc.
Sugerencias:
- Que haya sólo una respuesta.
- Usar sólo un espacio en blanco por pregunta.
- Tratar de ubicar el espacio en blanco al final de la frase.
e. Ensayos:
Ventajas:
- Permiten una respuesta libre.
- Elimina la posibilidad de adivinar.
- Permite medir pensamientos divergentes.
Desventajas:
- Son di ciles de evaluar.
- Consumen mucho empo.
- Tienen alto grado de subje vidad en la evaluación.
- Premian a los buenos escritores.
f. Otros:
Evaluación: se refiere a la calificación de las pruebas, encuestas o entrevistas.
Frecuencia: indica la regularidad de una prueba.
Las preguntas anteriores se pueden equiparar a las formuladas en el marco de las
encuestas y las entrevistas, según los pos definidos por Kerlinger (1983):
• Reactivos de alternativas fijas : que incluye las dicotómicas -falso-verdadero, sí-
no, acuerdo-desacuerdo- y de alterna vas múl ples donde el sujeto puede elegir
entre varias posibilidades -elija la frase que mejor.., rangos de valores, frecuencias,
etc.
• Reactivos de escala: se trata de alterna vas fijas pero con niveles de grado
-totalmente de acuerdo-parcialmente de acuerdo...; completa aprobación-
aprobación alta...; califique de 1 a 5..., etc.
• Reactivos de finalidad abierta: no imponen restricciones a las respuestas.
130 METODOLOGÍA DE LA INVESTIGACIÓN
4.4 CuesƟonarios
Consiste en un conjunto de preguntas respecto a una o más variables a medir. El contenido
de las preguntas de un cues onario puede ser tan variado como los aspectos que mida. Y
podemos hablar de dos pos de preguntas: cerradas y abiertas.
Las preguntas cerradas con enen categorías o alterna vas de respuestas que han sido
delimitadas. Es decir, se presentan a los sujetos las posibilidades de respuestas y ellos deben
circunscribirse a ellas. Pueden ser dicotómicas (dos alterna vas de respuestas) o incluir varias
alterna vas de respuestas.
Las preguntas abiertas no delimitan de antemano las alterna vas de respuesta. Por lo cual el
número de categorías de respuesta es muy elevado; en teoría, es infinito.
Tamaño de un cuesƟonario:
No existe una regla al respecto, pero si es muy corto se pierde información y si es largo
puede resultar tedioso. En este úl mo caso, las personas pueden negarse a responder, o al
menos, lo responderán en forma incompleta. El tamaño depende del número de variables y
dimensiones a medir, el interés de los encuestados y la manera como es administrado. No
hacer preguntas innecesarias o injus ficadas.
Aplicar CuesƟonarios:
Los cues onarios pueden ser aplicados de diversas maneras:
Autoadministrado. El cues onario se proporciona directamente a los encuestados, quienes lo
contestan. No hay intermediarios y las respuestas las marcan ellos.
Entrevista personal. Un entrevistador aplica el cues onario a los entrevistados.
Entrevista telefónica: Esta situación es similar a la anterior, sólo que la entrevista no es “cara
a cara” sino a través del teléfono.
Por correo postal, electrónico o servicio de mensajería. Los encuestados contestan
directamente el cues onario, marcan o anotan las respuestas.
4.5 Observación
Consiste en el registro sistemá co, válido y confiable de comportamiento o conducta
manifiesta. Es un método más u lizado por quienes están orientados conductualmente.
Pasos para construir un sistema de observación:
- Definir con precisión el universo de aspectos, eventos o conductas a observar.
- Extraer una muestra representa va de los aspectos, eventos o conductas a observar.
- Un repertorio suficiente de conductas a observar.
- Establecer y definir las unidades de observación.
- Establecer y definir las categorías y subcategorías de observación.
Tipos de observación:
Observación participante: El observador interactúa con los sujetos observados.
Observación no participante: El observador no interactúa con los sujetos observados.
Capítulo 5: Recolectar datos o información 131
Ventajas de la observación:
Son técnicas de medición no obstruc vas. En el sen do que el instrumento de medición
no “es mula” el comportamiento de los sujetos (las escalas de ac tud y los cues onarios
pretenden “es mular” una respuesta a cada ítem). Los métodos no obstruidos simplemente
registran algo que fue es mulado por otros factores ajenos al instrumento de medición.
Aceptan material no estructurado. Pueden trabajar con grandes volúmenes de datos.
5. Escala de medición
Todo problema de inves gación, aún el más abstracto, implica de algún modo una tarea de
medición de los conceptos que intervienen en el mismo.
La medida es intrínsecamente compara va. En el caso más sencillo, es determinar cuántas veces
una cierta unidad o patrón de medida cabe en el objeto a medir. Para medir la longitud de un
objeto sico nosotros desplazamos una regla o cinta graduada sobre el mismo, observando
cuántas unidades (cen metros) abarca el objeto en cues ón. Es decir que comparamos el objeto
con nuestro patrón de medición para determinar cuántas unidades y fracciones del mismo incluye.
Si deseamos medir el peso de un objeto podremos expresar el valor del mismo en kilogramos,
libras o cualquier unidad. En cambio para medir el grado de autoritarismo de un dirigente no existe
una unidad ni una escala reconocida, por lo que el inves gador se ve obligado a elegir alguna ya
u lizada en otros trabajos o a construir una adaptada a sus necesidades.
Una escala puede concebirse como un con nuo de valores ordenados correla vamente que
admite un punto inicial y otro final.
Para que una escala sea capaz de aportar información obje va debe reunir los siguientes requisitos:
Validez: Indica la capacidad de la escala para medir las cualidades para las cuales ha sido construida
y no otras parecidas. Una escala ene validez cuando verdaderamente mide lo que afirma medir.
Las escalas se clasifican en: escala nominal, ordinal, intervalos iguales y cociente o razón.
Escala nominal: Son aquellas en que sólo se manifiesta una equivalencia de categorías entre los
diferentes puntos que asume la variable. Es como una simple lista de las diferentes posiciones que
puede adoptar la variable, pero sin que en ella defina ningún po de orden o de relación.
Ejemplo en la variable cereal, los dis ntos valores que esa variable puede tomar serán: trigo, maíz,
centeno, etc. Entre estos valores no cabe obviamente ninguna jerarquía, no se puede trazar ningún
ordenamiento.
132 METODOLOGÍA DE LA INVESTIGACIÓN
Escala ordinal: Dis nguen los diferentes valores de la variable jerarquizándolos simplemente de
acuerdo a un rango. Establecen que existe un orden entre uno y otro valor de la escala, de tal modo
que cualquiera de ellos es mayor que el precedente y menor que el que le sigue a con nuación. Sin
embargo la distancia entre un valor y otro no queda definida sino que es indeterminada. En otras
palabras, tales escalas nos esclarecen solamente el rango que las dis ntas posiciones guardan
entre sí.
Ejemplo la variable “grado de escolaridad”: una persona que ha tenido 2 años de instrucción
escolar ha recibido más instrucción que quien sólo ene un año y menos que quien posee tres.
Escala de cociente o razón. En ellas se conservan todas las propiedades de los casos anteriores pero
además se añade la existencia de un valor cero, con lo que se hacen posibles ciertas operaciones
matemá cas, tales como la obtención de proporciones y cocientes. Son escalas de cocientes las
que miden la longitud, la masa, la intensidad de corriente eléctrica y otras variables del mundo
sico.
Las ac tudes pueden medirse a través de diversos pos de escalas entre las que destacan la
escala de ac tudes po Likert y el escalograma de Gu man.
a) Escala de Likert
La escala de Likert mide ac tudes o predisposiciones individuales en contextos sociales
par culares. Se le conoce como escala sumada debido a que la puntuación de cada unidad
de análisis se ob ene mediante la sumatoria de las respuestas obtenidas en cada ítem.
Capítulo 5: Recolectar datos o información 133
La escala se construye en función de una serie de ítems que reflejan una ac tud posi va
o nega va acerca de un es mulo o referente. Cada ítem está estructurado con cinco
alterna vas de respuesta:
( ) Totalmente de acuerdo
( ) De acuerdo
( ) Indiferente
( ) En desacuerdo
( ) Totalmente en desacuerdo
Los menonitas son un grupo étnico con excelentes valores hacia el trabajo.
( ) Totalmente de acuerdo
( ) De acuerdo
( ) Indiferente
( ) En desacuerdo
( ) Totalmente en desacuerdo
El ítem ene una dirección nega va. La calificación o puntuación se asigna de acuerdo a la
dirección del ítem; si ene una dirección posi va la puntuación es:
( +2 ) Totalmente de acuerdo
( +1 ) De acuerdo
( 0 ) Indiferente
( -1 ) En desacuerdo
( -2 ) Totalmente en desacuerdo
En el caso de que el ítem posea una dirección nega va, la calificación se invierte. Los ítems
se presentan en forma de enunciados cuyo grado de acuerdo o desacuerdo se solicita a la
unidad de análisis. La can dad de enunciados que integra una escala Likert varía de acuerdo
a la naturaleza de la variable operacionalizada.
3. Diseño de una can dad suficiente de ítems favorables y desfavorables a la variable que
se pretende medir. Se sugiere elaborar alrededor de 50 ítems, balanceando la escala
con igual can dad de enunciados favorables y desfavorables.
4. Depuración de la escala por medio de un estudio piloto con el propósito de seleccionar
los ítems que habrán de integrarse a la versión final de la escala.
5. Administración de la versión final de la escala a las unidades de análisis que integran la
unidad muestral del estudio.
6. Asignación de una puntuación a cada ítem de acuerdo al procedimiento descrito con
anterioridad.
7. Obtención de la puntuación total de cada unidad muestral, reflejando la ac tud global
hacia la variable medida.
Es recomendable realizar un análisis de los ítems con el propósito de ser selec vos. Entre las
técnicas de análisis se encuentran la correlación ítem-escala por medio del coeficiente de
correlación de Pearson, el coeficiente gamma o el método de Edwars.
b) Escalograma de GuƩman
Gu man desarrollo una técnica para la medición de ac tudes en una dimensión única. Se le
conoce como Escalograma de Guttman. Se caracteriza por medir la intensidad de la ac tud
a través de un conjunto de ítems.
La escala es unidimensional siempre y cuando sea de carácter acumula vo, es decir, que
los ítems que la integran posean un escalamiento perfecto. Lo anterior se refiere a que el
conjunto de ítems están encadenados entre sí de tal forma que si una unidad de análisis
expresa estar de acuerdo con el primer ítem, deberá estar de acuerdo con el resto de ítems
que cons tuyen el escalograma. Los ítems se ordenan de mayor a menor intensidad. Por
ejemplo, ante los siguientes enunciados ene que buscarse que cumplan con el principio
de escalamiento:
1. A una excelente preparación y capacidad profesional corresponden excelentes ingresos
económicos.
2. Los sueldos y salarios que devengan los empleados en las organizaciones deben
asignarse de acuerdo a la preparación y capacidad profesional.
3. Un empleado nuevo de una organización con un alto nivel de preparación y capacidad y
con un eficiente desempeño laboral debe obtener un salario más alto que un empleado
de la misma organización con 10 o más años de experiencia pero con un bajo nivel de
preparación y capacidad profesional, reflejado en un bajo desempeño laboral.
Si los enunciados anteriores cons tuyen una escala unidimensional, entonces deberán
cumplir con el principio de escalamiento perfecto. La construcción del Escalograma de
Guttman requiere de cumplir con las siguientes etapas:
1. Definir la variable de ac tud a medir.
2. Operacionalizar la variable de ac tud.
3. Desarrollar el conjunto de ítems con respecto al objeto de ac tud o referente,
especificando como alterna vas de respuesta: ( ) De acuerdo ( ) En desacuerdo.
4. Desarrollar un estudio piloto con el propósito de verificar si la escala es unidimensional.
Gu man sugiere administrar entre 10 y 12 ítems a un promedio de 100 personas para
realizar la depuración de la escala con mayor confiabilidad.
Capítulo 5: Recolectar datos o información 135
5. Determinar si los ítems integran una escala acumula va por medio del análisis de
reproduc vidad de las respuestas, es decir, si los ítems cumplen con el principio de
escalamiento. El análisis de reproduc bilidad se determina mediante el coeficiente de
reproduc vidad expresado como:
Donde:
Cr = Coeficiente de reproduc vidad
La medición de las variables se hace por medio de números índice expresados en términos de
can dad, precio o valor. Un número índice es un valor rela vo, expresado como porcentaje,
que mide un periodo dado contra un periodo base determinado.
Los números índice son un excelente medio para la toma de decisiones empresariales y para
evaluar el efecto de programas de índole socioeconómica.
a) Índice de Precios Simple. Se u liza para medir la variación del precio de un bien o servicio
en un empo que fluctúa entre el periodo base y el periodo actual o de referencia.
El método para establecer un índice simple consiste en dividir el precio del bien en
el periodo actual por su precio en el periodo base mul plicado por 100; el resultado
algebraicamente se expresa con la ecuación:
PI=PR x100
PB
Donde:
PI = Precio índice
PR = Precio del periodo de referencia
PB = Precio del periodo base
136 METODOLOGÍA DE LA INVESTIGACIÓN
Por ejemplo, para calcular el índice de precios simple de un libro cuyo precio en 1997 es
de 60 pesos y en 1998 es de 98 pesos, considerando el año 1997 como el periodo base, se
tendría:
PI1997 = 60/60 X 100 = 100
PI1998 = 98/60 X 100 = 163.33
Los anteriores resultados reflejan que el índice de precios del libro aumentó de 100 a
163.33, por lo que es fac ble hacer la inferencia de que el precio del libro aumentó un 63.33
% de un año a otro. Para calcular el incremento del precio del libro se procede a obtener la
diferencia entre ambos números índice divido por el periodo base.
Donde:
PIR = Precio índice del periodo de referencia
PIB = Precio índice del periodo base
Al aplicar la ecuación 3.2 al anterior ejemplo se ene:
Incremento del Precio=(163.33-100) x100=63.33
100
En este po de índices el índice de precios del año base ene invariablemente un valor de
100.
Juzgado Civil: El estándar de producción en los juzgados civiles debe ser 38 procesos resueltos
cada mes de acuerdo con datos estadís cos históricos (ver cuadro). Pero si somos más
op mistas podemos fijar nuestro estándar en 54 procesos resueltos mensualmente similares
al promedio del año 2005.
Capítulo 5: Recolectar datos o información 137
La conges ón Ideal debe ser 0%, es decir todo escrito que ingresa debe ser atendido en el
plazo legal.
a) ESPECIALISTA LEGAL:
PRODUCTIVIDAD (P): Es un indicador que mide la produc vidad de cada Especialista
Legal respecto a la can dad de escritos ingresados. Si el indicador de produc vidad es
Menor a 100% significa que el Especialista Legal está resolviendo una can dad de escritos
poco significa vos. En consecuencia, se está conges onando de escritos por resolver. Lo
contrario sucede si el indicador es Mayor a 100%.
La produc vidad Ideal debe ser el 100%, es decir todo escrito que ingresa debe ser
atendido en el plazo legal.
b) NOTIFICADOR:
EFICIENCIA (E): Es un indicador que mide la eficiencia de cada No ficador respecto a la
can dad de cédulas trabajadas (impresas). Si el indicador de eficiencia es Menor a 100%
significa que el no ficador no está no ficando oportunamente. En consecuencia, no se
cumplirá con el plazo legal. Lo contrario sucede si el indicador es Mayor a 100%.
La eficiencia Real debe ser el 100%, es decir toda no ficación impresa debe ser entregada
para su no ficación en el plazo legal.
c) ARCHIVO:
OPORTUNIDAD (O): Es un indicador que mide la oportunidad de cada Asistente de archivo
respecto al movimiento de expedientes en el archivo. Si el indicador de eficiencia es Menor
a 100% significa que el asistente no está no ficando oportunamente. En consecuencia, no
se cumplirá con el plazo legal. Lo contrario sucede si el indicador es Mayor a 100%.
La eficiencia Real debe ser el 100%, es decir toda no ficación impresa debe ser entregada
para su no ficación en el plazo legal.
d) SECRETARIOS:
PRODUCTIVIDAD (P): Es un indicador que mide la produc vidad de cada Secretario respecto
a la can dad de escritos ingresados. Si el indicador de produc vidad es Menor a 100%
significa que el Secretario está resolviendo una can dad de escritos poco significa vos. En
consecuencia, se está conges onando de escritos por resolver. Lo contrario sucede si el
indicador es Mayor a 100%.
La produc vidad Ideal debe ser el 100%, es decir todo escrito que ingresa debe ser
atendido en el plazo legal.
e) TECNICO JUDICIAL
EFICIENCIA (E): Es un indicador que mide la eficiencia de cada Técnico Judicial respecto a
la can dad de cédulas trabajadas (impresas). Si el indicador de eficiencia es Menor a 100%
significa que el Técnico Judicial no está no ficando oportunamente. En consecuencia, no
se cumplirá con el plazo legal. Lo contrario sucede si el indicador es Mayor a 100%.
La eficiencia Real debe ser el 100%, es decir toda no ficación impresa debe ser entregada
para su no ficación en el plazo legal.
6. Equipos de Medición
En estudios cien ficos se emplean múl ples equipos que permiten apoyar la medición de variables
como por ejemplo:
El computador cons tuye hoy en día, el equipo básico en lo a nente al análisis e interpretación
de imágenes satelitales y de fotogra as aéreas y, además, cons tuye la herramienta básica para
el análisis estadís co, el almacenamiento de información, la graficación o la digitación de los
informes de inves gación.
7. Codificación
Consiste en agrupar numéricamente los datos que se expresen en forma verbal para poder luego
operar con ellos como si se tratara, simplemente, de datos cuan ta vos. Para lograrlo se habrá
de par r de un cúmulo de informaciones que tengan una mínima homogeneidad, lo cual es
necesario para poder integrarlas. Pueden tratarse de cientos de respuestas a una misma pregunta
o de una variedad de posibles situaciones observadas mediante un mismo ítem de una pauta de
observación: en ambos casos exis rá una determinada variedad de respuesta o de observaciones
que presenten las elecciones o los comportamientos de los objetos de estudio.
A cada categoría de respuestas habremos de darle un código par cular, un número o letra
diferente, que servirá para agrupar tras de sí a todas las respuestas u observaciones que sean
idén cas o que, al menos, aparezcan como equivalentes. Luego procederemos a señalar a cada
uno de los cues onarios o pautas con el código que le corresponde en cada caso, con la que
quedará sinte zada la respuesta que con ene. El proceso se facilita grandemente cuando se
realiza mediante computadoras.
Supongamos que hemos preguntado la opinión que se ene respecto a las Naciones Unidas. Si la
pregunta ha sido abierta, cada encuestado habrá expuesto sus opiniones en algunas breves frases.
La codificación nos permi rá agrupar sus respuestas, para poder evaluar cuáles son las opiniones
más salientes al respecto. Nuestros códigos, por ejemplo, podrán ser:
Es una ins tución que garan za (o protege) la paz mundial.
Es una ins tución que debería ser reformada.
Es ú l por los servicios que presta a los países menos desarrollados.
Es inoperante, ineficiente, etc.
No sabe o no opina al respecto.
Por supuesto que podrían elaborarse otros códigos, categorizando más o menos detalladamente
las respuestas. Cuando aparecen respuestas ambiguas, extrañas o simplemente anómalas, es
conveniente agruparlas en el código “otras respuestas”, para no abrir demasiadas categorías
simultáneamente.
140 METODOLOGÍA DE LA INVESTIGACIÓN
EJEMPLOS DE CUESTIONARIOS
Los cues onarios electrónicos facilitan enormemente el trabajo de campo.
CUESTIONARIO 1
Formato de una Ficha de Trabajo:
CUESTIONARIO 2
Es Usted: Abogado o Li gante
SE ESTÁ ANALIZANDO LA CALIDAD DEL SERVICIO QUE PRESTA LA CORTE SUPERIOR DE LIMA NORTE.
(Marque con “x” la alterna va que crea correcta):
2. ¿Los escritos presentados, han sido resueltos dentro del plazo establecido?
Si ( ) No ( )
4. ¿Qué recomendaría usted, para mejorar el servicio de administrar Jus cia en el Juzgado?
a) Rapidez en resolver ( ) b) Calidad de resoluciones ( )
c) Buen trato al público ( ) d) Imparcialidad, procesos ( )
e) No ficación rápida ( ) f) Otras recomendaciones. ……………..
Capítulo 5: Recolectar datos o información 141
CUESTIONARIO 3
Obtener información sobre la opinión de la población de Lima Metropolitana y Callao, de 18 a
70 años, acerca de la jus cia en el Perú.
7. HAY OCASIONES EN QUE LOS CIUDADANOS HACEN JUSTICIA POR PROPIA MANO. ¿USTED
ESTÁ DE ACUERDO?
a. De acuerdo
b. Ni de acuerdo ni en desacuerdo
c. En desacuerdo
d. No sabe, no contesta
CUESTIONARIO 4
144 METODOLOGÍA DE LA INVESTIGACIÓN
CUESTIONARIO 5
Capítulo 5: Recolectar datos o información 145
CUESTIONARIO 6
CUESTIONARIO 7
146 METODOLOGÍA DE LA INVESTIGACIÓN
CUESTIONARIO 8
6
Capítulo
Procesamiento de
datos o información
El siguiente paso consiste en procesar los datos recolectados del cues onario
desarrollado con el fin de obtener información relevante para nuestra inves gación.
Existen diversos so ware que ayudan en tal propósito mediante análisis cuan ta vos
de la información.
PROCESO DE DATOS
Consiste en ingresar los datos recolectados a un so ware. Si los datos son de un cues onario
desarrollado. Llamaremos a este proceso introducción directa de datos. Una inves gación también se
realiza con información ya existente en un soporte electrónico de datos (archivos de Excel, SQL, Lotus,
texto, etc.); a este proceso lo llamaremos extrayendo un archivo de disco o introducción indirecta.
Existen un sin número de so ware estadís cos para procesar datos; un so ware libre recomendable es
“R”. En este libro u lizaremos el so ware PASW, por ser un so ware fácil de entender.
Como es de su conocimiento, este libro trabaja con el so ware PASW. De aquí en adelante aprenderemos
a u lizar dicho so ware.
Iniciar Pasw
Para ingresar a PASW se accede al botón Inicio y desde allí a Programas, luego PASW 18 for Windows.
Aparece la presentación del programa y al fondo el Editor de datos, luego hacemos clic en Cancelar y
pasaremos directo a la ventana editor de datos.
El Editor de datos ene dos pestañas, Vista de datos (Data View) y Vista de variables (Variable View).
Para introducir datos basta con pinchar sobre una casilla y teclear el dato. Si donde tecleamos
el dato la variable no está definida, PASW asigna automá camente un nombre de variable a la
columna y la define con sus parámetros por defecto, como se muestra en el ejemplo siguiente.
Si bien es cierto se puede empezar a introducir directamente los datos en la matriz de datos (Vista
de datos), es recomendable primero la definición de las variables en Vista de variables.
150 METODOLOGÍA DE LA INVESTIGACIÓN
Nombre (Name):
Debemos introducir el nombre de la variable, que pueden ser letras, números o el símbolo de
subrayado ( _ ). El primer carácter únicamente puede ser una letra.
Por ejemplo en la fila “1” que representa la primera variable, escribimos edad para el
parámetro Name (Nombre).
Tipo (Type):
Nos ubicados en el parámetro Type (Tipo). A través del botón que aparece al lado del
po (Numeric) se accede a un panel donde podemos seleccionar el po de variable a u lizar
que puede ser: numérica, coma, fecha, moneda, cadena, etc., frecuentemente se trabaja con
numérico.
Capítulo 6: Procesamiento de datos o información 151
Anchura (Width)
El parámetro Anchura (Width) especifica el número de caracteres o dígitos de la variable. El
botón que aparece al lado izquierdo permite aumentar o disminuir el número de dígitos o
caracteres.
Por ejemplo seleccionamos como ancho el número “8” que salió por defecto.
Decimales (Decimals)
El parámetro Decimales (Decimals) indica el número de decimales, si la variable es de po
contable (numérico, moneda, etc.). El botón que aparece al lado izquierdo permite
aumentar o disminuir número de decimales.
EƟqueta (Label)
Se usan e quetas (Labels) para describir la variable de una forma más clara. También se
u lizan en la presentación de resultados.
Valores (Values)
El parámetro Valores (Values) permite asignar e quetas a determinados valores de las
variables.
Por ejemplo, la variable numérica edad con ene valores: 0 si es adolescente, 1 si es joven
y 2 si es adulto; entonces, para el valor (value) “0” su e queta de valor (value label) será
adolescente, luego clic en Add. Para el valor “1” su e queta de valor será joven y para valor
“2” su e queta de valor será adulto respec vamente. De esta forma, cuando trabajamos con
la variable edad aparecerá adolescente, joven y adulto en lugar de 0, 1 y 2.
Perdidos ( Missing):
El parámetro Perdidos (Missing) permite definir los valores que se tratarán como perdidos.
Hemos de dis nguir entre los valores declarados por el sistema (ausencia de dato) y los
valores declarados como perdidos por nosotros mismos.
Por ejemplo: Aquí se seleccionó ningún valor perdido None, preferible dejar siempre este
valor (None).
Columnas (Columns)
El parámetro Columnas (Columns) indica la anchura de la columna en la Vista de datos. El
botón que aparece al lado izquierdo permite aumentar o disminuir la anchura.
Alineación (Aling)
El parámetro alineación indica la posición del dato en la casilla de Vista de datos que puede
ser alineación Izquierda (Le ) alineación Derecha (Righ) o Centrado (Center).
Medida (Measure)
Este parámetro permite especificar el nivel de medida que puede ser: Escala (datos numéricos
de una escala de intervalo o de razón), Ordinal (representan categorías ordenadas) y Nominal
(representan categorías sin orden alguno). Esta especificación sólo se usa en procedimientos
gráficos.
En general, es importante saber dis nguir entre variable categórica y variable de escala. Una
variable categórica es aquella que ene un número limitado de valores o categorías dis ntas.
Todas las variables de cadena y las variables numéricas con e quetas de valor definidas, o
las variables numéricas definidas como nominales u ordinales, se tratan como categóricas. El
resto se tratarán como de escala.
Ejemplo: En la encuesta realizada en el supermercado, definir las variables del cues onario.
Marque con una “x” la alterna va correcta o escriba en las líneas Punteadas.
1) Edad: ........................................
a) Adolescente b) Joven c) Adulto
2) Sexo:
a) Varón b) Mujer
154 METODOLOGÍA DE LA INVESTIGACIÓN
3) Grado de Instrucción:
a) Primaria b) Secundaria c) Superior d) No ene
4) Estado Civil:
a) Soltero b) Casado c) Divorciado d) Viudo
5) Horario de Compra
a) Mañana b) Tarde c) Noche
6) Compras Semanales en Ar culos de Aseo Personal (Nuevo Soles) ......................
7) Compras Semanales en Verduras (Nuevo Soles) .......................
8) Compras Semanales en Abarrotes (Nuevo Soles) .......................
9) Compras Semanales en Bebidas (Nuevo Soles) .......................
Solución:
Las variables a definir serán nueve, como edad, sexo, grado de instrucción etc.
Además de otras propiedades como el Ɵpo (numérico, cadena, etc.), la anchura, el número
de decimales, la eƟqueta, el ‘valor’ y la ‘e queta de valor’ de los valores que admite, los
valores perdidos, la alineación del texto, etc. Basta posesionar el ratón o el cursor en cada
casilla y escribir la información deseada. En nuestro ejercicio la respuesta se muestra en el
gráfico siguiente:
Capítulo 6: Procesamiento de datos o información 155
3. Introducir datos
Definida las variables, pasamos a vista de datos para introducir los datos en la matriz de datos.
Para desplazarnos por la matriz de datos podemos usar las flechas del cursor así como la
tecla [Intro] para pasar al siguiente caso de la misma variable, y la tecla [Tab] para pasar a la
siguiente variable.
Si queremos los datos definidos con e quetas, debemos ir a opción del menú Ver (View) /
Etiquetas de valor (Value Labels).
En todo caso también con el botón Value Labels (Etiquetas de valor) podemos mostrar las
e quetas en lugar del valor original.
Luego los valores de datos definidos con e quetas nos permiten introducirlos como tales o
con el nombre de la e queta como se puede observar en la matriz de datos siguiente:
Al seleccionar una casilla aparece una lista desplegable con todas las opciones que tenemos
para la variable.
156 METODOLOGÍA DE LA INVESTIGACIÓN
Para modificar un dato es suficiente con pinchar su casilla y editarlo, bien en la misma casilla,
bien en el Editor de casillas (situado entre la barra de herramientas y el Editor de datos).
Debemos tener en cuenta que en el Editor de casillas no podemos introducir ninguna fórmula
u operación.
Podemos copiar un dato y pegarlo en otra o varias celdas, copiar uno o varios casos completos
en otra u otras filas, copiar grupos de casos de una o varias variables, o variables completas
sus tuyendo a otras o creando otras nuevas. En resumen, casi cualquier operación en la
matriz de datos es posible.
Los datos que no le proporcionemos directamente los completará el sistema con los valores
definidos por defecto. En el caso de la ventana de variables el funcionamiento es el mismo,
con la restricción de que no podemos modificar las especificaciones definidas de las variables.
Asimismo, podemos insertar casos y variables mediante el menú Datos o los botones, o
desplazarnos a un caso determinado con el comando Ir a caso o a una variable.
El procedimiento consiste en ir a la opción del menú Archivo (File) / Abrir (Open) / Datos (Data).
Capítulo 6: Procesamiento de datos o información 157
Luego ubicar la unidad de disco o carpeta donde se encuentra el archivo que se desea extraer.
Este archivo puede ser de formato PASW (*.sav), Excel (*. xls), Lotus, Texto, etc.; ó de base de datos
como Access, dBase, FoxPro, etc. Inclusive base de datos corpora vos ó base de datos descargados de
la web.
Si bien es cierto es recomendable primero definir las variables, pero que sucede si primero ingresamos
los datos a la matriz.
158 METODOLOGÍA DE LA INVESTIGACIÓN
Los datos se introducen colocando un caso (sujeto) en cada fila y una variable en cada columna. Para
ello, simplemente se escriben las puntuaciones correspondientes a cada caso. Para moverse de una
celda a otra se pulsan las teclas marcadas con flechas. En nuestro ejemplo, los datos de los 5 primeros
sujetos se colocan del siguiente modo:
Se observa en la figura anterior que el PASW define por defecto los nombres de las variables como,
var00001, var00002, var00003 y var00004. Asimismo, ha definido los valores numéricos con dos
decimales. Los datos representan una matriz de cinco filas por cuatro columnas.
Una vez introducidos la información en la matriz de datos, es necesario dar un nombre a cada una de
las variables.
Si se desea cambiar el nombre de una variable y definir sus caracterís cas (nombre, po, ancho de
columna, decimales, e quetas de valores, formato de columna, definición de valores perdidos, etc.)
hay que pulsar con el ratón en la solapa Vista de variables (Variable View).
A con nuación aparece una ventana que con ene tantas filas como variables definidas en el editor de
datos. En nuestro caso son cuatro filas porque existen cuatro variables (Sexo, Nivel cultural, Ingresos
y Peso).
Capítulo 6: Procesamiento de datos o información 159
En cada fila se da la posibilidad de modificar los parámetros, como el nombre (Name) de la variable.
Asimismo, de otras propiedades como el Ɵpo (Type: numérico, cadena, etc.), la anchura (Width), el
número de decimales (Decimals), la eƟqueta (Label), el significado de los valores (Values) que admite,
los valores perdidos, la alineación del texto, etc. Basta con posesionar el cursor en cada casilla (Celda)
y escribir la información deseada.
En nuestro ejemplo, los nombres (names) de las variables son: sexo, nivel cultural, ingresos y peso,
respec vamente.
Algunas de las casillas de la ventana ‘Vista de variables’ incorporan su propio cuadro diálogo que se
ac va al seleccionarlas.
Una vez definidas todos los parámetros de las variables, podemos volver a visualizar los datos
numéricos, para lo cual se pincha en la solapa “Vista de datos”.
En nuestro ejemplo, en la matriz de datos que se muestra a con nuación se puede observar que las
variables ya están definidas:
Algo importante que debemos realizar antes de con nuar es guardar la información en un archivo de
disco.
160 METODOLOGÍA DE LA INVESTIGACIÓN
Guardar
Para guardar la información introducida en el editor de datos se selecciona el menú Archivo de la barra
de herramientas, se elige ‘Guardar’ y aparece el correspondiente cuadro de diálogo:
Seleccionar la
unidad
Escriba el
nombre del
archivo aquí
Clic para
guardar
El PASW guarda archivos de datos con la extensión “sav”, por tanto basta con dar un nombre a los datos
(ejercicio_1) y por defecto se grabarán en un archivo con la extensión sav (aquí le hemos llamado: g:\
ejercicio_1.sav).
También es posible guardar archivos de resultados. Para ello nos situamos en la ventana Visor de
resultados, seleccionamos el menú ‘Guardar’ y aparece un cuadro de diálogo idén co al de la figura
anterior El procedimiento a seguir es exacto al de archivar datos con la única diferencia de que la
extensión de este po de archivos es “spo”. Por tanto, los archivos PASW con la extensión “sav”
con enen datos y los de la extensión “spo” resultados.
Notas: Siempre que se desee iniciar una sesión, el PASW en la que se lleve a cabo uno o más análisis
de datos, es necesario que el archivo donde se encuentran los datos esté abierto en el Editor de datos
del PASW. Como veremos más adelante, los menús donde se encuentran las diferentes opciones de
análisis no están activos a no ser que el editor de datos tenga algún tipo de contenido.
Para que el PASW realice algún tipo de análisis estadístico, no basta con que los datos estén grabados
en un archivo, es necesario que dicho archivo esté abierto.
.ni X1 X2 X3 X4 X5 X6 X7 X8 X9
1 0 0 3 2 0 2,0 17,0 34,5 6,0
2 2 0 4 1 2 3,0 20,0 40,0 6,0
3 2 0 2 3 2 0,3 10,0 31,6 6,0
4 1 0 2 4 1 3,3 9,0 35,4 6,0
5 2 0 3 4 2 1,3 23,0 30,0 6,0
6 2 0 4 4 2 0,4 13,0 32,9 6,0
7 1 0 2 2 0 1,5 12,0 33,2 6,0
8 0 0 3 2 0 4,5 19,0 33,1 6,0
9 2 1 4 3 2 2,5 18,0 35,6 6,0
10 1 1 2 2 1 0,3 24,0 33,0 6,0
11 2 1 4 1 2 1,0 7,0 34,5 6,0
12 2 0 3 2 2 6,0 10,0 33,2 6,0
13 2 0 4 4 2 5,6 5,0 31,5 6,0
14 2 1 4 4 2 6,0 14,0 36,2 1,0
15 1 0 1 1 1 1,2 15,0 36,8 1,0
16 2 0 1 2 2 0,2 12,0 35,4 2,0
17 2 0 1 3 2 6,0 14,0 33,2 2,0
18 2 0 2 2 2 5,5 6,0 35,9 2,0
19 2 0 4 4 2 6,5 9,0 36,5 3,0
20 2 0 1 4 2 0,2 13,0 38,2 3,0
21 2 0 3 1 2 2,3 6,0 34,5 3,0
22 2 0 2 2 2 0,2 7,0 36,2 3,0
23 1 0 1 1 1 2,3 10,0 36,8 3,0
24 2 0 2 4 2 1,5 13,0 30,1 3,0
25 2 0 3 4 2 5,0 7,0 36,0 3,0
26 2 0 2 2 2 4,5 18,0 35,4 3,0
27 0 0 3 2 0 0,3 24,0 31,5 3,0
28 2 0 2 3 2 5,5 7,0 36,2 4,0
29 2 0 2 2 2 0,5 10,0 33,9 4,0
30 2 0 2 2 2 0,2 4,0 34,9 4,0
Primero definimos los parámetros para las variables edad, sexo, grado de instrucción, estado civil,
horario de compra (turno, venta de artículos de aseo, verduras abarrotes y bebida).
En cada fila se escribirá el nombre (name) de las variables, el Ɵpo (numérico), la anchura (8 caracteres),
el número de decimales (2 decimales), la eƟqueta (Label), el significado de los valores que admite
(tener presente que las variables edad, sexo grado de instrucción y horario de compra enes valores),
los valores perdidos, la alineación del texto, etc.
Capítulo 6: Procesamiento de datos o información 163
Para escribir la información de cada variable simplemente se posesiona el ratón o el cursor en cada
casilla y escribimos la información deseada.
Una vez definida todas las variables de la encuesta supermercados, pasamos a la pestaña editor de
datos cuyo aspecto es el siguiente:
Los datos se introducen colocando un caso (sujeto) en cada fila y una variable en cada columna.
Para ello, simplemente se escriben las puntuaciones correspondientes a cada caso. Para moverse
de una celda a otra se pulsan las teclas marcadas con flechas. En nuestro ejercicio, los datos están
representados por 30 sujetos, cada sujeto ene nueve variables. Es decir la matriz de datos será de 30
filas por 9 columnas, como se aprecia en el siguiente gráfico:
164 METODOLOGÍA DE LA INVESTIGACIÓN
Nota: Existen dos formas de introducir datos en el PASW. La más usual consiste en introducir los
datos directamente en el editor de datos en el PASW. Aunque se puede grabar en otra aplicación y
leerlos desde el PASW. La primera técnica es más usual ya que frecuentemente nos encontramos con
encuestas que son necesarias procesar. La segunda técnica resulta útil cuando ya tenemos los datos
en otro formato (Excel, Lotus, etc.) y queremos analizarlos con el PASW.
7
Capítulo
Estadísticas descriptivas
Análisis de Resultados y Conclusiones: Muestra los principales hallazgos de la
inves gación aplicando Estadis cas Descrip vas (tablas, cuadros, gráficas, etc.) y
presenta una potente interpretación teórica que demuestra el dominio técnico del
inves gador. Las conclusiones extraen lo esencial de todo el proceso enfa zando
especialmente la riqueza de la evidencia empírica aportada.
Capítulo 7: Estadísticas descriptivas 167
ESTADÍSTICA DESCRIPTIVA
Ciencia que analiza series de datos (por ejemplo, edad de una población, altura de los estudiantes
de una escuela, temperatura en los meses de verano, etc.) y trata de extraer conclusiones sobre el
comportamiento de estas variables.
DISTRIBUCION DE FRECUENCIAS
Distribución de Frecuencia: es la representación estructurada, en forma de tabla, de toda la información
que se ha recogido sobre la variable que se estudia.
Siendo Xi los dis ntos valores que puede tomar la variable. (i=1, 2, 3... k).
Siendo fi el número de veces que se repite cada valor.
Siendo hi el porcentaje que la repe ción de cada valor supone sobre el total.
Siendo n el número de observaciones realizadas.
168 METODOLOGÍA DE LA INVESTIGACIÓN
EJEMPLO 1
Medimos la altura de los niños de una clase y obtenemos los siguientes resultados (cm):
Si los valores que toma la variable son diversos y cada uno de ellos se repite muy pocas veces, entonces
conviene agruparlos por intervalos, ya que de otra manera obtendríamos una tabla de frecuencia muy
extensa que aportaría poco valor a efectos de síntesis.
Capítulo 7: Estadísticas descriptivas 169
Para la ilustración de los ejercicios u lizaremos la encuesta supermercado que ya fue ingresado
anteriormente.
Las frecuencias se realizan desde el menú. Analizar -> Estadísticas descriptivas: frecuencias, haciendo
clip sale el cuadro de dialogo.
El cuadro de la izquierda muestra el listado de las variables de la base de datos en estudio. El cuadro
derecho está vacío, esperando que le indiquemos qué variables queremos analizar. Las variables
se trasladan de un cuadro a otro mediante el botón . Por defecto, la opción “mostrar tablas de
frecuencias (Display frequency tables)” está ac vada pero si no queremos que aparezca puede
desac varse.
Trabajemos con la variable “Edad”. Para ello trasladamos la variable al cuadro de la derecha del modo
siguiente:
Luego, pulsar en el botón Aceptar (OK) para que se ejecute la orden. Los resultados obtenidos aparecen
en el Visor de resultados.
La tabla de frecuencias ene el siguiente aspecto. En la primera columna aparecen los valores de la
variable (Adolescente, Joven y Adulto); en la segunda, sus frecuencias absolutas en sen do ascendente
(o descendente); en la tercera columna (Porcentaje) las frecuencias rela vas en porcentaje; y en la
úl ma (porcentaje acumulado) las frecuencias rela vas acumuladas en porcentaje.
Capítulo 7: Estadísticas descriptivas 171
REPRESENTACIONES GRÁFICAS
También es posible pedir al PASW que realice tres pos de gráficos para observar las frecuencias
de los datos. Desde el cuadro de diálogo anterior presionar Gráficos (Charts...). Se ob ene el
siguiente cuadro de diálogo.
Permite confeccionar el
gráfico con las frecuencias
absolutas o con las rela vas.
Como se observa, se puede obtener un histograma (con el ajuste a la curva normal), un diagrama
de barras (Bar charts) y un diagrama de sectores o pictograma (Pie chats). Desde este cuadro de
diálogo sólo es posible seleccionar uno de los gráficos. Si se quisiera obtener los tres hay que
repe r la operación tres veces.
Seguimos con la variable ‘Edad’ como ejemplo. Ahora vamos a pedir al PASW que nos muestre los
tres pos de gráficos de la distribución de frecuencias para la edad. Si pulsamos en ‘con nuar’ (OK)
volvemos automá camente al cuadro de diálogo anterior. Para ir de un resultado a otro puede
u lizarse la parte izquierda de la pantalla, donde aparece el listado de resultados obtenidos (en
el ejemplo: ‘Edad’ e ‘Histograma’). Situándose con el ratón en cada uno de ellos puede accederse
automá camente al resultado correspondiente.
Para ir de un resultado
a otro (por ejemplo a la
tabla de frecuencias o al
histograma) nos situamos
con el ratón en el tulo
correspondiente (en el
ejemplo, Histograma).
172 METODOLOGÍA DE LA INVESTIGACIÓN
También es posible graficar el diagrama de sectores para la variable ‘Edad’; el resultado obtenido
es el siguiente:
En el gráfico se observa que los adultos son los que más compran en el supermercado, seguido por
los jóvenes. Como ejercicio usted puede realizar gráficos (Histograma, Barras, Sectores), teniendo
presente que el gráfico debe ser el que mejor describa a las variables.
El cuadro de diálogo ofrece diferentes posibilidades de análisis de datos. Por el momento nos
centraremos tan sólo en las que nos interesan. En este caso, elaboramos un diagrama de tallo y
hojas. Para ello, en primer lugar se seleccionan las variables para las que se desee este po de
diagrama y se trasladan al cuadro ‘Dependientes’.
Veamos un ejemplo con la variable ‘Venta de Ar culos de Aseo Personal’. Los resultados obtenidos
son los siguientes:
1.- Media: Es el valor medio ponderado de la serie de datos. Se pueden calcular diversos pos de
media, siendo las más u lizadas:
Media aritméƟca: Se calcula mul plicando cada valor por el número de veces que se repite.
La suma de todos estos productos se divide por el total de datos de la muestra:
Media geométrica: Se eleva cada valor al número de veces que se ha repe do. Se mul plican
todo estos resultados y al producto fiinal se le calcula la raíz “n” (siendo “n” el total de datos
de la muestra).
Según el po de datos que se analice será más apropiado u lizar la media aritmé ca o la
media geométrica.
La media geométrica se suele u lizar en series de datos como pos de interés anuales,
inflación, etc., donde el valor de cada año ene un efecto mul plica vo sobre el de los años
anteriores. En todo caso, la media aritmé ca es la medida de posición central más u lizada.
Lo más posi vo de la media es que en su cálculo se u lizan todos los valores de la serie, por
lo que no se pierde ninguna información.
2.- Mediana: Es el valor de la serie de datos que se sitúa justamente en el centro de la muestra
(un 50% de valores son inferiores y otro 50% son superiores).
Ejemplo: Vamos a u lizar la tabla de distribución de frecuencias con los datos de la estatura
de los alumnos que vimos en la lección anterior.
Capítulo 7: Estadísticas descriptivas 175
Para ello se pulsa en el botón ‘Estadís cas’ y aparece el cuadro de diálogo, aquí se selecciona las
estadís cas que se desean u lizar en el estudio. En nuestro ejemplo se pide calcular la ‘media’,
‘mediana’, ‘moda’ y ‘suma’; esto se logra simplemente marcando cada opción.
Luego se presiona el botón con nuar y después aceptar (OK). El PASW calcula estos cuatro valores
estadís cos para el listado de variables seleccionadas.
La media que se ob ene se corresponde con la media aritmé ca, la mediana con el valor central
cuando los datos se ordenan en modo creciente y la moda con el valor que ob ene la frecuencia
absoluta mayor.
Capítulo 7: Estadísticas descriptivas 177
Para conocer las estadís cas descrip vas de las variables también puede seleccionarse el
procedimiento ‘Descriptivas’. Este procedimiento presenta un cuadro de diálogo muy parecido
al del procedimiento ‘Frecuencias’. El cuadro de diálogo del procedimiento ‘Descriptivas’ es el
siguiente:
Para obtener las estadís cas descrip vas, primero se trasladan las variables correspondientes al
cuadro ‘variables’ y luego se pulsa en Opciones, obteniéndose el cuadro de diálogo siguiente:
En este caso, solamente está disponible la estadís ca de tendencia central ‘media’ y ‘suma’ que,
como antes, representa la media aritmé ca para las variables seleccionadas. Veamos un ejemplo
para algunas variables del archivo.
Se aprecia que las 30 personas gastaron en total S/.79.60 en ar culos de aseo personal; en el
supermercado la media de los gastos es S/. 2.6533. En forma similar, se aprecia en la venta de
Verduras que las 30 personas gastaron S/. 356.00 en total con una media o promedio de gastos
de S/. 12.533.
178 METODOLOGÍA DE LA INVESTIGACIÓN
Entre otros indicadores, se suelen u lizar una serie de valores que dividen la muestra en tramos
iguales como:
CuarƟles: Son 3 valores que distribuyen la serie de datos, ordenada de forma creciente o
decreciente.
Deciles: Son 9 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente,
en diez tramos iguales, en los que cada uno de ellos concentra el 10% de los resultados.
PercenƟles: Son 99 valores que distribuyen la serie de datos, ordenada de forma creciente o
decreciente, en cien tramos iguales, en los que cada uno de ellos concentra el 1% de los resultados.
Ejemplo: Vamos a calcular los cuar les de la serie de datos referidos a la estatura de un grupo
de alumnos (lección 2ª). Los deciles y cen les se calculan de igual manera, aunque harían falta
distribuciones con mayor número de datos.
1º cuarƟl: es el valor 1,22 cm, ya que por debajo suya se situa el 25% de la frecuencia (tal como se
puede ver en la columna de la frecuencia rela va acumulada).
2º cuarƟl: es el valor 1,26 cm, ya que entre este valor y el 1º cuar l se situa otro 25% de la
frecuencia.
3º cuarƟl: es el valor 1,28 cm, ya que entre este valor y el 2º cuar l se sitúa otro 25% de la
frecuencia. Además, por encima suyo queda el restante 25% de la frecuencia.
Atención: cuando un cuartil recae en un valor que se ha repetido más de una vez (como ocurre en el
ejemplo en los tres cuartiles), la medida de posición no central sería realmente una de las repeticiones.
Capítulo 7: Estadísticas descriptivas 179
Los cen les y otros cuan les pueden obtenerse desde el procedimiento Frecuencias. En la parte
inferior de este cuadro de diálogo hay un botón llamado ‘Estadísticos’. Si se selecciona se ob ene
el siguiente cuadro de diálogo:
Desde aquí puede indicarse que se obtengan diferentes pos de cuan les o los percen les. Se
puede indicar el número exacto del percen l que se desee obtener e ir añadiendo a la lista inferior.
180 METODOLOGÍA DE LA INVESTIGACIÓN
Con nuemos con la variable ar culos de aseo personal. Si le pedimos que nos dé los cuar les,
deciles y los percen les 25 y 30, se ob ene:
Como se observa, hay un 75% de sujetos que gastan S/. 5.1250 como máximo en las compras del
supermercado y el 10% gasta S/. 0.20 como máximo en la compra de ar culos de aseo personal.
1.- Rango: Mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor
más elevado y el valor más bajo.
R = Xmax - Xmin
2.- Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula como
sumatorio de las diferencias al cuadrado entre cada valor y la media, mul plicadas por
el número de veces que se ha repe do cada valor. El sumatorio obtenido se divide por el
tamaño de la muestra. La varianza siempre será mayor que cero. Mientras más se aproxima a
cero, más concentrados están los valores de la serie alrededor de la media. Por el contrario,
mientras mayor sea la varianza, más dispersos están.
Ejemplo: Vamos a u lizar la serie de datos de la estatura de los alumnos de una clase (lección
2ª) y vamos a calcular sus medidas de dispersión.
Rango: Diferencia entre el mayor valor de la muestra (1,30) y el menor valor (1,20). Luego el
rango de esta muestra es 10 cm.
Varianza: Recordemos que la media de esta muestra es 1,253. Luego aplicamos la fórmula,
por lo tanto, la varianza es 0,0010
Desviación ơpica: Es la raíz cuadrada de la varianza. Luego: 0.0320
Coeficiente de variación de Pearson: Se calcula como cociente entre la desviación pica y la
media de la muestra. Luego, Cv = 0,0320 / 1,253 Cv = 0,0255
Otra forma de proceder para obtener medidas de variación es desde el menú Analizar ->Estadísticos
descriptivos -> Descriptivos o de desde el menú Analizar ->Explorar (Estadís cas).
Ejemplo para la venta de aseo personal. Desde cualquiera de los cuadros de diálogo señalados se
ob enen los siguientes resultados:
Nota Importante: Conviene tener en cuenta un aspecto importante. El programa PASW tiene la
peculiaridad de que proporciona la cuasi varianza. Es decir, cuando se le pide que nos dé la varianza y
la desviación típica, lo que da exactamente es el resultado de las fórmulas:
Capítulo 7: Estadísticas descriptivas 183
Se observa en la gráfica que los gastos oscilan entre 0,20 y 6,50 nuevos soles, estando la mediana
en 2,15 nuevos soles.
5. Asimetría y Curtosis
La asimetría (Skewness) y la curtosis (Kurtosis) pueden obtenerse a par r del menú Analizar ->
Frecuencias pulsando el botón ‘Estadís cas’, luego marcando las respec vas distribuciones.
También se ob ene el mismo resultado desde el menú Analizar -> Estadísticas descriptivos ->
Descriptivas. Desde ambos cuadros de diálogo se ofrecen exactamente las mismas opciones: el
índice de asimetría de Fisher para cada variable y el índice de curtosis. Además del valor de la
estadís ca tanto para la asimetría como para la curtosis, el PASW proporciona información sobre
el error pico en el cálculo de estos índices. Veamos un ejemplo para algunas variables de la
encuesta en el supermercado.
184 METODOLOGÍA DE LA INVESTIGACIÓN
6. Tablas de Contingencia
Veremos cómo se ob enen distribuciones conjuntas de frecuencias y su representación gráfica para
dos o más variables de diversos pos. Los datos u lizados son de la encuesta del supermercado.
La forma de proceder en el PASW es como ya vimos, todos los análisis se realizan desde el menú
Analizar -> Estadísticas descriptivas -> Tablas de contingencia (Crosstabs...).
Supongamos que deseamos conocer la distribución conjunta de frecuencias de las variables ‘Edad’
y ‘Estado Civil’. Para indicar al PASW esta instrucción, primero se seleccionan las variables. Por
ejemplo, las categorías de la variable Edad pueden ser las filas (Ro w[s]) de la tabla de frecuencias
y las de la variable Estado Civil las columnas (Colum[s]) como se muestra en la figura anterior. Este
cuadro de diálogo también permite obtener una representación gráfica para las dos variables.
Las distribuciones conjuntas también pueden obtenerse en frecuencias rela vas o porcentajes
para ambas variables (filas y columnas). Para ello se selecciona el botón Celdas (Cells) del cuadro
de diálogo anterior, cuyo aspecto es el siguiente:
Seleccionando las opciones marcadas se ob enen los mismos resultados que antes pero
expresados en porcentajes.
Veamos un ejemplo de interpretación para los Solteros. Del 100% de los Solteros se observa, que
el 0% son Adolescentes, el 40% son Jóvenes y el 60% son Adultos (la lectura fue en columna).
Veamos un ejemplo de interpretación para los adultos. Del 100% de Adultos se observa, que el
13.6% son Solteros, el 31.8% son Casados, el 18.2% son Divorciados, y 36.4% son Viudos (la lectura
fue en Fila).
Capítulo 7: Estadísticas descriptivas 187
Las tablas de con ngencia sólo enen sen do para variables de po cualita vo (nominal u ordinal).
Si se desea representar la distribución conjunta de dos variables cuan ta vas es necesario agrupar
los valores de cada una de dichas variables en intervalos de la misma amplitud (para ello puede
u lizarse el menú Transformar -> Recodificar). Una vez obtenidos los intervalos para dichas
variables pueden elaborarse la tabla de con ngencia siguiendo el mismo procedimiento que si las
variables fueran cualita vas.
La gráfica más adecuada para dos variables cuan ta vas es el diagrama de dispersión.
Una variable cualitaƟva y otra cuanƟtaƟva:
Si queremos cruzar una variable cualitativa con una cuantitativa, se procede igual que para
variables cualita vas, excepto que para resumir los datos de la cuan ta va hay que emplear
estadís cas (sumas, medias, etc.). También se puede representar gráficamente la relación entre
estas dos variables. La presentación gráfica es más recomendable por que podemos análisis con
mayor claridad las variables en estudio.
EJERCICIO 1
Los datos aparecen recopilados en las variables Día1, Día2, Día3 que indican el número de horas
trabajadas en los tres días. Además se han recopilado la variable Sexo que toma valores 0 para mujeres
y 1 para hombres. Edad, 1 para Adolescentes, 2 para Jóvenes y 3 para Adultos. Finalmente se incluyen
tres datos relacionados con las terapias que ha recibido el sujeto. Todas ellas toman 1, si el sujeto ha
recibido la terapia y 0 en caso contrario. Las variables de terapia son Estrés, Ansiedad y Fobia.
Los datos representan a 10 sujetos que par ciparon en el estudio, cuyos resultados obtenidos se
muestra en la tabla siguiente:
Estadísticas Descriptivas
Cuando realizamos análisis descrip vos de los datos se u liza el procedimiento ‘descrip vas’ que
proporcionan dis ntas estadís cas de tendencia central, dispersión, asimetría y curtosis. Además,
permiten obtener puntuaciones picas y guardarlos como nuevas variables.
Para seleccionar el procedimiento descrip vo se debe escoger las opciones del menú:
Analizar>Estadísticas >Descriptivos:
A con nuación aparece un cuadro de diálogo en la que se listan las variables del archivo de datos.
Para indicar al PASW cuáles son las variables que se desea analizar, se seleccionan estas variables de
la lista pulsando sobre su nombre con el ratón. Luego, se pulsa sobre el botón flecha para trasladar las
variables al cuadro de variables seleccionadas.
Siempre los cuadros de diálogo de procedimientos del PASW poseen varios botones. Los botones
comunes son Acertar (OK), pegar, restablece, Cancelar y Ayuda. El cuadro de diálogo del procedimiento
Descrip vos con ene el botón específico denominado: Opciones... Los tres puntos significan que
pulsando sobre este botón aparece un subcuadro de diálogo que permite seleccionar las estadís cas
que se desean calcular.
Capítulo 7: Estadísticas descriptivas 189
Para poder realizar los cálculos estadís cos es necesario pulsar el botón OK del cuadro de diálogo del
procedimiento Descriptivos. El PASW muestra los cálculos solicitados en la ventana visor de resultados.
Frecuencia:
Este procedimiento proporciona la distribución de frecuencias de una variable en forma de tabla y
también en forma de gráfica, además de varias estadís cas descrip vas.
Para ejecutar este procedimiento es necesario seleccionar el menú Analizar >Estadísticas descriptivas
> frecuencias.
Luego aparece un cuadro de diálogo en el cual se indican las variables del archivo de datos que se
está trabajando. Al igual que en el procedimiento Descriptivos, el primer paso consiste en trasladar al
recuadro de la derecha (Variables) aquellas variables que se desea analizar.
190 METODOLOGÍA DE LA INVESTIGACIÓN
Si pulsamos sobre el botón Estadís cas pueden seleccionarse diversas estadís cas como pueden ser:
de tendencia central y no central, dispersión, forma de distribución, percen les, deciles etc.
En este cuadro de diálogo también se puede u lizar el botón gráficos (Charts...) para indicar al PASW
que se desea realizar un gráfico de barras, de sectores o un histograma; por ejemplo si se quiere u lizar
la gráfica de barras en la variable ‘Sexo’ el resultado se observa en el diagrama siguiente:
P-P Plots
Para crear un gráfico de P-P, el cuadro de diálogo del gráfico deseado es:
Crea un gráfico de las proporciones acumuladas de una variable respecto a las de una distribución
cualquiera de prueba. Es decir, por cada variable especificada proporciona dos gráficos: en el primero
se representan los valores de la función de distribución acumula va esperada bajo el supuesto de
normalidad (por defecto) frente a los observados. En el segundo se representan los residuos. Los
gráficos de probabilidad suelen emplearse para determinar si la distribución de una variable coincide
con una distribución dada.
Si la variable seleccionada coincide con la distribución de prueba, los puntos se concentran en torno
a una línea recta. Entre las distribuciones de prueba disponibles se encuentran la beta, Chi-cuadrado,
Capítulo 7: Estadísticas descriptivas 191
exponencial, gamma, semi-normal, Laplace, logís co, Lognormal, normal, Pareto, t de Student, Weibull
y uniforme. Según la distribución elegida, pueden especificarse dis ntos grados de libertad y otros
parámetros.
Ejemplo: Para la variable venta de verduras se puede decir que sí ene una distribución normal.
Q-Q Plots
Para crear un gráfico de Q-Q, el cuadro de diálogo del gráfico deseado es:
192 METODOLOGÍA DE LA INVESTIGACIÓN
Crea un gráfico con los cuan les de distribución de una variable respecto a los cuan les de una
distribución cualquiera de prueba. Es decir, por cada variable especificada proporciona dos gráficos:
en el primero se representan los valores de los cuan les esperados bajo el supuesto de distribución
normal (por defecto) de media cero y varianza uno frente a los observados. En el segundo, en lugar de
los cuan les esperados, se representan los residuos. Las distribuciones de prueba disponibles son las
mismas que en P-P.
Ejemplo: Para la variable venta de verduras se puede decir que sí ene una distribución normal.
8
Capítulo
Correlación
Análisis de Resultados y Conclusiones: Muestra los principales hallazgos de la
inves gación aplicando Estadis cas Descrip vas (tablas, cuadros, gráficas, etc.) y
presenta una potente interpretación teórica que demuestra el dominio técnico del
inves gador. Las conclusiones extraen lo esencial de todo el proceso enfa zando
especialmente la riqueza de la evidencia empírica aportada.
Capítulo 8: Correlación 195
CORRELACIÓN
Permite saber si las variables en estudio de nuestro trabajo de inves gación guardan algún po de
relación entre ellas.
Por ejemplo, si se analiza la estatura y el peso de los alumnos de una clase es muy posible que exista
relación entre ambas variables: mientras más alto sea el alumno, mayor será su peso.
El coeficiente de correlación lineal mide el grado de intensidad de esta posible relación entre las
variables. Este coeficiente se aplica cuando la relación que puede exis r entre las variables es lineal (es
decir, si representáramos en un gráfico los pares de valores de las dos variables la nube de puntos se
aproximaría a una recta).
SIN RELACIÓN
No obstante, puede que exista una relación que no sea lineal, sino exponencial, parabólica, etc. En
estos casos, el coeficiente de correlación lineal mediría mal la intensidad de la relación las variables,
por lo que convendría u lizar otro po de coeficiente más apropiado.
Para ver, por tanto, si se puede u lizar el coeficiente de correlación lineal, lo mejor es representar los
pares de valores en un gráfico y ver la forma que describe.
196 METODOLOGÍA DE LA INVESTIGACIÓN
rxy
Es decir:
Numerador: se denomina covarianza y se calcula de la siguiente manera: en cada par de valores (x,
y) se mul plica la “x” menos su media, por la “y” menos su media. Se suma el resultado obtenido de
todos los pares de valores y este resultado se divide por el tamaño de la muestra.
Denominador se calcula el producto de las varianzas de “x” y de “y”, y a este producto se le calcula la
raíz cuadrada.
Los valores que puede tomar el coeficiente de correlación “r” son: -1 < r < 1
a) Si “r” > 0, la correlación lineal es posi va (si sube el valor de una variable sube el de la otra). La
correlación es tanto más fuerte cuanto más se aproxime a 1.
Ejemplo
La altura y peso: los alumnos más altos suelen pesar más.
b) Si “r” < 0, la correlación lineal es nega va (si sube el valor de una variable disminuye el de la otra).
La correlación nega va es tanto más fuerte cuanto más se aproxime a -1.
Ejemplo
Peso y velocidad: los alumnos más gordos suelen correr menos.
c) Si “r”= 0, no existe correlación lineal entre las variables. Aunque podría exis r otro po de
correlación (parabólica, exponencial, etc.).
De todos modos, aunque el valor de “r” fuera próximo a 1 o -1, tampoco esto quiere decir
obligatoriamente que existe una relación de causa-efecto entre las dos variables, ya que este
resultado podría haberse debido al azar.
Capítulo 8: Correlación 197
Ejercicio 1
Vamos a calcular el coeficiente de correlación de la siguiente serie de datos de altura y peso de los
alumnos de una clase:
Aplicamos la fórmula:
R={(1/30)*(0,826)}/{(((1/30)*(0,02568))*((1/30)*(51,366)))(1/2)}
Luego, R=0.8281. Por lo tanto, la correlación existente entre estas dos variables es elevada (0,82) y de
signo posi vo.
Ejercicio 2
Aprendiendo a realizar análisis de Correlación. Desde el menú Analizar -> Correlación (Correlate).
Para realizar análisis con los procedimientos de Correlación (Bivariadas, Parciales y Distancias), se
deben seguir los cuadros de diálogo.
A con nuación, se presenta una explicación detallada del cuadro de diálogo correspondiente a los
principales procedimientos que nos tocará analizar en este tema, como es la herramienta ‘Correlación’.
Bivariadas
Índice de asociación lineal
El índice de asociación lineal es medido por el procedimiento Bivariada.
Para obtener los índices de asociación lineal con variables (la covarianza, SXY y el coeficiente de
correlación de Pearson, rXY), se u liza el procedimiento bivariadas y se selecciona el menú Analizar ->
Correlaciones -> Bivariadas.
Desde aquí puede indicarse que se muestren los estadís cos descrip vos (media y desviación pica)
para cada una de las variables seleccionadas y también la matriz de varianzas-covarianzas (selección
productos cruzados y covarianzas).
Capítulo 8: Correlación 199
La matriz de varianzas-covarianzas
Este procedimiento se consigue pulsando opciones, luego marcardo varianzas-covarianzas (cross-
product devia ons and covariances).
La matriz de correlaciones:
Desde el cuadro de diálogo de correlaciones bivariadas se selecciona las variables, para las que se
desea tener una correlación lineal.
Luego se pulsa en Aceptar y aparece la matriz de correlaciones de Pearson de todas las variables
seleccionadas.
En este ejemplo parecen los datos de 30 sujetos para dos variables; X: Venta de Verduras e Y: Venta
de Abarrotes. Finalmente se pulsa en el botón Aceptar. Los resultados obtenidos son los siguientes:
Se ha señalado el coeficiente de Pearson con un círculo. Como se observa, se ob enen rXY = -0.187.
Entonces la correlación entre x e y es igual a -0.187 (187%). Esto implica que la venta de verduras y la
venta de abarrotes enen una baja correlación nega va.
Veamos otro ejemplo a par r de los datos de la encuesta. Tomemos las variables ‘Venta de aseo
personal’, ‘Venta de Verduras’ y ‘Venta de Bebidas’ y obtengamos sus coeficientes de correlación. Los
resultados obtenidos son los siguientes:
Se han sombreado los tres coeficientes de Pearson. Como se observa, no se ha obtenido un valor
razonable de correlación lineal. Es decir las correlaciones son muy bajas.
El primer paso que hay que dar es definir la nueva variable: Ti. Para ello se u liza el menú Transformar
-> Calcular. Lo primero es dar un nombre a la nueva variable y a con nuación se indica la expresión
numérica que la define. Con los datos de la encuesta del supermercado crearemos una combinación
lineal con las cuatro variables de ventas (Ú les de aseo personal, Verduras, Abarrotes y Bebidas). A la
variable resultante la llamaremos Ventas. El cuadro de diálogo de la Transformar -> Calcular queda del
siguiente modo:
La nueva variable es del po Ti = Xi + Yi + Vi + Wi. Obtengamos ahora sus estadís cos descrip vos
univariados desde el menú Analizar -> Estadísticos descriptivos -> Descriptivos y las covarianzas desde
Analizar -> Correlaciones -> Bivariadas (Opciones). El resultado es el siguiente:
202 METODOLOGÍA DE LA INVESTIGACIÓN
Como se observa la media en la nueva variable es 53.8933 valor que se corresponde exactamente
con el resultado de la suma de las medias en las cuatro variables originales. En cuanto a la varianza el
resultado es 37.361.
Ejercicio 1
Los datos para este ejercicio aparecen recopilados en las variables Día1, Día2, Día3, que indican el
número de horas trabajadas en los tres días.
Además se han recopilado la variable Sexo que toma valores 0 para mujeres y 1 para hombres. Edad,
1 para Adolescentes, 2 para Jóvenes y 3 para Adultos.
Finalmente se incluyen tres datos relacionados con las terapias que ha recibido el sujeto. Todas ellas
toman 1, si el sujeto ha recibido la terapia y 0 en caso contrario las variables son Estrés, Ansiedad y
Fobia.
Capítulo 8: Correlación 203
Correlaciones
El procedimiento Correlaciones permite calcular la matriz de correlaciones de un conjunto de variables.
Para calcular la correlación de Pearson se ejecuta el procedimiento: Analizar >Correlaciones>Bivariadas.
Por ejemplo, para calcular las correlaciones entre los tres días se indica:
Pulsando en el botón Opciones pueden obtenerse los estadís cos descrip vos y la matriz de covarianzas.
Según puede verse en el cuadro de diálogo, este procedimiento también permite calcular la correlación
de tau de Kendall y la de Spearman, que u lizan únicamente las propiedades ordinales de los datos.
204 METODOLOGÍA DE LA INVESTIGACIÓN
Al pulsar en Aceptar, el PASW muestra la matriz de correlaciones entre las tres variables:
Además de los coeficientes de correlación de Pearson (rij ) para cada combinación de las variables
incluidas, la tabla incluye el nivel crí co que permite tomar una decisión respecto a cada hipótesis nula
: H0 : ρij = 0.000. La úl ma fila de la tabla con ene el número de casos (10).
Capítulo 8: Correlación 205
Correlación en Gráficos
Las correlaciones lineales permiten evaluar la existencia de relaciones lineales entre variables. Sin
necesidad de calcular ningún estadís co, es posible elaborar un gráfico de dispersión que informe
sobre la posibilidad de que se dé este po de relación.
Por ejemplo, mediante el procedimiento: Gráficos > Dispersión > Simples es posible elaborar el
siguiente gráfico de dispersión de las variables número de horas trabajadas durante los Día1 y Día2.
Cada punto del gráfico se corresponde con las puntuaciones de un sujeto en ambas variables. El
gráfico sugiere que existe una relación lineal directa (o posi va) entre ambas, de modo que los sujetos
que trabajan más el primer día también lo hacen el segundo día. Para comprobar si esta relación es
estadís camente significa va se u lizan los procedimientos Correlaciones.
9
Capítulo
Regresión
Análisis de Resultados y Conclusiones: Muestra los principales hallazgos de la
inves gación aplicando Regresión (lineal simple y múl ple), y presenta una potente
interpretación teórica que demuestra el dominio técnico del inves gador. Las
conclusiones extraen lo esencial de todo el proceso enfa zando especialmente la
riqueza de la evidencia empírica aportada.
Capítulo 9: Regresión 209
En la inves gación estadís ca suele emplearse para pronos car valores de una variable criterio (Y:
Dependiente) desde las puntuaciones de una variable predictora (X: Independiente).
Por ejemplo, representamos en un gráfico los pares de valores de una distribución bidimensional: la
variable “x” en el eje horizontal o eje de abcisa, y la variable “y” en el eje ver cal o eje de ordenada.
El coeficiente de correlación lineal nos permite determinar si, efec vamente, existe relación entre las
dos variables.
Una vez que se concluye que sí existe relación, la regresión nos permite definir la recta que mejor se
ajusta a esta nube de puntos.
Donde:
“y” sería la variable dependiente, es decir, aquella que viene definida a par r de la otra variable.
“x” (variable independiente).
Para definir la recta hay que determinar los valores de los parámetros “a” y “b”:
El parámetro “a” es el valor que toma la variable dependiente “y” cuando la variable independiente
“x” vale 0, y es el punto donde la recta cruza el eje ver cal.
210 METODOLOGÍA DE LA INVESTIGACIÓN
El parámetro “a” viene determinado por: a = Ym - (b * Xm). Es la media de la variable “Y”, menos la
media de la variable “X” mul plicada por el parámetro “b” que hemos calculado.
Ejemplo 1
Vamos a calcular la recta de regresión de la siguiente serie de datos de altura y peso de los alumnos de
una clase. Vamos a considerar que la altura es la variable independiente “X” y que el peso es la variable
dependiente “Y” (podríamos hacerlo también al contrario):
Por lo tanto, la recta que mejor se ajusta a esta serie de datos es:
Y = -17,714 + (40,265 * X)
Capítulo 9: Regresión 211
Esta recta define un valor de la variable dependiente (peso), para cada valor de la variable independiente
(estatura):
Estatura Peso
X Y
1,20 30,6
1,21 31,0
1,22 31,4
1,23 31,8
1,24 32,2
1,25 32,6
1,26 33,0
1,27 33,4
1,28 33,8
1,29 34,2
1,30 34,6
Aprendiendo a realizar análisis de Regresión con el so ware PASW. Desde el menú Analizar -> Regresión
(Regression).
DIAGRAMA DE DISPERSIÓN
Como en otros ejemplos previos, tendríamos que introducir los datos correspondientes a los 5 sujetos
en las dos variables en un archivo nuevo del editor de datos. Una vez introducidos los datos guardar
como regresion.sav.
Para realizar el diagrama de dispersión se selecciona el menú Gráficos de la barra de menús del Editor
de datos y se elige el procedimiento ‘Dispersión’ (Sca er...). El cuadro de diálogo correspondiente es
el siguiente:
Luego pulsar definir para definir los ejes del diagrama de las variables, obteniendo el cuadro de diálogo
siguiente:
Con esta definición se ob ene el siguiente diagrama de dispersión simple en el visor de resultados:
Como se observa, la forma de este diagrama indica que los puntos en él no están perfectamente
alineados pero se acercan a una hipoté ca línea recta.
ECUACIÓN DE REGRESIÓN
Podrían trazarse diferentes rectas para realizar pronós cos de una variable a par r de la otra (por
ejemplo de Y a par r de X en una regresión de Y sobre X). Las rectas de regresión enen una fórmula
muy simple:
El obje vo es encontrar aquella recta que minimice la distancia entre lo encontrado (Y) y lo pronos cado
(Y’). Es decir, que minimice la expresión:
Ahora veamos cómo se procede en el PASW para calcular dichos coeficientes, obtener la recta de
regresión y valorar la bondad del modelo.
Se selecciona el menú Analizar -> Regresión -> Lineal: como se observa en la figura siguiente:
Capítulo 9: Regresión 215
Como en otros cuadros de diálogo del PASW, lo primero es seleccionar las variables. En este caso hay
que dis nguir entre ‘Dependiente’ e ‘Independiente’ (o independientes si se trata de una regresión
múl ple).
Dentro de este menú hay otras opciones. Por el momento, la que nos interesa es la que se encuentra
en el botón ‘Estadísticos’, cuyo cuadro de diálogo aparece en la figura:
216 METODOLOGÍA DE LA INVESTIGACIÓN
Desde aquí podemos solicitar que se ofrezcan las es maciones de la pendiente y el origen de la recta
de regresión (según el criterio de mínimos cuadrados), la matriz de covarianzas para las variables, el
ajuste del modelo (coeficiente de Pearson al cuadrado o coeficiente de determinación) y los estadís cos
descrip vos (media y varianza):
Otra opción relevante del menú regresión lineal es la de ‘Guardar’. Desde su correspondiente cuadro
de diálogo es posible indicar que se guarden los valores pronos cados por el modelo (las Yi) y los
residuos (las Yi - Y’i) en el editor de datos:
Seleccionar si se desea
guardar los valores
pronos cados por el
modelo (las Y’i) para
cada uno de los sujetos.
Veamos cuál es el resultado para el ejemplo. Si indicamos todas estas instrucciones, el resultado que
ofrece el PASW es el siguiente (nótese que se ofrecen muchas tablas de resultados. Aquí explicaremos
sólo las más importantes.
Regression
Capítulo 9: Regresión 217
Esto es el coeficiente de
determinación, r2XY o la
proporción de varianza
encomún entre X e Y.
En la Columna B. Los coeficientes a y b del modelo pronos cado en directas se ven en esta columna:
siendo a (Constant) = 39,932 y b (Edad (x)= 0,504.
En la columna Beta. Aparece el modelo en picas: ZY’ = rXY ZX (en el ejemplo: ZY’ = 0.935 ZX).
Como se observa, el PASW ofrece muchas tablas de datos como resultado de la regresión. Por el
momento solamente nos fijaremos en dos: La primera se refiere a los coeficientes del modelo y la
segunda a su bondad.
En cuanto a la primera, se toman los coeficientes no estandarizados. En este caso el mejor modelo para
pronos car Yi a par r de Xi es Y’i = 39.932 + 0,504 Xi
Una primera aproximación es la interpretación gráfica del problema. Para elaborar la gráfica del ajuste
de la recta a los datos observados se pulsa el menú Gráficos -> Interac vos -> Diagramas de dispersión.
218 METODOLOGÍA DE LA INVESTIGACIÓN
Lo primero es definir la variable del criterio (en el eje de ordenadas) y la variable predictora (en el eje
de abscisas) desde la solapa ‘Asignar variables’.
A con nuación se selecciona el método ‘regresión’ desde la solapa ‘Ajuste’(Fit). El cuadro de diálogo
desde el que se hacen estas selecciones ene el siguiente aspecto:
Capítulo 9: Regresión 219
Como se observa, los puntos no se alejan bastante de la recta, luego el ajuste es aceptable. Además
de la interpretación gráfica del problema, la forma de cuan ficar la bondad del modelo es mediante el
coeficiente de determinación, r2XY.
Se trata de una medida estandarizada que toma valores entre 0 y 1 y cuya interpretación es muy sencilla:
representa la proporción de varianza explicada de la variable del criterio a par r de la predictora. En
nuestro ejemplo, r2XY = 0,875 por lo que el modelo SI es adecuado para hacer pronós cos de Y a par r
de X.
La bondad del modelo también puede valorarse a par r del análisis de los errores en los pronós cos,
frecuentemente llamados residuos (Yi - Y’i). Nótese que ejecutando las órdenes indicadas en el
anterior apartado han resultado dos nuevas variables en el editor de datos (la variable ‘pre_1’ que se
corresponde con las Y’i y lleva la e queta ‘Unstandardized predicted value’ y la variable ‘res_1’ que se
refiere a las Yi - Y’i y lleva la e queta ‘Unstandardized residual’).
Teniendo los datos para Yi , Y’i e (Yi - Y’i) podemos evaluar la bondad del modelo a par r de la
descomposición de la varianza del criterio (S2Y = S2Y’ + S2Y-Y’). Para ello entramos en el menú Analizar ->
Estadís cos descrip vos -> Descrip vos: Opciones e indicamos en el cuadro de diálogo que se calcule
la varianza para estas tres variables (Y, pre_1 y res_1). Los resultados obtenidos en el visor son los
siguientes:
Como se comprueba, la varianza del criterio (S2Y = 44.3) se descompone en la varianza de los pronós cos
(S2Y’ = 38.752) y la de los errores (S2Y-Y’= 5.548).
220 METODOLOGÍA DE LA INVESTIGACIÓN
Veamos ahora un ejemplo a par r de los datos de la encuesta. Supóngase que queremos predecir la
variable ‘Venta de verduras (V)’ a par r de la variable ‘Venta de abarrotes (A)’. Para ello, construimos
la recta de regresión Vi = a + b A i. La definición del modelo en el PASW es la siguiente:
El gráfico obtenido definiendo las opciones del diagrama de dispersión interac vo de la figura es el
siguiente:
La primera aproximación al problema puede hacerse a par r del gráfico de dispersión. En este caso
puede elaborarse el gráfico simple para observar la relación entre la edad y el peso, así como también
un gráfico 3-D para observar la relación entre las dos predictoras y el criterio. El resultado obtenido es:
Para obtener los coeficientes del modelo y valorar el ajuste del modelo se selecciona el menú Analizar
-> Regresión -> Lineal. Lo primero es trasladar las variables ‘Venta de Abarrotes’ y ‘Venta de Bebidas’ a la
casilla Independientes, así como la variable ‘Venta de Verduras’ a la casilla Dependiente. Los resultados
encontrados son muy similares a los de la regresión simple, aunque ahora hay un coeficiente más que
interpretar:
Capítulo 9: Regresión 223
Ejercicio 1
El presente ejercicio se trabaja con la siguiente información:
Los datos aparecen recopilados en las variables Día1, Día2, Día3, que indican él número de horas
trabajadas en los tres días. Además se han recopilado la variable Sexo que toma valores 0 para mujeres
y 1 para hombres. Edad, 1 para Adolescentes, 2 para Jóvenes y 3 para Adultos.
Finalmente se incluyen tres datos relacionados con las terapias que ha recibido el sujeto. Todas ellas
toman 1, si el sujeto ha recibido la terapia y 0 en caso contrario; las variables son Estrés, Ansiedad y
Fobia.
Regresión
El procedimiento Analizar > Regresión lineal permite obtener la regresión lineal simple y múl ple. Por
ejemplo, para es mar los parámetros del modelo:
Se indica:
Los resultados muestran el coeficiente de determinación (R cuadrado) en la tabla Resumen del modelo.
Se observa que el modelo es mado para día 2 explica el 89.50% de la varianza. La tabla de regresión
en formato ANOVA muestra la descomposición de la suma de cuadrados total en la parte debida a la
regresión y el error:
En el ejemplo, el nivel crí co asociado a la F del ANOVA permite rechazar la hipótesis nula de que no
existe relación lineal entre las variables ( H0 : β = 0).
Capítulo 9: Regresión 225
A con nuación el error pico de es mación y los valores de a y b en caso de que se u licen puntuaciones
picas.
Por úl mo, aparece el valor del estadís co “t” de contraste de las hipótesis nulas β = 0 y α = 0. La úl ma
columna con ene el nivel crí co.
10
Capítulo
Prueba de hipótesis
Análisis de Resultados y Conclusiones: Muestra los principales hallazgos de la
inves gación aplicando prueba de hipótesis (Medias, Prueba T para una muestra,
Prueba T para muestras independientes, Prueba T para muestras relacionadas,
ANOVA de un factor), y presenta una potente interpretación teórica que demuestra
el dominio técnico del inves gador. Las conclusiones extraen lo esencial de todo el
proceso enfa zando especialmente la riqueza de la evidencia empírica aportada.
Capítulo 10: Prueba de hipótesis 229
PRUEBA DE HIPÓTESIS
Prueba de hipótesis llamado en so ware PASW comparar medias, es un procedimiento estadís co que
permite realizar dis ntos pos de contrastes sobre una, dos y hasta “n” medias.
Los procedimientos que estudiaremos son: Medias, Prueba T para una muestra, Prueba T para
muestras independientes, Prueba T para muestras relacionadas, ANOVA de un factor.
En el menú Analizar se encuentra el procedimiento Comparar medias, que permite realizar diferentes
pos de contrastes sobre una, dos y hasta “n” medias. El aspecto de dicho menú es el siguiente:
Analizar -> Comparación de Medias (Compare Means).
A con nuación se presenta una explicación detallada del cuadro de diálogo correspondiente a los
principales procedimientos.
Medias:
U lizando el procedimiento Medias del PASW, se pueden calcular Medias y variancias. El cuadro de
diálogo de la herramienta estadís ca ‘Medias’ ofrece el siguiente aspecto:
230 METODOLOGÍA DE LA INVESTIGACIÓN
En el cuadro de la izquierda se muestra el listado de las variables de la que consta el archivo de datos
que está abierto. Los cuadros de la derecha están vacíos pues están esperando a que le indiquemos
qué variable queremos analizar. Dichas variables se trasladan de un cuadro a otro mediante el botón
.
Veamos un ejemplo con las variables de la encuesta del supermercado. Para ello, primero debemos
trasladar las variables a quienes se desea analizar a los cuadros de la derecha del modo siguiente: (en
nuestro caso las variables son: Venta de ar culos de aseo y edad).
Luego pulsar en el botón Aceptar (OK) para que se ejecute la orden. Los resultados obtenidos aparecen
en la tabla siguiente:
La tabla muestra una comparación de las medias de la venta de ar culos de Aseo Personal en cada
subgrupo de la variable Edad. Como es el caso que la media de los adolescentes en la compra de
ar culos de aseo personal es 2.2667. La media de los jóvenes en la compra de ar culos de aseo
personal es 1.7200.
Capítulo 10: Prueba de hipótesis 231
Además, si pulsamos en el botón ‘Opciones’ obtenemos como resultado el cuadro de diálogo siguiente:
Donde se observa un listado de estadís ca como son: media, mediana, valor mínimo, valor máximo, es
decir todas las estadís cas que se aprecian en el cuadro izquierdo.
Para realizar los cálculos simplemente debemos pasar las estadís cas elegidas al cuadro de la derecha
(celda de estadís cas). Dichas estadís cas se trasladan de un cuadro a otro mediante el botón .
Ejemplo: Para ello hay que trasladar al cuadro de la derecha las estadís cas media, desviación estándar,
mínimo, máximo, obteniendo la tabla de resultados siguiente:
Se observa en la tabla de resultados los valores de la media, desviación estándar, el valor mínimo, el
valor máximo de los grupos de edades en las ventas de ar culos de aseo personal.
232 METODOLOGÍA DE LA INVESTIGACIÓN
También se pueden comparar medias como son: media aritmé ca, media armónica y media
geométrica. Como se observa en el cuadro de resultados siguiente:
Se observa en la tabla de resultados la comparación de medias de los grupos de edades en las ventas
de abarrotes.
Prueba T
Para comparar medias u lizando la prueba T hay tres opciones diferentes que permiten realizar
contrastes de hipótesis sobre una media, dos medias con muestras independientes y dos medias con
muestras relacionadas.
En el cuadro de la izquierda se muestra el listado de las variables de la que consta el archivo de datos
que está abierto. Los cuadros de la derecha están vacíos pues están esperando a que le indiquemos
qué variable queremos analizar. Dichas variables se trasladan de un cuadro a otro mediante el botón.
Para realizar el contraste hay que trasladar al cuadro Contrastar variables (Test Variable(s)) la variable
cuya media se desea contrastar, indicar en Valor de prueba (Test Value.) el valor de la media poblacional
en la hipótesis nula y luego pulsar el botón Aceptar (OK).
Capítulo 10: Prueba de hipótesis 233
Por ejemplo, si se quiere comprobar que la media poblacional de la Venta de Verduras es igual a “6”
( H o: μ=6 y α = 0,05), se seleccionan las opciones mostradas en cuadro de diálogo de la Prueba T para
una muestra (One Sample T Test) .
Ho: u =6
Además, si pulsamos sobre el botón Opciones puede modificarse el nivel de confianza que por defecto
es 0,95. El cuadro de diálogo de Opciones es el siguiente:
Nivel de confianza
El resultado del análisis se muestra en el visor de resultados: el PASW proporciona dos tablas de
resultados.
En la primera aparecen el número de casos, la media, la desviación pica y el error pico de la media.
234 METODOLOGÍA DE LA INVESTIGACIÓN
En la segunda tabla aparecen los resultados de la prueba T. En primer lugar el valor de la estadís ca de
contraste. Los grados de libertad (df), el nivel crí co bilateral, la diferencia entre la media muestral y la
media poblacional (μ) de la hipótesis nula y, por úl mo, los límites inferior y superior del intervalo de
confianza para la diferencia (Media Muestral – μ) .
Cuando se realizan contrastes de hipótesis con el PASW, la decisión sobre H0 debe tomarse a par r del
nivel crí co, que es la probabilidad asociada al estadís co de contraste.
El PASW suele ofrecer el nivel crí co bilateral. En el ejemplo, el valor de T ha resultado ser 6,254 y
nivel crí co bilateral 0,000. Esto significa que P (T ≤ -6.254 ) + P ( T ≥ 6.254) = 0,000, lo que nos permite
rechazar H0 con α = 0,05 (α = 0,05 > 0.000). Esta decisión también puede tomarse a par r del intervalo
de confianza para la diferencia de medias, el cual no incluye el valor 0.
Para poder visualizar mejor se presenta el gráfico de la distribución T Bilateral (dos Colas).
Hipótesis Planteada: Ho : μ = μo
H1 : μ ≠ μo
Nivel de Significancia: α%
Estadís co de Prueba:
Regla de decisión
En caso de haber deseado realizar un contraste unilateral, es necesario dividir por dos el nivel crí co
bilateral. Con nuando con el ejemplo, para contrastar la hipótesis:
H0: μ ≤ 6
H1: μ > 6
Hay que dividir por dos el nivel crí co bilateral: 0,000 / 2 = 0,00, que es la probabilidad correspondiente
al suceso: T ≥ 6.264. En este caso también se rechazaría H0 con α= 0,05.
Capítulo 10: Prueba de hipótesis 235
En el cuadro de diálogo se ha indicado un contraste de las medias de las variables Venta de Verduras,
en los dos grupos de la variable Sexo: Además es necesario indicar cuál es valor de la variable Sexo
en cada grupo, para lo cual se pulsa el botón Definir grupos (Define Groups), con lo que aparece un
subcuadro de diálogo.
De este modo, se indica que se van a comparar los dos grupos, en los que Sexo toma los valores 0
(mujer) y 1 (varón):
La prueba T sobre dos medias independientes ene dos versiones, dependiendo de sí se asumen
varianza iguales o dis ntas.
El PASW ejecuta en primer lugar la prueba de Levene para contrastar la hipótesis nula de que las
varianzas poblacionales de los dos grupos son iguales. En la siguiente línea presenta la prueba de
contrastar la hipótesis nula de que las varianzas poblacionales de los dos grupos son diferentes.
236 METODOLOGÍA DE LA INVESTIGACIÓN
Es responsabilidad del usuario escoger el resultado de una versión de la prueba T, en función del
resultado del contraste sobre varianzas. El nivel crí co de cada contraste aparece en la columna Sig.
La hipótesis nula de la prueba de Levene es H0: σ21 = σ22, es decir, que la varianza poblacional es igual
en ambos grupos. En este ejemplo, el estadís co de contraste (con valor F = 0,262) no ha resultado
significa vo, según indica el nivel crí co igual a 0,613. Por tanto, al mantenerse H0 puede asumirse que
las varianzas son iguales.
Se puede observarse que en la tabla de resultados aparecen dos valores de T. En este caso se u liza el
primero de ellos, correspondiente al supuesto de igualdad de varianzas (T = -1.218).
De nuevo, la decisión sobre la hipótesis nula debe tomarse a par r del nivel crí co (igual a 0,233),
que en este caso indica que el valor de T no es significa vo y por tanto, que las medias de las Venta de
Verduras son iguales en varones y mujeres.
Además si pulsamos sobre el botón Opciones puede modificarse el nivel de confianza que por defecto
es 0,95. El cuadro de diálogo de Opciones es el siguiente:
Capítulo 10: Prueba de hipótesis 237
Para comparar las medias con dos muestras relacionadas es necesario seleccionar dos variables de la
lista, tal y como se observa en el cuadro de diálogo.
Luego para contrastar la hipótesis nula de que la diferencias de medias de Venta de Verduras (Variable
1) y Venta de Abarrotes (Variable 2) es significa vamente diferente de cero. Se pulsa sobre el botón
flecha para trasladar las variables al cuadro de variables seleccionadas, así como se muestra en la
figura siguiente:
238 METODOLOGÍA DE LA INVESTIGACIÓN
Luego pulsar en el botón Aceptar (OK) para que se ejecute la orden contraste. Los resultados obtenidos
aparecen en la ventana Visor de resultados. Los resultados obtenidos son los siguientes:
Para realizar este contraste se calcula una nueva variable que es la diferencia entre las originales D =
Venta de verduras – Venta de abarrotes. La salida de resultados muestra la media de la variable D, así
como su desviación pica, el error pico de la media y el intervalo de confianza. También puede verse
el estadís co de contraste T, los grados de libertad (df) y el nivel crí co bilateral.
Puesto que el nivel crí co vale p =0,000 se rechaza H0 con un nivel de confianza de 0,95 y se concluye
que la media en la población de diferencia es significa vamente dis nta de cero. Es decir, existen
diferencias significa vas entre el promedio de Ventas tanto Verduras como de Abarrotes.
Además, si pulsamos sobre el botón Opciones puede modificarse el nivel de confianza que por defecto
es 0,95. El cuadro de diálogo de Opciones es el siguiente:
Capítulo 10: Prueba de hipótesis 239
ANOVA de un factor
Análisis de varianza de un factor en un diseño completamente aleatorizado
ANOVA A – EF – CA
Existen dis ntos procedimientos en PASW para realizar un análisis de varianza de un factor en un
diseño completamente aleatorizado.
Uno de los más directos y sencillos se encuentra dentro del menú: Analizar ->Comparar medias ->
ANOVA de un factor (One-Way ANOVA). Se ob ene el siguiente cuadro de diálogo:
Por ejemplo, para contrastar la hipótesis de igualdad de medias en la variable venta de bebidas en los
tres grupos de Edad (Adolescente, Joven y Adulto). Se ingresa al menú Analizar ->Comparar medias ->
ANOVA de un factor y se procede llenar el cuadro de diálogo de la manera siguiente:
240 METODOLOGÍA DE LA INVESTIGACIÓN
Dentro del cuadro de diálogo ANOVA de un factor hay varios sub-menús. Por ejemplo, si pulsando el
botón Opciones… puede indicarse que PASW calcule estadís cos descrip vos para las variables en los
“n” grupos y también que compruebe el supuesto de homocedas cidad (homogeneidad de varianzas).
El cuadro de diálogo de Opciones es el siguiente:
Lo primero que aparece en el visor de resultados son los estadís cos descrip vos para los “n” (3)
grupos. Como se observa, el grupo que más gasta en bebidas es el de Adolescente y el que menos
Gasta en bebidas es el de Adultos.
A con nuación se muestra el resultado del test de Levene sobre homogeneidad de varianzas, cuya
hipótesis nula es H0: σ21 = σ22 = σ23 .
Capítulo 10: Prueba de hipótesis 241
Puesto que el nivel crí co (p = 0, 460) es mayor que α se man ene la hipótesis nula sobre igualdad de
varianzas. Por tanto, podemos asumir que se cumple el supuesto de homocedas cidad (homogeneidad
de varianzas).
En la tabla aparecen las sumas de cuadrados inter.- grupos, intra grupos (error) y total. La tabla también
con ene los grados de libertad, medias cuadrá cas, estadís cos de contraste F y su nivel crí co (Sig.).
En este ejemplo, puesto que el nivel crí co (0.6379) es mayor de 0,05 se acepta la hipótesis nula del
ANOVA (H0: μ1 = μ2 = μ3) y puede concluirse que no existen diferencias significa vas en el gasto medio
de bebidas por los sujetos de cada edad (Adolescente, Joven y Adulto).
En este ejemplo, como el número de media es n = 3 se podría realizar el contraste de tendencia lineal
o cuadrá ca etc.
El PASW proporciona los resultados del componente indicado y también de los de orden inferior, en
este ejemplo, puesto que n = 3, son el cuadrá co y el lineal.
La tabla de resultados proporciona la F del ANOVA. Puede verse que su valor es 0.459 en este ejemplo
(el mismo que en la salida de resultados comentada anteriormente). Además proporciona la F del
componente lineal en la fila denominada No ponderado, que se toma el valor 0.817 y la del componente
cuadrá co, que ha resultado ser 0.011. La columna Sig se refiere a la hipótesis sobre cada tendencia,
que se acepta en ambos casos con p< 0.05 en la tendencia lineal y p < 0.01 en la cuadrá ca; por tanto
la relación entre ambas variables es Lineal.
Para llevar a cabo comparaciones planeadas es necesario introducir los coeficientes directamente. Por
ejemplo, para comparar la media en venta de bebidas del grupo 3 (Adulto) de Edad con la media de
los grupos 1 (Adolescente) y 2 (Joven) tomados juntos, hipótesis planteada sería:
H0: (-1)μ1+ (-1) μ2 + (2)μ3 = 0
H1: (-1)μ1 + (-1) μ2 + (2)μ3 ≠ 0
La salida de los resultados incluye los coeficientes que se han u lizado en la comparación, lo cual
permite comprobar si han sido asignados correctamente a los grupos. También incluye el estadís co T
del contraste de medias, en sus dos versiones: asumiendo varianzas iguales y dis ntas.
Capítulo 10: Prueba de hipótesis 243
Puesto que la prueba de Levene indicó igualdad de varianzas, el estadís co de prueba T vale - 0.921 y su
nivel crí co 0,365 por lo que se man ene H0 y no puede concluirse que existan diferencias significa vas
entre los sujetos del grupo Adolescentes Jóvenes de frente a los Adultos.
Comparaciones a posteriori
Al pulsar el botón Post Hoc aparece el cuadro de diálogo correspondiente a las comparaciones a
posteriori:
Puede verse que permite seleccionar dis ntas pruebas: Tukey, Dunne , Scheffé, etc. Con nuando con
el ejemplo, al seleccionar la prueba de Tukey, la salida PASW muestra la tabla de resultados de dicha
prueba.
244 METODOLOGÍA DE LA INVESTIGACIÓN
En la tabla puede verse la diferencia entre las medias de la venta de Bebidas en cada uno de los
pares de grupos definidos por la variable Edad. También se incluye el error pico de la diferencia de
medias, el nivel crí co asociado a dicha diferencia (Sig.) y los límites del intervalo de confianza. Como
se observa, los resultados indican que No existen diferencias significa vas entre el grupo Adolescentes
y Joven (p<0,05) y Adolescentes y Adulto (p<0,05).
11
Capítulo
Modelo lineal
general - ANOVA
Análisis de Resultados y Conclusiones: Muestra los principales hallazgos de la
inves gación aplicando el Modelo lineal general (Los Procedimiento u lizados son
ANOVA A-EF-CA ‘Univariante’ y ANOVA de 2 factores en un diseño completamente
aleatorizado), y presenta una potente interpretación teórica que demuestra el
dominio técnico del inves gador. Las conclusiones extraen lo esencial de todo el
proceso enfa zando especialmente la riqueza de la evidencia empírica aportada.
Capítulo 11: Modelo lineal general - ANOVA 247
Los Procedimiento u lizados son: ANOVA A-EF-CA (Univariante) y ANOVA de 2 factores en un diseño
completamente aleatorizado.
El procedimiento consiste en hacer clic en el menú Analizar -> Modelo lineal general, cuyo aspecto
es el siguiente:
A con nuación, se presenta una explicación detallada del cuadro de diálogo correspondiente a los
principales procedimientos.
ANOVA AB – EF – CA
Este procedimiento estadís co permite realizar análisis de varianza con más de un factor, incluyendo
factores de efectos fijos y aleatorios, además de análisis de covarianza (ANCOVA).
Supongamos que quisiera realizarse un ANOVA factorial de la variable Venta de Verduras, u lizando
como variable independiente el sexo del sujeto y su edad. Esto se especificaría del siguiente modo:
Ingresamos al menú: Analizar -> Modelo lineal general. ->Univariante (univariate).
248 METODOLOGÍA DE LA INVESTIGACIÓN
Pulsando continuar luego pulsando en el botón Aceptar, PASW realiza el ANOVA indicado y ofrece los
resultados:
La salida de resultados incluye la tabla – resumen del ANOVA y las medidas del tamaño del efecto:
A
B
AB
E
T
Las estadís cas de contraste F correspondiente a los efectos de las variables Edad y Sexo, así
como a la interacción entre ambas (Edad *Sexo), aparecen en la fila e quetadas con el nombre de
la variable. La decisión sobre H0 se toma a par r del punto crí co. Puede verse que se rechaza la
hipótesis nula correspondiente a la variable Edad, también se rechaza la variable Sexo y se man ene la
correspondiente a la interacción Edad* Sexo.
250 METODOLOGÍA DE LA INVESTIGACIÓN
Para realizar un gráfico con los efectos de los factores hay que pulsar el botón Gráficos del cuadro de
diálogo del procedimiento Univariante.
De este modo, aparece un subcuadro de diálogo en el que se especifica la forma en que se realizan uno
o más gráficos. Por ejemplo.
De este modo, se ha especificado un gráfico de los valores de venta verduras por Edad, con líneas
dis ntas para cada nivel de Sexo. A con nuación, hay que pulsar el botón Añadir para que este gráfico
se incluya en la lista de gráficos que se van a realizar. La salida de resultados del ANOVA incluye todos
los gráficos que se hayan especificado. En nuestro caso:
Capítulo 11: Modelo lineal general - ANOVA 251
El cuadro de diálogo del procedimiento Univariante incluye también el botón Post Hoc, que se u liza
para realizar contrastes a posteriori sobre los factores de efectos fijos. Para realizar la prueba de Tukey
sobre los niveles de Edad se indicaría:
La tabla muestra las diferencias entre cada par de medias de la variable Venta de verduras en los
grupos de sujetos definidos por Edad y Sexo. Además, se incluye el error pico de cada diferencia, el
nivel crí co y el intervalo de confianza para la diferencia de medias.
252 METODOLOGÍA DE LA INVESTIGACIÓN
MEDIDAS REPETIDAS
Análisis de varianza de un factor con medidas repeƟdas
Anteriormente hemos visto el menú ‘Comparar medias’ para llevar a cabo ANOVAS de un factor. En
PASW hay otro menú que puede u lizarse para llevar a cabo cualquier po de ANOVA. Se trata del
menú que estamos estudiando Analizar -> Modelo lineal general.
ANOVA A - EF- MR
Para realizar un ANOVA de un factor de diseño de medidas repe das se ejecuta la opción del menú:
Analizar -> Modelo lineal general -> Medidas repeƟdas (Repeated Measures Define Factor[s]).
El obje vo es comparar las medias de dis ntas variables medidas sobre los mismos sujetos. Por
ejemplo, supongamos que se desea comparar las medias de la Venta de Verduras, Venta de Abarrotes
y Venta de Bebidas con el objeto de determinar la evolución de las ventas en cada po de ar culo. Por
tanto, tenemos un factor intra-sujetos con J = 3 niveles.
A con nuación, se pulsa sobre el botón Añadir para que el PASW interprete que se ha definido un factor
intra-sujetos (denominado en el ejemplo Factor 1) con tres niveles diferentes. Después de Añadir se
pulsa el botón Definir para indicar al PASW cuáles son las variables que forman cada uno de los niveles
de Factor 1, en este caso tres niveles.
Al igual que en otros procedimientos, el PASW muestra un cuadro de diálogo con todas las variables
del archivo de datos. En este cuadro se seleccionan las variables que forman los grupos del factor intra-
sujetos, que en el ejemplo son, Venta de Verduras, Venta de Abarrotes y Venta de Bebidas.
Capítulo 11: Modelo lineal general - ANOVA 253
A con nuación, pulsando sobre el botón flecha se trasladan estas variables al cuadro denominado
Variables intra-sujetos. De este modo se ha indicado cuáles son los tres niveles del factor intra-sujetos
Factor 1.
El PASW proporciona dis ntas tablas de resultados. La tabla correspondiente a la F del factor intra-
sujetos se denomina Pruebas de efectos intra - sujetos:
La tabla con ene la suma de cuadrados Inter-grupos y Error con los correspondientes grados de libertad,
medias cuadrá cas, el estadís co de contraste F y el nivel crí co. El PASW ofrece los resultados bajo
varios estadís cos según se cumple o no el supuesto de esfericidad.
Como puede verse en el cuadro de diálogo y en el visor de resultados, este procedimiento ene
muchas más opciones además de las indicadas. Por ejemplo, pueden realizarse pruebas de tendencia,
comparaciones entre medias, gráficos, etc. Asimismo, desde este menú también puede realizar
ANOVA con medidas repe das en un más de un factor y con medidas repe das sólo en algunos de
ellos (diseños mixtos).
12
Capítulo
Pruebas no parámetricas
Análisis de Resultados y Conclusiones: Muestra los principales hallazgos de la
inves gación aplicando Pruebas no paramétricas, y presenta una potente interpretación
teórica que demuestra el dominio técnico del inves gador. Las conclusiones extraen
lo esencial de todo el proceso enfa zando especialmente la riqueza de la evidencia
empírica aportada.
Capítulo 12: Pruebas no paramétricas 257
PRUEBAS NO PARAMÉTRICAS
Los temas que se verán son los siguientes: Pruebas de los signos (binomial), Dos muestras
independientes (prueba de Mann-Whitney), Dos muestras relacionadas (prueba de Wilcoxon),
Más de dos muestras independientes (prueba de Kruskal Wallis), Más de dos muestras relacionadas
(prueba de Friedman), K Muestras relacionadas, Contrastes sobre proporciones, Contraste sobre una
proporción, Dos proporciones relacionadas, Más de dos proporciones relacionadas, Dos proporciones
independientes, Prueba X2 de Pearson, X2 sobre Bondad de ajuste, Tablas de con ngencia.
Los ejercicios se desarrollarán con los datos que aparecen recopilados en las variables Día1, Día2, Día3
que indican el número de horas trabajadas en los tres días. Además se han recopilado las variables
Sexo que toma valores 0 para mujeres y 1 para hombres, así como Edad, 1 para Adolescentes, 2 para
Jóvenes y 3 para Adultos.
Finalmente, se incluyen tres datos relacionados con las terapias que ha recibido el sujeto. Todas ellas
toman 1, si el sujeto ha recibido la terapia y 0 en caso contrario; las variables son Estrés, Ansiedad y
Fobia.
Los datos representan 10 sujetos que par ciparon en el estudio, cuyo resultado se muestra en la tabla
siguiente:
CONTRASTES NO PARAMÉTRICOS
Los contrastes no paramétricos se ejecutan mediante la opción del menú: Analizar > Pruebas no
paramétricas.
258 METODOLOGÍA DE LA INVESTIGACIÓN
Por ejemplo, supongamos que se desea contrastar la hipótesis de que la mediana de la variable Día1 es
6,5. Esto se indica del siguiente modo en el cuadro de diálogo de la prueba binomial:
En la casilla denominada Punto de corte se ha introducido el valor para la mediana en la hipótesis nula,
en Contrastar proporción el valor 0,5, que es la proporción de sujetos con puntuaciones menores o
iguales que 6,5, según la hipótesis nula.
En el ejemplo, la tabla indica que 7 sujetos obtuvieron puntuaciones iguales o menores que 6,5. Esto
corresponde al 70% de los sujetos de la muestra, mientras que el porcentaje esperado bajo H0 es el
50%.
El valor del nivel crí co bilateral es 0,344, y se u liza para tomar una decisión sobre H0.
La prueba binomial también permite realizar contrastes sobre cualquier otro cen l, basta con cambiar
la proporción introducida en la casilla Contrastar proporción.
Por ejemplo, para contrastar la hipótesis de que el cen l 90 de la variable Trabajo (Día1+ Día2 + Día3)
es el valor 18, se indica:
En el ejemplo, la tabla indica que 3 sujetos obtuvieron puntuaciones iguales o menores que 18. Esto
corresponde al 30% de los sujetos de la muestra, mientras que el porcentaje esperado bajo H0 es el
90%.
El valor del nivel crí co bilateral es 0,00, y se u liza para tomar una decisión sobre H0.
La opción Definir la dicotomía especifica que se va a comprobar si el 90% de los sujetos enen valores
iguales o menores que 18.
260 METODOLOGÍA DE LA INVESTIGACIÓN
Mediante el botón Definir grupos es necesario indicar que los dos grupos de la variable Estrés son los
correspondientes a los valores 0 y 1.
Capítulo 12: Pruebas no paramétricas 261
La salida de resultados muestra dis ntas tablas. Una de ellas con ene la suma de los rangos asignados
a las puntuaciones en Día2 en los dos grupos de Estrés.
En la tabla separada aparece el estadís co de contraste U de Mann – Whitney y el nivel crí co.
Por ejemplo, los sujetos del grupo Día1 son los mismos que los de Día2, por lo que ambas son muestras
relacionadas. Para comprobar que sus medianas son iguales se indica:
A con nuación, puede verse cómo contrastar la hipótesis de que la mediana de Día3 es la misma en
los tres grupos de edad.
Mediante Definir rango se ha indicado que los grupos de Edad vienen definidos por los valores 1 a 3.
264 METODOLOGÍA DE LA INVESTIGACIÓN
La salida de resultados muestra la suma de rangos en cada grupo de Edad y el valor del estadís co X2.
En el ejemplo, las variables de los tres Días están formadas por los mismos sujetos, por lo que son
relacionadas. Del siguiente modo se comprueba si sus medianas son iguales:
Capítulo 12: Pruebas no paramétricas 265
La salida de resultados muestra el número de casos, estadís co de contraste X, los grados de libertad
y el nivel crí co.
El nivel crí co asociado al estadís co X2 permite rechazar la hipótesis nula de igualdad de medianas en
las tres variables.
Contraste sobre π
Por ejemplo, para contrastar la hipótesis de que la proporción de sujetos que reciben la terapia de
estrés es 0,65 se indica:
Por ejemplo, sabemos que los sujetos de esta muestra pueden haber recibido terapia contra el estrés,
así como otras dos terapias contra situaciones de ansiedad y fobias. Se desea comprobar si los sujetos
que reciben la segunda terapia contra el estrés, así como otras dos terapias contra situaciones de
ansiedad y fobias.
Se desea comprobar si los sujetos que reciben la segunda terapia es más probable que reciban también
la tercera. Esto indicaría que los individuos que presentan un trastorno enen mayor probabilidad de
presentar el otro.
El cuadro de diálogo de este procedimiento permite escoger dis ntas pruebas. En concreto, para
realizar la prueba de McNemar sobre las variables ansiedad y fobia se indica si seleccionamos las
dos variables ansiedad y fobia. Se desea estudiar si la proporción de sujetos en ambas es igual o no.
Entonces la prueba de hipótesis es la siguiente a:
H0 : π1-π2 = 0
H1 : π1-π2 ≠ 0
Señalar la prueba de Mc Nemar. Esta prueba es la que contrasta hipótesis sobre 2 proporciones
relacionadas.
El visor de resultados muestra la tabla de con ngencia de ambas variables y los estadís cos de
contraste:
268 METODOLOGÍA DE LA INVESTIGACIÓN
Resultado del test de la hipótesis. Como ρ=1.000a>α se man ene H0: Es decir no existe diferencia
significa va entre la proporción de sujetos que reciben las terapias de ansiedad y fobia.
Por ejemplo, si quisiera contrastarse la hipótesis de que la proporción de sujetos que reciben alguna de
las tres terapias es la misma, se indica:
Capítulo 12: Pruebas no paramétricas 269
Resultado del test de la hipótesis. Como ρ=0.846>α se man ene H0: Es decir no existe diferencia
significa va entre la proporción de sujetos que reciben las terapias de estrés, ansiedad y fobia.
Prueba X2 de Pearson
X2 sobre Bondad de ajuste
Para comprobar el ajuste de la distribución de frecuencias de una variable discreta a una distribución
teórica se u liza la prueba X que se encuentra disponible en Analizar >Pruebas no paramétricas
>Prueba Chi-cuadrado.
270 METODOLOGÍA DE LA INVESTIGACIÓN
Vemos que hay 3 sujetos adolescentes y adultos, 4 sujetos jóvenes de la variable Edad. La distribución
uniforme asume que la frecuencia de sujetos es la misma en todos los niveles de edad.
Para comprobar si la desviación respecto a este supuesto es estadís camente significa va, se u liza el
procedimiento de chi-cuadrado.
Aquí se indica la categoría de la Aquí se indica la frecuencia: mi - nπi Para cada categoría. Por ejemplo.
variable. Por ejemplo 0 y1 Adolescentes = 10*0.3=3; adultos = 10*0.2 = 2 y jóvenes =10*0.5 = 5
En nuestro ejemplo el modelo a contrastar es el uniforme; se
seleccionan todas las categorías iguales.
Capítulo 12: Pruebas no paramétricas 271
En el ejemplo, se selecciona la variable Edad y la opción Todas las categorías iguales, que indica que la
frecuencia esperada de todos los valores de Edad es la misma, y por tanto que se está comprobando
el ajuste a una distribución uniforme: H0 f(x) = M (n = 10 y π =1/3).
La salida de resultados muestra una tabla con las frecuencias esperadas, observadas y las residuales
(la diferencia entre ambas) y otra con el valor del estadís co de contraste X2, los grados de libertad y
el nivel crí co.
Este procedimiento también permite comprobar el ajuste a cualquier otra distribución discreta. Para
ello hay que indicar directamente la frecuencia esperada para cada valor.
Por ejemplo, si se quiere comprobar que la frecuencia esperada de los niveles 1, 2 y 3 de Edad es 4, 5
y 1 respec vamente, es decir:
H0 f(x) = M(n=10, π1 = 0.40, π2 =0.50, π3 = 0.10 ):
272 METODOLOGÍA DE LA INVESTIGACIÓN
Tablas de contingencia
Este po de contrastes también se pueden realizar mediante la prueba X2 de las tablas de con ngencia.
Las tablas de con ngencia con enen la distribución conjunta de dos o más variables, y se han estudiado
en relación con los contrastes sobre independencia e igualdad de proporciones.
Vamos a obtener la tabla de con ngencia de las variables Estrés y Edad. Esto se indica:
Capítulo 12: Pruebas no paramétricas 273
Cada casilla con ene el número observado de sujetos que ob enen un determinado par de valores en
Estrés y Edad. Por ejemplo, hay 2 sujetos, el grupo adolescentes y que reciben la Terapia de Estrés, el
número total de sujetos en la categoría Adulto es 3, etc.
Este ejemplo se puede interpretar también como un contraste de igualdad de proporciones, en el que
se compara la distribución de la variable Estrés (variable dicotómica) en cada grupo de Edad (J=3). El
valor del estadís co aparece del siguiente modo en los resultados:
274 METODOLOGÍA DE LA INVESTIGACIÓN
El valor de X está en la primera línea del cuadro, junto con los grados de libertad y el nivel crí co (P(X
0,833) =0,361). Los índices de asociación basados en chi-cuadrado aparecen en otra tabla diferente. En
este caso, puesto que las variables son independientes, estos índices adoptan valores muy pequeños.
Es posible obtener tablas de con ngencia con más de dos variables u lizando la casilla inferior del
cuadro de diálogo. Por ejemplo, del siguiente modo se especifica una tabla de con ngencia con las
variables Edad, Estrés y Sexo:
Lo que no permite el procedimiento Tablas de con ngencia es realizar el análisis estadís co de más de
dos variables cualita vas. Dicho análisis se lleva a cabo mediante los modelos loglineales y modelos logit.
13
Capítulo
Conglomerados
de K medias
Conglomerados de K media - Conglomerados jerárquicos
CONGLOMERADOS DE K MEDIAS
Intenta iden ficar grupos de casos rela vamente homogéneos basándose en las caracterís cas
seleccionadas y u lizando un algoritmo que puede ges onar un gran número de casos. Sin embargo,
el algoritmo requiere que el usuario especifique el número de conglomerados.
Se pueden especificar los centros iníciales de los conglomerados si se conoce de antemano dicha
información. Se pueden elegir uno de los dos métodos disponibles para clasificar los casos: la
actualización de los centros de los conglomerados de forma itera va o sólo la clasificación.
También se pueden solicitar los estadís cos F de los análisis de varianza. Aunque estos estadís cos
son oportunistas (ya que el procedimiento trata de formar grupos que de hecho difieran), el tamaño
rela vo de los estadís cos proporciona información acerca de la contribución de cada variable a la
separación de los grupos.
Para llevar a cabo un análisis de conglomerados de K medias, seleccionamos la opción Analizar ->
Clasificar->Conglomerados de K medias, obteniéndose el cuadro de diálogo siguiente:
El cuadro de la izquierda muestra la lista de variables del archivo (numérico y cadena). Pero las variables
de cadena sólo sirven para e quetar casos.
278 METODOLOGÍA DE LA INVESTIGACIÓN
Opcionalmente, se selecciona una variable para iden ficar los casos en las tablas de resultados y en los
gráficos. Luego, trasladar a Etiquetar casos Mediante (Label Cases by:).
Existen dos Método (Method). El primero Iterar y clasificar (Iterar and classify) Este procedimiento
se encarga de es mar los centros itera vamente y de clasificar a los sujetos con arreglo a los centros
es mados. En el segundo, Solo Clasificar (classify only), se clasifican a los sujetos según los centros
iniciales (sin actualizar sus valores itera vamente). Este botón suele u lizarse junto con el botón
Centros>>
Luego de realizar estas selecciones presionamos aceptar (OK). El visor presenta los siguientes
resultados:
El primer cuadro muestra los centros iniciales, es decir, los valores que corresponden a los dos casos
que han sido elegidos como centros respec vos de los conglomerados solicitados, en las dos variables
de clasificación u lizadas.
Capítulo 13: Conglomerados de K medias 279
Por ejemplo, 1.30 primer centro (1) de la variable Venta de ar culos de aseo personal y 3.00 segundo
centro (2) de la variable Venta de ar culos de aseo personal. Además 30.00 primer centro (1) de la
variable Venta de abarrotes y 40.00 segundo centro (2) de la variable Venta de abarrotes.
Una vez seleccionados los centros de los conglomerados, cada caso es asignado al conglomerado de
cuyo centro se encuentra más próximo y comienza un proceso de ubicación itera va de los centros.
En la primera iteración se reasigna los casos por su distancia al nuevo centro y, tras la reasignación,
se vuelve a actualizar el valor del centro. En la siguiente iteración se vuelven a reasignar los casos y a
actualizar el valor del centro.
El cuadro siguiente resume el historial de iteraciones (3 en nuestro ejemplo) con indicación del cambio
(desplazamiento) experimentado por cada centro en cada iteración. Puede observarse que, conforme
avanzan las iteraciones, el desplazamiento de los centros se va haciendo más y más pequeño hasta
llegar a la tercera iteración, en la que ya no existe desplazamiento alguno.
En el PASW el proceso de iteración se de ene por defecto cuando alcanza 10 (u otro número ingresado)
o cuando de una iteración a otra no se produce ningún cambio. En nuestro ejemplo se de ene en la
tercera iteración porque no se produce ningún cambio.
El cuadro siguiente ofrece los centros de los conglomerados finales, es decir, los centros de los
conglomerados tras el proceso de actualización itera va. Comparando los centros finales (tras la
iteración) de esta tabla con los centros iníciales (antes de la iteración):
En ejemplo, se puede apreciar que el primer (1) conglomerado está cons tuido por las ventas en
menor can dad en nuevos soles, tanto en ar culos de aseo personal y de abarrotes, y el segundo
conglomerado (2) por las ventas en mayor can dad en nuevos soles de aseo personal y de abarrotes.
280 METODOLOGÍA DE LA INVESTIGACIÓN
Por úl mo, el cuadro siguiente muestra el número de casos asignados a cada conglomerado:
En nuestro ejemplo, los tamaños de los conglomerados son: primer conglomerado 17 y segundo
conglomerado 13.
El cuadro siguiente es la tabla de ANOVA que muestra un resumen del análisis de varianza con una
estadís ca F univariada para cada una de las variables incluidas en el análisis.
El cuadro siguiente muestra un listado de todos los casos u lizados en el análisis con indicación del
conglomerado al que ha sido asignado cada caso y la distancia euclídea existente entre cada caso y el
centro de su conglomerado.
Capítulo 13: Conglomerados de K medias 281
El siguiente cuadro muestra la distancia euclídia existente entre los centros de los conglomerados
finales:
CONGLOMERADOS JERÁRQUICOS
Intenta iden ficar grupos rela vamente homogéneos de casos (o de variables) basándose en las
caracterís cas seleccionadas, mediante un algoritmo que comienza con cada caso (o cada variable) en
un conglomerado diferente y combina los conglomerados hasta que sólo queda uno.
Es posible analizar las variables brutas o elegir de entre una variedad de transformaciones de
estandarización. Las medidas de distancia o similaridad se generan mediante el procedimiento
Proximidades. Los estadís cos se muestran en cada etapa para ayudar a seleccionar la mejor solución.
Para llevar a cabo un análisis de conglomerados de K medias, seleccionamos la opción Analizar ->
Clasificar->Conglomerados jerárquicos, obteniéndose el cuadro de diálogo siguiente:
El cuadro de la izquierda muestra la lista de variables del archivo (numérico y cadena). Pero las variables
de cadena sólo sirven para e quetar casos.
282 METODOLOGÍA DE LA INVESTIGACIÓN
Para obtener un análisis de conglomerados jerárquicos se seleccionan las variables numéricas que
se desea u lizar para diferenciar los casos y formar conglomerados, y se traslada al cuadro del lado
derecho. En nuestro caso las variables son: Venta de ar culos de aseo personal y Venta de abarrotes.
Opcionalmente, se selecciona una variable para iden ficar los casos en las tablas de resultado y en los
gráficos. Luego, trasladamos a Etiquetar casos Mediante (Label Cases by:).
Conglomerar (Custers): Permiten decidir qué elementos del archivo de datos se desea agrupar.
Casos (Cases): Se agrupan los casos a par r de sus puntuaciones en las variables seleccionadas y es la
opción por defecto.
Variables (Variables): Se agrupan las variables seleccionadas en la lista Variables a par r de las
puntuaciones de los casos válidos del archivo de datos. Esta opción exige incluir en el análisis al menos
tres variables.
Mostrar (Display): Las opciones permiten controlar el po de resultado que mostrará el visor de
resultados (seleccionadas por defecto).
Estadísticas (Statistics): El visor de resultados sólo muestra las tablas de resultados. Desac vando esta
opción se anula el botón Estadís cas.
Luego de realizar estas selecciones presionamos aceptar (OK); el visor presenta los siguientes
resultados:
El primer cuadro muestra un resumen de los casos procesados, el número y porcentaje de casos válidos
analizados, el número y porcentaje con valores perdidos, el tamaño total de la muestra.
La nota “a.” Indica el nombre de la medida u lizada para obtener la matriz de distancia Squared
Euclidean Distance used (Distancia euclidea al cuadrado). Y “b.” el método de conglomerados u lizado
Vinculación promedio (Inter.-Grupos).
El cuadro siguiente muestra el historial del proceso de conglomerados, etapa por etapa. En cada etapa
se unen dos elementos. Como la muestra analizada ene 30 casos, sólo se realizan 29 etapas de fusión.
- La columna Conglomerados que se combina (Cluster Combinet) informa sobre los conglomerados
(o casos) fundidos en cada etapa. En nuestro ejemplo en la primera etapa se han fundido 12 y 17.
284 METODOLOGÍA DE LA INVESTIGACIÓN
- La Columna Etapa en la que el conglomerado aparece por primera vez (stage cluster First Appears)
indica la etapa en la que se han formado los conglomerados que se están fundiendo en cada
momento. Por ejemplo, Cero indica que el conglomerado es un caso individual.
- La columna Próxima etapa (Next Stage) indica la etapa en la que el conglomerado que se acaba de
formar volverá a fundirse con otros elementos.
El cuadro siguiente muestra el diagrama de témpanos, resume el proceso de fusión de manera gráfica.
En la cabecera de las columnas se encuentran los números de los casos individuales (cada columna con
un número que representa un caso), y en las filas el número de conglomerados formado en cada etapa
(cada fila representa una etapa del proceso de fusión). Las etapas comienzan en la parte inferior del
diagrama y van progresando hacia arriba.
Capítulo 13: Conglomerados de K medias 285
ANÁLISIS DISCRIMINANTE
Resulta ú l para las situaciones en las que se desea construir un modelo predic vo para pronos car el
grupo de pertenencia de un caso a par r de las caracterís cas observadas de cada caso.
El procedimiento genera una función discriminante (o, para más de dos grupos, un conjunto de funciones
discriminantes), basada en combinaciones lineales de las variables predictoras que proporcionan la
mejor discriminación posible entre los grupos.
Las funciones se generan a par r de una muestra de casos para los que se conoce el grupo de
pertenencia; posteriormente, las funciones pueden ser aplicadas a nuevos casos que dispongan de
medidas para las variables predictoras pero de los que se desconozca el grupo de pertenencia. La
variable de agrupación puede tener más de dos valores. Los códigos de la variable de agrupación han
de ser números enteros y es necesario especificar sus valores máximo y mínimo. Los casos con valores
fuera de estos límites se excluyen del análisis.
Para llevar a cabo un análisis discriminante, seleccionamos la opción Analizar -> Clasificar-> Análisis
Discriminante, obteniéndose el cuadro de diálogo siguiente:
El cuadro de la izquierda muestra la lista de variables del archivo (excepto las que enen formato
cadena). Para obtener un análisis discriminante con las especificaciones que el PASW ene establecidas
por defecto, seleccionamos una variable categórica (nominal u ordinal), y lo trasladamos al cuadro del
lado derecho, variable de agrupación (Grouping Variable). La variable de agrupación es aquella que
define los grupos que se desea comparar. En nuestro caso será la variable Estado Civil.
286 METODOLOGÍA DE LA INVESTIGACIÓN
Luego debemos pulsar en el botón Definir rango... (Difine Range...) para acceder al cuadro de diálogo
siguiente. En nuestro ejemplo la variable Estado Civil ene rango mínimo 1 y rango máximo 4.
Una vez ingresados los rangos, pulsar el botón continuar para volver al cuadro de diálogo principal.
Luego de realizar estas selecciones presionamos aceptar (OK); el visor presenta los siguientes
resultados:
El primer cuadro muestra un resumen con el total de los casos procesados, el número de casos válidos
para el análisis y el número de casos excluidos. Dentro de los casos excluidos se dis nguen entre los
que son excluidos porque su código en la variable de agrupación no está dentro del rango seleccionado,
los que son excluidos por tener un valor perdido en al menos una variable discriminante, y los que
cumplen las dos condiciones anteriores.
Capítulo 13: Conglomerados de K medias 287
El cuadro siguiente muestra un resumen del número de casos válidos en cada variable discriminante.
La información de esta tabla posee un interés especial, pues un número desigual de casos en cada uno
de los grupos puede afectar la clasificación.
El cuadro siguiente con ene los autovalores y algunas estadís cas descrip vas Mul variantes. En la
tabla aparece una fila numerada por cada función discriminante, en nuestro ejemplo hay dos funciones.
La primera función explica el 89.8% de las diferencias existentes entre los sujetos de los grupos. Y la
segunda función explica 10.2% de las diferencias existentes entre los sujetos de los grupos.
• La correlación canónica (canonical Correla on) es la correlación entre la combinación lineal de las
variables independientes (función discriminante) y una combinación lineal de variables indicador
que recogen la pertenencia de los sujetos a los grupos. Una correlación canónica alta indica que
las variables discriminantes permiten diferenciar entre los grupos.
El cuadro siguiente muestra el estadís co lambda de Wilks que expresa la proporción de variabilidad
total no debida a las diferencias entre los grupos; permite contrastar la hipótesis nula de que las
medias mul variantes de los grupos (los centroides) son iguales.
Por tanto, valores de lambda de Wilks cercanos a 1 indican un gran parecido entre grupo, mientras
que valores próximo a cero indican una gran diferencia entre ellos. En nuestro ejemplo, los valores
cercanos a 1 indican un gran parecido entre grupos o existe bastante solapamiento entre los
grupos. Sin embargo, el valor transformado de lambda (Chi-Square) es de 4.872 con 6 grados de
libertad y un nivel crí co (Sig) de 0.560, por lo que podemos aceptar la hipótesis nula de que los
grupos comparados enen promedios iguales en las dos variables discriminantes en la primera
función. Para la segunda función el Chi-Square = 0.533 con 2 grados de libertad y un nivel crí co
(Sig) de 0.766, por lo que podemos aceptar la hipótesis nula de que los grupos comparados enen
promedios iguales en las dos variables discriminantes.
El cuadro siguiente muestra la tabla de coeficientes estandarizados que con ene una versión
estandarizada de los coeficientes de la función canónica discriminante:
En la función 1 la Venta de abarrotes ene mayor importancia que las ventas de verduras y en la
función 2 la Venta de verduras ene mayor importancia que las ventas de abarrotes.
Capítulo 13: Conglomerados de K medias 289
El cuadro siguiente muestra la Matriz de estructura que con ene las correlaciones entre las variables
discriminantes y la función discriminante estandarizada.
Podemos apreciar que la Venta de abarrotes correlaciona alto con la función discriminante uno. Que la
Venta de verduras correlaciona alto con la función discriminante Dos.
El cuadro siguiente muestra la ubicación de los centroides en la función discriminante. Esta tabla es de
gran u lidad para interpretar la función discriminante.
Podemos observar que el grupo de Solteros se encuentra localizado en promedio, en las puntuaciones
(ventas) posi vas de la primera función, mientras que los Casados, Divorciados y Viudos, se encuentran
en las puntuaciones (ventas) nega vas respecto de la primera función.
ANÁLISIS FACTORIAL
Intenta iden ficar variables subyacentes o factores que expliquen la configuración de las correlaciones
dentro de un conjunto de variables observadas. Se suele u lizar en la reducción de los datos para
iden ficar un pequeño número de factores que expliquen la mayoría de la varianza observada en un
número mayor de variables manifiestas.
También puede u lizarse para generar hipótesis relacionadas con los mecanismos causales o para
inspeccionar las variables para análisis subsiguientes (por ejemplo, para iden ficar la colinealidad
antes de realizar un análisis de regresión lineal). Este procedimiento dispone de 7 métodos de
extracción factorial; 5 métodos de rotación, entre ellos el oblimin directo y el promax para rotaciones
no ortogonales; y 3 métodos para calcular las puntuaciones factoriales, que pueden guardarse como
variables para análisis adicionales.
290 METODOLOGÍA DE LA INVESTIGACIÓN
Para llevar a cabo un análisis de factorial, seleccionamos la opción Analizar -> Reducción de Datos ->
Análisis factorial, obteniéndose el cuadro de diálogo siguiente:
El cuadro de la izquierda muestra la lista de todas las variables del archivo (también las que enen
formato cadena aunque éstas sólo pueden u lizarse como variables de selección).
Para llevar a cabo Análisis de factorial con PASW seleccionamos el conjunto de variables que se desea
analizar, y se trasladamos al cuadro del lado derecho lista de Variables (Variables:).
Capítulo 13: Conglomerados de K medias 291
En nuestro ejemplo las variables Edad, Grado de instrucción, Estado Civil, Turno, Venta de verduras
Venta de abarrotes y Venta de bebidas, fueron seleccionadas para realizar Análisis Factorial.
La Variable de Selección (Selection Variable): Este cuadro permite seleccionar una de las variables
del archivo de datos como variable filtro: para definir una submuestra de sujetos que cumplen una
determinada condición.
Introducir en el cuadro el valor de la variable de selección que iden fica a los casos que se desea incluir
en el análisis.
Sigamos con nuestro ejemplo. Luego de seleccionar las variables mencionadas, aceptamos (OK); el
visor de resultados muestra los siguientes cuadros:
El cuadro siguiente con ene las comunalidades (Communali es) asignadas inicialmente a las variables
(ini al) y las comunalididades reproducidas por la solución factorial (Extrac on). La comunalidad de
una variable es la proporción de su varianza que puede ser explicada por el modelo factorial obtenido.
292 METODOLOGÍA DE LA INVESTIGACIÓN
En nuestro ejemplo, la variable Venta de verduras es la peor explicada: el modelo sólo es capaz de
reproducir el 45.2% de su variabilidad original. Para la solución factorial se ha u lizado el método
de extracción de componentes principales. También podemos plantear en este momento, si dando
por bueno el número de factores extraídos, alguna de las variables incluidas podría quedar fuera del
análisis.
El cuadro siguiente muestra la tabla de porcentajes de varianza explicada. Se ofrece un listado de los
autovalores (Eigenvalues) de la matriz varianza-covarianza y del porcentaje de varianza que representa
cada uno de ellos. Los autovalores expresan la can dad de la varianza total que está explicada por
cada factor. Por defecto, se extraen tantos factores como autovalores mayores que 1 ene la matriz
analizada.
En nuestro ejemplo hay tres autovalores mayores que uno, por lo que el procedimiento extrae 3
factores que consiguen explicar el 74.71% de la varianza de los datos originales. La tabla también
muestra, para cada factor con autovalor mayor que 1, la suma de las saturaciones al cuadrado.
La información de esta tabla puede u lizarse para tomar una decisión sobre el número idóneo de
factores que deben extraerse. Por ejemplo, para un mínimo del 85% de la variabilidad contenida en los
datos sería necesario obtener cuatro factores.
El cuadro siguiente muestra la tabla donde se encuentra la solución factorial propiamente dicha.
Con ene las correlaciones entre las variables originales (o saturaciones) y cada uno de los factores.
Esta matriz se llama matriz de componentes porque el método u liza componentes principales.
En el ejemplo, comparando las saturaciones rela vas de cada variable en cada uno de los tres factores,
se observa que el primero está cons tuido por las variables Edad (0.938) y Turno (0.935); el segundo
factor está cons tuido por las variables Grado de instrucción, Estado civil, Venta de verduras y Venta
de bebidas, y tercer factor está cons tuido por la variable Venta de abarrotes.
14
Capítulo
Series temporales
Podemos definir una serie temporal como una sucesión de observaciones cuan ta vas
de un fenómeno ordenadas en el empo. Para la realización de un análisis clásico
descrip vo de una serie temporal con PASW se ene los siguientes procedimientos
estadís cos:
Inglés
Español
Capítulo 14: Series temporales 295
SUAVIZADO EXPONENCIAL
Suaviza componentes irregulares de datos de series temporales; para ello hace uso de una variedad de
modelos que incorporan diferentes supuestos acerca de la tendencia y la estacionalidad. Seleccionando
un modelo estacional y definiendo la periodicidad mediante Definir fechas, se puede seleccionar una
variable que represente los factores estacionales.
Los modelos difieren en los componentes estacionales y de tendencia. Se dispone de los modelos
Simple, Holt, Winters y Personalizado.
AUTORREGRESIÓN
Es ma un modelo de regresión lineal con errores autorregresivos de primer orden. Los métodos
disponibles son: Máxima verosimilitud exacta, Cochrane-Orcu y Prais-Winsten.
Se debe desac var Incluir constante en el modelo si no se desea es mar un término constante en la
ecuación de regresión.
SEQUENCE CHARTS
Crea un gráfico de casos en secuencia. Este procedimiento requiere datos de serie temporal u otros en
los que se ordenen los casos con un criterio significa vo. Representa, en dos dimensiones, los valores
de cada una de las variables especificadas frente al número de secuencia en el archivo de datos. Como
hemos dicho, si la variable es una serie temporal a cuyos valores se han asignado fechas (opción Definir
fechas), la representación se realiza frente al instante de empo correspondiente.
ARIMA
Es ma modelos Arima (Modelo Autorregresivo Integrado de Media Móvil) univariados estacionales y
no estacionales (también conocidos como modelos “Box-Jenkins”).
Se pueden transformar las series antes de la es mación mediante una de las opciones de la lista
Transformar:
• Ninguna. No se lleva a cabo ninguna transformación.
• Log natural. Transforma las series antes de la es mación con el logaritmo en base e.
• Log base 10. Transforma las series antes de la es mación con el logaritmo en base 10.
El grupo Modelo permite especificar los tres parámetros del modelo Arima:
Autorregresivo, Diferenciación y Media móvil. Estos parámetros se conocen de forma más común
como p, d y q, respec vamente.
296 METODOLOGÍA DE LA INVESTIGACIÓN
DESCOMPOSICIÓN ESTACIONAL
Es ma factores estacionales mul plica vos o adi vos para las series temporales. Precisa que esté
definida la periodicidad mediante Definir fechas. Permite seleccionar el po de modelo u lizado para
la descomposición estacional: Mul plica vo o Adi vo.
Las opciones de Ponderación de la media móvil permiten especificar la manera de tratar las series en
el cálculo de medias móviles. Estas opciones sólo están disponibles si la periodicidad de la serie es par
(si es impar, todos los puntos son ponderados por igual):
• Todos los puntos por igual calcula las medias móviles con una amplitud igual a la periodicidad y
todos los puntos ponderados por igual.
• Puntos finales ponderados por 5 calcula las medias móviles con una amplitud igual a la periodicidad
más uno y con los puntos finales ponderados por 0,5. Mediante Mostrar el listado por casos se
imprime un listado por casos que con ene un resumen en una línea en cada iteración, así como
los estadís cos finales.
Ejercicio N° 1
Se trabajará con el archivo de la encuesta del supermercado.
Serie temporal
Se puede definir una serie temporal como una sucesión de observaciones cuan ta vas de un
fenómeno ordenadas en el empo. Toda serie temporal, desde el enfoque del análisis clásico, puede
ser descompuesta en cuatro componentes principales:
Ciclo:
Representa las oscilaciones de la serie que se producen con un período superior al año.
Tendencia:
Representa el movimiento general a largo plazo de una serie temporal.
Estacionalidad:
Representa oscilaciones que se producen con una periodicidad igual o inferior al año, y que se
reproducen de manera reconocible cada año.
Residuo:
Movimiento que no muestra un carácter periódico reconocible.
El objeto del análisis de series temporales será la determinación de cada una de estas componentes
con la finalidad de realizar predicciones o conocer de manera descrip va el comportamiento de la
serie temporal.
Capítulo 14: Series temporales 297
Definición de fechas
Una serie temporal exige que las observaciones del fenómeno objeto de estudio estén ordenadas
en el empo, esto debido a la definición de serie temporal. El primer paso que hay que dar para
la realización de un análisis clásico descrip vo de una serie temporal pasa por la necesidad de la
definición de la fechas en el PASW. El procedimiento a seguir para la definición de las fechas de la serie
temporal se definirá u lizando el comando Definir fechas, el cual se ejecuta al hacer un solo clic con
el botón izquierdo del ratón cuando el puntero del mismo se encuentre sobre la opción del mismo
nombre que aparece al desplegarse el menú Datos (Datos / Definir fechas).
El procedimiento Definir fechas de PASW nos permite generar variables de fecha que se u lizarán para
establecer la periodicidad de una serie temporal y para e quetar los resultados del análisis de series
temporales
298 METODOLOGÍA DE LA INVESTIGACIÓN
En el recuadro izquierdo (recuadro con encabezamiento Los casos son) de este cuadro de diálogo
seleccionamos el formato de fecha deseado.
Una vez realizada esta operación habrá que indicar la fecha de la primera observación de la serie en el
recuadro. El primer caso es (First Case Is).
Finalmente, se hará clic con el botón izquierdo del ratón cuando el puntero se sitúe sobre Aceptar (OK).
Una vez realizada la operación descrita en el párrafo anterior, en el visor de resultados aparecerá una
anotación en la que se indica el nombre y la e queta de las nuevas variables creadas a consecuencia
de la operación realizada (year¸ month y date), como se muestra en el resultado siguiente:
En el editor de datos aparecerán los respec vos valores de estas variables, como se muestra en la
siguiente tabla:
Capítulo 14: Series temporales 299
Las variables creadas en el editor de datos al definir fechas (datos mensuales) son: year, month y date.
Si se realiza un análisis clásico descrip vo de una serie temporal resultaría incompleto si no se lleva a cabo
la representación gráfica de la serie temporal, la cual persigue iden ficar patrones de comportamiento
regulares que permitan plantear hipótesis sobre la estacionalidad y el ciclo, el esquema según el cual
combinan las componentes de la serie temporal o la existencia de outliers o valores a picos en la serie
temporal que adviertan de errores en la recolección de los datos o de los fenómenos imprevistos de
un impacto excepcionalmente grande en los valores de la variable.
Dicho comando se ejecuta al hacer un solo clic con el botón izquierdo del ratón cuando el puntero del
mismo se encuentre sobre la opción del mismo nombre que aparece al desplegarse el menú Análisis
de la barra de menú de PASW (Serie de Ɵempo / Grafico de Secuencia).
La ejecución de este procedimiento requiere disponer de datos de serie temporal o bien de otro po
de datos en los cuales los casos aparezcan ordenados según un criterio significa vo.
Una vez ejecutado el comando Secuencia, aparece en la pantalla el cuadro de diálogo Gráficos de
secuencia.
En este cuadro de diálogo se introducirá en el recuadro Variables la variable o variables cuan ta vas a
representar y en el recuadro Etiquetas del eje de tiempo una variable categórica o numérica la cual se
empleará para e quetar los ejes temporales de la representación o representaciones gráficas.
Finalmente, sin modificar el resto de opciones que aparecen por defecto en el cuadro de diálogo,
se hará clic con el botón izquierdo del ratón cuando el puntero se encuentre sobre el botón Aceptar
para ejecutar el comando Secuencia que nos mostrará en el visor de resultados el gráfico de la serie
temporal.
Y se dice que la serie posee un esquema mul plica vo cuando esta variabilidad aumenta con el empo
tal y como se muestra en la figura:
En la prác ca, para diferenciar los modelos de series adi vos y mul plica vos se u lizan las técnicas
del Método Analí co de las Diferencias y Cocientes Estacionales y el Método Gráfico.
Capítulo 14: Series temporales 301
De esta forma, el esquema será adi vo o mul plica vo de acuerdo a la siguiente regla de decisión:
a) Si CVd > CVc entonces el esquema es mul plica vo.
b) Si CVc > CVd entonces el esquema es adi vo.
Los pasos a seguir en PASW son los que se indican a con nuación:
1. Seleccionar como valor de p aquel que represente el período de oscilaciones más importante de la
serie (12 si la serie es mensual, 4 si es trimestral, 3 si es cuatrimestral…).
2. Crear la variable de retardos yt-p.
Para su obtención habrá que hacer un solo clic con el botón izquierdo del ratón sobre la opción
Crear serie temporal que se despliega cuando su puntero se encuentra situado sobre el menú
Transformar de la barra de menú de PASW (Transformar /Crear serie temporal). Seleccionar la
función retardo y elegir como orden el valor de p fijado previamente en el paso 1.
302 METODOLOGÍA DE LA INVESTIGACIÓN
A con nuación, añadir a la ventana nuevas variables la variable y = Bebida. Tras realizar esta operación
se ac va el cuadro de diálogo que se representa en la figura:
A con nuación, se crean dos variables nuevas a par r de las variables ya existentes y = Bebida e y =
Bebida_1 llamadas diferencia, la cual se ob ene como diferencia de las variables yt - ytp y cociente,
obtenida con el cociente yt / ytp.
Para su obtención habrá que hacer un solo clic con el botón izquierdo del ratón sobre la opción
EstadísƟcos DescripƟvos que se despliega cuando su puntero se encuentra situado sobre el menú
Analizar de la barra de menú de PASW (Analizar/ Estadísticos Descriptivos/ Descriptivos).Tras
realizar esta operación se ac va el cuadro de diálogos que se representa en la figura:
Finalmente, seleccionar con el botón Opciones los estadís cos media y desviación pica para las
variables diferencia y cociente.
304 METODOLOGÍA DE LA INVESTIGACIÓN
Si en el gráfico se observa (no se observa) una clara tendencia creciente o decreciente, entonces el
esquema según el cual se combinan las componentes de la serie será mul plica vo (adi vo).
1. Con el objeto de eliminar el efecto producido por la componente estacional que distorsiona la
tendencia, se hace necesario tomar medias anuales, para lo que tenderemos que recurrir al
comando Agregar.
Para ejecutar el comando Agregar habrá que hacer un solo clic con el botón izquierdo del ratón
cuando el puntero del mismo se encuentra sobre el menú Datos de la barra de menú (Datos
Agregar).
En el cuadro de diálogo Agregar datos se introducirá la/s variable/s que van a definir los grupos a
agregar en el recuadro Variables de segmentación, mientras que en el recuadro Agregar variables se
introducirá la/s variable /s que van a ser agregadas indicando el nombre y e quetas y la función de
agregación (en este caso la media, la cual aparece seleccionada por defecto) de las mismas cuando
estén seleccionadas, haciendo clic con el botón izquierdo del ratón con su puntero sobre el botón
Nombre y etiqueta y Función, respec vamente.
Capítulo 14: Series temporales 305
Una vez definido el nombre y e queta de la nueva variable creada y la función de agregación de la
misma se ejecutará el comando haciendo un clic con el botón izquierdo del ratón cuando su puntero
se encuentre situado sobre el botón Aceptar del cuadro de diálogo Agregar.
El resultado de la operación descrita en el párrafo anterior será guardado en la ubicación del disco duro
que se indique antes de hacer clic en Aceptar haciendo clic con el botón izquierdo del ratón cuando su
puntero se encuentre situado sobre el botón Archivo de este cuadro de diálogo.
Tras ac var este botón aparecerá en la pantalla el cuadro de diálogo representado en la figura, en el
que se indicará la ubicación en la que se desea guardar el resultado de la operación y el nombre que
recibirá el archivo que recoge esta operación.
Con la opción Regresión lineal que se encuentra situada sobre la opción Analizar del menú PASW
(Analizar Regresión lineal).
3. Representar gráficamente e interpretar los valores pronos cados en el análisis de regresión (la
tendencia) y los valores agregados anuales de la serie u lizando el comando gráfico Secuencia de
PASW.
Observación: Los valores pronosticados no tipificados de este análisis de regresión son los valores de
la tendencia de cada año.
Este método consiste en determinar la tendencia de la serie por medio del uso de medias móviles de
orden p. Para la aplicación de esta metodología habrá que dar los siguientes pasos:
1. Elegir un valor de p que represente el período de oscilaciones más importante que posee la serie
(normalmente, es el número de observaciones existentes dentro de cada año en ausencia de ciclo).
308 METODOLOGÍA DE LA INVESTIGACIÓN
2. Calcular las medias móviles centradas mediante el comando Crear serie temporal de PASW. Para
ejecutar este comando habrá que hacer un solo clic con el botón izquierdo del ratón sobre la
opción del mismo nombre que se despliega cuando su puntero se encuentra situado sobre el
menú Transformar de la barra de menú de PASW (Transformar /Crear serie temporal).
Tras realizar esta operación se ac va el cuadro de diálogo que se representa en la figura:
En el cuadro de diálogo Crear serie temporal se introducirá en el recuadro Nuevas variables la variable
cuya tendencia se quiere determinar y en el recuadro Nombre y función se indicará el Nombre de la
nueva variable a crear que recogerá la tendencia de la serie (MMC), la Función de la serie que recoge
la tendencia de la serie (Media móvil centrada) y la Amplitud (p = 12 para series mensuales, 4 para
series trimestrales…).
Tras completar el cuadro de diálogo con las especificaciones indicadas en el párrafo anterior, se
ejecutará el comando haciendo clic con el botón izquierdo del ratón cuando su puntero se encuentre
situado sobre el botón Aceptar.
Como resultado de esta úl ma operación se creará una nueva variable, con el nombre que se haya
indicado, que recogerá la tendencia de la serie temporal.
3. Representar gráficamente los valores de la tendencia recogidos en la variable MMC y los valores
que toma la serie temporal en los dis ntos momentos del empo u lizando el comando Secuencia
de PASW (Gráfico / Secuencia).
1. Ejecutar el comando Descomposición estacional de PASW haciendo clic con el botón izquierdo del
ratón en la opción del mismo nombre que se despliega al desplazar el puntero del ratón sobre la
opción Series temporales de la barra de menú Analizar de PASW (Analizar / Series temporales /
Descomposición estacional).
“El cálculo de los IVE en PASW se lleva a cabo u lizando el promedio medial definido como la
media de todos los valores menos el máximo y el mínimo”.
Observación: Si alguna de las variables introducidas en la casilla Variables tiene valores perdidos, el
procedimiento de Descomposición estacional no se ejecuta.
A con nuación, en el recuadro Ponderación de la media móvil se seleccionará una de las dos
opciones siguientes:
- Todos los puntos por igual cuando el número de subdivisiones hechas dentro del año (p) sea
un número impar.
- Puntos finales ponderados por 5 en caso de que p sea un número par.
El contenido de cada una de estas nuevas variables es el que denota a con nuación:
• ERR. Con ene la componente residual o errá ca de la serie. Es posible su cálculo u lizando
el resto de las componentes si se ene en cuenta el esquema de composición de la misma.
• SAS. Recoge los valores de la serie desestacionalizada y se calcula por la diferencia entre los
valores de estacionalidad en el caso de que el esquema sea adi vo y por el cociente en el caso
de que el esquema sea mul plica vo.
• SAF. Recoge los factores de estacionalidad de la serie los cuales se repiten cada 3, 4, 12...
veces según sea la serie cuatrimestral, trimestral, anual.
Supervivencia y
respuestas múltiples
Presentamos una reseña simple sobre supervivencia y respuestas múl ples,
simplemente para conocimientos del lector.
Capítulo 15: Supervivencia y Respuestas múltiples 313
SUPERVIVENCIA
Tablas de mortalidad
Existen muchas situaciones en las se desea examinar la distribución de un período entre dos eventos,
como la duración del empleo ( empo transcurrido entre el contrato y el abandono de la empresa). Sin
embargo, este po de datos suele incluir algunos casos para los que no se registra el segundo evento
(censurados); por ejemplo, la gente que todavía trabaja en la empresa al final del estudio.
Las razones para que no se verifique el segundo evento pueden ser muy variadas: en algunos casos,
el evento simplemente no ene lugar antes de que finalice el estudio; en otros, el inves gador puede
haber perdido el seguimiento de su estado en algún momento anterior a que finalice el estudio; y
existen además casos que no pueden con nuar por razones ajenas al estudio (como el caso en que un
empleado se enferme y se acoja a una baja laboral).
Estos casos se conocen globalmente como casos censurados y hacen que el uso de técnicas tradicionales
como las pruebas t o la regresión lineal sea inapropiado para este po de estudio. Existe una técnica
estadís ca ú l para este po de datos llamada tabla de mortalidad de ‘seguimiento’. La idea básica de
la tabla de mortalidad es subdividir el período de observación en intervalos de empo más pequeños.
En cada intervalo, se u liza toda la gente que se ha observado como mínimo durante ese periodo de
empo para calcular la probabilidad de que un evento terminal tenga lugar dentro de ese intervalo.
Las probabilidades es madas para cada intervalo se u lizan para es mar la probabilidad global de que
el evento tenga lugar en diferentes puntos temporales.
Kaplan-Meier
Es un método de es mación de modelos hasta el evento en presencia de casos censurados. Se basa
en la es mación de las probabilidades condicionales en cada punto temporal cuando ene lugar un
evento y en tomar el límite del producto de esas probabilidades para es mar la tasa de supervivencia
en cada punto temporal.
Regresión de Cox
Del mismo modo que los anteriores, la Regresión de Cox es un método para crear modelos para datos
de empos de espera hasta un evento con casos censurados presentes. Sin embargo, la Regresión de
Cox permite incluir en los modelos variables predictoras (covariables).
Por ejemplo, permite construir un modelo de la duración en el empleo como función del nivel
educa vo y de la categoría laboral. Ges ona los casos censurados correctamente y proporciona las
es maciones de los coeficientes para cada una de las covariables, permi endo evaluar el impacto de
múl ples covariables en el mismo modelo. Además, es posible u lizar este método para examinar el
efecto de covariables con nuas.
314 METODOLOGÍA DE LA INVESTIGACIÓN
Para las covariables dependientes del empo segmentadas, los casos en los que falte cualquiera de
los valores quedarán eliminados del análisis. Por tanto, todos los casos deben tener valores para todos
los puntos del empo medidos en la covariable, incluso para los puntos del empo posteriores a la
eliminación del caso del conjunto bajo riesgo (ya sea por el evento o por la censura).
Capítulo 15: Supervivencia y Respuestas múltiples 315
RESPUESTAS MÚLTIPLES
El PASW permite obtener frecuencias y porcentajes para variables que son múl ples. Una variable
múl ple es aquella variable que puede tomar más de un valor para cada caso.
Definir conjuntos
Agrupa variables elementales en conjuntos de categorías múl ples y de dicotomías múl ples, para
los que se pueden obtener tablas de frecuencias y tablas de con ngencia. Se pueden definir hasta
20 conjuntos de respuestas múl ples. Cada conjunto debe tener un nombre exclusivo. Las variables
elementales se pueden codificar como dicotomías o categorías:
• Dicotomías. En Valor contado debe introducirse un entero. Cada variable que tenga al menos una
aparición del valor contado se convierte en una categoría del conjunto de dicotomías múl ples.
• Categorías. Crear un conjunto de categorías múl ples con el mismo rango de valores que las
variables que lo componen. Deben introducirse dos enteros como valores máximo y mínimo del
rango para las categorías del conjunto de categorías múl ples. El procedimiento suma cada valor
entero dis nto en el rango inclusivo para todas las variables que lo componen. Las categorías
vacías no se tabulan. A cada conjunto de respuestas múl ples se le debe asignar un nombre
exclusivo de hasta 7 caracteres. El procedimiento coloca delante del nombre asignado un signo
dólar ($). El nombre del conjunto de respuestas múl ples sólo se encuentra disponible para su uso
en los procedimientos de respuestas múl ples.
Frecuencias
Produce tablas de frecuencias para conjuntos de respuestas múl ples. Es necesario definir previamente
uno o más conjuntos de respuestas múl ples. Para los conjuntos de dicotomías múl ples, los nombres
de categorías que se muestran en los resultados proceden de e quetas de variable definidas para
variables elementales del grupo.
Para los conjuntos de categorías múl ples, las e quetas de categoría proceden de las e quetas de valor
de la primera variable del grupo. Si las categorías perdidas para la primera variable están presentes
para otras variables del grupo, debe definirse una e queta de valor para las categorías perdidas.
Los casos con Valores perdidos se excluyen en base a tabla por tabla. Un caso se considera perdido
para un conjunto de dicotomías (o categorías múl ples) sólo si ninguno de sus componentes con ene
el valor (o ene valores válidos en el rango). Se pueden excluir los casos con valores perdidos en
cualquier variable de la tabulación del conjunto de dicotomías, o categorías, o ambas.
Tablas de conƟngencia
Presenta en forma de tabla de con ngencia, conjuntos de respuestas múl ples, variables elementales
o una combinación. También permite obtener porcentajes de casilla basados en casos o respuestas,
modificar la ges ón de los valores perdidos u obtener tablas de con ngencia emparejadas.
316 METODOLOGÍA DE LA INVESTIGACIÓN
Es necesario definir previamente uno o más conjuntos de respuestas múl ples. Los nombres en los
resultados se muestran de la misma forma que en el procedimiento anterior. Las e quetas de categoría
por columnas se muestran en tres líneas, con un máximo de 8 caracteres por línea. Para evitar la
división de palabras, se pueden inver r los elementos de las filas y las columnas o volver a definir las
e quetas.
Ejercicio N° 1
El ejercicio permi rá u lizar los principales procedimientos del menú Clasificar. Los datos u lizados
son del siguiente ejemplo:
Supongamos que existen 5 terapias [Terapia 1 (1); Terapia 2 (2); Terapia 3 (3); Terapia 4 (4) y Terapia 5 (5)]
para pacientes de cáncer que se le suministra uno por día. Cada paciente debe elegir 3 terapias como
máximo. Además debe seleccionar los días de la semana [Lunes (1); Martes (2); Miércoles (3); Jueves
(4) y Viernes (5)] en que recibirá la terapia. Los datos se encuentran el archivo RespuestasMiltiples.sav.
Dentro del menú Analizar se encuentra el procedimiento Respuestas múlƟples. El aspecto de dicho
menú es el siguiente: Analizar -> Respuestas múlƟples (MúlƟple Response).
Para realizar el procedimiento respuestas múl ples se deben seguir los cuadros de diálogo que se
presentan. A con nuación se muestra una explicación detallada del cuadro de diálogo correspondiente
a los principales procedimientos.
Definir Conjuntos
Para definir conjuntos se seleccionamos la opción Analizar -> Respuestas múltiple->Definir conjuntos,
obteniéndose el cuadro de diálogo siguiente:
Lo primero que se debe hacer es definir cuáles son las variables que van a formar parte de la variable
múl ple. El cuadro de la izquierda muestra la lista de variables del archivo:
Capítulo 15: Supervivencia y Respuestas múltiples 317
Las variables seleccionadas se trasladan al cuadro del lado derecho, campo variables de conjuntos
(Variables in Set:). En nuestro caso las variables son: Terapia del Primer Día, Terapia del Según Día y
Terapia del Tercer Día. Como se muestra en el siguiente gráfico.
En el campo Las variables están codificados como (Variables Are Coded As), hay que indicar la forma
en que se han introducido las variables que van a formar parte de la variable mul rrespuesta, es decir,
si se han codificado como dicotómicas o con tantas categorías como posibles respuesta tenga. En
nuestro ejemplo son variables con 5 categóricas cada una.
En el campo Nombre (Name) se especifica el nombre que se va dar a la variable múl ple. En nuestro
ejemplo es Terapia.
En el campo E queta (Label) se especifica una e queta para dicha variable. En nuestro ejemplo será
Terapias aplicadas.
Una vez que se han rellenados estos campos, se presiona el botón Añadir (Add) para que la variable
que se acaba de definir figure en el campo de Conjunto de respuestas múlƟples (Mult Response
Sets:), como se puede observar en el siguiente gráfico:
Una vez que se han definido las variables múl ples, se puede presionar Cerrar (Close). Entonces ya
podemos obtener las frecuencias de dichas variables o cruzar variables de este po.
318 METODOLOGÍA DE LA INVESTIGACIÓN
Frecuencias
Para obtener frecuencias y porcentajes de una o más variables múl ple, se selecciona la opción
Analizar -> Respuestas múlƟple-> Frecuencias, obteniéndose el cuadro de diálogo siguiente:
En el campo Conjunto de respuestas múlƟples (Mult Response Sets:) figuran los nombres de las
variables múl ples que previamente se han definido. De esta lista se selecciona las que se quieren
analizar y se traslada a Tablas para (Table[s] For:). En nuestro ejemplo hallaremos frecuencias Terapia
aplicadas como se observa en el gráfico siguiente:
Para este po de análisis el PASW considera como missing aquellos caos que enen valor missing en
todas las variables que forman la variable múl ple. Si en el campo Valores perdidos se selecciona
alguna de las 2 opciones, Excluir casos según lista en las dicotómicas o Excluir casos según lista en
las categorías, el PASW excluye del análisis aquellos casos que enen valor missing en ‘alguna’ de las
variables que forman la variable múl ple.
Capítulo 15: Supervivencia y Respuestas múltiples 319
Si se realiza el análisis de frecuencias de la variable múl ple Terapias aplicadas que está formada por
tres variables (Terapia del Primer Día, Terapia del Según Día y Terapia del Tercer Día), el resultado será
el siguiente:
Pct of Pct of
Category label Code Count Responses Cases
Esta tabla con ene las frecuencias absolutas, los porcentajes calculados sobre el total de las respuestas
(90).
Tablas de Contingencia
Para obtener tablas de con ngencia de una o más variables múl ple, se selecciona la opción Analizar
-> Respuestas múlƟple-> Tablas de ConƟngencia (Crosstabs), obteniéndose el cuadro de diálogo
siguiente:
En el campo Filas (Row[s]:): se incluyen las variables que se van a representar en las filas de las tablas de
frecuencia, y en el campo Columnas (Column[s]:): las variables que se representarán en las columnas
de dichas tablas. En ambos campos se pueden incluir variables múl ples.
320 METODOLOGÍA DE LA INVESTIGACIÓN
Entonces se obtendrá una tabla de frecuencias observadas cruzando la primera variable especificada
en el campo Filas con la primera variable especificada en el campo Columna; se ob ene otra tabla
cruzando la primera variable especificada en el campo Filas con la segunda variable especificada en
el campo Columna, y así sucesivamente con todas las variables especificadas en el campo Columnas.
Después se realizarán las tabas cruzando la segunda variable del campo Filas con cada una de las del
campo Columna, y así sucesivamente.
Las tablas anteriores se pueden obtener en función de los valores que tomen otras variables que se
especificarán en el campo Capas (Layer[s]).
En nuestro ejemplo hallaremos tablas de con ngencia para la variable múl ple Terapia aplicada y Día
de la semana, como se puede observar en la gráfica siguiente:
Si pulsamos el botón Opciones (Options...) se ob ene una ventana que con ene la lista de resultados
que se pueden obtener además de las frecuencias observadas, es decir, el cuadro de diálogo siguiente:
Capítulo 15: Supervivencia y Respuestas múltiples 321
Si se realiza el análisis de Tablas de Con ngencia de la variable múl ple Terapias aplicadas que está
formada por tres variables (Terapia del Primer Día, Terapia del Según Día y Terapia del Tercer Día) y la
variable Día de la Semana que está formado por tres variables (Día 1, Día 2 y Día 3), el resultado es el
que se muestra en el siguiente cuadro:
En esta tabla se muestra la distribución conjunta de las 2 variables: múl ple Terapia aplicada y la
variable Día de la Semana; las filas corresponden a Terapia aplicada y las columnas son días de la
semana. Los valores que aparecen en cada celda corresponden a frecuencias observadas. Además se
pueden calcular las Porcentajes por filas, Porcentajes por Columnas, Porcentajes totales.
Bibliografía 323
BIBLIOGRAFÍA
APÉNDICE
11 2.60322 3.05348 3.81575 4.57481 5.57778 6.98867 8.14787 10.34100 12.89867 14.63142 17.27501 19.67514 21.92005 24.72497 26.75685
12 3.07382 3.57057 4.40379 5.22603 6.30380 7.80733 9.03428 11.34032 14.01110 15.81199 18.54935 21.02607 23.33666 26.21697 28.29952
13 3.56503 4.10692 5.00875 5.89186 7.04150 8.63386 9.92568 12.33976 15.11872 16.98480 19.81193 22.36203 24.73560 27.68825 29.81947
14 4.07467 4.66042 5.62873 6.57063 7.78953 9.46733 10.82148 13.33927 16.22210 18.15077 21.06414 23.68479 26.11895 29.14124 31.31935
15 4.60092 5.22935 6.26214 7.26094 8.54676 10.30696 11.72117 14.33886 17.32169 19.31066 22.30713 24.99579 27.48839 30.57791 32.80132
16 5.14221 5.81221 6.90766 7.96165 9.31224 11.15212 12.62435 15.33850 18.41789 20.46508 23.54183 26.29623 28.84535 31.99993 34.26719
17 5.69722 6.40776 7.56419 8.67176 10.08519 12.00227 13.53068 16.33818 19.51102 21.61456 24.76904 27.58711 30.19101 33.40866 35.71847
18 6.26480 7.01491 8.23075 9.39046 10.86494 12.85695 14.43986 17.33790 20.60135 22.75955 25.98942 28.86930 31.52638 34.80531 37.15645
19 6.84397 7.63273 8.90652 10.11701 11.65091 13.71579 15.35166 18.33765 21.68913 23.90042 27.20357 30.14353 32.85233 36.19087 38.58226
20 7.43384 8.26040 9.59078 10.85081 12.44261 14.57844 16.26586 19.33743 22.77454 25.03751 28.41198 31.41043 34.16961 37.56623 39.99685
21 8.03365 8.89720 10.28290 11.59131 13.23960 15.44461 17.18227 20.33723 23.85779 26.17110 29.61509 32.67057 35.47888 38.93217 41.40106
22 8.64272 9.54249 10.98232 12.33801 14.04149 16.31404 18.10072 21.33704 24.93902 27.30145 30.81328 33.92444 36.78071 40.28936 42.79566
23 9.26042 10.19572 11.68855 13.09051 14.84796 17.18651 19.02109 22.33688 26.01837 28.42879 32.00690 35.17246 38.07563 41.63840 44.18128
24 9.88623 10.85636 12.40115 13.84842 15.65868 18.06180 19.94323 23.33673 27.09596 29.55332 33.19624 36.41503 39.36408 42.97982 45.55851
25 10.51965 11.52398 13.11972 14.61141 16.47341 18.93975 20.86703 24.33659 28.17192 30.67520 34.38159 37.65248 40.64647 44.31410 46.92789
26 11.16024 12.19815 13.84390 15.37916 17.29188 19.82019 21.79240 25.33646 29.24633 31.79461 35.56317 38.88514 41.92317 45.64168 48.28988
27 11.80759 12.87850 14.57338 16.15140 18.11390 20.70298 22.71924 26.33634 30.31929 32.91169 36.74122 40.11327 43.19451 46.96294 49.64492
28 12.46134 13.56471 15.30786 16.92788 18.93924 21.58797 23.64746 27.33623 31.39088 34.02657 37.91592 41.33714 44.46079 48.27824 50.99338
29 13.12115 14.25645 16.04707 17.70837 19.76774 22.47505 24.57699 28.33613 32.46117 35.13936 39.08747 42.55697 45.72229 49.58788 52.33562
30 13.78672 14.95346 16.79077 18.49266 20.59923 23.36411 25.50776 29.33603 33.53023 36.25019 40.25602 43.77297 46.97924 50.89218 53.67196
40 20.70654 22.16426 24.43304 26.50930 29.05052 32.34495 34.87194 39.33534 44.16487 47.26854 51.80506 55.75848 59.34171 63.69074 66.76596
50 27.99075 29.70668 32.35736 34.76425 37.68865 41.44921 44.31331 49.33494 54.72279 58.16380 63.16712 67.50481 71.42020 76.15389 79.48998
60 35.53449 37.48485 40.48175 43.18796 46.45889 50.64062 53.80913 59.33467 65.22651 68.97207 74.39701 79.08194 83.29767 88.37942 91.95170
120 83.85157 86.92328 91.57264 95.70464 100.62363 106.80561 111.41857 119.33400 127.61590 132.80628 140.23257 146.56736 152.21140 158.95017 163.64818
Inversa de la función de distribución t de Student: α
Tn (x) = P [tn ≤ x], Tn (tn,α ) = α, Tn−1 (α) = tn,α
tn,α
nα 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 0.975 0.99 0.995
1 0.158384 0.324920 0.509525 0.726543 1.000000 1.376382 1.962610 3.077684 6.313752 12.706205 31.820516 63.656741
2 0.142134 0.288675 0.444750 0.617213 0.816497 1.060660 1.386207 1.885618 2.919986 4.302653 6.964557 9.924843
3 0.136598 0.276671 0.424202 0.584390 0.764892 0.978472 1.249778 1.637744 2.353363 3.182446 4.540703 5.840909
4 0.133830 0.270722 0.414163 0.568649 0.740697 0.940965 1.189567 1.533206 2.131847 2.776445 3.746947 4.604095
5 0.132175 0.267181 0.408229 0.559430 0.726687 0.919544 1.155767 1.475884 2.015048 2.570582 3.364930 4.032143
6 0.131076 0.264835 0.404313 0.553381 0.717558 0.905703 1.134157 1.439756 1.943180 2.446912 3.142668 3.707428
7 0.130293 0.263167 0.401538 0.549110 0.711142 0.896030 1.119159 1.414924 1.894579 2.364624 2.997952 3.499483
8 0.129707 0.261921 0.399469 0.545934 0.706387 0.888890 1.108145 1.396815 1.859548 2.306004 2.896459 3.355387
9 0.129253 0.260955 0.397868 0.543480 0.702722 0.883404 1.099716 1.383029 1.833113 2.262157 2.821438 3.249836
10 0.128890 0.260185 0.396591 0.541528 0.699812 0.879058 1.093058 1.372184 1.812461 2.228139 2.763769 3.169273
11 0.128594 0.259556 0.395551 0.539938 0.697445 0.875530 1.087666 1.363430 1.795885 2.200985 2.718079 3.105807
12 0.128347 0.259033 0.394686 0.538618 0.695483 0.872609 1.083211 1.356217 1.782288 2.178813 2.680998 3.054540
13 0.128139 0.258591 0.393955 0.537504 0.693829 0.870152 1.079469 1.350171 1.770933 2.160369 2.650309 3.012276
14 0.127961 0.258213 0.393331 0.536552 0.692417 0.868055 1.076280 1.345030 1.761310 2.144787 2.624494 2.976843
15 0.127806 0.257885 0.392790 0.535729 0.691197 0.866245 1.073531 1.340606 1.753050 2.131450 2.602480 2.946713
16 0.127671 0.257599 0.392318 0.535010 0.690132 0.864667 1.071137 1.336757 1.745884 2.119905 2.583487 2.920782
17 0.127552 0.257347 0.391902 0.534377 0.689195 0.863279 1.069033 1.333379 1.739607 2.109816 2.566934 2.898231
18 0.127447 0.257123 0.391533 0.533816 0.688364 0.862049 1.067170 1.330391 1.734064 2.100922 2.552380 2.878440
19 0.127352 0.256923 0.391202 0.533314 0.687621 0.860951 1.065507 1.327728 1.729133 2.093024 2.539483 2.860935
20 0.127267 0.256743 0.390906 0.532863 0.686954 0.859964 1.064016 1.325341 1.724718 2.085963 2.527977 2.845340
21 0.127190 0.256580 0.390637 0.532455 0.686352 0.859074 1.062670 1.323188 1.720743 2.079614 2.517648 2.831360
22 0.127120 0.256432 0.390394 0.532085 0.685805 0.858266 1.061449 1.321237 1.717144 2.073873 2.508325 2.818756
23 0.127056 0.256297 0.390171 0.531747 0.685306 0.857530 1.060337 1.319460 1.713872 2.068658 2.499867 2.807336
24 0.126998 0.256173 0.389967 0.531438 0.684850 0.856855 1.059319 1.317836 1.710882 2.063899 2.492159 2.796940
25 0.126944 0.256060 0.389780 0.531154 0.684430 0.856236 1.058384 1.316345 1.708141 2.059539 2.485107 2.787436
26 0.126895 0.255955 0.389607 0.530892 0.684043 0.855665 1.057523 1.314972 1.705618 2.055529 2.478630 2.778715
27 0.126849 0.255858 0.389448 0.530649 0.683685 0.855137 1.056727 1.313703 1.703288 2.051831 2.472660 2.770683
28 0.126806 0.255768 0.389299 0.530424 0.683353 0.854647 1.055989 1.312527 1.701131 2.048407 2.467140 2.763262
29 0.126767 0.255684 0.389161 0.530214 0.683044 0.854192 1.055302 1.311434 1.699127 2.045230 2.462021 2.756386
30 0.126730 0.255605 0.389032 0.530019 0.682756 0.853767 1.054662 1.310415 1.697261 2.042272 2.457262 2.749996
Apéndice
40 0.126462 0.255039 0.388100 0.528606 0.680673 0.850700 1.050046 1.303077 1.683851 2.021075 2.423257 2.704459
60 0.126194 0.254473 0.387170 0.527198 0.678601 0.847653 1.045469 1.295821 1.670649 2.000298 2.390119 2.660283
120 0.125928 0.253910 0.386244 0.525796 0.676540 0.844627 1.040932 1.288646 1.657651 1.979930 2.357825 2.617421
327
∞ 0.125661 0.253347 0.385320 0.524401 0.674490 0.841621 1.036433 1.281552 1.644854 1.959964 2.326348 2.575829
Inversa de la función de distribución F de Snedecor:
328
−1
Fm,n (x) = P [Fm,n ≤ x], Fm,n (Fm,n,α ) = α, Fm,n,α = Fm,n (α), α = 0,9
nm 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 50 100 ∞
1 39.8635 49.5000 53.5932 55.8330 57.2401 58.2044 58.9060 59.4390 59.8576 60.1950 60.7052 61.2203 61.7403 62.0020 62.2650 62.6881 63.0073 63.3281
2 8.5263 9.0000 9.1618 9.2434 9.2926 9.3255 9.3491 9.3668 9.3805 9.3916 9.4081 9.4247 9.4413 9.4496 9.4579 9.4712 9.4812 9.4912
3 5.5383 5.4624 5.3908 5.3426 5.3092 5.2847 5.2662 5.2517 5.2400 5.2304 5.2156 5.2003 5.1845 5.1764 5.1681 5.1546 5.1443 5.1337
4 4.5448 4.3246 4.1909 4.1072 4.0506 4.0097 3.9790 3.9549 3.9357 3.9199 3.8955 3.8704 3.8443 3.8310 3.8174 3.7952 3.7782 3.7607
5 4.0604 3.7797 3.6195 3.5202 3.4530 3.4045 3.3679 3.3393 3.3163 3.2974 3.2682 3.2380 3.2066 3.1905 3.1741 3.1471 3.1263 3.1050
6 3.7759 3.4633 3.2888 3.1808 3.1075 3.0546 3.0145 2.9830 2.9577 2.9369 2.9047 2.8712 2.8363 2.8183 2.8000 2.7697 2.7463 2.7222
7 3.5894 3.2574 3.0741 2.9605 2.8833 2.8274 2.7849 2.7516 2.7247 2.7025 2.6681 2.6322 2.5947 2.5753 2.5555 2.5226 2.4971 2.4708
8 3.4579 3.1131 2.9238 2.8064 2.7264 2.6683 2.6241 2.5893 2.5612 2.5380 2.5020 2.4642 2.4246 2.4041 2.3830 2.3481 2.3208 2.2926
9 3.3603 3.0065 2.8129 2.6927 2.6106 2.5509 2.5053 2.4694 2.4403 2.4163 2.3789 2.3396 2.2983 2.2768 2.2547 2.2180 2.1892 2.1592
10 3.2850 2.9245 2.7277 2.6053 2.5216 2.4606 2.4140 2.3772 2.3473 2.3226 2.2841 2.2435 2.2007 2.1784 2.1554 2.1171 2.0869 2.0554
11 3.2252 2.8595 2.6602 2.5362 2.4512 2.3891 2.3416 2.3040 2.2735 2.2482 2.2087 2.1671 2.1230 2.1000 2.0762 2.0364 2.0050 1.9721
12 3.1765 2.8068 2.6055 2.4801 2.3940 2.3310 2.2828 2.2446 2.2135 2.1878 2.1474 2.1048 2.0597 2.0360 2.0115 1.9704 1.9379 1.9036
METODOLOGÍA DE LA INVESTIGACIÓN
13 3.1362 2.7632 2.5603 2.4337 2.3467 2.2830 2.2341 2.1953 2.1638 2.1376 2.0966 2.0532 2.0070 1.9827 1.9576 1.9153 1.8817 1.8462
14 3.1022 2.7265 2.5222 2.3947 2.3069 2.2426 2.1931 2.1539 2.1220 2.0954 2.0537 2.0095 1.9625 1.9377 1.9119 1.8686 1.8340 1.7973
15 3.0732 2.6952 2.4898 2.3614 2.2730 2.2081 2.1582 2.1185 2.0862 2.0593 2.0171 1.9722 1.9243 1.8990 1.8728 1.8284 1.7929 1.7551
16 3.0481 2.6682 2.4618 2.3327 2.2438 2.1783 2.1280 2.0880 2.0553 2.0281 1.9854 1.9399 1.8913 1.8656 1.8388 1.7934 1.7570 1.7182
17 3.0262 2.6446 2.4374 2.3077 2.2183 2.1524 2.1017 2.0613 2.0284 2.0009 1.9577 1.9117 1.8624 1.8362 1.8090 1.7628 1.7255 1.6856
18 3.0070 2.6239 2.4160 2.2858 2.1958 2.1296 2.0785 2.0379 2.0047 1.9770 1.9333 1.8868 1.8368 1.8103 1.7827 1.7356 1.6976 1.6567
19 2.9899 2.6056 2.3970 2.2663 2.1760 2.1094 2.0580 2.0171 1.9836 1.9557 1.9117 1.8647 1.8142 1.7873 1.7592 1.7114 1.6726 1.6308
20 2.9747 2.5893 2.3801 2.2489 2.1582 2.0913 2.0397 1.9985 1.9649 1.9367 1.8924 1.8449 1.7938 1.7667 1.7382 1.6896 1.6501 1.6074
21 2.9610 2.5746 2.3649 2.2333 2.1423 2.0751 2.0233 1.9819 1.9480 1.9197 1.8750 1.8271 1.7756 1.7481 1.7193 1.6700 1.6298 1.5862
22 2.9486 2.5613 2.3512 2.2193 2.1279 2.0605 2.0084 1.9668 1.9327 1.9043 1.8593 1.8111 1.7590 1.7312 1.7021 1.6521 1.6113 1.5668
23 2.9374 2.5493 2.3387 2.2065 2.1149 2.0472 1.9949 1.9531 1.9189 1.8903 1.8450 1.7964 1.7439 1.7159 1.6864 1.6358 1.5944 1.5490
24 2.9271 2.5383 2.3274 2.1949 2.1030 2.0351 1.9826 1.9407 1.9063 1.8775 1.8319 1.7831 1.7302 1.7019 1.6721 1.6209 1.5788 1.5327
25 2.9177 2.5283 2.3170 2.1842 2.0922 2.0241 1.9714 1.9292 1.8947 1.8658 1.8200 1.7708 1.7175 1.6890 1.6589 1.6072 1.5645 1.5176
26 2.9091 2.5191 2.3075 2.1745 2.0822 2.0139 1.9610 1.9188 1.8841 1.8550 1.8090 1.7596 1.7059 1.6771 1.6468 1.5945 1.5513 1.5036
27 2.9012 2.5106 2.2987 2.1655 2.0730 2.0045 1.9515 1.9091 1.8743 1.8451 1.7989 1.7492 1.6951 1.6662 1.6356 1.5827 1.5390 1.4906
28 2.8938 2.5028 2.2906 2.1571 2.0645 1.9958 1.9427 1.9001 1.8652 1.8359 1.7895 1.7395 1.6852 1.6560 1.6252 1.5718 1.5276 1.4784
29 2.8870 2.4955 2.2831 2.1494 2.0566 1.9878 1.9345 1.8918 1.8568 1.8274 1.7808 1.7306 1.6759 1.6465 1.6155 1.5616 1.5169 1.4670
30 2.8807 2.4887 2.2761 2.1422 2.0492 1.9803 1.9269 1.8841 1.8490 1.8195 1.7727 1.7223 1.6673 1.6377 1.6065 1.5522 1.5069 1.4564
40 2.8354 2.4404 2.2261 2.0909 1.9968 1.9269 1.8725 1.8289 1.7929 1.7627 1.7146 1.6624 1.6052 1.5741 1.5411 1.4830 1.4336 1.3769
60 2.7911 2.3933 2.1774 2.0410 1.9457 1.8747 1.8194 1.7748 1.7380 1.7070 1.6574 1.6034 1.5435 1.5107 1.4755 1.4126 1.3576 1.2915
100 2.7564 2.3564 2.1394 2.0019 1.9057 1.8339 1.7778 1.7324 1.6949 1.6632 1.6124 1.5566 1.4943 1.4600 1.4227 1.3548 1.2934 1.2142
200 2.7308 2.3293 2.1114 1.9732 1.8763 1.8038 1.7470 1.7011 1.6630 1.6308 1.5789 1.5218 1.4575 1.4217 1.3826 1.3100 1.2418 1.1439
∞ 2.7055 2.3026 2.0838 1.9449 1.8473 1.7741 1.7167 1.6702 1.6315 1.5987 1.5458 1.4871 1.4206 1.3832 1.3419 1.2633 1.1850 1.0000
Inversa de la función de distribución F de Snedecor:
−1
Fm,n (x) = P [Fm,n ≤ x], Fm,n (Fm,n,α ) = α, Fm,n,α = Fm,n (α), α = 0,95
nm 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 50 100 ∞
1 161.4476 199.5000 215.7073 224.5832 230.1619 233.9860 236.7684 238.8827 240.5433 241.8817 243.9060 245.9499 248.0131 249.0518 250.0951 251.7742 253.0411 254.3144
2 18.5128 19.0000 19.1643 19.2468 19.2964 19.3295 19.3532 19.3710 19.3848 19.3959 19.4125 19.4291 19.4458 19.4541 19.4624 19.4757 19.4857 19.4957
3 10.1280 9.5521 9.2766 9.1172 9.0135 8.9406 8.8867 8.8452 8.8123 8.7855 8.7446 8.7029 8.6602 8.6385 8.6166 8.5810 8.5539 8.5264
4 7.7086 6.9443 6.5914 6.3882 6.2561 6.1631 6.0942 6.0410 5.9988 5.9644 5.9117 5.8578 5.8025 5.7744 5.7459 5.6995 5.6641 5.6281
5 6.6079 5.7861 5.4095 5.1922 5.0503 4.9503 4.8759 4.8183 4.7725 4.7351 4.6777 4.6188 4.5581 4.5272 4.4957 4.4444 4.4051 4.3650
6 5.9874 5.1433 4.7571 4.5337 4.3874 4.2839 4.2067 4.1468 4.0990 4.0600 3.9999 3.9381 3.8742 3.8415 3.8082 3.7537 3.7117 3.6689
7 5.5914 4.7374 4.3468 4.1203 3.9715 3.8660 3.7870 3.7257 3.6767 3.6365 3.5747 3.5107 3.4445 3.4105 3.3758 3.3189 3.2749 3.2298
8 5.3177 4.4590 4.0662 3.8379 3.6875 3.5806 3.5005 3.4381 3.3881 3.3472 3.2839 3.2184 3.1503 3.1152 3.0794 3.0204 2.9747 2.9276
9 5.1174 4.2565 3.8625 3.6331 3.4817 3.3738 3.2927 3.2296 3.1789 3.1373 3.0729 3.0061 2.9365 2.9005 2.8637 2.8028 2.7556 2.7067
10 4.9646 4.1028 3.7083 3.4780 3.3258 3.2172 3.1355 3.0717 3.0204 2.9782 2.9130 2.8450 2.7740 2.7372 2.6996 2.6371 2.5884 2.5379
11 4.8443 3.9823 3.5874 3.3567 3.2039 3.0946 3.0123 2.9480 2.8962 2.8536 2.7876 2.7186 2.6464 2.6090 2.5705 2.5066 2.4566 2.4045
12 4.7472 3.8853 3.4903 3.2592 3.1059 2.9961 2.9134 2.8486 2.7964 2.7534 2.6866 2.6169 2.5436 2.5055 2.4663 2.4010 2.3498 2.2962
13 4.6672 3.8056 3.4105 3.1791 3.0254 2.9153 2.8321 2.7669 2.7144 2.6710 2.6037 2.5331 2.4589 2.4202 2.3803 2.3138 2.2614 2.2064
14 4.6001 3.7389 3.3439 3.1122 2.9582 2.8477 2.7642 2.6987 2.6458 2.6022 2.5342 2.4630 2.3879 2.3487 2.3082 2.2405 2.1870 2.1307
15 4.5431 3.6823 3.2874 3.0556 2.9013 2.7905 2.7066 2.6408 2.5876 2.5437 2.4753 2.4034 2.3275 2.2878 2.2468 2.1780 2.1234 2.0658
16 4.4940 3.6337 3.2389 3.0069 2.8524 2.7413 2.6572 2.5911 2.5377 2.4935 2.4247 2.3522 2.2756 2.2354 2.1938 2.1240 2.0685 2.0096
17 4.4513 3.5915 3.1968 2.9647 2.8100 2.6987 2.6143 2.5480 2.4943 2.4499 2.3807 2.3077 2.2304 2.1898 2.1477 2.0769 2.0204 1.9604
18 4.4139 3.5546 3.1599 2.9277 2.7729 2.6613 2.5767 2.5102 2.4563 2.4117 2.3421 2.2686 2.1906 2.1497 2.1071 2.0354 1.9780 1.9168
19 4.3807 3.5219 3.1274 2.8951 2.7401 2.6283 2.5435 2.4768 2.4227 2.3779 2.3080 2.2341 2.1555 2.1141 2.0712 1.9986 1.9403 1.8780
20 4.3512 3.4928 3.0984 2.8661 2.7109 2.5990 2.5140 2.4471 2.3928 2.3479 2.2776 2.2033 2.1242 2.0825 2.0391 1.9656 1.9066 1.8432
21 4.3248 3.4668 3.0725 2.8401 2.6848 2.5727 2.4876 2.4205 2.3660 2.3210 2.2504 2.1757 2.0960 2.0540 2.0102 1.9360 1.8761 1.8117
22 4.3009 3.4434 3.0491 2.8167 2.6613 2.5491 2.4638 2.3965 2.3419 2.2967 2.2258 2.1508 2.0707 2.0283 1.9842 1.9092 1.8486 1.7831
23 4.2793 3.4221 3.0280 2.7955 2.6400 2.5277 2.4422 2.3748 2.3201 2.2747 2.2036 2.1282 2.0476 2.0050 1.9605 1.8848 1.8234 1.7570
24 4.2597 3.4028 3.0088 2.7763 2.6207 2.5082 2.4226 2.3551 2.3002 2.2547 2.1834 2.1077 2.0267 1.9838 1.9390 1.8625 1.8005 1.7330
25 4.2417 3.3852 2.9912 2.7587 2.6030 2.4904 2.4047 2.3371 2.2821 2.2365 2.1649 2.0889 2.0075 1.9643 1.9192 1.8421 1.7794 1.7110
26 4.2252 3.3690 2.9752 2.7426 2.5868 2.4741 2.3883 2.3205 2.2655 2.2197 2.1479 2.0716 1.9898 1.9464 1.9010 1.8233 1.7599 1.6906
27 4.2100 3.3541 2.9604 2.7278 2.5719 2.4591 2.3732 2.3053 2.2501 2.2043 2.1323 2.0558 1.9736 1.9299 1.8842 1.8059 1.7419 1.6717
28 4.1960 3.3404 2.9467 2.7141 2.5581 2.4453 2.3593 2.2913 2.2360 2.1900 2.1179 2.0411 1.9586 1.9147 1.8687 1.7898 1.7251 1.6541
29 4.1830 3.3277 2.9340 2.7014 2.5454 2.4324 2.3463 2.2782 2.2229 2.1768 2.1045 2.0275 1.9446 1.9005 1.8543 1.7748 1.7096 1.6376
30 4.1709 3.3158 2.9223 2.6896 2.5336 2.4205 2.3343 2.2662 2.2107 2.1646 2.0921 2.0148 1.9317 1.8874 1.8409 1.7609 1.6950 1.6223
40 4.0847 3.2317 2.8387 2.6060 2.4495 2.3359 2.2490 2.1802 2.1240 2.0772 2.0035 1.9245 1.8389 1.7929 1.7444 1.6600 1.5892 1.5089
60 4.0012 3.1504 2.7581 2.5252 2.3683 2.2541 2.1665 2.0970 2.0401 1.9926 1.9174 1.8364 1.7480 1.7001 1.6491 1.5590 1.4814 1.3893
Apéndice
100 3.9361 3.0873 2.6955 2.4626 2.3053 2.1906 2.1025 2.0323 1.9748 1.9267 1.8503 1.7675 1.6764 1.6267 1.5733 1.4772 1.3917 1.2832
200 3.8884 3.0411 2.6498 2.4168 2.2592 2.1441 2.0556 1.9849 1.9269 1.8783 1.8008 1.7166 1.6233 1.5720 1.5164 1.4146 1.3206 1.1885
∞ 3.8415 2.9957 2.6049 2.3719 2.2141 2.0986 2.0096 1.9384 1.8799 1.8307 1.7522 1.6664 1.5705 1.5173 1.4591 1.3501 1.2434 1.0000
329
330
nm 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 50 100 ∞
1 647.7890 799.5000 864.1630 899.5833 921.8479 937.1111 948.2169 956.6562 963.2846 968.6274 976.7079 984.8668 993.1028 997.2492 1001.4144 1008.1171 1013.1748 1018.2583
2 38.5063 39.0000 39.1655 39.2484 39.2982 39.3315 39.3552 39.3730 39.3869 39.3980 39.4146 39.4313 39.4479 39.4562 39.4646 39.4779 39.4879 39.4979
3 17.4434 16.0441 15.4392 15.1010 14.8848 14.7347 14.6244 14.5399 14.4731 14.4189 14.3366 14.2527 14.1674 14.1241 14.0805 14.0099 13.9563 13.9021
4 12.2179 10.6491 9.9792 9.6045 9.3645 9.1973 9.0741 8.9796 8.9047 8.8439 8.7512 8.6565 8.5599 8.5109 8.4613 8.3808 8.3195 8.2573
5 10.0070 8.4336 7.7636 7.3879 7.1464 6.9777 6.8531 6.7572 6.6811 6.6192 6.5245 6.4277 6.3286 6.2780 6.2269 6.1436 6.0800 6.0153
6 8.8131 7.2599 6.5988 6.2272 5.9876 5.8198 5.6955 5.5996 5.5234 5.4613 5.3662 5.2687 5.1684 5.1172 5.0652 4.9804 4.9154 4.8491
7 8.0727 6.5415 5.8898 5.5226 5.2852 5.1186 4.9949 4.8993 4.8232 4.7611 4.6658 4.5678 4.4667 4.4150 4.3624 4.2763 4.2101 4.1423
8 7.5709 6.0595 5.4160 5.0526 4.8173 4.6517 4.5286 4.4333 4.3572 4.2951 4.1997 4.1012 3.9995 3.9472 3.8940 3.8067 3.7393 3.6702
9 7.2093 5.7147 5.0781 4.7181 4.4844 4.3197 4.1970 4.1020 4.0260 3.9639 3.8682 3.7694 3.6669 3.6142 3.5604 3.4719 3.4034 3.3329
10 6.9367 5.4564 4.8256 4.4683 4.2361 4.0721 3.9498 3.8549 3.7790 3.7168 3.6209 3.5217 3.4185 3.3654 3.3110 3.2214 3.1517 3.0798
11 6.7241 5.2559 4.6300 4.2751 4.0440 3.8807 3.7586 3.6638 3.5879 3.5257 3.4296 3.3299 3.2261 3.1725 3.1176 3.0268 2.9561 2.8828
METODOLOGÍA DE LA INVESTIGACIÓN
12 6.5538 5.0959 4.4742 4.1212 3.8911 3.7283 3.6065 3.5118 3.4358 3.3736 3.2773 3.1772 3.0728 3.0187 2.9633 2.8714 2.7996 2.7249
13 6.4143 4.9653 4.3472 3.9959 3.7667 3.6043 3.4827 3.3880 3.3120 3.2497 3.1532 3.0527 2.9477 2.8932 2.8372 2.7443 2.6715 2.5955
14 6.2979 4.8567 4.2417 3.8919 3.6634 3.5014 3.3799 3.2853 3.2093 3.1469 3.0502 2.9493 2.8437 2.7888 2.7324 2.6384 2.5646 2.4872
15 6.1995 4.7650 4.1528 3.8043 3.5764 3.4147 3.2934 3.1987 3.1227 3.0602 2.9633 2.8621 2.7559 2.7006 2.6437 2.5488 2.4739 2.3953
16 6.1151 4.6867 4.0768 3.7294 3.5021 3.3406 3.2194 3.1248 3.0488 2.9862 2.8890 2.7875 2.6808 2.6252 2.5678 2.4719 2.3961 2.3163
17 6.0420 4.6189 4.0112 3.6648 3.4379 3.2767 3.1556 3.0610 2.9849 2.9222 2.8249 2.7230 2.6158 2.5598 2.5020 2.4053 2.3285 2.2474
18 5.9781 4.5597 3.9539 3.6083 3.3820 3.2209 3.0999 3.0053 2.9291 2.8664 2.7689 2.6667 2.5590 2.5027 2.4445 2.3468 2.2692 2.1869
19 5.9216 4.5075 3.9034 3.5587 3.3327 3.1718 3.0509 2.9563 2.8801 2.8172 2.7196 2.6171 2.5089 2.4523 2.3937 2.2952 2.2167 2.1333
20 5.8715 4.4613 3.8587 3.5147 3.2891 3.1283 3.0074 2.9128 2.8365 2.7737 2.6758 2.5731 2.4645 2.4076 2.3486 2.2493 2.1699 2.0853
21 5.8266 4.4199 3.8188 3.4754 3.2501 3.0895 2.9686 2.8740 2.7977 2.7348 2.6368 2.5338 2.4247 2.3675 2.3082 2.2081 2.1280 2.0422
22 5.7863 4.3828 3.7829 3.4401 3.2151 3.0546 2.9338 2.8392 2.7628 2.6998 2.6017 2.4984 2.3890 2.3315 2.2718 2.1710 2.0901 2.0032
23 5.7498 4.3492 3.7505 3.4083 3.1835 3.0232 2.9023 2.8077 2.7313 2.6682 2.5699 2.4664 2.3567 2.2989 2.2389 2.1374 2.0557 1.9677
24 5.7166 4.3187 3.7211 3.3794 3.1548 2.9946 2.8738 2.7791 2.7027 2.6396 2.5411 2.4374 2.3273 2.2693 2.2090 2.1067 2.0243 1.9353
25 5.6864 4.2909 3.6943 3.3530 3.1287 2.9685 2.8478 2.7531 2.6766 2.6135 2.5149 2.4110 2.3005 2.2422 2.1816 2.0787 1.9955 1.9055
26 5.6586 4.2655 3.6697 3.3289 3.1048 2.9447 2.8240 2.7293 2.6528 2.5896 2.4908 2.3867 2.2759 2.2174 2.1565 2.0530 1.9691 1.8781
27 5.6331 4.2421 3.6472 3.3067 3.0828 2.9228 2.8021 2.7074 2.6309 2.5676 2.4688 2.3644 2.2533 2.1946 2.1334 2.0293 1.9447 1.8527
28 5.6096 4.2205 3.6264 3.2863 3.0626 2.9027 2.7820 2.6872 2.6106 2.5473 2.4484 2.3438 2.2324 2.1735 2.1121 2.0073 1.9221 1.8291
29 5.5878 4.2006 3.6072 3.2674 3.0438 2.8840 2.7633 2.6686 2.5919 2.5286 2.4295 2.3248 2.2131 2.1540 2.0923 1.9870 1.9011 1.8072
30 5.5675 4.1821 3.5894 3.2499 3.0265 2.8667 2.7460 2.6513 2.5746 2.5112 2.4120 2.3072 2.1952 2.1359 2.0739 1.9681 1.8816 1.7867
40 5.4239 4.0510 3.4633 3.1261 2.9037 2.7444 2.6238 2.5289 2.4519 2.3882 2.2882 2.1819 2.0677 2.0069 1.9429 1.8324 1.7405 1.6371
60 5.2856 3.9253 3.3425 3.0077 2.7863 2.6274 2.5068 2.4117 2.3344 2.2702 2.1692 2.0613 1.9445 1.8817 1.8152 1.6985 1.5990 1.4821
100 5.1786 3.8284 3.2496 2.9166 2.6961 2.5374 2.4168 2.3215 2.2439 2.1793 2.0773 1.9679 1.8486 1.7839 1.7148 1.5917 1.4832 1.3473
200 5.1004 3.7578 3.1820 2.8503 2.6304 2.4720 2.3513 2.2558 2.1780 2.1130 2.0103 1.8996 1.7780 1.7117 1.6403 1.5108 1.3927 1.2290
∞ 5.0239 3.6889 3.1161 2.7858 2.5665 2.4082 2.2875 2.1918 2.1136 2.0483 1.9447 1.8326 1.7085 1.6402 1.5660 1.4284 1.2956 1.0000
Inversa de la función de distribución F de Snedecor:
−1
Fm,n (x) = P [Fm,n ≤ x], Fm,n (Fm,n,α ) = α, Fm,n,α = Fm,n (α), α = 0,99
nm 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 50 100 ∞
1 4052.181 4999.500 5403.352 5624.583 5763.650 5858.986 5928.356 5981.070 6022.473 6055.847 6106.321 6157.285 6208.730 6234.631 6260.649 6302.517 6334.110 6365.864
2 98.503 99.000 99.166 99.249 99.299 99.333 99.356 99.374 99.388 99.399 99.416 99.433 99.449 99.458 99.466 99.479 99.489 99.499
3 34.116 30.817 29.457 28.710 28.237 27.911 27.672 27.489 27.345 27.229 27.052 26.872 26.690 26.598 26.505 26.354 26.240 26.125
4 21.198 18.000 16.694 15.977 15.522 15.207 14.976 14.799 14.659 14.546 14.374 14.198 14.020 13.929 13.838 13.690 13.577 13.463
5 16.258 13.274 12.060 11.392 10.967 10.672 10.456 10.289 10.158 10.051 9.888 9.722 9.553 9.466 9.379 9.238 9.130 9.020
6 13.745 10.925 9.780 9.148 8.746 8.466 8.260 8.102 7.976 7.874 7.718 7.559 7.396 7.313 7.229 7.091 6.987 6.880
7 12.246 9.547 8.451 7.847 7.460 7.191 6.993 6.840 6.719 6.620 6.469 6.314 6.155 6.074 5.992 5.858 5.755 5.650
8 11.259 8.649 7.591 7.006 6.632 6.371 6.178 6.029 5.911 5.814 5.667 5.515 5.359 5.279 5.198 5.065 4.963 4.859
9 10.561 8.022 6.992 6.422 6.057 5.802 5.613 5.467 5.351 5.257 5.111 4.962 4.808 4.729 4.649 4.517 4.415 4.311
10 10.044 7.559 6.552 5.994 5.636 5.386 5.200 5.057 4.942 4.849 4.706 4.558 4.405 4.327 4.247 4.115 4.014 3.909
11 9.646 7.206 6.217 5.668 5.316 5.069 4.886 4.744 4.632 4.539 4.397 4.251 4.099 4.021 3.941 3.810 3.708 3.602
12 9.330 6.927 5.953 5.412 5.064 4.821 4.640 4.499 4.388 4.296 4.155 4.010 3.858 3.780 3.701 3.569 3.467 3.361
13 9.074 6.701 5.739 5.205 4.862 4.620 4.441 4.302 4.191 4.100 3.960 3.815 3.665 3.587 3.507 3.375 3.272 3.165
14 8.862 6.515 5.564 5.035 4.695 4.456 4.278 4.140 4.030 3.939 3.800 3.656 3.505 3.427 3.348 3.215 3.112 3.004
15 8.683 6.359 5.417 4.893 4.556 4.318 4.142 4.004 3.895 3.805 3.666 3.522 3.372 3.294 3.214 3.081 2.977 2.868
16 8.531 6.226 5.292 4.773 4.437 4.202 4.026 3.890 3.780 3.691 3.553 3.409 3.259 3.181 3.101 2.967 2.863 2.753
17 8.400 6.112 5.185 4.669 4.336 4.102 3.927 3.791 3.682 3.593 3.455 3.312 3.162 3.084 3.003 2.869 2.764 2.653
18 8.285 6.013 5.092 4.579 4.248 4.015 3.841 3.705 3.597 3.508 3.371 3.227 3.077 2.999 2.919 2.784 2.678 2.566
19 8.185 5.926 5.010 4.500 4.171 3.939 3.765 3.631 3.522 3.434 3.297 3.153 3.003 2.925 2.844 2.709 2.602 2.489
20 8.096 5.849 4.938 4.431 4.103 3.871 3.699 3.564 3.457 3.368 3.231 3.088 2.938 2.859 2.778 2.643 2.535 2.421
21 8.017 5.780 4.874 4.369 4.042 3.812 3.640 3.506 3.398 3.310 3.173 3.030 2.880 2.801 2.720 2.584 2.475 2.360
22 7.945 5.719 4.817 4.313 3.988 3.758 3.587 3.453 3.346 3.258 3.121 2.978 2.827 2.749 2.667 2.531 2.422 2.305
23 7.881 5.664 4.765 4.264 3.939 3.710 3.539 3.406 3.299 3.211 3.074 2.931 2.780 2.702 2.620 2.483 2.373 2.256
24 7.823 5.614 4.718 4.218 3.895 3.667 3.496 3.363 3.256 3.168 3.032 2.889 2.738 2.659 2.577 2.440 2.329 2.211
25 7.770 5.568 4.675 4.177 3.855 3.627 3.457 3.324 3.217 3.129 2.993 2.850 2.699 2.620 2.538 2.400 2.289 2.169
26 7.721 5.526 4.637 4.140 3.818 3.591 3.421 3.288 3.182 3.094 2.958 2.815 2.664 2.585 2.503 2.364 2.252 2.131
27 7.677 5.488 4.601 4.106 3.785 3.558 3.388 3.256 3.149 3.062 2.926 2.783 2.632 2.552 2.470 2.330 2.218 2.097
28 7.636 5.453 4.568 4.074 3.754 3.528 3.358 3.226 3.120 3.032 2.896 2.753 2.602 2.522 2.440 2.300 2.187 2.064
29 7.598 5.420 4.538 4.045 3.725 3.499 3.330 3.198 3.092 3.005 2.868 2.726 2.574 2.495 2.412 2.271 2.158 2.034
30 7.562 5.390 4.510 4.018 3.699 3.473 3.304 3.173 3.067 2.979 2.843 2.700 2.549 2.469 2.386 2.245 2.131 2.006
40 7.314 5.178 4.313 3.828 3.514 3.291 3.124 2.993 2.888 2.801 2.665 2.522 2.369 2.288 2.203 2.058 1.938 1.805
60 7.077 4.977 4.126 3.649 3.339 3.119 2.953 2.823 2.718 2.632 2.496 2.352 2.198 2.115 2.028 1.877 1.749 1.601
Apéndice
100 6.895 4.824 3.984 3.513 3.206 2.988 2.823 2.694 2.590 2.503 2.368 2.223 2.067 1.983 1.893 1.735 1.598 1.427
200 6.763 4.713 3.881 3.414 3.110 2.893 2.730 2.601 2.497 2.411 2.275 2.129 1.971 1.886 1.794 1.629 1.481 1.279
∞ 6.635 4.605 3.782 3.319 3.017 2.802 2.639 2.511 2.407 2.321 2.185 2.039 1.878 1.791 1.696 1.523 1.358 1.000
331
332
nm 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 50 100 ∞
1 16210.72 19999.50 21614.74 22499.58 23055.80 23437.11 23714.57 23925.41 24091.00 24224.49 24426.37 24630.21 24835.97 24939.57 25043.63 25211.09 25337.45 25464.46
2 198.50 199.00 199.17 199.25 199.30 199.33 199.36 199.37 199.39 199.40 199.42 199.43 199.45 199.46 199.47 199.48 199.49 199.50
3 55.55 49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.88 43.69 43.39 43.08 42.78 42.62 42.47 42.21 42.02 41.83
4 31.33 26.28 24.26 23.15 22.46 21.97 21.62 21.35 21.14 20.97 20.70 20.44 20.17 20.03 19.89 19.67 19.50 19.32
5 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77 13.62 13.38 13.15 12.90 12.78 12.66 12.45 12.30 12.14
6 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39 10.25 10.03 9.81 9.59 9.47 9.36 9.17 9.03 8.88
7 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51 8.38 8.18 7.97 7.75 7.64 7.53 7.35 7.22 7.08
8 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34 7.21 7.01 6.81 6.61 6.50 6.40 6.22 6.09 5.95
9 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42 6.23 6.03 5.83 5.73 5.62 5.45 5.32 5.19
10 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97 5.85 5.66 5.47 5.27 5.17 5.07 4.90 4.77 4.64
11 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54 5.42 5.24 5.05 4.86 4.76 4.65 4.49 4.36 4.23
METODOLOGÍA DE LA INVESTIGACIÓN
12 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.34 5.20 5.09 4.91 4.72 4.53 4.43 4.33 4.17 4.04 3.90
13 11.37 8.19 6.93 6.23 5.79 5.48 5.25 5.08 4.94 4.82 4.64 4.46 4.27 4.17 4.07 3.91 3.78 3.65
14 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72 4.60 4.43 4.25 4.06 3.96 3.86 3.70 3.57 3.44
15 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42 4.25 4.07 3.88 3.79 3.69 3.52 3.39 3.26
16 10.58 7.51 6.30 5.64 5.21 4.91 4.69 4.52 4.38 4.27 4.10 3.92 3.73 3.64 3.54 3.37 3.25 3.11
17 10.38 7.35 6.16 5.50 5.07 4.78 4.56 4.39 4.25 4.14 3.97 3.79 3.61 3.51 3.41 3.25 3.12 2.98
18 10.22 7.21 6.03 5.37 4.96 4.66 4.44 4.28 4.14 4.03 3.86 3.68 3.50 3.40 3.30 3.14 3.01 2.87
19 10.07 7.09 5.92 5.27 4.85 4.56 4.34 4.18 4.04 3.93 3.76 3.59 3.40 3.31 3.21 3.04 2.91 2.78
20 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96 3.85 3.68 3.50 3.32 3.22 3.12 2.96 2.83 2.69
21 9.83 6.89 5.73 5.09 4.68 4.39 4.18 4.01 3.88 3.77 3.60 3.43 3.24 3.15 3.05 2.88 2.75 2.61
22 9.73 6.81 5.65 5.02 4.61 4.32 4.11 3.94 3.81 3.70 3.54 3.36 3.18 3.08 2.98 2.82 2.69 2.55
23 9.63 6.73 5.58 4.95 4.54 4.26 4.05 3.88 3.75 3.64 3.47 3.30 3.12 3.02 2.92 2.76 2.62 2.48
24 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59 3.42 3.25 3.06 2.97 2.87 2.70 2.57 2.43
25 9.48 6.60 5.46 4.84 4.43 4.15 3.94 3.78 3.64 3.54 3.37 3.20 3.01 2.92 2.82 2.65 2.52 2.38
26 9.41 6.54 5.41 4.79 4.38 4.10 3.89 3.73 3.60 3.49 3.33 3.15 2.97 2.87 2.77 2.61 2.47 2.33
27 9.34 6.49 5.36 4.74 4.34 4.06 3.85 3.69 3.56 3.45 3.28 3.11 2.93 2.83 2.73 2.57 2.43 2.29
28 9.28 6.44 5.32 4.70 4.30 4.02 3.81 3.65 3.52 3.41 3.25 3.07 2.89 2.79 2.69 2.53 2.39 2.25
29 9.23 6.40 5.28 4.66 4.26 3.98 3.77 3.61 3.48 3.38 3.21 3.04 2.86 2.76 2.66 2.49 2.36 2.21
30 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45 3.34 3.18 3.01 2.82 2.73 2.63 2.46 2.32 2.18
40 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22 3.12 2.95 2.78 2.60 2.50 2.40 2.23 2.09 1.93
60 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01 2.90 2.74 2.57 2.39 2.29 2.19 2.01 1.86 1.69
100 8.24 5.59 4.54 3.96 3.59 3.33 3.13 2.97 2.85 2.74 2.58 2.41 2.23 2.13 2.02 1.84 1.68 1.49
200 8.06 5.44 4.41 3.84 3.47 3.21 3.01 2.86 2.73 2.63 2.47 2.30 2.11 2.01 1.90 1.71 1.54 1.31
∞ 7.88 5.30 4.28 3.72 3.35 3.09 2.90 2.74 2.62 2.52 2.36 2.19 2.00 1.90 1.79 1.59 1.40 1.00
Apéndice 333
NÚMEROS ALEATORIOS
Es una tabla de números entre 0 y 9 cuyo orden no obedece ninguna regla de formación; ellas se pueden
leer individualmente o en grupos y en cualquier orden, en columna ver cal hacia abajo o hacia arriba, en
fila, diagonalmente a la derecha o la izquierda. Si se desea formar números aleatorios en un determinado
rango, basta con calcular la proporción; otra forma de usarlo es sumando dos números tomados de
alguna posición o mul plicarlos.
Una tabla de números aleatorios es ú l para seleccionar al azar los individuos de una población conocida
que deben formar parte de una muestra.
Por ejemplo: Para ser presentadas estas cifras se agrupan en números de 4 dígitos, formando bloques
de 5 filas y 10 columnas, facilitando de esta forma su lectura que puede iniciarse desde cualquier parte
de la tabla.
________________________________________
4251 5149 4751 4847 4249 4648 5047 4847 5156 8789
4849 5051 5046 4756 4738 5350 4746 4847 4846 2346
5692 9870 3583 8997 1533 6466 8830 7271 3809 4256
2080 3828 7880 0586 8482 7811 6807 3309 2729 2235
1039 3382 7600 1077 4455 8806 1822 1669 7501 8330
6477 5289 4092 4223 6454 7632 7577 2816 9002 2365
4554 6146 4846 4647 5034 4646 5139 5355 5249 2224
0772 2160 7236 0812 4195 5589 0830 8261 9232 0902
0092 1629 0377 3590 2209 4839 6332 1490 3092 2390
7315 3365 7203 1231 0546 6612 1038 1425 2709 3092
5775 7517 8974 3961 2183 5295 3096 8536 9442 2392
5500 2276 6307 2346 1285 7000 5306 0414 3383 2303
3251 8902 8843 2112 8567 8131 8116 5270 5994 9092
4675 1435 2192 0874 2897 0262 5092 5541 4014 2113
3543 6130 4247 4859 2660 7852 9096 0578 0097 1324
3521 8772 6612 0721 3899 2999 1263 7017 8057 3443
5573 9396 3464 1702 9204 3389 5678 2589 0288 6343
7478 7569 7551 3380 2152 5411 2647 7242 2800 3432
3339 2854 9691 9562 3252 9848 6030 8472 2266 3255
5505 8474 3167 8552 5409 1556 4247 4652 2953 9854
6381 2086 5457 7703 2758 2963 8167 6712 9820 5324
0935 5565 2315 8030 7651 5189 0075 9353 1921 0222
2605 3973 8204 4143 2677 0034 8601 3340 8383 3243
7277 9889 0390 5579 4620 5650 0210 2082 4664 5643
334 METODOLOGÍA DE LA INVESTIGACIÓN
5484 3900 3485 0741 9069 5920 4326 7704 6525 1249
7227 0104 4141 1521 9104 5563 1392 8238 4882 2324
8506 6348 4612 8252 1062 1757 0964 2983 2244 7654
5086 0303 7423 3298 3979 2831 2257 1508 7642 1245
3690 2492 7171 7720 6509 7549 2330 5733 4730 4534
0813 6790 6858 1489 2669 3743 1901 4971 8280 0835
6905 7127 5933 1137 7583 6450 5658 7678 3444 3754
8387 5323 3753 1859 6043 0294 5110 6340 9137 6323
4094 4957 0163 9717 4118 4276 9465 8820 4127 0202
4951 3781 5101 1815 7068 6379 7252 1086 8919 2093
9047 0199 5068 7447 1664 9278 1708 3625 2864 0204
7274 9512 0074 6677 8676 0222 3335 1976 1645 3203
9192 4011 0255 5458 6942 8043 6201 1587 0972 0243
0554 1690 6333 1931 9433 2661 8690 2313 6999 3094
9231 5627 1815 7171 8036 1832 2031 6298 6073 9044
3995 9677 7765 3194 3222 4191 2734 4469 8617 3233
2402 6250 9362 7373 4757 1716 1942 0417 5921 5345
5295 7385 5474 2123 7035 9983 5192 1840 6176 5756
5177 1191 2106 3351 5057 0967 4538 1246 3374 0304
4344 4044 4549 4443 4249 4948 4151 5152 4240 4737
7343 4706 4440 4646 4548 4742 4746 5253 4749 4689
Impreso en los Talleres Gráficos de
Surquillo
243-2003 – 827*2650
Abril 2010